CN102667471B - 病理图像诊断系统、病理图像诊断方法以及病理图像诊断程序 - Google Patents

病理图像诊断系统、病理图像诊断方法以及病理图像诊断程序 Download PDF

Info

Publication number
CN102667471B
CN102667471B CN201080024614.3A CN201080024614A CN102667471B CN 102667471 B CN102667471 B CN 102667471B CN 201080024614 A CN201080024614 A CN 201080024614A CN 102667471 B CN102667471 B CN 102667471B
Authority
CN
China
Prior art keywords
subregion
importance
measurement index
pathological
image
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.)
Active
Application number
CN201080024614.3A
Other languages
English (en)
Other versions
CN102667471A (zh
Inventor
丸龟敦
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.)
NEC Corp
Original Assignee
NEC Corp
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 NEC Corp filed Critical NEC Corp
Publication of CN102667471A publication Critical patent/CN102667471A/zh
Application granted granted Critical
Publication of CN102667471B publication Critical patent/CN102667471B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695—Preprocessing, e.g. image segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20048—Transform domain processing
    • G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Quality & Reliability (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

将输出病理组织图像，其允许执行有效图像诊断。包括指标量计算设备(20)，其将捕获的病理图像划分成预定分区，并设置涉及针对每个分区的病理诊断的基准的测量指标值；以及重要性计算装置(30)，其针对每个分区基于每个分区的测量指标值和与该分区相邻的各分区的测量指标值二者设置涉及病理测量的重要性。重要性计算装置(30)提取分区中的一个，其中已经捕获了活组织的图像的区域代表给定百分比，并且进一步地，重要性计算装置(30)将提取的分区与用于该分区的测量指标值和重要性设置相关联从而用于传输。

