CN104751188B - 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 PDFInfo
- Publication number
- CN104751188B CN104751188B CN201510177932.8A CN201510177932A CN104751188B CN 104751188 B CN104751188 B CN 104751188B CN 201510177932 A CN201510177932 A CN 201510177932A CN 104751188 B CN104751188 B CN 104751188B
- Authority
- CN
- China
- Prior art keywords
- targets
- detected
- picture
- sample
- arranging
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种图片处理方法及系统,通过对待测样本图片中的目标进行自动识别分类,将待测样本图片中自动识别分类后的目标进行剪切,使目标一一分离,按照预定规则分类排列剪切后的目标,以便于对待测样本图片中的目标进行计数。本方案通过将待测样本图片中排列杂乱的目标进行剪切,并按照预定规则重新排列,以便于对目标的分类计数,避免了现有技术中采用人工审核时图片中的目标种类繁多,排列杂乱,造成的人工审核的识别效率低下,浪费人力物力的问题。
Description
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
样本分析仪对待测样本进行自动分类计数时,由于待测样本中存在异常细胞、细菌或污点对分类计数造成干扰,导致自动分类计数的准确率受到影响。
目前,通常采用的方式是在对待测样本的图片进行自动分类计数后进行人工审核,以提高分类计数的准确率。然而,待测样本的图片中目标种类繁多,排列杂乱,从而造成人工审核的识别效率低下,浪费人力物力。
发明内容
有鉴于此,本发明提供一种图片处理方法及系统,以解决现有技术中待测样本的图片中目标种类繁多,排列杂乱,造成人工审核的识别效率低下,浪费人力物力的问题,其具体方案如下:
一种图片处理方法,包括:
对待测样本图片中的目标进行自动识别分类标记;
将待测样本图片中自动识别分类标记后的目标进行剪切,使所述自动识别分类后的目标一一分离;
按照预定规则分类排列剪切后的目标。
进一步的,按照预定规则分类排列剪切后的目标,具体为:
将剪切后的目标按照所述剪切后的目标的形态学特征参数与标准模板类群的形态学特征参数进行对比,按照相似度高低进行排列。
进一步的,所述按照相似度高低进行排列,具体为:
将不同类型的目标分类排列,当目标的形态学特征参数与对应的标准模板类群形态学特征参数之间的差异达到预定值时,将该目标列为可疑目标,将所述可疑目标进行集中排列。
进一步的,所述按照相似度高低进行排列,具体为:
将不同类型的目标分类排列,当目标的形态学特征参数与对应的标准模板类群的形态学特征参数之间的差异达到预定值时,将该目标列为可疑目标,将所述可疑目标分别排列在其疑似的对应目标之后,其中,所述疑似目标为与所述标准模板类群中的目标达到预定相似度的目标。
进一步的,所述按照预定规则分类排列剪切后的目标之后,还包括:
当所述剪切后的目标与细胞分类数据库中的细胞分类标记不一致时,发送修订指令;
接收根据所述修订指令执行的修订操作,将与所述细胞分类数据库中的细胞分类标记不一致的目标按照所述细胞分类数据库进行重新分类标记;
将重新分类标记后的目标按照预定规则进行重新排列。
进一步的,在所述按照预定规则分类排列剪切后的目标后,还包括:
将按照预定规则分类排列后的目标与所述待测样本图片建立连接关系,所述连接关系为通过点击所述按照预定规则分类排列后的任一目标获取该目标在所述待测样本图片中的位置。
进一步的,所述对待测样本图片中的目标进行自动识别分类标记,具体为:
获取待测样本的待测样本图片,所述待测样本图片为低倍放大镜下实景图片及高倍放大镜下实景图片;
对所述低倍放大镜下实景图片及高倍放大镜下实景图片中的目标进行自动识别并分类标记。
进一步的,所述待测样本为:尿液样本、血液样本、粪便样本、精液样本、胸腹水、胸脊液病理切片及其它染色标本。
一种图片处理系统,包括:自动识别单元,与所述自动识别单元相连的剪切单元,与所述剪切单元相连的排列单元,其中:
所述自动识别单元用于对待测样本图片中的目标进行自动识别分类标记;
所述剪切单元用于将待测样本图片中自动识别分类后的目标进行剪切,使所述自动识别分类后的目标一一分离;
所述排列单元用于按照预定规则分类排列剪切后的目标。
进一步的,所述排列单元具体为:
将所述剪切后的目标按照所述剪切后的目标与标准模板类群对比的相似度进行排列。
进一步的,还包括:与所述排列单元相连的关系建立单元,其中:
