信息处理装置、信息处理方法、程序和观察系统与流程

(相关申请的交叉引用)

本申请要求2017年7月10日提交的日本优先权专利申请jp2017-135067的权益，其全部内容通过引用并入本文。

本技术涉及适用于细胞等的评估的信息处理装置、信息处理方法、程序和观察系统。

背景技术：

根据专利文献1，从包括多个受精卵的捕获图像的图像组中选择参考图像，并且将所选参考图像的受精卵的分布检测为参考分布。参照参考分布执行预定的分布处理，并且因此确定图像组中任意图像的受精卵分布。结果，图像组的所有图像的受精卵的位置精确匹配，并且因此可以输出这样的受精卵图像。因此可以提高受精卵的分析的准确性。

引文列表

专利文献

专利文献1：日本专利申请公开第2011-192109号

技术实现要素：

技术问题

期望有助于改进在观察等情况下对受精卵的评估。

鉴于上述情况，需要提供一种信息处理装置、信息处理方法、程序和观察系统，以便能够高度准确地评估被观察的受精卵。

问题的解决方案

根据本技术的实施例，提供了一种信息处理装置，包括：图像获取单元，其被配置为获取以时间序列捕获的受精卵的多个图像；识别单元，其包括概率图像生成单元，该概率图像生成单元被配置为针对受精卵的每个图像生成概率图像，其中，概率图像中的每个位置表示受精卵的至少一部分存在于受精卵的图像中相应位置处的概率；以及特征量计算单元，其被配置为根据时间序列的概率图像来计算受精卵的时间序列转化，并且基于该转化来计算受精卵的特征量。

根据上述技术，不仅可以根据受精卵的形态学发现，而且可以根据受精卵的时间序列转化和基于转化的特征量，来多边评估受精卵的质量。可以高度准确地评估观察中的受精卵。

识别单元可以进一步包括二值化图像生成单元，其被配置为通过利用针对每个像素具有预定阈值的二值化处理来处理概率图像而从多个概率图像生成多个二值化图像，并且该二值化图像生成单元被进一步被配置为基于该二值化图像来识别受精卵，并且特征量计算单元还被配置为根据二值化图像计算受精卵的时间序列转化，并基于该转化计算受精卵的特征量。

识别单元还可以包括叠加图像生成单元，其被配置为通过叠加二值化图像和受精卵的图像来生成叠加图像，并且还被配置为基于叠加图像来识别受精卵，并且特征量计算单元还被配置为根据叠加图像来计算受精卵的时间序列转化，基于转化计算受精卵的特征量。

识别单元还可以被配置为识别受精卵的透明带和受精卵中的细胞。特征量计算单元还可以被配置为计算透明带的面积的变化和受精卵中细胞的面积的变化作为转化。因此，使用者可以定量和客观地知道受精卵中透明带和细胞的收缩/扩张活性。

特征量计算单元还可以被配置为基于透明带的面积的时间序列变化和受精卵中细胞的面积的时间序列变化来计算受精卵的紧密化时间和受精卵的卵裂时间中的至少一个作为特征量。因此，例如，使用者可以定量和客观地知道受精卵从16个细胞阶段生长到桑椹胚阶段的过程中的紧密化时间或卵裂时间。这提高了评估受精卵的准确性。

识别单元还可以被配置为将囊胚识别为受精卵中的细胞。特征量计算单元还可以被配置为基于透明带的面积和囊胚的面积之差的时间序列变化，计算透明带和囊胚的收缩次数、收缩直径、收缩速度、收缩时间段、收缩间隔、收缩强度、收缩频率、扩张次数、扩张直径、扩张速度、扩张时间段、扩张间隔、扩张强度和扩张频率中的至少一个作为特征量。因此，使用者可以定量和客观地知道透明带和囊胚的微小收缩/扩张活性。这提高了评估受精卵的准确性。

识别单元还可以被配置为识别受精卵的透明带。特征量计算单元还可以被配置为计算透明带的生理特征的变化作为转化。例如，可以是透明带的直径、面积和厚度中的至少一个。因此，使用者可以确认受精卵状态变化的开始时间、生长速度等。使用者可以定量和客观地知道时间序列中受精卵的收缩/扩张活动。这提高了评估受精卵的准确性。

识别单元还可以被配置为识别受精卵的原核。特征量计算单元还可以被配置为计算原核面积的变化作为转化。因此，可以确定受精卵生长过程中原核的出现时间和消失时间。这提高了评估受精卵的准确性。

特征量计算单元还可以被配置为基于原核的面积来计算原核的数量作为特征量。因此，可以根据原核的数量确定受精卵的原核是否异常。换句话说，可以确定受精卵是否正常受精，并进一步确定异常受精的类型。

识别单元还可以被配置为识别受精卵的第一极体和第二极体。特征量计算单元还可以被配置为基于第一极体的面积与第二极体的面积之和与第一极体的面积之差，计算受精卵的极体的数量作为特征量。因此，可以根据受精卵的极体数量确定受精后的受精卵是否生成第二极体。换句话说，可以确定受精卵是否正常受精。

识别单元还可以被配置为识别受精卵的卵裂球的核。特征量计算单元还可以被配置为基于核的面积来计算核的数量作为特征量。因此，可以确定受精卵是否处于多核状态。当受精卵处于多核状态时，受精卵通常不可育。特别地，多核状态下的受精卵通常导致孵化失败或胎儿变形。因此，通过鉴定多核状态的受精卵，可以停止培养。

识别单元还可以被配置为识别受精卵的透明带、受精卵中的细胞以及受精卵的碎片。特征量计算单元还可以被配置为计算碎片的面积与受精卵中透明带的面积和细胞的面积之和的比例作为特征量。

识别单元还可以被配置为识别受精卵的外周卵质中的半透明区和受精卵中的细胞。特征量计算单元还可以被配置为计算外周卵质中的半透明区的面积与受精卵中的细胞的面积的比例的变化作为转化。因此，可以确定受精卵生长过程中外周卵质中的半透明区(晕)的出现时间和消失时间。这提高了评估受精卵的准确性。

识别单元还可以被配置为识别受精卵中的细胞。特征量计算单元还可以被配置为计算由识别单元识别的受精卵中细胞的运动量的时间序列变化。因此，当在图表等中观察到运动量的变化时，可以评估受精卵内部的运动能力。

信息处理装置还可以包括确定单元，其被配置为基于特征量确定受精卵的质量。

识别单元还可以被配置为识别受精卵的第一极体和第二极体。特征量计算单元还可以被配置为基于第一极体的面积与第二极体的面积之和与第一极体的面积之差，计算受精卵的极体的数量作为特征量。确定单元还可以被配置为基于极体的数量来确定受精卵的极体是否异常。因此，不仅自动确定受精卵是否正常受精，而且自动确定异常受精的类型。

识别单元还可以被配置为识别受精卵的卵裂球的核。特征量计算单元还可以被配置为基于核的面积来计算核的数量作为特征量。确定单元还可以被配置为基于核的数量来确定受精卵是否处于多核状态。因此，自动确定受精卵的卵裂球内部是否处于多核状态。

确定单元还可以被配置为基于转化确定受精卵的生长状态。

识别单元还可以被配置为识别受精卵的透明带。特征量计算单元还可以被配置为计算透明带厚度的变化作为转化。确定单元还可以被配置为基于透明带厚度的变化来确定受精卵是扩展的囊胚。

识别单元还可以被配置为识别受精卵的透明带。特征量计算单元还可以被配置为计算透明带的直径的变化和透明带的面积的变化中的至少一个作为转化。确定单元还可以被配置为基于透明带的直径的变化和透明带的面积的变化中的至少一个来确定受精卵是扩展的囊胚。

识别单元还可以被配置为识别受精卵的原核。特征量计算单元还可以被配置为计算原核的面积的变化作为转化。确定单元还可以被配置为基于原核的面积的变化来确定受精卵中原核的出现和消失。因此，自动确定受精卵生长过程中原核的出现和消失。

特征量计算单元还可以被配置为基于原核的面积来计算原核的数量作为特征量。确定单元还可以被配置为基于原核的数量来确定受精卵的原核是否异常。因此，不仅自动确定受精卵是否正常受精，而且自动确定异常受精的类型。

识别单元还可以被配置为识别受精卵的外周卵质中的半透明区和受精卵中的细胞。特征量计算单元还可以被配置为计算外周卵质中的半透明区的面积与受精卵中的细胞的面积的比例的变化作为转化。确定单元还可以被配置为基于比例的变化来确定半透明区在受精卵的外周卵质中的出现和消失。因此，自动确定受精卵生长过程中外周卵质中的半透明区(晕)的出现和消失。

确定单元还可以被配置为基于受精卵中的细胞的运动量的时间序列变化来确定受精卵的生长状态。

确定单元还可以被配置为确定受精卵的状态是滞后期，其中受精卵中的细胞的运动速度矢量的总值不小于第一阈值并且每单位时间的运动速度矢量的变化大约为零。因此，自动确定受精卵的滞后期(细胞失活期)。

确定单元还可以被配置为确定受精卵的状态为退化的细胞比例小于15％，其中受精卵中的细胞的运动速度矢量的总值大于第一阈值并且每单位时间的运动速度矢量的变化不为零。

确定单元还可以被配置为确定受精卵的状态为退化的细胞比例不小于15％，其中受精卵中细胞的运动速度矢量的总值不大于第一阈值并且每单位时间运动速度矢量的变化大约为零。

确定单元还可以被配置为确定受精卵的状态为退化的细胞比例不小于15％且小于50％，其中受精卵中细胞的运动平均速度大于第二阈值。

确定单元还可以被配置为确定受精卵的状态为退化的细胞比例不小于50％，其中受精卵中细胞的运动平均速度小于第二阈值。受精卵图像中的位置可以是像素位置。

根据本技术的实施例，提供了一种信息处理方法，包括：获取以时间序列捕获的受精卵的多个图像；针对受精卵的每个图像生成概率图像，其中，概率图像中的每个位置表示受精卵的至少一部分存在于受精卵的图像中相应位置处的概率；根据时间序列的概率图像来计算受精卵的时间序列转化，并且基于该转化来计算受精卵的特征量。

根据本技术的实施例，提供了一种使信息处理装置执行以下步骤的程序：获得以时间序列捕获的受精卵的多个原始图像；针对受精卵的每个图像生成概率图像，其中，概率图像中的每个位置表示受精卵的至少一部分存在于受精卵的图像中相应位置处的概率；根据时间序列的概率图像来计算受精卵的时间序列转化，并且基于该转化来计算受精卵的特征量。

