信息处理装置和程序的制作方法

1.本公开涉及一种信息处理装置和程序。


背景技术：

2.公开了一种使用样本的荧光图像来分析样本的技术。例如，通过分析荧光信号或荧光光谱来分析细胞的类型、大小等的技术是已知的(例如，专利文献1和专利文献2)。
3.现有技术文献
4.专利文献
5.专利文献1：jp 2005-91895 a
6.专利文献2：jp 2015-145829 a


技术实现要素：

7.本发明要解决的技术问题
8.然而，荧光图像具有影响由源自包含在样本中的物质的自发荧光、光吸收等引起的分析的因素。因此，在现有技术中，有时难以高准确度地分析样本。
9.因此，本公开提出了一种能够以高准确度分析样本的信息处理装置和程序。
10.问题的解决方案
11.为了解决上述问题，根据本公开的一个方面的信息处理装置包括：提取单元，从样本的明视场图像中提取荧光校正信息；以及生成单元，基于样本的荧光信息和荧光校正信息生成荧光校正图像。
附图说明
12.图1a是示出根据本公开实施例的信息处理装置的示例的示意图；
13.图1b是示出根据本公开实施例的测量单元的示例的示意图；
14.图2是示出根据本公开实施例的明视场图像的示例的图；
15.图3a是示出根据本公开实施例的荧光图像的示例的图；
16.图3b是示出根据本公开实施例的荧光图像的示例的图；
17.图3c是示出根据本公开实施例的荧光图像的示例的图；
18.图3d是示出根据本公开实施例的荧光图像的示例的图；
19.图4是根据本公开实施例的组合图像的生成示例的说明图；
20.图5是示出根据本公开的实施例的明视场图像的示例的图，在该明视场图像中，识别校正靶标区域；
21.图6a是示出根据本公开实施例的荧光校正图像的示例的图；
22.图6b是示出根据本公开实施例的荧光校正图像的示例的图；
23.图6c是示出根据本公开实施例的荧光校正图像的示例的图；
24.图6d是示出根据本公开实施例的荧光校正图像的示例的图；
25.图7是示出根据本公开实施例的荧光染料的光谱的图；
26.图8a是根据本公开实施例的明视场图像和荧光图像的染色状态的示例的说明图；
27.图8b是根据本公开实施例的明视场图像和荧光图像的染色状态的示例的说明图；
28.图8c是根据本公开实施例的明视场图像和荧光图像的染色状态的示例的说明图；
29.图8d是根据本公开实施例的明视场图像和荧光图像的染色状态的示例的说明图；
30.图9是示出根据本公开实施例的肿瘤细胞与淋巴细胞之间的位置关系和染色状态的图；
31.图10a是根据本公开实施例的显示画面的示例的示意图；
32.图10b是根据本公开实施例的显示画面的示例的示意图；
33.图10c是根据本公开实施例的显示画面的示例的示意图；
34.图10d是根据本公开实施例的显示画面的示例的示意图；
35.图10e是根据本公开实施例的显示画面的示例的示意图；
36.图10f是根据本公开实施例的显示画面的示例的示意图；
37.图11是示出根据本公开实施例的显示画面的切换示例的示意图；
38.图12是示出根据本公开实施例的信息处理的过程的示例的流程图；
39.图13是示出根据本公开的实施例的实现本公开的分析装置的功能的计算机的示例的硬件配置图。
具体实施方式
40.在下文中，将参考附图详细描述本公开的实施例。在以下实施例中，相同的部分由相同的附图标记表示，因此将省略重复的描述。
41.图1a是示出根据本实施例的信息处理装置1的示例的示意图。
42.信息处理装置1包括分析装置10和测量单元12。分析装置10与测量单元12连接，以便能够交换数据或信号。
43.测量单元12拍摄样本，并获得样本的明视场图像和荧光图像。
44.样本是要由分析装置10分析的样本。样本例如是用于病理诊断等的组织样本。具体而言，标本是包括肿瘤细胞、淋巴细胞(t细胞、b细胞、自然杀伤细胞(nk细胞))等的生物体组织。样本也可以是包括一种或多种蛋白质、氨基酸、碳水化合物、脂质及其修饰分子的复合物的样本。此外，标本可以是包括与要进行病理诊断的疾病相关的抗原(肿瘤标记物、信号转换器、激素、癌症生长调节剂、转移调节剂、生长调节剂、炎性细胞因子、病毒相关分子等)的样本。此外，样本可以是包括代谢物、脱氧核糖核酸(dna)、核糖核酸(rna)、微小核糖核酸、多核苷酸、毒素、药物、病毒体、细胞、血红蛋白等的样本。注意，样本不限于上述内容。例如，样本可以是不同于活体组织的样本。例如，样本可以是由多个分子组成的非生物样本。
45.在本实施例中，将描述样本是生物体组织的情况，作为示例。
46.明视场图像是标本的拍摄图像。拍摄图像是针对每个像素定义像素值的拍摄图像数据。即，明视场图像是针对每个像素定义了颜色值的拍摄图像数据。颜色值例如由红色(r)、绿色(g)和蓝色(b)中的每一个的灰度值来表示。在下文中，拍摄的图像数据将被简称为拍摄图像。
47.在本实施例中，在拍摄明视场图像时使用染色样本。染色标本具体包括用苏木精伊红(he)染色的标本。测量单元12通过拍摄样本获得明视场图像，该明视场图像是透射通过he染色样本或由he染色样本反射的光的拍摄图像。测量单元12将获得的明视场图像输出到分析装置10。
48.荧光图像是荧光染色样本的拍摄图像。具体而言，明视场图像是针对每个像素定义荧光强度值的拍摄图像。
49.荧光染色样本是用荧光染料标记或包含在染色样本中的靶标的样本。例如，靶标是所分析的靶标。靶标用于例如肿瘤、细胞、病理诊断等。
50.靶标例如是肿瘤标记物、淋巴细胞标记物、免疫细胞、免疫检查点分子、用作分子靶药物指标的分子、受体、细胞表面标记物等。作为这些靶标，例如，使用各种抗原。抗原例如是cd3、cd20、cd68等。对于这些抗原的荧光标记，可以使用用已知荧光染料(例如，异硫氰酸荧光素(fitc))荧光标记的已知抗体。此外，存在通过使用酶积累荧光染料的方法，但是该方法不限于此。其示例包括核酸，例如，dna和rna。用于对这些特定组织进行染色的荧光染料的示例包括dapi(4’,6-二氨基-2-苯基吲哚)(dapi)、alexa fluor(注册商标)(af)405、艳紫(brilliant violet,bv)421、bv480、bv510、bv510等。
51.测量单元12通过用激发荧光染料的荧光的波长区域中的光(激发光)照射靶标被荧光染色的样本并拍摄样本来获得荧光图像。已知的机构可以用作光照射和拍摄机构。测量单元12将获得的荧光图像输出到分析装置10。
52.图1b是示出测量单元12的具体配置的示例的示意图。测量单元12是拍摄放大状态的样本的显微镜系统。
53.测量单元12包括显微镜70和数据处理单元80。
54.显微镜70包括载物台71、照射单元73和成像元件74。载物台71具有放置面，在该放置面上可以放置作为样本的样本spl。载物台71在载物台驱动单元75的控制下可在平行方向(x-y平面方向)和垂直方向(z轴方向)上移动。
55.照射单元73用激发光照射样本。照射单元73包括光学系统72、光源驱动单元76和光源78。
56.光学系统72设置在载物台71上方。光学系统72包括物镜72a、成像透镜72b、分色镜72c、发射滤光器72d和激发滤光器72e。例如，光源78是诸如汞灯、发光二极管(led)等的灯泡。
57.激发滤光器72e是选择性地透射从光源78发射的光中激发荧光染料荧光的波长区域中的光的滤光器。显微镜70配备有多个激发滤光器72e，该多个激发滤光器72e具有透射光的不同波长区域。
58.分色镜72c将从光源78发射并通过激发滤光器72e透射的光引导至物镜72a。物镜72a将光聚集在样本spl上。然后，物镜72a和成像透镜72b在成像元件74的成像面上形成通过将样本spl的图像放大到预定放大率而获得的放大图像。
59.光源驱动单元76控制光源78并控制激发滤光器72e的切换。
60.成像元件74获得样本的拍摄图像。样本的放大图像经由物镜72a和成像透镜72b形成在成像元件74上。成像元件74获得通过成像该放大样本获得的拍摄图像。
61.成像元件74是具有光电转换元件并从入射光获得图像的成像器。成像元件74具有
图像装置，例如，电荷耦合装置(ccd)或互补金属氧化物半导体(cmos)图像传感器等。注意，成像透镜72b和发射滤光器72d可以改变为光谱元件。在这种情况下，使用作为空间扫描类型的运行扫描类型的光谱相机或时间扫描类型的二维光谱相机。
62.成像元件74在成像控制单元77的控制下获取通过拍摄样本获得的拍摄图像，以将拍摄图像输出到数据处理单元80。
63.数据处理单元80包括照射控制单元80a和获取单元80b。照射控制单元80a控制照射单元73。在照射控制单元80a的控制下，光源驱动单元76控制激发滤光器72e的位置，使得从光源78发射的光透射通过激发滤光器72e，然后使光源78发光。
64.获取单元80b从成像控制单元77获取样本的拍摄图像。具体地，获取单元80b通过获取染色样本的拍摄图像来获取明视场图像。此外，获取单元80b通过获取在用激发光照射靶标被荧光染色的样本的状态下捕捉的拍摄图像来获取荧光图像。然后，获取单元80b将荧光图像和明视场图像输出到分析装置10。
65.回到图1a，将继续描述。分析装置10是分析样本的分析装置。
66.分析装置10包括控制单元20、存储单元22、用户界面(ui)单元24和通信单元26。控制单元20、存储单元22、ui单元24、以及通信单元26连接，以便能够交换数据或信号。
67.存储单元22存储各种数据。在本实施例中，存储单元22存储各种数据，例如，学习模型23和组合图像38。将在后面描述学习模型23和组合图像38的细节。
