CN101949819A - 一种基于图像识别的细胞计数方法 - Google Patents

一种基于图像识别的细胞计数方法 Download PDF

Info

Publication number
CN101949819A
CN101949819A CN 201010282484 CN201010282484A CN101949819A CN 101949819 A CN101949819 A CN 101949819A CN 201010282484 CN201010282484 CN 201010282484 CN 201010282484 A CN201010282484 A CN 201010282484A CN 101949819 A CN101949819 A CN 101949819A
Authority
CN
China
Prior art keywords
cell
image
slide
speck
sheet glass
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN 201010282484
Other languages
English (en)
Other versions
CN101949819B (zh
Inventor
刘明星
李鹏杰
郑众喜
韩隽
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
UNIC Technologies Inc.
Original Assignee
UNIC TECHNOLOGIES Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by UNIC TECHNOLOGIES Inc filed Critical UNIC TECHNOLOGIES Inc
Priority to CN 201010282484 priority Critical patent/CN101949819B/zh
Publication of CN101949819A publication Critical patent/CN101949819A/zh
Application granted granted Critical
Publication of CN101949819B publication Critical patent/CN101949819B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Investigating Or Analysing Biological Materials (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种基于图像识别的细胞计数方法。本发明以计算机视觉的方式,通过传感器将实体切片信息转化为数字图像信息,再经由图像处理完成细胞计数。计数准确率在98%以上,并具备优良的可扩展性,可以对免疫细胞之外的各类细胞进行检测,具备通用性,并可以根据细胞特征对细胞进行分类等等。

