特開 2024-46836 分類方法およびコンピュータプログラム

(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】P2024046836

(43)【公開日】2024-04-05

(54)【発明の名称】分類方法およびコンピュータプログラム

(51)【国際特許分類】

   G06T 7/00 20170101AFI20240329BHJP

   C12Q 1/04 20060101ALI20240329BHJP

   C12N 5/073 20100101ALN20240329BHJP

【ＦＩ】

G06T7/00 612

C12Q1/04

C12N5/073

【審査請求】未請求

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2022152156

(22)【出願日】2022-09-26

(71)【出願人】

【識別番号】000207551

【氏名又は名称】株式会社ＳＣＲＥＥＮホールディングス

(74)【代理人】

【識別番号】100135013

【弁理士】

【氏名又は名称】西田 隆美

(72)【発明者】

【氏名】長谷部 涼

【テーマコード（参考）】

4B063

4B065

5L096

【Ｆターム（参考）】

4B063QA18

4B063QQ08

4B063QX01

4B065AA90X

4B065AC20

4B065CA46

5L096AA06

5L096AA09

5L096BA06

5L096BA13

5L096EA13

5L096FA32

5L096FA33

5L096FA69

5L096GA51

5L096KA04

5L096MA07

(57)【要約】

【課題】分割期の胚を、三次元画像に基づいて定量的に分類できる技術を提供する。
【解決手段】まず、光干渉断層撮影により、胚の三次元画像Ｄ２を取得する。次に、三次元画像Ｄ２において、個々の割球が占める割球領域と、フラグメンテーションが占めるフラグメンテーション領域とを、抽出する。次に、個々の割球領域の体積およびフラグメンテーション領域の体積を、算出する。続いて、割球領域の体積に基づいて、胚における割球の体積のばらつきを示す第１指標値Ｐ１を算出する。また、フラグメンテーション領域の体積に基づいて、胚におけるフラグメンテーションの割合を示す第２指標値Ｐ２を算出する。その後、第１指標値Ｐ１および第２指標値Ｐ２に基づいて、胚を分類する。これにより、分割期の胚を、三次元画像Ｄ２に基づいて定量的に分類することができる。
【選択図】図３

【特許請求の範囲】

【請求項1】

分割期の胚を分類する分類方法であって、
ａ）光干渉断層撮影により、前記胚の三次元画像を取得する工程と、
ｂ）前記三次元画像において、個々の割球が占める割球領域と、フラグメンテーションが占めるフラグメンテーション領域とを、抽出する工程と、
ｃ）個々の前記割球領域の体積および前記フラグメンテーション領域の体積を、算出する工程と、
ｄ）前記割球領域の体積に基づいて、前記胚における前記割球の体積のばらつきを示す第１指標値を算出する工程と、
ｅ）前記フラグメンテーション領域の体積に基づいて、前記胚における前記フラグメンテーションの割合を示す第２指標値を算出する工程と、
ｆ）前記第１指標値および前記第２指標値に基づいて、前記胚を分類する工程と、
を有する、分類方法。

【請求項2】

請求項１に記載の分類方法であって、
前記工程ｆ）では、前記第１指標値および前記第２指標値に基づいて、前記胚をグレード１～グレード５の５段階に分類する、分類方法。

【請求項3】

請求項１に記載の分類方法であって、
前記工程ｆ）では、前記第１指標値および前記第２指標値に基づいて、前記胚を良好胚と非良好胚の２種類に分類する、分類方法。

【請求項4】

請求項１に記載の分類方法であって、
コンピュータが、機械学習アルゴリズムに基づいて、前記第１指標値および前記第２指標値と、前記胚の分類結果との関係を学習することにより、学習済みモデルを生成する工程
をさらに備え、
前記工程ｆ）では、コンピュータが、前記学習済みモデルに前記第１指標値および前記第２指標値を入力し、前記学習済みモデルから出力される分類結果に基づいて、前記胚を分類する、分類方法。

【請求項5】

請求項１に記載の分類方法であって、
前記工程ｆ）では、前記第１指標値および前記第２指標値と、予め設定された閾値とに基づいて、前記胚を分類する、分類方法。

【請求項6】

請求項１に記載の分類方法であって、
前記工程ｄ）では、前記割球領域の数が２のべき乗に該当しない場合、体積の大きい一部の割球領域を２つの割球領域に分けることによって割球領域の数を２のべき乗となるように変更し、変更後の複数の割球領域について、前記第１指標値を算出する、分類方法。

【請求項7】

請求項１に記載の分類方法であって、
前記工程ｄ）では、前記割球領域の体積を平均値または中央値で除算することにより標準化し、標準化後の体積に基づいて、前記第１指標値を算出する、分類方法。

【請求項8】

請求項１から請求項７までのいずれか１項に記載の分類方法を、コンピュータに実行させるコンピュータプログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、分割期の胚を分類する分類方法、および当該分類方法をコンピュータに実行させるコンピュータプログラムに関する。

