JP2024538518A - イメージを処理する装置および方法 - Google Patents

Abstract

本開示の一態様として、イメージ処理方法を提案する。前記方法は、１つ以上のプロセッサ、および前記１つ以上のプロセッサによって実行される命令が記録された１つ以上のメモリを含む電子装置で実行されるイメージ処理方法であって、第１蛍光物質で標識された第１生体分子および標識されていない第２生体分子を含む試料（ｓａｍｐｌｅ）の第１未分離イメージを取得すること、前記第１蛍光物質で標識された前記第１生体分子および第２蛍光物質で標識された前記第２生体分子を含む前記試料の第２未分離イメージを取得すること、および前記第１未分離イメージおよび前記第２未分離イメージに基づいて、前記第２生体分子の分離イメージを生成することを含む。

Description

本開示は、イメージを処理するための技術に関する。

生体試料に対する蛍光イメージングは、試料に含まれる生体分子を蛍光物質で標識した後、この蛍光物質から発光する光を撮影することで試料内部の生体物質を間接的に観察する技法である。蛍光物質に光を照射すると、蛍光物質は光を吸収して励起状態（ｅｘｃｉｔａｔｉｏｎ）となってから再び光を発光（ｅｍｉｓｓｉｏｎ）するが、このとき、吸収した光よりも長い波長の光を発光する。例えば、蛍光物質は、特定の波長帯（例えば、３５０～４００ｎｍ）の光を吸収して特定の波長帯（例えば、４００～６００ｎｍ）の光を発光する。このとき、波長を変えたときの蛍光物質の励起の変化程度を示したものを励起スペクトル（ｅｘｃｉｔａｔｉｏｎ ｓｐｅｃｔｒｕｍ）と言い、波長を変えたときの発光する光の強さを示したものを発光スペクトル（ｅｍｉｓｓｉｏｎ ｓｐｅｃｔｒｕｍ）と言う。

従来技術では、試料に含まれる複数の生体分子を観察するためには発光スペクトルが極力重ならないようにしなければならないという制約があり、これにより、観察可能な蛍光物質の数に限りがあるという限界を抱えていた。

本開示は、イメージを処理するための技術を提供する。

本開示の一態様として、イメージ処理方法を提案する。前記方法は、１つ以上のプロセッサ、および前記１つ以上のプロセッサによって実行される命令が記録された１つ以上のメモリを含む電子装置で実行されるイメージ処理方法であって、第１蛍光物質で標識された第１生体分子および標識されていない第２生体分子を含む試料（ｓａｍｐｌｅ）の第１未分離イメージを取得すること、前記第１蛍光物質で標識された前記第１生体分子および第２蛍光物質で標識された前記第２生体分子を含む前記試料の第２未分離イメージを取得すること、および前記第１未分離イメージおよび前記第２未分離イメージに基づいて、前記第２生体分子の分離イメージを生成することを含む。

一実施形態において、前記第１未分離イメージおよび前記第２未分離イメージはそれぞれ、前記試料から同一の特定の波長帯の光を検出することによって撮影されたイメージであってもよい。

一実施形態において、前記第１未分離イメージおよび前記第２未分離イメージはそれぞれ、同一の発光フィルタに基づいて取得したイメージであり、前記発光フィルタは、特定の波長帯の光を通過させるフィルタであってもよい。

一実施形態において、前記第１蛍光物質および前記第２蛍光物質は、互いに同一の蛍光物質であってもよい。

一実施形態において、前記第１蛍光物質および前記第２蛍光物質は、前記第１蛍光物質の発光スペクトル（ｓｐｅｃｔｒｕｍ）内で発光信号の強度が最大となる第１波長値、および前記第２蛍光物質の発光スペクトル内で発光信号の強度が最大となる第２波長値が所定の条件を満たすように決定されてもよい。

一実施形態において、前記所定の条件は、前記第１波長値と前記第２波長値の差値が予め定められた閾値以下である場合に満たされる条件であってもよい。

一実施形態において、前記所定の条件は、前記第１波長値と前記第２波長値のうちでより大きな波長値に対するより小さな波長値の比率が予め定められた閾率以上である場合に満たされる条件であってもよい。

一実施形態において、前記第２未分離イメージは、前記試料の前記第１未分離イメージを撮影した後、前記試料に含まれる前記第２生体分子を前記第２蛍光物質で標識してから前記試料を撮影することによって取得されてもよい。

一実施形態において、前記分離イメージを生成することは、アンミキシング（Ｕｎｍｉｘｉｎｇ）行列を利用して、前記第１未分離イメージおよび前記第２未分離イメージを演算することを含んでもよい。

一実施形態において、前記アンミキシング行列に含まれる少なくとも１つの要素の値は、学習された人工ニューラルネットワークモデルに基づいて決定されてもよい。

一実施形態において、前記第１蛍光物質で標識された前記第１生体分子、前記第２蛍光物質で標識された前記第２生体分子、および第３蛍光物質で標識された第３生体分子を含む前記試料の第３未分離イメージを取得することをさらに含み、前記生成することは、追加的に前記第３未分離イメージに基づいて、前記第３生体分子に対する分離イメージを生成することを含んでもよい。前記第１未分離イメージは、標識されていない前記第２生体分子および標識されていない前記第３生体分子を含む試料を撮影することによって取得したイメージであり、前記第２未分離イメージは、標識されていない前記第３生体分子を含む試料を撮影することによって取得したイメージであってもよい。

一実施形態において、前記第２未分離イメージは、前記試料の前記第１未分離イメージを撮影した後、前記試料に含まれる前記第２生体分子を前記第２蛍光物質で標識してから前記試料を撮影することによって取得され、前記第３未分離イメージは、前記試料の前記第２未分離イメージを撮影した後、前記試料に含まれる前記第３生体分子を前記第３蛍光物質で標識してから前記試料を撮影することによって取得されてもよい。

本開示の他の態様によると、イメージ処理のための電子装置を提案する。前記電子装置は、１つ以上のプロセッサ、および前記１つ以上のプロセッサによって実行される命令が記録された１つ以上のメモリを含み、前記１つ以上のプロセッサは、第１蛍光物質で標識された第１生体分子および標識されていない第２生体分子を含む試料（ｓａｍｐｌｅ）の第１未分離イメージを取得し、前記第１蛍光物質で標識された前記第１生体分子および第２蛍光物質で標識された前記第２生体分子を含む前記試料の第２未分離イメージを取得し、前記第１未分離イメージおよび前記第２未分離イメージに基づいて、前記第２生体分子の分離イメージを生成してもよい。

一実施形態において、前記第１未分離イメージおよび前記第２未分離イメージはそれぞれ、前記試料に対して同一の特定の波長帯の光を検出することによって撮影されたイメージであってもよい。

一実施形態において、前記第１未分離イメージおよび前記第２未分離イメージはそれぞれ、同一の発光フィルタに基づいて取得したイメージであり、前記発光フィルタは、特定の波長帯の光を通過させるフィルタであってもよい。

一実施形態において、前記第１蛍光物質および前記第２蛍光物質は、互いに同一の蛍光物質であってもよい。

一実施形態において、前記第１蛍光物質および前記第２蛍光物質は、前記第１蛍光物質の発光スペクトル内（Ｓｐｅｃｔｒｕｍ）で発光信号の強度が最大となる第１波長値、および前記第２蛍光物質の発光スペクトル内で発光信号の強度が最大となる第２波長値が所定の条件を満たすように決定されてもよい。

一実施形態において、前記第２未分離イメージは、前記試料の前記第１未分離イメージを撮影した後、前記試料に含まれる前記第２生体分子を前記第２蛍光物質で標識してから前記試料を撮影することによって取得されてもよい。

一実施形態において、前記電子装置は、撮影部をさらに含み、前記１つ以上のプロセッサは、前記第１蛍光物質で標識された前記第１生体分子および標識されていない前記第２生体分子を含む前記試料を前記撮影部によって撮影することによって前記第１未分離イメージを取得し、前記第１蛍光物質で標識された前記第１生体分子および前記第２蛍光物質で標識された前記第２生体分子を含む前記試料を前記撮影部によって撮影することによって前記第２未分離イメージを取得してもよい。

一実施形態において、前記１つ以上のプロセッサは、前記第１未分離イメージと前記第２未分離イメージの間で算出される依存性評価値に基づいて前記分離イメージを生成してもよい。

一実施形態において、前記依存性評価値は、相互情報量、カルバック・ライブラー情報量（Ｋｕｌｌｂａｃｋ－Ｌｅｉｂｌｅｒ Ｄｉｖｅｒｇｅｎｃｅ）値、交差エントロピー値、またはランド指数（Ｒａｎｄ Ｉｎｄｅｘ）のうちの少なくとも１つであってもよい。

一実施形態において、前記１つ以上のプロセッサは、学習された人工ニューラルネットワークが、前記第１未分離イメージおよび前記第２未分離イメージに基づいて算出した出力値に基づいて前記分離イメージを生成してもよい。

本開示のまた他の態様として、イメージ処理のための命令を記録した非一時的なコンピュータ読み取り可能な記録媒体を提案する。１つ以上のプロセッサによって実行されるときに、前記１つ以上のプロセッサに動作を実行させる命令を記録した非一時的なコンピュータ読み取り可能な記録媒体であって、前記命令は、前記１つ以上のプロセッサにより、第１蛍光物質で標識された第１生体分子および標識されていない第２生体分子を含む試料（ｓａｍｐｌｅ）の第１未分離イメージを取得し、第１蛍光物質で標識された前記第１生体分子および第２蛍光物質で標識された前記第２生体分子を含む前記試料の第２未分離イメージを取得し、前記第１未分離イメージおよび前記第２未分離イメージに基づいて、前記第２生体分子の分離イメージを生成してもよい。

本開示に係るイメージ処理方法は、従来の方法で要求されていた蛍光物質の不活性または除去工程を経る必要がないため、イメージ処理にかかる時間を縮めることができる。

本開示の一実施形態における、サーバ、ユーザ端末、および通信網を含むシステムを示した図である。 本明細書に開示された内容の一実施形態における、サーバを示したブロック図である。 本明細書に開示された内容の一実施形態における、ユーザ端末を示したブロック図である。 従来のイメージ処理方法において、生体分子を標識するために使用される蛍光物質の特性に関する例示図である。 本開示の一実施形態における、複数の未分離イメージから複数の分離イメージを生成するプロセスを概念的に示した図である。 本開示の一実施形態における、試料に関する複数の未分離イメージからアンミキシング行列を利用して複数の生体分子それぞれに対する分離イメージを生成するサーバの動作を示したフローチャートである。 本開示の一実施形態における、マルチチャネルイメージから互いに異なる方法で決定されたヒストグラム（Ｈｉｓｔｏｇｒａｍ）を示した例示図である。 本開示の一実施形態における、複数の単一チャネルイメージそれぞれに含まれる互いに同じ位置のピクセルの値に基づいてヒストグラムを決定するサーバの動作を示したフローチャートである。 本開示の一実施形態における、複数の単一チャネルイメージそれぞれに含まれる互いに異なる位置のピクセルの値に基づいてヒストグラムを決定するサーバの動作を示したフローチャートである。 本開示の他の一実施形態における、マルチチャネルイメージから互いに異なる方法で決定されたヒストグラムを示した例示図である。 本開示の一実施形態における、アンミキシング行列のパラメータを更新するサーバの動作を示したフローチャートである。 本開示の一実施形態における、人工ニューラルネットワークモデルに基づいて複数の分離イメージ間の依存性を評価するプロセスを概念的に示した図である。 本開示の他の一実施形態における、人工ニューラルネットワークモデルに基づいて複数の分離イメージ間の依存性を評価するプロセスを概念的に示した図である。 本開示の一実施形態における、複数のイメージを順に取得する過程を示した例示図である。 本開示の一実施形態における、順に取得した複数の未分離イメージのうちの連続する２つの未分離イメージから少なくとも１つの生体分子に対する分離イメージを取得する方法を示した例示図である。 本開示の一実施形態における、順に取得した複数の未分離イメージのうちの連続する３つの未分離イメージから少なくとも２つの生体分子に対する分離イメージを取得する方法を示した例示図である。 本開示の一実施形態における、連続する２つの未分離イメージに基づいて、少なくとも１つの生体分子に対する分離イメージを生成するサーバの動作を示したフローチャートである。 複数の蛍光物質が有する発光スペクトルおよび特定の発光フィルタを通過する波長帯を示した例示図である。 複数の蛍光物質が有する発光スペクトルおよび各発光スペクトルで信号の強度が最大となる波長値を示した例示図である。

本明細書に記載する多様な実施形態は、本開示の技術的思想を明確に説明することを目的として例示したものであり、本開示が特定の実施形態によって限定されてはならない。本開示の技術的思想は、本明細書に記載する各実施形態の多様な変更（ｍｏｄｉｆｉｃａｔｉｏｎｓ）、均等物（ｅｑｕｉｖａｌｅｎｔｓ）、代替物（ａｌｔｅｒｎａｔｉｖｅｓ）、および各実施形態のすべてまたは一部を選択的に組み合わせた実施形態を含む。また、本開示の技術的思想の権利範囲が、以下で提示する多様な実施形態やこれについての具体的な説明に限定されてはならない。

技術的または科学的な用語をはじめとする、本明細書で使用する用語は、特に定義されていない限り、本開示が属する技術分野の当業者によって一般的に理解される意味を有する。

本明細書で使用する「含む」、「含むことができる」、「備える」、「備えることができる」、「有する」、「有することができる」などの表現は、対象となる特徴（例えば、機能、動作またはコンポーネントなど）が存在することを意味するものであり、他の追加的な特徴の存在を排除するものではない。すなわち、このような表現は、他の実施形態を含む可能性を内包する、制約のない（ｏｐｅｎ－ｅｎｄｅｄ）用語として理解されなければならない。

本明細書で使用する単数形の表現は、文脈上で他の意味を記述しない限り、複数形の意味も含む。これは、特許請求の範囲に記載する単数形の表現にも同じように適用される。

本明細書で使用する「第１」、「第２」、または「１つ目」、「２つ目」などの表現は、文脈上で他の意味を記述しない限り、複数の同種の対象を指摘するときに、ある対象を他の対象と区別するために使用されるものであり、この対象間の順序または重要度を限定するものではない。例えば、本開示に係る複数の蛍光物質はそれぞれ、「第１蛍光物質」、「第２蛍光物質」のように表現しながら互いを区別した。また、本開示に係る複数の入力イメージはそれぞれ、「第１入力イメージ」、「第２入力イメージ」のように表現しながら互いを区別した。同じように、「生体分子」、「分離イメージ」、「確率分布」などの本開示で使用する用語は、「第１」、「第２」などの表現によって互いを区別した。

本明細書で使用する「Ａ、Ｂ、およびＣ」、「Ａ、Ｂ、またはＣ」、「Ａ、Ｂ、およびＣのうちの少なくとも１つ」、または「Ａ、Ｂ、またはＣのうちの少なくとも１つ」などの表現は、列挙するそれぞれの項目または列挙する項目の可能なすべての組み合わせを意味するものであってもよい。例えば、「ＡまたはＢのうち少なくとも１つ」は、（１）少なくとも１つのＡ、（２）少なくとも１つのＢ、（３）少なくとも１つのＡおよび少なくとも１つのＢのすべてを意味するものであってもよい。

本明細書で使用する「部」という表現は、ソフトウェア、またはＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）などのハードウェアコンポーネントを意味するものであってもよい。しかし、「部」が、ハードウェアおよびソフトウェアに限定されてはならない。「部」は、アドレス指定が可能な記録媒体に記録されるように構成されてもよく、１つ以上のプロセッサを実行するように構成されてもよい。一実施形態において、「部」は、ソフトウェアコンポーネント、オブジェクト指向ソフトウェアコンポーネント、クラスコンポーネント、およびタスクコンポーネントなどのコンポーネント、プロセッサ、関数、属性、プロシージャ、サブルーチン、プログラムコードのセグメント、ドライバ、ファームウェア、マイクロコード、回路、データ、データベース、データ構造、テーブル、アレイ、および変数を含んでもよい。

本明細書で使用する「～に基づいて」という表現は、この表現が含まれる語句または文章に記述される、決定、判断の行為、または動作に影響を与える１つ以上の因子を記述するために使用されるが、この表現は、該当となる決定、判断の行為、または動作に影響を与える追加的な因子を排除するものでない。

本明細書で使用する、あるコンポーネント（例えば、第１コンポーネント）が他のコンポーネント（例えば、第２コンポーネント）に「連結して」いたり「接続して」いるという表現は、あるコンポーネントが前記他のコンポーネントに直接的に連結または接続しているのはもちろん、新たな他のコンポーネント（例えば、第３コンポーネント）を媒介として連結または接続していることも意味する。

本明細書で使用する表現「～するように構成された（ｃｏｎｆｉｇｕｒｅｄ ｔｏ）」は、文脈に応じて、「～するように設定された」、「～する能力を有する」、「～するように変更された」、「～するように生成された」、「～することができる」などの意味を有してもよい。このような表現は、「ハードウェア的に特別に設計された」という意味に限定されてはならず、例えば、特定の動作を実行するように構成されたプロセッサとは、ソフトウェアを実行することによって特定の動作を実行することができる汎用プロセッサ（ｇｅｎｅｒｉｃ ｐｕｒｐｏｓｅ ｐｒｏｃｅｓｓｏｒ）を意味してもよいし、特定の動作を実行するようにプログラミングによって構造化された特殊目的コンピュータ（ｓｐｅｃｉａｌ ｐｕｒｐｏｓｅ ｃｏｍｐｕｔｅｒ）を意味してもよい。

本開示において、人工知能（ａｒｔｉｆｉｃｉａｌ ｉｎｔｅｌｌｉｇｅｎｃｅ：ＡＩ）とは、人間の学習能力、推論能力、知覚能力を模倣し、これをコンピュータで実現する技術を意味するものであり、機械学習やシンボリックロジックの概念を含んでもよい。機械学習（ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ：ＭＬ）は、入力データの特徴を自らが分類したり学習したりするアルゴリズム技術である。人工知能の技術は、機械学習のアルゴリズムによって入力データを分析し、この分析の結果を学習し、この学習結果に基づいて判断したり予測したりする。また、機械学習のアルゴリズムを活用して人間の脳の認知や判断の機能を模倣する技術も人工知能の範囲に含まれる。例えば、言語的理解、視覚的理解、推論／予測、知識表現、動作制御などの技術分野が含まれてよい。