Description

一种基于图像识别的细胞计数方法
技术领域
本发明属于医学检验科领域,更具体地说,本发明涉及一种免疫细胞计数方法,即通过对整张玻片进行图像扫描,获取玻片的图像信息,并利用图像识别的方法识别图像中的免疫细胞,从而达到自动计数和形态分析的目的。
背景技术
CD4细胞是人体免疫系统中的一种重要免疫细胞。由于艾滋病病毒攻击对象是CD4细胞,所以其检测结果对艾滋病治疗效果的判断和对患者免疫功能的判断有重要作用。正常成人的CD4细胞在每立方毫米500个到1600个,艾滋病病毒感染者的CD4细胞出现进行性或不规则性下降,标志着免疫系统受到严重损害,当CD4细胞小于每立方毫米200个时,可能发生多种机会性感染或肿瘤。
传统的CD4细胞计数,使用流式细胞仪。即以激光为光源,将被检细胞用荧光标记抗体结合后输入流式细胞仪,通过高速流动系统对细胞排列成行,一个一个的流经检测区,当细胞从流动室喷嘴处流出时,超声振荡搅动液流,使液流断裂成一连串均匀的小滴,每滴内最多只含有一个细胞,细胞经荧光探针的光反应和标记物的光散射能力中获取信息,进行计数。这种计数方法的准确率在±50个细胞上下,对于破损细胞、连体细胞,凋亡细胞不能很好地计数,并且无法直观地评估计数结果正确与否。
本发明公开的免疫细胞计数方法,以计算机视觉的方式,通过数字相机将实体切片信息转化为数字图像信息,再经由图像识别的方法完成细胞计数。计数准确率在98%以上,高于传统的流式细胞仪。更重要的是,可以通过对扫描的细胞图像进行复查,并对细胞形态做进一步的分析,这些都是流式细胞仪无法做到的。除了对免疫细胞CD3/CD4/CD8的检查,本发明公开的方法还可以对免疫细胞之外的各类细胞进行检测,具备通用性,并可以根据细胞特征对细胞进行分类等等。
发明内容
为解决传统的流式细胞仪在细胞计数方面的不足,本发明公开了一种基于图像识别的细胞计数方法。
本发明具体采用以下计数方案:
一种基于图像识别的细胞计数方法,所述方法使用全自动数字切片扫描设备对细胞玻片进行扫描,基于对细胞玻片的图像处理分析进行细胞的计数;其特征在于,所述方法包括以下步骤:
(1)制作方形细胞玻片,将待计数的细胞固定在一方形区域内,并将所述细胞玻片置于所述扫描设备扫描的玻片架上;
(2)通过所述扫描设备对所述细胞玻片进行扫描,采集所述细胞玻片的图像;
(3)根据待计数细胞的形态特征信息,对所述细胞玻片图像中的符合待计数细胞形态标准的细胞进行识别并统计数量。
通过本发明,不仅可实现对细胞准确计数,还可在单细胞水平实现细胞可视化,真正实现目标细胞实体保存、动态影像全记录,帮助科研人员直接洞察细胞数量、功能、状态,为临床疾病诊断提供新手段,这在整个免疫诊疗中具有开创性意义得免疫细胞数字化图片,弥补了流式细胞仪和ELISPOT等不能对细胞进行直接分析的缺陷
附图说明
图1是全自动扫描设备扫描过程的正视图;
图2是全自动扫描设备扫描过程的俯视图;
图3是扫描前进行黑框边角定位的过程;
图4是移动马达自动扫描玻片的过程;
图5是扫描过程采集的图像数据;
图6是细胞计数流程图;
图7是细胞检测流程图。
具体实施方案
下面根据说明书附图并结合优选实施例对本发明的技术方案作进一步详细说明。
本发明公开的一种基于图像识别的细胞计数方法,该方法使用全自动数字切片扫描设备对细胞玻片进行扫描,基于对细胞玻片的图像处理分析进行细胞的计数;其特征在于,所述方法包括以下步骤:
(1)制作细胞玻片,将待计数的细胞固定在一方形区域内,并将所述细胞玻片置于所述扫描设备扫描的玻片架上(如图2所示);
(2)通过所述扫描设备(如图1所示)电机驱动控制玻片在X/Y/Z三个方向上的移动,经物镜、镜筒、相机组成的光学成像系统,当玻片移动到物镜正下方时,采集所述细胞玻片的图像;
(3)根据待计数细胞的形态特征信息,对所述细胞玻片图像中的符合待计数细胞形态标准的细胞进行识别并统计数量。
免疫细胞玻片在制作时通过黑色油墨将细胞固定在一个黑色的框内,如图3所示。通过在X,Y方向上移动玻片并识别黑框的方法找到黑色框的左上角,以此作为初始扫描点O。
从采集到的图像可以看出,黑框的灰度值非常低,因此可以设置一个固定的二值化阈值,例如50,将图像分成前景点(灰度值>30)和背景点(灰度值<30)两个部分。如果在图像左上方存在背景而右下方为前景则说明已经找到黑框的左上角位置。
玻片移动到起始扫描点后,可利用黑框的两条边缘进行自动对焦。自动对焦的过程实际上是使用数字相机连续采集多层玻片图像,通过比较每层图像的清晰度,选择清晰度最高的那一层作为初始焦平面位置。本发明中,称此位置为焦平面A。
