CN103020585A - 一种免疫组织阳性细胞和阴性细胞识别方法 - Google Patents

一种免疫组织阳性细胞和阴性细胞识别方法 Download PDF

Info

Publication number
CN103020585A
CN103020585A CN2012104380284A CN201210438028A CN103020585A CN 103020585 A CN103020585 A CN 103020585A CN 2012104380284 A CN2012104380284 A CN 2012104380284A CN 201210438028 A CN201210438028 A CN 201210438028A CN 103020585 A CN103020585 A CN 103020585A
Authority
CN
China
Prior art keywords
pixel
image
threshold
positive
expression
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
CN2012104380284A
Other languages
English (en)
Other versions
CN103020585B (zh
Inventor
李乡儒
杨坦
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.)
Shanghai Kai Tide Intelligent Technology Co ltd
Shanghai Saitide Life Science Research Co ltd
Original Assignee
South China Normal University
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 South China Normal University filed Critical South China Normal University
Priority to CN201210438028.4A priority Critical patent/CN103020585B/zh
Publication of CN103020585A publication Critical patent/CN103020585A/zh
Application granted granted Critical
Publication of CN103020585B publication Critical patent/CN103020585B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

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

Abstract

本发明公开了一种免疫组织阳性细胞和阴性细胞识别方法，本发明根据待处理免疫组织化学图像数据本身的最大类间方差方法自适应地确定相应阈值而不是使用固定的阈值，能适应图像在颜色及亮度上的偏差，相比现有方法更稳健；当判别细胞核的阳性、阴性时，将免疫组织化学图像的染色处理信息作为先验信息加以利用，而不需要进行人工标记，避免人为主观因素介入，实现了全自动化处理，提高了分析效率和处理质量的稳定性。

