CN102692416A - 基于微操作机器人的胚胎细胞迁徙自动跟踪系统及方法 - Google Patents
基于微操作机器人的胚胎细胞迁徙自动跟踪系统及方法 Download PDFInfo
- Publication number
- CN102692416A CN102692416A CN2012102105456A CN201210210545A CN102692416A CN 102692416 A CN102692416 A CN 102692416A CN 2012102105456 A CN2012102105456 A CN 2012102105456A CN 201210210545 A CN201210210545 A CN 201210210545A CN 102692416 A CN102692416 A CN 102692416A
- Authority
- CN
- China
- Prior art keywords
- tracking
- automatic
- embryonic
- cells
- cell migration
- 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.)
- Pending
Links
- 210000002308 embryonic cell Anatomy 0.000 title claims abstract description 62
- 230000012292 cell migration Effects 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims description 29
- 210000004027 cell Anatomy 0.000 claims description 68
- 230000033001 locomotion Effects 0.000 claims description 47
- 210000001161 mammalian embryo Anatomy 0.000 claims description 15
- 238000004458 analytical method Methods 0.000 claims description 13
- 230000009087 cell motility Effects 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000005012 migration Effects 0.000 claims description 6
- 238000013508 migration Methods 0.000 claims description 6
- 230000003287 optical effect Effects 0.000 abstract description 11
- 241000287828 Gallus gallus Species 0.000 abstract description 9
- 239000002245 particle Substances 0.000 description 8
- 238000011160 research Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 7
- 238000005070 sampling Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000026058 directional locomotion Effects 0.000 description 2
- 210000002257 embryonic structure Anatomy 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008092 positive effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 238000000339 bright-field microscopy Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000021164 cell adhesion Effects 0.000 description 1
- 210000005056 cell body Anatomy 0.000 description 1