本開示において、機械学習とは、データを処理した経験を利用してニューラルネットワークモデルを訓練する処理を意味してよく、コンピュータソフトウェアが自ら機械学習によってデータ処理能力を高めることを意味してもよい。ニューラルネットワークモデルは、データ間の相関関係をモデリングして構築されるものであり、この相関関係は複数のパラメータによって表現されてよい。人工ニューラルネットワークモデルは、与えられたデータから特徴を抽出し、これを分析してデータ間の相関関係を導き出すが、このような過程を繰り返してニューラルネットワークモデルのパラメータを最適化し続けていくことが機械学習であると言える。例えば、人工ニューラルネットワークモデルは、入力と出力のペアとして与えられたデータに対して、入力と出力の間のマッピング（相関関係）を学習してもよい。また、人工ニューラルネットワークモデルは、入力データだけが与えられた場合でも、与えられたデータから規則性を導き出して関係性を学習してもよい。

本開示において、人工ニューラルネットワーク、人工知能学習モデル、機械学習モデル、または人工ニューラルネットワークモデルは、人間の脳の構造をコンピュータ上で実現するように設計されてもよく、人間の神経網のニューロン（ｎｅｕｒｏｎ）を模擬し、加重値を有する複数のネットワークノードを含んでもよい。複数のネットワークノードは、ニューロンがシナプス（ｓｙｎａｐｓｅ）を利用して信号を送受信するニューロンのシナプティック（ｓｙｎａｐｔｉｃ）活動を模擬することで互いの接続関係を有してもよい。人工ニューラルネットワークにおいて、複数のネットワークノードは、互いに異なる深さのレイヤに位置しながら、畳み込み（ｃｏｎｖｏｌｕｔｉｏｎ）接続関係にしたがってデータを送受信する。人工ニューラルネットワークは、例えば、人工ニューラルネットワークモデル（ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）、畳み込みニューラルネットワークモデル（ｃｏｎｖｏｌｕｔｉｏｎ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）などであってもよい。

以下、添付の図面を参照しながら、本開示の多様な実施形態について説明する。添付の図面および図面の説明において、同一または実質的に同等（ｓｕｂｓｔａｎｔｉａｌｌｙ ｅｑｕｉｖａｌｅｎｔ）なコンポーネントには同じ参照符号を付与する。また、以下の多様な実施形態の説明において、同一または対応するコンポーネントの重複する説明は省略することがあるが、これはそのコンポーネントがその実施形態に含まれないことを意味するものではない。

図１は、本開示の一実施形態における、サーバ１００、ユーザ端末２００、および通信網３００を含むシステムを示した図である。サーバ１００とユーザ端末２００は、通信網３００を介して互いに情報を送受信してもよい。

サーバ１００は、本開示に係るイメージ処理動作を実行する電子装置であってもよい。サーバ１００は、有線または無線で接続されたユーザ端末２００に情報を送信したりイメージ処理結果を送信したりする電子装置であって、例えば、アプリケーションサーバ、プロキシサーバ、クラウドサーバなどであってもよい。

ユーザ端末２００は、イメージ処理結果を受信しようとするユーザの端末であってもよい。ユーザ端末２００は、例えば、スマートフォン、タブレット（Ｔａｂｌｅｔ Ｃｏｍｐｕｔｅｒ）、ＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）、移動電話機（Ｍｏｂｉｌｅ Ｐｈｏｎｅ）、ＰＤＡ（Ｐｅｒｓｏｎａｌ Ｄｉｇｉｔａｌ Ａｓｓｉｓｔａｎｔ）、オーディオプレーヤー、ウェアラブルデバイス（Ｗｅａｒａｂｌｅ Ｄｅｖｉｃｅ）のうちの少なくとも１つであってもよい。通信網３００は、有線または無線通信網の両方を含んでよい。

通信網３００は、サーバ１００とユーザ端末２００の間でデータ交換が成り立つようにしてもよい。有線通信網は、例えば、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）、ＨＤＭＩ（Ｈｉｇｈ Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）、ＲＳ－２３２（Ｒｅｃｏｍｍｅｎｄｅｄ Ｓｔａｎｄａｒｄ－２３２）、またはＰＯＴＳ（Ｐｌａｉｎ Ｏｌｄ Ｔｅｌｅｐｈｏｎｅ Ｓｅｒｖｉｃｅ）などの方式による通信網を含んでよい。無線通信網は、例えば、ｅＭＢＢ（ｅｎｈａｎｃｅｄ Ｍｏｂｉｌｅ Ｂｒｏａｄｂａｎｄ）、ＵＲＬＬＣ（Ｕｌｔｒａ Ｒｅｌｉａｂｌｅ Ｌｏｗ－Ｌａｔｅｎｃｙ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）、ＭＭＴＣ（Ｍａｓｓｉｖｅ Ｍａｃｈｉｎｅ Ｔｙｐｅ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）、ＬＴＥ（Ｌｏｎｇ－Ｔｅｒｍ Ｅｖｏｌｕｔｉｏｎ）、ＬＴＥ－Ａ（ＬＴＥ Ａｄｖａｎｃｅ）、ＮＲ（Ｎｅｗ Ｒａｄｉｏ）、ＵＭＴＳ（Ｕｎｉｖｅｒｓａｌ Ｍｏｂｉｌｅ Ｔｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ Ｓｙｓｔｅｍ）、ＧＳＭ（Ｇｌｏｂａｌ Ｓｙｓｔｅｍ ｆｏｒ Ｍｏｂｉｌｅ ｃｏｍｍｕｎｉｃａｔｉｏｎｓ）、ＣＤＭＡ（Ｃｏｄｅ Ｄｉｖｉｓｉｏｎ Ｍｕｌｔｉｐｌｅ Ａｃｃｅｓｓ）、ＷＣＤＭＡ（Ｗｉｄｅｂａｎｄ ＣＤＭＡ）、ＷｉＢｒｏ（Ｗｉｒｅｌｅｓｓ Ｂｒｏａｄｂａｎｄ）、ＷｉＦｉ（Ｗｉｒｅｌｅｓｓ Ｆｉｄｅｌｉｔｙ）、ブルートゥース（Ｂｌｕｅｔｏｏｔｈ）、ＮＦＣ（Ｎｅａｒ Ｆｉｅｌｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ）、ＧＰＳ（Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ）またはＧＮＳＳ（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ）などの方式による通信網を含んでもよい。本明細書の通信網３００が上述した例示に限定されてはならず、複数の主体と装置の間でデータ交換を成すことができるものであれば、多様な種類の通信網が制限なく含まれてもよい。

本明細書の開示内容において、ある装置の構成または動作を説明するとき、「装置」という用語は、説明の対象となる装置を示すための用語であり、「外部装置」という用語は、説明の対象となる装置の観点から見たときに外部に存在する装置を示すための用語としてそれぞれ使用されてもよい。例えば、サーバ１００を「装置」として説明する場合、サーバ１００の観点において、ユーザ端末２００は「外部装置」となってもよい。また、例えば、ユーザ端末２００を「装置」として説明する場合、ユーザ端末２００の観点において、サーバ１００は「外部装置」となってもよい。すなわち、サーバ１００およびユーザ端末２００それぞれは、動作主体の観点に応じて、それぞれ「装置」および「外部装置」と呼ばれることもあるし、それぞれ「外部装置」および「装置」と呼ばれることもある。

図２は、本明細書で開示する内容の一実施形態における、サーバ１００を示したブロック図である。サーバ１００は、１つ以上のプロセッサ１１０、通信インタフェース１２０、またはメモリ１３０をコンポーネントとして含んでもよい。一実施形態において、サーバ１００のこれらのコンポーネントのうちの少なくとも１つが省略されてもよいし、他のコンポーネントがサーバ１００に追加されてもよい。一実施形態において、追加的にまたは代替的に（ｉｎ ａｌｔｅｒｎａｔｉｖｅ ｔｏ）、一部のコンポーネントが統合されて実現されてもよいし、単数または複数のオブジェクトで実現されてもよい。サーバ１００の内部または外部のコンポーネントのうちの少なくとも一部のコンポーネントは、バス、ＧＰＩＯ（Ｇｅｎｅｒａｌ Ｐｕｒｐｏｓｅ Ｉｎｐｕｔ／Ｏｕｔｐｕｔ）、ＳＰＩ（Ｓｅｒｉａｌ Ｐｅｒｉｐｈｅｒａｌ Ｉｎｔｅｒｆａｃｅ）、またはＭＩＰＩ（Ｍｏｂｉｌｅ Ｉｎｄｕｓｔｒｙ Ｐｒｏｃｅｓｓｏｒ Ｉｎｔｅｒｆａｃｅ）などを介して互いに連結してデータまたは信号を送受信してもよい。

１つ以上のプロセッサ１１０は、プロセッサ１１０と表現されてもよい。プロセッサ１１０という用語は、文脈上で明らかに異なる表現がない限り、１つ以上のプロセッサの集合を意味してもよい。プロセッサ１１０は、ソフトウェア（例えば、命令やプログラムなど）を実行し、プロセッサ１１０と接続するサーバ１００の少なくとも１つのコンポーネントを制御してもよい。また、プロセッサ１１０は、多様な演算、処理、データの生成または加工などの動作を実行してもよい。さらに、プロセッサ１１０は、データなどをメモリ１３０からロードしたり、メモリ１３０に記録してもよい。

通信インタフェース１２０は、サーバ１００と他の装置（例えば、ユーザ端末２００または他のサーバ）との無線または有線通信を実行してもよい。例えば、通信インタフェース１２０は、ｅＭＢＢ、ＵＲＬＬＣ、ＭＭＴＣ、ＬＴＥ、ＬＴＥ－Ａ、ＮＲ、ＵＭＴＳ、ＧＳＭ、ＣＤＭＡ、ＷＣＤＭＡ、ＷｉＢｒｏ、ＷｉＦｉ、ブルートゥース、ＮＦＣ、ＧＰＳ、またはＧＮＳＳなどの方式による無線通信を実行してもよい。また、例えば、通信インタフェース１２０は、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）、ＨＤＭＩ（Ｈｉｇｈ Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）、ＲＳ－２３２（Ｒｅｃｏｍｍｅｎｄｅｄ Ｓｔａｎｄａｒｄ－２３２）、またはＰＯＴＳ（Ｐｌａｉｎ Ｏｌｄ Ｔｅｌｅｐｈｏｎｅ Ｓｅｒｖｉｃｅ）などの方式による有線通信を実行してもよい。

メモリ１３０は、多様なデータを記録してもよい。メモリ１３０に記録されるデータは、サーバ１００の少なくとも１つのコンポーネントによって取得されたり、処理されたり、使用されるデータであって、ソフトウェア（例えば、命令やプログラムなど）を含んでもよい。メモリ１３０は、揮発性または不揮発性メモリを含んでもよい。メモリ１３０という用語は、文脈上で明らかに異なる表現がない限り、１つ以上のメモリの集合を意味してもよい。本明細書で記述する「メモリ１３０に記録される命令の集合」または「メモリ１３０に記録されるプログラム」という表現は、サーバ１００のリソースを制御するためのオペレーティングシステム、アプリケーション、またはアプリケーションがサーバ１００のリソースを活用できるようにアプリケーションに多様な機能を提供するミドルウェアなどを示すために使用されてもよい。一実施形態において、プロセッサ１１０が特定の演算を実行するときに、メモリ１３０はプロセッサ１１０によって実行されて、特定の演算に対応する命令を記録してもよい。

一実施形態において、サーバ１００は、プロセッサ１１０の演算結果によるデータ、通信インタフェース１２０によって受信したデータ、またはメモリ１３０に記録されたデータなどを外部装置に送信してもよい。外部装置は、受信したデータを表出、表示、または出力するための装置であってもよい。

一実施形態において、サーバ１００は、入力部１４０をさらに含んでもよい。入力部１４０は、外部から受信したデータをサーバ１００に含まれる少なくとも１つのコンポーネントに伝達するものであってもよい。例えば、入力部１４０は、マウス、キーボード、またはタッチパッドのうちの少なくとも１つを含んでもよい。

一実施形態において、サーバ１００は、出力部１５０をさらに含んでもよい。出力部１５０は、サーバ１００で処理される情報を表示（出力）したり、外部に送信（配信）してもよい。例えば、出力部１５０は、サーバ１００で処理される情報を視覚的に表示してもよい。出力部１５０は、ＵＩ（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）情報またはＧＵＩ（Ｇｒａｐｈｉｃ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）情報などを表示してもよい。この場合、出力部１５０は、液晶ディスプレイ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ：ＬＣＤ）、薄膜トランジスタ液晶ディスプレイ（Ｔｈｉｎ Ｆｉｌｍ Ｔｒａｎｓｉｓｔｏｒ－Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ：ＴＦＴ－ＬＣＤ）、有機発光ダイオード（Ｏｒｇａｎｉｃ Ｌｉｇｈｔ－Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ：ＯＬＥＤ）、フレキシブルディスプレイ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｐｌａｙ）、３次元ディスプレイ（３Ｄ Ｄｉｓｐｌａｙ）、電子ペーパーディスプレイ（Ｅ－ｉｎｋ Ｄｉｓｐｌａｙ）のうち少なくとも１つを含んでもよい。また、例えば、出力部１５０は、サーバ１００で処理される情報を聴覚的に表示してもよい。出力部１５０は、任意のオーディオファイルフォーマット（例えば、ＭＰ３、ＦＬＡＣ、ＷＡＶなど）方式によるオーディオデータを音響装置によって表示してもよい。この場合、出力部１５０は、スピーカー、ヘッドセット、ヘッドホンのうちの少なくとも１つを含んでもよい。また、例えば、出力部１５０は、サーバ１００で処理される情報を外部の出力装置に送信してもよい。出力部１５０は、サーバ１００で処理される情報を、通信インタフェース１２０を利用して外部の出力装置に送信または配信してもよい。出力部１５０は、サーバ１００で処理される情報を、別途の出力用通信インタフェースを利用して外部の出力装置に送信または配信してもよい。

一実施形態において、サーバ１００は、撮影部（図示せず）をさらに含んでもよい。撮影部は、例えば、カメラや顕微鏡装置を備えたカメラなどであってもよい。プロセッサ１１０は、撮影部を制御することによって対象物（例えば、試料）のイメージを撮影し、撮影したイメージを取得したりメモリ１３０に記録してもよい。または、サーバ１００が出力部１５０を含む場合、プロセッサ１１０は、撮影部を制御して対象物のイメージを撮影し、撮影したイメージを出力部１５０に表示してもよい。他の実施形態において、サーバ１００は、撮影されたイメージを外部の撮影装置から取得してもよい。

図３は、本明細書で開示する内容の一実施形態における、ユーザ端末２００を示したブロック図である。ユーザ端末２００は、１つ以上のプロセッサ２１０、通信インタフェース２２０、またはメモリ２３０をコンポーネントとして含んでもよい。また、ユーザ端末２００は、入力部２４０または出力部２５０の少なくとも１つをさらに含んでもよい。

プロセッサ２１０は、ソフトウェア（例えば、命令やプログラムなど）を実行し、プロセッサ１１０と接続するユーザ端末２００の少なくとも１つのコンポーネントを制御してもよい。また、プロセッサ２１０は、多様な演算、処理、データ生成または加工などの動作を実行してもよい。さらに、プロセッサ２１０は、データなどをメモリ２３０からロードしたり、メモリ２３０に記録してもよい。

通信インタフェース２２０は、ユーザ端末２００と他の装置（例えば、サーバ１００または他のユーザ端末）との無線または有線通信を実行してもよい。例えば、通信インタフェース２２０は、ｅＭＢＢ、ＵＲＬＬＣ、ＭＭＴＣ、ＬＴＥ、ＬＴＥ－Ａ、ＮＲ、ＵＭＴＳ、ＧＳＭ、ＣＤＭＡ、ＷＣＤＭＡ、ＷｉＢｒｏ、ＷｉＦｉ、ブルートゥース、ＮＦＣ、ＧＰＳ、またはＧＮＳＳなどの方式による無線通信を実行してもよい。また、例えば、通信インタフェース２２０は、ＵＳＢ、ＨＤＭＩ、ＲＳ－２３２、またはＰＯＴＳなどの方式による有線通信を実行してもよい。

メモリ２３０は、多様なデータを記録してもよい。メモリ２３０に記録されるデータは、ユーザ端末２００の少なくとも１つのコンポーネントによって取得されたり、処理されたり、または使用されるデータであって、ソフトウェア（例えば、命令やプログラムなど）を含んでもよい。メモリ２３０は、揮発性または不揮発性メモリを含んでもよい。メモリ２３０という用語は、文脈上で明らかに異なる表現がない限り、１つ以上のメモリの集合を意味してもよい。本明細書に記述する「メモリ２３０に記録される命令の集合」または「メモリ２３０に記録されるプログラム」という表現は、ユーザ端末２００のリソースを制御するためのオペレーティングシステム、アプリケーション、またはアプリケーションがユーザ端末２００のリソースを活用できるようにアプリケーションに多様な機能を提供するミドルウェアなどを示すために使用されてもよい。一実施形態において、プロセッサ２１０が特定の演算を実行するときに、メモリ２３０は、プロセッサ２１０によって実行されて特定の演算に対応する命令を記録してもよい。

一実施形態において、ユーザ端末２００は、入力部２４０をさらに含んでもよい。入力部２４０は、外部から受信したデータをユーザ端末２００に含まれる少なくとも１つのコンポーネントに伝達するものであってもよい。例えば、入力部２４０は、マウス、キーボード、またはタッチパッドのうちの少なくとも１つを含んでもよい。

一実施形態において、ユーザ端末２００は、出力部２５０をさらに含んでもよい。出力部２５０は、ユーザ端末２００で処理される情報を表示（出力）したり、外部に送信（配信）してもよい。例えば、出力部２５０は、ユーザ端末２００で処理される情報を視覚的に表示してもよい。出力部２５０は、ＵＩ（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）情報またはＧＵＩ（Ｇｒａｐｈｉｃ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）情報などを表示してもよい。この場合、出力部２５０は、液晶ディスプレイ（ＬＣＤ）、薄膜トランジスタ液晶ディスプレイ（ＴＦＴ－ＬＣＤ）、有機発光ダイオード（ＯＬＥＤ）、フレキシブルディスプレイ（Ｆｌｅｘｉｂｌｅ Ｄｉｓｐｌａｙ）、３次元ディスプレイ（３Ｄ Ｄｉｓｐｌａｙ）、電子ペーパーディスプレイ（Ｅ－ｉｎｋ Ｄｉｓｐｌａｙ）のうちの少なくとも１つを含んでもよい。また、例えば、出力部２５０は、ユーザ端末２００で処理される情報を聴覚的に表示してもよい。出力部２５０は、任意のオーディオファイルフォーマット（例えば、ＭＰ３、ＦＬＡＣ、ＷＡＶなど）方式よるオーディオデータを音響装置によって表示してもよい。この場合、出力部２５０は、スピーカー、ヘッドセット、ヘッドホンのうちの少なくとも１つを含んでもよい。また、例えば、出力部２５０は、ユーザ端末２００で処理される情報を外部の出力装置に送信してもよい。出力部２５０は、ユーザ端末２００で処理される情報を、通信インタフェース２２０を利用して外部の出力装置に送信または配信してもよい。出力部２５０は、ユーザ端末２００で処理される情報を、別途の出力用通信インタフェースを利用して外部の出力装置に送信または配信してもよい。