【背景技術】

【0002】

不妊治療を目的とする生殖補助医療では、体外で受精させた胚を一定期間培養した後、胚を体内に戻すことが行われている。このような生殖補助医療においては、妊娠の成功率を高めるために、複数の胚の状態を的確に評価し、良好な胚を体内に戻すことが重要である。

【0003】

従来、分割期の胚の評価には、主にVeeck分類が使用されている。Veeck分類は、卵割により生じた割球の大きさの均一性と、フラグメンテーションの割合とに基づき、胚をグレード１～グレード５の５段階に分類するものである。従来の生殖補助医療では、胚培養士が、胚の顕微鏡画像を見ながら、Veeck分類の基準に沿って胚を評価していた。

【0004】

しかしながら、従来、胚培養士が評価に使用する顕微鏡画像は、胚を一方向から見た二次元画像であるため、胚の立体的な構造を正確に把握することは難しい。このため、各割球の大きさや、フラグメンテーションの大きさについては、胚培養士の主観的な判断に委ねられていた。

【0005】

そこで、近年、胚を光干渉断層撮影（Optical Coherence Tomography；ＯＣＴ）により撮影し、得られた三次元画像を、胚の観察に利用することが提案されている。胚を光干渉断層撮影により撮影する従来の技術については、例えば、特許文献１に記載されている。

【先行技術文献】

【特許文献】

【0006】

【特許文献1】特開２０１９－１３３４２９号公報

【発明の概要】

【発明が解決しようとする課題】

【0007】

ただし、光干渉断層撮影により得られた三次元画像に基づいて、胚の状態を定量的に分類する方法については、まだ十分に確立されていない。上述した胚培養士による主観的な判断では、胚培養士の技量によって判断に差が生じる場合がある。生殖補助医療の成功率をより高めるために、胚培養士の技量に依存することなく、三次元画像に基づいて、胚の状態を定量的に分類できる技術が求められている。

【0008】

本発明は、このような事情に鑑みなされたものであり、分割期の胚を、三次元画像に基づいて定量的に分類できる技術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】

【0009】

上記課題を解決するため、本願の第１発明は、分割期の胚を分類する分類方法であって、ａ）光干渉断層撮影により、前記胚の三次元画像を取得する工程と、ｂ）前記三次元画像において、個々の割球が占める割球領域と、フラグメンテーションが占めるフラグメンテーション領域とを、抽出する工程と、ｃ）個々の前記割球領域の体積および前記フラグメンテーション領域の体積を、算出する工程と、ｄ）前記割球領域の体積に基づいて、前記胚における前記割球の体積のばらつきを示す第１指標値を算出する工程と、ｅ）前記フラグメンテーション領域の体積に基づいて、前記胚における前記フラグメンテーションの割合を示す第２指標値を算出する工程と、ｆ）前記第１指標値および前記第２指標値に基づいて、前記胚を分類する工程と、を有する。

【0010】

本願の第２発明は、第１発明の分類方法であって、前記工程ｆ）では、前記第１指標値および前記第２指標値に基づいて、前記胚をグレード１～グレード５の５段階に分類する。

【0011】

本願の第３発明は、第１発明の分類方法であって、前記工程ｆ）では、前記第１指標値および前記第２指標値に基づいて、前記胚を良好胚と非良好胚の２種類に分類する。

【0012】

本願の第４発明は、第１発明の分類方法であって、コンピュータが、機械学習アルゴリズムに基づいて、前記第１指標値および前記第２指標値と、前記胚の分類結果との関係を学習することにより、学習済みモデルを生成する工程をさらに備え、前記工程ｆ）では、コンピュータが、前記学習済みモデルに前記第１指標値および前記第２指標値を入力し、前記学習済みモデルから出力される分類結果に基づいて、前記胚を分類する。

【0013】

本願の第５発明は、第１発明の分類方法であって、前記工程ｆ）では、前記第１指標値および前記第２指標値と、予め設定された閾値とに基づいて、前記胚を分類する。

【0014】

本願の第６発明は、第１発明の分類方法であって、前記工程ｄ）では、前記割球領域の数が２のべき乗に該当しない場合、体積の大きい一部の割球領域を２つの割球領域に分けることによって割球領域の数を２のべき乗となるように変更し、変更後の複数の割球領域について、前記第１指標値を算出する。

【0015】

本願の第７発明は、第１発明の分類方法であって、前記工程ｄ）では、前記割球領域の体積を平均値または中央値で除算することにより標準化し、標準化後の体積に基づいて、前記第１指標値を算出する。