这个问题实际上是图像清晰度度量问题。对一幅图像来说,如果上面的目标边缘(在本发明中,所述目标边缘指的是切片组织组织的边缘)非常锐化,看上去就很清晰;如果目标边缘梯度(本发明中的“目标边缘梯度”指的是切片组织组织边缘处的梯度,这个值大,边缘就清晰;反之就模糊)较小,看上去就比较模糊。因此,边缘梯度的度量可以用来评价一幅图像的清晰度差异。目前边缘梯度的度量方法有很多种,这里我们优选用边缘的平方和(S)来度量图像的清晰度。
S = Σ ( i , j ∈ I ) C ( i , j ) 2
其中C(i,j)表示图像中第i行j列像素的清晰度。
同时,
Figure BSA00000270875500032
I(i,j)为图像中第i行,第j列上的数据灰度值。其中,i和j的取值范围是整幅图像中i行j列中的点。
这样,对采集到的每一幅图像都用上面的公式来计算清晰度,求出来的S最大的图像就是最清晰的焦平面。
如图4所示。以初始扫描点O开始扫描玻片,沿“Z”子形移动玻片可以使得扫描移动距离最小。当玻片从黑框的左上角移动到右下角,这样就完成了一个黑框内细胞图像的扫描过程。
在扫描图像的同时,可以通过图像识别的方法分析细胞图像,找到图像中的免疫细胞。扫描的中间过程图如图5所示,从图中可以明显地看到免疫细胞。
图像识别算法流程图6所示:
提取细胞候选区域(101):
计算图像中各个点的灰度值,当一个点的灰度值小于整个图像平均灰度值的时候,即判定此点为前景点。通过对整幅图像的遍历,图像中所有像素点被分成前景点和背景点两部分。
区域生长(102):
对每个步骤101确定的前景点,以其为中心对图像进行区域生长处理,即将相邻的前景点组成一个整体。如果该区域满足免疫细胞的大小范围(这个需事先测量确定)。就把这个区域当做细胞候选区域
细胞检测(103):
对每一个细胞候选进行分析,判断其是否符合免疫细胞特征。
一般地,免疫细胞具备如下特征:
近似圆形;
细胞中心有亮斑,即细胞液的位置,一个正常细胞的图像中,其细胞液占据一定比例。样本统计数据表明,这个比例不会小于20%;
细胞边缘清晰,即细胞边缘灰度明显高于边缘外背景灰度。当细胞旁有水泡存在时,可能导致细胞边缘不明显;
细胞面积计算结果处于正常细胞大小范围内,10微米~20微米左右。
详细步骤请见后面的细胞检测流程描述。
细胞计数(104):
对符合待计数细胞特征的每一个细胞候选区域进行统计计数。
其中,上述细胞计数过程又可以由以下步骤组成(如图7所示)。
最亮点检测检测(201)
对一个细胞候选图像,找到靠近细胞中心灰度值最高的那个点。
亮斑区域确定(202)
玻片下方是高亮度的LED光源,而细胞是近似球状的透明物体,细胞中心充满细胞液,对光线形成汇聚效果。这样,细胞中心部分就会形成亮度高于背景的亮斑。以最亮点为中心,由内向外计算像素灰度值,正常状态下细胞图像的灰度值以亮点为中心呈现对称分布。亮斑区域中,像素灰度值应大于背景的平均灰度。因此,以灰度最大亮点为中心向外扩散,灰度高于背景平均灰度的像素都可认为是细胞中心亮斑区域;
确定亮斑边缘(203)
对亮斑区域外缘附近的点进行边缘梯度计算,精确定位亮斑边缘,并依据边缘点的位置,计算亮斑圆度。其中,梯度的计算方法如下:
D=GR-1-GR+1
其中,D表示梯度,GR-1表示靠近中心的像素点灰度,GR+1表示远离中心点的像素点灰度。从亮斑中心向外计算每个像素点的梯度,梯度最大的地方就是细胞中心亮斑边缘的位置。
确定细胞边缘(204)
以亮斑为中心,在正常细胞大小范围内,计算梯度的方法如下:
D=GR+1-GR-1
其中,D表示梯度,GR-1表示靠近中心的像素点灰度,GR+1表示远离中心点的像素点灰度。从细胞中心亮斑边缘向外计算每个像素点的梯度,梯度最大的地方就是细胞边缘的位置。
精确定位细胞边缘。细胞壁位置的像素灰度大于背景平均灰度。
判断细胞圆度(205)
圆度的计算可以由各个细胞边缘点到细胞中心距离的标准差来定义。设每个细胞边缘点到细胞中心的距离为Si,所有Si的均值为S,那么细胞的圆度可定义为:
p = 1 - Σ i = 1 n ( Si - S ‾ ) 2 n
p的取值范围在0-1之间,p越大表示细胞圆度越好,通常可以认为圆度大于0.9就可以作为细胞候选。
判断细胞对比度(206)
通过计算亮斑区域,和细胞壁环状区域的平均灰度值,可以得到对比度。对比度越大说明细胞形态特征好,在本发明的优选实施例中,例如可以选择对比度大于30作为细胞候选。
当一个细胞具备一定圆度、对比度,例如当细胞圆度大于0.9,并且细胞对比度大于30,作为细胞计数;细胞大小、亮斑和黑环比例正常时,认为其符合细胞特征。各项指标的阈值可以通过统计结果取得。本发明结合说明书附图对优选实施例做了详细的说明与描述,但是本领域技术人员应该理解,以上实施例仅为本发明的优选实施方案,详尽的说明只是为了帮助读者更好地理解本发明精神,而并非对本发明保护范围的限制,相反,任何基于本发明的发明精神所作的任何改进或修饰都应当落在本发明的保护范围之内。

