JPS6337346B2 - - Google Patents
Info
- Publication number
- JPS6337346B2 JPS6337346B2 JP60267116A JP26711685A JPS6337346B2 JP S6337346 B2 JPS6337346 B2 JP S6337346B2 JP 60267116 A JP60267116 A JP 60267116A JP 26711685 A JP26711685 A JP 26711685A JP S6337346 B2 JPS6337346 B2 JP S6337346B2
- Authority
- JP
- Japan
- Prior art keywords
- reticulocytes
- density
- image
- classification
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1468—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
【発明の詳細な説明】
〔発明の利用分野〕
本発明は、染色された血液標本の像を用いて、
網赤血球を識別し、さらに網赤血球中の網状帯の
疎密の差による分類（ハイルマイア分類）を自動
的に行なう装置に関するものである。
網赤血球を識別し、さらに網赤血球中の網状帯の
疎密の差による分類（ハイルマイア分類）を自動
的に行なう装置に関するものである。
〔発明の背景〕
ニユーメチレンブルー（New methylene
blue）等による超生体染色を施した新鮮血液標本
において、帯緑黄色の赤血球中に紫青色の顆粒状
物質および紐状物質（網状体）がもつれあつて存
在する幼若な赤血球が網赤血球である。核を有す
る赤芽球は骨髄内で脱核して末梢血へと出てくる
が、その過程で必らず網赤血球の時期をへてく
る。末梢血における網赤血球比率の増減は、幼若
赤血球の増減、すなわち赤血球生成能の昂進減退
をあらわす。さらに網赤血球を網状体の疎密の差
により分類し（ハイルマイア分類…小宮正文著
「図説・血液の見方」参照）、それぞれの分類に属
する網赤血球数を算定すれば赤血生成能の正常異
常のより詳細な診断が可能となる。
blue）等による超生体染色を施した新鮮血液標本
において、帯緑黄色の赤血球中に紫青色の顆粒状
物質および紐状物質（網状体）がもつれあつて存
在する幼若な赤血球が網赤血球である。核を有す
る赤芽球は骨髄内で脱核して末梢血へと出てくる
が、その過程で必らず網赤血球の時期をへてく
る。末梢血における網赤血球比率の増減は、幼若
赤血球の増減、すなわち赤血球生成能の昂進減退
をあらわす。さらに網赤血球を網状体の疎密の差
により分類し（ハイルマイア分類…小宮正文著
「図説・血液の見方」参照）、それぞれの分類に属
する網赤血球数を算定すれば赤血生成能の正常異
常のより詳細な診断が可能となる。
この網赤血球分類検査は、採血した血液に超生
体染色を施こし、スライドガラス上に塗抹、乾燥
したのち顕微鏡下で網赤血球をさがし出し、分
類、算定する検査である。この検査は白血球分類
検査と同様、検査技師が顕微鏡下で目視によつて
行なつており、作業が煩雑で、目の疲労が大なた
め、検査の自動化が強く望まれている。
体染色を施こし、スライドガラス上に塗抹、乾燥
したのち顕微鏡下で網赤血球をさがし出し、分
類、算定する検査である。この検査は白血球分類
検査と同様、検査技師が顕微鏡下で目視によつて
行なつており、作業が煩雑で、目の疲労が大なた
め、検査の自動化が強く望まれている。
本発明は、上記の事実に基づき、網赤血球分類
検査を自動化する装置の提供を目的とするもので
ある。
検査を自動化する装置の提供を目的とするもので
ある。
本発明の網赤血球自動分類装置は、染色を施こ
した血液標本の像から抽出された網赤血球像の濃
度ヒストグラムを求める手段と、このヒストグラ
ムのうち網状体の濃度に匹敵するような所定高濃
度部分の濃度巾を求める手段と、この高濃度部分
の頻度の総和を求める手段と、上記の頻度値の総
和と上記の濃度巾とを用いて網赤血球のハイルマ
イア分類を行なう手段を有することを特徴とす
る。
した血液標本の像から抽出された網赤血球像の濃
度ヒストグラムを求める手段と、このヒストグラ
ムのうち網状体の濃度に匹敵するような所定高濃
度部分の濃度巾を求める手段と、この高濃度部分
の頻度の総和を求める手段と、上記の頻度値の総
和と上記の濃度巾とを用いて網赤血球のハイルマ
イア分類を行なう手段を有することを特徴とす
る。
すなわち、網赤血球中の網状帯は形状、方向が
様々であり、しかも互いに重なり合つて存在する
場合もある。したがつて赤血球像の最高濃度や特
定濃度以上の部分の面積そのものは網状帯の疎密
を正確に示さない場合がある。上記の如く濃度ヒ
ストグラムの所定の高濃度部分の濃度巾とその頻
度総和（各赤血球像中で網状体に匹敵する濃度以
上の部分の面積に相当）の双方を用いて分類を行
なえば網状体の方向や重なりのいかんにかかわら
ず熟練者の目視による分類と同等なハイルマイア
分類が可能となる。
様々であり、しかも互いに重なり合つて存在する