根据本技术的实施例，提供了一种观察系统，包括：图像捕获单元，其被配置为以时间序列捕获受精卵的多个图像；以及信息处理装置，包括：图像获取单元，其被配置为获取由图像捕获单元捕获的多个图像；识别单元，其包括概率图像生成单元，该概率图像生成单元被配置为针对受精卵的每个图像生成概率图像，其中，概率图像中的每个位置表示受精卵的至少一部分存在于受精卵的图像中相应位置处的概率；以及特征量计算单元，其被配置为根据时间序列的概率图像来计算受精卵的时间序列转化，并且基于该转化来计算受精卵的特征量。

发明的有益效果

如上所述，根据本技术，可以提供一种信息处理装置、信息处理方法、程序和观察系统，其有助于以高精度评估观察中的受精卵。根据如附图所示的本发明的最佳模式实施例的以下详细描述，本发明的这些和其他目的、特征和优点将变得更加明显。

附图说明

[图1]图1是示出根据本技术的第一实施例的观察系统的配置实例的示意图。

[图2]图2是示出从光源侧观察的安装在观察设备的观察台上的培养皿组的示意图。

[图3]图3是示出该实施例的培养皿的横截面的示意图。

[图4]图4是示出从光源侧观察的培养皿的示意图。

[图5]图5是示出从光源侧观察的培养皿的图像捕获区的放大示意图。

[图6]图6是示出观察系统的配置实例的功能框图。

[图7]图7是示出通过该实施例的信息处理装置评估每个受精卵的质量的方法的流程图。

[图8]图8是示出观察系统的图像捕获单元如何捕获多个受精卵的图像的示意图。

图9是示出本技术的多个原始图像的概念图。

图10是示出表示由本技术的识别单元进行图像处理过程的各种图像的示意图。

图11是示出本技术的多个原始图像的概念图。

图12是示出可视化该实施例的受精卵的时间序列转化的示意图。

图13是示出该实施例中受精卵的捕获图像的示意图。

图14是示出可视化该实施例的受精卵的时间序列转化的示意图。

图15是示出该实施例中受精卵的捕获图像的示意图。

图16是示出可视化该实施例的受精卵的时间序列转化的示意图。

图17是示出受精卵的生长过程中原核的出现和消失的示意图。

图18是示出具有不同原核数量的各种受精卵的示意图。

图19示出了在本技术的第二个实施例中，受精卵的原核面积和原核数量之间的关系的图。

图20是示出可视化该实施例的受精卵的时间序列转化的曲线图的示意图。

图21是示出在本技术的第三实施例中，未受精的卵的第一极体的面积和源于未受精的卵的受精卵的极体部分的面积之间的关系的图。

图22是示出第三实施例中的示出原核的面积与原核的数量的关系的图以及示出极体的面积与极体的数量的关系的图两者的示意图。

图23是示出本技术的第四实施例的两细胞阶段受精卵的示意图。

图24是示出在该实施例中受精卵的卵裂球中细胞核部分的面积与卵裂球中细胞核的数量之间的关系的图。

图25是示出各种两细胞阶段受精卵f的示意图，在本技术的第五实施例中对其质量进行分级。

图26是示出该实施例中各个级别的受精卵的碎片的面积、透明带的面积和卵裂球的面积的图。

图27是示出本技术的第六实施例的受精卵的示意图。

图28是通过将该实施例的受精卵中晕的面积与细胞的面积的比例以时间序列作图获得的图。

图29是示出本技术的第七实施例的受精卵的内部的运动量的时间序列变化的图。

图30是示出可视化该实施例的受精卵的内部的运动量的时间序列变化的图。

图31是示出可视化该实施例的受精卵的内部的运动量的时间序列变化的图。

具体实施方式

在下文中，将参照附图描述本技术的实施例。在附图中，根据需要示出了垂直的x轴、y轴和z轴。x轴、y轴和z轴在所有附图中是共同的。

<第一实施例>

(观察系统的配置)

图1是示出根据本技术的第一实施例的观察系统100的配置实例的示意图。如图1所示，观察系统100包括培养箱10、观察设备20、湿度-温度-气体控制器单元30、检测器单元40、信息处理装置100、显示设备60和输入单元70。

培养箱10是容纳观察设备20、湿度-温度-气体控制器单元30和检测器单元40的培养装置，并且具有保持培养装置内部的温度、湿度等恒定的功能。培养箱10允许任意气体流入培养箱10。气体的种类没有特别限制，并且例如是氮气、氧气、二氧化碳等。

观察设备20包括图像捕获单元21、光源22和培养皿组23。图像捕获单元21被配置为以时间序列捕获保持在培养皿23a(皮氏培养皿)中的受精卵f(见图3)的图像，并且能够生成受精卵f的原始图像。该原始图像表示在由稍后描述的识别单元53进行图像处理之前的图像，并且受精卵f原样出现在图像中。这同样适用于下面描述的原始图像。

图像捕获单元21包括镜筒、固态图像传感器、驱动它们的驱动电路等。镜筒包括能够在光轴方向(z轴方向)上移动的一组透镜。固态图像传感器捕获来自穿过镜筒的物体的光，并且是cmos(互补金属氧化物半导体)、ccd(电荷耦合装置)等。

图像捕获单元21被配置为能够在光轴方向(z轴方向)和水平方向(垂直于z轴方向的方向)上移动。图像捕获单元21捕获保持在培养皿23a中的受精卵f在水平方向上移动时的图像。此外，图像捕获单元21可以被配置为不仅能够捕获静止图像而且能够捕获运动图像。

典型地，本实施例的图像捕获单元21是可视照相机。不限于此，图像捕获单元21可以是红外(ir)相机、偏振相机等。

当图像捕获单元21捕获培养皿23a中受精卵f的图像时，光源22用光照射培养皿23a。光源22是例如用具有特定波长的光照射培养皿23a的led(发光二极管)等。在光源22是led的情况下，例如，使用以640nm的波长的光照射培养皿23a的红色led。

培养皿组23包括多个培养皿23a。培养皿组23安装在图像捕获单元21和光源22之间的观察台s上。观察台s是透明的，并且允许光源22发射的光从中通过。

图2是示出从光源22侧观察的安装在观察设备20的观察台s上的培养皿组23的示意图。如图2所示，例如，六个培养皿23a以矩阵形式安装在观察台s上，即沿x轴方向安装三个培养皿23a，且沿y轴方向安装两个培养皿23a。

图3是示出培养皿23a的横截面的示意图。如图3所示，培养皿23a具有多个孔w。培养皿23a的孔w排列在基质中(见图5)。每个孔w能够容纳一个受精卵f。

将培养液c和油o注入具有孔w的培养皿23a中。油o包覆培养液c，从而具有防止培养液c蒸发的功能。

图4是示出从光源22侧观察的培养皿23a的示意图(平面图)。培养皿23a具有形成多个孔w的孔区e1。培养皿23a的直径d1和孔区e1的直径d2没有特别限制。例如，直径d1约为35mm，且直径d2约为20mm。

孔区e1具有图像捕获区e2，图像捕获单元21拍摄图像捕获区e2的图像。如图2所示，将图像捕获区e2等分为4个图像捕获区l1至l4。图像捕获区l1至l4的一侧的长度d3例如为约5mm。

图5是示出从光源22侧观察的图像捕获区l1的放大示意图。图像捕获区l1包括孔区e1中的多个孔w中的72个孔w，并且被等分成12个pos(位置)区。

pos区p1至p12中的每一个包括六个孔w，即x轴方向上的三个孔w和y轴方向上的两个孔w。根据本实施例，在图像获取步骤(稍后描述)(参见图7)中，图像捕获单元21以时间序列捕获保持在每个pos区的孔w中的受精卵f的图像。注意，图5是示出放大后的图像捕获区l1的示意图。图像捕获区l2至l4的结构与图像捕获区l1的结构类似。

培养皿23a的材料没有特别限制。培养皿23a由例如无机材料(如玻璃和硅)制成，或由有机材料(如聚苯乙烯树脂、聚乙烯树脂、聚丙烯树脂、abs树脂、尼龙、丙烯酸树脂、氟树脂、聚碳酸酯树脂、聚氨酯树脂、甲基戊烯树脂、酚树脂、密胺树脂、环氧树脂、氯乙烯树脂和其他有机材料)制成。培养皿23a是透明材料，其允许从光源22发射的光从中通过。可选地，没有从光源22发出的光从中通过的培养皿23a的一部分可以由上述材料制成或由金属材料制成。

湿度-温度-气体控制器单元30被配置为控制培养箱10内部的温度和湿度以及引入到培养箱10中的气体，从而使环境适于受精卵f的生长。湿度-温度-气体控制器单元30能够将培养箱10的温度控制在例如约38℃。

检测器单元40无线连接到信息处理装置100，并被配置为检测培养箱10内部的温度、湿度和大气压力、光源22的照度等，并将检测结果输出到信息处理装置100。检测器单元40例如是太阳能电池板驱动或电池驱动的iot(物联网)传感器等，并且可以是任何种类。

信息处理装置100包括计算机所需的硬件，例如cpu(中央处理单元)、rom(只读存储器)、ram(随机存取存储器)和hdd(硬盘驱动器)。当cpu加载存储在ram中的rom或hdd中的本技术的程序并执行程序时，cpu控制信息处理装置100的各个块(稍后描述)的操作。

例如，存储在任何类型的记录介质(内部存储器)中的程序被安装在信息处理装置100中。可选地，可经由互联网或另一网络安装程序。在本实施例中，例如，信息处理装置100是pc(个人计算机)等，但信息处理装置100也可以是pc以外的任意计算机。

显示设备60被配置为能够显示由图像捕获单元21捕获的图像等。显示设备60例如是液晶显示设备、有机el(电致发光)显示设备等。

输入单元70包括诸如键盘和鼠标的操作设备，其中由用户输入操作。在本实施例中，输入单元70可以是具有显示设备60的触摸面板等。

接下来，将描述信息处理装置100的配置。图6是示出观察系统100的配置实例的功能框图。

(信息处理装置)

如图6所示，信息处理装置100包括图像获取单元51、图像处理单元52、识别单元53、特征量计算单元54、图像捕获控制器单元55、确定单元56、预测单元57、显示控制器单元58和受精卵信息数据库59。

图像获取单元51被配置为获取由图像捕获单元21以时间序列捕获的受精卵f的多个原始图像，并将所获取的原始图像输出到图像处理单元52、显示控制器单元58和受精卵信息数据库59。

图像处理单元52被配置为处理(修整)从图像获取单元51获取的原始图像，并将处理后的原始图像输出到概率图像生成单元53a、叠加图像生成单元53c(稍后将描述)、显示控制器单元58和受精卵信息数据库59。

