CN104408738A - 一种图片处理方法及系统 - Google Patents

一种图片处理方法及系统 Download PDF

Info

Publication number
CN104408738A
CN104408738A CN201410776607.9A CN201410776607A CN104408738A CN 104408738 A CN104408738 A CN 104408738A CN 201410776607 A CN201410776607 A CN 201410776607A CN 104408738 A CN104408738 A CN 104408738A
Authority
CN
China
Prior art keywords
wrong
cell
modify instruction
picture
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410776607.9A
Other languages
English (en)
Other versions
CN104408738B (zh
Inventor
丁建文
袁鹏
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.)
AVE Science and Technology Co Ltd
Original Assignee
AVE Science and Technology Co Ltd
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 AVE Science and Technology Co Ltd filed Critical AVE Science and Technology Co Ltd
Priority to CN201410776607.9A priority Critical patent/CN104408738B/zh
Publication of CN104408738A publication Critical patent/CN104408738A/zh
Application granted granted Critical
Publication of CN104408738B publication Critical patent/CN104408738B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • 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
    • G01N21/84—Systems specially adapted for particular applications
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/493—Physical analysis of biological material of liquid biological material urine
    • 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Analytical Chemistry (AREA)
  • Urology & Nephrology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Hematology (AREA)
  • Molecular Biology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种图片处理方法及系统，通过显微镜获得尿液有形成分的放大图片，对放大图片进行标记计数，得到分类标记检测表，分类标记检测表包括分类图片，获取对照预先设定的标准参考图谱判断分类标记后的图片中细胞的标记是否有误的结果，若有误，生成修改指令，对修改指令对应的分类标记后的图片中标记有误的细胞的标记类型进行修改。本方案通过对分析仪的检测结果进行判断，避免了由于分析仪中自动识别模块不能对异常细胞进行识别，造成的检测结果不准确的问题，提高了检测准确性。

