[go: up one dir, main page]

CN113167719A - 质量评估方法 - Google Patents

质量评估方法 Download PDF

Info

Publication number
CN113167719A
CN113167719A CN201980080583.4A CN201980080583A CN113167719A CN 113167719 A CN113167719 A CN 113167719A CN 201980080583 A CN201980080583 A CN 201980080583A CN 113167719 A CN113167719 A CN 113167719A
Authority
CN
China
Prior art keywords
cell
cell mass
light intensity
intensity information
quality
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.)
Granted
Application number
CN201980080583.4A
Other languages
English (en)
Other versions
CN113167719B (zh
Inventor
本村麻子
杉山阳子
菅沼宽
木村彰纪
秋枝静香
宫崎雄大
加藤竜司
涩田真结
山本凉平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University Corp Donghai National University
Sumitomo Electric Industries Ltd
Cyfuse Biomedical KK
Original Assignee
National University Corp Donghai National University
Sumitomo Electric Industries Ltd
Cyfuse Biomedical KK
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National University Corp Donghai National University, Sumitomo Electric Industries Ltd, Cyfuse Biomedical KK filed Critical National University Corp Donghai National University
Publication of CN113167719A publication Critical patent/CN113167719A/zh
Application granted granted Critical
Publication of CN113167719B publication Critical patent/CN113167719B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M31/00—Means for providing, directing, scattering or concentrating light
    • C12M31/02—Means for providing, directing, scattering or concentrating light located outside the reactor
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/06—Means for regulation, monitoring, measurement or control, e.g. flow regulation of illumination
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/30—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration
    • C12M41/36—Means for regulation, monitoring, measurement or control, e.g. flow regulation of concentration of biomass, e.g. colony counters or by turbidity measurements
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/46—Means for regulation, monitoring, measurement or control, e.g. flow regulation of cellular or enzymatic activity or functionality, e.g. cell viability
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
    • C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
    • 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
    • G01N15/1429—Signal processing
    • 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
    • G01N15/1429—Signal processing
    • G01N15/1433—Signal processing using image recognition
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/59—Transmissivity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/36—Applying a local operator, i.e. means to operate on image points situated in the vicinity of a given point; Non-linear local filtering operations, e.g. median filtering
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/54—Extraction of image or video features relating to texture
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • 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
    • G06V20/695—Preprocessing, e.g. image segmentation
    • 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
    • G06V20/698—Matching; Classification
    • 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
    • G01N2015/1006—Investigating individual particles for cytology

Landscapes

  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Organic Chemistry (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Molecular Biology (AREA)
  • Immunology (AREA)
  • Microbiology (AREA)
  • Biotechnology (AREA)
  • Genetics & Genomics (AREA)
  • General Engineering & Computer Science (AREA)
  • Sustainable Development (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Nonlinear Science (AREA)
  • Proteomics, Peptides & Aminoacids (AREA)
  • Dispersion Chemistry (AREA)
  • Cell Biology (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Signal Processing (AREA)
  • Food Science & Technology (AREA)
  • Biophysics (AREA)
  • Toxicology (AREA)
  • Medicinal Chemistry (AREA)
  • Tropical Medicine & Parasitology (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

一种质量评估方法，具备：获取步骤，其中，通过使用具有300nm以上2000nm以下的波长的测量光照射细胞团块，以获取分别对应于该细胞团块内的多个测量位置的多个光强度信息；生成步骤，其中，根据所获取的多个光强度信息的偏差来生成特征量；以及评估步骤，其中，以所生成的特征量为指标来评估细胞团块的质量。