Description

病理图像诊断系统、病理图像诊断方法以及病理图像诊断程序
技术领域
本发明涉及输出病理组织图像作为病理诊断目标的病理图像诊断系统，病理图像诊断方法，以及病理图像诊断程序。 
背景技术
病理诊断通常由病理学家通过在显微镜下查看在载玻片上的标本来完成。然而，显微镜的视场是有限的，从而需要通过改变检查区域来检查标本的每个角落以彻底检查它。为此，代替显微镜使用的是一种图像扫描仪，其捕获载玻片作为电子图像。 
在该情况下，在最大的情况下，对应于显微镜的视场的是PC(个人计算机)的监视器的分辨率。然而，除非组织较小并且显示时的放大率较小，否则组织的整个区域尺寸变成PC的监视器的分辨率的几十或者几百倍。 
通过病理诊断，不一定根据整个组织确定诊断结果。在许多情况下诊断结果被组织图像的部分区域所影响。此外，在远离组织的区域中可能观察到不同方面。因此，将组织划分成具体片段的区域并且执行用于诊断的处理，使得处理可以停在确定诊断结果的点是有效的。 
因此，例如在日本未审专利公开Hei 06-003601中公开的方法中公开了将其上捕获生物组织的生物(病理)组织图像划分成矩形块以及诊断每个块。 
此外，在电子图像经由通信传输的情况下，例如进行远程医疗的情况，在传输效率方面，通常考虑将病理组织图像划分成矩形片。 
然而，当诊断通过仅将作为病理分析的诊断目标的病理组织图像划分成矩形片并通过机械过程和顺序(例如，从左上到右下)诊 断划分的矩形图像片的每个来进行时，处理效率是有限的。 
此外，例如，在一些情况下，关于作为病理组织图像内的诊断目标的关注分区和与关注分区竖直地、水平地等相邻的相邻区域的关系在图像诊断中被视为是重要的。因此，如上所述，在以机械顺序进行详细诊断的情况下，不仅诊断效率较差，而且从越过不同块的区域获得的和从整个图像获得的信息被忽视。 
作为其相关技术，公开了一种方法，其采用发射器侧和接收器侧图像通信设备，其中发射器侧图像通信设备设置通过划分原始图像获得的划分图像的每个的优先级，并且进行划分图像的每个的发射/接收，同时增加具有高优先级的划分图像的图像数据量以变大，并减少具有低优先级的划分图像的图像数据量以变小，从而以高传输效率进行图像通信(专利文献1)。 
此外，作为其相关技术，公开了一种方法，其设置通过划分捕获的眼底图像获得的划分图像的每个的优先级，并基于优先级设置显示划分图像的每个的顺序，从而缩短诊断时间(专利文献2)。 
此外，作为其相关技术，公开了一种方法，其设置示出图像数据的大量分片的每个的重要性的指标，并且每次执行针对图像数据的每个的处理工作时增加指标值，使得易于选择高实用价值的图像数据(专利文献3)。 
专利文献1：日本未审专利公开2005-057494 
专利文献2：日本未审专利公开2006-102097 
专利文献3：日本未审专利公开2007-135065 
专利文献4：日本未审专利公开2006-121578 
然而，如上所述，在病理组织图像内的远离部分的组织区域之间有时可能观察到不同方面。因此，通过专利文献1、2和3中公开的相关信息，从整个图像获得的信息可能被忽视。 
此外，例如，在一些情况下，关于作为病理组织图像内的诊断目标的关注分区和与关注分区竖直地、水平地等相邻的相邻区域的关系在图像诊断中被视为是重要的。因此，通过例如专利文献1、2 和3中公开的分配指标值给划分图像的每个的相关技术的方法，图像诊断的效率变得较差。 
此外，在要求通过用于远程医疗等的通信传输病理组织图像的情况下，可能存在一种情况，其中直到对于诊断重要的部分(图像区域)的传输完成才能进行诊断。同时，也可能存在一种情况，其中要求等待对于进行详细诊断来说不必要的图像区域，即，不是非常重要的图像区域。因此，整个病理诊断效率变得较差。 
本发明的目的是提供一种输出病理组织图像的病理图像诊断系统，病理图像诊断方法，以及病理图像诊断程序，其使得可能改进相关技术的不便利，并有效地进行图像诊断。 
发明内容
为了实现上述目的，根据本发明的病理图像诊断系统的特征在于包括：测量指标设置模块，其将捕获了生物组织的病理图像划分成预设分区，并针对分区的每个设置关于病理诊断的基准的预设测量指标值；重要性设置模块，其基于分区的每个的测量指标值和与测量区域的每个相邻的分区的测量指标值向分区的每个设置关于病理测量的重要性；分区提取模块，其从分区中提取其中捕获的生物组织的区域占据特定比例的分区，并通过将其与测量指标值和划分重要性相关联来传输分区；以及分区输出/显示模块，其输出/显示用传输的分区构成的病理图像。 
此外，根据本发明的病理图像诊断方法的特征在于包括：将捕获了生物组织的病理图像划分成预设分区，并针对分区的每个设置关于病理诊断的基准的预设测量指标值；基于分区的每个的测量指标值和与测量区域的每个相邻的分区的测量指标值向分区的每个设置关于病理测量的重要性；从分区中提取其中捕获的生物组织的区域占据特定比例的分区，并通过将其与测量指标值和划分重要性相关联来传输分区；以及输出/显示用传输的分区构成的病理图像。 
此外，根据本发明的公众病理图像管理程序的特征在于使得预 设计算机执行：将捕获了生物组织的病理图像划分成预设分区，并针对分区的每个计算关于病理诊断的基准的测量指标值的功能；基于分区的每个的测量指标值和与测量区域的每个相邻的分区的测量指标值向分区的每个设置关于病理测量的重要性的功能；以及从分区中提取其中捕获的生物组织的区域占据特定比例的分区的功能。 
本发明使得可能有效地进行图像诊断。 
附图说明
图1是示出根据本发明的病理图像诊断系统的示例性实施例的示意性框图； 
图2是示出根据本发明的病理图像诊断系统的示例性实施例的示意性框图； 
图3是示出根据本发明的病理图像诊断系统的示例性实施例的示意性框图； 
图4是示出图1中公开的病理图像诊断系统的病理图像的示例的示意图； 
图5是示出图1中公开的病理图像诊断系统的病理图像中目标块和相邻块之间的位置关系的示意图表； 
图6是示出图1中公开的病理图像诊断系统的其中显示病理图像的显示屏以及示出接口的示例的示意图表； 
图7是示出图1中公开的病理图像诊断系统的数据处理设备的示例性实施例的示意性框图； 
图8是示出图1中公开的病理图像诊断系统的图像显示设备的示例性实施例的示意性框图； 
图9是示出图2和图3中公开的病理图像诊断系统的图像传输设备(区域编码设备)的示例性实施例的示意性框图； 
图10是示出图1中公开的病理图像诊断系统的整个操作处理步骤的流程图； 
图11是示出图2中公开的病理图像诊断系统的整个操作处理步 骤的流程图；以及 
图12是示出图3中公开的病理图像诊断系统的整个操作处理步骤的流程图。 
具体实施方式
(第一示例性实施例) 
接下来，将描述根据本发明的示例性实施例的基本结构内容。 
如图1所示，第一示例性实施例的病理图像诊断系统1采用的结构包括：组织提取模块10，其从发送自外部的病理组织图像(S10)提取具有捕获的组织的图像区域(组织区域)；指标量计算设备20，其接收作为通过组织提取模块10提取的图像区域的矩形块S20，并针对矩形块S20的每个计算关于预设病理组织的指标量；重要性计算模块30，其计算矩形块的每个的指标量的重要性，并对其应用顺序；以及图像显示模块40a，其通过将发送自重要性计算模块30的矩形块S20与预先计算的指标值S40和重要性相关联来输出/显示矩形块S20。 
