CN105960586B - 用于使用监督式高品质成像的图像采集的系统和方法 - Google Patents

用于使用监督式高品质成像的图像采集的系统和方法 Download PDF

Info

Publication number
CN105960586B
CN105960586B CN201580006407.8A CN201580006407A CN105960586B CN 105960586 B CN105960586 B CN 105960586B CN 201580006407 A CN201580006407 A CN 201580006407A CN 105960586 B CN105960586 B CN 105960586B
Authority
CN
China
Prior art keywords
image
pixel
exposure time
image acquisition
value
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
Application number
CN201580006407.8A
Other languages
English (en)
Other versions
CN105960586A (zh
Inventor
R·R·马尔科尔波利
C·奥尔尼
D·莫雷尔
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.)
BD Kiestra BV
Original Assignee
BD Kiestra BV
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 BD Kiestra BV filed Critical BD Kiestra BV
Priority to CN202010061071.8A priority Critical patent/CN111263076B/zh
Publication of CN105960586A publication Critical patent/CN105960586A/zh
Application granted granted Critical
Publication of CN105960586B publication Critical patent/CN105960586B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/72—Combination of two or more compensation controls
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction
    • 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
    • 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
    • G01N33/4833—Physical analysis of biological material of solid biological material, e.g. tissue samples, cell cultures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing

Abstract

本申请公开一种用于使设置在由板支撑的培养基上的生物样品成像的图像采集系统和方法。该系统具有校准模块、图像采集模块和图像展示模块。当该系统接收用于成像的培养板时，针对培养板和培养基的默认值被用于在给定时间内开始图像采集。采集的图像然后被用于创建图像的逐像素映射。该系统针对饱和像素以及针对信噪比检测逐像素映射，如果饱和像素的数量在预定的阈值处或高于预定的阈值，或者像素的信噪比低于预定的阈值，该系统获取新的图像。光子通量和/或曝光时间的新值从这个检测中被确定，以及使用该新值采集新的图像，并且该步骤被重复。一旦针对不饱和像素的预定的阈值信噪比的决定被获得，或当针对图像采集的时间间隔的预定的较高阈值逝去时，该系统提供给定的时间的最终图像。