Description

质量评估方法
技术领域
本发明涉及细胞团块的质量评估方法。本专利申请要求基于2018年12月13日提出的日本专利申请第2018-233525号的优先权，并且援引了所述日本专利申请所记载的全部记载内容。
背景技术
在专利文献1中，为了确认细胞团块的多层化的状态，示出了通过获取细胞团块的时间序列图像以进行评估的构成。
现有技术文献
专利文献
专利文献1：国际公开第2010/143420号
发明内容
本发明的一个方式涉及的质量评估方法具备：获取步骤，其中使用具有300nm以上2000nm以下的波长的测量光照射细胞团块，以获取分别对应于该细胞团块内的多个测量位置的多个光强度信息；生成步骤，其中根据所获取的多个光强度信息的偏差来生成特征量；以及评估步骤，其中以所生成的特征量作为指标来评估细胞团块的质量。
附图说明
[图1]图1是表示质量评估方法的步骤的流程图。
[图2]图2是表示质量评估装置的一个例子的示意性构成图。
[图3]图3是由二维传感器获取的细胞团块的图像信息的一个例子。
[图4]图4是表示通常的细胞团块以及活性度降低了的细胞团块的透射率的分散的曲线图。
[图5]图5是用于说明导出变化程度的过程的示意图。
[图6]图6是分别表示通常的细胞团块以及活性度降低了的细胞团块的变化程度值的曲线图。
[图7]图7是表示用于说明浓度生成矩阵的图像信息的图。
[图8]图8是表示浓度生成矩阵的示意图。
[图9]图9是分别表示通常的细胞团块以及活性度降低了的细胞团块的Energy(能量)的曲线图。
[图10]图10是用于说明将细胞团块的图像分割成2部分的一个例子的示意图。
[图11]图11是表示使用“区域中的光强度信息”对细胞团块进行评估的结果的曲线图。
[图12]图12是表示使用“区域中的光强度信息”对细胞团块进行评估的结果的曲线图。
[图13]图13是表示使用“区域中的光强度信息”对细胞团块进行评估的结果的曲线图。
[图14]图14是表示使用“区域中的光强度信息”对细胞团块进行评估的结果的曲线图。
[图15]图15是表示质量评估装置中的细胞团块的保持方式的其他例子的示意图。
[图16]图16是表示质量评估装置中的细胞团块的保持方式的其他例子的示意图。
具体实施方式
[本发明实施方式的说明]
首先列举本发明的实施方式并进行说明。
本发明的一个方式涉及的质量评估方法具备：获取步骤，其中使用具有300nm以上2000nm以下的波长的测量光照射细胞团块，以获取分别对应于该细胞团块内的多个测量位置的多个光强度信息；生成步骤，其中根据所获取的多个光强度信息的偏差来生成特征量；以及评估步骤，其中以所生成的特征量作为指标来评估细胞团块的质量。
在上述质量评估方法中，根据分别对应于细胞团块内的多个测量位置的多个光强度信息的偏差来生成特征量。因此，特征量可以反映出细胞团块内的相邻细胞彼此之间的关系、处于分离位置的细胞彼此之间的关系等。细胞团块的质量例如是与细胞彼此之间的凝集能力的高低相关的指标。因此，通过将反映出细胞彼此之间的关系的特征量作为指标，可以不考虑细胞团块的产生经过，而是基于当下的细胞团块的状态来评估细胞团块的质量。
生成步骤可以包括生成多个光强度信息的分散程度作为特征量的一个方式的步骤。在该构成中，通过将多个光强度信息的分散程度作为特征量，可以简单地导出光强度信息的偏差。
生成步骤可以包括生成多个测量位置的每一处的光强度信息与多个测量位置的每一处周围的光强度信息之间的变化程度作为特征量的一个方式的步骤。在这种构成中，容易使细胞团块内相互接近的位置处存在的细胞彼此之间的关系反映在特征量上。
生成步骤可以包括生成细胞团块内的多个光强度信息的不均匀性程度作为特征量的一个方式的步骤。光强度信息的不均匀性程度是表示光强度信息的分布的局部性、变动性、相关性等的指标，相当于光强度信息的分布的模式和质感。在这种构成中，容易使因细胞团块内的细胞彼此之间的位置关系而导致的性质的差异反映在特征量上。
在生成步骤中，可以根据被分割成2部分以上的细胞团块的每个区域的光强度信息的偏差和基本统计量中的至少一个之间的比较结果来生成特征量。在这种构成中，容易使细胞团块内的每个区域的细胞状态反映在特征量上。
[本发明实施方式的详细说明]
细胞团块根据其产生的经过可以分为两类。一类是通过细胞分裂而使细胞数量增加，结果成为多层化的细胞团块。另一类是通过利用细胞的凝集现象，使多个细胞多层层叠而成的细胞团块。在通过凝集现象而产生的细胞团块中，细胞团块的大小和形状可以根据凝集的细胞的数量、配置等人为地决定。因此，在通过凝集现象而产生的细胞团块中，不像通过细胞分裂而产生的细胞团块那样逐渐地多层化，而是可以在一次过程中制作出较大层数的细胞团块。
如上所述，专利文献1中公开的细胞团块的评估方法是基于细胞团块的时间序列图像来进行评估的。因此，有时不适用于像通过凝集现象而产生的细胞团块那样的短时间内多层化的细胞团块的质量评估。另外，即使是基于细胞分裂的细胞团块，在对已经多层化后的细胞团块的质量进行评估的情况下，也难以获取时间序列图像。
本发明提供了一种不依赖于细胞团块的产生经过，而是可以基于当下的细胞团块的状态来评估细胞团块的质量的质量评估方法。
以下参照附图对本发明涉及的质量评估方法的具体例子进行说明。需要说明的是，本发明不限于这些示例，而是由权利要求书表示，并且意图包括与权利要求书同等的意义和范围内的所有变化。
如图1所示，在一个实施方式涉及的质量评估方法中，获取分别对应于细胞团块内的多个测量位置的多个光强度信息(步骤S1)。根据所获取的多个光强度信息的偏差来生成特征量(步骤S2)。使用所生成的特征量来评估细胞团块的质量(步骤S3)。本说明书中，细胞团块(spheroid：球体)是指通过细胞的凝集现象而使多个细胞凝集的团块，或者通过细胞分裂而分裂的多个细胞的团块。细胞团块中包含二维状的团块、三维状的团块等细胞的各种形态。作为一个例子，细胞团块可以是1万个至5万个左右的直径为10μm左右的细胞凝集而成的团块。细胞团块中所含有的细胞可以由从动物或人类提取的干细胞、以从动物或人类提取的细胞为基础制作的干细胞、或者干细胞分化后的细胞构成。一个细胞团块中有时也混合有多个细胞种。另外，细胞团块的“质量”表示细胞团块的“活性”、“活性度”或“活性功能”。“活性”、“活性度”或“活性功能”是跟与细胞谱系相关的能力、细胞的凝集能力、细胞团块的凝集能力、生物体内的组织再生能力、生物体内的安全性等相关的指标。需要说明的是，与细胞谱系相关的能力是指维持细胞增殖等生命周期的能力、成为特定的组织细胞的能力、维持作为细胞所需的功能的能力等。