Description

一种图片处理方法及系统
技术领域
本发明涉及检测领域，尤其涉及一种图片处理方法及系统。
背景技术
目前，通过尿液有形成分分析仪自动对尿液样本进行检测，给出直观的各类有形成分的图像，并输出检测结果。
然而输出的检测结果的准确率并不高，为了提高检测结果的真实性和准确性，通常都让仪器的自动识别模块能够识别更多不同种类的目标，从而达到提高识别率的效果。
然而，自动识别模块不能对异常细胞进行识别，这就使得尿液有形成分分析仪的检测结果受到影响。
发明内容
有鉴于此，本发明提供一种图片处理方法及系统，以解决现有技术中自动识别模块不能对异常细胞进行识别，造成分析仪检测结果不准确的问题，其具体方案如下：
一种图片处理方法，包括：
获取尿液有形成分的低倍放大图片及高倍放大图片；
对所述低倍放大图片及高倍放大图片中的细胞进行分类标记，得到分类标记检测表，所述分类标记检测表包括分类标记后的图片；
获取对照预先设定的标准参考图谱判断所述分类图片中细胞的标记是否有误的结果，所述标准参考图谱包括：各类细胞的明显特征图；
若所述结果显示标记有误，生成修改指令；
依据所述修改指令，对所述修改指令对应的分类图片中标记有误的细胞的标记类型进行修改。
进一步的，所述分类标记检测表还包括：计数数据，在对所述修改指令对应的分类图片中标记有误的细胞的类型进行修改之后，还包括：
依据所述修改指令，对所述计数数据进行对应修改。
进一步的，所述对所述修改指令对应的分类图片中标记有误的细胞的标记类型进行修改，具体为：
依据所述修改指令，选取所述修改指令对应的分类图片中标记有误的单个细胞；
将所述标记有误的单个细胞的标记类型进行修改。
进一步的，所述对所述修改指令对应的分类图片中标记有误的细胞的标记类型进行修改，具体为：
依据所述修改指令，选取所述修改指令对应的分类图片中标记有误的一类细胞；
将所述标记有误的一类细胞的标记类型进行整体修改。
进一步的，所述对所述修改指令对应的分类图片中标记有误的细胞的标记类型进行修改，具体为：
依据所述修改指令，选取所述修改指令对应的分类图片中标记有误的细胞的实际标记类型；
连续选取所述修改指令对应的分类图片中标记有误的细胞；
将连续选取的标记有误的细胞修改为其实际标记类型。
进一步的，所述获取对照预先设定的标准参考图谱判断所述分类图片中细胞的标记是否有误的结果，具体为：
同时获取对照预先设定的标准参考图谱判断多个分类图片中细胞的标记是否有误的多个结果。
一种图片处理系统，包括：显微镜，与所述显微镜相连的图表生成单元，与所述图表生成单元相连的获取单元，与所述获取单元相连的指令生成单元，与所述指令生成单元相连的修订单元，其中：
所述显微镜的观察尿液有形成分，得到低倍放大图片及高倍放大图片；
所述图表生成单元用于对所述低倍放大图片及高倍放大图片中的细胞进行分类标记，得到分类标记检测表，所述分类标记检测表中包括分类标记后的图片；
所述获取单元用于获取对照预先设定的标准参考图谱判断所述分类图片中细胞的标记是否有误的结果，所述标准参考图谱包括：各类细胞的明显特征图；
所述指令生成单元用于在获取单元获取的结果显示标记有误时，生成修改指令；
所述修订单元用于依据所述修改指令，对所述修改指令对应的分类图片中标记有误的细胞的标记类型进行修改。
进一步的，还包括：与所述修订单元相连的更新单元，其中：
所述分类标记检测表还包括：计数数据，所述修订单元对所述修改指令对应的分类图片中标记有误的细胞的类型进行修改，所述更新单元依据所述修订单元的修订，对所述计数数据进行对应修改。
进一步的，所述修订单元包括：第一选取单元，与所述第一选取单元相连的第一修订子单元，其中：
所述第一选取单元依据所述修改指令，选取所述修改指令对应的分类图片中标记有误的单个细胞；
所述第一修订子单元用于将所述标记有误的单个细胞的标记类型进行修改。
进一步的，所述修订单元包括：第二选取单元，与所述第二选取单元相连的第二修订子单元，其中：
所述第二选取单元依据所述修改指令，选取所述修改指令对应的分类图片中标记有误的一类细胞；
所述第二修订子单元用于将所述标记有误的一类细胞的标记类型进行整体修改。
从上述技术方案可以看出，本申请公开的图片处理方法及系统，通过显微镜获得尿液有形成分的放大图片，对放大图片进行标记计数，得到分类标记检测表，分类标记检测表包括分类标记后的图片，获取对照预先设定的标准参考图谱判断分类标记后的图片中细胞的标记是否有误的结果，若有误，生成修改指令，对修改指令对应的分类标记后的图片中标记有误的细胞的标记类型进行修改。本方案通过对分析仪的检测结果进行判断，避免了由于分析仪中自动识别模块不能对异常细胞进行识别，造成的检测结果不准确的问题，提高了检测准确性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例公开的一种图片处理方法的流程图；
