成像分析装置以及成像数据解析方法与流程

1.本发明涉及成像质量分析装置等成像分析装置、以及用于在成像分析装置中进行使用了成像数据的解析处理的解析方法。


背景技术：

2.成像质量分析装置是能够在利用光学显微镜观察生物体组织切片等试样的表面的形态的同时对相同试样表面中的具有特定的质荷比m/z的离子的二维的强度分布进行测量的装置。通过使用成像质量分析装置，对来自例如癌等特定的疾病中特征性出现的化合物的离子的二维强度分布图像(ms成像图像)进行观察，能够掌握该疾病的扩散情况等。因此，近年来，盛行着利用成像质量分析装置，对以生物体组织切片等为对象的药物动态解析和各器官中的化合物分布的差异、或者癌等病理部位与正常部位之间的化合物分布的差异等进行解析的研究。
3.在成像质量分析装置中，在试样上的多个测量点的每一个中，得到示出遍及宽度较广的质荷比范围的信号强度的质谱数据。因此，对一个试样得到的数据量庞大，为了从该庞大的数据中引出有意义的信息，广泛使用了多变量解析。
4.例如在非专利文献1中公开了具有如下功能的数据解析用软件：将关于生物体组织切片等试样的染色图像等参照图像与由成像质量分析装置得到的示出各质荷比m/z中的信号强度分布的ms成像图像进行比较，提取示出与参照图像类似的二维分布的质荷比，显示该提取出的质荷比中的ms成像图像。如专利文献1等记载的那样，在类似图像的搜索中，能够使用将构成参照图像的数据设为目标变量y、将质量分析成像数据设为说明变量x的偏最小二乘(pls：partial least square)回归。
5.在成像质量分析中的上述pls回归中，按照说明变量x的参数、即质量成像数据的每个质荷比计算回归系数(pls得分)，得到回归系数矩阵。然后，能够针对作为成像质量分析的对象的试样上的二维范围内的每个测量点，基于对各质荷比中的信号强度值乘以与该质荷比对应的回归系数的结果生成模型图像，并将该图像显示在显示部的画面上。该模型图像是去除了pls回归中的误差(残差)的分布图像，只要良好地进行回归，则例如准确地显示用户所关注的组织(特定的病变组织等)的分布。
6.现有技术文献
7.专利文献
8.专利文献1：国际公开第2017/002226号
9.非专利文献
10.非专利文献1：“让imagerevealtm ms质量分析成像的数据解析变得简单又随心所欲”，[在线]，株式会社岛津制作所，[2019年7月3日检索],网址《url：https://www.an.shimadzu.co.jp/bio/imagereveal/index.htm》


技术实现要素：

[0011]
发明所要解决的技术问题
[0012]
在上述以往的数据解析用软件或者利用了这样的软件的成像质量分析装置中，若未得到关于与ms成像图像相同范围的染色图像(即光学图像)等参照图像，则无法进行pls回归，因此也无法计算模型图像。然而，在如对多个试样进行解析那样的情况下，对于该试样的每一个，执行相同二维范围的成像质量分析和光学图像拍摄非常麻烦且花费工夫。
[0013]
此外，同样的问题不限于成像质量分析装置，也是使用了拉曼分光成像法、荧光成像法、ftir成像法等各种各样的测量方法的成像分析装置中共通的问题。
[0014]
本发明是为了解决上述技术问题而完成的，其目的在于提供一种成像分析装置以及成像数据解析方法，即使在无法准备针对实施了成像质量分析等成像分析的试样上的二维范围的参照图像的情况下，也能够生成准确的模型图像。
[0015]
用于解决上述技术问题的方案
[0016]
为了解决上述技术问题而完成的本发明的成像分析装置的一方案具备：
[0017]
分析执行部，对在试样上的测量区域内设定的多个测量点分别执行基于规定的分析方法的分析来收集成像数据；
[0018]
参照图像获取部，获取针对所述测量区域的参照图像；
[0019]
回归分析执行部，针对对相同试样得到的所述成像数据和所述参照图像，执行以该成像数据为说明变量，以构成该参照图像的数据为目标变量的规定的回归分析的运算，获取回归模型；
[0020]
预测图像生成部，对与执行所述回归分析时的试样不同的试样，通过将由所述分析执行部得到的成像数据应用于所述回归模型，由此生成基于模拟的回归分析结果的预测图像。
[0021]
此外，为了解决上述技术问题而完成的本发明的成像数据解析方法的一方案具有如下步骤：
[0022]