首先，对获取光强度信息的质量评估装置的构成进行说明。图2是表示质量评估装置的一个例子的示意性构成图。质量评估装置1具备：光源3、透镜4、二维传感器7、带通滤波器8以及透镜9。二维传感器7、带通滤波器8以及透镜9以夹着作为评估对象的细胞团块5的方式与光源3和透镜4相对。作为一个例子，细胞团块5可以被容纳在二维排列有多个孔15的微板13中。在这种情况下，质量评估装置1可以具有负载微板13的载物台。细胞团块5与培养基一起被容纳在微板13的孔15内。
光源3和透镜4配置在与微板13的一个面(在图示例子中为上表面)相对的位置。光源3向细胞团块5照射测量光L1。测量光L1例如具有包含在300nm以上2000nm以下波长范围内的波长。一个例子的光源3可以是卤素灯，但是对光源的种类没有特别地限定。如上所述，细胞团块5是细胞的凝集团块。因此，入射在细胞团块5上的光容易散射。由此，作为测量光L1，也可以使用由细胞团块5引起的散射较小并且由培养基引起的吸收较少的波长的近红外线。具体而言，可以使用包含在800nm以上1850nm以下的波长范围内的测量光。从光源3射出的测量光L1经由透镜4而透过容纳于微板13内的细胞团块5。然后，测量光L1的一部分作为透射光L2输出。透镜4是对来自光源3的测量光L1聚焦的聚光透镜或对来自光源3的测量光L1瞄准的准直透镜。
二维传感器(受光部)7检测分别透过了细胞团块5内的多个测量位置的透射光L2。二维传感器7具备受光面。受光面上二维排列有多个受光元件。各受光元件接收光并将其转换为电信号。作为一个例子，二维传感器7可以是具备InGaAs、HgCdTe等二维元件的照相机。例如，二维传感器7获取由透过了细胞团块5的透射光L2所形成的图像。即，由二维传感器7获取的细胞团块5的图像信息包括细胞团块5内的每个位置的透射光L2的强度信息。在以下的说明中，“像素”可以包含“位置”的含义。
图3是通过二维传感器获取的细胞团块的图像信息的一个例子。在图3所示的图像信息中，以灰度反映出测量光L1照射至细胞团块5时的透射光L2的强度。在图像中，由深的灰色表示的部分为细胞团块5中透射率低的部分，由浅的灰色表示的部分为细胞团块5中透射率高的部分。
需要说明的是，如图2所示，透过了细胞团块5的透射光L2经由透镜9和带通滤波器8入射到二维传感器7。在一个方式中，透镜9为物镜。带通滤波器8使透射光L2中的特定波长的光透过并输入到二维传感器7中。需要说明的是，示出了将带通滤波器8配置在透镜9与二维传感器7之间的例子，但是也可以将带通滤波器8设置在光源3与二维传感器7之间的任意位置。另外，在不仅对透射光L2中的特定波长，还对多个波长分别获取图像信息的情况下，也可以具备分光器以替代带通滤波器8。表示由二维传感器7获取的透射光L2的强度的信号(即图像信息)输出到分析部10中。
分析部10构成为具备硬件的计算机。硬件包括CPU(Central Processing Unit：中央处理器)、作为主存储装置的RAM(Random Access Memory：随机存取存储器)和ROM(ReadOnly Memory：只读存储器)、以及与二维传感器等其他装置之间进行通信的通信模块。此外，硬件中可以包括硬盘等辅助存储装置等。然后，通过运行这些构成要素，从而发挥出分析部10的功能。
分析部10获取细胞团块5内的多个测量位置处的每一处的光强度信息。光强度信息是包括在对细胞团块5照射测量光L1时获取的透射光强度、漫反射光强度以及荧光强度的概念。此外，光强度信息是包括基于透射光强度、漫反射光强度以及荧光强度所得到的透射率和吸光度的概念。另外，在使用多个波长的测量光L1对细胞团块5的同一位置获取光强度信息的情况下，光强度信息也可以包含将多个波长处的光强度信息相互组合而得到的信息。例如，光强度信息也可以包含多个波长处的透射光强度的差分等。
作为一个例子，分析部10基于从二维传感器7输入的信号来获取透射光强度。另外，在分析部10中，除了细胞团块5涉及的透射光强度的测量以外，预先获取在没有细胞团块5的状态下通过使来自光源3的测量光L1入射到二维传感器7所得到的光强度。然后，分析部10可以基于该光强度和细胞团块5涉及的透射光强度，求出来自细胞团块5的透射光L2的透射率。
另外，分析部10基于每个位置处获取的光强度信息的偏差来获取特征量。分析部10将所获取的特征量作为指标来评估细胞团块5的质量。评估结果可以从分析部10经由监视器或打印机等输出装置而输出。光强度信息的“偏差”是指从特定的方向观察细胞团块而得的平面内的光强度信息的偏差状态、细胞团块在特定剖面中的光强度信息的偏差状态、或者立体地捕捉细胞团块时的光强度信息的偏差状态。因此，基于偏差的特征量是指细胞团块内的光强度信息中分散程度、变化程度、不均匀性程度等。
以下，列举出第1例至第5例，并对根据光强度信息的偏差来生成特征量、以特征量为指标来评估细胞团块的质量进行说明。需要说明的是，第1至第5例是质量评估方法的示例，本发明不限于第1至第5例。
(第1例)
在第1例中，使用光强度信息的分散(分散值)作为表示细胞团块内的光强度信息的偏差的特征量。分散是表示光强度信息的分散程度的指标的一个例子。在第1例中，首先设定细胞团块的质量的评估标准。在评估标准的设定中，可以使用通常条件下培养的通常的细胞团块和活性度(质量的一个例子)降低了的细胞团块。作为一个例子，通常的细胞团块是使用DMEM培养基(Dulbecco's Modified Eagle Medium)培养2天后的细胞团块。活性度降低了的细胞团块是使用添加有5体积％的二甲基亚砜(DMSO)的DMEM培养2天后的细胞团块。构成评估对象的细胞团块的细胞为人体皮肤成纤维细胞(NHDF)。
在设定评估标准的情况下，首先，使用质量评估装置1分别获取通常的细胞团块和活性度降低了的细胞团块的光强度信息。作为一个例子，光强度信息是根据二维传感器生成的图像信息所获取的透射光的透射率。