- 230000003399 chemotactic effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000000120 cytopathologic effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000001394 metastastic effect Effects 0.000 description 1
- 206010061289 metastatic neoplasm Diseases 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000000947 motile cell Anatomy 0.000 description 1
- 238000012634 optical imaging Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000000144 pharmacologic effect Effects 0.000 description 1
- 230000035755 proliferation Effects 0.000 description 1
- 210000001243 pseudopodia Anatomy 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 210000004509 vascular smooth muscle cell Anatomy 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Microscoopes, Condenser (AREA)
Abstract
一种基于微操作机器人的胚胎细胞迁徙自动跟踪系统,包括微操作机器人上位机和微操作机器人下位机;微操作机器人上位机中设置有图像采集模块、胚胎细胞识别与跟踪模块、感兴趣区域细节信息逐级获取模块。本发明具有的优点和积极效果是:本发明深入研究了显微镜的光学特性,实现了基于微操作机器人的胚胎细胞迁徙自动跟踪,胚胎细胞全局视野与感兴趣区域细微结构同时获取的自动化。最后,进行鸡胚胎细胞迁移跟踪的自动化实验,验证胚胎细胞迁移自动跟踪的有效性。
Description
本申请得到天津师范大学博士基金52LX14的资助。
技术领域
本发明属于细胞移动的检测跟踪技术领域,涉及一种基于微操作机器人的胚胎细胞迁徙自动跟踪系统和自动跟踪方法。
背景技术
生物体的疾病是细胞病变和细胞失去程序性调控的综合反应。2007年,美国加州萨克生物研究学院的研究人员通过对乳腺癌细胞进行实时跟踪发现,在乳腺癌早期阶段,未侵入周边组织的癌细胞已经包含有高运动性的细胞,这些失控细胞造成了肿瘤的转移扩散。此外,医学研究表明,在众多糖尿病患者体内,存在血管平滑肌细胞运动增殖过快的现象。对于这些变异细胞的跟踪和分析有利于研究人员深入了解细胞的特性,从而对疾病治疗产生积极的影响。
具体到胚胎发育过程,科学研究发现,细胞在特定化学物质的诱导下定向运动,如果未能正确控制细胞的运动,将导致发育成的生物体产生严重的疾病和缺陷。跟踪胚胎细胞的运动轨迹,研究其运动特性,进而检测其趋化特征,进行运动模式的预测和控制,有助于医学研究人员治疗具有高度扩散性的疾病以及进行有针对性的药理学研究。因此,对于胚胎细胞运动过程的实时跟踪和分析已成为当前国际上生命科学研究的一个热点,众多学者在此方面投入了大量的精力。英国邓迪大学的 Kees Weijer 教授通过显微图像采集系统自动捕获鸡胚胎细胞显微图像,采用显微镜的形态观察方法观察鸡胚胎细胞的运动过程和细胞簇的运动趋势,多个感兴趣跟踪区域间的切换由操作人员手动完成;这种跟踪方式需要多个有实际相关知识和经验的操作者交替工作,如果细胞的运动变化发生在操作者交替的过程中,相关的变化信息就无法捕捉到,因而无法实现长期的实时跟踪。德国慕尼黑大学的Pamela Zengel等人采用基于Boyden Chamber的方法进行细胞运动特性的自动检测,该方法利用染色,人工统计细胞数目来评估细胞的迁移,但无法得到动态同步监控细胞的显微图像。Amariglio等人通过建立细胞集落划痕的方法间接评估个体细胞的运动特性,这种方法虽然操作简单,但无法适用于胚胎细胞的整体运动趋势跟踪研究。天津大学的肖松山等人利用PI公司MicroMAX-5MHz-782Y型致冷CCD,研制了单个显微图像分析系统,在鸡胚胎细胞的单粒子追踪方面取得较好的实验效果。