場合もある。したがつて赤血球像の最高濃度や特
定濃度以上の部分の面積そのものは網状帯の疎密
を正確に示さない場合がある。上記の如く濃度ヒ
ストグラムの所定の高濃度部分の濃度巾とその頻
度総和（各赤血球像中で網状体に匹敵する濃度以
上の部分の面積に相当）の双方を用いて分類を行
なえば網状体の方向や重なりのいかんにかかわら
ず熟練者の目視による分類と同等なハイルマイア
分類が可能となる。
なお具体的に言えば、上記濃度巾と頻度総和の
２乗和の平方根をパラメータとし、この値の大小
比較によりハイルマイア分類を行なう。つまり上
記濃度巾と頻度総和を２軸とする平面上での原点
からの距離により分類を行なうのである。
２乗和の平方根をパラメータとし、この値の大小
比較によりハイルマイア分類を行なう。つまり上
記濃度巾と頻度総和を２軸とする平面上での原点
からの距離により分類を行なうのである。
第１図は本発明の一実施例の構成を示す図であ
る。光源１の光を顕微鏡２のステージ上に置かれ
た血液標本３に導き、血液標本３からの透過光を
カラーテレビカメラ４に導き赤（Ｒ）、緑(G)、青
(B)を成分に色分解する。これらの色信号をＡ／Ｄ
変換器５によりデイジタル信号に変換し、ICメ
モリ６に格納する。例えば、Ｒ信号をICメモリ
６ａに、Ｂ信号をICメモリ６ｂに、Ｇ信号をIC
メモリ６ｃに格納する。
る。光源１の光を顕微鏡２のステージ上に置かれ
た血液標本３に導き、血液標本３からの透過光を
カラーテレビカメラ４に導き赤（Ｒ）、緑(G)、青
(B)を成分に色分解する。これらの色信号をＡ／Ｄ
変換器５によりデイジタル信号に変換し、ICメ
モリ６に格納する。例えば、Ｒ信号をICメモリ
６ａに、Ｂ信号をICメモリ６ｂに、Ｇ信号をIC
メモリ６ｃに格納する。
一般に、テレビカメラから得られる画像中に
は、数個ないし10数個の赤血球が存在するから、
個々の赤血球を別々に処理するために、個々の赤
血球にラベル付けをする必要がある。ラベル付け
されたマスク画像の作成を次に説明する。
は、数個ないし10数個の赤血球が存在するから、
個々の赤血球を別々に処理するために、個々の赤
血球にラベル付けをする必要がある。ラベル付け
されたマスク画像の作成を次に説明する。
Ｂ画像成分をICメモリ６ｂより読み出しヒス
トグラム作成回路８で、第２図のような濃度ヒス
トグラムを作成する。この図から分かるように各
血球成分BLは高濃度部に、背景成分BGは低濃度
部にそれぞれ分布するため、両者の境界値、すな
わち上記濃度ヒストグラムの谷部分Ｖに相当する
濃度値Ｓ(g)を、血球部分と背景部分を分離するた
めのしきい値とする。９はこの濃度しきい値Ｓ(g)
を検出するしきい値検出回路である。次に、上記
のＢ画像成分をICメモリ６ｂより読み出し、比
較回路１０において、上記の濃度値Ｓ(g)をしきい
値レベルとして二値化画像を作る。例えば、血球
部分を“１”、その他の部分を“０”とする二値
化パターンを作成し、ICメモリ６ｄに格納する。
再びこの二値化パターンをICモメリ６ｄより読
み出し、ラベリング回路１１を用いて、各血球像
にラベル付けをして、ICメモリ６ｄに再度、格
納する。かくして、ラベル付けされたマスク画像
がICメモリ６ｄに格納される。
トグラム作成回路８で、第２図のような濃度ヒス
トグラムを作成する。この図から分かるように各
血球成分BLは高濃度部に、背景成分BGは低濃度
部にそれぞれ分布するため、両者の境界値、すな
わち上記濃度ヒストグラムの谷部分Ｖに相当する
濃度値Ｓ(g)を、血球部分と背景部分を分離するた
めのしきい値とする。９はこの濃度しきい値Ｓ(g)
を検出するしきい値検出回路である。次に、上記
のＢ画像成分をICメモリ６ｂより読み出し、比
較回路１０において、上記の濃度値Ｓ(g)をしきい
値レベルとして二値化画像を作る。例えば、血球
部分を“１”、その他の部分を“０”とする二値
化パターンを作成し、ICメモリ６ｄに格納する。
再びこの二値化パターンをICモメリ６ｄより読
み出し、ラベリング回路１１を用いて、各血球像
にラベル付けをして、ICメモリ６ｄに再度、格
納する。かくして、ラベル付けされたマスク画像
がICメモリ６ｄに格納される。
各血球像にラベル付けされると、各ラベルごと
に以下に述べる処理をくり返えす。そして、その
処理された血球数の合計が、最初設定した個数に
なるまで、例えば1000個になるまで、顕微鏡２の
ステージの視野を変え、画像入力をくり返えす。
顕微鏡ステージは、ステージ制御回路２４によつ
て、ステージ移動および自動焦点調節が行なわれ
る。
に以下に述べる処理をくり返えす。そして、その
処理された血球数の合計が、最初設定した個数に
なるまで、例えば1000個になるまで、顕微鏡２の
ステージの視野を変え、画像入力をくり返えす。
顕微鏡ステージは、ステージ制御回路２４によつ
て、ステージ移動および自動焦点調節が行なわれ
る。
次に、赤血球及び網赤血球の識別処理について
説明する。まず、赤血球および網赤血球を識別す
るために必要な特徴パラメータの抽出について説
明する。
説明する。まず、赤血球および網赤血球を識別す
るために必要な特徴パラメータの抽出について説
明する。
