CN104392460A - 一种基于胞核标记分水岭变换的粘连白细胞分割方法 - Google Patents
一种基于胞核标记分水岭变换的粘连白细胞分割方法 Download PDFInfo
- Publication number
- CN104392460A CN104392460A CN201410778791.0A CN201410778791A CN104392460A CN 104392460 A CN104392460 A CN 104392460A CN 201410778791 A CN201410778791 A CN 201410778791A CN 104392460 A CN104392460 A CN 104392460A
- Authority
- CN
- China
- Prior art keywords
- leucocyte
- bianry image
- image
- core
- blood cell
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
-
- 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
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种基于胞核标记分水岭变换的粘连白细胞分割方法。首先,输入原始RGB图像,发现外周血白细胞和骨髓白细胞在图像处理过程中普遍难解决的问题;接着对原始图像进行HSI、LUV颜色空间和灰度空间转换,并分析各通道分量图像的特点;然后对B分量和灰度图分别做阈值分割和图像相减得到含部分杂质的白细胞图像;紧接着通过图像增强技术获得白细胞核团作为标记的目标;再然后,对白细胞核团和含杂质的白细胞图像做形态学操作和分水岭变换除去杂质得精确的白细胞图像并解决细胞粘连问题。最后,裁剪目标白细胞,将其转换到LUV空间,从空间和颜色的角度对白细胞图像进行聚类,得到精确的白细胞核。
Description
技术领域
本发明属于生物医学工程领域,特别涉及一种基于胞核标记分水岭变换的粘连白细胞分割方法。
背景技术
白细胞的检查是临床检验的一项重要内容,机体发生炎症或其他疾病都可引起白细胞总数及各种白细胞的百分比发生变化,因此检查白细胞总数及白细胞分类计数成为辅助诊断的一种重要方法。细胞图像分析与识别系统在近年研究比较多,其主要任务就是经过自动分析通过预处理对采集图像进行细胞分割,分割出单个细胞,计算单个细胞的有关特征参数,识别统计不同细胞的个数。在血细胞识别中,白细胞分割效果的好坏直接影响着细胞特征提取和分类等下一步操作的结果,在细胞识别中,白细胞分割是最具有挑战性的一步。
在图像处理与模式识别领域,传统的白细胞分割方法大致分为以下几类:基于多光谱技术的图像分割算法;基于颜色模型的图像分割算法,常用的颜色模型有RGB,HSI,CMYK等;基于数学形态学的算法图像分割,诸如snake算法在得到细胞核的基础上分割出细胞质,传统分水岭算法解决细胞粘连问题等;基于模糊数学的图像分割算法,如模糊C均值算法,K均值聚类分割白细胞等。而在分割过程中,单纯使用一种算法很难达到较好的效果,多种算法结合分割效果更好。
现有的主要的粘连白细胞分割算法的不足:
1、分割过程花费时间长。
2、分割的图像受白细胞库限制。
3、白细胞分割精确度低。
4、骨髓白细胞核分割不精确。
5、不能有效的解决细胞间粘连问题。
发明内容
本文基于细胞图像在不同颜色空间呈现的不同颜色,白细胞与红细胞等在纹理空间上存在的差异性,和细胞核团能够确定白细胞数目与位置等特性,提出了一种算法简单操作耗时短的外周血粘连白细胞与白细胞核精确分割算法,该算法完成了白细胞的完整分割,有效的解决了外周血白细胞间的粘连问题。
本发明的目的是为克服上述现有技术的不足,提供一种基于胞核标记分水岭变换的粘连白细胞分割方法,解决了外周血粘连白细胞分割的问题。算法简单,耗时短,对不同的细胞库不同形态的粘连白细胞分割、白细胞核的精确分割具有很好的鲁棒性。
为实现上述目的,本发明采用下述技术方案:
一种基于胞核标记的分水岭变换的粘连白细胞分割方法,包括以下步骤:
(1)对原始彩色血细胞图像进行处理,得到只包含白细胞核区域的二值图像I、白细胞和红细胞二值图II以及只包含白细胞核和红细胞区域的二值图像III;
(2)用二值图像III减去二值图像I,得到仅包含红细胞区域的新二值图像IV,
(3)用二值图像IV减去二值图像II,得到包含有完整的白细胞轮廓区域的二值图像V;
(4)增强原始彩色血细胞图像中白细胞的细胞核区域,得到增强后的图像N,对其做形态学处理,得到精确白细胞核二值图像X;
(5)对二值图像X进行分析,判断白细胞核是否为分叶核,判断白细胞核是否发生粘连,对二值图像X做相应的操作得内部种子二值图像VI;
(6)将内部种子图像VI作为标记图像,二值图像V作为掩模,对两者做逻辑与和形态学重构操作,得到白细胞区域的二值图像Y,作为外部种子;
(7)判断粘连条件,对二值图像Y作两步分水岭变换,得到分离的白细胞二值图像VII-2;
(8)将二值图像X和二值图像VII-2做逻辑与操作,可得到精确的分离开的白细胞核二值图像Z1;将二值图像Z1作为标记图像,VII-2作为掩模,对两者做形态学重构操作,即可得到分离开的精确的白细胞二值图像Z2。
所述步骤(1)的具体方法为:在matlab中,观察灰度图像,确定白细胞核、红细胞和背景的灰度值;通过graythresh函数计算灰度直方图的全局阈值T,再通过im2bw函数对灰度图像进行阈值分割,得到白细胞和红细胞区域二值图II;分析灰度直方图,选取分割细胞核的经验阈值T2=0.5,使用im2bw函数阈值分割出白细胞核部分,得到只包含白细胞核区域的二值图像I;分析B分量图像,分析红细胞和白细胞核颜色在图像中呈现的像素值,通过全局阈值分割技术得到只包含白细胞核和红细胞区域的二值图像III;