一実施形態において、ユーザ端末２００は、撮影部（図示せず）をさらに含んでもよい。撮影部は、例えば、カメラや顕微鏡装置を備えたカメラなどであってもよい。プロセッサ２１０は、撮影部を制御することによって対象物（例えば、試料）のイメージを撮影し、撮影されたイメージを取得したり、メモリ２３０に記録してもよい。ユーザ端末２００は、撮影されたイメージを出力部２５０に表示してもよい。ユーザ端末２００は、撮影されたイメージをサーバ１００に送信してもよい。また、ユーザ端末２００は、外部の撮影装置から撮影されたイメージを取得してもよい。

以下の説明では、説明の便宜上、動作の主体を省略することもある。この場合、それぞれの動作は、サーバ１００によって実行されるものと理解されてもよい。ただし、本開示に係る方法は、ユーザ端末２００によって実行されてもよいし、方法に含まれる動作の一部がユーザ端末２００で実行され、残りがサーバ１００で実行されてもよい。

図４は、従来のイメージ処理方法で生体分子を標識するために使用される蛍光物質の特性に関する例示図である。一般的に、１つの生体試料（Ｓａｍｐｌｅ）で複数の生体分子を観察するためには、複数の生体分子を異なる蛍光物質で標識（ｌａｂｅｌｉｎｇ）した後に、各生体分子のイメージを個別に取得する必要がある。本開示において、生体試料は「試料」とも称する。試料に含まれる各生体分子に対するイメージは、例えば、蛍光物質が反応する特定の波長の光を蛍光物質に照射し、その結果として励起した（ｅｘｃｉｔｅｄ）蛍光物質が発光する光を対応する発光フィルタでフィルタリングし、発光フィルタを通過した光を撮影することによって取得してもよい。本開示において、「発光フィルタ」とは、特定の波長帯の光を通過させるフィルタ（Ｆｉｌｔｅｒ）であってもよい。

蛍光物質が発光する光の発光スペクトルに関する第１グラフ４０１は、複数の蛍光物質（Ａｌｅｘａ４０５、Ａｌｅｘａ４８８、Ａｌｅｘａ５４６、Ａｌｅｘａ６４７）の発光スペクトルを例示的に示している。

蛍光物質「Ａｌｅｘａ４０５」は、特定の波長帯の光を吸収した後、約４００ｎｍと５００ｎｍの間の波長を有する光を発光する蛍光物質であってもよい。蛍光物質「Ａｌｅｘａ４０５」によって染色された生体分子のイメージは、蛍光物質「Ａｌｅｘａ４０５」が発光する光を第１発光フィルタでフィルタリングし、第１発光フィルタを通過する波長帯の光を撮影することによって取得されてもよい。第１発光フィルタを通過する波長帯４１０は、例えば、４７０ｎｍ以上５２０ｎｍ以下であってもよい。

蛍光物質「Ａｌｅｘａ４８８」は、特定の波長帯の光を吸収した後、約５００ｎｍと６００ｎｍの間の波長を有する光を発光する蛍光物質であってもよい。このとき、蛍光物質「Ａｌｅｘａ４８８」によって染色された生体分子のイメージは、蛍光物質「Ａｌｅｘａ４８８」が発光する光を第２発光フィルタでフィルタリングし、第２発光フィルタを通過した波長帯４３０の光を撮影することによって取得されてもよい。第２発光フィルタを通過する波長帯４３０は、例えば、５００ｎｍ以上５６０ｎｍ以下であってもよい。

蛍光物質「Ａｌｅｘａ５４６」は、特定の波長帯の光を吸収した後、約５５０ｎｍと６５０ｎｍの間の波長を有する光を発光する蛍光物質であってもよい。このとき、蛍光物質「Ａｌｅｘａ５４６」によって染色された生体分子のイメージは、蛍光物質「Ａｌｅｘａ５４６」が発光する光を第３発光フィルタでフィルタリングし、第３発光フィルタを通過した波長帯４５０の光を撮影することによって取得されてもよい。第３発光フィルタを通過する波長帯４５０は、例えば、５６５ｎｍ以上５９０ｎｍ以下であってもよい。

蛍光物質「Ａｌｅｘａ６４７」は、特定の波長帯の光を吸収した後、約６５０ｎｍと７５０ｎｍの間の波長を有する光を発光する蛍光物質であってもよい。このとき、蛍光物質「Ａｌｅｘａ６４７」によって染色された生体分子のイメージは、蛍光物質「Ａｌｅｘａ６４７」が発光する光を第４発光フィルタでフィルタリングし、第４発光フィルタを通過する波長帯４７０の光を撮影することによって取得されてもよい。第４発光フィルタを通過する波長帯４７０は、例えば、６６０ｎｍ以上７４０ｎｍ以下であってもよい。

第１グラフ４０１に示される各蛍光物質が励起するために吸収する光の波長帯は、それぞれ異なってもよい。また、第１グラフ４０１を参照しながら上述した、各蛍光物質の発光スペクトルに関する具体的な数値範囲は、説明のための例示に過ぎず、これによって本開示が限定されてはならない。

一実施形態において、試料に複数の生体分子が含まれ、複数の生体分子をそれぞれ標識する蛍光物質（すなわち、各生体分子と結合する蛍光物質）が、互いに特定の波長の光（例えば、３５０ｎｍ以上４００ｎｍ以下）に同じように反応すると仮定する。このとき、試料に含まれる複数の生体分子それぞれに対するイメージを得るためには、通常、複数の生体分子それぞれを標識するための蛍光物質の発光スペクトルが互いにまったく重ならないか、ほぼ重ならないようにする必要がある。その理由は、互いに異なる蛍光物質からそれぞれ発光される光のスペクトルが互いに多く重なるようになると、互いに異なる生体分子が分離されず、同一の１つのイメージ内に含まれる可能性があるためである。

例えば、図４の蛍光物質が発光する光の発光スペクトルに関する第２グラフ４０３において、蛍光物質「Ａｌｅｘａ５４６」は約５５０ｎｍと６５０ｎｍの間の波長を有する光を発光し、蛍光物質「ＣＦ５９４」は約５７５ｎｍと７００ｎｍの間の波長を有する光を発光すると仮定する。このような仮定において、２つの蛍光物質の発光スペクトルは、５７５ｎｍ以上６５０ｎｍ以下の区間を互いに共通して含む。このとき、蛍光物質「Ａｌｅｘａ５４６」によって標識された生体分子のイメージを取得するために第３発光フィルタを用いてイメージを撮影する場合、第３発光フィルタを通過する波長帯４５０は約５６５ｎｍ以上５９０ｎｍ以下であるため、撮影されたイメージ内には蛍光物質「ＣＦ５９４」によって標識された生体分子の少なくとも一部が含まれるようになる。より具体的に、撮影装置が、蛍光物質「Ａｌｅｘａ４６」から発光される光のうちで第３発光フィルタを通過する波長帯４５０の光を取得することにより、蛍光物質「Ａｌｅｘａ５４６」によって標識された生体分子に対するイメージを撮影する過程において、撮影装置は、蛍光物質「ＣＦ５９４」から発光される光の信号も少なくとも一部を取得することができる。この結果、蛍光物質「Ａｌｅｘａ５４６」によって標識された生体分子に関するイメージは、蛍光物質「ＣＦ５９４」によって標識された他の生体分子を少なくとも部分的に含むようになる。図４の図面符号４５１は、撮影装置が第３発光フィルタを用いて蛍光物質「Ａｌｅｘａ５４６」で標識された生体分子のイメージを撮影するときに取得する、他の蛍光物質（例えば、「ＣＦ５９４」）の光の信号を示している。また、蛍光物質「ＣＦ５９４」で標識された生体分子のイメージを取得するために、約６１０ｎｍ以上６３０ｎｍ以下の波長を有する光を通過させる第５発光フィルタを用いてイメージを撮影する場合にも、撮影されたイメージには、蛍光物質「Ａｌｅｘａ５４６」によって標識された生体分子の少なくとも一部が含まれるようになる。すなわち、撮影装置が、蛍光物質「ＣＦ５９４」から発光される光のうちで第５発光フィルタを通過する波長帯の光を取得することによって、蛍光物質「ＣＦ５９４」によって標識された生体分子のイメージを撮影する過程において、蛍光物質「Ａｌｅｘａ５４６」から発光される光の信号の少なくとも一部が含まれるようになる。この結果、蛍光物質「ＣＦ５９４」によって標識された生体分子に関するイメージには、蛍光物質「Ａｌｅｘａ５４６」によって標識された他の生体分子の少なくとも一部が含まれるようになる。図５の図面符号４９１は、撮影装置が第５発光フィルタを用いて蛍光物質「ＣＦ５９４」で標識された生体分子のイメージを撮影するときに取得する、他の蛍光物質（例えば、「Ａｌｅｘａ５４６」）の光の信号を示している。

このような従来技術によると、試料に含まれる複数の生体分子を観察するためには、発光スペクトルが極力重ならないようにしなければならないという制約があり、これにより、同時に使用することが可能な蛍光物質は、最大で４つに限られるという限界があった。

図５は、本開示の一実施形態における、複数の未分離イメージから複数の分離イメージを生成する過程を示した概念図である。

本開示に係る未分離イメージ５１０は、１つ以上の未分離イメージを含んでよい。本開示に係る実施形態において、未分離イメージ５１０が２つ以上の未分離イメージを含む場合、それぞれの未分離イメージは、第１未分離イメージ５１０－１、第２未分離イメージ５１０－２、．．．、第ｎの未分離イメージ５１０－ｎなどに区分されてもよい（ｎは、２以上の自然数）。

未分離イメージ５１０は、試料に含まれる生体分子が蛍光物質で標識された後、サーバ１００が試料を撮影することによって取得したイメージであってもよい。上述したように、生体試料に含まれる生体分子を蛍光物質で染色（すなわち、生体分子と蛍光物質が物理的または化学的に結合）した後、染色した生体試料に光を照射すると、生体試料に含まれる蛍光物質が特定の波長帯の光を吸収することによって励起し、特定の波長帯の光を発光する。このとき、蛍光物質が発光する光を撮影することにより、生体試料に関する未分離イメージ５１０を取得することができる。未分離イメージ５１０は、本開示に係るイメージ処理方法を実行する対象となるイメージであり、本開示のイメージ処理方法によって生成される「分離イメージ５３０」とは区別される。すなわち、未分離イメージ５１０は、本開示に係るイメージ処理方法が実行されていないイメージであり、目的とする生体分子以外に、他の生体分子（例えば、類似の発光スペクトルを有する他の蛍光物質で標識された生体分子や、以前に染色ラウンドで染色された生体分子など）がさらに表示されたイメージであってもよい。本開示において、「未分離イメージ」という用語は、「入力イメージ」と互換的に使用されてもよい。

本開示に係る分離イメージ５３０は、１つ以上の分離イメージを含んでもよい。本開示に係る実施形態において、分離イメージ５３０が２つ以上の分離イメージを含む場合、それぞれの分離イメージは、第１分離イメージ５３０－１、第２分離イメージ５３０－２、．．．、第ｎ分離イメージ５３０－ｎなどに区別されてもよい（ｎは、２以上の自然数）。

分離イメージ５３０は、未分離イメージ５１０に対して本開示のイメージ処理方法を実行した結果として取得されるイメージであってもよい。分離イメージ５３０は、目的とする生体分子を表示するイメージであってもよい。本開示において「特定の生体分子の分離イメージ」とは、この生体分子だけが表現されるイメージを意味してもよい。例えば、「Ａ」生体分子に対する分離イメージは、試料に含まれる「Ａ」生体分子の形状、大きさ、形態、または色などを示すイメージであってもよい。分離イメージ５３０は、生体分子それぞれに対応するように生成されてもよい。

本開示の多様な実施形態において、複数の未分離イメージ５１０－１、５１０－２、．．．、５１０－ｎ、または複数の分離イメージ５３０－１、５３０－２、．．．、５３０－ｎそれぞれは、１つのチャネルを有する単一チャネル（Ｓｉｎｇｌｅ－Ｃｈａｎｎｅｌ）イメージであってもよい。単一チャネルイメージとは、各ピクセル（Ｐｉｘｅｌ）に対して単一の値（例えば、０以上２５５以下の定数）を有するイメージを意味してもよい。単一チャネルイメージに該当する未分離イメージの各ピクセルが有するピクセル値は、撮影部が光を取得することによって未分離イメージを撮影するときに、蛍光物質が発光する光の強度を指示する値であってもよい。単一チャネルイメージに該当する分離イメージの各ピクセルが有するピクセル値は、本開示に係るイメージ処理方法の実行結果、特定の生体分子のイメージを表現するために各ピクセルが有する光の強度を指示する値であってもよい。また、本開示において、複数の未分離イメージ５１０－１、５１０－２、．．．、５１０－ｎまたは複数の分離イメージ５３０－１、５３０－２、．．．、５３０－ｎがマルチチャネル（Ｍｕｌｔｉ－Ｃｈａｎｎｅｌ）イメージに含まれると表現する場合、マルチチャネルイメージの各チャネルは、複数の未分離イメージ５１０－１、５１０－２、．．．、５１０－ｎまたは複数の分離イメージ５３０－１、５３０－２、．．．、５３０－ｎそれぞれに対応してもよい。例えば、単一チャネルイメージである未分離イメージを３つ含む複数の未分離イメージを「マルチチャネル未分離イメージ」と称する場合、このマルチチャネル未分離イメージの各チャネルは、複数の未分離イメージに含まれるそれぞれの未分離イメージに対応してもよい。また、本開示によって、個別に取得した複数の未分離イメージまたは複数の分離イメージをそれぞれの１つのチャネルに対応させることによってマルチチャネル未分離イメージまたはマルチチャネル分離イメージとして表示する場合、複数の未分離イメージまたは複数の分離イメージは、１つのマルチチャネルイメージ上に同時に表示されてよい。例えば、３つの未分離イメージをＲｅｄチャネル、Ｇｒｅｅｎチャネル、Ｂｌｕｅチャネルそれぞれに対応させて３つのチャネルを有するＲＧＢイメージとして表示する場合、３つの未分離イメージはＲＧＢイメージ上で同時に表示されてよい。

本開示のイメージ処理方法は、未分離イメージ５１０から分離イメージ５３０を生成することができる。

一実施形態において、サーバ１００は、複数の未分離イメージ５１０－１、５１０－２、．．．、５１０－ｎを分離するための少なくとも１つのパラメータに基づいて複数の未分離イメージ５１０－１、５１０－２、．．．、５１０－ｎを分離することによって、複数の分離イメージ５３０－１、５３０－２、．．．、５３０－ｎを生成してもよい。説明のために、複数の未分離イメージが２つの未分離イメージを含むと仮定するとき、少なくとも１つのパラメータに基づいて複数の未分離イメージから生成された２つの分離イメージは、以下の数式（１）のように表現されてもよい。

数式（１）において、Ｙ_１とＹ_２は未分離イメージを、θ_１２とθ_２１は分離イメージを生成するために必要なパラメータを、Ｘ_１とＸ_２は分離イメージを示している。このとき、θ_１２とθ_２１は、各未分離イメージの加重値（または、寄与率）を決定するためのパラメータであってもよい。プロセッサ１１０は、少なくとも１つのパラメータ（θ_１２またはθ_２１）に基づいて未分離イメージを加重合算（または、線形重畳）し、これに応じて分離イメージを生成してもよい。例えば、数式（１）によると、分離イメージＸ_１は、１倍のＹ_１とθ_１２倍のＹ_２を線形重畳した結果として生成され、分離イメージＸ_２は、θ_２１倍のＹ_１と１倍のＹ_２を線形重畳した結果として生成されてもよい。

本開示において「少なくとも１つのパラメータに基づいて複数の未分離イメージを分離する演算」は、行列に基づいて表現されてもよい。このような行列は、本開示において「アンミキシング行列（Ｕｎｍｉｘｉｎｇ Ｍａｔｒｉｘ）と称され、複数の未分離イメージから生体分子それぞれに対する複数の分離イメージを生成するための少なくとも１つの要素を含んでもよい。すなわち、アンミキシング行列は、複数の未分離イメージ間の線形重畳率を決定する少なくとも１つの要素を含んでもよい。前記数式（１）を行列に基づいて表現する場合、以下の数式（２）のように例示してもよい。

一実施形態において、サーバ１００は、複数の未分離イメージ５１０－１、５１０－２、．．．、５１０－ｎそれぞれから予め決定された定数（または、「定数オフセット（Ｃｏｎｓｔａｎｔ Ｏｆｆｓｅｔ）」とも呼ばれる）を引いた後、予め決定された定数分だけ各ピクセルの値が引かれた複数の未分離イメージを加重合することによって、複数の分離イメージ５３０－１、５３０－２、．．．、５３０－ｎを生成してもよい。

数式（３）において、θ_ｂ１とθ_ｂ２はそれぞれ、未分離イメージＹ_１とＹ_２に対応する定数オフセットを示す。サーバ１００は、定数オフセットを未分離イメージに含まれる各ピクセル値から引いた後、（Ｙ_１－θ_ｂ１）と（Ｙ_２－θ_ｂ２）の加重合算結果に基づいてそれぞれの分離イメージを生成してもよい。

上述した数式（１）～（３）では、複数の未分離イメージが２つの未分離イメージを含むものと仮定して説明したが、本開示がこれに限定されてはならず、複数の未分離イメージが３つ以上の未分離イメージを含んでもよい。

図６は、本開示の一実施形態における、試料に関する複数の未分離イメージからアンミキシング行列を用いて複数の生体分子それぞれの分離イメージを生成するサーバ１００の動作を示したフローチャートである。

サーバ１００は、複数の生体分子を含む試料に関する複数の未分離イメージを取得してもよい（Ｓ６１０）。より具体的に、プロセッサ１１０は、サーバ１００のユーザが入力部１４０を介して複数の未分離イメージを入力する動作に基づいて、複数の未分離イメージを取得してもよい。また、プロセッサ１１０は、サーバ１００の撮影部（図示せず）を介して試料のイメージを撮影し、これによって複数の未分離イメージを取得してもよい。また、プロセッサ１１０は、通信インタフェース１２０を介して、外部の装置またはユーザ端末２００から複数の未分離イメージを取得してもよい。複数の未分離イメージ（入力イメージ）は、例えば、数式（４）のように行列で表現されてもよい。