【0016】

本願の第８発明は、コンピュータプログラムであって、第１発明から第７発明までのいずれか１発明の分類方法を、コンピュータに実行させる。

【発明の効果】

【0017】

本願の第１発明～第８発明によれば、分割期の胚を、三次元画像に基づいて定量的に分類することができる。

【0018】

特に、本願の第２発明によれば、従来、二次元の顕微鏡画像に基づいて、観察者が主観的な判断で行っていたＶｅｅｋ分類を、三次元画像に基づいて客観的に行うことができる。

【0019】

特に、本願の第３発明によれば、三次元画像に基づいて、良好胚を容易に選択できる。

【0020】

特に、本願の第４発明によれば、機械学習を利用することにより、分類のための閾値をユーザが設定することなく、胚を分類できる。

【0021】

特に、本願の第５発明によれば、予め設定された閾値に基づいて、胚を分類できる。

【0022】

特に、本願の第６発明によれば、胚の中に、分割後の割球と分割直前の割球とが混在している場合でも、割球の体積のばらつきを示す第１指標値を、適切に算出できる。

【0023】

特に、本願の第７発明によれば、卵割の世代による第１指標値の変動を抑制できる。

【図面の簡単な説明】

【0024】

【図1】胚分類装置の構成を示した図である。

【図2】胚分類装置の制御ブロック図である。

【図3】胚の分類を行うためのコンピュータの機能を、概念的に示したブロック図である。

【図4】分割期の胚の構造を示した図である。

【図5】胚の分類処理の流れを示したフローチャートである。

【図6】第１指標値の算出処理の流れを示したフローチャートである。

【図7】割球領域を調整する様子を示す図である。

【図8】第１指標値を算出するための第１の手法を説明するための図である。

【図9】第１指標値を算出するための第２の手法を説明するための図である。

【図10】第１指標値を算出するための第２の手法を説明するための図である。

【発明を実施するための形態】

【0025】

以下、本発明の実施形態について、図面を参照しつつ説明する。

【0026】

＜１．観察装置の構成＞
図１は、本発明の一実施形態に係る胚分類装置１の構成を示した図である。この胚分類装置１は、試料容器９０内に保持された胚９の光干渉断層撮影を行い、得られた三次元画像に基づいて、胚９の状態を分類する装置である。胚９は、受精卵が分割を開始した後、桑実胚に至るまでの分割期の胚である。胚９は、一例としてはヒトの胚であるが、非ヒト動物の胚であってもよい。

【0027】

図１に示すように、胚分類装置１は、ステージ１０、撮像部２０、およびコンピュータ３０を備えている。

【0028】

ステージ１０は、試料容器９０を支持する支持台である。試料容器９０には、例えば、ウェルプレートが使用される。ウェルプレートは、複数のウェル（凹部）９０１を有する。各ウェル９０１は、Ｕ字状またはＶ字状の底部を有する。胚９は、各ウェル９０１の底部付近に、培養液とともに保持される。試料容器９０の材料には、光を透過する透明な樹脂またはガラスが使用される。

【0029】

ステージ１０は、上下方向に貫通する開口部１１を有する。試料容器９０は、ステージ１０の当該開口部１１に嵌め込まれた状態で、水平に支持される。したがって、試料容器９０の下面は、ステージ１０に覆われることなく、撮像部２０へ向けて露出する。

【0030】

撮像部２０は、試料容器９０内の胚９を撮影するユニットである。撮像部２０は、ステージ１０に支持された試料容器９０の下方に配置されている。撮像部２０は、胚９の断層画像および三次元画像を取得することが可能な、光干渉断層撮影（Optical Coherence Tomography；ＯＣＴ）装置である。

【0031】

図１に示すように、撮像部２０は、光源２１、物体光学系２２、参照光学系２３、検出部２４、および光ファイバカプラ２５を有する。光ファイバカプラ２５は、第１光ファイバ２５１～第４光ファイバ２５４が、接続部２５５において連結されたものである。光源２１、物体光学系２２、参照光学系２３、および検出部２４は、光ファイバカプラ２５により構成される光路を介して、互いに接続されている。

【0032】

光源２１は、ＬＥＤ等の発光素子を有する。光源２１は、広帯域の波長成分を含む低コヒーレンス光を出射する。胚９を侵襲することなく、胚９の内部まで光を到達させるために、光源２１から出射される光は、近赤外線であることが望ましい。光源２１は、第１光ファイバ２５１に接続されている。光源２１から出射される光は、第１光ファイバ２５１へ入射し、接続部２５５において、第２光ファイバ２５２へ入射する光と、第３光ファイバ２５３へ入射する光とに、分岐される。

【0033】

第２光ファイバ２５２は、物体光学系２２に接続されている。接続部２５５から第２光ファイバ２５２へ進む光は、物体光学系２２へ入射する。物体光学系２２は、コリメータレンズ２２１および対物レンズ２２２を含む複数の光学部品を有する。第２光ファイバ２５２から出射された光は、コリメータレンズ２２１および対物レンズ２２２を通って、試料容器９０内の胚９に照射される。このとき、対物レンズ２２２により、光が胚９へ向けて収束する。そして、胚９において反射した光（以下「観察光」と称する）は、対物レンズ２２２およびコリメータレンズ２２１を通って、再び第２光ファイバ２５２へ入射する。