接着，分别对通常的细胞团块和活性度降低了的细胞团块求出每个像素处所获取的多个透射率的分散。然后，基于所求得的分散，设定作为用于判定通常的细胞团块和活性度降低了的细胞团块的评估标准的分散值。
图4是表示通常的细胞团块和活性度降低了的细胞团块的透射率的分散的曲线图。如图4所示，与活性度降低了的细胞团块相比，通常的细胞团块具有更高的分散值。因此，通过使用透射率的分散，可以判定通常的细胞团块和活性度降低了的细胞团块。图中，在通常的细胞团块的分散中的最小值与活性度降低了的细胞团块的分散中的最大值之间，示出了用于表示作为评估标准的分散的虚线。在对未判明质量的细胞团块的质量进行评估的情况下，首先获取该细胞团块的透射率的分散。然后，通过比较该透射率的分散与设定的评估标准，可以评估细胞团块的质量。即，在细胞团块具有高于评估标准的分散值的情况下，该细胞团块的质量可以被评估为与通常的细胞团块相同。在细胞团块具有低于评估标准的分散值的情况下，该细胞团块的质量可以被评估为与活性度降低了的细胞团块相同。需要说明的是，为了提高评估的可靠性，可以任意地设定评估标准。例如，为了可靠地只选择与通常的细胞团块具有相同品质的细胞团块、并且不含有活性度降低了的细胞团块，也可以使作为评估标准的分散值高于图示的评估标准。
(第2例)
在第2例中，使用光强度信息的变化程度作为表示细胞团块内的光强度信息的偏差的特征量。光强度信息的变化程度是指基于多个测量位置的各处的光强度信息与周围的测量位置的光强度信息之间的差分或微分的值。在第2例中，首先设定细胞团块的质量的评估标准。在评估标准的设定中，可以使用通常条件下培养的通常的细胞团块和活性度降低了的细胞团块。作为一个例子，通常的细胞团块是通过使用DMEM培养2天后的细胞团块。活性度降低了的细胞团块是通过使用添加有5体积％的DMSO的DMEM培养2天后的细胞团块。在本例子中，构成评估对象的细胞团块的细胞为NHDF。
在设定评估标准的情况下，首先，使用质量评估装置1分别获取通常的细胞团块和活性度降低了的细胞团块的光强度信息。作为一个例子，光强度信息是根据二维传感器生成的图像信息所获取的透射光的透射率。
接着，分别对通常的细胞团块和活性度降低了的细胞团块求出透射率的变化程度。然后，基于所求得的各自的透射率的变化程度，设定作为用于判定通常的细胞团块和活性度降低了的细胞团块的评估标准的透射率的变化程度值。
图5是用于说明导出变化程度的过程的示意图。在图中，示出了由二维传感器获取的图像信息的像素的一部分，并且对各像素分配a至i的符号。作为一个例子，将任意像素处的透射率的变化程度定义为任意像素的透射率与其周围的其他像素的透射率的差分的绝对值之和。在图示例子中，任意像素的透射率与和任意像素相邻的其他像素的透射率的差分的绝对值之和为任意像素处的透射率的变化程度。例如，当将像素e处的透射率的变化程度设为T时，T由下式求出。需要说明的是，T(a)至T(i)分别表示像素a至像素i处的透射率。
T＝|T(a)-T(e)|+|T(b)-T(e)|+···+|T(h)-T(e)|+|T(i)-T(e)|
将细胞团块内的所有像素处的变化程度的总和定义为该细胞团块的透射率的变化程度。
图6是分别表示通常的细胞团块和活性度降低了的细胞团块的变化程度值的曲线图。如图6所示，与活性度降低了的细胞团块相比，通常的细胞团块具有更高的变化程度值。因此，通过使用透射率的变化程度值，可以判定通常的细胞团块和活性度降低了的细胞团块。图中，示出了用于表示作为评估标准的变化程度值的虚线。虚线示出在通常的细胞团块的透射率的变化程度值中的最小值与活性度降低了的细胞团块的透射率的变化程度值中的最大值之间。在对未判明质量的细胞团块的质量进行评估的情况下，首先获取该细胞团块的透射率的变化程度。然后，通过将该透射率的变化程度值与设定的评估标准进行比较，可以评估细胞团块的质量。即，在细胞团块具有高于评估标准的透射率的变化程度值的情况下，该细胞团块的质量可以被评估为与通常的细胞团块相同。另外，在细胞团块具有低于评估标准的透射率的变化程度值的情况下，该细胞团块的质量可以被评估为与活性度降低了的细胞团块相同。需要说明的是，为了提高评估的可靠性，可以任意地设定评估标准。例如，为了只选择与通常的细胞团块具有相同品质的细胞团块，并使其不含有活性度降低了的细胞团块，也可以使作为评估标准的透射率的变化程度值会高于图示的评估标准。
(第3例)
在第3例中，使用光强度信息的不均匀性程度作为表示细胞团块内的光强度信息的偏差的特征量。作为一个例子，可以利用基于纹理分析的特征量作为反映光强度信息的不均匀性程度的信息。基于纹理分析的特征量可以综合地反映出由图像信息的各像素所表示的形状、分布、密度、方向等二维分布的性质。即，基于纹理分析的特征量可以反映出图像信息中的各像素的信息的周期性、均匀性、不均匀性、局部性、变动性、相关性的分布特征。在本例中，作为纹理分析的一个例子，使用了浓度生成矩阵来进行分析，但是也可以使用例如结构分析之类的其他方法。
在该例中，首先设定细胞团块的质量的评估标准。在评估标准的设定中，可以使用通常条件下培养的通常的细胞团块和活性度降低了的细胞团块。作为一个例子，通常的细胞团块是通过使用DMEM培养2天所得的细胞团块。活性度降低了的细胞团块是通过使用添加有5体积％的DMSO的DMEM培养2天所得的细胞团块。构成评估对象的细胞团块的细胞例如为NHDF。
在设定评估标准的情况下，首先，使用质量评估装置分别获取通常的细胞团块和活性度降低了的细胞团块的光强度信息。作为一个例子，光强度信息是从由二维传感器生成的图像信息所获取的透射光的透射率。
接着，分别对通常的细胞团块和活性度降低了的细胞团块求出反映透射率的浓度生成矩阵。图7是用于说明为了生成浓度生成矩阵而加工的图像信息的示意图。图8是用于说明浓度生成矩阵的示意图。在图7的例子中，示意性地示出细胞团块的图像信息的一部分像素。在各像素中，将每个像素的透射率与以多等级(图例中为5等级)正规化后的值(灰度)相关联。图8是表示基于图7的例子的图像信息所生成的浓度生成矩阵。