分析执行步骤，分别对在试样上的测量区域内设定的多个测量点执行基于规定的分析方法的分析来收集成像数据；
[0023]
参照图像获取步骤，获取针对所述测量区域的参照图像；
[0024]
回归分析执行步骤，针对对相同试样得到的所述成像数据和所述参照图像，执行以该成像数据作为说明变量，以构成该参照图像的数据为目标变量的规定的回归分析的运算，获取回归模型；
[0025]
预测图像生成步骤，对与在所述回归分析执行步骤中执行回归分析时的试样不同的试样，将通过所述分析执行步骤得到的成像数据应用于所述回归模型，由此生成基于模拟的回归分析结果的预测图像。
[0026]
规定的分析方法是指质量分析法、拉曼分光分析法、红外分光分析法(包含傅里叶变换红外分光分析法)、荧光分光分析法等。此外，参照图像能够设为通过对试样进行基于与在上述示例的分光方法中被选择为规定的分析方法不同的某一分析方法的分析而得到的图像。此外，参照图像也可以是由通常的光学显微镜得到的图像。
[0027]
发明效果
[0028]
现在作为一例，上述规定的分析方法为质量分析法，将参照图像设为针对试样上
的测量区域的光学图像。该光学图像是与解析的目的等对应的图像，例如能够设为对与特定的病变组织相关的物质进行染色得到的染色图像等。
[0029]
在本发明的成像分析装置的上述方案中，回归分析执行部执行将对某试样的质量分析成像数据作为说明变量，将构成对相同试样的相同测量区域的光学图像(参照图像)的图像数据作为目标变量的回归分析，按每个质荷比计算回归系数获取回归模型，并预先存储该回归模型。当通过分析执行部对未得到参照图像的试样执行分析来得到质量分析成像数据时，预测图像生成部通过将该质量分析成像数据应用于上述回归模型，执行模拟回归分析，即，执行能够得到与实际执行了回归分析的情况大致相同的结果的运算处理，生成正确地进行了回归时的预测图像。
[0030]
根据本发明的成像分析装置的一方案、以及本发明的成像数据解析方法的一方案，即使在关于想要解析的对象的目标试样没有参照图像的情况下，也能够利用使用其他试样生成的回归模型，生成与根据对上述目标试样的成像数据实施了回归分析的结果相近的模型图像。由此，通过预先生成准确的回归模型，能够基于针对目标试样的成像数据，得到例如癌等特定的病变的可能性高的生物体组织的分布等信息。
附图说明
[0031]
图1是本发明的成像分析装置的一实施方式的成像质量分析装置的概略构成图。
[0032]
图2是在本实施方式的成像质量分析装置中实施的数据处理的示意图。
具体实施方式
[0033]
参照附图对本发明的成像分析装置的一实施方式的成像质量分析装置进行说明。
[0034]
[本实施方式的成像质量分析装置的构成]
[0035]
图1是本实施方式的成像质量分析装置的概略构成图。
[0036]
该成像质量分析装置具有对试样实施利用成像质量分析法的分析的成像质量分析部1、拍摄试样上的光学图像(荧光图像)的光学显微拍摄部2、数据处理部3、作为用户界面的输入部4及显示部5。
[0037]
成像质量分析部1例如包含maldi离子阱飞行时间型质量分析装置，对生物体组织切片等试样上的二维测量区域内的多个测量点(微小区域)分别执行质量分析，按每个测量点获取质量分析数据。在以下的说明中，质量分析数据是遍及规定的质荷比范围的质谱数据，但也可以是对特定的前体离子的msn谱(产物离子扫描)数据。光学显微拍摄部2是在光学显微镜上附加了拍摄部的构成，用于获取试样上的表面的二维区域的光学图像。
[0038]
数据处理部3接受由成像质量分析部1收集到的各测量点处的质谱数据以及从光学显微拍摄部2输入的光学图像数据来进行规定的处理。数据处理部3具备数据收集部31、数据存储部32、图像生成部33、图像对位处理部34、回归分析执行部35、回归模型存储部36、预测图像生成运算部37、显示处理部38等作为功能块。数据存储部32包含：谱数据存储区域321，存储通过成像质量分析部1的测量收集到的数据；以及光学图像数据存储区域322，存储通过光学显微拍摄部2的测量(拍摄)收集到的光学图像数据。
[0039]
另外，通常来说，数据处理部3的实体为个人计算机(或更高性能的工作站)，构成为通过使安装在该计算机上的专用软件在该计算机上动作，实现上述各功能块的功能。在
该情况下，输入部4为键盘和鼠标等指示设备，显示部5为显示器。