识别单元53包括概率图像生成单元53a、二值化图像生成单元53b和叠加图像生成单元53c。概率图像生成单元53a被配置为根据从图像处理单元52获得的原始图像生成概率图像，并将概率图像输出到二值化图像生成单元53b、特征量计算单元54、显示控制器单元58和受精卵信息数据库59。每个概率图像表示受精卵f存在的概率。

二值化图像生成单元53b被配置为通过利用具有预定阈值的二值化处理对概率图像进行处理，根据从概率图像生成单元53a获得的概率图像生成二值化图像。二值化图像生成单元53b还被配置为将二值化图像输出到叠加图像生成单元53c、特征量计算单元54、显示控制器单元58和受精卵信息数据库59。

叠加图像生成单元53c被配置为通过叠加从图像处理单元52获得的原始图像和从二值化图像生成单元53b获得的二值化图像来生成叠加图像。叠加图像生成单元53c还被配置为将叠加图像输出到特征量计算单元54、显示控制器单元58和受精卵信息数据库59。

根据本实施例，识别单元53被配置为能够基于概率图像、二值化图像和叠加图像中的至少一个来识别受精卵f。

特征量计算单元54被配置为分别从概率图像生成单元53a、二值化图像生成单元53b和叠加图像生成单元53c获得的概率图像、二值化图像和叠加图像中的至少一个计算受精卵f的时间序列转化。特征量计算单元54还被配置为能够基于转化来计算受精卵f的特征量。

特征量计算单元54还被配置为将关于计算的转化和计算的特征量的数字数据输出到图像捕获控制器单元55、确定单元56、预测单元57、显示控制器单元58和受精卵信息数据库59。

图像捕获控制器单元55被配置为能够基于特征量计算单元54的输出来控制图像捕获单元21和光源22捕获在控制下改变的受精卵f的图像的时间。

例如，基于从特征量计算单元54输出的转化或特征量，图像捕获控制器单元55控制图像捕获单元21和光源22，在控制下缩短捕获受精卵f的图像的图像捕获间隔。在控制下，可以仅在获取数据时利用光照射受精卵f，这对于评估每个受精卵f的质量非常重要。因此，缩短了用来自光源22的光照射观察中的受精卵f的总时间段，并且减少了对受精卵f的光损伤(光毒性)。

光损伤(光毒性)包括光损伤、热损伤和对受光影响的dna和染色体的其他损伤。图像捕获控制器单元55可以不仅基于从特征量计算单元54输出的转化或特征量，而且基于捕获受精卵f的时间、生长阶段等，来控制图像捕获单元21和光源22。

此外，图像捕获控制器单元55被配置为还能够基于来自检测器单元40的输出来控制光源22和湿度-温度-气体控制器单元30。结果，调节了培养箱10内部的温度和湿度以及光源22的照度。

确定单元56基于从特征量计算单元54输出的特征量确定每个受精卵f的质量。此外，确定单元56还基于从特征量计算单元54输出的转化确定每个受精卵f的生长状态。

确定单元56将基于特征量和转化获得的确定结果输出到显示控制器单元58和受精卵信息数据库59。

预测单元57被配置为基于从特征量计算单元54输出的转化和特征量中的至少一个，计算每个受精卵f的孵化率、着床率、妊娠率、受孕率、流产率、出生体重、出生率、成熟个体育种值等中的至少一个。预测单元57还被配置为将预测值输出到显示控制器单元58和受精卵信息数据库59。

显示控制器单元58被配置为在显示设备60上显示从图像获取单元51以及图像处理单元52输出的原始图像、从概率图像生成单元53a输出的概率图像、从二值化图像生成单元53b输出的二值化图像、从叠加图像生成单元53c输出的叠加图像、从特征量计算单元54输出的转化和特征量、从确定单元56输出的受精卵f的确定结果、从预测单元57输出的预测值、从受精卵信息数据库59检索的各种图像和质量信息等。

受精卵信息数据库59被配置为存储从图像获取单元51和图像处理单元52输出的原始图像、从概率图像生成单元53a输出的概率图像、从二值化图像生成单元53b输出的二值化图像以及从叠加图像生成单元53c输出的叠加图像。

受精卵信息数据库59还被配置为存储从特征量计算单元54输出的转化和特征量、从确定单元56输出的受精卵f的确定结果、从预测单元57输出的预测值、从输入单元70输入的输入信息等。

(质量评估)

图7是示出通过信息处理装置100评估每个受精卵f质量的方法的流程图。根据需要参考图7，下面将描述评估每个受精卵f质量的方法。注意，如稍后将描述的，在本实施例中将描述评估每个受精卵f的质量的方法，其中识别出每个受精卵f的透明带和每个受精卵f中的细胞。

(步骤s01：获取图像)

图8示意性地示出了图像捕获单元21如何捕获多个受精卵f的图像，以及示出了图像捕获单元21移动的路线的图。

首先，图像捕获单元21对每个pos(位置)区以时间序列一对一地捕获保持在多个孔w中的多个受精卵f的图像。如图8所示，此时，图像捕获单元21的视场范围21a沿着移动路径r以大约3秒的间隔按顺序从pos区p1移动到pos区p12。

然后对安装在观察阶段s上的所有培养皿23a执行该过程，重复预定次数。结果，生成多个原始图像，每个原始图像包括六个受精卵f。多个原始图像被传送到图像获取单元51(信息处理装置100)。

图9是示出多个原始图像的概念图。如图9所示，在本实施例中，对于pos区p1至p12中的每一个，沿着时间轴t以时间序列生成多个原始图像。在本说明书中，将图9所示的图像组称为多个第一时间序列图像g1。

观察系统100的图像捕获单元21的图像捕获间隔和捕获次数可以任意设定。例如，图像捕获时间周期为1周，图像捕获间隔为15分钟，并且在焦距在深度方向(z轴方向)上改变的情况下捕获9堆图像。在这种情况下，在每个pos区获得大约6000个堆叠图像，每个堆叠图像包括六个受精卵f。结果，可以获得受精卵f的三维图像。

图像获取单元51将从图像捕获单元21传送的多个第一时间序列图像g1输出到图像处理单元52、显示控制器单元58和受精卵信息数据库59。受精卵信息数据库59存储多个第一时间序列图像g1。

(步骤s02：获取结果信息)

显示控制器单元58检索存储在受精卵信息数据库59中的多个第一时间序列图像g1，并将多个第一时间序列图像g1输出到显示设备60。然后，显示设备60显示多个第一时间序列图像g1。

随后，诸如胚胎学家的专家参考显示在显示设备60上的多个第一时间序列图像g1，基于他/她的形态学发现来评估每个受精卵f的质量(生长状态、细胞数量、细胞对称特性、原核数量、极体数量、卵裂球中细胞核数量、片段等)。由胚胎学家评估的受精卵f的评估结果被输入到输入单元70中并输出到受精卵信息数据库59。将受精卵f的评估结果存储在受精卵信息数据库59中，并将其作为关于受精卵f的第一质量数据。

注意，在本实施例中，胚胎学家评估受精卵f质量的方法没有特别限制。例如，在步骤s02中，胚胎学家通常针对pos区p1至p12中的每一个评估多个第一时间序列图像g1中所有六个受精卵f的质量。不限于此，胚胎学家可以评估一些受精卵f的质量。此外，胚胎学家可以参考每个受精卵f的9堆的全部或一些堆叠图像来评估受精卵f。

(步骤s03：图像处理)

图10是示出表示由本实施例的识别单元53进行图像处理过程的各种图像的示意图。图像处理单元52针对受精卵f的单位处理(修整)从图像获取单元51获得的多个第一时间序列图像g1。结果，图像处理单元52生成多个原始图像g3，每个原始图像g3包括一个受精卵f(见图10(a)、图11)。随后，图像处理单元52将多个原始图像g3输出到概率图像生成单元53a、叠加图像生成单元53c、显示控制器单元58和受精卵信息数据库59。受精卵信息数据库59存储多个原始图像g3。通过修整第一时间序列图像以生成原始图像，减少了存储原始图像所需的存储量。应当注意，尽管上面描述了修整多个第一时间序列图像g1，但是本公开不限于此，并且该修整步骤是可选的。

图11是示出多个原始图像g3的概念图。如图11所示，对于多个孔w中的每一个，沿着时间轴t以时间序列生成多个原始图像g3，每个原始图像g3包括一个受精卵f。在本说明书中，将图11所示的图像组称为第二时间序列图像g2。

概率图像生成单元53a以预定方式分析从图像处理单元52输出的多个第二时间序列图像g2，并且从而生成对应于多个原始图像g3的概率图像g4(见图10(b))。概率图像生成单元53a将概率图像g4输出到二值化图像生成单元53b和受精卵信息数据库59。

具体地，概率图像生成单元53a通过使用预先存储在受精卵信息数据库59中的图像(其中已经识别出受精卵的透明带)作为教导数据，通过深度学习分析，为相应的多个原始图像g3生成概率图像g4，其中，在本实例中，针对每个像素计算受精卵f中存在透明带的概率。换句话说，对于每个像素位置，确定在该像素位置处提供透明带的一部分的概率。这意味着概率图像是显示受精卵特定部分存在于图像中某一位置的概率的概率图像。该图像可以是原始图像或者可以是未修整图像。当然，尽管上文描述了确定像素位置处透明带存在的概率，但本公开并不限于此。例如，可以使用块匹配技术来确定在像素块的位置处存在透明带(或受精卵的其他特征)的概率。

此时，作为教导数据，例如，使用大量捕获的类似于本实施例的受精卵f的受精卵图像，其中通过视觉观察进行标记过程而识别受精卵的透明带。

当从原始图像g3生成概率图像时，输出到受精卵信息数据库59的概率图像g4作为使用的新的教导数据存储在受精卵信息数据库59中，并且更新受精卵信息数据库59。

随后，二值化图像生成单元53b通过针对每个像素具有预定阈值的二值化过程，对概率图像生成单元53a输出的多个概率图像g4进行处理来生成与多个概率图像g4对应的二值化图像g5(见图10(c))。二值化图像生成单元53b将二值化图像g5输出到叠加图像生成单元53c。