上述工作各具特色,但是从跟踪效果看,这些方法都存在或多或少的问题。由于细胞迁移是细胞在接收到迁移信号或感受到某些物质的浓度梯度后产生的移动,细胞簇必然具有一致的运动趋势;同时,在细胞运动过程中,单个细胞不断重复着向前方伸出突触/伪足、牵拉后方胞体的循环过程,对于这个过程的观测与分析有助于了解细胞迁移的机理。综合生物研究者的关注点和胚胎细胞自身的特点,一个比较完善的胚胎细胞跟踪与分析系统应具备如下性质:首先,考虑到胚胎细胞的生理特点及其定向运动的特征,在跟踪细胞簇整体运动的同时,应可实时观测胚胎细胞单粒子的形态;其次,为了获得细胞簇整体的运动趋势,必然需要同时跟踪批量胚胎细胞;再次,考虑到胚胎细胞的活体特性,应尽可能减少跟踪的处理时间,加强跟踪算法的实时性;最后,为了减轻实验人员的工作量,上述工作应自动完成。
然而,胚胎细胞整体运动趋势的获取与单粒子高分辨率细微结构的观测是一对矛盾:在显微视觉系统中,视野采集放大倍数越大,视野目标有效图像分辨率越高,视野图像分析结果越精确。但对于非均匀分布的跟踪目标而言,视野放大倍数提高将导致可观测空间变小,进而带来较大的视野抽样误差;反之,如降低采样倍率,可以减小视野抽样误差,但目标的有效图像分辨率也会同时降低,加大显微图像处理与分析的难度。此外,暗场显微环境利用丁达尔光学效应,提高观测物体的本身与背景的对比,利于观察运动的物体,但无法获取物体的细节信息。因此,为了获得胚胎细胞簇精确的运动趋势,必须在低倍暗场显微镜下进行观察;然而,为了得到单个胚胎细胞的形态和结构,又必须使用高倍明场显微镜。
同时,自动、实时的跟踪批量细胞本身也是一个难题。目前,常用的跟踪方法根据运动目标的描述子和匹配度可以大致分为四种:基于主动轮廓的方法、基于区域的方法、基于模型的方法和基于特征的方法。这些跟踪方法虽然各有千秋,但显微图像中运动目标的跟踪算法并不同于宏观领域人脸跟踪或汽车跟踪等宏观目标跟踪问题。对显微图像中运动细胞进行自动跟踪时,显微视野下细胞边缘片段的缺失和断裂、细胞的粘连及部分重叠等问题一直是细胞分析中的难点。
发明内容
本发明针对胚胎细胞迁移跟踪中,细胞簇整体运动趋势与单个细胞的高分辨率细节信息同时自动获取的问题,将微操作机器人系统引入胚胎细胞迁移的自动跟踪研究中,提供了一种基于微操作机器人的胚胎细胞迁徙自动跟踪系统和自动跟踪方法。
本发明为解决公知技术中存在的技术问题所采取的技术方案是:
本发明的基于微操作机器人的胚胎细胞迁徙自动跟踪系统,包括微操作机器人上位机和微操作机器人下位机;微操作机器人上位机中设置有图像采集模块、胚胎细胞识别与跟踪模块、感兴趣区域细节信息自动获取模块。其中,图像采集模块用于在暗视场低倍率物镜下对胚胎细胞全局显微图像进行采集,通过胚胎细胞识别与跟踪模块实现对采集到图像中胚胎细胞进行自动跟踪及运动轨迹分析,并在采集时间间隔确定感兴趣区域,感兴趣区域细节信息自动获取模块实现了对感兴趣区域细节信息的逐级自动获取。
一种基于微操作机器人的胚胎细胞迁徙自动跟踪方法,该方法包括相互循环实现批量细胞运动轨迹分析的两大步骤,第一步骤是分析胚胎细胞的整体运动趋势;
第一步骤包括如下几个小步骤:
a 图像采集,首先使用暗视场对低倍率显微镜下的胚胎细胞全局显微图像进行细胞迁移跟踪;
b 显微图像处理及胚胎细胞迁移的自动跟踪;
c 批量细胞运动轨迹分析与感兴趣区域的确定。
第二步骤实现了在明视场下,对低倍率物镜下确定的显微图像感兴趣区域细节信息进行自动获取,包括如下步骤:
a 在高倍率物镜下,生成明视场;
b 对感兴趣区域进行显微图像采集;
c 对不同分辨率下目标进行目标匹配,获取感兴趣目标细节信息。
本发明具有的优点和积极效果是:
本发明的基于微操作机器人的胚胎细胞迁徙自动跟踪系统及其跟踪方法深入研究了显微镜的光学特性,实现批量细胞的同时跟踪定位及胚胎细胞全局视野与感兴趣区域细微结构同时获取的自动化。最后,进行鸡胚胎细胞迁移跟踪的自动化实验,验证胚胎细胞迁移自动跟踪的有效性。
附图说明
图1是本发明的胚胎细胞迁徙自动跟踪系统的结构框图;
图2是本发明的胚胎细胞迁徙自动跟踪方法的流程图;
图3是在4倍物镜下经调焦得到点光源的衍射图像;
图4是暗视场下的鸡胚胎显微图像;
图5是被跟踪细胞的运动轨迹;
图6是鸡胚胎细胞图像序列中多细胞跟踪实验结果;
图7是图6中多细胞跟踪的运动轨迹;
图8是感兴趣目标在不同倍率物镜下的自动定位。
具体实施方式
以下参照附图及实施例对本发明进行详细的说明。
本发明鉴于MR-06微操作机器人系统可以实现显微图像拼接与全局视野构建、批量细胞全局定位等多项显微视觉研究工作。该系统机械手臂的运动范围为2cm×2cm×2cm,电动平台的运动范围为10cm×10cm,在保证平稳运动的前提下,运动速度的范围为0.75~1500μm/s,运动精度可达1μm 。为此,将微操作技术引入胚胎细胞的迁移跟踪与分析研究,在MR-06型微操作机器人系统平台上,根据显微镜成像原理,深入研究显微系统的光学特性,提出批量胚胎细胞的自动跟踪方法,解决整体运动趋势跟踪与微细结构观测的矛盾,并通过自动化实验进行验证,最终实现胚胎细胞跟踪的自动化。
