CN104268515A - 一种精子形态异常检测方法 - Google Patents
一种精子形态异常检测方法 Download PDFInfo
- Publication number
- CN104268515A CN104268515A CN201410478600.9A CN201410478600A CN104268515A CN 104268515 A CN104268515 A CN 104268515A CN 201410478600 A CN201410478600 A CN 201410478600A CN 104268515 A CN104268515 A CN 104268515A
- Authority
- CN
- China
- Prior art keywords
- sperm
- head
- image
- area
- stage casing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种精子形态异常检测方法,该方法不但有良好的客观性,易于核实验证,同时提高了检测效率,有很大的应用前景。它的包括步骤:1)采取经过化学试剂处理后的精子的图像;2)对所采集的图像进行预处理,包括灰度化处理、对比度增强处理、图像平滑去噪和二值化处理;3)对预处理后的图像进行图像分割处理:对二值化后的图像进行杂质的滤除、目标的提取;4)进行轮廓识别:得到精确的精子整体目标轮廓和头部轮廓;5)求取各个参数值:得出能够直接判断精子形态的相关参数。
Description
技术领域
本发明涉及一种精子形态异常检测方法。
背景技术
通常的形态检测的基本过程是医务工作者将精液利用染色剂处理后,再通过100倍显微镜观测,人为进行形态分类及计数。常规的检测方法受检测环境、检验人员经验和水平等条件的影响很大,并且费时、费力、准确率不高,容易造成检测结果的误差,给临床治疗和科研工作带来困难。
计算机辅助精子形态分析是通过染色剂对精子进行染色,使精子失去活性,再通过图像采集系统对静止的精子图像进行采集,最终利用算法实现对精子形态的检测。该方法的检测参数主要有精子形态、畸形分类、其他细胞类别等。
精子的形态分析是在染色后进行的。染色后,精子失去了原有的活性,所以精子的形态分析也称为静态分析。首先,利用100倍的显微镜对染色后的精子进行图像采集,然后通过相应的算法进行精子识别以及精子各部分参数的计算。其中核心的步骤是从100倍精子图像中精确地分割出精子目标及其各个形态部分,而这方面应用比较广泛的算法是基于主动轮廓模型的边缘检测方法。
基于Snake模型的分割方法从产生之初到现在已经有了很多的改进,并且在医学图像分割上已经有了很多成功的应用。但分割方法局限于边界分割,缺少头部顶体、中段的边界检测。
发明内容
为了解决上述问题,本发明所采用的技术方案为:
一种精子形态异常检测方法,包括步骤:
1)采集经过化学试剂处理后的精子的图像;
2)对所采集的图像进行预处理,包括包括灰度化处理、对比度增强处理、图像平滑去噪和二值化处理;
3)对预处理后的图像进行图像分割处理:对二值化后的图像进行杂质的滤除、目标的提取;
4)进行轮廓识别:得到精确的精子整体目标轮廓和头部轮廓;
5)求取各个参数值:得出能够直接判断精子形态的相关参数。
所述的步骤3)的具体操作步骤为:
3a)根据图像中的目标平均面积进行滤除面积阙值设定;
3b)对杂质进行滤除;
3c)通过区域增长法初步确定精子目标的整体二值区域和头部二值区域。
所述步骤4)的具体操作步骤为:
4a)求取对精子目标二值区域进行初始轮廓序列;
4b)利用上述轮廓序列进行基于Snake模型的轮廓检测;
4c)根据梯度矢量流场外力,精确的分割出精子整体目标轮廓和头部轮廓。
所述步骤5)中所述的相关参数包括:
头部参数:包括头部面积、头部周长、头部长度、头部宽度以及通过这些参数计算得到的相关头部参数;
中段参数:包括中段的面积、中段的宽度、距离、角度。
所述头部面积是通过最终的头部轮廓进行连通域构造,形成头部连通域,再进一步利用边界序列的成员函数进行面积的求取;
所述面积周长是通过对头部轮廓点遍历,按照链码的原则进行求解。
所述中段面积为精子整体面积与头部面积之差;
所述中段宽度的求解过程是首先确定头部与中段的交界区域,再求该交界区域的宽度;
所述距离通过角度和头部长轴进行三角函数运算得到;
所述角度是指头部长轴与中段角度之差,通过获得的长轴端点和中段端点分别求得长轴角度和中段角度即可。
所述步骤1)中采集的图像为通过显微镜获得的100倍染色精子图像。
