ホーム > 特許ランキング > 株式会社ＨＡＣＡＲＵＳ
知財求人 - 知財ポータルサイト「IP Force」
特開2023-180647創薬研究支援装置、創薬研究支援方法、および、創薬研究支援プログラム
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023180647
(43)【公開日】2023-12-21
(54)【発明の名称】創薬研究支援装置、創薬研究支援方法、および、創薬研究支援プログラム
(51)【国際特許分類】
C12M 1/34 20060101AFI20231214BHJP
C12Q 1/02 20060101ALI20231214BHJP
【ＦＩ】
C12M1/34 Z
C12Q1/02
【審査請求】未請求
【請求項の数】10
【出願形態】ＯＬ
(21)【出願番号】P 2022094124
(22)【出願日】2022-06-10
(71)【出願人】
【識別番号】517038051
【氏名又は名称】株式会社ＨＡＣＡＲＵＳ
(74)【代理人】
【識別番号】100124039
【弁理士】
【氏名又は名称】立花 顕治
(74)【代理人】
【識別番号】100207217
【弁理士】
【氏名又は名称】樋口 智夫
(72)【発明者】
【氏名】内野 宏俊
(72)【発明者】
【氏名】井上 晴幾
【テーマコード（参考）】
4B029
4B063
【Ｆターム（参考）】
4B029AA07
4B029BB11
4B029FA04
4B063QA01
4B063QA20
4B063QQ08
4B063QQ61
4B063QQ91
4B063QR41
4B063QR51
4B063QR77
4B063QS36
4B063QS39
4B063QX01
(57)【要約】
【課題】細胞の遺伝子解析を必要とすることなく、創薬研究を支援可能な情報を出力する創薬研究支援装置等を提供する。
【解決手段】本発明の一側面に係る創薬研究支援装置は、基準状態にある細胞を撮像した基準画像の入力に対して機械学習の実施後の符号器が出力する基準特徴量と、基準状態にあるかを推定する細胞が撮像された対象画像の入力に対して機械学習の実施後の符号器が出力する対象特徴量との違いを数値化して出力する。
【選択図】図７
【解決手段】本発明の一側面に係る創薬研究支援装置は、基準状態にある細胞を撮像した基準画像の入力に対して機械学習の実施後の符号器が出力する基準特徴量と、基準状態にあるかを推定する細胞が撮像された対象画像の入力に対して機械学習の実施後の符号器が出力する対象特徴量との違いを数値化して出力する。
【選択図】図７
【特許請求の範囲】
【請求項1】
細胞内容物が撮像された細胞画像であって、基準状態にある細胞の細胞内容物が撮像された細胞画像である基準画像を取得する基準画像取得部であって、
前記基準状態にある細胞の核が撮像された前記細胞画像である基準核画像を含む前記基準画像を取得する、
基準画像取得部と、
前記基準画像と前記基準状態との組み合わせによりそれぞれ構成される複数の学習データセットを使用して、学習モデルの機械学習を実施する学習処理部であって、
前記学習モデルは、符号器と推定器とを含み、
前記符号器は、与えられた前記細胞画像を、前記細胞画像に撮像されている細胞内容物の形態および輝度の少なくとも一方の特徴量へと変換するように構成され、
前記推定器は、前記特徴量の入力を受け付け、入力された前記特徴量に基づいて、前記細胞画像に撮像されている細胞内容物を含む細胞の状態を推定するように構成され、
前記機械学習を実施することは、前記複数の学習データセットの各々について、前記基準画像を前記符号器に与えたときに、前記推定器が前記基準画像に撮像されている細胞内容物を含む細胞は前記基準状態にあると推定するように、前記符号器と前記推定器とを訓練する訓練ステップを含む、
学習処理部と、
前記基準状態にあるか否かを推定する対象の細胞の細胞内容物が撮像された前記細胞画像である対象画像であって、前記基準状態にあるか否かを推定する対象の細胞の核が撮像された前記細胞画像である対象核画像を含む、対象画像を取得する対象画像取得部と、
前記機械学習の実施後の前記符号器が前記基準画像の入力に対して出力する前記特徴量である基準特徴量と、前記機械学習の実施後の前記符号器が前記対象画像の入力に対して出力する前記特徴量である対象特徴量との違いを数値化して示す情報である参照情報を出力する参照情報出力部と、
を備える創薬研究支援装置。
前記基準状態にある細胞の核が撮像された前記細胞画像である基準核画像を含む前記基準画像を取得する、
基準画像取得部と、
前記基準画像と前記基準状態との組み合わせによりそれぞれ構成される複数の学習データセットを使用して、学習モデルの機械学習を実施する学習処理部であって、
前記学習モデルは、符号器と推定器とを含み、
前記符号器は、与えられた前記細胞画像を、前記細胞画像に撮像されている細胞内容物の形態および輝度の少なくとも一方の特徴量へと変換するように構成され、
前記推定器は、前記特徴量の入力を受け付け、入力された前記特徴量に基づいて、前記細胞画像に撮像されている細胞内容物を含む細胞の状態を推定するように構成され、
前記機械学習を実施することは、前記複数の学習データセットの各々について、前記基準画像を前記符号器に与えたときに、前記推定器が前記基準画像に撮像されている細胞内容物を含む細胞は前記基準状態にあると推定するように、前記符号器と前記推定器とを訓練する訓練ステップを含む、
学習処理部と、
前記基準状態にあるか否かを推定する対象の細胞の細胞内容物が撮像された前記細胞画像である対象画像であって、前記基準状態にあるか否かを推定する対象の細胞の核が撮像された前記細胞画像である対象核画像を含む、対象画像を取得する対象画像取得部と、
前記機械学習の実施後の前記符号器が前記基準画像の入力に対して出力する前記特徴量である基準特徴量と、前記機械学習の実施後の前記符号器が前記対象画像の入力に対して出力する前記特徴量である対象特徴量との違いを数値化して示す情報である参照情報を出力する参照情報出力部と、
を備える創薬研究支援装置。
【請求項2】
前記基準画像は、前記基準状態にある細胞の、核以外の細胞内容物が撮像された前記細胞画像である追加基準画像をさらに含み、
前記対象画像は、前記基準状態にあるか否かを推定する対象の細胞の、前記追加基準画像に撮像されている細胞内容物が撮像された前記細胞画像である追加対象画像をさらに含む、
請求項１に記載の創薬研究支援装置。
前記対象画像は、前記基準状態にあるか否かを推定する対象の細胞の、前記追加基準画像に撮像されている細胞内容物が撮像された前記細胞画像である追加対象画像をさらに含む、
請求項１に記載の創薬研究支援装置。
【請求項3】
前記追加基準画像は、
前記基準状態にある細胞の細胞質または細胞質内分子が撮像された前記細胞画像である基準細胞質画像、
前記基準状態にある細胞の核小体または核小体内分子が撮像された前記細胞画像である基準核小体画像、
前記基準状態にある細胞のゴルジ体またはゴルジ体内分子が撮像された前記細胞画像である基準ゴルジ体画像、
前記基準状態にある細胞のミトコンドリアまたはミトコンドリア内分子が撮像された前記細胞画像である基準ミトコンドリア画像、および、
前記基準状態にある細胞の細胞膜または細胞膜に結合する分子が撮像された前記細胞画像である基準細胞膜画像、
の少なくとも１つを含み、
前記追加対象画像は、
前記基準状態にあるか否かを推定する対象の細胞の細胞質または細胞質内分子が撮像された前記細胞画像である対象細胞質画像、
前記基準状態にあるか否かを推定する対象の細胞の核小体または核小体内分子が撮像された前記細胞画像である対象核小体画像、
前記基準状態にあるか否かを推定する対象の細胞のゴルジ体またはゴルジ体内分子が撮像された前記細胞画像である対象ゴルジ体画像、
前記基準状態にあるか否かを推定する対象の細胞のミトコンドリアまたはミトコンドリア内分子が撮像された前記細胞画像である対象ミトコンドリア画像、および、
前記基準状態にあるか否かを推定する対象の細胞の細胞膜または細胞膜に結合する分子が撮像された前記細胞画像である対象細胞膜画像、
の少なくとも１つを含む、
請求項２に記載の創薬研究支援装置。
前記基準状態にある細胞の細胞質または細胞質内分子が撮像された前記細胞画像である基準細胞質画像、
前記基準状態にある細胞の核小体または核小体内分子が撮像された前記細胞画像である基準核小体画像、
前記基準状態にある細胞のゴルジ体またはゴルジ体内分子が撮像された前記細胞画像である基準ゴルジ体画像、
前記基準状態にある細胞のミトコンドリアまたはミトコンドリア内分子が撮像された前記細胞画像である基準ミトコンドリア画像、および、
前記基準状態にある細胞の細胞膜または細胞膜に結合する分子が撮像された前記細胞画像である基準細胞膜画像、
の少なくとも１つを含み、
前記追加対象画像は、
前記基準状態にあるか否かを推定する対象の細胞の細胞質または細胞質内分子が撮像された前記細胞画像である対象細胞質画像、
前記基準状態にあるか否かを推定する対象の細胞の核小体または核小体内分子が撮像された前記細胞画像である対象核小体画像、
前記基準状態にあるか否かを推定する対象の細胞のゴルジ体またはゴルジ体内分子が撮像された前記細胞画像である対象ゴルジ体画像、
前記基準状態にあるか否かを推定する対象の細胞のミトコンドリアまたはミトコンドリア内分子が撮像された前記細胞画像である対象ミトコンドリア画像、および、
前記基準状態にあるか否かを推定する対象の細胞の細胞膜または細胞膜に結合する分子が撮像された前記細胞画像である対象細胞膜画像、
の少なくとも１つを含む、
請求項２に記載の創薬研究支援装置。
【請求項4】
前記細胞内容物の形態の特徴量は、前記細胞内容物の面積、前記細胞内容物と同じ面積を有する円の直径、前記細胞内容物の長径、前記細胞内容物の短径、前記細胞内容物の離心率、前記細胞内容物の周囲径の少なくとも１つを含む、
請求項１から３の何れか１項に記載の創薬研究支援装置。
請求項１から３の何れか１項に記載の創薬研究支援装置。
【請求項5】
前記細胞内容物の輝度の特徴量は、前記細胞内容物の輝度の平均を含む、
請求項１から３の何れか１項に記載の創薬研究支援装置。
請求項１から３の何れか１項に記載の創薬研究支援装置。
【請求項6】
前記参照情報は、
前記基準核画像に撮像されている核の輝度の平均についてのヒストグラムと、前記対象核画像に撮像されている核の輝度の平均についてのヒストグラムとの間のズレを数値化して示す情報と、
前記追加基準画像の、前記基準核画像において核が撮像されている領域に対応する領域の輝度の平均についてのヒストグラムと、前記追加対象画像の、前記対象核画像において核が撮像されている領域に対応する領域の輝度の平均についてのヒストグラムとの間のズレを数値化して示す情報と、
を含む、
請求項２または３に記載の創薬研究支援装置。
前記基準核画像に撮像されている核の輝度の平均についてのヒストグラムと、前記対象核画像に撮像されている核の輝度の平均についてのヒストグラムとの間のズレを数値化して示す情報と、
前記追加基準画像の、前記基準核画像において核が撮像されている領域に対応する領域の輝度の平均についてのヒストグラムと、前記追加対象画像の、前記対象核画像において核が撮像されている領域に対応する領域の輝度の平均についてのヒストグラムとの間のズレを数値化して示す情報と、
を含む、
請求項２または３に記載の創薬研究支援装置。
【請求項7】
前記参照情報は、前記基準画像に撮像されている細胞内容物を含む細胞ごとの前記基準特徴量の分布である基準特徴量分布と、前記対象画像に撮像されている細胞内容物を含む細胞ごとの前記対象特徴量の分布である対象特徴量分布とのＫＬダイバージェンス（Kullback-Leibler divergence）である、
請求項１から３の何れか１項に記載の創薬研究支援装置。
請求項１から３の何れか１項に記載の創薬研究支援装置。
【請求項8】
前記機械学習の実施後の前記学習モデルに前記対象画像を入力して、前記対象画像に撮像されている細胞内容物を含む細胞が前記基準状態にあるか否かを推定する推定部をさらに備える、
請求項１から３の何れか１項に記載の創薬研究支援装置。
請求項１から３の何れか１項に記載の創薬研究支援装置。
【請求項9】
コンピュータが、
細胞内容物が撮像された細胞画像であって、基準状態にある細胞の細胞内容物が撮像された細胞画像である基準画像を取得する基準画像取得ステップであって、
前記基準状態にある細胞の核が撮像された前記細胞画像である基準核画像を含む前記基準画像を取得する、
基準画像取得ステップと、
前記基準画像と前記基準状態との組み合わせによりそれぞれ構成される複数の学習データセットを使用して、学習モデルの機械学習を実施する学習処理ステップであって、
前記学習モデルは、符号器と推定器とを含み、
前記符号器は、与えられた前記細胞画像を、前記細胞画像に撮像されている細胞内容物の形態および輝度の少なくとも一方の特徴量へと変換するように構成され、
前記推定器は、前記特徴量の入力を受け付け、入力された前記特徴量に基づいて、前記細胞画像に撮像されている細胞内容物を含む細胞の状態を推定するように構成され、
前記機械学習を実施することは、前記複数の学習データセットの各々について、前記基準画像を前記符号器に与えたときに、前記推定器が前記基準画像に撮像されている細胞内容物を含む細胞は前記基準状態にあると推定するように、前記符号器と前記推定器とを訓練する訓練ステップを含む、
学習処理ステップと、
前記基準状態にあるか否かを推定する対象の細胞の細胞内容物が撮像された前記細胞画像である対象画像であって、前記基準状態にあるか否かを推定する対象の細胞の核が撮像された前記細胞画像である対象核画像を含む、対象画像を取得する対象画像取得ステップと、
前記機械学習の実施後の前記符号器が前記基準画像の入力に対して出力する前記特徴量である基準特徴量と、前記機械学習の実施後の前記符号器が前記対象画像の入力に対して出力する前記特徴量である対象特徴量との違いを数値化して示す情報である参照情報を出力する参照情報出力ステップと、
を実行する、
創薬研究支援方法。
細胞内容物が撮像された細胞画像であって、基準状態にある細胞の細胞内容物が撮像された細胞画像である基準画像を取得する基準画像取得ステップであって、
前記基準状態にある細胞の核が撮像された前記細胞画像である基準核画像を含む前記基準画像を取得する、
基準画像取得ステップと、
前記基準画像と前記基準状態との組み合わせによりそれぞれ構成される複数の学習データセットを使用して、学習モデルの機械学習を実施する学習処理ステップであって、
前記学習モデルは、符号器と推定器とを含み、
前記符号器は、与えられた前記細胞画像を、前記細胞画像に撮像されている細胞内容物の形態および輝度の少なくとも一方の特徴量へと変換するように構成され、
前記推定器は、前記特徴量の入力を受け付け、入力された前記特徴量に基づいて、前記細胞画像に撮像されている細胞内容物を含む細胞の状態を推定するように構成され、
前記機械学習を実施することは、前記複数の学習データセットの各々について、前記基準画像を前記符号器に与えたときに、前記推定器が前記基準画像に撮像されている細胞内容物を含む細胞は前記基準状態にあると推定するように、前記符号器と前記推定器とを訓練する訓練ステップを含む、
学習処理ステップと、
前記基準状態にあるか否かを推定する対象の細胞の細胞内容物が撮像された前記細胞画像である対象画像であって、前記基準状態にあるか否かを推定する対象の細胞の核が撮像された前記細胞画像である対象核画像を含む、対象画像を取得する対象画像取得ステップと、
前記機械学習の実施後の前記符号器が前記基準画像の入力に対して出力する前記特徴量である基準特徴量と、前記機械学習の実施後の前記符号器が前記対象画像の入力に対して出力する前記特徴量である対象特徴量との違いを数値化して示す情報である参照情報を出力する参照情報出力ステップと、
を実行する、
創薬研究支援方法。
【請求項10】
コンピュータに、
細胞内容物が撮像された細胞画像であって、基準状態にある細胞の細胞内容物が撮像された細胞画像である基準画像を取得する基準画像取得ステップであって、
前記基準状態にある細胞の核が撮像された前記細胞画像である基準核画像を含む前記基準画像を取得する、
基準画像取得ステップと、
前記基準画像と前記基準状態との組み合わせによりそれぞれ構成される複数の学習データセットを使用して、学習モデルの機械学習を実施する学習処理ステップであって、
前記学習モデルは、符号器と推定器とを含み、
前記符号器は、与えられた前記細胞画像を、前記細胞画像に撮像されている細胞内容物の形態および輝度の少なくとも一方の特徴量へと変換するように構成され、
前記推定器は、前記特徴量の入力を受け付け、入力された前記特徴量に基づいて、前記細胞画像に撮像されている細胞内容物を含む細胞の状態を推定するように構成され、
前記機械学習を実施することは、前記複数の学習データセットの各々について、前記基準画像を前記符号器に与えたときに、前記推定器が前記基準画像に撮像されている細胞内容物を含む細胞は前記基準状態にあると推定するように、前記符号器と前記推定器とを訓練する訓練ステップを含む、
学習処理ステップと、
前記基準状態にあるか否かを推定する対象の細胞の細胞内容物が撮像された前記細胞画像である対象画像であって、前記基準状態にあるか否かを推定する対象の細胞の核が撮像された前記細胞画像である対象核画像を含む、対象画像を取得する対象画像取得ステップと、
前記機械学習の実施後の前記符号器が前記基準画像の入力に対して出力する前記特徴量である基準特徴量と、前記機械学習の実施後の前記符号器が前記対象画像の入力に対して出力する前記特徴量である対象特徴量との違いを数値化して示す情報である参照情報を出力する参照情報出力ステップと、
を実行させるための、
創薬研究支援プログラム。
細胞内容物が撮像された細胞画像であって、基準状態にある細胞の細胞内容物が撮像された細胞画像である基準画像を取得する基準画像取得ステップであって、
前記基準状態にある細胞の核が撮像された前記細胞画像である基準核画像を含む前記基準画像を取得する、
基準画像取得ステップと、
前記基準画像と前記基準状態との組み合わせによりそれぞれ構成される複数の学習データセットを使用して、学習モデルの機械学習を実施する学習処理ステップであって、
前記学習モデルは、符号器と推定器とを含み、
前記符号器は、与えられた前記細胞画像を、前記細胞画像に撮像されている細胞内容物の形態および輝度の少なくとも一方の特徴量へと変換するように構成され、
前記推定器は、前記特徴量の入力を受け付け、入力された前記特徴量に基づいて、前記細胞画像に撮像されている細胞内容物を含む細胞の状態を推定するように構成され、
前記機械学習を実施することは、前記複数の学習データセットの各々について、前記基準画像を前記符号器に与えたときに、前記推定器が前記基準画像に撮像されている細胞内容物を含む細胞は前記基準状態にあると推定するように、前記符号器と前記推定器とを訓練する訓練ステップを含む、
学習処理ステップと、
前記基準状態にあるか否かを推定する対象の細胞の細胞内容物が撮像された前記細胞画像である対象画像であって、前記基準状態にあるか否かを推定する対象の細胞の核が撮像された前記細胞画像である対象核画像を含む、対象画像を取得する対象画像取得ステップと、
前記機械学習の実施後の前記符号器が前記基準画像の入力に対して出力する前記特徴量である基準特徴量と、前記機械学習の実施後の前記符号器が前記対象画像の入力に対して出力する前記特徴量である対象特徴量との違いを数値化して示す情報である参照情報を出力する参照情報出力ステップと、
を実行させるための、
創薬研究支援プログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、創薬研究支援装置等に関する。
【背景技術】
【0002】
創薬研究等においては一般に、刺激による細胞の状態の変化を評価する必要があり、従来、細胞を撮像した画像に対する画像解析の結果を利用して、細胞の状態を把握しようとする各種の試みが知られている。例えば、下掲の特許文献１には、以下の新規創薬スクリーニング方法が開示されている。すなわち、先ず、細胞サンプルに候補薬剤が添加された試料を撮影した画像を画像解析して取得する形態情報と、その細胞サンプルに含まれる１細胞を遺伝子解析して取得する分子情報と、両者の相関関係とを、互いに関連付けて格納したデータベースを用意する。そして、特許文献１の新規創薬スクリーニング方法は、スクリーニング対象の細胞サンプルに候補薬剤が添加された試料を撮影した画像を画像解析して取得する形態情報を用いて、前述のデータベースを参照して、前記試料に含まれる細胞の状態を推定する。
【先行技術文献】
【特許文献】
【0003】
【特許文献1】特開２０２１―０９９２３４号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
本件発明者は、上述のような新規創薬スクリーニング方法には、次のような問題点があることを見出した。すなわち、特許文献１の新規創薬スクリーニング方法においては、前述の形態情報と分子情報と両者の相関関係とを、互いに関連付けて格納したデータベースを用意する必要がある。しかしながら、係る分子情報を取得するためには、細胞の遺伝子解析を必要とするとの問題点があることを見出した。
【0005】
本発明は、一側面では、このような事情を鑑みてなされたものであり、その目的は、細胞の遺伝子解析を必要とすることなく、創薬研究を支援可能な情報を出力する創薬研究支援装置等を提供することである。
【課題を解決するための手段】
【0006】
本発明は、上述した課題を解決するために、以下の構成を採用する。
【0007】
