細胞評価モデル生成装置、細胞評価装置、インキュベータ、プログラム、および、培養方法
【課題】細胞を評価する場合に、比較的簡易な手法で、細胞が分裂する残存回数を得ることができる細胞評価モデル生成装置を提供する。
【解決手段】細胞評価モデル生成装置が、同一培養容器内で培養された複数の細胞を異なる時間に撮像することによって得られた複数の画像と、当該細胞が分裂する残存回数を示す情報が入力される入力部と、画像内の細胞の形態的な特徴を示す特徴量を出力する特徴量演算部と、各々の画像に対応する特徴量と残存回数を示す情報とに基づいて、細胞に対しての残存回数を算出する計算モデルを構築する残存回数計算モデル構築部と、を備えており、残存回数計算モデル構築部は、特徴量を変数とした重回帰分析により計算モデルを構築する。
【解決手段】細胞評価モデル生成装置が、同一培養容器内で培養された複数の細胞を異なる時間に撮像することによって得られた複数の画像と、当該細胞が分裂する残存回数を示す情報が入力される入力部と、画像内の細胞の形態的な特徴を示す特徴量を出力する特徴量演算部と、各々の画像に対応する特徴量と残存回数を示す情報とに基づいて、細胞に対しての残存回数を算出する計算モデルを構築する残存回数計算モデル構築部と、を備えており、残存回数計算モデル構築部は、特徴量を変数とした重回帰分析により計算モデルを構築する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、細胞評価モデル生成装置、細胞評価装置、インキュベータ、プログラム、および、培養方法に関する。
【背景技術】
【０００２】
細胞の培養状態を評価する技術は、再生医療などの先端医療分野や医薬品のスクリーニングを含む幅広い分野での基盤技術となっている。例えば、再生医療分野では、インビトロで細胞を増殖、分化させるプロセスが存在する。そして、上記のプロセスでは、細胞の分化の成否、細胞の癌化や感染の有無を管理するために、細胞の培養状態を的確に評価することが不可欠となる。一例として、特許文献１には、マーカーとして転写因子を用いたがん細胞の評価方法が開示されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００７−１９５５３３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、上記の従来技術では、評価対象の各細胞において転写因子の発現を確認する実験が必要となるため非常に煩雑である。そのため、比較的簡易な手法で細胞を精度よく評価することがなお要請されている。
【０００５】
ところで、たとえば細胞を評価する場合、細胞培養を行い実験に用いる分の細胞数を確保する必要がある。株化されているがん細胞等を実験に用いる場合と異なり、初代培養細胞を実験に用いる場合には、細胞の分裂回数は限られている。そのため初代培養細胞を培養する場合、この細胞が分裂する残存回数が十分でないと、適切に細胞を培養できない可能性がある。
【０００６】
本発明は、このような事情に鑑みてなされたもので、その目的は、比較的簡易な手法で、細胞が分裂する残存回数を得ることができる細胞評価モデル生成装置、細胞評価装置、インキュベータ、プログラム、および、培養方法を提供することにある。
【課題を解決するための手段】
【０００７】
この発明は上述した課題を解決するためになされたもので、同一培養容器内で培養された複数の細胞を異なる時間に撮像することによって得られた複数の画像と、当該細胞が分裂する残存回数を示す情報が入力される入力部と、前記画像内の前記細胞の形態的な特徴を示す特徴量を出力する特徴量演算部と、各々の前記画像に対応する前記特徴量と前記残存回数を示す情報とに基づいて、前記細胞に対しての残存回数を算出する計算モデルを構築する残存回数計算モデル構築部と、を備えており、前記残存回数計算モデル構築部は、前記特徴量を変数とした重回帰分析により前記計算モデルを構築する、ことを特徴とする細胞評価モデル生成装置である。
【０００８】
また、この発明は、前記特徴量演算部は、各々の前記画像で、前記細胞の形態的な特徴を示す特徴量とその特徴量をもつ前記細胞の数とを示す度数分布を出力する度数分布演算部を有し、前記残存回数計算モデル構築部は、前記度数分布演算部から出力された度数分布を用いて、前記計算モデルを構築することを特徴とする上記に記載の細胞評価モデル生成装置である。
【０００９】
また、この発明は、細胞を培養する培養容器を収納するとともに、所定の環境条件に内部を維持可能な恒温室と、前記恒温室内で前記培養容器に含まれる前記細胞の画像を撮像する撮像装置と、上記に記載の細胞評価モデル生成装置または細胞評価装置と、を備えることを特徴とするインキュベータである。
【００１０】
また、この発明は、コンピュータを、上記に記載の細胞評価モデル生成装置または細胞評価装置として機能させることを特徴とするプログラムである。
【００１１】
また、この発明は、上記に記載の細胞評価装置により算出された残存回数に基づき、前記培養容器内で培養されている細胞の培養条件を変更することを特徴とする細胞の培養方法である。
【発明の効果】
【００１２】
この発明によれば、比較的簡易な手法で、細胞が分裂する残存回数を得ることができる。
【図面の簡単な説明】
【００１３】
【図１】この発明の第１の実施形態によるインキュベータの概要を示すブロック図である。
【図２】図１のインキュベータの正面図である。
【図３】図１のインキュベータの平面図である。
【図４】残存ダブリング数の一例を示す図である。
【図５】手技に対しての残存ダブリング数の変化を示す図である。
【図６】図１のインキュベータによる観察動作の一例を示す流れ図である。
【図７】第１の実施形態によるインキュベータのＣＰＵ４２が、計算モデルを生成する場合の処理の一例を示す流れ図である。
【図８】本実施形態で用いられる各特徴量の概要を示す図である。
【図９】ＡＮＮの概要を示す図である。
【図１０】ＦＮＮの概要を示す図である。
【図１１】ＦＮＮにおけるシグモイド関数を示す図である。
【図１２】第１の実施形態によるインキュベータのＣＰＵ４２が、細胞を評価する場合の処理の一例を示す流れ図である。
【図１３】この発明の第２の実施形態によるインキュベータの概要を示すブロック図である。
【図１４】第２の実施形態によるインキュベータのＣＰＵ４２が、計算モデルを生成する場合の処理の一例を示す流れ図である。
【図１５】特徴量の経時的変化の例を示すヒストグラムである。
【図１６】正常な細胞群をタイムラプス観察した顕微鏡画像を示す図である。
【図１７】正常な細胞にがん細胞を混在した細胞群をタイムラプス観察した顕微鏡画像を示す図である。
【図１８】第２の実施形態によるインキュベータのＣＰＵ４２が、細胞を評価する場合の処理の一例を示す流れ図である。
【図１９】筋芽細胞の培養状態例を示す図である。
【図２０】筋芽細胞の培養時における「Ｓｈａｐｅ Ｆａｃｔｏｒ」の経時的変化を示すヒストグラムを示す図である。
【図２１】筋芽細胞の培養時における「Ｓｈａｐｅ Ｆａｃｔｏｒ」の経時的変化を示すヒストグラムを示す図である。
【図２２】実施例の第１の予測モデルでの各サンプルの予測結果を示すグラフを示す図である。
【図２３】実施例の第２の予測モデルでの各サンプルの予測結果を示すグラフを示す図である。
【図２４】予測した残存ダブリング数と、実測された残存ダブリング数との関係を説明する図である。
【図２５】本実施形態による細胞評価装置を用いた細胞の培養方法を示すフローチャートである。
【発明を実施するための形態】
【００１４】
＜第１の実施形態＞
以下、図面を参照して、本発明の実施の形態について説明する。図１は、第１の実施形態による細胞評価装置を含むインキュベータの概要を示すブロック図である。また、図２，図３は、第１の実施形態のインキュベータの正面図および平面図である。
【００１５】
第１の実施形態のインキュベータ１１は、上部ケーシング１２と下部ケーシング１３とを有している。インキュベータ１１の組立状態において、上部ケーシング１２は下部ケーシング１３の上に載置される。なお、上部ケーシング１２と下部ケーシング１３との内部空間は、ベースプレート１４によって上下に仕切られている。
【００１６】
まず、上部ケーシング１２の構成の概要を説明する。上部ケーシング１２の内部には、細胞の培養を行う恒温室１５が形成されている。この恒温室１５は温度調整装置１５ａおよび湿度調整装置１５ｂを有しており、恒温室１５内は細胞の培養に適した環境（例えば温度３７℃、湿度９０％の雰囲気）に維持されている（なお、図２，図３での温度調整装置１５ａ、湿度調整装置１５ｂの図示は省略する）。
【００１７】
恒温室１５の前面には、大扉１６、中扉１７、小扉１８が配置されている。大扉１６は、上部ケーシング１２および下部ケーシング１３の前面を覆っている。中扉１７は、上部ケーシング１２の前面を覆っており、大扉１６の開放時に恒温室１５と外部との環境を隔離する。小扉１８は、細胞を培養する培養容器１９を搬出入するための扉であって、中扉１７に取り付けられている。この小扉１８から培養容器１９を搬出入することで、恒温室１５の環境変化を抑制することが可能となる。なお、大扉１６、中扉１７、小扉１８は、パッキンＰ１，Ｐ２，Ｐ３によりそれぞれ気密性が維持されている。
【００１８】
また、恒温室１５には、ストッカー２１、観察ユニット２２、容器搬送装置２３、搬送台２４が配置されている。ここで、搬送台２４は、小扉１８の手前に配置されており、培養容器１９を小扉１８から搬出入する。
【００１９】
ストッカー２１は、上部ケーシング１２の前面（図３の下側）からみて恒温室１５の左側に配置される。ストッカー２１は複数の棚を有しており、ストッカー２１の各々の棚には培養容器１９を複数収納することができる。なお、各々の培養容器１９には、培養の対象となる細胞が培地とともに収容されている。
【００２０】
観察ユニット２２は、上部ケーシング１２の前面からみて恒温室１５の右側に配置される。この観察ユニット２２は、培養容器１９内の細胞のタイムラプス観察を実行することができる。
【００２１】
ここで、観察ユニット２２は、上部ケーシング１２のベースプレート１４の開口部に嵌め込まれて配置される。観察ユニット２２は、試料台３１と、試料台３１の上方に張り出したスタンドアーム３２と、位相差観察用の顕微光学系および撮像装置（３４）を内蔵した本体部分３３とを有している。そして、試料台３１およびスタンドアーム３２は恒温室１５に配置される一方で、本体部分３３は下部ケーシング１３内に収納される。
【００２２】
試料台３１は透光性の材質で構成されており、その上に培養容器１９を載置することができる。この試料台３１は水平方向に移動可能に構成されており、上面に載置した培養容器１９の位置を調整できる。また、スタンドアーム３２にはＬＥＤ光源３５が内蔵されている。そして、撮像装置３４は、スタンドアーム３２によって試料台３１の上側から透過照明された培養容器１９の細胞を、顕微光学系を介して撮像することで細胞の顕微鏡画像を取得できる。
【００２３】
容器搬送装置２３は、上部ケーシング１２の前面からみて恒温室１５の中央に配置される。この容器搬送装置２３は、ストッカー２１、観察ユニット２２の試料台３１および搬送台２４との間で培養容器１９の受け渡しを行う。
【００２４】
図３に示すように、容器搬送装置２３は、多関節アームを有する垂直ロボット３４と、回転ステージ３５と、ミニステージ３６と、アーム部３７とを有している。回転ステージ３５は、垂直ロボット３４の先端部に回転軸３５ａを介して水平方向に１８０°回転可能に取り付けられている。そのため、回転ステージ３５は、ストッカー２１、試料台３１および搬送台２４に対して、アーム部３７をそれぞれ対向させることができる。
【００２５】
また、ミニステージ３６は、回転ステージ３５に対して水平方向に摺動可能に取り付けられている。ミニステージ３６には培養容器１９を把持するアーム部３７が取り付けられている。
【００２６】
次に、下部ケーシング１３の構成の概要を説明する。下部ケーシング１３の内部には、観察ユニット２２の本体部分３３や、インキュベータ１１の制御装置４１が収納されている。
【００２７】
制御装置４１は、温度調整装置１５ａ、湿度調整装置１５ｂ、観察ユニット２２および容器搬送装置２３とそれぞれ接続されている。この制御装置４１は、所定のプログラムに従ってインキュベータ１１の各部を統括的に制御する。
【００２８】
一例として、制御装置４１は、温度調整装置１５ａおよび湿度調整装置１５ｂをそれぞれ制御して恒温室１５内を所定の環境条件に維持する。また、制御装置４１は、所定の観察スケジュールに基づいて、観察ユニット２２および容器搬送装置２３を制御して、培養容器１９の観察シーケンスを自動的に実行する。さらに、制御装置４１は、観察シーケンスで取得した画像に基づいて、細胞の培養状態の評価を行う培養状態評価処理を実行する。
【００２９】
＜残存ダブリング数と手技との関係＞
ここで、図４と図５とを用いて、残存ダブリング数と手技との関係について説明する。図４は、継代数と細胞が分裂する残存回数（細胞の残存ダブリング数）との関係を示すグラフである。この図４において、横軸は継代数であり、縦軸は細胞が分裂する残存回数（細胞の残存ダブリング数）の平均数（細胞数／フラスコ（培養容器１９））である。
【００３０】
この図４に示されるように、継代数がＰ３、Ｐ４・・・Ｐ９と増加するに従い、培養されている時間および継代手技による外因的ストレスが蓄積するので、細胞が分裂する残存回数（細胞の残存ダブリング数）の平均数は、徐々に減少していく。そして、ある時間細胞がある一定以上の劣化のストレスを受けると（この場合、継代数がＰ１０に相当する時間と手技の繰り返し）、細胞が分裂する残存回数（細胞の残存ダブリング数）の平均数は、急激に減少する。よって、ある一定以上の培養時間または継代手技のストレスが、細胞の許容量を超えた場合、この細胞を培養したとしても、細胞がその後分裂できる平均回数が少ない状態になってしまっているため、培養して得られる細胞の数が少なくなることになる。
【００３１】
そのため、たとえばユーザが所望の数の細胞を得るために、この細胞を培養する場合、細胞がどのような劣化ストレス（経過時間または手技の外因的ストレス）を受けたかを知らずに培養すると、ユーザは所望の数の細胞が得られないことなる。劣化ストレスとして、経過時間は一つの尺度であるが、手技の外因的ストレスが大きければ、経過時間が短くても所望の細胞数は得られない。手技の外因的ストレスが小さくとも、経過時間が長すぎると、所望の細胞数が得られない。このような、どちらがどれだけ細胞の劣化に影響をするかは、細胞の種類や状態によって千差万別であるため、ストレスの主要因を明確にすることは通常できない。
【００３２】
そして、仮に細胞の形が、見本データ内のある一定の残存ダブリング数を持った細胞の形と一致することがあれば、所望の数の細胞を得るために細胞を培養する場合、どのような残存ダブリング数を有している細胞の状態かを、推定することができ、推定結果に応じて、対象の細胞を培養するか否かを判定することが考えられる。たとえば、細胞の残存ダブリング数が大きい細胞の形と近似した細胞形態情報である場合には、残存ダブリング数が大きいだろうと推定して当該細胞を培養し、細胞の残存ダブリング数が小さい細胞と近似した細胞形態情報である場合には、残存ダブリング数は小さいだろうと推定して当該細胞を培養しないと判定することが考えられる。なお、当該細胞を培養しないと判定された場合には、他の細胞を新たに培養する、添加因子を加えて栄養成分を補給するなど、所望の数の細胞に近づくような操作的な処理を行うことも可能である。
【００３３】
このように、細胞を培養する場合、残存ダブリング数に基づいて、細胞を培養するか否かを判定することにより、ユーザは所望の数の細胞を得ることができる。
【００３４】
次に、図５を用いて、手技と継代数との関係について説明する。
図５には、細胞を一度フリーズストックし、再度起こし直して培養した場合と、通常通りに培養した場合（凍結ありの場合となしの場合）、および、継代時のトリプシン処理において手技的に不備があり細胞にダメージを与えた場合と、通常通りにトリプシン処理した場合（酵素ダメージがありの場合と通常手技の場合）のそれぞれについて、時間経過（ｈ：時間）に対しての細胞数（cells／視野）の変化を示すグラフが、所定の継代数を経た細胞毎に示されている。ここでは、所定の継代数を経た細胞として、継代数Ｐ４、Ｐ７、および、Ｐ１０の細胞についてのグラフが示されている。
【００３５】
なお、「凍結あり」の場合とは、細胞をストックする通常の方法により、細胞を−８０℃中に置いた後、再度融解し、培養した状態、すなわち細胞にダメージを与えてしまった場合をいう。「凍結なし」の場合とは、「凍結あり」の場合と対比して、細胞にダメージを与えず培養した状態をいう。
また、「酵素ダメージあり」の場合とは、初代培養細胞をトリプシン処理するに際し、処理時間やトリプシンの量が適当でなく、細胞にダメージを与えてしまった場合をいう。「酵素ダメージなし」の場合とは、トリプシン処理が適切に行われ、細胞にダメージを与えず培養した状態をいう。このように、初代培養細胞の継代はトリプシン処理に熟練を要するため、手技的に未熟な場合は、細胞に余計なダメージを与えてしまう。
【００３６】
図５の左上のグラフは、凍結なしの場合であり、かつ、酵素ダメージなしの場合のグラフである。図５の左下のグラフは、凍結ありの場合であり、かつ、酵素ダメージなしの場合のグラフである。図５の右上のグラフは、凍結なしの場合であり、かつ、酵素ダメージありの場合のグラフである。図５の右下のグラフは、凍結ありの場合であり、かつ、酵素ダメージありの場合のグラフである。
【００３７】
この図５に示されているグラフより、図５の左上、図５の左下、および、図５の右上のグラフの場合、時間経過（ｈ：時間）に対しての細胞数（cells／視野）の変化は、Ｐ４、Ｐ７、および、Ｐ１０と継代数が異なる場合であっても、大きな相違はない。いずれの場合においても、時間経過（ｈ：時間）に従い、細胞数（cells／視野）は増加している。
【００３８】
また、図５の右下のグラフの場合、時間経過（ｈ：時間）に対しての細胞数（cells／視野）の変化は、継代数がＰ４とＰ７との場合には、図５の左上、図５の左下、および、図５の右上の場合と同様に、大きな相違はない。
【００３９】
しかし、この図５の右下のグラフの場合には、時間経過（ｈ：時間）に対しての細胞数（cells／視野）の変化は、継代数がＰ１０の場合には、急激に減少している。詳細には、この図５の右下のグラフの場合には、時間経過（ｈ：時間）に従い、細胞数（cells／視野）は増加しているものの、その増加率が、図５の左上、図５の左下、図５の右上の場合、および、図５の右下の場合であって継代数がＰ４とＰ７との場合に対比して、減少している。
【００４０】
すなわち、この場合、凍結ありの場合であり、かつ、酵素ダメージありの場合である場合のみ、ある継代数（この場合、継代数がＰ１０）を超えると、細胞の増加率が減少することになる。そして、凍結または酵素ダメージのうちいずれか１方のみが「あり」の場合は、または、いずれも「なし」の場合は、継代数がＰ１０になっても、凍結ありの場合であり、かつ、酵素ダメージありの場合である場合に対比して、細胞の増加率は減少しない。
【００４１】
すなわち、凍結ありの場合で、かつ、酵素ダメージありの継代数Ｐ１０の細胞は、図４で示されたように、凍結ありのみの条件、および酵素ダメージのみの条件に比べて、予想に反して残存ダブリング数が残り僅かであると推定され、細胞に多大なダメージが蓄積されてしまっているため、良好な細胞増殖が得られないと考えられ、培養をしないという判断を行うことができる。
【００４２】
このように、培養時間や継代数が同じであっても、手技的熟練度や時間というストレスと継代というストレスのコンビネーションによって、細胞の有する残存ダブリング数は大きく左右されてしまい、細胞の増加率が予測不能な場合がある。
【００４３】
そのため、細胞を培養する場合おいて、細胞を培養するか否かを判定する場合、残存ダブリング数のみでなく手技にも基づいて、細胞を培養するか否かを判定することにより、より適切に、細胞を培養するか否かを判定することができる。これにより、ユーザは所望の数の細胞を得ることができる。
【００４４】
また、酵素ダメージありの場合、たとえ細胞を十分な数まで培養できたとしても、培養された細胞には酵素ダメージがあるため、細胞を評価する場合に、当該培養した細胞は適してない可能性がある。そのため、手技として、酵素ダメージがある場合に培養された細胞は、その後の細胞を評価する処理には用いないようにすることが考えられる。
【００４５】
図１の説明に戻り、制御装置４１の構成について説明する。この制御装置４１は、ＣＰＵ４２および記憶部４３を有している。
【００４６】
記憶部４３は、ハードディスクや、フラッシュメモリ等の不揮発性の記憶媒体などで構成される。この記憶部４３には、ストッカー２１に収納されている各培養容器１９に関する管理データと、撮像装置で撮像された顕微鏡画像のデータとが記憶されている。さらに、記憶部４３には、ＣＰＵ４２によって実行されるプログラムが記憶されている。
【００４７】
なお、上記の管理データには、（ａ）個々の培養容器１９を示すインデックスデータ、（ｂ）ストッカー２１での培養容器１９の収納位置、（ｃ）培養容器１９の種類および形状（ウェルプレート、ディッシュ、フラスコなど）、（ｄ）培養容器１９で培養されている細胞の種類、（ｅ）培養容器１９の観察スケジュール、（ｆ）タイムラプス観察時の撮像条件（対物レンズの倍率、容器内の観察地点等）、などが含まれている。また、ウェルプレートのように複数の小容器で同時に細胞を培養できる培養容器１９については、各々の小容器ごとにそれぞれ管理データが生成される。
【００４８】
ＣＰＵ４２は、入力部４２０１と、特徴量演算部４２０２と、画像読込部４２０３と、手技評価計算モデル構築部（判定基準作成部）４２１１と、手技評価部（画像判定部）４２１２と、細胞評価計算モデル構築部（残存回数計算モデル構築部）４２２１と、細胞評価部（残存回数算出部）４２２２とを備えている。このＣＰＵ４２は、たとえば、制御装置４１の各種の演算処理を実行するプロセッサである。なお、ＣＰＵ４２は、プログラムの実行によって、入力部４２０１と、特徴量演算部４２０２と、画像読込部４２０３と、手技評価計算モデル構築部４２１１と、手技評価部４２１２と、細胞評価計算モデル構築部４２２１と、細胞評価部４２２２としてそれぞれ機能してもよい。
【００４９】
入力部４２０１は、培養容器内で培養される複数の細胞が時系列に撮像されている複数の画像を記憶部４３から読み込む。また、この入力部４２０１は、記憶部４３から画像を読込む場合、この画像に撮像されている細胞についての情報も読込む（または、入力される）。この細胞についての情報とは、学習する対象となる情報のことであり、たとえば、各画像に対応する手技を示す情報、または、各画像に対応する残存ダブリング数を示す情報のことである。
【００５０】
すなわち、この入力部４２０１には、培養容器内で培養された複数の細胞が撮像されている画像と、当該細胞が培養された場合の手技を示す情報が入力される。また、この入力部４２０１には、同一培養容器内で培養された複数の細胞を異なる時間に撮像することによって得られた複数の画像と、当該細胞が分裂する残存回数（残存ダブリング数）を示す情報が入力される。
【００５１】
なお、この「手技を示す情報」とは、たとえば、図５を用いて説明した４つの手技のそれぞれに対して予め定められている識別情報である。なお、「手技を示す情報」は、図５を用いて説明した４つの手技に限られるものではなく、識別される条件は任意であってもよいし、識別される手技の数も任意であってもよい。
【００５２】
特徴量演算部４２０２は、入力部４２０１または画像読込部４２０３で読み込まれた画像から、画像に写されている細胞の特徴量を出力する。また、この特徴量演算部４２０２は、画像に含まれる各々の細胞について、細胞の異なる複数の形態的な特徴を示す複数の異る特徴量を画像からそれぞれ求め、求めた特徴量を出力する。
【００５３】
画像読込部４２０３は、培養容器内で培養された細胞が撮像されている画像を読み込む。すなわち、この画像読込部４２０３は、評価対象となる細胞が撮像されている画像を読み込む。また、画像読込部４２０３には、評価対象となる細胞の画像であって、培養容器内で培養される複数の細胞が時系列に撮像されている画像が入力される。
【００５４】
たとえば、評価対象となる細胞が撮像されている画像が予め記憶部４３に記憶されており、画像読込部４２０３は、評価対象となる細胞が撮像されている画像を記憶部４３から読み込んでもよい。また、画像読込部４２０３は、評価対象となる細胞が撮像されている画像を、インターネットなどの通信網を介して受信することにより、読み込んでもよい。
【００５５】
手技評価計算モデル構築部４２１１は、画像に写された細胞の評価データと細胞の特徴量とに基づいて、細胞の特徴量における判定基準を作成する。この「画像に写された細胞の評価データと細胞の特徴量」とは、特徴量演算部４２０２から出力された特徴量のことである。また、この「画像に写された細胞の評価データ」とは、細胞に行われた手技に関する情報のことである。また、この「細胞の特徴量における判定基準」とは、細胞が培養された場合の手技を判定するための判定基準であって、細胞の特徴量に対しての基準である。また、この基準とは、特徴量ごとの基準であってもよいし、複数の特徴量が組み合わせられている特徴量に対しての基準であってもよい。
【００５６】
たとえば、この手技評価計算モデル構築部４２１１は、画像内の細胞の特徴量と、手技を示す情報とに基づいて、細胞が培養された場合の手技を評価する手技評価計算モデルを構築する。この「画像内の細胞の特徴量」とは、特徴量演算部４２０２から出力された特徴量のことである。また、この「手技を示す情報」とは、入力部４２０１に入力された「手技を示す情報」のことである。また、「手技評価計算モデル」は、一例としては、図５に示されたそれぞれの手技を判定する計算モデルである。
【００５７】
手技評価部４２１２は、手技評価計算モデル構築部４２１１により作成された判定基準を基に、新たに入力した画像に写された細胞の特徴量から、細胞の評価を行う細胞評価計算モデルを構築するために利用データとして適用可能な否かを判定する。
【００５８】
たとえば、手技評価部４２１２は、特徴量演算部４２０２により求められた特徴量を、手技評価計算モデル構築部４２１１により構築された計算モデルに入力することにより、画像読込部４２０３に入力された画像に撮像されている細胞（評価対象となる細胞）が培養された場合の手技を評価する。
【００５９】
細胞評価計算モデル構築部４２２１は、特徴量演算部４２０２により求められた形態的な特徴量を基に、細胞の評価を行う細胞評価計算モデルを構築する。また、細胞評価計算モデル構築部４２２１は、手技評価部４２１２により適用可能と判定された画像を用いて、特徴量演算部４２０２で求められる形態的な特徴量を基に細胞の評価を行う細胞評価計算モデルを構築する。この「手技評価部４２１２により適用可能と判定された画像を用いて、特徴量演算部４２０２で求められる形態的な特徴量」とは、手技評価部４２１２により適用可能と判定された画像に対して、特徴量演算部４２０２により求められた形態的な特徴量のことである。
【００６０】
たとえば、細胞評価計算モデル構築部４２２１は、各々の画像に対応する特徴量と残存回数を示す情報とに基づいて、細胞に対しての残存回数（残存ダブリング数）を算出する細胞評価計算モデルを構築する。また、評価値としては、細胞の分裂可能数の残存回数以外にも、様々な評価値を出力できるようにしても良い。なお、本実施の形態では、この「各々の画像に対応する特徴量」とは、特徴量演算部４２０２から出力された特徴量のことである。また、この「残存回数を示す情報」とは、入力部４２０１に入力された「細胞が分裂する残存回数を示す情報」のことである。
【００６１】
一例としては、細胞評価計算モデル構築部４２２１は、たとえば、教師付き学習により細胞評価計算モデルを求める。なお、この細胞評価計算モデルは、細胞における特性を評価した結果を、評価情報として出力する。この「細胞における特性」とは、たとえば、細胞の種類や状態を示す符号や指数であったり、残存ダブリング数のことである。
【００６２】
また、この細胞評価計算モデル構築部４２２１は、画像読込部４２０３に入力された画像に対して特徴量演算部４２０２により求められた特徴量のうち、手技評価部４２１２により評価された手技の結果が、画像読込部４２０３に読み込まれた画像に撮像されている細胞を評価する細胞評価計算モデルを構築する場合に適切であると判定された特徴量に基づいて、細胞評価計算モデルを構築する。
【００６３】