本发明的有益效果为:该方法不但有良好的客观性,易于核实验证,同时提高了检测效率,有很大的应用前景。
附图说明
图1为染色后待图像预处理的精子形态;
图2为精子形态检测流程图;
图3为预处理后的100倍精子图像;
图4为精子的二值图像;
图5为精子整体边界图像,其中(a)为精子目标初始边界图,(b)基于Snake模型的检测边界;
图6为精子头部边界图,其中(a)为精子头部初始边界,(b)为基于Snake模型检测到的头部边界;
图7为顶体边界图,其中(a)顶体初始边界,(b)为顶体Snake模型分割结果;
图8为精子头部参数示意图;
图9为链码示意图;
图10为精子中段参数示意图。
具体实施方式
为了更好的了解本发明的技术方案,下面结合附图对本发明作进一步说明。
精子经过化学试剂染色处理后,失去活性,再通过OLMPUS显微镜可拍摄到100倍镜下的精子形态学图像,经采集得到待处理精子形态图如图1。
待处理精子形态图像经过图像预处理、图像分割后可以得到各个精子的粗略轮廓及位置。然后经过精子轮廓序列初始化后进行基于Snake模型的轮廓识别,得到精子的精确轮廓。最后,利用精子的精确轮廓进行进一步的头部分割、颈部分割及相关参数的计算。具体流程如图2:
1.图像预处理
精子形态检测中的图像预处理同精子运动轨迹检测相似,主要包括图像的灰度化、增强、平滑去噪、二值化等。预处理后的图像如图3所示。
2.图像分割
该过程主要是对二值化后的图像进行杂质的滤除、目标的提取。首先根据图像中目标平均面积进行滤除面积阈值设定,再对杂质进行滤除,最后通过区域增长法初步确定精子目标的整体二值区域和头部二值区域。
3.轮廓识别
轮廓识别过程利用上一过程中得到的精子目标二值区域进行初始轮廓序列的求取,并利用该轮廓序列进行基于Snake模型的轮廓检测,得到精确的精子整体目标轮廓和头部轮廓。采用基于Snake模型的轮廓检测方法,根据梯度矢量流场外力,对项目中的100倍精子图像做精确地轮廓分割。
4.各参数求。
该过程主要是利用前面的计算结果进行进一步的加工,最终得出能够直接判断精子形态的各种参数,以便医生能根据经验值对精子性能作出判断。
图3为预处理后的100倍精子图像。
图4是精子的二值图像。由于前期处理后的图片中目标区域和背景的对比度等相关参数较好,容易进行二值化,所以此过程使用比较常用的最大类间差法(一种自适应的阈值确定的方法,又叫大津法,简称OTSU。它是按图像的灰度特性,将图像分成背景和目标2部分)确定阈值灰度阈值。然后进行图像二值化,即将图像的灰度值归类为两类,一种为大于灰度阈值的,设定为1(或255),另一种为小于灰度阈值的,设定为0。
图5为精子整体边界图像,图5中(a)为一般检测方法得到的精子整体轮廓。对整个精子目标进行边界序列求解需要直接利用边界函数对局部二值图像中的目标连通域处理,处理结果即为整个连通域的边界序列。边界序列求解完毕后可以进行序列绘制,更直观的观测到边界序列的准确程度。图中的白色边界能基本反映精子的轮廓,能够作为基于Snake模型的初始边界进行进一步的精确边界检测。
图5中(b)为基于Snake模型的检测方法得到的精子整体轮廓。其中b图是以a中的精子整体边界序列作为初始序列进行基于snake模型检测后得到的结果。
图6为精子头部边界图。图6中(a)为一般检测方法得到的精子头部轮廓。精子头部的分割方法与整体类似,只是去掉了初始边界序列中的中段部分。该过程主要是利用形态学的腐蚀膨胀运算将整个目标中纤细的尾部和中段进行腐蚀,从而只保留精子头部的部分。
图6中(b)为基于snake模型的检测方法得到的精子头部轮廓。其中b图是以a中的精子头部边界序列作为初始序列进行基于snake模型检测后得到的结果。
图7为顶体边界图。图7中(a)为一般检测方法得到的精子顶体轮廓。顶体的边界序列构造除了用到头部边界序列外,还要借助头部短轴来构造封闭的顶体初始序列。整个顶体的初始序列是利用头部的顶部边缘轮廓和短轴连接,形成封闭的初始边界序列。头部短轴的获取是通过在长轴两侧分别查找距离质心最近的点获得的。这个过程依赖长轴的位置,需要第一步获得长轴的坐标。在头部边界序列中,距离最远的两个点被选定为长轴的端点。该过程需要遍历头部所有的序列点进行最长距离的查找。得到头部的短轴后,利用短轴和头部顶部的边缘序列构造顶体的初始序列。
图7(a)中白色的点是长轴端点,灰色点为短轴端点,图7(b)白色闭合曲线为连接短轴和头部顶部构造的顶体边缘序列。
图7中(b)为基于snake模型的检测方法得到的精子顶体轮廓。其中b图是以a中的精子头部边界序列作为初始序列进行基于snake模型检测后的结果。
头部参数