Description

一种免疫组织阳性细胞和阴性细胞识别方法
技术领域
本发明涉及医疗技术领域，特别涉及一种免疫组织阳性细胞和阴性细胞识别方法。
背景技术
免疫组织化学技术通过在抗体上结合萤光或可呈色的化学物质，利用免疫学原理中抗原和抗体间的特异性结合反应，检测细胞或组织中是否存在目标抗原，是病理基础研究及临床诊断上的重要方法。细胞或组织经免疫组织化学染色后在显微镜下成像得到的彩色图像，由于染色过程涉及多步骤、多因素，染色结果在整体亮度和阳性物质颜色上均会出现不同程度的差异，缺乏一致性和可重复性。采用人工标记或基于一定图像样本获得识别规则的方法，受操作者主观经验和图像染色、成像差异的影响较大，降低了免疫组织化学方法的稳定性和可靠性。本发明采用一种步骤简洁、运算量低、并且稳健的方法识别核染色免疫组织化学图像中的阳性细胞核，克服了传统人工肉眼判断的主观性强、效率低的缺点，比起现有的计算机自动分割方法，算法简洁、避免人工介入、能适应偏色图像。
免疫组织化学图像中像素的颜色携带了免疫组织化学实验设计的重要信息，体现在成像系统得到的图像数据中。阳性细胞的识别不仅同颜色有关而且与密度有关，因而是一个高维空间中的模式识别问题。文献中对免疫组织化学图像的分割和细胞识别问题已有了一定研究，其局限性在于分析特征对非本质扰动的不变性和相关阈值确定的客观性方面不足，导致相关方案在稳健性和效率方面均存在问题。例如，南方医科大学的傅蓉等人2007年发表的“基于色度学准则分析的免疫组化彩色图像C-均值聚类分割技术研究（《中国体视学与图像分析》，2007年第12卷第1期，6-10页）根据阳性细胞大致呈棕褐色或棕黄色，阴性细胞呈蓝色，背景接近白色的观察结果，在RGB色彩空间中，首先根据R-B是否大于0分离出图像中的阳性细胞区域和阴性细胞区域，然后使用C-均值算法分别对上述两大类区域中的像素在R分量和B分量上进行聚类，据此提取出阳性细胞和阴性细胞。该方法的问题是染色偏差会导致部分背景像素亦满足判别准则R-B大于0（见附图图4），因而无法准确分离细胞核与背景，且聚类算法的使用增加了解决方案的复杂度。
南方医科大学的傅蓉等人在2008年发表的“免疫组化彩色细胞图像自动分割的研究（《中国医学物理学杂志》25卷，2008年第11期，890-898页）中，首先对免疫组化彩色图像在亮度分量上使用最大类间方差法进行阈值分割以得到细胞区域，然后人工选择阳性细胞和阴性细胞，以它们的RGB值作为聚类算法的初始中心点对图像中的阳性细胞、阴性细胞和背景区域的RGB值使用K-均值算法进行聚类。该方法为最终识别阳性细胞需要人工标记阳性细胞和阴性细胞，存在一定的主观性，而在RGB色彩空间中进行聚类使得方法的运算复杂度较高。
北京科学技术大学的王慧等人在2011年发表的“基于混合颜色空间的免疫组化图像分割研究”（《计算机工程》，第37卷第5期，2011年3月，22-24页）中使用了多种颜色空间。通过对若干幅图像中阳性细胞多个采样点在RGB色彩空间和HSI色彩空间中的分析，定义阳性像素所满足的条件：在RGB空间满足R＞G＞B，并且在HSI空间中，H值在55以下、S值在13~158之间、I值在178以下。该方法的问题是阳性像素的判断阈值是从一批样本图像中得到的固定值，分割结果致依赖于所处理的图像，当图像在颜色和亮度上有偏差时无法保证对另一批样本有效，所以该方法在应用中存在稳健性问题。
发明内容
本发明的发明目的是针对现有的技术不足，提供一种免疫组织阳性细胞和阴性细胞识别方法。
为实现上述发明目的，本发明采用的技术方案为：
提供一种免疫组织阳性细胞和阴性细胞识别方法，包括以下步骤：
(a)提取免疫组织化学图像，将所述免疫组织化学图像载入电子存储装置；
(b) 将（a）步骤中所述的免疫组织化学图像转化至YIQ色彩空间；YIQ色彩空间包括Y、I、Q三个子空间；
(c) 在Y子空间中自适应地确定亮度阈值T1；
(d) 在Y子空间中根据亮度阈值T1进行图像分割，得到表示细胞核区域的二值掩模图像Mask；
(e)再 将（a）步骤中所述的免疫组织化学图像转化至HSV色彩空间；HSV色彩空间包括H、S、V三个子空间；
(f) 在HSV色彩空间的H子空间中使用上述二值掩模图像提取细胞核区域像素的强度值；
(g) 根据提取出的色相分量图像强度值分布自适应地确定识别阈值T2；
(h) 在色相分量图像H中根据二值掩模图像提取出的图像区域上,按照像素的强度是否大于识别阈值T2将细胞核区域中的像素分为Class1和Class2两类；