なお、この、手技評価部４２１２により評価された手技の結果が、画像読込部４２０３に読み込まれた画像に撮像されている細胞を評価する細胞評価計算モデルを構築する場合に適切であるか否かは、手技評価部４２１２により評価された手技の結果、予め定められている手技であるか否かを判定することにより実行される。
【００６４】
一例としては、手技評価部４２１２により評価された手技の結果が、図５を用いて説明したように、酵素ダメージがあるような手技である場合（図５の右上と右下の場合）、細胞評価計算モデル構築部４２２１は、この手技で培養された画像は、細胞評価計算モデルを構築する場合に適切ではないと判定する。
【００６５】
また、手技評価部４２１２により評価された手技の結果が、図５を用いて説明したように、酵素ダメージがないような手技である場合（図５の左上と左下の場合）、細胞評価計算モデル構築部４２２１は、この手技で培養された画像は、細胞評価計算モデルを構築する場合に適切であると判定する。
【００６６】
細胞評価部４２２２は、特徴量演算部４２０２から出力された特徴量を、細胞評価計算モデル構築部４２２１により構築された細胞評価計算モデルに入力することにより、評価情報を算出し、算出した評価情報を出力する。なお、細胞評価部４２２２により算出され出力される評価情報は、たとえば、評価対象となる細胞の残存ダブリング数を示す情報である。このようにして、細胞評価部４２２２は、画像読込部４２０３に読み込まれた画像の細胞を評価する。
【００６７】
なお、手技評価装置は、上述した入力部４２０１と、特徴量演算部４２０２と、手技評価計算モデル構築部４２１１とを含めて構成されている。この手技評価装置は、さらに、画像読込部４２０３と、手技評価部４２１２とを含んで構成されていてもよい。また、細胞評価モデル構築装置は、この手技評価装置と、細胞評価計算モデル構築部４２２１とを含めて構成されている。
【００６８】
また、細胞評価計算モデル装置は、上述した入力部４２０１と、特徴量演算部４２０２と、手技評価計算モデル構築部４２１１とを含めて構成されている。
【００６９】
また、細胞評価装置は、上述した画像読込部４２０３と、特徴量演算部４２０２と、細胞評価部４２２２とを含めて構成されている。この細胞評価装置は、さらに、入力部４２０１と、手技評価計算モデル構築部４２１１とを含めて構成されていてもよい。また、この細胞評価装置は、細胞評価計算モデル構築部４２２１と、細胞評価部４２２２とを含めて構成されていてもよい。
【００７０】
なお、細胞評価部４２２２は、細胞評価計算モデル構築部４２２１で細胞評価計算モデル構築時に用いた細胞の特徴量を取得するためにも使用される特徴量演算部４２０２から、評価する細胞の特徴量を得ている。このようにすることで、少ない構成で細胞評価計算モデル構築と細胞評価の両方をなし得る装置構成となっている。
しかしながら、細胞の特徴量を出力する構成（特徴量演算部４２０２）は、細胞評価計算モデル構築部４２２１と細胞評価部４２２２とに対応させて、異なる構成としてもよい。たとえば、細胞評価計算モデル構築部４２２１を備えている細胞評価計算モデル装置は、特徴量演算部４２０２を備えており、細胞評価部４２２２を備えている細胞評価装置は、特徴量演算部４２０２と同様の構成を有している残存回数算出用特徴量演算部を備えていてもよい。
また、入力部４２０１と画像読込部４２０３とは、一体として構成されていてもよい。
【００７１】
＜第１の実施形態における観察動作の例＞
次に、図６の流れ図を参照しつつ、第１の実施形態におけるインキュベータ１１での観察動作の一例を説明する。この図６は、恒温室１５内に搬入された培養容器１９を、登録された観察スケジュールに従ってタイムラプス観察する動作例を示している。
【００７２】
ステップＳ１０１：ＣＰＵ４２は、記憶部４３の管理データの観察スケジュールと現在日時とを比較して、培養容器１９の観察開始時間が到来したか否かを判定する。観察開始時間となった場合（ＹＥＳ側）、ＣＰＵ４２はＳ１０２に処理を移行させる。一方、培養容器１９の観察時間ではない場合（ＮＯ側）には、ＣＰＵ４２は次の観察スケジュールの時刻まで待機する。
【００７３】
ステップＳ１０２：ＣＰＵ４２は、観察スケジュールに対応する培養容器１９の搬送を容器搬送装置２３に指示する。そして、容器搬送装置２３は、指示された培養容器１９をストッカー２１から搬出して観察ユニット２２の試料台３１に載置する。なお、培養容器１９が試料台３１に載置された段階で、スタンドアーム３２に内蔵されたバードビューカメラ（不図示）によって培養容器１９の全体観察画像が撮像される。
【００７４】
ステップＳ１０３：ＣＰＵ４２は、観察ユニット２２に対して細胞の顕微鏡画像の撮像を指示する。観察ユニット２２は、ＬＥＤ光源３５を点灯させて培養容器１９を照明するとともに、撮像装置３４を駆動させて培養容器１９内の細胞の顕微鏡画像を撮像する。
【００７５】
このとき、撮像装置３４は、記憶部４３に記憶されている管理データに基づいて、ユーザーの指定した撮像条件（対物レンズの倍率、容器内の観察地点）に基づいて顕微鏡画像を撮像する。例えば、培養容器１９内の複数のポイントを観察する場合、観察ユニット２２は、試料台３１の駆動によって培養容器１９の位置を逐次調整し、各々のポイントでそれぞれ顕微鏡画像を撮像する。なお、Ｓ１０３で取得された顕微鏡画像のデータは、制御装置４１に読み込まれるとともに、ＣＰＵ４２の制御によって記憶部４３に記録される。
【００７６】
ステップＳ１０４：ＣＰＵ４２は、観察スケジュールの終了後に培養容器１９の搬送を容器搬送装置２３に指示する。そして、容器搬送装置２３は、指示された培養容器１９を観察ユニット２２の試料台３１からストッカー２１の所定の収納位置に搬送する。その後、ＣＰＵ４２は、観察シーケンスを終了してＳ１０１に処理を戻す。
【００７７】
この図６の流れ図を用いた説明により、インキュベータ１１により観察された時系列の画像データが、記憶部４３に記憶される。
【００７８】
＜第１の実施形態における培養状態評価処理＞
次に図７を用いて、上述した図６の処理により記憶部４３に記憶された画像データを用いて、制御装置４１が、手技評価計算モデルおよび細胞評価計算モデルを構築する一例について説明する。
【００７９】
ここでは、一例として、培養容器１９をタイムラプス観察して取得した複数の顕微鏡画像を用いて、培養容器１９の培養細胞において、細胞に対しての残存ダブリング数を制御装置４１が推定する場合について説明する。
【００８０】
また、ここでは、図６の処理において、培養容器１９のタイムラプス観察は、培養開始から０．３３日目（８時間）経過後を初回として、０．３３日おきに１３．６７日目まで行われているものとして説明する。また、ここでは、複数の培養容器１９がそれぞれタイムラプス観察されており、上記のサンプルの顕微鏡画像が記憶部４３に記憶されているものとして説明する。なお、制御装置４１は、同じ培養容器１９の複数ポイント（例えば５点観察または培養容器１９の全体）を同じ観察時間帯で撮影した複数の顕微鏡画像を、タイムラプス観察の１回分の画像として扱うようにしてもよい。
【００８１】
なお、当該タイムラプス観察された細胞については、手技が既知となっているものとする。たとえば、培養容器１９でタイムラプス観察された細胞に対して、予め手技が予め定められていてもてよい。
【００８２】
また、当該タイムラプス観察された細胞については、残存ダブリング数が既知となっているものとする。これは、たとえば、培養容器１９でタイムラプス観察された細胞に対して、任意の実験により、残存ダブリング数が調べられていてもよい。この任意の実験は、本実施形態によるタイムラプス観察が終了した後に行われる実験であってもよい。
【００８３】
そして、制御装置４１には、培養容器１９毎の細胞の画像と、手技を示す情報とが、培養容器１９毎に入力されるものとする。また、制御装置４１には、培養容器１９毎の細胞の画像と、当該培養容器１９で培養された細胞の残存ダブリング数を示す情報とが、培養容器１９毎に入力されるものとする。なお、手技を示す情報および細胞の残存ダブリング数を示す情報は、インキュベータ１１により観察された時系列の画像データと関連付けられて、培養容器１９毎に、記憶部４３に記憶されていてもよい。
【００８４】
ステップＳ２０１：ＣＰＵ４２は、予め用意されたサンプルの顕微鏡画像のデータを記憶部４３から読み込む。なお、ステップＳ２０１でのＣＰＵ４２は、各画像に対応する手技を示す情報と残存ダブリング数を示す情報とを、この時点で取得するものとする。
【００８５】
ステップＳ２０２：ＣＰＵ４２は、上記のサンプルの顕微鏡画像（ステップＳ２０１）のうちから、処理対象となる画像を指定する。ここで、ステップＳ２０２でのＣＰＵ４２は、予め用意されているサンプルの顕微鏡画像のすべてを処理対象として順次指定してゆくものとする。
【００８６】
ステップＳ２０３：ＣＰＵ４２の特徴量演算部４２０２は、処理対象の顕微鏡画像（ステップＳ２０２）について、画像内に含まれる細胞を抽出する。例えば、位相差顕微鏡で細胞を撮像すると、細胞壁のように位相差の変化の大きな部位の周辺にはハロが現れる。そのため、特徴量演算部４２０２は、細胞壁に対応するハロを公知のエッジ抽出手法で抽出するとともに、輪郭追跡処理によってエッジで囲まれた閉空間を細胞と推定する。これにより上記の顕微鏡画像から個々の細胞を抽出することができる。
【００８７】
ステップＳ２０４：ＣＰＵ４２の特徴量演算部４２０２は、ステップＳ２０３で画像から抽出した各々の細胞について、細胞の異なる複数の形態的な特徴を示す複数の異る特徴量を画像からそれぞれ求める。このステップＳ２０４において、ＣＰＵ４２の特徴量演算部４２０２は、上述した複数の異る特徴量として、１６種類の特徴量を、ステップＳ２０３で画像から抽出した各々の細胞について求めるものとする。
【００８８】
ステップＳ２０５：ＣＰＵ４２の特徴量演算部４２０２は、処理対象の顕微鏡画像（ステップＳ２０２）について、各細胞の１６種類の特徴量（ステップＳ２０４）をそれぞれ記憶部４３に記録する。
【００８９】
ステップＳ２０６：ＣＰＵ４２は、全ての顕微鏡画像が処理済み（全てのサンプルの顕微鏡画像で各細胞の特徴量が取得済みの状態）であるか否かを判定する。上記要件を満たす場合（ＹＥＳ側）には、ＣＰＵ４２はステップＳ２０９に処理を移行させる。一方、上記要件を満たさない場合（ＮＯ側）には、ＣＰＵ４２はステップＳ２０２に戻って、未処理の他の顕微鏡画像を処理対象として上記動作を繰り返す。
【００９０】
ステップＳ２０９：ＣＰＵ４２の手技評価計算モデル構築部４２１１は、記憶部４３から読み出した画像内の細胞の特徴量と、手技を示す情報とに基づいて、細胞が培養された場合の手技を評価する手技評価計算モデルを構築する。
【００９１】
ステップＳ２１０：ＣＰＵ４２の手技評価計算モデル構築部４２１１は、ステップＳ２０９で構築して求めた手技評価計算モデルの情報（計算式に用いる各指標を示す情報、計算式で各々の指標に対応する係数値の情報など）を記憶部４３に記録する。
【００９２】
ステップＳ２１１：手技評価部４２１２は、特徴量演算部４２０２により求められた特徴量を、記憶部４３から読み出した手技評価計算モデル（または、ステップＳ２０９において手技評価計算モデル構築部４２１１により構築された計算モデル）に入力することにより、画像読込部４２０３に入力された画像に撮像されている細胞（評価対象となる細胞）が培養された場合の手技を評価する。このとき手技評価部４２１２は、まず、細胞毎に手技を評価し、培養容器１９毎の手技の平均を算出する。
次に、手技評価部４２１２は、算出した結果に基づいて、手技を培養容器１９毎に評価してもよい。次に、細胞評価計算モデル構築部４２２１は、この手技の評価に基づいて、細胞評価計算モデルを構築するための画像を抽出する。この抽出される画像とは、培養容器１９毎に抽出された画像であってもよい。
【００９３】
ステップＳ２１２：細胞評価計算モデル構築部４２２１は、ステップＳ２１１で抽出した画像と、当該画像に対応する特徴量（記憶部４３から読み出した特徴量）とに基づいて、細胞評価計算モデルを構築する。
【００９４】
ステップＳ２１３：ＣＰＵ４２の細胞評価計算モデル構築部４２２１は、ステップＳ２１２で構築して求めた細胞評価計算モデルの情報（計算式に用いる各指標を示す情報、計算式で各々の指標に対応する係数値の情報など）を記憶部４３に記録する。以上で、図７の説明を終了する。
【００９５】
なお、この図７の説明においては、制御装置４１が、手技評価計算モデルと細胞評価計算モデルとを構築する場合について説明したが、制御装置４１は、手技評価計算モデルは予め構築されていてもよい。たとえば、予め構築されている手技評価計算モデルが記憶部４３に記憶されている場合には、制御装置４１は、上記図７のステップＳ２０９とＳ２１０とを省略して、手技評価計算モデルを再度構築することなしに、細胞評価計算モデルを構築することができる。また、手技評価計算モデルのみを構築する場合には、制御装置４１は、ステップＳ２１０で処理を終了してもよい。
【００９６】
＜図７のステップＳ２０４：ＣＰＵ４２の特徴量演算部４２０２による処理の詳細＞
次に、図８を用いて、図７のステップＳ２０４におけるＣＰＵ４２の特徴量演算部４２０２による処理について詳細に説明する。この特徴量演算部４２０２は、各細胞について以下の１６種類の特徴量をそれぞれ求める。
【００９７】
・Ｔｏｔａｌ ａｒｅａ（図８の（ａ）参照）「Ｔｏｔａｌ ａｒｅａ」は、注目する細胞の面積を示す値である。例えば、特徴量演算部４２０２は、注目する細胞の領域の画素数に基づいて「Ｔｏｔａｌ ａｒｅａ」の値を求めることができる。
【００９８】
・Ｈｏｌｅ ａｒｅａ（図８の（ｂ）参照）「Ｈｏｌｅ ａｒｅａ」は、注目する細胞内のＨｏｌｅの面積を示す値である。ここで、Ｈｏｌｅは、コントラストによって、細胞内における画像の明るさが閾値以上となる部分（位相差観察では白に近い状態となる箇所）を指す。例えば、細胞内小器官の染色されたリソソームなどがＨｏｌｅとして検出される。また、画像によっては、細胞核や、他の細胞小器官がＨｏｌｅとして検出されうる。なお、特徴量演算部４２０２は、細胞内における輝度値が閾値以上となる画素のまとまりをＨｏｌｅとして検出し、このＨｏｌｅの画素数に基づいて「Ｈｏｌｅ ａｒｅａ」の値を求めればよい。
【００９９】
・ｒｅｌａｔｉｖｅ ｈｏｌｅ ａｒｅａ（図８の（ｃ）参照）「ｒｅｌａｔｉｖｅ ｈｏｌｅ ａｒｅａ」は、「Ｈｏｌｅ ａｒｅａ」の値を「Ｔｏｔａｌ ａｒｅａ」の値で除した値である（ｒｅｌａｔｉｖｅ ｈｏｌｅ ａｒｅａ＝Ｈｏｌｅ ａｒｅａ／Ｔｏｔａｌ ａｒｅａ）。この「ｒｅｌａｔｉｖｅ ｈｏｌｅ ａｒｅａ」は、細胞の大きさにおける細胞内小器官の割合を示すパラメータであって、例えば細胞内小器官の肥大化や核の形の悪化などに応じてその値が変動する。
【０１００】
・Ｐｅｒｉｍｅｔｅｒ（図８の（ｄ）参照）「Ｐｅｒｉｍｅｔｅｒ」は、注目する細胞の外周の長さを示す値である。例えば、特徴量演算部４２０２は、細胞を抽出するときの輪郭追跡処理により「Ｐｅｒｉｍｅｔｅｒ」の値を取得することができる。
【０１０１】
・Ｗｉｄｔｈ（図８の（ｅ）参照）「Ｗｉｄｔｈ」は、注目する細胞の画像横方向（Ｘ方向）での長さを示す値である。
【０１０２】
・Ｈｅｉｇｈｔ（図８の（ｆ）参照）「Ｈｅｉｇｈｔ」は、注目する細胞の画像縦方向（Ｙ方向）での長さを示す値である。
【０１０３】
・Ｌｅｎｇｔｈ（図８の（ｇ）参照）「Ｌｅｎｇｔｈ」は、注目する細胞を横切る線のうちの最大値（細胞の全長）を示す値である。
【０１０４】
・Ｂｒｅａｄｔｈ（図８の（ｈ）参照）「Ｂｒｅａｄｔｈ」は、「Ｌｅｎｇｔｈ」に直交する線のうちの最大値（細胞の横幅）を示す値である。
【０１０５】
・Ｆｉｂｅｒ Ｌｅｎｇｔｈ（図８の（ｉ）参照）「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」は、注目する細胞を擬似的に線状と仮定した場合の長さを示す値である。特徴量演算部４２０２は、下式（１）により「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」の値を求める。
【０１０６】
【数１】
【０１０７】
但し、本明細書の式において「Ｐ」はＰｅｒｉｍｅｔｅｒの値を示す。同様に「Ａ」はＴｏｔａｌ Ａｒｅａの値を示す。
【０１０８】
・Ｆｉｂｅｒ Ｂｒｅａｄｔｈ（図８の（ｊ）参照）「Ｆｉｂｅｒ Ｂｒｅａｄｔｈ」は、注目する細胞を擬似的に線状と仮定した場合の幅（Ｆｉｂｅｒ Ｌｅｎｇｔｈと直交する方向の長さ）を示す値である。特徴量演算部４２０２は、下式（２）により「Ｆｉｂｅｒ Ｂｒｅａｄｔｈ」の値を求める。
【０１０９】
【数２】
【０１１０】
・Ｓｈａｐｅ Ｆａｃｔｏｒ（図８の（ｋ）参照）「Ｓｈａｐｅ Ｆａｃｔｏｒ」は、注目する細胞の円形度（細胞の丸さ）を示す値である。特徴量演算部４２０２は、下式（３）により「Ｓｈａｐｅ Ｆａｃｔｏｒ」の値を求める。
【０１１１】
【数３】
【０１１２】
・Ｅｌｌｉｐｔｉｃａｌ ｆｏｒｍ Ｆａｃｔｏｒ（図８の（ｌ）参照）「Ｅｌｌｉｐｔｉｃａｌ ｆｏｒｍ Ｆａｃｔｏｒ」は、「Ｌｅｎｇｔｈ」の値を「Ｂｒｅａｄｔｈ」の値で除した値（Ｅｌｌｉｐｔｉｃａｌ ｆｏｒｍ Ｆａｃｔｏｒ＝Ｌｅｎｇｔｈ／Ｂｒｅａｄｔｈ）であって、注目する細胞の細長さの度合いを示すパラメータとなる。
【０１１３】
・Ｉｎｎｅｒ ｒａｄｉｕｓ（図８の（ｍ）参照）「Ｉｎｎｅｒ ｒａｄｉｕｓ」は、注目する細胞の内接円の半径を示す値である。
【０１１４】
・Ｏｕｔｅｒ ｒａｄｉｕｓ（図８の（ｎ）参照）「Ｏｕｔｅｒ ｒａｄｉｕｓ」は、注目する細胞の外接円の半径を示す値である。
【０１１５】
・Ｍｅａｎ ｒａｄｉｕｓ（図８の（ｏ）参照）「Ｍｅａｎ ｒａｄｉｕｓ」は、注目する細胞の輪郭を構成する全点とその重心点との平均距離を示す値である。
【０１１６】
・Ｅｑｕｉｖａｌｅｎｔ ｒａｄｉｕｓ（図８の（ｐ）参照）「Ｅｑｕｉｖａｌｅｎｔ ｒａｄｉｕｓ」は、注目する細胞と同面積の円の半径を示す値である。この「Ｅｑｕｉｖａｌｅｎｔ ｒａｄｉｕｓ」のパラメータは、注目する細胞を仮想的に円に近似した場合の大きさを示している。
【０１１７】
ここで、ＣＰＵ４２の特徴量演算部４２０２は、細胞に対応する画素数に誤差分を加味して上記の各特徴量を求めてもよい。このとき、特徴量演算部４２０２は、顕微鏡画像の撮影条件（撮影倍率や顕微光学系の収差など）を考慮して特徴量を求めるようにしてもよい。なお、「Ｉｎｎｅｒ ｒａｄｉｕｓ」、「Ｏｕｔｅｒ ｒａｄｉｕｓ」、「Ｍｅａｎ ｒａｄｉｕｓ」、「Ｅｑｕｉｖａｌｅｎｔ ｒａｄｉｕｓ」を求めるときには、特徴量演算部４２０２は、公知の重心演算の手法に基づいて各細胞の重心点を求め、この重心点を基準にして各パラメータを求めればよい。
【０１１８】
＜図７のステップＳ２１２：ＣＰＵ４２の細胞評価計算モデル構築部４２２１による処理の詳細＞
次に、図９から図１１を用いて、図７のステップＳ２１２におけるＣＰＵ４２の細胞評価計算モデル構築部４２２１による処理について詳細に説明する。
【０１１９】
なお、本実施形態においては、たとえば、時系列における特徴量において、全ての時系列における特徴量を細胞評価計算モデルに用いることも可能であるし、時系列における一部の時刻の特徴量を細胞評価計算モデルに用いることも可能である。この「時系列における一部の時刻の特徴量」とは、たとえば、「Ｅｌｌｉｐｔｉｃａｌ ｆｏｒｍ Ｆａｃｔｏｒ」という特徴量の経過日数が３．００日目の値、「Ｅｌｌｉｐｔｉｃａｌ ｆｏｒｍ Ｆａｃｔｏｒ」という特徴量の経過日数が３．３３日目の値、・・・「Ｅｌｌｉｐｔｉｃａｌ ｆｏｒｍ Ｆａｃｔｏｒ」という特徴量の経過日数が１３．６７日目の値と、それぞれの値のことである。ここでは、「時系列における一部の時刻の特徴量」を、「指標」として説明する。すなわち、測定された経過日数ごとの特徴量それぞれの値が、指標となる。
【０１２０】
ここでは、細胞評価計算モデル構築部４２２１が、ファジーニューラルネットワーク（Ｆｕｚｚｙ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＦＮＮ）解析によって上記の細胞評価計算モデルを求める場合について説明する。
【０１２１】
また、ここでは、細胞評価計算モデル構築部４２２１が、特徴量に基づいて、各々の顕微鏡画像のセットにおいて、がん細胞の数（予測値）を求める場合の細胞評価計算モデルを求める場合について説明する。なお、ここでは、細胞評価計算モデル構築部４２２１が、がん細胞の数（予測値）を求める場合の細胞評価計算モデルを構築する場合について説明しているが、残存ダブリング数を推定する場合の細胞評価計算モデルを構築する場合でも、細胞評価計算モデルの構築方法は同様である。
【０１２２】
ＦＮＮとは、人工ニューラルネットワーク（Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＡＮＮ）とファジィ推論とを組み合わせた方法である。このＦＮＮでは、ファジイ推論の欠点であるメンバーシップ関数の決定を人間に頼るという部分を回避すべく、ＡＮＮをファジィ推論に組み込んでその自動決定を行う。
【０１２３】
学習機械のひとつであるＡＮＮ（図９参照）は、生体の脳における神経回路網を数学的にモデル化したものであり、以下の特徴を持つ。ＡＮＮにおける学習は、目的の出力値（教師値）をもつ学習用のデータ（入力値：Ｘ）を用いて、バックプロパゲーション（Ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ：ＢＰ）法により教師値と出力値（Ｙ）との誤差が小さくなるように、ノード（図９において丸で示す）間をつなぐ回路における結合荷重を変え、その出力値が教師値に近づくようにモデルを構築する過程である。このＢＰ法を用いれば、ＡＮＮは学習により自動的に知識を獲得することができる。そして、最終的に学習に用いていないデータを入力することにより、そのモデルの汎用性を評価できる。
【０１２４】
従来、メンバーシップ関数の決定は、人間の感覚に頼っていたが、上で述べたようなＡＮＮをファジイ推論に組み込むことで自動的なメンバーシップ関数の同定が可能になる。これがＦＮＮである。ＦＮＮでは、ＡＮＮと同様に、ＢＰ法を用いることによりネットワークに与えられた入出力関係を、結合荷重を変化させることで自動的に同定しモデル化できる。ＦＮＮは、学習後のモデルを解析することでファジィ推論のように人間に理解しやすい言語的なルール（一例として図１０の右下の吹き出しを参照）として知識を獲得できるという特徴をもっている。つまり、ＦＮＮは、その構造、特徴から、細胞の形態的特徴を表した数値のような変数の組み合わせにおける最適なファジィ推論の組み合わせを自動決定し、予測目標に関する推定と、予測に有効な特徴量（指標）の組み合わせを示すルールの生成を同時に行うことができる。
【０１２５】
ＦＮＮの構造は、「入力層」、シグモイド関数に含まれるパラメータＷｃ、Ｗｇを決定する「メンバーシップ関数部分（前件部）」、Ｗｆを決定するとともに入力および出力の関係をルールとして取り出すことが可能な「ファジィルール部分（後件部）」、「出力層」の４層から成り立っている（図１０参照）。ＦＮＮのモデル構造を決定する結合荷重にはＷｃ、Ｗｇ、Ｗｆがある。結合荷重Ｗｃは、メンバーシップ関数に用いられるシグモイド関数の中心位置、Ｗｇは中心位置での傾きを決定する（図１１参照）。モデル内では、入力値がファジィ関数により、人間の感覚的に近い柔軟性を持って表現される（一例として図１０の左下の吹き出しを参照）。結合荷重Ｗｆは各ファジイ領域の推定結果に対する寄与を表しており、Ｗｆよりファジィルールを導くことができる。即ち、モデル内の構造はあとから解読でき、ルールとして書き起こすことができる（一例として図１０中右下の吹き出しを参照）。
【０１２６】
ＦＮＮ解析におけるファジィルールの作成には結合荷重のひとつであるＷｆ値が用いられる。Ｗｆ値が正の値で大きいと、そのユニットは「予測に有効である」と判定されることに対する寄与が大きく、そのルールに当てはまった指標は「有効である」と判断される。Ｗｆ値が負の値で小さいと、そのユニットは「予測に有効でない」と判定されることに対する寄与が大きく、そのルールに当てはまった指標は「有効でない」と判断される。
【０１２７】
一例として、ステップＳ２０９での細胞評価計算モデル構築部４２２１は、以下の（Ａ）から（Ｈ）の処理により、上記の細胞評価計算モデルを求める。
【０１２８】
（Ａ）細胞評価計算モデル構築部４２２１は、複数の指標のうちから１つの指標を選択する。
【０１２９】
（Ｂ）細胞評価計算モデル構築部４２２１は、（Ａ）で選択された指標を変数とした計算式により、各々の顕微鏡画像のセットでのがん細胞の数（予測値）を求める。
【０１３０】
仮に、１つの指標からがん細胞の数を求める計算式を「Ｙ＝αＸ１」（但し、「Ｙ」はがん細胞の計算値（例えばがん細胞の増加数を示す値）、「Ｘ１」は上記の選択された指標の値、「α」はＸ１に対応する係数値、をそれぞれ示す。）とする。このとき、細胞評価計算モデル構築部４２２１は、αに任意の値を代入するとともに、Ｘ１に各セットにおける値をそれぞれ代入する。これにより、各セットでのがん細胞の計算値（Ｙ）が求められる。
【０１３１】
（Ｃ）細胞評価計算モデル構築部４２２１は、各々の顕微鏡画像のセットについて、（Ｂ）で求めた計算値Ｙと、実際のがん細胞の数（教師値）との誤差をそれぞれ求める。なお、上記の教師値は、ステップＳ２０１で読み込んだがん細胞の数の情報に基づいて、細胞評価計算モデル構築部４２２１が求めるものとする。
【０１３２】
そして、細胞評価計算モデル構築部４２２１は、各顕微鏡画像のセットでの計算値の誤差がより小さくなるように、教師付き学習により上記の計算式の係数αを修正する。
【０１３３】
（Ｄ）細胞評価計算モデル構築部４２２１は、上記の（Ｂ）および（Ｃ）の処理を繰り返し、上記（Ａ）の指標について、計算値の平均誤差が最も小さくなる計算式のモデルを取得する。
【０１３４】
（Ｅ）細胞評価計算モデル構築部４２２１は、複数の指標の各指標について、上記（Ａ）から（Ｄ）の各処理を繰り返す。そして、細胞評価計算モデル構築部４２２１は、各指標における計算値の平均誤差を比較し、その平均誤差が最も低くなる指標を、評価情報の生成に用いる（評価情報を計算する細胞評価計算モデルを構築するために用いる）１番目の指標とする。
【０１３５】
（Ｆ）細胞評価計算モデル構築部４２２１は、上記（Ｅ）で求めた１番目の指標と組み合わせる２番目の指標を求める。このとき、細胞評価計算モデル構築部４２２１は、上記の１番目の指標と残りの１２７の指標とを１つずつペアにしてゆく。次に、細胞評価計算モデル構築部４２２１は、各々のペアにおいて、計算式でがん細胞の予測誤差を求める。
【０１３６】
仮に、２つの指標からがん細胞の数を求める計算式を「Ｙ＝αＸ１＋βＸ２」（但し、「Ｙ」はがん細胞の計算値、「Ｘ１」は１番目の指標の値、「α」はＸ１に対応する係数値、「Ｘ２」は、選択された指標の値、「β」はＸ２に対応する係数値、をそれぞれ示す。）とする。そして、細胞評価計算モデル構築部４２２１は、上記の（Ｂ）および（Ｃ）と同様の処理により、計算値の平均誤差が最も小さくなるように、上記の係数α、βの値を求める。
【０１３７】
その後、細胞評価計算モデル構築部４２２１は、各々のペアで求めた計算値の平均誤差を比較し、その平均誤差が最も低くなるペアを求める。そして、細胞評価計算モデル構築部４２２１は、平均誤差が最も低くなるペアの指標を、評価情報の生成に用いる１番目および２番目の指標とする。
【０１３８】
（Ｇ）細胞評価計算モデル構築部４２２１は、所定の終了条件を満たした段階で演算処理を終了する。例えば、細胞評価計算モデル構築部４２２１は、指標を増やす前後の各計算式による平均誤差を比較する。そして、細胞評価計算モデル構築部４２２１は、指標を増やした後の計算式による平均誤差が、指標を増やす前の計算式による平均誤差より高い場合（または両者の差が許容範囲に収まる場合）には、ステップＳ２０９の演算処理を終了する。
【０１３９】
（Ｈ）一方、上記（Ｇ）で終了条件を満たさない場合、細胞評価計算モデル構築部４２２１は、さらに指標の数を１つ増やして、上記（Ｆ）および（Ｇ）と同様の処理を繰り返す。これにより、上記の細胞評価計算モデルを求めるときに、ステップワイズな変数選択によって指標の絞り込みが行われることとなる。
【０１４０】
このようにして、細胞評価計算モデル構築部４２２１は、一例としては、ＦＮＮ解析によって細胞評価計算モデルを求めることができる。
【０１４１】