68.ui单元24接收用户的各种操作输入，以输出各种类型的信息。在本实施例中，ui单元24包括显示单元24a和输入单元24b。
69.显示单元24a显示各种类型的信息。显示单元24a例如是有机电致发光器件(el)、液晶显示器(lcd)等。输入单元24b接收用户的各种操作输入。输入单元24b例如是定点装置、鼠标、键盘、输入按钮等。注意，显示单元24a和输入单元24b可以被整体配置为触摸面板。
70.通信单元26是以有线或无线方式经由网络与外部装置通信的通信接口。
71.控制单元20包括荧光图像获取单元20a、明视场图像获取单元20b、存储控制单元20c、学习单元20d、提取单元20e、识别单元20f、生成单元20g、分析单元20h和显示控制单元20i。荧光图像获取单元20a、明视场图像获取单元20b、存储控制单元20c、学习单元20d、提取单元20e、识别单元20f、生成单元20g、分析单元20h和显示控制单元20i中的一些或全部可以通过使处理装置(例如，中央处理单元(cpu))执行程序来实现(即，通过软件来实现)，、以通过硬件(例如，集成电路(ic))来实现、或者可以通过组合使用软件和硬件来实现。
72.荧光图像获取单元20a获取包括样本的荧光信息的荧光图像。荧光信息是关于荧光染色样本的信息。例如，荧光图像获取单元20a从测量单元12获取荧光图像。注意，荧光图像获取单元20a可以通过读取存储在存储单元22中的荧光图像来获取荧光图像。
73.明视场图像获取单元20b获取明视场图像。例如，明视场图像获取单元20b从测量单元12获取明视场图像。注意，明视场图像获取单元20b可以通过读取存储在存储单元22中的明视场图像来获取明视场图像。
74.注意，荧光图像获取单元20a和明视场图像获取单元20b分别获取荧光图像和明视场图像，作为相同样本的拍摄图像。即，由荧光图像获取单元20a获取的荧光图像和由明视场图像获取单元20b获取的明视场图像是相同样本的拍摄图像。注意，荧光图像获取单元
20a和明视场图像获取单元20b可以分别获取相同样本的相同组织切片的荧光图像和明视场图像。此外，荧光图像获取单元20a和明视场图像获取单元20b可以针对相同样本的不同组织切片分别获取荧光图像和明视场图像。在这种情况下，优选的是，荧光图像获取单元20a和明视场图像获取单元20b针对相同样本的每个连续切片分别获取荧光图像和明视场图像。即，样本优选地是相同的切片或连续的组织切片。
75.如上所述，在本实施例中，荧光图像和明视场图像中的每一个都可以使用相同的样本或彼此相似的样本来获取。此时，作为与某个样本相同或相似的样本，也可以使用未染色切片和染色切片的任何切片。例如，当使用未染色切片时，也可以使用染色前的切片作为染色切片、与染色切片相邻的切片、相同块中不同于染色切片的切片(从与染色切片相同的地方取样)、相同组织中不同块中的切片(从不同于染色切片的地方取样)等。
76.在本实施例中，将描述荧光图像获取单元20a和明视场图像获取单元20b分别获取相同样本的相同组织切片的荧光图像和明视场图像的模式，作为示例。在下文中，组织切片可以简单地称为切片。
77.图2是示出明视场图像30的示例的图。图2示出了作为活体组织的样本40的切片的明视场图像30的示例。在本实施例中，将描述样本40包括发射自发荧光的成分的情况。发射自发荧光的成分的示例是红细胞、血管内皮、坏死区域、脂肪区域、胶原蛋白、弹性蛋白、碎片、污垢、污染物、伪像等。另一方面，吸收荧光作为光吸收区域的成分是碳粉等。
78.图3a至图3d是示出荧光图像32的示例的图。
79.图3a是示出荧光图像32a的图像。荧光图像32a是样本40的切片的荧光图像32，其中，使用对分化簇(cd)20具有特异性的荧光标记抗体对作为抗原的cd20进行荧光标记。
80.图3b是示出荧光图像32b的图像。荧光图像32b是样本40的切片的荧光图像32，其中，使用对cd3具有特异性的荧光标记抗体对作为抗原的cd3进行荧光标记。
81.图3c是示出荧光图像32c的图像。荧光图像32c是样本40的切片的荧光图像32，其中，使用对cd68具有特异性的荧光标记抗体对作为抗原的cd68进行荧光标记。
82.图3d是示出荧光图像32d的图像。荧光图像32d是样本40的切片的荧光图像32，其中，特定组织(例如，dna和rna)用4’,6-二氨基-2-苯基吲哚(dapi)荧光染色。
83.注意，图3a至图3d示出了与图2中示出的明视场图像30相对应的样本40的相同的切片的荧光图像32。
84.具体地，明视场图像30和荧光图像32(荧光图像32a至荧光图像32d)都是通过拍摄相同样本40的相同切片而获得的拍摄图像。然而，在拍摄明视场图像30时，该切片可能至少被he染色。此外，在拍摄荧光图像32时，用对彼此不同的多个靶标(抗原、特定组织)中的每一个具有特异性的荧光染料(或荧光标记的抗原)对该切片进行荧光染色，并且在被荧光染料激发的波长区域中的光照射的状态下拍摄。
85.回到图1a，将继续描述。存储控制单元20c针对相同的样本40将由荧光图像获取单元20a获取的荧光图像32和由明视场图像获取单元20b获取的明视场图像30彼此相关联地存储在存储单元22中。
86.例如，样本40的识别信息(例如，条形码)被提供给载玻片，在该载玻片上放置了用于拍摄明视场图像30和荧光图像32中的每一个的样本40的切片。然后，测量单元12可以在拍摄样本40时拍摄识别信息以及明视场图像30和荧光图像32中的每一个。存储控制单元
20c可以通过识别具有相同识别信息的明视场图像30和荧光图像32，将每个样本40的明视场图像30和荧光图像32存储在存储单元22中。
87.因此，每当荧光图像获取单元20a和明视场图像获取单元20b获取荧光图像32和明视场图像30时，与样本40相对应的荧光图像32和明视场图像30依次存储在存储单元22中。
88.注意，存储控制单元20c可以使用每个样本40的明视场图像30和荧光图像32生成组合图像38，并将组合图像存储在存储单元22中。
89.图4是生成组合图像38的示例的说明图。
90.组合图像38是针对每个像素定义了明视场图像30的颜色值和荧光图像32的荧光强度值的图像。具体地，组合图像38是通过组合每个对应像素的明视场图像30和荧光图像32而获得的图像。对应的像素是指指示了在相同样本40的相同切片41中的相同位置处的相同区域的像素。因此，除了染色条件和拍摄条件中的至少一个不同之外，构成组合图像38的多个图像(明视场图像30、荧光图像32)优选地是相同切片41的相同区域的拍摄图像。
91.例如，假设明视场图像30由红色(r)、绿色(g)和蓝色(b)三个通道的明视场图像30(明视场图像30r、明视场图像30g和明视场图像30b)构成。明视场图像30r是针对每个像素定义了红色(r)的颜色值的明视场图像30。明视场图像30g是针对每个像素定义了绿色(g)的颜色值的明视场图像30。明视场图像30b是针对每个像素定义了b(蓝色)的颜色值的明视场图像30。
92.例如，调整he染色样本40的切片41(步骤s1)。当测量单元12拍摄切片41时，明视场图像获取单元20b获取切片41的明视场图像30(明视场图像30r、明视场图像30g和明视场图像30b)(步骤s2)。
93.此外，调整荧光染色样本40的切片41(步骤s3)。测量单元12用具有激发荧光的波长的光照射切片41，并拍摄切片41。此时，测量单元12根据多种类型的靶标中的每一种用荧光染料对切片41进行荧光染色，并且在依次发射具有激发每种荧光染料的波长的光的状态下依次执行拍摄(步骤s3、步骤s4)。结果，荧光图像获取单元20a获取多种类型的靶标的多个荧光图像32(例如，荧光图像32a至荧光图像32d)(步骤s4)。
94.存储控制单元20c创建针对每个样本40的每个像素定义了明视场图像30的颜色值和荧光图像32的荧光强度值的组合图像38(步骤s5、步骤s6)。存储控制单元20c通过将每个像素的明视场图像30的颜色值与荧光图像32的荧光强度值相关联来生成每个样本40的组合图像38。然后，存储控制单元20c将生成的组合图像38存储在存储单元22中。
95.因此，对于与相同样本40的相同切片41的像素相对应的区域，定义由明视场图像30定义的r、g和b的三个通道的颜色值以及与由一个或多个荧光图像32定义的靶标类型的数量相同的通道数量的荧光强度值的组合图像38存储在每个样本40的存储单元22中。
96.每当新样本40的明视场图像30和荧光图像32被存储在存储单元22中时，存储控制单元20c可以生成组合图像38。注意，存储控制单元20c生成组合图像38的时间不限于该时间。例如，存储控制单元20c可以每隔预定时间段使用存储在存储单元22中的明视场图像30和荧光图像32来生成组合图像38。
97.回到图1a，将继续描述。当组合图像38已经存储在存储单元22中时，荧光图像获取单元20a可以使用由明视场图像获取单元20b获取的明视场图像30和组合图像38来获取荧光图像32。在这种情况下，荧光图像获取单元20a可以从组合图像38中识别与由明视场图像
获取单元20b获取的明视场图像30的每个像素相对应的荧光强度值，以获取针对每个像素定义了荧光强度值的荧光图像32。即，荧光图像获取单元20a可以使用组合图像38作为学习模型来获取荧光图像32。
98.类似地，在组合图像38已经存储在存储单元22中的情况下，明视场图像获取单元20b可以使用由荧光图像获取单元20a获取的荧光图像32和组合图像38来获取明视场图像30。在这种情况下，明视场图像获取单元20b可以从组合图像38中识别与荧光图像获取单元20a获取的荧光图像32的每个像素对应的颜色值，以获取针对每个像素定义了颜色值的明视场图像30。