下面将进行详细描述。 
组织提取模块10提取从病理图像诊断系统1外部输入的病理组织图像内的组织区域。 
组织提取模块10检测组织区域(图像区域)，其中组织被捕获为病理图像中的染色区域。具体地，组织提取模块10从病理组织图像创建特定颜色(或亮度)的单色图像，并通过具有预先设置的阈值的二进制图像创建算法(例如，差别/分析方法(Otsu的二值化))对单色图像执行二进制处理。 
不要求提取组织图像的精确度如在该点的像素单位那么小，从而通过矩形块单元执行针对病理组织图像的图像处理。 
此外，为了避免由于噪声而提取仅具有少量组织区域像素的块，期望在执行二进制处理之前通过采用滤波器(例如高斯滤波器)来执行用于抑制噪声的处理。 
此外，如图4所示，组织提取模块10将病理组织图像S10划分成矩形网格，并仅提取包含特定像素数目或更多的组织区域(像素)的块(矩形块)作为处理目标矩形区域。 
不需要在病理组织图像中实际绘出网格。可以存储设置的矩形块的每个的顶点之一和矩形块的竖直和水平尺寸。 
如上所述，指标量计算模块20计算通过组织提取模块10提取的矩形块S20的指标量。 
指标量计算模块20包括指标计算单元201、202、203，其以并行方式和分布式方式进行病理指标的计算。尽管由指标量计算单元201、202和203构成的指标量计算模块20以示例方式在第一示例性实施例中示出，但是在指标量计算模块20中设置的使用的指标的数目并不仅仅受限于此。 
对于由病理学家进行的病理组织的图像诊断，通常使用的是由粗到细的搜索方法，其首先以低放大率查看整个组织以找到其中以深色染色细胞核和细胞质的部分以及其中染色深度改变较大的部分，并通过将其附近的放大率切换成高放大率来仔细地检查细胞核的每个。 
因此，在示例性实施例中，按照关于病理组织诊断的指标量将病理图像划分为块单元，并引入：用于检查染色的全局深度的[a]块内指标量；用于检查染色中全局变化的[b]块间指标量；以及用于检查染色中深度和变化是否由于异常原因造成的[c]全块指标量。 
[a]块内指标量是可以从构成矩形块的每个像素的信息计算的指标量。 
用作该指标量的是关于对应于由疾病(例如炎症或癌症)生成的异常细胞核或一组异常细胞核的区域的特定颜色的绝对浓度以及根据特定颜色提取的像素块形状的量，例如，矩形块内的矩、Hu矩、判定/分析阈值、特定颜色像素数目、特定颜色像素块数目、面积平均值、方差、长度平均值、方差、圆度平均值、方差等。 
此外，可以通过对原始病理组织图像执行信号处理(例如傅立 叶变换)或图像处理(例如边缘提取滤波)来创建经处理的图像，并且指标量可以基于经处理的图像内的矩、经处理的图像的Hu矩、判定/分析阈值、特定颜色像素数目、特定颜色像素块数目、面积平均值、方差、长度平均值、方差、圆度平均值、方差等来计算。 
然后，在上述指标量中，将描述不直观的那些。可以通过设置图像处理目标图像(这里，假设是病理组织图像)的图像亮度值I(x，y)以及作为x、y方向的尺寸的m、n，通过表达式1中示出的计算公式来获得矩。 
[表达式1] 
M m , n = Σ x , y I ( x , y ) x m y n
此外，一维Hu矩也可以通过表达式2来获得，其中取m2，0和m0，2为归一化中心矩。 
[表达式2] 
H1＝m2，0+m0，2
圆度可以通过表达式3来获得，其中S是面积，L是周长。 
[表达式3] 
4πS/L2
这里，具体而言，将研究作为病理组织图像的HE(苏木精-伊红)染色图像。HE中的细胞核部分具有被苏木精染上蓝紫色的特征，而细胞质部分具有被伊红染上红紫色的特征。在这种情况下，例如红、蓝以及作为互补色的青(淡蓝)和品红(紫)的颜色信号的Hu矩、判定/分析阈值、像素块数目等的指标是对于病理诊断重要的指标。因此，在示例性实施例中，指标量(块内指标量)例如从Hu矩、判定/分析阈值和特定颜色像素数目的量化值计算出。 
[b]块间指标量可以通过计算周围块相对于[a]中描述的块内指标量的变化程度来获得。 
该指标量反映了对应于病理诊断中视为重要的细胞核的生长过程的、特定组织区域的周围和周围区域之间的变化，并且因此使用块单元的拉普拉斯算子、相对于周围块的方差等。 
这里，拉普拉斯算子的值限定为通过从与目标块(图5中的ア)相邻的提取块的所有指标量(指标值)的总值减去通过将相邻提取块的数目乘以目标块的指标值获得的值而获得的值(表达式3)。 
如图5所示，目标块(ア)在相邻的八个相邻块(水平、竖直和斜方向上的矩形块)中具有七个相邻块，并且基于下列表达式4计算拉普拉斯算子。 
[表达式4] 
(イ)+(ウ)+(エ)+(オ)+(カ)+(キ)+(ク)-7×(ア) 
[c]全块指标量是基于[a]块内方差值计算的值，并且其示例是从整个图像的矩形块的指标(量)值计算的统计量(平均值，方差，直方图等)。 
全块指标量用于校验上述[a]和[b]是否由于病理原因造成或者由于与病理无关的异常原因造成，并且其与每个矩形块的优先级的计算无关。其以辅助方式使用，用于给出作为在创建载玻片时或者在捕获图像时由于故障而生成的异常图像的警告。 
单个计算的指标或多个计算的指标被发送到重要性计算模块30作为标量值或矢量值。 
重要性计算模块30向附于每个块的作为标量值或矢量值的指标量给予顺序。重要性可以基于病理诊断原因如下设置。 
在块中颜色均匀的情况下，例如细胞核的密度或浓度的情况，当像素色值或密度较大时更大可能是炎症或癫痫。因此，重要性变得较高。 
在块中像素块均匀的情况下，例如具有许多具有高圆度的大像素块(在HE染色的情况下大的蓝色圆形像素块)的情况，可能具有癌细胞。因此，重要性变得较高。 
在例如在块之间的拉普拉斯算子相对于周围改变的情况下，当改变量较大时更大可能是在细胞生长过程中表现为异常的疾病。因此，重要性不高。 
在重要性计算为这种特定值的这些情况下，色值、密度等可以就这样来使用或者可以通过将它们划分成特定范围然后向其给予等级来使用。 
不同于相对顺序(总顺序)，顺序可以通过限定与其中不一定给出顺序的群组的相应关系来应用。假定指标是x，顺序或群组是y，并且相应映射是f，获得以下关系。 
[表达式5] 
f：x→y 
当顺序是完整顺序时，f变成函数，并且群组y和映射(函数)f为表达式6中所示关系。 
[表达式6] 
y＝f(x) 
在指标量计算模块20由单个指标量计算单元201构成的情况下，指标量是标量值。因此，顺序可以简单通过值的大小来应用。 
在指标量计算模块20由多个指标量计算单元(201、202、…)构成的情况下，需要给出映射(函数)。 
给出映射(函数)的方式根据指标量的选择以及哪些指标将被视为重要的而改变。当整个指标的重要性相同时，通过整个指标的总和来计算。 
除了数字公式表达的函数之外，当给定指标处于特定数值中时，与其他指标无关，函数f可以是属于特定顺序的群组的映射。 
此外，在其中指标值和顺序(群组)彼此对应的数据可以在进行计算之前获得的情况下，f可以通过机械学习(例如神经网络或支持矢量机)来设置。 
在获得全部块的顺序(群组)之后，重要性计算模块30将顺序和指标值与块相关联，并将它们发送到屏幕显示模块40a。 