【0034】

図１に示すように、物体光学系２２は、走査機構２２３に接続されている。走査機構２２３は、コンピュータ３０からの指令に従って、物体光学系２２を、鉛直方向および水平方向に微小移動させる。これにより、胚９に対する光の入射位置を、鉛直方向および水平方向に微小移動させることができる。

【0035】

また、撮像部２０は、図示を省略した移動機構により、水平方向に移動可能となっている。これにより、撮像部２０の視野を、複数のウェル９０１の間で切り替えることができる。

【0036】

第３光ファイバ２５３は、参照光学系２３に接続されている。接続部２５５から第３光ファイバ２５３へ進む光は、参照光学系２３へ入射する。参照光学系２３は、コリメータレンズ２３１およびミラー２３２を有する。第３光ファイバ２５３から出射された光は、コリメータレンズ２３１を通って、ミラー２３２へ入射する。そして、ミラー２３２により反射された光（以下「参照光」と称する）は、コリメータレンズ２３１を通って、再び第３光ファイバ２５３へ入射する。

【0037】

図１に示すように、ミラー２３２は、進退機構２３３に接続されている。進退機構２３３は、コンピュータ３０からの指令に従って、ミラー２３２を、光軸方向に微小移動させる。これにより、参照光の光路長を変化させることができる。

【0038】

第４光ファイバ２５４は、検出部２４に接続されている。物体光学系２２から第２光ファイバ２５２へ入射した観察光と、参照光学系２３から第３光ファイバ２５３へ入射した参照光とは、接続部２５５において合流して、第４光ファイバ２５４へ入射する。そして、第４光ファイバ２５４から出射された光は、検出部２４へ入射する。このとき、観察光と参照光との間で、位相差に起因する干渉が生じる。この干渉光の分光スペクトルは、観察光の反射位置の高さによって異なる。

【0039】

検出部２４は、分光器２４１および光検出器２４２を有する。第４光ファイバ２５４から出射された干渉光は、分光器２４１において波長成分ごとに分光されて、光検出器２４２へ入射する。光検出器２４２は、分光された干渉光を検出し、その検出信号を、コンピュータ３０へ出力する。

【0040】

コンピュータ３０の後述する画像取得部４１は、光検出器２４２から得られる検出信号をフーリエ変換することで、観察光の鉛直方向の光強度分布を求める。また、走査機構２２３により、物体光学系２２を水平方向に移動させつつ、上記の光強度分布の算出を繰り返すことにより、三次元空間の各座標における観察光の光強度分布を求めることができる。その結果、コンピュータ３０は、胚９の断層画像および三次元画像を得ることができる。

【0041】

断層画像は、二次元座標上に配列された複数の画素（ピクセル）により構成され、画素毎に輝度値が規定されたデータである。三次元画像は、三次元座標上に配列された複数の画素（ボクセル）により構成され、画素毎に輝度値が規定されたデータである。すなわち、断層画像および三次元画像は、いずれも、所定の座標上に輝度値が分布した撮影画像である。

【0042】

コンピュータ３０は、撮像部２０を動作制御する制御部としての機能を有する。また、コンピュータ３０は、撮像部２０から入力される検出信号に基づいて断層画像および三次元画像を作成し、得られた断層画像および三次元画像に基づいて、胚９を分類するデータ処理部としての機能を有する。

【0043】

図２は、胚分類装置１の制御ブロック図である。図２中に概念的に示したように、コンピュータ３０は、ＣＰＵ等のプロセッサ３１、ＲＡＭ等のメモリ３２、およびハードディスクドライブ等の記憶部３３を有する。記憶部３３内には、胚分類装置１内の各部を動作制御するためのコンピュータプログラムである制御プログラムＣＰ１と、断層画像Ｄ１および三次元画像Ｄ２を作成して胚９を分類するためのコンピュータプログラムであるデータ処理プログラムＣＰ２とが、記憶されている。

【0044】

制御プログラムＣＰ１およびデータ処理プログラムＣＰ２は、ＣＤやＤＶＤなどのコンピュータ３０により読み取り可能な記憶媒体から読み取られて、記憶部３３に記憶される。ただし、制御プログラムＣＰ１およびデータ処理プログラムＣＰ２は、ネットワーク経由でコンピュータ３０にダウンロードされるものであってもよい。

【0045】

また、図２に示すように、コンピュータ３０は、上述した光源２１、走査機構２２３、進退機構２３３、および光検出器２４２と、それぞれ通信可能に接続されている。また、コンピュータ３０は、液晶ディスプレイ等の表示部７０とも、通信可能に接続されている。コンピュータ３０は、制御プログラムＣＰ１に従って、上記の各部を動作制御する。これにより、試料容器９０に保持された胚９の撮影処理が進行する。

