特許ウォッチ

公開番号2025122122
公報種別公開特許公報(A)
公開日2025-08-20
出願番号2025086217,2020157930
出願日2025-05-23,2020-09-18
発明の名称細胞分析方法及び細胞分析装置
出願人シスメックス株式会社
代理人弁理士法人 HARAKENZO WORLD PATENT & TRADEMARK
主分類G16H 10/40 20180101AFI20250813BHJP(特定の用途分野に特に適合した情報通信技術)
要約【課題】検体に含まれる複数の細胞から得られたデータを分析する構成において、大幅に増加した情報量の細胞のデータを要求された処理能力で処理可能な細胞分析方法および細胞分析装置を提供する。
【解決手段】細胞分析装置は、試料に含まれる複数の細胞を測定する測定ユニット(400、400a、500、500a、700)と、細胞の分析に関する情報処理を行う第1プロセッサ(3001、4831、6001、8111)と、並列処理を行う第2プロセッサ(3002、4833、6002、8112)とを備え、測定ユニットはフローサイトメータ内で細胞の各々の複数時点での細胞から放出される光の強度に対応するアナログ信号レベルを示す値を要素とする行列データを取得し、第2プロセッサは行列演算を含む人工知能アルゴリズムに従って行列データを処理するための並列処理を実行し、第1プロセッサは並列処理結果に基づき細胞各々の細胞種別を分類する。
【選択図】図1
特許請求の範囲【請求項１】
フローサイトメータを含み、試料に含まれる複数の細胞を測定するように構成された測定ユニットと、
前記複数の細胞の分析に関する情報処理を行うように構成された第１プロセッサと、
並列処理を行うように構成された第２プロセッサと、
を備え、
前記測定ユニットは、前記フローサイトメータのフローセル内で前記試料を流し、光を照射された細胞から放出される光の強度に対応するアナログ信号を複数の細胞の各々について取得することにより、複数の細胞の各々の複数時点でのアナログ信号レベルをデジタルで示す値を要素とする行列データを取得し、
前記第２プロセッサは、複数の行列演算を含む人工知能アルゴリズムに従って行列データを処理するための並列処理を実行するように構成されており、
前記第１プロセッサは、前記第２プロセッサによる前記並列処理の結果に基づいて、複数の細胞各々の細胞種別を分類するように構成されている、
細胞分析装置。
続きを表示（約 960 文字）【請求項２】
前記フローサイトメータは、前記フローセルに光を照射する光源と、前記光源によって照射された光により前記細胞の各々から放出された光を検出するための検出部を含む、
請求項１に記載の細胞分析装置。
【請求項３】
前記検出部は、前記細胞の各々から放出される複数の種類の光を検出するように構成されている、
請求項２に記載の細胞分析装置。
【請求項４】
前記人工知能アルゴリズムは深層学習アルゴリズムである、
請求項１から３のいずれか１項に記載の細胞分析装置。
【請求項５】
前記深層学習アルゴリズムは、単球、好中球、リンパ球、好酸球、好塩基球、及び異常細胞を含む複数の細胞種別のうち、入力された前記行列データに対応する細胞の細胞種別を決定する、
請求項４に記載の細胞分析装置。
【請求項６】
前記行列データは、前記細胞分析装置が備える伝送路を介して前記第２プロセッサに伝送される、
請求項１から５のいずれか１項に記載の細胞分析装置。
【請求項７】
前記行列データは、インターネットまたはイントラネットとは異なる伝送路を介して前記第２プロセッサに伝送される、
請求項６に記載の細胞分析装置。
【請求項８】
前記伝送路は、１ギガビット／秒以上の通信帯域を備える、
請求項６または７に記載の細胞分析装置。
【請求項９】
前記伝送路はバスであり、前記行列データは前記バスを介して、前記第２プロセッサに伝送される、
請求項６から８のいずれか１項に記載の細胞分析装置。
【請求項１０】
前記測定ユニットは、前記フローサイトメータによって測定された複数の細胞の各々に関する前記アナログ信号をデジタル信号に変換するように構成されたＡ／Ｄ変換部を含み、
前記Ａ／Ｄ変換部は、所定のサンプリングレートで各々のアナログ信号をサンプリングすることにより、前記細胞に対応する波形データとして、前記細胞の前記行列データを取得する、
請求項１から９のいずれか１項に記載の細胞分析装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、細胞分析方法及び細胞分析装置に関する。
続きを表示（約 3,600 文字）【背景技術】
【０００２】
特許文献１には、血球細胞をフローサイトメータによって測定して得られたデータを、プロセッサを搭載したデータ処理システムにおいて解析し、細胞を種別に応じて分類する方法が記載されている。特許文献１では、フローサイトメータによって測定した光学的な情報で細胞を分類できない場合に、さらに細胞の体積と導電率の情報を用いることが記載されている。
【先行技術文献】
【特許文献】
【０００３】
特表２０１２－５１９８４８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
細胞の分類精度を向上するために細胞の分類に用いる情報量を増やすと、複数の細胞を含む血液や尿などの検体においては、一つの細胞から得られる情報量が増えることで検体単位でのデータ容量は膨大なものとなる。例えば、深層学習アルゴリズムを用いて個々の細胞の分類を行うには、細胞毎の特徴を抽出するために個々の細胞から取得する情報量を大幅に増やす必要がある。特許文献１には、大幅に増加した情報量を、要求された処理能力の範囲内で処理可能なシステムは開示されていない。
【０００５】
本発明の一態様は、検体に含まれる複数の細胞から得られたデータを分析する構成において、大幅に増加する情報量の細胞のデータを、要求された処理能力の要求を満たすことが可能な細胞分析方法、細胞分析装置を提供することを目的とする。
【課題を解決するための手段】
【０００６】
上記の課題を解決するために、本発明の一態様に係る細胞分析装置は、フローサイトメータを含み、試料に含まれる複数の細胞を測定するように構成された測定ユニット（４００、４００ａ、５００、５００ａ、７００）と、前記複数の細胞の分析に関する情報処理を行うように構成された第１プロセッサ（３００１、４８３１、６００１、８１１１）と、並列処理を行うように構成された第２プロセッサ（３００２、４８３３、６００２、８１１２）と、を備え、測定ユニット（４００、４００ａ、５００、５００ａ、７００）は、前記フローサイトメータのフローセル内で前記試料を流し、光を照射された細胞から放出される光の強度に対応するアナログ信号を複数の細胞の各々について取得することにより、複数の細胞の各々の複数時点でのアナログ信号レベルをデジタルで示す値を要素とする行列データを取得し、第２プロセッサ（３００２、４８３３、６００２、８１１２）は、複数の行列演算を含む人工知能アルゴリズムに従って行列データを処理するための並列処理を実行するように構成されており、第１プロセッサ（３００１、４８３１、６００１、８１１１）は、第２プロセッサ（３００２、４８３３、６００２、８１１２）による前記並列処理の結果に基づいて、複数の細胞各々の細胞種別を分類するように構成されている。
【０００７】
上記の課題を解決するために、本発明の別の態様に係る細胞分析方法は、第１プロセッサ（３００１、４８３１、６００１、８１１１）、第２プロセッサ（３００２、４８３３、６００２、８１１２）、およびフローサイトメータを含む細胞分析装置を用いる細胞分析方法であって、前記フローサイトメータのフローセル内で試料を流し、光を照射された細胞から放出される光の強度に対応するアナログ信号を複数の細胞の各々について取得することにより、前記試料中の複数の細胞の各々に関する行列データを取得すること、ここで、前記行列データは、複数の時点でのアナログ信号レベルをデジタルで示す値を要素として有し、前記第２プロセッサによって、複数の行列演算を含む人工知能アルゴリズムに従って前記行列データを処理するための並列処理を実行すること、前記第１プロセッサによって、前記第２プロセッサによる並列処理の結果に基づいて、複数の細胞の各々の細胞種別を分類すること、を含む。
【発明の効果】
【０００８】
複数の細胞を大容量のデータに基づいて分析しつつ、処理能力の要求を満たすことが可能となる。
【図面の簡単な説明】
【０００９】
（ａ）は、従来法の白血球分類の例を示す。（ｂ）は、本法の白血球分類の例を示す。
（ａ）は、フローセルを流れる細胞に光を照射する例を示す。（ｂ）は、前方散乱光信号、側方散乱光信号、蛍光信号のサンプリングを行う例を示す。（ｃ）は、サンプリングによって得られる波形データの例を示す。
訓練データの生成方法の例を示す。
ラベル値の例を示す。
分析データの分析方法の例を示す。
細胞分析装置の外観の例を示す。
測定ユニットのブロック図の例を示す。
検体吸引部と試料調製部の例を示す。
ＦＣＭ検出部の光学系の構成例を示す。
処理ユニットの構成例を示す。
並列処理プロセッサの構成例を示す。
測定ユニットへの並列処理プロセッサの実装例を示す。
測定ユニットへの並列処理プロセッサの他の実装例を示す。
測定ユニットへの並列処理プロセッサの他の実装例を示す。
測定ユニットへの並列処理プロセッサの他の実装例を示す。
プロセッサが並列処理プロセッサを用いて行列データの演算処理を実行する動作の概要を示す。
（ａ）は、行列の積の計算式を示す。（ｂ）は、並列処理プロセッサで並列に実行される演算処理の例を示す。
演算処理を、並列処理プロセッサにて実行する様子を示す。
（ａ）は、深層学習アルゴリズムに入力される波形データとして、前方散乱光の波形データの例を示す。（ｂ）は、波形データとフィルタとの行列演算の概要を示す。
細胞分析装置による検体の分析動作の例を示す。
細胞分析処理の例を示す。
並列処理の例を示す。
測定ユニットのブロック図の他の例を示す。
処理ユニットのブロック図の例を示す。
プロセッサが並列処理プロセッサを用いて行列データの演算処理を実行する動作の概要を示す。
測定ユニットのブロック図の他の例を示す。
処理ユニットのブロック図の他の例を示す。
測定ユニットと処理ユニットと解析ユニットとの構成例を示す。
測定ユニットのブロック図の他の例を示す。
解析ユニットのブロック図の例を示す。
プロセッサが並列処理プロセッサを用いて行列データの演算処理を実行する動作の概要を示す。
処理ユニットのブロック図の他の例を示す。
測定ユニットのブロック図の他の例を示す。
解析ユニットのブロック図の他の例を示す。
測定ユニットのブロック図の例を示す。
フローサイトメータの光学系の概略の例を示す。
測定ユニットの試料調製部の概略の例を示す。
波形データ分析システムの概略の例を示す。
ベンダ側装置のブロック図の例を示す。
測定ユニットのブロック図の例を示す。
解析ユニットのブロック図の他の例を示す。
深層学習装置の機能ブロック図の例を示す。
訓練データを生成するため処理部の動作のフローチャート例を示す。
ニューラルネットワークを説明するための模式図を示す。（ａ）は、ニューラルネットワークの概要を示す模式図を示す。（ｂ）は、各ノードにおける演算を示す模式図を示す。（ｃ）は、ノード間の演算を示す模式図を示す。
参照法による判定結果と深層学習アルゴリズムを用いた判定結果との混合マトリックスを示す。
（ａ）は、好中球のＲＯＣ曲線を示す。（ｂ）は、リンパ球のＲＯＣ曲線を示す。（ｃ）は、単球のＲＯＣ曲線を示す。
（ａ）は、好酸球のＲＯＣ曲線を示す。（ｂ）は、好塩基球のＲＯＣ曲線を示す。（ｃ）は、コントロール血液（ＣＯＮＴ）のＲＯＣ曲線のＲＯＣ曲線を示す。
画像分析装置としての細胞分析装置の構成例を示す。
処理部の構成例を示す。
訓練データの生成方法の例を示す。
ラベル値の例を示す。
画像の分析方法の例を示す。
分析結果の一実施形態を示す。
【発明を実施するための形態】
【００１０】
以下、本発明の概要及び実施の形態を、添付の図面を参照して詳細に説明する。なお、以下の説明及び図面において、同じ符号は同じ又は類似の構成要素を示すこととし、よって、同じ又は類似の構成要素に関する説明を省略する。
（【００１１】以降は省略されています）

関連特許