CN105096295A - 用于处理尿液沉渣图像的待处理区块的方法和装置 - Google Patents
用于处理尿液沉渣图像的待处理区块的方法和装置 Download PDFInfo
- Publication number
- CN105096295A CN105096295A CN201410183664.6A CN201410183664A CN105096295A CN 105096295 A CN105096295 A CN 105096295A CN 201410183664 A CN201410183664 A CN 201410183664A CN 105096295 A CN105096295 A CN 105096295A
- Authority
- CN
- China
- Prior art keywords
- block
- color
- pending
- imaging system
- training sample
- 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
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供了一种用于处理尿液沉渣图像的待处理区块的方法和装置。所述尿液沉渣图像由第一显微成像系统获得。所述方法包括:接收待处理区块;响应于接收到所述待处理区块,通过计算待处理区块的基于颜色的特征,借助于处理模型对所述待处理区块进行处理,其中,通过对于由第二显微成像系统获得的多个训练样本区块组成的训练样本集,计算所述多个训练样本区块中每个训练样本区块的所述基于颜色的特征,来训练所述处理模型;所述第二显微成像系统与所述第一显微成像系统是同一成像系统,或成像配置相同。本发明实施例提高了对待处理区块的处理精度。
Description
技术领域
本发明涉及生物检测,尤其涉及一种用于处理尿液沉渣图像的待处理区块的方法和装置。
背景技术
在通常的尿液沉渣分析中,首先利用显微系统拍摄尿液样本图像。然后,利用例如边缘检测等技术分割尿液样本图像中的候选者区块。通过从这些候选者区块中去除明显的背景区块,检测出待处理区块。接着,对待处理区块进行处理。
目前对待处理区块的处理主要有两个方向。第一个方向是分类,即将这些待处理区块直接分类为各种有形成分(如管形、上皮、红细胞)区块和与有形成分容易混淆的背景区块。另一个方向是区块检索,它不直接将待处理区块分类,而是在数据库中检索出以前存储的与待处理区块类似的区块。与分类的结果是唯一的不同,区块检索可能检索出多个类似的区块,提供给用户,因此能提供给用户更多的信息。用户有可能会在多个类似的区块中进行进一步的选择或判断。
机器自动实现的分类和区块检索,一般都采用机器学习的方式。规定若干用于分类或区块检索的特征,组成特征集。先用大量训练样本区块组成训练样本集,用于训练处理模型(分类模型或区块检索模型)。对于训练样本集中的每个训练样本区块,计算特征集中的特征,让处理模型学习。这样,当训练好的处理模型接收到一个新的待处理区块时,计算该新的待处理区块的特征集中的特征,参照历史上学习的结果,就能将其进行分类或为其检索出以前存储的类似的区块。
发明内容
本发明的一个实施例旨在提高对待处理区块的处理精度。
根据本发明的一个实施例,提供了一种用于处理尿液沉渣图像的待处理区块的方法,所述尿液沉渣图像由第一显微成像系统获得,所述方法包括:接收待处理区块;响应于接收到所述待处理区块,通过计算待处理区块的基于颜色的特征,借助于处理模型对所述待处理区块进行处理,其中,通过对于由第二显微成像系统获得的多个训练样本区块组成的训练样本集,计算所述多个训练样本区块中每个训练样本区块的所述基于颜色的特征,来训练所述处理模型;所述第二显微成像系统与所述第一显微成像系统是同一成像系统,或成像配置相同。
在一种具体实现中,所述基于颜色的特征是色袋特征,色袋特征通过以下过程计算:将待处理区块中像素的颜色近似为码书中kc种颜色之一,其中码书是从尿液样本区块的集合中产生的kc种颜色的集合,所述kc种颜色由所述集合中的尿液样本区块中提取出的颜色聚类而成,kc为正整数;获得所述待处理区块中颜色近似结果落在所述kc种颜色中的各颜色上的像素数量的分布直方图;以出现频率修正因子修正所述分布直方图中的颜色近似结果落在各颜色上的像素数量;对修正后的所述分布直方图中的颜色近似结果落在各颜色上的像素数量进行标准化,从而得到色袋特征。