Claims (6)

1.一种基于图像识别的细胞计数方法,所述方法使用全自动数字切片扫描设备对细胞玻片进行扫描,基于对细胞玻片的图像处理分析进行细胞的计数;其特征在于,所述方法包括以下步骤:
(1)制作方形细胞玻片,将待计数的细胞固定在一方形区域内,并将所述细胞玻片置于所述扫描设备扫描的玻片架上;
(2)通过所述扫描设备对所述细胞玻片进行扫描,采集所述细胞玻片的图像;
(3)根据待计数细胞的形态特征信息,对所述细胞玻片图像中的符合待计数细胞形态标准的细胞进行识别并统计数量。
2.根据权利要求1所述的细胞计数方法,其特征在于:在所述步骤(1)中,优先使用黑色油墨将细胞固定在一个黑色的框内,所述黑色的框形成所述的方形区域。
3.根据权利要求2所述的细胞计数方法,其特征在于:在所述步骤(2)中,对所述细胞玻片的扫描优选采用以下方式:
在X,Y轴方向移动玻片识别所述黑色的框的一角,以该角作为玻片的起始扫描点,其中所述X,Y轴方向分别为在所述方形细胞玻片平面上两相邻垂直边的方向,Z轴方向为该玻片平面的垂直方向;
将所述玻片移动到起始扫描点后,所述扫描设备自动对焦,选择图像清晰度最高的初始焦平面;
以所述起始扫描点开始扫描玻片,移动玻片,一直扫描到所述所述黑色框的一角的对角处,完成所述玻片方形区域内细胞图像的扫描。
4.根据权利要求3所述的细胞计数方法,其特征在于:从初始扫描点开始对所述细胞玻片扫描时,优选沿“Z”字形在X、Y轴平面内移动玻片,以使得扫描移动距离最小。
5.根据权利要求1所述的细胞计数方法,其特征在于,在所述步骤(3)的细胞计数中,进一步包括以下内容:
提取细胞候选区域(101):
计算所述细胞玻片图像中各个像素点的灰度值,当一个点的灰度值小于整个图像平均灰度值的时候,即判定此点为前景点,否则为背景点,通过对整幅图像的遍历,图像中所有像素点被分成前景点和背景点两部分;
区域生长(102):
对确定的前景点,以其为中心对所述细胞玻片图像进行区域生长处理,即将相邻的前景点组成一个整体,如果该区域前景点的像素数满足免疫细胞的大小范围,就把这个区域当作细胞候选区域;
细胞检测(103):
对每一个细胞候选区域进行分析,判断其是否符合待计数细胞的形态特征;
细胞计数(104):
对符合待计数细胞特征的每一个细胞候选区域进行统计计数。
6.根据权利要求5所述的细胞计数方法,其特征在于,在所述细胞检测中,进一步优选通过以下方式判断其是否符合待计数细胞的形态特征:
中心亮斑检测(201)
对一个细胞候选区域,找到靠近细胞中心灰度值最高的那个点;
亮斑区域确定(202)
以最亮点为中心,由内向外计算像素灰度值,亮斑区域中,像素灰度值大于背景的平均灰度值;
确定亮斑边缘(203)
对亮斑区域外缘附近的点进行边缘梯度计算,即计算从亮斑中心沿半径方向的梯度,梯度最大的地方就定位成亮斑边缘,并依据边缘点的位置,计算亮斑圆度;
确定细胞边缘(204)
以亮斑为中心,在正常细胞大小范围内,计算从细胞中心沿半径方向的梯度,梯度最大的地方就定位成细胞外边缘,细胞壁位置的像素灰度大于背景平均灰度;
判断细胞圆度(205)
圆度的计算可以由各个细胞边缘点到细胞中心距离的标准差来定义,设每个细胞边缘点到细胞中心的距离为Si,所有Si的均值为
Figure FSA00000270875400021
那么细胞的圆度可定义为:
p = 1 - Σ i = 1 n ( Si - S ‾ ) 2 n
p的取值范围在0-1之间,p越大表示细胞圆度越好;
判断细胞对比度(206)
通过计算亮斑区域,和细胞壁环状区域的平均灰度值,得到细胞对比度;
当细胞圆度大于0.9,并且细胞对比度大于30,作为细胞计数。
CN 201010282484 2010-09-16 2010-09-16 一种基于图像识别的细胞计数方法 Active CN101949819B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN 201010282484 CN101949819B (zh) 2010-09-16 2010-09-16 一种基于图像识别的细胞计数方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN 201010282484 CN101949819B (zh) 2010-09-16 2010-09-16 一种基于图像识别的细胞计数方法

Publications (2)