具体地，二值化图像生成单元53b通过针对每个像素的二值化过程对多个概率图像g4进行处理生成二值化图像g5，其中，二值化过程是将存在透明带的概率小于阈值概率(例如，50％)的像素设置为0(黑色)，以及将存在透明带的概率不小于50％的像素设置为1(白色)。结果，例如，提取概率图像g4中的透明带的轮廓线。换言之，二值化图像生成单元53b将透明带的一部分的存在概率与阈值概率进行比较，在存在概率的值低于阈值的情况下，将像素值设定为黑色，并且在存在概率的值高于阈值的情况下，将像素值设定为白色。应当注意，通过使阈值概率为50％，可以稳定受精卵识别的准确性。这在与其中将亮度标准化的图像处理相结合时尤其如此，因为可以处理具有白色和黑色的中间值(50％)的图像，然而，当然，尽管阈值概率记录为50％，但是可以选择任何适当的阈值概率，例如45％、30％等。

随后，叠加图像生成单元53c生成叠加图像g6(见图10(d))，其中，例如，通过叠加从图像处理单元52输出的多个原始图像g3(多个第二时间序列图像g2)和从二值化图像生成单元53b输出的多个二值化图像g5，对于多个叠加图像g3，以不小于例如50％的阈值概率的概率来识别透明带。叠加图像生成单元53c将叠加图像g6输出到特征量计算单元54和受精卵信息数据库59。

随后，对于多个叠加图像g6中的每一个，叠加图像生成单元53c沿识别的透明带的部分形成遮蔽区。结果，只有出现透明带的概率不小于50％的部分被遮蔽。

本实施例的识别单元53通过上述图像处理方法不仅能够识别受精卵f的透明带，而且能够识别受精卵f中的细胞(囊胚、卵裂球、桑椹胚等)、原核、极体、卵裂球中的核、碎片、外周卵质中的半透明区等。在稍后将描述的实施例中，将描述在识别此类细胞的情况下评估质量的方法。

注意，通常识别单元53基于叠加图像g6识别但不限于受精卵f的透明带、细胞囊胚、卵裂球、原核、极体、卵裂球中的核、碎片、晕等。在本实施例中，可以基于概率图像g4或二值化图像g5来识别上述受精卵f的各个部分。此外，可以基于概率图像g4或二值化图像g5来计算将在以下实施例中描述的受精卵f中的细胞的运动量的转化、特征量和时间序列变化。这也适用于本公开的所有实施例。

(步骤s04：计算转化)

特征量计算单元54以预定方式分析从识别单元53输出的多个叠加图像g6，并且从而计算受精卵f沿时间轴t的转化。特征量计算单元54将关于转化的数字数据输出到图像捕获控制器单元55、确定单元56、预测单元57、显示控制器单元58和受精卵信息数据库59。受精卵信息数据库59将从特征量计算单元54输出的数字数据作为参考数据存储在受精卵信息数据库59中。

关于输出到受精卵信息数据库59的转化的数字数据存储在受精卵信息数据库59中并作为第二质量数据，该数字数据与具有在上述步骤s02中评估的转化的受精卵f的第一质量数据(生长状态、细胞数量、细胞对称特性、片段等)相关。

例如，特征量计算单元54计算从识别单元53输出的多个叠加图像g6的帧间差值，并基于该差值计算转化。换句话说，计算单元54使用帧之间的受精卵的差异来计算转化，作为一段时间内受精卵生理特征的差异。

可选地，特征量计算单元54可以计算在上述步骤s03中形成在多个叠加图像g6上的多个遮蔽区中的一个叠加图像g6的遮蔽区和另一个叠加图像g6的遮蔽区之间的差值。换言之，特征量计算单元54可仅计算遮蔽区的帧间差值，并基于该差值计算转化。

结果，减少了由基于受精卵f的整个捕获图像计算的帧间差值产生的噪声和误检测的发生。可以精确地计算受精卵f的转化和特征量(稍后描述)。

特征量计算单元54计算受精卵f的透明带的直径、面积和厚度的变化中的至少一个作为转化。此外，计算作为受精卵f中细胞的囊胚或卵裂球面积的变化。换句话说，将受精卵生理特征的变化计算为转化。结果，由于如示图所示那样使其可视化，因此可以客观且定量地知道受精卵子f的透明带和受精卵子f中细胞的时间序列收缩/扩张活性(见图16)。

(步骤s05：计算特征量)

随后，特征量计算单元54通过预定过程分析计算的转化，并且从而计算受精卵f的特征量。特征量计算单元54将关于特征量的数字数据输出到图像捕获控制器单元55、确定单元56、预测单元57、显示控制器单元58和受精卵信息数据库59。换句话说，特征量是受精卵生理特征变化的数字表示。

输出到受精卵信息数据库59的关于特征量的数字数据存储在受精卵信息数据库59中并作为第四质量数据，该数字数据与预先存储在受精卵信息数据库59中的第二质量数据(其中关于转化的数字数据和第一质量数据相关的质量数据)相关。

图12是示出受精卵f的面积相对于培养时间的时间序列变化的曲线图。图12所示的s1代表显示透明带的面积变化的图，并且图12所示的s2代表显示卵裂球的面积变化的图。此外，图13是示出受精卵f的捕获图像的示意图。图13的(a)是示出16个细胞阶段受精卵f的捕获图像的示意图。图13的(b)是示出桑椹胚阶段受精卵f的捕获图像的示意图。

特征量计算单元54计算受精卵f的紧密化时间(当生理特征是分裂的细胞牢固地结合在一起形成单个团块时)和卵裂时间中的至少一个作为特征量。结果，如图13所示，例如，当受精卵f的生长阶段从16个细胞阶段变为桑椹胚阶段时，可以定量和客观地知道紧密化时间、卵裂时间等。

在图12所示的实例中，对应于图s2的拐点q1的培养时间t1对应于受精卵f的紧密化时间。然而，可以基于曲线s1和曲线s2任意确定哪一点设定为紧密化时间或卵裂时间。

图14是示出受精卵f的面积相对于培养时间的时间序列变化的曲线图。图14所示的s1代表示出透明带的面积变化的曲线图，并且图14所示的s3代表示出囊胚的面积变化的曲线图。此外，图15是示出受精卵f的捕获图像的示意图。图15的(a)是示出囊胚阶段受精卵f的捕获图像的示意图，并且图15的(b)是示出受精卵f的状态的示意图，其中囊胚和透明带收缩。图15的(c)是示出受精卵f的状态的示意图，其中只有囊胚收缩。

在本实施例中，特征量计算单元54被配置为基于透明带和囊胚面积之差的时间序列变化，计算透明带和囊胚的收缩次数、收缩直径、收缩速度、收缩时间段、收缩间隔、收缩强度、收缩频率、扩张次数、扩张直径、扩张速度、扩张时间段、扩张间隔、扩张强度和扩张频率中的至少一个作为特征量。

结果，可以定量和客观地知道透明带和囊胚中每一个的微小收缩/扩张活性。在图14所示的实施例中，计数在受精卵f的培养时间中透明带的面积s1和囊胚的面积s3之间的差异δs1为0的次数，并且计数在受精卵f的培养时间中透明带的面积s1和囊胚的面积s3之间的差异δs1不为0的次数。结果，获得了透明带收缩的次数和囊胚收缩的次数。

具体地，将表示透明带面积的时间序列变化的曲线s1的峰q2处的差δs1为0的情况确定为囊胚和透明带的收缩活性(见图15的(b))和将表示囊胚面积的时间序列变化的曲线s3的峰q3处的差δs1不为0的情况确定为囊胚的收缩活动(见图15的(c))。

因此，在图14中，差δs1为0的曲线s1的峰q2的数量对应于透明带收缩的次数，并且差δs1不为0的曲线s3的峰q3的数量对应于囊胚收缩的次数。此外，峰q2之间的间隔t2对应于透明带和囊胚的收缩周期，并且峰q3之间的间隔t3对应于囊胚的收缩周期。

(步骤s06：确定质量)

确定单元56将与从特征量计算单元54输出的转化或特征量有关的数值数据与对应于预先存储在受精卵信息数据库59中的转化或特征量的第四质量数据进行核对。结果，确定单元56确定受精卵f的质量、生长状态等。

此时，确定单元56选择包括与关于转化或特征量的数字数据最相似的数字数据的第四质量数据作为对应于关于转化或特征量的数字数据的第四质量数据。确定单元56从受精卵信息数据库59中检索所选择的第四质量数据。

因此，确定单元56可以通过使用根据胚胎学家的形态学发现获得的质量结果，基于从特征量计算单元54输出的转化或特征量，自动确定受精卵f的质量、生长状态等。

接着，确定单元56向显示控制器单元58和受精卵信息数据库59输出受精卵f的确定结果，该确定结果是通过对照第四质量数据核对关于转化或特征量的数字数据而确定的。结果，确定结果作为新的参考数据(第四质量数据)存储在受精卵信息数据库59中，并且更新受精卵信息数据库59。

在上述步骤s04中，在特征量计算单元54计算受精卵f的透明带的直径、面积或厚度的变化作为转化的情况下，确定单元56基于它们中的至少一个确定受精卵f的生长状态。

图16是示出透明带的直径相对于培养时间的时间序列变化的曲线图。确定单元56以预定方式分析从特征量计算单元54输出的关于转化(透明带直径的变化)的数字数据，从而当每单位培养时间透明带的直径的变化大于0时检测培养时间t4。

随后，确定单元56确定在培养时间t4受精卵f的生长状态是扩展囊胚状态。因此，可以定量和客观地知道受精卵f的生长状态变为扩展囊胚状态的时间等。注意，不仅基于透明带的直径的时间序列变化，而且基于透明带的面积的时间序列变化和透明带的厚度的时间序列变化中的至少一个，确定单元56还可以确定受精卵f的生长状态是扩展囊胚状态。

(步骤s07：计算预测值)

预测单元57将从特征量计算单元54输出的关于转化的数字数据和关于特征量的数字数据中的至少一个与预先存储在受精卵信息数据库59中对应于其的第三质量数据(孵化率、着床率、妊娠率、受孕率、流产率、出生体重、出生率和成熟个体育种值等)进行核对。结果，预测单元57计算受精卵f的孵化率、着床率、妊娠率、受孕率、流产率、出生体重、出生率和成熟个体育种值中的至少一个。

此时，预测单元57选择关于具有转化和特征量的受精卵f的第三质量数据作为与从特征量计算单元54输出的关于转化的数字数据和关于特征量的数字数据相对应的第三质量数据，受精卵f具有的转化和特征量与上述转化和特征量最为相似。预测单元57从受精卵信息数据库59中检索所选择的第三质量数据。

接着，预测单元57向显示控制器单元58和受精卵信息数据库59输出受精卵f的预测值，该确定结果是通过对照第三质量数据核对关于转化的数字数据和特征量的数字数据中的至少一者而确定的。结果，预测值作为新的参考数据(第三质量数据)存储在受精卵信息数据库59中，并且更新受精卵信息数据库59。