なお、ここでは、細胞評価計算モデル構築部４２２１が、ＦＮＮ解析によって上記の細胞評価計算モデルを求める場合について説明したが、細胞評価計算モデルを求める方法はＦＮＮ解析に限られるものではない。たとえば、細胞評価計算モデル構築部４２２１は、上述した複数の特徴量を説明変量として、細胞の特性を評価する任意の形式の多変量解析により細胞評価計算モデルを構築してもよい。この多変量解析とは、重回帰分析、判別分析、ロジスティック回帰分析、または、主成分分析などであってもよい。
【０１４２】
＜図７のステップＳ２０９：ＣＰＵ４２の手技評価計算モデル構築部４２１１による処理の詳細＞
次に、図７のステップＳ２０９におけるＣＰＵ４２の手技評価計算モデル構築部４２１１による処理について詳細に説明する。
【０１４３】
この手技評価計算モデル構築部４２１１は、上記に図９から図１１を用いて説明した細胞評価計算モデル構築部４２２１と同様に、手技評価計算モデルを構築する。その相違点は、次に説明するように評価する対象の違いである。
【０１４４】
まず、細胞評価計算モデル構築部４２２１は、評価する対象として、残存ダブリング数などの細胞の特性を、複数の指標を組み合わせにより評価する細胞評価計算モデルを構築する。これに対して、手技評価計算モデル構築部４２１１は、評価する対象として、細胞を培養する場合の手技を、複数の指標を組み合わせにより評価する手技評価計算モデルを構築する。
【０１４５】
そして、細胞評価計算モデル構築部４２２１と手技評価計算モデル構築部４２１１とは、評価する対象は異なるが、その複数の指標を組み合わせにより、評価する対象を推定する計算モデルを構築する点は同様である。
【０１４６】
よって、手技評価計算モデル構築部４２１１は、評価する対象として、細胞を培養する場合の手技を、複数の指標を組み合わせにより評価する手技評価計算モデルを、細胞評価計算モデル構築部４２２１と同様にＦＮＮ解析や、重回帰分析、判別分析、ロジスティック回帰分析、または、主成分分析などの任意の形式の多変量解析により、構築する。
【０１４７】
なお、細胞評価計算モデル構築部４２２１と手技評価計算モデル構築部４２１１とは、指標に基づいて、異なる形式の解析方法により、それぞれの評価対象を推定する計算モデルを構築してもよい。たとえば、細胞評価計算モデル構築部４２２１はＦＮＮ解析により細胞評価計算モデルを構築し、手技評価計算モデル構築部４２１１は重回帰分析により手技評価計算モデルを構築してもよい。
【０１４８】
（細胞を評価する場合の処理の例）
次に、図１２の流れ図を用いて、第１の実施形態による細胞評価装置が、評価対象となる細胞に対して評価する場合の処理について説明する。ここでは、評価対象となる複数の顕微鏡画像のデータが、記憶部４３に記憶されているものとして説明する。なお、評価対象の顕微鏡画像は、細胞群を培養した培養容器１９をインキュベータ１１によって同一視野を同一の撮影条件でタイムラプス観察して取得されたものとする。また、この場合のタイムラプス観察は、図７の例と条件を揃えるために、培養開始から０．３３日目（８時間目）経過後を初回として０．３３日（８時間）おきに１３．６７日目まで行われているものとする。
【０１４９】
ステップＳ３０１：ＣＰＵ４２は、評価対象となる複数の顕微鏡画像のデータを、画像読込部４２０３を介して記憶部４３から読み込む。
【０１５０】
ステップＳ３０２：ＣＰＵ４２の特徴量演算部４２０２は、読み込んだ評価対象となる複数の顕微鏡画像のデータに対して、図７のステップＳ２０３、ステップＳ２０４、および、ステップＳ２０５の場合と同様に、複数の特徴量（指標）を抽出する。
【０１５１】
ステップＳ３０３：ＣＰＵ４２の手技評価部４２１２は、記憶部４３から手技評価計算モデルの情報（図７のステップＳ２１０で記録されたもの）を読み込む。
【０１５２】
ステップＳ３０５：ＣＰＵ４２の手技評価部４２１２は、ステップＳ３０２で特徴量演算部４２０２により抽出された複数の特徴量（複数の指標）を、ステップＳ３０３で読み込んだ手技評価計算モデルに入力する。これにより、ＣＰＵ４２の手技評価部４２１２は、ステップＳ３０１で入力された評価対象となる複数の顕微鏡画像のデータに撮像されている細胞についての培養における手技を評価する。
【０１５３】
このステップＳ３０５による手技に対しての評価の結果が、適切である場合には、ＣＰＵ４２は処理をステップＳ３０６に進め、適切でない場合には、ＣＰＵ４２は処理をステップＳ３０９に進める。ここで、「手技に対しての評価の結果が適切である場合」とは、たとえば、図５を用いて説明したように、手技が図５の左上または左下の場合のことである。逆に、「手技に対しての評価の結果が適切でない場合」とは、たとえば、図５を用いて説明したように、手技が図５の右上または右下の場合のことである。
【０１５４】
ステップＳ３０６：ＣＰＵ４２の細胞評価部４２２２は、記憶部４３から細胞評価計算モデルの情報（図７のステップＳ２１３で記録されたもの）を読み込む。
【０１５５】
ステップＳ３０７：ＣＰＵ４２の細胞評価部４２２２は、ステップＳ３０２で求めた複数の特徴量（複数の指標）を、ステップＳ３０６で読み出した細胞評価計算モデルに代入して演算を行う。
【０１５６】
ステップＳ３０８：ＣＰＵ４２の細胞評価部４２２２は、ステップＳ３０７での演算結果に基づいて、評価対象の顕微鏡画像に対しての評価を示す評価情報を生成する。その後、ＣＰＵ４２の細胞評価部４２２２は、この評価情報を不図示のモニタ等に表示して出力する。また、ＣＰＵ４２は、ステップＳ３０５でＣＰＵ４２の手技評価部４２１２により評価された手技を示す情報を、評価情報とともに出力してもよい。
【０１５７】
ステップＳ３０９：ＣＰＵ４２の手技評価部４２１２は、ステップＳ３１０で入力された評価対象となる複数の顕微鏡画像のデータは、本細胞評価装置では評価できないことを示す情報を、不図示のモニタ等に表示して出力する。また、以上で、図１２の説明を終了する。
【０１５８】
このようにして、本実施形態による細胞評価装置は、細胞の画像のみにより、細胞が培養された手技、および、細胞の残存ダブリング数を推定することができる。そのため、本実施形態による細胞評価装置は、比較的簡易な手法で手技および細胞を評価することができる。
【０１５９】
また、本実施形態による細胞評価計算モデル構築部４２２１は、図７のステップＳ２１１において説明したように、手技が適切である細胞の画像情報に基づいて、細胞評価計算モデルを構築している。
【０１６０】
ここで、仮に、手技が適切でない細胞の画像情報に基づいて、または、手技が適切でない細胞の画像情報と手技が適切である細胞の画像情報とに基づいて、細胞評価計算モデルが構築されてしまうとする。この場合、この細胞評価計算モデルにより、手技が適切である細胞の画像情報に対して、この細胞を評価したとすると、その評価性能が低減する可能性がある。
【０１６１】
これに対して、本実施形態においては、図７のステップＳ２１１において説明したように、細胞評価計算モデル構築部４２２１は、手技が適切であると手技評価部４２１２により判定された細胞の画像情報に基づいて、細胞評価計算モデルを構築している。そのため、この細胞評価計算モデルは、手技が適切である細胞の画像情報に対して、その細胞を、適切に評価することができる。
【０１６２】
また、図１２を用いて説明したように、評価対象となる細胞の画像情報に対して細胞を評価する場合、手技評価部４２１２は、図１２のステップＳ３０５で説明したように、評価対象となる細胞の画像情報に対して細胞の手技が適切であるか否かを判定する。そして、手技評価部４２１２により手技が適切と判定された画像のみが、図１２のステップＳ３０７において、細胞評価部４２２２により評価される。
【０１６３】
なお、このステップＳ３０７で、細胞評価部４２２２は、図７を用いて説明したように、手技が適切である細胞の画像情報に対して、その細胞を、適切に評価することができる細胞評価計算モデルに基づいて、細胞の手技が適切であると判定された細胞を評価する。そのため、この細胞評価部４２２２は、適切に細胞を評価することができる。
【０１６４】
よって、本実施形態よる細胞評価装置は、継代操作等の細胞培養に必要な操作が手技的に適切でない場合であっても、比較的簡易な手法で、細胞を適切に評価することができる。また、細胞評価計算モデルが、細胞の画像から残存ダブリング数を算出できるように構築されているために、細胞評価部４２２２は、比較的簡易な手法で、細胞が分裂する残存回数（残存ダブリング数）を算出することができる。よって、ユーザは、比較的簡易な手法で、細胞が分裂する残存回数を得ることができる。
【０１６５】
また、本実施形態によれば、制御装置４１は、タイムラプス観察で取得した顕微鏡画像を用いて、特徴量に基づいて細胞を精度よく評価することができる。また、本実施形態の制御装置４１は、ありのままの細胞を評価対象にできるので、例えば医薬品のスクリーニングや再生医療の用途で培養される細胞を評価するときに極めて有用である。
【０１６６】
なお、本実施形態では、顕微鏡画像から細胞を評価する例を説明したが、例えば、制御装置４１を、顕微鏡画像からがん細胞の混在率を評価することに用いることや、胚性幹細胞（ＥＳ細胞）や人工多能性幹細胞（ｉＰＳ細胞）の分化誘導の度合いの評価に用いることも可能である。また、本実施形態で求めた評価情報は、評価対象の培養細胞群における分化・脱分化・腫瘍化・活性劣化・細胞のコンタミネーション等の異常検出手段や、評価対象の培養細胞群の品質を工学的に管理するときの手段として用いることができる。
【０１６７】
ところで、胚性幹細胞（ＥＳ細胞）や人工多能性幹細胞（ｉＰＳ細胞）を培養する場合、たとえば、これらの細胞のコロニーから、コロニーの一部の細胞を切り出し、この切り出した細胞を培養して増殖させることがある。そして、コロニーから細胞が切り出されることは、一度とは限らず、複数回の場合もある。この場合、コロニーから細胞を切り出すという「手技」が複数回行われることになる。
【０１６８】
よって、このような場合、複数回の手技において、いずれかの場合に、「手技」が不適切となる可能性がある。もし、「手技」が不適切であるとすると、その細胞を培養したとしても、実験などで用いるのに適切な細胞ではない可能性がある。
【０１６９】
これに対して、上述した細胞評価装置によれば、簡易な方法により、その細胞に対しての「手技」を推定できる。そのため、実験などで用いるのに適切な細胞ではないことを、簡易に判定することができる。
【０１７０】
また、上記の場合、細胞を培養して増殖させることを目標としているが、もし、この細胞の残存ダブリング数が残り僅かであるとすると、その細胞を培養したとしても、本来の適切な細胞数、または、所望する細胞数まで、細胞を増殖させることができない可能性がある。
【０１７１】
これに対して、上述した細胞評価装置によれば、簡易な方法により、その細胞に対しての「残存ダブリング数」を推定できる。よって、ユーザは、本来の適切な細胞数、または、所望する細胞数まで、細胞を増殖させることができる。
【０１７２】
このように、複数回の手技が介在するような場合に、本実施形態による細胞評価装置は好適である。そのため、本実施形態における細胞評価装置は、胚性幹細胞（ＥＳ細胞）や人工多能性幹細胞（ｉＰＳ細胞）を培養して実験を行う場合に、好適である。また、同様に、本実施形態における細胞評価装置は、化粧品や医薬品の開発においても好適である。
【０１７３】
また、本実施形態による細胞評価装置は画像に基づいて、手技や残存ダブリング数を推定する。そのため、本実施形態による細胞評価装置は、細胞に対して非侵襲に、手技や残存ダブリング数を推定することができる。よって、細胞を培養しながら、その細胞そのものを撮像した画像に基づいて、細胞に対しての手技や残存ダブリング数を推定することができる。そのため、本実施形態による細胞評価装置は、細胞の培養において、好適である。
【０１７４】
なお、上記の説明のおいては、細胞評価計算モデル構築部４２２１が、細胞に対しての残存回数（残存ダブリング数）を算出する細胞評価計算モデルを構築し、細胞評価部４２２２が、構築された細胞評価計算モデルに基づいて、残存ダブリング数を算出して、細胞の残存ダブリング数を評価する場合について説明した。
【０１７５】
しかし、これに限られるものではなく、細胞評価計算モデル構築部４２２１は、各々の画像に対応する特徴量と、細胞に対して予め定められた任意の特性（既知の特性）とに基づいて、細胞に対して予め定められた任意の特性を算出する細胞評価計算モデルを構築してもよい。そして、細胞評価部４２２２は、このようにして構築された細胞評価計算モデルに基づいて、予め定められた任意の特性を算出して、細胞に対しての任意の特性を評価してもよい。
【０１７６】
この場合にも、手技評価部４２１２により評価された画像に基づいて、細胞評価計算モデル構築部４２２１は、細胞評価計算モデルを構築する。そのため、細胞評価計算モデル構築部４２２１は、より安定して精度よく、細胞評価計算モデルを構築することができる。また、細胞評価計算モデルがより安定して精度よく構築されているため、細胞評価部４２２２は、より安定して精度よく、細胞に対しての任意の特性を評価することができる。
【０１７７】
＜第２の実施形態＞
次に、図１３を用いて、この発明の第２の実施形態による細胞評価装置を含むインキュベータの構成について説明する。同図において図１の各部に対応する部分には同一の符号を付け、その説明を省略する。なお、ここでは、がん細胞の数（予測値）を求める場合について説明するが、第１の実施形態のように、残存ダブリング数を推定する場合も、同様である。
【０１７８】
また、ここでは、細胞評価計算モデル構築部４２２１が細胞評価計算モデルを構築する場合について説明する。なお、第１の実施形態において説明したように、手技評価計算モデル構築部４２１１が手技評価計算モデルを構築する場合も、この細胞評価計算モデル構築部４２２１が細胞評価計算モデルを構築する場合と同様である。
【０１７９】
図１３に示されている第２の実施形態による細胞評価装置を含むインキュベータは、図１に示された第１の実施形態による細胞評価装置を含むインキュベータに対して、更に、度数分布演算部４２０４を備えている。
【０１８０】
この度数分布演算部４２０４は、特徴量演算部４２０２により抽出された特徴量について、各々の画像に対応する特徴量の度数分布を、複数の特徴量の種類ごとに生成する。そして、度数分布演算部４２０４は、特徴量の度数分布を、特徴量として細胞評価計算モデル構築部４２２１に出力する。たとえば、度数分布演算部４２０４は、特徴量の度数分布を、指標として細胞評価計算モデル構築部４２２１に出力する。なお、この度数分布演算部４２０４は、各々の度数分布における度数の区分を、特徴量の種類ごとの標準偏差を用いてそれぞれ正規化してもよい。
【０１８１】
そして、細胞評価計算モデル構築部４２２１は、第１の実施形態において説明した特徴量演算部４２０２により求められた特徴量と、度数分布演算部４２０４により求められた度数分布とを、それぞれ指標として、細胞評価計算モデルを構築する。すなわち、細胞評価計算モデル構築部４２２１は、第１の実施形態において説明した特徴量演算部４２０２により求められた特徴量という指標と、度数分布演算部４２０４により求められた度数分布という指標とを、任意に組み合わせて、細胞評価計算モデルを構築する。
【０１８２】
なお、細胞評価計算モデル構築部４２２１は、画像間での度数分布の変化に基づいて、細胞評価計算モデルを構築してもよい。また、細胞評価計算モデル構築部４２２１は、画像間での度数分布の差分を用いて、細胞評価計算モデルを構築してもよい。また、細胞評価計算モデル構築部４２２１は、複数の特徴量の種類毎に生成された度数分布の変化の情報に基づいて、細胞評価計算モデルを構築してもよい。
【０１８３】
また、細胞評価計算モデル構築部４２２１は、画像の撮影時間および特徴量の種類がそれぞれ異なる複数の度数分布の組み合わせのうちから、細胞評価計算モデルの構築に用いる度数分布の組み合わせを抽出し、細胞評価計算モデルを構築してもよい。
【０１８４】
なお、細胞評価部４２２２は、細胞評価計算モデル構築部４２２１で細胞評価計算モデル構築時に用いた細胞の特徴量の度数分布を取得するためにも使用される度数分布演算部４２０４から、評価する細胞の特徴量の度数分布を得ている。このようにすることで、少ない構成で細胞評価計算モデル構築と細胞評価装置との両方をなし得る装置構成となっている。
しかしながら、細胞の特徴量の度数分布を出力する構成（度数分布演算部４２０４）は、細胞評価計算モデル構築部４２２１と細胞評価部４２２２とに対応させて、異なる構成としてもよい。たとえば、細胞評価計算モデル構築部４２２１を備えている細胞評価計算モデル装置は、度数分布演算部４２０４を備えており、細胞評価部４２２２を備えている細胞評価装置は、度数分布演算部４２０４と同様の構成を有している残存回数算出用度数分布演算部を備えていてもよい。
【０１８５】
次に、図１４を用いて、第２の実施形態による細胞評価装置の動作について説明する。なお、同図において、図７を用いて説明した第１の実施形態による細胞評価装置の動作と同一のステップについては同一のステップ番号を付し、その説明を省略し、相違点のみについて説明する。
【０１８６】
この図１４に示されている第２の実施形態による細胞評価装置の動作は、図７に示されている第１の実施形態による細胞評価装置の動作に対比して、ステップＳ２０６とＳ２０９との間に、ステップＳ２０７とＳ２０８とが更に追加されている。
【０１８７】
ここでは、培養容器１９のタイムラプス観察は、培養開始から８時間経過後を初回として、８時間おきに７２時間目まで行われている場合について説明する。そのため、細胞評価装置は、培養容器１９および観察ポイントが共通するサンプルの顕微鏡画像について、９枚分（８ｈ，１６ｈ，２４ｈ，３２ｈ，４０ｈ，４８ｈ，５６ｈ，６４ｈ，７２ｈ）を１セットとして取得することになる。なお、ここでは、複数の培養容器１９がそれぞれタイムラプス観察されており、上記のサンプルの顕微鏡画像が複数セット分、記憶部４３に予め記憶されているものとして説明する。
【０１８８】
この図１４の場合、ステップＳ２０６において、ＣＰＵ４２は、全ての顕微鏡画像が処理済み（全てのサンプルの顕微鏡画像で各細胞の特徴量が取得済みの状態）であるか否かを判定する。上記要件を満たす場合（ＹＥＳ側）には、ＣＰＵ４２はステップＳ２０７に処理を移行させる。一方、上記要件を満たさない場合（ＮＯ側）には、ＣＰＵ４２はステップＳ２０２に戻って、未処理の他の顕微鏡画像を処理対象として上記動作を繰り返す。
【０１８９】
ステップＳ２０７：度数分布演算部４２０４は、各々の顕微鏡画像について特徴量の種類ごとにそれぞれ特徴量の度数分布を求める。したがって、ステップＳ２０７での度数分布演算部４２０４は、１回の観察で取得される顕微鏡画像に対して１６種類の特徴量の度数分布を求めることとなる。
【０１９０】
ステップＳ２０８：度数分布演算部４２０４（または、細胞評価計算モデル構築部４２２１）は、特徴量の種類ごとにそれぞれ上記の度数分布の経時的変化を求める。
【０１９１】
ステップＳ２０８での度数分布演算部４２０４（または、細胞評価計算モデル構築部４２２１）は、１セット分の顕微鏡画像から取得した度数分布（９×１６）のうち、特徴量の種類が同じで撮影時間の異なる２つの度数分布を組み合わせる。一例として、度数分布演算部４２０４（または、細胞評価計算モデル構築部４２２１）は、特徴量の種類が同じで撮影時間の異なる９つの度数分布について、８時間目および１６時間目の度数分布と、８時間目および２４時間目の度数分布と、８時間目および３２時間目の度数分布と、８時間目および４０時間目の度数分布と、８時間目および４８時間目の度数分布と、８時間目および５６時間目の度数分布と、８時間目および６４時間目の度数分布と、８時間目および７２時間目の度数分布とをそれぞれ組み合わせる。つまり、１セット分における１種類の特徴量に注目したとき、その特徴量の度数分布につき、計８通りの組み合わせが発生する。
【０１９２】
そして、度数分布演算部４２０４（または、細胞評価計算モデル構築部４２２１）は、上記８通りの組み合わせについて、以下の式（４）により度数分布の変化量（画像間での度数分布の差分の絶対値を積分したもの）をそれぞれ求める。
【０１９３】
【数４】
【０１９４】
但し、式（４）において、「Ｃｏｎｔｒｏｌ」は初期状態の度数分布（８時間目）における１区間分の度数（細胞数）を示す。また、「Ｓａｍｐｌｅ」は、比較対象の度数分布における１区間分の度数を示す。また、「ｉ」は、度数分布の区間を示す変数である。
【０１９５】
度数分布演算部４２０４（または、細胞評価計算モデル構築部４２２１）は、特徴量の種類ごとに上記演算を行うことで、すべての特徴量についてそれぞれ８通りの度数分布の変化量を取得できる。すなわち、１セット分の顕微鏡画像について、１６種類×８通りで１２８の度数分布の組み合わせをとることができる。ここでは、上記の度数分布の組み合わせの１つを単に「指標」と表記する。なお、ステップＳ２０８での度数分布演算部４２０４（または、細胞評価計算モデル構築部４２２１）は、複数の顕微鏡画像のセットにおいて、各指標に対応する１２８の度数分布の変化量をそれぞれ求めることはいうまでもない。
【０１９６】
ステップＳ２１１：細胞評価計算モデル構築部４２２１は、１２８の指標のうちから、細胞の培養状態をよく反映する指標を多変量解析により１以上指定する。この指標の組合せの選択は、後述するファジーニューラルネットワークと同等の非線形モデル以外にも、細胞とその形態の複雑性に応じて線形モデルの利用も有効である。このような指標の組合せの選択と共に、細胞評価計算モデル構築部４２２１は、上記の指定された１以上の指標を用いて、顕微鏡画像からがん細胞の数を導出する細胞評価計算モデルを求める。
【０１９７】
＜ステップＳ２０７の一例＞
次に、ステップＳ２０７の一例について詳細に説明する。
ステップＳ２０７において、度数分布演算部４２０４は、上述したように、各々の顕微鏡画像について特徴量の種類ごとにそれぞれ特徴量の度数分布を求める。したがって、ステップＳ２０７での度数分布演算部４２０４は、１回の観察で取得される顕微鏡画像に対して１６種類の特徴量の度数分布を求めることとなる。
【０１９８】
ここで、度数分布演算部４２０４は、各々の度数分布において、特徴量の各区分に対応する細胞の数を頻度（％）として求めるものとする。また、ステップＳ２０７での度数分布演算部４２０４は、上記の度数分布における度数の区分を、特徴量の種類ごとの標準偏差を用いて正規化する。
【０１９９】
ここでは一例として、「Ｓｈａｐｅ Ｆａｃｔｏｒ」の度数分布での区分を決定する場合を説明する。
【０２００】
まず、度数分布演算部４２０４は、各々の顕微鏡画像から求めた全ての「Ｓｈａｐｅ Ｆａｃｔｏｒ」の値の標準偏差を算出する。次に、度数分布演算部４２０４は、上記の標準偏差の値をＦｉｓｈｅｒの式に代入して、「Ｓｈａｐｅ Ｆａｃｔｏｒ」の度数分布における度数の区分の基準値を求める。このとき、度数分布演算部４２０４は、全ての「Ｓｈａｐｅ Ｆａｃｔｏｒ」の値の標準偏差（Ｓ）を４で除するとともに、小数点以下３桁目を四捨五入して上記の基準値とする。なお、本実施形態での度数分布演算部４２０４は、度数分布をヒストグラムとして図示する場合、２０級数分の区間をモニタ等に描画させるものとする。
【０２０１】
一例として、「Ｓｈａｐｅ Ｆａｃｔｏｒ」の標準偏差Ｓが２５９のとき、２５９／４＝６４．７５０から「６４．７５」が上記の基準値となる。そして、注目する画像の「Ｓｈａｐｅ Ｆａｃｔｏｒ」の度数分布を求めるとき、度数分布演算部４２０４は、「Ｓｈａｐｅ Ｆａｃｔｏｒ」の値に応じて０値から６４．７５刻みで設定された各クラスに細胞を分類し、各クラスでの細胞の個数をカウントすればよい。
【０２０２】
このように、度数分布演算部４２０４が、特徴量の種類毎に標準偏差で度数分布の区分を正規化するため、異なる特徴量の間でも度数分布の傾向を大局的に近似させることができる。よって、本実施形態では、異なる特徴量間で細胞の培養状態と度数分布の変化との相関を求めることが比較的容易となる。
【０２０３】
ここで、図１５（ａ）は、がん細胞の初期混在率が０％のときの「Ｓｈａｐｅ Ｆａｃｔｏｒ」の経時的変化を示すヒストグラムである。図１５（ｂ）は、がん細胞の初期混在率が６．７％のときの「Ｓｈａｐｅ Ｆａｃｔｏｒ」の経時的変化を示すヒストグラムである。図１５（ｃ）は、がん細胞の初期混在率が２５％のときの「Ｓｈａｐｅ Ｆａｃｔｏｒ」の経時的変化を示すヒストグラムである。
【０２０４】
また、図１５（ｄ）は、がん細胞の初期の混在率が０％のときの「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」の経時的変化を示すヒストグラムである。ただし、この図では理解しやすさのため、ヒストグラムをＦｉｂｅｒ Ｌｅｎｇｔｈ＝323までで省略してある。図１５（ｅ）は、がん細胞の初期の混在率が６．７％のときの「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」の経時的変化を示すヒストグラムである。図１５（ｆ）は、がん細胞の初期の混在率が２５％のときの「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」の経時的変化を示すヒストグラムである。
【０２０５】
ここで、本実施形態において度数分布の経時的変化に注目する理由を説明する。図１６は、正常な細胞群（がん細胞の初期混在率０％）をインキュベータ１１で培養してタイムラプス観察したときの顕微鏡画像をそれぞれ示す。なお、図１６の各顕微鏡画像から求めた「Ｓｈａｐｅ Ｆａｃｔｏｒ」の度数分布を示すヒストグラムは、図１５（ａ）で示している。
【０２０６】
この場合、図１６の各画像では時間の経過に伴って細胞の数は増加するものの、図１５（ａ）に示す「Ｓｈａｐｅ Ｆａｃｔｏｒ」のヒストグラムでは、各画像に対応する度数分布はいずれもほぼ同じ形状を保っている。
【０２０７】
一方、図１７は、正常な細胞群に予めがん細胞を２５％混在させたものをインキュベータ１１で培養してタイムラプス観察したときの顕微鏡画像をそれぞれ示す。なお、図１７の各顕微鏡画像から求めた「Ｓｈａｐｅ Ｆａｃｔｏｒ」の度数分布を示すヒストグラムは、図１５（ｃ）で示している。
【０２０８】
この場合、図１７の各画像では時間の経過に伴って、正常細胞と形状の異なるがん細胞（丸みを帯びた細胞）の比率が増加する。これにより、図１５（ｃ）に示す「ＳｈａｐｅＦａｃｔｏｒ」のヒストグラムでは、時間の経過に応じて各画像に対応する度数分布の形状に大きな変化が現れる。よって、度数分布の経時的変化が、がん細胞の混在と強い相関を有することが分かる。本発明者らは、上記知見に基づいて、度数分布の経時的変化の情報から培養細胞の状態を評価するものである。
【０２０９】
＜ステップＳ２１２の一例＞
ここで、第２の実施形態における図１４のステップＳ２１２で実行される処理の一例について説明する。この場合、ステップＳ２１２での細胞評価計算モデル構築部４２２１は、以下の（Ａ）から（Ｈ）の処理により、上記の細胞評価計算モデルを求める。ここでは、指標として、上述した度数分布の経時的変化の情報を用いた場合について説明する。すなわち、１２８の指標を用いる場合について説明する。
【０２１０】
（Ａ）細胞評価計算モデル構築部４２２１は、１２８の指標のうちから１つの指標を選択する。
【０２１１】
（Ｂ）細胞評価計算モデル構築部４２２１は、（Ａ）で選択された指標による度数分布の変化量を変数とした計算式により、各々の顕微鏡画像のセットでのがん細胞の数（予測値）を求める。
【０２１２】
仮に、１つの指標からがん細胞の数を求める計算式を「Ｙ＝αＸ１」（但し、「Ｙ」はがん細胞の計算値（例えばがん細胞の増加数を示す値）、「Ｘ１」は上記の選択された指標に対応する度数分布の変化量（ステップＳ２０８で求めたもの）、「α」はＸ１に対応する係数値、をそれぞれ示す。）とする。このとき、細胞評価計算モデル構築部４２２１は、αに任意の値を代入するとともに、Ｘ１に各セットにおける度数分布の変化量をそれぞれ代入する。これにより、各セットでのがん細胞の計算値（Ｙ）が求められる。
【０２１３】
（Ｃ）細胞評価計算モデル構築部４２２１は、各々の顕微鏡画像のセットについて、（Ｂ）で求めた計算値Ｙと、実際のがん細胞の数（教師値）との誤差をそれぞれ求める。なお、上記の教師値は、ステップＳ２０１で読み込んだがん細胞の数の情報に基づいて、細胞評価計算モデル構築部４２２１が求めるものとする。
【０２１４】
そして、細胞評価計算モデル構築部４２２１は、各顕微鏡画像のセットでの計算値の誤差がより小さくなるように、教師付き学習により上記の計算式の係数αを修正する。
【０２１５】
（Ｄ）細胞評価計算モデル構築部４２２１は、上記の（Ｂ）および（Ｃ）の処理を繰り返し、上記（Ａ）の指標について、計算値の平均誤差が最も小さくなる計算式のモデルを取得する。
【０２１６】