99.即，明视场图像获取单元20b可以使用组合图像38作为学习模型来获取明视场图像30。具体地，可以学习组合图像38的荧光信息，作为教师数据，以获取明视场图像30。根据本实施例，由于明视场图像和从相同切片导出的荧光信息在像素基础上精确地相关联，所以可以高准确度地从荧光信息获取明视场图像。优选地，荧光信息可以包括关于荧光原位杂交(fish)的信息。
100.接下来，将描述提取单元20e。提取单元20e从样本40的明视场图像30中提取荧光校正信息。荧光校正信息是选自明视场图像30的颜色信息、明视场图像30的形态信息或明视场图像30的染色信息中的信息。明视场图像30的形态信息是指示包括在明视场图像30中的指示每种颜色的区域的位置、大小和范围的信息。明视场图像30的染色信息是指示明视场图像30中样本40的染色状态的信息。例如，提取单元20e可以通过用已知的图像分析方法分析明视场图像30来从明视场图像30中提取荧光校正信息。
101.接下来，将描述识别单元20f。识别单元20f基于由提取单元20e提取的荧光校正信息来识别明视场图像30的校正靶标区域。如图2所示，识别单元20f识别明视场图像30中包括的校正靶标区域p1。
102.图5是示出在识别出校正靶标区域p1的状态下的明视场图像30的示例的图。
103.校正靶标区域p1是要添加辅助信息的区域。例如，校正靶标区域p1是包括妨碍分析单元20h的分析的信息的区域、促使注视的区域等。校正靶标区域p1例如是自发荧光区域或光吸收区域。可以由分析单元20h根据分析内容来确定校正靶标区域p1。
104.例如，假设分析内容是所分析的靶标的类型、分布、区域、大小、存在量等。在这种情况下，校正靶标区域p1是包括自发荧光的信号、自发荧光的光谱、吸收光的碳粉等的区域。在下文中，自发荧光的信号可以被称为自发荧光信号，并且自发荧光的光谱可以被称为自发荧光光谱。
105.识别单元20f在明视场图像30的整个区域中识别与分析内容相对应的校正靶标区域p1。例如，识别单元20f基于由提取单元20e提取的荧光校正信息来识别明视场图像30的校正靶标区域p1。具体地，匹配用于识别校正靶标区域p1的特征信息的区域可以被识别为校正靶标区域p1。
106.特征信息是指示校正靶标区域p1的特征的信息。特征信息例如是指示自发荧光信号的特征的信息和指示自发荧光光谱的特征的信息。指示自发荧光信号的特征的信息例如是指示自发荧光信号的波长和强度的信息。自发荧光信号本身可以用作特征信息。指示自发荧光光谱的特征的信息是例如指示自发荧光光谱的峰值位置和峰值强度的信息。自发荧光光谱本身可以用作特征信息。另外，由自发荧光信号和自发荧光光谱表示的颜色信息可
以用作特征信息。识别单元20f可以从提取单元20e提取的荧光校正信息中导出特征信息。
107.然后，识别单元20f基于明视场图像30的每个像素的颜色值来识别校正靶标区域p1。具体而言，识别单元20f可以将明视场图像30的像素中的这样的像素区域识别为校正靶标区域p1，在该像素区域中由每个像素的颜色值表示的光谱与特征信息匹配、或者落在预定范围内。
108.作为示例，图5和图2示出了校正靶标区域p1是红细胞自发荧光的自发荧光区域的情况。
109.注意，识别单元20f可以通过识别指示包括在明视场图像30中的校正靶标区域p1的位置、大小和范围的形态信息来识别校正靶标区域p1。校正靶标区域p1的位置指示校正靶标区域p1在明视场图像30中的位置。校正靶标区域p1的大小指示校正靶标区域p1在明视场图像30中的大小。校正靶标区域p1的范围指示校正靶标区域p1在明视场图像30中占据的范围。
110.注意，假设通过拍摄相同样本40获得的明视场图像30和荧光图像32的拍摄角度和拍摄放大率相同。
111.然后，识别单元20f将识别出的校正靶标区域p1与用于识别校正靶标区域p1的明视场图像30相关联地存储在存储单元22中。因此，存储单元22针对每个样本40彼此关联地存储明视场图像30、荧光图像32(荧光图像32a至荧光图像32d)和校正靶标区域p1的形态信息。注意，将校正靶标区域p1存储在存储单元22中的处理可以由存储控制单元20c来执行。
112.回到图1a，将继续描述。识别单元20f可以使用学习模型23来识别校正靶标区域p1。学习模型23由学习单元20d生成。
113.学习模型23是以明视场图像30作为输入并且以校正靶标区域p1作为输出的模型。学习单元20d通过学习生成学习模型23。诸如卷积神经网络(cnn)的已知算法可以用于学习。
114.例如，学习单元20d在预定时间学习和更新学习模型23。预定时间例如是新的明视场图像30和新的荧光图像32存储在存储单元22中的时间、新的校正靶标区域p1存储在存储单元22中的时间、预定时段、预定日等。预定时间可以预先确定。
115.在学习模型23已经记录在存储单元22中的情况下，识别单元20f可以通过将由明视场图像获取单元20b获取的明视场图像30作为输入数据输入到学习模型23并获取从学习模型23输出的校正靶标区域p1来识别校正靶标区域p1。
116.接下来，将描述生成单元20g。生成单元20g基于样本40的荧光信息和荧光校正信息生成荧光校正图像。在本实施例中，生成单元20g基于荧光图像32和基于提取的荧光校正信息而识别的校正靶标区域p1，生成通过校正包括在荧光图像32中的校正靶标区域p1而获得的荧光校正图像。
117.荧光校正图像是通过校正荧光图像32中的校正靶标区域p1而生成的荧光图像。
118.图6a至图6d是示出荧光校正图像34(荧光校正图像34a至荧光校正图像34d)的示例的图。荧光校正图像34a是通过校正与荧光图像32a(参见图3a)的校正靶标区域p1相对应的第一区域pa而获得的荧光图像。荧光校正图像34b是通过校正与荧光图像32b(参见图3b)的校正靶标区域p1相对应的第一区域pa而获得的荧光图像。荧光校正图像34c是通过校正与荧光图像32c(参见图3c)的校正靶标区域p1相对应的第一区域pa而获得的荧光图像。荧
光校正图像34d是通过校正与荧光图像32d(参见图3d)的校正靶标区域p1相对应的第一区域pa而获得的荧光图像。
119.生成单元20g将荧光校正图像34中指示由识别单元20f识别的校正靶标区域p1的位置、大小和范围的区域识别为荧光校正图像34上的校正靶标区域p1(即，第一区域pa)。
120.如上所述，通过拍摄相同样本40而获得的明视场图像30和荧光图像32具有相同的拍摄角度和拍摄放大率。此外，假设通过拍摄相同样本40而获得的明视场图像30和荧光图像32具有要在样本40中成像的相同区域。
121.因此，生成单元20g可以将由在识别单元20f识别出的明视场图像30上的校正靶标区域p1的位置、大小和范围所定义的荧光图像32上的位置、大小和范围的一区域识别为与校正靶标区域p1相对应的第一区域pa。
122.然后，生成单元20g校正在荧光图像32中识别出的第一区域pa中的每个像素的荧光强度值。
123.即，生成单元20g通过使用明视场图像30和荧光图像32叠加的叠加图像来识别荧光图像32中与明视场图像30的校正靶标区域p1相对应的第一区域pa，并且校正该第一区域pa。
124.例如，当由自发荧光引起的荧光分量的量较高时，生成单元20g将包括在荧光图像32中的第一区域pa中的荧光强度值校正为较低的值。
125.具体地，生成单元20g预先存储每种类型的自发荧光的自发荧光光谱。自发荧光的类型例如是发射自发荧光的成分的类型(红细胞、胶原蛋白、弹性蛋白等)。
126.然后，生成单元20g读取与包括在荧光校正图像34的切片41中的自发荧光的类型相对应的自发荧光光谱。自发荧光的类型可以由用户通过输入单元24b的操作来输入、或者可以由执行图像分析等的生成单元20g通过已知方法来识别。生成单元20g可以通过从荧光图像32中的第一区域pa中的每个像素的颜色值的光谱中去除自发荧光光谱来生成荧光校正图像34。例如，生成单元20g可以通过将荧光图像32中的第一区域pa中的核像素的颜色值的光谱乘以根据自发荧光光谱的权重值来生成荧光校正图像34。
127.此时，存储的自发荧光光谱可以是一个通道的自发荧光光谱。即，存在这样的情况，其中，存储了通过合成从多个荧光图像32中的每一个获得的自体荧光光谱而获得的一个通道的自体荧光光谱，每个荧光图像包括多种类型的荧光染色靶标。
128.在这种情况下，生成单元20g可以将自发荧光光谱分成荧光图像32(荧光图像32a至荧光图像32d)的通道数(在这种情况下，四个通道)。可以使用已知的方法进行分离。然后，生成单元20g可以通过使用与每个靶标相对应的分离的自体荧光光谱，将每个荧光图像32a的第一区域pa校正为与荧光染色靶标相对应的荧光图像32d，来生成每个荧光校正图像34a至荧光校正图像34d。
129.注意，生成单元20g可以根据从来自学习模型23的样本导出的标准光谱获取权重值，并使用该权重值以生成荧光校正图像34。
130.在这种情况下，学习单元20d可以预先生成模型，作为学习模型23，该模型具有明视场图像30作为输入、以及根据校正靶标区域p1和从样本导出的标准光谱的权重值作为输出。然后，生成单元20g通过将明视场图像30作为输入数据输入到学习模型23来获取从学习模型23输出的权重值。然后，生成单元20g可以使用获取的权重值来校正荧光图像32的第一