在浓度生成矩阵中，将作为中心捕捉到的像素的灰度值(i)放入行中。与作为中心捕捉到的像素相邻的像素的数量以每个相邻像素的灰度值(j)进行合计。例如，在图7中，灰度值为5的像素只有右下的像素。即，对于作为中心捕捉的像素的灰度为5的情况(即i＝5的行)，只需关注右下的像素即可。对i＝5的行进行说明时，与右下的像素相邻的像素为上、左上、左这3个像素，这3个像素的灰度中不包含1、2、5。因此，在浓度生成矩阵的i＝5的行中，j＝1、2、5的列中的值为0。与右下的像素相邻的3个像素的灰度为4、3、4。即，灰度为3的像素为1个、灰度为4的像素为2个。因此，在浓度生成矩阵的i＝5的行中，j＝3、4的列中的值分别为1、2。
从所求出的浓度生成矩阵导出基于纹理分析的特征量。基于纹理分析的特征量可以综合地表现出由图像信息表示的形状、分布、密度、方向等二维分布的性质。该特征量可以由“energy(能量)”、“uniformity(均匀性)”、“entropy(熵)”、“dissimilarity(不均匀性)”、“contrast(对比度)”、“homogeneity(均质性)”、“inverse difference moment(逆差矩)”、“maximum probability(概率极限)”等来表示。作为一个例子，在用Pi,j表示浓度生成矩阵的各个成分时，导出“Entropy”、“Energy”、“Dissimilarity”、“Homogeneity”的式子如下所示。需要说明的是，在本例中，作为一个例子，利用Energy作为特征量。
[数1]
Figure BDA0003101501760000121
[数2]
Figure BDA0003101501760000122
[数3]
Figure BDA0003101501760000123
[数4]
Figure BDA0003101501760000124
然后，基于所求得的各自的Energy，设定作为用于判定通常的细胞团块和活性度降低了的细胞团块的评估标准的Energy值。图9是表示通常的细胞团块和活性度降低了的细胞团块的各自的Energy的曲线图。如图9所示，与活性度降低了的细胞团块相比，通常的细胞团块具有更低的Energy值。因此，通过使用Energy，可以判定通常的细胞团块和活性度降低了的细胞团块。图中，示出了用于表示作为评估标准的Energy值的虚线。虚线示出在通常的细胞团块的Energy中的最大值与活性度降低了的细胞团块的Energy中的最小值之间。
在对未判明质量的细胞团块的质量进行评估的情况下，首先获取该细胞团块的透射率的Energy值。然后，通过比较该Energy值与所设定的评估标准，可以评估细胞团块的质量。即，在细胞团块具有低于评估标准的Energy的情况下，该细胞团块的质量可以被评估为与通常的细胞团块相同。另外，在细胞团块具有高于评估标准的Energy的情况下，该细胞团块的质量可以被评估为与活性度降低了的细胞团块相同。需要说明的是，为了提高评估的可靠性，可以任意地设定评估标准。例如，为了只选择与通常的细胞团块具有相同质量的细胞团块，并使其不含有活性度降低了的细胞团块，也可以使作为评估标准的Energy值低于图示的评估标准。
(第4例)
在第4例中，使用细胞团块的每个区域的光强度信息的偏差和基本统计量中的至少一个彼此的比较结果作为表示细胞团块内的光强度信息的偏差的特征量。以下，对通过使用光强度信息来评估细胞团块的质量的例子进行说明。在该例中，可以使用通常条件下培养的通常的细胞团块和活性度(即质量)降低了的细胞团块。作为一个例子，通常的细胞团块是通过使用DMEM培养2天所得的细胞团块。活性度降低了的细胞团块是混入有因培养条件等而性状不同的细胞的细胞团块。构成细胞团块的细胞使用了NHDF。
使用质量评估装置分别获取通常的细胞团块和活性度降低了的细胞团块的光强度信息。作为一个例子，光强度信息是从由二维传感器生成的图像信息所获取的透射光的透射率。
接着，分别将通常的细胞团块和活性度降低了的细胞团块的图像分割成2个以上的区域。图10是用于说明将细胞团块的图像分割成2个的一个例子的示意图。在图10的例子中，将细胞团块内的区域分割成中央部(图中用虚线表示)和外周部。在图例中，中央部是由长度为细胞团块的直径的约一半左右的边构成的正方形。需要说明的是，中央部也可以是半径为细胞团块的半径的约一半左右的圆形。外周部可以是细胞团块中除了中央部以外的部分。
接着，在中央部和外周部，求出包含在各个区域中的像素的光强度信息的偏差和基本统计量中的至少一个作为“区域中的光强度信息”。例如，基本统计量是表示区域内的光强度信息整体的特征、倾向等的指标，作为一个例子，可以为平均值、最频值、中位数等。
然后，对所求出的各个“区域中的光强度信息”彼此进行比较，得到比较结果。该比较结果示出了细胞团块内的“区域中的光强度信息”的偏差。图11是表示使用透射率的平均值作为“区域中的光强度信息”时的正常的细胞团块的比较结果。如图所示，在正常的细胞团块中，外周部的平均透射率小于中央部的平均透射率。图12是表示使用透射率的平均值作为“区域中的光强度信息”时的活性度降低了的细胞团块的比较结果。如图所示，在活性度降低了的细胞团块中，外周部的平均透射率大于中央部的平均透射率。在对未判明质量的细胞团块的质量进行评估的情况下，首先，获取该细胞团块中的中央部的平均透射率与外周部的平均透射率的比较结果。然后，可以基于该比较结果来评估细胞团块的质量。即，在外周部的平均透射率小于中央部的平均透射率的情况下，可以被评估为质量良好的正常细胞。
图13是表示使用透射率的分散作为区域中的光强度信息时的正常的细胞团块的比较结果。如图所示，在正常的细胞团块中，外周部的透射率的分散大于中央部的透射率的分散。图14是表示使用透射率的分散作为区域中的光强度信息时的活性度降低了的细胞团块的比较结果。如图所示，在活性度降低了的细胞团块中，外周部的透射率的分散小于中央部的透射率的分散。在对未判明质量的细胞团块的质量进行评估的情况下，首先，获取该细胞团块中的中央部的透射率的分散与外周部的透射率的分散的比较结果。然后，可以基于该比较结果来评估细胞团块的质量。即，在外周部的透射率的分散大于中央部的透射率的分散的情况下，可以被评估为质量良好的正常细胞。
需要说明的是，在图11至图14的例子中，使用了平均值或分散来对“区域中的光强度信息”彼此比较，但是在对“区域中的光强度信息”彼此比较时，也可以使用其他基本统计量。
(第5例)