Publication Number Publication Date
CN101949819A true CN101949819A (zh) 2011-01-19
CN101949819B CN101949819B (zh) 2013-05-01

Family

ID=43453394

Family Applications (1)

Application Number Title Priority Date Filing Date
CN 201010282484 Active CN101949819B (zh) 2010-09-16 2010-09-16 一种基于图像识别的细胞计数方法

Country Status (1)

Country Link
CN (1) CN101949819B (zh)

Cited By (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184420A (zh) * 2011-04-18 2011-09-14 四川大学 一种免疫组化数字图像处理方法
CN103625662A (zh) * 2013-12-04 2014-03-12 天津普达软件技术有限公司 一种检测灌装机药丸数量的方法
CN104537671A (zh) * 2015-01-04 2015-04-22 长沙理工大学 一种基于机器视觉的香烟滤棒在线计数和质量检测方法
CN105424560A (zh) * 2015-11-24 2016-03-23 苏州创继生物科技有限公司 流式颗粒仪数据自动化定量分析方法
CN105612249A (zh) * 2013-12-27 2016-05-25 富士施乐株式会社 图像处理装置、程序、信息存储介质和图像处理方法
CN106190945A (zh) * 2015-05-05 2016-12-07 深圳华大基因研究院 自动识别稀有细胞的方法及系统
CN107036956A (zh) * 2017-05-22 2017-08-11 粉蓝医疗科技(杭州)有限公司 细胞核统计方法和装置
CN107123102A (zh) * 2017-05-24 2017-09-01 天津工业大学 一种贴壁细胞生长融合度自动分析方法
CN107346537A (zh) * 2016-05-05 2017-11-14 福耀集团(上海)汽车玻璃有限公司 玻璃智能计数方法、装置和手机
CN107907471A (zh) * 2017-10-26 2018-04-13 刘峰 一种细胞检验计数装置
CN108090891A (zh) * 2017-11-01 2018-05-29 浙江农林大学 一种检测遗漏细胞区域与新增细胞区域的方法及系统
CN108242050A (zh) * 2016-12-27 2018-07-03 航天信息股份有限公司 电子发票的处理方法及装置
CN108876752A (zh) * 2018-07-06 2018-11-23 武汉兰丁医学高科技有限公司 血液细胞的图像识别计数方法
CN108961250A (zh) * 2018-07-20 2018-12-07 中国科学院深圳先进技术研究院 一种目标物统计方法、装置、终端以及存储介质
CN109085113A (zh) * 2018-07-05 2018-12-25 深圳辉煌耀强科技有限公司 一种用于宫颈脱落细胞检测装置的自动对焦方法和装置
CN110706206A (zh) * 2019-09-11 2020-01-17 深圳先进技术研究院 荧光细胞计数方法、装置、终端设备及存储介质
CN111047577A (zh) * 2019-12-12 2020-04-21 太原理工大学 一种畸形尿红细胞分类统计方法与系统
CN111307799A (zh) * 2018-12-12 2020-06-19 苏州优纳医疗器械有限公司 病理切片扫描复合视觉光路系统
CN112150446A (zh) * 2020-09-27 2020-12-29 郑州中普医疗器械有限公司 显微镜镜检阅片扫描方法、计算机设备和系统
CN112819795A (zh) * 2021-02-05 2021-05-18 复旦大学附属中山医院 基于多色荧光图片的细胞数量和面积的统计方法
CN112837316A (zh) * 2021-03-16 2021-05-25 深圳市瑞沃德生命科技有限公司 聚团细胞识别方法及其装置
CN113222969A (zh) * 2021-05-28 2021-08-06 大连海事大学 一种基于双向背景差分法的成像流式细胞粘连计数与活性检测方法、装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4196454A (en) * 1978-12-04 1980-04-01 Xerox Corporation Tone error control for relatively large image areas
JP2004503249A (ja) * 2000-06-13 2004-02-05 グラクソ グループ リミテッド 候補化合物を生物学的活性についてスクリーニングするためのハイスループット方法
CN1746901A (zh) * 2005-09-19 2006-03-15 南京大学 肺癌早期细胞涂片彩色图像信息的计算机智能化处理的方法及其处理设备
CN1793919A (zh) * 2005-12-09 2006-06-28 天津理工大学 一种对血液显微图像中白细胞个数自动计数方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4196454A (en) * 1978-12-04 1980-04-01 Xerox Corporation Tone error control for relatively large image areas
JP2004503249A (ja) * 2000-06-13 2004-02-05 グラクソ グループ リミテッド 候補化合物を生物学的活性についてスクリーニングするためのハイスループット方法
CN1746901A (zh) * 2005-09-19 2006-03-15 南京大学 肺癌早期细胞涂片彩色图像信息的计算机智能化处理的方法及其处理设备
CN1793919A (zh) * 2005-12-09 2006-06-28 天津理工大学 一种对血液显微图像中白细胞个数自动计数方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
《中国优秀硕士学位论文全文数据库 信息科技辑》 20091215 王云 血细胞图像的自动分割与识别方法研究 , 第12期 2 *