屏幕显示模块40a将从重要性计算模块30输入的块的顺序与原始图像的矩形块相关联，并在预先设置的输出设备(例如显示器) 上输出/显示它们。 
这里，病理图像S10的显示屏和接口的示例在图6中示出。 
在这种情况下，图6中的左图的深灰框与图6的右图的重要性栏从上数第三行重要性C相关联。 
可能存在相同重要性，并且在该示例中可能存在两个，即，C和F。此外，可以设置多个重要性。在该情况下，设计成能够通过重要性菜单来切换重要性。 
如上所述，通过第一示例性实施例，可能通过设置和计算关于在病理组织图像中设置的每个矩形块(区域)中的病理组织的指标量(值)将局部量化值分配给病理组织图像，以及根据病理组织的重要性定量地显示原始病理组织图像。 
因此，用户可以定量地知道整个病理组织图像的状态，从而可能有效且快速地进行病理图像诊断。此外，可能缩短诊断时间。 
此外，通过示例性实施例，作为病理组织的重要性可以通过向设置的矩形块的每个给予指标值来设置，从而可以以容易发现的方式输出和显示在包括相邻块的多个块上了解的病理上重要的区域。 
(第一示例性实施例的动作的解释) 
接下来，将描述根据第一示例性实施例的病理图像诊断系统的动作的概要。 
指标量计算单元20将捕获的生物组织的病理图像划分成预先设置的分区，并针对每个分区设置关于病理诊断的基准的测量指标值(指标量设置步骤)。然后，重要性计算模块30基于分区的每个的测量指标值以及与分区的每个相邻的分区的测量指标值向分区的每个设置关于病理测量的重要性(重要性设置步骤)。 
此后，重要性计算模块30从分区中提取其中捕获的生物组织的区域占据其特定比例的分区(组织区域判定/提取步骤)，并通过将该分区与测量指标值和划分重要性相关联来传输该分区。图像显示模块40a输出/显示由分区构成的病理图像。 
这里注意到，指标量设置步骤、重要性设置步骤和组织区域判 定/提取步骤的执行内容可以置入程序并且可以通过计算机来执行。程序记录在记录介质上，并且视为商业交易的目标。 
此后，将基于图10的流程图详细描述根据第一示例性实施例的病理图像诊断系统。 
首先，捕获的或扫描的染色处理的病理图像(原始病理图像)输入到组织提取模块10(步骤S1)。从病理图像，组织提取模块10创建病理图像的亮度分量的单色图像(步骤S2)，通过使用算法(例如Otsu标准的二值化)从创建的单色图像提取组织图像区域(步骤S3：组织区域提取功能)，以及将其传输到指标量计算单元20。 
指标量计算单元20将原始病理图像和相应二进制图像分别划分成块(矩形块)(步骤S4)，计算包含组织图像的每个图像块的指标量(步骤S5：指标量计算功能)，以及将每个块传输到重要性计算模块30。 
重要性计算模块30通过将来自单个指标量或多个指标量的指标量与重要性相关联的映射(函数)计算每个块的重要性(步骤S6：重要性计算功能)。 
重要性计算模块30基于关于原始病理图像的每个块和重要性信息的相关信息在预先设置的显示单元(例如监视器)上输出/显示病理图像(步骤S7)。 
这里假设输出/显示示出每个块和重要性信息以及指标量信息之间的关系的图像。 
注意到，组织区域提取功能、指标量计算功能和重要性计算功能的执行内容可以置入程序并且可以由预先提供到病理图像诊断装置1的计算机来执行。 
也可能采用如下结构，其中分别作为病理图像诊断装置1、指标量计算单元20、重要性计算模块30和图像显示设备40a的设备的组织提取设备100、指标量计算设备200、重要性计算设备300、图像显示设备400a经由通信线路等连接。 
此外，作为第一示例性实施例的结构内容的修改示例，代替第 一示例性实施例的由组织提取设备100、由指标量计算单元2001、2002、…构成的指标量计算设备200和重要性计算设备300构成的结构，如图7所示，也可能采用如下结构，其包括：数据处理设备250，其包括存储设备251，例如存储器或存储盘，用于存储作为输入数据输入的图像数据(块)、指标量信息和重要性信息；以及算术运算单元252，例如CPU，用于提取图像数据(块)的组织区域以及计算每个块的指标量和重要性。 
此外，如图8所示，图像显示设备400a可以构造成包括：存储设备351，例如存储器或盘，用于存储发送自重要性计算模块30的包含图像信息(块数据)、重要性信息、指标值信息的输入数据；输入设备352，例如键盘或指示设备，用于允许用户进行输入命令；监视器354，其输出/显示由CPU 353获得的处理结果；以及算术运算设备，例如CPU，用于根据输入数据和输入命令计算要在监视器上显示的结果。 
尽管采用这种结构，由在病理图像诊断装置1中设置的CPU处理的功能可以以分布式方式分配到算术运算处理设备250和图像显示设备400a的每个。因此，可以抑制在每个设备中CPU上的处理负载。 
(第二示例性实施例) 
接下来，将描述根据本发明的第二示例性实施例的病理图像诊断系统。这里注意到，相同参考标号应用于与第一示例性实施例的组件相同的组件。 
在第二示例性实施例中，系统的设备结构组件基本上与上述第一示例性实施例(图1)的相同。如图2所示，第二示例性实施例不同于第一示例性实施例的情况之处在于第二示例性实施例包括图像传输模块40b，代替第一示例性实施例(图1)的图像显示模块40a，并且包括接收侧终端，其经由通信线路连接到图像传输模块40b。 
图像传输模块40b基于发送自重要性计算模块30的块的重要性顺序和指标值S40，以从具有最高顺序的一个开始按重要性的顺序 向通信线路输出(传输)块数据S50b(块输出/传输功能)。 
此外，当完成接收侧要求的具有重要性的块数据的接收时，图像传输模块40b从接收侧终端接收停止请求信号S60，并基于停止请求信号S60停止块数据的传输(数据传输停止功能)。 
注意到，第二示例性实施例的组织提取模块10、指标量计算模块20和重要性计算模块30以与上述第一示例性实施例(图1)的情况相同的方式操作。 
(第二示例性实施例的动作的解释) 
接下来，将参照图11的流程图描述根据第二示例性实施例的病理图像诊断系统的动作。 
首先，捕获的或扫描的染色处理的病理图像输入到组织提取模块10(步骤A1)。从病理图像，组织提取模块10创建病理图像的亮度分量的单色图像(步骤A2)，通过使用算法(例如Otsu标准的二值化)从创建的单色图像粗略地提取组织图像区域(步骤A3：组织区域提取功能)，以及将其传输到指标量计算单元20。 
在组织区域提取功能之前，可以采用模糊滤波器以抑制组织区域外部的噪声的影响。 
指标量计算单元20将原始病理图像和相应二进制图像分别划分成块(矩形块)(步骤A4)，计算包含组织图像的每个图像块的指标量(步骤A5：指标量计算功能)，以及将每个块传输到重要性计算模块30。 
重要性计算模块30通过将来自单个指标量或多个指标量的指标量与重要性相关联的映射(函数)计算每个块的重要性(步骤A6：重要性计算功能)。 
此外，重要性计算模块30从最高的一个开始按照计算的重要性的顺序对块进行排序(步骤A7)，以及将这些传输到图像传输模块40b。 
图像传输模块40b添加重要性信息到每个块数据，并将块数据从最高的一个开始按照重要性的顺序传输到接收侧终端(步骤A8)。 