在一种具体实现中,成像配置包括聚光器的种类和型号、物镜的种类和型号、图像传感设备的种类和型号,以及聚光器、物镜和图像传感设备之间的位置关系。
在一种具体实现中,所述处理尿液沉渣图像的待处理区块包括以下两者中的任一个:对所述待处理区块进行分类;对所述待处理区块进行区块检索。
在一种具体实现中,所述处理尿液沉渣图像的待处理区块包括:对同一分类中的待处理区块进行子类划分。
在一种具体实现中,所述待处理区块包括以下区块中的一个或多个:红细胞区块;白细胞区块;酵母菌区块;精子区块;杆菌区块;晶体区块;上皮区块;管型区块;易与有形成分混淆的背景的区块。
根据本发明的一个实施例,还提供了一种用于处理尿液沉渣图像的待处理区块的装置,所述尿液沉渣图像由第一显微成像系统获得,所述装置包括:接收单元,被配置为接收待处理区块;处理单元,被配置为响应于接收到所述待处理区块,通过计算待处理区块的基于颜色的特征,借助于处理模型对所述待处理区块进行处理,其中,通过对于由第二显微成像系统获得的多个训练样本区块组成的训练样本集,计算所述多个训练样本区块中每个训练样本区块的所述基于颜色的特征,来训练所述处理模型;所述第二显微成像系统与所述第一显微成像系统是同一成像系统,或成像配置相同。
在一种具体实现中,所述基于颜色的特征是色袋特征,色袋特征通过以下过程计算:将待处理区块中像素的颜色近似为码书中kc种颜色之一,其中码书是从尿液样本区块的集合中产生的kc种颜色的集合,所述kc种颜色由所述集合中的尿液样本区块中提取出的颜色聚类而成,kc为正整数;获得所述待处理区块中颜色近似结果落在所述kc种颜色中的各颜色上的像素数量的分布直方图;以出现频率修正因子修正所述分布直方图中的颜色近似结果落在各颜色上的像素数量;对修正后的所述分布直方图中的颜色近似结果落在各颜色上的像素数量进行标准化,从而得到色袋特征。
在一种具体实现中,成像配置包括聚光器的种类和型号、物镜的种类和型号、图像传感设备的种类和型号,以及聚光器、物镜和图像传感设备之间的位置关系。
在一种具体实现中,所述装置用于以下两者中的任一个:对所述待处理区块进行分类;对所述待处理区块进行区块检索。
在一种具体实现中,所述装置还用于:对同一分类中的待处理区块进行子类划分。
在一种具体实现中,所述待处理区块包括以下区块中的一个或多个:红细胞区块;白细胞区块;酵母菌区块;精子区块;杆菌区块;晶体区块;上皮区块;管型区块;易与有形成分混淆的背景的区块。
由于大多数有形成分(例如红细胞、白细胞、晶体、上皮等)本身是没有颜色的,因此,本领域中普遍认为,颜色特征是不能用来作为区块处理的特征集中的特征的。虽然红细胞等有形成分本身是无色的,但在显微成像系统拍摄的尿液沉渣图像的待处理区块中,红细胞等的周圈有黄光圈或绿光圈,且中心也有颜色,但这并没有引起本领域的重视。本领域中普遍认为,这些黄光圈或绿光圈是不稳定的,没有规律可循,不能作为区块处理的特征的依据。然而,本发明的发明人通过大量研究,发现这些黄光圈或绿光圈等的颜色是由于显微成像系统成像时的光反射和折射引起的。如果显微成像系统的成像配置不变的话,对同一个有形成分来说,拍摄得到的待处理区块的颜色是稳定的。因此,本发明的发明人克服了本领域认为这些例如黄光圈或绿光圈等的颜色非常不稳定的技术偏见,在拍摄待处理区块时采用与拍摄训练样本集中的每个训练样本区块时同样的显微成像系统,从而在待处理区块和训练样本区块之间建立了可比性,利用基于颜色的特征对待处理区块进行了处理。考虑了基于颜色的特征之后,与只关注待处理区块的形状和空间信息的现有技术相比,大大提高了对待处理区块的处理精度。
附图说明
本发明的这些和其它的特征和优点通过以下结合附图的详细描述将变得更加显而易见。
图1示出了根据本发明一个实施例的用于处理尿液沉渣图像的待处理区块的方法的流程图。
图2示出了根据本发明一个实施例的用于处理尿液沉渣图像的待处理区块的装置的框图。