第１の観点に係る創薬研究支援装置は、細胞内容物が撮像された細胞画像であって、基準状態にある細胞の細胞内容物が撮像された細胞画像である基準画像を取得する基準画像取得部であって、前記基準状態にある細胞の核が撮像された前記細胞画像である基準核画像を含む前記基準画像を取得する、基準画像取得部と、前記基準画像と前記基準状態との組み合わせによりそれぞれ構成される複数の学習データセットを使用して、学習モデルの機械学習を実施する学習処理部であって、前記学習モデルは、符号器と推定器とを含み、前記符号器は、与えられた前記細胞画像を、前記細胞画像に撮像されている細胞内容物の形態および輝度の少なくとも一方の特徴量へと変換するように構成され、前記推定器は、前記特徴量の入力を受け付け、入力された前記特徴量に基づいて、前記細胞画像に撮像されている細胞内容物を含む細胞の状態を推定するように構成され、前記機械学習を実施することは、前記複数の学習データセットの各々について、前記基準画像を前記符号器に与えたときに、前記推定器が前記基準画像に撮像されている細胞内容物を含む細胞は前記基準状態にあると推定するように、前記符号器と前記推定器とを訓練する訓練ステップを含む、学習処理部と、前記基準状態にあるか否かを推定する対象の細胞の細胞内容物が撮像された前記細胞画像である対象画像であって、前記基準状態にあるか否かを推定する対象の細胞の核が撮像された前記細胞画像である対象核画像を含む、対象画像を取得する対象画像取得部と、前記機械学習の実施後の前記符号器が前記基準画像の入力に対して出力する前記特徴量である基準特徴量と、前記機械学習の実施後の前記符号器が前記対象画像の入力に対して出力する前記特徴量である対象特徴量との違いを数値化して示す情報である参照情報を出力する参照情報出力部と、を備える。
【0008】
当該構成では、前記符号器と前記推定器とは、前記複数の学習データセットの各々について、前記基準画像を前記符号器に与えたときに、前記推定器が前記基準画像に撮像されている細胞内容物を含む細胞は前記基準状態にあると推定するように、訓練される。そして、前記創薬研究支援装置は、前記機械学習の実施後の前記符号器が前記基準画像の入力に対して出力する前記基準特徴量と、前記機械学習の実施後の前記符号器が前記対象画像の入力に対して出力する前記対象特徴量との違いを数値化して示す前記参照情報を出力する。すなわち、前記創薬研究支援装置は、ユーザが前記基準状態にあるか否かを推定する対象の細胞の状態を把握しようとする際に注目すべき指標として、つまり、ユーザによる創薬研究を支援する情報として、前記参照情報を出力する。前記創薬研究支援装置は、例えば、前記参照情報を表示装置等に出力して、前記参照情報をユーザに表示する。
【0009】
しかも、前記創薬研究支援装置は、細胞の遺伝子解析を必要とすることなく、前記学習データセットに対する前記機械学習と、前記対象画像とを利用して、前記参照情報を出力する。
【0010】
そのため、前記創薬研究支援装置は、細胞の遺伝子解析を必要とすることなく、創薬研究を支援可能な情報を出力することができるとの効果を奏する。
【0011】
なお、基準状態とは、例えば、試薬投入前の状態、偽薬で処理した状態であり、基準状態にあるか否かを推定する対象の細胞（対象細胞）は、例えば、試薬投入後の細胞である。前述の細胞内容物とは、細胞内小器官および細胞内分子の少なくとも一方である。細胞内小器官としては、例えば、細胞核（核）、細胞質、核小体、ゴルジ体、および、ミトコンドリアなどを挙げることができる。細胞内分子としては、例えば、細胞核内分子、細胞質内分子、核小体内分子、ゴルジ体内分子、および、ミトコンドリア内分子などが挙げることができる。色素で染色可能な細胞内容物は、係る細胞内容物を撮像した撮像画像から、係る細胞内容物についての、形態、輝度等についての特徴量を抽出することができる。また、顕微鏡等によって観察可能な細胞内容物についても、同様に、特徴量の抽出が可能である。
【0012】
第２の観点に係る創薬研究支援装置は、上記第１の観点に係る創薬研究支援装置において、前記基準画像は、前記基準状態にある細胞の、核以外の細胞内容物が撮像された前記細胞画像である追加基準画像をさらに含み、前記対象画像は、前記基準状態にあるか否かを推定する対象の細胞の、前記追加基準画像に撮像されている細胞内容物が撮像された前記細胞画像である追加対象画像をさらに含んでもよい。
【0013】
当該構成では、前記基準画像は、前記基準核画像に加えて、前記基準状態にある細胞の、核以外の細胞内容物が撮像された前記追加基準画像をさらに含む。また、前記対象画像は、前記対象核画像に加えて、前記基準状態にあるか否かを推定する対象の細胞の、前記追加基準画像に撮像されている細胞内容物が撮像された前記追加対象画像をさらに含む。そのため、前記創薬研究支援装置は、細胞の核についての前記特徴量に加えて、核以外の細胞内容物についての前記特徴量も考慮して、前記機械学習および細胞の状態の推定を実行することができる。
【0014】
第３の観点に係る創薬研究支援装置は、上記第２の観点に係る創薬研究支援装置において、前記追加基準画像は、前記基準状態にある細胞の細胞質または細胞質内分子が撮像された前記細胞画像である基準細胞質画像、前記基準状態にある細胞の核小体または核小体内分子が撮像された前記細胞画像である基準核小体画像、前記基準状態にある細胞のゴルジ体またはゴルジ体内分子が撮像された前記細胞画像である基準ゴルジ体画像、前記基準状態にある細胞のミトコンドリアまたはミトコンドリア内分子が撮像された前記細胞画像である基準ミトコンドリア画像、および、前記基準状態にある細胞の細胞膜または細胞膜に結合する分子が撮像された前記細胞画像である基準細胞膜画像、の少なくとも１つを含み、前記追加対象画像は、前記基準状態にあるか否かを推定する対象の細胞の細胞質または細胞質内分子が撮像された前記細胞画像である対象細胞質画像、前記基準状態にあるか否かを推定する対象の細胞の核小体または核小体内分子が撮像された前記細胞画像である対象核小体画像、前記基準状態にあるか否かを推定する対象の細胞のゴルジ体またはゴルジ体内分子が撮像された前記細胞画像である対象ゴルジ体画像、前記基準状態にあるか否かを推定する対象の細胞のミトコンドリアまたはミトコンドリア内分子が撮像された前記細胞画像である対象ミトコンドリア画像、および、前記基準状態にあるか否かを推定する対象の細胞の細胞膜または細胞膜に結合する分子が撮像された前記細胞画像である対象細胞膜画像、の少なくとも１つを含んでもよい。
【0015】
当該構成では、前記創薬研究支援装置は、細胞の核についての前記特徴量に加えて、細胞質または細胞質内分子、核小体または核小体内分子、ゴルジ体またはゴルジ体内分子、ミトコンドリアまたはミトコンドリア内分子、および、細胞膜または細胞膜に結合する分子の少なくとも１つについての前記特徴量を考慮して、前記機械学習および細胞の状態の推定を実行することができる。
【0016】
第４の観点に係る創薬研究支援装置は、上記第１から第３のいずれかの観点に係る創薬研究支援装置において、前記細胞内容物の形態の特徴量は、前記細胞内容物の面積、前記細胞内容物と同じ面積を有する円の直径、前記細胞内容物の長径、前記細胞内容物の短径、前記細胞内容物の離心率、前記細胞内容物の周囲径の少なくとも１つを含んでもよい。
【0017】
当該構成では、前記創薬研究支援装置は、前記細胞内容物の面積、前記細胞内容物と同じ面積を有する円の直径、前記細胞内容物の長径、前記細胞内容物の短径、前記細胞内容物の離心率、前記細胞内容物の周囲径の少なくとも１つを、前記細胞内容物の形態の特徴量として考慮して、前記機械学習および細胞の状態の推定を実行することができる。
【0018】
第５の観点に係る創薬研究支援装置は、上記第１から第４のいずれかの観点に係る創薬研究支援装置において、前記細胞内容物の輝度の特徴量は、前記細胞内容物の輝度の平均を含んでもよい。当該構成では、前記創薬研究支援装置は、前記細胞内容物の輝度の平均を、前記細胞内容物の輝度の特徴量として考慮して、前記機械学習および細胞の状態の推定を実行することができる。
【0019】
第６の観点に係る創薬研究支援装置は、上記第２から第５のいずれかの観点に係る創薬研究支援装置において、前記参照情報は、前記基準核画像に撮像されている核の輝度の平均についてのヒストグラムと、前記対象核画像に撮像されている核の輝度の平均についてのヒストグラムとの間のズレを数値化して示す情報と、前記追加基準画像の、前記基準核画像において核が撮像されている領域に対応する領域の輝度の平均についてのヒストグラムと、前記追加対象画像の、前記対象核画像において核が撮像されている領域に対応する領域の輝度の平均についてのヒストグラムとの間のズレを数値化して示す情報と、を含んでもよい。
【0020】
当該構成では、前記創薬研究支援装置は、前記参照情報として、前記基準核画像に撮像されている核の輝度の平均についてのヒストグラムと、前記対象核画像に撮像されている核の輝度の平均についてのヒストグラムとの間のズレを数値化して示す情報、および、前記追加基準画像の、前記基準核画像において核が撮像されている領域に対応する領域の輝度の平均についてのヒストグラムと、前記追加対象画像の、前記対象核画像において核が撮像されている領域に対応する領域の輝度の平均についてのヒストグラムとの間のズレを数値化して示す情報を、出力することができる。
【0021】
ここで、基準核画像に撮像されている核の輝度の平均についてのヒストグラムとは、例えば、基準核画像に撮像されている核ごとの平均輝度の分布を示す情報である。また、対象核画像に撮像されている核の輝度の平均についてのヒストグラムとは、例えば、対象核画像に撮像されている核ごとの平均輝度の分布を示す情報である。基準核画像に撮像されている核の輝度の平均についてのヒストグラムと対象核画像に撮像されている核の輝度の平均についてのヒストグラムと間のズレを数値化して示す情報は、例えば、核ごとの平均輝度の分布についてのＫＬダイバージェンスである。
【0022】
同様に、追加基準画像の、基準核画像において核が撮像されている領域に対応する領域の輝度の平均についてのヒストグラムとは、例えば、基準細胞質画像等における、「基準核画像において核が撮像されている領域に対応する領域」ごとの平均輝度の分布を示す情報である。また、追加対象画像の、対象核画像において核が撮像されている領域に対応する領域の輝度の平均についてのヒストグラムとは、例えば、対象細胞質画像等における、「対象核画像において核が撮像されている領域に対応する領域」ごとの平均輝度の分布を示す情報である。追加基準画像の、基準核画像において核が撮像されている領域に対応する領域の輝度の平均についてのヒストグラムと、追加対象画像の、対象核画像において核が撮像されている領域に対応する領域の輝度の平均についてのヒストグラムとの間のズレを数値化して示す情報は、例えば、「基準核画像において核が撮像されている領域に対応する領域」ごとの平均輝度の分布についてのＫＬダイバージェンスである。
【0023】
第７の観点に係る創薬研究支援装置は、上記第１から第６のいずれかの観点に係る創薬研究支援装置において、前記参照情報は、前記基準画像に撮像されている細胞内容物を含む細胞ごとの前記基準特徴量の分布である基準特徴量分布と、前記対象画像に撮像されている細胞内容物を含む細胞ごとの前記対象特徴量の分布である対象特徴量分布とのＫＬダイバージェンス（Kullback-Leibler divergence）であってもよい。当該構成では、前記創薬研究支援装置は、前記参照情報として、前記基準特徴量分布と前記対象特徴量分布とのＫＬダイバージェンスを出力することができる。
【0024】
第８の観点に係る創薬研究支援装置は、上記第１から第７のいずれかの観点に係る創薬研究支援装置において、前記機械学習の実施後の前記学習モデルに前記対象画像を入力して、前記対象画像に撮像されている細胞内容物を含む細胞が前記基準状態にあるか否かを推定する推定部をさらに備えてもよい。当該構成では、前記創薬研究支援装置は、前記機械学習の実施後の前記学習モデルに前記対象画像を入力して、前記対象画像に撮像されている細胞内容物を含む細胞が前記基準状態にあるか否かを推定することができる。特に、前記創薬研究支援装置は、細胞の遺伝子解析を必要とすることなく、前記対象画像に撮像されている細胞内容物を含む細胞が前記基準状態にあるか否かを推定することができる。
【0025】
上記各観点に係る創薬研究支援装置の別の態様として、本発明の一側面は、以上の各構成の全部またはその一部を実現する情報処理方法であってもよいし、プログラムであってもよいし、このようなプログラムを記憶した、コンピュータその他装置、機械等が読み取り可能な記憶媒体であってもよい。ここで、コンピュータ等が読み取り可能な記憶媒体とは、プログラム等の情報を、電気的、磁気的、光学的、機械的、または、化学的作用によって蓄積する媒体である。また、本発明の一側面は、上記いずれかの形態に係るモデル生成装置および推定装置により構成される推定システムであってもよい。
【0026】
例えば、本発明の一側面に係る創薬研究支援方法は、コンピュータが、細胞内容物が撮像された細胞画像であって、基準状態にある細胞の細胞内容物が撮像された細胞画像である基準画像を取得する基準画像取得ステップであって、前記基準状態にある細胞の核が撮像された前記細胞画像である基準核画像を含む前記基準画像を取得する、基準画像取得ステップと、前記基準画像と前記基準状態との組み合わせによりそれぞれ構成される複数の学習データセットを使用して、学習モデルの機械学習を実施する学習処理ステップであって、前記学習モデルは、符号器と推定器とを含み、前記符号器は、与えられた前記細胞画像を、前記細胞画像に撮像されている細胞内容物の形態および輝度の少なくとも一方の特徴量へと変換するように構成され、前記推定器は、前記特徴量の入力を受け付け、入力された前記特徴量に基づいて、前記細胞画像に撮像されている細胞内容物を含む細胞の状態を推定するように構成され、前記機械学習を実施することは、前記複数の学習データセットの各々について、前記基準画像を前記符号器に与えたときに、前記推定器が前記基準画像に撮像されている細胞内容物を含む細胞は前記基準状態にあると推定するように、前記符号器と前記推定器とを訓練する訓練ステップを含む、学習処理ステップと、前記基準状態にあるか否かを推定する対象の細胞の細胞内容物が撮像された前記細胞画像である対象画像であって、前記基準状態にあるか否かを推定する対象の細胞の核が撮像された前記細胞画像である対象核画像を含む、対象画像を取得する対象画像取得ステップと、前記機械学習の実施後の前記符号器が前記基準画像の入力に対して出力する前記特徴量である基準特徴量と、前記機械学習の実施後の前記符号器が前記対象画像の入力に対して出力する前記特徴量である対象特徴量との違いを数値化して示す情報である参照情報を出力する参照情報出力ステップと、を実行する。
【0027】
また、例えば、本発明の一側面に係る創薬研究支援プログラムは、コンピュータに、細胞内容物が撮像された細胞画像であって、基準状態にある細胞の細胞内容物が撮像された細胞画像である基準画像を取得する基準画像取得ステップであって、前記基準状態にある細胞の核が撮像された前記細胞画像である基準核画像を含む前記基準画像を取得する、基準画像取得ステップと、前記基準画像と前記基準状態との組み合わせによりそれぞれ構成される複数の学習データセットを使用して、学習モデルの機械学習を実施する学習処理ステップであって、前記学習モデルは、符号器と推定器とを含み、前記符号器は、与えられた前記細胞画像を、前記細胞画像に撮像されている細胞内容物の形態および輝度の少なくとも一方の特徴量へと変換するように構成され、前記推定器は、前記特徴量の入力を受け付け、入力された前記特徴量に基づいて、前記細胞画像に撮像されている細胞内容物を含む細胞の状態を推定するように構成され、前記機械学習を実施することは、前記複数の学習データセットの各々について、前記基準画像を前記符号器に与えたときに、前記推定器が前記基準画像に撮像されている細胞内容物を含む細胞は前記基準状態にあると推定するように、前記符号器と前記推定器とを訓練する訓練ステップを含む、学習処理ステップと、前記基準状態にあるか否かを推定する対象の細胞の細胞内容物が撮像された前記細胞画像である対象画像であって、前記基準状態にあるか否かを推定する対象の細胞の核が撮像された前記細胞画像である対象核画像を含む、対象画像を取得する対象画像取得ステップと、前記機械学習の実施後の前記符号器が前記基準画像の入力に対して出力する前記特徴量である基準特徴量と、前記機械学習の実施後の前記符号器が前記対象画像の入力に対して出力する前記特徴量である対象特徴量との違いを数値化して示す情報である参照情報を出力する参照情報出力ステップと、を実行させる。
【発明の効果】
【0028】
本発明によれば、細胞の遺伝子解析を必要とすることなく、創薬研究を支援可能な情報を出力する創薬研究支援装置等を提供することができる。
【図面の簡単な説明】
【0029】
【発明を実施するための形態】
【0030】
以下、本発明の一側面に係る実施の形態（以下、「本実施形態」とも表記する）を、図面に基づいて説明する。ただし、以下で説明する本実施形態は、あらゆる点において本発明の例示に過ぎない。本発明の範囲を逸脱することなく種々の改良や変形を行うことができることは言うまでもない。つまり、本発明の実施にあたって、実施形態に応じた具体的構成が適宜採用されてもよい。なお、本実施形態において登場するデータを自然言語により説明しているが、より具体的には、コンピュータが認識可能な疑似言語、コマンド、パラメータ、マシン語等で指定される。
【0031】
§１ 適用例
本件発明者らは、創薬研究等において必要とされる細胞の状態の評価を行なうに際して注目すべき情報を、細胞の遺伝子解析を必要とすることなく、研究者等に提供可能な創薬研究支援装置として、以下に詳細を説明する研究支援装置１を実現した。研究支援装置１は、細胞の細胞内容物が撮像された細胞画像ＣＩに対する画像解析により、細胞の状態を推定すると共に、研究者等が細胞の状態を評価する際に注目すべき指標として、後述する参照情報Ｒｉを出力する。しかも、研究支援装置１は、細胞の遺伝子解析を必要とすることなく、細胞の状態を推定すると共に、細胞の状態を評価する際に注目すべき情報として参照情報Ｒｉを出力する。
本件発明者らは、創薬研究等において必要とされる細胞の状態の評価を行なうに際して注目すべき情報を、細胞の遺伝子解析を必要とすることなく、研究者等に提供可能な創薬研究支援装置として、以下に詳細を説明する研究支援装置１を実現した。研究支援装置１は、細胞の細胞内容物が撮像された細胞画像ＣＩに対する画像解析により、細胞の状態を推定すると共に、研究者等が細胞の状態を評価する際に注目すべき指標として、後述する参照情報Ｒｉを出力する。しかも、研究支援装置１は、細胞の遺伝子解析を必要とすることなく、細胞の状態を推定すると共に、細胞の状態を評価する際に注目すべき情報として参照情報Ｒｉを出力する。
【0032】
ここで、細胞の細胞内容物とは、細胞の細胞内小器官および細胞内分子の少なくとも一方である。細胞内小器官としては、例えば、細胞核（核）、細胞質、核小体、ゴルジ体、ミトコンドリア、および、細胞膜などを挙げることができる。細胞内分子としては、例えば、細胞核内分子、細胞質内分子、核小体内分子、ゴルジ体内分子、ミトコンドリア内分子、および、細胞膜に結合する分子などが挙げることができる。色素で染色可能な細胞内容物は、係る細胞内容物を撮像した撮像画像（細胞画像ＣＩなど）から、係る細胞内容物についての、形態、輝度等についての特徴量Ｆｃを抽出することができる。また、顕微鏡等によって観察可能な細胞内容物についても、同様に、特徴量Ｆｃの抽出が可能である。本実施形態において細胞内容物の特徴量Ｆｃは、細胞画像ＣＩに撮像されている細胞内容物の形態の特徴量Ｆｃである「形態特徴量Ｆｃｆ」と、係る細胞内容物の輝度の特徴量Ｆｃである「輝度特徴量Ｆｃｌ」との少なくとも一方を含む。「形態特徴量Ｆｃｆ」と「輝度特徴量Ｆｃｌ」とを区別せずに両者を総称する場合に「特徴量Ｆｃ」との語を用いることがある。
【0033】
細胞画像ＣＩは、細胞の細胞内容物が撮像された画像であり、例えば、１つ以上の細胞を含む標本ＳＰを、各細胞の細胞内容物に対応する周波数で、具体的には、各細胞の細胞内容物に対応する色素の周波数で、撮像することにより得られる。本実施形態において細胞画像ＣＩは、複数の細胞を含む標本ＳＰを、各細胞の細胞内容物に対応する周波数で撮像することにより得られる撮像画像である。
【0034】
細胞画像ＣＩとしては、例えば、標本ＳＰ中の各細胞の細胞核（核）または細胞核内分子が撮像された核画像ＣＩ（１）、標本ＳＰ中の各細胞の細胞質または細胞質内分子が撮像された細胞質画像ＣＩ（２）、標本ＳＰ中の各細胞の核小体または核小体内分子が撮像された核小体画像ＣＩ（３）、標本ＳＰ中の各細胞のゴルジ体またはゴルジ体内分子が撮像されたゴルジ体画像ＣＩ（４）、標本ＳＰ中の各細胞のミトコンドリアまたはミトコンドリア内分子が撮像されたミトコンドリア画像ＣＩ（５）、標本ＳＰ中の各細胞の細胞膜または細胞膜に結合する分子が撮像された細胞膜画像ＣＩ（６）などを挙げることができる。以下の説明において、細胞質画像ＣＩ（２）は標本ＳＰ中の各細胞の細胞質が撮像された細胞画像ＣＩであり、核小体画像ＣＩ（３）は標本ＳＰ中の各細胞の核小体が撮像された細胞画像ＣＩであるものとする。同様に、ゴルジ体画像ＣＩ（４）は標本ＳＰ中の各細胞のゴルジ体が撮像された細胞画像ＣＩであり、ミトコンドリア画像ＣＩ（５）は、標本ＳＰ中の各細胞のミトコンドリアが撮像された細胞画像ＣＩであるものとする。また、細胞膜画像ＣＩ（６）は、標本ＳＰ中の各細胞の細胞膜が撮像された細胞画像ＣＩである。
【0035】
核画像ＣＩ（１）は、標本ＳＰを核に対応する周波数ｗ１で撮像した細胞画像ＣＩであり、細胞質画像ＣＩ（２）は、標本ＳＰを細胞質に対応する周波数ｗ２で撮像した細胞画像ＣＩである。同様に、核小体画像ＣＩ（３）、ゴルジ体画像ＣＩ（４）、ミトコンドリア画像ＣＩ（５）、および、細胞膜画像ＣＩ（６）は、各々、標本ＳＰを、核小体に対応する周波数ｗ３、ゴルジ体に対応する周波数ｗ４、ミトコンドリアに対応する周波数ｗ５、細胞膜に対応する周波数ｗ６で撮像した細胞画像ＣＩである。
【0036】
（全体概要）
研究支援装置１は、準備処理と適用処理とを行なう。準備処理は、複数の学習データセット１２２を使用して学習モデル４（符号器４１および推定器４２）の機械学習を実施する処理（機械学習処理）と、基準特徴量Ｆｃ＿ｓ（基準特徴量データ１２４）を生成する処理（基準特徴量生成処理）とを含む。適用処理は、対象特徴量生成処理と推定処理とを含む。対象特徴量生成処理において研究支援装置１は、訓練済みの符号器４１に対象細胞画像５を与えることによって、対象特徴量Ｆｃ＿ｏ（対象特徴量データ２２４）を出力させる。推定処理において研究支援装置１は、訓練済みの学習モデル４に対象細胞画像５を与えることによって、対象細胞Ｃｅ＿ｏが基準状態Ｓ＿ｓにあるか否かを推定する。以下、各処理の概要を説明する。
研究支援装置１は、準備処理と適用処理とを行なう。準備処理は、複数の学習データセット１２２を使用して学習モデル４（符号器４１および推定器４２）の機械学習を実施する処理（機械学習処理）と、基準特徴量Ｆｃ＿ｓ（基準特徴量データ１２４）を生成する処理（基準特徴量生成処理）とを含む。適用処理は、対象特徴量生成処理と推定処理とを含む。対象特徴量生成処理において研究支援装置１は、訓練済みの符号器４１に対象細胞画像５を与えることによって、対象特徴量Ｆｃ＿ｏ（対象特徴量データ２２４）を出力させる。推定処理において研究支援装置１は、訓練済みの学習モデル４に対象細胞画像５を与えることによって、対象細胞Ｃｅ＿ｏが基準状態Ｓ＿ｓにあるか否かを推定する。以下、各処理の概要を説明する。
【0037】
（機械学習処理）
研究支援装置１は、基準状態Ｓ＿ｓにある細胞（基準細胞Ｃｅ＿ｓ）の細胞内容物が撮像された細胞画像ＣＩである基準細胞画像２を取得する。基準状態Ｓ＿ｓは、正常状態とも称され、例えば、試薬投入前の状態であってもよいし、偽薬で処理した状態であってもよいし、または、試薬投入後の状態であってもよい。例えば、研究支援装置１は、基準状態Ｓ＿ｓにある（例えば、試薬を投入する前の）標本ＳＰである基準標本ＳＰ＿ｓを撮像した基準細胞画像２を取得する。基準標本ＳＰ＿ｓは、基準細胞Ｃｅ＿ｓを１つ以上の細胞を含んでおり、本実施形態において基準標本ＳＰ＿ｓは、複数の基準細胞Ｃｅ＿ｓを含む。
研究支援装置１は、基準状態Ｓ＿ｓにある細胞（基準細胞Ｃｅ＿ｓ）の細胞内容物が撮像された細胞画像ＣＩである基準細胞画像２を取得する。基準状態Ｓ＿ｓは、正常状態とも称され、例えば、試薬投入前の状態であってもよいし、偽薬で処理した状態であってもよいし、または、試薬投入後の状態であってもよい。例えば、研究支援装置１は、基準状態Ｓ＿ｓにある（例えば、試薬を投入する前の）標本ＳＰである基準標本ＳＰ＿ｓを撮像した基準細胞画像２を取得する。基準標本ＳＰ＿ｓは、基準細胞Ｃｅ＿ｓを１つ以上の細胞を含んでおり、本実施形態において基準標本ＳＰ＿ｓは、複数の基準細胞Ｃｅ＿ｓを含む。
【0038】
本実施形態では、研究支援装置１は、基準細胞画像２として、基準標本ＳＰ＿ｓを周波数ｗ１で撮像した細胞画像ＣＩである基準核画像２（１）、基準標本ＳＰ＿ｓを周波数ｗ２で撮像した細胞画像ＣＩである基準細胞質画像２（２）、基準標本ＳＰ＿ｓを周波数ｗ３で撮像した細胞画像ＣＩである基準核小体画像２（３）、基準標本ＳＰ＿ｓを周波数ｗ４で撮像した細胞画像ＣＩである基準ゴルジ体画像２（４）、基準標本ＳＰ＿ｓを周波数ｗ５で撮像した細胞画像ＣＩである基準ミトコンドリア画像２（５）を取得する。さらに、研究支援装置１は、基準細胞画像２として、基準標本ＳＰ＿ｓを周波数ｗ６で撮像した細胞画像ＣＩである基準細胞膜画像２（６）を取得してもよい。基準核画像２（１）、基準細胞質画像２（２）、基準核小体画像２（３）、基準ゴルジ体画像２（４）、基準ミトコンドリア画像２（５）、および、基準細胞膜画像２（６）は、各々、基準標本ＳＰ＿ｓについての、核画像ＣＩ（１）、細胞質画像ＣＩ（２）、核小体画像ＣＩ（３）、ゴルジ体画像ＣＩ（４）、ミトコンドリア画像ＣＩ（５）、および、細胞膜画像ＣＩ（６）である。
【0039】
研究支援装置１は、それぞれ、基準細胞画像２に対して、推定タスクの正解として「基準状態Ｓ＿ｓ」が対応付けられた、複数の学習データセット１２２を使用して、学習モデル４の機械学習を実施する。学習モデル４は、与えられた細胞画像ＣＩを、細胞画像ＣＩに撮像されている細胞内容物の特徴量Ｆｃに変換する符号器４１と、特徴量Ｆｃに基づいて、細胞画像ＣＩに撮像されている細胞内容物を含む細胞の状態を推定する推定器４２と、を含む。学習モデル４（つまり、符号器４１および推定器４２）は、機械学習において、基準細胞画像２を符号器４１に与えたときに、推定器４２が「基準細胞画像２に撮像されている細胞内容物を含む細胞は基準状態Ｓ＿ｓにある」と推定するように訓練される。
【0040】
（基準特徴量生成処理）
また、研究支援装置１は、上述の機械学習を実施することにより生成される訓練済みの符号器４１に基準細胞画像２を与えて、基準細胞画像２に撮像されている細胞内容物の特徴量Ｆｃである基準特徴量Ｆｃ＿ｓへと変換させ、つまり、基準特徴量データ１２４を出力させる。
また、研究支援装置１は、上述の機械学習を実施することにより生成される訓練済みの符号器４１に基準細胞画像２を与えて、基準細胞画像２に撮像されている細胞内容物の特徴量Ｆｃである基準特徴量Ｆｃ＿ｓへと変換させ、つまり、基準特徴量データ１２４を出力させる。
【0041】
（対象特徴量生成処理および推定処理）
研究支援装置１は、基準状態Ｓ＿ｓ（例えば、正常状態）にあるか否かを推定する対象の細胞（対象細胞Ｃｅ＿ｏ）の細胞内容物が撮像された細胞画像ＣＩである対象細胞画像５を取得する。対象細胞Ｃｅ＿ｏは、例えば、試薬を投入した後の細胞である。本実施形態において研究支援装置１は、対象細胞Ｃｅ＿ｏを１つ以上含む標本ＳＰである対象標本ＳＰ＿ｏを撮像した対象細胞画像５を取得する。対象標本ＳＰ＿ｏは、対象細胞Ｃｅ＿ｏを１つ以上の細胞を含んでおり、本実施形態において対象標本ＳＰ＿ｏは、複数の対象細胞Ｃｅ＿ｏを含んでいる。
研究支援装置１は、基準状態Ｓ＿ｓ（例えば、正常状態）にあるか否かを推定する対象の細胞（対象細胞Ｃｅ＿ｏ）の細胞内容物が撮像された細胞画像ＣＩである対象細胞画像５を取得する。対象細胞Ｃｅ＿ｏは、例えば、試薬を投入した後の細胞である。本実施形態において研究支援装置１は、対象細胞Ｃｅ＿ｏを１つ以上含む標本ＳＰである対象標本ＳＰ＿ｏを撮像した対象細胞画像５を取得する。対象標本ＳＰ＿ｏは、対象細胞Ｃｅ＿ｏを１つ以上の細胞を含んでおり、本実施形態において対象標本ＳＰ＿ｏは、複数の対象細胞Ｃｅ＿ｏを含んでいる。
【0042】
本実施形態では、研究支援装置１は、対象細胞画像５として、対象標本ＳＰ＿ｏを周波数ｗ１で撮像した細胞画像ＣＩである対象核画像５（１）、対象標本ＳＰ＿ｏを周波数ｗ２で撮像した細胞画像ＣＩである対象細胞質画像５（２）、対象標本ＳＰ＿ｏを周波数ｗ３で撮像した細胞画像ＣＩである対象核小体画像５（３）、対象標本ＳＰ＿ｏを周波数ｗ４で撮像した細胞画像ＣＩである対象ゴルジ体画像５（４）、対象標本ＳＰ＿ｏを周波数ｗ５で撮像した細胞画像ＣＩである対象ミトコンドリア画像５（５）を取得する。さらに、研究支援装置１は、対象細胞画像５として、対象標本ＳＰ＿ｏを周波数ｗ６で撮像した細胞画像ＣＩである対象細胞膜画像５（６）を取得してもよい。対象核画像５（１）、対象細胞質画像５（２）、対象核小体画像５（３）、対象ゴルジ体画像５（４）、対象ミトコンドリア画像５（５）、および、対象細胞膜画像５（６）は、各々、対象標本ＳＰ＿ｏについての、核画像ＣＩ（１）、細胞質画像ＣＩ（２）、核小体画像ＣＩ（３）、ゴルジ体画像ＣＩ（４）、ミトコンドリア画像ＣＩ（５）、および、細胞膜画像ＣＩ（６）である。
【0043】
基準細胞Ｃｅ＿ｓと対象細胞Ｃｅ＿ｏとは、同じ日に播種され、実験当日まで同一条件で培養された、同一種の細胞（比較したい条件（例えば、試薬投入の有無など）以外が同一の条件のもの）であることが望ましい。ただし、基準細胞Ｃｅ＿ｓと対象細胞Ｃｅ＿ｏとの関係はこれに限られるものではない。例えば、培養条件を比較したい場合には、基準細胞Ｃｅ＿ｓは摂氏３７度で培養し、対象細胞Ｃｅ＿ｏは摂氏３５度で培養してもよい。
【0044】
研究支援装置１は、取得した対象細胞画像５を、上述の機械学習を実施することにより生成される訓練済みの学習モデル４に入力することにより、対象細胞の状態を推定すると共に、対象細胞の状態を評価する際に注目すべき情報として参照情報Ｒｉを出力する。
【0045】
すなわち、研究支援装置１は、対象細胞画像５を訓練済みの符号器４１に与えて、対象細胞画像５に撮像されている細胞内容物の特徴量Ｆｃである対象特徴量Ｆｃ＿ｏへと変換させ、つまり、対象特徴量データ２２４を出力させる（対象特徴量生成処理）。研究支援装置１は、基準特徴量データ１２４（基準特徴量Ｆｃ＿ｓ）と対象特徴量データ２２４（対象特徴量Ｆｃ＿ｏ）とを比較し、両者の違いを数値化して示す情報である参照情報Ｒｉを出力する。また、研究支援装置１は、対象細胞画像５を訓練済みの学習モデル４（つまり、符号器４１および推定器４２）に与えて、対象細胞の状態を推定し、推定結果を出力する（推定処理）。
【0046】
研究支援装置１が画像解析（機械学習処理、参照情報Ｒｉの出力処理、推定処理など）の対象とする細胞画像ＣＩは、少なくとも核画像ＣＩ（１）を含んでいればよい。研究支援装置１にとって、画像解析の対象として、細胞質画像ＣＩ（２）、核小体画像ＣＩ（３）、ゴルジ体画像ＣＩ（４）、ミトコンドリア画像ＣＩ（５）、および、細胞膜画像ＣＩ（６）を取得することは、必須ではない。研究支援装置１は、核画像ＣＩ（１）のみを取得してもよいし、核画像ＣＩ（１）に加えて、細胞質画像ＣＩ（２）、核小体画像ＣＩ（３）、ゴルジ体画像ＣＩ（４）、ミトコンドリア画像ＣＩ（５）、および、細胞膜画像ＣＩ（６）の少なくとも１つを取得してもよい。また、研究支援装置１は、核画像ＣＩ（１）に加えて、細胞質画像ＣＩ（２）、核小体画像ＣＩ（３）、ゴルジ体画像ＣＩ（４）、ミトコンドリア画像ＣＩ（５）、および、細胞膜画像ＣＩ（６）の何れとも異なる、別の細胞内容物が撮像された細胞画像ＣＩを取得してもよい。以下では、核画像ＣＩ（１）（具体的には、基準核画像２（１）および対象核画像５（１））を「必須細胞画像ＣＩ＿ｍｄ」と称することがある。また、核画像ＣＩ（１）以外の細胞画像ＣＩを、「追加細胞画像ＣＩ＿ｏｐ」と称することがある。
【0047】
すなわち、学習データセット１２２に含まれる基準細胞画像２としては、基準核画像２（１）が必須であり、基準細胞画像２に、核以外の基準細胞Ｃｅ＿ｓの細胞内容物が撮像された細胞画像ＣＩを含めるか否かは任意である。例えば、基準細胞画像２に、基準細胞質画像２（２）、基準核小体画像２（３）、基準ゴルジ体画像２（４）、基準ミトコンドリア画像２（５）、および、基準細胞膜画像２（６）などを含めるか否かは任意である。以下では、基準細胞質画像２（２）、基準核小体画像２（３）、基準ゴルジ体画像２（４）、基準ミトコンドリア画像２（５）、および、基準細胞膜画像２（６）などの、核以外の基準細胞Ｃｅ＿ｓの細胞内容物が撮像された細胞画像ＣＩを、「追加基準画像２（ｘ）」（ｘは、「２」以上の整数）と称する。
【0048】
同様に、対象細胞画像５としては、対象核画像５（１）が必須であり、対象細胞画像５に、核以外の対象細胞Ｃｅ＿ｏの細胞内容物が撮像された細胞画像ＣＩを含めるか否かは任意である。例えば、対象細胞画像５に、対象細胞質画像５（２）、対象核小体画像５（３）、対象ゴルジ体画像５（４）、対象ミトコンドリア画像５（５）、および、対象細胞膜画像５（６）などを含めるか否かは任意である。以下では、対象細胞質画像５（２）、対象核小体画像５（３）、対象ゴルジ体画像５（４）、対象ミトコンドリア画像５（５）、および、対象細胞膜画像５（６）などの、核以外の対象細胞Ｃｅ＿ｏの細胞内容物が撮像された細胞画像ＣＩを、「追加対象画像５（ｘ）」と称する。
【0049】
なお、基準細胞画像２に含まれる追加基準画像２（ｘ）に撮像されている細胞内容物と、対象細胞画像５に含まれる追加対象画像５（ｘ）に撮像されている細胞内容物とは、一致させる必要がある。例えば、基準細胞画像２に基準細胞質画像２（２）が含まれる場合、対象細胞画像５は対象細胞質画像５（２）を含んでいる必要がある。同様に、基準細胞画像２に基準核小体画像２（３）が含まれる場合、対象細胞画像５は対象核小体画像５（３）を含んでいる必要がある。基準細胞画像２に基準ゴルジ体画像２（４）が含まれる場合、対象細胞画像５は対象ゴルジ体画像５（４）を含んでいる必要がある。基準細胞画像２に基準ミトコンドリア画像２（５）が含まれる場合、対象細胞画像５は対象ミトコンドリア画像５（５）を含んでいる必要がある。基準細胞画像２に基準細胞膜画像２（６）が含まれる場合、対象細胞画像５は対象細胞膜画像５（６）を含んでいる必要がある。
【0050】
核画像ＣＩ（１）（つまり、基準核画像２（１）および対象核画像５（１））は、標本ＳＰ（つまり、基準標本ＳＰ＿ｓおよび対象標本ＳＰ＿ｏ）に含まれる１つ以上の細胞の各々の核の特徴量Ｆｃ（１）を算出するために用いられる。また、核画像ＣＩ（１）は、標本ＳＰに含まれる１つ以上の細胞の各々の核を個別に認識するためにも用いられる。画像解析の対象とする細胞画像ＣＩに細胞質画像ＣＩ（２）が含まれる場合（つまり、基準細胞画像２に基準細胞質画像２（２）が含まれ、かつ、対象細胞画像５に対象細胞質画像５（２）が含まれる場合）、標本ＳＰに含まれる１つ以上の細胞の各々の細胞質も個別に認識される。標本ＳＰに含まれる１つ以上の細胞の各々の細胞質を個別に認識するためには、標本ＳＰに含まれる１つ以上の細胞の各々の核を個別に認識する必要がある（それぞれの細胞に核が１つしか含まれないことが前提である）。
【0051】
追加細胞画像ＣＩ＿ｏｐ（つまり、追加基準画像２（ｘ）および追加対象画像５（ｘ））は、撮像されている「標本ＳＰ（つまり、基準標本ＳＰ＿ｓおよび対象標本ＳＰ＿ｏ）に含まれる各細胞の細胞内容物」の特徴量Ｆｃ（ｘ）を算出するために用いられる。核画像ＣＩ（１）（つまり、基準核画像２（１）および対象核画像５（１））のみを画像解析の対象とする場合、標本ＳＰ（つまり、基準標本ＳＰ＿ｓおよび対象標本ＳＰ＿ｏ）に含まれる各細胞の核の特徴量Ｆｃ（１）を利用することになる。核画像ＣＩ（１）に加えて、核画像ＣＩ（１）以外の細胞画像ＣＩも画像解析の対象とすることで、各細胞の「核以外の細胞内容物」の特徴量Ｆｃ（ｘ）を利用して、標本ＳＰ（つまり、基準標本ＳＰ＿ｓおよび対象標本ＳＰ＿ｏ）に含まれる各細胞の状態を把握できるようになる。
【0052】
これまでに説明してきた通り、研究支援装置１は、基準細胞画像２と基準状態Ｓ＿ｓとの組み合わせによりそれぞれ構成される複数の学習データセット１２２に対する機械学習により、学習モデル４を訓練する。そして、研究支援装置１は、対象細胞画像５を、訓練済みの学習モデル４に入力することにより、対象細胞の状態を推定すると共に、対象細胞の状態を評価する際に注目すべき情報として参照情報Ｒｉを出力する。そのため、研究支援装置１は、細胞の遺伝子解析を必要とすることなく、対象細胞の状態を推定すると共に、対象細胞の状態を評価する際に注目すべき情報として参照情報Ｒｉを出力することができる。以上に概要を説明してきた研究支援装置１について、以下に図１から図９を参照しながら、その詳細を説明していく。
【0053】
§２ 構成例
［ハードウェア構成］
図１は、本実施形態に係る研究支援装置１のハードウェア構成の一例を模式的に例示する。図１に示されるとおり、本実施形態に係る研究支援装置１は、制御部１１、記憶部１２、通信インタフェース１３、外部インタフェース１４、入力装置１５、出力装置１６、およびドライブ１７が電気的に接続されたコンピュータである。なお、図１では、通信インタフェースおよび外部インタフェースを「通信Ｉ／Ｆ」および「外部Ｉ／Ｆ」と記載している。
［ハードウェア構成］
図１は、本実施形態に係る研究支援装置１のハードウェア構成の一例を模式的に例示する。図１に示されるとおり、本実施形態に係る研究支援装置１は、制御部１１、記憶部１２、通信インタフェース１３、外部インタフェース１４、入力装置１５、出力装置１６、およびドライブ１７が電気的に接続されたコンピュータである。なお、図１では、通信インタフェースおよび外部インタフェースを「通信Ｉ／Ｆ」および「外部Ｉ／Ｆ」と記載している。
【0054】
制御部１１は、ハードウェアプロセッサであるＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等を含み、プログラムおよび各種データに基づいて情報処理を実行するように構成される。ＣＰＵは、プロセッサ・リソースの一例である。プロセッサ・リソースとして、ＣＰＵに代えて、または、ＣＰＵと共に、ＧＰＵ（Graphics Processing Unit）を利用してもよい。記憶部１２は、メモリ・リソース（ストレージ・リソース）の一例であり、例えば、ハードディスクドライブ、ソリッドステートドライブ等で構成される。本実施形態では、記憶部１２は、創薬研究支援プログラム１２１、複数の学習データセット１２２、学習結果データ１２３、基準特徴量データ１２４等の各種情報を記憶する。
【0055】
創薬研究支援プログラム１２１は、学習モデル４の機械学習処理、および、機械学習済みの学習モデル４を用いた推定処理等に関する後述の情報処理（図５および図６）を研究支援装置１に実行させるためのプログラムである。創薬研究支援プログラム１２１は、当該情報処理の一連の命令を含む。複数の学習データセット１２２は、学習モデル４の機械学習に使用される。各学習データセット１２２は、基準細胞画像２と基準状態Ｓ＿ｓとの組み合わせにより構成される。学習結果データ１２３は、機械学習の結果を示すデータであり、本実施形態では、機械学習により生成された訓練済みの符号器４１および推定器４２に関する情報を示す。基準特徴量データ１２４は、機械学習により生成された訓練済みの符号器４１が、基準細胞画像２の入力に対して出力する、基準細胞画像２に撮像されている細胞内容物の特徴量Ｆｃである基準特徴量Ｆｃ＿ｓを示すデータである。本実施形態では、学習結果データ１２３および基準特徴量データ１２４は、各々、創薬研究支援プログラム１２１を実行した結果として生成される。
【0056】
通信インタフェース１３は、例えば、有線ＬＡＮ（Local Area Network）モジュール、無線ＬＡＮモジュール等であり、ネットワークを介した有線または無線通信を行うためのインタフェースである。研究支援装置１は、この通信インタフェース１３を利用して、他の情報処理装置との間で、ネットワークを介したデータ通信を実行してもよい。外部インタフェース１４は、例えば、ＵＳＢ（Universal Serial Bus）ポート、専用ポート等であり、外部装置と接続するためのインタフェースである。外部インタフェース１４の種類および数は、接続される外部装置の種類および数に応じて適宜選択されてよい。基準細胞画像２、対象細胞画像５等のデータを撮像装置、データベースから取得する場合、研究支援装置１は、通信インタフェース１３および外部インタフェース１４の少なくとも一方を介して、対象の撮像装置、データベースに接続されてよい。
【0057】
入力装置１５は、例えば、マウス、キーボード等の入力を行うための装置である。また、出力装置１６は、例えば、ディスプレイ、スピーカ等の出力を行うための装置である。ユーザ等のオペレータは、入力装置１５および出力装置１６を利用することで、研究支援装置１を操作することができる。
【0058】
ドライブ１７は、例えば、ＣＤドライブ、ＤＶＤドライブ等であり、記憶媒体９１に記憶されたプログラム等の各種情報を読み込むためのドライブ装置である。記憶媒体９１は、コンピュータその他装置、機械等が、記憶されたプログラム等の各種情報を読み取り可能なように、当該プログラム等の情報を、電気的、磁気的、光学的、機械的または化学的作用によって蓄積する媒体である。上記創薬研究支援プログラム１２１、基準細胞画像２、対象細胞画像５の少なくともいずれかは、記憶媒体９１に記憶されていてもよい。研究支援装置１は、この記憶媒体９１から、上記創薬研究支援プログラム１２１、基準細胞画像２、対象細胞画像５の少なくともいずれかを取得してもよい。なお、図１では、記憶媒体９１の一例として、ＣＤ、ＤＶＤ等のディスク型の記憶媒体を例示している。しかしながら、記憶媒体９１の種類は、ディスク型に限られなくてもよく、ディスク型以外であってもよい。ディスク型以外の記憶媒体として、例えば、フラッシュメモリ等の半導体メモリを挙げることができる。ドライブ１７の種類は、記憶媒体９１の種類に応じて任意に選択されてよい。
【0059】
なお、研究支援装置１の具体的なハードウェア構成に関して、実施形態に応じて、適宜、構成要素の省略、置換および追加が可能である。例えば、プロセッサ・リソースは、複数のハードウェアプロセッサを含んでもよい。ハードウェアプロセッサは、マイクロプロセッサ、ＦＰＧＡ（field-programmable gate array）、ＤＳＰ（digital signal processor）等で構成されてよい。記憶部１２は、制御部１１に含まれるＲＡＭおよびＲＯＭにより構成されてもよい。通信インタフェース１３、外部インタフェース１４、入力装置１５、出力装置１６およびドライブ１７の少なくともいずれかは省略されてもよい。研究支援装置１は、複数台のコンピュータで構成されてもよい。この場合、各コンピュータのハードウェア構成は、一致していてもよいし、一致していなくてもよい。また、研究支援装置１は、提供されるサービス専用に設計された情報処理装置の他、汎用のサーバ装置、ＰＣ（Personal Computer）等であってもよい。
【0060】
［ソフトウェア構成］
図２は、本実施形態に係る研究支援装置１のソフトウェア構成の一例を模式的に例示する。研究支援装置１の制御部１１は、記憶部１２に記憶された創薬研究支援プログラム１２１をＲＡＭに展開する。そして、制御部１１は、ＣＰＵにより、ＲＡＭに展開された創薬研究支援プログラム１２１に含まれる命令を解釈および実行して、各構成要素を制御する。これにより、図２に示される通り、本実施形態に係る研究支援装置１は、表示制御部１１１、受付部１１２、データチェック部１１３、基準画像取得部１３１、学習処理部１３２、保存処理部１３３、対象画像取得部１４１、推定部１４２、推定結果出力部１４３、特徴量比較部１４４、および、参照情報出力部１４５をソフトウェアモジュールとして備えるコンピュータとして動作する。すなわち、本実施形態では、研究支援装置１の各ソフトウェアモジュールは、制御部１１（ＣＰＵ）により実現される。
図２は、本実施形態に係る研究支援装置１のソフトウェア構成の一例を模式的に例示する。研究支援装置１の制御部１１は、記憶部１２に記憶された創薬研究支援プログラム１２１をＲＡＭに展開する。そして、制御部１１は、ＣＰＵにより、ＲＡＭに展開された創薬研究支援プログラム１２１に含まれる命令を解釈および実行して、各構成要素を制御する。これにより、図２に示される通り、本実施形態に係る研究支援装置１は、表示制御部１１１、受付部１１２、データチェック部１１３、基準画像取得部１３１、学習処理部１３２、保存処理部１３３、対象画像取得部１４１、推定部１４２、推定結果出力部１４３、特徴量比較部１４４、および、参照情報出力部１４５をソフトウェアモジュールとして備えるコンピュータとして動作する。すなわち、本実施形態では、研究支援装置１の各ソフトウェアモジュールは、制御部１１（ＣＰＵ）により実現される。
【0061】
表示制御部１１１は、図３に例示する設定画像ＩｍＳ、図４に例示する基準登録画像ＩｍＵｂ、および、不図示の対象登録画像ＩｍＵｏなどを、出力装置１６の一例であるディスプレイ（表示装置）に表示させて、ユーザに各種の操作を促す。
【0062】
図３は、表示制御部１１１がディスプレイに表示させる設定画像ＩｍＳの一例を示す図である。設定画像ＩｍＳにおいてユーザは、研究支援装置１が画像解析を実行する細胞画像ＣＩの種類を、言い換えれば、研究支援装置１が注目する細胞内容物の種類を、登録する（設定する）操作（以下、「設定操作」とも称する）を行なう。図３に示す例では、研究支援装置１が注目する細胞内容物の種類として、「核」、「細胞質」、「核小体」、「ゴルジ体」、および、「ミトコンドリア」が登録されている。
【0063】
図４は、表示制御部１１１がディスプレイに表示させる基準登録画像ＩｍＵｂの一例を示す図である。基準登録画像ＩｍＵｂにおいてユーザは、研究支援装置１に基準細胞画像２を取得させる指示を与え、言い換えれば、研究支援装置１に基準細胞画像２を取得させる操作（以下、「基準画像アップロード操作」とも称する）を入力する。本実施形態においてユーザは、基準核画像２（１）、基準細胞質画像２（２）、基準核小体画像２（３）、基準ゴルジ体画像２（４）、および、基準ミトコンドリア画像２（５）の５つの細胞画像ＣＩを、基準細胞画像２として準備する。そして、ユーザは、これらの５つの細胞画像ＣＩを、基準細胞画像２として取得するよう、基準画像アップロード操作において、研究支援装置１に指示する。
【0064】
また、表示制御部１１１は、基準登録画像ＩｍＵｂと同様の対象登録画像ＩｍＵｏを、ディスプレイに表示させる。対象登録画像ＩｍＵｏにおいてユーザは、研究支援装置１に対象細胞画像５を取得させる指示を与え、言い換えれば、研究支援装置１に対象細胞画像５を取得させる操作（以下、「対象画像アップロード操作」とも称する）を入力する。本実施形態においてユーザは、対象核画像５（１）、対象細胞質画像５（２）、対象核小体画像５（３）、対象ゴルジ体画像５（４）、および、対象ミトコンドリア画像５（５）の５つの細胞画像ＣＩを、対象細胞画像５として準備する。そして、ユーザは、これらの５つの細胞画像ＣＩを、対象細胞画像５として取得するよう、対象画像アップロード操作において、研究支援装置１に指示する。
【0065】
受付部１１２は、入力装置１５を用いてユーザが入力した各種の操作（ユーザ操作）を受け付ける。本実施形態において受付部１１２は、上述の設定画像ＩｍＳ、基準登録画像ＩｍＵｂ、および、対象登録画像ＩｍＵｏなどにおいてユーザが行なった操作を受け付け、受け付けた操作に応じた処理を、研究支援装置１に実行させる。
【0066】
例えば、受付部１１２は、前述の設定操作を受け付けると、係る設定操作において設定された細胞内容物の種類（数）を、データチェック部１１３に通知する。また、受付部１１２は、前述の基準画像アップロード操作を受け付けると、基準細胞画像２としてユーザによって所定のフォルダ等にアップされた細胞画像ＣＩの種類（数）を確認し、確認した細胞画像ＣＩの種類（数）を、データチェック部１１３に通知する。さらに、受付部１１２は、前述の対象画像アップロード操作を受け付けると、対象細胞画像５としてユーザによって所定のフォルダ等にアップされた細胞画像ＣＩの種類（数）を確認し、確認した細胞画像ＣＩの種類（数）を、データチェック部１１３に通知する。
【0067】
データチェック部１１３は、設定操作において設定された細胞内容物の種類（数）と、ユーザがアップロードしようとしている細胞画像ＣＩの種類（数）とに齟齬がないかをチェックし、齟齬があると、その旨をユーザに通知する（チェック処理）。
【0068】
具体的には、データチェック部１１３は、先ず、前述の設定操作において設定された「研究支援装置１が注目する細胞内容物の種類（数）」を確認する。また、データチェック部１１３は、前述の基準画像アップロード操作において基準細胞画像２として取得するよう指示された「細胞画像ＣＩの種類（数）」を確認する。そして、両者が一致すると判定すると、データチェック部１１３は、基準画像取得部１３１に、「基準画像アップロード操作において基準細胞画像２として取得するよう指示された」細胞画像ＣＩの取得を、指示する。両者が一致しないと判定すると、データチェック部１１３は、設定操作において設定された「細胞内容物の種類（数）」と、基準画像アップロード操作において基準細胞画像２として取得するよう指示された「細胞画像ＣＩの種類（数）」とが一致しない旨を、ユーザに通知する。そして、データチェック部１１３は、設定操作において設定された「細胞内容物の種類（数）」と一致する種類（数）の細胞画像ＣＩを、基準細胞画像２として提供するよう、ユーザに促す。
【0069】
例えば、前述の設定操作において「細胞内容物の種類（数）」として、核、細胞質、核小体、ゴルジ体、および、ミトコンドリアの「５」つが挙げられている場合、データチェック部１１３は、所定のフォルダに基準細胞画像２としてアップされた細胞画像ＣＩが「５」つであるかを判定する。所定のフォルダに基準細胞画像２としてアップされた細胞画像ＣＩが「５」つであると判定すると、データチェック部１１３は、これら５つの細胞画像ＣＩを基準細胞画像２として取得するよう、基準画像取得部１３１に指示する。所定のフォルダに基準細胞画像２としてアップされた細胞画像ＣＩが「５」つでないと判定すると、データチェック部１１３は、設定操作において設定された細胞画像ＣＩの種類（数）と、所定のフォルダに基準細胞画像２として置かれた細胞画像ＣＩの種類（数）とが一致しない旨を、ユーザに通知する。そして、データチェック部１１３は、設定操作において設定された「細胞内容物の種類（数）」と一致する種類（数）の細胞画像ＣＩを、基準細胞画像２として、所定のフォルダにアップするようにユーザに促す。
【0070】
同様に、データチェック部１１３は、前述の対象画像アップロード操作において対象細胞画像５として取得するよう指示された「細胞画像ＣＩの種類（数）」を確認する。そして、設定操作において設定された「細胞内容物の種類（数）」と、対象画像アップロード操作において対象細胞画像５として取得するよう指示された「細胞画像ＣＩの種類（数）」とが一致すると判定すると、データチェック部１１３は、以下の処理を実行する。すなわち、データチェック部１１３は、対象画像取得部１４１に、「対象画像アップロード操作において対象細胞画像５として取得するよう指示された」細胞画像ＣＩの取得を、指示する。両者が一致しないと判定すると、データチェック部１１３は、設定操作において設定された「細胞内容物の種類（数）」と、対象画像アップロード操作において対象細胞画像５として取得するよう指示された「細胞画像ＣＩの種類（数）」とが一致しない旨を、ユーザに通知する。そして、データチェック部１１３は、設定操作において設定された「細胞内容物の種類（数）」と一致する種類（数）の細胞画像ＣＩを、対象細胞画像５として提供するよう、ユーザに促す。
【0071】
ユーザは、表示制御部１１１がディスプレイに表示させる設定画像ＩｍＳ、基準登録画像ＩｍＵｂ、対象登録画像ＩｍＵｏに沿って操作を行なうだけで簡単に、研究支援装置１に、機械学習処理、参照情報Ｒｉの出力処理、推定処理などを実行させることができる。そのため、研究支援装置１は、従来の創薬研究支援装置よりもユーザ利便性が高い。また、データチェック部１１３による上述のチェック処理により、ユーザが、研究支援装置１に誤った基準細胞画像２を取得させたり、誤った対象細胞画像５を取得させたりしてしまうのを防ぐことができ、ユーザ利便性を向上させることができる。
【0072】
基準画像取得部１３１は、基準細胞画像２を取得し、取得した基準細胞画像２を、「基準状態Ｓ＿ｓ」と対応付けて、記憶部１２に各学習データセット１２２として格納する（保存する）。これにより、記憶部１２には、基準細胞画像２に対して「基準状態Ｓ＿ｓ」が対応付けられた、つまり、基準細胞画像２と基準状態Ｓ＿ｓとの組み合わせにより構成される各学習データセット１２２が保存される。
【0073】
本実施形態において基準画像取得部１３１は、データチェック部１１３からの指示に従って、ユーザが所定のフォルダにアップした前述の５つの細胞画像ＣＩを、基準細胞画像２として取得する。すなわち、基準画像取得部１３１は、基準核画像２（１）、基準細胞質画像２（２）、基準核小体画像２（３）、基準ゴルジ体画像２（４）、および、基準ミトコンドリア画像２（５）を、基準細胞画像２として取得する。基準画像取得部１３１は、取得した５つの細胞画像ＣＩを、「基準状態Ｓ＿ｓ」と対応付けて、記憶部１２に各学習データセット１２２として格納する。これにより、記憶部１２には、基準核画像２（１）、基準細胞質画像２（２）、基準核小体画像２（３）、基準ゴルジ体画像２（４）、および、基準ミトコンドリア画像２（５）に対して「基準状態Ｓ＿ｓ」が対応付けられた各学習データセット１２２が保存される。
【0074】
学習処理部１３２は、記憶部１２に格納されている複数の学習データセット１２２を使用して、学習モデル４の機械学習を実施する（機械学習処理）。上記のとおり、学習モデル４は、符号器４１および推定器４２を含んでいる。
【0075】
本実施形態では、符号器４１は、例えば、定義済みの特徴抽出器であり、また、推定器４２は、例えば、公知の異常検知モデル（機械学習モデル）である。符号器４１は、細胞画像ＣＩから、細胞画像ＣＩに撮像されている各細胞の細胞内容物を認識し、例えば、核画像ＣＩ（１）から、標本ＳＰ中の各細胞の核を認識する。そして、符号器４１は、認識した各細胞の細胞内容物の特徴量Ｆｃを定量し、例えば、標本ＳＰ中の各細胞の核の面積などを定量する。また、異常検知モデルである推定器４２は、符号器４１によって定量された特徴量Ｆｃを用いて、標本ＳＰ中の各細胞の状態を推定する。
【0076】
学習処理部１３２は、基準細胞画像２に対して基準状態Ｓ＿ｓが対応付けられた各学習データセット１２２を使用して、符号器４１に、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、細胞内容物の特徴量Ｆｃ（基準特徴量Ｆｃ＿ｓ）を出力させる。つまり、学習処理部１３２は、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、細胞内容物の基準特徴量Ｆｃ＿ｓを決定する。学習処理部１３２は、例えば、基準核画像２（１）から、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、核の基準特徴量Ｆｃ＿ｓ（すなわち、基準特徴量Ｆｃ＿ｓ（１））を決定する。また、学習処理部１３２は、基準特徴量Ｆｃ＿ｓを入力された推定器４２が「基準細胞Ｃｅ＿ｓは、基準状態Ｓ＿ｓにある」と推定するように、推定器４２を訓練する。すなわち、学習処理部１３２は、推定器４２の演算パラメータの値を、基準特徴量Ｆｃ＿ｓを入力された推定器４２が「基準細胞Ｃｅ＿ｓは、基準状態Ｓ＿ｓにある」と推定するように、調整する。
【0077】
なお、推定器４２として異常検知モデルを利用することは必須ではない。例えば、推定器４２は、多層構造の全結合型ニューラルネットワークにより構成されてもよい。推定器４２は、入力層、中間（隠れ）層、および、出力層を備えていてもよい。ただし、推定器４２の構造は、このような例に限定されなくてもよく、実施の形態に応じて適宜決定されてよい。例えば、中間層の数は、１つに限られなくてよく、２つ以上であってもよい。或いは、推定器４２は、２層以下のニューラルネットワークにより構成されてよい（すなわち、中間層は省略されてよい）。各層はそれぞれ、１または複数のニューロン（ノード）を備えている。それぞれに含まれるニューロン（ノード）の数は、特に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。隣接する層のニューロン同士は適宜結合される。各結合には、重み（結合荷重）が設定されている。各ニューロンには閾値が設定されており、基本的には、各入力と各重みとの積の和が閾値を超えているか否かによって各ニューロンの出力が決定される。閾値は、活性化関数により表現されてもよい。この場合、各入力および各重みの積の和を活性化関数に入力し、活性化関数の演算を実行することで、各ニューロンの出力が決定される。活性化関数の種類は、特に限定されなくてもよく、実施の形態に応じて適宜選択されてよい。それぞれに含まれる各ニューロン間の結合の重みおよび各ニューロンの閾値は、それぞれの演算処理に利用される演算パラメータの一例である。学習モデル４の構成要素（具体的には、推定器４２）の演算パラメータの値は、機械学習の訓練ステップにより調整される。
【0078】
（符号器についての詳細）
符号器４１は、細胞画像ＣＩを与えられると、与えられた細胞画像ＣＩを、細胞画像ＣＩに撮像されている細胞内容物の特徴量Ｆｃへと変換するように構成される。前述の通り、本実施形態において符号器４１は、定義済みの特徴抽出器であるが、符号器４１が定義済みの特徴抽出器であることは必須ではない。符号器４１は、推定器４２と同様に、機械学習モデルを用いてもよい。符号器４１は、推定器４２が推定タスク（識別タスク）を実行するための好適な特徴量Ｆｃを、例えば、定義済みの特徴量Ｆｃを、出力するように、各学習データセット１２２を使用して学習処理部１３２によって訓練されてもよい。すなわち、符号器４１は、学習処理部１３２による各学習データセット１２２を使用した機械学習によって構築されてもよい。同様に、本実施形態において特徴量Ｆｃは、定義済みの特徴量Ｆｃであるが、特徴量Ｆｃは、推定器４２が推定タスク（識別タスク）を実行するために利用可能な、定義済みの特徴量Ｆｃ以外の特徴量を含んでいてもよい。係る観点から、本実施形態において定義済みの符号器４１は、「訓練済みの符号器４１」と称することがある。本実施形態において符号器４１は、細胞画像ＣＩを、細胞画像ＣＩに撮像されている細胞内容物の形態特徴量Ｆｃｆと、係る細胞内容物の輝度特徴量Ｆｃｌとの少なくとも一方へと変換するように構成される。
符号器４１は、細胞画像ＣＩを与えられると、与えられた細胞画像ＣＩを、細胞画像ＣＩに撮像されている細胞内容物の特徴量Ｆｃへと変換するように構成される。前述の通り、本実施形態において符号器４１は、定義済みの特徴抽出器であるが、符号器４１が定義済みの特徴抽出器であることは必須ではない。符号器４１は、推定器４２と同様に、機械学習モデルを用いてもよい。符号器４１は、推定器４２が推定タスク（識別タスク）を実行するための好適な特徴量Ｆｃを、例えば、定義済みの特徴量Ｆｃを、出力するように、各学習データセット１２２を使用して学習処理部１３２によって訓練されてもよい。すなわち、符号器４１は、学習処理部１３２による各学習データセット１２２を使用した機械学習によって構築されてもよい。同様に、本実施形態において特徴量Ｆｃは、定義済みの特徴量Ｆｃであるが、特徴量Ｆｃは、推定器４２が推定タスク（識別タスク）を実行するために利用可能な、定義済みの特徴量Ｆｃ以外の特徴量を含んでいてもよい。係る観点から、本実施形態において定義済みの符号器４１は、「訓練済みの符号器４１」と称することがある。本実施形態において符号器４１は、細胞画像ＣＩを、細胞画像ＣＩに撮像されている細胞内容物の形態特徴量Ｆｃｆと、係る細胞内容物の輝度特徴量Ｆｃｌとの少なくとも一方へと変換するように構成される。
【0079】
例えば、符号器４１は、核画像ＣＩ（１）を、標本ＳＰ中の細胞ごとの、核の形態特徴量Ｆｃｆ（１）および輝度特徴量Ｆｃｌ（１）へと変換する。同様に、符号器４１は、細胞質画像ＣＩ（２）を、標本ＳＰ中の細胞ごとの、細胞質の形態特徴量Ｆｃｆ（２）および輝度特徴量Ｆｃｌ（２）へと変換する。符号器４１は、核小体画像ＣＩ（３）を、標本ＳＰ中の細胞ごとの、核小体の形態特徴量Ｆｃｆ（３）および輝度特徴量Ｆｃｌ（３）へと変換する。符号器４１は、ゴルジ体画像ＣＩ（４）を、標本ＳＰ中の細胞ごとの、ゴルジ体の形態特徴量Ｆｃｆ（４）および輝度特徴量Ｆｃｌ（４）へと変換する。符号器４１は、ミトコンドリア画像ＣＩ（５）を、標本ＳＰ中の細胞ごとの、ミトコンドリアの形態特徴量Ｆｃｆ（５）および輝度特徴量Ｆｃｌ（５）へと変換する。
【0080】
「細胞内容物の形態特徴量Ｆｃｆ」は、細胞画像ＣＩに撮像されている細胞内容物の面積、係る細胞内容物と同じ面積を有する円の直径、係る細胞内容物の長径、係る細胞内容物の短径、係る細胞内容物の離心率、係る細胞内容物の周囲径の少なくとも１つを含む。当該構成では、研究支援装置１は、細胞画像ＣＩに撮像されている細胞内容物の面積、係る細胞内容物と同じ面積を有する円の直径、係る細胞内容物の長径、係る細胞内容物の短径、係る細胞内容物の離心率、係る細胞内容物の周囲径の少なくとも１つを、係る細胞内容物の形態特徴量Ｆｃｆとして考慮して、機械学習処理および推定処理を実行することができる。
【0081】
例えば、符号器４１は、核画像ＣＩ（１）から、標本ＳＰ中の細胞ごとの、核の形態特徴量Ｆｃｆ（１）として、係る核の、「面積」、「同じ面積を有する円の直径」、「長径」、「短径」、「離心率」、「周囲径」を算出する（生成する）。同様に、符号器４１は、細胞質画像ＣＩ（２）から、標本ＳＰ中の細胞ごとの、細胞質の形態特徴量Ｆｃｆ（２）として、係る細胞質の、「面積」、「同じ面積を有する円の直径」、「長径」、「短径」、「離心率」、「周囲径」を算出する。符号器４１は、核小体画像ＣＩ（３）から、標本ＳＰ中の細胞ごとの、核小体の形態特徴量Ｆｃｆ（３）として、係る核小体の、「面積」、「同じ面積を有する円の直径」、「長径」、「短径」、「離心率」、「周囲径」を算出する。符号器４１は、ゴルジ体画像ＣＩ（４）から、標本ＳＰ中の細胞ごとの、ゴルジ体の形態特徴量Ｆｃｆ（４）として、係るゴルジ体の、「面積」、「同じ面積を有する円の直径」、「長径」、「短径」、「離心率」、「周囲径」を算出する。符号器４１は、ミトコンドリア画像ＣＩ（５）から、標本ＳＰ中の細胞ごとの、ミトコンドリアの形態特徴量Ｆｃｆ（５）として、係るミトコンドリアの、「面積」、「同じ面積を有する円の直径」、「長径」、「短径」、「離心率」、「周囲径」を算出する。
【0082】
「細胞内容物の輝度特徴量Ｆｃｌ」は、細胞画像ＣＩに撮像されている細胞内容物の輝度の平均を含む。当該構成では、研究支援装置１は、細胞画像ＣＩに撮像されている細胞内容物の輝度の平均を、係る細胞内容物の輝度特徴量Ｆｃｌとして考慮して、機械学習処理および推定処理を実行することができる。
【0083】
本実施形態において符号器４１は、核画像ＣＩ（１）から、標本ＳＰ中の細胞ごとの、核の輝度特徴量Ｆｃｌ（１）として、細胞ごとの核の平均輝度Ａｌ＿ｗ１＿核を算出する（生成する）。同様に、符号器４１は、細胞質画像ＣＩ（２）から、標本ＳＰ中の細胞ごとの、細胞質の輝度特徴量Ｆｃｌ（２）として、細胞ごとの細胞質の平均輝度Ａｌ＿ｗ２＿細胞質を算出する。符号器４１は、核小体画像ＣＩ（３）から、標本ＳＰ中の細胞ごとの、核小体の輝度特徴量Ｆｃｌ（３）として、細胞ごとの核小体の平均輝度Ａｌ＿ｗ３＿核小体を算出する。符号器４１は、ゴルジ体画像ＣＩ（４）から、標本ＳＰ中の細胞ごとの、ゴルジ体の輝度特徴量Ｆｃｌ（４）として、細胞ごとのゴルジ体の平均輝度Ａｌ＿ｗ４＿ゴルジ体を算出する。符号器４１は、ミトコンドリア画像ＣＩ（５）から、標本ＳＰ中の細胞ごとの、ミトコンドリアの輝度特徴量Ｆｃｌ（５）として、細胞ごとのミトコンドリアの平均輝度Ａｌ＿ｗ５＿ミトコンドリアを算出する。
【0084】
本実施形態における符号器４１は、細胞ごとの細胞内容物の輝度特徴量Ｆｃｌとして、さらに、各細胞画像ＣＩから、各細胞内容物が撮像されている領域に対応する領域の平均輝度を算出する（生成する）。例えば、符号器４１は、細胞質画像ＣＩ（２）から、細胞質画像ＣＩ（２）の「核画像ＣＩ（１）において核が撮像されている領域に対応する領域」の平均輝度Ａｌ＿ｗ２＿核を算出する。符号器４１は、核小体画像ＣＩ（３）から、核小体画像ＣＩ（３）の「核画像ＣＩ（１）において核が撮像されている領域に対応する領域」の平均輝度Ａｌ＿ｗ３＿核を算出する。符号器４１は、ゴルジ体画像ＣＩ（４）から、ゴルジ体画像ＣＩ（４）の「核画像ＣＩ（１）において核が撮像されている領域に対応する領域」の平均輝度Ａｌ＿ｗ４＿核を算出する。符号器４１は、ミトコンドリア画像ＣＩ（５）から、ミトコンドリア画像ＣＩ（５）の「核画像ＣＩ（１）において核が撮像されている領域に対応する領域」の平均輝度Ａｌ＿ｗ５＿核を算出する。
【0085】
符号器４１は、核画像ＣＩ（１）から、核画像ＣＩ（１）の「細胞質画像ＣＩ（２）において細胞質が撮像されている領域に対応する領域」ごとの平均輝度Ａｌ＿ｗ１＿細胞質を算出する。符号器４１は、核小体画像ＣＩ（３）から、核小体画像ＣＩ（３）の「細胞質画像ＣＩ（２）において細胞質が撮像されている領域に対応する領域」ごとの平均輝度Ａｌ＿ｗ３＿細胞質を算出する。符号器４１は、ゴルジ体画像ＣＩ（４）から、ゴルジ体画像ＣＩ（４）の「細胞質画像ＣＩ（２）において細胞質が撮像されている領域に対応する領域」ごとの平均輝度Ａｌ＿ｗ４＿細胞質を算出する。符号器４１は、ミトコンドリア画像ＣＩ（５）から、ミトコンドリア画像ＣＩ（５）の「細胞質画像ＣＩ（２）において細胞質が撮像されている領域に対応する領域」ごとの平均輝度Ａｌ＿ｗ５＿細胞質を算出する。
【0086】
同様に、符号器４１は、核画像ＣＩ（１）、細胞質画像ＣＩ（２）、ゴルジ体画像ＣＩ（４）、ミトコンドリア画像ＣＩ（５）の各々から、「核小体画像ＣＩ（３）において核小体が撮像されている領域に対応する領域」ごとの平均輝度Ａｌ＿ｗ１＿核小体、平均輝度Ａｌ＿ｗ２＿核小体、平均輝度Ａｌ＿ｗ４＿核小体、平均輝度Ａｌ＿ｗ５＿核小体を算出する。また、符号器４１は、核画像ＣＩ（１）、細胞質画像ＣＩ（２）、核小体画像ＣＩ（３）、ミトコンドリア画像ＣＩ（５）の各々から、「ゴルジ体画像ＣＩ（４）においてゴルジ体が撮像されている領域に対応する領域」ごとの平均輝度Ａｌ＿ｗ１＿ゴルジ体、平均輝度Ａｌ＿ｗ２＿ゴルジ体、平均輝度Ａｌ＿ｗ３＿ゴルジ体、平均輝度Ａｌ＿ｗ５＿ゴルジ体を算出する。さらに、符号器４１は、核画像ＣＩ（１）、細胞質画像ＣＩ（２）、核小体画像ＣＩ（３）、ゴルジ体画像ＣＩ（４）の各々から、「ミトコンドリア画像ＣＩ（５）においてミトコンドリアが撮像されている領域に対応する領域」ごとの平均輝度Ａｌ＿ｗ１＿ミトコンドリア、平均輝度Ａｌ＿ｗ２＿ミトコンドリア、平均輝度Ａｌ＿ｗ３＿ミトコンドリア、平均輝度Ａｌ＿ｗ４＿ミトコンドリアを算出する。
【0087】
以上に説明した通り、本実施形態において核の輝度特徴量Ｆｃｌ（１）は、標本ＳＰ中の細胞ごとの核の平均輝度Ａｌ＿ｗ１＿核に加えて、核画像ＣＩ（１）以外の、各細胞画像ＣＩの「核画像ＣＩ（１）において核が撮像されている領域に対応する領域」ごとの平均輝度Ａｌ＿ｗ２＿核、Ａｌ＿ｗ３＿核、Ａｌ＿ｗ４＿核、Ａｌ＿ｗ５＿核を含む。同様に、細胞質の輝度特徴量Ｆｃｌ（２）は、標本ＳＰ中の細胞ごとの細胞質の平均輝度Ａｌ＿ｗ２＿細胞質に加えて、細胞質画像ＣＩ（２）以外の、各細胞画像ＣＩの「細胞質画像ＣＩ（２）において細胞質が撮像されている領域に対応する領域」ごとの平均輝度Ａｌ＿ｗ１＿細胞質、Ａｌ＿ｗ３＿細胞質、Ａｌ＿ｗ４＿細胞質、Ａｌ＿ｗ５＿細胞質を含む。核小体の輝度特徴量Ｆｃｌ（３）は、標本ＳＰ中の細胞ごとの核小体の平均輝度Ａｌ＿ｗ３＿核小体に加えて、核小体画像ＣＩ（３）以外の、各細胞画像ＣＩの「核小体画像ＣＩ（３）において核小体が撮像されている領域に対応する領域」ごとの平均輝度Ａｌ＿ｗ１＿核小体、Ａｌ＿ｗ２＿核小体、Ａｌ＿ｗ４＿核小体、Ａｌ＿ｗ５＿核小体を含む。ゴルジ体の輝度特徴量Ｆｃｌ（４）は、標本ＳＰ中の細胞ごとのゴルジ体の平均輝度Ａｌ＿ｗ４＿ゴルジ体に加えて、ゴルジ体画像ＣＩ（４）以外の、各細胞画像ＣＩの「ゴルジ体画像ＣＩ（４）においてゴルジ体が撮像されている領域に対応する領域」ごとの平均輝度Ａｌ＿ｗ１＿ゴルジ体、Ａｌ＿ｗ２＿ゴルジ体、Ａｌ＿ｗ３＿ゴルジ体、Ａｌ＿ｗ５＿ゴルジ体を含む。ミトコンドリアの輝度特徴量Ｆｃｌ（５）は、標本ＳＰ中の細胞ごとのミトコンドリアの平均輝度Ａｌ＿ｗ５＿ミトコンドリアに加えて、ミトコンドリア画像ＣＩ（５）以外の、各細胞画像ＣＩの「ミトコンドリア画像ＣＩ（５）においてミトコンドリアが撮像されている領域に対応する領域」ごとの平均輝度Ａｌ＿ｗ１＿ミトコンドリア、Ａｌ＿ｗ２＿ミトコンドリア、Ａｌ＿ｗ３＿ミトコンドリア、Ａｌ＿ｗ４＿ミトコンドリアを含む。
【0088】
（推定器についての詳細）
推定器４２は、符号器４１から特徴量Ｆｃの入力を受け付け、入力された特徴量Ｆｃに基づいて、細胞画像ＣＩに撮像されている核などの細胞内容物を含む細胞の状態を推定するように構成される。本実施形態において推定器４２は、細胞画像ＣＩに撮像されている細胞内容物の形態特徴量Ｆｃｆおよび輝度特徴量Ｆｃｌから、細胞画像ＣＩに撮像されている細胞内容物を含む細胞が、基準状態Ｓ＿ｓにあるか否かを推定する。
推定器４２は、符号器４１から特徴量Ｆｃの入力を受け付け、入力された特徴量Ｆｃに基づいて、細胞画像ＣＩに撮像されている核などの細胞内容物を含む細胞の状態を推定するように構成される。本実施形態において推定器４２は、細胞画像ＣＩに撮像されている細胞内容物の形態特徴量Ｆｃｆおよび輝度特徴量Ｆｃｌから、細胞画像ＣＩに撮像されている細胞内容物を含む細胞が、基準状態Ｓ＿ｓにあるか否かを推定する。
【0089】
学習処理部１３２は、複数の学習データセット１２２に対する機械学習により、符号器４１と推定器４２とを含む学習モデル４を訓練する。前述の通り、各学習データセット１２２は、基準細胞画像２と基準状態Ｓ＿ｓとの組み合わせによりそれぞれ構成される。
【0090】
図５は、学習処理部１３２による準備処理（機械学習処理および基準特徴量生成処理）の過程の一例を模式的に例示する。本実施形態において、機械学習を実施することは、以下の訓練ステップを含む。すなわち、機械学習を実施することは、基準細胞画像２を符号器４１に与えたときに、推定器４２が「基準細胞画像２に撮像されている細胞内容物を含む細胞は、基準状態Ｓ＿ｓにある」と推定するように、符号器４１と推定器４２とを訓練する訓練ステップを含む。
【0091】
符号器４１は、基準細胞画像２を、基準細胞画像２に撮像されている細胞内容物の基準特徴量Ｆｃ＿ｓへと変換する。本実施形態において符号器４１は、基準細胞画像２を、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、各細胞内容物の基準形態特徴量Ｆｃｆ＿ｓおよび基準輝度特徴量Ｆｃｌ＿ｓへと変換する。
【0092】
図５に示す例では、符号器４１には、基準細胞画像２として、基準核画像２（１）、基準細胞質画像２（２）、基準核小体画像２（３）、基準ゴルジ体画像２（４）、および、基準ミトコンドリア画像２（５）が与えられる。符号器４１は、与えられた基準核画像２（１）を、核の基準特徴量Ｆｃ＿ｓ（１）へと変換し、具体的には、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、核の基準形態特徴量Ｆｃｆ＿ｓ（１）および基準輝度特徴量Ｆｃｌ＿ｓ（１）（特に、基準平均輝度Ａｌ＿ｗ１＿核＿ｓ）へと変換する。符号器４１は、与えられた基準細胞質画像２（２）を、細胞質の基準特徴量Ｆｃ＿ｓ（２）へと変換し、具体的には、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、細胞質の基準形態特徴量Ｆｃｆ＿ｓ（２）および基準輝度特徴量Ｆｃｌ＿ｓ（２）（特に、基準平均輝度Ａｌ＿ｗ２＿細胞質＿ｓ）へと変換する。符号器４１は、与えられた基準核小体画像２（３）を、核小体の基準特徴量Ｆｃ＿ｓ（３）へと変換し、具体的には、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、核小体の基準形態特徴量Ｆｃｆ＿ｓ（３）および基準輝度特徴量Ｆｃｌ＿ｓ（３）（特に、基準平均輝度Ａｌ＿ｗ３＿核小体＿ｓ）へと変換する。符号器４１は、与えられた基準ゴルジ体画像２（４）を、ゴルジ体の基準特徴量Ｆｃ＿ｓ（４）へと変換し、具体的には、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、ゴルジ体の基準形態特徴量Ｆｃｆ＿ｓ（４）および基準輝度特徴量Ｆｃｌ＿ｓ（４）（特に、基準平均輝度Ａｌ＿ｗ４＿ゴルジ体＿ｓ）へと変換する。符号器４１は、与えられた基準ミトコンドリア画像２（５）を、ミトコンドリアの基準特徴量Ｆｃ＿ｓ（５）へと変換し、具体的には、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、ミトコンドリアの基準形態特徴量Ｆｃｆ＿ｓ（５）および基準輝度特徴量Ｆｃｌ＿ｓ（５）（特に、基準平均輝度Ａｌ＿ｗ５＿ミトコンドリア＿ｓ）へと変換する。
【0093】
（基準細胞の各細胞内容物の形態特徴量について）
核の基準形態特徴量Ｆｃｆ＿ｓ（１）は、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、核の「同面積の円の直径」、「面積」、「長径」、「離心率」、「周囲径」、「短径」の少なくとも１つである。細胞質の基準形態特徴量Ｆｃｆ＿ｓ（２）は、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、細胞質の「同面積の円の直径」、「面積」、「長径」、「離心率」、「周囲径」、「短径」の少なくとも１つである。核小体の基準形態特徴量Ｆｃｆ＿ｓ（３）は、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、核小体の「同面積の円の直径」、「面積」、「長径」、「離心率」、「周囲径」、「短径」の少なくとも１つである。ゴルジ体の基準形態特徴量Ｆｃｆ＿ｓ（４）は、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、ゴルジ体の「同面積の円の直径」、「面積」、「長径」、「離心率」、「周囲径」、「短径」の少なくとも１つである。ミトコンドリアの基準形態特徴量Ｆｃｆ＿ｓ（５）は、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、ミトコンドリアの「同面積の円の直径」、「面積」、「長径」、「離心率」、「周囲径」、「短径」の少なくとも１つである。
核の基準形態特徴量Ｆｃｆ＿ｓ（１）は、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、核の「同面積の円の直径」、「面積」、「長径」、「離心率」、「周囲径」、「短径」の少なくとも１つである。細胞質の基準形態特徴量Ｆｃｆ＿ｓ（２）は、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、細胞質の「同面積の円の直径」、「面積」、「長径」、「離心率」、「周囲径」、「短径」の少なくとも１つである。核小体の基準形態特徴量Ｆｃｆ＿ｓ（３）は、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、核小体の「同面積の円の直径」、「面積」、「長径」、「離心率」、「周囲径」、「短径」の少なくとも１つである。ゴルジ体の基準形態特徴量Ｆｃｆ＿ｓ（４）は、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、ゴルジ体の「同面積の円の直径」、「面積」、「長径」、「離心率」、「周囲径」、「短径」の少なくとも１つである。ミトコンドリアの基準形態特徴量Ｆｃｆ＿ｓ（５）は、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、ミトコンドリアの「同面積の円の直径」、「面積」、「長径」、「離心率」、「周囲径」、「短径」の少なくとも１つである。
【0094】
（基準細胞の各細胞内容物の輝度特徴量について）
符号器４１は、基準細胞質画像２（２）、基準核小体画像２（３）、基準ゴルジ体画像２（４）、基準ミトコンドリア画像２（５）の各々から、「基準核画像２（１）において核が撮像されている領域に対応する領域」ごとの基準平均輝度Ａｌ＿ｗ２＿核＿ｓ、基準平均輝度Ａｌ＿ｗ３＿核＿ｓ、基準平均輝度Ａｌ＿ｗ４＿核＿ｓ、基準平均輝度Ａｌ＿ｗ５＿核＿ｓを算出する。そのため、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、核の基準輝度特徴量Ｆｃｌ＿ｓ（１）は、基準平均輝度Ａｌ＿ｗ１＿核＿ｓ、基準平均輝度Ａｌ＿ｗ２＿核＿ｓ、基準平均輝度Ａｌ＿ｗ３＿核＿ｓ、基準平均輝度Ａｌ＿ｗ４＿核＿ｓ、基準平均輝度Ａｌ＿ｗ５＿核＿ｓを含む。符号器４１は、基準核画像２（１）、基準核小体画像２（３）、基準ゴルジ体画像２（４）、基準ミトコンドリア画像２（５）の各々から、「基準細胞質画像２（２）において細胞質が撮像されている領域に対応する領域」ごとの基準平均輝度Ａｌ＿ｗ１＿細胞質＿ｓ、基準平均輝度Ａｌ＿ｗ３＿細胞質＿ｓ、基準平均輝度Ａｌ＿ｗ４＿細胞質＿ｓ、基準平均輝度Ａｌ＿ｗ５＿細胞質＿ｓを算出する。そのため、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、細胞質の基準輝度特徴量Ｆｃｌ＿ｓ（２）は、基準平均輝度Ａｌ＿ｗ１＿細胞質＿ｓ、基準平均輝度Ａｌ＿ｗ２＿細胞質＿ｓ、基準平均輝度Ａｌ＿ｗ３＿細胞質＿ｓ、基準平均輝度Ａｌ＿ｗ４＿細胞質＿ｓ、基準平均輝度Ａｌ＿ｗ５＿細胞質＿ｓを含む。符号器４１は、基準核画像２（１）、基準細胞質画像２（２）、基準ゴルジ体画像２（４）、基準ミトコンドリア画像２（５）の各々から、「基準核小体画像２（３）において核小体が撮像されている領域に対応する領域」ごとの基準平均輝度Ａｌ＿ｗ１＿核小体＿ｓ、基準平均輝度Ａｌ＿ｗ２＿核小体＿ｓ、基準平均輝度Ａｌ＿ｗ４＿核小体＿ｓ、基準平均輝度Ａｌ＿ｗ５＿核小体＿ｓを算出する。そのため、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、核小体の基準輝度特徴量Ｆｃｌ＿ｓ（３）は、基準平均輝度Ａｌ＿ｗ１＿核小体＿ｓ、基準平均輝度Ａｌ＿ｗ２＿核小体＿ｓ、基準平均輝度Ａｌ＿ｗ３＿核小体＿ｓ、基準平均輝度Ａｌ＿ｗ４＿核小体＿ｓ、基準平均輝度Ａｌ＿ｗ５＿核小体＿ｓを含む。符号器４１は、基準核画像２（１）、基準細胞質画像２（２）、基準核小体画像２（３）、基準ミトコンドリア画像２（５）の各々から、「基準ゴルジ体画像２（４）においてゴルジ体が撮像されている領域に対応する領域」ごとの基準平均輝度Ａｌ＿ｗ１＿ゴルジ体＿ｓ、基準平均輝度Ａｌ＿ｗ２＿ゴルジ体＿ｓ、基準平均輝度Ａｌ＿ｗ３＿ゴルジ体＿ｓ、基準平均輝度Ａｌ＿ｗ５＿ゴルジ体＿ｓを算出する。そのため、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、ゴルジ体の基準輝度特徴量Ｆｃｌ＿ｓ（４）は、基準平均輝度Ａｌ＿ｗ１＿ゴルジ体＿ｓ、基準平均輝度Ａｌ＿ｗ２＿ゴルジ体＿ｓ、基準平均輝度Ａｌ＿ｗ３＿ゴルジ体＿ｓ、基準平均輝度Ａｌ＿ｗ４＿ゴルジ体＿ｓ、基準平均輝度Ａｌ＿ｗ５＿ゴルジ体＿ｓを含む。符号器４１は、基準核画像２（１）、基準細胞質画像２（２）、基準核小体画像２（３）、基準ゴルジ体画像２（４）の各々から、「基準ミトコンドリア画像２（５）においてミトコンドリアが撮像されている領域に対応する領域」ごとの基準平均輝度Ａｌ＿ｗ１＿ミトコンドリア＿ｓ、基準平均輝度Ａｌ＿ｗ２＿ミトコンドリア＿ｓ、基準平均輝度Ａｌ＿ｗ３＿ミトコンドリア＿ｓ、基準平均輝度Ａｌ＿ｗ４＿ミトコンドリア＿ｓを算出する。そのため、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、ミトコンドリアの基準輝度特徴量Ｆｃｌ＿ｓ（５）は、基準平均輝度Ａｌ＿ｗ１＿ミトコンドリア＿ｓ、基準平均輝度Ａｌ＿ｗ２＿ミトコンドリア＿ｓ、基準平均輝度Ａｌ＿ｗ３＿ミトコンドリア＿ｓ、基準平均輝度Ａｌ＿ｗ４＿ミトコンドリア＿ｓ、基準平均輝度Ａｌ＿ｗ５＿ミトコンドリア＿ｓを含む。
符号器４１は、基準細胞質画像２（２）、基準核小体画像２（３）、基準ゴルジ体画像２（４）、基準ミトコンドリア画像２（５）の各々から、「基準核画像２（１）において核が撮像されている領域に対応する領域」ごとの基準平均輝度Ａｌ＿ｗ２＿核＿ｓ、基準平均輝度Ａｌ＿ｗ３＿核＿ｓ、基準平均輝度Ａｌ＿ｗ４＿核＿ｓ、基準平均輝度Ａｌ＿ｗ５＿核＿ｓを算出する。そのため、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、核の基準輝度特徴量Ｆｃｌ＿ｓ（１）は、基準平均輝度Ａｌ＿ｗ１＿核＿ｓ、基準平均輝度Ａｌ＿ｗ２＿核＿ｓ、基準平均輝度Ａｌ＿ｗ３＿核＿ｓ、基準平均輝度Ａｌ＿ｗ４＿核＿ｓ、基準平均輝度Ａｌ＿ｗ５＿核＿ｓを含む。符号器４１は、基準核画像２（１）、基準核小体画像２（３）、基準ゴルジ体画像２（４）、基準ミトコンドリア画像２（５）の各々から、「基準細胞質画像２（２）において細胞質が撮像されている領域に対応する領域」ごとの基準平均輝度Ａｌ＿ｗ１＿細胞質＿ｓ、基準平均輝度Ａｌ＿ｗ３＿細胞質＿ｓ、基準平均輝度Ａｌ＿ｗ４＿細胞質＿ｓ、基準平均輝度Ａｌ＿ｗ５＿細胞質＿ｓを算出する。そのため、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、細胞質の基準輝度特徴量Ｆｃｌ＿ｓ（２）は、基準平均輝度Ａｌ＿ｗ１＿細胞質＿ｓ、基準平均輝度Ａｌ＿ｗ２＿細胞質＿ｓ、基準平均輝度Ａｌ＿ｗ３＿細胞質＿ｓ、基準平均輝度Ａｌ＿ｗ４＿細胞質＿ｓ、基準平均輝度Ａｌ＿ｗ５＿細胞質＿ｓを含む。符号器４１は、基準核画像２（１）、基準細胞質画像２（２）、基準ゴルジ体画像２（４）、基準ミトコンドリア画像２（５）の各々から、「基準核小体画像２（３）において核小体が撮像されている領域に対応する領域」ごとの基準平均輝度Ａｌ＿ｗ１＿核小体＿ｓ、基準平均輝度Ａｌ＿ｗ２＿核小体＿ｓ、基準平均輝度Ａｌ＿ｗ４＿核小体＿ｓ、基準平均輝度Ａｌ＿ｗ５＿核小体＿ｓを算出する。そのため、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、核小体の基準輝度特徴量Ｆｃｌ＿ｓ（３）は、基準平均輝度Ａｌ＿ｗ１＿核小体＿ｓ、基準平均輝度Ａｌ＿ｗ２＿核小体＿ｓ、基準平均輝度Ａｌ＿ｗ３＿核小体＿ｓ、基準平均輝度Ａｌ＿ｗ４＿核小体＿ｓ、基準平均輝度Ａｌ＿ｗ５＿核小体＿ｓを含む。符号器４１は、基準核画像２（１）、基準細胞質画像２（２）、基準核小体画像２（３）、基準ミトコンドリア画像２（５）の各々から、「基準ゴルジ体画像２（４）においてゴルジ体が撮像されている領域に対応する領域」ごとの基準平均輝度Ａｌ＿ｗ１＿ゴルジ体＿ｓ、基準平均輝度Ａｌ＿ｗ２＿ゴルジ体＿ｓ、基準平均輝度Ａｌ＿ｗ３＿ゴルジ体＿ｓ、基準平均輝度Ａｌ＿ｗ５＿ゴルジ体＿ｓを算出する。そのため、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、ゴルジ体の基準輝度特徴量Ｆｃｌ＿ｓ（４）は、基準平均輝度Ａｌ＿ｗ１＿ゴルジ体＿ｓ、基準平均輝度Ａｌ＿ｗ２＿ゴルジ体＿ｓ、基準平均輝度Ａｌ＿ｗ３＿ゴルジ体＿ｓ、基準平均輝度Ａｌ＿ｗ４＿ゴルジ体＿ｓ、基準平均輝度Ａｌ＿ｗ５＿ゴルジ体＿ｓを含む。符号器４１は、基準核画像２（１）、基準細胞質画像２（２）、基準核小体画像２（３）、基準ゴルジ体画像２（４）の各々から、「基準ミトコンドリア画像２（５）においてミトコンドリアが撮像されている領域に対応する領域」ごとの基準平均輝度Ａｌ＿ｗ１＿ミトコンドリア＿ｓ、基準平均輝度Ａｌ＿ｗ２＿ミトコンドリア＿ｓ、基準平均輝度Ａｌ＿ｗ３＿ミトコンドリア＿ｓ、基準平均輝度Ａｌ＿ｗ４＿ミトコンドリア＿ｓを算出する。そのため、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、ミトコンドリアの基準輝度特徴量Ｆｃｌ＿ｓ（５）は、基準平均輝度Ａｌ＿ｗ１＿ミトコンドリア＿ｓ、基準平均輝度Ａｌ＿ｗ２＿ミトコンドリア＿ｓ、基準平均輝度Ａｌ＿ｗ３＿ミトコンドリア＿ｓ、基準平均輝度Ａｌ＿ｗ４＿ミトコンドリア＿ｓ、基準平均輝度Ａｌ＿ｗ５＿ミトコンドリア＿ｓを含む。
【0095】
推定器４２は、符号器４１の出力した基準特徴量Ｆｃ＿ｓ（１）（具体的には、基準形態特徴量Ｆｃｆ＿ｓ（１）および基準輝度特徴量Ｆｃｌ＿ｓ（１））～基準特徴量Ｆｃ＿ｓ（５）（具体的には、基準形態特徴量Ｆｃｆ＿ｓ（５）および基準輝度特徴量Ｆｃｌ＿ｓ（５））を入力として受け付けて推定タスクを実行する。つまり、推定器４２は、基準特徴量Ｆｃ＿ｓ（１）～基準特徴量Ｆｃ＿ｓ（５）から、「基準細胞Ｃｅ＿ｓが基準状態Ｓ＿ｓにあるか否か」を推定する。
【0096】
前述の通り訓練ステップは、基準細胞画像２を符号器４１に与えたときに、推定器４２が「基準細胞Ｃｅ＿ｓは、基準状態Ｓ＿ｓにある」と推定するように、推定器４２を訓練する。すなわち、定義済みの特徴抽出器である符号器４１は、基準細胞画像２から、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、細胞内容物の基準特徴量Ｆｃ＿ｓを出力する。推定器４２は、符号器４１により得られる特徴量Ｆｃ（基準特徴量Ｆｃ＿ｓ）に基づいて推定する基準細胞Ｃｅ＿ｓの状態が、正解データである「基準状態Ｓ＿ｓ」に適合（一致）するように、訓練される。係る訓練ステップにより、推定器４２は、符号器４１により得られる特徴量Ｆｃから推定タスクを遂行する能力を獲得する。学習処理部１３２は、このような機械学習処理を実施することによって、言い換えれば上述の訓練ステップを実行することによって、訓練済みの学習モデル４（特に、訓練済みの推定器４２）を生成する。
【0097】
また、学習処理部１３２は、訓練済み（定義済みの）の符号器４１に基準細胞画像２を与えて、基準細胞画像２に撮像されている細胞内容物の特徴量Ｆｃを、基準特徴量Ｆｃ＿ｓとして出力させる（基準特徴量生成処理）。本実施形態において学習処理部１３２は、訓練済みの符号器４１に基準細胞画像２を与えて、基準標本ＳＰ＿ｓに含まれる基準細胞Ｃｅ＿ｓごとの、各細胞内容物の基準形態特徴量Ｆｃｆ＿ｓと、各細胞内容物の基準輝度特徴量Ｆｃｌ＿ｓとを出力させる。訓練済みの符号器４１に基準細胞画像２を与えて生成される基準特徴量Ｆｃ＿ｓ（つまり、基準形態特徴量Ｆｃｆ＿ｓおよび基準輝度特徴量Ｆｃｌ＿ｓ）は前述の通りなので、再度の説明は省略する。
【0098】
保存処理部１３３は、訓練済みの学習モデル４に関する情報を学習結果データ１２３として生成する。例えば、保存処理部１３３は、訓練済みの学習モデル４（特に、推定器４２）を再現可能な情報を、具体的には、訓練済みの推定器４２の構造および演算パラメータの値を示す情報を学習結果データ１２３として生成する。本実施形態においては研究支援装置１内でモデルの構造が共通化されるため、この構造に関する情報は学習結果データ１２３から省略されてもよい。また、利用場面で使用されない情報は、学習結果データ１２３から省略されてよい。保存処理部１３３は、生成された学習結果データ１２３を所定の記憶領域に保存し、本実施形態においては記憶部１２に保存する。
【0099】
また、保存処理部１３３は、基準細胞画像２を訓練済みの符号器４１に与えて符号器４１に出力させた基準特徴量Ｆｃ＿ｓを、記憶部１２に、基準特徴量データ１２４として格納する。本実施形態において基準特徴量データ１２４には、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、各細胞内容物の基準特徴量Ｆｃ＿ｓの分布を示す基準特徴量分布Ｄｆｃ＿ｓが含まれる。すなわち、基準特徴量データ１２４には、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、各細胞内容物の基準形態特徴量Ｆｃｆ＿ｓの分布を示す基準形態特徴量分布Ｄｆｃｆ＿ｓと、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、各細胞内容物の基準輝度特徴量Ｆｃｌ＿ｓの分布を示す基準輝度特徴量分布Ｄｆｃｌ＿ｓとが含まれる。
【0100】
具体的には、基準特徴量データ１２４には、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、核の基準形態特徴量Ｆｃｆ＿ｓ（１）の分布を示す基準形態特徴量分布Ｄｆｃｆ＿ｓ（１）と、核の基準輝度特徴量Ｆｃｌ＿ｓ（１）の分布を示す基準輝度特徴量分布Ｄｆｃｌ＿ｓ（１）とが含まれる。また、基準特徴量データ１２４には、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、細胞質の基準形態特徴量Ｆｃｆ＿ｓ（２）の分布を示す基準形態特徴量分布Ｄｆｃｆ＿ｓ（２）と、細胞質の基準輝度特徴量Ｆｃｌ＿ｓ（２）の分布を示す基準輝度特徴量分布Ｄｆｃｌ＿ｓ（２）とが含まれる。同様に、基準特徴量データ１２４には、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、核小体の基準形態特徴量Ｆｃｆ＿ｓ（３）の分布を示す基準形態特徴量分布Ｄｆｃｆ＿ｓ（３）と、核小体の基準輝度特徴量Ｆｃｌ＿ｓ（３）の分布を示す基準輝度特徴量分布Ｄｆｃｌ＿ｓ（３）とが含まれる。基準特徴量データ１２４には、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、ゴルジ体の基準形態特徴量Ｆｃｆ＿ｓ（４）の分布を示す基準形態特徴量分布Ｄｆｃｆ＿ｓ（４）と、ゴルジ体の基準輝度特徴量Ｆｃｌ＿ｓ（４）の分布を示す基準輝度特徴量分布Ｄｆｃｌ＿ｓ（４）とが含まれる。基準特徴量データ１２４には、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、ミトコンドリアの基準形態特徴量Ｆｃｆ＿ｓ（５）の分布を示す基準形態特徴量分布Ｄｆｃｆ＿ｓ（５）と、ミトコンドリアの基準輝度特徴量Ｆｃｌ＿ｓ（５）の分布を示す基準輝度特徴量分布Ｄｆｃｌ＿ｓ（５）とが含まれる。
【0101】
対象画像取得部１４１は、推定タスクの遂行対象となる細胞画像ＣＩとして対象細胞画像５を取得し、取得した対象細胞画像５を、推定部１４２に出力する。本実施形態において対象画像取得部１４１は、データチェック部１１３からの指示に従って、ユーザが所定のフォルダにアップした前述の５つの細胞画像ＣＩを、対象細胞画像５として取得する。すなわち、対象画像取得部１４１は、対象核画像５（１）、対象細胞質画像５（２）、対象核小体画像５（３）、対象ゴルジ体画像５（４）、および、対象ミトコンドリア画像５（５）を、対象細胞画像５として取得する。
【0102】
推定部１４２は、学習処理部１３２により生成された訓練済みの機械学習モデル（学習モデル４）を使用して、取得された対象細胞画像５に対する推定タスクの遂行などの処理を実行する。本実施形態において推定部１４２は、学習結果データ１２３を保持することで、学習処理部１３２により生成された訓練済みの符号器４１および推定器４２を備えている。
【0103】
図６は、推定部１４２による適用処理（対象特徴量生成処理および推定処理）の過程の一例を模式的に例示する。推定部１４２は、訓練済みの符号器４１および推定器４２を使用して、取得された対象細胞画像５に対して推定タスクを遂行し、つまり、対象細胞画像５に撮像されている細胞内容物を含む対象細胞Ｃｅ＿ｏが基準状態Ｓ＿ｓにあるか否かを推定する（推定処理）。推定部１４２は、推定タスクの遂行結果を、推定結果出力部１４３に通知する。
【0104】
また、推定部１４２は、訓練済みの符号器４１に対象細胞画像５を与えて、対象細胞画像５に撮像されている細胞内容物の特徴量Ｆｃ（対象特徴量Ｆｃ＿ｏ）を出力させる。本実施形態において、訓練済みの符号器４１は、対象細胞画像５を、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、各細胞内容物の対象形態特徴量Ｆｃｆ＿ｏおよび対象輝度特徴量Ｆｃｌ＿ｏへと変換する（対象特徴量生成処理）。推定部１４２は、訓練済みの符号器４１に出力させた「対象細胞画像５に撮像されている細胞内容物の対象特徴量Ｆｃ＿ｏ」を示すデータを、対象特徴量データ２２４として、特徴量比較部１４４に通知する。
【0105】
例えば、推定部１４２は、訓練済みの符号器４１に、対象核画像５（１）、対象細胞質画像５（２）、対象核小体画像５（３）、対象ゴルジ体画像５（４）、および、対象ミトコンドリア画像５（５）を、与える。訓練済みの符号器４１は、与えられた対象核画像５（１）を、核の対象特徴量Ｆｃ＿ｏ（１）へと変換し、具体的には、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、核の対象形態特徴量Ｆｃｆ＿ｏ（１）および対象輝度特徴量Ｆｃｌ＿ｏ（１）（特に、対象平均輝度Ａｌ＿ｗ１＿核＿ｏ）へと変換する。訓練済みの符号器４１は、与えられた基準細胞質画像２（２）を、細胞質の対象特徴量Ｆｃ＿ｏ（２）へと変換し、具体的には、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、細胞質の対象形態特徴量Ｆｃｆ＿ｏ（２）および対象輝度特徴量Ｆｃｌ＿ｏ（２）（特に、対象平均輝度Ａｌ＿ｗ２＿細胞質＿ｏ）へと変換する。訓練済みの符号器４１は、与えられた基準核小体画像２（３）を、核小体の対象特徴量Ｆｃ＿ｏ（３）へと変換し、具体的には、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、核小体の対象形態特徴量Ｆｃｆ＿ｏ（３）および対象輝度特徴量Ｆｃｌ＿ｏ（３）（特に、対象平均輝度Ａｌ＿ｗ３＿核小体＿ｏ）へと変換する。訓練済みの符号器４１は、与えられた基準ゴルジ体画像２（４）を、ゴルジ体の対象特徴量Ｆｃ＿ｏ（４）へと変換し、具体的には、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、ゴルジ体の対象形態特徴量Ｆｃｆ＿ｏ（４）および対象輝度特徴量Ｆｃｌ＿ｏ（４）（特に、対象平均輝度Ａｌ＿ｗ４＿ゴルジ体＿ｏ）へと変換する。訓練済みの符号器４１は、与えられた基準ミトコンドリア画像２（５）を、ミトコンドリアの対象特徴量Ｆｃ＿ｏ（５）へと変換し、具体的には、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、ミトコンドリアの対象形態特徴量Ｆｃｆ＿ｏ（５）および対象輝度特徴量Ｆｃｌ＿ｏ（５）（特に、対象平均輝度Ａｌ＿ｗ５＿ミトコンドリア＿ｏ）へと変換する。
【0106】
訓練済みの符号器４１は、対象細胞質画像５（２）、対象核小体画像５（３）、対象ゴルジ体画像５（４）、対象ミトコンドリア画像５（５）の各々から、「対象核画像５（１）において核が撮像されている領域に対応する領域」ごとの対象平均輝度Ａｌ＿ｗ２＿核＿ｏ、対象平均輝度Ａｌ＿ｗ３＿核＿ｏ、対象平均輝度Ａｌ＿ｗ４＿核＿ｏ、対象平均輝度Ａｌ＿ｗ５＿核＿ｏを算出する。そのため、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、核の対象輝度特徴量Ｆｃｌ＿ｏ（１）は、対象平均輝度Ａｌ＿ｗ１＿核＿ｏ、対象平均輝度Ａｌ＿ｗ２＿核＿ｏ、対象平均輝度Ａｌ＿ｗ３＿核＿ｏ、対象平均輝度Ａｌ＿ｗ４＿核＿ｏ、対象平均輝度Ａｌ＿ｗ５＿核＿ｏを含む。訓練済みの符号器４１は、対象核画像５（１）、対象核小体画像５（３）、対象ゴルジ体画像５（４）、対象ミトコンドリア画像５（５）の各々から、「対象細胞質画像５（２）において細胞質が撮像されている領域に対応する領域」ごとの対象平均輝度Ａｌ＿ｗ１＿細胞質＿ｏ、対象平均輝度Ａｌ＿ｗ３＿細胞質＿ｏ、対象平均輝度Ａｌ＿ｗ４＿細胞質＿ｏ、対象平均輝度Ａｌ＿ｗ５＿細胞質＿ｏを算出する。そのため、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、細胞質の対象輝度特徴量Ｆｃｌ＿ｏ（２）は、対象平均輝度Ａｌ＿ｗ１＿細胞質＿ｏ、対象平均輝度Ａｌ＿ｗ２＿細胞質＿ｏ、対象平均輝度Ａｌ＿ｗ３＿細胞質＿ｏ、対象平均輝度Ａｌ＿ｗ４＿細胞質＿ｏ、対象平均輝度Ａｌ＿ｗ５＿細胞質＿ｏを含む。訓練済みの符号器４１は、対象核画像５（１）、対象細胞質画像５（２）、対象ゴルジ体画像５（４）、対象ミトコンドリア画像５（５）の各々から、「対象核小体画像５（３）において核小体が撮像されている領域に対応する領域」ごとの対象平均輝度Ａｌ＿ｗ１＿核小体＿ｏ、対象平均輝度Ａｌ＿ｗ２＿核小体＿ｏ、対象平均輝度Ａｌ＿ｗ４＿核小体＿ｏ、対象平均輝度Ａｌ＿ｗ５＿核小体＿ｏを算出する。そのため、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、核小体の対象輝度特徴量Ｆｃｌ＿ｏ（３）は、対象平均輝度Ａｌ＿ｗ１＿核小体＿ｏ、対象平均輝度Ａｌ＿ｗ２＿核小体＿ｏ、対象平均輝度Ａｌ＿ｗ３＿核小体＿ｏ、対象平均輝度Ａｌ＿ｗ４＿核小体＿ｏ、対象平均輝度Ａｌ＿ｗ５＿核小体＿ｏを含む。訓練済みの符号器４１は、対象核画像５（１）、対象細胞質画像５（２）、対象核小体画像５（３）、対象ミトコンドリア画像５（５）の各々から、「対象ゴルジ体画像５（４）においてゴルジ体が撮像されている領域に対応する領域」ごとの対象平均輝度Ａｌ＿ｗ１＿ゴルジ体＿ｏ、対象平均輝度Ａｌ＿ｗ２＿ゴルジ体＿ｏ、対象平均輝度Ａｌ＿ｗ３＿ゴルジ体＿ｏ、対象平均輝度Ａｌ＿ｗ５＿ゴルジ体＿ｏを算出する。そのため、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、ゴルジ体の対象輝度特徴量Ｆｃｌ＿ｏ（４）は、対象平均輝度Ａｌ＿ｗ１＿ゴルジ体＿ｏ、対象平均輝度Ａｌ＿ｗ２＿ゴルジ体＿ｏ、対象平均輝度Ａｌ＿ｗ３＿ゴルジ体＿ｏ、対象平均輝度Ａｌ＿ｗ４＿ゴルジ体＿ｏ、対象平均輝度Ａｌ＿ｗ５＿ゴルジ体＿ｏを含む。訓練済みの符号器４１は、対象核画像５（１）、対象細胞質画像５（２）、対象核小体画像５（３）、対象ゴルジ体画像５（４）の各々から、「対象ミトコンドリア画像５（５）においてミトコンドリアが撮像されている領域に対応する領域」ごとの対象平均輝度Ａｌ＿ｗ１＿ミトコンドリア＿ｏ、対象平均輝度Ａｌ＿ｗ２＿ミトコンドリア＿ｏ、対象平均輝度Ａｌ＿ｗ３＿ミトコンドリア＿ｏ、対象平均輝度Ａｌ＿ｗ４＿ミトコンドリア＿ｏを算出する。そのため、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、ミトコンドリアの対象輝度特徴量Ｆｃｌ＿ｏ（５）は、対象平均輝度Ａｌ＿ｗ１＿ミトコンドリア＿ｏ、対象平均輝度Ａｌ＿ｗ２＿ミトコンドリア＿ｏ、対象平均輝度Ａｌ＿ｗ３＿ミトコンドリア＿ｏ、対象平均輝度Ａｌ＿ｗ４＿ミトコンドリア＿ｏ、対象平均輝度Ａｌ＿ｗ５＿ミトコンドリア＿ｏを含む。
【0107】
本実施形態において対象特徴量データ２２４には、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、各細胞内容物の対象特徴量Ｆｃ＿ｏの分布を示す対象特徴量分布Ｄｆｃ＿ｏが含まれる。すなわち、対象特徴量データ２２４には、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、各細胞内容物の対象形態特徴量Ｆｃｆ＿ｏの分布を示す対象形態特徴量分布Ｄｆｃｆ＿ｏと、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、各細胞内容物の対象輝度特徴量Ｆｃｌ＿ｏの分布を示す対象輝度特徴量分布Ｄｆｃｌ＿ｏとが含まれる。
【0108】
具体的には、対象特徴量データ２２４には、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、核の対象形態特徴量Ｆｃｆ＿ｏ（１）の分布を示す対象形態特徴量分布Ｄｆｃｆ＿ｏ（１）と、核の対象輝度特徴量Ｆｃｌ＿ｏ（１）の分布を示す対象輝度特徴量分布Ｄｆｃｌ＿ｏ（１）とが含まれる。また、対象特徴量データ２２４には、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、細胞質の対象形態特徴量Ｆｃｆ＿ｏ（２）の分布を示す対象形態特徴量分布Ｄｆｃｆ＿ｏ（２）と、細胞質の対象輝度特徴量Ｆｃｌ＿ｏ（２）の分布を示す対象輝度特徴量分布Ｄｆｃｌ＿ｏ（２）とが含まれる。同様に、対象特徴量データ２２４には、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、核小体の対象形態特徴量Ｆｃｆ＿ｏ（３）の分布を示す対象形態特徴量分布Ｄｆｃｆ＿ｏ（３）と、核小体の対象輝度特徴量Ｆｃｌ＿ｏ（３）の分布を示す対象輝度特徴量分布Ｄｆｃｌ＿ｏ（３）とが含まれる。対象特徴量データ２２４には、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、ゴルジ体の対象形態特徴量Ｆｃｆ＿ｏ（４）の分布を示す対象形態特徴量分布Ｄｆｃｆ＿ｏ（４）と、ゴルジ体の対象輝度特徴量Ｆｃｌ＿ｏ（４）の分布を示す対象輝度特徴量分布Ｄｆｃｌ＿ｏ（４）とが含まれる。対象特徴量データ２２４には、対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、ミトコンドリアの対象形態特徴量Ｆｃｆ＿ｏ（５）の分布を示す対象形態特徴量分布Ｄｆｃｆ＿ｏ（５）と、ミトコンドリアの対象輝度特徴量Ｆｃｌ＿ｏ（５）の分布を示す対象輝度特徴量分布Ｄｆｃｌ＿ｏ（５）とが含まれる。
【0109】
推定結果出力部１４３は、推定タスクの遂行結果に関する情報を出力し、例えば、推定部１４２による「対象細胞Ｃｅ＿ｏが基準状態Ｓ＿ｓにあるか否か」についての推定の結果を出力する。本実施形態において、推定結果出力部１４３は、「対象細胞Ｃｅ＿ｏが基準状態Ｓ＿ｓにあるか否か」についての推定結果を示す推定結果画像を、ディスプレイに表示させる。なお、研究支援装置１にとって、推定結果出力部１４３を備えることは必須ではなく、また、推定結果出力部１４３が推定結果画像をディスプレイに表示させることも必須ではない。
【0110】
特徴量比較部１４４は、基準特徴量データ１２４によって示される基準特徴量Ｆｃ＿ｓと、対象特徴量データ２２４によって示される対象特徴量Ｆｃ＿ｏとを比較し、比較の結果（比較結果）を、参照情報出力部１４５に通知する。
【0111】
本実施形態において特徴量比較部１４４は、基準特徴量データ１２４によって示される「基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、各細胞内容物の基準特徴量Ｆｃ＿ｓの分布を示す基準特徴量分布Ｄｆｃ＿ｓ」と、対象特徴量データ２２４によって示される「対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、各細胞内容物の対象特徴量Ｆｃ＿ｏの分布を示す対象特徴量分布Ｄｆｃ＿ｏ」とを比較する。特に、特徴量比較部１４４は、基準細胞Ｃｅ＿ｓごとの、各細胞内容物の基準特徴量分布Ｄｆｃ＿ｓと、対象細胞Ｃｅ＿ｏごとの、各細胞内容物の対象特徴量分布Ｄｆｃ＿ｏとのＫＬダイバージェンス（Kullback-Leibler divergence）を、算出する。特徴量比較部１４４は、算出した各細胞内容物の特徴量Ｆｃに係るＫＬダイバージェンスを、参照情報出力部１４５に通知する。
【0112】
参照情報出力部１４５は、特徴量比較部１４４から通知された「基準特徴量Ｆｃ＿ｓと、対象特徴量データ２２４によって示される対象特徴量Ｆｃ＿ｏとの比較結果（違い）」を数値化して示す参照情報Ｒｉを出力する。例えば、参照情報出力部１４５は、参照情報Ｒｉを示す参照情報画像を、ディスプレイに表示させる。
【0113】
本実施形態において参照情報出力部１４５は、特徴量比較部１４４によって算出された「各細胞内容物の特徴量Ｆｃに係るＫＬダイバージェンス」を、参照情報Ｒｉとして、ディスプレイに表示させる。
【0114】
図７は、参照情報出力部１４５がディスプレイに表示させる参照情報画像（参照情報Ｒｉ）の一例を例示する。図７に例示する参照情報Ｒｉは、「基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、各細胞内容物の基準特徴量Ｆｃ＿ｓの分布を示す基準特徴量分布Ｄｆｃ＿ｓ」と、「対象標本ＳＰ＿ｏ中の対象細胞Ｃｅ＿ｏごとの、各細胞内容物の対象特徴量Ｆｃ＿ｏの分布を示す対象特徴量分布Ｄｆｃ＿ｏ」とのＫＬダイバージェンスである。
【0115】
（核の特徴量について）
図７には、「核の基準特徴量Ｆｃ＿ｓ（１）の分布を示す基準特徴量分布Ｄｆｃ＿ｓ（１）」と、「核の対象特徴量Ｆｃ＿ｏ（１）の分布を示す対象特徴量分布Ｄｆｃ＿ｏ（１）」とのＫＬダイバージェンスが、参照情報Ｒｉとして示されている。
図７には、「核の基準特徴量Ｆｃ＿ｓ（１）の分布を示す基準特徴量分布Ｄｆｃ＿ｓ（１）」と、「核の対象特徴量Ｆｃ＿ｏ（１）の分布を示す対象特徴量分布Ｄｆｃ＿ｏ（１）」とのＫＬダイバージェンスが、参照情報Ｒｉとして示されている。
【0116】
特に、「核の基準形態特徴量Ｆｃｆ＿ｓ（１）の分布を示す基準形態特徴量分布Ｄｆｃｆ＿ｓ（１）」と、「核の対象形態特徴量Ｆｃｆ＿ｏ（１）の分布を示す対象形態特徴量分布Ｄｆｃｆ＿ｏ（１）」とのＫＬダイバージェンスとして、以下の情報が示されている。すなわち、「核と同面積の円の直径」、「核の面積」、「核の長径」、「核の離心率」、「核の周囲径」、および、「核の短径」の各々について、基準形態特徴量分布Ｄｆｃｆ＿ｓ（１）と対象形態特徴量分布Ｄｆｃｆ＿ｏ（１）とのＫＬダイバージェンスが示されている。
【0117】
また、「核の基準輝度特徴量Ｆｃｌ＿ｓ（１）の分布を示す基準輝度特徴量分布Ｄｆｃｌ＿ｓ（１）」と、「核の対象輝度特徴量Ｆｃｌ＿ｏ（１）の分布を示す対象輝度特徴量分布Ｄｆｃｌ＿ｏ（１）」とのＫＬダイバージェンスとして、以下の情報が示されている。すなわち、「核の平均輝度＿ｗ１（平均輝度Ａｌ＿ｗ１＿核）」、「核の平均輝度＿ｗ２（平均輝度Ａｌ＿ｗ２＿核）」、「核の平均輝度＿ｗ３（平均輝度Ａｌ＿ｗ３＿核）」、「核の平均輝度＿ｗ４（平均輝度Ａｌ＿ｗ４＿核）」、および、「核の平均輝度＿ｗ５（平均輝度Ａｌ＿ｗ５＿核）」の各々について、基準輝度特徴量分布Ｄｆｃｌ＿ｓ（１）と対象輝度特徴量分布Ｄｆｃｌ＿ｏ（１）とのＫＬダイバージェンスが示されている。「核の平均輝度＿ｗ１」についての、基準輝度特徴量分布Ｄｆｃｌ＿ｓ（１）と対象輝度特徴量分布Ｄｆｃｌ＿ｏ（１）とのＫＬダイバージェンスとは、基準平均輝度Ａｌ＿ｗ１＿核＿ｓの分布と対象平均輝度Ａｌ＿ｗ１＿核＿ｏの分布とのＫＬダイバージェンスである。また、「核の平均輝度＿ｗ２」についての、基準輝度特徴量分布Ｄｆｃｌ＿ｓ（１）と対象輝度特徴量分布Ｄｆｃｌ＿ｏ（１）とのＫＬダイバージェンスとは、基準平均輝度Ａｌ＿ｗ２＿核＿ｓの分布と対象平均輝度Ａｌ＿ｗ２＿核＿ｏの分布とのＫＬダイバージェンスである。「核の平均輝度＿ｗ３」、「核の平均輝度＿ｗ４」、および、「核の平均輝度＿ｗ５」の各々についての、基準輝度特徴量分布Ｄｆｃｌ＿ｓ（１）と対象輝度特徴量分布Ｄｆｃｌ＿ｏ（１）とのＫＬダイバージェンスも、同様である。
【0118】
（細胞質の特徴量について）
図７には、「細胞質の基準特徴量Ｆｃ＿ｓ（２）の分布を示す基準特徴量分布Ｄｆｃ＿ｓ（２）」と、「細胞質の対象特徴量Ｆｃ＿ｏ（２）の分布を示す対象特徴量分布Ｄｆｃ＿ｏ（２）」とのＫＬダイバージェンスが、参照情報Ｒｉとして示されている。
図７には、「細胞質の基準特徴量Ｆｃ＿ｓ（２）の分布を示す基準特徴量分布Ｄｆｃ＿ｓ（２）」と、「細胞質の対象特徴量Ｆｃ＿ｏ（２）の分布を示す対象特徴量分布Ｄｆｃ＿ｏ（２）」とのＫＬダイバージェンスが、参照情報Ｒｉとして示されている。