图2为本发明实施例公开的一种图片处理系统的结构示意图；
图3为本发明实施例公开的一种修订单元的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明公开了一种图片处理方法，其流程图如图1所示，包括：
步骤S11、获取尿液有形成分的低倍放大图片及高倍放大图片；
通过显微镜获取尿液有形成分的低倍放大图片及高倍放大图片，其中，具体可以为：
通过显微镜的低倍物镜对尿液有形成分需要检测的区域的样本进行扫描，对发现的目标区域进行标记，同时通过该显微镜的高倍物镜对标记的目标区域的样本进行扫描；用摄像机或CCD元件对低倍物镜下的图像以及高倍物镜下的图像进行采集，得到低倍放大图片以及高倍放大图片；
还可以为，通过显微镜的高倍物镜对尿液有形成分需要检测的区域的样本进行扫描，得到尿液有形成分的高倍放大图片，对高倍放大图片进行缩小，得到低倍放大图片。
以上，仅是获取尿液有形成分的高倍放大图片及低倍放大图片的两种具体形式，还可以采用其他方式获得，在此不做具体限定。
步骤S12、对低倍放大图片及高倍放大图片进行分类标记，得到分类标记检测表；
用形态学分析方法对采集到的低倍放大图片及高倍放大图片中的各类细胞分别进行分类标记，得到分类标记检测表。为了使分类标记检测表中的数据更准确，对图片上不同种类的细胞标记不同的颜色或不同的形状，在此不做具体限定，只要能实现对不同种类的细胞的区分即可。
还可以根据分类标记对不同类型的细胞进行分类计数。
分类标记检测表中包括分类标记后的图片及计数数据，其中，图片即为低倍放大图片及高倍放大图片。
步骤S13、获取对照预先设定的标准参考图谱判断分类图片中细胞的标记否有误的结果；
对比分类标记后的图片与预先设定的标准参考图谱，判断分类标记后的图片中对细胞的标记是否有误，得到结果。
标准参考图谱是利用有形成分分析仪拍摄的各类细胞的照片，将图片上的细胞与标准参考图谱中的细胞照片进行比对，将与标准参考图谱中的细胞照片相似度达到一定数值的图片上的细胞设定为标准参考图谱中的细胞类型，从而实现对图片上的细胞的分类，以便提高图片上细胞的分类的精度。
在将图片上的细胞与标准参考图谱进行比较时，可以为多幅图片同时与标准参考图谱进行比较，以缩短比较时间；也可以为单幅图片与标准参考图谱进行比较，以提高比较的精确度。
其中，可以为一幅分类图片与标准参考图谱进行对比，得到结果，也可以为四幅分类图片同时与标准参考图谱进行比对，得到4个结果，还可以为十六幅分类图片同时与标准参考图谱进行比对，得到16个结果，可以为多幅分类图片与标准参考图谱进行比对，在此，不对具体的分类图片数量作出限定。
其中，在步骤S13之前，还可以包括：判断尿液样本是否进行干化学分析，若进行干化学分析，则将干化学分析结果与有形成分检测结果进行比对，当结果一致时，直接得出尿液分析定量结果，当结果不一致时，继续进行步骤S13及后续步骤；若不能进行干化学分析，则直接进行步骤S13并进行后续步骤进行检测。
步骤S14、若结果显示标记有误，生成修改指令；
其中，修改指令中包含了标记有误的细胞的具体位置以及需要修改的细胞的实际类型。
步骤S15、依据修改指令，对修改指令对应的分类图片中标记有误的细胞的标记类型进行修改。
具体的，可以为：依据修改指令，选取修改指令对应的分类标记后的图片中标记有误的单个细胞，将标记有误的单个细胞的标记类型进行修改。逐个细胞修改的方式比较费时，通常适用于有少量细胞未被正确识别的情况。
还可以为：依据修改指令，选取修改指令对应的分类标记后的图片中标记有误的一类细胞，将标记有误的一类细胞的标记类型进行整体修改。一类细胞批量修改的方式修改速度较快，适用于图片中某一类细胞均出现标记错误的情况。
还可以为：依据修改指令，选取修改指令对应的分类图片中标记有误的细胞的实际类型，连续选取标记有误的细胞，将连续选取的标记有误的细胞的标记修改为其实际类型。
另外，在对修改指令对应的分类标记后的图片中标记有误的细胞的标记类型进行修改之后，还可以包括：依据修改指令，对计数数据进行对应修改。
本实施例公开的图片处理方法，通过显微镜获得尿液有形成分的放大图片，对放大图片进行标记计数，得到分类标记检测表，分类标记检测表包括分类标记后的图片，获取对照预先设定的标准参考图谱判断分类标记后的图片中细胞的标记是否有误的结果，若有误，生成修改指令，对修改指令对应的分类图片中标记有误的细胞的标记类型进行修改。本方案通过对分析仪的检测结果进行判断，避免了由于分析仪中自动识别模块不能对异常细胞进行识别，造成的检测结果不准确的问题，提高了检测准确性。