在接收所需重要性的块数据之后，接收侧传输用于请求停止块数据传输的停止请求信号到作为传输侧的图像传输模块40b。 
当接收停止信号时(步骤A9：是)，图像传输模块40b停止编码块数据的传输(步骤A10：结束传输)。 
注意到，组织区域提取功能、指标量计算功能和重要性计算功能的执行内容可以置入程序并且可以由预先提供到病理图像诊断装置1的计算机来执行。 
此外，作为第二示例性实施例的结构内容的修改示例，代替第二示例性实施例的由组织提取设备100、由指标量计算单元2001、2002、…构成的指标量计算设备200和重要性计算设备300构成的结构，如图7所示，也可能采用如下结构，其包括：数据处理设备250，其包括存储设备251，例如存储器或存储盘，用于存储图像数据(块)、指标量信息和重要性信息；以及算术运算单元252，例如CPU，用于提取图像数据(块)的组织区域以及计算每个块的指标量和重要性。 
此外，如图9所示，图像传输设备400b可以被构造成包括：存储设备(盘存储器411)，例如存储器或盘，用于加载和临时存储发送自重要性计算模块30的包含图像信息(块数据)、重要性信息、指标值信息的输入数据；CPU 412，其基于来自加载到盘存储器411的块数据的重要性信息的值确定要被传输的块，并执行处理以将该块从图像信息切除；以及网络接口413，其通过连接到通信线路，在CPU 412的控制下，作为比特流传输切除的图像(块)到网络，并接收发送自接收设备的停止请求信号。 
第二示例性实施例的CPU 412和网络接口413以上述方式从具有最高重要性的一个开始执行块数据(块)的传输。 
通过采用这种结构，由在病理图像诊断装置1中设置的CPU处理的功能可以以分布式方式分配到算术运算处理设备250和图像显示设备400a的每个。因此，可以抑制在每个设备中CPU上的处理负载。 
(第三示例性实施例) 
接下来，将描述根据本发明的第三示例性实施例的病理图像诊断系统。这里注意到，相同参考标号应用于与第一示例性实施例的组件相同的组件。 
在第三示例性实施例中，系统的设备结构组件基本上与上述第一示例性实施例(图1)的相同。如图3所示，第三示例性实施例不同于第一示例性实施例的情况之处在于第三示例性实施例包括区域编码设备40c，代替第一示例性实施例(图1)的图像显示模块40a，并且包括接收侧终端，其经由通信线路连接到图像传输模块40b。 
区域编码设备40c基于发送自重要性计算模块30的块(数据)的顺序和指标值S40，按照每块对每个块数据执行不同的编码(块编码功能)。 
对于所发送的块中具有较高重要性的块，执行可逆编码，由此图像可以完全恢复成原始图像。 
另外，随着所发送的块的重要性变得较低，区域编码设备40c通过经由对应于重要性来增加压缩率从而利用较高压缩率执行编码(功能)以减少编码块的数据量(传输数据量)。 
此外，区域编码设备40c将编码块数据S50c传输到接收侧，当全部完成需要传输的具有高重要性的编码块数据的接收时从接收侧(终端)接收停止信号60，并停止编码块数据的传输(数据传输停止功能)。 
(第三示例性实施例的动作的解释) 
接下来，将参照图12的流程图描述根据第三示例性实施例的病理图像诊断系统的动作。 
首先，捕获的、扫描的和染色处理的病理图像输入到组织提取模块10(步骤B1)。从病理图像，组织提取模块10创建病理图像的亮度分量的单色图像(步骤B2)，通过使用算法(例如Otsu标准的二值化)从创建的单色图像粗略地提取组织图像区域(步骤B3：组织区域提取功能)，以及将其传输到指标量计算单元20。 
在组织区域提取功能之前，可以采用模糊滤波器以抑制组织区域外部的噪声的影响。 
指标量计算单元20将原始病理图像和相应二进制图像分别划分成块(矩形块)(步骤B4)，计算包含组织图像的每个图像块的指标量(步骤B5：指标量计算功能)，以及将每个块传输到重要性计算模块30。 
重要性计算模块30通过将来自单个指标量或多个指标量的指标量与重要性相关联的映射(函数)计算每个块的重要性(步骤B6：重要性计算功能)。 
此外，重要性计算模块30从最高的一个开始按照计算的重要性的顺序对块进行排序(步骤B7)，以及将这些传输到区域编码模块40c。 
区域编码模块40c通过以排序的顺序根据每个块的重要性改变压缩率，对每个块执行编码(步骤B8)。 
区域编码模块40c添加重要性信息到编码块数据，并将其传输到接收侧(步骤B9)。 
在接收所需重要性的块数据之后，接收侧传输用于请求停止块数据传输的停止请求信号到作为传输侧的区域编码模块40c。 
当接收停止信号时(步骤B10：是)，区域编码模块40c停止编码块数据的传输(步骤B11：传输完成)。 
注意到，组织区域提取功能、指标量计算功能和重要性计算功能的执行内容可以置入程序并且可以由预先提供到病理图像诊断装置1的计算机来执行。 
此外，作为第三示例性实施例的结构内容的修改示例，代替第三示例性实施例的由组织提取设备100、由指标量计算单元2001、2002、…构成的指标量计算设备200和重要性计算设备300构成的结构，如图7所示，也可能采用如下结构，其包括：算术运算处理设备250，其包括存储设备251，例如存储器或存储盘，用于存储图像数据(块)、指标量信息和重要性信息；以及算术运算单元252， 例如CPU，用于提取图像数据(块)的组织区域以及计算每个块的指标量和重要性。 
此外，如图9所示，如图像传输设备400b的情况，区域编码设备400c可以被构造成包括：存储设备(盘存储器411)，例如存储器或盘，用于加载和临时存储发送自重要性计算模块30的包含图像信息(块数据)、重要性信息、指标值信息的输入数据；CPU 412，其基于来自加载到盘存储器411的块数据的重要性信息的值确定要被传输的块，并执行处理以将该块从图像信息切除；以及网络接口413，其通过连接到通信线路，在CPU 412的控制下，作为比特流传输切除的图像(块)到网络，并接收发送自接收设备的停止请求信号。 
例如第三示例性实施例的CPU的算术运算设备412设计成在块的切除和使其成为比特流之间执行图像数据的编码，以及根据该块的重要性在该时间改变其压缩率。 
因此，由在病理图像诊断装置1中设置的CPU处理的功能可以以分布式方式分配到算术运算处理设备250和区域编码设备400c的每个。因此，可以抑制在每个设备中CPU上的处理负载。 
尽管参照实施例(以及示例)描述了本发明，但是本发明不限于实施例(和示例)。在不脱离本发明的范围的情况下，可以对本发明的结构和细节应用本领域技术人员能够想到的各种变化和修改。 
本申请要求于2009年6月3日提交的日本专利申请No.2009-134219的优先权，在此通过引用的方式包含其公开内容。 
工业适用性 
本发明可以应用于支持在远程地区之间进行的病理图像诊断和涉及远程医疗的图像诊断的系统。 
参考标号 
1病理图像诊断装置(病理图像诊断系统) 
10组织提取模块 
20指标量计算单元 
30重要性计算模块 
201、202、203指标计算单元 
250数据处理设备 
251、351、411盘存储器 
252、353、412CPU(中央处理器) 
354监视器 
400a图像显示设备 
400b图像传输设备 
400c区域编码设备 
413网络接口 