图3示出了根据本发明一个实施例的用于处理尿液沉渣图像的待处理区块的设备的框图。
具体实施方式
现有技术不用关于颜色的信息作为区块处理的特征,是因为大多数有形成分(例如红细胞、白细胞、晶体、上皮等)本身是没有颜色的,只有某些种类的管形和晶体有颜色。因此,本领域存在这样的技术偏见:颜色特征是不能用来作为区块处理的特征集中的特征的。
下面,将结合附图详细描述本发明的各个实施例。
图1示出了根据本发明一个实施例的用于处理尿液沉渣图像的待处理区块的方法1的流程图。
在步骤S1中,接收待处理区块。
在步骤S2中,响应于接收到所述待处理区块,通过计算待处理区块的基于颜色的特征,借助于处理模型对所述待处理区块进行处理。该处理模型是通过对于由第二显微成像系统获得的多个训练样本区块组成的训练样本集,计算所述多个训练样本区块中每个训练样本区块的所述基于颜色的特征来训练的。所述第二显微成像系统与所述第一显微成像系统是同一成像系统,或成像配置相同。
显微成像系统包括聚光器、物镜、图像传感设备。
基于颜色的特征可以由本领域技术人员根据需要构造。这里介绍一种色袋(bagofcolor)特征。
先从包含一定数量的尿液样本区块的集合中产生码书。码书是kc种颜色的集合。所述kc种颜色由所述集合中的尿液样本区块中提取出的颜色聚类而成,代表一般尿液样本区块中常出现的颜色。kc为正整数。可以采用本领域已知的技术进行颜色聚类。
然后,参照码书,通过计算训练样本区块中像素的颜色和码书中的每种颜色之间的欧式距离,将训练样本区块中像素的颜色近似为码书中的kc种颜色之一。
在将训练样本区块中每一像素的颜色都近似到kc种颜色中的一种之后,就能够统计出训练样本区块中有多少个像素的颜色近似到了第1种颜色上,有多少个像素的颜色近似到了第2种颜色上……有多少个像素的颜色近似到了第kc种颜色上,从而获得所述训练样本区块中颜色近似结果落在所述kc种颜色中的各颜色上的像素数量的分布直方图。
然后,以出现频率修正因子修正所述分布直方图中的颜色近似结果落在各颜色上的像素数量。频率修正因子的产生过程是:假设训练样本集中的训练样本区块的个数为D。对于每个训练样本区块的每个像素,按如上所述的方法将其近似为kc种颜色之一。这样,就能够知道在训练样本集中有多少个训练区块具有码书中特定颜色的像素。假设有di个训练样本区块包含所述码书中第i种颜色的像素,则第i种颜色的出现频率修正因子idf(i)=log(D/di)。这样,就可以将所述分布直方图中的颜色近似结果落在第i种颜色上的像素数量乘以事先通过上述训练过程得到的第i种颜色的出现频率修正因子idf(i),以修正所述分布直方图中的颜色近似结果落在各颜色上的像素数量。
然后,对修正后的所述分布直方图中的颜色近似结果落在各颜色上的像素数量取平方根后进行标准化。标准化可采用以下公式进行:
其中,H(i)是修正并取平方根后的所述分布直方图中的颜色近似结果落在第i种颜色上的像素数量,是H(i)标准化后的结果。
利用上述基于颜色的特征(上述标准化后的分布直方图,即色袋)训练处理模型。即,处理模型事先知道每个训练样本区块是什么区块(如红细胞区块),又知道该训练样本区块的上述基于颜色的特征,就可以学习两者的联系。
响应于接收到尿液沉渣图像的待处理区块,以与上述同样的方式计算待处理区块的所述基于颜色的特征(上述标准化后的分布直方图,即色袋)。由于处理模型已经学习了各种基于颜色的特征和处理结果之间的联系,其就能根据计算出的待处理区块的所述基于颜色的特征,对待处理区块进行处理,得到处理结果。
在此步骤中,待处理区块必须是与第二显微成像系统的成像配置相同的第一显微成像系统、或就是第二显微成像系统(可认为第一显微成像系统和第二显微成像系统是同一显微成像系统)获得的,其中成像配置包括聚光器的种类和型号、物镜的种类和型号、图像传感设备的种类和型号,以及聚光器、物镜和图像传感设备之间的位置关系。这样,在待处理区块和训练样本区块之间才能建立可比性,才能保证利用基于颜色的特征对待处理区块进行处理的可行性。