本实施例公开了一种图片处理系统，其结构示意图如图2所示，包括：
显微镜21，与显微镜21相连的图表生成单元22，与图表生成单元22相连的获取单元23，与获取单元23相连的指令生成单元24，与指令生成单元相连的修订单元25。
其中，通过显微镜21观察尿液有形成分，得到低倍放大图片及高倍放大图片。
通过显微镜获取尿液有形成分的低倍放大图片及高倍放大图片，其中，具体可以为：
通过显微镜的低倍物镜对尿液有形成分需要检测的区域的样本进行扫描，对发现的目标区域进行标记，同时通过该显微镜的高倍物镜对标记的目标区域的样本进行扫描；用摄像机或CCD元件对低倍物镜下的图像以及高倍物镜下的图像进行采集，得到低倍放大图片以及高倍放大图片；
还可以为，通过显微镜的高倍物镜对尿液有形成分需要检测的区域的样本进行扫描，得到尿液有形成分的高倍放大图片，对高倍放大图片进行缩小，得到低倍放大图片。
以上，仅是获取尿液有形成分的高倍放大图片及低倍放大图片的两种具体形式，还可以采用其他方式获得，在此不做具体限定。
图表生成单元22用于对低倍放大图片及高倍放大图片进行分类标记，得到分类标记检测表，分类标记检测表中包括分类标记后的图片，其中，图片即为低倍放大图片及高倍放大图片，分类标记检测表中还可以包括：计数数据。
用形态学分析方法对采集到的低倍放大图片及高倍放大图片中的各类细胞分别进行分类标记，得到分类标记检测表，还可以根据分类标记对不同类型的细胞进行分类计数。
获取单元23用于获取对照预先设定的标准参考图谱判断分类图片中细胞的标记是否有误的结果。
标准参考图谱包括：各类细胞的明显特征图。
对比分类标记后的图片与预先设定的标准参考图谱，判断分类标记后的图片中对细胞的标记是否有误，得到结果。
标准参考图谱是利用有形成分分析仪拍摄的各类细胞的照片，将图片上的细胞与标准参考图谱中的细胞照片进行比对，将与标准参考图谱中的细胞照片相似度达到一定数值的图片上的细胞设定为标准参考图谱中的细胞类型，从而实现对图片上的细胞的分类，以便提高图片上细胞的分类的精度。
在将图片上的细胞与标准参考图谱进行比较时，可以为多幅图片同时与标准参考图谱进行比较，以缩短比较时间；也可以为单幅图片与标准参考图谱进行比较，实现一一对比，以提高比较的精确度。
其中，可以为一幅分类图片与标准参考图谱进行对比，得到结果，也可以为四幅分类图片同时与标准参考图谱进行比对，得到4个结果，还可以为十六幅分类图片同时与标准参考图谱进行比对，得到16个结果，可以为多幅分类图片与标准参考图谱进行比对，在此，不对具体的分类图片数量作出限定。
指令生成单元24用于在获取单元23获取的结果显示标记有误时，生成修改指令。
其中，修改指令中包含了标记有误的细胞的具体位置以及需要修改的细胞的实际类型。
修订单元25用于依据修改指令，对修改指令对应的分类标记后的图片中标记有误的细胞的标记类型进行修改。
本实施例公开的修订单元25的结构示意图如图3所示，包括：
第一选取单元251，与第一选取单元251相连的第一修订子单元252。
第一选取单元251依据修改指令，选区修改指令对应的分类标记后的图片中标记有误的单个细胞。第一修订子单元252用于将标记有误的单个细胞的标记类型进行修改。逐个细胞修改的方式比较费时，通常适用于有少量细胞未被正确识别的情况
另外，修订单元25还可以包括：第二选取单元253，与第二选取单元253相连的第二修订子单元254。
第二选取单元253依据修改指令，选取修改指令对应的分类标记后的图片中标记有误的一类细胞，第二修订子单元254用于将标记有误的一类细胞的标记类型进行整体修改。一类细胞批量修改的方式修改速度较快，适用于图片中某一类细胞均出现标记错误的情况。
另外，修订单元25还可以为：依据修改指令，选取修改指令对应的分类标记后的图片中标记有误的细胞的实际类型，连续选取标记有误的细胞，将连续选取的标记有误的细胞的标记修改为其实际类型。
本实施例公开的图片处理系统，通过显微镜获得尿液有形成分的放大图片，对放大图片进行标记计数，得到分类标记检测表，分类标记检测表包括分类标记后的图片，获取对照预先设定的标准参考图谱判断分类标记后的图片中细胞的标记是否有误的结果，若有误，生成修改指令，对修改指令对应的分类标记后的图片中标记有误的细胞的标记类型进行修改。本方案通过对分析仪的检测结果进行判断，避免了由于分析仪中自动识别模块不能对异常细胞进行识别，造成的检测结果不准确的问题，提高了检测准确性。
进一步的，本实施例公开的图片处理系统，还可以包括：与修订单元25相连的更新单元26。