(i) 根据(h)步骤中的免疫组织化学染色过程所使用的阳性产物标记物染色剂和细胞核复染剂的色相信息，自动标记Class1和Class2两类像素的阳性和阴性类别。
优选地，步骤（d）中，根据细胞核区域与其他区域在密度上的差别，在图像的YIQ色彩空间的亮度分量图像上识别出细胞核所在区域。
优选地，步骤（h）中，根据免疫组织化学染色过程所使用的阳性标记物染色剂和细胞核复染剂在颜色上的对比差异，在HSV色彩空间的色相分量图像上识别Class1和Class2两类区域。
优选地，亮度阈值T1是在YIQ空间的亮度子空间中使用最大类间方差方法计算得到：图像有                                                阶灰度，灰度为
Figure 773891DEST_PATH_IMAGE002
的像素数是
Figure 330774DEST_PATH_IMAGE003
，图像总像素数为；像素灰度为
Figure 859025DEST_PATH_IMAGE002
的概率是：；对于给定的阈值,可将图像像素分为
Figure 682121DEST_PATH_IMAGE007
、两组，分别表示灰度小于
Figure 489988DEST_PATH_IMAGE006
的像素集合和灰度大于等于的像素集合；此时的类间方差定义为:
Figure 692617DEST_PATH_IMAGE009
其中：
Figure 577527DEST_PATH_IMAGE010
表示
Figure 689840DEST_PATH_IMAGE007
组像素所占总像素数的比例；
Figure 618481DEST_PATH_IMAGE011
表示
Figure 816244DEST_PATH_IMAGE008
组像素所占总像素数的比例；
Figure 236337DEST_PATH_IMAGE012
表示组像素的平均灰度值；
Figure 443644DEST_PATH_IMAGE013
表示
Figure 253337DEST_PATH_IMAGE008
组像素的平均灰度值；
Figure 604684DEST_PATH_IMAGE014
表示全部像素的平均灰度值；
最大类间方差方法即寻找使得两类间方差
Figure 301376DEST_PATH_IMAGE015
最大的作为亮度阈值T1。
优选地，识别阈值的确定是通过在色相分量H上用最大类间方差方法计算得到：图像有
Figure 744176DEST_PATH_IMAGE001
阶灰度，灰度为
Figure 633634DEST_PATH_IMAGE002
的像素数是
Figure 715991DEST_PATH_IMAGE003
，图像总像素数为
Figure 32703DEST_PATH_IMAGE004
；像素灰度为
Figure 551409DEST_PATH_IMAGE002
的概率是：
Figure 244558DEST_PATH_IMAGE005
；对于给定的阈值
Figure 306055DEST_PATH_IMAGE006
,可将图像像素分为
Figure 731351DEST_PATH_IMAGE007
、
Figure 508594DEST_PATH_IMAGE008
两组，分别表示灰度小于
Figure 739855DEST_PATH_IMAGE006
的像素集合和灰度大于等于
Figure 514913DEST_PATH_IMAGE006
的像素集合；此时的类间方差定义为:
Figure 704586DEST_PATH_IMAGE009
其中：
Figure 73250DEST_PATH_IMAGE010
表示
Figure 983569DEST_PATH_IMAGE007
组像素所占总像素数的比例；
Figure 347554DEST_PATH_IMAGE011
表示
Figure 442549DEST_PATH_IMAGE008
组像素所占总像素数的比例；
表示
Figure 12519DEST_PATH_IMAGE007
组像素的平均灰度值；
表示
Figure 28065DEST_PATH_IMAGE008
组像素的平均灰度值；
Figure 105743DEST_PATH_IMAGE014
表示全部像素的平均灰度值；
最大类间方差方法即寻找使得两类间方差
Figure 623443DEST_PATH_IMAGE015
最大的
Figure 102966DEST_PATH_IMAGE016
作为识别阈值T2。 
 