例如Olympus的物镜与JiangNan的物镜的种类不同,采用Olympus的物镜的显微成像系统和采用JiangNan的物镜的显微成像系统会被认为是不同的显微成像系统。A品牌的放大倍数为40x的物镜和A品牌的放大倍数为10x的物镜种类也不同,采用A品牌的放大倍数为40x的物镜的显微成像系统和采用A品牌的放大倍数为10x的物镜的显微成像系统会被认为是不同的显微成像系统。另外,尽管采用的组件都相同、但各组件的位置关系(包括角度的放置)稍有不同,也可能产生不同的颜色,它们也被认为是不同的显微成像系统。
待处理区块可以包括但不限于以下区块中的一个或多个:红细胞区块;白细胞区块;酵母菌区块;精子区块;杆菌区块;晶体区块;上皮区块;管型区块;易与有形成分混淆的背景的区块。实验证明,本发明实施例尤其大大提高了红细胞和白细胞等的检出率,降低了例如酵母菌、精子、杆菌等的误检率。
其它变形
虽然上述实施例中,以色袋为例例示了一种基于颜色的特征,实际上本领域技术人员完全可以根据需要构造出其它基于颜色的特征。例如,将待处理区块中所有像素的颜色近似为预定的t种颜色之一,然后统计每种颜色的像素的总灰度值,形成待处理区块中像素近似颜色落在t种颜色中的各颜色上的像素总灰度值直方图,作为基于颜色的特征。或者,将待处理区块中所有像素的颜色近似为预定的t种颜色之一,然后统计每种颜色的像素的总亮度值,形成待处理区块中像素近似颜色落在t种颜色中的各颜色上的像素总亮度值直方图,按照类似上述公式1的方法进行标准化后作为基于颜色的特征。
虽然上述实施例中,成像配置包括聚光器的种类和型号、物镜的种类和型号、图像传感设备的种类和型号,以及聚光器、物镜和图像传感设备之间的位置关系,但也可以包括其它的项,如图像传感设备的使用年限等。当然,也可以减少其中的一些项。
本发明实施例利用了由于光反射和折射产生的颜色,某些分类的有形成分的子类(例如某些异常红细胞)可能在光反射和折射后呈现出不同于其它子类(如其它红细胞)的颜色,因此本发明实施例还可以对同一分类(例如红细胞)中的待处理区块进行子类划分(例如划分出异常红细胞)。
虽然上述实施例着重指出待处理区块可以包括红细胞区块、白细胞区块、酵母菌区块、精子区块、杆菌区块、晶体区块;上皮区块;管型区块;易与有形成分混淆的背景的区块中的一个或多个,其也可以包括其它有形成分的区块。
虽然上述实施例中以Olympus的物镜、JiangNan的物镜、A品牌的放大倍数为40x的物镜和A品牌的放大倍数为10x的物镜种类例示了不同的显微成像系统,也可以有其它类型、其它放大倍数的物镜。
图2示出了根据本发明一个实施例的用于处理尿液沉渣图像的待处理区块的装置2。尿液沉渣图像由第一显微成像系统获得。装置2包括接收单元201和处理单元202。接收单元201被配置为接收待处理区块。处理单元202被配置为响应于接收到所述待处理区块,通过计算待处理区块的基于颜色的特征,借助于处理模型对所述待处理区块进行处理。通过对于由第二显微成像系统获得的多个训练样本区块组成的训练样本集,计算所述多个训练样本区块中每个训练样本区块的所述基于颜色的特征,来训练所述处理模型。所述第二显微成像系统与所述第一显微成像系统是同一成像系统,或成像配置相同。装置2可以通过软件、硬件(例如集成电路、FPGA等)或软硬件结合的方式实现。
另外,所述基于颜色的特征可以是色袋特征。色袋特征通过以下过程计算:将待处理区块中像素的颜色近似为码书中kc种颜色之一,其中码书是从尿液样本区块的集合中产生的kc种颜色的集合,所述kc种颜色由所述集合中的尿液样本区块中提取出的颜色聚类而成,kc为正整数;获得所述待处理区块中颜色近似结果落在所述kc种颜色中的各颜色上的像素数量的分布直方图;以出现频率修正因子修正所述分布直方图中的颜色近似结果落在各颜色上的像素数量;对修正后的所述分布直方图中的颜色近似结果落在各颜色上的像素数量进行标准化,从而得到色袋特征。
另外,成像配置可以包括聚光器的种类和型号、物镜的种类和型号、图像传感设备的种类和型号、以及聚光器、物镜和图像传感设备之间的位置关系。
另外,装置2可以用于以下两者中的任一个:对所述待处理区块进行分类;对所述待处理区块进行区块检索。
另外,装置2还可以用于对同一分类中的待处理区块进行子类划分。
另外,待处理区块可以包括以下区块中的一个或多个:红细胞区块;白细胞区块;酵母菌区块;精子区块;杆菌区块;晶体区块;上皮区块;管型区块;易与有形成分混淆的背景的区块。
