CN103097889B - 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 - Google Patents

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 Download PDF

Info

Publication number
CN103097889B
CN103097889B CN201180043669.3A CN201180043669A CN103097889B CN 103097889 B CN103097889 B CN 103097889B CN 201180043669 A CN201180043669 A CN 201180043669A CN 103097889 B CN103097889 B CN 103097889B
Authority
CN
China
Prior art keywords
tissue sample
sample image
unit
mask
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
CN201180043669.3A
Other languages
English (en)
Other versions
CN103097889A (zh
Inventor
吉原庆子
喜友名朝春
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 CN103097889A publication Critical patent/CN103097889A/zh
Application granted granted Critical
Publication of CN103097889B publication Critical patent/CN103097889B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/70Denoising; Smoothing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/136Segmentation; Edge detection involving thresholding
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/69Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695Preprocessing, e.g. image segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10056Microscopic image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30024Cell structures in vitro; Tissue sections in vitro
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30242Counting objects in image

Landscapes

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

Abstract

本发明提供了一种信息处理设备,能够将间质细胞与实质细胞精确地互相分离,而与细胞的染色强度无关。所述信息处理设备是一种信息处理设备(100),包括:图像处理单元(110),对通过对包含实质细胞(151)和间质细胞(152)的生物组织进行染色然后成像而获得的组织标本图像(150)进行平滑化,使得每个实质细胞(151)的细胞成分的亮度值变为小于每个间质细胞(152)的细胞成分的亮度值;以及掩模产生单元(120),通过对所述图像处理单元(110)平滑化后的组织标本图像(115)进行二进制化来产生二进制图像,从而产生用于从所述组织标本图像(115)中移除所述间质细胞的区域的掩模(125)。