本发明相对于现有技术，具有以下有益效果：
本发明根据待处理免疫组织化学图像数据本身的最大类间方差方法自适应地确定相应阈值而不是使用固定的阈值，能适应图像在颜色及亮度上的偏差，相比现有方法更稳健；当判别细胞核的阳性、阴性时，将免疫组织化学图像的染色处理信息作为先验信息加以利用，而不需要进行人工标记，避免人为主观因素介入，实现了全自动化处理，提高了分析效率和处理质量的稳定性；并且，本发明在细胞核分割和识别中均是在一维特征空间中进行自适应处理，避免了在高维空间中使用聚类算法所带来的巨大运算量；因此，本发明相比当前相关技术具有计算效率高、客观性强、对图像偏色有更好的适应性，是一种稳健的免疫组织化学图像细胞识别方法。
附图说明
图1原始免疫组织化学图像的R分量图像。
图2原始免疫组织化学图像的G分量图像。
图3原始免疫组织化学图像的B分量图像。
图4原图像中满足R分量大于B分量的像素。
图5图像在YIQ色彩空间中的亮度分量图像。
图6亮度分量Y的直方图。
图7对亮度分量图像进行细胞核分割的结果。
图8整幅图像的色相分量直方图。
图9细胞核区域像素的色相分量直方图。
图10标记出的阳性细胞核。
图11标记出的阴性细胞核。
具体实施方式
下面结合附图和具体实施例对本发明的发明目的作进一步详细地描述，实施例不能在此一一赘述，但本发明的实施方式并不因此限定于以下实施例。
首先，提取免疫组织化学图像：对组织切片进行全染色免疫组织化学染色，使用DBA对阳性产物染色，使用苏木素复染细胞核，获取数字化图像，分辨率为697×1000像素。图1到图3分别显示了免疫组织化学图像的R、G、B分量图像。
图1到图3有一定程度的偏色。在图4中，用白色表示在RGB格式下满足R>B的像素，可以发现细胞核之外的背景部分有很多像素满足R>B。所以单纯从图像的R分量和B分量出发不能正确识别出阳性细胞核。
根据本技术方案，首先将免疫组织化学图像从RGB色彩空间转换到YIQ色彩空间，将变换后的图像的Y分量的取值规范化为0到1。
图5显示了亮度分量（Y分量）的强度图像，细胞核部分由于具有较大密度在亮度上与背景部分有显著差异。
图6显示了亮度分量Y的直方图，呈显著的双峰分布。使用最大类间方差方法自动确定亮度阈值，本例中得到的亮度阈值为0.3333。
图7显示了使用前述亮度阈值对亮度图像进行阈值分割处理后得到的结果，其中白色表示提取出的细胞核区域。
接着，将免疫组织化学图像从RGB色彩空间转换到HSV色彩空间，变换后将色相分量H的取值规范化为0到1。用图7所示的二值图像做掩模提取细胞核区域的色相分量数据H。图8显示了整幅图像的色相分量的直方图，图9显示了呈显著分离双峰分布的细胞核区域像素的色相分量直方图。对细胞核区域像素的色相分量使用最大类间方差方法自动确定识别阈值T2，本例中得到的识别阈值T2为0.349。
根据免疫组织化学染色中使用DBA标记阳性产物以及使用苏木素复染细胞核的先验信息，阳性产物应呈棕色，阴性显色为紫色，所以色相分量H小于识别阈值的标记为阳性，大于识别阈值的标记为阴性。分别显示在图10和图11中。
上述实施例仅为本发明的较佳实施例，并非用来限定本发明的实施范围。即凡依本发明内容所作的均等变化与修饰，都为本发明权利要求所要求保护的范围所涵盖。