(步骤s08：显示质量结果)

显示控制器单元58在显示设备60上显示表示从图像获取单元51和图像处理单元52获取的第一时间序列图像g1和第二时间序列图像g2(原始图像)、从识别单元53获得的处理图像(受精卵识别图像、运动矢量图像、指示运动量的热图图像等)、以及从特征量计算单元54获得的转化和特征量、从确定单元56获得的受精卵f的质量结果、从预测单元57获得的预测值的网络仪表板、与受精卵f的生长状态相对应的质量代码或者从受精卵信息数据库59检索的各种图像和质量信息等。

结果，使用者可以根据受精卵f的观察到的图像、受精卵识别图像、运动矢量图像、表示运动量的热图图像、转化、特征量、质量结果、预测值等在植入前全面准确地选择受精卵f。注意，显示控制器单元58不仅可以在显示设备60上显示上述信息，还可以显示保存有受精卵f的孔w的位置信息、图像捕获日期和时间、图像捕获条件等。

(机器学习算法)

在本技术中，信息处理装置100根据机器学习算法执行包括步骤s02至步骤s07的上述步骤。机器学习算法没有特别限制。例如，可以使用采用诸如rnn(递归神经网络)、cnn(卷积神经网络)和mlp(多层感知器)的神经网络的机器学习算法。可选地，可以使用执行监督学习、无监督学习、半监督学习、强化学习或其他学习的任意机器学习算法。

(效果)

近年来，在生育治疗领域、家畜工业领域和其他领域中，待植入细胞(受精卵)的质量是影响植入结果的重要因素。通常，通过使用光学显微镜、图像处理装置等基于形态学发现确定细胞的生长或质量来选择要植入的细胞。

然而，上述评估植入前受精卵质量的形态学评估方法需要技术人员。此外，人往往是主观的。鉴于这种情况，需要提供一种有助于定量和高度客观地评估受精卵质量的方法。需要提供一种不仅形态学上而且多方面地帮助评估受精卵质量的方法。

鉴于上述情况，根据本实施例，信息处理装置100通过使用质量信息帮助评估植入前的受精卵f的质量，其中基于受精卵f的转化的特征量与基于形态学发现获得的受精卵f的质量结果相关。因此，受精卵f的质量可以根据受精卵f的形态学发现和受精卵f的转化进行多方面评估。然后可以高度精确地评估观察中的受精卵f。

此外，根据本实施例，信息处理装置100能够基于受精卵f的图像自动计算关于受精卵f的转化、特征量等。因此，与过去胚胎学家要根据他/她的形态学发现逐个确认受精卵f的图像的评估相比，多方面评估受精卵f质量的效率大大提高。

(修改实例)

在第一实施例中，确定单元56通过对照第四质量数据核对关于转化的数字数据或关于特征量的数字数据来确定受精卵f的质量、生长状态等。然而，除了上述之外，可以使用第二质量数据。

<第二实施例>

接下来，根据需要参考图7，将描述由根据本技术的第二实施例的信息处理装置100执行的评估受精卵f的质量的方法。本实施例的信息处理装置100能够执行除了第一实施例的上述评估方法之外或代替第一实施例的上述评估方法的以下步骤。注意，将省略对与第一实施例的步骤类似的步骤的描述。换句话说，除了第一实施例之外，或者作为第一实施例的替代，可以执行第二实施例。

(步骤s04：计算转化)

图17是示出典型受精卵生长过程中原核的出现和消失的示意图。如图17所示，两个原核(2pn)，即来自精子的雄性原核和来自卵子的雌性原核可以在正常受精卵中得到证实。已知两个原核牢固地结合在一起并在受精后约22小时内消失。同时，在某些情况下，受精卵f只有一个原核(1pn)，因为雄性原核和雌性原核正紧密结合在一起而消失。可选地，在某些情况下由于异常受精，受精卵f只有一个原核(1pn)。此外，在某些情况下，受精卵具有三个或更多个原核(不少于3pn)，称为多原核。在这种受精卵中发生诸如染色体异常的异常可能性很高。

在本实施例中，特征量计算单元54计算每个原核的面积的变化作为转化(见图20)。结果，可以确定受精卵f生长过程中原核的出现时间和消失时间。

(步骤s05：计算特征量)

图18是示出具有不同原核数量的各种受精卵的示意图。图19是显示原核面积和原核数量之间关系的图。特征量计算单元54基于在上述步骤s04中计算的原核的面积来计算受精卵f的原核的数量作为特征量。结果，如图18所示，可以根据原核的数量确定受精卵f的原核是否异常。换句话说，可以确定受精卵f是否正常受精以及异常受精的类型。

(步骤s06：确定质量)

图20是显示原核的面积相对于培养时间的时间序列变化的曲线图。在特征量计算单元54计算上述步骤s04中原核的面积的变化作为转化的情况下，确定单元56基于原核的面积的变化确定受精卵f生长过程中原核的出现时间t5和消失时间t6。结果，可以定量和客观地知道受精卵f的原核的出现时间t5和消失时间t6。

在本实施例中，例如，从培养开始时间起原核的面积增加到整个面积的50％的时间是原核的出现时间t5，而原核面积减少到整个面积的50％的时间是原核的消失时间t6。在这种情况下，有利的是，出现时间t5是培养开始时间之后6至18小时，并且消失时间t6是培养开始时间之后16至24小时。

确定单元56基于在上述步骤s05中计算的原核的数量作为特征量来确定受精卵f的原核是否异常。此时，如图19所示，确定单元56基于由上述步骤s02中的形态学发现确认的原核的数量和计算为特征量的原核的数量来确定具有异常原核的受精卵f的类型(1pn、3pn、不小于3pn)。结果，自动确定受精卵f是否正常受精以及异常受精的类型。

<第三实施例>

接下来，根据需要参考图7，将描述由根据本技术的第三实施例的信息处理装置100执行的评估受精卵f的质量的方法，其中识别受精卵f的极体(pb)。本实施例的信息处理装置100能够执行除了第一实施例和第二实施例的上述评估方法之外或代替第一实施例和第二实施例的上述评估方法的以下步骤。注意，将省略对与第一实施例和第二实施例的步骤类似的步骤的描述。换言之，除了第一实施例和/或第二实施例之外，或者作为第一实施例和/或第二实施例的替代，可以执行第三实施例。

(步骤s05：计算特征量)

图21是示出未受精卵子(卵)的第一极体面积和来源于未受精的卵的受精卵的极体部分的面积之间关系的图。成熟的卵子各自在透明带和质膜之间的卵周隙中产生(形成)称为第一极体的核。这种卵子通过伴随精子进入的细胞分裂产生(形成)第二极体。因此，可以根据是否产生(形成)第二极体来确定受精卵是否正常受精。

特征量计算单元54计算在上述步骤s03中识别的受精卵f的极体部分中的第一极体的面积s4和第二极体的面积s5。随后，特征量计算单元54在受精卵f处于未受精卵(卵子)状态时，基于第一极体和第二极体的面积之和(s4+s5)与第一极体的面积s4之差((s4+s5)-s4)计算受精卵f的极体数量作为特征量。结果，如图21所示，可以根据差异(δs2)的存在/不存在确定受精后受精卵f是否产生第二极体。换句话说，可以确定受精卵f是否正常受精。

(步骤s06：确定质量)

图22是示出表示原核的面积与原核的数量的关系的图，以及表示极体的面积与极体的数量的关系的图两者的图。确定单元56基于在上述步骤s05中计算的极体数量作为特征量来确定受精卵f的极体是否异常。具体地，如图22所示，确定单元56基于作为第二实施例的特征量而计算出的原核的数量，以及极性体的数量，判定受精卵f的形式为2个原核和2个极体(2pn2pb)、1个原核和2个极体(1pn2pb)、3个原核和2个极体(3pn2pb)、或3个原核和1个极体(3pn1pb)。

结果，不仅自动确定受精卵f是否正常受精，而且自动确定异常受精的类型。注意，根据目前的生物学发现，2个原核和2个极体的受精卵的形式对应于正常受精，1个原核和2个极体(1pn2pb)、3个原核和2个极体(3pn2pb)、或3个原核和1个极体(3pn1pb)的受精卵的形式对应于异常受精。

<第四实施例>

接下来，根据需要参考图7，将描述由根据本技术的第四实施例的信息处理装置100执行的评估受精卵f的质量的方法，其中识别受精卵f卵裂球中的核。本实施例的信息处理装置100能够执行除了第一实施例至第三实施例的上述评估方法之外或代替第一实施例至第三实施例的上述评估方法的以下步骤。注意，将省略对与第一实施例至第三实施例的步骤类似的步骤的描述。换言之，除了第一实施例至第三实施例中的任一个之外，或者作为第一实施例至第三实施例中的任一个的替代，可以执行第四实施例。

(步骤s05：计算特征量)

图23是显示两细胞阶段受精卵f的示意图。特征量计算单元54计算在上述步骤s03中识别的受精卵f的卵裂球中核部分的面积。随后，特征量计算单元54根据核部分的面积计算受精卵f的卵裂球中的核的数量作为特征量。结果，可以确定受精卵f的卵裂球是否处于多核状态。

(步骤s06：确定质量)

图24是示出受精卵f的卵裂球中细胞核部分的面积与卵裂球中细胞核的数量之间关系的图。确定单元56基于在上述步骤s05中计算为特征量的卵裂球中的细胞核的数量，确定受精卵f的卵裂球是否处于多核状态。此时，确定单元56基于由上述步骤s02中的形态学发现确认的卵裂球中的核的数量，以及计算为特征量的卵裂球中的核的数量，确定卵裂球是否处于多核状态。结果，例如，在受精卵f从两细胞阶段到桑椹胚阶段的生长阶段，自动确定卵裂球是否处于多核状态。

<第五实施例>

接下来，根据需要参考图7，将描述由根据本技术的第五实施例的信息处理装置100执行的评估受精卵f的质量的方法，其中识别受精卵f的碎片。本实施例的信息处理装置100能够执行除了第一实施例至第四实施例的上述评估方法之外或代替第一实施例至第四实施例的上述评估方法的以下步骤。注意，将省略对与第一实施例至第四实施例的步骤类似的步骤的描述。换言之，除了第一实施例至第四实施例中的任一个之外，或者作为第一实施例至第四实施例中的任一个的替代，可以执行第五实施例。

(步骤s05：计算特征量)