Cited By (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102184420B (zh) * 2011-04-18 2013-04-10 四川大学 一种免疫组化图像处理方法
CN102184420A (zh) * 2011-04-18 2011-09-14 四川大学 一种免疫组化数字图像处理方法
CN103625662A (zh) * 2013-12-04 2014-03-12 天津普达软件技术有限公司 一种检测灌装机药丸数量的方法
CN103625662B (zh) * 2013-12-04 2015-07-08 天津普达软件技术有限公司 一种检测灌装机药丸数量的方法
CN105612249B (zh) * 2013-12-27 2017-12-19 富士施乐株式会社 图像处理装置、程序、信息存储介质和图像处理方法
US10169861B2 (en) 2013-12-27 2019-01-01 Fujifilm Corporation Image processing apparatus, non-transitory computer readable medium, and image processing method
CN105612249A (zh) * 2013-12-27 2016-05-25 富士施乐株式会社 图像处理装置、程序、信息存储介质和图像处理方法
CN104537671B (zh) * 2015-01-04 2017-12-29 长沙理工大学 一种基于机器视觉的香烟滤棒在线计数和质量检测方法
CN104537671A (zh) * 2015-01-04 2015-04-22 长沙理工大学 一种基于机器视觉的香烟滤棒在线计数和质量检测方法
CN106190945A (zh) * 2015-05-05 2016-12-07 深圳华大基因研究院 自动识别稀有细胞的方法及系统
CN105424560A (zh) * 2015-11-24 2016-03-23 苏州创继生物科技有限公司 流式颗粒仪数据自动化定量分析方法
CN107346537A (zh) * 2016-05-05 2017-11-14 福耀集团(上海)汽车玻璃有限公司 玻璃智能计数方法、装置和手机
CN108242050A (zh) * 2016-12-27 2018-07-03 航天信息股份有限公司 电子发票的处理方法及装置
CN107036956A (zh) * 2017-05-22 2017-08-11 粉蓝医疗科技(杭州)有限公司 细胞核统计方法和装置
CN107123102A (zh) * 2017-05-24 2017-09-01 天津工业大学 一种贴壁细胞生长融合度自动分析方法
CN107907471A (zh) * 2017-10-26 2018-04-13 刘峰 一种细胞检验计数装置
CN108090891A (zh) * 2017-11-01 2018-05-29 浙江农林大学 一种检测遗漏细胞区域与新增细胞区域的方法及系统
CN109085113A (zh) * 2018-07-05 2018-12-25 深圳辉煌耀强科技有限公司 一种用于宫颈脱落细胞检测装置的自动对焦方法和装置
CN108876752A (zh) * 2018-07-06 2018-11-23 武汉兰丁医学高科技有限公司 血液细胞的图像识别计数方法
CN108961250A (zh) * 2018-07-20 2018-12-07 中国科学院深圳先进技术研究院 一种目标物统计方法、装置、终端以及存储介质
CN111307799A (zh) * 2018-12-12 2020-06-19 苏州优纳医疗器械有限公司 病理切片扫描复合视觉光路系统
CN110706206A (zh) * 2019-09-11 2020-01-17 深圳先进技术研究院 荧光细胞计数方法、装置、终端设备及存储介质
CN111047577A (zh) * 2019-12-12 2020-04-21 太原理工大学 一种畸形尿红细胞分类统计方法与系统
CN112150446A (zh) * 2020-09-27 2020-12-29 郑州中普医疗器械有限公司 显微镜镜检阅片扫描方法、计算机设备和系统
CN112819795A (zh) * 2021-02-05 2021-05-18 复旦大学附属中山医院 基于多色荧光图片的细胞数量和面积的统计方法
CN112819795B (zh) * 2021-02-05 2023-03-31 复旦大学附属中山医院 基于多色荧光图片的细胞数量和面积的统计方法
CN112837316A (zh) * 2021-03-16 2021-05-25 深圳市瑞沃德生命科技有限公司 聚团细胞识别方法及其装置
CN112837316B (zh) * 2021-03-16 2024-01-12 深圳市瑞沃德生命科技有限公司 聚团细胞识别方法及其装置
CN113222969A (zh) * 2021-05-28 2021-08-06 大连海事大学 一种基于双向背景差分法的成像流式细胞粘连计数与活性检测方法、装置
CN113222969B (zh) * 2021-05-28 2024-05-14 大连海事大学 一种基于双向背景差分法的成像流式细胞粘连计数与活性检测方法、装置