区域pa(校正靶标区域p1)，以生成荧光校正图像34。此时，生成单元20g可以生成通过去除与由权重值校正的校正靶标区域p1相对应的第一区域pa而获得的荧光校正图像34。
131.此外，生成单元20g可以将包括在荧光图像32中的第一区域pa中的荧光强度值校正为等于或小于预定阈值(例如，“0”)。可以预先确定该阈值。在这种情况下，生成单元20g可以生成通过去除与校正靶标区域p1相对应的区域而获得的荧光校正图像34。
132.此外，生成单元20g可以基于校正靶标区域p1的周边信息来生成荧光校正图像34。例如，生成单元20g可以使用荧光图像32中第一区域pa周围的荧光强度值来校正包括在荧光图像32中的第一区域pa中的荧光强度值。具体地，生成单元20g可以通过使用荧光图像32中第一区域pa周围的像素的荧光强度值来插值包括荧光图像32中的第一区域pa的荧光强度值，来生成荧光校正图像34。已知的图像处理技术可以用于插值。
133.注意，如上所述，例如，当由自发荧光引起的荧光分量的量较高时，生成单元20g将包括在荧光图像32中的第一区域pa中的荧光强度值校正为较低的值。因此，包括在荧光校正图像34中的分析所需的荧光强度值也可能由于校正而降低。
134.因此，优选地，荧光图像获取单元20a获取在荧光图像32中的校正靶标区域p1的亮度饱和的拍摄条件下拍摄的荧光图像32。拍摄条件可以预先设置在测量单元12中。例如，可以通过调整曝光时间、检测器灵敏度、拍摄时照明光的强度等，来调整校正靶标区域p1的亮度饱和的拍摄条件。
135.如上所述，生成单元20g通过使用叠加有明视场图像30和荧光图像32的叠加图像，来识别荧光图像32中与明视场图像30的校正靶标区域p1相对应的第一区域pa，并且校正该第一区域pa。
136.即，本实施例的分析装置10使用明视场图像30识别作为包括在荧光图像32中的校正靶标区域p1的第一区域pa，并且校正荧光图像32的第一区域pa。因此，本实施例的分析装置10可以容易地以高准确度校正包括在荧光图像32中的校正靶标区域p1，并且将第一区域pa设置为不被分析的区域等。
137.注意，生成单元20g可以使用学习模型23生成荧光校正图像34。在这种情况下，可以将样本40的荧光信息作为输入并且荧光校正信息作为输出的模型用作学习模型23。在这种情况下，学习单元20d可以通过在预定时间学习包括样本40的荧光信息的荧光图像32和由提取单元20e提取的荧光校正信息之间的对应关系来生成和更新学习模型23。然后，生成单元20g可以基于学习单元20d的学习结果生成荧光校正图像34。具体地，生成单元20g将由荧光图像获取单元20a获取的荧光图像32输入到学习模型23，作为输入数据，并且获得从学习模型23输出的荧光校正信息。生成单元20g可以基于获得的荧光校正信息以与上述相同的方式生成荧光校正图像34。
138.在此处，在诸如af405、bv421、bv480、bv510、bv510和dapi的荧光染料中，dapi的光谱具有宽的荧光波长。由于这个原因，在现有技术中，在某些情况下很难从由其他荧光染料引起的信号中分离出来。
139.图7是示出荧光染料光谱的图。线36a表示af405的光谱，线36b表示bv421的光谱。线36c表示dapi光谱。线36d表示bv480的光谱，线36e表示bv510的光谱。
140.如图7所示，dapi光谱具有宽的荧光波长，并且在现有技术中，难以与由其他荧光染料引起的信号分离。
141.另一方面，在本实施例中，分析装置10通过使用叠加有明视场图像30和荧光图像32的叠加图像来识别荧光图像32中与明视场图像30的校正靶标区域p1相对应的第一区域pa。因此，即使当dapi用作用于获得荧光图像32的染色染料时，本实施例的分析装置10也能够准确地识别校正靶标区域p1(第一区域pa)。此外，本实施例的分析装置10可以获得细胞核染色的明视场图像30，而不使用嵌入染料，例如，dapi，作为荧光染料。因此，当显示稍后将描述的显示画面时，可以使用明视场图像30在荧光图像32上显示根据明视场图像30的细胞核染色图像。
142.注意，上述组合图像38还可以包括荧光校正图像34。在这种情况下，存储控制单元20c可以创建组合图像38，其中，针对每个样本40的每个像素定义明视场图像30的颜色值、荧光图像32的荧光强度值和荧光校正图像34的荧光强度值。
143.回到图1a，将继续描述。接下来，将描述分析单元20h。分析单元20h分析荧光校正图像34并导出分析结果。分析单元20h可以分析整个荧光校正图像34、或者可以单独分析包括在荧光校正图像34中的第一区域pa和第二区域pb。此外，不限于第一区域pa和第二区域pb之间的区别，分析单元20h可以根据明视场图像30的颜色值和荧光校正图像34的荧光强度值中的至少一个，对通过分割荧光校正图像34获得的每个区域执行分析。例如，分析单元20h可以使用明视场图像30的颜色值来识别包括在明视场图像30中的特定细胞的每个区域，并且分析荧光校正图像34中的特征细胞的每个区域。
144.分析结果是指示分析内容的分析结果的信息。分析单元20h通过分析包括在荧光校正图像34(荧光校正图像34a至荧光校正图像34d)中的荧光强度值的分布(荧光信号、荧光光谱)来导出分析结果。
145.分析结果例如是所分析的靶标的类型、分布、区域、大小、存在量、分数等。所分析的靶标是上述靶标等。具体而言，靶标是肿瘤标记物、淋巴细胞标记物、免疫细胞、免疫检查点分子和特定组织。此外，所分析的靶标可以是肿瘤区域、肿瘤区域中存在的靶标(免疫细胞、免疫检查点分子)、肿瘤细胞的数量、每肿瘤细胞总数的靶标阳性肿瘤细胞等。
146.作为分析结果的所分析的靶标的存在量例如由细胞数量、分子数量、区域中的细胞密度、区域中的分子密度、每特定细胞数量的生物标记阳性细胞数量、以及每特定细胞数量的生物标记阳性细胞数量与每特定细胞数量的生物标记阳性细胞数量之间的比率等定量评价值来表示。作为分析结果的所分析的靶标的分布和区域例如由细胞间距离、细胞间相互作用等来表示。
147.分析单元20h可以通过分析明视场图像30来识别所分析的靶标。在这种情况下，例如，分析单元20h可以基于明视场图像30g的每个像素的颜色值、每个颜色值的像素的位置关系等，通过已知的图像处理方法来识别所分析的靶标。此外，明视场图像30g可以基于由用户通过输入单元24b的操作指令输入的所分析的靶标信息来识别所分析的靶标。然后，分析单元20h可以分析荧光校正图像34的所分析的靶标。
148.注意，分析单元20h可以基于荧光校正图像34中的第一区域pa和作为除第一区域pa之外的区域的第二区域pb中的至少一个的荧光强度值的分布，通过已知方法分析所分析的靶标。
149.此外，分析结果还可以包括明视场图像30的分析结果。明视场图像30的分析结果优选地包括例如难以从荧光校正图像34分析的信息。例如，明视场图像30的分析结果包括
但不限于细胞核、细胞内细胞器、细胞膜、组织基质、脂肪部位、坏死区域、碳粉等。
150.在此处，如上所述，明视场图像30和荧光图像32不限于相同样本40的相同切片41的拍摄图像，并且可以是相同样本40的连续切片的拍摄图像。
151.在这种情况下，用于明视场图像30的切片41和用于荧光图像32的切片41是相同样本40的不同切片41。因此，可以获得不同于样本40的实际状态的分析结果。
152.例如，假设分析单元20h导出淋巴细胞渗入肿瘤细胞的程度，作为分析结果。在这种情况下，淋巴细胞向肿瘤细胞的实际浸润状态可能不同于作为分析结果导出的浸润状态。
153.因此，在本实施例的分析装置10中，当相同样本40的不同切片41(例如，连续切片)用作明视场图像30和荧光图像32时，优选地使用处于以下染色状态的切片41。具体而言，分析装置10优选使用用he染色并用特定细胞标记染色的切片41，作为用于明视场图像30的切片41和用于荧光图像32的切片41。
154.图8a至图8d是明视场图像30和荧光图像32的染色状态的示例的说明图。图8a至图8d示出了样本40是活体组织并且包括肿瘤细胞42和多个淋巴细胞44的情况。淋巴细胞44是特定细胞的一个示例。
155.图8a是示出样本40的截面图的示例的图。如图8a所示，假设样本40包括肿瘤细胞42和淋巴细胞44。另外，假设在多个淋巴细胞44(淋巴细胞44a至淋巴细胞44f)中，淋巴细胞44a、淋巴细胞44d和淋巴细胞44e存在于肿瘤细胞42中。另外，在多个淋巴细胞44中，假设淋巴细胞44b、淋巴细胞44c和淋巴细胞44f存在于肿瘤细胞42的外部。
156.然后，假设切割样本40，以制备第一切片41a和第二切片41b，作为在厚度方向上连续的切片41。第一切片41a是用于拍摄明视场图像30的切片41的示例。第二切片41b是用于拍摄荧光图像32的切片41的示例。
157.然后，第一切片41a和第二切片41b被染色，并且测量单元12拍摄染色的第一切片41a和第二切片41b，从而获得明视场图像30和荧光图像32。然后，生成单元20g通过使用叠加有明视场图像30和荧光图像32的叠加图像来识别荧光图像32中与明视场图像30的校正靶标区域p1相对应的第一区域pa。
158.图8b至图8d是切片41的染色状态的说明图。图8b至图8d示出了不同的染色条件。
159.图8b是第一切片41a的明视场图像30的叠加图像50a和第二切片41b的荧光图像32b的说明图，在第一切片41a的明视场图像30中，肿瘤细胞42被he染色，在第二切片41b的荧光图像32b中，作为特定细胞的淋巴细胞44的标记物被荧光染料染色。