Description

用于使用监督式高品质成像的图像采集的系统和方法
相关申请的交叉引用
本申请要求申请日为2014年1月30的美国临时申请No.61/933,426的优先权，其公开通过参考的方式被合并于此。
背景技术
高动态范围(HDR)成像是一种捕获图像在最亮和最暗区域之间的较高动态范围的数字成像技术。Christiansen等人的美国专利No.7,978,258中描述了用于自动地优化从数字图像获得的像素强度的动态范围的过程。HDR在不同的曝光等级处拍摄若干图像，并且使用算法将它们拼凑在一起以创建既有黑点又有亮点的图像，不连累两者中任一个的质量。然而，HDR能够显示实际的失真，因为它扭曲全体图像的强度。相应地，继续寻求不扭曲图像的强度而增强对比的HDR技术。
Allano等人的WO 2012/152769中描述了用于增强生物样品的图像的技术。其中Allano等人的文章中认定的这种样品成像的问题是：
i)被观察的菌落的大小；
ii)一个菌落与另一个菌落的接近度；
iii)菌落的颜色混合；
iv)有盖培养皿(Petri Dish)的种类；以及
v)培养基的种类；和其他要素。
Allano等人提出的生物样品成像问题的方案是准备从每种颜色获得的图像创建的源图像，针对培养基和培养容器移除预定的吸收效应，并且使用预定的曝光确定光子通量和曝光时间的值以获得图像，该图像随后被剖割成亮度区域。由此，图像亮度被获得并且用于确定所使用的光子通量和曝光时间的值是否正确或者光子通量和曝光时间的新值是否应该被用于图像捕获。
上述技术的问题是它们不提供具有提供能够检测非常微小变化的成像条件的能力的系统，相比之下该微小变化对于生长培养基上的微生物的基于图像的检测/识别是必需的。由于微生物基于图像的证据和/或它们在培养基上的生长是(或至少能够是)很难检测的，所以寻求用于这种样品成像的更加稳健的技术。
发明内容
此中所述的是针对具有低的或可变对比度的图像，增强图像捕获的系统和方法。这种挑战性的成像环境的一个示例是生长在琼脂(agar)生长板上的细菌菌落。细菌菌落反射的光与琼脂的不同。此外，细菌菌落能够从浅颜色到深颜色变化并且反射与琼脂不同的光。捕获菌落的图像的时间是短的(大约一秒)。典型地，生长板的图像每3到6小时拍摄一次。
图像的获得是在每个时间间隔“x”(即，t0，t1，…tx)处的一系列的N次图像采集。第一次采集(N＝1)使用光强度和曝光时间本文称为“光子通量和曝光时间”的默认值。光子通量值限定每个单位时间和单位面积到达视景的光子数((光子量)·(时间-1)·(面积-1))。该时间是照相机传感器的积分时间。曝光时间决定由传感器一帧采集所获得的光子数。换句话说，光子通量是来自光源的光子流动率，并且曝光时间影响由传感器所接收的针对图像采集的那些光子的量。对于给定的光子通量，曝光时间控制图像强度。
本领域的技术人员意识到很多不同的方法来控制光子通量以影响图像强度。如上所见，一种技术控制图像的曝光时间。有其他技术能够用于控制传输到传感器的光的强度。例如，滤波器、光圈等用于控制光子通量，其进而控制强度。这种技术被技术人员所熟知，在此不详细描述。为了在此描述本发明的实施例的目的，光强度被设置为常数，并且曝光时间是可变的用于控制光子通量积分。
在通过控制曝光时间来控制光子通量的实施例中，初始曝光时间值从系统校准获得。该系统使用校准板的库被校准。获得基线校准作为板的类型和培养基类型的函数。当该系统被用于询问新的生长板时，针对特定板的类型和培养基类型的校准数据被选择。就此而言，生长板能够是：单板(即，针对一个培养基)；双板(两个培养基)；三板(三个培养基)等。每种类型的生长板呈现独特的成像挑战。校准提供默认的曝光时间用于捕获生长板的第一图像(图像N＝1)。校准也使系统(或系统操作员)可以确定哪些部分的图像是板(即，不是背景)以及，在图像的板部分中，哪些部分是培养基(用于培养细菌的营养素)以及哪些部分至少潜在地是菌落。