图25是示意性示出质量分级的各种两细胞阶段受精卵f的图。图26是示出本实施例中各个级别的受精卵f的碎片的面积、透明带的面积和卵裂球的面积的图。过去，例如，通常使用veeck分类来评估4至8细胞阶段受精卵的质量。在veeck的分类中，根据受精卵的生长过程中否清晰地进行细胞分裂是或碎裂量(当受精卵经历细胞分裂时生成的细胞碎片)是大是小，将受精卵的质量分级为五个阶段(g1至g5)。该分级是选择受精卵的重要指标，受精卵预计具有较高发生能力。注意，在veeck的分类中，从级别5至级别1受精卵被评估为具有更高质量。

在本实施例中，如图26所示，特征量计算单元54计算在上述步骤s03中识别的受精卵f的碎片的面积s9和透明带的面积s6，以及受精卵f中细胞(卵裂球)的面积s7和s8。

随后，特征量计算单元54计算碎片的面积与透明带和卵裂球的面积之和的比例作为特征量。在本实施例中，有利的是，当多个卵裂球均匀时(见图25的(b))，面积比例不大于10％，并且当多个卵裂球不均匀时(见图25的(c))，面积比例不小于10％且不大于50％。

(步骤s06：确定质量)

确定单元56基于在上述步骤s05中计算为特征量的碎片的面积(s9)与透明带和卵裂球的面积之和(s6+s7+s8)的比例，对受精卵f的质量进行分级。

因此，基于形态学发现进行的上述步骤s05中所述的分级操作是自动化的，并且显著提高了选择受精卵f的操作效率，预计该受精卵f在植入前具有高的发生能力。

<第六实施例>

接下来，根据需要参考图7，将描述由根据本技术的第六实施例的信息处理装置100执行的评估受精卵f的质量的方法，其中识别受精卵f的晕。本实施例的信息处理装置100能够执行除了第一实施例至第五实施例的上述评估方法之外或代替第一实施例至第五实施例的上述评估方法的以下步骤。注意，将省略对与第一实施例至第五实施例的步骤类似的步骤的描述。换言之，除了第一实施例至第五实施例中的任一个之外，或者作为第一实施例至第五实施例中的任一个的替代，可以执行第六实施例。

(步骤s04：计算转化)

图27是示出受精卵f的示意图。图27的(a)是显示不含晕(halo)的受精卵f的示意图，并且图27的(b)是显示含晕的受精卵f的示意图。特征量计算单元54计算在上述步骤s03中识别的受精卵f的晕的面积s11。特征量计算单元54计算晕的面积s11与受精卵f中的细胞的面积s10的比例(s11/s10)的时间序列变化作为转化。结果，可以确定受精卵f生长过程中晕的出现时间和消失时间。

(步骤s06：确定质量)

图28是通过将晕的面积s11与受精卵f中细胞的面积s10的比例(s11/s10)以时间序列作图而获得的图。如图28所示，确定单元56基于在上述步骤s04中计算为转化的晕的面积s11与受精卵f中的细胞的面积s10的比例(s11/s10)的变化来确定晕在受精卵f的生长过程中的出现时间t7和消失时间t8。结果，自动确定受精卵f的晕的出现时间t7和消失时间t8。

在本实施例中，例如，在受精卵f的生长过程中，从培养开始时间开始首先确认s11/s10的时间是晕的出现时间t7，并且在确认s11/s10之后s11/s10变为0的时间是晕的消失时间t8。

<第七实施例>

接下来，根据需要参考图7，将描述由根据本技术的第七实施例的信息处理装置100执行的评估受精卵f的质量的方法。本实施例的信息处理装置100能够执行除了第一实施例至第六实施例的上述评估方法之外或代替第一实施例至第六实施例的上述评估方法的以下步骤。注意，将省略对与第一实施例至第六实施例的步骤类似的步骤的描述。换言之，除了第一实施例至第六实施例中的任一个之外，或者作为第一实施例至第六实施例中的任一个的替代，可以执行第七实施例。

(步骤s04：计算转化)

特征量计算单元54以预定方式分析从识别单元53输出的多个叠加图像g6，从而计算受精卵f的宏观内部运动量的时间序列变化。特征量计算单元54将关于运动量变化的数字数据输出到图像捕获控制器单元55、确定单元56、预测单元57、显示控制器单元58和受精卵信息数据库59。输出到受精卵信息数据库59的数字数据存储在受精卵信息数据库59中，并作为参考数据。

特征量计算单元54计算在上述步骤s03中形成在多个叠加图像g6上的多个遮蔽区中的一个叠加图像的遮蔽区和另一个叠加图像的遮蔽区之间的差值。换言之，特征量计算单元54仅计算沿着受精卵f的细胞的遮蔽区的帧间差值，并基于该差值计算运动量的变化。

结果，减少了由基于受精卵f的整个捕获图像计算的帧间差值产生的噪声和误检测的发生。可以精确地计算受精卵f的内部运动量的变化。

图29至图31分别示出了相对于培养时间，受精卵f内细胞的运动量的变化的图。特征量计算单元54计算细胞运动矢量的最小速度、最大速度、最大加速度、平均速度、平均加速度、中值、标准偏差、运动速度矢量的总值和运动加速度矢量的总值中的至少一个的时间序列变化作为运动量的变化。因此，由于如图29至图31的图等中所示它们能被可视化，因此可以评估受精卵f内部的运动能力，其中受精卵f的轮廓变化较小。

(步骤s06：确定质量)

确定单元56以预定方式分析关于从特征量计算单元54输出的运动速度矢量的总值的时间序列变化的数字数据，从而检测当运动速度矢量的总值大于例如5000并且每单位培养时间的运动速度矢量的变化近似为零时的时间段t9。

随后，对于从中检测到时间周期t9的受精卵f，确定单元56确定时间周期t9中的受精卵f的状态是滞后期(细胞失活期)。结果，可以自动确定作为选择受精卵的指标的滞后期，该受精卵预计在植入后具有高发生能力。

此外，本实施例的确定单元56以预定方式分析关于受精卵f的运动速度矢量的总值的时间序列变化的数字数据，从而检测当运动速度矢量的总值大于例如5000并且每单位培养时间的运动速度矢量的变化不为零时的时间段t10。此外，当运动速度矢量的总值不大于例如5000，并且每单位培养时间的运动速度矢量的变化大约为零时，确定单元56检测时间段t11。

随后，确定单元56确定在时间段t10中受精卵f的生长状态是退化细胞比例(退化细胞与构成受精卵f的所有细胞的比例)小于15％，并且在时间段t11中受精卵f的生长状态是退化细胞比例不小于15％。此时，提供了取决于受精卵f的生长状态的质量代码。例如，质量代码1和2给出了时间周期t10中受精卵f的生长状态，并且质量代码3和4给出了时间周期t11中受精卵f的生长状态。

此外，确定单元56从受精卵信息数据库59中检索关于从中能检测到时间段t10和t11的受精卵f的运动平均速度的数值数据，以预定的方式分析数值数据，从而在时间段t11中检测运动平均速度大于(例如0.25)的时间段t12和运动平均速度小于(例如0.25)的时间段t13。注意，在本实施例中，运动平均速度的单位是例如“μm/s”。然而，运动平均速度的单位可以根据显示受精卵f的运动平均速度的图像的像素数适当地改变。

确定单元56确定在时间段t12中受精卵f的生长状态是退化细胞比例不小于例如15％且小于例如50％，并且在时间段t13中受精卵f的生长状态是退化细胞比例不小于例如50％。此时，例如，质量代码3给出了时间周期t12中的受精卵f的生长状态，并且质量代码4给出了时间周期t13中的受精卵f的生长状态。

根据本实施例，通过检测关于受精卵f中细胞运动量的时间序列变化的时间段t9至t13，可以定量和客观地知道受精卵f的状态为退化细胞比例小于例如15％、不小于例如15％且小于例如50％、或不小于例如50％、或为滞后期。

(修改实例)

在第七实施例中，确定单元56基于运动速度矢量的总值的时间序列变化或运动平均速度的时间序列变化来确定受精卵f的退化细胞比例和滞后期。不限于此，例如，确定单元56可以基于受精卵f中细胞的运动加速度矢量、最大速度、最大加速度、平均加速度等的时间序列变化来确定退化细胞比例和滞后期。

在这种情况下，确定单元56可以检测运动平均速度的总值不小于例如0.25并且每单位培养时间的运动平均速度的变化大约为零的时间段，并且确定该时间段内的受精卵f的状态是滞后期。此外，作为运动速度矢量的总值和运动平均速度的阈值，可以根据图像捕获条件(例如，图像捕获间隔和照明条件)适当地选择最佳值。

上面已经描述了本技术的实施例。然而，本技术不限于上述实施例，并且可以在不脱离本技术的实质的情况下进行各种修改。

例如，观察系统100以任意间隔(例如，每预定时间，例如每15分钟或每24小时)或不间断地重复步骤s01，并基于在该步骤中获得的图像评估受精卵f的质量。不限于此，本实施例的观察系统100可以根据需要获得实时图像，并在显示设备60上显示受精卵f的图像，以适当地观察和评估受精卵f。

此外，根据本技术的观察系统100，通常，所观察的受精卵f来源于牛。不限于此，它们可以来源于家畜例如小鼠、猪、狗和猫、或者可以来源于人。

此外，在本说明书中，术语“受精卵”至少在概念上包括单个细胞和大量的多个细胞。此外，在本说明书中，并且适用于所有实施例，“细胞”(单数)至少在概念上包括单个细胞和多个细胞的集合。本文提及的一种或多种“细胞”涉及在胚胎发育的一个或多个阶段观察到的细胞，包括但不限于卵母细胞、卵子(卵)、受精卵(合子)、囊胚和胚胎。

此外，本技术可应用于家畜工业领域和其他领域中动物的任意细胞(例如未受精卵子细胞(卵)、胚胎等)，以及再生医学领域、病理生物学领域、基因编辑技术领域和其他领域中例如从活体获得的生物样本中的任意细胞(例如干细胞、免疫细胞和癌细胞)。

注意，本技术可以采用以下配置。

(1)

一种信息处理装置，包括：

图像获取单元，其被配置为获取以时间序列捕获的受精卵的多个原始图像；

识别单元，其包括被配置为从原始图像生成概率图像的概率图像生成单元，概率图像各自表示受精卵存在的概率，识别单元被配置为基于概率图像来识别受精卵；和

特征量计算单元，其被配置为

根据概率图像计算受精卵的时间序列转化，并且

基于转化计算受精卵的特征量。

(2)

根据上述(1)的信息处理装置，其中，

识别单元还包括二值化图像生成单元，其被配置为通过利用针对每个像素具有预定阈值的二值化处理来处理概率图像来从概率图像生成二值化图像，并且该二值化图像生成单元被进一步被配置为基于该二值化图像来识别受精卵，并且