所述关系建立单元用于将按照预定规则分类排列后的目标与所述待测样本图片建立连接关系,所述连接关系通过点击所述按照预定规则分类排列后的任一目标获取该目标在所述待测样本图片中的位置。
进一步的,所述自动识别单元包括:显微镜,与所述显微镜相连的图片获取单元,与所述图片获取单元相连的识别子单元,其中:
所述显微镜用于扫描所述待测样本,定位所述待测样本内的目标,并对所述目标进行放大;
所述图片获取单元用于获取所述待测样本的待测样本图片,所述待测样本图片为低倍放大图片及高倍放大图片;
所述识别子单元用于对所述低倍放大图片及高倍放大图片中的目标进行自动识别及分类标记。
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,通过对待测样本图片中的目标进行自动识别分类,将待测样本图片中自动识别分类标记后的目标进行剪切,使目标一一分离,按照预定规则分类排列剪切后的目标,以便于对待测样本图片中的目标进行计数。本方案通过将待测样本图片中排列杂乱的目标进行剪切,并按照预定规则重新排列,以便于对目标的分类计数,避免了现有技术中采用人工审核时图片中的目标种类繁多,排列杂乱,造成的人工审核的识别效率低下,浪费人力物力的问题。
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待测样本图片;
图3为本发明实施例公开的一种重新排列后的细胞的图片;
图4为本发明实施例公开的一种重新排列后的细胞的图片;
图5为本发明实施例公开的一种细胞显示的图片;
图6为本发明实施例公开的一种图片处理方法的流程图;
图7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8为本发明实施例公开的一种自动识别单元的结构示意图。
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、对待测样本图片中的目标进行自动识别分类标记;
待测样本可以具体为:尿液样本、血液样本、粪便样本、精液样本、胸腹水、脑脊液,还可以是病理切片的图片,或者其它血涂片染色标本,待测样本图片中的目标可以具体为:红细胞、白细胞、血小板、尿液管型、尿液结晶、细菌、微生物、精子等,在此不做具体限定。
其中,对待测样本图片中的目标进行自动识别分类标记,具体可以为:
获取待测样本的待测样本图片,待测样本图片为低倍放大镜下实景图片及高倍放大镜下实景图片,对低倍放大镜下实景图片及高倍放大镜下实景图片中的目标进行分类标记,实现对目标的自动识别分类。
步骤S12、对待测样本图片中的自动识别分类标记后的目标进行剪切;
对图片中自动识别分类标记后的目标进行剪切,使自动识别分类后的目标一一分离,以便于将分离后的目标重新排列。
步骤S13、按照预定规则分类排列剪切后的目标,以便于对待测样本图片中的目标进行计数。
按照预定规则分类排列剪切后的目标,可以具体为:将同一类型的目标依次排成一行或两行,不同类型的目标分别位于不同的行;也可以为:将同一类型的目标依次排成一列或两列,不同类型的目标分别位于不同的列;还可以为:将同一类型的目标依次排列在同一个区域里,以便于计数,不同类型的目标分别排列在不同的区域里。
本实施例公开的图片处理方法,通过对待测样本图片中的目标进行自动识别分类,将待测样本图片中自动识别分类后的目标进行剪切,使目标一一分离,按照预定规则分类排列剪切后的目标,以便于对待测样本图片中的目标进行计数。本方案通过将待测样本图片中排列杂乱的目标进行剪切,并按照预定规则重新排列,以便于对目标的分类计数,避免了现有技术中采用人工审核时图片中的目标种类繁多,排列杂乱,造成的人工审核的识别效率低下,浪费人力物力的问题。
进一步的,本实施例公开的图片处理方法,在步骤S13之后,还可以包括:
步骤S14、将按照预定规则分类排列后的目标与待测样本图片建立连接关系。
其中,连接关系是为通过点击按照预定规则分类排列后的任一目标获取该目标在待测样本图片中的位置。即当重新排列后的目标获取操作指令时,可以获取该重新排列后的目标在原始待测样本图片中的位置,以便于工作人员的审核。
具体的,待测样本图片如图2所示,待测样本图片中的细胞分布不均匀,排列混乱,当对图2中排列混乱的细胞进行剪切,按照预定规则重新排列后,得到重新排列后的细胞图片,当多张图片进行剪切排列后得到如图3及图4所示的图片,图3及图4中同一类型的细胞排列在同一行或两行,不同类型的细胞分别排列在不同的位置,以便于统计计数。
更进一步的,按照预定规则将图3或图4中的细胞与图2建立连接关系,当点击图3或图4中的某个细胞时,即可以获得该细胞在图2中的位置,如图5所示,以便于工作人员的审核。
本实施例公开了一种图片处理方法,其流程图如图6所示,包括:
步骤S61、对待测样本图片中的目标进行自动识别分类标记;
对待测样本图片中的目标进行自动识别分类标记,具体可以为:
获取待测样本的待测样本图片,待测样本图片为低倍放大镜下实景图片及高倍放大镜下实景图片,对低倍放大镜下实景图片及高倍放大镜下实景图片中的目标进行分类标记,实现对目标的自动识别分类。