（Ｅ）細胞評価計算モデル構築部４２２１は、１２８の各指標について、上記（Ａ）から（Ｄ）の各処理を繰り返す。そして、細胞評価計算モデル構築部４２２１は、１２８の各指標における計算値の平均誤差を比較し、その平均誤差が最も低くなる指標を、評価情報の生成に用いる１番目の指標とする。
【０２１７】
（Ｆ）細胞評価計算モデル構築部４２２１は、上記（Ｅ）で求めた１番目の指標と組み合わせる２番目の指標を求める。このとき、細胞評価計算モデル構築部４２２１は、上記の１番目の指標と残りの１２７の指標とを１つずつペアにしてゆく。次に、細胞評価計算モデル構築部４２２１は、各々のペアにおいて、計算式でがん細胞の予測誤差を求める。
【０２１８】
仮に、２つの指標からがん細胞の数を求める計算式を「Ｙ＝αＸ１＋βＸ２」（但し、「Ｙ」はがん細胞の計算値、「Ｘ１」は１番目の指標に対応する度数分布の変化量、「α」はＸ１に対応する係数値、「Ｘ２」は、選択された指標に対応する度数分布の変化量、「β」はＸ２に対応する係数値、をそれぞれ示す。）とする。そして、細胞評価計算モデル構築部４２２１は、上記の（Ｂ）および（Ｃ）と同様の処理により、計算値の平均誤差が最も小さくなるように、上記の係数α、βの値を求める。
【０２１９】
その後、細胞評価計算モデル構築部４２２１は、各々のペアで求めた計算値の平均誤差を比較し、その平均誤差が最も低くなるペアを求める。そして、細胞評価計算モデル構築部４２２１は、平均誤差が最も低くなるペアの指標を、評価情報の生成に用いる１番目および２番目の指標とする。
【０２２０】
（Ｇ）細胞評価計算モデル構築部４２２１は、所定の終了条件を満たした段階で演算処理を終了する。例えば、細胞評価計算モデル構築部４２２１は、指標を増やす前後の各計算式による平均誤差を比較する。そして、細胞評価計算モデル構築部４２２１は、指標を増やした後の計算式による平均誤差が、指標を増やす前の計算式による平均誤差より高い場合（または両者の差が許容範囲に収まる場合）には、ステップＳ２１２の演算処理を終了する。
【０２２１】
（Ｈ）一方、上記（Ｇ）で終了条件を満たさない場合、細胞評価計算モデル構築部４２２１は、さらに指標の数を１つ増やして、上記（Ｆ）および（Ｇ）と同様の処理を繰り返す。これにより、上記の細胞評価計算モデルを求めるときに、ステップワイズな変数選択によって指標の絞り込みが行われることとなる。
【０２２２】
これにより、第１の実施形態の場合と同様に、指標に対応する度数分布の変化量を用いて、第２の実施形態でも細胞評価計算モデルを構築することができる。なお、第２の実施形態のいては、指標に対応する度数分布の変化量を用いて細胞評価計算モデルが構築されている。そのため、第２の実施形態による細胞評価計算モデルは、第１の実施形態による細胞評価計算モデルに対比して、より精度を高くすることができる。
【０２２３】
このようにして、第２の実施形態により、上記の細胞評価計算モデルの指標として、『「Ｓｈａｐｅ Ｆａｃｔｏｒ」の８時間目、７２時間目の度数分布の組み合わせ』と、『「Ｐｅｒｉｍｅｔｅｒ」の８時間目、２４時間目の度数分布の組み合わせ』と、『「Ｌｅｎｇｔｈ」の８時間目、７２時間目の度数分布の組み合わせ』との３つを用いた場合、がん細胞の予測精度が９３．２％となる細胞評価計算モデルを得ることができた。
【０２２４】
また、上記の細胞評価計算モデルの指標として、『「Ｓｈａｐｅ Ｆａｃｔｏｒ」の８時間目、７２時間目の度数分布の組み合わせ』と、『「Ｆｉｂｅｒ Ｂｒｅａｄｔｈ」の８時間目、５６時間目の度数分布の組み合わせ』と、『「ｒｅｌａｔｉｖｅ ｈｏｌｅ ａｒｅａ」の８時間目、７２時間目の度数分布の組み合わせ』と、『「Ｓｈａｐｅ Ｆａｃｔｏｒ」の８時間目、２４時間目の度数分布の組み合わせ』と、『「Ｂｒｅａｄｔｈ」の８時間目、７２時間目の度数分布の組み合わせ』と、『「Ｂｒｅａｄｔｈ」の８時間目、６４時間目の度数分布の組み合わせ』との６つを用いた場合、がん細胞の予測精度が９５．５％となる細胞評価計算モデルを得ることができた。
【０２２５】
なお、上記に説明した図１４のステップＳ２０７の処理においては、度数分布演算部４２０４は、８時間目を基準として、１種類の特徴値に対して８通りの指標を求め、１６種類の特徴値に対して合計１２８（１６種類×８通り）の指標を求めた。しかし、指標としてはこれに限られるものではなく、評価情報生成部４６は、８時間目、１６時間目、２４時間目、３２時間目、４０時間目、４８時間目、５６時間目、６４時間目、および、７２時間目の各々を基準として、１種類の特徴値に対して３６（＝９×８÷２）通りの指標をそれぞれ求め、１６種類の特徴値に対して合計５７６（１６種類×３６通り）の指標を求めてもよい。
このような基準となる時刻が異なる指標を用いることにより、細胞評価計算モデル構築部４２２１は、より予測精度が高い細胞評価計算モデルを構築することができる。
【０２２６】
なお、指標としては、第２の実施形態において説明した度数分布の経時的変化の情報と、第１の実施形態において説明した各時刻ごとの特徴量の値とを、任意に組み合わせてもよい。これにより、細胞評価計算モデル構築部４２２１は、より予測精度が高い細胞評価計算モデルを構築することができる。
【０２２７】
次に、図１８の流れ図を用いて、第２の実施形態による細胞評価装置が、評価対象となる細胞に対して評価する場合の処理について説明する。ここでは、図１２を用いて説明した第１の実施形態による細胞評価装置が、評価対象となる細胞に対して評価する場合の処理との相違点のみについて説明する。
【０２２８】
この図１８の流れ図においては、図１２の流れ図に対して、ステップＳ３０２とステップＳ３０４との間に、ステップＳ３０３が追加されている。このステップＳ３０３において、度数分布演算部４２０４（または、細胞評価計算モデル構築部４２２１）は、特徴量の種類ごとにそれぞれ上記の度数分布の経時的変化を求める。これは、上記に図１４のステップＳ２０８において説明した処理と同様の処理である。ただし、ステップＳ３０３とステップＳ２０８とでは、対象とする画像が異なる。
【０２２９】
その後、図１８のステップＳ３０７において、ＣＰＵ４２の細胞評価部４２２２は、ステップＳ３０１で求めた複数の特徴量と、ステップＳ３０３で求めた度数分布の経時的変化とを、ステップＳ３０６で読み出した細胞評価計算モデルに代入して演算を行う。これにより、第２の実施形態によるＣＰＵ４２の細胞評価部４２２２は、複数の特徴量と、度数分布の経時的変化とを指標として、細胞を評価することができる。
【０２３０】
このＣＰＵ４２の細胞評価部４２２２と同様に、ＣＰＵ４２の手技評価部４２１２は、複数の特徴量と、度数分布の経時的変化とを指標として、手技を評価することができる。
【０２３１】
なお、図１３の説明においては、度数分布演算部４２０４は、ＣＰＵ４２に備えられているものとして説明した。しかし、この度数分布演算部４２０４は、特徴量演算部４２０２に備えられていてもよい。また、度数分布演算部４２０４と特徴量演算部４２０２とは、一体として構成されていてもよい。また、この度数分布演算部４２０４は、細胞評価計算モデル構築部４２２１または細胞評価計算モデル構築部４２２１に、備えられていてもよい。
【０２３２】
＜実施例＞
以下、上記に説明した第１または第２の実施形態の１実施例として、筋芽細胞の分化予測の例を説明する。この筋芽細胞の分化予測は、例えば、心臓病治療の一つとして行われる筋芽細胞シート移植での品質管理や、筋組織の再生治療での品質管理などで応用が期待されている。
【０２３３】
筋芽細胞の培養時に血清濃度の低下により培地の成分を変化させると、筋芽細胞から筋管細胞への分化が起こり、筋肉組織を作ることができる。図１９（ａ）は筋芽細胞の培養状態の一例を示し、図１９（ｂ）は筋芽細胞を分化させた状態の例を示している。
【０２３４】
また、図２０、図２１は、筋芽細胞の培養時における「Ｓｈａｐｅ Ｆａｃｔｏｒ」の経時的変化を示すヒストグラムである。図２０は、筋芽細胞に分化が認められた場合（血清４％）における０時間目および１１２時間目の「Ｓｈａｐｅ Ｆａｃｔｏｒ」の度数分布をそれぞれ示している。図２１は、筋芽細胞に分化が認められない場合（高血清状態）における０時間目および１１２時間目の「Ｓｈａｐｅ Ｆａｃｔｏｒ」の度数分布をそれぞれ示している。なお、図２０、図２１では、０時間目の度数分布をそれぞれ破線で示し、１１２時間目の度数分布をそれぞれ実線で示す。
【０２３５】
図２０の２つのヒストグラムを比較すると、両者の形状は大きな変化を示す。一方、図２１の２つのヒストグラムを比較すると、両者の形状にはさほど大きな変化はみられない。そのため、筋芽細胞の分化度（分化する筋芽細胞の混在率）の変化に応じて、ヒストグラムにも変化が生じることが分かる。
【０２３６】
ここで、実施例では、第１または第２の実施形態のインキュベータによって、筋芽細胞の７２個のサンプルについてそれぞれ８時間間隔で５日目までタイムラプス観察を行った。そして、制御装置（細胞評価装置）は、以下の２段階の処理によって筋芽細胞の分化予測を行った。
【０２３７】
第１段階では、上記の細胞評価計算モデルの生成処理に準拠して、筋芽細胞の分化の有無を二者択一的に判別する２群判別モデルを制御装置に生成させた。一例として、制御装置は、観察開始後８時間目から３２時間目までの顕微鏡画像から得られる全指標のうちから指標を選択し、筋芽細胞の分化度を求める第１判定モデルと、第１判定モデルで求めた分化度から閾値で分化の有無を判別する第２判定モデルとを構築した。そして、制御装置は、上記の第１判定モデルおよび第２判定モデルによる判別分析で、７２個のサンプルをそれぞれ分化の有無に応じて２つのグループに分別した。その結果、制御装置は、７２個のサンプルで分化の有無をいずれも正しく判別できた。
【０２３８】
第２段階では、上記の細胞評価計算モデルの生成処理に準拠して、筋芽細胞の５日目（１２０時間目）の分化度を予測する予測モデルを制御装置に生成させた。実施例では、７２個のサンプルのうち、第１段階の処理で「分化する」と判別された４２個のサンプルのみを用いて、制御装置により２種類の予測モデル（第１の予測モデル、第２の予測モデル）を構築した。
【０２３９】
第１の予測モデルは、『「Ｂｒｅａｄｔｈ」の８時間目、４８時間目の度数分布の組み合わせ』と、『「Ｂｒｅａｄｔｈ」の８時間目、３２時間目の度数分布の組み合わせ』と、『「Ｉｎｎｅｒ ｒａｄｉｕｓ」の８時間目、２４時間目の度数分布の組み合わせ』と、『「Ｌｅｎｇｔｈ」の８時間目、１０４時間目の度数分布の組み合わせ』と、『「Ｈｏｌｅ ａｒｅａ」の８時間目、９６時間目の度数分布の組み合わせ』との５つの指標を用いた予測モデルである。
【０２４０】
図２２は、実施例における第１の予測モデルでの各サンプルの予測結果を示すグラフである。図２２の縦軸は、第１の予測モデルが予測した５日目のサンプルの分化度を示している。図２２の横軸は、５日目の時点でサンプルの分化度を熟練者が評価した値（見かけの分化度）を示している。そして、図２２では、１つのサンプル毎に１つの点がグラフ上にプロットされる。なお、図２２において、グラフの右上から左下に延びる直線の近くに点がプロットされるほど、予測の精度が高いこととなる。この第１の予測モデルでは、分化の予測精度（正答率）が９０．５％（誤差±５％）となった。
【０２４１】
また、第２の予測モデルは、『「Ｂｒｅａｄｔｈ」の８時間目、４８時間目の度数分布の組み合わせ』と、『「Ｂｒｅａｄｔｈ」の８時間目、３２時間目の度数分布の組み合わせ』と、『「Ｉｎｎｅｒ ｒａｄｉｕｓ」の８時間目、２４時間目の度数分布の組み合わせ』と、『「Ｏｒｉｅｎｔａｔｉｏｎ（細胞配向性）」の８時間目、１６時間目の度数分布の組み合わせ』と、『「Ｍｏｄｉｆｉｅｄ Ｏｒｉｅｎｔａｔｉｏｎ（細胞の向きのバラツキ度）」の８時間目、２４時間目の度数分布の組み合わせ』との５つの指標を用いた予測モデルである。
【０２４２】
なお、上記の「Ｏｒｉｅｎｔａｔｉｏｎ」は、各細胞の長軸と画像の水平方向（Ｘ軸）とがなす角度を示す特徴量である。この「Ｏｒｉｅｎｔａｔｉｏｎ」の値が同じであれば、細胞は同じ方向に配向していることとなる。また、上記の「Ｍｏｄｉｆｉｅｄ Ｏｒｉｅｎｔａｔｉｏｎ」は、フィルタリングにより画像内の細胞をデフォルメした状態で各細胞の角度を数値化し、そのバラツキを算出した特徴量である。この「ＭｏｄｉｆｉｅｄＯｒｉｅｎｔａｔｉｏｎ」の値は、細胞の角度が多様であるほど大きな値を示す特性をもつ。
【０２４３】
図２３は、実施例における第２の予測モデルでの各サンプルの予測結果を示すグラフである。この図２３の見方については、図２２と同様であるので重複説明は省略する。この第２の予測モデルでは、２日目（４８時間目）までの観察結果に基づいて分化の予測を行い、その予測精度が８５．７％（誤差±５％）となった。したがって、本実施例での第２の予測モデルによれば、通常では非常に困難な筋細胞の分化予測を、２日目までの観察結果によって高い精度で定量予測できた。
【０２４４】
次に、図２４を用いて、本実施形態により予測した残存ダブリング数と、実測された残存ダブリング数との関係について説明する。ここでは、図２４（ａ）に示すように、２４時間（２４ｈ）おきに細胞を撮像し、この撮像により得られた位相差画像が用いられる実験が行われているものとする。この実験においては、３日おきに培地が交換されている。なお、この培養される細胞は、ほぼ６日毎に、１継代を経る。また、ここでは、手技として、凍結なしの場合（たとえば、図５の左上の場合）と、凍結ありの場合（たとえば、図５の左下の場合）との、それぞれの場合について実験が行われている。
【０２４５】
図２４（ｂ）には、凍結なしの場合（たとえば、図５の左上の場合）について、この実験により得られた残存ダブリング数を横軸にし、本実施形態により予測された残存ダブリング数を縦軸にして、実験結果毎に記号「○」がプロットされている。なお、この図において、実験結果と予測結果とが完全に一致する場合には、プロットされる記号「○」は、同図に示す原点を通る傾き１の直線上にプロットされることになる。
【０２４６】
ここでは、細胞評価計算モデル構築部４２２１は、重回帰分析（ＭＲＡ）により、細胞評価計算モデルを構築している。そして、細胞評価部４２２２は、重回帰分析（ＭＲＡ）により構築された細胞評価計算モデルにより、残存ダブリング数を算出して予測している。
【０２４７】
この図２４（ｂ）の場合には、指標として、『「Ｓｈａｐｅ Ｆａｃｔｏｒ」の４８時間目と２４時間目』と、『「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」の７２時間目および２４時間目』と、『「Ｆｉｂｅｒ Ｂｒｅａｄｔｈ」の２４時間目』との５つの指標を用いた重回帰分析（ＭＲＡ）により、細胞評価計算モデルが構築されている。
【０２４８】
図２４（ｃ）には、凍結ありの場合（たとえば、図５の左下の場合）について、図２４（ｂ）と同様のグラフが示されている。
【０２４９】
この図２４（ｃ）の場合には、指標として、『「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」の２４時間目と９６時間目との差』と、『「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」の９６時間目』と、『「Ｆｉｂｅｒ Ｂｒｅａｄｔｈ」の４８時間目と９６時間目の差』との３つの指標を用いた重回帰分析（ＭＲＡ）により、細胞評価計算モデルが構築されている。
【０２５０】
図２４（ｂ）の場合には、相関係数（Ｒ２）は０．９７６であり、標準誤差は１．６３である。図２４（ｃ）の場合には、相関係数（Ｒ２）は０．９５８であり、標準誤差は１．６０である。このように、凍結なしと凍結ありのいずれの場合においても、細胞評価計算モデル構築部４２２１は、重回帰分析（ＭＲＡ）により細胞評価計算モデルを構築すると、非常に精度よく、残存ダブリング数を算出できる。
【０２５１】
なお、図２４（ｂ）と図２４（ｃ）とを用いて説明したように、手技に応じて、残存ダブリング数を算出する細胞評価計算モデルに用いる指標（または、細胞評価計算モデル）は異なる方が、予測精度が高いことがある。
【０２５２】
そこで、細胞評価計算モデル構築部４２２１は、細胞評価計算モデルを構築する場合、手技毎に、細胞評価計算モデルを構築してもよい（図）。そして、細胞評価計算モデル構築部４２２１は、構築した細胞評価計算モデルを、手技を示す情報と関連付けて記憶部４１に記憶しておく。
【０２５３】
その後、評価対象となる細胞を評価する場合、細胞評価部４２２２は、評価対象となる細胞が培養された場合の手技に対応する細胞評価計算モデルを、記憶部４１から読み出す。そして、細胞評価部４２２２は、この読み出した細胞評価計算モデルに基づいて、評価対象となる細胞を評価する。
【０２５４】
本実施形態においては、このように手技毎に細胞評価計算モデルが構築することにより、図２４（ｂ）と図２４（ｃ）とを用いて説明したように、より精度を高めることができる。
【０２５５】
なお、ここでいう「手技」とは、手技評価部４２１２により算出された「手技」であってもよい。また、「手技」が既知である場合には、ここでいう「手技」とは、入力された既知の「手技」であってもよい。なお、手技評価部４２１２により算出された「手技」の場合には、予め手技が既知でない場合であっても、細胞評価計算モデル構築部４２２１は手技毎に細胞評価計算モデルが構築でき、かつ、細胞評価部４２２２は手技毎に構築された細胞評価計算モデルに基づいて、細胞についての残存ダブリング数などの特性を、より精度良く予測することができる。
【０２５６】
図２５は、本実施形態の細胞評価装置を用いた細胞の培養方法を説明するためのフローチャートである。本フローチャートでは、増殖させたい所望の細胞が培養されている培養容器１９が、インキュベータ１１のストッカー２１が有する複数の棚のうちのいずれかに、収納されているものとして説明する。
【０２５７】
まず、ステップＳ１２０１において、ＣＰＵ４２は、予め決められた培養条件（例えば所定の温度、湿度等）で細胞を培養するよう温度調整装置１５ａと湿度調整装置１５ｂとを制御する。所定期間経過後、ステップＳ１２０２において、ＣＰＵ４２は、記憶部４３から読み出した本発明の実施形態の細胞評価プログラムを実行し、細胞を評価する。この「細胞を評価した結果（細胞の評価結果）」としては、手技であってもよいし、細胞の残存ダブリング数であってもよい。
【０２５８】
次に、ステップＳ１２０３において、ＣＰＵ４２は、細胞の評価結果に基づき、培養を中止するか、培養条件を変更するか、または現在の培養条件で培養を続行するか判定する。
【０２５９】
次に、ステップＳ１２０４において、ＣＰＵ４２が培養を中止すると判定した場合（ステップＳ１２０４ ＹＥＳ）、ＣＰＵ４２は培養の中止を示す情報を不図示のモニタ等に表示させ、処理を終了する。
一方、ＣＰＵ４２は培養を中止すると判定しなかった場合（ステップＳ１２０４ ＮＯ）、ＣＰＵ４２はステップＳ１２０５の処理に進む。
【０２６０】
次に、ステップＳ１２０５において、ＣＰＵ４２が培養条件を変更すると判定した場合（ステップＳ１２０５ ＹＥＳ）、ＣＰＵ４２は、細胞の状態の評価結果と関係付けられた培養条件（例えば所定の温度、湿度等）に変更するよう温度調整装置１５ａと湿度調整装置１５ｂとを制御する（ステップＳ１２０６）。その後、ＣＰＵ４２は、ステップＳ１２０２に処理を戻す。
一方、ＣＰＵ４２が現在の培養条件で培養を続行すると判定した場合（ステップＳ１２０５ ＮＯ）、ＣＰＵ４２はステップＳ１２０７に処理を進める。
【０２６１】
次に、ステップＳ１２０７において、ＣＰＵ４２は、予め決められた時間の経過毎に、撮像装置３４により撮像された画像から、細胞が撮像されている画像の領域を細胞ごとに抽出し、この抽出した細胞が撮像されている画像の領域の数すなわち細胞数を計数する。
【０２６２】
次に、ステップＳ１２０８において、計数された細胞数が所定の細胞数に到達していない場合（ステップＳ１２０８ ＮＯ）、計数された細胞数に応じた時間が経過した後、ＣＰＵ４２はステップＳ１２０２に処理を戻す。
一方、計数された細胞数が所定の細胞数に到達した場合（ステップＳ１２０８ ＹＥＳ）、ＣＰＵ４２はその細胞の培養が完了した旨を示す情報を、不図示のモニタ等に表示させる。以上で、本フローチャートは、終了する。
【０２６３】
以上により、本発明の細胞の培養方法を用いれば、細胞の評価に基づいて動的に培養条件を変更することができるので、所望の細胞を容易に増殖させることができる。
【０２６４】
なお、図２５の処理において、ＣＰＵ４２は、判定した結果を表示部などに表示してもよい。そして、ユーザは、この表示部に表示された結果に応じて、培養条件などを変更する情報を、入力部を介してＣＰＵ４２に入力する。このようにして、ＣＰＵ４２は、ユーザにより入力された情報に基づいて、培養条件などを変更してもよい。
【０２６５】
＜実施形態の補足事項＞
（１）上記の第１または第２の実施形態では、インキュベータ１１の制御装置４１に細胞評価装置を組み込んだ例を説明したが、本発明の細胞評価装置は、インキュベータ１１から顕微鏡画像を取得して解析を行う外部の独立したコンピュータで構成されていてもよい（この場合の図示は省略する）。
【０２６６】
（２）本発明の細胞評価装置は、複数の細胞評価計算モデルを組み合わせて、これらの細胞評価計算モデルによる演算結果の多数決（あるいは重み付け平均）によって、最終的な評価情報を生成するようにしてもよい。この場合には、例えば、ある場合にはＭＲＡが強く、ある場合にはＦＮＮが強いというように、一方の細胞評価計算モデルでは精度の低い状況を他のモデルによってカバーすることができ、評価情報の精度をより高めることができる。
【０２６７】
（３）また、細胞評価装置は、評価情報の細胞評価計算モデルを求めるときに、最初に複数の指標を組み合わせての計算結果を演算し、変数増減法により指標を増減させるようにしてもよい。また、データの精度が高ければ指標を全て用いても良い。
【０２６８】
（４）上記の第２の実施形態では、２つの度数分布の差分の絶対値和を用いて、度数分布の変化量を求める例を説明したが、２つの度数分布の差分の二乗和から度数分布の変化量を求めてもよい。また、上記の第１または第２の実施形態で示した計算式はあくまで一例に過ぎず、例えば２次以上のｎ次方程式などであってもよい。
【０２６９】
（５）上記の実施形態や実施例に示した特徴量はあくまで一例にすぎず、評価対象の細胞の種類などに応じて他の特徴量のパラメータを採用することも勿論可能である。
【０２７０】
上記の（１）から（５）は、細胞評価計算モデルに対してのみではなく、手技評価計算モデルに対しても、同様である。
【０２７１】
なお、図１または図１３における制御装置４１が備える各構成は専用のハードウェアにより実現されるものであってもよく、また、メモリおよびマイクロプロセッサにより実現させるものであってもよい。
なお、この図１または図１３の制御装置４１が備える各構成は専用のハードウェアにより実現されるものであってもよく、また、この制御装置４１が備える各構成はメモリおよびＣＰＵ（中央演算装置）により構成され、制御装置４１が備える各構成の機能を実現するためのプログラムをメモリにロードして実行することによりその機能を実現させるものであってもよい。
【０２７２】
また、図１または図１３における制御装置４１が備える各構成の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより制御装置４１が備える各構成による処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
【０２７３】
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
【０２７４】
また、本実施の形態の細胞評価装置は、細胞評価を行うための細胞評価計算モデル構築部（細胞評価計算モデル構築装置）と細胞評価部（細胞評価装置）とが同一装置に組み込まれているが、本発明はこのような構成に限られない。例えば、細胞の評価計算モデル構築のために必要な機能を有した細胞評価モデル構築装置と、細胞評価モデル構築装置によって作成された細胞の評価計算モデルが導入された細胞評価部及び細胞の特徴量演算部などの細胞の評価に必要な機能を有した細胞評価装置とが別々になっていても良い。また細胞評価計算モデル構築装置または細胞評価装置と同様に、手技評価装置も、これら装置と異なる装置として構成されてもよい。
【０２７５】
以上の詳細な説明により、実施形態の特徴点および利点は明らかになるであろう。これは、特許請求の範囲が、その精神および権利範囲を逸脱しない範囲で前述のような実施形態の特徴点および利点にまで及ぶことを意図するものである。また、当該技術分野において通常の知識を有する者であれば、あらゆる改良および変更に容易に想到できるはずであり、発明性を有する実施形態の範囲を前述したものに限定する意図はなく、実施形態に開示された範囲に含まれる適当な改良物および均等物によることも可能である。
【符号の説明】
【０２７６】
１１…インキュベータ、１５…恒温室、１９…培養容器、２２…観察ユニット、３４…撮像装置、４１…制御装置、４２…ＣＰＵ、４３…記憶部、４２０１…入力部、４２０２…特徴量演算部、４２０３…画像読込部、４２０４…度数分布演算部、４２１１…手技評価計算モデル構築部（判定基準作成部）、４２１２…手技評価部（画像判定部）、４２２１…細胞評価計算モデル構築部（残存回数計算モデル構築部）、４２２２…細胞評価部（残存回数算出部）
【技術分野】
【０００１】
本発明は、細胞評価モデル生成装置、細胞評価装置、インキュベータ、プログラム、および、培養方法に関する。
【背景技術】
【０００２】
細胞の培養状態を評価する技術は、再生医療などの先端医療分野や医薬品のスクリーニングを含む幅広い分野での基盤技術となっている。例えば、再生医療分野では、インビトロで細胞を増殖、分化させるプロセスが存在する。そして、上記のプロセスでは、細胞の分化の成否、細胞の癌化や感染の有無を管理するために、細胞の培養状態を的確に評価することが不可欠となる。一例として、特許文献１には、マーカーとして転写因子を用いたがん細胞の評価方法が開示されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００７−１９５５３３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、上記の従来技術では、評価対象の各細胞において転写因子の発現を確認する実験が必要となるため非常に煩雑である。そのため、比較的簡易な手法で細胞を精度よく評価することがなお要請されている。
【０００５】
ところで、たとえば細胞を評価する場合、細胞培養を行い実験に用いる分の細胞数を確保する必要がある。株化されているがん細胞等を実験に用いる場合と異なり、初代培養細胞を実験に用いる場合には、細胞の分裂回数は限られている。そのため初代培養細胞を培養する場合、この細胞が分裂する残存回数が十分でないと、適切に細胞を培養できない可能性がある。
【０００６】
本発明は、このような事情に鑑みてなされたもので、その目的は、比較的簡易な手法で、細胞が分裂する残存回数を得ることができる細胞評価モデル生成装置、細胞評価装置、インキュベータ、プログラム、および、培養方法を提供することにある。
【課題を解決するための手段】
【０００７】
この発明は上述した課題を解決するためになされたもので、同一培養容器内で培養された複数の細胞を異なる時間に撮像することによって得られた複数の画像と、当該細胞が分裂する残存回数を示す情報が入力される入力部と、前記画像内の前記細胞の形態的な特徴を示す特徴量を出力する特徴量演算部と、各々の前記画像に対応する前記特徴量と前記残存回数を示す情報とに基づいて、前記細胞に対しての残存回数を算出する計算モデルを構築する残存回数計算モデル構築部と、を備えており、前記残存回数計算モデル構築部は、前記特徴量を変数とした重回帰分析により前記計算モデルを構築する、ことを特徴とする細胞評価モデル生成装置である。
【０００８】
また、この発明は、前記特徴量演算部は、各々の前記画像で、前記細胞の形態的な特徴を示す特徴量とその特徴量をもつ前記細胞の数とを示す度数分布を出力する度数分布演算部を有し、前記残存回数計算モデル構築部は、前記度数分布演算部から出力された度数分布を用いて、前記計算モデルを構築することを特徴とする上記に記載の細胞評価モデル生成装置である。
【０００９】
また、この発明は、細胞を培養する培養容器を収納するとともに、所定の環境条件に内部を維持可能な恒温室と、前記恒温室内で前記培養容器に含まれる前記細胞の画像を撮像する撮像装置と、上記に記載の細胞評価モデル生成装置または細胞評価装置と、を備えることを特徴とするインキュベータである。