特征量计算单元还被配置为

根据二值化图像计算受精卵的时间序列转化，并且

基于转化计算受精卵的特征量。

(3)

根据上述(2)的信息处理装置，其中，

识别单元还包括叠加图像生成单元，其被配置为通过叠加二值化图像和原始图像来生成叠加图像，并且还被配置为基于叠加图像来识别受精卵，并且

特征量计算单元还被配置为，

根据叠加图像计算受精卵的时间序列转化，并且

基于转化计算受精卵的特征量。

(4)

根据上述(1)至(3)中任一项的信息处理装置，其中，

识别单元还被配置为识别受精卵的透明带和受精卵中的细胞，并且

特征量计算单元还被配置为计算透明带的面积的变化和受精卵中细胞的面积的变化作为转化。

(5)

根据上述(4)的信息处理装置，其中，

特征量计算单元还被配置为基于透明带的面积的时间序列变化和受精卵中细胞的面积的时间序列变化来计算受精卵的紧密化时间和受精卵的卵裂时间中的至少一个作为特征量。

(6)

根据上述(4)或(5)的信息处理装置，其中，

识别单元还被配置为将囊胚识别为受精卵中的细胞，并且

特征量计算单元还被配置为基于透明带的面积和囊胚的面积之差的时间序列变化，计算透明带和囊胚的收缩次数、收缩直径、收缩速度、收缩时间段、收缩间隔、收缩强度、收缩频率、扩张次数、扩张直径、扩张速度、扩张时间段、扩张间隔、扩张强度和扩张频率中的至少一个作为特征量。

(7)

根据上述(1)至(6)中任一项的信息处理装置，其中，

识别单元还被配置为识别受精卵的透明带，并且

特征量计算单元还被配置为计算透明带的直径、面积和厚度中的至少一个的变化作为转化。

(8)

根据上述(1)至(7)中任一项的信息处理装置，其中，

识别单元还被配置为识别受精卵的原核，并且

特征量计算单元还被配置为计算原核的面积的变化作为转化。

(9)

根据上述(8)的信息处理装置，其中，

特征量计算单元还被配置为基于原核的面积来计算原核的数量作为特征量。

(10)

根据上述(1)至(9)中任一项的信息处理装置，其中，

识别单元还被配置为识别受精卵的第一极体和第二极体，并且

特征量计算单元还被配置为基于第一极体的面积与第二极体的面积之和与第一极体的面积之差，计算受精卵的极体的数量作为特征量。

(11)

根据上述(1)至(10)中任一项的信息处理装置，其中，

识别单元还被配置为识别受精卵的卵裂球的核，并且

特征量计算单元还被配置为基于核的面积来计算核的数量作为特征量。

(12)

根据上述(1)至(11)中任一项的信息处理装置，其中，

识别单元还可以被配置为识别受精卵的透明带、受精卵中的细胞以及受精卵的碎片，并且

特征量计算单元还被配置为计算碎片的面积与受精卵中透明带的面积和细胞的面积之和的比例作为特征量。

(13)

根据上述(1)至(12)中任一项的信息处理装置，其中，

识别单元还被配置为识别受精卵的外周卵质中的半透明区和受精卵中的细胞，并且

特征量计算单元还被配置为计算外周卵质中的半透明区的面积与受精卵中的细胞的面积的比例的变化作为转化。

(14)

根据上述(1)至(13)中任一项的信息处理装置，其中，

识别单元还被配置为识别受精卵中的细胞，并且

特征量计算单元还被配置为计算由识别单元识别的受精卵中的细胞的运动量的时间序列变化。

(15)

根据上述(1)至(14)中任一项的信息处理装置，还包括

确定单元，其被配置为基于特征量确定受精卵的质量。

(16)

根据上述(15)的信息处理装置，其中，

识别单元还被配置为识别受精卵的第一极体和第二极体，

特征量计算单元还被配置为基于第一极体的面积与第二极体的面积之和与第一极体的面积之差，计算受精卵的极体的数量作为特征量，并且

确定单元还被配置为基于极体的数量来确定受精卵的极体是否异常。

(17)

根据上述(15)或(16)的信息处理装置，其中，

识别单元还被配置为识别受精卵的卵裂球的核，

特征量计算单元还被配置为基于核的面积来计算核的数量作为特征量，并且

确定单元还被配置为基于核的数量来确定受精卵是否处于多核状态。

(18)

根据上述(15)至(17)中任一项的信息处理装置，其中，

确定单元还被配置为基于转化确定受精卵的生长状态。

(19)

根据上述(15)至(18)中任一项的信息处理装置，其中，

识别单元还被配置为识别受精卵的透明带，

特征量计算单元还被配置为计算透明带的厚度的变化作为转化，并且

确定单元还被配置为基于透明带的厚度的变化确定受精卵是扩展的囊胚。

(20)

根据上述(15)至(19)中任一项的信息处理装置，其中，

识别单元还被配置为识别受精卵的透明带，

特征量计算单元还被配置为计算透明带的直径的变化和透明带的面积的变化中的至少一个作为转化，并且

确定单元还被配置为基于透明带的直径的变化和透明带的面积的变化中的至少一个来确定受精卵是扩展的囊胚。

(21)

根据上述(15)至(20)中任一项的信息处理装置，其中，

识别单元还被配置为识别受精卵的原核，

特征量计算单元还被配置为计算原核的面积的变化作为转化，并且

确定单元还被配置为基于原核的面积的变化来确定受精卵中原核的出现和消失。

(22)

根据上述(21)的信息处理装置，其中，

特征量计算单元还被配置为基于原核的面积计算原核的数量作为特征量，并且

确定单元还被配置为基于原核的数量来确定受精卵的原核是否异常。

(23)

根据上述(15)至(22)中任一项的信息处理装置，其中，

识别单元还被配置为识别受精卵的外周卵质中的半透明区和受精卵中的细胞，

特征量计算单元还被配置为计算外周卵质中的半透明区的面积与受精卵中的细胞的面积的比例的变化作为转化，并且

确定单元还被配置为基于比例的变化来确定受精卵的外周卵质中的半透明区的出现和消失。

(24)

根据上述(15)至(23)中任一项的信息处理装置，其中，

确定单元还被配置为基于受精卵中的细胞的运动量的时间序列变化来确定受精卵的生长状态。

(25)

根据上述(24)的信息处理装置，其中，

确定单元还被配置为确定受精卵的如下状态是滞后期：受精卵中的细胞的运动速度矢量的总值不小于第一阈值并且每单位时间的运动速度矢量的变化大约为零。

(26)

根据上述(24)或(25)的信息处理装置，其中，

确定单元还被配置为确定受精卵的如下状态为退化的细胞比例小于15％：受精卵中的细胞的运动速度矢量的总值大于第一阈值并且每单位时间的运动速度矢量的变化不为零。

(27)

根据上述(24)至(26)中任一项的信息处理装置，其中，

确定单元还被配置为确定受精卵的如下状态为退化的细胞比例不小于15％：受精卵中的细胞的运动速度矢量的总值不大于第一阈值并且每单位时间运动速度矢量的变化大约为零。

(28)

根据上述(24)至(27)中任一项的信息处理装置，其中，

确定单元还被配置为确定受精卵的其中受精卵中的细胞的运动平均速度大于第二阈值的状态为退化的细胞比例不小于15％且小于50％。

(29)

根据上述(24)至(28)中任一项的信息处理装置，其中，

确定单元还被配置为确定受精卵的其中受精卵中的细胞的运动平均速度小于第二阈值的状态为退化的细胞比例不小于50％。

(30)

一种信息处理方法，包括：

获得以时间序列捕获的受精卵的多个原始图像；

根据原始图像生成概率图像，每个概率图像表示受精卵存在的概率；

根据概率图像计算受精卵的时间序列转化；以及

基于转化计算受精卵的特征量。

(31)

根据上述(30)的信息处理方法，还包括：

通过利用针对每个像素具有预定阈值的二值化处理来处理概率图像来从概率图像生成二值化图像；

根据二值化图像计算受精卵的时间序列转化；并且

基于转化计算受精卵的特征量。

(32)

根据上述(31)的信息处理方法，还包括：

通过叠加二值化图像和原始图像生成叠加图像：

根据叠加图像计算受精卵的时间序列转化；并且

基于转化计算受精卵的特征量。

(33)

根据上述(30)至(32)中任一项的信息处理方法，还包括

根据概率图像计算受精卵中的细胞的运动量的时间序列变化。

(34)

一种程序，其使信息处理装置执行以下步骤：

获得以时间序列捕获的受精卵的多个原始图像；

根据原始图像生成概率图像，每个概率图像表示受精卵存在的概率；

根据概率图像计算受精卵的时间序列转化；以及

基于转化计算受精卵的特征量。

(35)

根据上述(34)的程序，该程序使得信息处理装置进一步执行以下步骤：

通过利用针对每个像素的具有预定阈值的二值化处理来处理概率图像来从概率图像生成二值化图像；

根据二值化图像计算受精卵的时间序列转化；并且

基于转化计算受精卵的特征量。

(36)

根据上述(35)的程序，该程序使得信息处理装置进一步执行以下步骤：

通过叠加二值化图像和原始图像生成叠加图像：

根据叠加图像计算受精卵的时间序列转化；并且

基于转化计算受精卵的特征量。

(37)

根据上述(34)至(36)中任一项的程序，该程序使得信息处理装置进一步执行以下步骤：

根据概率图像计算受精卵中的细胞的运动量的时间序列变化。

(38)

一种观察系统，包括：

图像捕获单元，其被配置为以时间序列捕获受精卵的多个原始图像；和

信息处理装置，包括：

图像获取单元，其被配置为获取由图像捕获单元捕获的多个原始图像，

识别单元，其包括被配置为从原始图像生成概率图像的概率图像生成单元，概率图像各自表示受精卵存在的概率，识别单元被配置为基于概率图像来识别受精卵，以及

特征量计算单元，其被配置为

根据概率图像计算受精卵的时间序列转化，并且

基于转化计算受精卵的特征量。

(39)

根据上述(38)的观察系统，其中，

识别单元还包括二值化图像生成单元，其被配置为通过利用针对每个像素具有预定阈值的二值化处理来处理概率图像来从概率图像生成二值化图像，并且该二值化图像生成单元被进一步被配置为基于该二值化图像来识别受精卵，并且

特征量计算单元还被配置为

根据二值化图像计算受精卵的时间序列转化，并且

基于转化计算受精卵的特征量。

(40)