160.在这种情况下，在明视场图像30和荧光图像32的叠加图像50a中，淋巴细胞44e存在于肿瘤细胞42中。然而，在实际标本40中，淋巴细胞44e存在于肿瘤细胞42的外部。因此，在这种情况下，生成单元20g确定实际存在于肿瘤细胞42中的淋巴细胞44e是存在于肿瘤细胞42外部的淋巴细胞44。因此，淋巴细胞44向肿瘤细胞42的实际浸润状态不同于作为分析结果导出的浸润状态。
161.图8c是第一切片41a的明视场图像30和第二切片41b的荧光图像32b的叠加图像50b的说明图，在第一切片41a中淋巴细胞44的标记物用荧光染料染色，在第二切片41b中肿瘤细胞42被he染色。
162.在这种情况下，在明视场图像30和荧光图像32的叠加图像50b中，淋巴细胞44b存
在于肿瘤细胞42中。然而，在实际标本40中，淋巴细胞44b存在于肿瘤细胞42的外部。因此，在这种情况下，生成单元20g确定肿瘤细胞42中实际不存在的淋巴细胞44b是肿瘤细胞42中存在的淋巴细胞44。因此，淋巴细胞44向肿瘤细胞42的实际浸润状态不同于作为分析结果导出的浸润状态。
163.图8d是肿瘤细胞42被he染色并且淋巴细胞44的标记物被荧光染料染色的第一切片41a的明视场图像30以及肿瘤细胞42被he染色并且淋巴细胞44的标记物被荧光染料染色的第二切片41b的荧光图像32b的说明图。
164.在这种情况下，明视场图像30和荧光图像32的叠加图像50(未示出)是其状态与样本40的实际状态匹配的图像。因此，在这种情况下，淋巴细胞44向肿瘤细胞42的实际浸润状态与作为分析结果导出的浸润状态相匹配。
165.图9是示出肿瘤细胞42与淋巴细胞44之间的位置关系以及使用图8a至图8d描述的染色状态的图。在图9中，“实际”表示图8a所示的实际标本40中肿瘤细胞42与淋巴细胞44之间的位置关系。在图9中，图案1至图案3分别与图8b图至8d相对应。
166.在图9中，“a”至“f”分别与淋巴细胞44a至44f相对应。在图9中，“n.d.”表示叠加图像50不包括标记的表达信息。在图9中，“中”表示确定相应的淋巴细胞44存在于肿瘤细胞42中。在图9中，“外”表示确定相应的淋巴细胞44存在于肿瘤细胞42的外部。
167.如图9所示，当在明视场图像30和荧光图像32中都使用肿瘤细胞42被he染色并且淋巴细胞44的标记物被荧光染料染色的切片41时，可以在与样本40的实际状态相同的状态下确定淋巴细胞44和肿瘤细胞42之间的位置关系。
168.因此，在相同样本40的不同切片41用作用于明视场图像30的切片41和用于荧光图像32的切片41的情况下，分析装置10优选地使用在以下染色条件下染色的切片41。
169.即，明视场图像获取单元20b优选地获取样本40的第一切片41a的明视场图像30，其中，细胞被he染色并且特定细胞被染色(细胞，例如，淋巴细胞或其标记)。另外，荧光图像获取单元20a优选地获取样本40的第二切片41b的荧光图像32，其中，细胞被he染色并且特定细胞被染色。
170.回到图1a，将继续描述。接下来，将描述显示控制单元20i。
171.显示控制单元20i在显示单元24a上生成显示画面，该显示画面包括明视场图像30、荧光图像32、荧光校正图像34、通过叠加明视场图像30、荧光图像32或荧光校正图像34而获得的叠加图像以及分析结果中的至少一个。
172.图10a至图10f是显示画面60的示例的示意图。
173.图10a是示出显示画面60a的示例的图。显示画面60a是显示画面60的示例。如图10a所示，显示控制单元20i在显示单元24a上显示包括叠加图像62a的显示画面60，其中，与明视场图像30相对应的样本40的荧光图像32叠加在明视场图像30上。注意，叠加图像62a可以是明视场图像30叠加在荧光图像32上的图像。
174.图10b是示出显示画面60b的示例的图。显示画面60b是显示画面60的示例。例如，显示控制单元20i显示明视场图像30和用于接收明视场图像30上的特定区域的选择的区域选择框q。用户操作输入单元24b，来调整明视场图像30上的区域选择框q的位置和大小。例如，当从输入单元24b接收到执行指令信号等时，显示控制单元20i生成放大图像62b，在该放大图像62b中，放大并显示明视场图像30上的区域选择框q的内部，并且在显示单元24a上
显示放大图像。注意，显示控制单元20i可以在显示单元24a上显示包括通过将放大图像62b叠加在明视场图像30上而获得的叠加图像的显示画面60b。
175.图10c是示出显示画面60c的示例的图。显示画面60c是显示画面60的示例。例如，如图10b所示，显示控制单元20i在明视场图像30上显示区域选择框q。用户操作输入单元24b，来调整明视场图像30上的区域选择框q的位置和大小。例如，当从输入单元24b接收到执行指令信号等时，显示控制单元20i生成叠加图像62c，在该叠加图像62c中，在通过放大明视场图像30上的区域选择框q的内部而获得的放大图像上，叠加以相同放大率放大的荧光图像32的区域选择框q的内部，并且在显示单元24a上显示叠加图像。
176.图10d是示出显示画面60d的示例的图。显示画面60d是显示画面60的示例。例如，如图10c所示，显示控制单元20i在显示单元24a上显示明视场图像30和叠加图像62c。此时，显示控制单元20i可以进一步在显示单元24a上显示包括分析结果64的显示画面60d。图10d示出了指示作为分析结果64的示例的所分析的靶标的分布的信息。另外，显示控制单元20i可以在显示单元24a上显示作为分析结果的校正靶标区域p1中的荧光信号信息。在这种情况下，显示单元24a可以在明视场图像30上显示校正靶标区域p1和该校正靶标区域p1中的荧光信号信息。
177.注意，分析结果64的显示形式不限于图10d所示的显示形式。例如，显示控制单元20i可以将对应区域附近的分析结果64显示为指示对应区域(例如，第一区域pa或第二区域pb)的注释的信息(注释信息)。即，显示控制单元20i可以使显示单元24a基于关于校正靶标区域p1的信息来显示注释信息。
178.此外，显示控制单元20i可以根据分析结果64以三维(3d)显示或条形图显示分析结果64。
179.图10e是示出显示画面60e的示例的图。显示画面60e是显示画面60的示例。例如，如图10b所示，显示控制单元20i在明视场图像30上显示区域选择框q。用户操作输入单元24b，来调整明视场图像30上的区域选择框q的位置和大小。显示控制单元20i从输入单元24b接收例如执行指令信号。然后，显示控制单元20i生成叠加图像62d，在该叠加图像62d中，在通过放大明视场图像30上的区域选择框q的内部而获得的放大图像上，叠加以相同放大率放大的荧光图像32的区域选择框q的内部，并且在显示单元24a上显示叠加图像。
180.此时，显示控制单元20i可以显示示意性示出明视场图像30的区域选择框q中的放大图像和荧光图像32的区域选择框q中的放大图像中的至少一个的图像，如图10e所示。此时，在叠加图像62d中，作为校正靶标区域p1的第一区域pa和作为校正靶标区域p1以外的区域的第二区域pb可以以不同的显示形式显示(见图10e)。此外，显示控制单元20i还可以在显示单元24a上显示包括分析结果64的显示画面60d。尽管未示出，但是显示控制单元20i还可以显示单元的深度信息。此外，显示控制单元20i还可以在显示单元24a上显示包括分析结果64的显示画面60e。
181.图10f是示出显示画面60f的示例的图。显示画面60f是显示画面60的示例。例如，如图10b所示，显示控制单元20i在明视场图像30上显示区域选择框q。用户操作输入单元24b，来调整明视场图像30上的区域选择框q的位置和大小。例如，当从输入单元24b接收到执行指令信号等时，显示控制单元20i生成叠加图像62d，在该叠加图像62d中，在通过放大明视场图像30上的区域选择框q的内部而获得的放大图像上，叠加了以相同放大率放大的
荧光图像32的区域选择框q的内部，并且在显示单元24a上显示叠加图像。
182.此时，显示控制单元20i可以显示示意性示出明视场图像30的区域选择框q中的放大图像和荧光图像32的区域选择框q中的放大图像中的至少一个的图像，如图10f所示。显示控制单元20i可以去除作为校正靶标区域p1的第一区域pa，并且选择性地显示作为除了校正靶标区域p1之外的区域的第二区域pb(参见图10f)。此外，显示控制单元20i还可以在显示单元24a上显示包括分析结果64的显示画面60d。
183.注意，显示控制单元20i可以在显示单元24a上显示显示画面60，该显示画面还包括作为荧光校正图像34中包括的校正靶标区域p1的第一区域pa和第二区域pb中的至少一个的形态信息。注意，分析结果64可以包括形态信息。
184.第一区域pa和第二区域pb的形态信息是指示荧光校正图像34上的第一区域pa和第二区域pb中的每一个的位置、大小和范围的信息。具体地，第一区域pa和第二区域pb的形态信息由指示其位置、大小和范围的显示形式来表示。显示形式例如是指示第一区域pa和第二区域pb的外部形状的框线、指示第一区域pa和第二区域pb的特定颜色、第一区域pa和第二区域pb的闪烁显示或高亮显示、第一区域pa和第二区域pb的亮度增加的显示等。闪烁显示包括闪烁，其中，第一区域pa和第二区域pb中的至少一个的亮度周期性地改变。高亮显示包括通过颜色或大小来吸引注意力的显示。