この特徴パラメータの抽出はICメモリー６に
格納されたマスク画像、Ｇ画像及びＲ画像を用い
て行なう。即ち、ラベル付けされたマスク画像を
ICメモリ６ｄから読み出し、面積計算回路７ａ、
および周囲長計算回路７ｂにより、各血球の面積
Ｓ、周囲長Ｌを求める。次に、上記のマスク画像
とICメモリ６ｃに格納されているＧ画像から、
その画面内にある全血球像の濃度ヒストグラムを
ヒストグラム作成回路８により作成する。この濃
度ヒストグラムの一例を第３図に示す。この濃度
ヒストグラムから初めに、濃度ヒストグラムの最
大値HTを求め、続いて最大値HTのαパーセント
の頻度値に相当する高濃度側の濃度値ｆを、しき
い値濃度検出回路１２で求める。
格納されたマスク画像、Ｇ画像及びＲ画像を用い
て行なう。即ち、ラベル付けされたマスク画像を
ICメモリ６ｄから読み出し、面積計算回路７ａ、
および周囲長計算回路７ｂにより、各血球の面積
Ｓ、周囲長Ｌを求める。次に、上記のマスク画像
とICメモリ６ｃに格納されているＧ画像から、
その画面内にある全血球像の濃度ヒストグラムを
ヒストグラム作成回路８により作成する。この濃
度ヒストグラムの一例を第３図に示す。この濃度
ヒストグラムから初めに、濃度ヒストグラムの最
大値HTを求め、続いて最大値HTのαパーセント
の頻度値に相当する高濃度側の濃度値ｆを、しき
い値濃度検出回路１２で求める。
次に、マスク画像をICメモリ６ｄから、Ｇ画
像をICメモリ６ｃから読み出し、ヒストグラム
作成回路８を用いて、第４図Ａ及び第４図Ｂのよ
うなＧ画像における各血球単位での濃度ヒストグ
ラムを求める。第４図Ａは赤血球の濃度ヒストグ
ラム、第４図Ｂは網赤血球の濃度ヒストグラムを
示す。両図から分るように、両者の高濃度部のヒ
ストグラムは明らかに異なつており、この性質を
利用すると、両者を識別することが可能となるの
である。この濃度ヒストグラムを用いてしきい値
濃度検出回路１３により、濃度ヒストグラムの最
大値H0を求め、続いて最大値H0のαパーセント
の頻度値に相当する高濃度側の濃度値ｄ、および
最高濃度値ｅを求める。ここで、上記αの値は統
計的に求める値であり、血液標本の染色条件によ
つて変わるが、20〜30％の値が良い結果を得てい
る。同様に、Ｒ画像をICメモリ６ａより読み出
し、Ｒ画像における血球像単位での濃度ヒストグ
ラムを作成し、最大ヒストグラムのαパーセント
に相当する濃度値および最高濃度値を求める。Ｇ
画像から求めた上記の濃度値ｄより濃度が濃い部
分は、実際の血球像では網赤血球の網状体部に相
当する。よつて、この濃度値ｄをしきい値レベル
にして、ICメモリ６ｃのＧ画像を用いて、比較
回路１４により、網状体を検出し、濃度ｄより濃
い部分を網状体部と見なし、この部分を“１”、
その他の部分を“０”に置き、ICメモリ６ｂに
格納する。次に、こうして得られた網状体画像を
再びICメモリ６ｂより読み出し、周囲長計算回
路７ｂで、網状体周囲長LRを求める。
像をICメモリ６ｃから読み出し、ヒストグラム
作成回路８を用いて、第４図Ａ及び第４図Ｂのよ
うなＧ画像における各血球単位での濃度ヒストグ
ラムを求める。第４図Ａは赤血球の濃度ヒストグ
ラム、第４図Ｂは網赤血球の濃度ヒストグラムを
示す。両図から分るように、両者の高濃度部のヒ
ストグラムは明らかに異なつており、この性質を
利用すると、両者を識別することが可能となるの
である。この濃度ヒストグラムを用いてしきい値
濃度検出回路１３により、濃度ヒストグラムの最
大値H0を求め、続いて最大値H0のαパーセント
の頻度値に相当する高濃度側の濃度値ｄ、および
最高濃度値ｅを求める。ここで、上記αの値は統
計的に求める値であり、血液標本の染色条件によ
つて変わるが、20〜30％の値が良い結果を得てい
る。同様に、Ｒ画像をICメモリ６ａより読み出
し、Ｒ画像における血球像単位での濃度ヒストグ
ラムを作成し、最大ヒストグラムのαパーセント
に相当する濃度値および最高濃度値を求める。Ｇ
画像から求めた上記の濃度値ｄより濃度が濃い部
分は、実際の血球像では網赤血球の網状体部に相
当する。よつて、この濃度値ｄをしきい値レベル
にして、ICメモリ６ｃのＧ画像を用いて、比較
回路１４により、網状体を検出し、濃度ｄより濃
い部分を網状体部と見なし、この部分を“１”、
その他の部分を“０”に置き、ICメモリ６ｂに
格納する。次に、こうして得られた網状体画像を
再びICメモリ６ｂより読み出し、周囲長計算回
路７ｂで、網状体周囲長LRを求める。
上記以外の特徴パラメータは、パラメータ抽出
回路１５で求める。このパラメータ抽出回路１５
の詳細な説明図を第５図に示す。各血球像単位ご
とのＧ画像成分又はＲ画像成分の濃度ヒストグラ
ムＨ(g)と、先に求めた濃度値ｄおよびｆ、最高濃
度値ｅを用いて、特徴パラメータを求める。３０
は加算器で、濃度ヒストグラムＨ(g)を、濃度値ｄ
から最高濃度値ｅまで加算し、Sde＝e 〓d Ｈ(g)を求
めるものである。一方、３１は減算器で、Dde＝
ｅ−ｄを求める。３２および３３は対数変換器
で、各々logSdeおよびlogDdeを求める。Sdeは第
４図Ａ及び第４図Ｂに示す血球像単位の濃度ヒス