步骤S62、对待测样本图片中自动识别分类标记后的目标进行剪切;
对图片中自动识别分类标记后的目标进行剪切,使自动识别分类后的目标一一分离,以便于将分离后的目标重新排列。
步骤S63、将剪切后的目标按照剪切后的目标的形态学特征参数与标准模板类群进行对比,按照相似度高低进行排列。
对目标按照相似度高低进行排列的过程可以具体为:将同一类型的目标按照相似度高低依次排成一行或两行,不同类型的目标分别位于不同的行;也可以为:将同一类型的目标按照相似度高低依次排成一列或两列,不同类型的目标分别位于不同的列;还可以为:将同一类型的目标按照相似度高低依次排列在同一个区域里,以便于计数,不同类型的目标分别排列在不同的区域里。
其中,按照相似度高低进行排列,可以具体为:将不同类型的目标分类排列,当目标的形态学特征参数与对应的标准模板类群形态学特征参数之间的差异达到预定值时,将该目标列为可疑目标,将可疑目标进行集中排列;或者将可疑目标分别排列在其对应疑似目标之后,其中,疑似目标为与标准模板类群中的目标达到预定相似度的目标。
本实施例公开的图片处理方法,通过对待测样本图片中的目标进行自动识别分类,将待测样本图片中自动识别分类后的目标进行剪切,使目标一一分离,按照预定规则分类排列剪切后的目标,以便于对待测样本图片中的目标进行计数。本方案通过将待测样本图片中排列杂乱的目标进行剪切,并按照预定规则重新排列,以便于对目标的分类计数,避免了现有技术中采用人工审核时图片中的目标种类繁多,排列杂乱,造成的人工审核的识别效率低下,浪费人力物力的问题。
进一步的,本实施例公开的图片处理方法,在步骤S63之后,还可以包括:
步骤S64、当剪切后的目标与细胞分类数据库中的细胞分类标记不一致时,发送修订指令;
步骤S65、接收根据修订指令执行的修订操作,将与细胞分类数据库中的细胞分类标记不一致的目标按照细胞分类数据库进行重新分类标记。
采用上述方式是为了保证细胞分类标记的准确性,避免了人工审核的识别效率低下,浪费人力物力的问题。
本实施例公开了一种图片处理系统,其结构示意图如图7所示,包括:
自动识别单元71,与自动识别单元71相连的剪切单元72,与剪切单元72相连的排列单元73,其中:
自动识别单元71用于对待测样本图片中的目标进行自动识别分类标记。
待测样本可以具体为:尿液样本、血液样本、粪便样本、精液样本、胸腹水、脑脊液等,待测样本图片中的目标可以具体为:红细胞、白细胞、血小板、尿液管型、尿液结晶、细菌、微生物、精子等,在此不做具体限定。
其中,自动识别单元71具体结构示意图如图8所示,包括:
显微镜81,与显微镜81相连的图片获取单元82,与图片获取单元82相连的识别子单元83。
显微镜81用于扫描待测样本,定位待测样本内的目标,并将待测样本内的目标进行放大;图片获取单元82用于获取待测样本的待测样本图片,待测样本图片为低倍放大镜下实景图片及高倍放大镜下实景图片;识别子单元83用于对低倍放大镜下实景图片及高倍放大镜下实景图片中的目标进行自动识别及分类标记。
剪切单元72用于将待测样本图片中自动识别分类后的目标进行剪切,使自动识别分类后的目标一一分离,以便于将分离后的目标重新排列。
排列单元73用于按照预定规则分类排列剪切后的目标。
按照预定规则分类排列剪切后的目标,可以具体为:将同一类型的目标依次排成一行或两行,不同类型的目标分别位于不同的行;也可以为:将同一类型的目标依次排成一列或两列,不同类型的目标分别位于不同的列;还可以为:将同一类型的目标依次排列在同一个区域里,以便于计数,不同类型的目标分别排列在不同的区域里。
排列单元73具体用于将剪切后的目标按照剪切后的目标与标准模板类群对比的相似度进行排列。具体的将不同类型的目标分类排列,当目标的形态学特征参数与对应的标准模板类群形态学特征参数之间的差异达到预定值时,将该目标列为可疑目标,将可疑目标进行集中排列;或者将可疑目标分别排列在其对应疑似目标之后,其中,疑似目标为与标准模板类群中的目标达到预定相似度的目标。
本实施例公开的图片处理系统,通过自动识别单元对待测样本图片中的目标进行自动识别分类,剪切单元将待测样本图片中自动识别分类后的目标进行剪切,使目标一一分离,排列单元按照预定规则分类排列剪切后的目标,以便于计数单元对待测样本图片中的目标进行计数。本方案通过将待测样本图片中排列杂乱的目标进行剪切,并按照预定规则重新排列,以便于对目标的分类计数,避免了现有技术中采用人工审核时图片中的目标种类繁多,排列杂乱,造成的人工审核的识别效率低下,浪费人力物力的问题。
本实施例公开的图片处理系统,还可以包括:与排列单元73相连的关系建立单元74。
关系建立单元74用于将按照预定规则分类排列后的目标与待测样本图片建立连接关系。
连接关系通过点击按照预定规则分类排列后的任一目标获取该目标在待测样本图片中的位置。即当重新排列后的目标获取操作指令时,可以获取该重新排列后的目标在原始待测样本图片中的位置,以便于工作人员的审核。