所述步骤(4)的具体方法为:分析G通道分量和S通道分量图像,对两者进行归一化处理,分别得到归一化的矩阵Ig和Is,对两归一化矩阵进行像素值相减得到增强的图像N,其中N=2Ig-Is;再对N进行二值化和形态学操作,得到精确的白细胞核二值图X。
所述步骤(5)的具体方法为:
(i)判断细胞核为分叶核条件:当细胞核二值图X中存在两目标胞核的质心距离小于25,且两目标的面积大于30小于150时,则判断目标细胞核为分叶核,其中,面积用白细胞区域所占像素个数和表示;此时获取两目标核的质心坐标位置,对两目标进行质心相连操作,使分叶核形成一个细胞核团,作为内部种子点;
(ii)判断细胞核粘连条件:当二值图像X中含有目标细胞核面积大于1000时,则判断二值图像X中含有目标粘连细胞核;其中,圆度值=周长2/4π*面积,周长用白细胞边界像素点个数和表示,面积用白细胞区域所占像素个数和表示。创建一个半径为1的平坦型圆盘结构元素,对目标细胞核进行三次形态学腐蚀操作,得到目标细胞核的内部种子点;
(iii)对于X中不是分叶核或不是粘连的胞核目标,直接作为内部种子点。
(iv)将(i)~(iii)中得到的内部种子点合并,得到二值图X的细胞核团即内部种子,记为VI。
所述步骤(7)的具体方法为:
(i)判断目标细胞粘连条件:当二值图像Y中含有目标细胞面积大于2000或圆度值大于2的情况时,则判断二值图像Y中含有目标粘连细胞;此时,对内部种子VI做基于距离的分水岭变换,得到的分水岭脊线显示在二值图像Y上,得到的图像记为VII-1。此过程叫作基于胞核标记的分水岭变换过程,主要依靠外周血中胞核或种子点不粘连来解决白细胞胞质粘连的问题。
(ii)继续判断粘连条件,当二值图像VII-1中含有目标细胞面积大于2000或圆度值大于2的情况时,则判断二值图像VII-1中含有目标粘连细胞,对目标粘连细胞做自适应腐蚀操作,至目标细胞数量增多或消失时为止;
(iii)若目标细胞消失,此细胞不作处理;若目标数量增多,将腐蚀后的多个目标作为新的内部种子点做基于距离变换的分水岭变换,分水岭脊线显示在目标粘连细胞上,粘连细胞即可分开;
(iv)继续判断细胞粘连条件,直至循环结束,即可得到分离后的细胞二值图像VII-2。(ii)~(iv)过程记为第二次分水岭分割过程。
本发明由于采取以上技术方案,其具有以下优点:
1、方法简单操作,耗时短。
2、提出了图像相减方法来得到完整的白细胞轮廓。确保了白细胞分割的完整性。
3、提出了基于细胞核团当内部标记符的分水岭变换,避免了过分割问题的出现,提高了分水岭变换粘连分割的稳定性。
4、提出了一种用细胞核数来标记白细胞数量的思想,避免了分割过程中产生错误而出现红细胞,降低了误割率,提高了分割的准确性。
5、提出了一种新的方法分割外周血粘连白细胞,算法分割精度高,稳定性强,优于传统的算法。
附图说明
图1为外周血粘连白细胞分割系统流程图
图2显示来自两种不同光照下的外周血细胞图像
图3显示白细胞核I分割二值图
图4显示白细胞和红细胞II分割效果图
图5显示白细胞核和红细胞III分割效果图
图6显示红细胞IV分割效果图
图7显示不精确白细胞V分割效果图
图8显示分割的细胞核X二值图
图9显示内部种子点VI二值图
图10显示初步分割的白细胞Y二值图
图11显示由X得到的分水岭脊线
图12显示第一次分水岭变换的结果VII-1
图13显示第一次分水岭变换的结果VII-2
图14显示分离开的精确白细胞核Z1
图15显示分离开的精确白细胞Z2
图16分割出的白细胞和白细胞核的分割效果显示在原始图像上(细胞核边缘用红线显示,白细胞边缘用绿线显示)
具体实施方式
以下通过实施例的方式进一步说明本发明,但并不因此将本发明限制在所述的实施例范围之中。下列实施例中未注明具体条件的实验方法,按照常规的方法和条件进行选择。
实施例1:
如图1所示,本发明所涉及的一种基于胞核标记的外周血粘连白细胞图像分割算法的具体实施过程如下:
在白细胞识别中,医学专家通常会在根据颜色和形态等特性对白细胞和红细胞进行区分,根据纹理和空间等信息对白细胞类型进行判别。本文采集多人外周血细胞形成细胞库,从颜色和空间的角度对白细胞进行分割,分析细胞库图像部分颜色通道的特点,发现可通过颜色空间和形态学操作对白细胞进行精确分割。对白细胞中存在的粘连问题可通过改进的基于胞核标记的分水岭变换进行精确稳定的白细胞粘连分割。本文算法简单易操作,能有效解决细胞粘连问题,对不同细胞库不同光照下细胞图像如图2所示,有较高的分割率和很好的鲁棒性。
(1)不精确白细胞V的分割。此过程分割出的白细胞二值化图像中可能出现部分红细胞等杂质或存在细胞粘连等情况,但白细胞数量和形态是保持完整的,不存在白细胞遗漏或白细胞质残缺的问题,不精确白细胞的分割是通过二值化图像相减技术来实现的。分割方法是:首先将原始RGB彩色图像转换到像素范围在0~1的灰度空间,通过设定不同的阈值,分别对灰度图像进行阈值为0.5和基于ostu自适应阈值分割技术的阈值分割,各自得到白细胞核I(如图3所示)和白细胞与红细胞II(如图4所示)两种二值化图像。然后提取RGB空间的B分量,发现在此通道分量中白细胞核和红细胞的像素值较低,根据此特点可做基于ostu的自适应阈值分割得到白细胞核与红细胞的二值图III,如图5所示。如图6示,红细胞IV的图像可通过白细胞核与红细胞的二值图III减去白细胞核二值图I得到。白细胞与红细胞二值图II减去红细胞二值图V可得到不精确的白细胞二值图像V,如图7所示。