【００１０】
また、この発明は、コンピュータを、上記に記載の細胞評価モデル生成装置または細胞評価装置として機能させることを特徴とするプログラムである。
【００１１】
また、この発明は、上記に記載の細胞評価装置により算出された残存回数に基づき、前記培養容器内で培養されている細胞の培養条件を変更することを特徴とする細胞の培養方法である。
【発明の効果】
【００１２】
この発明によれば、比較的簡易な手法で、細胞が分裂する残存回数を得ることができる。
【図面の簡単な説明】
【００１３】
【図１】この発明の第１の実施形態によるインキュベータの概要を示すブロック図である。
【図２】図１のインキュベータの正面図である。
【図３】図１のインキュベータの平面図である。
【図４】残存ダブリング数の一例を示す図である。
【図５】手技に対しての残存ダブリング数の変化を示す図である。
【図６】図１のインキュベータによる観察動作の一例を示す流れ図である。
【図７】第１の実施形態によるインキュベータのＣＰＵ４２が、計算モデルを生成する場合の処理の一例を示す流れ図である。
【図８】本実施形態で用いられる各特徴量の概要を示す図である。
【図９】ＡＮＮの概要を示す図である。
【図１０】ＦＮＮの概要を示す図である。
【図１１】ＦＮＮにおけるシグモイド関数を示す図である。
【図１２】第１の実施形態によるインキュベータのＣＰＵ４２が、細胞を評価する場合の処理の一例を示す流れ図である。
【図１３】この発明の第２の実施形態によるインキュベータの概要を示すブロック図である。
【図１４】第２の実施形態によるインキュベータのＣＰＵ４２が、計算モデルを生成する場合の処理の一例を示す流れ図である。
【図１５】特徴量の経時的変化の例を示すヒストグラムである。
【図１６】正常な細胞群をタイムラプス観察した顕微鏡画像を示す図である。
【図１７】正常な細胞にがん細胞を混在した細胞群をタイムラプス観察した顕微鏡画像を示す図である。
【図１８】第２の実施形態によるインキュベータのＣＰＵ４２が、細胞を評価する場合の処理の一例を示す流れ図である。
【図１９】筋芽細胞の培養状態例を示す図である。
【図２０】筋芽細胞の培養時における「Ｓｈａｐｅ Ｆａｃｔｏｒ」の経時的変化を示すヒストグラムを示す図である。
【図２１】筋芽細胞の培養時における「Ｓｈａｐｅ Ｆａｃｔｏｒ」の経時的変化を示すヒストグラムを示す図である。
【図２２】実施例の第１の予測モデルでの各サンプルの予測結果を示すグラフを示す図である。
【図２３】実施例の第２の予測モデルでの各サンプルの予測結果を示すグラフを示す図である。
【図２４】予測した残存ダブリング数と、実測された残存ダブリング数との関係を説明する図である。
【図２５】本実施形態による細胞評価装置を用いた細胞の培養方法を示すフローチャートである。
【発明を実施するための形態】
【００１４】
＜第１の実施形態＞
以下、図面を参照して、本発明の実施の形態について説明する。図１は、第１の実施形態による細胞評価装置を含むインキュベータの概要を示すブロック図である。また、図２，図３は、第１の実施形態のインキュベータの正面図および平面図である。
【００１５】
第１の実施形態のインキュベータ１１は、上部ケーシング１２と下部ケーシング１３とを有している。インキュベータ１１の組立状態において、上部ケーシング１２は下部ケーシング１３の上に載置される。なお、上部ケーシング１２と下部ケーシング１３との内部空間は、ベースプレート１４によって上下に仕切られている。
【００１６】
まず、上部ケーシング１２の構成の概要を説明する。上部ケーシング１２の内部には、細胞の培養を行う恒温室１５が形成されている。この恒温室１５は温度調整装置１５ａおよび湿度調整装置１５ｂを有しており、恒温室１５内は細胞の培養に適した環境（例えば温度３７℃、湿度９０％の雰囲気）に維持されている（なお、図２，図３での温度調整装置１５ａ、湿度調整装置１５ｂの図示は省略する）。
【００１７】
恒温室１５の前面には、大扉１６、中扉１７、小扉１８が配置されている。大扉１６は、上部ケーシング１２および下部ケーシング１３の前面を覆っている。中扉１７は、上部ケーシング１２の前面を覆っており、大扉１６の開放時に恒温室１５と外部との環境を隔離する。小扉１８は、細胞を培養する培養容器１９を搬出入するための扉であって、中扉１７に取り付けられている。この小扉１８から培養容器１９を搬出入することで、恒温室１５の環境変化を抑制することが可能となる。なお、大扉１６、中扉１７、小扉１８は、パッキンＰ１，Ｐ２，Ｐ３によりそれぞれ気密性が維持されている。
【００１８】
また、恒温室１５には、ストッカー２１、観察ユニット２２、容器搬送装置２３、搬送台２４が配置されている。ここで、搬送台２４は、小扉１８の手前に配置されており、培養容器１９を小扉１８から搬出入する。
【００１９】
ストッカー２１は、上部ケーシング１２の前面（図３の下側）からみて恒温室１５の左側に配置される。ストッカー２１は複数の棚を有しており、ストッカー２１の各々の棚には培養容器１９を複数収納することができる。なお、各々の培養容器１９には、培養の対象となる細胞が培地とともに収容されている。
【００２０】
観察ユニット２２は、上部ケーシング１２の前面からみて恒温室１５の右側に配置される。この観察ユニット２２は、培養容器１９内の細胞のタイムラプス観察を実行することができる。
【００２１】
ここで、観察ユニット２２は、上部ケーシング１２のベースプレート１４の開口部に嵌め込まれて配置される。観察ユニット２２は、試料台３１と、試料台３１の上方に張り出したスタンドアーム３２と、位相差観察用の顕微光学系および撮像装置（３４）を内蔵した本体部分３３とを有している。そして、試料台３１およびスタンドアーム３２は恒温室１５に配置される一方で、本体部分３３は下部ケーシング１３内に収納される。
【００２２】
試料台３１は透光性の材質で構成されており、その上に培養容器１９を載置することができる。この試料台３１は水平方向に移動可能に構成されており、上面に載置した培養容器１９の位置を調整できる。また、スタンドアーム３２にはＬＥＤ光源３５が内蔵されている。そして、撮像装置３４は、スタンドアーム３２によって試料台３１の上側から透過照明された培養容器１９の細胞を、顕微光学系を介して撮像することで細胞の顕微鏡画像を取得できる。
【００２３】
容器搬送装置２３は、上部ケーシング１２の前面からみて恒温室１５の中央に配置される。この容器搬送装置２３は、ストッカー２１、観察ユニット２２の試料台３１および搬送台２４との間で培養容器１９の受け渡しを行う。
【００２４】
図３に示すように、容器搬送装置２３は、多関節アームを有する垂直ロボット３４と、回転ステージ３５と、ミニステージ３６と、アーム部３７とを有している。回転ステージ３５は、垂直ロボット３４の先端部に回転軸３５ａを介して水平方向に１８０°回転可能に取り付けられている。そのため、回転ステージ３５は、ストッカー２１、試料台３１および搬送台２４に対して、アーム部３７をそれぞれ対向させることができる。
【００２５】
また、ミニステージ３６は、回転ステージ３５に対して水平方向に摺動可能に取り付けられている。ミニステージ３６には培養容器１９を把持するアーム部３７が取り付けられている。
【００２６】
次に、下部ケーシング１３の構成の概要を説明する。下部ケーシング１３の内部には、観察ユニット２２の本体部分３３や、インキュベータ１１の制御装置４１が収納されている。
【００２７】
制御装置４１は、温度調整装置１５ａ、湿度調整装置１５ｂ、観察ユニット２２および容器搬送装置２３とそれぞれ接続されている。この制御装置４１は、所定のプログラムに従ってインキュベータ１１の各部を統括的に制御する。
【００２８】
一例として、制御装置４１は、温度調整装置１５ａおよび湿度調整装置１５ｂをそれぞれ制御して恒温室１５内を所定の環境条件に維持する。また、制御装置４１は、所定の観察スケジュールに基づいて、観察ユニット２２および容器搬送装置２３を制御して、培養容器１９の観察シーケンスを自動的に実行する。さらに、制御装置４１は、観察シーケンスで取得した画像に基づいて、細胞の培養状態の評価を行う培養状態評価処理を実行する。
【００２９】
＜残存ダブリング数と手技との関係＞
ここで、図４と図５とを用いて、残存ダブリング数と手技との関係について説明する。図４は、継代数と細胞が分裂する残存回数（細胞の残存ダブリング数）との関係を示すグラフである。この図４において、横軸は継代数であり、縦軸は細胞が分裂する残存回数（細胞の残存ダブリング数）の平均数（細胞数／フラスコ（培養容器１９））である。
【００３０】
この図４に示されるように、継代数がＰ３、Ｐ４・・・Ｐ９と増加するに従い、培養されている時間および継代手技による外因的ストレスが蓄積するので、細胞が分裂する残存回数（細胞の残存ダブリング数）の平均数は、徐々に減少していく。そして、ある時間細胞がある一定以上の劣化のストレスを受けると（この場合、継代数がＰ１０に相当する時間と手技の繰り返し）、細胞が分裂する残存回数（細胞の残存ダブリング数）の平均数は、急激に減少する。よって、ある一定以上の培養時間または継代手技のストレスが、細胞の許容量を超えた場合、この細胞を培養したとしても、細胞がその後分裂できる平均回数が少ない状態になってしまっているため、培養して得られる細胞の数が少なくなることになる。
【００３１】
そのため、たとえばユーザが所望の数の細胞を得るために、この細胞を培養する場合、細胞がどのような劣化ストレス（経過時間または手技の外因的ストレス）を受けたかを知らずに培養すると、ユーザは所望の数の細胞が得られないことなる。劣化ストレスとして、経過時間は一つの尺度であるが、手技の外因的ストレスが大きければ、経過時間が短くても所望の細胞数は得られない。手技の外因的ストレスが小さくとも、経過時間が長すぎると、所望の細胞数が得られない。このような、どちらがどれだけ細胞の劣化に影響をするかは、細胞の種類や状態によって千差万別であるため、ストレスの主要因を明確にすることは通常できない。
【００３２】
そして、仮に細胞の形が、見本データ内のある一定の残存ダブリング数を持った細胞の形と一致することがあれば、所望の数の細胞を得るために細胞を培養する場合、どのような残存ダブリング数を有している細胞の状態かを、推定することができ、推定結果に応じて、対象の細胞を培養するか否かを判定することが考えられる。たとえば、細胞の残存ダブリング数が大きい細胞の形と近似した細胞形態情報である場合には、残存ダブリング数が大きいだろうと推定して当該細胞を培養し、細胞の残存ダブリング数が小さい細胞と近似した細胞形態情報である場合には、残存ダブリング数は小さいだろうと推定して当該細胞を培養しないと判定することが考えられる。なお、当該細胞を培養しないと判定された場合には、他の細胞を新たに培養する、添加因子を加えて栄養成分を補給するなど、所望の数の細胞に近づくような操作的な処理を行うことも可能である。
【００３３】
このように、細胞を培養する場合、残存ダブリング数に基づいて、細胞を培養するか否かを判定することにより、ユーザは所望の数の細胞を得ることができる。
【００３４】
次に、図５を用いて、手技と継代数との関係について説明する。
図５には、細胞を一度フリーズストックし、再度起こし直して培養した場合と、通常通りに培養した場合（凍結ありの場合となしの場合）、および、継代時のトリプシン処理において手技的に不備があり細胞にダメージを与えた場合と、通常通りにトリプシン処理した場合（酵素ダメージがありの場合と通常手技の場合）のそれぞれについて、時間経過（ｈ：時間）に対しての細胞数（cells／視野）の変化を示すグラフが、所定の継代数を経た細胞毎に示されている。ここでは、所定の継代数を経た細胞として、継代数Ｐ４、Ｐ７、および、Ｐ１０の細胞についてのグラフが示されている。
【００３５】
なお、「凍結あり」の場合とは、細胞をストックする通常の方法により、細胞を−８０℃中に置いた後、再度融解し、培養した状態、すなわち細胞にダメージを与えてしまった場合をいう。「凍結なし」の場合とは、「凍結あり」の場合と対比して、細胞にダメージを与えず培養した状態をいう。
また、「酵素ダメージあり」の場合とは、初代培養細胞をトリプシン処理するに際し、処理時間やトリプシンの量が適当でなく、細胞にダメージを与えてしまった場合をいう。「酵素ダメージなし」の場合とは、トリプシン処理が適切に行われ、細胞にダメージを与えず培養した状態をいう。このように、初代培養細胞の継代はトリプシン処理に熟練を要するため、手技的に未熟な場合は、細胞に余計なダメージを与えてしまう。
【００３６】
図５の左上のグラフは、凍結なしの場合であり、かつ、酵素ダメージなしの場合のグラフである。図５の左下のグラフは、凍結ありの場合であり、かつ、酵素ダメージなしの場合のグラフである。図５の右上のグラフは、凍結なしの場合であり、かつ、酵素ダメージありの場合のグラフである。図５の右下のグラフは、凍結ありの場合であり、かつ、酵素ダメージありの場合のグラフである。
【００３７】
この図５に示されているグラフより、図５の左上、図５の左下、および、図５の右上のグラフの場合、時間経過（ｈ：時間）に対しての細胞数（cells／視野）の変化は、Ｐ４、Ｐ７、および、Ｐ１０と継代数が異なる場合であっても、大きな相違はない。いずれの場合においても、時間経過（ｈ：時間）に従い、細胞数（cells／視野）は増加している。
【００３８】
また、図５の右下のグラフの場合、時間経過（ｈ：時間）に対しての細胞数（cells／視野）の変化は、継代数がＰ４とＰ７との場合には、図５の左上、図５の左下、および、図５の右上の場合と同様に、大きな相違はない。
【００３９】
しかし、この図５の右下のグラフの場合には、時間経過（ｈ：時間）に対しての細胞数（cells／視野）の変化は、継代数がＰ１０の場合には、急激に減少している。詳細には、この図５の右下のグラフの場合には、時間経過（ｈ：時間）に従い、細胞数（cells／視野）は増加しているものの、その増加率が、図５の左上、図５の左下、図５の右上の場合、および、図５の右下の場合であって継代数がＰ４とＰ７との場合に対比して、減少している。
【００４０】
すなわち、この場合、凍結ありの場合であり、かつ、酵素ダメージありの場合である場合のみ、ある継代数（この場合、継代数がＰ１０）を超えると、細胞の増加率が減少することになる。そして、凍結または酵素ダメージのうちいずれか１方のみが「あり」の場合は、または、いずれも「なし」の場合は、継代数がＰ１０になっても、凍結ありの場合であり、かつ、酵素ダメージありの場合である場合に対比して、細胞の増加率は減少しない。
【００４１】
すなわち、凍結ありの場合で、かつ、酵素ダメージありの継代数Ｐ１０の細胞は、図４で示されたように、凍結ありのみの条件、および酵素ダメージのみの条件に比べて、予想に反して残存ダブリング数が残り僅かであると推定され、細胞に多大なダメージが蓄積されてしまっているため、良好な細胞増殖が得られないと考えられ、培養をしないという判断を行うことができる。
【００４２】
このように、培養時間や継代数が同じであっても、手技的熟練度や時間というストレスと継代というストレスのコンビネーションによって、細胞の有する残存ダブリング数は大きく左右されてしまい、細胞の増加率が予測不能な場合がある。
【００４３】
そのため、細胞を培養する場合おいて、細胞を培養するか否かを判定する場合、残存ダブリング数のみでなく手技にも基づいて、細胞を培養するか否かを判定することにより、より適切に、細胞を培養するか否かを判定することができる。これにより、ユーザは所望の数の細胞を得ることができる。
【００４４】
また、酵素ダメージありの場合、たとえ細胞を十分な数まで培養できたとしても、培養された細胞には酵素ダメージがあるため、細胞を評価する場合に、当該培養した細胞は適してない可能性がある。そのため、手技として、酵素ダメージがある場合に培養された細胞は、その後の細胞を評価する処理には用いないようにすることが考えられる。
【００４５】
図１の説明に戻り、制御装置４１の構成について説明する。この制御装置４１は、ＣＰＵ４２および記憶部４３を有している。
【００４６】
記憶部４３は、ハードディスクや、フラッシュメモリ等の不揮発性の記憶媒体などで構成される。この記憶部４３には、ストッカー２１に収納されている各培養容器１９に関する管理データと、撮像装置で撮像された顕微鏡画像のデータとが記憶されている。さらに、記憶部４３には、ＣＰＵ４２によって実行されるプログラムが記憶されている。
【００４７】
なお、上記の管理データには、（ａ）個々の培養容器１９を示すインデックスデータ、（ｂ）ストッカー２１での培養容器１９の収納位置、（ｃ）培養容器１９の種類および形状（ウェルプレート、ディッシュ、フラスコなど）、（ｄ）培養容器１９で培養されている細胞の種類、（ｅ）培養容器１９の観察スケジュール、（ｆ）タイムラプス観察時の撮像条件（対物レンズの倍率、容器内の観察地点等）、などが含まれている。また、ウェルプレートのように複数の小容器で同時に細胞を培養できる培養容器１９については、各々の小容器ごとにそれぞれ管理データが生成される。
【００４８】
ＣＰＵ４２は、入力部４２０１と、特徴量演算部４２０２と、画像読込部４２０３と、手技評価計算モデル構築部（判定基準作成部）４２１１と、手技評価部（画像判定部）４２１２と、細胞評価計算モデル構築部（残存回数計算モデル構築部）４２２１と、細胞評価部（残存回数算出部）４２２２とを備えている。このＣＰＵ４２は、たとえば、制御装置４１の各種の演算処理を実行するプロセッサである。なお、ＣＰＵ４２は、プログラムの実行によって、入力部４２０１と、特徴量演算部４２０２と、画像読込部４２０３と、手技評価計算モデル構築部４２１１と、手技評価部４２１２と、細胞評価計算モデル構築部４２２１と、細胞評価部４２２２としてそれぞれ機能してもよい。
【００４９】
入力部４２０１は、培養容器内で培養される複数の細胞が時系列に撮像されている複数の画像を記憶部４３から読み込む。また、この入力部４２０１は、記憶部４３から画像を読込む場合、この画像に撮像されている細胞についての情報も読込む（または、入力される）。この細胞についての情報とは、学習する対象となる情報のことであり、たとえば、各画像に対応する手技を示す情報、または、各画像に対応する残存ダブリング数を示す情報のことである。
【００５０】
すなわち、この入力部４２０１には、培養容器内で培養された複数の細胞が撮像されている画像と、当該細胞が培養された場合の手技を示す情報が入力される。また、この入力部４２０１には、同一培養容器内で培養された複数の細胞を異なる時間に撮像することによって得られた複数の画像と、当該細胞が分裂する残存回数（残存ダブリング数）を示す情報が入力される。
【００５１】
なお、この「手技を示す情報」とは、たとえば、図５を用いて説明した４つの手技のそれぞれに対して予め定められている識別情報である。なお、「手技を示す情報」は、図５を用いて説明した４つの手技に限られるものではなく、識別される条件は任意であってもよいし、識別される手技の数も任意であってもよい。
【００５２】
特徴量演算部４２０２は、入力部４２０１または画像読込部４２０３で読み込まれた画像から、画像に写されている細胞の特徴量を出力する。また、この特徴量演算部４２０２は、画像に含まれる各々の細胞について、細胞の異なる複数の形態的な特徴を示す複数の異る特徴量を画像からそれぞれ求め、求めた特徴量を出力する。
【００５３】
画像読込部４２０３は、培養容器内で培養された細胞が撮像されている画像を読み込む。すなわち、この画像読込部４２０３は、評価対象となる細胞が撮像されている画像を読み込む。また、画像読込部４２０３には、評価対象となる細胞の画像であって、培養容器内で培養される複数の細胞が時系列に撮像されている画像が入力される。
【００５４】
たとえば、評価対象となる細胞が撮像されている画像が予め記憶部４３に記憶されており、画像読込部４２０３は、評価対象となる細胞が撮像されている画像を記憶部４３から読み込んでもよい。また、画像読込部４２０３は、評価対象となる細胞が撮像されている画像を、インターネットなどの通信網を介して受信することにより、読み込んでもよい。
【００５５】
手技評価計算モデル構築部４２１１は、画像に写された細胞の評価データと細胞の特徴量とに基づいて、細胞の特徴量における判定基準を作成する。この「画像に写された細胞の評価データと細胞の特徴量」とは、特徴量演算部４２０２から出力された特徴量のことである。また、この「画像に写された細胞の評価データ」とは、細胞に行われた手技に関する情報のことである。また、この「細胞の特徴量における判定基準」とは、細胞が培養された場合の手技を判定するための判定基準であって、細胞の特徴量に対しての基準である。また、この基準とは、特徴量ごとの基準であってもよいし、複数の特徴量が組み合わせられている特徴量に対しての基準であってもよい。
【００５６】
たとえば、この手技評価計算モデル構築部４２１１は、画像内の細胞の特徴量と、手技を示す情報とに基づいて、細胞が培養された場合の手技を評価する手技評価計算モデルを構築する。この「画像内の細胞の特徴量」とは、特徴量演算部４２０２から出力された特徴量のことである。また、この「手技を示す情報」とは、入力部４２０１に入力された「手技を示す情報」のことである。また、「手技評価計算モデル」は、一例としては、図５に示されたそれぞれの手技を判定する計算モデルである。
【００５７】
手技評価部４２１２は、手技評価計算モデル構築部４２１１により作成された判定基準を基に、新たに入力した画像に写された細胞の特徴量から、細胞の評価を行う細胞評価計算モデルを構築するために利用データとして適用可能な否かを判定する。
【００５８】
たとえば、手技評価部４２１２は、特徴量演算部４２０２により求められた特徴量を、手技評価計算モデル構築部４２１１により構築された計算モデルに入力することにより、画像読込部４２０３に入力された画像に撮像されている細胞（評価対象となる細胞）が培養された場合の手技を評価する。
【００５９】
細胞評価計算モデル構築部４２２１は、特徴量演算部４２０２により求められた形態的な特徴量を基に、細胞の評価を行う細胞評価計算モデルを構築する。また、細胞評価計算モデル構築部４２２１は、手技評価部４２１２により適用可能と判定された画像を用いて、特徴量演算部４２０２で求められる形態的な特徴量を基に細胞の評価を行う細胞評価計算モデルを構築する。この「手技評価部４２１２により適用可能と判定された画像を用いて、特徴量演算部４２０２で求められる形態的な特徴量」とは、手技評価部４２１２により適用可能と判定された画像に対して、特徴量演算部４２０２により求められた形態的な特徴量のことである。
【００６０】
たとえば、細胞評価計算モデル構築部４２２１は、各々の画像に対応する特徴量と残存回数を示す情報とに基づいて、細胞に対しての残存回数（残存ダブリング数）を算出する細胞評価計算モデルを構築する。また、評価値としては、細胞の分裂可能数の残存回数以外にも、様々な評価値を出力できるようにしても良い。なお、本実施の形態では、この「各々の画像に対応する特徴量」とは、特徴量演算部４２０２から出力された特徴量のことである。また、この「残存回数を示す情報」とは、入力部４２０１に入力された「細胞が分裂する残存回数を示す情報」のことである。
【００６１】
一例としては、細胞評価計算モデル構築部４２２１は、たとえば、教師付き学習により細胞評価計算モデルを求める。なお、この細胞評価計算モデルは、細胞における特性を評価した結果を、評価情報として出力する。この「細胞における特性」とは、たとえば、細胞の種類や状態を示す符号や指数であったり、残存ダブリング数のことである。
【００６２】
また、この細胞評価計算モデル構築部４２２１は、画像読込部４２０３に入力された画像に対して特徴量演算部４２０２により求められた特徴量のうち、手技評価部４２１２により評価された手技の結果が、画像読込部４２０３に読み込まれた画像に撮像されている細胞を評価する細胞評価計算モデルを構築する場合に適切であると判定された特徴量に基づいて、細胞評価計算モデルを構築する。
【００６３】
なお、この、手技評価部４２１２により評価された手技の結果が、画像読込部４２０３に読み込まれた画像に撮像されている細胞を評価する細胞評価計算モデルを構築する場合に適切であるか否かは、手技評価部４２１２により評価された手技の結果、予め定められている手技であるか否かを判定することにより実行される。
【００６４】
一例としては、手技評価部４２１２により評価された手技の結果が、図５を用いて説明したように、酵素ダメージがあるような手技である場合（図５の右上と右下の場合）、細胞評価計算モデル構築部４２２１は、この手技で培養された画像は、細胞評価計算モデルを構築する場合に適切ではないと判定する。
【００６５】
また、手技評価部４２１２により評価された手技の結果が、図５を用いて説明したように、酵素ダメージがないような手技である場合（図５の左上と左下の場合）、細胞評価計算モデル構築部４２２１は、この手技で培養された画像は、細胞評価計算モデルを構築する場合に適切であると判定する。
【００６６】
細胞評価部４２２２は、特徴量演算部４２０２から出力された特徴量を、細胞評価計算モデル構築部４２２１により構築された細胞評価計算モデルに入力することにより、評価情報を算出し、算出した評価情報を出力する。なお、細胞評価部４２２２により算出され出力される評価情報は、たとえば、評価対象となる細胞の残存ダブリング数を示す情報である。このようにして、細胞評価部４２２２は、画像読込部４２０３に読み込まれた画像の細胞を評価する。
【００６７】
なお、手技評価装置は、上述した入力部４２０１と、特徴量演算部４２０２と、手技評価計算モデル構築部４２１１とを含めて構成されている。この手技評価装置は、さらに、画像読込部４２０３と、手技評価部４２１２とを含んで構成されていてもよい。また、細胞評価モデル構築装置は、この手技評価装置と、細胞評価計算モデル構築部４２２１とを含めて構成されている。
【００６８】
また、細胞評価計算モデル装置は、上述した入力部４２０１と、特徴量演算部４２０２と、手技評価計算モデル構築部４２１１とを含めて構成されている。
【００６９】
また、細胞評価装置は、上述した画像読込部４２０３と、特徴量演算部４２０２と、細胞評価部４２２２とを含めて構成されている。この細胞評価装置は、さらに、入力部４２０１と、手技評価計算モデル構築部４２１１とを含めて構成されていてもよい。また、この細胞評価装置は、細胞評価計算モデル構築部４２２１と、細胞評価部４２２２とを含めて構成されていてもよい。
【００７０】
なお、細胞評価部４２２２は、細胞評価計算モデル構築部４２２１で細胞評価計算モデル構築時に用いた細胞の特徴量を取得するためにも使用される特徴量演算部４２０２から、評価する細胞の特徴量を得ている。このようにすることで、少ない構成で細胞評価計算モデル構築と細胞評価の両方をなし得る装置構成となっている。
しかしながら、細胞の特徴量を出力する構成（特徴量演算部４２０２）は、細胞評価計算モデル構築部４２２１と細胞評価部４２２２とに対応させて、異なる構成としてもよい。たとえば、細胞評価計算モデル構築部４２２１を備えている細胞評価計算モデル装置は、特徴量演算部４２０２を備えており、細胞評価部４２２２を備えている細胞評価装置は、特徴量演算部４２０２と同様の構成を有している残存回数算出用特徴量演算部を備えていてもよい。
また、入力部４２０１と画像読込部４２０３とは、一体として構成されていてもよい。
【００７１】
＜第１の実施形態における観察動作の例＞
次に、図６の流れ図を参照しつつ、第１の実施形態におけるインキュベータ１１での観察動作の一例を説明する。この図６は、恒温室１５内に搬入された培養容器１９を、登録された観察スケジュールに従ってタイムラプス観察する動作例を示している。
【００７２】
ステップＳ１０１：ＣＰＵ４２は、記憶部４３の管理データの観察スケジュールと現在日時とを比較して、培養容器１９の観察開始時間が到来したか否かを判定する。観察開始時間となった場合（ＹＥＳ側）、ＣＰＵ４２はＳ１０２に処理を移行させる。一方、培養容器１９の観察時間ではない場合（ＮＯ側）には、ＣＰＵ４２は次の観察スケジュールの時刻まで待機する。
【００７３】
ステップＳ１０２：ＣＰＵ４２は、観察スケジュールに対応する培養容器１９の搬送を容器搬送装置２３に指示する。そして、容器搬送装置２３は、指示された培養容器１９をストッカー２１から搬出して観察ユニット２２の試料台３１に載置する。なお、培養容器１９が試料台３１に載置された段階で、スタンドアーム３２に内蔵されたバードビューカメラ（不図示）によって培養容器１９の全体観察画像が撮像される。
【００７４】