数式（４）において、Ｙは、複数の未分離イメージ（すなわち、複数の入力イメージ）に関する行列を示す。複数の入力イメージは、試料の染色過程において、試料をｎ回染色して撮影した結果として取得した複数の未分離イメージであってもよい。数式（４）において、（ｉ^ｔｈ ｉｎｐｕｔ ｉｍｇ）_ｊは、ｉ番目の入力イメージのｊ番目のピクセルの値を示している。数式（４）において、行列が有する行の大きさは、複数の入力イメージの数と同じであってもよい。例えば、複数の入力イメージの数がｎ個の場合、行列（Ｙ）が有する行の大きさはｎであってもよい。数式（４）において、行列が有する列の大きさは、それぞれの入力イメージに含まれるピクセルの数と同じであってもよい。例えば、入力イメージが２次元イメージであり、１０２４（横方向のピクセル数）×１０２４（縦方向のピクセル数）の解像度を有することによって入力イメージに含まれるピクセルの数が１０４８５７６（＝１０２４＊１０２４）個である場合、行列（Ｙ）が有する列の大きさは１０４８５７６となる。すなわち、行列（Ｙ）が有する列の大きさがｎであり、行の大きさがｍである場合（すなわち、ｎｘｍ行列である場合）、行列（Ｙ）は、入力イメージそれぞれがｍ個のピクセルを含むｎ個の入力イメージに関する行列であると解釈されてもよい。

次に、サーバ１００は、アンミキシング行列を利用して、複数の未分離イメージから複数の生体分子それぞれに対応する複数の分離イメージを生成してもよい（Ｓ６２０）。本開示に係るアンミキシング行列は正方行列であり、行（Ｒｏｗ）と列（Ｃｏｌｕｍｎ）の大きさが同じである正方行列であってもよいし、行と列の大きさが異なる長方行列であってもよい。アンミキシング行列は、例えば、以下の数式（５）のように表現されてもよい。

数式（５）において、α_ｉｊは、アンミキシング行列のｉ行ｊ列の要素（または、パラメータ）の値を示している。アンミキシング行列（Ｕ）の列の大きさは、行列演算の対象となる未分離イメージの数と同じであってもよい。例えば、ｎ個の未分離イメージに対するアンミキシング行列の列の大きさは、未分離イメージの数と同様に、ｎであってもよい。アンミキシング行列（Ｕ）の行の大きさ（すなわち、ｋ）は、アンミキシング行列（Ｕ）の列の大きさ（ｎ）と同じであってもよいし異なってもよい。アンミキシング行列（Ｕ）の行（Ｒｏｗ）の大きさ（すなわち、ｋ）は、アンミキシング行列（Ｕ）の列の大きさ（ｎ）よりも小さくてもよいし同じであってもよい。

プロセッサ１１０は、アンミキシング行列を利用して複数の未分離イメージを演算することによって、複数の分離イメージを生成してもよい。前記数式（４）による未分離イメージと前記数式（５）によるアンミキシング行列に基づいて生成された複数の分離イメージは、以下の数式（６）のように表現されてもよい。

数式（６）において、Ｘは、アンミキシング行列（Ｕ）と複数の未分離イメージに対する行列（Ｙ）を行列乗算（ｍａｔｒｉｘ ｍｕｌｔｉｐｌｉｃａｔｉｏｎ）した結果として取得される行列を示している。複数の分離イメージに対する行列（Ｘ）が有する行の大きさは、生成された分離イメージの数を示してもよい。複数の分離イメージに対する行列（Ｘ）が有する列の大きさは、各分離イメージに含まれるピクセルの数を示してもよい。それぞれの分離イメージは、対応する特定の生体分子のイメージであってもよい。数式（６）において、（ｉ^ｔｈ ｕｎｍｉｘｅｄ ｉｍｇ）_ｊは、ｉ番目の分離イメージのｊ番目のピクセルの値を示している。例えば、第１分離イメージ（Ｆｉｒｓｔ ｕｎｍｉｘｅｄ ｉｍａｇｅ）は、試料に含まれる生体分子「Ａ」のイメージを示してよく、第ｎ分離イメージ（ｎ^ｔｈ ｕｎｍｉｘｅｄ ｉｍａｇｅ）は、試料に含まれる生体分子「Ｂ」のイメージを示してもよい。

上述したように、プロセッサ１１０は、複数の未分離イメージを取得し、アンミキシング行列を用いて複数の未分離イメージに対する行列演算を実行することによって、複数の生体分子それぞれに対応する複数の分離イメージを生成することができる。

一実施形態において、アンミキシング行列は、行と列のサイズが同じである正方行列（Ｓｑｕａｒｅ Ｍａｔｒｉｘ）であってもよい。例えば、正方行列であるアンミキシング行列は、以下の数式（７）のように表現されてよい。

数式（７）において、アンミキシング行列（Ｕ）は、行と列の大きさがそれぞれｎ（ｎは、１以上の自然数）と同じである正方行列であってもよい。プロセッサ１１０は、このようなアンミキシング行列（Ｕ）に基づいてｎ個の未分離イメージに対する行列演算を実行することによって、ｎ個の分離イメージを取得してもよい。

以下では、図７～１０を参照しながら、マルチチャネルイメージからヒストグラムまたは確率分布関数を決定する方法について説明する。

図７は、本開示の一実施形態における、マルチチャネルイメージから互いに異なる方法で決定されたヒストグラム（Ｈｉｓｔｏｇｒａｍ）を示した例示図である。第１イメージ７１０は、例えば、複数の未分離イメージを含むマルチチャネルイメージであってもよい。第１イメージ７１０の各チャネルは、複数の未分離イメージそれぞれに対応してもよい。以下、本開示において、第１イメージ７１０は、２つのチャネルを有するマルチチャネルイメージであるとして説明するが、これは説明の便宜のための仮定に過ぎず、本開示がこれに限定されてはならない。例えば、第１イメージ７１０に含まれる１つ目のイメージ（または、第１イメージの第１チャネル）は、試料に含まれる生体分子「Ａ１」を蛍光物質「Ａ２」で染色し、蛍光物質「Ａ２」が発光する光を撮影したイメージ（または、チャネル）であってもよい。また、例えば、第１イメージ７１０に含まれる２つ目のイメージ（または、第１イメージの第２チャネル）は、試料に含まれる生体分子「Ｂ１」を蛍光物質「Ｂ２」で染色し、蛍光物質「Ｂ２」が発光する光を撮影したイメージ（または、チャネル）であってもよいし、試料に含まれる生体分子「Ａ１」および「Ｂ１」をそれぞれ蛍光物質「Ａ２」および「Ｂ２」で染色し、蛍光物質「Ａ２」および蛍光物質「Ｂ２」が発光する両方の光を撮影したイメージ（または、チャネル）であってもよい。

プロセッサ１１０は、複数の単一チャネルイメージを含むマルチチャネルイメージに基づいて、互いに異なる方法によって２つ以上のヒストグラムを決定してもよい。例えば、プロセッサ１１０は、複数の単一チャネルイメージ内の互いに同じ位置のピクセルの値に基づいて１つのヒストグラムを決定し、また、この複数の単一チャネルイメージ内の互いに異なる位置のピクセルの値に基づいて他の１つのヒストグラムを決定してもよい。例えば、図７に示すように、第１－１ヒストグラム７３０または第１－２ヒストグラム７５０はそれぞれ、第１イメージ７１０に関して互いに異なる方法で決定されたヒストグラムであってもよい。一実施形態において、第１－１ヒストグラム７３０は、第１イメージ７１０に含まれる複数の未分離イメージ内の互いに同じ位置のピクセルの値に基づいて決定されたヒストグラムであってもよく、第１－２ヒストグラム７５０は、第１イメージ７１０に含まれる複数の未分離イメージ内の互いに異なる位置のピクセルの値に基づいて決定されたヒストグラムであってもよい。以下、図８および図９を参照しながら、本開示に係るヒストグラム決定方法について詳しく説明する。

図８は、本開示の一実施形態における、複数の単一チャネルイメージそれぞれに含まれる互いに同じ位置のピクセルの値に基づいてヒストグラムを決定するサーバ１００の動作を示したフローチャートである。図８では、複数の単一チャネルイメージを含むマルチチャネルイメージの一例として、図７の第１イメージ７１０を例に挙げて説明する。

プロセッサ１１０は、複数の単一チャネルイメージそれぞれに含まれる互いに同じ位置のピクセルの値を取得してもよい（Ｓ８１０）。例えば、プロセッサ１１０は、第１イメージ７１０に含まれる１つ目のイメージ（第１イメージの第１チャネル）内の第１位置７１１からピクセル値（例えば、０．９）を取得してもよい。また、プロセッサ１１０は、第１イメージ７１０に含まれる２つ目のイメージ（第１イメージの第２チャネル）内の第１位置７１１からピクセル値（例えば、０．８）を取得してもよい。上述したように、プロセッサ１１０は、第１イメージ７１０に含まれる複数の未分離イメージそれぞれに含まれる互いに同じ位置（すなわち、第１位置）のピクセルのピクセル値を取得してもよい。

次に、プロセッサ１１０は、複数の単一チャネルイメージそれぞれから取得した互いに同じ位置のピクセルの値に基づいて、チャネル値シーケンスペアを生成してもよい（Ｓ８２０）。チャネル値シーケンスペアは複数の要素を含んでもよい。例えば、第１イメージ７１０に対するチャネル値シーケンスペアは２つの要素を含んでもよい。第１イメージ７１０に対するチャネル値シーケンスペアは、例えば、（ｖ１、ｖ２）のように表現されてもよい。このとき、チャネル値シーケンスペア（ｖ１、ｖ２）に含まれる第１要素（ｖ１）は、第１イメージ７１０の第１チャネルに含まれるピクセルの値であってもよく、第２要素（すなわち、ｖ２）は、第１イメージ７１０の第２チャネルに含まれるピクセルの値であってもよい。チャネル値シーケンスペアに含まれる各要素の値は、光の強度を意味する値であり、所定の区間（例えば、０以上１以下）に含まれる実数（Ｒｅａｌ Ｎｕｍｂｅｒ）であってもよい。第１イメージ７１０の第１チャネル内の第１位置７１１から取得したピクセル値が０．９であり、第１イメージ７１０の第２チャネル内の第１位置７１１から取得したピクセル値が０．８である場合、プロセッサ１１０は、（０．９、０．８）の値を有するチャネル値シーケンスペアを生成してもよい。

次に、プロセッサ１１０は、チャネル値シーケンスペアを生成する動作を所定の回数だけ繰り返すことによって、複数のチャネル値シーケンスペアを生成してもよい（Ｓ８３０）。例えば、プロセッサ１１０は、上述したＳ８１０およびＳ８２０を順に所定の回数だけ繰り返すことによって、繰り返された回数分のチャネル値シーケンスペアを生成してもよい。

次に、プロセッサ１１０は、複数のチャネル値シーケンスペアのうちで同じ値を持つチャネル値シーケンスペアの数を決定してもよい（Ｓ８４０）。例えば、生成されたチャネル値のシーケンスペアが［（０．９，０．８）、（０．８，０．２）、（０．６，０．０）、（０．９，０．８）、（０．９，０．８）、（０．９，０．８）、（０．８，０．２）、（０．６，０．０）、（０．８，０．２）、（０．６，０．０）］であると仮定するとき、プロセッサ１１０は、シーケンスペア（０．９，０．８）４つ、シーケンスペア（０．８，０．２）３つ、シーケンスペア（０．６，０．０）３つのように、同じ値を有するチャネル値のシーケンスペアの数を決定してもよい。

次に、プロセッサ１１０は、チャネル値シーケンスペアの数に基づいてヒストグラムを生成してもよい（Ｓ８５０）。一実施形態において、ヒストグラムは、２次元座標軸上に表現されてもよい。すなわち、ヒストグラムは、チャネル値シーケンスペアの第１要素に対応する横軸（ｘ軸）を有し、チャネル値シーケンスペアの第２要素に対応する縦軸（ｙ軸）を含んでもよい。ヒストグラム上でそれぞれのチャネル値シーケンスペアに対応するピクセルは、該当となるチャネル値シーケンスペアの数に基づいて互いに異なる色または互いに異なる明るさなどを有するように表現されてもよい。例えば、ヒストグラム上の各チャネル値シーケンスペアに対応するピクセルは、チャネル値シーケンスペアの数が多いほど明るく表現されたり、第１色（例えば、青）から第２色（例えば、赤）に近づくように表現されてもよい。図７を参照しながら説明すると、第１－１ヒストグラム７３０は、プロセッサ１１０が第１イメージ７１０に対して上述したＳ８１０～Ｓ８５０を実行した結果として生成されたヒストグラムであってもよい。また、図面符号７３１で示されるピクセルは、第１－１ヒストグラム７３０上でｘ値として０．３、ｙ値として０．２を有するピクセルであり、チャネル値シーケンスペア（０．３、０．２）に対応するピクセルであってもよい。図面符号７３３で示されるピクセルは、第１－１ヒストグラム７３０上でｘ値として０．６、ｙ値として０．６を有するピクセルであり、チャネル値シーケンスペア（０．６、０．６）に対応するピクセルであってもよい。第１イメージ７１０から生成されたチャネル値シーケンスペアのうちで（０．３、０．２）の値を有するチャネル値シーケンスペアの数が（０．６、０．６）の値を有するチャネル値シーケンスペアの数よりも多いと仮定する場合、第１－１ヒストグラム７３０上では、チャネル値シーケンスペア（０．３、０．２）に対応するピクセル７３１がチャネル値シーケンスペア（０．６、０．６）に対応するピクセル７３３よりも明るい色で表現されてもよい。

他の一実施形態において、ヒストグラムは、３次元座標軸上に表現されてもよい。このとき、ヒストグラムは、チャネル値シーケンスペアの第１要素に対応する第１軸（ｘ軸）、チャネル値シーケンスペアの第２要素に対応する第２軸（ｙ軸）、およびチャネル値シーケンスペアの数に対応する第３軸（ｚ軸）を含んでもよい。

プロセッサ１１０は、Ｓ８５０を実行した後、生成されたヒストグラムから確率分布関数を決定する動作をさらに実行してもよい。以下、本開示において、「確率分布関数」は、「確率分布」とも称する。例えば、プロセッサ１１０は、Ｓ８５０の実行結果によって生成されたヒストグラムを正規化することによって、近似的に確率分布を決定してもよい。図７を参照しながら説明すると、第１－１ヒストグラム７３０から決定された確率分布は、第１－１ヒストグラム７３０と類似のデータ分布を有する連続確率分布であってもよい。

図９は、本開示の一実施形態における、複数の単一チャネルイメージそれぞれに含まれる互いに異なる位置のピクセルの値に基づいてヒストグラムを決定するサーバ１００の動作を示したフローチャートである。図９では、複数の単一チャネルイメージを含むマルチチャネルイメージの一例として、図７の第１イメージ７１０を例に挙げて説明する。

プロセッサ１１０は、複数の単一チャネルイメージそれぞれに含まれる互いに異なる位置のピクセルの値を取得してもよい（Ｓ９１０）。例えば、プロセッサ１１０は、第１イメージ７１０に含まれる１つ目のイメージ（第１イメージの第１チャネル）内の第２－１位置７１３ａからピクセル値（例えば、０．５）を取得してもよい。また、プロセッサ１１０は、第１イメージ７１０に含まれる１つ目のイメージ（第１イメージの第１チャネル）内の第２－２位置７１３ｂからピクセル値（例えば、０．１）を取得してもよい。第２－１位置７１３ａおよび第２－２位置７１３ｂは、互いに異なる座標値を有する位置であってもよい。上述したように、プロセッサ１１０は、第１イメージ７１０に含まれる複数の未分離イメージそれぞれに含まれる互いに異なる位置のピクセルのピクセル値を取得してもよい。

次に、プロセッサ１１０は、複数の単一チャネルイメージそれぞれから取得した互いに異なる位置のピクセルの値に基づいてチャネル値シーケンスペアを生成してもよい（Ｓ９２０）。例えば、第１イメージ７１０の第１チャネル内の第２－１位置７１３ａから取得したピクセルの値が０．５であり、第１イメージ７１０の第２チャネル内の第２－２位置７１３ｂから取得したピクセルの値が０．１である場合、プロセッサ１１０は、（０．５、０．１）の値を有するチャネル値シーケンスペアを生成してもよい。

次に、プロセッサ１１０は、チャネル値シーケンスペアを生成する動作（すなわち、Ｓ９１０およびＳ９２０）を所定の回数だけ繰り返すことによって複数のチャネル値シーケンスペアを生成し（Ｓ９３０）、複数のチャネル値シーケンスペアのうちで同一の値を有するチャネル値シーケンスペアの数を決定し（Ｓ９４０）、チャネル値シーケンスペアの数に基づいてヒストグラムを生成してもよい（Ｓ９５０）。Ｓ９３０～Ｓ９５０は、プロセッサ１１０によって上述したＳ８３０～Ｓ８５０と同一または類似するように実行されるため、重複する内容の説明は省略する。図７の第１－２ヒストグラム７５０は、プロセッサ１１０が第１イメージ７１０に対して上述したＳ９１０～Ｓ９５０を実行した結果として生成されたヒストグラムであってもよい。

プロセッサ１１０は、Ｓ９５０を実行した後、生成されたヒストグラムから確率分布関数を決定する動作をさらに実行してもよい。例えば、プロセッサ１１０は、Ｓ９５０の実行結果によって生成されたヒストグラムを正規化することによって、近似的に確率分布を決定してもよい。図７を参照して説明すると、第１－２ヒストグラム７５０から決定された確率分布は、第１－２ヒストグラム７５０と類似のデータ分布を有する連続確率分布関数であってもよい。

本開示に係るサーバ１００は、図８および図９を参照しながら説明したように、複数の単一チャネルイメージを含むマルチチャネルイメージに基づいて、互いに異なる方法により、該当となるイメージのヒストグラムまたは確率分布を決定することができる。