Claims (7)

1.一种免疫组织阳性细胞和阴性细胞识别方法，其特征在于包括以下步骤：
(a)提取免疫组织化学图像，将所述免疫组织化学图像载入电子存储装置；
(b) 将（a）步骤中所述的免疫组织化学图像转化至YIQ色彩空间；YIQ色彩空间包括Y、I、Q三个子空间；
(c) 在Y子空间中自适应地确定亮度阈值T1；
(d) 在Y子空间中根据亮度阈值T1进行图像分割，得到表示细胞核区域的二值掩模图像Mask；
(e)再 将（a）步骤中所述的免疫组织化学图像转化至HSV色彩空间；HSV色彩空间包括H、S、V三个子空间；
(f) 在HSV色彩空间的H子空间中使用上述二值掩模图像提取细胞核区域像素的强度值；
(g) 根据提取出的色相分量图像强度值分布自适应地确定识别阈值T2；
(h) 在色相分量图像H中根据二值掩模图像提取出的图像区域上,按照像素的强度是否大于识别阈值T2将细胞核区域中的像素分为Class1和Class2两类；
(i) 根据(h)步骤中的免疫组织化学染色过程所使用的阳性产物标记物染色剂和细胞核复染剂的色相信息，自动标记Class1和Class2两类像素的阳性和阴性类别。
2.根据权利要求1所述的免疫组织阳性细胞和阴性细胞识别方法，其特征在于，步骤（a）中，对组织切片进行全染色免疫组织化学染色，使用DBA对阳性产物染色，使用苏木素复染细胞核，获取数字化的免疫组织化学图像。
3.根据权利要求1所述的免疫组织阳性细胞和阴性细胞识别方法，其特征在于，步骤（d）中，根据细胞核区域与其他区域在密度上的差别，在图像的YIQ色彩空间的亮度分量图像上识别出细胞核所在区域。
4.根据权利要求1所述的免疫组织阳性细胞和阴性细胞识别方法，其特征在于，步骤（h）中，根据免疫组织化学染色过程所使用的阳性标记物染色剂和细胞核复染剂在颜色上的对比差异，在HSV色彩空间的色相分量图像上识别Class1和Class2两类区域。
5.根据权利要求1所述的免疫组织阳性细胞和阴性细胞识别方法，其特征在于，亮度阈值T1是在YIQ空间的亮度子空间中使用最大类间方差方法计算得到：图像有                                                
Figure 932234DEST_PATH_IMAGE001
阶灰度，灰度为
Figure 497208DEST_PATH_IMAGE002
的像素数是
Figure 894298DEST_PATH_IMAGE003
，图像总像素数为
Figure 228327DEST_PATH_IMAGE004
；像素灰度为
Figure 570447DEST_PATH_IMAGE002
的概率是：
Figure 871984DEST_PATH_IMAGE005
；对于给定的阈值,可将图像像素分为、
Figure 308410DEST_PATH_IMAGE008
两组，分别表示灰度小于
Figure 582396DEST_PATH_IMAGE006
的像素集合和灰度大于等于
Figure 104645DEST_PATH_IMAGE006
的像素集合；此时的类间方差定义为:
Figure 396954DEST_PATH_IMAGE009
其中：
Figure 612035DEST_PATH_IMAGE010
表示
Figure 373318DEST_PATH_IMAGE007
组像素所占总像素数的比例；
表示
Figure 862385DEST_PATH_IMAGE008
组像素所占总像素数的比例；
Figure 465011DEST_PATH_IMAGE012
表示
Figure 244748DEST_PATH_IMAGE007
组像素的平均灰度值；
表示
Figure 110122DEST_PATH_IMAGE008
组像素的平均灰度值；
Figure 667005DEST_PATH_IMAGE014
表示全部像素的平均灰度值；
最大类间方差方法即寻找使得两类间方差
Figure 137301DEST_PATH_IMAGE015
最大的
Figure 805043DEST_PATH_IMAGE016
作为亮度阈值T1。
6.根据权利要求1所述的免疫组织阳性细胞和阴性细胞识别方法，其特征在于，识别阈值的确定是通过在色相分量H上用最大类间方差方法计算得到：图像有
Figure 693495DEST_PATH_IMAGE001
阶灰度，灰度为
Figure 421280DEST_PATH_IMAGE002
的像素数是
Figure 378872DEST_PATH_IMAGE003
，图像总像素数为
Figure 850304DEST_PATH_IMAGE004
；像素灰度为
Figure 91799DEST_PATH_IMAGE002
的概率是：
Figure 990485DEST_PATH_IMAGE005
；对于给定的阈值
Figure 700952DEST_PATH_IMAGE006
,可将图像像素分为、
Figure 822808DEST_PATH_IMAGE008
两组，分别表示灰度小于的像素集合和灰度大于等于
Figure 572382DEST_PATH_IMAGE006
的像素集合；此时的类间方差定义为:
Figure 385617DEST_PATH_IMAGE009
其中：
Figure 618016DEST_PATH_IMAGE010
表示
Figure 592925DEST_PATH_IMAGE007
组像素所占总像素数的比例；
Figure 527252DEST_PATH_IMAGE011
表示
Figure 144178DEST_PATH_IMAGE008
组像素所占总像素数的比例；
Figure 965503DEST_PATH_IMAGE012
表示
Figure 111314DEST_PATH_IMAGE007
组像素的平均灰度值；
Figure 283669DEST_PATH_IMAGE013
表示组像素的平均灰度值；
Figure 865272DEST_PATH_IMAGE014
表示全部像素的平均灰度值；
最大类间方差方法即寻找使得两类间方差
Figure 713142DEST_PATH_IMAGE015
最大的作为识别阈值T2。
7. 根据权利要求1所述的免疫组织阳性细胞和阴性细胞识别方法，其特征在于，色相分量H小于识别阈值的标记为阳性，大于识别阈值的标记为阴性。
CN201210438028.4A 2012-11-06 2012-11-06 一种免疫组织阳性细胞和阴性细胞识别方法 Active CN103020585B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210438028.4A CN103020585B (zh) 2012-11-06 2012-11-06 一种免疫组织阳性细胞和阴性细胞识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210438028.4A CN103020585B (zh) 2012-11-06 2012-11-06 一种免疫组织阳性细胞和阴性细胞识别方法

Publications (2)

Publication Number Publication Date
CN103020585A true CN103020585A (zh) 2013-04-03
CN103020585B CN103020585B (zh) 2015-08-26

Family

ID=47969176

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210438028.4A Active CN103020585B (zh) 2012-11-06 2012-11-06 一种免疫组织阳性细胞和阴性细胞识别方法

Country Status (1)

Country Link
CN (1) CN103020585B (zh)