具体的,待测样本图片如图2所示,待测样本图片中的细胞分布不均匀,排列混乱,当对图2中排列混乱的细胞进行剪切,按照预定规则重新排列后,得到重新排列后的细胞图片,当多张图片剪切并重新排列后得到如图3及图4所示的图片,图3及图4中同一类型的细胞排列在同一行或两行,不同类型的细胞分别排列在不同的位置,以便于统计计数。
更进一步的,按照预定规则将图3或图4中的细胞与图2建立连接关系,当点击图3或图4中的某个细胞时,即可以获得该细胞在图2中的位置,如图5所示,以便于工作人员的审核。
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:
对待测样本图片中的目标进行自动识别分类标记;
将待测样本图片中自动识别分类标记后的目标进行剪切,使所述自动识别分类后的目标一一分离;
按照预定规则分类排列剪切后的目标,包括:将同一类型的目标依次排成一行或两行,不同类型的目标分别位于不同的行;或,将同一类型的目标依次排成一列或两列,不同类型的目标分别位于不同的列;或,将同一类型的目标依次排列在同一个区域,不同类型的目标分别排列在不同的区域里;
将按照预定规则分类排列后的目标与所述待测样本图片建立连接关系,所述连接关系为通过点击所述按照预定规则分类排列后的任一目标获取该目标在所述待测样本图片中的位置。
2.根据权利要求1所述的方法,其特征在于,按照预定规则分类排列剪切后的目标,具体为:
将剪切后的目标按照所述剪切后的目标的形态学特征参数与标准模板类群的形态学特征参数进行对比,按照相似度高低进行排列。
3.根据权利要求2所述的方法,其特征在于,所述按照相似度高低进行排列,具体为:
将不同类型的目标分类排列,当目标的形态学特征参数与对应的标准模板类群形态学特征参数之间的差异达到预定值时,将该目标列为可疑目标,将所述可疑目标进行集中排列。
4.根据权利要求2所述的方法,其特征在于,所述按照相似度高低进行排列,具体为:
将不同类型的目标分类排列,当目标的形态学特征参数与对应的标准模板类群的形态学特征参数之间的差异达到预定值时,将该目标列为可疑目标,将所述可疑目标分别排列在其疑似的对应目标之后,其中,所述疑似目标为与所述标准模板类群中的目标达到预定相似度的目标。
5.根据权利要求2所述的方法,其特征在于,所述按照预定规则分类排列剪切后的目标之后,还包括:
当所述剪切后的目标与细胞分类数据库中的细胞分类标记不一致时,发送修订指令;
接收根据所述修订指令执行的修订操作,将与所述细胞分类数据库中的细胞分类标记不一致的目标按照所述细胞分类数据库进行重新分类标记;
将重新分类标记后的目标按照预定规则进行重新排列。
6.根据权利要求1所述的方法,其特征在于,所述对待测样本图片中的目标进行自动识别分类标记,具体为:
获取待测样本的待测样本图片,所述待测样本图片为低倍放大镜下实景图片及高倍放大镜下实景图片;
对所述低倍放大镜下实景图片及高倍放大镜下实景图片中的目标进行自动识别并分类标记。
7.根据权利要求1所述的方法,其特征在于,所述待测样本为:尿液样本、血液样本、粪便样本、精液样本、胸腹水、胸脊液、病理切片及其它染色标本。
8.一种图片处理系统,其特征在于,包括:自动识别单元,与所述自动识别单元相连的剪切单元,与所述剪切单元相连的排列单元,其中:
所述自动识别单元用于对待测样本图片中的目标进行自动识别分类标记;
所述剪切单元用于将待测样本图片中自动识别分类后的目标进行剪切,使所述自动识别分类后的目标一一分离;
所述排列单元用于按照预定规则分类排列剪切后的目标,包括:将同一类型的目标依次排成一行或两行,不同类型的目标分别位于不同的行;或,将同一类型的目标依次排成一列或两列,不同类型的目标分别位于不同的列;或,将同一类型的目标依次排列在同一个区域,不同类型的目标分别排列在不同的区域里;
还包括:关系建立单元,所述关系建立单元用于将按照预定规则分类排列后的目标与所述待测样本图片建立连接关系,所述连接关系为通过点击所述按照预定规则分类排列后的任一目标获取该目标在所述待测样本图片中的位置。
9.根据权利要求8所述的系统,其特征在于,所述排列单元具体为:
将所述剪切后的目标按照所述剪切后的目标与标准模板类群对比的相似度进行排列。
10.根据权利要求8所述的系统,其特征在于,所述自动识别单元包括:显微镜,与所述显微镜相连的图片获取单元,与所述图片获取单元相连的识别子单元,其中:
所述显微镜用于扫描所述待测样本,定位所述待测样本内的目标,并对所述目标进行放大;
所述图片获取单元用于获取所述待测样本的待测样本图片,所述待测样本图片为低倍放大镜下实景图片及高倍放大镜下实景图片;