Also Published As

Publication number Publication date
CN101949819B (zh) 2013-05-01

Similar Documents

Publication Publication Date Title
CN101949819B (zh) 一种基于图像识别的细胞计数方法
US11721018B2 (en) System and method for calculating focus variation for a digital microscope
JP6726704B2 (ja) 細胞の体積および成分の計測
AU725820B2 (en) Method and apparatus for assessing slide and specimen preparation quality
JP5932110B2 (ja) 原石のインクルージョンを検出/同定する方法および機器
CN103823051B (zh) 利用红细胞内含有的血红蛋白的本征色素沉着来确定血样的红细胞指数的方法及设备
CN108107197B (zh) 用于检测和/或分类细胞样品中的癌细胞的方法和系统
CN103827658B (zh) 识别和测量网状细胞
US20080279441A1 (en) Cell-Image Analysis Method, Cell-Image Analysis Program, Cell-Image Analysis Apparatus, Screening Method, and Screening Apparatus
US20110261164A1 (en) Optical sectioning of a sample and detection of particles in a sample
US20090297007A1 (en) Automated Method and System for Nuclear Analysis of Biopsy Images
JP5469070B2 (ja) 生物検体を処理するための複数の波長を用いる方法およびシステム
JPH0475463B2 (zh)
US11762185B2 (en) Method and system for identifying objects in a blood sample
CN107525768A (zh) 一种dna倍体分析设备的质量控制方法
US20220383629A1 (en) Label-free cell classification and screening system based on hybrid transfer learning
US20040252876A1 (en) Method and system for classifying slides using scatter plot distribution
CN108693115A (zh) Nk细胞检测方法及系统
CN109478230A (zh) 通过分割概览图像来检查分布式对象的方法
US20230274441A1 (en) Analysis method and analysis apparatus
US20240029458A1 (en) A method for automated determination of platelet count based on microscopic images of peripheral blood smears
Korzynska Automatic counting of neural stem cells growing in cultures
Alanis et al. Optical detection of Trypanosoma cruzi in blood samples for diagnosis purpose
Schellart 18 Automatic Counting of Round Particles in Microscopic

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
ASS Succession or assignment of patent right

Owner name: SHANGHAI UNINANO ADVANCED MATERIALS CO., LTD.

Free format text: FORMER OWNER: BEIJING UNITECH TECHNOLOGIES INC.

Effective date: 20150302

C41 Transfer of patent application or patent right or utility model
COR Change of bibliographic data

Free format text: CORRECT: ADDRESS; FROM: 100085 HAIDIAN, BEIJING TO: 200030 XUHUI, SHANGHAI

TR01 Transfer of patent right

Effective date of registration: 20150302

Address after: 200030 room 19B1, 789 Jia Bang Road, Shanghai, Xuhui District

Patentee after: Shanghai youna Science & Technology Co Ltd

Address before: 100085, Beijing, Haidian District on the East Road, No. 9, building on the first floor, No. 5 North District

Patentee before: UNIC Technologies Inc.

TR01 Transfer of patent right

Effective date of registration: 20181025

Address after: 100085 room 402, four floor, Hao Hai building, 7 five street, Haidian District, Beijing.

Patentee after: UNIC Technologies Inc.

Address before: 200030 19B1 room 789, zhaojiaxin Road, Xuhui District, Shanghai.

Patentee before: Shanghai youna Science & Technology Co Ltd

TR01 Transfer of patent right