トグラムの濃度値ｄから最高濃度値ｅまでの（斜
線部）面積であり、各赤血球像で網状体の濃度に
匹敵する高濃度部分の面積に相当する。Ddeは最
高濃度値ｅと濃度値ｄとの濃度差、すなわち上記
高濃度部分の濃度巾である。
回路１５で求める。このパラメータ抽出回路１５
の詳細な説明図を第５図に示す。各血球像単位ご
とのＧ画像成分又はＲ画像成分の濃度ヒストグラ
ムＨ(g)と、先に求めた濃度値ｄおよびｆ、最高濃
度値ｅを用いて、特徴パラメータを求める。３０
は加算器で、濃度ヒストグラムＨ(g)を、濃度値ｄ
から最高濃度値ｅまで加算し、Sde＝e 〓d Ｈ(g)を求
めるものである。一方、３１は減算器で、Dde＝
ｅ−ｄを求める。３２および３３は対数変換器
で、各々logSdeおよびlogDdeを求める。Sdeは第
４図Ａ及び第４図Ｂに示す血球像単位の濃度ヒス
トグラムの濃度値ｄから最高濃度値ｅまでの（斜
線部）面積であり、各赤血球像で網状体の濃度に
匹敵する高濃度部分の面積に相当する。Ddeは最
高濃度値ｅと濃度値ｄとの濃度差、すなわち上記
高濃度部分の濃度巾である。
同様に、３４は加算器で、濃度ヒストグラムＨ
(g)を、濃度値ｆから最高濃度値ｅまで加算し、
Sfe＝e 〓f Ｈ(g)を求めるものである。一方、３５は
減算器で、Dfe＝ｅ−ｆを求める。３６および３
７は対数変換器で、各々logSfeおよびlogDfeを求
める。
(g)を、濃度値ｆから最高濃度値ｅまで加算し、
Sfe＝e 〓f Ｈ(g)を求めるものである。一方、３５は
減算器で、Dfe＝ｅ−ｆを求める。３６および３
７は対数変換器で、各々logSfeおよびlogDfeを求
める。
３８はDdeとDdeの２乗和の平方根、すなわち
Dis＝√de 2＋de 2
を計算する演算回路である。このパラメータは、
本発明の主要部分である網赤血球のハイルマイア
分類を行なうためのパラメータである。
本発明の主要部分である網赤血球のハイルマイア
分類を行なうためのパラメータである。
上記のハイルマイアの分類は、網赤血球を線状
顆粒の疎密の差によつて５型に区別するもので、
網状体の疎なものから４型、３型、２型、１型、
０型で表わす（小宮正文著「図解 血球の見方」
南山堂）。
顆粒の疎密の差によつて５型に区別するもので、
網状体の疎なものから４型、３型、２型、１型、
０型で表わす（小宮正文著「図解 血球の見方」
南山堂）。
なお、上記のパラメータ抽出回路１５で、パラ
メータSde、Dde、Sfe及びDfeを対数変換する目的
は次のとおりである。ここでは、パラメータ
logSde及びlogDdeを例にとつて説明する。変換前
のパラメータSde及びDdeの赤血球に関する分布
は、原点近傍に集中するため分布の中心が原点に
近い場所をしめ、網赤血球領域に向かつて長いす
そを示す。この状態で上記のパラメータSde及び
Ddeの大小関係を用いて赤血球と網赤血球を識別
すると、赤血球と網赤血球の混在する境界領域に
ある赤血球を網赤血球と判定することがある。そ
こで、上記のパラメータSde及びDdeを対数変換し
たパラメータlogSde及びlogDdeと赤血球及び網赤
血球の関係を求めると、第６図のようになる。第
６図は、横軸に上記パラメータlogDdeを定め、縦
軸に上記パラメータlogDdeを定め、縦軸に上記パ
ラメータlogSdeを定めており、これらパラメータ
logDde及びlogSdeで定まる直線LR（識別関数）の
上側が網赤血球の存在領域であり、直線LRの下
側が赤血球の存在領域となる。したがつて、識別
回路１６は上記直線LRよりも大きい値をもつ血
球像は網赤血球であり、小さい値をもつ血球像は
赤血球であることが識別される。このようにパラ
メータSde及びDdeを対数変換すると、赤血球の分
布中心が、原点から離れ正規分布の形に近づく、
赤血球の生起する確率が網赤血球に比較し100倍
大きいため、赤血球と網赤血球が混在する境界領
域にある赤血球は、すべて赤血球に識別される。
したがつて赤血球の識別精度は99.9％以上にでき
る。網赤血球に対しては識別精度が90％程度にな
る。
メータSde、Dde、Sfe及びDfeを対数変換する目的
は次のとおりである。ここでは、パラメータ
logSde及びlogDdeを例にとつて説明する。変換前
のパラメータSde及びDdeの赤血球に関する分布
は、原点近傍に集中するため分布の中心が原点に
近い場所をしめ、網赤血球領域に向かつて長いす
そを示す。この状態で上記のパラメータSde及び
Ddeの大小関係を用いて赤血球と網赤血球を識別
すると、赤血球と網赤血球の混在する境界領域に
ある赤血球を網赤血球と判定することがある。そ
こで、上記のパラメータSde及びDdeを対数変換し
たパラメータlogSde及びlogDdeと赤血球及び網赤
血球の関係を求めると、第６図のようになる。第
６図は、横軸に上記パラメータlogDdeを定め、縦
軸に上記パラメータlogDdeを定め、縦軸に上記パ
ラメータlogSdeを定めており、これらパラメータ
logDde及びlogSdeで定まる直線LR（識別関数）の
上側が網赤血球の存在領域であり、直線LRの下
側が赤血球の存在領域となる。したがつて、識別