Claims (9)

1.一种病理图像诊断系统，包括：
测量指标设置模块，其将捕获了生物组织的病理图像划分成预设分区，并针对所述分区的每个设置关于病理诊断的基准的预设测量指标值；
重要性设置模块，其基于所述分区的每个的所述测量指标值和与测量区域的每个相邻的分区的测量指标值向所述分区的每个设置关于病理测量的重要性；
分区提取模块，其从所述分区中提取其中捕获的生物组织的区域占据特定比例的分区，并通过将其与所述测量指标值和划分的重要性相关联来传输所述分区；以及
分区输出/显示模块，其输出/显示用传输的分区构成的病理图像。
2.根据权利要求1所述的病理图像诊断系统，其中
当所述病理图像中的所述生物组织通过预设特定颜色被染色处理时，所述测量指标设置模块具有色彩浓度指标值设置功能，其基于所述特定颜色的预设浓度量来设置关于病理诊断的测量指标值。
3.根据权利要求1所述的病理图像诊断系统，其中
所述测量指标设置模块具有拉普拉斯算子提取功能，其通过计算在分区之间的拉普拉斯算子来提取分区的图像特征，以及基于提取的结果来提取包含生物组织的块。
4.根据权利要求1所述的病理图像诊断系统，其中
所述测量指标设置模块具有矩提取功能，其通过基于相邻分区的矩提取图像特征来提取包含生物组织的块。
5.根据权利要求1所述的病理图像诊断系统，其中
所述分区提取模块具有重要性顺序传输功能，其从在设置的重要性值方面具有较高顺序的区域按顺序传输分区。
6.根据权利要求1所述的病理图像诊断系统，其中
所述分区提取模块包括分区压缩功能，其通过较低压缩率对具有设置的重要性的较高值的分区进行编码，并且通过较高压缩率对具有设置的重要性的较低值的分区进行编码。
7.一种病理图像诊断方法，包括：
将捕获了生物组织的病理图像划分成预设分区，并针对所述分区的每个设置关于病理诊断的基准的预设测量指标值；
基于所述分区的每个的所述测量指标值和与测量区域的每个相邻的分区的测量指标值向所述分区的每个设置关于病理测量的重要性；
从所述分区中提取其中捕获的生物组织的区域占据特定比例的分区，并通过将其与所述测量指标值和划分的重要性相关联来传输所述分区；以及
输出/显示用传输的分区构成的病理图像。
8.一种病理图像诊断设备，包括：
用于将捕获了生物组织的病理图像划分成预设分区，并针对所述分区的每个计算关于病理诊断的基准的测量指标值的装置；
用于基于所述分区的每个的所述测量指标值和与测量区域的每个相邻的分区的测量指标值向所述分区的每个设置关于病理测量的重要性的装置；以及
用于从所述分区中提取其中捕获的生物组织的区域占据特定比例的分区的装置。
9.一种病理图像诊断系统，包括：
测量指标设置装置，用于将捕获了生物组织的病理图像划分成预设分区，并针对所述分区的每个设置关于病理诊断的基准的预设测量指标值；
重要性设置装置，用于基于所述分区的每个的所述测量指标值和与测量区域的每个相邻的分区的测量指标值向所述分区的每个设置关于病理测量的重要性；
分区提取装置，用于从所述分区中提取其中捕获的生物组织的区域占据特定比例的分区，并通过将其与所述测量指标值和划分的重要性相关联来传输所述分区；以及
分区输出/显示装置，用于输出/显示用传输的分区构成的病理图像。
CN201080024614.3A 2009-06-03 2010-06-01 病理图像诊断系统、病理图像诊断方法以及病理图像诊断程序 Active CN102667471B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2009134219A JP5387147B2 (ja) 2009-06-03 2009-06-03 病理画像診断システム、病理画像処理方法、病理画像診断プログラム
JP2009-134219 2009-06-03
PCT/JP2010/059268 WO2010140588A1 (ja) 2009-06-03 2010-06-01 病理画像診断システム、病理画像診断方法、病理画像診断プログラム