185.注意，当用户等通过输入单元24b的操作指令指示显示画面60中的特定位置时，显示控制单元20i可以进一步显示与在指示位置显示的图像相关的图像。例如，假设在指示位置显示分析结果64。在这种情况下，显示控制单元20i可以在存储单元22中搜索与分析结果64匹配或相似的另一分析结果64、用于分析分析结果64的明视场图像30、荧光图像32和荧光校正图像34中的至少一个，并且进一步在显示单元24a上显示搜索到的结果。
186.此外，显示控制单元20i可以显示每个分析区域的分析结果64。
187.具体地，当对第一区域pa和第二区域pb中的每一个执行分析时，显示控制单元20i可以在显示单元24a上显示第一区域pa的分析结果和第二区域pb的分析结果。
188.此外，假设显示控制单元20i已经根据明视场图像30的颜色值和荧光校正图像34的荧光强度值中的至少一个，对通过分割荧光校正图像34获得的每个区域执行了分析。在这种情况下，显示控制单元20i可以在显示单元24a上显示每个区域的分析结果64。通过显示每个区域的分析结果64，可以显示每个区域的注释。此时，显示控制单元20i可以生成划分明视场图像30中包括的每个细胞的细胞区域的线，并且显示细胞区域，使得其叠加在荧光图像32上。
189.此外，显示控制单元20i可以显示直方图，作为分析结果64，在该直方图中，各个细胞的测量参数被绘制在通道轴上。具体而言，可以显示类似于流式细胞仪的曲线图的点图。
190.注意，当接收到画面切换信号时，显示控制单元20i可以切换显示画面60。例如，用户通过操作输入单元24b来指示画面切换。响应于输入单元24b的操作的画面切换指令，显示控制单元20i从输入单元24b接收画面切换信号。
191.当接收到画面切换信号时，显示控制单元20i将在显示画面60上显示的明视场图像30、荧光图像32、荧光校正图像34、叠加图像和分析结果64中的一个改变为任何其他图像。另外，显示控制单元20i可以将显示的显示画面60(显示画面60a到显示画面60f)切换到另一显示画面60(显示画面60a到显示画面60f)。
192.此外，显示控制单元20i可以在用户接收输入单元24b的操作(例如，鼠标操作)期间显示明视场图像30、荧光图像32和荧光校正图像34中的至少一个，并且当操作停止时显示分析结果64。此外，显示控制单元20i可以在用户接收输入单元24b的操作(例如，鼠标操作)期间显示分析结果64，并且当操作停止时显示明视场图像30、荧光图像32和荧光校正图像34中的至少一个。
193.此外，显示控制单元20i可以使用组合图像38来切换显示画面60。
194.图11是示出使用组合图像38切换显示画面60的示例的示意图。如上所述，组合图像38是通过组合每个对应像素的明视场图像30和荧光图像32而获得的图像。
195.显示控制单元20i从输入单元24b接收例如显示指令信号。然后，显示控制单元20i在显示单元24a上显示包括组合图像38中包括的明视场图像30(明视场图像30r、明视场图像30g和明视场图像30b)的显示画面60g(步骤s10)。然后，显示控制单元20i可以在每次接收到画面切换信号时切换包括明视场图像30的显示画面60g的显示和包括荧光图像32的显示画面60h的显示(步骤s12)。
196.此时，显示控制单元20i可以通过从包括正在显示的明视场图像30的组合图像38中提取荧光图像32，来容易地在显示单元24a上显示包括荧光图像32的显示画面60h。类似地，通过从包括正在显示的荧光图像32的组合图像38中提取明视场图像30，显示控制单元20i可以容易地在显示单元24a上显示包括明视场图像30的显示画面60h。即，显示控制单元20i可以通过使用组合图像38来容易地切换显示画面60。
197.接下来，将描述由分析装置10执行的信息处理的过程的示例。
198.图12是示出由分析装置10执行的信息处理的过程的示例的流程图。
199.首先，荧光图像获取单元20a获取荧光图像32(步骤s100)。接下来，明视场图像获取单元20b获取与在步骤s100中获取的荧光图像32相对应的样本40的明视场图像30(步骤s102)。
200.存储控制单元20c将在步骤s100中获取的荧光图像32和在步骤s102中获取的明视场图像30彼此关联地存储在存储单元22中，以用于相同的样本40(步骤s104)。
201.因此，每当荧光图像获取单元20a和明视场图像获取单元20b获取荧光图像32和明视场图像30时，与样本40相对应的荧光图像32和明视场图像30依次存储在存储单元22中。
202.注意，此时，存储控制单元20c可以使用每个样本40的明视场图像30和荧光图像32生成组合图像38，并将组合图像存储在存储单元22中。
203.提取单元20e从在步骤s102中获取的明视场图像30中提取荧光校正信息(步骤s106)。
204.识别单元20f基于在步骤s106中提取的荧光校正信息来识别在步骤s102中获取的明视场图像30中包括的校正靶标区域p1(步骤s108)。识别单元20f将在步骤s108中识别的校正靶标区域p1与用于识别该校正靶标区域p1的明视场图像30相关联地存储在存储单元22中(步骤s110)。
205.因此，存储单元22针对每个样本40彼此关联地存储明视场图像30、荧光图像32(荧光图像32a至荧光图像32d)和校正靶标区域p1的形态信息。
206.此时，学习单元20d可以学习学习模型23。注意，学习单元20d对学习模型23的学习时间不限于该时间。
207.接下来，生成单元20g基于在步骤s100中获取的荧光图像32和在步骤s106中提取的荧光校正信息生成荧光校正图像34(步骤s112)。生成单元20g通过使用在步骤s100中获取的荧光图像32和在步骤s108中基于荧光校正信息识别的校正靶标区域p1来生成荧光校正图像34。
208.分析单元20h分析在步骤s112中生成的荧光校正图像34，并导出分析结果64(步骤s114)。
209.显示控制单元20i在显示单元24a上生成显示画面60，显示画面包括在步骤s114中导出的分析结果64、在步骤s100中获取的荧光图像32和在步骤s102中获取的明视场图像30中的至少一个(步骤s116)。
210.显示控制单元20i确定是否已经接收到画面切换信号(步骤s118)。当确定已经接收到画面切换信号时(步骤s118：是)，处理进行到步骤s120。
211.在步骤s120中，显示控制单元20i将显示在输入单元24b上的显示画面60切换到另一显示画面60(步骤s120)。然后，处理进行到步骤s122。当在步骤s118中做出的确定为否定时(步骤s118：否)，处理类似地进行到步骤s122。
212.在步骤s122中，显示控制单元20i确定是否结束显示单元24a上的显示画面60的显示(步骤s122)。例如，显示控制单元20i确定是否已经从输入单元24b接收到指示显示结束指令的信号，从而在步骤s122中做出确定。当在步骤s122中做出的确定为否定时(步骤s122：否)，处理返回到步骤s118。当在步骤s122中做出的确定为肯定时(步骤s122：是)，处理进行到步骤s124。
213.显示控制单元20i确定是否结束分析(步骤s124)。例如，显示控制单元20i确定是否已经从输入单元24b接收到指示分析结束指令的信号，从而在步骤s124中做出确定。当在步骤s124中做出的确定为否定时(步骤s124：否)，处理返回到步骤s100。当在步骤s124中做出的确定为肯定时(步骤s124：是)，该过程结束。
214.注意，存在显示控制单元20i在步骤s100至s114中任一步骤的处理期间接收显示指令信号的情况。在这种情况下，当接收到显示指令信号时，显示控制单元20i可以中断处理并执行步骤s116至s122的处理。
215.如上所述，本实施例的信息处理装置1包括提取单元20e和生成单元20g。提取单元20e从样本40的明视场图像30中提取荧光校正信息。生成单元20g基于样本40的荧光信息和荧光校正信息生成荧光校正图像34。
216.在此处，在现有技术中，有时难以高准确度地分析样本。具体地，例如，在现有技术中，荧光图像32用于分析，并且荧光图像32中包括的自发荧光成分等可能影响分析结果。即，在现有技术中，存在不能完全区分荧光染料成分和自发荧光成分的情况。具体而言，在荧光染料的光谱和自发荧光光谱在波长上接近、这些光谱形状相似、自发荧光光谱的强度强于荧光染料的光谱等的情况下，已经出现了这样的问题。
217.具体而言，在普通滤光型拍摄中，而不是多通道拍摄(例如，光谱)中，很难区分荧光染料的光谱和自发荧光成分的光谱。此外，即使在如在光谱拍摄中那样提高波长分辨率的情况下，自发荧光信号也可能根据拍摄位置而保留。
218.例如，在具有部分弱荧光强度的区域存在于红细胞区域的边缘部分、红细胞区域的中心部分等的情况下，在拍摄时，自发荧光光谱的形状可能由于噪声等的影响而改变。此
外，已知样本40的保存状态、组织固定方法等影响自发荧光光谱的形状和强度。因此，自发荧光光谱的形状可能会改变。在这种情况下，即使当预先获取标准自发荧光光谱数据并执行自发荧光校正时，也可能无法执行足够的自发荧光校正，因为拍摄的自发荧光光谱的形状会改变。
219.如上所述，在现有技术中，有时难以高准确度地分析样本。
220.另一方面，在本实施例的信息处理装置1中，提取单元20e从样本的明视场图像30中提取荧光校正信息。生成单元20g基于样本的荧光信息和荧光校正信息生成荧光校正图像34。
221.即，本实施例的信息处理装置1使用从明视场图像30提取的荧光校正信息，从样本的荧光信息(例如，荧光图像32)生成荧光校正图像34。因此，通过使用用于分析的荧光校正图像34，可以高准确度地分析样本40。
222.因此，本实施例的信息处理装置1可以高准确度地分析样本40。
223.此外，荧光图像32可以包括从碎片、污垢、荧光染料聚集体、由于组织切片剥离产生的碎片等导出的局部荧光染料噪声。然而，本实施例的信息处理装置1使用基于荧光校正信息识别的明视场图像30的校正靶标区域p1来校正荧光图像32的校正靶标区域p1。由于本实施例的信息处理装置1使用通过容易地校正包括荧光图像32中包括的噪声等的校正靶标区域p1而获得的荧光校正图像34来执行分析，所以可以高准确度地分析样本40。
224.在此处，样本40中未被荧光染色的细胞或区域被视为荧光图像32中不存在任何东西的区域。因此，在使用荧光图像32的传统分析技术中，分析准确度可能恶化。例如，在分析样本40中包含的表达标记物的阴性细胞的比率的情况下，当不能从荧光图像32中识别细胞的存在或不存在时，不可能分析该比率。因此，还有一种使用细胞核染色样本40的荧光图像32的方法。然而，仅用细胞核染色的样本40，细胞的分割是不够的，并且难以分析准确的比率。
225.此外，在荧光图像32包括具有弱荧光信号的区域或没有荧光信号的区域的情况下，当分析荧光图像32时，难以识别是否没有组织或荧光信号弱。为此，在现有技术中，难以获得所分析的靶标的形态信息和整体图像，并且难以高准确度地分析样本40。
226.另一方面，本实施例的信息处理装置1使用明视场图像30来识别校正靶标区域p1，并且生成通过校正荧光图像32中包括的校正靶标区域p1而获得的荧光校正图像34。然后，分析单元20h分析荧光校正图像34。因此，在显示控制单元20i显示时，核、细胞内细胞器、细胞膜、组织基质、脂肪部位、坏死区域等可以基于明视场图像30进一步显示为分析结果64，并且可以向荧光校正图像34添加并提供必要的信息。
227.此外，在本实施例中，识别单元20f识别作为包括在明视场图像30中的自发荧光区域或光吸收区域的校正靶标区域p1。因此，生成单元20g可以高准确度地校正荧光图像32中包括的自发荧光区域或光吸收区域。因此，本实施例的信息处理装置1可以高准确度地分析样本40。
228.在此处，仅通过荧光图像32难以区分源自荧光染料的信号和源自自发荧光的信号。另一方面，可以通过明视场图像30来识别诸如红细胞的自发荧光区域。因此，识别单元20f识别作为包括在明视场图像30中的自发荧光区域或光吸收区域的校正靶标区域p1，并且使用校正靶标区域p1来校正荧光图像32，从而可以高准确度地分析样本40。
229.此外，识别单元20f识别包括在明视场图像30中的校正靶标区域p1的位置、大小和范围。因此，生成单元20g可以准确地识别和校正与包括在荧光图像32中的校正靶标区域p1相对应的第一区域pa。因此，本实施例的信息处理装置1可以通过使用用于分析的荧光校正图像34以高准确度分析样本40。
230.此外，识别单元20f使用学习模型23和所获取的明视场图像30来识别校正靶标区域p1，其中，明视场图像30作为输入，校正靶标区域p1作为输出。通过使用学习模型23识别校正靶标区域p1，可以以高准确度和高速度识别校正靶标区域p1。
231.此外，生成单元20g生成通过去除与校正靶标区域p1相对应的区域(第一区域pa)而获得的荧光校正图像34。因此，本实施例的信息处理装置1可以通过分析荧光校正图像34以高准确度分析样本40。
232.此外，生成单元20g基于校正靶标区域p1的周边信息来生成荧光校正图像34。因此，生成单元20g可以生成通过容易且准确地校正荧光图像32而获得的荧光校正图像34。
233.此外，荧光图像获取单元20a获取在校正靶标区域p1的亮度饱和的拍摄条件下拍摄的荧光图像32。
234.在此处，在基于荧光光谱形状的常规颜色分离方法中，例如，当校正来自红细胞的自发荧光成分时，需要在观察时红细胞成分的一部分未饱和的拍摄条件下执行拍摄。然而，由于红细胞成分的自发荧光成分指示高值，因此需要在抑制荧光信号的拍摄条件下执行拍摄，例如，缩短曝光时间和使用nd滤光器。然而，在该传统方法中，可能难以拍摄样本40中包含的具有弱荧光强度的荧光信号。
235.另一方面，在本实施例中，通过根据明视场图像30识别校正靶标区域p1来校正荧光图像32，并且使用校正后的荧光校正图像34来执行分析。即，在本实施例中，使用明视场图像30来识别校正靶标区域p1，其是源自红细胞等的自发荧光区域。因此，在本实施例的信息处理装置1中，不需要将荧光图像32的拍摄条件调整为校正靶标区域p1的亮度不饱和的拍摄条件。此外，本实施例的信息处理装置1可以获取在校正靶标区域p1的亮度饱和的拍摄条件下拍摄的荧光图像32，从而可以拍摄样本40中包括的具有弱荧光强度的荧光信号。
236.此外，明视场图像获取单元20b获取he染色样本40的切片41的明视场图像30。
237.在本文中，在现有技术中，嵌入染料(例如，dapi)用作细胞核染色的荧光染料。然而，dapi具有宽的荧光光谱，并导致泄漏到其他荧光染料波长。此外，由于核染色的存在或不存在通常通过嵌入时的波长偏移来确定，嵌入的程度受到波长偏移的影响，因此标准光谱的形状倾向于变化。为此，在现有技术中，存在颜色分离准确度降低的问题。
238.另一方面，在本实施例中，he染色样本40的切片41的明视场图像30用作明视场图像30。因此，在本实施例的信息处理装置1中，可以基于作为he染色图像的明视场图像30来确定细胞核的位置。因此，在本实施例的信息处理装置1中，显示控制单元20i可以使用明视场图像30在荧光图像32上根据该明视场图像30显示细胞核染色图像，而不使用嵌入染料。此外，通过使用明视场图像30，即使在荧光图像32使用嵌入染料的情况下，分析单元20h也可以容易地识别细胞核的位置。
239.注意，显示控制单元20i使用图像显示控制程序来显示上述荧光图像或明视场图像。然而，本发明不限于此，并且图像显示控制程序可以从服务器下载或者从诸如数字多功能盘(dvd)的存储介质安装到通用计算机，以通过下面描述的显示控制单元20i实现处理。
此外，由显示控制单元20i执行的处理可以通过由两个或更多个装置执行该处理来实现，例如，在服务器上执行一些处理，并且在计算机(例如，显示控制单元h)上执行其他处理。此外，图像显示控制程序可以在云上操作，以通过下面描述的显示控制单元20i来实现该处理。
240.此外，明视场图像获取单元20b获取被he染色并且特定细胞被染色的样本40的第一切片41a的明视场图像30，并且荧光图像获取单元20a获取被he染色并且特定细胞被染色的样本40的第二切片41b的荧光图像32。
241.因此，可以抑制获取与实际样本40中肿瘤细胞42和淋巴细胞44之间的位置关系不同的分析结果。
242.具体地，在现有技术中，he染色样本40的明视场图像30用作用于病理诊断的明视场图像30。因此，难以从明视场图像30中识别靶标。因此，在现有技术中，难以准确掌握表达肿瘤细胞42的靶标区域，并且难以识别免疫细胞的类型，例如，辅助性t细胞或细胞毒性t细胞。
243.另一方面，荧光染色用于识别靶标。然而，常规荧光图像是暗视场图像，未染色的物体是暗视场。因此，组织和细胞的形态信息丢失。因此，在常规荧光图像中难以识别肿瘤区域。此外，公开了一种使用抗细胞角蛋白抗体辅助识别肿瘤区域的方法，但是由于抗细胞角蛋白抗体是上皮标记物，因此不能准确识别肿瘤区域和肿瘤细胞的数量。
244.在黑色素瘤中，用于识别肿瘤区域的生物标记物sox10用作靶标，并且已经进行了通过免疫染色来识别肿瘤区域的研究。作为肺癌标记物，甲状腺转录因子-1(ttf-1)用于免疫染色。然而，虽然ttf-1在肺腺癌中具有大约80％的高阳性率，并且可以用于识别肿瘤区域，但是在肺鳞癌中具有低表达水平，并且通常指示阴性。因此，不能应用于肿瘤区域的识别。此外，能够识别肿瘤区域的靶标很少，仅通过荧光染色无法识别肿瘤区域。
245.另一方面，在本实施例中，使用被he染色并且特定细胞被染色的样本40的第一切片41a的明视场图像30和被he染色并且特定细胞被染色的样本40的第二切片41b的荧光图像32。因此，明视场图像30和荧光图像32的叠加图像50是其状态与样本40的实际状态匹配的图像。因此，本实施例的信息处理装置1可以在与样本40的实际状态相同的状态下确定淋巴细胞44和肿瘤细胞42之间的位置关系。
246.此外，例如，本实施例的信息处理装置1可以确定已经浸润到肿瘤细胞42中的免疫细胞(例如淋巴细胞44)，并且测量免疫细胞的数量和距离，并且本实施例的信息处理装置1可以精确地分析生物标记物(免疫检查点分子、用作分子靶向药物的指标的分子等)的分布，生物标记物是表达肿瘤细胞42的靶标的示例等。此外，当确定肿瘤区域(例如，校正靶标区域p1)时，本实施例的信息处理装置1可以通过使用明视场图像30和荧光图像32的叠加图像50来准确地确定肿瘤区域。
247.此外，在本实施例的信息处理装置1中，由于可以通过明视场图像30确定肿瘤细胞，所以不仅可以计算肿瘤区域，还可以计算肿瘤细胞的数量。此外，在本实施例的信息处理装置1中，可以通过荧光图像32来检测生物标记物的表达。此外，本实施例的信息处理装置1可以通过叠加明视场图像30和荧光图像32来计算每肿瘤细胞数量的生物标记物阳性或阴性细胞的数量。顺便提及，机器学习可以用于确定肿瘤细胞的数量和每个肿瘤细胞的区域。例如，根据本实施例的信息处理装置1可以计算组织切片中每肿瘤细胞总数的her2阳性
细胞。具体地，例如，通过分析荧光校正图像34，信息处理装置1可以获得分析结果，其中，组织样本中存在的100个肿瘤细胞中的50个细胞是her2阳性细胞，并且her2阳性肿瘤细胞的比率是50％。