本開示において、複数のイメージ間の「依存性」または「類似性」という用語は、複数のイメージに含まれる情報が互いにどのくらい関連しているかを示す用語であり、確率的独立性に対比する意味として使用されてもよい。複数のイメージが互いに高い依存性を有する場合、それぞれのイメージで互いに同じ位置に対応するピクセルは、ピクセル値の間に特定の傾向性を有することがある。例えば、それぞれのイメージで互いに同一する位置に対応するピクセル値のうちで１つ目のチャネルのピクセル値が低い場合、高い確率で２つ目のチャネルのピクセル値が高くなり、これとは逆に、１つ目のチャネルのピクセル値が高い場合、高い確率で２つ目のチャネルのピクセル値が高くなる。この反面、複数のイメージが互いに低い依存性を有する場合、それぞれのイメージで互いに同じ位置に対応するピクセルであっても、そのピクセルのピクセル値の間には特定の傾向性がないことがある。本開示において、複数のピクセル値の間に「特定の傾向性がない」というのは、複数のピクセル値が互いに影響を与えず、複数のピクセル値の大きさに関する大小関係がランダム（ｒａｎｄｏｍ）に決定されることを意味する。また、本開示において、「独立性（Ｉｎｄｅｐｅｎｄｅｎｃｙ）」という用語は、複数のイメージに含まれる情報が互いにどれだけ独立的であるかを示す用語として使用されてよい。すなわち、依存性と独立性は相反する概念であり、複数のイメージの間の依存性が高いほど独立性は低く、依存性が低いほど独立性は高いと表現されてよい。本開示に係る複数の未分離イメージは、互いに高い依存性（ｄｅｐｅｎｄｅｎｃｙ）を有する。また、複数の未分離イメージから生成された複数の分離イメージは、低い依存性を有する。

再び図７を参照すると、第１イメージ７１０は、複数のチャネルがそれぞれ複数の未分離イメージに含まれた１つの未分離イメージに対応する場合のマルチチャネルイメージであってもよい。複数の未分離イメージは、上述したように、互いに高い依存性を有してもよく、それぞれの未分離イメージに含まれる互いに同一する位置のピクセルは、互いに同一あるいは類似の大きさのピクセル値を有してもよい。したがって、複数の未分離イメージそれぞれに含まれる互いに同じ位置のピクセルの値に基づいてヒストグラムを決定する場合、チャネル値のシーケンスペアに含まれる第１要素の大きさと第２要素の大きさは、代替的に同一あるいは類似する。例えば、複数の未分離イメージそれぞれに含まれる互いに同じ位置のピクセルの値に基づいて生成された第１－１ヒストグラム７３０のように、第１要素の値と第２要素の値の間には特定の相関関係が示されることがある。

本開示において、複数の単一チャネルイメージそれぞれに含まれる互いに同じ位置のピクセルの値に基づいて生成されたヒストグラムは、このイメージに対する「結合ヒストグラム（Ｊｏｉｎｔ Ｈｉｓｔｏｇｒａｍ）とも呼ばれる。また、結合ヒストグラムから決定された確率分布関数は、「結合確率分布」とも呼ばれる。例えば、第１－１ヒストグラム７３０は、第１イメージ７１０に含まれる複数の未分離イメージに対する結合ヒストグラムであってもよい。

第１イメージ７１０に含まれる複数の未分離イメージ内で互いに異なる位置のピクセルの値に基づいてヒストグラムを生成する場合、チャネル値シーケンスペアに含まれる第１要素の大きさと第２要素の大きさの間には特定の傾向性がないことがある。例えば、複数の未分離イメージそれぞれに含まれる異なる位置のピクセルの値に基づいて生成された第１－２ヒストグラム７５０のように、チャネル値シーケンスペアに含まれる第１要素の値と第２要素の値の間には特定の相関関係が示されないことがある。

本開示において、複数の単一チャネルイメージそれぞれに含まれる互いに異なる位置のピクセルの値に基づいて生成されたヒストグラムは、そのイメージに対する「周辺ヒストグラム（Ｍａｒｇｉｎａｌ Ｈｉｓｔｏｇｒａｍ）」とも呼ばれる。また、周辺ヒストグラムから決定された確率分布関数は「周辺確率分布」とも呼ばれる。例えば、第１－２ヒストグラム７５００は、第１イメージ７１０に含まれる複数の未分離イメージに対する周辺ヒストグラムであってもよい。

以下、図１０を参照しながら、マルチチャネルイメージに含まれる複数のチャネルがそれぞれ分離イメージである場合に決定される、２つ以上のヒストグラムについて説明する。

図１０は、本開示の他の一実施形態における、マルチチャネルイメージから互いに異なる方法で決定されたヒストグラムを示した例示図である。第２イメージ１０１０は、例えば、複数の分離イメージを含むマルチチャネルイメージであってもよい。第２イメージ１０１０は、プロセッサ１１０がアンミキシング行列を利用して複数の未分離イメージを演算した結果として生成された複数の分離イメージを含むマルチチャネルイメージであってもよい。以下、本開示において、第２イメージ１０１０は、２つのチャネルを有するマルチチャネルイメージであると説明するが、これは説明の便宜のための仮定に過ぎず、本開示がこれによって限定されてはならない。例えば、第２イメージ１０１０に含まれる１つ目のイメージ（または、第２イメージの第１チャネル）は、試料に含まれる生体分子「Ａ１」に対するイメージであってもよい。また、例えば、第２イメージ１０１０に含まれる２つ目のイメージ（または、第２イメージの第２チャネル）は、試料に含まれる生体分子「Ｂ１」に対するイメージであってもよい。

第２－１ヒストグラム１０３０および第２－２ヒストグラム１０５０はそれぞれ、図７を参照しながら説明した第１－１ヒストグラム７３０および第１－２ヒストグラム７５０と類似の方法によって第２イメージ１０１０に関して決定されたヒストグラムであってもよい。例えば、第２－１ヒストグラム１０３０は、第２イメージ１０１０に含まれる複数の単一チャネルイメージ内で互いに同じ位置のピクセルの値に基づいて決定された結合ヒストグラムであり、第２－２ヒストグラム１０５０は、第２イメージ１０１０に含まれる複数の単一チャネルイメージ内で互いに異なる位置のピクセルの値に基づいて決定された周辺ヒストグラムであってもよい。複数の分離イメージにおいて、互いに同じ位置に対応するピクセルそれぞれが有するピクセル値の間には特定の傾向性がないことがある。すなわち、互いに低い依存性を有する複数の分離イメージに対して決定されたヒストグラムには、特定の相関関係が示されないことがある。例えば、複数の分離イメージを含む第２イメージ１０１０に対して第２－１ヒストグラム１０３０および第２－２ヒストグラム１０５０をそれぞれ生成する場合、生成された２つのヒストグラムにおいて、チャネル値シーケンスペアに含まれる第１要素の大きさと第２要素の大きさの間には特定の傾向性がないことがある。

図１１は、本開示の一実施形態における、アンミキシング行列のパラメータを更新するサーバ１００の動作を示したフローチャートである。

プロセッサ１１０は、複数の生体分子を含む試料に関する複数の未分離イメージを取得してもよい（Ｓ１１１０）。プロセッサ１１０は、第１アンミキシング行列を利用して、複数の未分離イメージから複数の生体分子それぞれに対応する複数の分離イメージを生成してもよい（Ｓ１１２０）。Ｓ１１１０またはＳ１１２０は、プロセッサ１１０によって、図６で説明したＳ６１０またはＳ６２０と同一あるいは類似するように実行されてよい。

次に、プロセッサ１１０は、アンミキシング行列によって生成された複数の分離イメージに基づいて、複数の分離イメージ間の依存性を評価してもよい（Ｓ１１３０）。複数の分離イメージ間の依存性は、プロセッサ１１０によって実行される特定のアルゴリズムに基づいて評価されてもよいし、プロセッサ１１０が人工ニューラルネットワークモデルを利用して所定の演算を実行することによって評価されてもよい。また、プロセッサ１１０は、依存性評価結果に基づいて、複数の分離イメージ間の依存性が低くなるようにアンミキシング行列のパラメータを修正してもよい（Ｓ１１４０）。

本開示の多様な実施形態によると、プロセッサ１１０は、複数の分離イメージに対して生成されたヒストグラムに基づいて、複数の分離イメージ間の依存性を評価してもよい。具体的に、プロセッサ１１０は、複数の分離イメージに対して生成されたヒストグラムに基づいて、予め定められたアルゴリズム（または、数式）によって複数の分離イメージ間の依存性を指示する値（以下、「依存性評価値」とも称する）を算出してもよい。

複数の分離イメージに対して生成されたヒストグラムに基づいて複数の分離イメージ間の依存性を評価する第１実施形態において、プロセッサ１１０は、複数の分離イメージ間の相互情報量（Ｍｕｔｕａｌ Ｉｎｆｏｒｍａｔｉｏｎ）を算出することによって依存性を評価してもよい。「相互情報量」とは、情報理論から発生した値であって、２つの変数間の相互情報量は２つの変数が共有している情報の総量を意味してもよく、例えば、２つのランダム変数（ｔｗｏ ｒａｎｄｏｍ ｖａｒｉａｂｌｅｓ）間の相互情報量は０であってもよい。プロセッサ１１０は、複数の分離イメージに基づいて生成される結合ヒストグラムまたは周辺ヒストグラムに基づいて相互情報量を算出してもよい。２つの分離イメージに対する相互情報量は、例えば、以下の数式（８）のように表現されてよい。

複数の分離イメージに対して生成されたヒストグラムに基づいて複数の分離イメージ間の依存性を評価する第２実施形態において、プロセッサ１１０は、複数の分離イメージ間のカルバック・ライブラー情報量（Ｋｕｌｌｂａｃｋ－Ｌｅｉｂｌｅｒ Ｄｉｖｅｒｇｅｎｃｅ）値を算出することによって依存性を評価してもよい。「カルバック・ライブラー情報量」は、互いに異なる２つの確率分布の差を計算するときに使用可能な関数であり、この関数の値は互いに異なる２つの確率分布の情報エントロピーの差を示す。カルバック・ライブラー情報量値が大きいほど互いに異なる２つの確率分布は差が大きく、適切に区別することができる。カルバック・ライブラー情報量値は、下記の数式（９）のように定義されてもよい。

数式（９）において、Ｘは、複数の分離イメージ間の結合ヒストグラムまたは結合確率分布を示している。複数の分離イメージに対する結合ヒストグラムまたは結合確率分布は、例えば、プロセッサ１１０が複数の分離イメージに対して上述した図８の各段階を実行した結果として生成されてもよい。また、Ｙは、複数の分離イメージ間の周辺ヒストグラムまたは周辺確率分布を示している。複数の分離イメージに対する周辺ヒストグラムまたは周辺確率分布は、例えば、プロセッサ１１０が複数の分離イメージに対して上述した図９の各段階を実行した結果として生成されてもよい。プロセッサ１１０は、数式（９）に示したカルバック・ライブラー情報量値に基づいて、複数の分離イメージ間の依存性を算出してもよい。

複数の分離イメージに対して生成されたヒストグラムに基づいて複数の分離イメージ間の依存性を評価する第３実施形態において、プロセッサ１１０は、複数の分離イメージ間の交差エントロピー値を算出することによって依存性を評価してもよい。「交差エントロピー」は、２つの確率分布を区別するために必要な平均ビット数を意味し、この値は互いに異なる２つの確率分布の差を示す。交差エントロピー値が大きいほど互いに異なる２つの確率分布は差が大きく、適切に区別することができる。交差エントロピー値は、下記の数式（１０）のように定義されてもよい。

数式（１０）において、Ｘは、複数の分離イメージ間の結合ヒストグラムまたは結合確率分布を示している。複数の分離イメージに対する結合ヒストグラムまたは結合確率分布は、例えば、プロセッサ１１０が複数の分離イメージに対して上述した図８の各段階を実行した結果として生成されてもよい。また、Ｙは、複数の分離イメージ間の周辺ヒストグラムまたは周辺確率分布を示している。複数の分離イメージに対する周辺ヒストグラムまたは周辺確率分布は、例えば、プロセッサ１１０が複数の分離イメージに対して上述した図９の各段階を実行した結果として生成されてもよい。プロセッサ１１０は、数式（１０）に示す交差エントロピー値に基づいて、複数の分離イメージ間の依存性を算出してもよい。

複数の分離イメージに対して生成されたヒストグラムに基づいて複数の分離イメージ間の依存性を評価する第４実施形態において、プロセッサ１１０は、複数の分離イメージ間のランド指数（Ｒａｎｄ Ｉｎｄｅｘ）を算出することによって依存性を評価してもよい。「ランド指数」は、２つのデータセット間の類似度を示す値である。ランド指数が大きいほど互いに異なる２つのデータセットは差が大きく、適切に区別することができる。例えば、２つのデータセット（ＸとＹ）がそれぞれＸ＝｛Ｘ，Ｘ_１２，．．．，Ｘ_ｉ｝とＹ＝｛Ｙ，Ｙ_１２，．．．，Ｙ_ｊ｝のように表現されると仮定するとき、２つのデータセット間の重畳は以下の表１のように示されてもよい。

例えば、データセットＸは、複数の分離イメージ間の結合ヒストグラムまたは結合確率分布のデータを含んでよく、データセットＹは、複数の分離イメージ間の周辺ヒストグラムまたは周辺確率分布のデータを含んでよい。このような表１に基づくランド指数は、以下の数式（１１）のように定義されてよい。

プロセッサ１１０は、数式（１１）に示したランド指数に基づいて、複数の分離イメージ間の依存性を算出してもよい。

上述した依存性評価に関する第１～４実施形態は、プロセッサ１１０が複数の分離イメージ間の依存性を評価する方法を具体的に説明するための例示に過ぎず、本開示がこれによって限定されてはならない。本開示のプロセッサ１１０は、多様な方法によって、複数の分離イメージに対して生成されたヒストグラムに基づいて依存性（または、類似性）を評価してもよい。

本開示に係るサーバ１００は、算出された依存性評価結果に基づいて、アンミキシング行列に含まれる少なくとも１つのパラメータを修正してもよい。以下では、上述した依存性評価に関する第１～４実施形態を再び参照しながら、具体的なパラメータ修正方法について説明する。

相互情報量に基づいて複数の分離イメージ間の依存性を評価する前記第１実施形態において、プロセッサ１１０は、算出された相互情報量が少なくなる方向にアンミキシング行列のパラメータを修正してもよい。本開示において、「複数の分離イメージに対して算出される特定の値が少なくなる方向にアンミキシング行列のパラメータを修正する」という表現は、複数の未分離イメージから複数の分離イメージを生成するための基礎となるアンミキシング行列のパラメータを修正した結果、修正後のアンミキシング行列によって生成された複数の分離イメージに対して算出された特定の値が、修正前のアンミキシング行列によって生成された複数の分離イメージに対して算出された特定の値よりも小さくなることを意味してもよい。以下では、「特定の値が少なくなる方向にアンミキシング行列のパラメータを修正する」という表現を、「特定の値が少なくなるようにアンミキシング行列のパラメータを修正する」という表現と互換的に使用する。プロセッサ１１０は、相互情報量が少なくなる方向にアンミキシング行列のパラメータを修正するために、例えば、下記の数式（１２）のような損失関数を使用してもよい。数式（１２）は、上述した数式（８）による、一実施形態における損失関数を示している。

カルバック・ライブラー情報量値に基づいて複数の分離イメージ間の依存性を評価する前記第２実施形態において、プロセッサ１１０は、カルバック・ライブラー情報量値が少なくなる方向にアンミキシング行列のパラメータを修正するために、例えば、以下の数式（１３）のような損失関数を使用してもよい。数式（１３）は、上述した数式（９）による、一実施形態における損失関数を示している。

複数の分離イメージが２つであると仮定するとき、数式（１３）のＸ’は、イメージ（Ｘ_１－α×Ｘ_２）とイメージ（Ｘ_２）の間で決定される結合確率分布を示してよく、Ｙ’は、イメージ（Ｘ_１）とイメージ（Ｘ_２－β×Ｘ_１）の間で決定される周辺確率分布を示してもよい。

交差エントロピー値に基づいて複数の分離イメージ間の依存性を評価する前記第３実施形態において、プロセッサ１１０は、交差エントロピー値が少なくなる方向にアンミキシング行列のパラメータを修正するために、例えば、以下の数式（１４）のような損失関数を使用してもよい。数式（１４）は、上述した数式（１０）による、一実施形態における損失関数を示している。

複数の分離イメージが２つであると仮定するとき、数式（１４）のＸ’は、イメージ（Ｘ_１－α×Ｘ_２）とイメージ（Ｘ_２）の間で決定される結合確率分布を示してよく、Ｙ’は、イメージ（Ｘ_１）とイメージ（Ｘ_２－β×Ｘ_１）の間で決定される周辺確率分布を示してもよい。

ランド指数に基づいて複数の分離イメージ間の依存性を評価する前記第４実施形態において、プロセッサ１１０は、ランド指数が少なくなる方向にアンミキシング行列のパラメータを修正するために、例えば、以下の数式（１５）のような損失関数を使用してもよい。数式（１５）は、上述した数式（１１）による、一実施形態における損失関数を示している。

複数の分離イメージが２つであると仮定するとき、数式（１５）のＸ’は、イメージ（Ｘ_１－α×Ｘ_２）とイメージ（Ｘ_２）の間で決定される結合確率分布を示してよく、Ｙ’は、イメージ（Ｘ_１）とイメージ（Ｘ_２－β×Ｘ_１）の間で決定される周辺確率分布を示してもよい。

プロセッサ１１０は、以下の数式（１６）に基づいて、上述した数式（１２）～（１５）のような多様な損失関数を最小化する少なくとも１つのパラメータ（例えば、数式（１２）～（１５）のαまたはβ）を決定してもよい。

上述したように、本開示に係るサーバ１００は、算出した依存性評価結果に基づいて、アンミキシング行列に含まれる少なくとも１つのパラメータを修正することができる。

本開示の追加のいくつかの実施形態によると、プロセッサ１１０は、人工ニューラルネットワークモデルに基づいて複数の分離イメージ間の依存性を評価し、依存性評価結果に基づいてアンミキシング行列のパラメータを修正してもよい。本開示によってプロセッサ１１０が人工ニューラルネットワークモデルに基づいてアンミキシング行列のパラメータを修正する方法については、以下の図面を参照しながら具体的に説明する。

次に、プロセッサ１１０は、予め定められた臨界条件を満たしているかどうかを判断してもよい（Ｓ１１４５）。

一実施形態において、予め定められた臨界条件は、アンミキシング行列の更新回数による条件であってもよい。例えば、予め定められた臨界条件が、アンミキシング行列をＮ（Ｎは１以上の自然数）回だけ修正した場合に満たされる条件であると仮定する。このとき、プロセッサ１１０は、アンミキシング行列を更新するたびに更新回数をカウントし、カウントした更新回数がＮ回である場合、予め定められた臨界条件が満たされていると判断してもよい。

プロセッサ１１０が複数の分離イメージ間の依存性評価値を算出する一実施形態において、予め決定された臨界条件は、計算される依存性評価値の大きさによる条件であってもよい。例えば、予め定められた臨界条件は、複数の分離イメージ間で計算される依存性評価値の大きさが０．２以下である場合に満たされる条件であると仮定する。このとき、プロセッサ１１０は、Ｓ１１３０を実行した結果、複数の分離イメージ間で計算される依存性評価値の大きさが０．２以下である場合、予め定められた臨界条件が満たされていると判断してもよい。

また、プロセッサ１１０が人工ニューラルネットワークモデルに基づいて依存性を評価する一実施形態において、予め定められた臨界条件は、人工ニューラルネットワークモデルの学習回数、出力値の大きさ、または損失値（Ｌｏｓｓ値、出力値とグラウンドトゥルースの誤差）の少なくとも１つに基づく条件であってもよい。例えば、予め定められた臨界条件が、人工ニューラルネットワークモデルの損失値が０．１以下の場合に満たされる条件であると仮定する。このとき、プロセッサ１１０は、人工ニューラルネットワークモデルの損失値が０．１以下である場合、予め定められた臨界条件が満たされていると判断してもよい。

プロセッサ１１０によって予め定められた臨界条件が満たされているかどうかを判断した結果、条件が満足されていない場合、プロセッサ１１０は、事前決定された臨界条件が満たされるまで、上述したＳ１１２０～Ｓ１１４０を繰り返してもよい。

プロセッサ１１０が予め定められた臨界条件が満たされているかどうかを判断した結果、条件が満たされている場合、プロセッサ１１０は、アンミキシング行列の更新を終了してもよい。更新されたアンミキシング行列は、更新前のアンミキシング行列と比べて少なくとも１つのパラメータが修正された行列であってもよい。

図１２は、本開示の一実施形態における、人工ニューラルネットワークモデル１２５０に基づいて複数の分離イメージ１２１０間の依存性を評価する過程を示した概念図である。人工ニューラルネットワークモデル１２５０は、入力データの入力を受け、入力された入力データの種類を決定するための出力データを生成する人工ニューラルネットワークモデル（以下、「分類モデル」とも称する）であってもよい。以下、図１２を参照しながら、説明の便宜上、複数の分離イメージ１２１０が３つの分離イメージを含むものと仮定して説明するが、本開示がこれに限定されてはならない。

プロセッサ１１０は、複数の分離イメージ１２１０に基づいて、人工ニューラルネットワークモデル１２５０に入力される少なくとも１つの入力データを生成してもよい。一実施形態において、プロセッサ１１０は、複数の分離イメージ１２１０に関する互いに異なる２つ以上の確率分布のうちの少なくとも１つの確率分布からデータをサンプリング（Ｓａｍｐｌｉｎｇ）することによって入力データを生成してもよい。本開示において、「サンプリング」という用語は、特定の確率分布に含まれる各要素が有する確率値に基づいて所定の数の要素を選択したり抽出する動作を意味するものであってもよい。例えば、特定の確率分布に含まれる第１要素が第２要素よりも高い確率値を有し、この特定の確率分布から１つの要素をサンプリングする場合、第１要素が選択される確率は第２要素が選択される確率よりも高くなることがある。また、例えば、特定の確率分布に含まれるすべての要素が同一の確率値を有し、この特定の確率分布から１つの要素をサンプリングする場合、すべての要素は選択される確率が等しくなることがある。本開示において、プロセッサ１１０がデータをサンプリングするための一確率分布は、例えば、複数の分離イメージ１２１０それぞれに含まれる互いに同じ位置のピクセルの値に基づいて決定される確率分布（以下、「第１確率分布」とも称する）であってもよい。第１確率分布は、プロセッサ１１０が、複数の分離イメージ１２１０に対して図８を参照しながら説明した方法を実行することによって決定されてもよい。プロセッサ１１０は、第１確率分布からデータをサンプリングすることによって一入力データを生成してもよい。また、プロセッサ１１０がデータをサンプリングするための一確率分布は、例えば、複数の分離イメージ１２１０それぞれに含まれる互いに異なる位置のピクセルの値に基づいて決定される確率分布（以下、「第２確率分布」とも称する）であってもよい。第２確率分布は、プロセッサ１１０が、複数の分離イメージ１２１０に対して図９を参照しながら説明した方法を実行することによって決定されてもよい。プロセッサ１１０は、第２確率分布からデータをサンプリングすることによって一入力データを生成してもよい。

一実施形態において、第１確率分布からサンプリングされる入力データ１２３１は、以下の数式（１７）のように表現されてもよい。

一実施形態において、第２確率分布からサンプリングされる入力データ１２３３は、以下の数式（１８）のように表現されてよい。

一実施形態において、プロセッサ１１０は、入力データを分類モデルに入力し、分類モデルの出力データに基づいて入力データの種類を決定してもよい。入力データが、複数の分離されたイメージに関して互いに異なるように決定された２つ以上の確率分布のうちの１つにしたがってサンプリングされたデータである場合、分類モデルは、入力データの基となる特定の確率分布を決定するための出力データを生成してもよい。例えば、分類モデルに対する入力データは、第１確率分布からサンプリングされる入力データ１２３１または第２確率分布からサンプリングされる入力データ１２３３であってもよい。このとき、分類モデルの出力データは、入力データと関連する確率分布を決定するデータであってもよい。すなわち、入力データが第１確率分布からサンプリングされた入力データ１２３１である場合、分類モデルは、その入力データに対する出力データとして第１確率分布を示す情報を出力してもよい。また、入力データが第２確率分布からサンプリングされた入力データ１２３３である場合、分類モデルは、入力データに対する出力データとして第２確率分布を示す情報を出力してもよい。

本開示の一実施形態に係る分類モデルである人工ニューラルネットワークモデル１１５０を学習させるために、プロセッサ１１０は、第１確率分布からサンプリングされる入力データ１１３１および第２確率分布からサンプリングされる入力データ１１３３を互いに異なようにラベリングすることによって学習データを生成してもよい。例えば、プロセッサ１１０は、第１確率分布からサンプリングされる入力データ１１３１にはグラウンドトゥルース（ｇｒｏｕｎｄ ｔｒｕｔｈ）として「１」をラベリングし、第２確率分布からサンプリングされる入力データ１１３３にはグラウンドトゥルース（ｇｒｏｕｎｄ ｔｒｕｔｈ）として「０」をラベリングしてもよい。このように生成された学習データに基づいて分類モデルが学習される場合、プロセッサ１１０は、学習データに含まれる入力データを分類モデルに入力し、分類モデルによって出力される出力データ（例えば、０から１の実数）を取得し、この入力データに対してラベリングされたグラウンドトゥルースと分類モデルの出力データの差に基づいて、逆伝搬（Ｂａｃｋｐｒｏｐａｇａｔｉｏｎ）技法によって、分類モデルに含まれる少なくとも１つのパラメータの値を更新することによって、分類モデルを学習させてもよい。

図１３は、本開示の他の一実施形態における、人工ニューラルネットワークモデル１３５０に基づいて複数の分離イメージ１３１０間の依存性を評価する過程を示した概念図である。人工ニューラルネットワークモデル１３５０は、複数の入力データの入力を受け、複数の入力データと関連する特定の値を予測するための出力データを生成する人工ニューラルネットワークモデル（以下、「予測モデル」とも称する）であってもよい。以下、図１３を参照しながら、説明の便宜上、複数の分離イメージ１３１０が２つの分離イメージを含むものと仮定して説明するが、これによって本開示が限定されてはならない。

プロセッサ１１０は、複数の分離イメージ１３１０に基づいて、人工ニューラルネットワークモデル１３５０に入力される複数の入力データを生成してもよい。プロセッサ１１０は、複数の分離イメージ１３１０に基づいて決定された互いに異なる確率分布からそれぞれサンプリングされた複数の入力データを生成してもよい。以下では、人工ニューラルネットワークモデル１３５０が２つの入力データを入力するものと仮定して説明するが、これによって本開示が限定されてはならず、本開示の人工ニューラルネットワークモデル１３５０は、３つ以上の入力データの入力を受けるものであってもよい。一実施形態において、プロセッサ１１０は、複数の分離イメージ１３１０に関する互いに異なる２つの確率分布それぞれからデータをサンプリングすることによって２つの入力データを生成してもよい。複数の分離イメージ１３１０に関する互いに異なる２つの確率分布は、例えば、複数の分離イメージ１３１０それぞれに含まれる互いに同じ位置のピクセルの値に基づいて決定される確率分布（以下、「第３確率分布」とも称する）、または複数の分離イメージ１３１０それぞれに含まれる互いに異なる位置のピクセルの値に基づいて決定される確率分布（以下、「第４確率分布」とも称する）であってもよい。このとき、第３確率分布は、プロセッサ１１０が、複数の分離イメージ１３１０に対して図８を参照しながら説明した方法を実行することによって決定されてもよく、第４確率分布は、プロセッサ１１０が、複数の分離イメージ１３１０に対して図９を参照しながら説明した方法を実行することによって決定されてもよい。プロセッサ１１０は、第３確率分布から入力データ１３３１をサンプリングし、第４確率分布から入力データ１３３３をサンプリングすることによって、人工ニューラルネットワークモデル１３５０に入力する複数の入力データを生成してもよい。

プロセッサ１１０は、複数の入力データを人工ニューラルネットワークモデル１３５０に入力し、人工ニューラルネットワークモデル１３５０が予測する複数の入力データと関連する特定の値を取得してもよい。人工ニューラルネットワークモデル１３５０が予測する複数の入力データに関連する「特定の値」とは、複数の入力データの入力を受け取った人工ニューラルネットワークモデル１３５０が出力する値を意味してもよい。

プロセッサ１１０は、取得した特定の値に基づいて、複数の分離イメージに対する依存性評価値を算出してもよい。人工ニューラルネットワークモデルに基づいてプロセッサ１１０が算出する依存性評価値の種類は、上述したように、多様な実施形態によって決定されてよい。以下では、説明の便宜上、人工ニューラルネットワークモデルに基づいて算出される依存性評価値の一例として、プロセッサ１１０が、上述した「相互情報量」を算出するものと仮定する。一実施形態では、予測モデルが予測する特定の値に基づいて算出される複数の分離イメージ間の相互情報量は、以下の数式（１９）のように表現されてよい。

上述したような予測モデルとしての人工ニューラルネットワークモデル１３５０を学習させるために、プロセッサ１１０は、予測モデルが出力する特定の値に基づいて相互情報量を算出し、算出した相互情報量が最大化するように予測モデルを学習させてもよい。すなわち、予測モデルが複数の分離イメージからサンプリングされた複数の入力データに対して特定の値を予測するときに、予測モデルに含まれる少なくとも１つのパラメータの値は、複数の分離イメージに対する相互情報量が最大化する方向に特定の値を予測するように更新されてもよい。例えば、プロセッサ１１０は、予め決定された相互情報量算出式に対して勾配降下法（または、勾配上昇法）を適用することにより、連鎖法則（Ｃｈａｉｎ Ｒｕｌｅ）によって予測モデルに含まれる少なくとも１つのパラメータの値が更新されるようにしてもよい。

本開示のアンミキシング行列および人工ニューラルネットワークモデルは、互いに敵対的に学習（Ａｄｖｅｒｓａｒｉａｌ Ｔｒａｉｎｉｎｇ）されてもよい。本開示において、２つのオブジェクトが「敵対的に学習される」という表現は、２つのオブジェクトが相反する課題（ｔａｓｋ）を解決するように学習されることによって、それぞれのオブジェクトに含まれる少なくとも１つのパラメータの値が変更されることを意味してもよい。

本開示に係る敵対的学習に関する一実施形態において、人工ニューラルネットワークモデルが分類モデルに該当する場合、アンミキシング行列に含まれる少なくとも１つの要素の値は、分類モデルに入力される第１入力データと第２入力データが人工ニューラルネットワークモデルによって適切に区別されないように更新され、人工ニューラルネットワークモデルに含まれる少なくとも１つのパラメータの値は、入力される第１入力データと第２入力データが適切に区別されるように更新されてもよい。例えば、第１入力データは第１確率分布からサンプリングされたデータであり、第２入力データは第２確率分布からサンプリングされたデータであってもよい。分類モデルは、上述したように、複数の分離イメージから互いに異なるように決定された確率分布それぞれからサンプリングされた複数の入力データの入力を受けて各入力データと関連する確率分布を決定する人工ニューラルネットワークモデルであってもよい。また、アンミキシング行列は、各入力データを生成するための基礎となる複数の分離イメージを生成してもよい。すなわち、アンミキシング行列は、複数の未分離イメージから複数の分離イメージを生成し、分類モデルは、複数の分離イメージそれぞれからサンプリングされた入力データの種類を決定してもよい。したがって、分類モデルは、複数の入力データを互いに適切に区別するように学習する反面、アンミキシング行列は、複数の分離イメージそれぞれからサンプリングされた複数の入力データが分類モデルによって適切に区別されないように学習することにより、分類モデルとアンミキシング行列は互いに適合的に学習されるようになる。

一実施形態において、分類モデルに入力される２種類の入力データが分類モデルによって適切に区別される場合、プロセッサ１１０は、分類モデルの学習が不十分であると判断し、分類モデルの学習をさらに実行してもよい。この場合、アンミキシング行列を利用して複数の未分離イメージから生成される複数の分離イメージは、互いに依存的であると判断されてもよい。これとは逆に、分類モデルに入力される２種類の入力データが分類モデルによって適切に区別されない場合、プロセッサ１１０は、分類モデルの学習が十分であると判断し、分類モデルの学習を中断してもよい。この場合、アンミキシング行列を利用して複数の未分離イメージから生成される複数の分離イメージは、互いに独立的であると判断されてもよい。

本開示において、「分類モデルに入力される２種類の入力データが分類モデルによって適切に区別される」または「分類モデルに入力される２種類の入力データが分類モデルによって適切に区別されない」は、定量的または数値的に判断されてもよい。例えば、分類モデルが入力データの種類を決定するための出力データを生成するときに、プロセッサ１１０は、所定の数の入力データに対してグラウンドトゥルースがラベリングされたテストデータセットを用いて分類モデルの正確度（または、信頼度）を評価してもよい。具体的に、プロセッサ１１０は、テストデータセットに含まれる入力データのうちの特定の数または特定の割合以上の入力データに対してグラウンドトゥルースと誤差範囲内の分類結果を出力する場合、分類モデルの学習が十分であると判断してもよい。あるいは、学習が進むにつれて分類モデルの正確度の変化が閾値以下になる場合、分類モデルの学習が十分であると判断してもよい。上述した分類モデルの正確度評価方法は、説明のための一例に過ぎず、これによって本開示が限定されてはならない。

本開示に係る敵対的学習に関する他の一実施形態において、人工ニューラルネットワークモデルが予測モデルに該当する場合、予測モデルに含まれる少なくとも１つのパラメータの値は、複数の分離イメージに対する依存性評価値（例えば、相互情報量、カルバック・ライブラー情報量値、交差エントロピー値、ランド指数など）が最大化する方向に特定の値を予測するように更新され、アンミキシング行列に含まれる少なくとも１つの要素の値は、複数の分離イメージに対する依存性評価値が最小化する方向に複数の分離イメージを生成するように更新されてもよい。予測モデルは、上述したように、複数の分離イメージから互いに異なるように決定された確率分布それぞれに基づいてサンプリングされた複数の入力データの入力を受け、入力された複数の入力データと関連する特定の値を予測する人工ニューラルネットワークモデルであってもよい。また、アンミキシング行列は、複数の入力データを生成するための基礎となる複数の分離イメージを生成してもよい。すなわち、アンミキシング行列は、複数の未分離イメージから複数の分離イメージを生成し、予測モデルは、複数の分離イメージそれぞれからサンプリングされた複数の入力データの入力を受けて、複数の入力データと関連する特定の値を予測してもよい。また、予測モデルによって予測された特定の値は、複数の分離イメージに対する依存性評価値を算出するための基礎となる値であってもよい。したがって、予測モデルは、複数の分離イメージに対する依存性評価値が最大化する方向に学習され、アンミキシング行列は、複数の分離イメージに対する依存性評価値が最小化する方向に学習されることによって、予測モデルとアンミキシング行列は互いに適合的学習されるようになる。

一実施形態では、予測モデルが出力する特定の値に基づいて算出される依存性評価値が予め定められた閾値を超えない場合、プロセッサ１１０は、予測モデルの学習が不十分であると判断し、予測モデルの学習をさらに実行してもよい。この場合、アンミキシング行列を利用して複数の未分離イメージから生成される複数の分離イメージは、互いに依存的であると判断されてもよい。これとは逆に、予測モデルが出力する特定の値に基づいて算出される依存性評価値が予め定められた閾値を超える場合、プロセッサ１１０は、予測モデルの学習が十分であると判断し、予測モデルの学習を中断してもよい。この場合、アンミキシング行列を利用して複数の未分離イメージから生成される複数の分離イメージは、互いに独立的であると判断されてもよい。一方、プロセッサ１１０は、予測モデルが学習された回数、例えば、学習エポック（ｅｐｏｃｈ）の数などに基づいて、予測モデルの学習の程度を決定してもよい。

上述したように、本開示の多様な実施形態によると、プロセッサ１１０は、複数の分離イメージに対して依存性を評価し、評価結果に基づいてアンミキシング行列のパラメータを決定することができる。このように決定されたアンミキシング行列に基づいて、本開示に係るプロセッサ１１０は、試料を撮影した複数の未分離イメージから試料に含まれる各生体分子の分離イメージを生成することができる。

以下、本開示の内容の一実施形態における、複数の未分離イメージを取得する方法について説明する。

図４を参照しながら説明したように、複数の生体分子を含む試料から各生体分子のイメージを取得する従来の方法は、各生体分子に標識される蛍光物質の発光スペクトルが極力重ならないようにしなければならないという制約があり、これによって最大４つの蛍光物質しか同時に使用することができないという限界があった。また、４つの蛍光物質を使用して試料に含まれる４つの生体分子に対するイメージを取得した後、この試料に含まれる他の生体分子に対するイメージを取得するためには、他の生体分子を新たに標識する前に既存の蛍光物質を除去する後処理過程を実施しなければならなかった。蛍光物質を除去する後処理工程には、例えば、蛍光物質を不活性化する工程や、蛍光物質によって標識された抗体あるいは生体分子を蛍光物質で標識するために使用された物質を剥離する工程などが含まれてもよい。