根据上述(39)的观察系统，其中，

识别单元还包括叠加图像生成单元，其被配置为通过叠加二值化图像和原始图像来生成叠加图像，并且还被配置为基于叠加图像来识别受精卵，并且

特征量计算单元还被配置为，

根据叠加图像计算受精卵的时间序列转化，并且

基于转化计算受精卵的特征量。

(41)

根据上述(38)至(40)中任一项的观察系统，其中，

识别单元还被配置为识别受精卵中的细胞，并且

特征量计算单元还被配置为计算由识别单元识别的受精卵中的细胞的运动量的时间序列变化。

(42)

一种信息处理装置，包括：

图像获取单元，被配置为获取以时间序列捕获的受精卵的多个图像；

识别单元，其包括概率图像生成单元，该概率图像生成单元被配置为针对受精卵的每个图像生成概率图像，其中，概率图像中的每个位置表示受精卵的至少一部分存在于受精卵的图像中的相应位置处的概率；以及

特征量计算单元，其被配置为

根据随时间序列变化的概率图像计算受精卵的时间序列转化，并且

基于转化计算受精卵的特征量。

(43)

根据(42)的信息处理装置，其中，

识别单元还包括二值化图像生成单元，其被配置为通过利用针对每个像素具有预定阈值的二值化处理来处理概率图像来从多个概率图像生成多个二值化图像，并且该二值化图像生成单元被进一步被配置为基于该二值化图像来识别受精卵，并且

特征量计算单元还被配置为

根据二值化图像计算受精卵的时间序列转化，并且

基于转化计算受精卵的特征量。

(44)

根据(43)的信息处理装置，其中，

识别单元还包括叠加图像生成单元，其被配置为通过叠加二值化图像和受精卵的图像来生成叠加图像，并且还被配置为基于叠加图像来识别受精卵，并且

特征量计算单元还被配置为，

根据叠加图像计算受精卵的时间序列转化，并且

基于转化计算受精卵的特征量。

(45)

根据(42)的信息处理装置，其中，

识别单元还被配置为识别受精卵的透明带和受精卵中的细胞，并且

特征量计算单元还被配置为计算透明带的面积的变化和受精卵中细胞的面积的变化作为转化。

(46)

根据(45)的信息处理装置，其中，

特征量计算单元还被配置为基于透明带的面积的时间序列变化和受精卵中细胞的面积的时间序列变化来计算受精卵的紧密化时间和受精卵的卵裂时间中的至少一个作为特征量。

(47)

根据(45)的信息处理装置，其中，

识别单元还被配置为将囊胚识别为受精卵中的细胞，并且

特征量计算单元还被配置为基于透明带的面积和囊胚的面积之差的时间序列变化，计算透明带和囊胚的收缩次数、收缩直径、收缩速度、收缩时间段、收缩间隔、收缩强度、收缩频率、扩张次数、扩张直径、扩张速度、扩张时间段、扩张间隔、扩张强度和扩张频率中的至少一个作为特征量。

(48)

根据(42)的信息处理装置，其中，

识别单元还被配置为识别受精卵的透明带，并且

特征量计算单元还被配置为计算透明带的生理特征的变化作为转化。

(49)

根据(48)的信息处理装置，其中，生理特征是透明带的直径、面积和厚度中的至少一个。

(50)

根据(42)的信息处理装置，其中，

识别单元还被配置为识别受精卵的原核，并且

特征量计算单元还被配置为计算原核的面积的变化作为转化。

(51)

根据(50)的信息处理装置，其中，

特征量计算单元还被配置为基于原核的面积来计算原核的数量作为特征量。

(52)

根据(42)的信息处理装置，其中，

识别单元还被配置为识别受精卵的第一极体和第二极体，并且

特征量计算单元还被配置为基于第一极体的面积与第二极体的面积之和与第一极体的面积之差，计算受精卵的极体的数量作为特征量。

(53)

根据(42)的信息处理装置，其中，

识别单元还被配置为识别受精卵的卵裂球的核，并且

特征量计算单元还被配置为基于核的面积来计算核的数量作为特征量。

(54)

根据(42)的信息处理装置，其中，

识别单元还可以被配置为识别受精卵的透明带、受精卵中的细胞以及受精卵的碎片，并且

特征量计算单元还被配置为计算碎片的面积与受精卵中透明带的面积和细胞的面积之和的比例作为特征量。

(55)

根据(42)的信息处理装置，其中，

识别单元还被配置为识别受精卵的外周卵质中的半透明区和受精卵中的细胞，并且

特征量计算单元还被配置为计算外周卵质中的半透明区的面积与受精卵中的细胞的面积的比例的变化作为转化。

(56)

根据(42)的信息处理装置，其中，

识别单元还被配置为识别受精卵中的细胞，并且

特征量计算单元还被配置为计算由识别单元识别的受精卵中的细胞的运动量的时间序列变化。

(57)

根据(56)的信息处理装置，还包括

确定单元，其被配置为基于特征量确定受精卵的质量。

(58)

根据(57)的信息处理装置，其中，

识别单元还被配置为识别受精卵的第一极体和第二极体，

特征量计算单元还被配置为基于第一极体的面积与第二极体的面积之和与第一极体的面积之差，计算受精卵的极体的数量作为特征量，并且

确定单元还被配置为基于极体的数量来确定受精卵的极体是否异常。

(59)

根据(57)的信息处理装置，其中，

识别单元还被配置为识别受精卵的卵裂球的核，

特征量计算单元还被配置为基于核的面积来计算核的数量作为特征量，并且

确定单元还被配置为基于核的数量来确定受精卵是否处于多核状态。

(60)

根据(57)的信息处理装置，其中，

确定单元还被配置为基于转化确定受精卵的生长状态。

(61)

根据(60)的信息处理装置，其中，

识别单元还被配置为识别受精卵的透明带，

特征量计算单元还被配置为计算透明带的厚度的变化作为转化，并且

确定单元还被配置为基于透明带的厚度的变化确定受精卵是扩展的囊胚。

(62)

根据(60)的信息处理装置，其中，

识别单元还被配置为识别受精卵的透明带，

特征量计算单元还被配置为计算透明带的直径的变化和透明带的面积的变化中的至少一个作为转化，并且

确定单元还被配置为基于透明带的直径的变化和透明带的面积的变化中的至少一个来确定受精卵是扩展的囊胚。

(63)

根据(60)的信息处理装置，其中，

识别单元还被配置为识别受精卵的原核，

特征量计算单元还被配置为计算原核的面积的变化作为转化，并且

确定单元还被配置为基于原核的面积的变化来确定受精卵中原核的出现和消失。

(64)

根据(63)的信息处理装置，其中，

特征量计算单元还被配置为基于原核的面积计算原核的数量作为特征量，并且

确定单元还被配置为基于原核的数量来确定受精卵的原核是否异常。

(65)

根据(60)的信息处理装置，其中，

识别单元还被配置为识别受精卵的外周卵质中的半透明区和受精卵中的细胞，

特征量计算单元还被配置为计算外周卵质中的半透明区的面积与受精卵中的细胞的面积的比例的变化作为转化，并且

确定单元还被配置为基于比例的变化来确定受精卵的外周卵质中的半透明区的出现和消失。

(66)

根据(57)的信息处理装置，其中，

确定单元还被配置为基于受精卵中细胞的运动量的时间序列变化来确定受精卵的生长状态。

(67)

根据(66)的信息处理装置，其中，

确定单元还被配置为确定受精卵的如下状态是滞后期：受精卵中的细胞的运动速度矢量的总值不小于第一阈值并且每单位时间的运动速度矢量的变化大约为零。

(68)

根据(67)的信息处理装置，其中，

确定单元还被配置为确定受精卵的如下状态为退化的细胞比例小于15％：受精卵中的细胞的运动速度矢量的总值大于第一阈值并且每单位时间的运动速度矢量的变化不为零。

(69)

根据(66)的信息处理装置，其中，

确定单元还被配置为确定受精卵的如下状态为退化的细胞比例不小于15％：受精卵中的细胞的运动速度矢量的总值不大于第一阈值并且每单位时间运动速度矢量的变化大约为零。

(70)

根据(69)的信息处理装置，其中，

确定单元还被配置为确定受精卵的其中受精卵中的细胞的运动平均速度大于第二阈值的状态为退化的细胞比例不小于15％且小于50％。

(71)

根据(69)的信息处理装置，其中，

确定单元还被配置为确定受精卵的其中受精卵中的细胞的运动平均速度小于第二阈值的状态为退化的细胞比例不小于50％。

(72)

根据(42)的信息处理装置，其中受精卵的图像中的位置是像素位置。

(73)

一种信息处理方法，包括：

获取以时间序列捕获的受精卵的多个图像；

针对受精卵的每个图像生成概率图像，其中，概率图像中的每个位置表示受精卵的至少一部分存在于受精卵的图像中相应位置处的概率；

根据随时间序列变化的概率图像计算受精卵的时间序列转化，以及

基于转化计算受精卵的特征量。

(74)

一种程序，其使信息处理装置执行以下步骤：

获得以时间序列捕获的受精卵的多个原始图像；

针对受精卵的每个图像生成概率图像，其中，概率图像中的每个位置表示受精卵的至少一部分存在于受精卵的图像中相应位置处的概率；

根据随时间序列变化的概率图像计算受精卵的时间序列转化，以及

基于转化计算受精卵的特征量。

(75)

一种观察系统，包括：

图像捕获单元，其被配置为以时间序列捕获受精卵的多个图像；以及

信息处理装置，包括：

图像获取单元，其被配置为获取由图像捕获单元捕获的多个图像，

识别单元，其包括概率图像生成单元，该概率图像生成单元被配置为针对受精卵的每个图像生成概率图像，其中，概率图像中的每个位置表示受精卵的至少一部分存在于受精卵的图像中相应位置处的概率；以及

特征量计算单元，其被配置为

根据随时间序列变化的概率图像计算受精卵的时间序列转化，并且

基于转化计算受精卵的特征量。

本领域技术人员应当理解，根据设计要求和其他因素，可以进行各种修改、组合、子组合和变更，只要它们在所附权利要求或其等同物的范围内。

[附图标记列表]

100观察系统

10培养箱

20观察设备

21图像捕获单元

22光源

23培养皿组

23a培养皿

30湿度-温度-气体控制器单元

40检测器单元

50信息处理装置

51图像获取单元

52图像处理单元

53识别单元

54特征量计算单元

55图像捕获控制器单元

56确定单元

57预测单元

58显示控制器单元

59受精卵信息数据库

60显示设备

70输入单元

f受精卵

w孔。