248.此外，分析单元20h基于作为荧光校正图像34中包括的校正靶标区域p1的第一区域pa和除第一区域pa之外的第二区域pb中的至少一个的荧光强度值的分布来分析包括的所分析的靶标。因此，本实施例的信息处理装置1可以精确地分析第一区域pa和第二区域pb。
249.此外，显示控制单元20i在显示单元24a上显示显示画面60，显示画面还包括作为荧光校正图像34中包括的校正靶标区域p1的第一区域pa和除第一区域pa之外的第二区域pb中的至少一个的形态信息。显示控制单元20i还显示第一区域pa和第二区域pb中的至少一个的形态信息，由此可以向用户提供更详细的分析结果64。
250.此外，第一区域pa和第二区域pb的形态信息由指示其位置、大小和范围的显示形式来表示。显示形式例如是指示第一区域pa和第二区域pb的外部形状的框线、指示第一区域pa和第二区域pb的特定颜色、第一区域pa和第二区域pb的闪烁显示(闪烁)或高亮显示、第一区域pa和第二区域pb的亮度增加的显示等。
251.在本实施例的信息处理装置1中，使用明视场图像30校正荧光图像32。显示控制单元20i在显示单元24a上显示显示画面60，显示画面还包括作为荧光校正图像34中包括的校正靶标区域p1的第一区域pa和除第一区域pa之外的第二区域pb中的至少一个的形态信息。因此，在本实施例的信息处理装置1中，可以容易地进一步显示关于未被荧光染色的细胞的信息，作为第一区域pa和第二区域pb中的至少一个的形态信息。此外，根据本实施例的信息处理装置1可以容易地提供可用于通过he染色和荧光染色进行细胞分割以及分析相同细胞的信息。
252.此外，当接收到画面切换信号时，显示控制单元20i将在显示画面60上显示的明视场图像30、荧光图像32、荧光校正图像34和分析结果64中的一个改变为任何其他图像。因此，本实施例的显示控制单元20i可以根据用户的意图改变图像。
253.此外，存储控制单元20c针对每个样本40在存储单元22中存储组合图像38，其中，针对每个像素定义明视场图像30的颜色值和荧光图像32的荧光强度值。通过使用用于显示的组合图像38，可以容易地执行明视场图像30与荧光图像32之间的显示切换。注意，组合图像38可以是组合图像38，其中，针对每个像素定义明视场图像30的颜色值、荧光图像32的荧光强度值和荧光校正图像34的荧光强度值。
254.此外，荧光图像获取单元20a可以获取荧光图像32，其中，针对每个像素定义对应于由明视场图像获取单元20b在组合图像38中获取的明视场图像30的每个像素的荧光强度值。此外，明视场图像获取单元20b可以获取明视场图像30，其中，针对每个像素定义与由荧光图像获取单元20a在组合图像38中获取的荧光图像32的每个像素相对应的颜色值。
255.注意，本实施例的信息处理装置1的应用靶标不受限制。例如，信息处理装置1可以应用于荧光原位杂交方法(fish方法)等。
256.注意，尽管上面描述了本公开的实施例，但是根据上述实施例的过程可以在除了上述实施例之外的各种不同实施例中执行。此外，上述实施例可以在处理内容彼此不矛盾的范围内适当组合。
257.此外，在本说明书中描述的效果仅仅是示例，并且不限于此，还可以存在其他效果。
258.(硬件配置)
259.图13是示出实现根据上述实施例的信息处理装置1的功能的计算机1000的示例的硬件配置图。
260.计算机1000包括cpu 1100、随机存取存储器(ram)1200、只读存储器(rom)1300、硬盘驱动器(hdd)1400、通信接口1500和输入/输出接口1600。计算机1000的各个单元通过总线1050连接。
261.cpu 1100基于存储在rom 1300或hdd 1400中的程序执行操作，并控制每个单元。例如，cpu 1100开发存储在ram 1200中的rom 1300或hdd 1400中的程序，并执行对应于各种程序的处理。
262.rom 1300存储引导程序，例如，当激活计算机1000时由cpu 1100执行的基本输入输出系统(bios)、取决于计算机1000的硬件的程序等。
263.hdd 1400是非瞬时记录由cpu 1100执行的程序、程序使用的数据等的计算机可读记录介质。具体地，hdd 1400是记录根据本公开的程序等的记录介质，该程序是程序数据1450的示例。
264.通信接口1500是用于计算机1000连接到外部网络1550(例如，互联网)的接口。例如，cpu 1100从另一装置接收数据、或者经由通信接口1500将由cpu 1100生成的数据传输到另一装置。
265.输入/输出接口1600是用于连接输入/输出装置1650和计算机1000的接口。例如，cpu 1100经由输入/输出接口1600从诸如键盘和鼠标的输入装置接收数据。此外，cpu 1100经由输入/输出接口1600向诸如显示器、扬声器或打印机等输出装置传输数据。此外，输入/输出接口1600可以用作读取记录在预定记录介质(介质)中的程序等的介质接口。该介质例如是诸如数字多功能盘(dvd)或相变可重写盘(pd)的光学记录介质、诸如磁光盘(mo)的磁光记录介质、磁带介质、磁记录介质、半导体存储器等。
266.例如，在计算机1000用作根据上述实施例的信息处理装置1的情况下，计算机1000的cpu 1100执行加载在ram 1200上的信息处理程序，以实现荧光图像获取单元20a等的功能。此外，hdd 1400将根据本公开的程序和数据存储在存储单元22中。cpu 1100从hdd 1400读取程序数据1450并执行程序数据，但是作为另一示例，可以经由外部网络1550从另一装置获取程序。
267.注意，本技术也可以如下配置。
268.(1)一种信息处理装置，包括：
269.提取单元，提取单元从样本的明视场图像中提取荧光校正信息；以及
270.生成单元，生成单元基于样本的荧光信息和荧光校正信息生成荧光校正图像。
271.(2)根据(1)的信息处理装置，还包括：
272.荧光图像获取单元，荧光图像获取单元获取包括样本的荧光信息的荧光图像；以及
273.明视场图像获取单元，明视场图像获取单元获取明视场图像。
274.(3)根据(1)的信息处理装置，其中，荧光校正信息选自明视场图像的颜色信息、形
态信息或染色信息。
275.(4)根据(1)的信息处理装置，还包括：
276.识别单元，识别单元基于荧光校正信息来确定明视场图像的校正靶标区域，其中，
277.生成单元
278.生成通过去除对应于校正靶标区域的区域而获得的荧光校正图像。
279.(5)根据(1)的信息处理装置，还包括：
280.识别单元，识别单元基于荧光校正信息来确定明视场图像的校正靶标区域，其中，
281.生成单元
282.基于校正靶标区域的周边信息生成荧光校正图像。
283.(6)根据(4)的信息处理装置，其中，
284.生成单元
285.根据从样本导出的标准光谱，生成通过去除与基于权重值而校正的校正靶标区域相对应的区域而获得的荧光校正图像。
286.(7)根据(4)的信息处理装置，其中，
287.校正靶标区域
288.是包括在明视场图像中的自发荧光区域或光吸收区域。
289.(8)根据(1)的信息处理装置，还包括：
290.学习单元，学习单元学习荧光信息和荧光校正信息之间的对应关系，其中，
291.生成单元
292.基于学习单元的学习结果生成荧光校正图像。
293.(9)根据(2)的信息处理装置，还包括：
294.显示单元，显示单元显示明视场图像、包括样本的荧光信息的荧光图像、荧光校正图像、以及通过叠加明视场图像和荧光图像或荧光校正图像而获得的叠加图像中的至少一个或多个。
295.(10)根据(9)的信息处理装置，其中，
296.促使显示单元
297.基于关于明视场图像的校正靶标区域的信息显示注释信息。
298.(11)根据(9)的信息处理装置，其中，
299.促使显示单元
300.在明视场图像中显示明视场图像的校正靶标区域和校正靶标区域中的荧光信号信息。
301.(12)根据(1)的信息处理装置，其中，样本包括相同的组织切片或连续的组织切片。
302.(13)根据(9)的信息处理装置，其中，
303.显示单元
304.将当接收到画面切换信号时正在显示的明视场图像、荧光图像、荧光校正图像和叠加图像中的一个改变为任何其他图像。
305.(14)根据(1)的信息处理装置，其中，
306.样本包括多个样本，并且其中，
307.信息处理装置还包括存储控制单元，存储控制单元为每个样本存储组合图像，该组合图像为每个像素定义荧光图像的荧光强度值，该荧光图像包括明视场图像的颜色值和每个样本的荧光信息。
308.(15)根据(1)的信息处理装置，还包括：
309.学习单元，学习单元学习样本的荧光信息和明视场图像之间的对应关系，其中，
310.生成单元
311.基于学习单元的学习结果生成明视场校正图像。
312.(16)一种程序，促使计算机执行以下步骤：
313.从样本的明视场图像中提取荧光校正信息；并且
314.基于样本的荧光信息和荧光校正信息生成荧光校正图像。
315.附图标记列表
316.1 信息处理装置
317.10 分析装置
318.20a 荧光图像获取单元
319.20b 明视场图像获取单元
320.20c 存储控制单元
321.20d 学习单元
322.20e 提取单元
323.20f 识别单元
324.20g 生成单元
325.20h 分析单元
326.20i 显示控制单元
327.30 明视场图像
328.32 荧光图像
329.34 荧光校正图像
330.40 样本
331.41 切片
332.41a 第一切片
333.41b 第二切片。