(2)内部种子亦细胞核团的获取。获取细胞核团作为内部种子,用来确定白细胞的数量和解决白细胞的粘连问题。细胞核团的获取方法是,首先将原始RGB彩色图像转换到HSI空间,分别提取两空间的G和S通道分量,观察G分量可发现,白细胞和血小板像素值较小,其他成分有较大的像素值,观察S分量可发现,白细胞和血小板像素值较大,其他成分有较小的像素值,对两通道分量做归一化处理,然后做像素值相减,可起到增强细胞核图像的作用。对得到的增强图像做二值化和形态学处理可得到细胞核二值图像X,分割效果见图8所示。对于白细胞中分叶核的细胞核为多核的情况,为使其成为细胞核团,对其进行质心两两相连,让多核成为一个细胞核团不但可以确定白细胞的数量还可以此作为分水岭变换的内部种子来解决细胞粘连问题。对于白细胞中白细胞核也发生粘连的情况,创建进行一个半径为1的平坦型圆盘结构元素,对目标细胞核进行三次形态学腐蚀操作,可得到粘连细胞核的种子点。本方法得到的内部种子图像,如图9所示。
(3)外部种子的获取。一个细胞核团对应一个白细胞,内部种子二值图像VI确定了白细胞的数量。通过对内部种子二值图像VI和不精确白细胞二值图像V做逻辑与操作,可去除图像V中多余的红细胞等大面积杂质部分。将两者逻辑与后得到的图像作为标记图像,将不精确白细胞图像V作为掩膜,对其做形态学重构操作,可获取精确的白细胞二值化图像Y即外部种子,如图10所示。
(4)分水岭变换解决细胞粘连。在外周血细胞中,一般细胞核不发生粘连,在细胞核不粘连而细胞质发生粘连情况下,对内部种子VI做基于距离的分水岭变换,将分水岭脊线显示在外部种子Y上,得到白细胞二值图像VII-1,分水岭脊线如图11所示,第一次分水岭变换结果二值图VII-1如图12示;当细胞图像中存在细胞质与红细胞粘连或细胞核也发生粘连时,继续判断目标粘连情况,对VII-1做自适应腐蚀的分水岭变换得到分离开的细胞二值图像VII-2,如图13示。
(5)分离开的精确白细胞和精确白细胞核的获取。二值图像X中,对于细胞核粘连的情况,可通过二值图像VII-2与二值图像X做逻辑与操作来解决,分离开的细胞核二值图像Z1,如图14示。二值图像VII-2中可能含有红细胞等杂质,将二值图像Z1作为标记图像,VII-2作为掩模,对两者做形态学重构操作,即可得到分离开的精确的白细胞二值图像Z2,如图15所示。
(6)将血细胞图像白细胞和白细胞核的分割边缘线依次显示在原始图像上,如图16所示。由此发现此方法分割白细胞,耗时短,精度高,很好的分割效果且优于传统的外周血细胞粘连分割算法。
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 (5)
1.一种基于胞核标记的分水岭变换的粘连白细胞分割方法,包括以下步骤:
(1)对原始彩色血细胞图像进行处理,得到只包含白细胞核区域的二值图像I、白细胞和红细胞二值图II以及只包含白细胞核和红细胞区域的二值图像III;
(2)用二值图像III减去二值图像I,得到仅包含红细胞区域的新二值图像IV,
(3)用二值图像IV减去二值图像II,得到包含有完整的白细胞轮廓区域的二值图像V;
(4)增强原始彩色血细胞图像中白细胞的细胞核区域,得到增强后的图像N,对其做形态学处理,得到精确白细胞核二值图像X;
(5)对二值图像X进行分析,判断白细胞核是否为分叶核,判断白细胞核是否发生粘连,对二值图像X做相应的操作得内部种子二值图像VI;
(6)将内部种子图像VI作为标记图像,二值图像V作为掩模,对两者做逻辑与和形态学重构操作,得到白细胞区域的二值图像Y,作为外部种子;
(7)判断粘连条件,对二值图像Y作两步分水岭变换,得到分离的白细胞二值图像VII-2;
(8)将二值图像X和二值图像VII-2做逻辑与操作,可得到精确的分离开的白细胞核二值图像Z1;将二值图像Z1作为标记图像,VII-2作为掩模,对两者做形态学重构操作,即可得到分离开的精确的白细胞二值图像Z2。
2.如权利要求1所述的分割方法,其特征是,所述步骤(1)的具体方法为:在matlab中,观察灰度图像,确定白细胞核、红细胞和背景的灰度值;通过graythresh函数计算灰度直方图的全局阈值T,再通过im2bw函数对灰度图像进行阈值分割,得到白细胞和红细胞区域二值图II;分析灰度直方图,选取分割细胞核的经验阈值T2=0.5,使用im2bw函数阈值分割出白细胞核部分,得到只包含白细胞核区域的二值图像I;分析B分量图像,分析红细胞和白细胞核颜色在图像中呈现的像素值,通过全局阈值分割技术得到只包含白细胞核和红细胞区域的二值图像III。
3.如权利要求1所述的分割方法,其特征是,所述步骤(4)的具体方法为:分析G通道分量和S通道分量图像,对两者进行归一化处理,分别得到归一化的矩阵Ig和Is,对两归一化矩阵进行像素值相减得到增强的图像N,其中N=2Ig-Is;再对N进行二值化和形态学操作,得到精确的白细胞核二值图X。
4.如权利要求1所述的分割方法,其特征是,所述步骤(5)的具体方法为:
(i)判断细胞核为分叶核条件:当细胞核二值图X中存在两目标胞核的质心距离小于25,且两目标的面积大于30小于150时,则判断目标细胞核为分叶核,其中,面积用白细胞区域所占像素个数和表示;此时获取两目标核的质心坐标位置,对两目标进行质心相连操作,使分叶核形成一个细胞核团,作为内部种子点;
(ii)判断细胞核粘连条件:当二值图像X中含有目标细胞核面积大于1000时,则判断二值图像X中含有目标粘连细胞核;其中,圆度值=周长2/4π*面积,周长用白细胞边界像素点个数和表示,面积用白细胞区域所占像素个数和表示;创建一个半径为1的平坦型圆盘结构元素,对目标细胞核进行三次形态学腐蚀操作,得到目标细胞核的内部种子点;