[0040]
[本实施方式的成像质量分析装置的动作]
[0041]
接着，参照图2对本实施方式的成像质量分析装置中基于试样的分析作业及其分析结果的解析作业进行说明。在此，作为解析对象的试样例如设为从实验动物取出的脏器和脑等特定的生物体组织的切片。在对分别从不同的生物体(个体)取出的相同生物体组织的切片的多个试样进行同种解析时，首先，基于对任意一个试样(以下，将其称为试样a)进行了分析的结果预先生成后述的回归模型。
[0042]
生成该回归模型时的步骤如下。
[0043]
操作员将试样a设置在光学显微拍摄部2的规定的测量位置，通过输入部4进行规定的操作。光学显微拍摄部2接受该操作，拍摄该试样a的表面，并将光学显微图像数据保存到光学图像数据存储区域322。此外，图像生成部33生成光学图像，显示处理部38将该图像显示在显示部5的画面上。操作员通过输入部4在该图像上指示作为该试样整体或试样的一部分的测量区域。
[0044]
操作员将试样a暂时从装置取出，使maldi用的基质附着于该试样a的表面。然后，将附着了基质的试样a设置在成像质量分析部1的规定的测量位置，通过输入部4进行规定的操作。由此，成像质量分析部1对试样a上的如上述那样被指示的测量区域内的多个测量点分别执行质量分析，获取遍及规定的质荷比范围的质量分析数据。此时，数据收集部31执行所谓的轮廓获取，在规定的质荷比范围内收集在质荷比方向上为连续波形的轮廓谱数据，并保存在数据存储部32的谱数据存储区域321中。
[0045]
另外，在即使使基质附着于试样表面也能够相对鲜明地观察该试样表面的模样(不同组织的边界等)的情况下，也可以先使基质附着于试样的表面之后再利用光学显微拍摄部2实施拍摄。
[0046]
如上所述，在关于试样a的质量分析成像数据以及光学图像数据被存储于数据存储部32的状态下，如以下那样实施数据处理。
[0047]
图像生成部33从数据存储部32的谱数据存储区域321读取关于上述试样a的轮廓数据，按每个测量点计算预先确定的多个目标质荷比中的信号强度，按照每个该质荷比生成示出信号强度的二维分布的ms成像图像。
[0048]
具体而言，通过基于轮廓数据生成轮廓谱，在轮廓谱上检测峰，对被检测出的各峰进行质心转换处理，由此求出正确的峰位置(质荷比值)。然后，如果在以被指定的质荷比为中心的规定的质荷比范围内存在质心峰的质荷比值，则认为该质心峰是与目标质荷比对应的峰。进一步地，在轮廓谱中，对以该质心峰为中心的规定的质荷比范围(质量分析装置的质量精度程度的范围)内的信号强度值进行积算，将其设为相对于该目标质荷比的信号强度值。由于通过对各微小区域中的轮廓数据进行同样的处理，能够得到目标质荷比中的信号强度值的二维分布，因此若将其图像化，则能够得到一个目标质荷比中的ms成像图像。
[0049]
此外，图像生成部33从数据存储部32的光学图像数据存储区域322读取针对相同试样的光学图像数据，生成一个光学图像。相对于一般情况下光学显微拍摄部2中的空间分辨率通常由拍摄用摄像头的分辨率决定，ms成像图像的分辨率则由为了离子化而照射到试样的激光的光斑直径来决定。因此，与光学图像的分辨率相比，ms成像图像的分辨率常常更低。于是，在光学图像与ms成像图像的空间分辨率不同的情况下，图像对位处理部34实施使
空间分辨率一致的分辨率调整处理。
[0050]
使分辨率一致的简单方法是降低分辨率较高的图像的分辨率来使其与低分辨率的图像匹配的方法。例如合并处理可以用来作为这样的方法。此外，也可以通过提高分辨率较低的图像的分辨率来使其与高分辨率的图像匹配。为此，在对低分辨率的图像进行上采样(upsampling)处理找到像素数并大致使其匹配后，通过利用了与某像素相邻或接近的多个像素值的插值处理，计算并填入通过上采样新插入的像素的像素值即可。
[0051]
在使空间分辨率一致之后，图像对位处理部34使光学图像适当变形，使ms成像图像与光学图像以像素为单位使其位置大致一致。具体而言，例如通过以光学图像为基准，对ms成像图像进行放大缩小、旋转、移动、进而进行按照规定的算法的变形从而使两图像中的试样上的位置关系大致一致。通过这样的处理，能够在光学图像与ms成像图像之间将二维上处于相同位置的像素彼此关联。将这样处理后的光学图像作为参照图像。另外，也可以不直接使用光学图像，而是将通过从光学图像中提取预先指定的或者被选择为自动的处理的结果的特定的颜色成分而生成的、其颜色成分的亮度值的二维分布图像作为参照图像。