【0046】

図３は、胚９の分類を行うためのコンピュータ３０の機能を、概念的に示したブロック図である。図３に示すように、コンピュータ３０は、画像取得部４１、領域抽出部４２、体積算出部４３、第１指標値算出部４４、第２指標値算出部４５、および分類部４６を有する。画像取得部４１、領域抽出部４２、第１指標値算出部４４、第２指標値算出部４５、および分類部４６の各機能は、コンピュータ３０のプロセッサ３１が、上述したデータ処理プログラムＣＰ２に従って動作することにより、実現される。画像取得部４１、領域抽出部４２、第１指標値算出部４４、第２指標値算出部４５、および分類部４６が実行する処理の詳細については、後述する。

【0047】

＜２．胚の分類処理について＞
続いて、上記の胚分類装置１を使用した胚９の分類処理について、説明する。

【0048】

図４は、分割期の胚９の構造を示した図である。胚９は、透明または半透明である。図４に示すように、分割期の胚９は、複数の細胞である割球９２が、球面状の透明帯９１の中に収容された状態となっている。卵割が進むにつれて、割球９２の数は、２個、４個、８個…のように増加する。胚９の培養が良好に進行している状態では、複数の割球９２は、同程度の大きさを有する。

【0049】

また、図４に示すように、胚９は、透明帯９１の中にフラグメンテーション９３を有する場合がある。フラグメンテーション９３は、細胞が不規則に分割することにより形成された細かい細胞片の集合である。胚９の培養が良好に進行している状態では、胚９に含まれるフラグメンテーション９３の割合は小さい。

【0050】

この胚分類装置１は、良好に培養が進んでいる胚９を選別するために、割球９２の体積の均一性と、胚９におけるフラグメンテーション９３の割合とに基づいて、胚９の状態を分類する。

【0051】

図５は、胚９の分類処理の流れを示したフローチャートである。胚分類装置１において胚９の分類を行うときには、まず、ステージ１０に試料容器９０をセットする（ステップＳ１，準備工程）。試料容器９０内には、培養液とともに胚９が保持されている。

【0052】

次に、胚分類装置１は、撮像部２０により、胚９の撮影を行う（ステップＳ２，画像取得工程）。撮像部２０は、光干渉断層撮影を行う。具体的には、光源２１から光を出射し、走査機構２２３により物体光学系２２を微少移動させながら、観察光および参照光の干渉光を、波長成分ごとに、光検出器２４２で検出する。コンピュータ３０の画像取得部４１は、光検出器２４２から出力される検出信号に基づいて、胚９の各座標位置における光強度分布を算出する。これにより、胚９の断層画像Ｄ１および三次元画像Ｄ２が得られる。

【0053】

胚分類装置１は、１つの胚９について、複数の断層画像Ｄ１と、１つの三次元画像Ｄ２とを取得する。また、胚分類装置１は、撮影対象となるウェル９０１を変更しながら、ステップＳ２の処理を繰り返すことにより、複数の胚９の断層画像Ｄ１および三次元画像Ｄ２を取得する。得られた断層画像Ｄ１および三次元画像Ｄ２は、コンピュータ３０の記憶部３３に記憶される。また、コンピュータ３０は、得られた断層画像Ｄ１および三次元画像Ｄ２を、表示部７０に表示する。

【0054】

次に、コンピュータ３０の領域抽出部４２は、胚９の三次元画像Ｄ２において、複数の領域を抽出する（ステップＳ３，領域抽出工程）。具体的には、領域抽出部４２は、胚９の三次元画像Ｄ２において、胚９全体が占める胚全体領域、透明帯９１が占める透明帯領域、複数の割球９２が占める割球集合領域、およびフラグメンテーション９３が占めるフラグメンテーション領域を、それぞれ抽出する。これらの各領域は、例えば、公知のLocal Thickness法などを利用して抽出することができる。

【0055】

また、領域抽出部４２は、上述した割球集合領域において、各割球９２の境界を特定する。これにより、割球集合領域を、割球９２毎の領域である割球領域に分割する。割球９２の境界は、例えば、公知のWatershedアルゴリズムなどを利用して特定することができる。三次元画像Ｄ２において、個々の割球９２に対応する割球領域が特定されると、コンピュータ３０は、割球領域の数（すなわち、当該胚９における割球９２の数）を計測して、記憶部３３に記憶する。

【0056】

コンピュータ３０は、領域抽出部４２により抽出された胚全体領域、透明帯領域、複数の割球領域、およびフラグメンテーション領域を、記憶部３３にする。また、コンピュータ３０は、表示部７０に表示された三次元画像Ｄ２において、透明帯領域、複数の割球領域、およびフラグメンテーション領域を、領域毎に色分けするなどして表示してもよい。

【0057】

続いて、コンピュータ３０の体積算出部４３は、抽出された複数の領域の体積を、それぞれ算出する（ステップＳ４，体積算出工程）。具体的には、体積算出部４３は、胚全体領域の体積、透明帯領域の体積、個々の割球領域の体積、およびフラグメンテーション領域の体積を、それぞれ算出する。各領域の体積は、例えば、当該領域を構成するボクセルの数によって表すことができる。ただし、体積算出部４３は、実空間中における１ボクセルあたりの体積に、ボクセルの数を乗算することにより、実空間における各領域の体積を算出してもよい。