分类标记检测表还包括：计数数据，修订单元25对修改指令对应的分类标记后的图片中标记有误的细胞的标记类型进行修改，更新单元26依据修订单元25的修订，对计数数据进行对应修改。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种图片处理方法，其特征在于，包括：
获取尿液有形成分的低倍放大图片及高倍放大图片；
对所述低倍放大图片及高倍放大图片中的细胞进行分类标记，得到分类标记检测表，所述分类标记检测表包括分类标记后的图片；
获取对照预先设定的标准参考图谱判断所述分类图片中细胞的标记是否有误的结果，所述标准参考图谱包括：各类细胞的明显特征图；
若所述结果显示标记有误，生成修改指令；
依据所述修改指令，对所述修改指令对应的分类图片中标记有误的细胞的标记类型进行修改。
2.根据权利要求1所述的方法，其特征在于，所述分类标记检测表还包括：计数数据，在对所述修改指令对应的分类图片中标记有误的细胞的类型进行修改之后，还包括：
依据所述修改指令，对所述计数数据进行对应修改。
3.根据权利要求1所述的方法，其特征在于，所述对所述修改指令对应的分类图片中标记有误的细胞的标记类型进行修改，具体为：
依据所述修改指令，选取所述修改指令对应的分类图片中标记有误的单个细胞；
将所述标记有误的单个细胞的标记类型进行修改。
4.根据权利要求1所述的方法，其特征在于，所述对所述修改指令对应的分类图片中标记有误的细胞的标记类型进行修改，具体为：
依据所述修改指令，选取所述修改指令对应的分类图片中标记有误的一类细胞；
将所述标记有误的一类细胞的标记类型进行整体修改。
5.根据权利要求1所述的方法，其特征在于，所述对所述修改指令对应的分类图片中标记有误的细胞的标记类型进行修改，具体为：
依据所述修改指令，选取所述修改指令对应的分类图片中标记有误的细胞的实际标记类型；
连续选取所述修改指令对应的分类图片中标记有误的细胞；
将连续选取的标记有误的细胞修改为其实际标记类型。
6.根据权利要求1所述的方法，其特征在于，所述获取对照预先设定的标准参考图谱判断所述分类图片中细胞的标记是否有误的结果，具体为：
同时获取对照预先设定的标准参考图谱判断多个分类图片中细胞的标记是否有误的多个结果。
7.一种图片处理系统，其特征在于，包括：显微镜，与所述显微镜相连的图表生成单元，与所述图表生成单元相连的获取单元，与所述获取单元相连的指令生成单元，与所述指令生成单元相连的修订单元，其中：
所述显微镜观察尿液有形成分，得到低倍放大图片及高倍放大图片；
所述图表生成单元用于对所述低倍放大图片及高倍放大图片中的细胞进行分类标记，得到分类标记检测表，所述分类标记检测表中包括分类标记后的图片；
所述获取单元用于获取对照预先设定的标准参考图谱判断所述分类图片中细胞的标记是否有误的结果，所述标准参考图谱包括：各类细胞的明显特征图；
所述指令生成单元用于在获取单元获取的结果显示标记有误时，生成修改指令；
所述修订单元用于依据所述修改指令，对所述修改指令对应的分类图片中标记有误的细胞的标记类型进行修改。
8.根据权利要求7所述的系统，其特征在于，还包括：与所述修订单元相连的更新单元，其中：
所述分类标记检测表还包括：计数数据，所述修订单元对所述修改指令对应的分类图片中标记有误的细胞的类型进行修改，所述更新单元依据所述修订单元的修订，对所述计数数据进行对应修改。
9.根据权利要求7所述的系统，其特征在于，所述修订单元包括：第一选取单元，与所述第一选取单元相连的第一修订子单元，其中：
所述第一选取单元依据所述修改指令，选取所述修改指令对应的分类图片中标记有误的单个细胞；
所述第一修订子单元用于将所述标记有误的单个细胞的标记类型进行修改。
10.根据权利要求7所述的系统，其特征在于，所述修订单元包括：第二选取单元，与所述第二选取单元相连的第二修订子单元，其中：
所述第二选取单元依据所述修改指令，选取所述修改指令对应的分类图片中标记有误的一类细胞；
所述第二修订子单元用于将所述标记有误的一类细胞的标记类型进行整体修改。
CN201410776607.9A 2014-12-15 2014-12-15 一种图片处理方法及系统 Active CN104408738B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410776607.9A CN104408738B (zh) 2014-12-15 2014-12-15 一种图片处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410776607.9A CN104408738B (zh) 2014-12-15 2014-12-15 一种图片处理方法及系统