图1是本发明的胚胎细胞迁徙自动跟踪系统的结构框图。如图1所示,本发明的基于微操作机器人的胚胎细胞迁徙自动跟踪系统,包括微操作机器人上位机和微操作机器人下位机;微操作机器人上位机中设置有图像采集模块、胚胎细胞识别与跟踪模块、感兴趣区域细节信息自动获取模块。其中,图像采集模块用于在暗视场低倍率物镜下对胚胎细胞全局显微图像进行采集,胚胎细胞识别与跟踪模块实现了批量细胞跟踪及轨迹运动分析、感兴趣区域细节信息自动获取模块对感兴趣的区域进行细节信息逐级自动获取。
图2是本发明的胚胎细胞迁徙自动跟踪方法的流程图。如图2所示,本发明的基于微操作机器人的胚胎细胞迁徙自动跟踪方法,包括相互循环实现批量细胞运动轨迹分析的两大步骤。
第一,分析胚胎细胞的整体运动趋势:
胚胎细胞整体运动趋势分析是在低倍率物镜下,对胚胎细胞全局显微图像中的批量胚胎细胞进行跟踪,获取全局显微图像中批量胚胎细胞的个数及结构分布图,进而得到批量胚胎细胞的运动轨迹及运动速度,并形成感兴趣区域。
1)图像采集,首先是暗视场图像采集
为了实现多细胞的快速精确跟踪定位,需要提高胚胎细胞轮廓与背景之间的对比。在光的传播过程中,光线照射到粒子时,当粒子小于入射光波长,光波将环绕微粒而向其四周放射散射光。根据以上理论,结合显微镜光学成像原理,使用暗视场完成对低倍率胚胎细胞全局显微图像进行细胞迁移跟踪。
2)显微图像处理及胚胎细胞迁移的自动跟踪
细胞的匹配是批量胚胎细胞迁移跟踪的关键,考虑到细胞的运动具有群体性,本发明提出了基于群体细胞追踪获取单一细胞运动信息的追踪策略。跟踪策略的基本思想是:
其中,i,j为图像像素的横、纵坐标位置,h(i,j)为坐标(i,j)处的灰度,Ω为属于同一细胞的像素集合。
进一步,在细胞的整体运动趋势自动跟踪策略中,细胞能够正确匹配的关键是标识诊断窗口的多波段频率特征的准确性。模拟人类视觉系统的并行多通道性,利用显微镜的光学特性,本发明提出了基于光学特性的多波段频率特征获取策略。
其中,a为校正偏移,b为高频突出系数,b>1,从而进一步突出高频部分。
3) 批量细胞运动轨迹分析与感兴趣区域确定
最后,根据多波段频率特征的获取方法来统计频率特征的能量分布,以确定感兴趣区域。
第二,胚胎细胞迁移中感兴趣区域细节信息的自动化获取
胚胎细胞整体运动趋势的获取与单粒子高分辨率细微结构的观测是一对矛盾:在显微视觉系统中,视野采集放大倍数越大,视野目标有效图像分辨率越高,视野图像分析结果越精确。但对于非均匀分布的跟踪目标而言,视野放大倍数提高将导致可观测空间变小,进而带来较大的视野抽样误差;反之,如降低采样倍率,可以减小视野抽样误差,但目标的有效图像分辨率也会同时降低,加大显微图像处理与分析的难度。本系统根据显微镜齐焦合轴的特点在明视场下实现了低倍率物镜下显微图像感兴趣区域细节信息的自动获取。
首先根据显微图像的恒定窗口(如为768576像素),得出中心点的像素空间坐标(384288)。在低倍镜下选择感兴趣区域,利用所选区域的左下角点的坐标A(x1,y1),求得此点与中心点坐标之间的(x,y)坐标之差(384-x1,288-y1),在4倍物镜下经测量每个像素大约为2.996微米。从而分别求得坐标中心点到所选区域左下角点的X,Y方向上的距离,即为:
由得出的中心点和左下角的坐标之差,根据距离不变原则,当换用高倍物镜时,中心点和原来所选的左下角区域点的距离大小不变,所以微操作平台可以根据左下角到像空间坐标的x,y方向上的距离来分别在x,y方向移动相应的距离,将4倍物镜下的左下角点移入高倍物镜下的中心点上,并设定如果X为正数时微操作平台向右移动,否则向左移动,设定Y的得数是正数时微操作平台向上移动,否则微操作平台向下移动,从而保证了左下角点的坐标移动到高倍物镜下的窗口中心处。然后再根据C点的坐标(x2,y2),来分别计算C点和A点之间的在x,y方向的距离,设X1为A点和C点在x方向上的距离差值,Y1为A点和C点在y方向上的距离差值,即为:
A点和C点之间x,y方向的距离差值表示所选区域的宽和高,根据宽和高的大小,又已知在高倍物镜下,电动载物平台每次移动的距离为s,,则可计算出在x,y方向上的扫描范围:
从而实现高倍物镜下感兴趣区域的自动定位。获取细节信息后增大显微镜的放大倍数,生成明视场,再次对感兴趣区域进行图像采集和处理,并确定更感兴趣的区域,从而实现对感兴趣区域的不同分辨率细节信息的逐级获取,完成对批量细胞运动轨迹的分析。
具体实施例1
在MR06微操作机器人系统环境下,进行了自动跟踪系统的仿真实验研究。实验对象是鸡胚胎细胞形成的图像序列,图像的获取时间间隔为3分钟.
