[发明专利]辨别方法、辨别装置以及记录介质

说明书

本发明提供辨别方法、学习方法、辨别装置以及存储介质，能够基于从细胞得到的拉曼光谱，与以往相比更准确地辨别细胞的种类。在辨别试样中包含的细胞的种类的方法中，从一个未辨别的细胞取得一个拉曼光谱，计算表示所述未辨别的细胞的拉曼光谱与多个主成分的光谱一致的程度的多个一致度，所述多个主成分的光谱通过由从种类明确的多个细胞的每一个逐个得到的拉曼光谱构成的多个拉曼光谱的主成分分析而得到，基于通过使用有监督学习的学习模型将与通过所述主成分分析得到的所述种类明确的多个细胞的每一个对应的多个主成分得分按种类分类的结果，对所述多个一致度进行分类，由此辨别所述未辨别的细胞的种类。

技术领域

本发明涉及用于基于拉曼光谱辨别细胞的种类的辨别方法、学习方法、辨别装置以及记录介质。

背景技术

在再生医疗领域中，需要调查培养的细胞是否分化为所希望的种类的细胞。在医疗诊断领域中，有时调查从患者采集的细胞是否是正常种类的细胞。这样，需要辨别来自生物体的细胞的种类的方法。在使用对细胞进行染色的方法或破坏细胞的方法的情况下，无法观察所辨别的细胞的经时性变化或进行所辨别的细胞的培养等，因此辨别细胞的种类的方法优选为非破坏性和非侵入性方法。

作为这种方法具有利用拉曼分光的方法。在日本专利公开公报特开2010-181391号中记载了如下内容：对从细胞的多个部位测量的拉曼光谱或规定波长范围的拉曼光谱进行主成分分析，根据得到的主成分得分进行细胞的判定。

在测量来自细胞的拉曼散射光的情况下，从细胞膜、核、高尔基体等细胞内的各部分分别产生拉曼散射光。因此，由细胞得到的拉曼光谱为多个信号重叠的复杂的形状。因此，从由细胞得到的拉曼光谱中发现表征该细胞的拉曼谱带并进行评价是困难的。在日本专利公开公报特开2010-181391号所记载的技术中，需要得到细胞内的拉曼光谱的分布，存在测量所需的时间长的问题。此外，即使是同种的细胞，细胞内的各种结构体的分布也是多样的，得到与结构体的分布对应的拉曼光谱的分布的重要性也不明确。换句话说，利用拉曼光谱准确地辨别细胞的种类的方法尚未确立。

发明内容

本发明是鉴于这种情况而完成的，其目的在于提供辨别方法、学习方法、辨别装置以及记录介质，能够基于从细胞得到的拉曼光谱，与以往相比更准确地辨别细胞的种类。

本发明提供一种辨别方法，辨别试样中包含的细胞的种类，其特征在于，从一个未辨别的细胞取得一个拉曼光谱，计算表示所述未辨别的细胞的拉曼光谱与多个主成分的光谱一致的程度的多个一致度，所述多个主成分的光谱通过由从种类明确的多个细胞的每一个逐个得到的拉曼光谱构成的多个拉曼光谱的主成分分析而得到，基于通过使用有监督学习的学习模型将与通过所述主成分分析得到的所述种类明确的多个细胞的每一个对应的多个主成分得分按种类分类的结果，对所述多个一致度进行分类，由此辨别所述未辨别的细胞的种类。

本发明的辨别方法的特征在于，所述学习模型是支持向量机。

本发明的辨别方法的特征在于，将与种类明确的多个细胞的每一个对应的多个主成分得分和所述多个细胞的每个种类作为监督数据，进行所述学习模型的机器学习。

本发明的辨别方法的特征在于，向一个细胞的整体照射激发光，通过测量来自所述一个细胞的整体的拉曼散射光来取得拉曼光谱。

本发明提供一种学习方法，进行用于基于拉曼光谱辨别试样中包含的细胞的种类的学习，其特征在于，取得多个主成分的光谱和与所述多个细胞的每一个对应的多个主成分得分，所述多个主成分的光谱通过对由从种类明确的多个细胞的每一个逐个得到的拉曼光谱构成的多个拉曼光谱进行主成分分析而得到，将多组所述多个主成分得分和所述多个细胞的每个种类作为监督数据，以通过使用有监督学习的学习模型能够根据所述种类对多组所述多个主成分得分进行分类的方式，进行所述学习模型的机器学习，存储所述多个主成分的光谱和基于学习后的所述学习模型的所述多个主成分得分的分类结果。