所述识别子单元用于对所述低倍放大镜下实景图片及高倍放大镜下实景图片中的目标进行自动识别及分类标记。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510177932.8A CN104751188B (zh) | 2015-04-15 | 2015-04-15 | 一种图片处理方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510177932.8A CN104751188B (zh) | 2015-04-15 | 2015-04-15 | 一种图片处理方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104751188A CN104751188A (zh) | 2015-07-01 |
CN104751188B true CN104751188B (zh) | 2020-04-28 |
Family
ID=53590841
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510177932.8A Active CN104751188B (zh) | 2015-04-15 | 2015-04-15 | 一种图片处理方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104751188B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105067520B (zh) * | 2015-07-28 | 2018-10-23 | 爱威科技股份有限公司 | 一种镜检识别方法及装置 |
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 |
CN109977888A (zh) * | 2019-03-29 | 2019-07-05 | 上海健康医学院 | 一种外周血中红细胞识别标记系统和方法 |
CN110222791B (zh) * | 2019-06-20 | 2020-12-04 | 杭州睿琪软件有限公司 | 样本标注信息的审核方法及装置 |
CN113537261A (zh) * | 2020-04-20 | 2021-10-22 | 华为技术有限公司 | 一种图像数据处理方法以及相关设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102707425A (zh) * | 2012-06-21 | 2012-10-03 | 长沙高新技术产业开发区爱威科技实业有限公司 | 图像处理方法和装置 |
CN103020971A (zh) * | 2012-12-28 | 2013-04-03 | 青岛爱维互动信息技术有限公司 | 从图像中自动分割目标对象的方法 |
CN103018247A (zh) * | 2012-11-29 | 2013-04-03 | 天津理工大学 | 一种尿液细胞图像分类识别系统及分类识别的方法 |
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 |
CN104408738A (zh) * | 2014-12-15 | 2015-03-11 | 爱威科技股份有限公司 | 一种图片处理方法及系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5438962B2 (ja) * | 2008-12-25 | 2014-03-12 | シスメックス株式会社 | 細胞画像表示装置 |
CN202830044U (zh) * | 2012-06-26 | 2013-03-27 | 重庆城市管理职业学院 | 一种计算机图像识别细胞分离系统 |
CN102703373A (zh) * | 2012-06-26 | 2012-10-03 | 重庆城市管理职业学院 | 一种计算机图像识别细胞分离方法及系统 |
CN103606153B (zh) * | 2013-11-19 | 2016-04-13 | 华中科技大学 | 一种从粪便显微图像中提取细胞的方法 |
CN104361360A (zh) * | 2014-12-03 | 2015-02-18 | 中国人民解放军军事医学科学院卫生装备研究所 | 一种流式数据细胞亚群快速自动识别方法 |
-
2015
- 2015-04-15 CN CN201510177932.8A patent/CN104751188B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102707425A (zh) * | 2012-06-21 | 2012-10-03 | 长沙高新技术产业开发区爱威科技实业有限公司 | 图像处理方法和装置 |
CN103018247A (zh) * | 2012-11-29 | 2013-04-03 | 天津理工大学 | 一种尿液细胞图像分类识别系统及分类识别的方法 |
CN103020971A (zh) * | 2012-12-28 | 2013-04-03 | 青岛爱维互动信息技术有限公司 | 从图像中自动分割目标对象的方法 |