在第5例中，基于表示细胞团块内的光强度信息的偏差的多个特征量的组合来进行质量评估。在该例中，通过所谓的机器学习来进行质量评估。在一个例子中，将多个特征量作为说明变量，并生成以质量为目的变量的回归式。在回归式的生成中，例如可以使用LASSO回归以使变量的共线性的影响最小化。
在该例中，可以使用通常条件下培养的通常的细胞团块和活性度(即质量)降低了的细胞团块。作为一个例子，通常的细胞团块是通过使用DMEM培养2天至4天所得的细胞团块。活性度降低了的细胞团块是通过使用添加有1体积％的DMSO的DMEM培养2天至4天所得的细胞团块(样品1)、使用添加有5体积％的DMSO的DMEM培养2天至4天所得的细胞团块(样品2)、使用添加有AG490的DMEM培养2天至4天所得的细胞团块(样品3)、使用添加有RockInhibitor(Rock抑制剂)的DMEM培养2天至4天所得的细胞团块(样品4)，通过无血清培养基培养2天至4天所得的细胞团块(样品5)、以及使用过继细胞培养2天至4天所得的细胞团块(样品6)。构成评估对象的细胞团块的细胞可以使用NHDF。
使用质量评估装置分别获取通常的细胞团块和活性度降低了的细胞团块的光强度信息。作为一个例子，光强度信息是从由二维传感器生成的图像信息所获取的透射光的透射率。在该例中，通过使用分光器以替代带通滤波器，从而获取包含在300nm以上2000nm的波长范围内的65种波长各自的透射率。
分别对通常的细胞团块和活性度降低了的细胞团块求出各波长中的每个像素的透射率的分散。该分散分别是在培养时间经过2天的时间点、经过3天的时间点、以及经过4天的时间点获取的。因此，由于培养时间为3种、波长为65种、加工成2种透射率，因而所获取的特征量的数量成为3×65×2个。
此外，分别求出在培养时间经过2天的时间点、经过3天的时间点、以及经过4天的时间点的透射率的变化度。因此，由于培养时间为3种、波长为65种，因而所获取的特征量的数量成为3×65×1个。可以与第3例同样地求出透射率的变化度。
此外，分别求出在培养时间经过2天的时间点、经过3天的时间点、以及经过4天的时间点的基于纹理分析的特征量。基于纹理分析的特征量例如可以为Energy，并且可以与第4例同样地求出。因此，由于培养时间为3种、波长为65种，因而所获取的特征量的数量成为3×65×1个。
此外，由细胞团块的每个区域的光强度信息的偏差和基本统计量中的至少一种来求出特征量。作为一个例子，将细胞团块分割成5个区域，并且求出每个分割区域的透射率的分散。可以通过多种方法分割细胞团块的图像信息。作为一个例子，可以通过以下方法分割细胞团块的图像信息：以细胞团块的中心为基准在圆周方向上5等分的方法、在纵向上将细胞团块5等分的方法、在横向上将细胞团块5等分的方法。因此，由于培养时间为3种、波长为65种、5等分的方法为3种、加工成2种透射率，因而所获取的特征量的数量成为3×65×(5×3)×2个。
将根据上述求出的特征量作为说明变量，并预先生成以质量为目的变量的回归式。在对未判明质量的细胞团块的质量进行评估的情况下，首先，从该细胞团块的透射率获取每个像素的透射率的分散、透射率的变化度、基于纹理分析的特征量、以及每个分割区域的光强度信息的特征量。然后，通过将这些特征量代入到回归式中，从而可以评估细胞团块的质量。作为一个例子，可以分别判定上述样品1至6中的每一个和通常的细胞团块。
需要说明的是，在获取多种波长的各自的图像信息的情况下，也可以基于波长间的光强度信息的组合(例如差分、比)来求出与光强度信息的偏差有关的特征量。
在上述的质量评估方法中，根据分别对应于细胞团块内的多个测量位置的多个光强度信息的偏差来生成特征量。因此，特征量可以反映出细胞团块内的相邻细胞之间的关系、位于分离位置处的细胞之间的关系等。细胞团块的质量例如是与细胞之间的凝集能力的高低相关的指标，因此，通过将反映出细胞之间的关系的特征量作为指标，可以不考虑细胞团块的产生经过，而是基于当下的细胞团块的状态来评估细胞团块的质量。
另外，在生成多个光强度信息的分散程度作为特征量的一个方式的情况下，可以简单地导出光强度信息的偏差。
另外，在生成与多个测量位置的每一处周围的测量位置的光强度信息之间的变化程度作为特征量的一个方式的情况下，容易使细胞团块内在相互接近的位置处存在的细胞之间的关系反映在特征量上。
另外，在生成细胞团块内的多个光强度信息的不均匀性程度作为特征量的一个方式的情况下，容易使细胞团块内不均匀地存在的细胞之间的关系反映在特征量上。
另外，在生成被分割成2部分以上的细胞团块的每个区域的光强度信息的偏差和基本统计量中的至少一个之间的比较结果作为特征量的一个方式的情况下，容易使细胞团块内的每个区域的细胞状态反映在特征量上。
以上，参照附图详细地说明了本发明的实施方式，但具体的构成不限于该实施方式。例如，作为实施方式的具体例子，示出了第1至第5例，但不限于此。即，本发明的实施方式还包括对第1至第5例中的相互构成进行置换、追加等的方式。
另外，示出了对容纳在微板的孔中的细胞团块的质量进行评估的例子，但是对评估对象的细胞团块没有限定。图15和图16是表示质量评估装置中的细胞团块的保持方式的其他例子的示意图。例如，如图15所示，测量光L1可以照射到由吸附镊子20保持的细胞团块5上。另外，如图16所示，测量光L1也可以照射到放置于无纺布那样的薄片体30上的细胞团块5上。在这种情况下，薄片体30可以含有培养液。在图15和图16的例子中，可以在由细胞团块5反射的反射光L3输入的位置处配置二维传感器，以使反射光可以输入到二维传感器中。由此，如果测量光L1可以照射，并且透射光L2、反射光L3等可以由二维传感器接收，则细胞团块5可以任意地被保持，例如也可以保持在培养皿内。
另外，在上述实施方式中，示出了对彼此大小一致的细胞团块进行评估的例子，但是对评估对象的细胞团块没有限定。例如，在对彼此大小不同的细胞团块进行评估的情况下，在大小与特征量有相关时，也可以根据细胞团块的大小和测量点数来修正特征量。作为一个例子，在第2例中，可以将细胞团块内的所有像素的变化程度的平均值定义为细胞团块的透射率的变化程度。
符号的说明
1…质量评估装置、3…光源、4…透镜、5…细胞团块、7…二维传感器(光接收部)、8…带通滤波器、9…透镜、10…分析部、13…微板、15…孔、20…吸附镊子、30…薄片体、L1…测量光、L2…透射光、L3…反射光。