[0052]
之后，回归分析执行部35将基于构成上述处理后的ms成像图像的数据而生成的、以各像素中的每个质荷比值的信号强度值为元素的矩阵作为说明变量x，同样地，将基于上述参照图像生成的、以每个像素的亮度值为元素的矩阵作为目标变量y，执行pls回归的运算。pls回归是公知的统计分析方法，能够利用一般可获得的各种各样的软件进行计算，因此省略详细的说明。通过pls回归，能够计算说明变量x的参数，即每个质荷比的回归系数。目标变量y与说明变量x的关系由以下的回归式(回归模型)表示。
[0053]
y＝bpis
·
x b0ꢀꢀꢀꢀꢀꢀꢀꢀ…
(1)
[0054]
(1)式中的bpis为回归系数矩阵。此外，b0是在回归中产生的误差(残差)，直线回归式中的拟合的置信度越高则残差越小。
[0055]
回归分析执行部35将如上所述那样计算出的回归模型或回归系数矩阵存储在回归模型存储部36。此外，若得到回归模型，则预测图像生成运算部37将该回归模型应用于说明变量x、即质量分析成像数据的各像素中的每个质荷比值的信号强度值，生成基于回归分析结果的预测图像。该预测图像是由在(1)式中去除了残差b0的以下的(2)式得到的图像。
[0056]
y’＝bpis
·
x
ꢀꢀꢀꢀꢀꢀꢀꢀ…
(2)
[0057]
若回归模型的精度较高，即，若回归模型是基于说明变量良好地描述了目标变量的模型，则预测图像y’的二维分布会变得与参照图像y的二维分布类似。
[0058]
对试样a以外的目标试样，执行如下的处理。操作员对试样b也与试样a同样地，对试样上的规定的测量区域内的多个测量点分别执行质量分析，获取遍及规定的质荷比范围的质量分析数据。然后，通过对得到的轮廓谱数据进行上述那样的数据处理，收集质量分析成像数据。另外，对试样b不实施光学显微拍摄部2的拍摄，因此也不存在光学图像数据。
[0059]
预测图像生成运算部37将基于构成上述处理后的试样b中的ms成像图像的数据而生成的、以各像素中的每个质荷比值的信号强度值为元素的矩阵设为说明变量x，并对其应用存储在回归模型存储部36中的回归模型来生成预测图像。这可以理解为是利用了基于其他试样生成的回归模型的模拟的pls回归分析。
[0060]
为了生成对某试样的预测图像，原本优选利用通过根据对该试样得到的参照图像和质量分析成像数据进行pls回归从而求出的回归模型，但在对同种的生物体(例如同种的
实验动物)的相同的生物体组织，进行相同目的的解析(例如相同种类的癌组织的推测)这样的条件下，即使将在某试样中生成的回归模型挪用至其他试样，也能够得到大致准确的预测图像。显示处理部38将这样生成的每个试样的预测图像例如一览或单独地显示在显示部5的画面上。
[0061]
如上，在本实施方式的成像质量分析装置中，即使在未得到参照图像的情况下，或者即使实际上不实施基于pls回归分析的回归系数的计算处理，也能够基于质量分析成像数据生成作为模拟的回归分析结果的预测图像并提示给操作员。从而，能够节省获取参照图像的工夫和时间，并且还能够节省实施pls回归的运算处理的时间。
[0062]
此外，也可以预先针对一个试样获取多种参照图像，与该多种参照图像分别对应地生成不同的回归模型。例如，通过预先生成与在相同的生物体组织发病的不同的疾病和病变分别对应的回归模型，能够从一个试样生成与不同的疾病和病变分别对应的多个预测图像。
[0063]
此外，在参照图像为彩色图像的情况下，能够将该彩色分离成光的3原色的成分来得到三个不同的颜色成分的参照图像。由于这三种参照图像中的二维分布应该相互不同，因此也可以分别关于这三种参照图像通过上述的步骤求出回归模型，并将该回归模型预先存储在回归模型存储部36中。这样，能够通过从原本一个颜色的参照图像中求出多个回归模型，按照每个回归模型生成预测图像并将其整合得到一个预测图像，由此提高预测图像的精度。
[0064]
此外，在上述实施方式的成像质量分析装置中，将光学显微图像设为参照图像，但也可以将通过成像质量分析法以外的其他测量法得到的关于相同试样的成像图像用作参照图像，例如拉曼分光成像法、红外分光成像法、x射线分析成像法、使用了电子束或离子束等粒子束的表面分析成像法、或者使用了扫描型探针显微镜(spm)等探针的表面分析成像法等得到的成像图像。