Publications (2)

Publication Number Publication Date
CN104408738A true CN104408738A (zh) 2015-03-11
CN104408738B CN104408738B (zh) 2018-08-17

Family

ID=52646367

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410776607.9A Active CN104408738B (zh) 2014-12-15 2014-12-15 一种图片处理方法及系统

Country Status (1)

Country Link
CN (1) CN104408738B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751188A (zh) * 2015-04-15 2015-07-01 爱威科技股份有限公司 一种图片处理方法及系统
CN107036956A (zh) * 2017-05-22 2017-08-11 粉蓝医疗科技（杭州）有限公司 细胞核统计方法和装置

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1795272A (zh) * 2003-03-27 2006-06-28 巴特朗医疗成像有限责任公司 快速识别病原体、细菌和异常细胞的系统和方法
US20090191585A1 (en) * 2008-01-23 2009-07-30 Sysmex Corporation Cell image processing apparatus, cell image displaying system and cell image displaying method
CN102297833A (zh) * 2011-06-08 2011-12-28 武汉兰丁医学高科技有限公司 一种测定人体血液或骨髓中各类细胞含量的方法
CN102393705A (zh) * 2011-10-18 2012-03-28 长沙高新技术产业开发区爱威科技实业有限公司 样本有形成分分析仪自动检测控制装置及其控制方法
CN103345654A (zh) * 2013-06-25 2013-10-09 苏州创继生物科技有限公司 一种基于形态学分类计数白细胞的方法
CN103984939A (zh) * 2014-06-03 2014-08-13 爱威科技股份有限公司 一种样本有形成分分类方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1795272A (zh) * 2003-03-27 2006-06-28 巴特朗医疗成像有限责任公司 快速识别病原体、细菌和异常细胞的系统和方法
US20090191585A1 (en) * 2008-01-23 2009-07-30 Sysmex Corporation Cell image processing apparatus, cell image displaying system and cell image displaying method
CN102297833A (zh) * 2011-06-08 2011-12-28 武汉兰丁医学高科技有限公司 一种测定人体血液或骨髓中各类细胞含量的方法
CN102393705A (zh) * 2011-10-18 2012-03-28 长沙高新技术产业开发区爱威科技实业有限公司 样本有形成分分析仪自动检测控制装置及其控制方法
CN103345654A (zh) * 2013-06-25 2013-10-09 苏州创继生物科技有限公司 一种基于形态学分类计数白细胞的方法
CN103984939A (zh) * 2014-06-03 2014-08-13 爱威科技股份有限公司 一种样本有形成分分类方法及系统