Claims (5)

1.一种质量评估方法，具备：
获取步骤，其中，使用具有300nm以上2000nm以下的波长的测量光照射细胞团块，以获取分别对应于该细胞团块内的多个测量位置的多个光强度信息；
生成步骤，其中，根据所获取的所述多个光强度信息的偏差来生成特征量；以及
评估步骤，其中，以所生成的所述特征量为指标来评估所述细胞团块的质量。
2.根据权利要求1所述的质量评估方法，其中，
所述生成步骤包括生成所述多个光强度信息的分散程度作为所述特征量的一个方式的步骤。
3.根据权利要求1或权利要求2所述的质量评估方法，其中，
所述生成步骤包括生成所述多个测量位置的每一处的所述光强度信息与所述多个测量位置的每一处周围的所述光强度信息之间的变化程度作为所述特征量的一个方式的步骤。
4.根据权利要求1至权利要求3中任意一项所述的质量评估方法，其中，
所述生成步骤包括生成所述细胞团块内的所述多个光强度信息的不均匀性程度作为所述特征量的一个方式的步骤。
5.根据权利要求1所述的质量评估方法，其中，
在所述生成步骤中，生成在所述细胞团块内分割成2个以上的区域的每一个的所述光强度信息的偏差和基本统计量中的至少一个之间的比较结果作为所述特征量。
CN201980080583.4A 2018-12-13 2019-12-10 质量评估方法 Active CN113167719B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018-233525 2018-12-13
JP2018233525A JP2020094925A (ja) 2018-12-13 2018-12-13 品質評価方法
PCT/JP2019/048342 WO2020122076A1 (ja) 2018-12-13 2019-12-10 品質評価方法