【0119】
特に、「細胞質の基準形態特徴量Ｆｃｆ＿ｓ（２）の分布を示す基準形態特徴量分布Ｄｆｃｆ＿ｓ（２）」と、「細胞質の対象形態特徴量Ｆｃｆ＿ｏ（２）の分布を示す対象形態特徴量分布Ｄｆｃｆ＿ｏ（２）」とのＫＬダイバージェンスとして、以下の情報が示されている。すなわち、「細胞質と同面積の円の直径」、「細胞質の面積」、「細胞質の長径」、「細胞質の離心率」、「細胞質の周囲径」、および、「細胞質の短径」の各々について、基準形態特徴量分布Ｄｆｃｆ＿ｓ（２）と対象形態特徴量分布Ｄｆｃｆ＿ｏ（２）とのＫＬダイバージェンスが示されている。
【0120】
また、「細胞質の基準輝度特徴量Ｆｃｌ＿ｓ（２）の分布を示す基準輝度特徴量分布Ｄｆｃｌ＿ｓ（２）」と、「細胞質の対象輝度特徴量Ｆｃｌ＿ｏ（２）の分布を示す対象輝度特徴量分布Ｄｆｃｌ＿ｏ（２）」とのＫＬダイバージェンスとして、以下の情報が示されている。すなわち、「細胞質の平均輝度＿ｗ１（平均輝度Ａｌ＿ｗ１＿細胞質）」、「細胞質の平均輝度＿ｗ２（平均輝度Ａｌ＿ｗ２＿細胞質）」、「細胞質の平均輝度＿ｗ３（平均輝度Ａｌ＿ｗ３＿細胞質）」、「細胞質の平均輝度＿ｗ４（平均輝度Ａｌ＿ｗ４＿細胞質）」、および、「細胞質の平均輝度＿ｗ５（平均輝度Ａｌ＿ｗ５＿細胞質）」の各々について、基準輝度特徴量分布Ｄｆｃｌ＿ｓ（２）と対象輝度特徴量分布Ｄｆｃｌ＿ｏ（２）とのＫＬダイバージェンスが示されている。「細胞質の平均輝度＿ｗ１」についての、基準輝度特徴量分布Ｄｆｃｌ＿ｓ（２）と対象輝度特徴量分布Ｄｆｃｌ＿ｏ（２）とのＫＬダイバージェンスとは、基準平均輝度Ａｌ＿ｗ１＿細胞質＿ｓの分布と対象平均輝度Ａｌ＿ｗ１＿細胞質＿ｏの分布とのＫＬダイバージェンスである。また、「細胞質の平均輝度＿ｗ２」についての、基準輝度特徴量分布Ｄｆｃｌ＿ｓ（２）と対象輝度特徴量分布Ｄｆｃｌ＿ｏ（２）とのＫＬダイバージェンスとは、基準平均輝度Ａｌ＿ｗ２＿細胞質＿ｓの分布と対象平均輝度Ａｌ＿ｗ２＿細胞質＿ｏの分布とのＫＬダイバージェンスである。「細胞質の平均輝度＿ｗ３」、「細胞質の平均輝度＿ｗ４」、および、「細胞質の平均輝度＿ｗ５」の各々についての、基準輝度特徴量分布Ｄｆｃｌ＿ｓ（２）と対象輝度特徴量分布Ｄｆｃｌ＿ｏ（２）とのＫＬダイバージェンスも、同様である。
【0121】
（その他の細胞内容物について）
その他の細胞内容物についても、「基準特徴量Ｆｃ＿ｓの分布を示す基準特徴量分布Ｄｆｃ＿ｓ」と、「対象特徴量Ｆｃ＿ｏの分布を示す対象特徴量分布Ｄｆｃ＿ｏ」とのＫＬダイバージェンスが、参照情報Ｒｉとして示されている。すなわち、「核小体の基準特徴量Ｆｃ＿ｓ（３）の分布を示す基準特徴量分布Ｄｆｃ＿ｓ（３）」と、「核小体の対象特徴量Ｆｃ＿ｏ（３）の分布を示す対象特徴量分布Ｄｆｃ＿ｏ（３）」とのＫＬダイバージェンスが、参照情報Ｒｉとして示されている。また、「ゴルジ体の基準特徴量Ｆｃ＿ｓ（４）の分布を示す基準特徴量分布Ｄｆｃ＿ｓ（４）」と、「ゴルジ体の対象特徴量Ｆｃ＿ｏ（４）の分布を示す対象特徴量分布Ｄｆｃ＿ｏ（４）」とのＫＬダイバージェンスが、参照情報Ｒｉとして示されている。さらに、「ミトコンドリアの基準特徴量Ｆｃ＿ｓ（５）の分布を示す基準特徴量分布Ｄｆｃ＿ｓ（５）」と、「ミトコンドリアの対象特徴量Ｆｃ＿ｏ（５）の分布を示す対象特徴量分布Ｄｆｃ＿ｏ（５）」とのＫＬダイバージェンスが、参照情報Ｒｉとして示されている。
その他の細胞内容物についても、「基準特徴量Ｆｃ＿ｓの分布を示す基準特徴量分布Ｄｆｃ＿ｓ」と、「対象特徴量Ｆｃ＿ｏの分布を示す対象特徴量分布Ｄｆｃ＿ｏ」とのＫＬダイバージェンスが、参照情報Ｒｉとして示されている。すなわち、「核小体の基準特徴量Ｆｃ＿ｓ（３）の分布を示す基準特徴量分布Ｄｆｃ＿ｓ（３）」と、「核小体の対象特徴量Ｆｃ＿ｏ（３）の分布を示す対象特徴量分布Ｄｆｃ＿ｏ（３）」とのＫＬダイバージェンスが、参照情報Ｒｉとして示されている。また、「ゴルジ体の基準特徴量Ｆｃ＿ｓ（４）の分布を示す基準特徴量分布Ｄｆｃ＿ｓ（４）」と、「ゴルジ体の対象特徴量Ｆｃ＿ｏ（４）の分布を示す対象特徴量分布Ｄｆｃ＿ｏ（４）」とのＫＬダイバージェンスが、参照情報Ｒｉとして示されている。さらに、「ミトコンドリアの基準特徴量Ｆｃ＿ｓ（５）の分布を示す基準特徴量分布Ｄｆｃ＿ｓ（５）」と、「ミトコンドリアの対象特徴量Ｆｃ＿ｏ（５）の分布を示す対象特徴量分布Ｄｆｃ＿ｏ（５）」とのＫＬダイバージェンスが、参照情報Ｒｉとして示されている。
【0122】
これまで説明してきたように、本実施形態において、参照情報Ｒｉは、基準細胞画像２に撮像されている細胞内容物を含む細胞（基準細胞Ｃｅ＿ｓ）ごとの各細胞内容物の基準特徴量Ｆｃ＿ｓの分布である基準特徴量分布Ｄｆｃ＿ｓと、対象細胞画像５に撮像されている細胞内容物を含む細胞（対象細胞Ｃｅ＿ｏ）ごとの各細胞内容物の対象特徴量Ｆｃ＿ｏの分布である対象特徴量分布Ｄｆｃ＿ｏとのＫＬダイバージェンスである。当該構成では、研究支援装置１は、参照情報Ｒｉとして、基準特徴量分布Ｄｆｃ＿ｓと対象特徴量分布Ｄｆｃ＿ｏとのＫＬダイバージェンスを出力することができる。
【0123】
基準特徴量分布Ｄｆｃ＿ｓと対象特徴量分布Ｄｆｃ＿ｏとのＫＬダイバージェンスは、基準細胞Ｃｅ＿ｓごとの各細胞内容物の基準特徴量Ｆｃ＿ｓについてのヒストグラムと、対象細胞Ｃｅ＿ｏごとの各細胞内容物の対象特徴量Ｆｃ＿ｏについてのヒストグラムとの間のズレを数値化して示す情報と言い換えてもよい。
【0124】
図７を用いて説明したように、本実施形態において、参照情報Ｒｉは、「核の平均輝度＿ｗ１（平均輝度Ａｌ＿ｗ１＿核）」についての、基準輝度特徴量分布Ｄｆｃｌ＿ｓ（１）と対象輝度特徴量分布Ｄｆｃｌ＿ｏ（１）とのＫＬダイバージェンスを含む。また、参照情報Ｒｉは、「核の平均輝度＿ｗ（ｘ）（平均輝度Ａｌ＿ｗ（ｘ）＿核）」についての、基準輝度特徴量分布Ｄｆｃｌ＿ｓ（１）と対象輝度特徴量分布Ｄｆｃｌ＿ｏ（１）とのＫＬダイバージェンスを含む。すなわち、参照情報Ｒｉは、「核の平均輝度＿ｗ２（平均輝度Ａｌ＿ｗ２＿核）」、「核の平均輝度＿ｗ３（平均輝度Ａｌ＿ｗ３＿核）」、「核の平均輝度＿ｗ４（平均輝度Ａｌ＿ｗ４＿核）」、および、「核の平均輝度＿ｗ５（平均輝度Ａｌ＿ｗ５＿核）」の少なくとも１つについての、基準輝度特徴量分布Ｄｆｃｌ＿ｓ（１）と対象輝度特徴量分布Ｄｆｃｌ＿ｏ（１）とのＫＬダイバージェンスを含む。
【0125】
前述の通り、「核の平均輝度＿ｗ１」についての、基準輝度特徴量分布Ｄｆｃｌ＿ｓ（１）と対象輝度特徴量分布Ｄｆｃｌ＿ｏ（１）とのＫＬダイバージェンスは、基準核画像２（１）に撮像されている、基準細胞Ｃｅ＿ｓごとの核の輝度の平均（基準平均輝度Ａｌ＿ｗ１＿核＿ｓ）についてのヒストグラムと、対象核画像５（１）に撮像されている、対象細胞Ｃｅ＿ｏごとの核の輝度の平均（対象平均輝度Ａｌ＿ｗ１＿核＿ｏ）についてのヒストグラムとの間のズレを数値化して示す情報と言い換えてもよい。「核の平均輝度＿ｗ２」についての、基準輝度特徴量分布Ｄｆｃｌ＿ｓ（１）と対象輝度特徴量分布Ｄｆｃｌ＿ｏ（１）とのＫＬダイバージェンスは、基準細胞質画像２（２）の「基準核画像２（１）において核が撮像されている領域に対応する領域」の輝度の平均（基準平均輝度Ａｌ＿ｗ２＿核＿ｓ）についてのヒストグラムと、対象細胞質画像５（２）の「対象核画像５（１）において核が撮像されている領域に対応する領域」の輝度の平均（対象平均輝度Ａｌ＿ｗ２＿核＿ｏ）についてのヒストグラムとの間のズレを数値化して示す情報と言い換えてもよい。「核の平均輝度＿ｗ３」、「核の平均輝度＿ｗ４」、「核の平均輝度＿ｗ５」の各々についての、基準輝度特徴量分布Ｄｆｃｌ＿ｓ（１）と対象輝度特徴量分布Ｄｆｃｌ＿ｏ（１）とのＫＬダイバージェンスも同様である。すなわち、「核の平均輝度＿ｗ（ｘ）（平均輝度Ａｌ＿ｗ（ｘ）＿核）」についての、基準輝度特徴量分布Ｄｆｃｌ＿ｓ（１）と対象輝度特徴量分布Ｄｆｃｌ＿ｏ（１）とのＫＬダイバージェンスは、追加基準画像２（ｘ）の「基準核画像２（１）において核が撮像されている領域に対応する領域」の輝度の平均（基準平均輝度Ａｌ＿ｗ（ｘ）＿核＿ｓ）についてのヒストグラムと、追加対象画像５（ｘ）の「対象核画像５（１）において核が撮像されている領域に対応する領域」の輝度の平均（対象平均輝度Ａｌ＿ｗ（ｘ）＿核＿ｏ）についてのヒストグラムとの間のズレを数値化して示す情報と言い換えてもよい。
【0126】
「基準核画像２（１）に撮像されている核の輝度の平均（基準平均輝度Ａｌ＿ｗ１＿核＿ｓ）についてのヒストグラム」とは、基準核画像２（１）に撮像されている核ごとの平均輝度の分布を示す情報である。また、「対象核画像５（１）に撮像されている核の輝度の平均（対象平均輝度Ａｌ＿ｗ１＿核＿ｏ）についてのヒストグラム」とは、対象核画像５（１）に撮像されている核ごとの平均輝度の分布を示す情報である。両者のズレを数値化して示す図７の「核の平均輝度＿ｗ１」は、基準核画像２（１）および対象核画像５（１）における核ごとの平均輝度の分布についてのＫＬダイバージェンスと言い換えてもよい。
【0127】
『追加基準画像２（ｘ）の、「基準核画像２（１）において核が撮像されている領域」に対応する領域』の輝度の平均（基準平均輝度Ａｌ＿ｗ（ｘ）＿核＿ｓ）についてのヒストグラムとは、基準細胞質画像２（２）等における、「基準核画像２（１）において核が撮像されている領域に対応する領域」ごとの平均輝度の分布を示す情報である。また、『追加対象画像５（ｘ）の、「対象核画像５（１）において核が撮像されている領域」に対応する領域』の輝度の平均（対象平均輝度Ａｌ＿ｗ（ｘ）＿核＿ｏ）についてのヒストグラムとは、対象細胞質画像５（２）等における、「対象核画像５（１）において核が撮像されている領域に対応する領域」ごとの平均輝度の分布を示す情報である。例えば、両者のズレを数値化して示す図７の「核の平均輝度＿ｗ２」は、基準細胞質画像２（２）および対象細胞質画像５（２）における、「基準核画像２（１）（対象核画像５（１））において核が撮像されている領域に対応する領域」ごとの平均輝度の分布についてのＫＬダイバージェンスと言い換えてもよい。
【0128】
当該構成では、研究支援装置１は、参照情報Ｒｉとして、（Ａ）基準核画像２（１）に撮像されている、基準細胞Ｃｅ＿ｓごとの核の輝度の平均（基準平均輝度Ａｌ＿ｗ１＿核＿ｓ）についてのヒストグラムと、対象核画像５（１）に撮像されている、対象細胞Ｃｅ＿ｏごとの核の輝度の平均（対象平均輝度Ａｌ＿ｗ１＿核＿ｏ）についてのヒストグラムとの間のズレを数値化して示す情報、および、（Ｂ）追加基準画像２（ｘ）の、「基準核画像２（１）において核が撮像されている領域に対応する領域」の輝度の平均（基準平均輝度Ａｌ＿ｗ（ｘ）＿核＿ｓ）についてのヒストグラムと、追加対象画像５（ｘ）の、「対象核画像５（１）において核が撮像されている領域に対応する領域」の輝度の平均（対象平均輝度Ａｌ＿ｗ（ｘ）＿核＿ｏ）についてのヒストグラムとの間のズレを数値化して示す情報を、出力することができる。
【0129】
＜その他＞
研究支援装置１の各ソフトウェアモジュールに関しては後述する動作例で詳細に説明する。なお、本実施形態では、研究支援装置１の各ソフトウェアモジュールがいずれも汎用のＣＰＵによって実現される例について説明している。しかしながら、上記ソフトウェアモジュールの一部または全部が、１または複数の専用のプロセッサにより実現されてもよい。例えば、上記ソフトウェアモジュールの一部または全部が、グラフィックスプロセッシングユニットにより処理されてもよい。また、研究支援装置１のソフトウェア構成に関して、実施形態に応じて、適宜、ソフトウェアモジュールの省略、置換および追加が行われてもよい。
研究支援装置１の各ソフトウェアモジュールに関しては後述する動作例で詳細に説明する。なお、本実施形態では、研究支援装置１の各ソフトウェアモジュールがいずれも汎用のＣＰＵによって実現される例について説明している。しかしながら、上記ソフトウェアモジュールの一部または全部が、１または複数の専用のプロセッサにより実現されてもよい。例えば、上記ソフトウェアモジュールの一部または全部が、グラフィックスプロセッシングユニットにより処理されてもよい。また、研究支援装置１のソフトウェア構成に関して、実施形態に応じて、適宜、ソフトウェアモジュールの省略、置換および追加が行われてもよい。
【0130】
§３ 動作例
図８は、本実施形態に係る研究支援装置１が行なう準備処理（機械学習処理および基準特徴量生成処理）の手順の一例を示すフローチャートである。なお、以下で説明する処理手順は一例に過ぎず、各ステップは可能な限り変更されてよい。更に、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、および追加が可能である。
図８は、本実施形態に係る研究支援装置１が行なう準備処理（機械学習処理および基準特徴量生成処理）の手順の一例を示すフローチャートである。なお、以下で説明する処理手順は一例に過ぎず、各ステップは可能な限り変更されてよい。更に、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、および追加が可能である。
【0131】
（ステップＳ１０１、基準画像取得ステップ）
ステップＳ１０１では、制御部１１は、基準画像取得部１３１として動作し、基準細胞画像２を取得する。制御部１１は、取得した基準細胞画像２を「基準状態Ｓ＿ｓ」と対応付けて、記憶部１２に各学習データセット１２２として格納する（保存する）。
ステップＳ１０１では、制御部１１は、基準画像取得部１３１として動作し、基準細胞画像２を取得する。制御部１１は、取得した基準細胞画像２を「基準状態Ｓ＿ｓ」と対応付けて、記憶部１２に各学習データセット１２２として格納する（保存する）。
【0132】
（ステップＳ１０２、学習処理ステップ）
ステップＳ１０２では、制御部１１は、学習処理部１３２として動作し、複数の学習データセット１２２を使用して、学習モデル４の機械学習を実施する。すなわち、制御部１１は、基準細胞画像２と「基準状態Ｓ＿ｓ」との組み合わせによりそれぞれ構成される複数の学習データセット１２２を用いて機械学習を実施し、符号器４１と推定器４２とを訓練する（特に、推定器４２を訓練する）。機械学習を実施することは、複数の学習データセット１２２の各々について、基準細胞画像２を符号器４１に与えたときに、推定器４２が「基準細胞画像２に撮像されている細胞内容物を含む細胞（基準細胞Ｃｅ＿ｓ）は、基準状態Ｓ＿ｓにある」と推定するように、符号器４１と推定器４２とを訓練する訓練ステップを含む。
ステップＳ１０２では、制御部１１は、学習処理部１３２として動作し、複数の学習データセット１２２を使用して、学習モデル４の機械学習を実施する。すなわち、制御部１１は、基準細胞画像２と「基準状態Ｓ＿ｓ」との組み合わせによりそれぞれ構成される複数の学習データセット１２２を用いて機械学習を実施し、符号器４１と推定器４２とを訓練する（特に、推定器４２を訓練する）。機械学習を実施することは、複数の学習データセット１２２の各々について、基準細胞画像２を符号器４１に与えたときに、推定器４２が「基準細胞画像２に撮像されている細胞内容物を含む細胞（基準細胞Ｃｅ＿ｓ）は、基準状態Ｓ＿ｓにある」と推定するように、符号器４１と推定器４２とを訓練する訓練ステップを含む。
【0133】
機械学習の処理対象となる学習モデル４の構成要素（本実施形態では、推定器４２）は、公知の機械学習モデルを利用することができ、本実施形態では、公知の異常検知モデルを、推定器４２として用いた。異常検知モデルとしては、近傍法（nearest neighbor）に準拠した異常検知モデルを用いてもよい。近傍法に準拠した異常検知モデルとしては、「ｋ近傍法（k-nearest neighbor）」での距離を異常度として利用するモデルを用いてもよいし、データインスタンスの相対密度を異常度として計算するモデルを用いてもよい。
【0134】
ただし、推定器４２として異常検知モデルを利用することは必須ではない。また、推定器４２は、教師あり学習によって訓練されるものであってもよいし、教師なし学習によって訓練されるものであってもよい。例えば、推定器４２は、正解データのみから、正解、不正解を識別する教師なし学習によって訓練されるものであってもよい。
【0135】
制御部１１は、各学習データセット１２２について、定義済みの特徴抽出器である符号器４１に基準細胞画像２を入力して、符号器４１に、基準標本ＳＰ＿ｓ中の基準細胞Ｃｅ＿ｓごとの、細胞内容物の基準特徴量Ｆｃ＿ｓを出力させる。そして、制御部１１は、符号器４１の出力した基準特徴量Ｆｃ＿ｓを推定器４２に与え、推定器４２が「基準細胞Ｃｅ＿ｓは、基準状態Ｓ＿ｓにある」と推定（識別）するように、推定器４２を訓練する。例えば、制御部１１は、基準特徴量Ｆｃ＿ｓを入力された推定器４２から得られる出力値が正解データである「基準状態Ｓ＿ｓ」に一致するように、推定器４２の各演算パラメータを調整してもよい。また、制御部１１は、基準特徴量Ｆｃ＿ｓを用いた教師なし学習によって、「基準状態Ｓ＿ｓにあるか否か」を識別（推定）できるように、推定器４２の各演算パラメータを調整してもよい。各演算パラメータには、推定器４２が「基準状態Ｓ＿ｓにあるか否か」を識別（推定）するための閾値が含まれていてもよい。推定器４２の各演算パラメータの初期値は、予めテンプレートにより与えられてもよいし、オペレータの入力により与えられてもよい。また、再学習を行う場合には、制御部１１は、過去の機械学習を行うことで得られた学習結果データに基づいて、推定器４２の各演算パラメータを用意してもよい。
【0136】
制御部１１は、所定の回数（例えば、１回または複数回）、上述の調整を実行する。制御部１１は、推定器４２の推定精度（識別精度）が所定の値以上となるまで、係る調整を繰り返してもよい。制御部１１は、各学習データセット１２２について、基準細胞画像２を符号器４１に与えることで推定器４２から得られる推定タスクの遂行結果が正解データ（「基準状態Ｓ＿ｓ」）に適合するように、推定器４２の各演算パラメータを調整し、つまり、推定器４２を訓練する。ステップＳ１０２の訓練処理が完了すると、制御部１１は、次のステップＳ１０３に処理を進める。
【0137】
（ステップＳ１０３、基準特徴量生成ステップ）
ステップＳ１０３では、制御部１１は、学習処理部１３２として動作し、機械学習により構築された訓練済みの符号器４１に、各学習データセット１２２に含まれる基準細胞画像２を入力して、基準細胞画像２に撮像されている細胞内容物の特徴量Ｆｃ（基準特徴量Ｆｃ＿ｓ）を出力させる。
ステップＳ１０３では、制御部１１は、学習処理部１３２として動作し、機械学習により構築された訓練済みの符号器４１に、各学習データセット１２２に含まれる基準細胞画像２を入力して、基準細胞画像２に撮像されている細胞内容物の特徴量Ｆｃ（基準特徴量Ｆｃ＿ｓ）を出力させる。
【0138】
（ステップＳ１０４、準備処理結果保存ステップ）
ステップＳ１０４では、制御部１１は、保存処理部１３３として動作し、ステップＳ１０２による機械学習の結果に関する情報を学習結果データ１２３として生成する。本実施形態において制御部１１は、機械学習により構築された訓練済みの符号器４１および推定器４２の構造および各演算パラメータの値を示す情報を学習結果データ１２３として生成する。そして、制御部１１は、生成された学習結果データ１２３を所定の記憶領域に保存する。また、ステップＳ１０４では、制御部１１は、基準細胞画像２を訓練済みの符号器４１に与えて出力させた基準特徴量Ｆｃ＿ｓを、基準特徴量データ１２４として所定の記憶領域に保存する。
ステップＳ１０４では、制御部１１は、保存処理部１３３として動作し、ステップＳ１０２による機械学習の結果に関する情報を学習結果データ１２３として生成する。本実施形態において制御部１１は、機械学習により構築された訓練済みの符号器４１および推定器４２の構造および各演算パラメータの値を示す情報を学習結果データ１２３として生成する。そして、制御部１１は、生成された学習結果データ１２３を所定の記憶領域に保存する。また、ステップＳ１０４では、制御部１１は、基準細胞画像２を訓練済みの符号器４１に与えて出力させた基準特徴量Ｆｃ＿ｓを、基準特徴量データ１２４として所定の記憶領域に保存する。
【0139】
所定の記憶領域は、例えば、制御部１１内のＲＡＭ、記憶部１２、外部記憶装置、記憶メディアまたはこれらの組み合わせであってよい。記憶メディアは、例えば、ＣＤ、ＤＶＤ等であってよく、制御部１１は、ドライブ１７を介して記憶メディアに学習結果データ１２３および基準特徴量データ１２４を格納してもよい。外部記憶装置は、例えば、ＮＡＳ（Network Attached Storage）等のデータサーバであってよい。この場合、制御部１１は、通信インタフェース１３を利用して、ネットワークを介してデータサーバに学習結果データ１２３および基準特徴量データ１２４を格納してもよい。また、外部記憶装置は、例えば、外部インタフェース１４を介して研究支援装置１に接続された外付けの記憶装置であってもよい。学習結果データ１２３および基準特徴量データ１２４の保存が完了すると、制御部１１は、本動作例に係る処理手順を終了する。
【0140】
研究支援装置１は、通信インタフェース１３を利用して、データサーバにネットワークを介してアクセスすることで、学習結果データ１２３および基準特徴量データ１２４を取得してもよい。また、例えば、研究支援装置１は、記憶媒体９１を介して、学習結果データ１２３および基準特徴量データ１２４を取得してもよい。また、例えば、学習結果データ１２３および基準特徴量データ１２４は、研究支援装置１に組み込まれてもよい。
【0141】