【0058】

次に、コンピュータ３０の第１指標値算出部４４が、胚９における割球９２の体積のばらつきを示す第１指標値Ｐ１を算出する（ステップＳ５，第１指標値算出工程）。ここでは、第１指標値算出部４４は、上述のステップＳ４において算出された各割球領域の体積に基づいて、割球９２の体積のばらつきを示す第１指標値Ｐ１を算出する。

【0059】

図６は、第１指標値Ｐ１の算出処理の流れを示したフローチャートである。図６に示すように、第１指標値算出部４４は、まず、上述したステップＳ３において抽出された割球領域の数が、２のべき乗に該当するか否かを判定する（ステップＳ５１）。２のべき乗に該当するとは、例えば、割球領域の数が２個、４個、８個の場合である。２のべき乗に該当しないとは、例えば、割球領域の数が、３個、５個、６個、７個の場合である。

【0060】

割球領域の数が２のべき乗に該当しない場合（ステップＳ５１：Ｎｏ）、胚９の中に、分割後の割球９２と、分割直前の割球９２とが、混在していると考えられる。この場合、第１指標値算出部４４は、割球領域の調整を行う（ステップＳ５２）。

【0061】

図７は、三次元画像Ｄ２において割球領域を調整する様子を示す図である。図７中に破線で示したように、第１指標値算出部４４は、抽出された複数の割球領域９２Ａのうち、体積の大きい一部の割球領域９２Ａを２等分する。すなわち、複数の割球９２のうち、分割直前の割球９２を分割したものとして扱う。これにより、割球領域９２Ａの数を２のべき乗に変更する。

【0062】

図７のように、割球領域９２Ａの数が３つの場合、第１指標値算出部４４は、最も大きい１つの割球領域９２Ａを２等分することにより、割球領域９２Ａの数を４つに変更する。また、割球領域の数が５つの場合、第１指標値算出部４４は、最も大きい３つの割球領域を２等分することにより、割球領域の数を８つに変更する。また、割球領域の数が６つの場合、第１指標値算出部４４は、最も大きい２つの割球領域を２等分することにより、割球領域の数を８つに変更する。また、割球領域の数が７個の場合、第１指標値算出部４４は、最も大きい１つの割球領域を２等分することにより、割球領域の数を８つに変更する。

【0063】

ステップＳ５１において、割球領域の数が２のべき乗に該当する場合（ステップＳ５１：Ｙｅｓ）、または、ステップＳ５２において、割球領域を調整して割球領域の数を２のべき乗に変更した場合、次に、第１指標値算出部４４は、複数の割球領域の体積に基づいて、第１指標値Ｐ１を算出する（ステップＳ５３）。以下では、第１指標値Ｐ１を算出するための３通りの手法について説明する。

【0064】

まず、第１指標値Ｐ１を算出するための第１の手法について説明する。図８は、割球領域の数が４つの場合を例として、第１の手法を説明するための図である。第１の手法では、最も大きい割球領域の体積Ｖmaxと、最も小さい割球領域の体積Ｖminととの差Ｖmax－Ｖminに基づいて、第１指標値Ｐ１を算出する。具体的には、当該胚９における割球領域の体積の平均値をＶｍ、割球領域の数をＮとして、次の数式（１）により、第１指標値Ｐ１を算出する。
Ｐ１＝（Ｖmax／Ｖｍ－Ｖmin／Ｖｍ）／Ｎ ・・・（１）

【0065】

通常、卵割により胚９の世代が進むにつれて、割球９２の平均的な体積は小さくなる。このため、上記の数式（１）では、割球領域の体積Ｖmax，Ｖminを、平均値Ｖｍで除算することにより、体積を標準化（正規化）している。これにより、卵割の世代による第１指標値Ｐ１の変動を抑えている。また、通常、割球領域の体積の最大値と最小値との差分値は、割球９２の総数に応じて変動する。このため、上記の数式（１）では、標準化された差分値（Ｖmax／Ｖｍ－Ｖmin／Ｖｍ）を、割球領域の数Ｎで除算することにより、割球領域の体積のばらつきの割合を算出している。

【0066】

次に、第１指標値Ｐ１を算出するための第２の手法について説明する。図９は、割球領域の数が４つの場合を例として、第２の手法を説明するための図である。第２の手法では、割球領域の体積の累積値に基づいて、第１指標値Ｐ１を算出する。具体的には、当該胚９におけるｎ番目の割球領域の体積をＶｎ、割球領域の体積の平均値をＶｍ、割球領域の数をＮとして、次の数式（２）により、第１指標値Ｐ１を算出する。
Ｐ１＝（Σ（Ｖｎ／Ｖｍ）－Ｖｍｉｎ／Ｖｍ）／Ｎ ・・・（２）