由图8可以看出,对于头部形态学参数来说,最基本的只有四个:面积、周长、长度、宽度,其他的参数可以依据这四个基本参数计算得到。这四个基本参数中,长度为求解到的头部的长轴长度,宽度为求解到的头部的短轴长度。另外两个参数计算过程稍微复杂,具体过程如下:
面积求解:求取面积的基本思想是通过最终的头部轮廓进行连通域构造,形成头部连通域,再进一步利用边界序列的成员函数进行面积的求取。
周长求解:周长是通过对头部轮廓点遍历,按照链码的原则进行求解。
头部面积的计算,首先需要根据实际采集图像所用显微镜倍数计算出每个像素点所占多少μm,获取边界序列后即可计算连通域的实际面积。
头部周长是通过对头部轮廓点遍历,按照链码的原则进行求解。
链码的具体表示意义如图9所示:
图中包含四连通方向系数和八连通方向系数两部分,其中在四连通方向中,分为0、1、2、3四个方向,每个方向的长度均为1;在八连通方向中,有八个方向:0、1、2、3、4、5、6、7,其中奇数方向对应的长度为偶数方向对应的长度为1。可以根据具体的方向进行周长的求解。
在这一过程中,像素作为构成周长的点,周长的实际长度通过链码计算得到。当链码编号为奇数时,长度设定为当链码编号为偶数时,长度设定为1。则最终的周长C表示为:
式中,Ne和No分别表示边界链码(八连通方向)中的奇数和偶数数量。
中段参数
中段参数主要有以下几个:面积、宽度、距离、角度,具体表示意义如图9:
图10中的上述参数,面积值可以根据精子头部和整体的面积进行相差得到;距离可以通过角度和头部长轴进行三角函数运算得到,这里不再赘述。下面针对宽度和角度的获得进行详细介绍。
角度求解
这里的角度指的是头部长轴角度与中段角度之差。该过程只要通过获得的长轴端点和中段端点分别求得长轴角度和中段角度即可。
宽度求解
求解宽度的过程首先是确定头部与中段的交界区域,再求该交界区域的宽度。本论文中通过头部长轴下端点和尾部端点连线的10%来确定宽度求解位置,再从精子边界中查找到该点的两个最近点,用这两个点的距离代替中段宽度。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (7)
1.一种精子形态异常检测方法,其特征是,包括步骤:
1)采集经过化学试剂处理后的精子的图像;
2)对所采集的图像进行预处理,包括包括灰度化处理、对比度增强处理、图像平滑去噪和二值化处理;
3)对预处理后的图像进行图像分割处理:对二值化后的图像进行杂质的滤除、目标的提取;
4)进行轮廓识别:得到精确的精子整体目标轮廓和头部轮廓;
5)求取各个参数值:得出能够直接判断精子形态的相关参数。
2.如权利要求1所述的一种精子形态异常检测方法,其特征是,所述的步骤3)的具体操作步骤为:
3a)根据图像中的目标平均面积进行滤除面积阙值设定;
3b)对杂质进行滤除;
3c)通过区域增长法初步确定精子目标的整体二值区域和头部二值区域。
3.如权利要求1所述的一种精子形态异常检测方法,其特征是,所述步骤4)的具体操作步骤为:
4a)求取对精子目标二值区域进行初始轮廓序列;
4b)利用上述轮廓序列进行基于Snake模型的轮廓检测;
4c)根据梯度矢量流场外力,精确的分割出精子整体目标轮廓和头部轮廓。
4.如权利要求1所述的一种精子形态异常检测方法,其特征是,所述步骤5)中所述的相关参数包括:
头部参数:包括头部面积、头部周长、头部长度、头部宽度以及通过这些参数计算得到的相关头部参数;
中段参数:包括中段的面积、中段的宽度、距离、角度。
5.如权力要求4所述的一种精子形态异常检测方法,其特征是,
所述头部面积是通过最终的头部轮廓进行连通域构造,形成头部连通域,再进一步利用边界序列的成员函数进行面积的求取;
所述面积周长是通过对头部轮廓点遍历,按照链码的原则进行求解。
6.如权利要求4所述的一种精子形态异常检测方法,其特征是,
所述中段面积为精子整体面积与头部面积之差;
所述中段宽度的求解过程是首先确定头部与中段的交界区域,再求该交界区域的宽度;
所述距离通过角度和头部长轴进行三角函数运算得到;
所述角度是指头部长轴与中段角度之差,通过获得的长轴端点和中段端点分别求得长轴角度和中段角度即可。
7.如权利要求1-6任一所述的一种精子形态异常检测方法,其特征是,所述步骤1)中采集的图像为通过显微镜获得的100倍染色精子图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410478600.9A CN104268515A (zh) | 2014-09-18 | 2014-09-18 | 一种精子形态异常检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410478600.9A CN104268515A (zh) | 2014-09-18 | 2014-09-18 | 一种精子形态异常检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104268515A true CN104268515A (zh) | 2015-01-07 |