使用从校准获得的默认值捕获生长板的N＝1图像。如果平均技术被用于捕获生长板的数字图像，亮像素与暗像素相比将具有更好的信噪比(SNR)。在此中所述的方法中，信号针对各个像素是孤立的，不考虑像素是亮还是暗。对于预定数量的像素，强度、曝光时间和SNR是确定的。在图像环境中的这些值的“映射”被准备。从这个映射中，挑选出将优选地不使多于一个预定分数的像素饱和的新的曝光时间用于N+1的图像采集。优选地，在其中使只有非常小的部分的像素(或较少的)饱和的曝光时间被确定，并且被用于捕获最终图像。
从此生成每个像素的SNR映射，其中每个不饱和的像素的SNR被更新(即，灰度值被精炼并且针对不饱和像素改善SNR)。基于该映射模拟图像。
优化函数算法被用于将每个像素的每个灰度值强度映射到与最佳的SNR对应的像素需要的曝光时间。该优化算法通过查看初始图像(N＝1)开始，该图像使用预定的默认曝光时间被捕获。针对整个图生成强度、曝光、和SNR映射。基于图像N调整每个像素的曝光时间和捕获另一图像(N+1)。如上所述，选择将使暗的部分的信号饱和的新的曝光时间，导致亮的部分过度曝光。针对每个像素更新强度映射、曝光映射、和SNR映射。这是一个迭代过程，并且获得图像直到达到图像的每个像素的最大SNR，或者达到图像的最大数量，或者已经达到最大分配时间。
实质上，暗点保持黑暗，亮点保持明亮并且SNR被改善。琼脂生长培养基作为数字图像的背景。图像中以某些方式(即，不同的强度)不同于先前的图像的像素表明菌落正在生长或者板上有污染物(例如，灰尘)。这种技术能够用于一次性观察多个板。
当SNR显著地改善时，能够(用置信度(confidence))揭露在定时板成像中不能被看到/信任允许检测早期的小菌落的细节。该系统和方法也提供对应于最佳曝光时间的图像，该曝光时间对应于对视景或目标物体的特定的和受控制的饱和。
一旦在时间t0完成图像采集，迭代的图像采集过程在此时间间隔期间停止。当从t0到t1的预定的时间间隔已经逝去，重复迭代的图像采集过程直到已经获得由此采集的图像的完整性中期望的置信度。信噪比与标准差成反比(即，SNR＝gv′/标准差)。因此，产生每像素最大SNR(即，每像素最小标准差)的图像采集将提供具有与时间“Tx”相联系的高置信度的图像。例如，获得已经培养了四个小时(T1＝4小时)的板的高SNR图像。相同的板的另一个高SNR图像在已近培养了附加的四个小时(Tx＝8小时)的板之后获得。
一旦获得与随后的时间(Tx+1)相联系的图像，该图像(或与目标物体相联系的图像的至少被选择像素)能够和与先前的时间(Tx)相联系的图像比较，以确定随后的图像是否提供微生物生长的证据或者以确定板的进一步加工。
附图说明
图1根据本发明的一个实施例是用于图像采集的三模块系统的原理描述和展示；
图2是图1中所述的三模块系统的系统操作流程图；
图3根据本发明的一个实施例是图1中所述的校准模块的功能的描述，其用于照明校准、光学器件校准、和照相机校准；
图4根据一个实施例是从校准板确定的以校准图1的系统的数据的说明；
图5根据本发明的一个实施例是图1中所述的图像采集模块的功能的描述；
图6根据一个实施例是使用图1的系统的图像采集方法的原理图；
图7是由图5中所述的图像采集模块执行的功能的更详细描述；
图8根据一个实施例说明用于选择下一个图像采集时间的方法；
图9是完成图像采集所采取的步骤的描述；以及
图10是如何确定系统完整性的工序流程原理图。
具体实施方式
此中所述的系统能够在光学系统中实施用于针对微生物识别和此类微生物的微生物生长检测的微生物样品成像。有很多此类商业上可利用的系统，在本文不详细描述。一个示例是BD KiestraTM ReadA Compact智能培养和成像系统(第二代BD KiestraTM恒温箱)。这种光学成像平台已经商业上利用了很多年(最初来自
Figure BPA0000227181650000041