【0067】

第１の手法との違いは、最も大きい割球領域の体積Ｖｍａｘの代わりに、当該胚９における割球領域の体積の合計値ΣＶｎを使用している点である。このようにすれば、割球領域の体積の最大値と最小値だけではなく、それらの間の大きさの割球領域の体積も考慮することができる。したがって、割球領域の体積のばらつきを示す第１指標値Ｐ１を、より精度よく算出することができる。

【0068】

次に、第１指標値Ｐ１を算出するための第３の手法について説明する。図１０は、割球領域の数が４つの場合を例として、第３の手法を説明するための図である。第３の手法では、各割球領域の体積Ｖｎと平均値Ｖｍとの差分｜Ｖｍ－Ｖｎ｜に基づいて、第１指標値Ｐ１を算出する。具体的には、当該胚９におけるｎ番目の割球領域の体積をＶｎ、割球領域の体積の平均値をＶｍ、割球領域の数をＮとして、次の数式（１）により、第１指標値Ｐ１を算出する。
Ｐ１＝（Σ（｜Ｖｍ－Ｖｎ｜／Ｖｍ）／Ｎ ・・・（３）

【0069】

この第３の手法によれば、割球領域ごとに、体積の平均値Ｖｍからのずれ量｜Ｖｍ－Ｖｎ｜を算出し、全ての割球領域の上記ずれ量を合計する。このため、全ての細胞領域の体積の平均値からのずれ量を考慮することができる。したがって、割球領域の体積のばらつきを示す第１指標値Ｐ１を、より精度よく算出することができる。

【0070】

以上のように、第１指標値Ｐ１を算出するための３通りの手法を説明したが、第１指標値Ｐ１の算出方法は、上記の第１の手法～第３の手法に限定されるものではない。例えば、上述した平均値Ｖｍの代わりに、中央値、最小値、または最大値を使用してもよい。また、標準偏差や分散などを使って、割球領域の体積のばらつきを示す第１指標値Ｐ１を算出してもよい。

【0071】

算出された第１指標値Ｐ１は、コンピュータ３０の記憶部３３に記憶される。また、コンピュータ３０は、算出された第１指標値Ｐ１を、表示部７０に表示する。

【0072】

次に、コンピュータ３０の第２指標値算出部４５が、胚９におけるフラグメンテーション９３の割合を示す第２指標値Ｐ２を算出する（ステップＳ６，第２指標値算出工程）。ここでは、上述のステップＳ４において算出されたフラグメンテーション領域の体積に基づいて、第２指標値Ｐ２を算出する。

【0073】

第２指標値算出部４５は、例えば、フラグメンテーション領域の体積を、胚全体領域の体積で除算することにより、第２指標値Ｐ２を算出する。ただし、第２指標値算出部４５は、フラグメンテーション領域の体積を、全ての割球領域の体積の合計値（割球集合領域の体積）で除算することにより、第２指標値Ｐ２を算出してもよい。また、第２指標値算出部４５は、フラグメンテーション領域の体積を、割球集合領域の体積とフラグメンテーション領域の体積の合計値で除算することにより、第２指標値Ｐ２を算出してもよい。

【0074】

その後、分類部４６が、第１指標値Ｐ１および第２指標値Ｐ２に基づいて、胚９を分類する（ステップＳ７，分類工程）。本実施形態では、分類部４６が、上記の第１指標値Ｐ１および第２指標値Ｐ２に基づいて、胚９の状態をグレード１～グレード５の５段階に分類する、いわゆるＶｅｅｃｋ分類を行う。

【0075】

図３に示すように、分類部４６は、予め作成された学習済みモデルＭを有する。具体的には、コンピュータ３０の記憶部３３に、学習済みモデルＭが記憶されている。学習済みモデルＭは、第１指標値Ｐ１および第２指標値Ｐ２に基づいて、胚９の分類結果（グレード１～グレード５のＶｅｅｃｋ分類結果）を推定するための推論モデルである。すなわち、学習済みモデルＭの入力変数は、第１指標値Ｐ１および第２指標値Ｐ２である。学習済みモデルＭの出力変数は、胚９の分類結果である。

【0076】

コンピュータ３０は、図５の分類処理よりも前に、予め、学習済みモデルＭを作成するための学習処理を行う。具体的には、コンピュータ３０は、教師あり機械学習アルゴリズムに基づいて、第１指標値Ｐ１および第２指標値Ｐ２と、胚９の分類結果との関係を学習する。その際、第１指標値Ｐ１および第２指標値Ｐ２と、それに対応する既知の分類結果とのセットを、教師データとする。そして、既知の教師データを多数用意して、教師あり機械学習を行う。その結果、第１指標値Ｐ１および第２指標値Ｐ２を入力することにより、胚９の分類結果を精度よく出力することが可能な、学習済みモデルＭが生成される。

【0077】

ステップＳ７では、分類部４６が、この学習済みモデルＭに、第１指標値Ｐ１および第２指標値Ｐ２を入力する。そうすると、学習済みモデルＭから分類結果が出力される。分類部４６は、学習済みモデルＭから出力される分類結果に基づいて、胚９をグレード１～グレード５のいずれかに分類する。コンピュータ３０は、胚９の分類結果を記憶部３３に記憶する。また、コンピュータ３０は、胚９の分類結果を表示部７０に表示する。