Family
ID=52160035
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410478600.9A Pending CN104268515A (zh) | 2014-09-18 | 2014-09-18 | 一种精子形态异常检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104268515A (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107176993A (zh) * | 2017-06-26 | 2017-09-19 | 厦门市妇幼保健院(厦门市计划生育服务中心) | 一种mmaf致病基因新突变及其应用 |
CN108182676A (zh) * | 2017-12-22 | 2018-06-19 | 成都朴华科技有限公司 | 一种精子碎片化率检测方法、装置、设备及可读存储介质 |
CN109767450A (zh) * | 2018-12-14 | 2019-05-17 | 杭州大数云智科技有限公司 | 一种用于精子形态智能阅片系统的标注方法 |
CN110363740A (zh) * | 2018-12-29 | 2019-10-22 | 上海北昂医药科技股份有限公司 | Dna图像中的精子碎片识别方法 |
CN110363057A (zh) * | 2018-12-29 | 2019-10-22 | 上海北昂医药科技股份有限公司 | 一种形态学图像中的精子识别及分类方法 |
CN110458821A (zh) * | 2019-08-07 | 2019-11-15 | 屈晨 | 一种基于深度神经网络模型的精子形态分析方法 |
CN111091371A (zh) * | 2018-10-24 | 2020-05-01 | 北京意锐新创科技有限公司 | 快速支付方法和装置 |
CN111563550A (zh) * | 2020-04-30 | 2020-08-21 | 北京百度网讯科技有限公司 | 基于图像技术的精子形态检测方法和装置 |
CN112036384A (zh) * | 2020-11-04 | 2020-12-04 | 成都朴华科技有限公司 | 精子头部形态识别方法、装置及设备 |
CN112105914A (zh) * | 2018-05-21 | 2020-12-18 | 多伦多大学管理委员会 | 用于自动非侵入性地测量精子活力和形态学以及自动选择具有高dna完整性的精子的方法 |
CN112419235A (zh) * | 2020-10-22 | 2021-02-26 | 南京大学 | 一种精子活性检测系统及方法 |
CN113221860A (zh) * | 2021-07-07 | 2021-08-06 | 深圳市瑞图生物技术有限公司 | Dna碎片识别方法、装置、计算机设备和存储介质 |
WO2022108436A1 (es) * | 2020-11-17 | 2022-05-27 | Chavez Badiola Alejandro | Un sistema de evaluación cuantitativa automática en tiempo real, evaluación y / o clasificación de esperma individual, destinado a la inyección intracitoplásmica de esperma (icsi), y otros procedimientos de fertilización, que permite la selección de un solo esperma |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101107508A (zh) * | 2005-01-17 | 2008-01-16 | 比奥菲斯股份公司 | 用于测量粒子动态参数的方法和装置 |