Publications (2)

Publication Number Publication Date
CN113167719A true CN113167719A (zh) 2021-07-23
CN113167719B CN113167719B (zh) 2024-06-18

Family

ID=71077279

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980080583.4A Active CN113167719B (zh) 2018-12-13 2019-12-10 质量评估方法

Country Status (5)

Country Link
US (1) US12305155B2 (zh)
EP (1) EP3896429B1 (zh)
JP (1) JP2020094925A (zh)
CN (1) CN113167719B (zh)
WO (1) WO2020122076A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114015741A (zh) * 2021-11-08 2022-02-08 中山大学 一种非侵入式的微生物活性分析方法、系统

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020094925A (ja) * 2018-12-13 2020-06-18 住友電気工業株式会社 品質評価方法
WO2025154610A1 (ja) * 2024-01-17 2025-07-24 住友電気工業株式会社 観察装置および観察方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2006095896A1 (ja) * 2005-03-08 2006-09-14 Nihon University 培養細胞監視システム
CN101023331A (zh) * 2004-06-30 2007-08-22 化学影像公司 生物细胞和其它对象的动态化学成像
JP2008292448A (ja) * 2007-04-27 2008-12-04 Furukawa Electric Co Ltd:The 光計測装置および光計測方法
CN101330823A (zh) * 2005-12-15 2008-12-24 国立大学法人山口大学 评价树体生长能力的方法、用于评价树体生长能力的拍摄装置及用于评价树体生长能力的程序
CN101943663A (zh) * 2010-07-09 2011-01-12 董珂 自动辨别微粒的衍射图像测量分析系统及方法
CN105579828A (zh) * 2013-05-28 2016-05-11 克莫麦特公司 图像式细胞仪
US20160350915A1 (en) * 2015-05-29 2016-12-01 Olympus Corporation Cell evaluation method
CN106645713A (zh) * 2015-10-30 2017-05-10 希森美康株式会社 细胞信息获取方法以及细胞信息获取装置
US20170350805A1 (en) * 2014-12-26 2017-12-07 The University Of Tokyo Analysis device, analysis method, analysis program, cell manufacturing method and cells
WO2018008240A1 (ja) * 2016-07-08 2018-01-11 住友電気工業株式会社 品質評価方法及び品質評価装置
CN108026563A (zh) * 2015-09-16 2018-05-11 浜松光子学株式会社 细胞判定方法、细胞判定装置及细胞判定程序
WO2018186120A1 (ja) * 2017-04-03 2018-10-11 浜松ホトニクス株式会社 細胞塊の評価方法及び細胞塊の状態解析装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0567886A3 (en) * 1992-04-21 1994-11-02 Kurashiki Boseki Kk Composition for a layer for culturing animal adhesive cells and method for culturing cells in a serum-free medium.
JP4247333B2 (ja) * 2006-12-28 2009-04-02 国立大学法人名古屋大学 皮膚組織改善材およびその製造方法
JP4848520B2 (ja) * 2007-03-19 2011-12-28 国立大学法人山口大学 植物培養細胞塊の状態を判別する方法、そのための装置および植物培養細胞塊の状態を判別するためのプログラム
JP5783043B2 (ja) * 2009-06-12 2015-09-24 株式会社ニコン 細胞塊の状態判別手法、この手法を用いた画像処理プログラム及び画像処理装置、並びに細胞塊の製造方法
JP5769334B2 (ja) * 2011-02-04 2015-08-26 国立大学法人佐賀大学 移植用ガイドおよび移植用器具
JP6122817B2 (ja) * 2014-03-26 2017-04-26 株式会社Ｓｃｒｅｅｎホールディングス スフェロイドの評価方法およびスフェロイド評価装置
JPWO2016080442A1 (ja) * 2014-11-21 2017-10-05 住友電気工業株式会社 品質評価方法及び品質評価装置
JP2020094925A (ja) * 2018-12-13 2020-06-18 住友電気工業株式会社 品質評価方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101023331A (zh) * 2004-06-30 2007-08-22 化学影像公司 生物细胞和其它对象的动态化学成像
WO2006095896A1 (ja) * 2005-03-08 2006-09-14 Nihon University 培養細胞監視システム
CN101330823A (zh) * 2005-12-15 2008-12-24 国立大学法人山口大学 评价树体生长能力的方法、用于评价树体生长能力的拍摄装置及用于评价树体生长能力的程序
JP2008292448A (ja) * 2007-04-27 2008-12-04 Furukawa Electric Co Ltd:The 光計測装置および光計測方法
CN101943663A (zh) * 2010-07-09 2011-01-12 董珂 自动辨别微粒的衍射图像测量分析系统及方法
CN105579828A (zh) * 2013-05-28 2016-05-11 克莫麦特公司 图像式细胞仪
US20170350805A1 (en) * 2014-12-26 2017-12-07 The University Of Tokyo Analysis device, analysis method, analysis program, cell manufacturing method and cells
US20160350915A1 (en) * 2015-05-29 2016-12-01 Olympus Corporation Cell evaluation method
CN108026563A (zh) * 2015-09-16 2018-05-11 浜松光子学株式会社 细胞判定方法、细胞判定装置及细胞判定程序
CN106645713A (zh) * 2015-10-30 2017-05-10 希森美康株式会社 细胞信息获取方法以及细胞信息获取装置
WO2018008240A1 (ja) * 2016-07-08 2018-01-11 住友電気工業株式会社 品質評価方法及び品質評価装置
WO2018186120A1 (ja) * 2017-04-03 2018-10-11 浜松ホトニクス株式会社 細胞塊の評価方法及び細胞塊の状態解析装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114015741A (zh) * 2021-11-08 2022-02-08 中山大学 一种非侵入式的微生物活性分析方法、系统
CN114015741B (zh) * 2021-11-08 2024-01-30 中山大学 一种非侵入式的细胞活性分析方法

Also Published As

Publication number Publication date
US12305155B2 (en) 2025-05-20
JP2020094925A (ja) 2020-06-18
US20210293704A1 (en) 2021-09-23
EP3896429A1 (en) 2021-10-20
CN113167719B (zh) 2024-06-18
EP3896429B1 (en) 2025-07-02
WO2020122076A1 (ja) 2020-06-18

Similar Documents

Publication Publication Date Title
US11542461B2 (en) Analysis device
JP6776672B2 (ja) 品質評価方法及び品質評価装置
Shenderey et al. NIRS detection of moldy core in apples
Pilling et al. High-throughput quantum cascade laser (QCL) spectral histopathology: a practical approach towards clinical translation
CN112465077B (zh) 水果糖度无损检测方法、装置、计算机设备和存储介质
US12305155B2 (en) Quality evaluation method
US11125692B2 (en) Determination method, determination apparatus, and recording medium
US20170254741A1 (en) Quality evaluation method and quality evaluation device
US20150241340A1 (en) Measurement apparatus and measurement method
US11530434B2 (en) Cell mass evaluation method and device for analyzing state of cell mass
WO2019176427A1 (ja) 判定方法
JP6777199B2 (ja) 品質評価方法及び品質評価装置
Scodellaro et al. A first explainable-AI-based workflow integrating forward-forward and backpropagation-trained networks of label-free multiphoton microscopy images to assess human biopsies of rare neuromuscular disease
CN118708969A (zh) 基于多模态融合的数据处理及模型构建方法、相关设备
Lu et al. A programmable optical filter with arbitrary transmittance for fast spectroscopic imaging and spectral data post-processing
Lange et al. A digital instrument simulator to optimize the development of a hyperspectral imaging system for neurosurgery
Rhim et al. Inseparable color and form in mouse visual cortex described by random pooling from rods and cones
Ge et al. Nondestructive Detection of Wheat Germination Status Based on Terahertz Imaging Technology and the MobileNetV3-GS Method

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant