CN103649720A - 生物成像方法和系统 - Google Patents
生物成像方法和系统 Download PDFInfo
- Publication number
- CN103649720A CN103649720A CN201280033487.2A CN201280033487A CN103649720A CN 103649720 A CN103649720 A CN 103649720A CN 201280033487 A CN201280033487 A CN 201280033487A CN 103649720 A CN103649720 A CN 103649720A
- Authority
- CN
- China
- Prior art keywords
- image
- sample
- container
- culture media
- source
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- 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
-
- 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
- G06V20/693—Acquisition
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/06—Illumination; Optics
- G01N2201/062—LED's
- G01N2201/0626—Use of several LED's for spatial resolution
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Biomedical Technology (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Image Analysis (AREA)
Abstract
一种用于增强生物样品的图像的方法,生物样品已经在容器中的培养基上生长。
Description
描述
发明领域
本发明涉及用于分析体外样品的方法和系统。
发明背景
在许多环境中进行体外分析以识别生物样品,例如微生物、细胞和组织培养物、细胞或亚细胞提取物、和纯化分子。各种材料的样品被从它们通常的生物环境隔离并且被提供它们可以在其中生长的环境。这种环境经常以被放入孵化器中以使样品生长的培养皿的形式提供。培养皿通常包括促进样品生长的微生物培养基。理想地,在合适的培养基上孵化导致样品的多个菌落生长。通常进行菌落的后续分析以识别微生物并且评估它们对抗微生物剂的敏感性或抵抗力。
样品分析的一个重要部分是例如从菌落中识别特定的微生物或细菌的能力。此外,使用合适的药物对细菌的处理也可以基于样品中微生物的生长和与施加于样品的任何药物的相互作用来分析。
大部分初步分析通过有资格的科学家对培养皿的视觉分析进行。初步的视觉分析很奏效,但是易于遭受人为错误和由于不同微生物的形状、颜色、大小和形式的巨大的多样性导致的不一致性,其可能是难以解释的。然而,目前,视觉域仍然是迅速地识别微生物的最好方式之一。此外,因为大部分生长是“随机的”,所以建模微生物生长并且发现为它们自身赋予上文提出的多样性的自动化系统是不容易的。
已知的孵化器可以包括经过其可以察看样品的窗口,但是通常,培养皿被从孵化器取出来以被视觉地分析。初步的视觉分析涉及把培养皿保持在光源的前方以识别菌落。另外的详细的化学和显微镜分析方法可以然后在特定的已识别的菌落上进行,如需要的。
生物扫描器,即用于扫描或计数细菌菌落的装置,在现有技术中是已知的。例如,US2004/0101951和US2010/0232660二者都公开了用于扫描具有不同结构的生物生长平皿的生物扫描器,但是二者共同具有生成平皿的图像并且进行这些图像的分析以检测生物生长的能力。然而,二者都使用提供前方照明或后方照明的单一光源。实际上,在US2004/0101951和US2010/0232660二者中都声明“某些生物生长平皿可能仅需要前方照明或后方照明,而不是二者”。这样的照明是基本的并且不允许获得具有以高效率的方式实施初步分析的足够品质的图像。
存在某些现有技术系统,其中培养皿中的样品被不同的颜色或波长的光照亮以形成样品的图像。图像被合适地取向的摄像机捕获。
FR2926820公开了用于检测生物样品中的至少一个特定的微生物的方法,所述方法包括,除了其他的以外,使培养基经受至少两个辐射(每个呈现一个特定的波长)的步骤。优选地,两个照明系统被使用,每个照明系统发射特定波长的辐射。更特别地,该文献的图1示出了顶部可见光照明和紫外逆光照明的组合。后续的来自这两个不同照明的组合图像然后被用于检测特定的微生物的存在。
相似地,已公布的日本专利申请JP2010104301描述了,除了其他的以外,用于检测微生物的方法,包括用于成像微生物在其上生长的培养基的成像步骤和菌落检测步骤,所述方法也使用顶部照明和逆光照明的组合。
当已经获取生物样品的图像时,经常具有可以被应用以增强图像并且实施图像处理的过程。然而,具有与增强生物样品的图像相关联的许多问题。这些包括:
-正在被察看的菌落的大小;
-一个菌落与另一个的接近度;
-菌落的颜色混合;
-培养皿的性质;
-培养基的性质
-等等。
这些问题中的许多可以仅通过本申请解决。
发明目的
本发明的一个目的是克服与现有技术相关联的至少某些问题。
本发明的另外一个目的是提供用于分析生物样品的自动化系统和方法。
发明概述
本发明提供如在所附权利要求中提出的方法和系统。
根据本发明的一个方面,提供一种用于生成具有表面的生物样品的图像的成像系统,所述系统包括:样品支持部,其用于在使用中支持生物样品;多个照明源,所述多个照明源被布置在所述样品支持部周围并且每个适合于在使用中从不同的方向照亮所述生物样品;图像捕获装置,其用于捕获投射在所述生物样品上的照明以由此形成所述样品的图像;其中至少一个照明源方向不垂直于所述样品的表面。
可选择地,所述照明源中的至少两个的方向是实质上不共面的。在一个实施方案中,在所述至少两个照明源的方向之间的最大的交叉角小于170°,可选择地小于160°,可选择地小于150°。使用其各自的方向实质上不共面的至少两个照明源允许物体、物体的标记和特征的改进的识别和探测。
可选择地,所述多个照明源包括以下中的两个或两个以上:背光源;接近水平的源;朝向所述表面导向的环形源;背向所述表面导向的环形源;以及竖直源,其中每个定义不同类型的照明源。
可选择地,所述多个照明源中的至少两个是不同类型的照明源。
可选择地,所述多个照明源包括以下中的三个或三个以上:背光源;接近水平的源;朝向所述表面导向的环形源;背向所述表面导向的环形源;以及竖直源,其中每个定义不同类型的照明源。
可选择地,所述多个照明源中的至少三个是不同类型的照明源。
使用至少两个或三个不同类型的照明源(例如背光源、接近水平的源等等)也允许物体、物体的标记和特征的改进的识别和探测。
可选择地,多个照明源被用于产生多个图像,多个图像可以被组合以形成复合的最终图像。
可选择地,所述多个照明源的不同的组合可以被用于产生用于不同的生物分析的不同的图像。
可选择地,每个照明源被包括在单元中,并且其中每个单元可以被堆叠在另一个的顶部上。
可选择地,所述单元相对于彼此是可移动的。
可选择地,所述样品相对于所述多个照明源是可移动的。
可选择地,所述照明源包括红色源、绿色源、蓝色源、白光源或UV源。
可选择地,所述样品能够被接近水平的源照亮。
可选择地,所述系统还包括用于增强或处理图像以实现所述样品的生物分析的处理系统。
可选择地,所述系统与用于在成像所述样品之前孵化样品的孵化器系统组合。
本发明还涉及包括如在权利要求中限定的成像系统的用于孵化生物样品的孵化器。
根据本发明的另外一个方面,提供一种生成生物样品的图像的方法,其中所述样品具有表面,所述方法包括以下步骤:
-使用多个照明源照亮样品,所述多个照明源被布置在所述样品支持部周围并且每个适合于在使用中从不同的方向照亮所述生物样品;
-捕获投射在所述生物样品上的照明以由此形成所述样品的图像;
其中照明的步骤包括使用在不垂直于所述样品的表面的方向导向的所述照明源中的至少一个照亮所述样品。
根据本发明的另外一个方面,提供一种用于增强生物样品的图像的系统和方法,所述生物样品已经在容器中的培养基上生长,并且其中所述图像通过使用接近水平的照明光束照亮包含所述样品和所述培养基的所述容器被形成,所述方法包括以下步骤:通过把多种不同颜色的照明源分开地应用于所述容器和所述培养基获得所述容器和所述培养基的图像作为测试图像;对于每种颜色,测量所述容器和所述培养基的吸收度;形成所述容器和所述培养基对于每种颜色的吸收模型;通过把所述多种不同颜色的照明源分开地应用于所述容器、所述培养基和所述生物样品获得并且处理所述容器、所述培养基和所述生物样品的图像;对于每种颜色,生成所述容器、所述培养基和所述生物样品的源图像;把所述容器和所述培养基对每种颜色的所述吸收模型施用于所述相应的源图像以去除所述容器和所述培养基的吸收效应;组合每种颜色的源图像以形成突出所述生物样品的合成图像。
可选择地,照亮的步骤包括使用红色源、绿色源、蓝色源和/或UV源照亮。
根据本发明的另外一个方面,提供一种确定生物成像系统中的生物样品的图像的理想的曝光时间的系统和方法,所述步骤包括:识别所述待被成像的样品的一个或多个特征;基于所述一个或多个特征确定默认的曝光时间;以所述默认的曝光时间拍摄图像;分析所述图像以确定所述图像中的多个区,例如与感兴趣的范围相关的区和与所述感兴趣的范围不相关的区;确定所述多个区之间的相对发光度以估计所述图像的预期的发光度;在所述区中的一个中,例如与所述样品相关的区,应用分类算法以把所述图像的与所述生物样品相关的部分聚集在一起和把所述图像的与所述生物样品不相关的部分聚集在一起;确定每个部分中的所述发光度以获得所述图像的实际发光度的值;比较所述实际发光度和所述预期的发光度以确定其之间的差分系数;如果所述系数高于预确定的水平,那么确定所述默认的曝光时间是不正确的并且然后以基于所述系数的新的曝光时间再拍摄新的图像。
根据本发明的另外一个方面,提供一种从生物样品的图像确定生物样品的表面上的轮廓和起伏信息(reliefinformation)的系统和方法,所述方法包括以下步骤:使用在所述样品上方的至少一个竖直源照亮所述样品并且获得所述样品的单色图像;使用来自任何方向的第二源照亮所述样品以产生所述样品的第二图像;把变换应用于所述单色图像以形成变换的单色图像;抑制所述变换的单色图像中的低频率亮度值;确定所述变换的单色图像中的每个像素的亮度值;逐像素地组合所述亮度值与所述第二图像以形成强调所述轮廓并且提供起伏信息的最终图像。
可选择地,使用在所述样品上方的至少一个竖直源照亮所述样品并且获得所述样品的单色图像的步骤包括使用在至少两个不同的位置的至少两个竖直源照亮所述样品。
可选择地,使用所述第二源照亮所述样品的步骤包括使用具有多个颜色通道的源并且将所述第二图像形成为彩色图像。
可选择地,使用所述第二源照亮所述样品的步骤包括使用红色源、绿色源和蓝色源中的每个分开地照亮所述样品并且组合所述亮度值与所得到的红色图像、绿色图像和蓝色图像中的每个以形成对于每种颜色强调所述轮廓并且提供起伏信息的图像并且组合所述三种颜色以获得所述最终图像。
可选择地,所述样品是包括微生物菌落存在于其上的培养基的培养皿。
根据本发明的另外一个方面,提供一种检测与容器相关联的特征的系统和方法,包括以下步骤:使用多个照明源中的一个或多个获得所述容器的一个或多个图像,每个照明源能够从不同的方向照亮所述容器;应用物体检测转换以识别所述容器的边缘;确定所述容器的内部的图像。
可选择地,确定所述容器的内部的图像的步骤包括在所述或每个图像中遮蔽所述容器的边缘以产生显示出所述容器的内部的结果图像。
可选择地,所述方法还包括识别在所述容器内不存在任何微生物菌落。
根据本发明的另外一个方面,提供一种检测在容器上的具有非生物特征的预确定的格式的物体的系统和方法,包括以下步骤:使用多个照明源中的一个或多个获得所述容器的一个或多个图像,每个照明源能够从不同的方向照亮所述容器;形成所述或每个图像的数字图像;识别所述具有非生物特征的预确定的格式的物体。
可选择地,形成所述或每个图像的数字图像的步骤包括在所述容器的所述一个或多个图像中检索具有点形状和暗颜色的物体。
可选择地,所述方法还包括遮蔽被识别出的物体以产生在其中所述物体不可见的结果图像。
根据本发明的另外一个方面,提供一种隔离包括培养基的容器中的微生物菌落的系统和方法,所述方法包括以下步骤:使用多个照明源中的一个或多个获得所述容器的一个或多个图像,每个照明源能够从不同的方向照亮所述容器;选择图像或图像的组合以用于进一步的处理;应用圆形物体检测变换以识别所述容器中的一个或多个实质上圆形的物体,所述圆形物体代表所述容器中的被隔离的菌落;对于每个已识别的实质上圆形的物体,确定该物体的隔离区域。
可选择地,确定物体的隔离区域的步骤包括:确定所述已识别的实质上圆形的物体的中心;通过应用二值化步骤以获得二值化的图像形成所述已识别的实质上圆形的物体的数字化的图像,其中所述二值化的图像的中心相应于所述已识别的实质上圆形的物体的中心;验证所述二值化的图像中的所述物体的圆形度;实施测试以识别所述物体的隔离区域以确定所述菌落的大小和该菌落与其他的菌落隔离的区域。
根据本发明的另外一个方面,提供一种检测包括培养基的容器中的菌落的集群和/或非圆形菌落的系统和方法,所述方法包括以下步骤:使用多个照明源中的一个或多个获得所述容器的一个或多个图像,每个照明源能够从不同的方向照亮所述容器;形成所述图像的数字化的图像;通过识别高密度菌落和非圆形菌落检测生长。
可选择地,识别高密度菌落和非圆形菌落的步骤包括确定具有高于预确定的值的对比度的区域。
可选择地,形成所述图像的数字化的图像的步骤包括使用基于区的分割技术分割所述图像。
根据本发明的另外一个方面,提供一种检测包括培养基的容器中的群游的微生物的系统和方法,所述方法包括以下步骤:使用多个照明源中的一个或多个获得所述容器的一个或多个图像,每个照明源能够从不同的方向照亮所述容器;选择具有轮廓或起伏信息的图像;把预确定的滤波器应用于所选择的图像以形成经滤波的图像;从所述滤波的图像减去所选择的图像以产生显示出纹理的图像。
可选择地,应用滤波器的步骤包括把中值7×7滤波器应用于所述数字化的图像中的每个点。
根据本发明的另外一个方面,提供一种检测在包括培养基的容器中的被至少一种微生物导致的α和/或β溶血的系统和方法,所述方法包括以下步骤:
-使用多个照明源中的一个或多个获得所述容器的第一图像和第二图像,每个照明源能够从不同的方向照亮所述容器;
-基于把不同的权重应用于不同的图像特征的融合算法组合第一图像和第二图像以产生具有能够检测α和/或β溶血的轮廓信息的彩色图像。
附图简述
现在将以实施例的方式参照附图,在附图中:
图1是根据本发明的一个方面的生物分析系统;
图2a、2b和2c是根据本发明的一个方面的图1系统的成像系统的示意图;
图3是图2系统的简化图,其示出了根据本发明的一个方面的应用于样品的不同类型的照明;
图4a是根据本发明的一个方面的背光照明源的示意图;
图4b是关于背光照明的漫射器的示意性的前视图和后视图。
图4c是关于环形照明的漫射器的示意性的前视图和后视图。
图5是根据本发明的一个方面的样品抽屉和相关联的接近水平的照明源的示意图;
图6是根据本发明的一个方面的环形照明源的示意图;
图7是示出了根据本发明的一个方面的用于不同应用的不同照明类型的表格;
图8是示出了根据本发明的一个方面的与不同的图像处理技术相关联的用于不同培养基的不同照明类型的表格;
图9a是根据本发明的一个方面的用于第一图像增强技术的源图像;
图9b是根据本发明的一个方面的在第一图像增强技术之后得到的图像;
图10是示出了根据本发明的一个方面的第一图像增强技术的步骤的流程图;
图11a、11b和11c是示出了根据本发明的一个方面的用于红色、绿色和蓝色的吸收测量和模型的图;
图12是根据本发明的一个方面的进一步的图像增强技术的流程图;
图13是根据本发明的一个方面的图12流程图的要素之一的流程图;
图14是根据本发明的一个方面的在进一步的图像增强技术之后得到的两个图像;
图15a和15b是示出了根据本发明的一个方面的用于又一图像增强技术的可能的变换函数的两个图;以及
图16是根据本发明的一个方面的在又一图像增强技术之后得到的图像;
图17是根据本发明的一个方面的图像处理技术的实施例;
图18是根据本发明的一个方面的用于标记检测的过程;
图19和19a是示出了根据本发明的一个方面的用于图像处理技术的步骤的过程图;
图20是示出了根据本发明的一个方面的用于图像处理技术的步骤的过程图;
图21是示出了根据本发明的一个方面的用于图像处理技术的步骤的过程图;
图22是根据本发明的一个方面的用于图像处理技术的矩阵;
图23是示出了根据本发明的一个方面的用于图像处理技术的步骤的过程图;
图24和25是根据本发明的一个方面的成像系统的机器人臂的示意图;
图26是根据本发明的一个方面的用于培养皿的遮蔽物的示意图;以及
图27是根据本发明的一个方面的在环形照明期间被提供有遮蔽物的培养皿的横截面图。
优选实施方案的详细描述
本发明涉及用于以完全自动或半自动的方式分析生物标本的系统。在本说明书中,术语‘物体’是指真正的物体例如气泡或菌落,术语‘标记’是指容器例如人工痕迹或绢印的特征,并且术语‘特性’是指物体的特征。此外,术语‘陪替氏平皿’定义培养皿和用于覆盖培养皿的盖子的组件。
图1示出了根据本发明的系统100的实施例。
系统100包括样品容器库102、自动画条纹机器104、智能孵化器系统106、处理单元108和识别系统110。
样品库102手动或自动地产生生物样品可以在其中生长和分析的样品容器。样品容器典型地是培养皿,虽然也可以使用其他的容器。据此,在本文中对培养皿的指代不意图是限制性的。
样品容器库把合适的培养基加入皿中以使生物样品能够生长。培养皿可以借助于传送带或其他的自动化系统从样品容器库传递至该过程的后续阶段。可选择地,样品可以被操作者传递。
自动画条纹机器104把生物样品施加于培养皿并且然后以已知的方式分布样品。例如,在培养皿中使用具有近似地等于皿的半径的长度的梳子施加样品。梳子被应用并且然后转动以把生物样品分散在皿的表面上。合适的自动画条纹机器的一个实例被申请人以Isola商标名称商业化。
一旦生物样品已经被分布在皿中的培养基上,那么皿被操作者手动地或借助于传送带或其他的自动化系统传递至该过程的下一个阶段。
智能孵化器系统106包括孵化器112和成像系统114。培养皿被引入孵化器中并且在预确定的温度孵化预确定的时间。这使生物样品生长,在皿的表面上产生微生物的多个菌落。一旦皿已经如需要的被孵化,那么皿被传递至成像系统114。成像系统是独特的、新颖的用于生成在系统中产生的菌落和培养物的整体图像的系统。成像系统的细节将在下文进一步描述。
图像在样品分析的第一阶段使用。该阶段可以识别生物样品的菌落和其他方面以辅助和帮助总体系统的进一步的活动和功能。
在皿的图像已经被生产之后,皿然后被传递至该过程的下一个阶段。这可以通过传送带或其他的自动化系统自动地进行或由操作者进行。
处理单元108可以采用多种不同的形式,这取决于所需要的样品分析。例如,基于图像,特定的菌落可以被提取,以用于进一步的分析或处理。许多其他的过程可以在该时间被应用于皿。如果必要的话,皿可以被返回至孵化器以用于进一步的生长和/或被返回至成像系统。
在所有必需的处理和成像已经完成之后,皿可以借助于手动或自动的过程被传递至识别系统110。识别系统110可以用于以多种不同的方式识别在皿上以菌落的形式存在的微生物。可以通过分析微生物的新陈代谢进行识别并且可以是自动的或手动的。自动的分析可以例如使用被申请人商业化的系统进行。还可以使用质谱法技术进行识别。其他的分析可以还包括检测抗微生物抵抗机理。
将意识到,总体系统的各种元件可以被改变以实施不同的功能。此外,某些步骤可以以不同的顺序进行。
如上文提到的,智能孵化器系统是本发明的重要方面并且包括独特的成像系统。现在将参照图2a、2b和2c更详细地描述成像系统。成像系统114包括基部单元202。基部单元包括用于生成红色、绿色和蓝色逆光照明的光学器件和控制电路。基部单元可以包括控制器,其可以是具有如图2b中示出的三个位置的轮子的形式。这些位置对应于是“无背景(noBackground)”、“白背景(whiteBackground)”和“黑背景(blackBackground)”的不同照明。“无背景”位置与轮子中的圆形孔150相关。“白背景”位置与轮子中的白色背景圆圈160。“黑背景”位置与轮子中的黑色背景圆圈170相关。无背景用于背光,并且白色和黑色用于所有其他的照明类型,这取决于样品的性质。
在基部单元上方具有样品保持单元204。样品保持单元可以包括可以滑入和滑出的抽屉并且包括适于支持培养皿的凹部206。此外,如图2c中示出的,样品保持单元包括四个红色、绿色、蓝色的水平照明源,分别为208、210、212和214。四个照明源被直线地定位在样品凹部周围并且是独立地可控制的。在使用中,培养皿的顶部实质上与四个水平照明源的顶部共线。水平照明源允许培养皿被水平的或接近水平的光束照明。
应当注意,凹部的底部是透射光的以允许在使用中背光照明照亮样品。样品保持单元还包括为了操作四个水平照明源所需要的光学器件和控制器件。
样品保持单元可以包括可选择的取向(未示出),在该取向,样品被传送带传递到用于成像的位置中。抽屉可以被具有样品保持区的传送带系统代替,每个样品保持区是透明的以允许逆光被使用。传送带系统可以把样品移动到合适的位置并且然后可以获取必需的图像。传送带然后把下一个样品移动到用于成像的位置并且把第一该样品移动至处理的下一个阶段。这使图像能够在不同的位置以及当样品正在移动时获得。
在另外的替代形式中,系统可以包括能够把培养皿加载到样品保持器中或加载至传送带上的机器人臂。此外,机器人臂可以在成像之前移除培养皿的盖子并且在其之后再放置盖子。这可以通过反转培养皿并且使盖子下落来进行。移除盖子确保当样品被某些照明源照亮时盖子不产生反射。
机器人臂的一个可能的实施方案在图24和25中示出,如下文描述的。
此外,为了移动进入和出成像区,样品保持单元可以还包括用于相对于通常的位置改变样品的位置的机构。例如,样品保持器也许能够把样品取向为与特定的光束成特定的角度。也可以使用合适的机构进行样品的其他运动例如旋转。作为结果,样品和照明源的任何相对运动可以通过把样品在样品保持单元或照明源中移动被实现。变化形式是无尽的。
在样品保持单元具有通常的位置例如在成像系统中的轮子上的水平位置的条件下,遮蔽物可以被加入以提高所取得的培养皿的内部图像的品质。关于被提供遮蔽物的培养皿的一个实施方案在图26中示出,如下文描述的。
成像系统114还包括被定位在样品保持单元上方的第一中间单元216。第一中间单元包括四个被直线地定位的红色、绿色、蓝色照明源,分别为218、220、222和224。照明源适于在使用中产生到样品保持单元中的样品凹部上的环形照明并且每个是独立地可控制的。环形照明可以被调整为从任何合适的方向入射在样品上,包括横向的、非横向的或任何其他合适的取向。
成像系统还包括第二中间单元226。第二中间单元包括四个被直线地定位的红色、绿色、蓝色照明源,分别为228、230、232和234。照明源被向上导向并且从单元上方被反射以产生在使用中照亮样品凹部中的样品的逆向的环形照明并且每个照明源是独立地可控制的。
成像系统的头部单元236位于第二中间单元上方。头部单元包括白光照明源,分别为238、240、242、244、246、248、250和252,其每个是独立地可控制的,其中的四个被示出。八个照明源被排列为在使用中产生到样品凹部上的竖直照明。
头部单元还包括图像捕获装置254,例如被导向朝向样品凹部的照相机。来自任何单元中的照明源的任何组合的照明可以被导向至样品凹部。图像捕获装置可以然后捕获来自样品凹部中的已经被照亮的任何样品的图像。图像的使用和进一步的处理将在下文更详细地解释。
头部单元可以还包括用于操作各种光源的控制板256。除了控制电路和光学器件之外,在每个控制其功能的单元中,可以具有总体控制系统(未示出)。控制系统可以包括计算机、显示单元、处理模块和图像增强算法、图像处理、和任何其他的过程或技术。
控制系统可以被用于控制用于特定的应用的照明源。此外,控制系统可以针对不同的应用来应用不同的图像增强技术和图像处理。图像增强技术是用于增强图像的品质或用于产生对于专家察看可见的中肯信息的方法和技术。将在下文更详细地描述的实例包括:不同图像的融合例如竖直融合或用于溶血的融合、边缘照明校正、曝光时间校正等等。图像处理是从图像提取信息,以提供决策支持或自动决策。这不一定包括图像的修改,而是代替地包括确定较高水平的信息/以自动的方式翻译,将在下文更详细地描述的实例包括:皿环的检测、标记的检测、生长(集群、已隔离的菌落、群游)的检测、对生长/无生长的全局决定等等。
群游意指群游运动性,其是细菌种群经过固体的或半固体的表面的快速的(2-10μm/s)并且协调的易位。这种类型的运动性已经在沙雷氏菌属、沙门氏菌属、气单胞菌属、芽孢杆菌属、耶尔森菌属、假单胞菌属、变形杆菌属、弧菌属和埃希氏杆菌属中被详细地研究。
控制系统可以被用于实施任何其他的功能和/或针对成像系统的控制操作。这些包括但不限于,
-把样品加载到样品凹部以及从样品凹部卸载;
-检查以及调整样品在样品凹部中的定位;
-控制亮度的水平;
-控制红色、绿色、蓝色分量的平衡;
-控制曝光时间;
-控制照明组合;
-测试系统;
-校准系统;以及
-任何其他合适的基于分析的用途和目的的控制。
形成成像系统的每个单元能够相对于其他的单元运动。当这发生时,某些光学调整可能是必需的以确保样品被所有的源照亮。
现在将参照图3更详细地描述成像系统的操作。
图3示出了演示各种照明源以及它们如何投射在定位在成像系统中的样品300上的成像系统114的示意图。样品300可以被接近水平的光束302、304照亮。接近水平的光束除了由参考数字302和304图示的那些之外,实际上包括向纸内和纸外的分量。接近水平的光束被图2的样品保持单元204中的水平照明源产生。样品可以也被图2中的基部单元202生成的背光光束306照亮。
环形光束308可以也照亮样品300并且被第一中间单元216产生。被第二中间单元226产生的逆向的环形光束310可以也照亮样品。
竖直光束312可以也照亮样品并且被头部单元236中的照明源生成。
竖直光束和背光照明应用在相对于培养皿中的样品的实质上垂直方向的照明。这些照明源中的每个的光轴据此也垂直于样品。接近水平的、环形的和逆向的环形照明不垂直于培养皿。相似地,因此,这些源的光轴是不垂直于样品的。不垂直的源向使用垂直的源实现的那些提供多样的范围或可选择的图像。这些不垂直的源在使用它们创建的任何图像中提供另外的和不同的光学特性。这确保菌落的隔离和检测被改进。
在图3中示出的并且由图2中的合适的单元产生的照明源可以具有任何优选的类型,例如以红色、绿色和蓝色(RGB)频率操作的发光二极管(LED);简单的白光源;紫外(UV)光源或任何其他合适的辐射源。照明源可以包括例如包括64个白色LED、86个红色LED、86个绿色LED和86个蓝色LED的322个LED。在任何位置的光源数量可以从本文示出和描述的数量变化。在每个地点通过以每个相应的频率操作的三个LED的三个一组提供RGB照明。对于不同的照明源,可以具有RGBLED的不同组合。例如,对于背光照明,LED可以被取向为如图4a中示出的。每个类型的照明借助于包括LED的特定排列的特定的卡提供。基部单元202借助于两个卡400和402产生背光光束306,两个卡400和402每个包括被三个一组地排列的多个二极管。LED404的每个三个一组包括红色、绿色和蓝色LED。样品的位置在406示出。在总数上,LED的45个三个一组被定位在每个卡上并且被用于生成背光光束306。在每个三个一组中,红色、绿色和蓝色LED可以被每次一个地点亮以一个接一个地产生单一颜色的照明。
将意识到,任何合适的取向和数量的二极管可以被使用,代替上文描述的实施例。此外,RGB的不同组合可以被选择和使用。
此外,对于UV源,借助于被同时照亮的两个卡提供UV照明。例如,每个卡包括500mA强度的UVLED。
卡可以包括用于确定LED的温度和可能的像差的传感器,使得如果问题可以被预见的话,LED可以在连续的操作中被关闭几秒。如图4b中示出的,也可以在卡400、402和凹部中的样品之间具有漫射器。漫射器帮助防止LED在所得到的图片中是可见的并且也帮助使背景光是均匀的。此外,漫射器吸收来自强效的LED的某些照明。当直接的照明被使用时,非常短的曝光时间可以用于最小化与被照相机导致的所谓的模糊化相关的任何效应。
图5示出了位于样品保持单元204中的产生接近水平的光束302、304的照明源。具有八个卡,每个分别覆盖侧500、502、504和506的长度的一半。每个卡承载RGBLED的8个三个一组的阵列。照明源可以被共同地、独立地或以任何预确定的顺序控制。八个卡形成样品抽屉机构的包括样品凹部的部分。可以使用具有用于不同大小的样品或培养皿的不同大小的孔510的透射光的界面508。
参照图6,第一中间单元和第二中间单元216和226中的四个照明源中的每个分别包括四个卡,分别为600、602、604和606,每个具有被如所示地取向的10个RGBLED608的阵列。这些阵列在第一中间单元216的情况下产生环形光束308并且在第二中间单元226的情况下产生逆向的环形光束310。每个卡可以被独立地控制,使得每个卡可以被共同地或分开地控制。为了防止来自样品和培养基的不期望的反射,每个卡配备有漫射器,如图4c中示出的。每个卡可以围绕轴线(其中的一个作为610被示出)旋转,使得环形光束可以被定位为优化样品的照明。这种调整对于确保均匀的照明是必需的,而不考虑中间单元相对于样品的竖直位置。
图6示出了用于第一中间单元216的卡的位置。将意识到,用于第二中间单元226的卡将被向上导向并且将据此调整旋转。
头部单元236中的竖直照明源238、240、242、244、246、248、250和252每个包括白光源,其中每个源是独立地可控制的以产生竖直光束312。
图像捕获装置254适于从上方捕获样品的图像。对于具有90mm直径的培养皿,100mm2的图像将被产生。这典型地相当于标准图像捕获装置中的2050个像素2,虽然其他的像素大小也可以被使用,例如2448×2050像素。此外,因为皿在高度上通常具有13mm的数量级,所以成像装置的景深在±6mm之间,这取决于培养皿中的培养基层的高度。
在上文提到的照明的所有情况下,样品的图像被成像装置254从上方捕获。应当注意,照相机可以在预确定的时间期间内取得一组有序的图像,以测量菌落的生长以及其他与时间相关的效应。此外,照相机可以是用于其中菌落的生长进程和类似的被测量的某些应用的视频摄像机。皿的运动也可以借助于合适的传送带或机器人臂通过皿的进和出成像系统的运动导致。
摄像机适于从不同的照明源获取不同类型的图像。典型地,图像的序列被获取用于特定的应用。该序列包括使用特定的照明或照明的组合照亮样品的步骤,和随后获取特定类型的图像,例如单色、黑色和白色、具有有关的照明的RGB。然后,下一个图像使用不同类型的照明或其组合被获取,并且序列继续,直到所有需要的图像都已经被获取。摄像机在序列内被控制以获取合适类型的图像。
摄像机可以例如包括单色传感器并且使用具有每秒17个图像的最大速度的逐行扫描CCD技术。摄像机可以具有12至24伏直流的电力消耗。
现在将描述所产生的图像和图像增强过程的更多细节。
如上文提到的,成像系统114中的样品可以从多个不同的光源被照亮,多个不同的光源从不同的方向投射样品。在样品已经被照亮之后,样品的图像被从上方获取。每个照明强调样品的不同方面。
背光照明示出培养皿的细节,包括其基部上的任何标记、边缘的形式和培养皿的盖子;以及样品中的菌落的布局和密度的详细视图。这种照明提供可以隔离菌落,确定相似的菌落(例如α和β溶血性种属)之间的差异并且大体上给出样品内容物的视图的信息。
接近水平的照明被样品和其内容物折射和反射以形成可以用于隔离和消除人工痕迹的图像。此外,该图像可以被用于基于被培养基吸收的照明进行校正,如将在下文更详细地描述的。图像也可以在之后被用于确定皿被菌落覆盖的百分比,以提供菌落浓度的估计并且以确定在透明的培养基上的生长或无生长。
环形照明被导向样品并且被培养基和已经形成的任何菌落反射或折射至图像捕获装置。被该照明产生的图像的目的是区分培养基和菌落的颜色的能力。识别颜色的能力对于识别特定的微生物来说经常是重要的工具,因为某些具有非常独特的着色。总体的结果是最接近于生物学家对于特定类型的微生物将预期看到的内容的视图,例如颜色、菌落方面等等。这对于识别在介质中和菌落周围的着色的精细变化来说是特别重要的。此外,被环形照明产生的图像允许检测在发色的介质中的细菌菌落的下方和周围的颜色的精细变化。
横向环形照明是仅源218、220、222和224中的一个的照明。这给出具有可以被用于识别轮廓和起伏的阴影的图像。源中的每个将产生作为照明方向的结果的不同的阴影效应。
逆向的环形照明被从头部单元反射至样品上。样品然后把照明反射或折射至图像捕获装置。所捕获的图像给出样品中的不同菌落的对比度的细节。该图像还可以贡献颜色信息。此外,该图像可以提供纹理信息;菌落的方向和颜色;关于群游极限的信息以及关于菌落的起伏的某些信息,例如海拔、形式和形状。
逆向的环形照明产生使梯度的改变可视化成为可能的准竖直的照明。这给出纹理和粒度信息并且在检测不具有很大的海拔但是具有表面不规则性的菌落中是有用的。在一个实施方案中,多个不同的图像使用逆向的环形照明被获取并且然后被组合以应对图像可能的饱和化。
竖直照明源从上方照亮样品。照明被样品和菌落反射以给出提供详细的轮廓信息的图像。这可以被用于识别样品的起伏和菌落的高度。该信息可以然后被用于识别特定类型的微生物,因为菌落的起伏经常是非常特定性的。例如,某些菌落是圆顶形状的,其他的是崎岖不平的,其他的是平坦的等等。
如上文描述的,照明源和方向中的每个可以被用于强调和增强不同的图像特征。所描述的实施例可以通过使用来自不同的源和方向的照明被改变或调整,而不偏离本发明的范围。
此外,不同波长的照明可以被用于不同的应用,例如红外和紫外。
本发明的另一个重要的应用是从照明源的组合创建图像以生成可以强调和增强样品图像的多于一个特征的合成图像。例如,背光图像和环形图像的组合在相似的菌落例如α或β溶血的某些特征或性质的识别中可能是特别有用的。
可以对所生成的图像具有影响的另一个因素是用于生长样品的培养基的类型。存在许多不同的培养基;这些包括CPS,其是特别适于使用尿液样品识别大肠杆菌、变形杆菌属和KESC的培养基;以及COS,其是包含在识别溶血性能力中有用的血液的培养基。
不同的培养基,例如CPS和COS,在性质和颜色上是非常不同的。作为结果,作用于其上的照明可以产生不同类型的图像。据此,不同的照明源和源的组合可以用于不同的培养基。
图7是识别如上文描述的各种照明类型以及对于某些应用来说那些照明可能的一组用途的表格。如上文提到的,具有许多不同类型的培养基。这些可以被宽泛地分类为不透明的或透明的/半透明的培养基。表格指示了用于不同类型的培养基的不同类型的照明中的每个的潜在用途。表格是自解释的并且示出了对于实施某些应用和分析而言某些最优的光条件。背光被方便地用于显示不透明的血液培养物中的溶血并且给出关于皿的底部的在透明的或半透明的培养物中的信息的更好的视图。
接近水平的照明对于不透明的培养物来说是不合适的,但是在透明的和半透明的培养物中移除皿人工痕迹并且减少灰尘和绢印的影响是有用的。
环形照明提供对于颜色再现最好的视图以提供最接近于生物学家习惯看到的图像。横向环形照明也给出良好的颜色再现,并且当光来自一侧时,阴影的产生可以给出某些起伏印记和纹理信息,虽然这使颜色信息是较不均匀的。
被反转的环形照明导致进一步的颜色再现并且还提供具有颜色信息的纹理和起伏印记。这在给出群游的精确视图时是特别有用的。
竖直照明对于确定表面信息是有用的并且还给出群游、气泡的检测、灰尘等等的良好视图。菌落表面和侧面的单色信息被容易地产生。
被本发明提供的照明方向的变化性提供了优点,因为许多不同类型的照明可以被用于获得在样品中生长的菌落的图像。不同的图像可以被用于识别不同的特征并且作为结果提供识别这些特征的改进的方式。
此外,图像处理可以在图像上使用以产生增强的图像,其在分析样品的菌落和其他方面时仍然是更有用的。例如,在培养皿的底部上的文字可以被识别并且借助于合适的算法自动地移除。这导致在皿上没有文字的图像。
其他的算法可以被用于便利不同的图像增强技术。以下的部分将提出改善由系统产生的图像的图像增强算法的多个实施例。
在本发明中使用的照明的一个类型在生物成像的领域中是独特的。其是接近水平的光束。在培养皿上使用接近水平的光束意指光束经过培养皿和盖子的边缘并且经过培养基。这导致光的吸收并且将被预期在识别菌落和其特征方面比来自其他方向的光束是不太有用的。然而,这不是我们的话题。
使用接近水平的光束增加了大量有价值的信息。甚至在光束经过培养皿和培养基时照明被显著地吸收时也是如此。当接近水平的光束与菌落碰撞时,光束被朝向图像捕获装置反射和/或折射。这导致清楚地显示出菌落的位置的图像。结果可以是如图9a中示出的。虽然该图像是有用的,但是其包括使菌落识别不是最优的多个光学效应。例如,培养基可以具有非均一的表面,该表面具有样品的颜色和对比度上的改变。此外,边缘包括基于照明经过其的培养皿的各种层的显著的干扰。这使识别在样品的边缘处的菌落是困难的。
据此,具有对改善该图像的品质以使识别菌落更容易的需要。本发明提出边缘加光校正过程以尝试改善该图像的品质和有用性。
现在将参照图10描述边缘加光校正过程。在步骤1000,空样品被放置在样品凹部中。该空样品是具有培养基但是不具有菌落或其他的生物生长的培养皿。
接近水平的红色照明在步骤1002中被应用于空样品并且红色吸收在步骤1004中被测量。测量到的红色吸收的一个实施例在图11a中示出。红色吸收然后被建模并且红色吸收的模型在步骤1006被生成。红色吸收模型也在图11a上示出。
接近水平的绿色照明在步骤1008中被应用于空样品并且绿色吸收在步骤1010中被测量。测量到的绿色吸收的一个实施例在图11b中示出。绿色吸收然后被建模并且绿色吸收的模型在步骤1012被生成。绿色吸收模型也在图11b上示出。
接近水平的蓝色照明在步骤1014中被应用于空样品并且蓝色吸收在步骤1016中被测量。测量到的蓝色吸收的一个实施例在图11c中示出。蓝色吸收然后被建模并且蓝色吸收的模型在步骤1018被生成。蓝色吸收模型也在图11c上示出。
红色、绿色和蓝色吸收的模型被存储在系统中并且被参考特定的空样品类型。可以具有用于许多不同类型的空样品的许多模型。模型在这种情况下被作为分离的红色、绿色和蓝色模型存储,但是可以同样良好地被组合并且作为RGB或白色吸收模型存储。模型可以是基于如上文描述的测量的经验模型。相似地,其他类型的模型可以被使用,例如数学模型或计算机生成的模型。这样的模型是基于构成培养基的化合物的固有的吸收性质的组合。此外,不同的模型可以被获得用于不同类型的照明。例如,用于UV照明的模型将与用于RGB照明的模型不同。
返回至图10,现在描述用于应用边缘加光校正的测试样品分析。测试样品在步骤1020被加载到样品凹部中。有关的空样品被识别并且相关联的模型被加载到系统中。
接近水平的红色光束在步骤1022被应用于样品。源图像(红色)然后在步骤1024被图像捕获装置生成。红色吸收模型在步骤1026被用于校正用于基于红色的模型的源图像(红色)。这通常通过差分过程或算法进行。物体图像(红色)然后在步骤1028被创建。
接近水平的绿色光束在步骤1030被应用于样品。源图像(绿色)然后在步骤1032被图像捕获装置生成。绿色吸收模型在步骤1034被用于校正用于基于绿色的模型的源图像(绿色)。这通常通过差分过程或算法进行。物体图像(绿色)然后在步骤1036被创建。
接近水平的蓝色光束在步骤1038被应用于样品。源图像(蓝色)然后在步骤1040被图像捕获装置生成。蓝色吸收模型在步骤1042被用于校正用于基于蓝色的模型的源图像(蓝色)。这通常通过差分过程或算法进行。物体图像(蓝色)然后在步骤1044被创建。
三个物体图像然后在步骤1046被组合为组合的物体图像。组合的物体图像的一个实施例在图9b中示出。
边缘加光校正过程已经使菌落更加可见并且更清晰。使用该图像,隔离特定的菌落并且然后实施对该菌落的进一步分析是非常容易的。
本发明的使用边缘加光校正技术的接近水平的光束的使用提供了在菌落的识别和隔离中的显著的优点。源图像和物体图像之间的明显的对比度是非常清楚的。如果使用本发明的边缘加光校正过程,那么用户将具有更大的识别菌落的机会。
在另一个图像增强技术中,图像的曝光时间被考虑并且调节,以优化曝光时间。想要优化曝光时间的一个原因是改善菌落相对于培养基的可见性。确定被分析的培养皿的必需的曝光时间以识别其中的微生物和菌落生长是一个复杂的问题。问题来源于这种类型的分析的多个特定的属性。
首先,培养皿含有可以具有在透明性、不透明性、黑暗度、明亮度等等方面的不同属性的培养基。另一个问题是培养皿自身的实际存在,其可以产生表面和边缘反射。如果曝光条件不是最优的,那么区分菌落和培养基以精确地确定菌落在培养皿中的位置可能是更困难的。
图12示出了根据本发明的用于获取具有最优的曝光时间的图像的过程的流程图。在第一个实例中,在步骤1200,获取序列和培养基类型被识别。获取序列是一组照明、背景光条件,例如“无背景”、“白背景”和“黑背景”和为了半自动化的分析重复多次的图像捕获参数和顺序。此外,其他的信息或特征可以被考虑在内。这包括关于用于创建图像的照明源的特征;关于标本类型的特征;关于标本浓度的特征;等等。在步骤1202,默认的曝光时间被针对每个图像确定。默认的曝光时间可以是预定的设置时间或可以是基于来自曝光时间数据库1204的历史数据。曝光时间数据库可以使用对于某些培养基、对于某个样品和/或对于培养基和样品的某个组合最优的曝光时间被填充。数据库可以包括与图像的任何一个特征或已知特征的任何组合相关联的默认时间。该信息可以被来自过程自身的反馈预加载或产生。作为结果,一旦特征在步骤1200被识别,那么相应的默认的曝光时间可以从数据库1204检索。数据库可以包括指示对于每个特定的照明源的最大和最小曝光时间的表格。该表格可以被用于确定默认的曝光时间,如果不具有已经确定的默认的曝光的话。当已经建立默认的曝光时间时,图像在步骤1206被获取。默认的曝光时间被选择为T0。RGB初始图像可以基于色调饱和值(HSV)被获得和转换,如果被摄像机需要的话。这在本发明中需要,但是可能不是始终被需要。
所获取的图像然后被分析并且最优的理论曝光时间的计算在下文在步骤1208被进行。该分析和计算将参照处理算法被更详细地描述。在步骤1210,关于默认的曝光时间和最优的理论曝光时间是否相同的确定被进行。如果它们不是实质上相似的(1212),那么过程返回至步骤1206并且使用新的曝光时间T1获取新的图像,曝光时间T1如下文描述的被确定。如果在步骤1210默认曝光时间和理论曝光时间是实质上相似的(1214),那么图像在步骤1216被终结。
在步骤1208,计算被进行,这现在将参照图13被描述。所获取的图像在步骤1300进入过程。皿的轮廓在步骤1302被检测。这允许图像被分裂为两个部分。这些部分是在皿内(即在感兴趣的范围中)的那些和在皿外侧(即不感兴趣的)的那些。这进而使相应于培养皿壁的环能够被隔离并且然后被忽略。
在步骤1304中,在皿外侧的部分(I外)和在皿内的部分(I内)之间的对比度被确定。
对比度基于在皿内侧和外侧的分别的发光度L内和L外被如下测量。对比度还可能依赖于培养基的性质,及照明是否已经被反射或透射。应当注意,COS是暗的培养基并且在反射和透射下以不同的方式反应。对比度(cp)被从I1内和I1外的发光度(被称为L内和L外)如下计算:
在此确定的值然后被用于与其他的测量共同地确定最终图像中的预期的发光度Lt,如下文在步骤1310中描述的。
同时,皿内的区域在步骤1306被进一步处理以确定在感兴趣的范围内的两个区域。这两个区域实质上是指皿中的仅具有培养基的区域和皿中的菌落已经生长的区域。这通过使用K平均值聚类算法被实现,其尝试形成围绕针对该聚类的中心平均值的聚类。代替聚类算法,其他类型的分类算法可以可选择地被使用。在本发明中,图像已经被转换为色调饱和值(HSV),并且算法被分开地应用于图像的“饱和”分量和图像的“值”分量,并且色调在最初被忽略。对于算法的每个应用(一个关于饱和分量并且一个关于值分量),两个类别的像素通过K平均值算法确定,每个类别中的像素数量被称为[Ns1,Ns2]和[Nv1,Nv2]。以下的步骤然后被进行。
为了收敛算法,以下的步骤被进行:
如果[min(Ns1,Ns2)>min(Nv1,Nv2)并且min(Ns1,Ns2)>0],那么类别被保持在饱和图像中。
如果[min(Ns1,Ns2)≤min(Nv1,Nv2)并且min(Nv1,Nv2)>0],那么类别被保持在值图像中。
如果[min(Ns1,Ns2)=min(Nv1,Nv2)=0],因为算法没有收敛,那么K平均值算法被重新应用在色调层上并且在该层上考虑像素类别。最后,根据由聚类算法确定的像素类别,两个互补的图像I输入1和I输入2被从最初的HSV图像获得,如图14中示出的(饱和1400,值1402)。
返回至图13,两个互补的图像然后被处理以确定在菌落区域中观察到的亮度L的水平。这通过计算I输入1和I输入2的“值”分量(其分别被称为L1和L2)的平均值被实现。接下来,观察到的最高发光度值通过以下被确定:
L=max(L1,L2)
观察到的和预期的发光度的值L和Lt然后在步骤1310中分别被用于计算最优的曝光时间。该计算产生校正系数(cc)以应用于默认的曝光时间。系数通过该等式给出:
然后如果abs(cc-1)<0.05,那么默认的曝光时间被认为是可接受的。否则,新的曝光时间T1被确定为:
T1=T0×cc
曝光时间然后被用于再获取图像。该新的曝光时间可以被存储在曝光时间数据库中。通过使用该过程,针对特定图像的曝光时间被自动地优化并且提供是更容易地可用于分析样品的图像。
本发明的另外一个方面涉及使用在头部单元中的竖直照明形成竖直融合图像。所产生的竖直图像是单色图像并且包括菌落的表面起伏的细节。使用多个竖直光束获取的图像显示出培养基和菌落的吸收性质,以及它们的起伏,在表面上的光反射使像素不太或更明亮,这取决于表面的纹理和取向。两个或两个以上的竖直单色图像被获取。实际上,因为竖直照明在灯的正下方产生某些白色(饱和)区域,所以使来自各种照明位置的图像看到样品的所有区域上的细节有用的。
在一个可选择的实施方案中,单色照明可以被准直。
此外,借助于在成像系统内的或来自下方的内部反射,样品被从上方照亮,彩色图像从上方被获取。源可以是在成像系统中发现的任何源。可以通过一次应用所有的颜色通道(RGB)或通过从每个通道相继地获得图像并且然后在合适的时间组合它们产生彩色图像。
单色图像和彩色图像然后被组合以给出颜色和起伏信息。图像被如下地组合。两个(或两个以上)竖直图像被读入系统中。通过确定两个相应的像素之间的最小强度实现组合,每个来自待被组合的一个图像。这可以被表示为:
I输出=min(I1,I2)
所得到的竖直图像(被称为组合图像)与彩色图像的组合现在将被更详细地描述。当不同的照明源被使用时,图像中的强度与源的强度相联系。据此,调整组合图像的对比度可能是必需的。这通过把变换函数应用于组合图像被进行。变换可以是在图15a中示出的线性变换类型或如图15b中示出的贝塞尔曲线型变换。组合图像是良好的,但是可以通过进一步的处理被更进一步改进。这可以通过在组合之前在频率域中把滤波器应用于单色图像来实现。
目标是移除图像的一些亮度而不显著地修改颜色,以确保轮廓信息是最终图像的最引人注意的特性。为了实现这,离散的二维傅里叶变换被应用于单色图像。这产生与原始图像相同大小的包含变换的复系数的矩阵。原始图像是不同频率的周期性函数的加权和,权重是变换的系数。在矩阵的中心的点相应于低频率函数的系数并且在外侧的那些点相应于高频率函数的系数。所使用的函数是:
If=fft2(I)
频率域高斯滤波器被构建并且被应用于在尺寸上等于单色图像的第二矩阵,其中值通过下式给出:
其中r是在点和矩阵的中心之间的像素中的欧几里得距离并且Do是已滤波的射线半径并且在0至30个像素之间。应当注意,像素范围取决于被处理的图像大小并且对于不同大小的图像可以是不同的。
两个矩阵被逐元素地相乘在一起以产生已滤波的单色图像。因为滤波器(第一矩阵)在中心具有接近零的值,所以单色图像中的低频率函数的系数被很大地减少。
离散傅里叶逆变换被应用以把图像返回至空间区。结果是其中图像的低频率已经实际上消失的图像。其强调了轮廓并且去除图像中的某些亮点。
彩色图像然后与已处理的单色图像组合。这通过把发光度的水平加入彩色图像中的每个像素来进行,所述发光度水平是单色图像中的相等的像素发光度的百分比。分数可以在10%至100%之间的任何点。所得到的图像在图16中示出。在一个优选的实施方案中,彩色和单色发光度的组合被如下实现。单色图像的发光度被逐像素地分别与红色、绿色和蓝色通道中的每个组合。这分别产生红色、绿色或蓝色增强的图像。红色、绿色和蓝色增强的图像可以然后被组合以形成全色增强图像。
红色、绿色和蓝色增强的图像中的每个的权重可以以任何优选的方式平衡或偏置。这可以给出不同的颜色平衡,其对于确定不同类型的菌落来说是有用的。例如,特定颜色的菌落当被不止一个颜色的照明照亮时可以比另一个更可见。
通过本发明的该方面产生的竖直融合图像提供用于容易地察看在培养基上生长的菌落的轮廓和纹理的机制。菌落的高度和竖直形状在识别菌落中是重要的属性。此外,使颜色信息被包括在轮廓细节内可以在识别过程中有帮助。
在进一步的图像增强技术中,α和β溶血之间的差异被分析。为了识别细菌的各个物种,有用的是收获在血液培养基上查找的细菌以确定这样的细菌是α溶血性的还是β溶血性的。当α溶血存在时,在该菌落下的培养基是暗的并且在颜色上是绿色的。这有时被称为‘绿色溶血’,因为培养基中的颜色改变。例如,肺炎链球菌(Streptococcuspneumoniae)和口腔链球菌属群显示α溶血。β溶血有时被称为‘完全溶血’,是在培养基中的菌落的周围和下方的介质中的红细胞的全溶解。该区域表现为照亮的(黄色)和透明的。酿脓链球菌(Streptococcuspyogenes)或A类β溶血性链球菌(GAS)显示β溶血。
因此,必需的是能够使用真实的颜色信息识别α和β溶血,用于生物学家在屏幕上察看培养皿。一个目的是通过将产生用于被生物学家在屏幕上察看培养皿的溶血的真实颜色和视觉识别的方法组合具有不同特性的两个图像。在图23上的步骤2300使用照明源例如环形光束获取第一图像。在步骤2302使用照明源例如背光照明获取第二图像。所得到的图像在步骤2304中基于融合算法被组合。所使用的融合算法的一个实例是由Mertens等人提出的“曝光融合”算法(PacificGraphics2007-http://research.edm.uhasselt.be/~tmertens/)。在本发明中,该算法不仅被应用于具有不同的曝光时间的图像,而且被应用于从不同的方向被照亮的图像。在“曝光融合”算法的具体情况中,算法需要待应用的三个权重参数,这取决于所需要的组合图像。参数的实例是对比度、饱和度以及曝光的程度。对于α和β溶血的成像,上文提到的每个参数的值被设置为1。所得到的图像2306给出具有详细的轮廓信息的全色图像,其然后可以被用于区分α溶血与β溶血。
在另外一个实施方案中,现在将描述多个另外的图像处理技术。图17示出了通用的图像处理技术的简化视图。在第一步骤1700中,多个图像被从一个照明源或照明源的组合获取。执行皿检测技术步骤1702以检测皿的第一类型的特征,例如皿的轮廓和边缘。然后在步骤1704中,执行标记检测技术以识别第二类型的特征,例如皿上的标记或绢印。在步骤1706中,执行另外的检测技术。具有多个不同的另外的检测技术,其将在下文关于生物物体或菌落的检测更详细地描述。在同一个样品上执行的不同的图像处理技术可以具有顺序,并且如果是这样的话,过程将在步骤1708中反馈至后续的另外的图像处理技术。在另外的某些检测技术中,可能没有必要执行皿检测和/或标记检测,因为这些可能对被执行的另外的检测技术没有帮助。据此,至少某些另外的检测技术可以是独立的技术。
皿检测技术1702是识别培养皿的由其壁和盖子形成的环的技术。该技术涉及目标检测技术,例如圆形霍夫变换(如在Duda,R.O.和P.E.Hart,“Use of the Hough Transformation to Detect Lines and Curves in Pictures”,Comm.ACM,卷15,11-15页(1月,1972年)中描述的),以检测具有预确定的大小的圆形物体。背光图像被使用,因为其给出样品的具有鲜明对比的图像。此外,培养皿的大小被键入以向变换指示正在被寻求的一个或多个圆形物体的性质。正在被寻求的环的数量也可以被键入,使得皿和盖子的各种环可以被合适地定位。霍夫变换的应用可以导致培养皿的环(盖子或主体)中的一个或多个的定位。在另外的步骤中,该信息可以使培养皿环或环的遮蔽物或皿的外部从所得到的图像移除成为可能,如果需要的话。这确保另外的检测方法可以集中于培养皿的内部。应当注意,霍夫变换适用于圆形的容器;然而其他的物体检测算法可以被用于不同的形状的容器。
可选择地,另一个类型的物体检测技术可以被应用以检测培养皿的轮廓,而不使用圆形霍夫变换。该可选择的物体检测技术允许检索图像中的闭合的轮廓以识别培养皿的边界。该可选择的技术包括基于熟知的技术,例如在J.Canny的文献“AComputationalApproachtoEdgeDetection”中描述的Canny边缘检测方法或形态学梯度边缘检测,检索图像的潜在轮廓的第一步骤。因此,第一步骤提供灰度图像。
该可选择的技术包括使用MatlabTM功能例如“使用孔填充选项”填充检索到的轮廓的第二步骤。这意指填充步骤仅在轮廓是围绕皿的闭合轮廓的条件下填充皿的内部。该可选择的技术还包括检索闭合的轮廓内的最大的内切圆的步骤。在另外的步骤中,皿的中心的板半径和位置基于内切圆的中心的相应的半径和位置被确定。该可选择的技术的优点是轮廓的预确定的大小不需要在实施该物体检测技术之前是已知的。
参照图18,现在描述标记检测技术。在第一步骤1800中,培养皿的多个图像被加载到系统中。分割过程在步骤1802中操作,其中图像在步骤1802中在二值化过程中被分割以形成数字化的图像。分割过程提供像素到多个类别的分离。二值化过程是特别的分割过程,其提供两个类别的像素,黑色或白色。二值化过程是基于由暗颜色的墨水点制成的绢印的最初的结构。因此,二值化过程包括用于检索具有点形状和暗颜色的物体的步骤。作为结果,二值化过程提供改进的用于区分绢印与其他的物体例如菌落、气泡或缺陷的方法。步骤1802的二值化过程包括多个用于识别培养皿上的绢印的步骤。二值化过程不同于熟知的K平均值聚类方法。K平均值聚类方法聚集具有同一颜色的像素。二值化过程聚集具有相似的颜色并且也密切接近的像素。查找可以在步骤1804中进行以识别例如在形状上实质上是矩形的物体。更通常地,可以针对呈现非生物特征的特性或物体进行查找。这些特性可以包括特定的形状、绢印、条形码、票券、标签等等。已识别的物体被标记并且被假定为培养皿上的标记。所得到的图像是1806并且可以被用于定位,以及如果需要的话,去除或遮蔽皿上的标记,这与原始图像无关。标记的位置可以在同一个皿的所有其他图像中使用,无论哪种照明,与第一种情况的被用于检测标记的一个图像或一组图像无关。在一个具体的实施例中,该算法可以被用于当皿表现为在其中不具有菌落时识别标记。
现在将描述某些另外的图像处理技术。图19和19a示出了用于检测已隔离的菌落的过程。在第一步骤1900中,多个图像使用不同的照明源被获取。一个图像或图像的组合被选择用于进一步的处理。一个或多个所选择的图像然后在步骤1902中通过应用圆形霍夫变换被处理。这识别圆形物体,例如细菌的菌落。典型的菌落大小可以被键入以限制霍夫变换查找具有特定的大小的圆形要素。一旦圆形物体(菌落)已经被识别,那么隔离测试在步骤1904被应用于每个圆形物体。参照图19a进一步描述隔离测试。隔离测试包括确定已识别的圆形物体的中心(未示出)的步骤。二值化步骤1908然后被应用以获得二值化的图像,其中二值化的图像的中心相应于已识别的圆形物体的中心。在其后,圆形的测试在步骤1910中在二值化的图像上被进行以验证二值化的物体是否是圆形的。确定大小和隔离区域的另外的步骤1912被进行以确定菌落的大小以及菌落的直径和围绕菌落的隔离区域。典型的输出示出为1906。
在另外的图像处理技术中,菌落的大的集群的检测被进行。这参照图20示出。在第一步骤2000中,多个图像使用一个或多个不同的照明光束被获得。预确定的图像或图像的组合在步骤2002被二值化以形成数字化的图像。数字化的图像被分析以确定数字化的图像上的物体的轮廓是否相应于一个或多个原始图像中的高对比度区。通过比较数字化的图像中的轮廓的区和一个或多个原始图像中的高对比度的区,例如具有大于10的梯度的区域,进行该分析(步骤2004)。如果相应性是足够的,那么我们认为数字化的物体相应于菌落的集群并且输出2006被产生。该输出可以被用于识别具有高密度菌落或在本质上不是圆形的菌落的区域。可选择地,另一个用于检测菌落的大的集群的技术可以被进行。该可选择的技术涉及基于区的分割,代替基于颜色的分割。因此,基于区的分割提供多个类别的像素以识别物体。基于预确定的标准例如颜色、对比度聚集像素。基于区的分割是用于基于预确定的标准把空间上接近的并且同类的像素放置在一起的迭代方法。作为结果,没有关于类别数量的限制。
图21示出了用于识别群游的过程。群游是细菌种群经过培养基的快速并且协调的运动。群游是菌落生长的存在的另一个指示,但是不太可见。在第一步骤2100中,包含轮廓或起伏信息的图像被获得。典型的图像可以是竖直图像或横向环形图像或任何其他的图像或图像的组合。过程2102被应用于图像,其中仅具有高频率的纹理的区被保留在图像中。高频率存在于丰富纹理的区中并且群游通过突出起伏的图像上可见的皿的表面上的“波”来表征。为了仅保持高频率和纹理的区,两个步骤是必需的。在第一步骤中,低通滤波被应用于原始图像。这样的滤波的一个实施例是如图22中示出的中值滤波7×7,其被应用于图像上的每个点。在第二步骤中,原始图像被从低通滤波的图像减去以突出高频率(纹理)的区并且不锐化轮廓。所获得的图像可以被称为纹理图像。为了表征群游的存在并且为了确定群游是否是可见的,基于纹理区的“量化”的准则被使用。在步骤2104中,原始图像的高强度区被保持,以仅保持原始图像中的信息(起伏)区。关于纹理的量的系数通过原始图像中的高强度区的纹理图像的值的平均值确定。如果在步骤2106中系数等于或高于某个阈值,那么群游被识别并且如果系数低于该阈值,那么不具有群游。所得到的图像被示出为2108并且可以使群游的区域能够识别。
图8是识别用于检测不同的培养基中的特定的特征的一个或多个最优的照明源的具体的实施例的表格。表格示出了对于不同的培养基,例如COS(不透明的介质)和CPS(透明的/半透明的介质),不同的照明源可能是更合适的。表格还示出了在图像创建之后进行的检测过程的多个实施例。对于每个实施例,照明源或光束的组合被示出。
为了检测已隔离的菌落,背光、环形和逆向的环形的组合产生对于CPS培养物最好的结果。而对于COS培养物,仅背光和环形的产生最好的结果。表格示出了多个其他的实施例。
参照图24和25,如上文提到的,示出了机器人臂的实施例。如图24和25中示出的,机器人臂包括第一大体上竖直的引导器2401和第二大体上水平的引导器2402。第一引导器2401适合于在竖直方向引导承载器2410。承载器2410包括适合于在上下颠倒位置接收和保持陪替氏平皿以及用于培养皿的盖子的组件的支持部2411。
在图24中,承载器2410被示出为使培养皿盖子2430上下颠倒地保持在手指部2412和可运动的夹具2413之间。夹具2413是弧形形状的并且适合于在承载器2410移位期间把培养皿盖子2430推动至紧贴手指部2412以把培养皿盖子2430保持在手指部2412和夹具2413之间。夹具2413被附接于臂2414的端部用于把夹具2413在如图24中示出的保持位置和用于释放培养皿盖子2430的释放位置之间移动。第二引导器2402适合于把承载器2420在水平方向引导。承载器2420包括用于沿着引导器2402滑动的第一部分2421和相对于第一部分2421在至少180°内可旋转的第二部分2422。承载器2420的第二部分2422设置有弧形形状的夹具2423。
夹具2423适合于把陪替氏平皿2431推动至紧贴手指部2424以把陪替氏平皿2431保持在手指部2424和夹具2423之间。夹具2423被附接于臂2425的端部用于把夹具2423在如图24中示出的保持位置和用于释放陪替氏平皿2431的释放位置之间移动。
根据图24和25的机器人臂的运作如下:承载器2410适合于把陪替氏平皿2431和盖子2430的组件接收在第一位置,其中组件在上下颠倒的位置。从该第一位置,承载器2410能够竖直向上移动陪替氏平皿2431和盖子2430的组件。承载器2410将把组件向上移动至允许夹具2423把陪替氏平皿2431推动至紧贴手指部2424的位置。一旦陪替氏平皿2431被保持在夹具2423和手指部2424之间,那么承载器2410向下移动,分离陪替氏平皿2431和盖子2430。通过把承载器2420的第二部分2422相对于其的第一部分2421旋转,陪替氏平皿2431然后被旋转。
在图25中,陪替氏平皿2431被示出在中间位置中,使承载器2420的第二部分2422相对于第一部分2421旋转超过90°。
从根据图25的位置,旋转运动继续,直到陪替氏平皿2431到达顶部开放的水平位置。在陪替氏平皿2431的旋转运动之后或在该旋转运动期间,承载器2420的第一部分2421被沿着引导器2402朝向用于获取陪替氏平皿2431的内容物的图像的位置移动。该位置在图24中使用参考数字2450指示。一旦陪替氏平皿2431的图像或一系列的图像已经被获取,那么承载器2410和2420的运动可以被反转以把陪替氏平皿2431和盖子2430的组件返回至用于卸载组件的释放位置。
参照图26和27,如上文提到的,现在将描述遮蔽物如何操作。如图26中示出的,当陪替氏平皿2600被定位在轮子上时,机器人臂的夹具2604部分地围绕陪替氏平皿2600的轮廓。作为结果,线2602代表平皿的轮廓的不被夹具2604覆盖的部分。当环形照明被提供在陪替氏平皿上以获取陪替氏平皿的内部的图像时,如图27中示出的,光束2710可以被反射在位于陪替氏平皿下方的表面2711上。光束可以然后被反射回至陪替氏平皿2600作为干涉光束。作为结果,当获取图像时,干涉光束可以在所获取的陪替氏平皿的内部的图像中产生相应的干涉。如图26中示出的,遮蔽物2608可以被提供在陪替氏平皿的轮廓周围。遮蔽物2608完全地围绕陪替氏平皿2600的轮廓。遮蔽物的宽度适于高于夹具2604的宽度。图27示出了陪替氏平皿的被虚线分隔的两个配置。在虚线的左方,陪替氏平皿没有被提供遮蔽物2608。在虚线的右方,陪替氏平皿被提供覆盖夹具2704的遮蔽物2608。在第一配置中,在环形照明期间,当光束2712照亮接近陪替氏平皿2600的区时,光束2712被表面2711反射并且产生到达陪替氏平皿的底部部分的干涉光束。在第二配置中,在环形照明期间,当光束2712照亮接近陪替氏平皿的区例如遮蔽物的表面时,遮蔽物2608防止任何干涉光束照亮陪替氏平皿2600的内部或与正在被获取的图像发生干涉。
将意识到,也可以使用检测过程和最优的照明源的其他的组合。照明源的位置可以根据需要改变并且不被固定于如本文描述的投射的位置和方向。
预期的是,各种增强和图像处理技术可以被组合以分析某些样品。这可能需要使用技术中的某些或全部。技术可以以任何顺序应用并且顺序可以在样品之间不同。在一个或多个所选择的技术已经被应用于样品并且没有菌落被识别出之后,可以确定的是样品不具有在其上生长的菌落。
在任何图像增强技术或图像处理技术中,系统可以在过程的开始被提供另外的信息。这种另外的信息包括关于培养皿或其他的样品容器的细节,例如大小、形状、材料等等。另外的信息可以还包括培养基和可以在其上生长的任何预期类型的材料的细节。信息可以还包括成像细节,例如曝光时间、照明源、培养皿的取向、任何其他的光学参数或控制参数等等。信息可以指示应用的目的,例如工业、医疗等等。任何其他有关的信息也可以被适当地包括。
这种分析样品和检测人工痕迹的自动化过程提供许多优点。检测人工痕迹和,如果必要的话,去除人工痕迹例如字迹和标记的能力使菌落的隔离更容易。同样的技术可以被用于检测其他的人工痕迹以及在另外的步骤中用于把它们从图像去除。例如,如果一批皿在某个大小和颜色的营养物中具有过多的气泡,那么这些人工痕迹可以借助于上文描述的过程被检测并且,如果必要的话,去除。相似地,其他的光学人工痕迹也可以被处理。
上文描述的发明涉及用于获得和处理生物样品的图像的系统和方法。本发明的某些或全部方面可以在不同的环境中使用。
上文描述的发明中的某些涉及可以至少在某种程度上在计算机上执行的过程。据此,涉及过程和步骤的可以借助于软件或硬件或其的任何组合执行。其中本发明的方面已经参照硬件被描述,将意识到,其可以被合适的软件模块代替。相似地,软件模块或过程可以被合适的硬件代替。
将意识到,本发明具有许多可能的变化形式,其将落入本发明的预期范围内。
Claims (22)
1.一种用于增强生物样品的图像的方法,所述生物样品已经在容器中在培养基上生长,并且其中所述图像已经通过使用接近水平的照亮光束照亮含有所述样品和所述培养基的所述容器形成,所述方法包括以下步骤:
-通过以下操作获得所述容器和所述培养基的图像作为测试图像:
-把多个不同颜色的照明源分开地应用于所述容器和所述培养基;
-对于每种颜色,测量所述容器和所述培养基的吸收度;
-形成所述容器和所述培养基对每种颜色的吸收模型;
-通过以下操作获得并且处理所述容器、所述培养基和所述生物样品的图像:
-把所述多种不同颜色的照明源分开地应用于所述容器、所述培养基和所述生物样品;
-对于每种颜色,生成所述容器、所述培养基和所述生物样品的源图像;
-把所述容器和所述培养基对每种颜色的吸收模型应用于相应的所述源图像以除去所述容器和所述培养基的吸收效应;
-组合对于每种颜色的所述源图像以形成突出所述生物样品的合成图像。
2.根据权利要求1所述的方法,其中所述照亮的步骤包括使用红色源、绿色源、蓝色源和/或UV源进行照亮。
3.一种确定生物成像系统中的生物样品的图像的理想曝光时间的方法,步骤包括:
-识别待被成像的所述样品的一个或多个特征;
-基于所述一个或多个特征确定默认的曝光时间;
-以所述默认的曝光时间拍摄图像;
-分析所述图像以确定所述图像中的多个区,例如与感兴趣的范围相关的区和与所述感兴趣的范围不相关的区;
-确定所述多个区之间的相对发光度以估计所述图像的预期的发光度;
-在所述区中的一个中,例如与所述样品相关的区,应用分类算法以把所述图像的与所述生物样品相关的部分聚集在一起和把所述图像的与所述生物样品不相关的部分聚集在一起;
-确定每个部分中的发光度以获得所述图像的实际发光度的值;
-比较所述实际发光度和所述预期的发光度以确定其之间的差分系数;
-如果所述系数高于预确定的水平,那么确定所述默认的曝光时间是不正确的并且然后以基于所述系数的新的曝光时间再拍摄新的图像。
4.一种从生物样品的图像确定其表面上的轮廓和起伏信息的方法,所述方法包括以下步骤:
-使用在所述样品上方的至少一个竖直源照亮所述样品并且获得所述样品的单色图像;
-使用来自任何方向的第二源照亮所述样品以产生所述样品的第二图像;
-把变换应用于所述单色图像以形成变换的单色图像;
-抑制所述变换的单色图像中的低频率亮度值;
-确定所述变换的单色图像中的每个像素的亮度值;
-逐像素地组合所述亮度值与所述第二图像以形成强调所述轮廓并且提供起伏信息的最终图像。
5.根据权利要求4所述的方法,其中使用在所述样品上方的至少一个竖直源照亮所述样品并且获得所述样品的单色图像的步骤包括使用在至少两个不同的位置的至少两个竖直源照亮所述样品。
6.根据权利要求4或5所述的方法,其中使用所述第二源照亮所述样品的步骤包括使用具有多个颜色通道的源并且将所述第二图像形成为彩色图像。
7.根据权利要求4至6中任一项所述的方法,其中使用所述第二源照亮所述样品的步骤包括使用红色源、绿色源和蓝色源中的每个分开地照亮所述样品并且组合所述亮度值与所得到的红色图像、绿色图像和蓝色图像中的每个以形成对于每种颜色强调所述轮廓并且提供起伏信息的图像,并且组合这三种颜色以获得所述最终图像。
8.根据权利要求4至7中任一项所述的方法,其中所述样品是包括微生物菌落存在于其上的培养基的培养皿。
9.一种检测与容器相关联的特征的方法,包括以下步骤:
-使用多个照明源中的一个或多个获得所述容器的一个或多个图像,每个照明源能够从不同的方向照亮所述容器;
-应用物体检测变换以识别所述容器的边缘;
-确定所述容器的内部的图像。
10.根据权利要求9所述的方法,其中确定所述容器的内部的图像的步骤包括在所述或每个图像中遮蔽所述容器的边缘以产生显示出所述容器的内部的结果图像。
11.根据权利要求9或10所述的方法,还包括识别在所述容器内不存在任何微生物菌落。
12.一种检测在容器上的具有非生物特征的预确定的格式的物体的方法,包括以下步骤:
-使用多个照明源中的一个或多个获得所述容器的一个或多个图像,每个照明源能够从不同的方向照亮所述容器;
-形成所述或每个图像的数字图像;
-识别所述具有非生物特征的预确定的格式的物体。
13.根据权利要求12所述的方法,其中形成所述或每个图像的数字图像的步骤包括在所述容器的所述一个或多个图像中检索具有点形状和暗颜色的物体。
14.根据权利要求12或13所述的方法,还包括遮蔽被识别出的物体以产生在其中该物体不可见的结果图像。
15.一种隔离包括培养基的容器中的微生物菌落的方法,所述方法包括以下步骤:
-使用多个照明源中的一个或多个获得所述容器的一个或多个图像,每个照明源能够从不同的方向照亮所述容器;
-选择图像或图像的组合以用于进一步的处理;
-应用圆形物体检测变换以识别所述容器中的一个或多个实质上圆形的物体,所述圆形物体代表所述容器中的被隔离的菌落;
-对于每个已识别的实质上圆形的物体,确定针对该物体的隔离区域。
16.根据权利要求15所述的方法,其中确定物体的隔离区域的步骤包括:
-确定所述已识别的实质上圆形的物体的中心;
-通过应用二值化步骤以获得二值化的图像来形成所述已识别的实质上圆形的物体的数字化的图像,其中所述二值化的图像的中心相应于所述已识别的实质上圆形的物体的中心;
-验证所述二值化的图像中的所述物体的圆形度;
-实施测试以识别所述物体的隔离区域以确定所述菌落的大小和所述菌落与其他菌落隔离的区域。
17.一种检测包括培养基的容器中的菌落的集群和/或非圆形菌落的方法,所述方法包括以下步骤:
-使用多个照明源中的一个或多个获得所述容器的一个或多个图像,每个照明源能够从不同的方向照亮所述容器;
-形成所述图像的数字化的图像;
-通过识别高密度菌落和非圆形菌落检测生长。
18.根据权利要求17所述的方法,其中识别高密度菌落和非圆形菌落的步骤包括确定具有高于预确定的值的对比度的区域。
19.根据权利要求17或18所述的方法,其中形成所述图像的数字化的图像的步骤包括使用基于区的分割技术分割所述图像。
20.一种检测包括培养基的容器中的群游的微生物的方法,所述方法包括以下步骤:
-使用多个照明源中的一个或多个获得所述容器的一个或多个图像,每个照明源能够从不同的方向照亮所述容器;
-选择具有轮廓或起伏信息的图像;
-把预确定的滤波器应用于所选择的图像以形成经滤波的图像;
-从所述经滤波的图像减去所述选择的图像以产生显示出纹理的图像。
21.根据权利要求20所述的方法,其中应用滤波器的步骤包括把中值7×7滤波器应用于所述数字化的图像中的每个点。
22.一种检测在包括培养基的容器中的由至少一种微生物进行的α和/或β溶血的方法,所述方法包括以下步骤:
-使用多个照明源中的一个或多个获得所述容器的第一图像和第二图像,每个照明源能够从不同的方向照亮所述容器;
-基于把不同的权重应用于不同的图像特征的融合算法组合所述第一图像和所述第二图像以产生具有能够检测α和/或β溶血的轮廓信息的彩色图像。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP11305542A EP2520923A1 (en) | 2011-05-06 | 2011-05-06 | Bio-imaging method and system |
EP11305542.0 | 2011-05-06 | ||
PCT/EP2012/058399 WO2012152769A1 (en) | 2011-05-06 | 2012-05-07 | Bio-imaging method and system |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103649720A true CN103649720A (zh) | 2014-03-19 |
CN103649720B CN103649720B (zh) | 2017-04-05 |
Family
ID=44487099
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280033489.1A Active CN103748452B (zh) | 2011-05-06 | 2012-05-07 | 生物成像方法和系统 |
CN201280033487.2A Active CN103649720B (zh) | 2011-05-06 | 2012-05-07 | 生物成像方法和系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201280033489.1A Active CN103748452B (zh) | 2011-05-06 | 2012-05-07 | 生物成像方法和系统 |
Country Status (6)
Country | Link |
---|---|
US (2) | US9400242B2 (zh) |
EP (3) | EP2520923A1 (zh) |
JP (3) | JP6091489B2 (zh) |
CN (2) | CN103748452B (zh) |
AU (2) | AU2012252474A1 (zh) |
WO (2) | WO2012152768A1 (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105007392A (zh) * | 2014-04-25 | 2015-10-28 | 松下知识产权经营株式会社 | 图像形成装置、图像形成方法、图像形成系统 |
CN105391931A (zh) * | 2014-08-28 | 2016-03-09 | 松下知识产权经营株式会社 | 图像处理装置和图像处理方法 |
CN107771212A (zh) * | 2015-04-23 | 2018-03-06 | Bd科斯特公司 | 菌落对比度收集 |
TWI625548B (zh) * | 2016-03-10 | 2018-06-01 | Screen Holdings Co Ltd | Imaging configuration determination method and imaging device in imaging device |
CN109661473A (zh) * | 2016-09-02 | 2019-04-19 | 生物梅里埃公司 | 用于确定微生物的存在和鉴定所述微生物的方法、系统和计算机程序产品 |
CN109777718A (zh) * | 2019-02-01 | 2019-05-21 | 北京陆桥技术股份有限公司 | 菌落图像采集系统 |
CN109781676A (zh) * | 2017-11-10 | 2019-05-21 | 陕西秦云农产品检验检测有限公司 | 一种黄曲霉毒素生物降解测试工具以及利用其的饲养方法 |
CN113075113A (zh) * | 2014-12-09 | 2021-07-06 | 伯克利之光生命科技公司 | 微流体装置中微物体的自动检测和重新定位 |
Families Citing this family (46)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013201925A (ja) * | 2012-03-27 | 2013-10-07 | Mitsui Eng & Shipbuild Co Ltd | 水検査方法及び水検査システム |
US20140267713A1 (en) * | 2013-03-15 | 2014-09-18 | Cryoxtract Instruments, Llc | Machine Vision System for Frozen Aliquotter for Biological Samples |
KR20140019950A (ko) * | 2012-08-07 | 2014-02-18 | 성균관대학교산학협력단 | 단말기의 모노 카메라에 입력된 손가락 영상을 이용한 3차원 좌표 생성 방법 및 모노 카메라에 입력된 손가락 영상을 이용하여 3차원 좌표를 생성하는 이동 단말기 |
EP2932425A4 (en) * | 2012-12-14 | 2016-12-21 | The J David Gladstone Inst | AUTOMATED ROBOTIC MICROSCOPY SYSTEMS |
US9677108B2 (en) | 2012-12-20 | 2017-06-13 | 3M Innovative Properties Company | Method of differentiating microbial colonies in an image |
CN104871177B (zh) * | 2012-12-20 | 2018-03-27 | 3M创新有限公司 | 检测产气微生物菌落的方法 |
CN105102945B (zh) * | 2013-01-10 | 2018-07-10 | 加利珀生命科学股份有限公司 | 多光谱成像系统和方法 |
WO2014110025A1 (en) | 2013-01-10 | 2014-07-17 | Caliper Life Sciences, Inc. | Whole slide multispectral imaging systems and methods |
ITMI20130692A1 (it) * | 2013-04-26 | 2014-10-27 | Copan Italia Spa | Dispositivo e procedimento per il processamento automatico di piastre di coltura per campioni microbiologici |
EP2806394A1 (en) | 2013-05-23 | 2014-11-26 | bioMérieux | Method, system and computer program product for improving the quality of an image |
WO2014187919A1 (en) | 2013-05-23 | 2014-11-27 | bioMérieux | Method, system and computer program product for producing a raised relief map from images of an object |
EP2806399A1 (en) | 2013-05-23 | 2014-11-26 | bioMérieux | Method, system and computer program product for producing a raised relief map from images of an object |
EP3851832B1 (en) * | 2014-01-30 | 2024-01-17 | BD Kiestra B.V. | A system and method for image acquisition using supervised high quality imaging |
EP3102664A4 (en) * | 2014-02-04 | 2017-11-01 | Molecular Devices, LLC | System for identifying and picking spectrally distinct colonies |
FR3020485A1 (fr) | 2014-04-25 | 2015-10-30 | Biomerieux Sa | Procede, systeme et produit-programme d'ordinateur pour afficher une image d'un objet |
CN106414705A (zh) * | 2014-05-14 | 2017-02-15 | 奥林巴斯株式会社 | 培养观察装置 |
FR3022916B1 (fr) | 2014-06-30 | 2018-04-06 | Biomerieux | Procede de detection d'une presence ou d'une absence de particules biologiques. |
JP6365830B2 (ja) * | 2014-07-17 | 2018-08-01 | 国立大学法人 新潟大学 | 抗菌効果判定システム、抗菌効果判定方法及び抗菌効果判定プログラム |
DE102014113258A1 (de) * | 2014-09-15 | 2016-03-17 | Carl Zeiss Ag | Verfahren zum Erzeugen eines Ergebnisbilds und optische Vorrichtung |
FR3028866B1 (fr) | 2014-11-26 | 2018-03-09 | bioMérieux | Procede, systeme et produit-programme d'ordinateur pour determiner la croissance de micro-organismes |
JP6535494B2 (ja) * | 2015-03-31 | 2019-06-26 | 株式会社Screenホールディングス | 撮像装置、撮像方法および培養容器 |
EP3286732A2 (en) | 2015-04-23 | 2018-02-28 | BD Kiestra B.V. | Method and system for automatically counting microbial colonies |
CN105062878A (zh) * | 2015-08-26 | 2015-11-18 | 上海理工大学 | 应用于菌落自动挑选仪的混合照明系统 |
JP6625375B2 (ja) * | 2015-08-28 | 2019-12-25 | 株式会社エヌテック | 微生物検査装置及び微生物検査方法 |