(iii)对于二值图像X中不是分叶核或不是粘连的胞核目标,直接作为内部种子点;
(iv)将(i)~(iii)中得到的内部种子点合并,得到二值图像X的细胞核团即内部种子,记为VI。
5.如权利要求1所述的分割方法,其特征是,所述步骤(7)的具体方法为:
(i)判断目标细胞粘连条件:当二值图像Y中含有目标细胞面积大于2000或圆度值大于2时,则判断二值图像Y中含有目标粘连细胞;对内部种子VI做基于距离的分水岭变换,得到的分水岭脊线显示在二值图像Y上,得到的图像记为VII-1;
(ii)继续判断粘连条件,当二值图像VII-1中含有目标细胞面积大于2000或圆度值大于2时,则判断二值图像VII-1中含有目标粘连细胞,对目标粘连细胞做自适应腐蚀操作,至目标细胞数量增多或消失时为止;
(iii)若目标细胞消失,此细胞不作处理;若目标数量增多,将腐蚀后的多个目标作为新的内部种子点做基于距离变换的分水岭变换,分水岭脊线显示在目标粘连细胞上,粘连细胞即可分开;
(iv)继续判断细胞粘连条件,直至循环结束,即可得到分离后的细胞二值图像VII-2;(ii)~(iv)过程记为第二次分水岭分割过程。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410778791.0A CN104392460B (zh) | 2014-12-12 | 2014-12-12 | 一种基于胞核标记分水岭变换的粘连白细胞分割方法 |
PCT/CN2015/092590 WO2016091016A1 (zh) | 2014-12-12 | 2015-10-23 | 一种基于胞核标记分水岭变换的粘连白细胞分割方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410778791.0A CN104392460B (zh) | 2014-12-12 | 2014-12-12 | 一种基于胞核标记分水岭变换的粘连白细胞分割方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104392460A true CN104392460A (zh) | 2015-03-04 |
CN104392460B CN104392460B (zh) | 2015-11-04 |
Family
ID=52610358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410778791.0A Active CN104392460B (zh) | 2014-12-12 | 2014-12-12 | 一种基于胞核标记分水岭变换的粘连白细胞分割方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN104392460B (zh) |
WO (1) | WO2016091016A1 (zh) |
Cited By (27)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105139383A (zh) * | 2015-08-11 | 2015-12-09 | 北京理工大学 | 基于定义圆hsv颜色空间的医学图像分割方法及癌细胞识别方法 |
WO2016091016A1 (zh) * | 2014-12-12 | 2016-06-16 | 山东大学 | 一种基于胞核标记分水岭变换的粘连白细胞分割方法 |
CN106327490A (zh) * | 2016-08-22 | 2017-01-11 | 中国计量大学 | 一种基于白细胞检测的细胞核分割方法 |
CN106875394A (zh) * | 2016-12-22 | 2017-06-20 | 浙江工业大学 | 适用于无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法 |
CN107220647A (zh) * | 2017-06-05 | 2017-09-29 | 中国农业大学 | 一种叶片交叉条件下作物中心点定位方法及系统 |
CN107492088A (zh) * | 2016-06-11 | 2017-12-19 | 青岛华晶生物技术有限公司 | 一种妇科显微图像中白细胞自动识别与统计方法 |
CN107527343A (zh) * | 2017-08-31 | 2017-12-29 | 山东省农业科学院科技信息研究所 | 一种基于图像处理的双孢蘑菇分级方法 |
CN107705298A (zh) * | 2017-09-19 | 2018-02-16 | 浙江农林大学 | 一种检测心肌细胞核独立情况和粘连情况的方法及系统 |
CN108257124A (zh) * | 2018-01-23 | 2018-07-06 | 江苏康尚生物医疗科技有限公司 | 一种基于图像的白细胞计数方法和系统 |
CN108805865A (zh) * | 2018-05-22 | 2018-11-13 | 杭州智微信息科技有限公司 | 一种基于饱和度聚类的骨髓白细胞定位方法 |
CN108918481A (zh) * | 2018-04-26 | 2018-11-30 | 南昌大学 | 一种脐静脉内皮细胞荧光分析系统 |
CN104751462B (zh) * | 2015-03-29 | 2018-12-14 | 迈克医疗电子有限公司 | 一种基于多特征非线性组合的白细胞分割方法 |
CN110060229A (zh) * | 2019-05-29 | 2019-07-26 | 武汉兰丁医学高科技有限公司 | 一种骨髓白细胞的细胞自动定位分割方法 |