回路１６は上記直線LRよりも大きい値をもつ血
球像は網赤血球であり、小さい値をもつ血球像は
赤血球であることが識別される。このようにパラ
メータSde及びDdeを対数変換すると、赤血球の分
布中心が、原点から離れ正規分布の形に近づく、
赤血球の生起する確率が網赤血球に比較し100倍
大きいため、赤血球と網赤血球が混在する境界領
域にある赤血球は、すべて赤血球に識別される。
したがつて赤血球の識別精度は99.9％以上にでき
る。網赤血球に対しては識別精度が90％程度にな
る。
また、１画面内にある全血球像の濃度ヒストグ
ラムから、αパーセント点の濃度値ｆを求めて、
特徴パラメータlogSfe及びlogDfeを求めている理
由は次のとおりである。上記のハイルマイア分類
の３〜４型では、濃度ヒストグラムＨ(g)は、第７
図Ａのようになる。一方、ハイルマイア分類の０
〜２型のように、網赤血球の網状体の濃度が濃
く、かつ面積が大きくなると、濃度ヒストグラム
Ｈ(g)は第６図Ｂのようになる。このため、血球像
単位での濃度ヒストグラムＨ(g)から求めたαパー
セント点の濃度値は、第６図Ａ及びＢのｄ点に設
定されるこのため、上述したパラメータlogSde及
びlogDdeでは、網赤血球の特徴を抽出できない可
能性がある。つまり、上記のパラメータlogSde及
びDdeを用いて、赤血球及び網赤血球を識別する
と、赤血球と判定したものの中には、ハイルマイ
ア分類０〜２型の網赤血球が含まれている可能性
があり、赤血球と網赤血球の識別が正確に行なえ
ないことがある。この問題を解決するために、１
画面内にある全血球像での濃度ヒストグラムから
αパーセント点の濃度値ｆを求め、１画面で平均
化した濃度値を用いることにより、上記の問題を
解決するのである。つまり、赤血球の濃度ヒスト
グラムを示す第４図Ａと、ハイルマイア分類０〜
２型の網赤血球の濃度ヒストグラムを示す第７図
Ｂから分るように、上記の濃度値ｆより高い濃度
部のヒストグラムは明らかに異なつており、パラ
メータlogSfe及びlogDfeを利用すると両者を識別
することが可能となるのである。上記のパラメー
タlogSfe及びlogDfeと赤血球及びハイルマイア分
類０〜２型の網赤血球の関係を求めると第８図の
ようになる。ここに、第８図は、横軸に上記パラ
メータlogSfeを定め、縦軸に上記パラメータ
logDfeを定めており、これらパラメータlogSfe値
とlogDfe値とで定まる値線LR′（判別関数）の上
側が網赤血球の在現領域であり、直線LR′の下側
が赤血球の存在領域となる。したがつて、上記直
線LR′よりも大きい値をもつ血球は網赤血球であ
り、小さい値をもつ血球は赤血球であることが識
別される。
ラムから、αパーセント点の濃度値ｆを求めて、
特徴パラメータlogSfe及びlogDfeを求めている理
由は次のとおりである。上記のハイルマイア分類
の３〜４型では、濃度ヒストグラムＨ(g)は、第７
図Ａのようになる。一方、ハイルマイア分類の０
〜２型のように、網赤血球の網状体の濃度が濃
く、かつ面積が大きくなると、濃度ヒストグラム
Ｈ(g)は第６図Ｂのようになる。このため、血球像
単位での濃度ヒストグラムＨ(g)から求めたαパー
セント点の濃度値は、第６図Ａ及びＢのｄ点に設
定されるこのため、上述したパラメータlogSde及
びlogDdeでは、網赤血球の特徴を抽出できない可
能性がある。つまり、上記のパラメータlogSde及
びDdeを用いて、赤血球及び網赤血球を識別する
と、赤血球と判定したものの中には、ハイルマイ
ア分類０〜２型の網赤血球が含まれている可能性
があり、赤血球と網赤血球の識別が正確に行なえ
ないことがある。この問題を解決するために、１
画面内にある全血球像での濃度ヒストグラムから
αパーセント点の濃度値ｆを求め、１画面で平均
化した濃度値を用いることにより、上記の問題を
解決するのである。つまり、赤血球の濃度ヒスト
グラムを示す第４図Ａと、ハイルマイア分類０〜
２型の網赤血球の濃度ヒストグラムを示す第７図
Ｂから分るように、上記の濃度値ｆより高い濃度
部のヒストグラムは明らかに異なつており、パラ
メータlogSfe及びlogDfeを利用すると両者を識別
することが可能となるのである。上記のパラメー
タlogSfe及びlogDfeと赤血球及びハイルマイア分
類０〜２型の網赤血球の関係を求めると第８図の
ようになる。ここに、第８図は、横軸に上記パラ
メータlogSfeを定め、縦軸に上記パラメータ
logDfeを定めており、これらパラメータlogSfe値
とlogDfe値とで定まる値線LR′（判別関数）の上
側が網赤血球の在現領域であり、直線LR′の下側
が赤血球の存在領域となる。したがつて、上記直
線LR′よりも大きい値をもつ血球は網赤血球であ
り、小さい値をもつ血球は赤血球であることが識
別される。
Ｒ画像に対しても、同様にパラメータ抽出回路
１５を用い、特徴パラメータを抽出するが、Ｒ画
像から求められる特徴パラメータ量は、Ｇ画像の
それとほとんど同じであるから、種々のパラメー
タは必要でなく、パラメータSde及びDdeのみを求
めればよい。
１５を用い、特徴パラメータを抽出するが、Ｒ画
像から求められる特徴パラメータ量は、Ｇ画像の