实验室自动化技术的CamerA PrimerA)，因此被本领域的技术人员所熟知，在此不详细描述。在一个实施例中，系统是非临时的计算机可读媒介(例如，软件程序)，其与图像采集装置(例如，照相机)协作，通过相互作用提供图像的高质量成像以向图像中的每个像素提供最大的信噪比(SNR)。对于每个像素和每种颜色(例如，通道)，强度和曝光时间被记录并且系统随后预测下一个最佳曝光时间以改善整个视景的或视景中的目标物体的信噪比。本领域的技术人员将意识到所获得的每像素的多个值将取决于像素和成像系统。例如，在RBG成像系统中，获取每个通道(即，红、绿、或蓝)的值。在其他系统中，获取不同的频谱带或波长的值。
最初，系统被校准。诸如本文中所述的一个成像系统的校准被本领域的技术人员所熟知。已知各种各样的校准方法。本文中所述的是提供与已捕获的图像被评估相比较的基线的系统校准的示例。在校准期间，校准板(例如，具有培养基但是没有菌落的板)被使用，并且系统图像采集对比已知输入被校准。创建针对每种类型的板培养基的校准值的库，并且基于测试板中的培养基选择针对特定板使用的校准数据。系统和数据都被校准。对于数据校准，确定校准板的捕获图像的每个像素的SNR、线性度、黑度水平等。系统校准包括，但不限于，镜头失真、色差、空间分辨率等。
校准之后，获得新板的图像。为了估计曝光时间，图像中的像素被实时分析，该曝光时间将改善具有低于预定阈值的SNR的像素的SNR或改善具有最低SNR的那些像素的SNR。典型的成像系统只针对图像中的像素保持强度值。在本文中所述的实施例中，针对每个像素记录强度和曝光时间。相同的像素在不同的曝光时间成像，并且结合强度信息生成高的SNR数据。从此信息来看，在任何特定的曝光时间期间能够生成图像，或者能够提取最佳曝光时间以控制像素饱和。
从定量方面看，由于高的SNR，在细微的强度变化上的置信度、颜色上的置信度和纹理被极大地改善，允许随后的物体识别或数据库比较的更好的性能。在都与先验图像中的像素的灰度值(即，对于图像N，图像N-1中的像素的值)相比较的灰色标度上完成分析。除了在先验图像中的相同像素灰度值的比较之外，邻近像素的像素灰度值也与像素灰度值相比较以确定差异(例如，菌落/培养基的界面)。
有颜色的物体的深色信噪比在不同的通道中是不均匀的，或与亮的物体相比非常差。为了对其进行改善，本文中所述的系统和方法配置了图像检测模块，其中物体检测基于对比度、SNR、和尺寸/分辨率。SNR在暗区域和亮区域中都被改善。标准差被减小，并且因此亮区域和暗区域中的局部对比度由为重要。这里的目标是提供一种系统，该系统将检测被怀疑包含生长的培养物的板的x和x+1时间间隔图像之间甚至细微的差异。那些差异一定是区别于“噪声”的，该“噪声”从信号变化中得出，但不是从由生长的培养物引起的样品中的变化得出。当视景中的目标物体可以展示非常不同的颜色和强度(反射率或吸收率)时，本文中所述的系统和方法特别有价值。
特定地，该系统和方法提供动态范围的自动适配(扩大的动态范围)以适应视景。该系统和方法提供用于使最亮像素饱和的最小曝光时间和用于使最暗像素饱和的最大曝光时间(在图像采集装置(例如，照相机)的物理和电子约束之内)。该系统和方法提供与图像平均相比朝向每像素最小SNR的更快速的收敛。该系统和方法提供颜色上改善的置信度。特定地，SNR针对红、绿和蓝的值是均匀的，不考虑红色、绿色和蓝色中的强度差异。
每像素的强度置信度间隔是已知的，其对于任何随后的分类工作非常有价值。由该系统和方法提供的SNR最佳化能够被监督(检测的目标物体的权重以计算下个图像采集的曝光时间)。
对于每个像素，强度、曝光时间和估计SNR都从校准和物理理论确定。为了进一步改善图像质量，色差和镜头失真也被校准和改正以使图像没有这种缺陷。
该系统和方法能够控制自动模式或监督模式中的图像的像素SNR，其中特定部分的图像是特别的兴趣。在自动模式中，视景的整个图像被优化，以及所有像素被同等对待。在监督模式中，当获得视景以检测目标物体时，视景被进一步分析。SNR最大化支持目标物体区域。
在自动模式中，图像采集将在下面三种情况中的首先发生的一个之后停止：(1)针对每个像素达到最低程度的SNR；(2)在该视景已经执行了预定数量的采集；或(3)已近达到最大允许的采集时间。
参考图1，说明一个实施例的系统的原理图。系统100具有三个模块。第一是系统校准模块110。校准模块校准图像的照明、用于收集图像的光学器件、以及由系统评估下的新板的基准数据。
图像采集模块120与系统校准模块110通信。图像采集模块捕获被分析的物体的图像。使用曝光时间和特定示例环境中的详细下文中所述的方式所确定的其他标准捕获图像。如上所述，图像采集以迭代的方式进行，直到针对每个像素满足预定SNR阈值，或者直到已经捕获预定数量的图像。图像展示模块提供具有最好动态范围的图像(即，仅在饱和之下的最亮的非饱和像素)，其或是全局地(即，在自动模式中)或限制到目标物体(即，在监督模式中)。
参考图2，外部数据和校准板(即，测试板和培养基的结合的范围)都被用于校准系统。系统校准和数据校准都由校准确定。系统和数据校准值被用于新板的图像采集。校准被用于根据图像映射验证新图像(即，哪些像素是板外区域、哪些是板内区域但培养基没有菌落、以及哪些区域显示菌落)。
图3进一步说明被校准的系统装置的具体方面。在(一个或更多个)照明组件111的预热时间期间，强度(λ)＝f(输入功率)和场均匀性被确定。此外，对于测试板，培养基针对适用区域(即，单板的整个板、双板的半个板以及三板的三分之一板)应该是均匀的。对于光学校准112，对准、色差和几何失真被确定。对于照相机校准113，基线水平被确定。这种基线数据是：预热时间；线性度(灰度值与到达传感器的光子数量的固定关系)和黑度水平作为曝光时间的函数、SNR作为像素强度的函数；场均匀性；色差；和几何失真被全部确定为与估计获得的图像相对比的基线。这种基线数据被本领域的技术人员所熟知，不进一步详细描述。
图4是进入校准系统中的输入(即，系统信息、校准板的库和其他输入)的进一步细节。对于每个校准板，获得图像并且，每个像素被分配黑度水平、SNR、线性度和照明的值。针对系统(即，非逐像素的)模型确定反应系统因素，诸如失真、色差、空间分辨率和白平衡的值。这些值被全部收集以提供校准的系统和校准的数据用于在板的评价中使用。如下可知，这些值被用于完成图像采集。
关于图像采集模块的更多细节在图5中描述。在第一步骤中，使用默认值获得图像。根据这个第一图像，针对每个像素的强度、曝光时间和SNR被确定。通过从测量的强度值减去像素的“黑度水平”确定强度。黑度水平和SNR从先前所述的校准获得。
图像采集发生在时间t0、t1、……tx处。在每个时间处，图像通过一系列的N次图像采集获得。该一系列的N次图像采集向SNR迭代用于与图像强度中的高置信度关联的获得的图像。
图6中说明在给定时间(例如，t0)的图像采集和更新。新板610的图像在步骤620中获得。系统630和数据640校准告知图像采集。板的交通状况(即，每单位时间的板的数量)也被用于校准和控制系统。在图像采集过程期间的后面的时间点处，随后的图像被获得650并且与先验图像比较(自动地或被监督)。典型地，在每个时间间隔将有大约四个到大约十个图像采集以获得具有可接受的置信度的图像。一旦获得针对选择的物体的期望的SNR，针对最终图像采集660确定曝光时间。
根据一个实施例，像素更新如下。灰度值、参考曝光时间和信噪比表示存储的每板(图像物体)的每个照明配置(顶部、侧面、底部、或它们的混合)的信息。该信息在每个新的采集之后被更新。首先，该信息使用第一图像采集(N＝1)被更新。
灰度值、参考曝光时间和信噪比表示存储的每板的每个照明配置(顶部、侧面、底部、或它们的混合)的信息。该信息在每个新的采集之后被更新。首先，该信息根据第一图像采集(N＝1)被初始化。在一个实施例中，gvx，y，1是图像位置(x，y)处的灰度值(gv)，其对应于使用曝光时间E1和各自的信噪比(SNRgv)的板的第一图像捕获(N＝1)。在该实施例中：
·
Figure BPA0000227181650000081
是(x，y)处对应于曝光时间E1的黑度参考值点；
·E′x，y，1是在1采集之后(x，y)处更新的参考时间点；
·
Figure BPA0000227181650000082