ステップＳ１０３：ＣＰＵ４２は、観察ユニット２２に対して細胞の顕微鏡画像の撮像を指示する。観察ユニット２２は、ＬＥＤ光源３５を点灯させて培養容器１９を照明するとともに、撮像装置３４を駆動させて培養容器１９内の細胞の顕微鏡画像を撮像する。
【００７５】
このとき、撮像装置３４は、記憶部４３に記憶されている管理データに基づいて、ユーザーの指定した撮像条件（対物レンズの倍率、容器内の観察地点）に基づいて顕微鏡画像を撮像する。例えば、培養容器１９内の複数のポイントを観察する場合、観察ユニット２２は、試料台３１の駆動によって培養容器１９の位置を逐次調整し、各々のポイントでそれぞれ顕微鏡画像を撮像する。なお、Ｓ１０３で取得された顕微鏡画像のデータは、制御装置４１に読み込まれるとともに、ＣＰＵ４２の制御によって記憶部４３に記録される。
【００７６】
ステップＳ１０４：ＣＰＵ４２は、観察スケジュールの終了後に培養容器１９の搬送を容器搬送装置２３に指示する。そして、容器搬送装置２３は、指示された培養容器１９を観察ユニット２２の試料台３１からストッカー２１の所定の収納位置に搬送する。その後、ＣＰＵ４２は、観察シーケンスを終了してＳ１０１に処理を戻す。
【００７７】
この図６の流れ図を用いた説明により、インキュベータ１１により観察された時系列の画像データが、記憶部４３に記憶される。
【００７８】
＜第１の実施形態における培養状態評価処理＞
次に図７を用いて、上述した図６の処理により記憶部４３に記憶された画像データを用いて、制御装置４１が、手技評価計算モデルおよび細胞評価計算モデルを構築する一例について説明する。
【００７９】
ここでは、一例として、培養容器１９をタイムラプス観察して取得した複数の顕微鏡画像を用いて、培養容器１９の培養細胞において、細胞に対しての残存ダブリング数を制御装置４１が推定する場合について説明する。
【００８０】
また、ここでは、図６の処理において、培養容器１９のタイムラプス観察は、培養開始から０．３３日目（８時間）経過後を初回として、０．３３日おきに１３．６７日目まで行われているものとして説明する。また、ここでは、複数の培養容器１９がそれぞれタイムラプス観察されており、上記のサンプルの顕微鏡画像が記憶部４３に記憶されているものとして説明する。なお、制御装置４１は、同じ培養容器１９の複数ポイント（例えば５点観察または培養容器１９の全体）を同じ観察時間帯で撮影した複数の顕微鏡画像を、タイムラプス観察の１回分の画像として扱うようにしてもよい。
【００８１】
なお、当該タイムラプス観察された細胞については、手技が既知となっているものとする。たとえば、培養容器１９でタイムラプス観察された細胞に対して、予め手技が予め定められていてもてよい。
【００８２】
また、当該タイムラプス観察された細胞については、残存ダブリング数が既知となっているものとする。これは、たとえば、培養容器１９でタイムラプス観察された細胞に対して、任意の実験により、残存ダブリング数が調べられていてもよい。この任意の実験は、本実施形態によるタイムラプス観察が終了した後に行われる実験であってもよい。
【００８３】
そして、制御装置４１には、培養容器１９毎の細胞の画像と、手技を示す情報とが、培養容器１９毎に入力されるものとする。また、制御装置４１には、培養容器１９毎の細胞の画像と、当該培養容器１９で培養された細胞の残存ダブリング数を示す情報とが、培養容器１９毎に入力されるものとする。なお、手技を示す情報および細胞の残存ダブリング数を示す情報は、インキュベータ１１により観察された時系列の画像データと関連付けられて、培養容器１９毎に、記憶部４３に記憶されていてもよい。
【００８４】
ステップＳ２０１：ＣＰＵ４２は、予め用意されたサンプルの顕微鏡画像のデータを記憶部４３から読み込む。なお、ステップＳ２０１でのＣＰＵ４２は、各画像に対応する手技を示す情報と残存ダブリング数を示す情報とを、この時点で取得するものとする。
【００８５】
ステップＳ２０２：ＣＰＵ４２は、上記のサンプルの顕微鏡画像（ステップＳ２０１）のうちから、処理対象となる画像を指定する。ここで、ステップＳ２０２でのＣＰＵ４２は、予め用意されているサンプルの顕微鏡画像のすべてを処理対象として順次指定してゆくものとする。
【００８６】
ステップＳ２０３：ＣＰＵ４２の特徴量演算部４２０２は、処理対象の顕微鏡画像（ステップＳ２０２）について、画像内に含まれる細胞を抽出する。例えば、位相差顕微鏡で細胞を撮像すると、細胞壁のように位相差の変化の大きな部位の周辺にはハロが現れる。そのため、特徴量演算部４２０２は、細胞壁に対応するハロを公知のエッジ抽出手法で抽出するとともに、輪郭追跡処理によってエッジで囲まれた閉空間を細胞と推定する。これにより上記の顕微鏡画像から個々の細胞を抽出することができる。
【００８７】
ステップＳ２０４：ＣＰＵ４２の特徴量演算部４２０２は、ステップＳ２０３で画像から抽出した各々の細胞について、細胞の異なる複数の形態的な特徴を示す複数の異る特徴量を画像からそれぞれ求める。このステップＳ２０４において、ＣＰＵ４２の特徴量演算部４２０２は、上述した複数の異る特徴量として、１６種類の特徴量を、ステップＳ２０３で画像から抽出した各々の細胞について求めるものとする。
【００８８】
ステップＳ２０５：ＣＰＵ４２の特徴量演算部４２０２は、処理対象の顕微鏡画像（ステップＳ２０２）について、各細胞の１６種類の特徴量（ステップＳ２０４）をそれぞれ記憶部４３に記録する。
【００８９】
ステップＳ２０６：ＣＰＵ４２は、全ての顕微鏡画像が処理済み（全てのサンプルの顕微鏡画像で各細胞の特徴量が取得済みの状態）であるか否かを判定する。上記要件を満たす場合（ＹＥＳ側）には、ＣＰＵ４２はステップＳ２０９に処理を移行させる。一方、上記要件を満たさない場合（ＮＯ側）には、ＣＰＵ４２はステップＳ２０２に戻って、未処理の他の顕微鏡画像を処理対象として上記動作を繰り返す。
【００９０】
ステップＳ２０９：ＣＰＵ４２の手技評価計算モデル構築部４２１１は、記憶部４３から読み出した画像内の細胞の特徴量と、手技を示す情報とに基づいて、細胞が培養された場合の手技を評価する手技評価計算モデルを構築する。
【００９１】
ステップＳ２１０：ＣＰＵ４２の手技評価計算モデル構築部４２１１は、ステップＳ２０９で構築して求めた手技評価計算モデルの情報（計算式に用いる各指標を示す情報、計算式で各々の指標に対応する係数値の情報など）を記憶部４３に記録する。
【００９２】
ステップＳ２１１：手技評価部４２１２は、特徴量演算部４２０２により求められた特徴量を、記憶部４３から読み出した手技評価計算モデル（または、ステップＳ２０９において手技評価計算モデル構築部４２１１により構築された計算モデル）に入力することにより、画像読込部４２０３に入力された画像に撮像されている細胞（評価対象となる細胞）が培養された場合の手技を評価する。このとき手技評価部４２１２は、まず、細胞毎に手技を評価し、培養容器１９毎の手技の平均を算出する。
次に、手技評価部４２１２は、算出した結果に基づいて、手技を培養容器１９毎に評価してもよい。次に、細胞評価計算モデル構築部４２２１は、この手技の評価に基づいて、細胞評価計算モデルを構築するための画像を抽出する。この抽出される画像とは、培養容器１９毎に抽出された画像であってもよい。
【００９３】
ステップＳ２１２：細胞評価計算モデル構築部４２２１は、ステップＳ２１１で抽出した画像と、当該画像に対応する特徴量（記憶部４３から読み出した特徴量）とに基づいて、細胞評価計算モデルを構築する。
【００９４】
ステップＳ２１３：ＣＰＵ４２の細胞評価計算モデル構築部４２２１は、ステップＳ２１２で構築して求めた細胞評価計算モデルの情報（計算式に用いる各指標を示す情報、計算式で各々の指標に対応する係数値の情報など）を記憶部４３に記録する。以上で、図７の説明を終了する。
【００９５】
なお、この図７の説明においては、制御装置４１が、手技評価計算モデルと細胞評価計算モデルとを構築する場合について説明したが、制御装置４１は、手技評価計算モデルは予め構築されていてもよい。たとえば、予め構築されている手技評価計算モデルが記憶部４３に記憶されている場合には、制御装置４１は、上記図７のステップＳ２０９とＳ２１０とを省略して、手技評価計算モデルを再度構築することなしに、細胞評価計算モデルを構築することができる。また、手技評価計算モデルのみを構築する場合には、制御装置４１は、ステップＳ２１０で処理を終了してもよい。
【００９６】
＜図７のステップＳ２０４：ＣＰＵ４２の特徴量演算部４２０２による処理の詳細＞
次に、図８を用いて、図７のステップＳ２０４におけるＣＰＵ４２の特徴量演算部４２０２による処理について詳細に説明する。この特徴量演算部４２０２は、各細胞について以下の１６種類の特徴量をそれぞれ求める。
【００９７】
・Ｔｏｔａｌ ａｒｅａ（図８の（ａ）参照）「Ｔｏｔａｌ ａｒｅａ」は、注目する細胞の面積を示す値である。例えば、特徴量演算部４２０２は、注目する細胞の領域の画素数に基づいて「Ｔｏｔａｌ ａｒｅａ」の値を求めることができる。
【００９８】
・Ｈｏｌｅ ａｒｅａ（図８の（ｂ）参照）「Ｈｏｌｅ ａｒｅａ」は、注目する細胞内のＨｏｌｅの面積を示す値である。ここで、Ｈｏｌｅは、コントラストによって、細胞内における画像の明るさが閾値以上となる部分（位相差観察では白に近い状態となる箇所）を指す。例えば、細胞内小器官の染色されたリソソームなどがＨｏｌｅとして検出される。また、画像によっては、細胞核や、他の細胞小器官がＨｏｌｅとして検出されうる。なお、特徴量演算部４２０２は、細胞内における輝度値が閾値以上となる画素のまとまりをＨｏｌｅとして検出し、このＨｏｌｅの画素数に基づいて「Ｈｏｌｅ ａｒｅａ」の値を求めればよい。
【００９９】
・ｒｅｌａｔｉｖｅ ｈｏｌｅ ａｒｅａ（図８の（ｃ）参照）「ｒｅｌａｔｉｖｅ ｈｏｌｅ ａｒｅａ」は、「Ｈｏｌｅ ａｒｅａ」の値を「Ｔｏｔａｌ ａｒｅａ」の値で除した値である（ｒｅｌａｔｉｖｅ ｈｏｌｅ ａｒｅａ＝Ｈｏｌｅ ａｒｅａ／Ｔｏｔａｌ ａｒｅａ）。この「ｒｅｌａｔｉｖｅ ｈｏｌｅ ａｒｅａ」は、細胞の大きさにおける細胞内小器官の割合を示すパラメータであって、例えば細胞内小器官の肥大化や核の形の悪化などに応じてその値が変動する。
【０１００】
・Ｐｅｒｉｍｅｔｅｒ（図８の（ｄ）参照）「Ｐｅｒｉｍｅｔｅｒ」は、注目する細胞の外周の長さを示す値である。例えば、特徴量演算部４２０２は、細胞を抽出するときの輪郭追跡処理により「Ｐｅｒｉｍｅｔｅｒ」の値を取得することができる。
【０１０１】
・Ｗｉｄｔｈ（図８の（ｅ）参照）「Ｗｉｄｔｈ」は、注目する細胞の画像横方向（Ｘ方向）での長さを示す値である。
【０１０２】
・Ｈｅｉｇｈｔ（図８の（ｆ）参照）「Ｈｅｉｇｈｔ」は、注目する細胞の画像縦方向（Ｙ方向）での長さを示す値である。
【０１０３】
・Ｌｅｎｇｔｈ（図８の（ｇ）参照）「Ｌｅｎｇｔｈ」は、注目する細胞を横切る線のうちの最大値（細胞の全長）を示す値である。
【０１０４】
・Ｂｒｅａｄｔｈ（図８の（ｈ）参照）「Ｂｒｅａｄｔｈ」は、「Ｌｅｎｇｔｈ」に直交する線のうちの最大値（細胞の横幅）を示す値である。
【０１０５】
・Ｆｉｂｅｒ Ｌｅｎｇｔｈ（図８の（ｉ）参照）「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」は、注目する細胞を擬似的に線状と仮定した場合の長さを示す値である。特徴量演算部４２０２は、下式（１）により「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」の値を求める。
【０１０６】
【数１】
【０１０７】
但し、本明細書の式において「Ｐ」はＰｅｒｉｍｅｔｅｒの値を示す。同様に「Ａ」はＴｏｔａｌ Ａｒｅａの値を示す。
【０１０８】
・Ｆｉｂｅｒ Ｂｒｅａｄｔｈ（図８の（ｊ）参照）「Ｆｉｂｅｒ Ｂｒｅａｄｔｈ」は、注目する細胞を擬似的に線状と仮定した場合の幅（Ｆｉｂｅｒ Ｌｅｎｇｔｈと直交する方向の長さ）を示す値である。特徴量演算部４２０２は、下式（２）により「Ｆｉｂｅｒ Ｂｒｅａｄｔｈ」の値を求める。
【０１０９】
【数２】
【０１１０】
・Ｓｈａｐｅ Ｆａｃｔｏｒ（図８の（ｋ）参照）「Ｓｈａｐｅ Ｆａｃｔｏｒ」は、注目する細胞の円形度（細胞の丸さ）を示す値である。特徴量演算部４２０２は、下式（３）により「Ｓｈａｐｅ Ｆａｃｔｏｒ」の値を求める。
【０１１１】
【数３】
【０１１２】
・Ｅｌｌｉｐｔｉｃａｌ ｆｏｒｍ Ｆａｃｔｏｒ（図８の（ｌ）参照）「Ｅｌｌｉｐｔｉｃａｌ ｆｏｒｍ Ｆａｃｔｏｒ」は、「Ｌｅｎｇｔｈ」の値を「Ｂｒｅａｄｔｈ」の値で除した値（Ｅｌｌｉｐｔｉｃａｌ ｆｏｒｍ Ｆａｃｔｏｒ＝Ｌｅｎｇｔｈ／Ｂｒｅａｄｔｈ）であって、注目する細胞の細長さの度合いを示すパラメータとなる。
【０１１３】
・Ｉｎｎｅｒ ｒａｄｉｕｓ（図８の（ｍ）参照）「Ｉｎｎｅｒ ｒａｄｉｕｓ」は、注目する細胞の内接円の半径を示す値である。
【０１１４】
・Ｏｕｔｅｒ ｒａｄｉｕｓ（図８の（ｎ）参照）「Ｏｕｔｅｒ ｒａｄｉｕｓ」は、注目する細胞の外接円の半径を示す値である。
【０１１５】
・Ｍｅａｎ ｒａｄｉｕｓ（図８の（ｏ）参照）「Ｍｅａｎ ｒａｄｉｕｓ」は、注目する細胞の輪郭を構成する全点とその重心点との平均距離を示す値である。
【０１１６】
・Ｅｑｕｉｖａｌｅｎｔ ｒａｄｉｕｓ（図８の（ｐ）参照）「Ｅｑｕｉｖａｌｅｎｔ ｒａｄｉｕｓ」は、注目する細胞と同面積の円の半径を示す値である。この「Ｅｑｕｉｖａｌｅｎｔ ｒａｄｉｕｓ」のパラメータは、注目する細胞を仮想的に円に近似した場合の大きさを示している。
【０１１７】
ここで、ＣＰＵ４２の特徴量演算部４２０２は、細胞に対応する画素数に誤差分を加味して上記の各特徴量を求めてもよい。このとき、特徴量演算部４２０２は、顕微鏡画像の撮影条件（撮影倍率や顕微光学系の収差など）を考慮して特徴量を求めるようにしてもよい。なお、「Ｉｎｎｅｒ ｒａｄｉｕｓ」、「Ｏｕｔｅｒ ｒａｄｉｕｓ」、「Ｍｅａｎ ｒａｄｉｕｓ」、「Ｅｑｕｉｖａｌｅｎｔ ｒａｄｉｕｓ」を求めるときには、特徴量演算部４２０２は、公知の重心演算の手法に基づいて各細胞の重心点を求め、この重心点を基準にして各パラメータを求めればよい。
【０１１８】
＜図７のステップＳ２１２：ＣＰＵ４２の細胞評価計算モデル構築部４２２１による処理の詳細＞
次に、図９から図１１を用いて、図７のステップＳ２１２におけるＣＰＵ４２の細胞評価計算モデル構築部４２２１による処理について詳細に説明する。
【０１１９】
なお、本実施形態においては、たとえば、時系列における特徴量において、全ての時系列における特徴量を細胞評価計算モデルに用いることも可能であるし、時系列における一部の時刻の特徴量を細胞評価計算モデルに用いることも可能である。この「時系列における一部の時刻の特徴量」とは、たとえば、「Ｅｌｌｉｐｔｉｃａｌ ｆｏｒｍ Ｆａｃｔｏｒ」という特徴量の経過日数が３．００日目の値、「Ｅｌｌｉｐｔｉｃａｌ ｆｏｒｍ Ｆａｃｔｏｒ」という特徴量の経過日数が３．３３日目の値、・・・「Ｅｌｌｉｐｔｉｃａｌ ｆｏｒｍ Ｆａｃｔｏｒ」という特徴量の経過日数が１３．６７日目の値と、それぞれの値のことである。ここでは、「時系列における一部の時刻の特徴量」を、「指標」として説明する。すなわち、測定された経過日数ごとの特徴量それぞれの値が、指標となる。
【０１２０】
ここでは、細胞評価計算モデル構築部４２２１が、ファジーニューラルネットワーク（Ｆｕｚｚｙ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＦＮＮ）解析によって上記の細胞評価計算モデルを求める場合について説明する。
【０１２１】
また、ここでは、細胞評価計算モデル構築部４２２１が、特徴量に基づいて、各々の顕微鏡画像のセットにおいて、がん細胞の数（予測値）を求める場合の細胞評価計算モデルを求める場合について説明する。なお、ここでは、細胞評価計算モデル構築部４２２１が、がん細胞の数（予測値）を求める場合の細胞評価計算モデルを構築する場合について説明しているが、残存ダブリング数を推定する場合の細胞評価計算モデルを構築する場合でも、細胞評価計算モデルの構築方法は同様である。
【０１２２】
ＦＮＮとは、人工ニューラルネットワーク（Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＡＮＮ）とファジィ推論とを組み合わせた方法である。このＦＮＮでは、ファジイ推論の欠点であるメンバーシップ関数の決定を人間に頼るという部分を回避すべく、ＡＮＮをファジィ推論に組み込んでその自動決定を行う。
【０１２３】
学習機械のひとつであるＡＮＮ（図９参照）は、生体の脳における神経回路網を数学的にモデル化したものであり、以下の特徴を持つ。ＡＮＮにおける学習は、目的の出力値（教師値）をもつ学習用のデータ（入力値：Ｘ）を用いて、バックプロパゲーション（Ｂａｃｋ ｐｒｏｐａｇａｔｉｏｎ：ＢＰ）法により教師値と出力値（Ｙ）との誤差が小さくなるように、ノード（図９において丸で示す）間をつなぐ回路における結合荷重を変え、その出力値が教師値に近づくようにモデルを構築する過程である。このＢＰ法を用いれば、ＡＮＮは学習により自動的に知識を獲得することができる。そして、最終的に学習に用いていないデータを入力することにより、そのモデルの汎用性を評価できる。
【０１２４】
従来、メンバーシップ関数の決定は、人間の感覚に頼っていたが、上で述べたようなＡＮＮをファジイ推論に組み込むことで自動的なメンバーシップ関数の同定が可能になる。これがＦＮＮである。ＦＮＮでは、ＡＮＮと同様に、ＢＰ法を用いることによりネットワークに与えられた入出力関係を、結合荷重を変化させることで自動的に同定しモデル化できる。ＦＮＮは、学習後のモデルを解析することでファジィ推論のように人間に理解しやすい言語的なルール（一例として図１０の右下の吹き出しを参照）として知識を獲得できるという特徴をもっている。つまり、ＦＮＮは、その構造、特徴から、細胞の形態的特徴を表した数値のような変数の組み合わせにおける最適なファジィ推論の組み合わせを自動決定し、予測目標に関する推定と、予測に有効な特徴量（指標）の組み合わせを示すルールの生成を同時に行うことができる。
【０１２５】
ＦＮＮの構造は、「入力層」、シグモイド関数に含まれるパラメータＷｃ、Ｗｇを決定する「メンバーシップ関数部分（前件部）」、Ｗｆを決定するとともに入力および出力の関係をルールとして取り出すことが可能な「ファジィルール部分（後件部）」、「出力層」の４層から成り立っている（図１０参照）。ＦＮＮのモデル構造を決定する結合荷重にはＷｃ、Ｗｇ、Ｗｆがある。結合荷重Ｗｃは、メンバーシップ関数に用いられるシグモイド関数の中心位置、Ｗｇは中心位置での傾きを決定する（図１１参照）。モデル内では、入力値がファジィ関数により、人間の感覚的に近い柔軟性を持って表現される（一例として図１０の左下の吹き出しを参照）。結合荷重Ｗｆは各ファジイ領域の推定結果に対する寄与を表しており、Ｗｆよりファジィルールを導くことができる。即ち、モデル内の構造はあとから解読でき、ルールとして書き起こすことができる（一例として図１０中右下の吹き出しを参照）。
【０１２６】
ＦＮＮ解析におけるファジィルールの作成には結合荷重のひとつであるＷｆ値が用いられる。Ｗｆ値が正の値で大きいと、そのユニットは「予測に有効である」と判定されることに対する寄与が大きく、そのルールに当てはまった指標は「有効である」と判断される。Ｗｆ値が負の値で小さいと、そのユニットは「予測に有効でない」と判定されることに対する寄与が大きく、そのルールに当てはまった指標は「有効でない」と判断される。
【０１２７】
一例として、ステップＳ２０９での細胞評価計算モデル構築部４２２１は、以下の（Ａ）から（Ｈ）の処理により、上記の細胞評価計算モデルを求める。
【０１２８】
（Ａ）細胞評価計算モデル構築部４２２１は、複数の指標のうちから１つの指標を選択する。
【０１２９】
（Ｂ）細胞評価計算モデル構築部４２２１は、（Ａ）で選択された指標を変数とした計算式により、各々の顕微鏡画像のセットでのがん細胞の数（予測値）を求める。
【０１３０】
仮に、１つの指標からがん細胞の数を求める計算式を「Ｙ＝αＸ１」（但し、「Ｙ」はがん細胞の計算値（例えばがん細胞の増加数を示す値）、「Ｘ１」は上記の選択された指標の値、「α」はＸ１に対応する係数値、をそれぞれ示す。）とする。このとき、細胞評価計算モデル構築部４２２１は、αに任意の値を代入するとともに、Ｘ１に各セットにおける値をそれぞれ代入する。これにより、各セットでのがん細胞の計算値（Ｙ）が求められる。
【０１３１】
（Ｃ）細胞評価計算モデル構築部４２２１は、各々の顕微鏡画像のセットについて、（Ｂ）で求めた計算値Ｙと、実際のがん細胞の数（教師値）との誤差をそれぞれ求める。なお、上記の教師値は、ステップＳ２０１で読み込んだがん細胞の数の情報に基づいて、細胞評価計算モデル構築部４２２１が求めるものとする。
【０１３２】
そして、細胞評価計算モデル構築部４２２１は、各顕微鏡画像のセットでの計算値の誤差がより小さくなるように、教師付き学習により上記の計算式の係数αを修正する。
【０１３３】
（Ｄ）細胞評価計算モデル構築部４２２１は、上記の（Ｂ）および（Ｃ）の処理を繰り返し、上記（Ａ）の指標について、計算値の平均誤差が最も小さくなる計算式のモデルを取得する。
【０１３４】
（Ｅ）細胞評価計算モデル構築部４２２１は、複数の指標の各指標について、上記（Ａ）から（Ｄ）の各処理を繰り返す。そして、細胞評価計算モデル構築部４２２１は、各指標における計算値の平均誤差を比較し、その平均誤差が最も低くなる指標を、評価情報の生成に用いる（評価情報を計算する細胞評価計算モデルを構築するために用いる）１番目の指標とする。
【０１３５】
（Ｆ）細胞評価計算モデル構築部４２２１は、上記（Ｅ）で求めた１番目の指標と組み合わせる２番目の指標を求める。このとき、細胞評価計算モデル構築部４２２１は、上記の１番目の指標と残りの１２７の指標とを１つずつペアにしてゆく。次に、細胞評価計算モデル構築部４２２１は、各々のペアにおいて、計算式でがん細胞の予測誤差を求める。
【０１３６】
仮に、２つの指標からがん細胞の数を求める計算式を「Ｙ＝αＸ１＋βＸ２」（但し、「Ｙ」はがん細胞の計算値、「Ｘ１」は１番目の指標の値、「α」はＸ１に対応する係数値、「Ｘ２」は、選択された指標の値、「β」はＸ２に対応する係数値、をそれぞれ示す。）とする。そして、細胞評価計算モデル構築部４２２１は、上記の（Ｂ）および（Ｃ）と同様の処理により、計算値の平均誤差が最も小さくなるように、上記の係数α、βの値を求める。
【０１３７】
その後、細胞評価計算モデル構築部４２２１は、各々のペアで求めた計算値の平均誤差を比較し、その平均誤差が最も低くなるペアを求める。そして、細胞評価計算モデル構築部４２２１は、平均誤差が最も低くなるペアの指標を、評価情報の生成に用いる１番目および２番目の指標とする。
【０１３８】
（Ｇ）細胞評価計算モデル構築部４２２１は、所定の終了条件を満たした段階で演算処理を終了する。例えば、細胞評価計算モデル構築部４２２１は、指標を増やす前後の各計算式による平均誤差を比較する。そして、細胞評価計算モデル構築部４２２１は、指標を増やした後の計算式による平均誤差が、指標を増やす前の計算式による平均誤差より高い場合（または両者の差が許容範囲に収まる場合）には、ステップＳ２０９の演算処理を終了する。
【０１３９】
（Ｈ）一方、上記（Ｇ）で終了条件を満たさない場合、細胞評価計算モデル構築部４２２１は、さらに指標の数を１つ増やして、上記（Ｆ）および（Ｇ）と同様の処理を繰り返す。これにより、上記の細胞評価計算モデルを求めるときに、ステップワイズな変数選択によって指標の絞り込みが行われることとなる。
【０１４０】
このようにして、細胞評価計算モデル構築部４２２１は、一例としては、ＦＮＮ解析によって細胞評価計算モデルを求めることができる。
【０１４１】
なお、ここでは、細胞評価計算モデル構築部４２２１が、ＦＮＮ解析によって上記の細胞評価計算モデルを求める場合について説明したが、細胞評価計算モデルを求める方法はＦＮＮ解析に限られるものではない。たとえば、細胞評価計算モデル構築部４２２１は、上述した複数の特徴量を説明変量として、細胞の特性を評価する任意の形式の多変量解析により細胞評価計算モデルを構築してもよい。この多変量解析とは、重回帰分析、判別分析、ロジスティック回帰分析、または、主成分分析などであってもよい。
【０１４２】
＜図７のステップＳ２０９：ＣＰＵ４２の手技評価計算モデル構築部４２１１による処理の詳細＞
次に、図７のステップＳ２０９におけるＣＰＵ４２の手技評価計算モデル構築部４２１１による処理について詳細に説明する。
【０１４３】
この手技評価計算モデル構築部４２１１は、上記に図９から図１１を用いて説明した細胞評価計算モデル構築部４２２１と同様に、手技評価計算モデルを構築する。その相違点は、次に説明するように評価する対象の違いである。
【０１４４】
まず、細胞評価計算モデル構築部４２２１は、評価する対象として、残存ダブリング数などの細胞の特性を、複数の指標を組み合わせにより評価する細胞評価計算モデルを構築する。これに対して、手技評価計算モデル構築部４２１１は、評価する対象として、細胞を培養する場合の手技を、複数の指標を組み合わせにより評価する手技評価計算モデルを構築する。
【０１４５】
そして、細胞評価計算モデル構築部４２２１と手技評価計算モデル構築部４２１１とは、評価する対象は異なるが、その複数の指標を組み合わせにより、評価する対象を推定する計算モデルを構築する点は同様である。
【０１４６】
よって、手技評価計算モデル構築部４２１１は、評価する対象として、細胞を培養する場合の手技を、複数の指標を組み合わせにより評価する手技評価計算モデルを、細胞評価計算モデル構築部４２２１と同様にＦＮＮ解析や、重回帰分析、判別分析、ロジスティック回帰分析、または、主成分分析などの任意の形式の多変量解析により、構築する。
【０１４７】
なお、細胞評価計算モデル構築部４２２１と手技評価計算モデル構築部４２１１とは、指標に基づいて、異なる形式の解析方法により、それぞれの評価対象を推定する計算モデルを構築してもよい。たとえば、細胞評価計算モデル構築部４２２１はＦＮＮ解析により細胞評価計算モデルを構築し、手技評価計算モデル構築部４２１１は重回帰分析により手技評価計算モデルを構築してもよい。
【０１４８】
（細胞を評価する場合の処理の例）
次に、図１２の流れ図を用いて、第１の実施形態による細胞評価装置が、評価対象となる細胞に対して評価する場合の処理について説明する。ここでは、評価対象となる複数の顕微鏡画像のデータが、記憶部４３に記憶されているものとして説明する。なお、評価対象の顕微鏡画像は、細胞群を培養した培養容器１９をインキュベータ１１によって同一視野を同一の撮影条件でタイムラプス観察して取得されたものとする。また、この場合のタイムラプス観察は、図７の例と条件を揃えるために、培養開始から０．３３日目（８時間目）経過後を初回として０．３３日（８時間）おきに１３．６７日目まで行われているものとする。
【０１４９】
ステップＳ３０１：ＣＰＵ４２は、評価対象となる複数の顕微鏡画像のデータを、画像読込部４２０３を介して記憶部４３から読み込む。
【０１５０】
ステップＳ３０２：ＣＰＵ４２の特徴量演算部４２０２は、読み込んだ評価対象となる複数の顕微鏡画像のデータに対して、図７のステップＳ２０３、ステップＳ２０４、および、ステップＳ２０５の場合と同様に、複数の特徴量（指標）を抽出する。
【０１５１】
ステップＳ３０３：ＣＰＵ４２の手技評価部４２１２は、記憶部４３から手技評価計算モデルの情報（図７のステップＳ２１０で記録されたもの）を読み込む。
【０１５２】
ステップＳ３０５：ＣＰＵ４２の手技評価部４２１２は、ステップＳ３０２で特徴量演算部４２０２により抽出された複数の特徴量（複数の指標）を、ステップＳ３０３で読み込んだ手技評価計算モデルに入力する。これにより、ＣＰＵ４２の手技評価部４２１２は、ステップＳ３０１で入力された評価対象となる複数の顕微鏡画像のデータに撮像されている細胞についての培養における手技を評価する。
【０１５３】
このステップＳ３０５による手技に対しての評価の結果が、適切である場合には、ＣＰＵ４２は処理をステップＳ３０６に進め、適切でない場合には、ＣＰＵ４２は処理をステップＳ３０９に進める。ここで、「手技に対しての評価の結果が適切である場合」とは、たとえば、図５を用いて説明したように、手技が図５の左上または左下の場合のことである。逆に、「手技に対しての評価の結果が適切でない場合」とは、たとえば、図５を用いて説明したように、手技が図５の右上または右下の場合のことである。
【０１５４】
ステップＳ３０６：ＣＰＵ４２の細胞評価部４２２２は、記憶部４３から細胞評価計算モデルの情報（図７のステップＳ２１３で記録されたもの）を読み込む。
【０１５５】