それとほとんど同じであるから、種々のパラメー
タは必要でなく、パラメータSde及びDdeのみを求
めればよい。
次に、上記の種々の特徴パラメータを用いて、
第１図の識別回路１６において赤血球、網赤血球
及びその他に分類し、それぞれカウンタ１８，１
９，２０にて計数する。この操作は、赤血球と網
赤血球の合計個数が所定個数になるまで繰返し実
行する。次に、識別回路１６で網赤血球と判定さ
れたものに関しても、ハイルマイア分類識別回路
１７で再分類し、その結果を所定のカウンタ２
１，２２，２３にて計数する。
第１図の識別回路１６において赤血球、網赤血球
及びその他に分類し、それぞれカウンタ１８，１
９，２０にて計数する。この操作は、赤血球と網
赤血球の合計個数が所定個数になるまで繰返し実
行する。次に、識別回路１６で網赤血球と判定さ
れたものに関しても、ハイルマイア分類識別回路
１７で再分類し、その結果を所定のカウンタ２
１，２２，２３にて計数する。
２５は、本発明における網赤血球自動算定装置
全体を制御する制御回路である。
全体を制御する制御回路である。
識別回路１６での網赤血球識別は、多段階識別
枝分れ論理によつて行なつている。まず、第１段
階では、各血球像の面積Ｓおよび周囲長Ｌのパラ
メータを用いて、連結した赤血球、大小のゴミ等
を取り除く。次に第２段階では、Ｇ画像からの
logSdeおよびlogDdeの特徴パラメータを用いた２
次識別関数により、赤血球と網赤血球を識別す
る。すなわち、第６図に示したように、２次識別
関数LRを求め、パラメータlogSde及びlogDdeが
上記関数LRよりも大きい値をもつ血球を網赤血
球とし、小さい値をもつ血球を赤血球と判定す
る。第２段階で赤血球と判定したものの中には、
第７図Ｂで示したような、ハイルマイア分類０〜
２型の網赤血球が含まれている可能性があるた
め、第３段階で、logSfeおよびlogDfeの特徴パラ
メータを用いて、上記の網赤血球を検出し、これ
らをハイルマイアの分類の０〜２型に計数する。
一方、第２段階で網赤血球と判定されたものにつ
いては、網状体の面積Sde、周囲長LR及び、濃度
差Ddeなど、Ｇ画像およびＲ画像からの特徴パラ
メータを用いて、網赤血球と、赤血球に傷状にし
わが入つている擬似網赤血球とを区別する。上記
の擬似網赤血球の特徴は、網赤血球として見える
ものの、網状体の面積は比較的小さく、形状が簡
単、すなわち周囲長が短かく、かつ濃度が網赤血
球に比較して大なる特徴を有する。これらの特徴
は、すべて、上記の特徴パラメータSde、LR及び
Ddeに表現されているものであり、これらのパラ
メータを用いて網赤血球及び擬似網赤血球を識別
するのが第４段階である。網赤血球以外の血球は
その他とし、処理対象から除く。
枝分れ論理によつて行なつている。まず、第１段
階では、各血球像の面積Ｓおよび周囲長Ｌのパラ
メータを用いて、連結した赤血球、大小のゴミ等
を取り除く。次に第２段階では、Ｇ画像からの
logSdeおよびlogDdeの特徴パラメータを用いた２
次識別関数により、赤血球と網赤血球を識別す
る。すなわち、第６図に示したように、２次識別
関数LRを求め、パラメータlogSde及びlogDdeが
上記関数LRよりも大きい値をもつ血球を網赤血
球とし、小さい値をもつ血球を赤血球と判定す
る。第２段階で赤血球と判定したものの中には、
第７図Ｂで示したような、ハイルマイア分類０〜
２型の網赤血球が含まれている可能性があるた
め、第３段階で、logSfeおよびlogDfeの特徴パラ
メータを用いて、上記の網赤血球を検出し、これ
らをハイルマイアの分類の０〜２型に計数する。
一方、第２段階で網赤血球と判定されたものにつ
いては、網状体の面積Sde、周囲長LR及び、濃度
差Ddeなど、Ｇ画像およびＲ画像からの特徴パラ
メータを用いて、網赤血球と、赤血球に傷状にし
わが入つている擬似網赤血球とを区別する。上記
の擬似網赤血球の特徴は、網赤血球として見える
ものの、網状体の面積は比較的小さく、形状が簡
単、すなわち周囲長が短かく、かつ濃度が網赤血
球に比較して大なる特徴を有する。これらの特徴
は、すべて、上記の特徴パラメータSde、LR及び
Ddeに表現されているものであり、これらのパラ
メータを用いて網赤血球及び擬似網赤血球を識別
するのが第４段階である。網赤血球以外の血球は
その他とし、処理対象から除く。
第４段階で網赤血球と判定されたものは、次
に、ハイルマイア分類識別回路１７でハイルマイ
アの分類を行なう。すなわち、Ｇ画像から得られ
たパラメータSde及びDdeと目視により正確に分類
されたハイルマイア分類別の網赤血球の関係を求
めると第９図のようになる。ここに、第９図は、
横軸に上記パラメータSdeを定め、縦軸に上記パ
ラメータDdeを定めている。図から明らかなよう
に、ハイルマイア分類４型の網赤血球H4は原点
に近く、ハイルマイア分類０〜２型の網赤血球
H0〜H2は原点から遠く離れ、ハイルマイア分類
３型の網赤血球H3は、上記のH4とH0〜2の中間
に位置する。したがつて、原点からの距離に対応
する特徴パラメータDis＝√de 2＋de 2を利用する