【0078】

このように、本実施形態では、コンピュータ３０が、三次元画像Ｄ２に基づいて、割球９２の体積のばらつきを示す第１指標値Ｐ１と、フラグメンテーション９３の割合を示す第２指標値Ｐ２とを算出する。そして、コンピュータ３０が、第１指標値Ｐ１および第２指標値Ｐ２に基づいて、胚９を分類する。このため、従来、二次元の顕微鏡画像に基づいて胚培養士が行っていた胚９のＶｅｅｃｋ分類を、三次元画像Ｄ２に基づいて定量的に行うことができる。これにより、三次元画像Ｄ２に基づく精度のよいＶｅｅｃｋ分類結果を得ることができる。したがって、本実施形態の分類方法を使用すれば、生殖補助医療における胚盤胞到達率、着床率、妊娠率などの成績を向上させることができる。また、胚培養士の負担を減らすことができるとともに、胚培養士の技量に依存しない客観的なＶｅｅｃｋ分類結果を得ることができる。

【0079】

特に、本実施形態では、コンピュータ３０が、機械学習により生成された学習済みモデルＭを利用して、胚９のＶｅｅｃｋ分類を行う。このようにすれば、分類のための閾値をユーザが設定することなく、胚９を分類できる。

【0080】

＜３．変形例＞
以上、本発明の一実施形態について説明したが、本発明は、上記の実施形態に限定されるものではない。

【0081】

＜３－１．第１変形例＞
上記の実施形態では、第１指標値Ｐ１および第２指標値Ｐ２を学習済みモデルＭに入力することにより、分類結果を出力していた。しかしながら、分類部４６は、第１指標値Ｐ１および第２指標値Ｐ２と、予め設定された閾値とに基づいて、胚９を分類してもよい。例えば、分類結果のグレード毎に、第１指標値Ｐ１がクリアすべき第１閾値と、第２指標値Ｐ２がクリアすべき第２閾値とを設定してもよい。その場合、分類部４６は、第１指標値Ｐ１が第１閾値をクリアし、かつ、第２指標値Ｐ２が第２閾値をクリアした場合に、その胚９を当該閾値のグレードに分類すればよい。

【0082】

あるいは、分類部４６は、第１指標値Ｐ１と第１閾値とに基づいて、第１指標値Ｐ１に基づく胚９の仮グレードを決定してもよい。また、分類部４６は、第２指標値Ｐ２と第２閾値とに基づいて、第２指標値Ｐ２に基づく胚９の仮グレードを決定してもよい。そして、分類部４６は、上記の２つの仮グレードに基づいて、最終的な胚９のグレードを決定してもよい。

【0083】

＜３－２．第２変形例＞
上記の実施形態では、分類部４６が、胚９のＶｅｅｃｋ分類を行っていた。しかしながら、分類部４６は、Ｖｅｅｃｋ分類以外の分類態様で、胚９を分類するものであってもよい。例えば、分類部４６は、第１指標値Ｐ１および第２指標値Ｐ２に基づいて、胚９を「良好胚」と「非良好胚」の２種類のみに分類するものであってもよい。

【0084】

＜３－３．他の変形例＞
上記の実施形態では、第１指標値Ｐ１を算出した後に、第２指標値Ｐ２を算出していた。しかしながら、第１指標値Ｐ１と第２指標値Ｐ２の算出の順序は逆であってもよい。また、第１指標値Ｐ１および第２指標値Ｐ２は、同じタイミングで並行して算出されてもよい。

【0085】

上記の実施形態では、試料容器９０が、複数のウェル（凹部）９０１を有するウェルプレートであった。そして、各ウェル９０１に、１つの胚９が保持されていた。しかしながら、胚９を保持する試料容器９０は、ウェルプレートには限らない。例えば、試料容器９０は、１つの凹部のみを有するディッシュであってもよい。

【0086】

また、上記の実施形態や変形例に登場した各要素を、矛盾が生じない範囲で、適宜に組み合わせてもよい。

【符号の説明】

【0087】

１ 胚分類装置
９ 胚
１０ ステージ
２０ 撮像部
２１ 光源
２２ 物体光学系
２３ 参照光学系
２４ 検出部
２５ 光ファイバカプラ
３０ コンピュータ
４１ 画像取得部
４２ 領域抽出部
４３ 体積算出部
４４ 第１指標値算出部
４５ 第２指標値算出部
４６ 分類部
７０ 表示部
９０ 試料容器
９１ 透明帯
９２ 割球
９３ フラグメンテーション
ＣＰ１ 制御プログラム
ＣＰ２ データ処理プログラム
Ｄ１ 断層画像
Ｄ２ 三次元画像
Ｍ 学習済みモデル
Ｐ１ 第１指標値
Ｐ２ 第２指標値

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】