ステップＳ３０７：ＣＰＵ４２の細胞評価部４２２２は、ステップＳ３０２で求めた複数の特徴量（複数の指標）を、ステップＳ３０６で読み出した細胞評価計算モデルに代入して演算を行う。
【０１５６】
ステップＳ３０８：ＣＰＵ４２の細胞評価部４２２２は、ステップＳ３０７での演算結果に基づいて、評価対象の顕微鏡画像に対しての評価を示す評価情報を生成する。その後、ＣＰＵ４２の細胞評価部４２２２は、この評価情報を不図示のモニタ等に表示して出力する。また、ＣＰＵ４２は、ステップＳ３０５でＣＰＵ４２の手技評価部４２１２により評価された手技を示す情報を、評価情報とともに出力してもよい。
【０１５７】
ステップＳ３０９：ＣＰＵ４２の手技評価部４２１２は、ステップＳ３１０で入力された評価対象となる複数の顕微鏡画像のデータは、本細胞評価装置では評価できないことを示す情報を、不図示のモニタ等に表示して出力する。また、以上で、図１２の説明を終了する。
【０１５８】
このようにして、本実施形態による細胞評価装置は、細胞の画像のみにより、細胞が培養された手技、および、細胞の残存ダブリング数を推定することができる。そのため、本実施形態による細胞評価装置は、比較的簡易な手法で手技および細胞を評価することができる。
【０１５９】
また、本実施形態による細胞評価計算モデル構築部４２２１は、図７のステップＳ２１１において説明したように、手技が適切である細胞の画像情報に基づいて、細胞評価計算モデルを構築している。
【０１６０】
ここで、仮に、手技が適切でない細胞の画像情報に基づいて、または、手技が適切でない細胞の画像情報と手技が適切である細胞の画像情報とに基づいて、細胞評価計算モデルが構築されてしまうとする。この場合、この細胞評価計算モデルにより、手技が適切である細胞の画像情報に対して、この細胞を評価したとすると、その評価性能が低減する可能性がある。
【０１６１】
これに対して、本実施形態においては、図７のステップＳ２１１において説明したように、細胞評価計算モデル構築部４２２１は、手技が適切であると手技評価部４２１２により判定された細胞の画像情報に基づいて、細胞評価計算モデルを構築している。そのため、この細胞評価計算モデルは、手技が適切である細胞の画像情報に対して、その細胞を、適切に評価することができる。
【０１６２】
また、図１２を用いて説明したように、評価対象となる細胞の画像情報に対して細胞を評価する場合、手技評価部４２１２は、図１２のステップＳ３０５で説明したように、評価対象となる細胞の画像情報に対して細胞の手技が適切であるか否かを判定する。そして、手技評価部４２１２により手技が適切と判定された画像のみが、図１２のステップＳ３０７において、細胞評価部４２２２により評価される。
【０１６３】
なお、このステップＳ３０７で、細胞評価部４２２２は、図７を用いて説明したように、手技が適切である細胞の画像情報に対して、その細胞を、適切に評価することができる細胞評価計算モデルに基づいて、細胞の手技が適切であると判定された細胞を評価する。そのため、この細胞評価部４２２２は、適切に細胞を評価することができる。
【０１６４】
よって、本実施形態よる細胞評価装置は、継代操作等の細胞培養に必要な操作が手技的に適切でない場合であっても、比較的簡易な手法で、細胞を適切に評価することができる。また、細胞評価計算モデルが、細胞の画像から残存ダブリング数を算出できるように構築されているために、細胞評価部４２２２は、比較的簡易な手法で、細胞が分裂する残存回数（残存ダブリング数）を算出することができる。よって、ユーザは、比較的簡易な手法で、細胞が分裂する残存回数を得ることができる。
【０１６５】
また、本実施形態によれば、制御装置４１は、タイムラプス観察で取得した顕微鏡画像を用いて、特徴量に基づいて細胞を精度よく評価することができる。また、本実施形態の制御装置４１は、ありのままの細胞を評価対象にできるので、例えば医薬品のスクリーニングや再生医療の用途で培養される細胞を評価するときに極めて有用である。
【０１６６】
なお、本実施形態では、顕微鏡画像から細胞を評価する例を説明したが、例えば、制御装置４１を、顕微鏡画像からがん細胞の混在率を評価することに用いることや、胚性幹細胞（ＥＳ細胞）や人工多能性幹細胞（ｉＰＳ細胞）の分化誘導の度合いの評価に用いることも可能である。また、本実施形態で求めた評価情報は、評価対象の培養細胞群における分化・脱分化・腫瘍化・活性劣化・細胞のコンタミネーション等の異常検出手段や、評価対象の培養細胞群の品質を工学的に管理するときの手段として用いることができる。
【０１６７】
ところで、胚性幹細胞（ＥＳ細胞）や人工多能性幹細胞（ｉＰＳ細胞）を培養する場合、たとえば、これらの細胞のコロニーから、コロニーの一部の細胞を切り出し、この切り出した細胞を培養して増殖させることがある。そして、コロニーから細胞が切り出されることは、一度とは限らず、複数回の場合もある。この場合、コロニーから細胞を切り出すという「手技」が複数回行われることになる。
【０１６８】
よって、このような場合、複数回の手技において、いずれかの場合に、「手技」が不適切となる可能性がある。もし、「手技」が不適切であるとすると、その細胞を培養したとしても、実験などで用いるのに適切な細胞ではない可能性がある。
【０１６９】
これに対して、上述した細胞評価装置によれば、簡易な方法により、その細胞に対しての「手技」を推定できる。そのため、実験などで用いるのに適切な細胞ではないことを、簡易に判定することができる。
【０１７０】
また、上記の場合、細胞を培養して増殖させることを目標としているが、もし、この細胞の残存ダブリング数が残り僅かであるとすると、その細胞を培養したとしても、本来の適切な細胞数、または、所望する細胞数まで、細胞を増殖させることができない可能性がある。
【０１７１】
これに対して、上述した細胞評価装置によれば、簡易な方法により、その細胞に対しての「残存ダブリング数」を推定できる。よって、ユーザは、本来の適切な細胞数、または、所望する細胞数まで、細胞を増殖させることができる。
【０１７２】
このように、複数回の手技が介在するような場合に、本実施形態による細胞評価装置は好適である。そのため、本実施形態における細胞評価装置は、胚性幹細胞（ＥＳ細胞）や人工多能性幹細胞（ｉＰＳ細胞）を培養して実験を行う場合に、好適である。また、同様に、本実施形態における細胞評価装置は、化粧品や医薬品の開発においても好適である。
【０１７３】
また、本実施形態による細胞評価装置は画像に基づいて、手技や残存ダブリング数を推定する。そのため、本実施形態による細胞評価装置は、細胞に対して非侵襲に、手技や残存ダブリング数を推定することができる。よって、細胞を培養しながら、その細胞そのものを撮像した画像に基づいて、細胞に対しての手技や残存ダブリング数を推定することができる。そのため、本実施形態による細胞評価装置は、細胞の培養において、好適である。
【０１７４】
なお、上記の説明のおいては、細胞評価計算モデル構築部４２２１が、細胞に対しての残存回数（残存ダブリング数）を算出する細胞評価計算モデルを構築し、細胞評価部４２２２が、構築された細胞評価計算モデルに基づいて、残存ダブリング数を算出して、細胞の残存ダブリング数を評価する場合について説明した。
【０１７５】
しかし、これに限られるものではなく、細胞評価計算モデル構築部４２２１は、各々の画像に対応する特徴量と、細胞に対して予め定められた任意の特性（既知の特性）とに基づいて、細胞に対して予め定められた任意の特性を算出する細胞評価計算モデルを構築してもよい。そして、細胞評価部４２２２は、このようにして構築された細胞評価計算モデルに基づいて、予め定められた任意の特性を算出して、細胞に対しての任意の特性を評価してもよい。
【０１７６】
この場合にも、手技評価部４２１２により評価された画像に基づいて、細胞評価計算モデル構築部４２２１は、細胞評価計算モデルを構築する。そのため、細胞評価計算モデル構築部４２２１は、より安定して精度よく、細胞評価計算モデルを構築することができる。また、細胞評価計算モデルがより安定して精度よく構築されているため、細胞評価部４２２２は、より安定して精度よく、細胞に対しての任意の特性を評価することができる。
【０１７７】
＜第２の実施形態＞
次に、図１３を用いて、この発明の第２の実施形態による細胞評価装置を含むインキュベータの構成について説明する。同図において図１の各部に対応する部分には同一の符号を付け、その説明を省略する。なお、ここでは、がん細胞の数（予測値）を求める場合について説明するが、第１の実施形態のように、残存ダブリング数を推定する場合も、同様である。
【０１７８】
また、ここでは、細胞評価計算モデル構築部４２２１が細胞評価計算モデルを構築する場合について説明する。なお、第１の実施形態において説明したように、手技評価計算モデル構築部４２１１が手技評価計算モデルを構築する場合も、この細胞評価計算モデル構築部４２２１が細胞評価計算モデルを構築する場合と同様である。
【０１７９】
図１３に示されている第２の実施形態による細胞評価装置を含むインキュベータは、図１に示された第１の実施形態による細胞評価装置を含むインキュベータに対して、更に、度数分布演算部４２０４を備えている。
【０１８０】
この度数分布演算部４２０４は、特徴量演算部４２０２により抽出された特徴量について、各々の画像に対応する特徴量の度数分布を、複数の特徴量の種類ごとに生成する。そして、度数分布演算部４２０４は、特徴量の度数分布を、特徴量として細胞評価計算モデル構築部４２２１に出力する。たとえば、度数分布演算部４２０４は、特徴量の度数分布を、指標として細胞評価計算モデル構築部４２２１に出力する。なお、この度数分布演算部４２０４は、各々の度数分布における度数の区分を、特徴量の種類ごとの標準偏差を用いてそれぞれ正規化してもよい。
【０１８１】
そして、細胞評価計算モデル構築部４２２１は、第１の実施形態において説明した特徴量演算部４２０２により求められた特徴量と、度数分布演算部４２０４により求められた度数分布とを、それぞれ指標として、細胞評価計算モデルを構築する。すなわち、細胞評価計算モデル構築部４２２１は、第１の実施形態において説明した特徴量演算部４２０２により求められた特徴量という指標と、度数分布演算部４２０４により求められた度数分布という指標とを、任意に組み合わせて、細胞評価計算モデルを構築する。
【０１８２】
なお、細胞評価計算モデル構築部４２２１は、画像間での度数分布の変化に基づいて、細胞評価計算モデルを構築してもよい。また、細胞評価計算モデル構築部４２２１は、画像間での度数分布の差分を用いて、細胞評価計算モデルを構築してもよい。また、細胞評価計算モデル構築部４２２１は、複数の特徴量の種類毎に生成された度数分布の変化の情報に基づいて、細胞評価計算モデルを構築してもよい。
【０１８３】
また、細胞評価計算モデル構築部４２２１は、画像の撮影時間および特徴量の種類がそれぞれ異なる複数の度数分布の組み合わせのうちから、細胞評価計算モデルの構築に用いる度数分布の組み合わせを抽出し、細胞評価計算モデルを構築してもよい。
【０１８４】
なお、細胞評価部４２２２は、細胞評価計算モデル構築部４２２１で細胞評価計算モデル構築時に用いた細胞の特徴量の度数分布を取得するためにも使用される度数分布演算部４２０４から、評価する細胞の特徴量の度数分布を得ている。このようにすることで、少ない構成で細胞評価計算モデル構築と細胞評価装置との両方をなし得る装置構成となっている。
しかしながら、細胞の特徴量の度数分布を出力する構成（度数分布演算部４２０４）は、細胞評価計算モデル構築部４２２１と細胞評価部４２２２とに対応させて、異なる構成としてもよい。たとえば、細胞評価計算モデル構築部４２２１を備えている細胞評価計算モデル装置は、度数分布演算部４２０４を備えており、細胞評価部４２２２を備えている細胞評価装置は、度数分布演算部４２０４と同様の構成を有している残存回数算出用度数分布演算部を備えていてもよい。
【０１８５】
次に、図１４を用いて、第２の実施形態による細胞評価装置の動作について説明する。なお、同図において、図７を用いて説明した第１の実施形態による細胞評価装置の動作と同一のステップについては同一のステップ番号を付し、その説明を省略し、相違点のみについて説明する。
【０１８６】
この図１４に示されている第２の実施形態による細胞評価装置の動作は、図７に示されている第１の実施形態による細胞評価装置の動作に対比して、ステップＳ２０６とＳ２０９との間に、ステップＳ２０７とＳ２０８とが更に追加されている。
【０１８７】
ここでは、培養容器１９のタイムラプス観察は、培養開始から８時間経過後を初回として、８時間おきに７２時間目まで行われている場合について説明する。そのため、細胞評価装置は、培養容器１９および観察ポイントが共通するサンプルの顕微鏡画像について、９枚分（８ｈ，１６ｈ，２４ｈ，３２ｈ，４０ｈ，４８ｈ，５６ｈ，６４ｈ，７２ｈ）を１セットとして取得することになる。なお、ここでは、複数の培養容器１９がそれぞれタイムラプス観察されており、上記のサンプルの顕微鏡画像が複数セット分、記憶部４３に予め記憶されているものとして説明する。
【０１８８】
この図１４の場合、ステップＳ２０６において、ＣＰＵ４２は、全ての顕微鏡画像が処理済み（全てのサンプルの顕微鏡画像で各細胞の特徴量が取得済みの状態）であるか否かを判定する。上記要件を満たす場合（ＹＥＳ側）には、ＣＰＵ４２はステップＳ２０７に処理を移行させる。一方、上記要件を満たさない場合（ＮＯ側）には、ＣＰＵ４２はステップＳ２０２に戻って、未処理の他の顕微鏡画像を処理対象として上記動作を繰り返す。
【０１８９】
ステップＳ２０７：度数分布演算部４２０４は、各々の顕微鏡画像について特徴量の種類ごとにそれぞれ特徴量の度数分布を求める。したがって、ステップＳ２０７での度数分布演算部４２０４は、１回の観察で取得される顕微鏡画像に対して１６種類の特徴量の度数分布を求めることとなる。
【０１９０】
ステップＳ２０８：度数分布演算部４２０４（または、細胞評価計算モデル構築部４２２１）は、特徴量の種類ごとにそれぞれ上記の度数分布の経時的変化を求める。
【０１９１】
ステップＳ２０８での度数分布演算部４２０４（または、細胞評価計算モデル構築部４２２１）は、１セット分の顕微鏡画像から取得した度数分布（９×１６）のうち、特徴量の種類が同じで撮影時間の異なる２つの度数分布を組み合わせる。一例として、度数分布演算部４２０４（または、細胞評価計算モデル構築部４２２１）は、特徴量の種類が同じで撮影時間の異なる９つの度数分布について、８時間目および１６時間目の度数分布と、８時間目および２４時間目の度数分布と、８時間目および３２時間目の度数分布と、８時間目および４０時間目の度数分布と、８時間目および４８時間目の度数分布と、８時間目および５６時間目の度数分布と、８時間目および６４時間目の度数分布と、８時間目および７２時間目の度数分布とをそれぞれ組み合わせる。つまり、１セット分における１種類の特徴量に注目したとき、その特徴量の度数分布につき、計８通りの組み合わせが発生する。
【０１９２】
そして、度数分布演算部４２０４（または、細胞評価計算モデル構築部４２２１）は、上記８通りの組み合わせについて、以下の式（４）により度数分布の変化量（画像間での度数分布の差分の絶対値を積分したもの）をそれぞれ求める。
【０１９３】
【数４】
【０１９４】
但し、式（４）において、「Ｃｏｎｔｒｏｌ」は初期状態の度数分布（８時間目）における１区間分の度数（細胞数）を示す。また、「Ｓａｍｐｌｅ」は、比較対象の度数分布における１区間分の度数を示す。また、「ｉ」は、度数分布の区間を示す変数である。
【０１９５】
度数分布演算部４２０４（または、細胞評価計算モデル構築部４２２１）は、特徴量の種類ごとに上記演算を行うことで、すべての特徴量についてそれぞれ８通りの度数分布の変化量を取得できる。すなわち、１セット分の顕微鏡画像について、１６種類×８通りで１２８の度数分布の組み合わせをとることができる。ここでは、上記の度数分布の組み合わせの１つを単に「指標」と表記する。なお、ステップＳ２０８での度数分布演算部４２０４（または、細胞評価計算モデル構築部４２２１）は、複数の顕微鏡画像のセットにおいて、各指標に対応する１２８の度数分布の変化量をそれぞれ求めることはいうまでもない。
【０１９６】
ステップＳ２１１：細胞評価計算モデル構築部４２２１は、１２８の指標のうちから、細胞の培養状態をよく反映する指標を多変量解析により１以上指定する。この指標の組合せの選択は、後述するファジーニューラルネットワークと同等の非線形モデル以外にも、細胞とその形態の複雑性に応じて線形モデルの利用も有効である。このような指標の組合せの選択と共に、細胞評価計算モデル構築部４２２１は、上記の指定された１以上の指標を用いて、顕微鏡画像からがん細胞の数を導出する細胞評価計算モデルを求める。
【０１９７】
＜ステップＳ２０７の一例＞
次に、ステップＳ２０７の一例について詳細に説明する。
ステップＳ２０７において、度数分布演算部４２０４は、上述したように、各々の顕微鏡画像について特徴量の種類ごとにそれぞれ特徴量の度数分布を求める。したがって、ステップＳ２０７での度数分布演算部４２０４は、１回の観察で取得される顕微鏡画像に対して１６種類の特徴量の度数分布を求めることとなる。
【０１９８】
ここで、度数分布演算部４２０４は、各々の度数分布において、特徴量の各区分に対応する細胞の数を頻度（％）として求めるものとする。また、ステップＳ２０７での度数分布演算部４２０４は、上記の度数分布における度数の区分を、特徴量の種類ごとの標準偏差を用いて正規化する。
【０１９９】
ここでは一例として、「Ｓｈａｐｅ Ｆａｃｔｏｒ」の度数分布での区分を決定する場合を説明する。
【０２００】
まず、度数分布演算部４２０４は、各々の顕微鏡画像から求めた全ての「Ｓｈａｐｅ Ｆａｃｔｏｒ」の値の標準偏差を算出する。次に、度数分布演算部４２０４は、上記の標準偏差の値をＦｉｓｈｅｒの式に代入して、「Ｓｈａｐｅ Ｆａｃｔｏｒ」の度数分布における度数の区分の基準値を求める。このとき、度数分布演算部４２０４は、全ての「Ｓｈａｐｅ Ｆａｃｔｏｒ」の値の標準偏差（Ｓ）を４で除するとともに、小数点以下３桁目を四捨五入して上記の基準値とする。なお、本実施形態での度数分布演算部４２０４は、度数分布をヒストグラムとして図示する場合、２０級数分の区間をモニタ等に描画させるものとする。
【０２０１】
一例として、「Ｓｈａｐｅ Ｆａｃｔｏｒ」の標準偏差Ｓが２５９のとき、２５９／４＝６４．７５０から「６４．７５」が上記の基準値となる。そして、注目する画像の「Ｓｈａｐｅ Ｆａｃｔｏｒ」の度数分布を求めるとき、度数分布演算部４２０４は、「Ｓｈａｐｅ Ｆａｃｔｏｒ」の値に応じて０値から６４．７５刻みで設定された各クラスに細胞を分類し、各クラスでの細胞の個数をカウントすればよい。
【０２０２】
このように、度数分布演算部４２０４が、特徴量の種類毎に標準偏差で度数分布の区分を正規化するため、異なる特徴量の間でも度数分布の傾向を大局的に近似させることができる。よって、本実施形態では、異なる特徴量間で細胞の培養状態と度数分布の変化との相関を求めることが比較的容易となる。
【０２０３】
ここで、図１５（ａ）は、がん細胞の初期混在率が０％のときの「Ｓｈａｐｅ Ｆａｃｔｏｒ」の経時的変化を示すヒストグラムである。図１５（ｂ）は、がん細胞の初期混在率が６．７％のときの「Ｓｈａｐｅ Ｆａｃｔｏｒ」の経時的変化を示すヒストグラムである。図１５（ｃ）は、がん細胞の初期混在率が２５％のときの「Ｓｈａｐｅ Ｆａｃｔｏｒ」の経時的変化を示すヒストグラムである。
【０２０４】
また、図１５（ｄ）は、がん細胞の初期の混在率が０％のときの「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」の経時的変化を示すヒストグラムである。ただし、この図では理解しやすさのため、ヒストグラムをＦｉｂｅｒ Ｌｅｎｇｔｈ＝323までで省略してある。図１５（ｅ）は、がん細胞の初期の混在率が６．７％のときの「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」の経時的変化を示すヒストグラムである。図１５（ｆ）は、がん細胞の初期の混在率が２５％のときの「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」の経時的変化を示すヒストグラムである。
【０２０５】
ここで、本実施形態において度数分布の経時的変化に注目する理由を説明する。図１６は、正常な細胞群（がん細胞の初期混在率０％）をインキュベータ１１で培養してタイムラプス観察したときの顕微鏡画像をそれぞれ示す。なお、図１６の各顕微鏡画像から求めた「Ｓｈａｐｅ Ｆａｃｔｏｒ」の度数分布を示すヒストグラムは、図１５（ａ）で示している。
【０２０６】
この場合、図１６の各画像では時間の経過に伴って細胞の数は増加するものの、図１５（ａ）に示す「Ｓｈａｐｅ Ｆａｃｔｏｒ」のヒストグラムでは、各画像に対応する度数分布はいずれもほぼ同じ形状を保っている。
【０２０７】
一方、図１７は、正常な細胞群に予めがん細胞を２５％混在させたものをインキュベータ１１で培養してタイムラプス観察したときの顕微鏡画像をそれぞれ示す。なお、図１７の各顕微鏡画像から求めた「Ｓｈａｐｅ Ｆａｃｔｏｒ」の度数分布を示すヒストグラムは、図１５（ｃ）で示している。
【０２０８】
この場合、図１７の各画像では時間の経過に伴って、正常細胞と形状の異なるがん細胞（丸みを帯びた細胞）の比率が増加する。これにより、図１５（ｃ）に示す「ＳｈａｐｅＦａｃｔｏｒ」のヒストグラムでは、時間の経過に応じて各画像に対応する度数分布の形状に大きな変化が現れる。よって、度数分布の経時的変化が、がん細胞の混在と強い相関を有することが分かる。本発明者らは、上記知見に基づいて、度数分布の経時的変化の情報から培養細胞の状態を評価するものである。
【０２０９】
＜ステップＳ２１２の一例＞
ここで、第２の実施形態における図１４のステップＳ２１２で実行される処理の一例について説明する。この場合、ステップＳ２１２での細胞評価計算モデル構築部４２２１は、以下の（Ａ）から（Ｈ）の処理により、上記の細胞評価計算モデルを求める。ここでは、指標として、上述した度数分布の経時的変化の情報を用いた場合について説明する。すなわち、１２８の指標を用いる場合について説明する。
【０２１０】
（Ａ）細胞評価計算モデル構築部４２２１は、１２８の指標のうちから１つの指標を選択する。
【０２１１】
（Ｂ）細胞評価計算モデル構築部４２２１は、（Ａ）で選択された指標による度数分布の変化量を変数とした計算式により、各々の顕微鏡画像のセットでのがん細胞の数（予測値）を求める。
【０２１２】
仮に、１つの指標からがん細胞の数を求める計算式を「Ｙ＝αＸ１」（但し、「Ｙ」はがん細胞の計算値（例えばがん細胞の増加数を示す値）、「Ｘ１」は上記の選択された指標に対応する度数分布の変化量（ステップＳ２０８で求めたもの）、「α」はＸ１に対応する係数値、をそれぞれ示す。）とする。このとき、細胞評価計算モデル構築部４２２１は、αに任意の値を代入するとともに、Ｘ１に各セットにおける度数分布の変化量をそれぞれ代入する。これにより、各セットでのがん細胞の計算値（Ｙ）が求められる。
【０２１３】
（Ｃ）細胞評価計算モデル構築部４２２１は、各々の顕微鏡画像のセットについて、（Ｂ）で求めた計算値Ｙと、実際のがん細胞の数（教師値）との誤差をそれぞれ求める。なお、上記の教師値は、ステップＳ２０１で読み込んだがん細胞の数の情報に基づいて、細胞評価計算モデル構築部４２２１が求めるものとする。
【０２１４】
そして、細胞評価計算モデル構築部４２２１は、各顕微鏡画像のセットでの計算値の誤差がより小さくなるように、教師付き学習により上記の計算式の係数αを修正する。
【０２１５】
（Ｄ）細胞評価計算モデル構築部４２２１は、上記の（Ｂ）および（Ｃ）の処理を繰り返し、上記（Ａ）の指標について、計算値の平均誤差が最も小さくなる計算式のモデルを取得する。
【０２１６】
（Ｅ）細胞評価計算モデル構築部４２２１は、１２８の各指標について、上記（Ａ）から（Ｄ）の各処理を繰り返す。そして、細胞評価計算モデル構築部４２２１は、１２８の各指標における計算値の平均誤差を比較し、その平均誤差が最も低くなる指標を、評価情報の生成に用いる１番目の指標とする。
【０２１７】
（Ｆ）細胞評価計算モデル構築部４２２１は、上記（Ｅ）で求めた１番目の指標と組み合わせる２番目の指標を求める。このとき、細胞評価計算モデル構築部４２２１は、上記の１番目の指標と残りの１２７の指標とを１つずつペアにしてゆく。次に、細胞評価計算モデル構築部４２２１は、各々のペアにおいて、計算式でがん細胞の予測誤差を求める。
【０２１８】
仮に、２つの指標からがん細胞の数を求める計算式を「Ｙ＝αＸ１＋βＸ２」（但し、「Ｙ」はがん細胞の計算値、「Ｘ１」は１番目の指標に対応する度数分布の変化量、「α」はＸ１に対応する係数値、「Ｘ２」は、選択された指標に対応する度数分布の変化量、「β」はＸ２に対応する係数値、をそれぞれ示す。）とする。そして、細胞評価計算モデル構築部４２２１は、上記の（Ｂ）および（Ｃ）と同様の処理により、計算値の平均誤差が最も小さくなるように、上記の係数α、βの値を求める。
【０２１９】
その後、細胞評価計算モデル構築部４２２１は、各々のペアで求めた計算値の平均誤差を比較し、その平均誤差が最も低くなるペアを求める。そして、細胞評価計算モデル構築部４２２１は、平均誤差が最も低くなるペアの指標を、評価情報の生成に用いる１番目および２番目の指標とする。
【０２２０】
（Ｇ）細胞評価計算モデル構築部４２２１は、所定の終了条件を満たした段階で演算処理を終了する。例えば、細胞評価計算モデル構築部４２２１は、指標を増やす前後の各計算式による平均誤差を比較する。そして、細胞評価計算モデル構築部４２２１は、指標を増やした後の計算式による平均誤差が、指標を増やす前の計算式による平均誤差より高い場合（または両者の差が許容範囲に収まる場合）には、ステップＳ２１２の演算処理を終了する。
【０２２１】
（Ｈ）一方、上記（Ｇ）で終了条件を満たさない場合、細胞評価計算モデル構築部４２２１は、さらに指標の数を１つ増やして、上記（Ｆ）および（Ｇ）と同様の処理を繰り返す。これにより、上記の細胞評価計算モデルを求めるときに、ステップワイズな変数選択によって指標の絞り込みが行われることとなる。
【０２２２】
これにより、第１の実施形態の場合と同様に、指標に対応する度数分布の変化量を用いて、第２の実施形態でも細胞評価計算モデルを構築することができる。なお、第２の実施形態のいては、指標に対応する度数分布の変化量を用いて細胞評価計算モデルが構築されている。そのため、第２の実施形態による細胞評価計算モデルは、第１の実施形態による細胞評価計算モデルに対比して、より精度を高くすることができる。
【０２２３】
このようにして、第２の実施形態により、上記の細胞評価計算モデルの指標として、『「Ｓｈａｐｅ Ｆａｃｔｏｒ」の８時間目、７２時間目の度数分布の組み合わせ』と、『「Ｐｅｒｉｍｅｔｅｒ」の８時間目、２４時間目の度数分布の組み合わせ』と、『「Ｌｅｎｇｔｈ」の８時間目、７２時間目の度数分布の組み合わせ』との３つを用いた場合、がん細胞の予測精度が９３．２％となる細胞評価計算モデルを得ることができた。
【０２２４】
また、上記の細胞評価計算モデルの指標として、『「Ｓｈａｐｅ Ｆａｃｔｏｒ」の８時間目、７２時間目の度数分布の組み合わせ』と、『「Ｆｉｂｅｒ Ｂｒｅａｄｔｈ」の８時間目、５６時間目の度数分布の組み合わせ』と、『「ｒｅｌａｔｉｖｅ ｈｏｌｅ ａｒｅａ」の８時間目、７２時間目の度数分布の組み合わせ』と、『「Ｓｈａｐｅ Ｆａｃｔｏｒ」の８時間目、２４時間目の度数分布の組み合わせ』と、『「Ｂｒｅａｄｔｈ」の８時間目、７２時間目の度数分布の組み合わせ』と、『「Ｂｒｅａｄｔｈ」の８時間目、６４時間目の度数分布の組み合わせ』との６つを用いた場合、がん細胞の予測精度が９５．５％となる細胞評価計算モデルを得ることができた。
【０２２５】
なお、上記に説明した図１４のステップＳ２０７の処理においては、度数分布演算部４２０４は、８時間目を基準として、１種類の特徴値に対して８通りの指標を求め、１６種類の特徴値に対して合計１２８（１６種類×８通り）の指標を求めた。しかし、指標としてはこれに限られるものではなく、評価情報生成部４６は、８時間目、１６時間目、２４時間目、３２時間目、４０時間目、４８時間目、５６時間目、６４時間目、および、７２時間目の各々を基準として、１種類の特徴値に対して３６（＝９×８÷２）通りの指標をそれぞれ求め、１６種類の特徴値に対して合計５７６（１６種類×３６通り）の指標を求めてもよい。
このような基準となる時刻が異なる指標を用いることにより、細胞評価計算モデル構築部４２２１は、より予測精度が高い細胞評価計算モデルを構築することができる。