CN110110807A (zh) * | 2019-05-16 | 2019-08-09 | 福州大学 | 一种基于改进K-means及卷积神经网络的白细胞提取和分类方法 |
CN110135271A (zh) * | 2019-04-19 | 2019-08-16 | 上海依智医疗技术有限公司 | 一种细胞分类方法及装置 |
CN110223305A (zh) * | 2019-06-12 | 2019-09-10 | 志诺维思(北京)基因科技有限公司 | 细胞分割方法、装置及可读存储介质 |
CN110363762A (zh) * | 2019-07-23 | 2019-10-22 | 腾讯科技(深圳)有限公司 | 细胞检测方法、装置、智能显微镜系统和可读存储介质 |
CN110610490A (zh) * | 2019-09-11 | 2019-12-24 | 哈尔滨理工大学 | 一种病变细胞图像中白细胞的定位方法 |
CN110619640A (zh) * | 2019-08-26 | 2019-12-27 | 济南大学 | 一种基于骨髓细胞图像的粒细胞检测方法及系统 |
CN111091571A (zh) * | 2019-12-12 | 2020-05-01 | 珠海圣美生物诊断技术有限公司 | 细胞核分割方法、装置、电子设备及计算机可读存储介质 |
CN111504885A (zh) * | 2020-04-04 | 2020-08-07 | 电子科技大学 | 一种基于机器视觉的全自动血涂片形态分析装置 |
CN112070722A (zh) * | 2020-08-14 | 2020-12-11 | 厦门骁科码生物科技有限公司 | 一种荧光原位杂交细胞核分割方法及系统 |
CN112614142A (zh) * | 2020-12-25 | 2021-04-06 | 华侨大学 | 一种基于多通道图像融合的细胞弱标签制作方法及系统 |
CN113763404A (zh) * | 2021-09-24 | 2021-12-07 | 湖南工业大学 | 基于优化标记和边缘约束分水岭算法的泡沫图像分割方法 |
CN114565608A (zh) * | 2022-04-26 | 2022-05-31 | 华伦医疗用品(深圳)有限公司 | 一种内窥镜Ai图像识别方法及系统 |
CN114926398A (zh) * | 2022-04-18 | 2022-08-19 | 太原理工大学 | 基于深度学习图像处理的粘连外周血细胞分割方法 |
CN116580041A (zh) * | 2023-05-30 | 2023-08-11 | 山东第一医科大学附属眼科研究所(山东省眼科研究所、山东第一医科大学附属青岛眼科医院) | 基于voronoi图的角膜内皮细胞边界分割方法和装置 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108830874A (zh) * | 2018-04-19 | 2018-11-16 | 麦克奥迪(厦门)医疗诊断系统有限公司 | 一种数字病理全切片图像空白区域自动分割方法 |
CN110595959B (zh) * | 2019-04-19 | 2023-03-21 | 齐鲁工业大学 | 一种糖膏颗粒粒度分析系统及分析方法 |
CN110499233A (zh) * | 2019-08-27 | 2019-11-26 | 广东环凯生物科技有限公司 | 一种用于菌落计数器的光源系统、计数器和计数方法 |
CN110782440B (zh) * | 2019-10-22 | 2023-06-16 | 华中农业大学 | 一种作物籽粒性状测量方法 |
CN111681185B (zh) * | 2020-06-10 | 2023-03-21 | 合肥工业大学 | 一种基于沥青混合料X-ray扫描图像的有限元建模方法 |
CN111797742B (zh) * | 2020-06-28 | 2024-04-19 | 扬州大学广陵学院 | 一种小麦胚乳蛋白体面积的测定方法 |
CN112233107B (zh) * | 2020-11-04 | 2022-10-25 | 安徽大学 | 基于图像处理技术的葵花籽品级分类方法 |
CN112396618B (zh) * | 2020-11-12 | 2022-02-18 | 北京科技大学 | 一种基于图像处理的晶界提取及晶粒度测量方法 |
CN112668565B (zh) * | 2020-12-10 | 2023-02-14 | 中国科学院西安光学精密机械研究所 | 一种针对具有遮挡形变的圆形目标判读方法 |
CN112785571B (zh) * | 2021-01-20 | 2024-04-12 | 浙江理工大学 | 一种基于改进分水岭的名优茶嫩叶识别分割方法 |
CN112907545B (zh) * | 2021-02-25 | 2023-10-10 | 湖州师范学院 | 基于图像处理的种子芽长与根长检测方法 |
CN112907558B (zh) * | 2021-03-15 | 2023-11-17 | 南京农业大学 | 油菜籽粒千粒重的全自动图像测定方法 |
CN113240663B (zh) * | 2021-05-31 | 2023-03-14 | 西安建筑科技大学 | 一种基于边缘响应融合算法的传送带矿石粒度检测方法 |
CN113538345A (zh) * | 2021-06-29 | 2021-10-22 | 嵊州市浙江工业大学创新研究院 | 一种基于图像处理的工业瓶罐器件计数方法 |