Cited By (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104794711A (zh) * 2015-04-13 2015-07-22 上海泽煜实验设备有限公司 一种图像处理方法及装置
CN105354405A (zh) * 2014-08-20 2016-02-24 中国科学院上海高等研究院 基于机器学习的免疫组化图像自动化判读系统
CN106056118A (zh) * 2016-06-12 2016-10-26 合肥工业大学 一种用于细胞的识别计数方法
CN106846310A (zh) * 2017-01-19 2017-06-13 宁波江丰生物信息技术有限公司 一种基于免疫组化技术的病理辅助分析方法
CN107833235A (zh) * 2017-09-19 2018-03-23 浙江农林大学 一种构建心肌细胞图像灰度层级结构信息的方法及系统
CN107924457A (zh) * 2015-06-11 2018-04-17 匹兹堡大学高等教育联邦体系 用于在多路复用/超复合荧光组织图像中查找苏木精和曙红(h＆e)染色的组织图像中的感兴趣区域并量化肿瘤内细胞空间异质性的系统和方法
CN107924462A (zh) * 2015-08-24 2018-04-17 皇家飞利浦有限公司 数字病理学中的服务器‑客户机架构
CN108682008A (zh) * 2018-05-07 2018-10-19 江苏康尚生物医疗科技有限公司 一种白细胞图像清晰度评价方法及装置
WO2019048954A1 (en) * 2017-09-08 2019-03-14 International Business Machines Corporation DETERMINATION OF COLORING QUALITY OF FABRIC
CN109856386A (zh) * 2019-01-31 2019-06-07 上海拉德钫斯生物科技有限公司 一种免疫组化图像处理方法
CN109871735A (zh) * 2017-11-17 2019-06-11 希森美康株式会社 图像解析方法、装置、程序及学习完了深层学习算法的制造方法
CN110610488A (zh) * 2019-08-29 2019-12-24 上海杏脉信息科技有限公司 分类训练和检测的方法与装置
TWI687898B (zh) * 2018-11-23 2020-03-11 宏碁股份有限公司 影像正規化方法及影像處理裝置
CN110956605A (zh) * 2018-09-27 2020-04-03 艾托金生物医药（苏州）有限公司 基于蛋白抗体试剂的宫颈癌细胞学检测算法
CN111474177A (zh) * 2020-05-06 2020-07-31 深圳市斑马视觉科技有限公司 基于计算机视觉的液晶屏幕背光异物缺陷检测方法
CN111583185A (zh) * 2020-04-14 2020-08-25 山东省千佛山医院 基于病理免疫组织化学的Ki67细胞核计数方法及系统
CN111583186A (zh) * 2020-04-14 2020-08-25 山东省千佛山医院 面向临床应用的病理er/pr细胞核计数方法及系统
CN112581432A (zh) * 2020-12-08 2021-03-30 中国纺织科学研究院有限公司 色纺纱混配比例测量方法、装置、计算机可读存储介质及电子设备
CN113344841A (zh) * 2021-03-19 2021-09-03 中国科学院近代物理研究所 一种免疫组化病理切片图片处理方法、系统与可读介质
CN113470041A (zh) * 2021-05-26 2021-10-01 透彻影像(北京)科技有限公司 免疫组化细胞图像细胞核分割与计数方法和系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090169118A1 (en) * 2003-02-28 2009-07-02 Aperio Technologies, Inc. Systems and Methods for Image Pattern Recognition
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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090169118A1 (en) * 2003-02-28 2009-07-02 Aperio Technologies, Inc. Systems and Methods for Image Pattern Recognition
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
傅蓉: "免疫组化彩色细胞图像自动分割的研究", 《中国医学物理学杂志》, vol. 25, no. 6, 30 November 2008 (2008-11-30), pages 890 - 894 *