MX2018003323A (es) * | 2015-09-16 | 2018-08-16 | Merck Patent Gmbh | Metodo para la deteccion e identificacion temprana de colonias microbianas, aparato para llevar a cabo el metodo y programa de computadora. |
EP3408646B1 (en) | 2016-01-28 | 2024-05-29 | Siemens Healthcare Diagnostics Inc. | Methods and apparatus for characterizing a specimen container and a specimen |
WO2017132172A1 (en) | 2016-01-28 | 2017-08-03 | Siemens Healthcare Diagnostics Inc. | Methods and apparatus for imaging a specimen container and/or specimen using multiple exposures |
JP2017225354A (ja) * | 2016-06-20 | 2017-12-28 | 東洋製罐グループホールディングス株式会社 | 培養細胞の撮像方法及び装置 |
EP3290524A1 (en) * | 2016-09-02 | 2018-03-07 | Biomérieux | Method, system and computer program product for determining the presence of microorganisms and identifying said microorganisms |
KR101853658B1 (ko) * | 2016-09-29 | 2018-05-03 | 주식회사 싸이토젠 | 세포 이미지 스티칭 중 고해상도 구현방법 |
CN110178014B (zh) | 2016-11-14 | 2023-05-02 | 美国西门子医学诊断股份有限公司 | 用于使用图案照明表征样本的方法和设备 |
CN106600608A (zh) * | 2016-11-28 | 2017-04-26 | 四川木牛流马智能科技有限公司 | 一种人机互动的环境微生物显微图像分割方法 |
EP3655758B1 (en) | 2017-07-19 | 2024-05-15 | Siemens Healthcare Diagnostics, Inc. | Stray light compensating methods and apparatus for characterizing a specimen |
US11333553B2 (en) | 2017-07-19 | 2022-05-17 | Siemens Healthcare Diagnostics Inc. | Methods and apparatus for specimen characterization using hyperspectral imaging |
US10539776B2 (en) | 2017-10-31 | 2020-01-21 | Samantree Medical Sa | Imaging systems with micro optical element arrays and methods of specimen imaging |
US10928621B2 (en) | 2017-10-31 | 2021-02-23 | Samantree Medical Sa | Sample dishes for use in microscopy and methods of their use |
CN108398103B (zh) * | 2018-04-28 | 2023-11-10 | 北京大学 | 一种高速高通量生物样本形态检测系统 |
JP7148776B2 (ja) * | 2018-08-02 | 2022-10-06 | 国立大学法人山梨大学 | コロニー識別システム、コロニー識別方法およびコロニー識別プログラム |
EP3620984B1 (en) * | 2018-09-06 | 2024-04-10 | Accenture Global Solutions Limited | Digital quality control using computer visioning with deep learning |
JP7018006B2 (ja) * | 2018-09-27 | 2022-02-09 | 富士フイルム株式会社 | 試料撮影装置 |
JP6855526B2 (ja) * | 2019-02-28 | 2021-04-07 | キヤノン株式会社 | 制御方法、制御システム、プログラム、記憶媒体 |
EP4154161A1 (en) * | 2020-05-18 | 2023-03-29 | 3M Innovative Properties Company | Microorganic detection system using a deep learning model |
CN111982931B (zh) * | 2020-08-27 | 2022-11-18 | 高视科技(苏州)有限公司 | 一种高精度晶圆表面缺陷检测装置及其检测方法 |
BE1029446B1 (nl) | 2021-06-01 | 2023-01-09 | Microtechnix Bvba | Inrichting en werkwijze voor telling en identificatie van bacteriekolonies met behulp van hyperspectrale beeldvorming |
WO2023169675A1 (en) * | 2022-03-09 | 2023-09-14 | Ash Technologies Ltd. | A method and apparatus for illuminating colony-forming units |
WO2024034207A1 (ja) * | 2022-08-09 | 2024-02-15 | 株式会社キーエンス | コロニー計数装置、制御方法およびプログラム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010014244A2 (en) * | 2008-07-30 | 2010-02-04 | The Regents Of The University Of California, San Francisco | Multidirectional selective plane illumination microscopy |
Family Cites Families (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3551019A (en) * | 1967-11-21 | 1970-12-29 | Zeiss Stiftung | Universal microscope |
US5936731A (en) * | 1991-02-22 | 1999-08-10 | Applied Spectral Imaging Ltd. | Method for simultaneous detection of multiple fluorophores for in situ hybridization and chromosome painting |
JPH058458U (ja) * | 1991-07-12 | 1993-02-05 | 旭光学工業株式会社 | 欠陥検査用の照明装置 |
IL101522A (en) * | 1992-04-08 | 1997-09-30 | Combact Imaging Systems Ltd | Detection of microorganisms in a sample and determination of the sensitivity of microorganisms to antibiotics |
JPH07500505A (ja) * | 1992-08-27 | 1995-01-19 | イーウーエレ・ソシエダッド・アノニマ | 培養基に対してバクテリアコロニーを目立たせるためのコントラストチャンバ |
EP0767361B1 (en) * | 1993-07-22 | 2000-02-23 | Applied Spectral Imaging Ltd. | Method and apparatus for spectral imaging |
US5580163A (en) * | 1994-07-20 | 1996-12-03 | August Technology Corporation | Focusing light source with flexible mount for multiple light-emitting elements |
JP3110707B2 (ja) * | 1997-08-25 | 2000-11-20 | 株式会社日本マクシス | 水晶基板用載置台及び水晶基板の傷検査装置 |
FR2786498B1 (fr) * | 1998-11-27 | 2002-02-08 | Intelligence Artificielle Appl | Appareil de lecture automatique d'un antibiogramme |
JP2000171360A (ja) * | 1998-12-09 | 2000-06-23 | Jt Science:Kk | コロニ―採取方法および装置 |
JP2003135095A (ja) * | 2001-08-23 | 2003-05-13 | Morinaga Milk Ind Co Ltd | 微生物検査方法及び微生物検査装置 |
US7186990B2 (en) | 2002-01-22 | 2007-03-06 | Microbiosystems, Limited Partnership | Method and apparatus for detecting and imaging the presence of biological materials |
US7319031B2 (en) | 2002-11-27 | 2008-01-15 | 3M Innovative Properties Company | Mounting platform for biological growth plate scanner |
US20040101954A1 (en) | 2002-11-27 | 2004-05-27 | Graessle Josef A. | Back side plate illumination for biological growth plate scanner |
EP1565723B1 (en) * | 2002-11-27 | 2016-01-06 | 3M Innovative Properties Company | Biological growth plate scanner |
US7496225B2 (en) | 2003-09-04 | 2009-02-24 | 3M Innovative Properties Company | Biological growth plate scanner with automated intake |
JP4652694B2 (ja) * | 2004-01-08 | 2011-03-16 | オリンパス株式会社 | 画像処理方法 |
US7060955B1 (en) * | 2005-01-31 | 2006-06-13 | Chemimage Corporation | Apparatus and method for defining illumination parameters of a sample |
JP2008030619A (ja) * | 2006-07-28 | 2008-02-14 | Toyota Motor Corp | 道路区画線種別判定装置、及び、道路区画線認識装置 |
JP4848520B2 (ja) * | 2007-03-19 | 2011-12-28 | 国立大学法人山口大学 | 植物培養細胞塊の状態を判別する方法、そのための装置および植物培養細胞塊の状態を判別するためのプログラム |
EP2157164A4 (en) * | 2007-05-24 | 2014-01-15 | Nikon Corp | MONITORING DEVICE |
FR2926820B1 (fr) | 2008-01-30 | 2014-10-17 | Alain Rambach | Procede de selection de microorganismes dans un echantillon biologique |
JP4953092B2 (ja) * | 2008-03-04 | 2012-06-13 | 株式会社ニコン | 細胞観察における生細胞の判別手法、細胞観察の画像処理プログラム及び画像処理装置 |
CN102027353B (zh) * | 2008-05-15 | 2012-11-28 | 株式会社岛津制作所 | 生物体图像摄像装置 |