Publications (2)

Publication Number Publication Date
CN102667471A CN102667471A (zh) 2012-09-12
CN102667471B true CN102667471B (zh) 2014-09-10

Family

ID=43297722

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201080024614.3A Active CN102667471B (zh) 2009-06-03 2010-06-01 病理图像诊断系统、病理图像诊断方法以及病理图像诊断程序

Country Status (5)

Country Link
US (1) US8594412B2 (zh)
EP (1) EP2439528A4 (zh)
JP (1) JP5387147B2 (zh)
CN (1) CN102667471B (zh)
WO (1) WO2010140588A1 (zh)

Families Citing this family (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5151403B2 (ja) * 2007-11-06 2013-02-27 日本電気株式会社 低分化癌検出モジュール、これを備えた病理画像診断支援装置、プログラムおよび記録媒体
CN103140757A (zh) * 2010-09-30 2013-06-05 日本电气株式会社 信息处理设备、信息处理系统、信息处理方法、程序和记录介质
WO2012102069A1 (ja) * 2011-01-24 2012-08-02 日本電気株式会社 情報処理システム、情報処理方法、情報処理装置およびその制御方法とその制御プログラムを格納した記憶媒体
JP5372068B2 (ja) * 2011-05-20 2013-12-18 キヤノン株式会社 撮像システム、画像処理装置
JP5780306B2 (ja) * 2011-08-18 2015-09-16 日本電気株式会社 情報処理システム、情報処理方法、情報処理装置およびその制御方法と制御プログラム
JP5862671B2 (ja) * 2011-08-23 2016-02-16 日本電気株式会社 情報処理システム、情報処理方法、情報処理装置およびその制御方法と制御プログラム
US8755633B2 (en) * 2012-03-14 2014-06-17 Sony Corporation Automated synchronized navigation system for digital pathology imaging
WO2013147114A1 (ja) * 2012-03-30 2013-10-03 公益財団法人神奈川科学技術アカデミー イメージングセルソーター
WO2013187148A1 (ja) * 2012-06-15 2013-12-19 オリンパス株式会社 画像処理装置、顕微鏡システム、内視鏡システム及び画像処理方法
JP6284024B2 (ja) * 2014-04-28 2018-02-28 横河電機株式会社 細胞生死判定システム、細胞生死判定方法
US9852354B2 (en) * 2014-05-05 2017-12-26 Dako Denmark A/S Method and apparatus for image scoring and analysis
CA2973418C (en) * 2015-01-31 2023-07-25 Ventana Medical Systems, Inc. Quality control of automated whole-slide analysis
CN104732230A (zh) * 2015-03-27 2015-06-24 麦克奥迪（厦门）医疗诊断系统有限公司 一种基于细胞核统计信息的病理图像局部特征提取方法
EP3312607B1 (en) * 2015-06-18 2019-07-24 Konica Minolta, Inc. Objective biological substance analysis device, analysis system, analysis method, and analysis program
CN105741266B (zh) * 2016-01-22 2018-08-21 北京航空航天大学 一种病理图像细胞核快速定位方法
JPWO2017150194A1 (ja) * 2016-03-04 2018-12-27 コニカミノルタ株式会社 画像処理装置、画像処理方法及びプログラム
CN111310893B (zh) * 2016-08-05 2023-11-21 中科寒武纪科技股份有限公司 一种用于执行神经网络运算的装置及方法
JP6670222B2 (ja) * 2016-11-01 2020-03-18 株式会社日立ハイテク 画像診断支援装置及びシステム、画像診断支援方法
JP6911995B2 (ja) * 2018-02-20 2021-07-28 日本電気株式会社 特徴抽出方法、照合システム、およびプログラム
CN108577803B (zh) * 2018-04-26 2020-09-01 上海鹰瞳医疗科技有限公司 基于机器学习的眼底图像检测方法、装置及系统
CN108694403B (zh) * 2018-05-31 2021-08-31 中南大学湘雅医院 皮瓣移植术后护理监控系统和方法、数据管理方法和设备
CN108898580B (zh) * 2018-05-31 2021-08-27 中南大学湘雅医院 皮瓣移植术后护理监控系统和方法、管理系统及存储介质
CN108903913B (zh) * 2018-05-31 2020-12-01 中南大学湘雅医院 皮瓣移植术后护理监控设备、系统、方法、产品及服务器
CN109785148B (zh) * 2018-11-30 2023-10-24 平安科技（深圳）有限公司 肝病报销流程的处理方法、装置、设备及可读存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1653332A (zh) * 2002-03-13 2005-08-10 Q3Dm有限责任公司 自动彩色分割和测量细胞区室的分部定位强度的最小显著性反应的系统和方法
JP2006102097A (ja) * 2004-10-05 2006-04-20 Canon Inc 眼科撮影装置及び眼科画像処理システム
JP2007135065A (ja) * 2005-11-11 2007-05-31 Konica Minolta Photo Imaging Inc 表示プログラム及び画像データの表示方法
CN101002093A (zh) * 2004-01-15 2007-07-18 凯玫肯国际有限公司 图像分析和试验系统