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 |
CN104408738A (zh) * | 2014-12-15 | 2015-03-11 | 爱威科技股份有限公司 | 一种图片处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104751188A (zh) | 2015-07-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104751188B (zh) | 一种图片处理方法及系统 | |
Jayakody et al. | Microscope image based fully automated stomata detection and pore measurement method for grapevines | |
CN103345654A (zh) | 一种基于形态学分类计数白细胞的方法 | |
JP2014041084A (ja) | 画像処理装置、プログラム及び画像処理システム | |
Rodrigues | Automation of the in vitro micronucleus assay using the Imagestream® imaging flow cytometer | |
CN103984939A (zh) | 一种样本有形成分分类方法及系统 | |
CN102288606A (zh) | 基于机器视觉的花粉活力测定方法 | |
CN103994964A (zh) | 针对荧光显微图像的凋亡细胞形态的量化分析方法 | |
EP2422182B1 (en) | Method and apparatus for multi-parameter data analysis | |
TWI490723B (zh) | 自樣本感興趣的物體影像中自動編排先前已分類過之影像的方法 | |
Gislason et al. | Comparison between automated analysis of zooplankton using ZooImage and traditional methodology | |
CN111832389A (zh) | 一种骨髓细胞形态学自动检测系统的计数及分析方法 | |
US20190362491A1 (en) | Computer-implemented apparatus and method for performing a genetic toxicity assay | |
Poornima et al. | Detection of dengue fever with platelets count using image processing techniques | |
CN112432948A (zh) | 一种外周血细胞形态学自动检测方法 | |
KR101106386B1 (ko) | 산점도 분포를 사용한 슬라이드를 분류하기 위한 시스템 | |
García et al. | Automated clustering of heterotrophic bacterioplankton in flow cytometry data | |
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 | |
CN111833297B (zh) | 一种骨髓细胞形态学自动检测系统的疾病联想方法 | |
CN104408738A (zh) | 一种图片处理方法及系统 | |
CN112557285B (zh) | 一种流式细胞检测数据自动设门方法和装置 | |
Nagy et al. | Evaluation of domestic animal sperm head morphology via flow cytometric DNA labelling and pulse shape analysis using bull and stallion spermatozoa as model species | |
Škrubej et al. | The accuracy of the germination rate of seeds based on image processing and artificial neural networks | |
CN116911959B (zh) | 一种建材非标准件的数据处理方法 | |
Cualing et al. | “Virtual flow cytometry” of immunostained lymphocytes on microscopic tissue slides: iHCFlow™ tissue cytometry |
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 |