图3示出了根据本发明的一个实施例的用于处理尿液沉渣图像的待处理区块的设备3。设备3可包括存储器301和处理器302。存储器301用于存储可执行指令。处理器302用于根据所述存储器所存储的可执行指令,执行装置2中各个单元执行的操作。
此外,本发明的一个实施例还提供一种机器可读介质,其上存储有可执行指令,当该可执行指令被执行时,使得机器执行处理器302所执行的操作。
本领域技术人员应当理解,上面的各个实施例可以在没有偏离发明实质的情况下做出各种变形和修改,因此,本发明的保护范围应当由所附的权利要求书来限定。
Claims (14)
1.一种用于处理尿液沉渣图像的待处理区块的方法,所述尿液沉渣图像由第一显微成像系统获得,所述方法包括:
接收待处理区块;
响应于接收到所述待处理区块,通过计算待处理区块的基于颜色的特征,借助于处理模型对所述待处理区块进行处理,其中,
通过对于由第二显微成像系统获得的多个训练样本区块组成的训练样本集,计算所述多个训练样本区块中每个训练样本区块的所述基于颜色的特征,来训练所述处理模型;
所述第二显微成像系统与所述第一显微成像系统是同一成像系统或成像配置相同。
2.根据权利要求1的方法,其中所述基于颜色的特征是色袋特征,色袋特征通过以下过程计算:
将待处理区块中像素的颜色近似为码书中kc种颜色之一,其中码书是从尿液样本区块的集合中产生的kc种颜色的集合,所述kc种颜色由所述集合中的尿液样本区块中提取出的颜色聚类而成,kc为正整数;
获得所述待处理区块中颜色近似结果落在所述kc种颜色中的各颜色上的像素数量的分布直方图;
以出现频率修正因子修正所述分布直方图中的颜色近似结果落在各颜色上的像素数量;
对修正后的所述分布直方图中的颜色近似结果落在各颜色上的像素数量进行标准化,从而得到色袋特征。
3.根据权利要求1的方法,其中成像配置包括聚光器的种类和型号、物镜的种类和型号、图像传感设备的种类和型号,以及聚光器、物镜和图像传感设备之间的位置关系。
4.根据权利要求1的方法,其中所述处理尿液沉渣图像的待处理区块包括以下两者中的任一个:
对所述待处理区块进行分类;
对所述待处理区块进行区块检索。
5.根据权利要求4的方法,其中所述处理尿液沉渣图像的待处理区块包括:对同一分类中的待处理区块进行子类划分。
6.根据权利要求1-5中任一个的方法,其中所述待处理区块包括以下区块中的一个或多个:
红细胞区块;
白细胞区块;
酵母菌区块;
精子区块;
杆菌区块;
晶体区块;
上皮区块;
管型区块;
易与有形成分混淆的背景的区块。
7.一种用于处理尿液沉渣图像的待处理区块的装置,所述尿液沉渣图像由第一显微成像系统获得,所述装置包括:
接收单元,被配置为接收待处理区块;
处理单元,被配置为响应于接收到所述待处理区块,通过计算待处理区块的基于颜色的特征,借助于处理模型对所述待处理区块进行处理,其中,
通过对于由第二显微成像系统获得的多个训练样本区块组成的训练样本集,计算所述多个训练样本区块中每个训练样本区块的所述基于颜色的特征,来训练所述处理模型;
所述第二显微成像系统与所述第一显微成像系统是同一成像系统或成像配置相同。
8.根据权利要求7的装置,其中所述基于颜色的特征是色袋特征,色袋特征通过以下过程计算:
将待处理区块中像素的颜色近似为码书中kc种颜色之一,其中码书是从尿液样本区块的集合中产生的kc种颜色的集合,所述kc种颜色由所述集合中的尿液样本区块中提取出的颜色聚类而成,kc为正整数;
获得所述待处理区块中颜色近似结果落在所述kc种颜色中的各颜色上的像素数量的分布直方图;
以出现频率修正因子修正所述分布直方图中的颜色近似结果落在各颜色上的像素数量;
对修正后的所述分布直方图中的颜色近似结果落在各颜色上的像素数量进行标准化,从而得到色袋特征。
9.根据权利要求7的装置,其中成像配置包括聚光器的种类和型号、物镜的种类和型号、图像传感设备的种类和型号,以及聚光器、物镜和图像传感设备之间的位置关系。
10.根据权利要求7的装置,其中所述装置用于以下两者中的任一个:
对所述待处理区块进行分类;
对所述待处理区块进行区块检索。
11.根据权利要求10的装置,其中所述装置还用于:对同一分类中的待处理区块进行子类划分。