Description

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
技术领域
本发明涉及信息处理设备、信息处理系统、信息处理方法、程序和记录介质。
背景技术
作为支持基于生物组织的组织标本图像的诊断的技术,已知一种方法,其中通过对生物组织的一部分进行染色然后观察染色的状态来进行诊断。对于诊断而言,重要的是在染色之后将间质部分与组织标本图像分离。专利文献1描述了通过苏木精-曙红染色(HE染色)对来自生物组织的间质进行分类。具体地,专利文献1的段落[0073]描述了以下内容:“组织间质主要是红色。图像对象的强度差d、“红色比”r=R/(R+G+B)和红色通道标准差σR可以用于对间质对象进行分类”。即,利用曙红将间质染色为红色,因此可以利用其颜色来对间质对象进行分量。
现有技术文献
专利文献
专利文献1:JP2010-523979A
发明内容
本发明要解决的问题
然而,在执行免疫组织化学染色(以下称为“IHC染色”)时,间质细胞的细胞核以及实质细胞的细胞核被染色为蓝色。因此,尤其在细胞膜的染色较弱时,通过“背景技术”中描述的图像处理,不能将间质细胞和实质细胞互相分离。
因此,本发明要提供一种信息处理设备、信息处理系统、信息处理方法、程序和记录介质,能够将间质细胞与实质细胞精确地互相分离,而与细胞的染色强度无关。
解决问题的方案
为了实现上述目的,根据本发明的信息处理设备是一种信息处理设备,包括:图像处理单元,对通过对包含实质细胞和间质细胞的生物组织进行染色然后成像而获得的组织标本图像进行平滑化,使得每个实质细胞的细胞成分的亮度值变为小于每个间质细胞的细胞成分的亮度值;以及掩模产生单元,通过对所述图像处理单元平滑化后的组织标本图像进行二进制化来产生二进制图像,从而产生用于从所述组织标本图像中移除所述间质细胞的区域的掩模,其中,支持基于所述组织标本图像的诊断。
根据本发明的信息处理系统是一种信息处理系统,包括:根据本发明的信息处理设备;输入终端;以及显示终端,其中,所述设备还包括:叠加单元,将所述掩模产生单元产生的掩模叠加在所述组织标本图像上;计数单元,对具有其上叠加有所述掩模的所述组织标本图像中包含的每个染色强度的实质细胞的数目进行计数;接收单元,经由网络接收所述组织标本图像;以及发送单元,经由网络发送所述计数单元计数的实质细胞的数目或所述显示数据产生单元产生的所述显示数据;所述接收单元接收的所述组织标本图像由所述输入终端输入并经由网络发送,所述计数单元计数的实质细胞的数目或所述显示数据产生单元产生的所述显示数据经由网络接收并由所述显示终端显示。
根据本发明的信息处理方法是一种信息处理方法,其中使用根据本发明的信息处理设备,所述方法包括:图像处理步骤,利用所述图像处理单元,对所述组织标本图像进行平滑化,使得每个实质细胞的细胞成分的亮度值变为小于每个间质细胞的细胞成分的亮度值;以及掩模产生步骤,利用所述掩模产生单元,通过对所述图像处理步骤中平滑化后的组织标本图像进行二进制化来产生二进制图像,从而产生用于从所述组织标本图像中移除所述间质细胞的区域的掩模,其中,支持基于所述组织标本图像的诊断。
根据本发明的程序是一种能够在计算机上执行根据本发明的信息处理方法的程序。
根据本发明的记录介质是一种计算机可读记录介质,包括:根据本发明的程序。
本发明的效果
根据本发明,能够将间质细胞与实质细胞精确地互相分离,而与细胞的染色强度无关。
附图说明
图1是示出了根据本发明第一实施例的信息处理设备的配置的框图。
图2是示出了根据本发明第二实施例的信息处理设备的配置的框图。
图3是示出了根据本发明第二实施例的病理图像诊断支持设备的功能配置的框图。
图4A是示出了根据本发明第二实施例的病理图像诊断支持设备的硬件配置的框图。
图4B是示出了根据本发明第二实施例的病理图像诊断支持设备的另一硬件配置的框图。
图4C是示出了根据本发明第二实施例的病理图像诊断支持设备的又一硬件配置的框图。
图5是示出了用于操作根据本发明第二实施例的病理图像诊断支持设备的过程的流程图。
图6是示出了第二实施例中要诊断的组织标本图像的示例的图。
图7是示出了根据本发明第二实施例用于产生掩模和叠加图像的过程的流程图。
图8是示出了从图6选择的一个区域的示例的图。
图9示出了示出减小图8的所选区域的大小的示例的图,以及示出对所选区域进行平滑化的示例的图。
图10是示出了基于图9的下图产生的亮度值直方图的示例以及基于亮度值直方图计算的二进制化阈值的示例的图。
图11示出了示出利用图10所示的阈值对图9的下图进行二进制化而获得的结果的示例的图,以及示出对通过二进制化获得的结果进行后处理的示例的图。
图12是示出了利用基于图11的下图产生的掩模对图8的所选区域进行掩蔽而获得的结果的示例的图。
图13是示出了根据本发明第二实施例对细胞数目进行计数的过程的流程图。
图14是示出了根据本发明第二实施例来产生条形图的过程的流程图。
图15是示出了在利用图12的掩模对所选区域中的细胞数目进行计数,然后利用第二实施例的过程来产生条形图的情况下存储数据的配置的图。
图16是示出了根据本发明第二实施例用于产生显示数据的过程的流程图。
图17是示出了利用第二实施例的处理产生的显示数据的第一显示示例的图。
图18是示出了利用第二实施例的处理产生的显示数据的第二显示示例的图。
图19是示出了利用第二实施例的处理产生的显示数据的第三显示示例的图。
图20是示出了利用第三实施例的处理产生的显示数据的第四显示示例的图。
具体实施方式
以下参照附图来具体示意本发明的实施例。然而,以下实施例中描述的组件仅是示例,本发明的技术范围不限于此。在实施例中,细胞成分的概念宽泛地包括构成细胞的成分,如细胞核、细胞膜、细胞质和淋巴细胞。
[第一实施例]
参照图1来描述根据本发明第一实施例的信息处理设备100。图1示出了用于支持基于组织标本图像150的诊断的信息处理设备100,组织标本图像150是通过对包含实质细胞151和间质细胞152的生物组织进行免疫染色和成像来获得的。该信息处理设备100包括:图像处理部分(图像处理单元)110,用于在平滑化部分111中对组织标本图像155进行平滑化,使得每个实质细胞的细胞成分的亮度值变为小于每个间质细胞的细胞成分的亮度值。信息处理设备100还包括:掩模产生部分(掩模产生单元)120,用于通过在二进制化部分(二进制化单元)121中通过对图像处理部分110中平滑化的组织标本图像115进行二进制化来产生二进制图像,从而产生用于从组织标本图像115中移除间质区域的掩模125。利用这种配置,可以产生将实质细胞151和间质细胞152精确地互相分离的掩模,而与细胞的染色强度无关。
[第二实施例]
参照图2至19来描述根据本发明第二实施例的信息处理系统250。根据本实施例的信息处理系统250是预期排除已经染色(例如免疫染色,在本实施例中为IHC染色)的组织标本图像中的间质部分,并对癌细胞的数目进行计数,以尽可能精确地选择针对癌症的治疗。在本实施例中,关于细胞核和细胞膜(作为细胞成分的示例)的染色的信息用于识别间质,关于细胞核的染色的信息用于对细胞数目进行计数。
在本实施例中使用的IHC染色的示例包括3种:ER染色、PgR染色和HER2染色。根据其中的ER染色和PgR染色,阳性细胞的细胞核被染色为棕色,阴性细胞的细胞核保持为蓝色(如利用苏木精首先对其染色之后一样)。此外,在阳性细胞或阴性细胞中,细胞膜不被染色。
根据HER2染色,阳性细胞的细胞膜被染色为棕色,阴性细胞的细胞膜未被观察到。此外,不论阳性细胞还是阴性细胞,细胞核为蓝色。根据这种染色趋向,当在ER染色或PgR染色中将细胞核染色为棕色或者在HER2染色中将细胞膜染色为棕色时,相对容易识别间质。因此,在HER2阳性的情况下,不仅将关于细胞核的信息,而且将关于棕色的细胞膜的信息用于二进制化。尽管在ER染色或PgR染色中细胞核未被染色为棕色,或者在HER2染色中细胞膜未被染色为棕色,除了间质之外应当关注的区域密集具有蓝色的细胞核。
在ER染色、PgR染色或HER2染色中,通过对细胞核数目进行计数来对细胞数目进行计数。即,细胞核数目=细胞数目。
总结如下。
(步骤1)在平滑化和二进制化中,利用细胞核,产生掩模。
当ER/PgR阳性时,利用关于棕色细胞核和蓝色细胞核的信息。
当ER/PgR阴性时,利用关于蓝色细胞核的信息。
当HER2阳性时,利用关于棕色细胞膜和蓝色细胞核的信息。
当HER2阴性时,利用关于蓝色细胞核的信息。
(步骤2)利用细胞核来对细胞数目进行计数。
在ER/PgR的情况下,对棕色细胞核和蓝色细胞核的数目进行计数。
在HER2的情况下,对蓝色细胞核的数目进行计数。此外,确定围绕每个细胞核的每个细胞膜的染色强度。
<根据第二实施例的信息处理系统的配置>
图2是示出了根据第二实施例包括病理图像诊断支持设备200作为信息处理设备的信息处理系统250的配置的框图。如图2所示,病理图像诊断支持设备200经由网络240连接至多个客户端PC220,多个客户端PC220连接至相应颜色扫描器221,颜色扫描器221用于将组织标本图像读取(输入)其中。病理图像诊断支持设备200还连接至病理图像诊断中心230,病理图像诊断中心230用于接收通过病理图像诊断支持设备200的处理而获得的图像或结果,使得专业医师可以分析和诊断。病理图像诊断支持设备200对应于根据本发明的信息处理设备。可以认为客户端PC 220和颜色扫描器221中的每一个对应于根据本发明的信息处理系统的“输入终端”。可以认为每个客户端PC 220还对应于根据本发明的信息处理系统的“显示终端”。可以认为病理图像诊断中心230还对应于根据本发明的信息处理系统的“显示终端”。网络240可以是包括因特网的公共网络或医院内LAN。