[0065]
此外，也能够将基于通过拉曼分光成像法或红外分光成像法等得到的测量区域内的每个测量点的拉曼分光谱数据、红外分光谱数据等的数据作为说明变量进行pls回归。即，也可以不将本发明应用于成像质量分析装置，而是应用于拉曼分光成像装置、红外分光成像装置、荧光分光成像装置等。
[0066]
此外，上述实施方式只不过是本发明的一例，除了上述记载的各种变形例以外，在本发明的主旨的范围内适当地进行变更、修正、追加，当然也包含在本技术权利要求的范围内。
[0067]
[各种方案]
[0068]
以上，参照附图对本发明中的一个实施方式进行了说明，最后，对本发明的各种方案进行说明。
[0069]
(第1项)本发明的成像分析装置的一方案具备：
[0070]
分析执行部，分别对在试样上的测量区域内设定的多个测量点执行基于规定的分析方法的分析来收集成像数据；
[0071]
参照图像获取部，获取针对所述测量区域的参照图像；
[0072]
回归分析执行部，针对对相同试样得到的所述成像数据和所述参照图像，执行以该成像数据为说明变量，以构成该参照图像的数据为目标变量的规定的回归分析的运算，
获取回归模型；
[0073]
预测图像生成部，对与执行所述回归分析时的试样不同的试样，通过将由所述分析执行部得到的成像数据应用于所述回归模型，由此生成基于模拟的回归分析结果的预测图像。
[0074]
(第5项)本发明的成像数据解析方法的一方案具有：
[0075]
分析执行步骤，分别对在试样上的测量区域内设定的多个测量点执行基于规定的分析方法的分析来收集成像数据；
[0076]
参照图像获取步骤，获取针对所述测量区域的参照图像；
[0077]
回归分析执行步骤，针对对相同试样得到的所述成像数据和所述参照图像，执行以该成像数据作为说明变量，以构成该参照图像的数据为目标变量的规定的回归分析的运算，获取回归模型；
[0078]
预测图像生成步骤，对与在所述回归分析执行步骤中执行回归分析时的试样不同的试样，将通过所述分析执行步骤得到的成像数据应用于所述回归模型，由此生成基于模拟的回归分析结果的预测图像。
[0079]
根据第1项所述的成像分析装置以及第5项所述的成像数据解析方法，即使在对想要解析的对象的目标试样没有参照图像的情况下，也能够利用使用其他试样生成的回归模型，生成与根据针对上述目标试样的成像数据实施了回归分析的图像相近的模型图像。由此，通过预先生成准确的回归模型，能够基于针对目标试样的成像数据，得到例如癌等特定的病变的可能性高的生物体组织的分布等信息。
[0080]
(第2项)在第1项所述的成像分析装置中能够设为，所述分析方法是质量分析法，所述成像数据是按每个测量点得到的规定的质荷比范围的质谱数据。
[0081]
(第6项)此外，在第5项所述的成像数据解析方法中能够设为，所述分析方法是质量分析法，所述成像数据是按每个测量点得到的规定的质荷比范围的质谱数据。
[0082]
(第3项)在第1项所述的成像分析装置中能够设为，所述分析方法是拉曼分光分析法或红外分光分析法，所述成像数据是按每个测量点得到的规定的波长范围或波数范围的谱数据。
[0083]
(第7项)在第5项所述的成像数据解析方法中能够设为，所述分析方法是拉曼分光分析法或红外分光分析法，所述成像数据是按每个测量点得到的规定的波长范围或波数范围的谱数据。
[0084]
(第4项)在第1项所述的成像分析装置中能够设为，所述回归分析是偏最小二乘回归分析。
[0085]
(第8项)此外，在第5项所述的成像数据解析方法中能够设为，所述回归分析是偏最小二乘回归分析。
[0086]
根据第4项所述的成像分析装置及第8项所述的成像数据解析方法，能够进行良好的回归，能够生成残差小的准确度高的预测图像。
[0087]
附图标记说明
[0088]
1 成像质量分析部
[0089]
2 光学显微拍摄部
[0090]
3 数据处理部
[0091]
31 数据收集部
[0092]
32 数据存储部
[0093]
321 谱数据存储区域
[0094]
322 光学图像数据存储区域
[0095]
33 图像生成部
[0096]
34 图像对位处理部
[0097]
35 回归分析执行部
[0098]
36 回归模型存储部
[0099]
37 预测图像生成运算部
[0100]
38 显示处理部
[0101]
4 输入部
[0102]
5 显示部。