Cited By (31)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105354405A (zh) * 2014-08-20 2016-02-24 中国科学院上海高等研究院 基于机器学习的免疫组化图像自动化判读系统
CN104794711A (zh) * 2015-04-13 2015-07-22 上海泽煜实验设备有限公司 一种图像处理方法及装置
CN114463748A (zh) * 2015-06-11 2022-05-10 匹兹堡大学高等教育联邦体系 识别染色的组织图像中的感兴趣区域的方法
CN107924457A (zh) * 2015-06-11 2018-04-17 匹兹堡大学高等教育联邦体系 用于在多路复用/超复合荧光组织图像中查找苏木精和曙红(h＆e)染色的组织图像中的感兴趣区域并量化肿瘤内细胞空间异质性的系统和方法
US11416983B2 (en) 2015-08-24 2022-08-16 Koninklijke Philips N.V. Server-client architecture in digital pathology
CN107924462A (zh) * 2015-08-24 2018-04-17 皇家飞利浦有限公司 数字病理学中的服务器‑客户机架构
CN106056118A (zh) * 2016-06-12 2016-10-26 合肥工业大学 一种用于细胞的识别计数方法
CN106056118B (zh) * 2016-06-12 2018-08-24 合肥工业大学 一种用于细胞的识别计数方法
CN106846310A (zh) * 2017-01-19 2017-06-13 宁波江丰生物信息技术有限公司 一种基于免疫组化技术的病理辅助分析方法
WO2019048954A1 (en) * 2017-09-08 2019-03-14 International Business Machines Corporation DETERMINATION OF COLORING QUALITY OF FABRIC
US10706535B2 (en) 2017-09-08 2020-07-07 International Business Machines Corporation Tissue staining quality determination
CN107833235B (zh) * 2017-09-19 2020-08-21 浙江农林大学 一种构建心肌细胞图像灰度层级结构信息的方法及系统
CN107833235A (zh) * 2017-09-19 2018-03-23 浙江农林大学 一种构建心肌细胞图像灰度层级结构信息的方法及系统
CN109871735A (zh) * 2017-11-17 2019-06-11 希森美康株式会社 图像解析方法、装置、程序及学习完了深层学习算法的制造方法
US11842556B2 (en) 2017-11-17 2023-12-12 Sysmex Corporation Image analysis method, apparatus, program, and learned deep learning algorithm
CN109871735B (zh) * 2017-11-17 2024-03-15 希森美康株式会社 图像解析方法、装置及学习完了深层学习算法的制造方法
CN108682008B (zh) * 2018-05-07 2019-04-16 江苏康尚生物医疗科技有限公司 一种白细胞图像清晰度评价方法及装置
CN108682008A (zh) * 2018-05-07 2018-10-19 江苏康尚生物医疗科技有限公司 一种白细胞图像清晰度评价方法及装置
CN110956605A (zh) * 2018-09-27 2020-04-03 艾托金生物医药（苏州）有限公司 基于蛋白抗体试剂的宫颈癌细胞学检测算法
TWI687898B (zh) * 2018-11-23 2020-03-11 宏碁股份有限公司 影像正規化方法及影像處理裝置
US10755393B2 (en) 2018-11-23 2020-08-25 Acer Incorporated Image normalization method and image processing device
CN109856386B (zh) * 2019-01-31 2022-04-12 拉德枋斯(广东)生命科学创新研究院有限公司 一种免疫组化图像处理方法
CN109856386A (zh) * 2019-01-31 2019-06-07 上海拉德钫斯生物科技有限公司 一种免疫组化图像处理方法
CN110610488A (zh) * 2019-08-29 2019-12-24 上海杏脉信息科技有限公司 分类训练和检测的方法与装置
CN111583186A (zh) * 2020-04-14 2020-08-25 山东省千佛山医院 面向临床应用的病理er/pr细胞核计数方法及系统
CN111583185A (zh) * 2020-04-14 2020-08-25 山东省千佛山医院 基于病理免疫组织化学的Ki67细胞核计数方法及系统
CN111474177A (zh) * 2020-05-06 2020-07-31 深圳市斑马视觉科技有限公司 基于计算机视觉的液晶屏幕背光异物缺陷检测方法
CN112581432A (zh) * 2020-12-08 2021-03-30 中国纺织科学研究院有限公司 色纺纱混配比例测量方法、装置、计算机可读存储介质及电子设备
CN113344841A (zh) * 2021-03-19 2021-09-03 中国科学院近代物理研究所 一种免疫组化病理切片图片处理方法、系统与可读介质
CN113470041A (zh) * 2021-05-26 2021-10-01 透彻影像(北京)科技有限公司 免疫组化细胞图像细胞核分割与计数方法和系统
CN113470041B (zh) * 2021-05-26 2022-04-22 透彻影像(北京)科技有限公司 免疫组化细胞图像细胞核分割与计数方法和系统