病理图像诊断支持设备200的通信控制部分201接收从客户端PC220经由网络240发送的组织标本图像。即,可以认为通信控制部分201对应于用于经由网络240接收组织标本图像的“接收单元”。图像存储部分(图像存储单元)202存储所接收的组织标本图像。区域选择部分(区域选择单元)203从所接收的组织标本图像中选择多个区域。在图像处理部分(图像处理单元)204中处理相应所选区域中的图像,在掩模产生部分(掩模产生单元)205中产生针对每个所选区域的掩模。所有所选区域是连续处理的。当所接收的组织标本图像已经被选择并且是具有可以容易地对细胞数目进行计数的分辨率的图像时,可以产生针对整个所接收的组织标本图像的掩模。所接收的组织标本图像206、围绕每个所选区域的标记207、以及每个所选区域的组织标本图像208被发送至显示数据产生部分210。在掩模产生部分205中产生的掩模209也被发送至显示数据产生部分210。
显示数据产生部分(显示数据产生单元)210根据所接收的组织标本图像206、围绕每个所选区域的标记207、每个所选区域的组织标本图像208以及掩模209来产生各条显示数据。客户端PC 220选择期望显示数据作为显示数据。所选显示数据从通信控制部分201经由网络240发送至客户端PC 220并在显示屏上显示。备选地,所选显示数据发送至病理图像诊断中心230,使得专业医师可以分析和诊断。即,可以认为通信控制部分201对应于用于经由网络240发送计数单元所计数的实质细胞的数目或者显示数据产生单元所产生的显示数据的“发送单元”。
<病理图像诊断支持设备200的功能配置>
图3是更详细示出了图像处理部分204、掩模产生部分205和显示数据产生部分210的配置的框图。在被实施例中,描述使用IHC染色的乳癌组织标本图像的示例。然而,本发明不限于此。
图像处理部分204包括:大小减小部分(大小减小单元)301、灰度化部分(灰度化单元)302以及平滑化部分(平滑化处理单元)303。大小减小部分301减小每个所选区域中的组织标本图像的大小。执行大小减小以填充具体围绕实质细胞的空间(图像上的薄膜的背景颜色)(以使得组织标本图像密集地具有实质细胞)。利用每个所选区域的分辨率、生物组织的部位等等来确定减小比率作为大小减小的参数。每个所选区域中的大小减小的组织标本图像被发送至灰度化部分302。灰度化部分302将彩色组织标本图像转换为灰度图像。本实施例示出了从0至255的灰度的示例。然后,灰度图像被发送至平滑化部分303。平滑化部分303对灰度图像进行平滑化,使得可以通过二进制化来将细胞核的亮度值和间质的亮度值互相分离。本发明示出了使用高斯滤波器来对灰度图像进行平滑化的示例。在使用高斯滤波器的情况下,矩阵大小和加权影响平滑化的结果。在本实施例中,矩阵大小和加权(作为平滑化的参数)被选为使得,根据染色的间质的一部分的密度,矩阵大小中的染色间质的部分较小,并且加权受到例如周围未染色部分的影响。本发明不限于大小减小部分301、灰度化部分302和平滑化部分303的顺序。通过在图像处理部分204中处理而产生的组织标本图像也称为处理后的组织标本图像。在本实施例中,基于细胞核的亮度值来将实质细胞和间质细胞互相分离。然而本发明不限于此,可以根据另一细胞成分(例如细胞核、细胞膜、细胞质、淋巴细胞等等)的差异来将它们互相分离。
掩模产生部分205包括:二进制化部分(二进制单元)304、亮度值直方图产生部分(亮度值直方图产生单元)305、阈值计算部分(阈值计算单元)306、后处理部分(后处理单元)307。在二进制化部分304中,对已经在图像处理部分204中图像处理的图像,尤其是在平滑化部分303中进行了平滑化以使得间质和细胞核可以互相分离的图像,进行二进制化。在阈值计算部分306中,基于在亮度值直方图产生部分305中产生的亮度值直方图来计算用于该二进制化的阈值。在本实施例中,利用动态编程(DP)作为在阈值计算部分306中用于计算阈值的优选示例。然而,本发明不限于此,可以利用任何其他阈值计算方法。根据本发明的发明人的研究,当灰度为从0至255时,通过各种IHC染色获得的可靠阈值是例如从190至215。因此,在本实施例中,当利用动态编程(DP)计算的阈值小于190时,将其校正为190;当其超过215时,将其校正为215。
在二进制化部分304中,使用在阈值计算部分306中计算的阈值来执行二进制化,并且将亮度值高于阈值的部分用作作为掩模候选的区域(以下称为掩模候选区域)。在后处理部分307中,对掩模候选区域进行各种处理,使得产生可靠的最终掩模作为掩模。例如,在从二进制化处理部分304输出的二进制图像的掩模候选区域中,许多离散点保留在要观察的实质细胞区域与间质细胞区域之间的边界附近。该掩模预期易于对要观察的实质细胞的数目进行计数。因而应当避免要观察的实质细胞被掩膜移除。因此,在后处理部分307中,例如,尽可能将离散点连接至要观察的实质细胞区域。优选地,通过打开和闭合,具体优选地,通过闭合指示实质细胞的黑色,来连接离散点。此外,例如,许多孤立点可以散布在掩模候选区域。因此,优选地,在后处理部分307中移除孤立点。例如,通过在大小减小之后扩大掩模候选区域中的白色区域来移除孤立点的噪声。此外,例如,不必要的空洞出现在要观察的实质细胞区域中。当留下这些空洞时,它们变为掩模的一部分。因此,优选地,在后处理部分307中,通过黑色实质细胞区域中的闭合等等来填充空洞。将合适的值选为后处理的参数。如上所述,在本实施例中,在选择值时,给予不移除要观察的实质细胞的条件较高优先级。
显示数据产生部分(显示数据产生单元)210包括:叠加部分(叠加单元)308、计数部分(计数单元)309、条形图产生部分(条形图产生单元)311、映射部分(映射单元)312、以及显示数据存储部分(显示数据存储单元)313。如图2所示,所接收的组织标本图像206、围绕每个所选区域的标记207、每个所选区域的组织标本图像208以及掩模209输入至显示数据产生部分210以产生显示数据。显示数据产生部分210可以被配置为使得根据来自客户端PC220的请求,使用其他数据来产生其他显示数据。在本实施例中,在显示数据存储部分313中提供5条显示数据。第一显示数据321是通过将围绕每个所选区域的标记207叠加在在映射部分312中接收的所接收的组织标本图像206上而获得的图像的数据(见图6)。第二显示数据322是每个所选区域的组织标本图像208的数据(见图8)。第三显示数据323是在叠加部分308中将掩模209作为反图像叠加在每个所选区域的组织标本图像208上而获得的图像的数据(见图12)。第四显示数据324示出了通过在计数部分309中对第三显示数据323的要观察的实质细胞区域中具有每个染色强度的细胞的数目进行计数而获得的值(见图19的标号“1904”指示的部分)。第五显示数据325是基于根据每个染色强度的计数值,在条形图产生部分311中产生的条形图的图像的数据(见图17、18、20)。在显示数据存储部分313中提供的5条显示数据一起发送和显示,作为来自客户端PC220的请求或病理图像诊断支持设备200的服务。在本实施例中,在显示数据产生部分(显示数据产生单元210)中并入叠加部分(叠加单元)308和计数部分(计数单元)309。然而,根据本发明的信息处理设备的配置不限于此。在本实施例中,如上所述,第一显示数据321至第五显示数据325用作显示数据,然而本发明不限于此。例如,在仅显示计数部分309中计数的数目的实质细胞的情况下,不需要提供与“显示数据产生单元”相对应的单元。
<病理图像诊断支持设备200的硬件配置>
图4A是示出了根据第二实施例作为信息处理设备的病理图像诊断支持设备200的硬件配置的框图。如图4A所示,病理图像诊断支持设备200包括:CPU(中央处理单元)410、ROM(只读存储器)420、通信控制部分201、RAM(随机存取存储器)430和存储器440。
在图4A中,CPU 410是算术和控制处理器,并执行程序使得可以实现图2和3的部分的功能。ROM 420存储固定数据和程序,如初始数据和初始程序。如图2所示,通信控制部分201经由网络240与设备之外的客户端PC 220和病理图像诊断中心230等等通信。
RAM 430用作CPU 410进行临时存储的工作区域。RAM 430预留区域以存储实现本实施例所需的以下数据。即,RAM 430包括用于临时存储要进行根据本实施例的各种处理的图像数据431和要经由通信控制部分201发送至客户端PC 220的显示数据432的区域。RAM 430还包括程序执行区域433。
存储器440是诊断支持信息441、各种参数442和各种程序443的非易失性存储器。
如图4B所示,RAM 430中要处理的图像数据431包括以下数据:
·经由通信控制部分201接收的组织标本图像451
·从所接收的组织标本图像中选择的一个区域的图像452
·通过将所选区域的图像的大小减小以填充其中空间而获得的减小大小的图像453
·通过将大小减小的图像453转换为灰度而获得的灰度图像454
·通过对灰度图像454进行平滑化而获得的平滑化图像455
·根据平滑化图像455产生的亮度值直方图456
·基于亮度值直方图456计算的用于二进制化的二进制化阈值457
·通过对灰度图像进行二进制化而获得的二进制图像458
·通过对二进制图像进行后处理(如连接离散点、删除孤立点和填充空洞)而获得的用于删除间质区域的掩模图像459
显示数据432包括以下数据。
·通过将所选区域映射至所接收的组织标本图像而获得的所选区域映射图像461
·第一所选区域的第一所选区域图像462
·通过利用掩模图像来掩蔽第一所选区域图像462而获得的第一掩模叠加图像463
·第一细胞计数值464,作为掩模叠加图像中具有每个染色强度的癌细胞的计数数目
·基于具有每个染色强度的癌细胞的计数数目而产生的第一条形图图像465
针对每个后续所选区域的显示数据432中包括相同类型的数据。
如图4C所示,存储器440中的诊断支持信息441包括以下数据。
·所接收的组织标本图像471
·作为从组织标本图像中选择的部分区域的所选区域的位置和大小472
·与所选区域中的癌细胞相关的计数值473
·存储以能够利用组织标本图像、患者、病例等等来搜索的处理后的显示数据474
如图4C所示,存储器440中的各种参数442包括以下参数。
·用于大小减小的减小比率481
·用于改变为灰度图像的灰度参数482
·用于平滑化的平滑化参数483,如使用高斯滤波器的处理中的矩阵大小和加权
·用于计算二进制化阈值的阈值计算参数484
除了用于动态编程的参数之外,存储器440中存储阈值的最大值和最小值。
·用于后处理(如连接离散点、删除孤立点和填充空洞)的后处理参数485
·用于确定利用IHC染色对每个细胞中的细胞膜的染色程度的染色强度确定参数486
在根据具有每个染色强度的细胞的数目的比例来确定得分(具有0,+1,+2和+3的标度)的情况下,还存储得分。
如图4C所示,存储器440中的各种程序443包括以下程序。
·用于支持诊断的诊断支持程序491
·用于从组织标本图像中选择癌细胞区域的区域选择程序492
·用于实现图像处理部分204中的处理的图像处理程序493(用于执行图7的S701至S709)
·用于实现掩模产生部分205中的处理的掩模产生程序494(用于执行图7的S711至S719)
·用于对具有掩模的所选区域的图像中具有每个染色强度的细胞的数目进行计数的细胞计数程序495(用于执行图5的S509)(具体见图13)
·用于产生条形图的条形图产生程序496,所述条形图示出了具有每个染色强度的细胞的计数数目中的细胞数目的比例(用于执行图5的S511)(具体见图14)
·用于针对服务经由网络240向客户端PC 220产生显示数据的发送数据产生程序497(用于执行图5的S515)(具体见图16)
<操作病理图像诊断支持设备200的方法>
以下参照流程图和显示屏的示例来具体描述用于操作具有上述配置的病理图像诊断支持设备200的过程。CPU 410执行每个流程图所示的程序,从而实现图2和3中的组件的功能。
(支持诊断的过程)
图5是示出了本实施例中用于支持诊断的整体过程的流程图。
在步骤S501(接收步骤),病理图像诊断支持设备200等待要从客户端PC 220发送的组织标本图像。当病理图像诊断支持设备200接收组织标本图像时,在步骤S503中将其存储。然后在步骤S505,从所接收的组织标本图像中选择预定数目的区域。
图6示出了显示组织标本图像上的所选区域的示例。图6的显示屏600包括:所接收的组织标本图像601;其大小减小的图像602。标号603指示所选区域,在本实施例中,针对每个所选区域产生掩模。在图6中,示出了由标号“1”至“5”指示的自动选择的5个区域。可以使用已知方法作为用于选择区域的算法,或者用户可以利用客户端PC 220来选择区域。该显示屏600上的显示可以发送至客户端PC 220,使得用户可以检查该显示,然而这不包括在图5中。
此后,在步骤S507至S513中处理每个所选区域,直至处理所有所选区域。首先,在步骤S507(掩模产生步骤和叠加步骤),针对每个所选区域的组织标本图像,产生用于移除间质的掩模,将所产生的掩模叠加在组织标本图像上,以掩蔽间质部分,从而产生叠加图像(图7)。在步骤S509(计数步骤),对具有掩模的每个所选区域的组织标本图像中具有每个染色强度的细胞的数目进行计数(以下描述的图13)。在步骤S511(显示数据产生步骤的一部分)中,产生条形图,所述条形图示出在步骤S509确定的具有每个染色强度的细胞数目的比例(图14)。在示出具有每个染色强度的细胞数目的比例时,可以使用任何各种方法作为用于区分染色强度的方法。在本实施例中,产生条形图,其中以不同颜色对每个比例进行颜色编码。随后,在步骤S513,确定是否完全处理所有所选区域,如果任何所选区域尚未处理,则执行从S507开始的步骤。
当完全处理所有所选区域时,在步骤S515产生显示数据(显示数据产生步骤的另一部分)(图16)。在步骤S517(发送步骤),经由网络240将步骤S515中产生的显示数据发送至客户端PC 220(或病理图像诊断中心230)。在步骤S519,确定处理是否完成,如果需要另一显示数据,则在步骤S515产生并发送显示数据。
(产生掩模和叠加图像的过程S507)
图7是示出了图5的步骤S507所示的用于产生掩模和叠加图像的具体过程的流程图。
首先,在步骤701,获取一个所选区域的组织标本图像。图8是在图6的5个所选区域603中选择标号“3”所指示的所选区域(以下称为“第三所选区域”)时显示的放大视图。第三所选区域800包括:被观察为密集块的癌实质细胞的区域801(以下称为“癌实质细胞区域”);间质细胞的区域802,其中散布深色离散点(以下称为“间质细胞区域”);以及不是组织标本图像的背景的区域803(以下称为“背景区域”)(例如使用显微镜的情况下的制剂)。图8是黑白图。然而实际上,区域801是密集地具有染色为浅蓝色的细胞核和染色为棕色的围绕细胞核的细胞膜的区域;区域802是散布染色为深蓝色的淋巴细胞等等的区域。在描述对细胞数目计数的下一部分中描述细胞膜的染色强度。
在图7的步骤S703中,存储所获取的所选区域的组织标本图像。后续步骤S705至S709中的处理序列对应于图像处理部分204中的处理序列。在步骤S705(大小减小步骤),具体减小所获取的所选区域的组织标本图像的大小,以填充组织标本图像的癌实质细胞区域801中除细胞之外的空间。然后,在步骤S707(灰度化步骤),将彩色图像转换为灰度图像,例如在本实施例中灰度图像具有从“0”至“255”的亮度值。图9的上图910是在大小减小和转换为灰度图像之后获得的图像。此后,在步骤S709(图像处理步骤),对图9的上图910进行平滑化(在本实施例中使用高斯滤波器),从而将图像改变为图9的下图920。在图9的下图920中,通过平滑化降低癌实质细胞区域801中的对比度,使得该区域变为块。通过环绕具有高亮度值的像素,影响间质细胞区域802,从而将染色为深蓝色的散布的间质细胞核的亮度值改变为较高。
后续步骤S711至S719中的处理序列对应于掩模产生部分205中的处理序列。首先,在步骤S711(亮度值直方图产生步骤),产生基于平滑化图像920的亮度值直方图。图10示出了基于图9的下图920产生的亮度值直方图1000的示例。水平轴指示从“0”至“255”的亮度值,竖直轴指示像素的数目。如图10所示,在本实施例中,图像920的亮度值从“80”附近至“320”附近。在具有最高亮度值(最亮)的像素数目处的峰值1010指示背景区域803(具有在不是组织的部分中的制剂的颜色)。具有仅次于最高亮度值的亮度值(浅色)的峰值1020指示间质细胞区域802。具有低亮度(深色)的部分1030指示癌实质细胞区域801。部分1030中的峰值1040指示实质细胞的细胞核。在步骤S713(阈值计算步骤),利用动态编程来计算用于将间质细胞区域802与癌实质细胞区域801分离的有利二进制化阈值。在本实施例中,利用动态编程来计算二进制化阈值,然而本发明不限于此。通过平滑化等等,间质细胞区域802与癌实质细胞区域801之间的亮度值的差异显著较大。因此,即便所计算的阈值根据计算阈值的方法而不同,也可以利用二进制化来将间质细胞区域802和癌实质细胞区域801互相分离。
在步骤S715(二进制化步骤),使用在步骤S713中计算的阈值,对平滑化之后获得的所选区域的组织标本图像进行二进制化。图11的上图1110示出了二进制化之后获得的所选区域的组织标本图像。标号1111指示通过二进制化具有“0”(黑色)的癌实质细胞区域,标号1112指示通过二进制化具有“255”(白色)的间质细胞区域。在图11的上图1110的二进制图像中,从实质细胞的块扩散的离散点1113保持在实质细胞区域和间质细胞区域之间。此外,孤立点1114保持在白色间质细胞区域,小空洞1115保持在黑色实质细胞区域。在步骤S717(后处理步骤),执行后处理以连接或删除这些特定点。
为了连接离散点1113,执行打开和闭合。为了移除孤立点1114,扩大白色区域。为了填充小空洞1115,通过闭合等等填充黑色区域中的空洞。哪个大小的黑色部分被认为是离散点或孤立点,或者哪个大小的白色部分被认为是空洞,可以根据例如其经验值来选择。具体地,例如,可以基于缩放比或者图像的分辨率及其经验值来选择合适的参数。基本上,由于目的是对黑色区域(未被掩蔽)中具有每个染色强度的细胞数目进行计数,参数被决定为使得包括细胞的区域不被掩蔽,并且保持黑色区域。图11的下图1120示出了在后处理之后获得的图像的示例。在图11中,标号1121指示的白色区域是要作为掩模的区域。从与图11的上图1110的比较可以看到,离散点1113连接至黑色区域,孤立点1114被移除,并利用后处理来填充小空洞1115。
在步骤S719,以与步骤S705中执行的大小减小中所使用的相同的比率,放大后处理后获得的图像(图11的下图1120),并使用白色区域作为掩模区域来产生合适掩模。
随后,在步骤S721,所产生的掩模叠加在所选区域的原始组织标本图像上,从而移除掩模区域。因此,产生具有掩模的所选区域的组织标本图像1200,如图12所示。在步骤S273中,将具有掩模的所选区域的组织标本图像1200与用于区分所选区域的所选区域ID相关联地存储。
(用于对细胞数目进行计数的过程S509)
图13是示出了图5的S509中示出的用于对细胞数目进行计数的具体过程的流程图。
首先,在步骤S1301,获取在图7的S723中存储的掩模叠加图像(见图12)。在步骤S1303,确定在本实施例的IHC染色中的受体是“HER2”还是“ER”和“PgR”中的任一个。当受体是“HER2”时,对细胞膜进行染色,使得可以观察到染色强度的改变。因此,在步骤S1305中,在本实施例中对3种染色强度(无、弱和强)中每一种的细胞数目进行计数。“无”指示细胞核被染色为蓝色并且细胞膜未染色的细胞。“弱”指示细胞膜的一部分被染色为棕色的细胞。“强”指示整个细胞膜被染色并具有闭合曲线的细胞。在步骤S1307,将所计数的具有每个染色强度的细胞数目与染色强度相关联地存储。
当受体为“ER”或“PgR”时,对细胞核进行染色,使得染色被分类为“有”或“无”。因此,在步骤S1309中,对有和无细胞核染色中每一种的细胞数目进行计数。然后,在步骤S1311,将细胞数目与染色的有或无相关联地存储。
(产生条形图S511的过程)
图14是示出了图5的S511指示的用于产生条形图的具体过程的流程图。
首先,在步骤S1401,确定在本实施例的IHC染色中的受体是“HER2”还是“ER”和“PgR”中的任一个。当受体是“HER2”时,在步骤S1403中计算3种染色强度中每一种的细胞数目的比例。在本实施例中,利用百分比来指示具有每个染色强度的细胞数目的比例,假定细胞总数的比例为100%。随后,在步骤S1405,产生条形图,其中每个比例被颜色编码,使得3种染色强度互相区分。在本实施例中,产生条形图,其中,按照(无:绿色-弱:黄色-强:红色)的顺序,利用绿色指示“无”染色的细胞数目的比例,利用黄色指示“弱”染色的细胞数目的比例,利用红色指示“强”染色的细胞数目的比例。
当受体为“ER”或“PgR”时,在步骤S1407确定有染色和无染色中每一种的细胞数目的比例,并在步骤S1409产生条形图,其中,按照(无:绿色-有:红色)的顺序,利用绿色指示“无”染色的细胞数目的比例,利用红色指示“有”染色的细胞数目的比例。在步骤S1411,将所产生的条形图与组织标本图像的所选区域相关联地存储。
在确定组织标本图像的所选区域中的细胞膜的反应性得分的情况下,添加至显示数据的条形图用作辅助信息。例如,根据具有强染色强度的细胞数目的比例、具有强染色强度的比例和具有弱染色强度的比例的组合等等作为确定准则,来确定HER2的得分(+3,+2,+1,0)。因此,如果确定或辅助地视觉确定比例或组合,则其在基于组织标本图像的诊断中是有用的。因此,本实施例示出利用百分比进行归一化的示例。如果需要检查细胞总数,则可以示出其比例,并以不同颜色来指示细胞的每个实际数目。
尽管本实施例中为提及自动得分确定,但是可以自动确定每个所选区域的得分和整个组织标本图像的得分作为其结果。
(显示数据存储部分313的配置)
图15是示出了图3的显示数据存储部分313的配置的图。RAM430中显示数据432的配置和存储器440中显示数据474的配置可以与图15中的相应配置类似。
图15示出了一个所接收的组织标本图像310的配置。如图15所示,组织标本图像130包括:与组织标本图像ID 1500相关联的多个所选区域ID 1510和1520。组织标本图像310还将各条图像数据1530和1540(不具有掩模的组织标本图像、具有掩模的组织标本图像等等)与所选区域ID1510和1520相关联地保存。组织标本图像310还将以下与所选区域ID1510存储:所计数的细胞总数1511;具有染色强度(强)的细胞数目及其比例1512;具有染色强度(弱)的细胞数目及其比例1513;以及具有染色强度(无)的细胞数目及其比例1514。组织标本图像310还存储:通过利用条形图图像指针来指示而产生的条形图图像1550。在条形图图像1550中,红条1551的长度、黄条1552的长度和绿条1553的长度分别对应于具有染色强度(强)的比例、具有染色强度(弱)的比例和具有染色强度(无)的比例。
在本实施例中,在显示数据存储部分313中管理基于一个所接收的组织标本图像的数据,然而本发明不限于此。例如,可以通过将诊断历史包括在显示数据存储部分313中存储的数据中,利用患者ID、医院ID、病例ID等等来管理根据诊断历史存储的多个图像。
(产生显示数据的过程)
图16是示出了图5的S515指示的用于产生显示数据的具体过程的流程图。显示数据可以预先提供作为本实施例中的病理图像诊断支持设备的服务,或者可以响应于来自客户端PC 220的用户请求而产生。在后一情况下,以对话方式产生显示数据,然而未对其具体描述。
在步骤S1601,确定在S515中是否显示整个所接收的组织标本图像。当显示整个所接收的组织标本图像时,在步骤S1603,将所选区域映射至组织标本图像,将条形图添加至每个所选区域的缩略图。此外,添加利用颜色边界来指示组织标本图像中的得分的图像。产生这种显示图像作为显示数据。
图17是示出了通过在客户端PC 220上显示在步骤S1603中产生的显示数据而获得的显示屏1700的图。如图17所示,显示屏1700包括:组织标本图像1701,其上叠加有5个所选区域;组织标本图像的大小减小的图像1702;根据相应得分具有颜色边界的组织标本图像的缩略图1703;以及每个具有条形图的相应5个所选区域的缩略图1704。该缩略图1703和1704用作用于用户选择显示图像的按钮。
在步骤S1605,确定在S515是否显示一个所选区域。当显示一个所选区域时,在步骤S1607,通过将与所选区域相对应的条形图添加至该一个所选区域的放大图像并通过将条形图添加至每个所选区域的缩略图而获得的图像作为显示数据。
图18是示出了通过在客户端PC 220上显示在步骤S1607中产生的显示数据而获得的显示屏1800的图。如图18所示,显示屏1800包括:一个所选区域的放大的组织标本图像1801;所选区域的大小减小的图像1802;与所选区域相对应的条形图1803。显示整个组织标本图像的缩略图1703和每个具有条形图的5个所选区域的缩略图1704作为按钮。图18示出了以下情况的示例:选择图17中的标号“3”所指示的第三所选区域,使得5个所选区域的缩略图中由标号“3”指示的第三所选区域的深色边界指示选择第三所选区域的结果。与由标号“3”指示的第三所选区域相对应的条形图1803与条形图1550相同。标号1804对应于图15的标号1551。标号1805对应于图15的标号1552。标号1806对应于图15的标号1553。
在步骤S1609,确定是否在S515显示一个所选区域中具有每个染色强度的所计数的细胞数目及其分布。当显示所计数的细胞数目和分布时,在步骤S1611,产生根据每个染色强度对该一个所选区域的放大图像中的细胞进行颜色编码而获得的图像,并产生通过将具有每个染色强度的所计数的细胞数目添加至所获得的图像而获得的图像作为显示数据。
图19是示出了通过在客户端PC 220上显示在步骤S1611中产生的显示数据而获得的显示屏1900的图。如图19所示,显示屏1900包括:一个所选区域的放大的组织标本图像;以及具有每个染色强度的所计数的细胞数目1904。在该一个所选区域的放大的组织标本图像中,根据每个染色强度,利用不同颜色对细胞进行颜色编码。标号1901指示着色为红色的具有染色强度(强)的细胞,标号1902指示着色为黄色的具有染色强度(弱)的细胞,标号1903指示着色为绿色的具有染色强度(无)的细胞。
在步骤S1613,确定是否在S515显示通过利用所产生的掩模对所选区域的组织标本图像进行掩蔽而获得的掩模叠加图像。当显示掩模叠加图像时,在步骤S1615,将掩模叠加图像(见图12)并入显示数据。在将掩模叠加图像并入显示数据的情况下的显示示例未具体示出。掩模叠加图像可以被显示为所选区域的组织标本图像的替代,或者可以添加至显示屏幕的区域。可以通过显示掩模叠加图像,将掩模叠加图像与不具有掩模的图像进行比较,从而可以检查是否正确执行对具有每个染色强度的细胞数目进行计数。
当在步骤S1601,S1605和S1609中未选择各个显示数据的组合时,在步骤S1617中提供各个显示数据的其他组合以及来自客户端PC 220的用户请求的组合。
[第三实施例]
参照图20来描述本发明的第三实施例。在第二实施例中,病理图像诊断支持设备200自动选择区域,例如5个区域,并对具有每个染色强度的细胞数目进行计数。在第三实施例中,如图20所示,除了病理图像诊断支持设备200自动选择的区域之外,用户可以选择用于对具有每个染色强度的细胞数目进行计数的区域。
病理图像诊断支持设备200自动选择的区域2005和用户选择的区域2006以叠加在发送的组织标本图像2001上的形式显示在图20的显示屏2000上。例如,响应于在对具有每个染色强度的细胞数目进行计数之前在客户端PC 220上显示图6所示的屏幕,或者响应于在对具有每个染色强度的细胞数目进行计数之后显示图17所示的结果,可以从客户端PC 220输入所选区域。
[其他实施例]
以上具体描述的本发明的实施例。本发明的范围包含通过将实施例的特性组合而获得的任何系统和设备。
本发明可以应用于由多个单元或单个单元组成的系统。本发明还适用于以下情况:从系统或设备直接或远程提供用于实现实施例功能的控制程序并执行。因此,本发明的范围包含安装在计算机中以实现本发明功能的控制程序、存储控制程序的存储介质以及WWW服务器(从WWW服务器下载控制程序)。
尽管参照本发明的示例实施例具体示出和描述了本发明,但是本发明不限于这些实施例。本领域技术人员可以理解,在不脱离由权利要求限定的本发明的精神和范围的前提下,可以在其中做出形式和细节上的各种改变。
本申请基于并要求2010年9月30日提交的日本专利申请No.2010-223049的优先权,其全部公开通过引用并入此处。
参考标号解释
100         信息处理设备
110         图像处理部分(图像处理单元)
111         平滑化部分(平滑化单元)
115         组织标本图像
120         掩模产生部分(掩模产生单元)
121          一进制化部分(二进制化单元)
125         掩模
150         组织标本图像
151         实质细胞
152         间质细胞
155         组织标本图像
200         病理图像诊断支持设备(信息处理设备)
201         通信控制部分(接收单元,发送单元)
202         图像存储部分(图像存储单元)
203         区域选择部分(区域选择单元)
204         图像处理部分(图像处理单元)
205         掩模产生部分(掩模产生单元)
206         所接收的组织标本图像
207         围绕所选区域的标记
208         每个所选区域的组织标本图像
209         掩模
210         显示数据产生部分(显示数据产生单元)
220         客户端PC(输入终端,显示终端)
221         颜色扫描器(输入终端)
230         病理图像诊断中心(显示终端)
240         网络
250         信息处理系统
301         大小减小部分(大小减小单元)
302         灰度化部分(灰度化单元)
303         平滑化部分(平滑化单元)
304         二进制化部分(二进制化单元)
305         亮度值直方图产生部分(亮度值直方图产生单元)
306         阈值计算部分(阈值计算单元)
307         后处理部分(后处理单元)
308         叠加部分(叠加单元)
309         计数部分(计数单元)
311         条形图产生部分(条形图产生单元)
312         映射部分(映射单元)
313         显示数据存储部分(显示数据存储单元)
321         第一显示数据
322         第二显示数据
323         第三显示数据
324         第四显示数据
325         第五显示数据
410         CPU
420         ROM
430         RAM
431         要处理的图像
432         显示数据
433         程序执行区域
440         存储器
441         诊断支持信息
442         各种参数
443         各种程序
451         经由通信控制部分201接收的组织标本图像
452         从所接收的组织标本图像中选择的一个区域的图像
453         通过将所选区域的图像的大小减小以填充其中空间而获得的减小大小的图像
454         通过将大小减小的图像453转换为灰度而获得的灰度图像
455         通过对灰度图像454进行平滑化而获得的平滑化图像
456         根据平滑化图像455产生的亮度值直方图
457         基于亮度值直方图456计算的用于二进制化的二进制化阈值
458         通过对灰度图像进行二进制化而获得的二进制图像
459         通过对二进制图像进行后处理(如连接离散点、删除孤立点和填充空洞)而获得的用于删除间质区域的掩模图像
461         通过将所选区域映射至所接收的组织标本图像而获得的所选区域映射图像
462         第一所选区域的第一所选区域图像
463         通过利用掩模图像来掩蔽第一所选区域图像462而获得的第一掩模叠加图像
464         第一细胞计数值,作为掩模叠加图像中具有每个染色强度的癌细胞的计数数目
465         基于具有每个染色强度的癌细胞的计数数目而产生的第一条形图图像
471         所接收的组织标本图像
472         作为从组织标本图像中选择的部分区域的所选区域的位置和大小
473         与所选区域中的癌细胞相关的计数值
474         存储以能够利用组织标本图像、患者、病例等等来搜索的处理后的显示数据
481         用于大小减小的减小比率
482         用于改变为灰度图像的灰度参数
483         用于平滑化的平滑化参数
484         用于计算二进制化阈值的阈值计算参数
485         用于后处理(如连接离散点、删除孤立点和填充空洞)的后处理参数
486         用于确定利用IHC染色对每个细胞中的细胞膜的染色程度的染色强度确定参数
491         用于支持诊断的诊断支持程序
492         用于从组织标本图像中选择癌细胞区域的区域选择程序
493         用于实现图像处理部分204中的处理的图像处理程序(用于执行图7的S701至S709)
494         用于实现掩模产生部分205中的处理的掩模产生程序(用于执行图7的S711至S719)
495         用于对具有掩模的所选区域的图像中具有每个染色强度的细胞的数目进行计数的细胞计数程序(用于执行图5的S509)(具体见图13)
496         用于产生条形图的条形图产生程序,所述条形图示出了具有每个染色强度的细胞的计数数目中的细胞数目的比例(用于执行图5的S511)(具体见图14)
497         用于针对服务经由网络240向客户端PC  220产生显示数据的发送数据产生程序(用于执行图5的S515)(具体见图16)
600         显示屏幕
601         所接收的组织标本图像
602         所接收的组织标本图像的大小减小的图像
603         所选区域,针对每个所选区域产生掩模
800         第三所选区域
801      被观察为密集块的癌实质细胞区域
802      间质细胞区域,其中散布深色离散点
803      不是组织标本图像的背景的区域803
910      在大小减小和转换为灰度图像之后获得的图像
920      通过对图像910进行平滑化获得的图像
1000     基于图像920产生的亮度值直方图
1010     与背景区域803(具有在不是组织的部分中的制剂的颜色)相关的峰值
1020     与间质细胞区域802相关的峰值
1030     与癌实质细胞区域801相关的峰值
1040     与实质细胞的细胞核相关的峰值
1110     二进制化之后获得的所选区域的组织标本图像
1111     通过二进制化具有“0”(黑色)的癌实质细胞区域
1112     通过二进制化具有“255”(白色)的间质细胞区域
1113     从实质细胞的块扩散的离散点
1114     孤立点
1115     空洞
1120     后处理后获得的图像
1121     作为掩模的区域
1200     具有掩模的所选区域的组织标本图像
310      一个所接收的组织标本图像
1500     组织标本图像ID
1510,1520  所选区域ID
1511     所计数的细胞总数
1512     具有染色强度(强)的细胞数目及其比例
1513     具有染色强度(弱)的细胞数目及其比例
1514     具有染色强度(无)的细胞数目及其比例
1515     条形图图像指针
1530,1540  各条图像数据
1550     条形图图像
1551         红条(具有染色强度(强)的比例)
1552         黄条(具有染色强度(弱)的比例)
1553         绿条(具有染色强度(无)的比例)
1700         通过在客户端PC 220上显示在步骤S1603中产生的显示数据而获得的显示屏
1701         组织标本图像,其上叠加有5个所选区域
1702         组织标本图像的大小减小的图像
1703         具有得分的颜色边界的组织标本图像的缩略图
1704         每个具有条形图的5个所选区域的缩略图
1800         通过在客户端PC 220上显示在步骤S1607中产生的显示数据而获得的显示屏
1801         组织标本图像
1802         所选区域的大小减小的图像
1803         与所选区域相对应的条形图
1804         红条(具有染色强度(强)的比例)
1805         黄条(具有染色强度(弱)的比例)
1806         绿条(具有染色强度(无)的比例)
1900         通过在客户端PC 220上显示在步骤S1611中产生的显示数据而获得的显示屏
1901         着色为红色的具有染色强度(强)的细胞
1902         着色为黄色的具有染色强度(弱)的细胞
1903         着色为绿色的具有染色强度(无)的细胞
1904         具有每个染色强度的所计数的细胞数目
2000         显示屏
2001         发送的组织标本图像
2002         所选区域的大小减小的图像
2003         具有得分的颜色边界的组织标本图像的缩略图
2004         每个具有条形图的5个所选区域的缩略图
2005         病理图像诊断支持设备200自动选择的区域
2006         用户选择的区域

Claims (21)

1.一种信息处理设备,包括:
图像处理单元,所述图像处理单元对通过对包含实质细胞和间质细胞的生物组织进行染色然后成像而获得的组织标本图像进行平滑化,使得每一个所述实质细胞的细胞成分的亮度值变为小于每一个所述间质细胞的细胞成分的亮度值;以及
掩模产生单元,所述掩模产生单元通过对所述图像处理单元平滑化后的组织标本图像进行二进制化来产生二进制图像,从而产生用于从所述平滑化后的组织标本图像中移除所述间质细胞的区域的掩模,其中,
在所述图像处理单元对所述组织标本图像的所述平滑化中,从每一个所述实质细胞的所述细胞成分的亮度值中减去根据每一个所述实质细胞的所述细胞成分的周围的亮度值的值,并且将根据每一个所述间质细胞的所述细胞成分的周围的亮度值的值加至每一个所述间质细胞的所述细胞成分的亮度值,
支持基于所述组织标本图像的诊断。
2.根据权利要求1所述的信息处理设备,其中
所述图像处理单元包括:灰度化单元,所述灰度化单元在所述平滑化之前将所述组织标本图像转换为灰度图像。
3.根据权利要求1所述的信息处理设备,其中
所述图像处理单元还包括:大小减小单元,所述大小减小单元在所述平滑化之前减小所述组织标本图像的所述大小。
4.根据权利要求1所述的信息处理设备,其中
所述掩模产生单元基于所述图像处理单元平滑化后的组织标本图像来产生亮度值直方图,基于所述亮度值直方图来计算阈值,并利用所述阈值来对所述平滑化后的组织标本图像进行二进制化。
5.根据权利要求4所述的信息处理设备,其中
所述掩模产生单元利用动态编程来计算用于所述二进制化的所述阈值。
6.根据权利要求4所述的信息处理设备,其中
当所计算的用于所述二进制化的所述阈值不在预定最大值和预定最小值之间时,使用所述最大值或所述最小值作为用于所述二进制化的所述阈值。
7.根据权利要求1所述的信息处理设备,其中
所述掩模产生单元包括从由以下组成的组中选择的至少一项:
离散点连接单元,所述离散点连接单元将离散点连接至所述二进制图像中实质细胞的区域,以将所述离散点转换为块;
孤立点移除单元,所述孤立点移除单元移除所述二进制图像中的孤立点;以及
空洞填充单元,所述空洞填充单元填充所述二进制图像中的空洞。
8.根据权利要求1所述的信息处理设备,还包括:
叠加单元,所述叠加单元将所述掩模产生单元产生的所述掩模叠加在所述组织标本图像上;以及
计数单元,所述计数单元对其上叠加有所述掩模的所述组织标本图像中包含的具有每个染色强度的所述实质细胞的数目进行计数。
9.根据权利要求8所述的信息处理设备,还包括:
显示数据产生单元,所述显示数据产生单元产生用于显示所述计数单元计数的具有每个染色强度的所述实质细胞的所述数目的显示数据。
10.根据权利要求9所述的信息处理设备,其中
所述显示数据产生单元产生用于在条形图中显示所述计数单元计数的具有每个染色强度的所述实质细胞的所述数目的显示数据。
11.根据权利要求10所述的信息处理设备,其中
所述显示数据产生单元产生用于在条形图中显示所述计数单元计数的具有每个染色强度的所述实质细胞的所述数目的比例的显示数据。
12.根据权利要求9所述的信息处理设备,其中
所述显示数据产生单元产生用于显示通过将所述掩模产生单元产生的所述掩模叠加在所述组织标本图像上而获得的图像的显示数据。
13.根据权利要求9所述的信息处理设备,还包括:
输入单元,所述输入单元将所述组织标本图像输入所述信息处理设备;以及
显示单元,所述显示单元显示所述计数单元计数的具有每个染色强度的所述实质细胞的所述数目或者所述显示数据产生单元产生的所述显示数据。
14.根据权利要求9所述的信息处理设备,还包括:
接收单元,所述接收单元经由网络接收所述组织标本图像;以及
发送单元,所述发送单元经由网络发送所述计数单元计数的所述实质细胞的所述数目或者所述显示数据产生单元产生的所述显示数据。
15.一种信息处理系统,包括:
根据权利要求14所述的信息处理设备;
输入终端;以及
显示终端,其中
所述接收单元接收的所述组织标本图像由所述输入终端输入并经由网络发送,以及
所述计数单元计数的所述实质细胞的所述数目或所述显示数据产生单元产生的所述显示数据由所述显示终端经由网络接收并显示。
16.一种信息处理方法,其中
使用根据权利要求1所述的信息处理设备,以及
所述方法包括:
图像处理步骤,通过所述图像处理单元对所述组织标本图像进行平滑化,使得每一个所述实质细胞的细胞成分的亮度值变为小于每一个所述间质细胞的细胞成分的亮度值;以及
掩模产生步骤,由所述掩模产生单元通过对所述图像处理步骤中平滑化后的组织标本图像进行二进制化来产生二进制图像,从而产生用于从所述平滑化后的组织标本图像中移除所述间质细胞的区域的掩模,其中
支持基于所述组织标本图像的诊断。
17.一种信息处理方法,其中
使用根据权利要求8所述的信息处理设备,以及
所述方法包括:
图像处理步骤,通过所述图像处理单元对所述组织标本图像进行平滑化,使得每一个所述实质细胞的细胞成分的亮度值变为小于每一个所述间质细胞的细胞成分的亮度值;
掩模产生步骤,由所述掩模产生单元通过对所述图像处理步骤中平滑化后的组织标本图像进行二进制化来产生二进制图像,从而产生用于从所述平滑化后的组织标本图像中移除所述间质细胞的区域的掩模;
叠加步骤,通过所述叠加单元将所述掩模产生单元产生的所述掩模叠加在所述组织标本图像上;以及
计数步骤,通过所述计数单元对其上叠加有所述掩模的所述组织标本图像中包含的所述实质细胞的数目进行计数,其中
支持基于所述组织标本图像的诊断。
18.一种信息处理方法,其中
使用根据权利要求9所述的信息处理设备,以及
所述方法包括:
图像处理步骤,通过所述图像处理单元对所述组织标本图像进行平滑化,使得每一个所述实质细胞的细胞成分的亮度值变为小于每一个所述间质细胞的细胞成分的亮度值;
掩模产生步骤,由所述掩模产生单元通过对所述图像处理步骤中平滑化后的组织标本图像进行二进制化来产生二进制图像,从而产生用于从所述平滑化后的组织标本图像中移除所述间质细胞的区域的掩模;
叠加步骤,通过所述叠加单元将所述掩模产生单元产生的所述掩模叠加在所述组织标本图像上;
计数步骤,通过所述计数单元对其上叠加有所述掩模的所述组织标本图像中包含的所述实质细胞的数目进行计数;以及
显示数据产生步骤,通过所述显示数据产生单元产生用于显示所述计数单元计数的具有每个染色强度的所述实质细胞的所述数目的显示数据,其中
支持基于所述组织标本图像的诊断。
19.一种信息处理方法,其中
使用根据权利要求13所述的信息处理设备,以及
所述方法包括:
图像处理步骤,通过所述图像处理单元对所述组织标本图像进行平滑化,使得每一个所述实质细胞的细胞成分的亮度值变为小于每一个所述间质细胞的细胞成分的亮度值;
掩模产生步骤,由所述掩模产生单元通过对所述图像处理步骤中平滑化后的组织标本图像进行二进制化来产生二进制图像,从而产生用于从所述平滑化后的组织标本图像中移除所述间质细胞的区域的掩模;
叠加步骤,通过所述叠加单元将所述掩模产生单元产生的所述掩模叠加在所述组织标本图像上;
计数步骤,通过所述计数单元对其上叠加有所述掩模的所述组织标本图像中包含的所述实质细胞的数目进行计数;
输入步骤,通过所述输入单元将所述组织标本图像输入所述信息处理设备;以及
显示步骤,通过所述显示单元显示所述计数单元计数的具有每个染色强度的所述实质细胞的所述数目或者所述显示数据产生单元产生的所述显示数据,其中
支持基于所述组织标本图像的诊断。
20.一种信息处理方法,其中
使用根据权利要求14所述的信息处理设备,以及
所述方法包括:
图像处理步骤,通过所述图像处理单元对所述组织标本图像进行平滑化,使得每一个所述实质细胞的细胞成分的亮度值变为小于每一个所述间质细胞的细胞成分的亮度值;
掩模产生步骤,由所述掩模产生单元通过对所述图像处理步骤中平滑化后的组织标本图像进行二进制化来产生二进制图像,从而产生用于从所述平滑化后的组织标本图像中移除所述间质细胞的区域的掩模;
叠加步骤,通过所述叠加单元将所述掩模产生单元产生的所述掩模叠加在所述组织标本图像上;
计数步骤,通过所述计数单元对其上叠加有所述掩模的所述组织标本图像中包含的所述实质细胞的数目进行计数;
接收步骤,通过所述接收单元经由网络接收所述组织标本图像;以及
发送步骤,通过所述发送单元经由网络发送所述计数单元计数的所述实质细胞的所述数目或者所述显示数据产生单元产生的所述显示数据,其中
支持基于所述组织标本图像的诊断。
21.一种信息处理方法,其中
使用信息处理系统;以及
所述信息处理系统包括:
根据权利要求14所述的信息处理设备;
输入终端;以及
显示终端,其中
所述接收单元接收的所述组织标本图像由所述输入终端输入并经由网络发送,以及
所述计数单元计数的所述实质细胞的所述数目或所述显示数据产生单元产生的所述显示数据经由网络接收并由所述显示终端显示,以及
所述方法包括:
图像处理步骤,通过所述图像处理单元对所述组织标本图像进行平滑化,使得每一个所述实质细胞的细胞成分的亮度值变为小于每一个所述间质细胞的细胞成分的亮度值;
掩模产生步骤,由所述掩模产生单元通过对所述图像处理步骤中平滑化后的组织标本图像进行二进制化来产生二进制图像,从而产生用于从所述平滑化后的组织标本图像中移除所述间质细胞的区域的掩模;
叠加步骤,通过所述叠加单元将所述掩模产生单元产生的所述掩模叠加在所述组织标本图像上;
计数步骤,通过所述计数单元对其上叠加有所述掩模的所述组织标本图像中包含的所述实质细胞的数目进行计数;
接收步骤,通过所述接收单元经由网络接收所述组织标本图像;
发送步骤,通过所述发送单元经由网络发送所述计数单元计数的所述实质细胞的所述数目或者所述显示数据产生单元产生的所述显示数据;
输入和发送步骤,通过所述输入终端输入并经由网络发送所述接收单元接收的所述组织标本图像;以及
接收和显示步骤,通过所述显示终端经由网络接收并显示所述计数单元计数的所述实质细胞的所述数目或所述显示数据产生单元产生的所述显示数据,其中
支持基于所述组织标本图像的诊断。
CN201180043669.3A 2010-09-30 2011-09-27 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 Active CN103097889B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2010223049 2010-09-30
JP2010-223049 2010-09-30
PCT/JP2011/071930 WO2012043498A1 (ja) 2010-09-30 2011-09-27 情報処理装置、情報処理システム、情報処理方法、プログラム及び記録媒体