US20120148141A1 (en) * | 2010-12-14 | 2012-06-14 | Aydogan Ozcan | Compact automated semen analysis platform using lens-free on-chip microscopy |
-
2014
- 2014-09-18 CN CN201410478600.9A patent/CN104268515A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101107508A (zh) * | 2005-01-17 | 2008-01-16 | 比奥菲斯股份公司 | 用于测量粒子动态参数的方法和装置 |
US20120148141A1 (en) * | 2010-12-14 | 2012-06-14 | Aydogan Ozcan | Compact automated semen analysis platform using lens-free on-chip microscopy |
Non-Patent Citations (3)
Title |
---|
于桂玲: ""基于计算机辅助的结核病检测及图像处理系统"", 《万方数据 企业知识服务平台》 * |
王永新: "精子形态学评价及形态学分类研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
聂鹏: "基于活动轮廓模型的精子图像分割", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107176993A (zh) * | 2017-06-26 | 2017-09-19 | 厦门市妇幼保健院(厦门市计划生育服务中心) | 一种mmaf致病基因新突变及其应用 |
CN108182676B (zh) * | 2017-12-22 | 2021-11-02 | 成都朴华科技有限公司 | 一种精子碎片化率检测方法、装置、设备及可读存储介质 |
CN108182676A (zh) * | 2017-12-22 | 2018-06-19 | 成都朴华科技有限公司 | 一种精子碎片化率检测方法、装置、设备及可读存储介质 |
CN112105914A (zh) * | 2018-05-21 | 2020-12-18 | 多伦多大学管理委员会 | 用于自动非侵入性地测量精子活力和形态学以及自动选择具有高dna完整性的精子的方法 |
CN111091371A (zh) * | 2018-10-24 | 2020-05-01 | 北京意锐新创科技有限公司 | 快速支付方法和装置 |
CN109767450A (zh) * | 2018-12-14 | 2019-05-17 | 杭州大数云智科技有限公司 | 一种用于精子形态智能阅片系统的标注方法 |
CN110363740A (zh) * | 2018-12-29 | 2019-10-22 | 上海北昂医药科技股份有限公司 | Dna图像中的精子碎片识别方法 |
CN110363057A (zh) * | 2018-12-29 | 2019-10-22 | 上海北昂医药科技股份有限公司 | 一种形态学图像中的精子识别及分类方法 |
CN110458821A (zh) * | 2019-08-07 | 2019-11-15 | 屈晨 | 一种基于深度神经网络模型的精子形态分析方法 |
CN111563550A (zh) * | 2020-04-30 | 2020-08-21 | 北京百度网讯科技有限公司 | 基于图像技术的精子形态检测方法和装置 |
CN111563550B (zh) * | 2020-04-30 | 2023-08-25 | 北京百度网讯科技有限公司 | 基于图像技术的精子形态检测方法和装置 |
CN112419235A (zh) * | 2020-10-22 | 2021-02-26 | 南京大学 | 一种精子活性检测系统及方法 |
CN112036384A (zh) * | 2020-11-04 | 2020-12-04 | 成都朴华科技有限公司 | 精子头部形态识别方法、装置及设备 |
CN112036384B (zh) * | 2020-11-04 | 2021-02-05 | 成都朴华科技有限公司 | 精子头部形态识别方法、装置及设备 |