在4倍物镜下经调焦得到点光源的衍射图像,即点扩散函数,如图3所示。
暗视场下的鸡胚胎显微图像示例如图4所示。
表1是被跟踪图像序列中特定细胞的位置信息,图5是得到的该细胞的运动轨迹。
表1被跟踪图像序列中特定细胞的位置信息
实验中跟踪了图像序列中从第2帧(Time-lapse GFPeggs R005_3-0002.GIF)到21帧(Time-lapse GFPeggs R005_3-0023.GIF)的41个细胞,图6是多细胞跟踪实验结果。其中, 粉色标识块代表每个被跟踪细胞的开始位置,蓝色路径形成了每个被跟踪细胞的运动轨迹。图7是图6中多细胞跟踪的运动轨迹图。
通过MR-06自动转换装置,完成明暗视场转换,根据显微镜齐焦合轴的特点在明视场下完成低倍率物镜下显微图像感兴趣区域细节信息的自动获取,如图8所示。
本发明对于虚拟细胞建模具有重要意义,在实现以微生物为载体的运输机制、微细胞的分割技术,高速运动跟踪等方面具有积极的推进作用,并将在生物医学以及微机电系统等领域中有一定的应用前景。
Claims (2)
1.一种基于微操作机器人的胚胎细胞迁徙自动跟踪系统,其特征在于:该系统包括微操作机器人上位机和微操作机器人下位机;微操作机器人上位机中设置有图像采集模块、胚胎细胞识别与跟踪模块、感兴趣区域细节信息自动获取模块。
2.一种基于微操作机器人的胚胎细胞迁徙自动跟踪方法,其特征在于:该方法包括相互循环实现批量细胞运动轨迹分析的两大步骤,第一步骤是分析胚胎细胞的整体运动趋势,第二步骤是胚胎细胞迁移中感兴趣区域细节信息的自动化获取;
第一步骤包括如下几个小步骤:
a 图像采集,首先使用暗视场对低倍率显微镜下的胚胎细胞全局显微图像进行细胞迁移跟踪;
b 显微图像处理及胚胎细胞迁移的自动跟踪;
c 批量细胞运动轨迹分析与感兴趣区域的确定;
第二步骤实现了在明视场下,对低倍率物镜下确定的显微图像感兴趣区域细节信息进行自动获取,包括如下步骤:
a 在高倍率物镜下,生成明视场;
b 对感兴趣区域进行显微图像采集;
c 对不同分辨率下目标进行目标匹配,获取感兴趣目标细节信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102105456A CN102692416A (zh) | 2012-06-26 | 2012-06-26 | 基于微操作机器人的胚胎细胞迁徙自动跟踪系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2012102105456A CN102692416A (zh) | 2012-06-26 | 2012-06-26 | 基于微操作机器人的胚胎细胞迁徙自动跟踪系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN102692416A true CN102692416A (zh) | 2012-09-26 |
Family
ID=46858013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2012102105456A Pending CN102692416A (zh) | 2012-06-26 | 2012-06-26 | 基于微操作机器人的胚胎细胞迁徙自动跟踪系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102692416A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184853A (zh) * | 2015-08-14 | 2015-12-23 | 深圳大学 | 一种基于光流分析的单细胞三维图像生成方法 |
CN112712491A (zh) * | 2019-10-25 | 2021-04-27 | 苏州迈瑞科技有限公司 | 尿液检测方法、尿液检测设备及计算机可读存储介质 |
CN117969518A (zh) * | 2024-04-01 | 2024-05-03 | 笑纳科技(苏州)有限公司 | 一种细胞图像采集方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101002679A (zh) * | 2007-01-26 | 2007-07-25 | 中国人民解放军第三军医大学第一附属医院 | 骨髓间充质干细胞的示踪方法 |
US20100328766A1 (en) * | 2009-06-26 | 2010-12-30 | Bio-Rad Laboratories, Inc. | Modular microscope construction |
EP2461199A1 (en) * | 2010-12-06 | 2012-06-06 | Sony Corporation | Microscope, Region Determining Method, and Program |
CN102492763A (zh) * | 2011-11-14 | 2012-06-13 | 南开大学 | 一种微操作机器人系统批量细胞重定位方法 |
-
2012
- 2012-06-26 CN CN2012102105456A patent/CN102692416A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101002679A (zh) * | 2007-01-26 | 2007-07-25 | 中国人民解放军第三军医大学第一附属医院 | 骨髓间充质干细胞的示踪方法 |
US20100328766A1 (en) * | 2009-06-26 | 2010-12-30 | Bio-Rad Laboratories, Inc. | Modular microscope construction |
EP2461199A1 (en) * | 2010-12-06 | 2012-06-06 | Sony Corporation | Microscope, Region Determining Method, and Program |