JP5430122B2 (ja) | 2008-10-30 | 2014-02-26 | 栄研化学株式会社 | 微生物の検出方法、装置およびプログラム |
JP2010264777A (ja) * | 2009-05-12 | 2010-11-25 | Ricoh Co Ltd | 色弱者向け駐車支援装置、色弱者向け駐車支援方法、及びプログラム |
CN101650299B (zh) * | 2009-09-19 | 2011-06-29 | 福建师范大学 | 高对比度、高分辨率非线性光谱成像探测装置 |
JP2011075318A (ja) * | 2009-09-29 | 2011-04-14 | Renesas Electronics Corp | レンズずれ測定装置、レンズずれ測定方法及び光モジュールの製造方法 |
EP2497823B1 (en) | 2009-11-05 | 2017-08-16 | Hitachi High-Technologies Corporation | Device for harvesting bacterial colony and method therefor |
JP5443950B2 (ja) * | 2009-11-13 | 2014-03-19 | 株式会社日立ハイテクノロジーズ | 細菌コロニー釣菌装置及びその方法 |
-
2011
- 2011-05-06 EP EP11305542A patent/EP2520923A1/en not_active Withdrawn
-
2012
- 2012-05-07 AU AU2012252474A patent/AU2012252474A1/en not_active Abandoned
- 2012-05-07 EP EP12720151.5A patent/EP2705352A1/en not_active Withdrawn
- 2012-05-07 CN CN201280033489.1A patent/CN103748452B/zh active Active
- 2012-05-07 AU AU2012252473A patent/AU2012252473B2/en active Active
- 2012-05-07 US US14/115,780 patent/US9400242B2/en active Active
- 2012-05-07 WO PCT/EP2012/058398 patent/WO2012152768A1/en active Application Filing
- 2012-05-07 JP JP2014508847A patent/JP6091489B2/ja active Active
- 2012-05-07 EP EP12718277.2A patent/EP2705351B1/en active Active
- 2012-05-07 US US14/115,802 patent/US9606046B2/en active Active
- 2012-05-07 JP JP2014508846A patent/JP2014513960A/ja active Pending
- 2012-05-07 CN CN201280033487.2A patent/CN103649720B/zh active Active
- 2012-05-07 WO PCT/EP2012/058399 patent/WO2012152769A1/en active Application Filing
-
2016
- 2016-08-30 JP JP2016167698A patent/JP2017018126A/ja active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010014244A2 (en) * | 2008-07-30 | 2010-02-04 | The Regents Of The University Of California, San Francisco | Multidirectional selective plane illumination microscopy |
Non-Patent Citations (6)
Title |
---|
BERRY BIRDSAIL ET AL: "Correction for light Absorption in Fluorescence Studies of Protein-Ligand Interactions", 《ANALYTICAL BIOCHEMISTRY》, vol. 132, 31 December 1983 (1983-12-31), pages 253 - 361 * |
J M BEWES: "Automated cell colony counting and analysis using the circular Hough image transform algorithm (CHiTA)", 《PHYSICS IN MEDICINE AND BIOLOGY》, 7 November 2008 (2008-11-07), pages 5991 - 6008, XP020141483, DOI: doi:10.1088/0031-9155/53/21/007 * |
MICHAEL S ET AL: "Mathematical model for time-resolved and frequency-domain fluorescence spectroscopy in biological tissues", 《APPLIED OPTICS》, vol. 33, no. 10, 1 April 1994 (1994-04-01), pages 1963 - 1974, XP001093801, DOI: doi:10.1364/AO.33.001963 * |
MOHAMMAD NOROUZIFARD ET AL: "A new method for measuring Auto-fluorescence changes in Neovascular-AMD after intravitreal injection of Bavecizumab", 《CURRENT TRENDS IN INFORMATION TECHNOLOGY (CTIT), 2009 INTERNATIONAL CONFERENCE ON THE IEEE》, 15 December 2009 (2009-12-15), pages 1 - 6, XP031643768 * |
SHERIF ABDELAZEEM: "Microaneurysm Detection Using Vessels Removal and Circular Hough Transform", 《NINETEENTH NATIONAL RADIO SCIENCE CONFERENCE》, 21 March 2002 (2002-03-21), pages 421 - 426 * |
W. CAARLS ET AL: "Minimizing light exposure with the programmable array Microscope", 《JOURNAL OF MICROSCOPY》, vol. 241, no. 1, 31 December 2010 (2010-12-31), pages 101 - 110, XP055014369, DOI: doi:10.1111/j.1365-2818.2010.03413.x * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105007392A (zh) * | 2014-04-25 | 2015-10-28 | 松下知识产权经营株式会社 | 图像形成装置、图像形成方法、图像形成系统 |
CN105007392B (zh) * | 2014-04-25 | 2019-03-08 | 松下知识产权经营株式会社 | 图像形成装置、图像形成方法、图像形成系统 |
CN105391931A (zh) * | 2014-08-28 | 2016-03-09 | 松下知识产权经营株式会社 | 图像处理装置和图像处理方法 |
CN113075113A (zh) * | 2014-12-09 | 2021-07-06 | 伯克利之光生命科技公司 | 微流体装置中微物体的自动检测和重新定位 |
CN107771212A (zh) * | 2015-04-23 | 2018-03-06 | Bd科斯特公司 | 菌落对比度收集 |
CN107771212B (zh) * | 2015-04-23 | 2021-09-10 | Bd科斯特公司 | 菌落对比度收集 |
TWI625548B (zh) * | 2016-03-10 | 2018-06-01 | Screen Holdings Co Ltd | Imaging configuration determination method and imaging device in imaging device |
CN109661473A (zh) * | 2016-09-02 | 2019-04-19 | 生物梅里埃公司 | 用于确定微生物的存在和鉴定所述微生物的方法、系统和计算机程序产品 |
CN109661473B (zh) * | 2016-09-02 | 2022-06-07 | 生物梅里埃公司 | 用于确定微生物的存在和鉴定所述微生物的方法、系统和计算机程序产品 |
CN109781676A (zh) * | 2017-11-10 | 2019-05-21 | 陕西秦云农产品检验检测有限公司 | 一种黄曲霉毒素生物降解测试工具以及利用其的饲养方法 |
CN109777718A (zh) * | 2019-02-01 | 2019-05-21 | 北京陆桥技术股份有限公司 | 菌落图像采集系统 |
Also Published As
Publication number | Publication date |
---|---|
AU2012252473B2 (en) | 2015-09-17 |
JP2014514580A (ja) | 2014-06-19 |
JP6091489B2 (ja) | 2017-03-08 |
EP2705351B1 (en) | 2020-11-11 |
JP2014513960A (ja) | 2014-06-19 |
WO2012152768A1 (en) | 2012-11-15 |
CN103649720B (zh) | 2017-04-05 |
EP2705352A1 (en) | 2014-03-12 |
AU2012252474A1 (en) | 2013-11-21 |
CN103748452B (zh) | 2018-08-10 |
AU2012252473A1 (en) | 2013-11-21 |
JP2017018126A (ja) | 2017-01-26 |
US20140293036A1 (en) | 2014-10-02 |
US9400242B2 (en) | 2016-07-26 |
US9606046B2 (en) | 2017-03-28 |
CN103748452A (zh) | 2014-04-23 |
US20140161330A1 (en) | 2014-06-12 |
WO2012152769A1 (en) | 2012-11-15 |
EP2520923A1 (en) | 2012-11-07 |
EP2705351A1 (en) | 2014-03-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103649720A (zh) | 生物成像方法和系统 | |
CN104903914B (zh) | 用于定义细胞培养皿中感兴趣的对象周围的隔离区的方法 | |
Irisson et al. | Machine learning for the study of plankton and marine snow from images | |
KR101989202B1 (ko) | 미생물 성장을 분석하는 방법 및 소프트웨어 | |
CN108351289A (zh) | 分析装置 | |
CN100557417C (zh) | 成像装置 | |
CN109661473B (zh) | 用于确定微生物的存在和鉴定所述微生物的方法、系统和计算机程序产品 | |
CN110520737A (zh) | 用于在试样表征期间进行标签补偿的方法和装置 | |
US11884959B2 (en) | Methods and systems for automated assessment of antibiotic sensitivity | |
CN109074645A (zh) | 用于ihc图像分析的空间索引创建 | |
AU2015255243B2 (en) | Bio-Imaging Method And System |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20191022 Address after: Marcie itelle, France Patentee after: BioMerier Company Address before: French Marci Le Toale Co-patentee before: Committee on Atomic Energy and Alternative Energy Patentee before: BioMerier Company |
|
TR01 | Transfer of patent right |