Also Published As

Publication number Publication date
CN103020585B (zh) 2015-08-26

Similar Documents

Publication Publication Date Title
CN103020585B (zh) 一种免疫组织阳性细胞和阴性细胞识别方法
Caicedo et al. Evaluation of deep learning strategies for nucleus segmentation in fluorescence images
Rodellar et al. Image processing and machine learning in the morphological analysis of blood cells
Kainz et al. Segmentation and classification of colon glands with deep convolutional neural networks and total variation regularization
Li et al. Segmentation of white blood cell from acute lymphoblastic leukemia images using dual-threshold method
Chang et al. Nuclear segmentation in H&E sections via multi-reference graph cut (MRGC)
EP2523165B1 (en) Image processing method and image processing device
JP5376024B1 (ja) 画像処理装置、プログラム及び画像処理システム
Ramesh et al. Isolation and two-step classification of normal white blood cells in peripheral blood smears
CN102682305B (zh) 宫颈液基细胞学自动筛查方法和系统
Prasad et al. Image analysis approach for development of a decision support system for detection of malaria parasites in thin blood smear images
EP3663975A1 (en) Method and system for learning pixel visual context from object characteristics to generate rich semantic images
JP5413501B1 (ja) 画像処理装置、画像処理システム及びプログラム
US20150187077A1 (en) Image processing device, program, image processing method, computer-readable medium, and image processing system
EP3006551B1 (en) Image processing device, image processing method, program, and storage medium
Alférez et al. Automatic classification of atypical lymphoid B cells using digital blood image processing
CN103994964B (zh) 针对荧光显微图像的凋亡细胞形态的量化分析方法
Meimban et al. Blood cells counting using python opencv
CN113658174A (zh) 基于深度学习和图像处理算法的微核组学图像检测方法
Kong et al. Image analysis for automated assessment of grade of neuroblastic differentiation
CN115359264A (zh) 一种密集型分布的粘连细胞深度学习识别方法
Hou et al. Text-aware single image specular highlight removal
CN114332854A (zh) 图像处理方法、装置、设备及存储介质
CN114037868B (zh) 图像识别模型的生成方法及装置
Chang et al. Batch-invariant nuclear segmentation in whole mount histology sections

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
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20180125

Address after: Room 105, No. 980, Qinghe Wan Road, Qingpu District, Shanghai

Patentee after: SHANGHAI LA DEFENSE BIOTECHNOLOGY CO.,LTD.

Address before: 710016 Xi'an economic and Technological Development Zone, Xi'an, Shaanxi Province, Fengcheng two road, No. 10, Tiandi Times Square, first 2 unit 16 layer 21616

Patentee before: Shanxi Huaqi UTS Intellectual Property Agency Co.,Ltd. Xi'an branch

Effective date of registration: 20180125

Address after: 710016 Xi'an economic and Technological Development Zone, Xi'an, Shaanxi Province, Fengcheng two road, No. 10, Tiandi Times Square, first 2 unit 16 layer 21616

Patentee after: Shanxi Huaqi UTS Intellectual Property Agency Co.,Ltd. Xi'an branch

Address before: 510631 Zhongshan Avenue, Tianhe District, Guangzhou, Guangdong, South China Normal University, No. 55, South China Normal University

Patentee before: South China Normal University

TR01 Transfer of patent right

Effective date of registration: 20200423

Address after: 511500 No. 300, Tianan Zhigu Exhibition Service Center, No. 18, Chuangxing Avenue, science and Technology Innovation Park, Qingyuan high tech Zone, Guangdong Province

Patentee after: Radfangs (Guangdong) Life Science Innovation Research Institute Co.,Ltd.

Address before: Room 105, No. 980, Qinghe Wan Road, Qingpu District, Shanghai

Patentee before: SHANGHAI LA DEFENSE BIOTECHNOLOGY Co.,Ltd.

TR01 Transfer of patent right
CP03 Change of name, title or address

Address after: Room 6350, Building 3, No. 19, Siping South Road, Tinglin Town, Jinshan District, Shanghai, 200120

Patentee after: Shanghai Saitide Life Science Research Co.,Ltd.

Address before: 511500 No. 300, Tianan Zhigu Exhibition Service Center, No. 18, Chuangxing Avenue, science and Technology Innovation Park, Qingyuan high tech Zone, Guangdong Province

Patentee before: Radfangs (Guangdong) Life Science Innovation Research Institute Co.,Ltd.

CP03 Change of name, title or address
TR01 Transfer of patent right

Effective date of registration: 20220927

Address after: 200120 building C, No. 888, Huanhu West 2nd Road, Lingang xinpian District, Pudong New Area, Shanghai

Patentee after: Shanghai Kai Tide Intelligent Technology Co.,Ltd.

Address before: Room 6350, Building 3, No. 19, Siping South Road, Tinglin Town, Jinshan District, Shanghai, 200120

Patentee before: Shanghai Saitide Life Science Research Co.,Ltd.

TR01 Transfer of patent right