【０２２６】
なお、指標としては、第２の実施形態において説明した度数分布の経時的変化の情報と、第１の実施形態において説明した各時刻ごとの特徴量の値とを、任意に組み合わせてもよい。これにより、細胞評価計算モデル構築部４２２１は、より予測精度が高い細胞評価計算モデルを構築することができる。
【０２２７】
次に、図１８の流れ図を用いて、第２の実施形態による細胞評価装置が、評価対象となる細胞に対して評価する場合の処理について説明する。ここでは、図１２を用いて説明した第１の実施形態による細胞評価装置が、評価対象となる細胞に対して評価する場合の処理との相違点のみについて説明する。
【０２２８】
この図１８の流れ図においては、図１２の流れ図に対して、ステップＳ３０２とステップＳ３０４との間に、ステップＳ３０３が追加されている。このステップＳ３０３において、度数分布演算部４２０４（または、細胞評価計算モデル構築部４２２１）は、特徴量の種類ごとにそれぞれ上記の度数分布の経時的変化を求める。これは、上記に図１４のステップＳ２０８において説明した処理と同様の処理である。ただし、ステップＳ３０３とステップＳ２０８とでは、対象とする画像が異なる。
【０２２９】
その後、図１８のステップＳ３０７において、ＣＰＵ４２の細胞評価部４２２２は、ステップＳ３０１で求めた複数の特徴量と、ステップＳ３０３で求めた度数分布の経時的変化とを、ステップＳ３０６で読み出した細胞評価計算モデルに代入して演算を行う。これにより、第２の実施形態によるＣＰＵ４２の細胞評価部４２２２は、複数の特徴量と、度数分布の経時的変化とを指標として、細胞を評価することができる。
【０２３０】
このＣＰＵ４２の細胞評価部４２２２と同様に、ＣＰＵ４２の手技評価部４２１２は、複数の特徴量と、度数分布の経時的変化とを指標として、手技を評価することができる。
【０２３１】
なお、図１３の説明においては、度数分布演算部４２０４は、ＣＰＵ４２に備えられているものとして説明した。しかし、この度数分布演算部４２０４は、特徴量演算部４２０２に備えられていてもよい。また、度数分布演算部４２０４と特徴量演算部４２０２とは、一体として構成されていてもよい。また、この度数分布演算部４２０４は、細胞評価計算モデル構築部４２２１または細胞評価計算モデル構築部４２２１に、備えられていてもよい。
【０２３２】
＜実施例＞
以下、上記に説明した第１または第２の実施形態の１実施例として、筋芽細胞の分化予測の例を説明する。この筋芽細胞の分化予測は、例えば、心臓病治療の一つとして行われる筋芽細胞シート移植での品質管理や、筋組織の再生治療での品質管理などで応用が期待されている。
【０２３３】
筋芽細胞の培養時に血清濃度の低下により培地の成分を変化させると、筋芽細胞から筋管細胞への分化が起こり、筋肉組織を作ることができる。図１９（ａ）は筋芽細胞の培養状態の一例を示し、図１９（ｂ）は筋芽細胞を分化させた状態の例を示している。
【０２３４】
また、図２０、図２１は、筋芽細胞の培養時における「Ｓｈａｐｅ Ｆａｃｔｏｒ」の経時的変化を示すヒストグラムである。図２０は、筋芽細胞に分化が認められた場合（血清４％）における０時間目および１１２時間目の「Ｓｈａｐｅ Ｆａｃｔｏｒ」の度数分布をそれぞれ示している。図２１は、筋芽細胞に分化が認められない場合（高血清状態）における０時間目および１１２時間目の「Ｓｈａｐｅ Ｆａｃｔｏｒ」の度数分布をそれぞれ示している。なお、図２０、図２１では、０時間目の度数分布をそれぞれ破線で示し、１１２時間目の度数分布をそれぞれ実線で示す。
【０２３５】
図２０の２つのヒストグラムを比較すると、両者の形状は大きな変化を示す。一方、図２１の２つのヒストグラムを比較すると、両者の形状にはさほど大きな変化はみられない。そのため、筋芽細胞の分化度（分化する筋芽細胞の混在率）の変化に応じて、ヒストグラムにも変化が生じることが分かる。
【０２３６】
ここで、実施例では、第１または第２の実施形態のインキュベータによって、筋芽細胞の７２個のサンプルについてそれぞれ８時間間隔で５日目までタイムラプス観察を行った。そして、制御装置（細胞評価装置）は、以下の２段階の処理によって筋芽細胞の分化予測を行った。
【０２３７】
第１段階では、上記の細胞評価計算モデルの生成処理に準拠して、筋芽細胞の分化の有無を二者択一的に判別する２群判別モデルを制御装置に生成させた。一例として、制御装置は、観察開始後８時間目から３２時間目までの顕微鏡画像から得られる全指標のうちから指標を選択し、筋芽細胞の分化度を求める第１判定モデルと、第１判定モデルで求めた分化度から閾値で分化の有無を判別する第２判定モデルとを構築した。そして、制御装置は、上記の第１判定モデルおよび第２判定モデルによる判別分析で、７２個のサンプルをそれぞれ分化の有無に応じて２つのグループに分別した。その結果、制御装置は、７２個のサンプルで分化の有無をいずれも正しく判別できた。
【０２３８】
第２段階では、上記の細胞評価計算モデルの生成処理に準拠して、筋芽細胞の５日目（１２０時間目）の分化度を予測する予測モデルを制御装置に生成させた。実施例では、７２個のサンプルのうち、第１段階の処理で「分化する」と判別された４２個のサンプルのみを用いて、制御装置により２種類の予測モデル（第１の予測モデル、第２の予測モデル）を構築した。
【０２３９】
第１の予測モデルは、『「Ｂｒｅａｄｔｈ」の８時間目、４８時間目の度数分布の組み合わせ』と、『「Ｂｒｅａｄｔｈ」の８時間目、３２時間目の度数分布の組み合わせ』と、『「Ｉｎｎｅｒ ｒａｄｉｕｓ」の８時間目、２４時間目の度数分布の組み合わせ』と、『「Ｌｅｎｇｔｈ」の８時間目、１０４時間目の度数分布の組み合わせ』と、『「Ｈｏｌｅ ａｒｅａ」の８時間目、９６時間目の度数分布の組み合わせ』との５つの指標を用いた予測モデルである。
【０２４０】
図２２は、実施例における第１の予測モデルでの各サンプルの予測結果を示すグラフである。図２２の縦軸は、第１の予測モデルが予測した５日目のサンプルの分化度を示している。図２２の横軸は、５日目の時点でサンプルの分化度を熟練者が評価した値（見かけの分化度）を示している。そして、図２２では、１つのサンプル毎に１つの点がグラフ上にプロットされる。なお、図２２において、グラフの右上から左下に延びる直線の近くに点がプロットされるほど、予測の精度が高いこととなる。この第１の予測モデルでは、分化の予測精度（正答率）が９０．５％（誤差±５％）となった。
【０２４１】
また、第２の予測モデルは、『「Ｂｒｅａｄｔｈ」の８時間目、４８時間目の度数分布の組み合わせ』と、『「Ｂｒｅａｄｔｈ」の８時間目、３２時間目の度数分布の組み合わせ』と、『「Ｉｎｎｅｒ ｒａｄｉｕｓ」の８時間目、２４時間目の度数分布の組み合わせ』と、『「Ｏｒｉｅｎｔａｔｉｏｎ（細胞配向性）」の８時間目、１６時間目の度数分布の組み合わせ』と、『「Ｍｏｄｉｆｉｅｄ Ｏｒｉｅｎｔａｔｉｏｎ（細胞の向きのバラツキ度）」の８時間目、２４時間目の度数分布の組み合わせ』との５つの指標を用いた予測モデルである。
【０２４２】
なお、上記の「Ｏｒｉｅｎｔａｔｉｏｎ」は、各細胞の長軸と画像の水平方向（Ｘ軸）とがなす角度を示す特徴量である。この「Ｏｒｉｅｎｔａｔｉｏｎ」の値が同じであれば、細胞は同じ方向に配向していることとなる。また、上記の「Ｍｏｄｉｆｉｅｄ Ｏｒｉｅｎｔａｔｉｏｎ」は、フィルタリングにより画像内の細胞をデフォルメした状態で各細胞の角度を数値化し、そのバラツキを算出した特徴量である。この「ＭｏｄｉｆｉｅｄＯｒｉｅｎｔａｔｉｏｎ」の値は、細胞の角度が多様であるほど大きな値を示す特性をもつ。
【０２４３】
図２３は、実施例における第２の予測モデルでの各サンプルの予測結果を示すグラフである。この図２３の見方については、図２２と同様であるので重複説明は省略する。この第２の予測モデルでは、２日目（４８時間目）までの観察結果に基づいて分化の予測を行い、その予測精度が８５．７％（誤差±５％）となった。したがって、本実施例での第２の予測モデルによれば、通常では非常に困難な筋細胞の分化予測を、２日目までの観察結果によって高い精度で定量予測できた。
【０２４４】
次に、図２４を用いて、本実施形態により予測した残存ダブリング数と、実測された残存ダブリング数との関係について説明する。ここでは、図２４（ａ）に示すように、２４時間（２４ｈ）おきに細胞を撮像し、この撮像により得られた位相差画像が用いられる実験が行われているものとする。この実験においては、３日おきに培地が交換されている。なお、この培養される細胞は、ほぼ６日毎に、１継代を経る。また、ここでは、手技として、凍結なしの場合（たとえば、図５の左上の場合）と、凍結ありの場合（たとえば、図５の左下の場合）との、それぞれの場合について実験が行われている。
【０２４５】
図２４（ｂ）には、凍結なしの場合（たとえば、図５の左上の場合）について、この実験により得られた残存ダブリング数を横軸にし、本実施形態により予測された残存ダブリング数を縦軸にして、実験結果毎に記号「○」がプロットされている。なお、この図において、実験結果と予測結果とが完全に一致する場合には、プロットされる記号「○」は、同図に示す原点を通る傾き１の直線上にプロットされることになる。
【０２４６】
ここでは、細胞評価計算モデル構築部４２２１は、重回帰分析（ＭＲＡ）により、細胞評価計算モデルを構築している。そして、細胞評価部４２２２は、重回帰分析（ＭＲＡ）により構築された細胞評価計算モデルにより、残存ダブリング数を算出して予測している。
【０２４７】
この図２４（ｂ）の場合には、指標として、『「Ｓｈａｐｅ Ｆａｃｔｏｒ」の４８時間目と２４時間目』と、『「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」の７２時間目および２４時間目』と、『「Ｆｉｂｅｒ Ｂｒｅａｄｔｈ」の２４時間目』との５つの指標を用いた重回帰分析（ＭＲＡ）により、細胞評価計算モデルが構築されている。
【０２４８】
図２４（ｃ）には、凍結ありの場合（たとえば、図５の左下の場合）について、図２４（ｂ）と同様のグラフが示されている。
【０２４９】
この図２４（ｃ）の場合には、指標として、『「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」の２４時間目と９６時間目との差』と、『「Ｆｉｂｅｒ Ｌｅｎｇｔｈ」の９６時間目』と、『「Ｆｉｂｅｒ Ｂｒｅａｄｔｈ」の４８時間目と９６時間目の差』との３つの指標を用いた重回帰分析（ＭＲＡ）により、細胞評価計算モデルが構築されている。
【０２５０】
図２４（ｂ）の場合には、相関係数（Ｒ２）は０．９７６であり、標準誤差は１．６３である。図２４（ｃ）の場合には、相関係数（Ｒ２）は０．９５８であり、標準誤差は１．６０である。このように、凍結なしと凍結ありのいずれの場合においても、細胞評価計算モデル構築部４２２１は、重回帰分析（ＭＲＡ）により細胞評価計算モデルを構築すると、非常に精度よく、残存ダブリング数を算出できる。
【０２５１】
なお、図２４（ｂ）と図２４（ｃ）とを用いて説明したように、手技に応じて、残存ダブリング数を算出する細胞評価計算モデルに用いる指標（または、細胞評価計算モデル）は異なる方が、予測精度が高いことがある。
【０２５２】
そこで、細胞評価計算モデル構築部４２２１は、細胞評価計算モデルを構築する場合、手技毎に、細胞評価計算モデルを構築してもよい（図）。そして、細胞評価計算モデル構築部４２２１は、構築した細胞評価計算モデルを、手技を示す情報と関連付けて記憶部４１に記憶しておく。
【０２５３】
その後、評価対象となる細胞を評価する場合、細胞評価部４２２２は、評価対象となる細胞が培養された場合の手技に対応する細胞評価計算モデルを、記憶部４１から読み出す。そして、細胞評価部４２２２は、この読み出した細胞評価計算モデルに基づいて、評価対象となる細胞を評価する。
【０２５４】
本実施形態においては、このように手技毎に細胞評価計算モデルが構築することにより、図２４（ｂ）と図２４（ｃ）とを用いて説明したように、より精度を高めることができる。
【０２５５】
なお、ここでいう「手技」とは、手技評価部４２１２により算出された「手技」であってもよい。また、「手技」が既知である場合には、ここでいう「手技」とは、入力された既知の「手技」であってもよい。なお、手技評価部４２１２により算出された「手技」の場合には、予め手技が既知でない場合であっても、細胞評価計算モデル構築部４２２１は手技毎に細胞評価計算モデルが構築でき、かつ、細胞評価部４２２２は手技毎に構築された細胞評価計算モデルに基づいて、細胞についての残存ダブリング数などの特性を、より精度良く予測することができる。
【０２５６】
図２５は、本実施形態の細胞評価装置を用いた細胞の培養方法を説明するためのフローチャートである。本フローチャートでは、増殖させたい所望の細胞が培養されている培養容器１９が、インキュベータ１１のストッカー２１が有する複数の棚のうちのいずれかに、収納されているものとして説明する。
【０２５７】
まず、ステップＳ１２０１において、ＣＰＵ４２は、予め決められた培養条件（例えば所定の温度、湿度等）で細胞を培養するよう温度調整装置１５ａと湿度調整装置１５ｂとを制御する。所定期間経過後、ステップＳ１２０２において、ＣＰＵ４２は、記憶部４３から読み出した本発明の実施形態の細胞評価プログラムを実行し、細胞を評価する。この「細胞を評価した結果（細胞の評価結果）」としては、手技であってもよいし、細胞の残存ダブリング数であってもよい。
【０２５８】
次に、ステップＳ１２０３において、ＣＰＵ４２は、細胞の評価結果に基づき、培養を中止するか、培養条件を変更するか、または現在の培養条件で培養を続行するか判定する。
【０２５９】
次に、ステップＳ１２０４において、ＣＰＵ４２が培養を中止すると判定した場合（ステップＳ１２０４ ＹＥＳ）、ＣＰＵ４２は培養の中止を示す情報を不図示のモニタ等に表示させ、処理を終了する。
一方、ＣＰＵ４２は培養を中止すると判定しなかった場合（ステップＳ１２０４ ＮＯ）、ＣＰＵ４２はステップＳ１２０５の処理に進む。
【０２６０】
次に、ステップＳ１２０５において、ＣＰＵ４２が培養条件を変更すると判定した場合（ステップＳ１２０５ ＹＥＳ）、ＣＰＵ４２は、細胞の状態の評価結果と関係付けられた培養条件（例えば所定の温度、湿度等）に変更するよう温度調整装置１５ａと湿度調整装置１５ｂとを制御する（ステップＳ１２０６）。その後、ＣＰＵ４２は、ステップＳ１２０２に処理を戻す。
一方、ＣＰＵ４２が現在の培養条件で培養を続行すると判定した場合（ステップＳ１２０５ ＮＯ）、ＣＰＵ４２はステップＳ１２０７に処理を進める。
【０２６１】
次に、ステップＳ１２０７において、ＣＰＵ４２は、予め決められた時間の経過毎に、撮像装置３４により撮像された画像から、細胞が撮像されている画像の領域を細胞ごとに抽出し、この抽出した細胞が撮像されている画像の領域の数すなわち細胞数を計数する。
【０２６２】
次に、ステップＳ１２０８において、計数された細胞数が所定の細胞数に到達していない場合（ステップＳ１２０８ ＮＯ）、計数された細胞数に応じた時間が経過した後、ＣＰＵ４２はステップＳ１２０２に処理を戻す。
一方、計数された細胞数が所定の細胞数に到達した場合（ステップＳ１２０８ ＹＥＳ）、ＣＰＵ４２はその細胞の培養が完了した旨を示す情報を、不図示のモニタ等に表示させる。以上で、本フローチャートは、終了する。
【０２６３】
以上により、本発明の細胞の培養方法を用いれば、細胞の評価に基づいて動的に培養条件を変更することができるので、所望の細胞を容易に増殖させることができる。
【０２６４】
なお、図２５の処理において、ＣＰＵ４２は、判定した結果を表示部などに表示してもよい。そして、ユーザは、この表示部に表示された結果に応じて、培養条件などを変更する情報を、入力部を介してＣＰＵ４２に入力する。このようにして、ＣＰＵ４２は、ユーザにより入力された情報に基づいて、培養条件などを変更してもよい。
【０２６５】
＜実施形態の補足事項＞
（１）上記の第１または第２の実施形態では、インキュベータ１１の制御装置４１に細胞評価装置を組み込んだ例を説明したが、本発明の細胞評価装置は、インキュベータ１１から顕微鏡画像を取得して解析を行う外部の独立したコンピュータで構成されていてもよい（この場合の図示は省略する）。
【０２６６】
（２）本発明の細胞評価装置は、複数の細胞評価計算モデルを組み合わせて、これらの細胞評価計算モデルによる演算結果の多数決（あるいは重み付け平均）によって、最終的な評価情報を生成するようにしてもよい。この場合には、例えば、ある場合にはＭＲＡが強く、ある場合にはＦＮＮが強いというように、一方の細胞評価計算モデルでは精度の低い状況を他のモデルによってカバーすることができ、評価情報の精度をより高めることができる。
【０２６７】
（３）また、細胞評価装置は、評価情報の細胞評価計算モデルを求めるときに、最初に複数の指標を組み合わせての計算結果を演算し、変数増減法により指標を増減させるようにしてもよい。また、データの精度が高ければ指標を全て用いても良い。
【０２６８】
（４）上記の第２の実施形態では、２つの度数分布の差分の絶対値和を用いて、度数分布の変化量を求める例を説明したが、２つの度数分布の差分の二乗和から度数分布の変化量を求めてもよい。また、上記の第１または第２の実施形態で示した計算式はあくまで一例に過ぎず、例えば２次以上のｎ次方程式などであってもよい。
【０２６９】
（５）上記の実施形態や実施例に示した特徴量はあくまで一例にすぎず、評価対象の細胞の種類などに応じて他の特徴量のパラメータを採用することも勿論可能である。
【０２７０】
上記の（１）から（５）は、細胞評価計算モデルに対してのみではなく、手技評価計算モデルに対しても、同様である。
【０２７１】
なお、図１または図１３における制御装置４１が備える各構成は専用のハードウェアにより実現されるものであってもよく、また、メモリおよびマイクロプロセッサにより実現させるものであってもよい。
なお、この図１または図１３の制御装置４１が備える各構成は専用のハードウェアにより実現されるものであってもよく、また、この制御装置４１が備える各構成はメモリおよびＣＰＵ（中央演算装置）により構成され、制御装置４１が備える各構成の機能を実現するためのプログラムをメモリにロードして実行することによりその機能を実現させるものであってもよい。
【０２７２】
また、図１または図１３における制御装置４１が備える各構成の機能を実現するためのプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行することにより制御装置４１が備える各構成による処理を行ってもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものとする。
【０２７３】
また、「コンピュータシステム」は、ＷＷＷシステムを利用している場合であれば、ホームページ提供環境（あるいは表示環境）も含むものとする。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、ＣＤ−ＲＯＭ等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムを送信する場合の通信線のように、短時間の間、動的にプログラムを保持するもの、その場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリのように、一定時間プログラムを保持しているものも含むものとする。また上記プログラムは、前述した機能の一部を実現するためのものであっても良く、さらに前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるものであっても良い。
【０２７４】
また、本実施の形態の細胞評価装置は、細胞評価を行うための細胞評価計算モデル構築部（細胞評価計算モデル構築装置）と細胞評価部（細胞評価装置）とが同一装置に組み込まれているが、本発明はこのような構成に限られない。例えば、細胞の評価計算モデル構築のために必要な機能を有した細胞評価モデル構築装置と、細胞評価モデル構築装置によって作成された細胞の評価計算モデルが導入された細胞評価部及び細胞の特徴量演算部などの細胞の評価に必要な機能を有した細胞評価装置とが別々になっていても良い。また細胞評価計算モデル構築装置または細胞評価装置と同様に、手技評価装置も、これら装置と異なる装置として構成されてもよい。
【０２７５】
以上の詳細な説明により、実施形態の特徴点および利点は明らかになるであろう。これは、特許請求の範囲が、その精神および権利範囲を逸脱しない範囲で前述のような実施形態の特徴点および利点にまで及ぶことを意図するものである。また、当該技術分野において通常の知識を有する者であれば、あらゆる改良および変更に容易に想到できるはずであり、発明性を有する実施形態の範囲を前述したものに限定する意図はなく、実施形態に開示された範囲に含まれる適当な改良物および均等物によることも可能である。
【符号の説明】
【０２７６】
１１…インキュベータ、１５…恒温室、１９…培養容器、２２…観察ユニット、３４…撮像装置、４１…制御装置、４２…ＣＰＵ、４３…記憶部、４２０１…入力部、４２０２…特徴量演算部、４２０３…画像読込部、４２０４…度数分布演算部、４２１１…手技評価計算モデル構築部（判定基準作成部）、４２１２…手技評価部（画像判定部）、４２２１…細胞評価計算モデル構築部（残存回数計算モデル構築部）、４２２２…細胞評価部（残存回数算出部）
【特許請求の範囲】
【請求項１】
同一培養容器内で培養された複数の細胞を異なる時間に撮像することによって得られた複数の画像と、当該細胞が分裂する残存回数を示す情報が入力される入力部と、
前記画像内の前記細胞の形態的な特徴を示す特徴量を出力する特徴量演算部と、
各々の前記画像に対応する前記特徴量と前記残存回数を示す情報とに基づいて、前記細胞に対しての残存回数を算出する計算モデルを構築する残存回数計算モデル構築部と、
を備えており、
前記残存回数計算モデル構築部は、
前記特徴量を変数とした重回帰分析により前記計算モデルを構築する、
ことを特徴とする細胞評価モデル生成装置。
【請求項２】
前記特徴量演算部は、各々の前記画像で、前記細胞の形態的な特徴を示す特徴量とその特徴量をもつ前記細胞の数とを示す度数分布を出力する度数分布演算部を有し、
前記残存回数計算モデル構築部は、
前記度数分布演算部から出力された度数分布を用いて、前記計算モデルを構築する
ことを特徴とする請求項１に記載の細胞評価モデル生成装置。
【請求項３】
培養容器内で培養された細胞が撮像されている画像を読み込む画像読込部を更に備え、
前記特徴量演算部は、前記画像読込部により読み込まれた画像から、前記画像に写されている細胞の前記特徴量を出力する残存回数算出用特徴量演算部と、
前記残存回数算出用特徴量演算部から出力された前記特徴量を、請求項１または請求項２に記載の前記細胞評価モデル生成装置の前記細胞評価計算モデル構築部により構築された計算モデルに入力することで、前記画像読込部に読み込まれた画像の細胞が分裂する残存回数を算出する残存回数算出部と、
を備えていることを特徴とする細胞評価装置。
【請求項４】
前記残存回数算出用特徴量演算部は、前記画像読込部により読み込まれた画像に写されている前記細胞の形態的な特徴を示す特徴量とその特徴量をもつ前記細胞の数とを示す度数分布を出力する残存回数算出用度数分布演算部を有し、
前記残存回数算出部は、
前記残存回数算出用度数分布演算部から出力された度数分布を、前記計算モデルに入力することで、前記残存回数を算出する、
ことを特徴とする請求項３に記載の細胞評価装置。
【請求項５】
細胞を培養する培養容器を収納するとともに、所定の環境条件に内部を維持可能な恒温室と、前記恒温室内で前記培養容器に含まれる前記細胞の画像を撮像する撮像装置と、
請求項１または請求項２に記載の細胞評価モデル生成装置、または、請求項３または請求項４に記載の細胞評価装置と、
を備えることを特徴とするインキュベータ。
【請求項６】
コンピュータを、請求項１または請求項２に記載の細胞評価モデル生成装置、または、請求項３または請求項４に記載の細胞評価装置として機能させることを特徴とするプログラム。
【請求項７】
請求項３または請求項４に記載の細胞評価装置により算出された残存回数に基づき、前記培養容器内で培養されている細胞の培養条件を変更することを特徴とする細胞の培養方法。
【請求項１】
同一培養容器内で培養された複数の細胞を異なる時間に撮像することによって得られた複数の画像と、当該細胞が分裂する残存回数を示す情報が入力される入力部と、
前記画像内の前記細胞の形態的な特徴を示す特徴量を出力する特徴量演算部と、
各々の前記画像に対応する前記特徴量と前記残存回数を示す情報とに基づいて、前記細胞に対しての残存回数を算出する計算モデルを構築する残存回数計算モデル構築部と、
を備えており、
前記残存回数計算モデル構築部は、
前記特徴量を変数とした重回帰分析により前記計算モデルを構築する、
ことを特徴とする細胞評価モデル生成装置。
【請求項２】
前記特徴量演算部は、各々の前記画像で、前記細胞の形態的な特徴を示す特徴量とその特徴量をもつ前記細胞の数とを示す度数分布を出力する度数分布演算部を有し、
前記残存回数計算モデル構築部は、
前記度数分布演算部から出力された度数分布を用いて、前記計算モデルを構築する
ことを特徴とする請求項１に記載の細胞評価モデル生成装置。
【請求項３】
培養容器内で培養された細胞が撮像されている画像を読み込む画像読込部を更に備え、
前記特徴量演算部は、前記画像読込部により読み込まれた画像から、前記画像に写されている細胞の前記特徴量を出力する残存回数算出用特徴量演算部と、
前記残存回数算出用特徴量演算部から出力された前記特徴量を、請求項１または請求項２に記載の前記細胞評価モデル生成装置の前記細胞評価計算モデル構築部により構築された計算モデルに入力することで、前記画像読込部に読み込まれた画像の細胞が分裂する残存回数を算出する残存回数算出部と、
を備えていることを特徴とする細胞評価装置。
【請求項４】
前記残存回数算出用特徴量演算部は、前記画像読込部により読み込まれた画像に写されている前記細胞の形態的な特徴を示す特徴量とその特徴量をもつ前記細胞の数とを示す度数分布を出力する残存回数算出用度数分布演算部を有し、
前記残存回数算出部は、
前記残存回数算出用度数分布演算部から出力された度数分布を、前記計算モデルに入力することで、前記残存回数を算出する、
ことを特徴とする請求項３に記載の細胞評価装置。
【請求項５】
細胞を培養する培養容器を収納するとともに、所定の環境条件に内部を維持可能な恒温室と、前記恒温室内で前記培養容器に含まれる前記細胞の画像を撮像する撮像装置と、
請求項１または請求項２に記載の細胞評価モデル生成装置、または、請求項３または請求項４に記載の細胞評価装置と、
を備えることを特徴とするインキュベータ。
【請求項６】
コンピュータを、請求項１または請求項２に記載の細胞評価モデル生成装置、または、請求項３または請求項４に記載の細胞評価装置として機能させることを特徴とするプログラム。
【請求項７】
請求項３または請求項４に記載の細胞評価装置により算出された残存回数に基づき、前記培養容器内で培養されている細胞の培養条件を変更することを特徴とする細胞の培養方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１８】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図１６】
【図１７】
【図１９】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１８】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図１６】
【図１７】
【図１９】
【公開番号】特開２０１１−２２９４１１（Ｐ２０１１−２２９４１１Ａ）
【公開日】平成２３年１１月１７日（２０１１．１１．１７）
【国際特許分類】
【出願番号】特願２０１０−１００１６４（Ｐ２０１０−１００１６４）
【出願日】平成２２年４月２３日（２０１０．４．２３）
【出願人】（５０４１３９６６２）国立大学法人名古屋大学 (996)
【出願人】（０００００４１１２）株式会社ニコン (12,601)
【Ｆターム（参考）】
【公開日】平成２３年１１月１７日（２０１１．１１．１７）
【国際特許分類】
【出願日】平成２２年４月２３日（２０１０．４．２３）
【出願人】（５０４１３９６６２）国立大学法人名古屋大学 (996)
【出願人】（０００００４１１２）株式会社ニコン (12,601)
【Ｆターム（参考）】
[ Back to top ]