この反面、本開示に係るイメージ処理方法は、従来の方法が要求していた蛍光物質の不活性化または除去プロセスを必要としない。これにより、本開示の一実施形態において、複数の未分離イメージは、従来の方法とは異なる方法で取得することができる。

本開示の一実施形態に係る複数の未分離イメージは、試料に対して染色と撮影を実施する１つのサイクルを２回以上実行することによって順に生成されてもよい。また、本開示に係る複数の未分離イメージは、蛍光物質を除去する後処理工程を経ず、染色と撮影を実施する１つのサイクルを２回以上実行することによって順に生成されてもよい。このように、本開示に係るイメージ処理方法は、従来の蛍光物質を除去する工程を経ずに複数の分離イメージを生成することにより、迅速かつ効果的に各生体分子に対する分離イメージを生成することができるという効果がある。

図１４は、本開示の一実施形態における、複数のイメージを順に取得する過程を示した概念図である。図１４の試料１４００には、Ｎ個（Ｎは、１以上の自然数）の生体分子が含まれると仮定する。このとき、１回目の染色によって試料１４００に含まれる第１生体分子１４０１が染色されると、プロセッサ１１０は、撮影部によって１回目の染色後の試料１４００を撮影することによって第１未分離イメージ１４１０を取得してもよい。第１未分離イメージ１４１０上には、１回目の染色によって染色された第１生体分子１４０１が表示され、染色されていない残りの生体分子は表示されない。次に、２回目の染色によって試料１４００に含まれる第２生体分子１４０２が染色されると、プロセッサ１１０は、撮影部によって２回目の染色後の試料１４００を撮影することによって第２未分離イメージ１４２０を取得してもよい。第２未分離イメージ１４２０上には、１回目の染色によって染色された第１生体分子１４０１と２回目の染色によって染色された第２生体分子１４０２が表示され、染色されていない残りの生体分子は表示されない。このような過程を繰り返すことによって、プロセッサ１１０は、Ｎ回目の染色によって試料１４００に含まれる第Ｎ生体分子１４０４が染色されると、撮影部によってＮ回目の染色後の試料１４００を撮影することによって第Ｎ未分離イメージ１４３０を取得してもよい。第Ｎ未分離イメージ１４３０上には、１回目の染色によって染色された第１生体分子１４０１、２回目の染色によって染色された第２生体分子１４０２、．．．、およびＮ回目の染色によって染色された第Ｎ生体分子１４０４が含まれるように表現されてもよい。このように、複数の未分離イメージが順に取得される場合、「ｉ＋１」回目の染色後に取得した未分離イメージには、「ｉ」回目の染色後に取得した未分離イメージよりも１つの生体分子がさらに多く表現されるようになる。以下、本開示では、「ｉ」回目の染色後に取得した未分離イメージと比較するとき、「ｉ＋１」回目の染色後に取得した未分離イメージ上に追加で表現される１つの生体分子を「ｉ＋１回目の染色過程で標識された生体分子」と呼ぶことにする（ｉは、１以上の自然数）。例えば、図１４の第１未分離イメージ１４１０と比較して第２未分離イメージ１４２０上に追加で表現される第２生体分子１４０２は、「２回目の染色過程で標識された生体分子」と称されてよく、第Ｎ－１回目の未分離イメージと比較して第Ｎ回目の未分離イメージ１４３０上に追加で表現される第Ｎ個の生体分子１４０３は、「Ｎ回目の染色過程で標識された生体分子」と称されてよい。

本開示に係るイメージ処理方法は、図１４で説明したように、順に取得した複数の未分離イメージのうちの連続する２つ以上の未分離イメージに基づいて、特定の生体分子に対する分離イメージを生成してもよい。本開示において、「連続して順に取得した２つ以上の未分離イメージ」または「試料に含まれる複数の生体分子を順に染色することによって取得した２つ以上の未分離イメージ」などの表現は、生体分子に対する染色および撮影を含むサイクルを試料に含まれる複数の生体分子それぞれに対して順に実行することによって取得した２つ以上の未分離イメージを意味してもよい。例えば、連続して順に取得した２つの未分離イメージは、ｉ回目（ｉは、１以上の自然数）の染色後に撮影された未分離イメージおよびｉ＋１回目の染色後に撮影された未分離イメージを含んでもよい。また、例えば、連続して順に取得された３つの未分離イメージは、ｉ回目の染色後に撮影された未分離イメージ、ｉ＋１回目の染色後に撮影された未分離イメージ、およびｉ＋２回目の染色後に撮影された未分離イメージを含んでもよい。以下では、説明の便宜上、「連続して順に取得した複数の未分離イメージ」という表現は、「連続する複数の未分離イメージ」という表現と互換的に使用する。

図１５は、本開示の一実施形態における、順に取得した複数の未分離イメージのうちの連続する２つの未分離イメージから少なくとも１つの生体分子に対する分離イメージを取得する方法を例示的に示した概念図である。本開示に係るプロセッサ１１０は、連続する２つの未分離イメージ、すなわち、「ｉ」回目の染色後に取得した未分離イメージと「ｉ＋１」回目の染色後に取得した未分離イメージに対して演算を実行することによって、「ｉ＋１」回目の染色過程で標識された生体分子の分離イメージを生成してもよい。

一実施形態において、プロセッサ１１０は、１回目の染色によって試料に含まれる一生体分子（例えば、タンパク質Ａ）を染色して試料を撮影することによって、第１未分離イメージ１５１０を取得してもよい。また、プロセッサ１１０は、後続する２次染色によって試料に含まれる他の生体分子（例えば、タンパク質Ｂ）を染色して試料を撮影することによって、第２未分離イメージ１５３０を取得してもよい。また、プロセッサ１１０は、後続する３次染色によって試料に含まれるさらに他の生体分子（例えば、タンパク質Ｃ）を染色して試料を撮影することによって、第３未分離イメージ１５５０を取得してもよい。プロセッサ１１０は、少なくとも１つのパラメータに基づいて、連続する２つの未分離イメージに対する演算を実行し、少なくとも１つの生体分子それぞれに対する分離イメージを生成してもよい。例えば、プロセッサ１１０は、第１未分離イメージ１５１０および第２未分離イメージ１５３０に対する演算を実行することによって、２回目の染色工程で標識された生体分子（すなわち、タンパク質Ｂ）の分離イメージ１５２０を生成してもよい。また、プロセッサ１１０は、第２未分離イメージ１５３０および第３未分離イメージ１５５０に対する演算を実行することによって、３回目の染色過程で標識された生体分子（すなわち、タンパク質Ｃ）に対する分離イメージ１５４０を生成してもよい。一方、１回目の染色過程で標識された生体分子（すなわち、タンパク質Ａ）に対する分離イメージは、第１未分離イメージ１５１０として取得されてよい。

図１６は、本開示の一実施形態における、順に取得した複数の未分離イメージのうちの連続する３つの未分離イメージから少なくとも２つの生体分子の分離イメージを取得する方法を例示的に示した概念図である。図１６に示す第１未分離イメージ１６１０、第２未分離イメージ１６３０、および第３未分離イメージ１６５０は、図１５の第１未分離イメージ１５１０、第２未分離イメージ１５３０、および第３未分離イメージ１５５０とそれぞれ同じ方法で取得されてもよい。プロセッサ１１０は、少なくとも１つのパラメータに基づいて連続する３つの未分離イメージに対する演算を実行し、少なくとも２つの生体分子それぞれの分離イメージを生成してもよい。例えば、プロセッサ１１０は、第１未分離イメージ１６１０、第２未分離イメージ１６２０、および第３未分離イメージ１６３０を同時に演算することによって、２回目の染色過程で標識された生体分子（すなわち、タンパク質Ｂ）に対する分離イメージ１６２０と、３回目の染色過程で標識された生体分子（すなわち、タンパク質Ｃ）に対する分離イメージ１６４０を生成してもよい。一方、１回目の染色過程で標識された生体分子（すなわち、タンパク質Ａ）に対する分離イメージは、第１未分離イメージ１６１０として取得されてよい。

図１５または図１６では、連続する２つまたは３つの未分離イメージに基づいて生体分子に対する分離イメージを取得する方法について説明したが、これによって本開示が限定されてはならず、本開示は、連続する２つ以上の任意の数の未分離イメージに基づいて生体分子に対する分離イメージが生成されてもよい。以下では、説明の便宜上、連続する２つの未分離イメージに基づいて分離イメージを取得する方法について説明する。

図１７は、本開示の一実施形態における、連続する２つの未分離イメージに基づいて少なくとも１つの生体分子の分離イメージを生成するサーバ１００の動作を示したフローチャートである。

プロセッサ１１０は、第１蛍光物質で標識された第１生体分子および標識されていない第２生体分子を含む試料の第１未分離イメージを取得してもよい（Ｓ１７１０）。図１７で説明する実施形態において、第１生体分子は、試料に対するｉ回目の染色工程（すなわち、ｉ回目の染色工程）において特定の蛍光物質で標識された生体分子であってもよい。プロセッサ１１０は、撮影部（図示せず）によって第１生体分子が染色された試料に対する未分離イメージを取得してもよいし、外部装置またはユーザ端末２００から第１生体分子が染色された試料に対する未分離イメージを受信して未分離イメージを取得してもよい。

次に、プロセッサ１１０は、第１蛍光物質で標識された第１生体分子および第２蛍光物質で標識された第２生体分子を含む試料の第２未分離イメージを取得してもよい（Ｓ１７２０）。図１７で説明する実施形態において、第２生体分子は、試料に対するｉ＋１回目の染色工程（すなわち、ｉ＋１回目の染色工程）において、特定の蛍光物質で標識された生体分子であってもよい。すなわち、Ｓ１７１０で取得する第１未分離イメージおよび第２未分離イメージは、連続して順に取得した２つのイメージであってもよい。すなわち、第１生体分子はｉ回目の染色過程で標識された生体分子であり、第２生体分子はｉ＋１回目の染色過程で標識された生体分子であってもよい。プロセッサ１１０は、撮影部（図示せず）によって第２生体分子が染色された試料に対する未分離イメージを取得してもよいし、外部装置またはユーザ端末２００から第２生体分子が染色された試料に対する未分離イメージを受信して未分離イメージを取得してもよい。

以下、文脈上で明らかに異なる表現がない限り、第１未分離イメージは、特定の試料に対するｉ番目の染色工程において第１生体分子を第１蛍光物質で標識した後に撮影された未分離イメージを示してもよく、第２未分離イメージは、同じ特定の試料に対するｉ＋１番目の染色工程において第２生体分子を第２蛍光物質で標識した後に撮影された未分離イメージを示してもよい。このような第１未分離イメージ上で、第１生体分子は表示され、第２生体分子は表示されなくてよい。また、第２未分離イメージ上で、第１生体分子および第２生体分子の両方が表示されてよい。

次に、プロセッサ１１０は、第１未分離イメージおよび第２未分離イメージに基づいて、第２生体分子の分離イメージを生成してもよい（Ｓ１７３０）。一実施形態において、プロセッサ１１０は、アンミキシング行列を用いて第１未分離イメージおよび第２未分離イメージを演算し、演算の結果に基づいて第２生体分子の分離イメージを生成してもよい。また、アンミキシング行列に含まれる少なくとも１つの要素の値は、学習された人工ニューラルネットワークモデルに基づいて決定されてもよい。アンミキシング行列または人工ニューラルネットワークモデルに関する共通の説明は上述したとおりであるため、以下では重複する内容の説明は省略し、相違点のみ説明する。

一実施形態において、同一の試料に対して連続して取得された第１未分離イメージおよび第２未分離イメージはそれぞれ、試料から同一の特定の波長帯の光を検出することによって撮影されたイメージであってもよい。より具体的に、第１未分離イメージは、第１蛍光物質で標識された第１生体分子を含む試料が発光する光のうちで第１波長帯の光を検出することによって撮影されたイメージであり、第２未分離イメージは、第２蛍光物質で標識された第２生体分子を含む試料が発光する光のうちで第２波長帯の光を検出することによって撮影されたイメージであってもよい。このとき、第１波長帯と第２波長帯が互いに同一である場合、第１未分離イメージと第２未分離イメージは、互いに同一の特定の波長帯の光を検出することによって撮影されたイメージであってもよい。本開示において、「特定の波長帯の光」という用語は、特定の区間の波長を有する光を意味してもよい。例えば、特定の波長帯の光は、４００ｎｍ以上４５０ｎｍ以下の波長を有する光を意味してもよい。特定の波長帯の光を検出することによって未分離イメージを撮影するためには、撮影部が検出する光の波長範囲を調整したり、試料に特定の波長帯の光を照射したり、または撮影部と試料の間に所定のフィルタを設置してもよい。

一実施形態において、同一の試料に対して順に取得された第１未分離イメージと第２未分離イメージはそれぞれ、同一の発光フィルタ（以下、「第６発光フィルタ」とも称する）に基づいて取得されるイメージであってもよい。

図１８は、複数の蛍光物質が有する発光スペクトルおよび特定の発光フィルタを通過する波長帯を示した例示図である。上述したように、未分離イメージは、蛍光物質が反応する特定の波長の光を蛍光物質に照射し、この結果として励起された（ｅｘｃｉｔｅｄ）蛍光物質が発光する光を対応する発光フィルタによってフィルタリングし、発光フィルタが通過させた光を撮影することによって取得されてもよい。例えば、第１未分離イメージが、試料に含まれる第１生体分子を蛍光物質「Ａｌｅｘａ４０５」、「ＣＦ４０５Ｓ」、または「ＡＴＴＯ３９０」のうちの１つで標識した後に取得されたイメージであり、第２未分離イメージが、同じ試料に含まれる第２生体分子を蛍光物質「Ａｌｅｘａ４０５」、「ＣＦ４０５Ｓ」、または「ＡＴＴＯ３９０」のうちの１つで標識した後に取得されたイメージであると仮定する。このとき、第１未分離イメージと第２未分離イメージは、例えば、同一の第６発光フィルタに基づいて取得されたイメージであってもよい。第６発光フィルタが通過させる波長帯１８００が、例えば、図１８で点線区間で示されるような場合、第１未分離イメージおよび第２未分離イメージはいずれも、第６発光フィルタが通過させる波長帯１８００の光が同一となるように検出されることによって取得されてもよい。

本開示の一実施形態によると、第１未分離イメージを取得するために使用される第１蛍光物質と第２未分離イメージを取得するために使用される第２蛍光物質は、互いに同一の蛍光物質であってもよい。例えば、第１蛍光物質および第２蛍光物質は、「Ａｌｅｘａ４０５」、「Ａｌｅｘａ４８８」、「Ａｌｅｘａ５４６」、「Ａｌｅｘａ６４７」、「ＣＦ５９４」、「ＣＦ４０５Ｓ」、「ＡＴＴＯ３９０」、またはこの他の多様な蛍光物質のうちの１つの蛍光物質であって、互いに同一の蛍光物質であってもよい。

本開示の一実施形態によると、第１未分離イメージを取得するために使用される第１蛍光物質および第２未分離イメージを取得するために使用される第２蛍光物質は、互いに類似する発光スペクトルを有する蛍光物質であってもよい。本開示において、互いに類似する発光スペクトルを有する２つ以上の蛍光物質は、「互いに類似する発光スペクトルを有する蛍光物質の組み合わせ」として表現されてもよい。以下、図１９を参照しながら、「互いに類似する発光スペクトルを有する蛍光物質の組み合わせ」を決定する方法について説明する。図１９は、複数の蛍光物質が有する発光スペクトルおよび各発光スペクトルにおいて信号の強度が最大となる波長値を示した例示図である。

プロセッサ１１０は、各蛍光物質の発光スペクトル内の信号の強度に基づいて、互いに類似する発光スペクトルを有する蛍光物質の組み合わせを決定してもよい。以下では、説明の便宜上、互いに類似する発光スペクトルを有する蛍光物質の組み合わせが２つの蛍光物質で構成されるものと仮定して説明する。

プロセッサ１１０は、２つの蛍光物質それぞれの発光スペクトル内で発光信号の強度が最大となる波長値が所定の条件（以下、「蛍光物質組み合わせ条件」とも称する）を満たす場合、２つの蛍光物質を互いに類似する発光スペクトルを有する蛍光物質の組み合わせとして決定してもよい。より具体的に、第１未分離イメージは、試料に含まれる第１生体分子を第１蛍光物質で標識した後に撮影されたイメージであり、第２未分離イメージは、試料に含まれる第２生体分子を第２蛍光物質で標識した後に撮影されたイメージであると仮定するとき、第１蛍光物質の発光スペクトル内で発光信号の強度が最大となる第１波長値と第２蛍光物質の発光スペクトル内で発光信号の強度が最大となる第２波長値が所定の条件を満たす場合、第１蛍光物質および第２蛍光物質は、互いに類似する発光スペクトルを有する蛍光物質の組み合わせに該当してもよい。

蛍光物質組み合わせ条件に関する一実施形態において、プロセッサ１１０は、第１蛍光物質の発光スペクトル内で発光信号の強度が最大となる第１波長値と第２蛍光物質の発光スペクトル内で発光信号の強度が最大となる第２波長値が予め決定された閾値以下である場合、蛍光物質組み合わせ条件を満たすものと判断してもよい。例えば、図１９に示すように、「Ａｌｅｘａ４０５」の発光スペクトル内で発光信号の強度が最大となる波長値（以下、「Ａｌｅｘａ４０５の最大波長値」とも称する）は約４２０ｎｍであってよく、「ＣＦ４０５Ｓ」の発光スペクトル内で発光信号の強度が最大となる波長値（以下、「ＣＦ４０５Ｓの最大波長値」とも称する）は約４３０ｎｍであってもよい。また、「ＡＴＴＯ３９０」の発光スペクトル内で発光信号の強度が最大となる波長値（以下、「ＡＴＴＯ３９０の最大波長値」とも称する）は、約４８０ｎｍであってもよい。

図１９に関する一実施形態において、プロセッサ１１０が有する所定の閾値が２０ｎｍである場合、Ａｌｅｘａ４０５の最大波長値（例えば、４２０ｎｍ）とＣＦ４０５Ｓの最大波長値（例えば、４３０ｎｍ）の差は１０ｎｍであり、所定の閾値以下であるため、Ａｌｅｘａ４０５およびＣＦ４０５Ｓは蛍光物質の組み合わせ条件を満たしていると判断されてもよい。この反面、Ａｌｅｘａ４０５の最大波長値とＡＴＴＯ３９０の最大波長値（例えば、４８０ｎｍ）の差は６０ｎｍであり、予め定められた閾値以下でないため、Ａｌｅｘａ４０５およびＡＴＴＯ３９０は蛍光物質の組み合わせ条件を満たしていないと判断されてもよい。同じように、ＣＦ４０５ＳおよびＡＴＴＯ３９０もそれぞれの最大波長値の差が５０ｎｍであるため、蛍光物質の組み合わせ条件を満たしていないと判断されてもよい。