12.根据权利要求7-11中任一个的装置,其中所述待处理区块包括以下区块中的一个或多个:
红细胞区块;
白细胞区块;
酵母菌区块;
精子区块;
杆菌区块;
晶体区块;
上皮区块;
管型区块;
易与有形成分混淆的背景的区块。
13.一种用于处理尿液沉渣图像的待处理区块的设备,包括:
存储器,用于存储可执行指令;
处理器,用于根据所述存储器所存储的可执行指令,执行权利要求1-6中的任一个权利要求所执行的操作。
14.一种机器可读介质,其上存储有可执行指令,当所述可执行指令被执行时,使得机器执行权利要求1-6中的任一个权利要求所执行的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410183664.6A CN105096295A (zh) | 2014-04-30 | 2014-04-30 | 用于处理尿液沉渣图像的待处理区块的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410183664.6A CN105096295A (zh) | 2014-04-30 | 2014-04-30 | 用于处理尿液沉渣图像的待处理区块的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105096295A true CN105096295A (zh) | 2015-11-25 |
Family
ID=54576641
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410183664.6A Pending CN105096295A (zh) | 2014-04-30 | 2014-04-30 | 用于处理尿液沉渣图像的待处理区块的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105096295A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112577905A (zh) * | 2019-09-30 | 2021-03-30 | 苏州迈瑞科技有限公司 | 一种尿液颜色检测方法及分析仪 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000353246A (ja) * | 1999-06-11 | 2000-12-19 | Hitachi Ltd | パターン認識装置 |
CN101900737A (zh) * | 2010-06-10 | 2010-12-01 | 上海理工大学 | 基于支持向量机的尿沉渣有形成分自动识别系统 |
CN102472703A (zh) * | 2009-10-30 | 2012-05-23 | 西门子公司 | 体液分析系统以及用于分析体液的图像处理设备和方法 |
-
2014
- 2014-04-30 CN CN201410183664.6A patent/CN105096295A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000353246A (ja) * | 1999-06-11 | 2000-12-19 | Hitachi Ltd | パターン認識装置 |
CN102472703A (zh) * | 2009-10-30 | 2012-05-23 | 西门子公司 | 体液分析系统以及用于分析体液的图像处理设备和方法 |
CN101900737A (zh) * | 2010-06-10 | 2010-12-01 | 上海理工大学 | 基于支持向量机的尿沉渣有形成分自动识别系统 |
Non-Patent Citations (2)
Title |
---|
CHRISTIAN WENGERT ET AL: "Bag-of-colors for improved image search", 《PROCEEDINGS OF THE 19TH ACM INTERNATIONAL CONFERENCE ON MULTIMEDIA ,MM 2011》 * |