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3321197B2 (ja) 1992-06-22 2002-09-03 オリンパス光学工業株式会社 顕微鏡静止画像伝送システム
DE19616997A1 (de) * 1996-04-27 1997-10-30 Boehringer Mannheim Gmbh Verfahren zur automatisierten mikroskopunterstützten Untersuchung von Gewebeproben oder Körperflüssigkeitsproben
US6031930A (en) * 1996-08-23 2000-02-29 Bacus Research Laboratories, Inc. Method and apparatus for testing a progression of neoplasia including cancer chemoprevention testing
US6272235B1 (en) * 1997-03-03 2001-08-07 Bacus Research Laboratories, Inc. Method and apparatus for creating a virtual microscope slide
US6535626B1 (en) * 2000-01-14 2003-03-18 Accumed International, Inc. Inspection system with specimen preview
AU2001243473A1 (en) 2000-03-07 2001-09-17 American Express Travel Related Services Company, Inc. System for facilitating a transaction
US6711283B1 (en) * 2000-05-03 2004-03-23 Aperio Technologies, Inc. Fully automatic rapid microscope slide scanner
US8538770B2 (en) * 2000-08-01 2013-09-17 Logical Images, Inc. System and method to aid diagnoses using cross-referenced knowledge and image databases
US7383134B2 (en) * 2002-01-15 2008-06-03 Piper James R Method and/or system for analyzing biological samples using a computer system
US20040202357A1 (en) * 2003-04-11 2004-10-14 Perz Cynthia B. Silhouette image acquisition
JP2005057494A (ja) * 2003-08-04 2005-03-03 Matsushita Electric Ind Co Ltd 画像通信装置及び画像通信方法
JP2006121578A (ja) 2004-10-25 2006-05-11 Matsushita Electric Ind Co Ltd 画像伝送システム、画像送信装置、画像受信装置および画像伝送方法
US20060159325A1 (en) * 2005-01-18 2006-07-20 Trestle Corporation System and method for review in studies including toxicity and risk assessment studies
US20070031043A1 (en) * 2005-08-02 2007-02-08 Perz Cynthia B System for and method of intelligently directed segmentation analysis for automated microscope systems
US20070135999A1 (en) * 2005-12-13 2007-06-14 Applied Spectral Imaging Ltd. Method, apparatus and system for characterizing pathological specimen
JP5145672B2 (ja) * 2006-02-27 2013-02-20 富士通セミコンダクター株式会社 半導体装置の製造方法
US20080033302A1 (en) * 2006-04-21 2008-02-07 Siemens Corporate Research, Inc. System and method for semi-automatic aortic aneurysm analysis
US8135189B2 (en) * 2007-10-03 2012-03-13 Siemens Medical Solutions Usa, Inc. System and method for organ segmentation using surface patch classification in 2D and 3D images
JP2009134219A (ja) 2007-12-03 2009-06-18 Seiko Epson Corp プロジェクタ

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1653332A (zh) * 2002-03-13 2005-08-10 Q3Dm有限责任公司 自动彩色分割和测量细胞区室的分部定位强度的最小显著性反应的系统和方法
CN101002093A (zh) * 2004-01-15 2007-07-18 凯玫肯国际有限公司 图像分析和试验系统
JP2006102097A (ja) * 2004-10-05 2006-04-20 Canon Inc 眼科撮影装置及び眼科画像処理システム
JP2007135065A (ja) * 2005-11-11 2007-05-31 Konica Minolta Photo Imaging Inc 表示プログラム及び画像データの表示方法

Also Published As

Publication number Publication date
JP5387147B2 (ja) 2014-01-15
JP2010281637A (ja) 2010-12-16
EP2439528A4 (en) 2014-09-24
US8594412B2 (en) 2013-11-26
CN102667471A (zh) 2012-09-12
EP2439528A1 (en) 2012-04-11
WO2010140588A1 (ja) 2010-12-09
US20120082366A1 (en) 2012-04-05

Similar Documents

Publication Publication Date Title
CN102667471B (zh) 病理图像诊断系统、病理图像诊断方法以及病理图像诊断程序
US10733726B2 (en) Pathology case review, analysis and prediction
US11676274B2 (en) Systems and methods for processing images to prepare slides for processed images for digital pathology
EP2302583B1 (en) Image segmentation
EP1182602B1 (en) A system for the automatic analysis of DNA microarray images
WO2005104941A2 (en) Lesion marking and characterization quality assurance method and system
US20230030216A1 (en) Systems and methods for processing electronic images for computational assessment of disease
AU2020417728B2 (en) Systems and methods for processing electronic images for generalized disease detection
CN111640098B (zh) 一种病理图像的分析方法及系统
CN110674035A (zh) 一种自动化代码扫描方法、系统、装置及存储介质
JPH08504522A (ja) 境界ピクセル・パラメータの規則正しいシーケンスを用いた物体を識別するための方法及び装置
CN115210817A (zh) 用于分析电子图像以进行质量控制的系统和方法
CN114726962B (zh) 病理切片扫描仪工作状态的确定方法和装置
CN101634601B (zh) 测试手机机械可靠性的方法及设备
CA2485697C (en) Systems and methods for analyzing target contrast features in images of biological samples
CN110579702A (zh) 一种用于芯片测试的显示方法、装置、存储介质及终端
CN116075852A (zh) 图像解析装置
CN115115591A (zh) 细胞图像分析方法、装置、计算机设备和存储介质
Aeffner et al. Digital pathology and tissue image analysis
JP2024074289A (ja) 試験測定装置及び試験測定のための機械学習の利用方法
Hernandez et al. Unlocking the potential of “big data” and advanced analytics in ATE
US20070248943A1 (en) Displaying cellular analysis result data using a template
CN115248216A (zh) 一种基于像素密度的血液凝集检测系统与方法
CN118057465A (zh) 用于机器学习输入的3d张量构建器的方法
CN114912881A (zh) 一种样本检验结果审核进度显示方法及审核系统

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