図１９に関する一実施形態において、プロセッサ１１０が有する所定の閾値が６０ｎｍである場合、Ａｌｅｘａ４０５の最大波長値（例えば、４２０ｎｍ）とＣＦ４０５Ｓの最大波長値（例えば、４３０ｎｍ）の差は１０ｎｍであり、所定の閾値以下であるため、Ａｌｅｘａ４０５およびＣＦ４０５Ｓは蛍光物質の組み合わせ条件を満たしていると判断されてもよい。また、Ａｌｅｘａ４０５の最大波長値とＡＴＴＯ３９０の最大波長値（例えば、４８０ｎｍ）の差は６０ｎｍであり、予め決定された閾値以下であるため、Ａｌｅｘａ４０５およびＡＴＴＯ３９０は蛍光物質の組み合わせ条件を満たしていると判断されてもよい。同じように、ＣＦ４０５ＳおよびＡＴＴＯ３９０もそれぞれの最大波長値の差が５０ｎｍであるため、蛍光物質の組み合わせ条件を満たしていると判断されてよい。蛍光物質の組み合わせ条件に関する他の一実施形態において、プロセッサ１１０は、第１蛍光物質の発光スペクトル内で発光信号の強度が最大となる第１波長値と第２蛍光物質の発光スペクトル内で発光信号の強度が最大となる第２波長値のうちでより大きな波長値に対するより小さな波長値の比率が予め定められた閾率以上である場合、蛍光物質の組み合わせ条件を満たしていると判断されてもよい。例えば、プロセッサ１１０が有する予め定められた閾率が０．９５である場合、Ａｌｅｘａ４０５の最大波長値とＣＦ４０５Ｓの最大波長値のうちでより大きな波長値に対するより小さな波長値の比率は約０．９７７（＝４２０／４３０）であり、予め定められた閾比以上であるため、Ａｌｅｘａ４０５およびＣＦ４０５Ｓは蛍光物質組み合わせ条件を満たしていると判断されてもよい。この反面、Ａｌｅｘａ４０５の最大波長値とＡＴＴＯ３９０の最大波長値のうちでより大きな波長値に対するより小さな波長値の比率は０．８７５（＝４２０／４８０）であり、予め定められた閾比未満であるため、Ａｌｅｘａ４０５およびＡＴＴＯ３９０は蛍光物質の組み合わせ条件を満たしていないと判断されてもよい。同じように、ＣＦ４０５ＳおよびＡＴＴＯ３９０も、各最大波長値の比率が約０．８９６（＝４３０／４８０）であり、予め定められた閾率未満であるため、蛍光物質の組み合わせ条件を満たしていないと判断されてもよい。

このように予め定められた閾値または予め定められた閾率の具体的な数値は例示的なものに過ぎず、これによって本開示が限定されてはならない。予め定められた閾値または予め定められた閾率は、染色過程で使用される蛍光物質の種類によって多様な実数値が設定されてもよい。

図４を参照しながら説明した従来のイメージ処理方法によると、複数の生体分子それぞれに対して正確なイメージを取得するためには、複数の生体分子それぞれを標識する蛍光物質の発光スペクトルが極力重ならないように蛍光物質を選択する必要があった。この反面、本開示に係るイメージ処理方法によると、複数の未分離イメージから複数の分離イメージを生成する場合、上述したような従来の方法の制約を大幅に軽減することができる。さらに、試料に含まれる複数の生体分子を順に染色して連続的に未分離イメージを取得する過程において、各染色ごとに互いに同一の蛍光物質または互いに類似する蛍光物質を使用することもできる。これにより、本開示において、連続して順に取得した複数の未分離イメージは、上述したいくつかの実施形態のような方法によって互いに同一または類似する特定の波長帯の光に基づいて取得することができ、発光フィルタの交換や蛍光物質の除去などの追加の工程を経なくても、従来の方法よりも迅速かつ容易に複数の未分離イメージを取得することができる。

本明細書の開示に係る追加の実施形態において、複数の未分離イメージが、試料に含まれる複数の生体分子を順に染色することによって取得されたイメージである場合、アンミキシング行列は三角行列であってもよい。

本開示の三角行列に関する一実施形態において、複数の未分離イメージが２つの未分離イメージを含む場合、三角行列であるアンミキシング行列は、以下の数式（２０）のように表現されてもよい。

数式（２０）のアンミキシング行列（Ｕ）に含まれるパラメータαは、未分離イメージの加重合のためのパラメータであってもよい。数式（２０）の例において、２つの未分離イメージはそれぞれ、ｉ回目の染色過程で試料に含まれる第１生体分子を染色して撮影された第１未分離イメージ（Ｙ_１）、ｉ＋１回目の染色過程で同一の試料に含まれる第２生体分子を染色して撮影された第２未分離イメージ（Ｙ_２）と呼ぶことにする（ｉは、１以上の自然数）。プロセッサ１１０は、三角行列であるアンミキシング行列を利用して第１未分離イメージ（Ｙ_１）および第２未分離イメージ（Ｙ_２）を加重合算することによって、第２生体分子に対する分離イメージを取得するための演算を実行してもよい。例えば、プロセッサ１１０は、数式（２０）のアンミキシング行列（Ｕ）に基づいてＸ_２＝αＹ_１＋Ｙ_２のように表現される式を演算し、演算の結果、第２生体分子に対する分離イメージ（Ｘ_２）を取得してもよい。一方、第１未分離イメージ（Ｙ_１）が、試料に対する最初の染色（すなわち、１回目の染色）過程において試料に含まれる第１生体分子を染色した後に得られたイメージである場合、第１生体分子に対する分離イメージ（Ｘ_１）は、第１未分離イメージ（Ｙ_１）として取得されてもよい。

本開示の三角行列に関する他の一実施形態において、複数の未分離イメージが３つの未分離イメージを含む場合、三角行列であるアンミキシング行列は、以下の数式（２１）のように表現されてもよい。

数式（２１）のアンミキシング行列（Ｕ）に含まれる複数のパラメータα、β、γはそれぞれ、未分離イメージの加重合のためのパラメータであってもよい。数式（２１）の例において、３つの未分離イメージはそれぞれ、ｉ回目の染色過程で試料に含まれる第１生体分子を染色して撮影された第１未分離イメージ（Ｙ_１）、ｉ＋１回目の染色過程で同一の試料に含まれる第２生体分子を染色して撮影された第２未分離イメージ（Ｙ_２）、およびｉ＋１回目の染色過程で同一の試料に含まれる第３生体分子を染色して撮影された第３未分離イメージ（Ｙ_３）と呼ばれてもよい（ｉは、１以上の自然数）。プロセッサ１１０は、三角行列であるアンミキシング行列を利用して、第１未分離イメージ（Ｙ_１）、第２未分離イメージ（Ｙ_２）、および第３未分離イメージ（Ｙ_３）を加重合算することによって、第２生体分子に対する分離イメージと第３生体分子に対する分離イメージを取得するための演算を実行してもよい。例えば、プロセッサ１１０は、数式（２１）のアンミキシング行列（Ｕ）に基づいてＸ_２＝αＹ_１＋Ｙ_２とＸ_３＝βＹ_１＋γＹ_２＋Ｙ_３のように表現される式を演算し、演算の結果として第２生体分子に対する分離イメージ（Ｘ_２）および第３生体分子に対する分離イメージ（Ｘ_３）を取得してもよい。一方、第１未分離イメージ（Ｙ_１）が、試料に対する最初の染色（すなわち、１回目の染色）過程で試料に含まれる第１生体分子を染色した後に取得されたイメージである場合、この第１生体分子に対する分離イメージ（Ｘ_１）は、第１未分離イメージ（Ｙ_１）として取得されてもよい。

上述した数式（２０）および（２１）に基づいた具体的な説明において、アンミキシング行列としての三角行列は下三角行列（Ｌｏｗｅｒ Ｔｒｉａｎｇｕｌａｒ Ｍａｔｒｉｘ）と記載したが、本開示がこれに限定されてはならず、本開示の三角行列は上三角行列（Ｕｐｐｅｒ Ｔｒｉａｎｇｕｌａｒ Ｍａｔｒｉｘ）であってもよい。このように、複数の未分離イメージが、試料に含まれる複数の生体分子を順に染色することによって取得されたイメージである場合、本開示に係るアンミキシング行列は三角行列であってもよく、これにより、プロセッサ１１０は、より迅速に行列演算を実行することによって少なくとも１つの生体分子に対する分離イメージを取得することができる。

本明細書の開示内容に係るフローチャートにおいて、方法またはアルゴリズムの各段階は順次的な順序にしたがって説明したが、各段階は、順に実行されることはもちろん、任意の組み合わせによる順に実行されてもよい。本明細書のフローチャートに関する説明は、方法またはアルゴリズムに変更または修正を加えることを排除するものではなく、任意の段階が必須であったり好ましいことを意味するものではない。一実施形態において、少なくとも一部の段階は、並列的、反復的、またはヒューリスティックに実行されてもよい。一実施形態において、少なくとも一部の段階が省略されてもよいし、他の段階が追加されてもよい。

本明細書の開示内容に係る多様な実施形態は、機器（Ｍａｃｈｉｎｅ）が読み取り可能な記録媒体（Ｍａｃｈｉｎｅ－ｒｅａｄａｂｌｅ Ｓｔｏｒａｇｅ Ｍｅｄｉｕｍ）にソフトウェアとして実現されてもよい。ソフトウェアは、本明細書の多様な実施形態を実現するためのソフトウェアであってもよい。ソフトウェアは、本明細書の開示内容が属する技術分野のプログラマーによって、本明細書の多様な実施形態から推論されてもよい。例えば、ソフトウェアは、装置が読み取り可能な命令（例えば、コードまたはコードセグメント）を含むプログラムであってもよい。機器は、記録媒体から呼び出された命令にしたがって動作が可能な装置であって、例えば、コンピュータであってもよい。一実施形態において、機器は、本明細書の多様な実施形態に係るコンピューティング装置であってもよい。一実施形態において、機器のプロセッサは、呼び出された命令を実行し、機器のコンポーネントがこの命令に該当する機能を実行できるようにしてもよい。一実施形態において、プロセッサは、本明細書の実施形態に係るプロセッサ１１０、２１０であってもよい。記録媒体は、機器によって読み取り可能なデータが記録されるすべての種類の記録媒体（Ｒｅｃｏｒｄｉｎｇ Ｍｅｄｉｕｍ）を意味してもよい。記録媒体は、例えば、ＲＯＭ、ＲＡＭ、ＣＤ－ＲＯＭ、磁気テープ、フロッピーディスク、光データ記録装置などを含んでもよい。一実施形態において、記録媒体は、メモリ１３０、２３０であってもよい。一実施形態において、記録媒体は、ネットワークに接続するコンピュータシステムなどに分散された形態で実現されてもよい。ソフトウェアは、コンピュータシステムなどに分散して格納されて、実行されてもよい。記録媒体は、非一時的（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ）な記録媒体であってもよい。非一時的な記録媒体は、データが半永久的または一時的に記録されることとは関係なく実在する媒体（Ｔａｎｇｉｂｌｅ Ｍｅｄｉｕｍ）を意味し、一時的（ｔｒａｎｓｉｔｏｒｙ）に伝播される信号（Ｓｉｇｎａｌ）を含まない。

以上、多様な実施形態によって本明細書の開示内容に係る技術的思想を説明したが、本明細書の開示内容に係る技術的思想は、本明細書の開示内容が属する技術分野において通常の知識を有する者によって理解される範囲内で可能となる多様な置換、変形、および変更を含む。また、このような置換、変形、および変更は、添付の特許請求の範囲内に含まれるものと理解されなければならない。

Claims (20)

1. １つ以上のプロセッサ、および前記１つ以上のプロセッサによって実行される命令が記録された１つ以上のメモリを含む電子装置で実行されるイメージ処理方法であって、
   第１蛍光物質で標識された第１生体分子および標識されていない第２生体分子を含む試料（ｓａｍｐｌｅ）の第１未分離イメージを取得すること、
   前記第１蛍光物質で標識された前記第１生体分子および第２蛍光物質で標識された前記第２生体分子を含む前記試料の第２未分離イメージを取得すること、および
   前記第１未分離イメージと前記第２未分離イメージに基づいて、前記第２生体分子の分離イメージを生成することを含む、方法。
2. 前記第１未分離イメージおよび前記第２未分離イメージはそれぞれ、前記試料から同一の特定の波長帯の光を検出することによって撮影されたイメージである、請求項１に記載の方法。
3. 前記第１未分離イメージおよび前記第２未分離イメージはそれぞれ、同一の発光フィルタに基づいて取得されたイメージであり、
   前記発光フィルタは、特定の波長帯の光を通過させる、請求項１に記載の方法。
4. 前記第１蛍光物質および前記第２蛍光物質は、互いに同一の蛍光物質である、請求項１に記載の方法。
5. 前記第１蛍光物質および前記第２蛍光物質は、
   前記第１蛍光物質の発光スペクトル（ｓｐｅｃｔｒｕｍ）内で発光信号の強度が最大となる第１波長値、および
   前記第２蛍光物質の発光スペクトル内で発光信号の強度が最大となる第２波長値が所定の条件を満たすように決定される、請求項１に記載の方法。
6. 前記所定の条件は、
   前記第１波長値と前記第２波長値の差値が予め定められた閾値以下である場合に満たされる条件である、請求項５に記載の方法。
7. 前記所定の条件は、
   前記第１波長値と前記第２波長値のうちのより大きな波長値に対するより小さな波長値の比率が予め定められた閾率以上である場合に満たされる条件である、請求項５に記載の方法。
8. 前記第２未分離イメージは、
   前記試料の前記第１未分離イメージを撮影した後、前記試料に含まれる前記第２生体分子を前記第２蛍光物質で標識してから前記試料を撮影することによって取得される、請求項１に記載の方法。
9. 前記分離イメージを生成することは、
   アンミキシング（Ｕｎｍｉｘｉｎｇ）行列を利用して、前記第１未分離イメージおよび前記第２未分離イメージを演算することを含む、請求項１に記載の方法。
10. 前記アンミキシング行列に含まれる少なくとも１つの要素の値は、学習された人工ニューラルネットワークモデルに基づいて決定される、請求項９に記載の方法。
11. 前記第１蛍光物質で標識された前記第１生体分子、前記第２蛍光物質で標識された前記第２生体分子、および第３蛍光物質で標識された第３生体分子を含む前記試料の第３未分離イメージを取得することをさらに含み、
    前記生成することは、
    追加的に前記第３未分離イメージに基づいて、前記第３生体分子の分離イメージを生成することを含み、
    前記第１未分離イメージは、標識されていない前記第２生体分子および標識されていない前記第３生体分子を含む試料を撮影することによって取得したイメージであり、
    前記第２未分離イメージは、標識されていない前記第３生体分子を含む試料を撮影することによって取得したイメージである、請求項１に記載の方法。
12. 前記第２未分離イメージは、
    前記試料の前記第１未分離イメージを撮影した後、前記試料に含まれる前記第２生体分子を前記第２蛍光物質で標識してから前記試料を撮影することによって取得され、
    前記第３未分離イメージは、
    前記試料の前記第２未分離イメージを撮影した後、前記試料に含まれる前記第３生体分子を前記第３蛍光物質で標識してから前記試料を撮影することによって取得される、請求項１１に記載の方法。
13. 電子機器であって、
    １つ以上のプロセッサ、および
    前記１つ以上のプロセッサによって実行される命令が記録されている１つ以上のメモリ
    を含み、
    前記１つ以上のプロセッサは、
    第１蛍光物質で標識された第１生体分子および標識されていない第２生体分子を含む試料（ｓａｍｐｌｅ）の第１未分離イメージを取得し、
    前記第１蛍光物質で標識された前記第１生体分子および第２蛍光物質で標識された前記第２生体分子を含む前記試料の第２未分離イメージを取得し、
    前記第１未分離イメージおよび前記第２未分離イメージに基づいて、前記第２生体分子の分離イメージを生成する、電子装置。
14. 前記第１未分離イメージおよび前記第２未分離イメージはそれぞれ、前記試料に対して同一の特定の波長帯の光を検出することによって撮影されたイメージである、請求項１３に記載の電子装置。
15. 前記第１未分離イメージおよび前記第２未分離イメージはそれぞれ、同一の発光フィルタに基づいて取得されたイメージであり、
    前記発光フィルタは、特定の波長帯の光を通過させる、請求項１３に記載の電子装置。
16. 前記第１蛍光物質および前記第２蛍光物質は、互いに同一の蛍光物質である、請求項１３に記載の方法。
17. 前記第１蛍光物質および前記第２蛍光物質は、
    前記第１蛍光物質の発光スペクトル（ｓｐｅｃｔｒｕｍ）内で発光信号の強度が最大となる第１波長値、および
    前記第２蛍光物質の発光スペクトル内で発光信号の強度が最大となる第２波長値が所定の条件を満たすように決定される、請求項１３に記載の電子装置。
18. 前記第２未分離イメージは、
    前記試料の前記第１未分離イメージを撮影した後、前記試料に含まれる前記第２生体分子を前記第２蛍光物質で標識してから前記試料を撮影することによって取得される、請求項１３に記載の電子装置。
19. 前記電子機器は、
    撮影部をさらに含み、
    前記１つ以上のプロセッサは、
    前記第１蛍光物質で標識された前記第１生体分子および標識されていない前記第２生体分子を含む前記試料を前記撮影部によって撮影することによって前記第１未分離イメージを取得し、
    前記第１蛍光物質で標識された前記第１生体分子および前記第２蛍光物質で標識された前記第２生体分子を含む前記試料を前記撮影部によって撮影することによって前記第２未分離イメージを取得する、請求項１３に記載の電子装置。
20. １つ以上のプロセッサによる実行時に、前記１つ以上のプロセッサに動作を実行させる命令を記録した非一時的なコンピュータ読み取り可能な記録媒体であって、
    前記命令は、前記１つ以上のプロセッサによって、
    第１蛍光物質で標識された第１生体分子および標識されていない第２生体分子を含む試料（ｓａｍｐｌｅ）の第１未分離イメージを取得し、
    前記第１蛍光物質で標識された前記第１生体分子および第２蛍光物質で標識された前記第２生体分子を含む前記試料の第２未分離イメージを取得し、
    前記第１未分離イメージおよび前記第２未分離イメージに基づいて、前記第２生体分子の分離イメージを生成する、コンピュータ読み取り可能な記録媒体。