と、このパラメータDisの大小関係でハイルマイ
アの自動分類が可能となるのである。つまり、上
記のパラメータDisの値で定まる原点からの距離
L1及びL2の値を予めハイルマイア分類装置に設
定し、第５図の３８で得る個々の網赤血球像の
Disの値をL1及びL2と比較して、Dis≦L1である網
赤血球はハイルマイア分類４型（H4）であり、
L1＜Dis≦L2である網赤血球はハイルマイア分類
３型（H3）であり、Dis＞L2である網赤血球はハ
イルマイア分類０〜２型（H0〜2）であることが
判定される。この結果は、それぞれカウンタ２
１，２２，２３でカウントされる。
に、ハイルマイア分類識別回路１７でハイルマイ
アの分類を行なう。すなわち、Ｇ画像から得られ
たパラメータSde及びDdeと目視により正確に分類
されたハイルマイア分類別の網赤血球の関係を求
めると第９図のようになる。ここに、第９図は、
横軸に上記パラメータSdeを定め、縦軸に上記パ
ラメータDdeを定めている。図から明らかなよう
に、ハイルマイア分類４型の網赤血球H4は原点
に近く、ハイルマイア分類０〜２型の網赤血球
H0〜H2は原点から遠く離れ、ハイルマイア分類
３型の網赤血球H3は、上記のH4とH0〜2の中間
に位置する。したがつて、原点からの距離に対応
する特徴パラメータDis＝√de 2＋de 2を利用する
と、このパラメータDisの大小関係でハイルマイ
アの自動分類が可能となるのである。つまり、上
記のパラメータDisの値で定まる原点からの距離
L1及びL2の値を予めハイルマイア分類装置に設
定し、第５図の３８で得る個々の網赤血球像の
Disの値をL1及びL2と比較して、Dis≦L1である網
赤血球はハイルマイア分類４型（H4）であり、
L1＜Dis≦L2である網赤血球はハイルマイア分類
３型（H3）であり、Dis＞L2である網赤血球はハ
イルマイア分類０〜２型（H0〜2）であることが
判定される。この結果は、それぞれカウンタ２
１，２２，２３でカウントされる。
なお、本実施例ではハイルマイア分類０〜２型
の網赤血球は、正常人の場合合計0.1％以下と非
常に少ないので、０〜２型の細分類を行なわな
い。
の網赤血球は、正常人の場合合計0.1％以下と非
常に少ないので、０〜２型の細分類を行なわな
い。
上記の識別回路１６及びハイルマイア分類識別
回路１７は、公知の回路部品を用いて簡単に構成
することができるが、コンピユータを用いて識別
することも可能である。
回路１７は、公知の回路部品を用いて簡単に構成
することができるが、コンピユータを用いて識別
することも可能である。
以上のように本発明によれば、従来顕微鏡像の
目視により行なつていた網赤血球のハイルマイア
分類を自動的に高精度で行なうことができるとの
効果を達成する。
目視により行なつていた網赤血球のハイルマイア
分類を自動的に高精度で行なうことができるとの
効果を達成する。
第１図は、本発明に係る網赤血球自動分類装置
の一実施例の構成を示すブロツク図、第２図、第
３図、第４図Ａ、第４図Ｂ、第６図、第７図Ａ、
第７図Ｂ、第８図及び第９図は、第１図に示した
構成の動作を説明するための図、第５図は第１図
に示した要部の一実施例の構成を示す図である。
の一実施例の構成を示すブロツク図、第２図、第
３図、第４図Ａ、第４図Ｂ、第６図、第７図Ａ、
第７図Ｂ、第８図及び第９図は、第１図に示した
構成の動作を説明するための図、第５図は第１図
に示した要部の一実施例の構成を示す図である。
Claims (1)
- １ 血液標本像から抽出された網赤血球像の濃度
ヒストグラムから網赤血球のハイルマイア分類を
行なう装置において、各網赤血球像の濃度ヒスト
グラムのうち網状体の濃度に匹敵する所定の高濃
度部分の濃度巾を求める手段と、上記高濃度部分
の頻度総和を求める手段と、上記濃度巾と頻度総
和との２乗和の平方根を求め、設定された所定の
値と上記平方根の値との大小比較により網赤血球
のハイルマイア分類を行なう手段とを有すること
を特徴とする網赤血球自動分類装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60267116A JPS61172062A (ja) | 1985-11-29 | 1985-11-29 | 網赤血球自動分類装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP60267116A JPS61172062A (ja) | 1985-11-29 | 1985-11-29 | 網赤血球自動分類装置 |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP59065734A Division JPS6040954A (ja) | 1984-04-04 | 1984-04-04 | 網赤血球自動算定装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS61172062A JPS61172062A (ja) | 1986-08-02 |
| JPS6337346B2 true JPS6337346B2 (ja) | 1988-07-25 |