CN102492763A (zh) * | 2011-11-14 | 2012-06-13 | 南开大学 | 一种微操作机器人系统批量细胞重定位方法 |
Non-Patent Citations (1)
Title |
---|
车秀阁 等: "微操作中批量目标的自动视野转换", 《纳米技术与精密工程》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105184853A (zh) * | 2015-08-14 | 2015-12-23 | 深圳大学 | 一种基于光流分析的单细胞三维图像生成方法 |
CN105184853B (zh) * | 2015-08-14 | 2018-04-10 | 深圳大学 | 一种基于光流分析的单细胞三维图像生成方法 |
CN112712491A (zh) * | 2019-10-25 | 2021-04-27 | 苏州迈瑞科技有限公司 | 尿液检测方法、尿液检测设备及计算机可读存储介质 |
CN117969518A (zh) * | 2024-04-01 | 2024-05-03 | 笑纳科技(苏州)有限公司 | 一种细胞图像采集方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7756305B2 (en) | Fast 3D cytometry for information in tissue engineering | |
Elsayed et al. | Development of computer-assisted sperm analysis plugin for analyzing sperm motion in microfluidic environments using Image-J | |
Dai et al. | Automated non-invasive measurement of single sperm’s motility and morphology | |
Yang et al. | Recent development of portable imaging platforms for cell-based assays | |
EP2932425A2 (en) | Automated robotic microscopy systems | |
JP6102166B2 (ja) | 心筋細胞の運動検出方法、心筋細胞の培養方法、薬剤評価方法、画像処理プログラム及び画像処理装置 | |
JP6730040B2 (ja) | 培養状態解析システム及び培養状態解析方法、並びに、プログラム | |
WO2017193700A1 (zh) | 快速获取大样本三维结构信息和分子表型信息的成像装置和方法 | |
Meijering et al. | Time-lapse imaging | |
WO2021003369A1 (en) | Magnetically modulated computational cytometer and methods of use | |
CN102692416A (zh) | 基于微操作机器人的胚胎细胞迁徙自动跟踪系统及方法 | |
He et al. | Microscope images automatic focus algorithm based on eight-neighborhood operator and least square planar fitting | |
US11422355B2 (en) | Method and system for acquisition of fluorescence images of live-cell biological samples | |
US9723989B2 (en) | Ex vivo motility contrast imaging | |
Yao et al. | Automatic three-dimensional imaging for blastomere identification in early-stage embryos based on brightfield microscopy | |
Sidhu | Automated Blastomere Segmentation for Visual Servo on Early-stage Embryo | |
US20240185422A1 (en) | Plaque detection method and apparatus for imaging of cells | |
US20240102912A1 (en) | Plaque counting assay method | |
Imashiro et al. | Direct cell counting using macro-scale smartphone images of cell aggregates | |
Wang et al. | Simultaneous depth estimation and localization for cell manipulation based on deep learning | |
CN111751263A (zh) | 基于灰度共生矩阵的免标记细胞二维散射图像反演方法 | |
CN113607736A (zh) | 一种微型智能精子体外检测仪及其图像处理方法 | |
CN103698538A (zh) | 结核感染t细胞免疫斑点分析仪及其图像生成数据分析方法 | |
Delikoyun et al. | 2 Deep learning-based cellular image analysis for intelligent medical diagnosis | |
Song et al. | Real Time Three-Dimensional image processing with Application to Automated Cell Surgery Visual Servoing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20120926 |