Publications (2)

Publication Number Publication Date
CN103097889A CN103097889A (zh) 2013-05-08
CN103097889B true CN103097889B (zh) 2015-03-18

Family

ID=45892941

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201180043669.3A Active CN103097889B (zh) 2010-09-30 2011-09-27 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

Country Status (4)

Country Link
US (2) US9076198B2 (zh)
JP (1) JP5871325B2 (zh)
CN (1) CN103097889B (zh)
WO (1) WO2012043498A1 (zh)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5871325B2 (ja) * 2010-09-30 2016-03-01 日本電気株式会社 情報処理装置、情報処理システム、情報処理方法、プログラム及び記録媒体
CN108133215B (zh) * 2012-04-02 2020-10-20 惠安县崇武镇锐锐海鲜干品店 一种处理单元
WO2013161155A1 (ja) * 2012-04-23 2013-10-31 日本電気株式会社 画像計測装置、画像計測方法、および、画像計測用プログラム
JP5449444B2 (ja) * 2012-04-23 2014-03-19 株式会社エルメックス コロニー計数装置、コロニー計数方法、及び、プログラム
JP6161146B2 (ja) * 2013-01-11 2017-07-12 国立大学法人東京工業大学 病理組織画像解析方法、病理組織画像解析装置及び病理組織画像解析プログラム
WO2015112816A1 (en) * 2014-01-24 2015-07-30 E-Image Data Corporation Multi-mode image capture systems and methods
US9558394B2 (en) * 2014-03-10 2017-01-31 Case Western Reserve University Histogram of hosoya index (HoH) features for quantitative histomorphometry
CO7020178A1 (es) * 2014-05-14 2014-08-11 Leon Ricardo Antonio Mendoza Método para la segmentación y cuantificación automática de tejidos corporales
EP3149700B1 (en) * 2014-05-30 2018-12-12 Providence Health & Services - Oregon D/B/A An image processing method and system for analyzing a multi-channel image obtained from a biological tissue sample being stained by multiple stains
JP6355476B2 (ja) * 2014-08-18 2018-07-11 株式会社Screenホールディングス 閾値決定方法、画像処理方法および画像処理装置
CN107208020B (zh) * 2015-01-29 2020-04-07 奥林巴斯株式会社 细胞解析装置和方法
GB201504569D0 (en) * 2015-03-18 2015-05-06 Oxford Cancer Biomarkers Ltd Tissue sample analysis technique
US10304188B1 (en) * 2015-03-27 2019-05-28 Caleb J. Kumar Apparatus and method for automated cell analysis
JP6505830B2 (ja) * 2015-04-07 2019-04-24 オリンパス株式会社 細胞解析装置および細胞解析方法
CA2995748A1 (en) * 2015-09-02 2017-03-09 Ventana Medical Systems, Inc. Image processing systems and methods for displaying multiple images of a biological specimen
US10510143B1 (en) * 2015-09-21 2019-12-17 Ares Trading S.A. Systems and methods for generating a mask for automated assessment of embryo quality
WO2017221592A1 (ja) * 2016-06-23 2017-12-28 コニカミノルタ株式会社 画像処理装置、画像処理方法及び画像処理プログラム
WO2018063914A1 (en) * 2016-09-29 2018-04-05 Animantis, Llc Methods and apparatus for assessing immune system activity and therapeutic efficacy
JPWO2018131091A1 (ja) * 2017-01-11 2019-12-19 オリンパス株式会社 画像処理装置、画像処理方法、及び画像処理プログラム
WO2018207361A1 (ja) * 2017-05-12 2018-11-15 オリンパス株式会社 細胞画像取得装置
US20210033599A1 (en) * 2018-04-26 2021-02-04 Nec Corporation Information processing apparatus, control method, and program
JP6755346B2 (ja) * 2019-02-05 2020-09-16 株式会社日立製作所 分析システム
JP7403965B2 (ja) * 2019-03-29 2023-12-25 シスメックス株式会社 蛍光画像分析装置及び蛍光画像分析方法
CN110458835B (zh) * 2019-08-16 2022-02-01 腾讯科技(深圳)有限公司 一种图像处理方法、装置、设备、系统及介质
CN110490882B (zh) * 2019-08-19 2022-12-27 腾讯科技(深圳)有限公司 细胞膜染色图像分析方法、装置及系统
KR102655391B1 (ko) * 2022-09-06 2024-04-05 충남대학교산학협력단 미세액적 내 세포 계수 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1735907A (zh) * 2002-11-12 2006-02-15 秦内蒂克有限公司 图像分析
JP2006095223A (ja) * 2004-09-30 2006-04-13 Pola Chem Ind Inc 角層細胞の鑑別法
CN101689220A (zh) * 2007-04-05 2010-03-31 奥利安实验室有限公司 用于治疗、诊断和预测医学病症发生的系统和方法

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07104926B2 (ja) * 1985-08-30 1995-11-13 キヤノン株式会社 画像処理装置
JPH06250977A (ja) 1993-02-24 1994-09-09 Nec Shizuoka Ltd 電源切換え方式
JP2000501184A (ja) * 1995-11-30 2000-02-02 クロマビジョン メディカル システムズ,インコーポレイテッド 生体標本の自動画像分析の方法および装置
US6259807B1 (en) * 1997-05-14 2001-07-10 Applied Imaging Corp. Identification of objects of interest using multiple illumination schemes and finding overlap of features in corresponding multiple images
JP2003139678A (ja) * 2001-10-30 2003-05-14 Matsushita Electric Ind Co Ltd 細胞画像分析装置、細胞画像分析方法および記録媒体
EP1680757A4 (en) * 2003-10-08 2006-11-22 Lifespan Biosciences Inc AUTOMATED MAPPING OF TISSUE SAMPLES ON MICROSCOPE BLADE AND ACQUISITION OF IMAGES
JP2005352571A (ja) * 2004-06-08 2005-12-22 Olympus Corp 画像処理装置
US20060127880A1 (en) * 2004-12-15 2006-06-15 Walter Harris Computerized image capture of structures of interest within a tissue sample
EP1882237A2 (en) * 2005-05-13 2008-01-30 Tripath Imaging, Inc. Methods of chromogen separation-based image analysis
US7805183B2 (en) * 2006-06-22 2010-09-28 Wisconsin Alumni Research Foundation Stromal collagen in the diagnosis and characterization of breast cancer
JP2008014680A (ja) * 2006-07-03 2008-01-24 Toray Ind Inc 選択結合性物質固定化担体の検査装置、検査方法、および検査プログラム
US7826652B2 (en) * 2006-12-19 2010-11-02 Cytyc Corporation Method for forming an optimally exposed image of cytological specimen
JP5663873B2 (ja) 2007-03-01 2015-02-04 日本電気株式会社 乳癌病理画像診断支援システム、乳癌病理画像診断支援方法、乳癌病理画像診断支援プログラム、及び、乳癌病理画像診断支援プログラムを記録した記録媒体
JP2009210409A (ja) * 2008-03-04 2009-09-17 Kddi Corp 画像領域分割方法および装置
US8483803B2 (en) * 2008-09-15 2013-07-09 Varian Medical Systems, Inc. Systems and methods for tracking and targeting object in a patient using imaging techniques
US10083515B2 (en) * 2008-11-25 2018-09-25 Algotec Systems Ltd. Method and system for segmenting medical imaging data according to a skeletal atlas
JP5455379B2 (ja) * 2009-01-07 2014-03-26 株式会社東芝 医用画像処理装置、超音波診断装置、及び医用画像処理プログラム
WO2010140024A1 (en) * 2009-06-03 2010-12-09 Institut National De La Sante Et De La Recherche Medicale (Inserm) Methods for diagnosing and treating a renal disease in an individual
US20110052025A1 (en) * 2009-08-03 2011-03-03 Matakina Technology Limited System for imaging pathway verification
US20110150309A1 (en) * 2009-11-27 2011-06-23 University Health Network Method and system for managing imaging data, and associated devices and compounds
WO2011140536A1 (en) * 2010-05-07 2011-11-10 Purdue Research Foundation Quantitative image analysis for wound healing assay
JP5871325B2 (ja) * 2010-09-30 2016-03-01 日本電気株式会社 情報処理装置、情報処理システム、情報処理方法、プログラム及び記録媒体

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1735907A (zh) * 2002-11-12 2006-02-15 秦内蒂克有限公司 图像分析
JP2006095223A (ja) * 2004-09-30 2006-04-13 Pola Chem Ind Inc 角層細胞の鑑別法
CN101689220A (zh) * 2007-04-05 2010-03-31 奥利安实验室有限公司 用于治疗、诊断和预测医学病症发生的系统和方法

Also Published As

Publication number Publication date
US20150262356A1 (en) 2015-09-17
US10115191B2 (en) 2018-10-30
JPWO2012043498A1 (ja) 2014-02-06
JP5871325B2 (ja) 2016-03-01
CN103097889A (zh) 2013-05-08
US20130182936A1 (en) 2013-07-18
WO2012043498A1 (ja) 2012-04-05
US9076198B2 (en) 2015-07-07

Similar Documents

Publication Publication Date Title
CN103097889B (zh) 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
JP2024079743A (ja) 画像解析方法、装置、プログラムおよび学習済み深層学習アルゴリズムの製造方法
CN109145931A (zh) 物体检测方法、装置及存储介质
CN108323204A (zh) 一种检测人脸瑕疵点的方法和智能终端
TW202014984A (zh) 一種圖像處理方法、電子設備及存儲介質
CN110619318B (zh) 基于人工智能的图像处理方法、显微镜、系统和介质
JP2024038396A (ja) 画像解析方法、画像解析装置、およびプログラム
CN110763678A (zh) 一种病理切片判读方法及系统
JP6924761B2 (ja) 異なる取得性質を持つ画像を分離するシステム及び方法
CN110378885B (zh) 一种基于机器学习的wsi病灶区域自动标注方法及系统
CN109903282B (zh) 一种细胞计数方法、系统、装置和存储介质
CN110287902B (zh) 畜禽存活检测方法、装置、设备及计算机程序产品
Ren et al. Infrared and visible image fusion based on edge-preserving guided filter and infrared feature decomposition
CN113763370A (zh) 数字病理图像的处理方法、装置、电子设备及存储介质
CN110838094A (zh) 病理切片染色风格转换方法和电子设备
CN110807409A (zh) 人群密度检测模型训练方法和人群密度检测方法
CN113222846A (zh) 图像处理方法和图像处理装置
JP2018185265A (ja) 情報処理装置、制御方法、及びプログラム
CN110533740A (zh) 一种图像着色方法、装置、系统及存储介质
CN114372931A (zh) 一种目标对象虚化方法、装置、存储介质及电子设备
CN104010134B (zh) 用于形成具有宽动态范围的系统和方法
CN116433470A (zh) 模型训练方法、数据增强方法、目标检测方法及相关设备
US11830622B2 (en) Processing multimodal images of tissue for medical evaluation
Zhao et al. Multi-exposure image fusion based on information-theoretic channel
EP3637369A1 (en) Deep learning-based kernel selection for scatter correction in x-ray imaging

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