张灿龙 等: "一种更高效的尿沉渣自动识别算法", 《计算机工程与应用》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112577905A (zh) * | 2019-09-30 | 2021-03-30 | 苏州迈瑞科技有限公司 | 一种尿液颜色检测方法及分析仪 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110163234B (zh) | 一种模型训练方法、装置和存储介质 | |
CN110413786B (zh) | 基于网页文本分类的数据处理方法、智能终端及存储介质 | |
CN109740689B (zh) | 一种图像语义分割的错误标注数据筛选方法及系统 | |
CN105809146A (zh) | 一种图像场景识别方法和装置 | |
CN111898739B (zh) | 基于元学习的数据筛选模型构建方法、数据筛选方法、装置、计算机设备及存储介质 | |
CN105096293B (zh) | 用于处理尿液沉渣图像的待处理区块的方法和装置 | |
CN112614187A (zh) | 回环检测方法、装置、终端设备和可读存储介质 | |
CN113537070B (zh) | 一种检测方法、装置、电子设备及存储介质 | |
Saleh et al. | Traffic signs recognition and distance estimation using a monocular camera | |
CN111310850A (zh) | 车牌检测模型的构建方法及系统、车牌检测方法及系统 | |
CN110175519B (zh) | 一种变电站的分合标识仪表识别方法、装置与存储介质 | |
AU2019230448A1 (en) | Methods for identifying biological material by microscopy | |
CN110992365A (zh) | 一种基于图像语义分割的损失函数及其设计方法 | |
CN116503399B (zh) | 基于yolo-afps的绝缘子污闪检测方法 | |
CN114462469B (zh) | 目标检测模型的训练方法、目标检测方法及相关装置 | |
CN105426926B (zh) | 一种对amoled进行检测分类的方法及装置 | |
Liu et al. | Tomato detection based on convolutional neural network for robotic application | |
CN113762159A (zh) | 一种基于有向箭头模型的目标抓取检测方法及系统 | |
CN105096295A (zh) | 用于处理尿液沉渣图像的待处理区块的方法和装置 | |
CN117036947A (zh) | 基于图像识别的农险出险预警方法、装置、设备及介质 | |
CN115439850B (zh) | 基于审单的图文字符识别方法、装置、设备及存储介质 | |
JP2014010544A (ja) | 画像特徴抽出及び画像処理のためのシステム、方法及びプログラム | |
Lin et al. | A two-stage framework for diverse traffic light recognition based on individual signal detection | |
CN112749710A (zh) | 目标检测、智能行驶方法、装置、设备及存储介质 | |
EP4195162A1 (en) | Machine-learning based evaluation of lateral flow tests |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151125 |
|
WD01 | Invention patent application deemed withdrawn after publication |