WO2022108436A1 (es) * | 2020-11-17 | 2022-05-27 | Chavez Badiola Alejandro | Un sistema de evaluación cuantitativa automática en tiempo real, evaluación y / o clasificación de esperma individual, destinado a la inyección intracitoplásmica de esperma (icsi), y otros procedimientos de fertilización, que permite la selección de un solo esperma |
CN113221860A (zh) * | 2021-07-07 | 2021-08-06 | 深圳市瑞图生物技术有限公司 | Dna碎片识别方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104268515A (zh) | 一种精子形态异常检测方法 | |
CN102999886B (zh) | 图像边缘检测器及标尺光栅栅线精度检测系统 | |
CN108154519A (zh) | 眼底图像中血管的分割方法、装置及存储介质 | |
Song et al. | Segmentation, splitting, and classification of overlapping bacteria in microscope images for automatic bacterial vaginosis diagnosis | |
Thalji et al. | Iris Recognition using robust algorithm for eyelid, eyelash and shadow avoiding | |
CN110448335A (zh) | 一种基于超声图像的胎儿头围全自动测量方法和装置 | |
CN102254172B (zh) | 一种基于细胞神经网络和形态学的指纹图像分割方法 | |
CN101826209A (zh) | 一种基于Canny模型的三维医学图像分割方法 | |
CN112258569B (zh) | 瞳孔中心定位方法、装置、设备及计算机存储介质 | |
CN106228118A (zh) | 一种特征点和二值图像结合的手指静脉识别方法 | |
Kaleem et al. | Segmentation of brain tumor tissue using marker controlled watershed transform method | |
CN111105427B (zh) | 一种基于连通区域分析的肺部图像分割方法及系统 | |
CN113516644B (zh) | 一种血管内光学相干层析成像分支血管识别方法 | |
CN104933723A (zh) | 基于稀疏表示的舌图像分割方法 | |
CN102201060B (zh) | 一种基于形状语义的非参数轮廓跟踪评价方法 | |
CN111639555B (zh) | 一种指静脉图像噪声精确提取和自适应滤波去噪方法及装置 | |
Shen et al. | Medical image segmentation based on improved watershed algorithm | |
CN111899272A (zh) | 基于耦合神经网络和线连接器的眼底图像血管分割方法 | |
CN111325282A (zh) | 适应多机型的乳腺x射线影像识别方法和装置 | |
CN111336991A (zh) | 基于激光点云的隧道椭圆度分析方法、装置和系统 | |
CN105354823A (zh) | 树木年轮图像边缘提取与分割的系统 | |
CN112053355B (zh) | 细胞图像的分割方法 | |
Xiang et al. | Segmentation of retinal blood vessels based on divergence and bot-hat transform | |
CN109035272A (zh) | 基于ct图像的肺分割方法、装置及计算机可读存储介质 | |
CN108764311A (zh) | 一种遮挡目标检测方法、电子设备、存储介质及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150107 |
|
RJ01 | Rejection of invention patent application after publication |