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104751188A (zh) * 2015-04-15 2015-07-01 爱威科技股份有限公司 一种图片处理方法及系统
CN104751188B (zh) * 2015-04-15 2020-04-28 爱威科技股份有限公司 一种图片处理方法及系统
CN107036956A (zh) * 2017-05-22 2017-08-11 粉蓝医疗科技（杭州）有限公司 细胞核统计方法和装置

Also Published As

Publication number Publication date
CN104408738B (zh) 2018-08-17

Similar Documents

Publication Publication Date Title
US10445876B2 (en) Methods and systems for assessing cell morphology
CA2899714C (en) Tissue object-based machine learning system for automated scoring of digital whole slides
US11226280B2 (en) Automated slide assessments and tracking in digital microscopy
EP2199776B1 (en) Cell image analysis apparatus, cell image analysis method, and program
Shamir Assessing the efficacy of low‐level image content descriptors for computer‐based fluorescence microscopy image analysis
US10108845B2 (en) Anomaly detection for medical samples under multiple settings
CN104751188B (zh) 一种图片处理方法及系统
WO2018207261A1 (ja) 画像解析装置
CN105067520A (zh) 一种镜检识别方法及装置
JP6145890B2 (ja) 細胞認識装置および方法並びにプログラム
CN112703531A (zh) 生成组织图像的注释数据
CN100470578C (zh) 基于计算机视觉的科学仪器工作状态监测方法
JP5826166B2 (ja) マルチパラメータデータ解析の方法及び装置
US20220390735A1 (en) Method and device for capturing microscopy objects in image data
CN107367456B (zh) 一种免洗涤图像类流式荧光检测方法和系统
CN104408738A (zh) 一种图片处理方法及系统
CN107735838A (zh) 在多种设置下用于医学样品的异常检测
JP5657910B2 (ja) 明視野顕微鏡を使用する画像の自動分析
JP5530126B2 (ja) 三次元細胞画像解析システム及びそれに用いる三次元細胞画像解析装置
CN111310792A (zh) 一种基于决策树的药敏实验结果识别方法与系统
CN115937555A (zh) 一种基于标准化流模型的工业缺陷检测算法
CN113380318B (zh) 人工智能辅助流式细胞术40cd免疫表型检测方法及系统
JP2014157158A (ja) 細胞観察方法、三次元細胞画像解析システム及びそれに用いる三次元細胞画像解析装置
CN105637344A (zh) 图像处理设备、程序、存储介质和图像处理方法
CN112557285B (zh) 一种流式细胞检测数据自动设门方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 410000 Aiwei medical science and Technology Park, No.26 Fuling Road, bachelor street, Yuelu District, Changsha City, Hunan Province

Patentee after: AVE SCIENCE & TECHNOLOGY Co.,Ltd.

Country or region after: China

Address before: 410013 B6, 27 Yuan Lu Yuan Yuan, Wen Xuan Road, Changsha hi tech Development Zone, Hunan.

Patentee before: AVE SCIENCE & TECHNOLOGY Co.,Ltd.

Country or region before: China