CN113744184A (zh) * | 2021-07-27 | 2021-12-03 | 江苏农林职业技术学院 | 一种基于图像处理的乌鳢卵子计数方法 |
CN113570628B (zh) * | 2021-07-30 | 2024-04-02 | 西安科技大学 | 一种基于活动轮廓模型的白细胞分割方法 |
CN114067114B (zh) * | 2021-11-12 | 2024-05-03 | 燕山大学 | 一种基于藻类细胞形态的面积核分割计数方法 |
US20240029456A1 (en) * | 2022-05-17 | 2024-01-25 | Beijing Boe Technology Development Co., Ltd. | Method for processing cell image, electronic device, and storage medium |
CN115620075B (zh) * | 2022-12-16 | 2023-03-14 | 南昌大学 | 白细胞分类模型用数据集的生成方法、系统及设备 |
CN117392154B (zh) * | 2023-12-07 | 2024-04-12 | 华侨大学 | 一种相衬显微细胞图像分割方法及系统 |
CN117575977B (zh) * | 2024-01-17 | 2024-04-02 | 锦恒科技(大连)有限公司 | 一种用于卵巢组织分析的卵泡区域增强方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102044069A (zh) * | 2010-12-01 | 2011-05-04 | 华中科技大学 | 一种白细胞图像分割方法 |
CN103020639A (zh) * | 2012-11-27 | 2013-04-03 | 河海大学 | 一种白细胞自动识别计数方法 |
CN103985119A (zh) * | 2014-05-08 | 2014-08-13 | 山东大学 | 一种彩色血细胞图像中白细胞的细胞质和细胞核分割方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102013102B (zh) * | 2010-12-01 | 2012-06-13 | 华中科技大学 | 一种图像中的粘连细胞分割方法 |
CN103473739B (zh) * | 2013-08-15 | 2016-06-22 | 华中科技大学 | 一种基于支持向量机的白细胞图像精确分割方法与系统 |
CN104392460B (zh) * | 2014-12-12 | 2015-11-04 | 山东大学 | 一种基于胞核标记分水岭变换的粘连白细胞分割方法 |
-
2014
- 2014-12-12 CN CN201410778791.0A patent/CN104392460B/zh active Active
-
2015
- 2015-10-23 WO PCT/CN2015/092590 patent/WO2016091016A1/zh active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102044069A (zh) * | 2010-12-01 | 2011-05-04 | 华中科技大学 | 一种白细胞图像分割方法 |
CN103020639A (zh) * | 2012-11-27 | 2013-04-03 | 河海大学 | 一种白细胞自动识别计数方法 |
CN103985119A (zh) * | 2014-05-08 | 2014-08-13 | 山东大学 | 一种彩色血细胞图像中白细胞的细胞质和细胞核分割方法 |
Non-Patent Citations (2)
Title |
---|
蔡隽等: "基于活动轮廓模型的彩色白细胞图像自动分割方法研究", 《生物医学工程研究》 * |
顾广华等: "白细胞图像的自动分割算法", 《仪器仪表学报》 * |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016091016A1 (zh) * | 2014-12-12 | 2016-06-16 | 山东大学 | 一种基于胞核标记分水岭变换的粘连白细胞分割方法 |
CN104751462B (zh) * | 2015-03-29 | 2018-12-14 | 迈克医疗电子有限公司 | 一种基于多特征非线性组合的白细胞分割方法 |
CN105139383B (zh) * | 2015-08-11 | 2018-08-10 | 北京理工大学 | 基于定义圆hsv颜色空间的医学图像分割方法 |
CN105139383A (zh) * | 2015-08-11 | 2015-12-09 | 北京理工大学 | 基于定义圆hsv颜色空间的医学图像分割方法及癌细胞识别方法 |
CN107492088A (zh) * | 2016-06-11 | 2017-12-19 | 青岛华晶生物技术有限公司 | 一种妇科显微图像中白细胞自动识别与统计方法 |
CN107492088B (zh) * | 2016-06-11 | 2020-12-04 | 青岛华晶生物技术有限公司 | 一种妇科显微图像中白细胞自动识别与统计方法 |
CN106327490A (zh) * | 2016-08-22 | 2017-01-11 | 中国计量大学 | 一种基于白细胞检测的细胞核分割方法 |
CN106875394A (zh) * | 2016-12-22 | 2017-06-20 | 浙江工业大学 | 适用于无帧间参考信息的相差显微镜细胞主要信息粘连情况的分离与分组方法 |
CN106875394B (zh) * | 2016-12-22 | 2020-01-10 | 浙江工业大学 | 相差显微镜细胞主要信息粘连情况的分离与分组方法 |
CN107220647A (zh) * | 2017-06-05 | 2017-09-29 | 中国农业大学 | 一种叶片交叉条件下作物中心点定位方法及系统 |
CN107220647B (zh) * | 2017-06-05 | 2020-03-31 | 中国农业大学 | 一种叶片交叉条件下作物中心点定位方法及系统 |
CN107527343A (zh) * | 2017-08-31 | 2017-12-29 | 山东省农业科学院科技信息研究所 | 一种基于图像处理的双孢蘑菇分级方法 |
CN107527343B (zh) * | 2017-08-31 | 2019-11-26 | 山东省农业科学院科技信息研究所 | 一种基于图像处理的双孢蘑菇分级方法 |
CN107705298A (zh) * | 2017-09-19 | 2018-02-16 | 浙江农林大学 | 一种检测心肌细胞核独立情况和粘连情况的方法及系统 |
CN107705298B (zh) * | 2017-09-19 | 2021-02-05 | 浙江农林大学 | 一种检测心肌细胞核独立情况和粘连情况的方法及系统 |
CN108257124B (zh) * | 2018-01-23 | 2020-08-25 | 江苏康尚生物医疗科技有限公司 | 一种基于图像的白细胞计数方法和系统 |
CN108257124A (zh) * | 2018-01-23 | 2018-07-06 | 江苏康尚生物医疗科技有限公司 | 一种基于图像的白细胞计数方法和系统 |
CN108918481A (zh) * | 2018-04-26 | 2018-11-30 | 南昌大学 | 一种脐静脉内皮细胞荧光分析系统 |
CN108805865A (zh) * | 2018-05-22 | 2018-11-13 | 杭州智微信息科技有限公司 | 一种基于饱和度聚类的骨髓白细胞定位方法 |
CN110135271A (zh) * | 2019-04-19 | 2019-08-16 | 上海依智医疗技术有限公司 | 一种细胞分类方法及装置 |
CN110110807B (zh) * | 2019-05-16 | 2023-01-03 | 福州大学 | 一种基于改进K-means及卷积神经网络的白细胞提取和分类方法 |
CN110110807A (zh) * | 2019-05-16 | 2019-08-09 | 福州大学 | 一种基于改进K-means及卷积神经网络的白细胞提取和分类方法 |
CN110060229A (zh) * | 2019-05-29 | 2019-07-26 | 武汉兰丁医学高科技有限公司 | 一种骨髓白细胞的细胞自动定位分割方法 |
CN110223305B (zh) * | 2019-06-12 | 2021-09-10 | 志诺维思(北京)基因科技有限公司 | 细胞分割方法、装置及可读存储介质 |
CN110223305A (zh) * | 2019-06-12 | 2019-09-10 | 志诺维思(北京)基因科技有限公司 | 细胞分割方法、装置及可读存储介质 |
CN110363762A (zh) * | 2019-07-23 | 2019-10-22 | 腾讯科技(深圳)有限公司 | 细胞检测方法、装置、智能显微镜系统和可读存储介质 |
CN110363762B (zh) * | 2019-07-23 | 2023-03-14 | 腾讯医疗健康(深圳)有限公司 | 细胞检测方法、装置、智能显微镜系统和可读存储介质 |
CN110619640B (zh) * | 2019-08-26 | 2022-02-01 | 济南大学 | 一种基于骨髓细胞图像的粒细胞检测方法及系统 |
CN110619640A (zh) * | 2019-08-26 | 2019-12-27 | 济南大学 | 一种基于骨髓细胞图像的粒细胞检测方法及系统 |
CN110610490A (zh) * | 2019-09-11 | 2019-12-24 | 哈尔滨理工大学 | 一种病变细胞图像中白细胞的定位方法 |
CN111091571A (zh) * | 2019-12-12 | 2020-05-01 | 珠海圣美生物诊断技术有限公司 | 细胞核分割方法、装置、电子设备及计算机可读存储介质 |
CN111091571B (zh) * | 2019-12-12 | 2024-05-14 | 珠海圣美生物诊断技术有限公司 | 细胞核分割方法、装置、电子设备及计算机可读存储介质 |
CN111504885A (zh) * | 2020-04-04 | 2020-08-07 | 电子科技大学 | 一种基于机器视觉的全自动血涂片形态分析装置 |
CN111504885B (zh) * | 2020-04-04 | 2022-03-15 | 电子科技大学 | 一种基于机器视觉的全自动血涂片形态分析装置的分析方法 |
CN112070722A (zh) * | 2020-08-14 | 2020-12-11 | 厦门骁科码生物科技有限公司 | 一种荧光原位杂交细胞核分割方法及系统 |
CN112614142A (zh) * | 2020-12-25 | 2021-04-06 | 华侨大学 | 一种基于多通道图像融合的细胞弱标签制作方法及系统 |
CN112614142B (zh) * | 2020-12-25 | 2023-05-30 | 华侨大学 | 一种基于多通道图像融合的细胞弱标签制作方法及系统 |
CN113763404A (zh) * | 2021-09-24 | 2021-12-07 | 湖南工业大学 | 基于优化标记和边缘约束分水岭算法的泡沫图像分割方法 |
CN113763404B (zh) * | 2021-09-24 | 2023-06-06 | 湖南工业大学 | 基于优化标记和边缘约束分水岭算法的泡沫图像分割方法 |
CN114926398A (zh) * | 2022-04-18 | 2022-08-19 | 太原理工大学 | 基于深度学习图像处理的粘连外周血细胞分割方法 |
CN114926398B (zh) * | 2022-04-18 | 2024-03-29 | 太原理工大学 | 基于深度学习图像处理的粘连外周血细胞分割方法 |
CN114565608A (zh) * | 2022-04-26 | 2022-05-31 | 华伦医疗用品(深圳)有限公司 | 一种内窥镜Ai图像识别方法及系统 |
CN116580041A (zh) * | 2023-05-30 | 2023-08-11 | 山东第一医科大学附属眼科研究所(山东省眼科研究所、山东第一医科大学附属青岛眼科医院) | 基于voronoi图的角膜内皮细胞边界分割方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2016091016A1 (zh) | 2016-06-16 |
CN104392460B (zh) | 2015-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104392460B (zh) | 一种基于胞核标记分水岭变换的粘连白细胞分割方法 | |
CN104484877B (zh) | 一种基于Meanshift聚类和形态学操作的AML细胞分割方法 | |
CN110120042B (zh) | 一种基于slic超像素和自动阈值分割的农作物图像病虫害区域提取方法 | |
Lee et al. | Segmentation of overlapping cervical cells in microscopic images with superpixel partitioning and cell-wise contour refinement | |
CN109636784B (zh) | 基于最大邻域和超像素分割的图像显著性目标检测方法 | |
Jiang et al. | A novel white blood cell segmentation scheme using scale-space filtering and watershed clustering | |
EP2847738B1 (en) | Method and apparatus for image scoring and analysis | |
Duan et al. | A WBC segmentation methord based on HSI color space | |
CN105139383B (zh) | 基于定义圆hsv颜色空间的医学图像分割方法 | |
CN108320289B (zh) | 一种基于稀疏表示和形态学操作的骨髓细胞分割方法 | |
CN107492088B (zh) | 一种妇科显微图像中白细胞自动识别与统计方法 | |
US10234442B2 (en) | Device and method for finding cell nucleus of target cell from cell image | |
CN106096491B (zh) | 一种眼底彩色照相图像中微动脉瘤自动化识别方法 | |
CN108615239A (zh) | 基于阈值技术和灰度投影的舌图像分割方法 | |
TWI711008B (zh) | 一種基於飽和度聚類的骨髓白血球細胞定位方法 | |
CN110544262B (zh) | 一种基于机器视觉的子宫颈细胞图像分割方法 | |
CN109584253A (zh) | 油液磨粒图像分割方法 | |
CN112504947A (zh) | 一种外周血细胞形态学分析计数方法 | |
CN104933723B (zh) | 基于稀疏表示的舌图像分割方法 | |
Duarte et al. | Segmenting high-quality digital images of stomata using the wavelet spot detection and the watershed transform | |
CN103971367A (zh) | 水文资料图像分割方法 | |
Mehena et al. | Brain tumor segmentation and extraction of MR images based on improved watershed transform | |
CN114764810A (zh) | 一种医学图像分割方法 | |
CN108629780B (zh) | 基于颜色分解和阈值技术的舌图像分割方法 | |
Umadi et al. | Automated Segmentation of Overlapping Cells in Cervical Cytology Images Using Deep Learning |
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 |