更に、制御部１１は、上記ステップＳ１０１～ステップＳ１０４の処理を定期または不定期に繰り返すことで、学習結果データ１２３および基準特徴量データ１２４を更新または新たに生成してもよい。この繰り返しの際には、複数の学習データセット１２２の少なくとも一部の変更、修正、追加、削除等が適宜実行されてよい。そして、制御部１１は、更新した、または、新たに生成した学習結果データ１２３および基準特徴量データ１２４を任意の方法で、研究支援装置１に提供することで、研究支援装置１の保持する学習結果データ１２３および基準特徴量データ１２４を更新してもよい。
【0142】
図９は、本実施形態に係る研究支援装置１が行なう適用処理（対象特徴量生成処理および推定処理）の手順の一例を示すフローチャートである。なお、以下で説明する処理手順は一例に過ぎず、各ステップは可能な限り変更されてよい。更に、以下で説明する処理手順について、実施の形態に応じて、適宜、ステップの省略、置換、および追加が可能である。
【0143】
（ステップＳ２０１、対象画像取得ステップ）
ステップＳ２０１では、制御部１１は、対象画像取得部１４１として動作し、対象細胞画像５を取得する。本実施形態において制御部１１は、対象核画像５（１）、対象細胞質画像５（２）、対象核小体画像５（３）、対象ゴルジ体画像５（４）、および、対象ミトコンドリア画像５（５）を、対象細胞画像５として取得する。対象細胞画像５を取得すると、制御部１１は、次のステップＳ２０２に処理を進める。
ステップＳ２０１では、制御部１１は、対象画像取得部１４１として動作し、対象細胞画像５を取得する。本実施形態において制御部１１は、対象核画像５（１）、対象細胞質画像５（２）、対象核小体画像５（３）、対象ゴルジ体画像５（４）、および、対象ミトコンドリア画像５（５）を、対象細胞画像５として取得する。対象細胞画像５を取得すると、制御部１１は、次のステップＳ２０２に処理を進める。
【0144】
（ステップＳ２０２、対象特徴量生成ステップ）
ステップＳ２０２では、制御部１１は、推定部１４２として動作し、学習結果データ１２３を参照して、訓練済みの符号器４１および推定器４２の設定を行う。制御部１１は、取得された対象細胞画像５を訓練済みの符号器４１の入力層に入力し、訓練済みの符号器４１および推定器４２の順伝播の演算処理を実行する。この演算処理の過程において、制御部１１は、訓練済みの（定義済みの）符号器４１の演算処理により、符号器４１の出力層から対象細胞画像５に撮像されている各細胞内容物の特徴量Ｆｃ（対象特徴量Ｆｃ＿ｏ）に対応する出力値（対象特徴量データ２２４）を取得する。係る対象特徴量生成ステップの実行が完了すると、制御部１１は、次のステップＳ２０３に処理を進める。
ステップＳ２０２では、制御部１１は、推定部１４２として動作し、学習結果データ１２３を参照して、訓練済みの符号器４１および推定器４２の設定を行う。制御部１１は、取得された対象細胞画像５を訓練済みの符号器４１の入力層に入力し、訓練済みの符号器４１および推定器４２の順伝播の演算処理を実行する。この演算処理の過程において、制御部１１は、訓練済みの（定義済みの）符号器４１の演算処理により、符号器４１の出力層から対象細胞画像５に撮像されている各細胞内容物の特徴量Ｆｃ（対象特徴量Ｆｃ＿ｏ）に対応する出力値（対象特徴量データ２２４）を取得する。係る対象特徴量生成ステップの実行が完了すると、制御部１１は、次のステップＳ２０３に処理を進める。
【0145】
（ステップＳ２０３、推定結果出力ステップ）
ステップＳ２０３では、制御部１１は、推定部１４２として動作し、訓練済みの推定器４２に対象特徴量Ｆｃ＿ｏを入力して、対象細胞画像５に撮像されている細胞内小器官を含む細胞（対象細胞Ｃｅ＿ｏ）の状態を推定させる。すなわち、制御部１１は、Ｓ２０２において訓練済みの（定義済みの）符号器４１に出力させた対象特徴量Ｆｃ＿ｏを、訓練済みの推定器４２の入力層に入力し、訓練済みの推定器４２の順伝播の演算処理を実行する。これにより、制御部１１は、対象細胞画像５に対して推定タスクを遂行した結果に対応する出力値を訓練済みの推定器４２の出力層から取得することができる。すなわち、制御部１１は、「対象細胞Ｃｅ＿ｏが基準状態Ｓ＿ｓにあるか否か」についての推定の結果を、訓練済みの推定器４２から取得する。以上に説明した通り、本実施形態では、対象細胞画像５に対する推定タスクを遂行することは、対象細胞画像５を符号器４１に与えて、訓練済みの符号器４１および推定器４２の順伝播の演算処理を実行することにより達成される。
ステップＳ２０３では、制御部１１は、推定部１４２として動作し、訓練済みの推定器４２に対象特徴量Ｆｃ＿ｏを入力して、対象細胞画像５に撮像されている細胞内小器官を含む細胞（対象細胞Ｃｅ＿ｏ）の状態を推定させる。すなわち、制御部１１は、Ｓ２０２において訓練済みの（定義済みの）符号器４１に出力させた対象特徴量Ｆｃ＿ｏを、訓練済みの推定器４２の入力層に入力し、訓練済みの推定器４２の順伝播の演算処理を実行する。これにより、制御部１１は、対象細胞画像５に対して推定タスクを遂行した結果に対応する出力値を訓練済みの推定器４２の出力層から取得することができる。すなわち、制御部１１は、「対象細胞Ｃｅ＿ｏが基準状態Ｓ＿ｓにあるか否か」についての推定の結果を、訓練済みの推定器４２から取得する。以上に説明した通り、本実施形態では、対象細胞画像５に対する推定タスクを遂行することは、対象細胞画像５を符号器４１に与えて、訓練済みの符号器４１および推定器４２の順伝播の演算処理を実行することにより達成される。
【0146】
（ステップＳ２０４、参照情報出力ステップ）
ステップＳ２０４では、制御部１１は、先ず特徴量比較部１４４として動作し、基準特徴量データ１２４によって示される基準特徴量Ｆｃ＿ｓと、対象特徴量データ２２４によって示される対象特徴量Ｆｃ＿ｏとを比較する。本実施形態において制御部１１は、基準細胞Ｃｅ＿ｓごとの、各細胞内容物の基準特徴量分布Ｄｆｃ＿ｓと、対象細胞Ｃｅ＿ｏごとの、各細胞内容物の対象特徴量分布Ｄｆｃ＿ｏとのＫＬダイバージェンスを算出する。
ステップＳ２０４では、制御部１１は、先ず特徴量比較部１４４として動作し、基準特徴量データ１２４によって示される基準特徴量Ｆｃ＿ｓと、対象特徴量データ２２４によって示される対象特徴量Ｆｃ＿ｏとを比較する。本実施形態において制御部１１は、基準細胞Ｃｅ＿ｓごとの、各細胞内容物の基準特徴量分布Ｄｆｃ＿ｓと、対象細胞Ｃｅ＿ｏごとの、各細胞内容物の対象特徴量分布Ｄｆｃ＿ｏとのＫＬダイバージェンスを算出する。
【0147】
ステップＳ２０４では、制御部１１は、次に参照情報出力部１４５として動作し、「基準特徴量Ｆｃ＿ｓと、対象特徴量データ２２４によって示される対象特徴量Ｆｃ＿ｏとの比較結果（違い）」を数値化して示す参照情報Ｒｉを出力する。本実施形態において制御部１１は、「基準細胞Ｃｅ＿ｓごとの、各細胞内容物の基準特徴量分布Ｄｆｃ＿ｓと、対象細胞Ｃｅ＿ｏごとの、各細胞内容物の対象特徴量分布Ｄｆｃ＿ｏとのＫＬダイバージェンス」を、参照情報Ｒｉとして、ディスプレイに表示させる。すなわち、制御部１１は、各細胞内容物の各特徴量Ｆｃに係るＫＬダイバージェンスを、参照情報Ｒｉとして、ディスプレイに表示させる。
【0148】
（ステップＳ２０５、推定結果出力ステップ）
ステップＳ２０５では、制御部１１は、推定結果出力部１４３として動作し、Ｓ２０３の推定タスクを遂行した結果（推定結果）に関する情報を出力する。例えば、制御部１１は、「対象細胞Ｃｅ＿ｏが基準状態Ｓ＿ｓにあるか否か」についての推定結果を示す推定結果画像を、ディスプレイに表示させる。なお、研究支援装置１にとって、推定結果出力ステップ（Ｓ２０５）を実行することは必須ではなく、また、推定結果出力ステップにおいて推定結果画像をディスプレイに表示させることも必須ではない。
ステップＳ２０５では、制御部１１は、推定結果出力部１４３として動作し、Ｓ２０３の推定タスクを遂行した結果（推定結果）に関する情報を出力する。例えば、制御部１１は、「対象細胞Ｃｅ＿ｏが基準状態Ｓ＿ｓにあるか否か」についての推定結果を示す推定結果画像を、ディスプレイに表示させる。なお、研究支援装置１にとって、推定結果出力ステップ（Ｓ２０５）を実行することは必須ではなく、また、推定結果出力ステップにおいて推定結果画像をディスプレイに表示させることも必須ではない。
【0149】
［特徴］
以上のとおり、本実施形態において研究支援装置１（創薬研究支援装置）は、基準画像取得部１３１と、学習処理部１３２と、対象画像取得部１４１と、参照情報出力部１４５と、を備える。
以上のとおり、本実施形態において研究支援装置１（創薬研究支援装置）は、基準画像取得部１３１と、学習処理部１３２と、対象画像取得部１４１と、参照情報出力部１４５と、を備える。
【0150】
基準画像取得部１３１は、細胞内容物が撮像された細胞画像ＣＩであって、基準状態Ｓ＿ｓ（例えば、試薬投入前の状態、偽薬で処理した状態）にある細胞（基準細胞Ｃｅ＿ｓ）の細胞内容物が撮像された細胞画像ＣＩである基準細胞画像２（基準画像）を取得する。特に、基準画像取得部１３１は、基準状態Ｓ＿ｓにある細胞の核が撮像された細胞画像ＣＩである基準核画像２（１）を含む、基準細胞画像２を取得する。
【0151】
学習処理部１３２は、基準細胞画像２と基準状態Ｓ＿ｓとの組み合わせによりそれぞれ構成される複数の学習データセット１２２を使用して、学習モデル４の機械学習を実施する。学習モデル４は、符号器４１と推定器４２とを含む。符号器４１は、与えられた細胞画像ＣＩを、係る細胞画像ＣＩに撮像されている細胞内容物の特徴量Ｆｃ（形態特徴量Ｆｃｆおよび輝度特徴量Ｆｃｌの少なくとも一方）へと変換するように構成される。推定器４２は、特徴量Ｆｃの入力を受け付け、入力された特徴量Ｆｃに基づいて、細胞画像ＣＩに撮像されている細胞内容物を含む細胞の状態を推定するように構成される。
【0152】
機械学習を実施することは、複数の学習データセット１２２の各々について、基準細胞画像２を符号器４１に与えたときに、推定器４２が「基準細胞画像２に撮像されている細胞内容物を含む細胞（基準細胞Ｃｅ＿ｓ）は基準状態Ｓ＿ｓにある」と推定するように、符号器４１と推定器４２とを訓練する訓練ステップを含む。
【0153】
対象画像取得部１４１は、対象細胞Ｃｅ＿ｏ（例えば、試薬投入後の細胞）の細胞内容物が撮像された細胞画像ＣＩである対象細胞画像５を取得する。特に、対象画像取得部１４１は、対象細胞Ｃｅ＿ｏの核が撮像された細胞画像ＣＩである対象核画像５（１）を含む、対象細胞画像５（対象画像）を取得する。
【0154】
参照情報出力部１４５は、前述の機械学習の実施後の（つまり、訓練済みの）符号器４１が基準細胞画像２の入力に対して出力する特徴量Ｆｃである基準特徴量Ｆｃ＿ｓと、訓練済みの符号器４１が対象細胞画像５の入力に対して出力する特徴量Ｆｃである対象特徴量Ｆｃ＿ｏとの違いを数値化して示す情報である参照情報Ｒｉを出力する。
【0155】
当該構成では、符号器４１と推定器４２とは、複数の学習データセット１２２の各々について、基準細胞画像２を符号器４１に与えたときに、推定器４２が「基準細胞Ｃｅ＿ｓは基準状態Ｓ＿ｓにある」と推定するように、訓練される。そして、研究支援装置１は、機械学習の実施後の（つまり、訓練済みの）符号器４１が基準細胞画像２の入力に対して出力する基準特徴量Ｆｃ＿ｓと、訓練済みの符号器４１が対象細胞画像５の入力に対して出力する対象特徴量Ｆｃ＿ｏとの違いを数値化して示す参照情報Ｒｉを出力する。すなわち、研究支援装置１は、ユーザが対象細胞Ｃｅ＿ｏの状態を把握しようとする際に注目すべき指標として、つまり、ユーザによる創薬研究を支援する情報として、参照情報Ｒｉを出力する。研究支援装置１は、例えば、参照情報Ｒｉを表示装置等に出力して、参照情報Ｒｉをユーザに表示する。
【0156】
しかも、研究支援装置１は、細胞の遺伝子解析を必要とすることなく、学習データセット１２２に対する機械学習と、対象細胞画像５とを利用して、参照情報Ｒｉを出力する。そのため、研究支援装置１は、細胞の遺伝子解析を必要とすることなく、創薬研究を支援可能な情報を出力することができるとの効果を奏する。
【0157】
本実施形態において、基準細胞画像２は、基準状態Ｓ＿ｓにある細胞（基準細胞Ｃｅ＿ｓ）の、核以外の細胞内容物が撮像された細胞画像ＣＩである追加基準画像２（ｘ）をさらに含む。また、対象細胞画像５は、対象細胞Ｃｅ＿ｏの、前述の追加基準画像２（ｘ）に撮像されている細胞内容物が撮像された細胞画像ＣＩである追加対象画像５（ｘ）をさらに含む。
【0158】
当該構成では、基準細胞画像２は、基準核画像２（１）に加えて、基準細胞Ｃｅ＿ｓの、核以外の細胞内容物が撮像された追加基準画像２（ｘ）をさらに含む。また、対象細胞画像５は、対象核画像５（１）に加えて、対象細胞Ｃｅ＿ｏの、前述の追加基準画像２（ｘ）に撮像されている細胞内容物が撮像された追加対象画像５（ｘ）をさらに含む。そのため、研究支援装置１は、細胞の核についての特徴量Ｆｃに加えて、核以外の細胞内容物についての特徴量Ｆｃも考慮して、前述の機械学習および細胞の状態の推定を実行することができる。
【0159】
本実施形態において、追加基準画像２（ｘ）は、基準状態Ｓ＿ｓにある細胞（基準細胞Ｃｅ＿ｓ）の細胞質または細胞質内分子が撮像された細胞画像ＣＩである基準細胞質画像２（２）、基準細胞Ｃｅ＿ｓの核小体または核小体内分子が撮像された細胞画像ＣＩである基準核小体画像２（３）、基準細胞Ｃｅ＿ｓのゴルジ体またはゴルジ体内分子が撮像された細胞画像ＣＩである基準ゴルジ体画像２（４）、基準細胞Ｃｅ＿ｓのミトコンドリアまたはミトコンドリア内分子が撮像された細胞画像ＣＩである基準ミトコンドリア画像２（５）、および、基準細胞Ｃｅ＿ｓの細胞膜または細胞膜に結合する分子が撮像された細胞画像ＣＩである基準細胞膜画像２（６）の少なくとも１つを含む。また、追加対象画像５（ｘ）は、対象細胞Ｃｅ＿ｏの細胞質または細胞質内分子が撮像された細胞画像ＣＩである対象細胞質画像５（２）、対象細胞Ｃｅ＿ｏの核小体または核小体内分子が撮像された細胞画像ＣＩである対象核小体画像５（３）、対象細胞Ｃｅ＿ｏのゴルジ体またはゴルジ体内分子が撮像された細胞画像ＣＩである対象ゴルジ体画像５（４）、対象細胞Ｃｅ＿ｏのミトコンドリアまたはミトコンドリア内分子が撮像された細胞画像ＣＩである対象ミトコンドリア画像５（５）、および、対象細胞Ｃｅ＿ｏの細胞膜または細胞膜に結合する分子が撮像された細胞画像ＣＩである対象細胞膜画像５（６）の少なくとも１つを含む。
【0160】
当該構成では、研究支援装置１は、細胞の核についての特徴量Ｆｃに加えて、細胞質または細胞質内分子、核小体または核小体内分子、ゴルジ体またはゴルジ体内分子、ミトコンドリアまたはミトコンドリア内分子、および、細胞膜または細胞膜に結合する分子の少なくとも１つについての特徴量Ｆｃを考慮して、前述の機械学習および細胞の状態の推定を実行することができる。
【0161】
本実施形態において、研究支援装置１は、推定部１４２をさらに備える。推定部１４２は、機械学習の実施後の（つまり、訓練済みの）学習モデル４に対象細胞画像５を入力して、対象細胞画像５に撮像されている細胞内容物を含む細胞（対象細胞Ｃｅ＿ｏ）が基準状態Ｓ＿ｓにあるか否かを推定する。当該構成では、研究支援装置１は、訓練済みの学習モデル４に対象細胞画像５を入力して、対象細胞Ｃｅ＿ｏが基準状態Ｓ＿ｓにあるか否かを推定することができる。特に、研究支援装置１は、細胞の遺伝子解析を必要とすることなく、対象細胞Ｃｅ＿ｏが基準状態Ｓ＿ｓにあるか否かを推定することができる。
【0162】
§４ 変形例
以上、本発明の実施の形態を詳細に説明してきたが、前述までの説明はあらゆる点において本発明の例示に過ぎない。本発明の範囲を逸脱することなく種々の改良または変形を行うことができることは言うまでもない。例えば、以下のような変更が可能である。なお以下では、上記実施形態と同様の構成要素に関しては同様の符号を用い、上記実施形態と同様の点については、適宜説明を省略した。以下の変形例は適宜組み合わせ可能である。
以上、本発明の実施の形態を詳細に説明してきたが、前述までの説明はあらゆる点において本発明の例示に過ぎない。本発明の範囲を逸脱することなく種々の改良または変形を行うことができることは言うまでもない。例えば、以下のような変更が可能である。なお以下では、上記実施形態と同様の構成要素に関しては同様の符号を用い、上記実施形態と同様の点については、適宜説明を省略した。以下の変形例は適宜組み合わせ可能である。
【0163】
＜４．１＞
上記実施形態では、細胞画像ＣＩに撮像されている細胞の細胞内容物が、細胞の細胞内小器官（核、細胞質、核小体、ゴルジ体、ミトコンドリア、および、細胞膜など）である例を説明した。しかしながら、細胞画像ＣＩに撮像されている細胞の細胞内容物は、細胞の細胞内分子であってもよく、例えば、細胞核内分子、細胞質内分子、核小体内分子、ゴルジ体内分子、ミトコンドリア内分子、および、細胞膜に結合する分子などであってもよい。
上記実施形態では、細胞画像ＣＩに撮像されている細胞の細胞内容物が、細胞の細胞内小器官（核、細胞質、核小体、ゴルジ体、ミトコンドリア、および、細胞膜など）である例を説明した。しかしながら、細胞画像ＣＩに撮像されている細胞の細胞内容物は、細胞の細胞内分子であってもよく、例えば、細胞核内分子、細胞質内分子、核小体内分子、ゴルジ体内分子、ミトコンドリア内分子、および、細胞膜に結合する分子などであってもよい。
【0164】
＜４．２＞
上記実施形態では、符号器４１が生成する細胞内容物の特徴量Ｆｃが、係る細胞内容物の形態特徴量Ｆｃｆおよび輝度特徴量Ｆｃｌである例を説明した。しかしながら、符号器４１が生成する細胞内容物の特徴量Ｆｃは、係る細胞内容物の形態特徴量Ｆｃｆおよび輝度特徴量Ｆｃｌの少なくとも一方であればよい。
上記実施形態では、符号器４１が生成する細胞内容物の特徴量Ｆｃが、係る細胞内容物の形態特徴量Ｆｃｆおよび輝度特徴量Ｆｃｌである例を説明した。しかしながら、符号器４１が生成する細胞内容物の特徴量Ｆｃは、係る細胞内容物の形態特徴量Ｆｃｆおよび輝度特徴量Ｆｃｌの少なくとも一方であればよい。
【0165】
＜４．３＞
上記実施形態では、「細胞内容物の形態特徴量Ｆｃｆ」が、係る細胞内容物の「面積」、「同じ面積を有する円の直径」、「長径」、「短径」、「離心率」、「周囲径」である例を説明した。しかしながら、「細胞内容物の形態特徴量Ｆｃｆ」は、係る細胞内容物の「面積」、「同じ面積を有する円の直径」、「長径」、「短径」、「離心率」、「周囲径」の少なくとも１つを含んでいればよい。また、「細胞内容物の形態特徴量Ｆｃｆ」は、上に挙げた以外の形態に係る特徴量を含んでいてもよい。
上記実施形態では、「細胞内容物の形態特徴量Ｆｃｆ」が、係る細胞内容物の「面積」、「同じ面積を有する円の直径」、「長径」、「短径」、「離心率」、「周囲径」である例を説明した。しかしながら、「細胞内容物の形態特徴量Ｆｃｆ」は、係る細胞内容物の「面積」、「同じ面積を有する円の直径」、「長径」、「短径」、「離心率」、「周囲径」の少なくとも１つを含んでいればよい。また、「細胞内容物の形態特徴量Ｆｃｆ」は、上に挙げた以外の形態に係る特徴量を含んでいてもよい。
【0166】
＜４．４＞
上記実施形態では、「細胞内容物の輝度特徴量Ｆｃｌ」が、細胞画像ＣＩに撮像されている細胞内容物の輝度の平均（平均輝度）である例を説明した。しかしながら、「細胞内容物の輝度特徴量Ｆｃｌ」は、細胞内容物の平均輝度以外の、輝度に係る特徴量を含んでいてもよい。
上記実施形態では、「細胞内容物の輝度特徴量Ｆｃｌ」が、細胞画像ＣＩに撮像されている細胞内容物の輝度の平均（平均輝度）である例を説明した。しかしながら、「細胞内容物の輝度特徴量Ｆｃｌ」は、細胞内容物の平均輝度以外の、輝度に係る特徴量を含んでいてもよい。
【符号の説明】
【0167】
１…研究支援装置（創薬研究支援装置）、２…基準細胞画像（基準画像）、
２（１）…基準核画像、２（２）…基準細胞質画像、２（３）…基準核小体画像、２（４）…基準ゴルジ体画像、２（５）…基準ミトコンドリア画像、
２（６）…基準細胞膜画像、２（ｘ）…追加基準画像、４…学習モデル、
５…対象細胞画像（対象画像）、５（１）…対象核画像、
５（２）…対象細胞質画像、５（３）…対象核小体画像、５（４）…対象ゴルジ体画像、
５（５）…対象ミトコンドリア画像、５（６）…対象細胞膜画像、
５（ｘ）…追加対象画像、４１…符号器、４２…推定器、
１２２…学習データセット、１３１…基準画像取得部、１３２…学習処理部、
１４１…対象画像取得部、１４２…推定部、１４３…推定結果出力部、
１４５…参照情報出力部、ＣＩ…細胞画像、Ｄｆｃ＿ｓ…基準特徴量分布、
Ｄｆｃ＿ｏ…対象特徴量分布、Ｆｃ…特徴量、Ｆｃｆ…形態特徴量（形態の特徴量）、
Ｆｃｌ…輝度特徴量（輝度の特徴量）、Ｒｉ…参照情報、
Ｓ１０１…基準画像取得ステップ、Ｓ１０２…学習処理ステップ、
Ｓ２０１…対象画像取得ステップ、Ｓ２０４…参照情報出力ステップ、Ｓ＿ｓ…基準状態
２（１）…基準核画像、２（２）…基準細胞質画像、２（３）…基準核小体画像、２（４）…基準ゴルジ体画像、２（５）…基準ミトコンドリア画像、
２（６）…基準細胞膜画像、２（ｘ）…追加基準画像、４…学習モデル、
５…対象細胞画像（対象画像）、５（１）…対象核画像、
５（２）…対象細胞質画像、５（３）…対象核小体画像、５（４）…対象ゴルジ体画像、
５（５）…対象ミトコンドリア画像、５（６）…対象細胞膜画像、
５（ｘ）…追加対象画像、４１…符号器、４２…推定器、
１２２…学習データセット、１３１…基準画像取得部、１３２…学習処理部、
１４１…対象画像取得部、１４２…推定部、１４３…推定結果出力部、
１４５…参照情報出力部、ＣＩ…細胞画像、Ｄｆｃ＿ｓ…基準特徴量分布、
Ｄｆｃ＿ｏ…対象特徴量分布、Ｆｃ…特徴量、Ｆｃｆ…形態特徴量（形態の特徴量）、
Ｆｃｌ…輝度特徴量（輝度の特徴量）、Ｒｉ…参照情報、
Ｓ１０１…基準画像取得ステップ、Ｓ１０２…学習処理ステップ、
Ｓ２０１…対象画像取得ステップ、Ｓ２０４…参照情報出力ステップ、Ｓ＿ｓ…基準状態
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