Family
ID=17440286
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP60267116A Granted JPS61172062A (ja) | 1985-11-29 | 1985-11-29 | 網赤血球自動分類装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS61172062A (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP3978901A1 (en) * | 2020-10-01 | 2022-04-06 | Siemens Healthcare GmbH | Maturity classification of stained reticulocytes using optical microscopy |
-
1985
- 1985-11-29 JP JP60267116A patent/JPS61172062A/ja active Granted
Also Published As
| Publication number | Publication date |
|---|---|
| JPS61172062A (ja) | 1986-08-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CA2130340C (en) | Method for identifying objects using data processing techniques | |
| US5123055A (en) | Method and an apparatus for differentiating a sample of biological cells | |
| US4175860A (en) | Dual resolution method and apparatus for use in automated classification of pap smear and other samples | |
| Angulo et al. | Automated detection of working area of peripheral blood smears using mathematical morphology | |
| US5764792A (en) | Method and apparatus for processing images | |
| Visen et al. | AE—automation and emerging technologies: identification and segmentation of occluding groups of grain kernels in a grain sample image | |
| US20110123090A1 (en) | Method and device for determining a contour and a center of an object | |
| JPH0652263B2 (ja) | 細胞分析装置 | |
| JPH07311028A (ja) | 構造物表面の検査における欠陥の検出方法 | |
| US20110002516A1 (en) | Method and device for dividing area of image of particle in urine | |
| Bacus et al. | An automated method of differential red blood cell classification with application to the diagnosis of anemia. | |
| Evangeline et al. | Computer aided system for human blood cell identification, classification and counting | |
| JP3653804B2 (ja) | 粒子画像の領域分割方法及び装置 | |
| JPS5830049B2 (ja) | 網赤血球自動計測装置 | |
| JPS6337346B2 (ja) | ||
| JPH10302067A (ja) | パターン認識装置 | |
| JPH0469776A (ja) | 赤血球小核細胞の自動分類方法及び赤血球小核細胞の自動分類装置及び赤血球小核細胞標本作成方法 | |
| JPH02107964A (ja) | 網赤血球自動算定装置 | |
| JPH0782013B2 (ja) | 網状赤血球計数装置 | |
| JPS6348020B2 (ja) | ||
| JPS63231263A (ja) | 血液像自動分類装置 | |
| JPH0443311B2 (ja) | ||
| JPH0325747B2 (ja) | ||
| JP3539581B2 (ja) | 粒子画像の解析方法 | |
| JPH0989886A (ja) | 小核試験装置 |