是在相等的曝光时间E′x，y，1的1采集之后x，y处更新的灰度值；
·SNR′x，y，1是1采集之后x，y处更新的SNR；
E′x，y，1＝E1
Figure BPA0000227181650000083
Figure BPA0000227181650000084
黑度水平是有噪声的并且迭代图像采集过程获得“低噪声的”图像(即，具有较高置信度水平的图像)。黑度值是默认值，其在图像采集期间不被重新计算。黑度值是曝光时间的函数。
对于给定的曝光时间和光源强度，当像素是饱和的，SNR＝0(因此没有改进SNR)。只有来自非饱和的像素的值被更新。
N＝1：初始曝光时间是熟知的默认曝光时间(一种先验的)，或任意值(例如：
Figure BPA0000227181650000085
)。对于被分析的新板的特定板和培养基，这由校准确定。
灰度值、参考曝光时间和信噪比在每个新图像采集之后(即，N＝2，3，4...N)根据下面的实施例被更新。对于图像位置(x，y)的灰度值gvx，y，N对应于使用曝光时间EN和各自的信噪比(SNRx，y，N)的板的第N图像捕获。在该实施例中：
·
Figure BPA0000227181650000091
是(x，y)处对应于曝光时间EN的黑度参考值点；
·E′x，y，N是N次采集之后(x，y)处更新的参考时间点；
·
Figure BPA0000227181650000092
是在相等的曝光时间E′x，y，N的N次采集之后(x，y)处更新的灰度值；
·SNR′x，y，N是N次采集之后x，y处更新的SNR。
Figure BPA0000227181650000093
Figure BPA0000227181650000094
Figure BPA0000227181650000095
因此，针对在第N次图像采集中的像素所更新的SNR是先验图像采集的更新的信噪比的平方和当前图像采集的信噪比的平方的平方根。每次采集为每个像素提供更新的值(例如，E′x，y，N)。随后该更新的值被用于为下次图像采集计算更新的值。当像素对于给定的曝光时间和光源强度是饱和的，对于像素SNR＝0。只有非饱和的像素被更新。第N次曝光时间对应于监督的最优化，其目标是使目标物体的SNR最大化。目标物体能够是整个板、菌群、板的一部分、或整个图像。
利用新的采集更新图像数据之后，采集系统能够根据环境约束(最小需求SNR、饱和约束、最大允许采集时间、目标区域)提出最佳的下次采集时间，其将使SNR最大化。在图像采集被监督的实施例中：x，y∈物体表示在监督模式中，物体的像素仅仅被考虑用于评估。在图像采集不受监督的那些实施例中，默认物体为整个图像。
根据图7，根据获得的图像分析，使用上述自动模式或监督模式确定针对图像采集系列中给定时间间隔处的下次图像(N+1)的曝光时间。参考图7，对于自动过程，每个像素权重相等(即，分配的值为1)。对于监督的方法，与物体(例如，培养物)相关的像素权重不同。监督过程需要附加的成像步骤。如果像素显著的部分(例如，比十万分之一大)是饱和的，并且它们的权重不为0，则提出一个比先前用于获取图像的最小曝光时间短的(例如，1/5)新的曝光时间。这种调整针对饱和像素改善得到非饱和信息的可能性。在替代的实施例中计算新的曝光时间。如果没有显著的像素饱和，则，对于每个像素，从曝光和强度映射中确定将不会导致像素饱和的最大曝光时间。由此，确定图像的曝光时间，并且模拟强度图。由此，确定对应权重的SNR映射。
参考图8，样品图像被用于逐像素更新图像映射中的图像数据。该样品数据随后被馈送到图像分析仪，并且被执行针对每个像素的SNR上预定的约束、其他饱和约束、物体约束等以及时间或交通约束(即，捕获和分析的持续时间)定制的图像分析。
在一个实施例中，具体地，针对饱和的像素逐像素分析获取的图像。如果EN导致超过预定限制的像素饱和，则选择一个较低的值EN+1。例如，如果还没有获得最小的曝光时间并且饱和像素
Figure BPA0000227181650000101
的百分数(％)超过预定限制(例如，＞1/105)，以预定的增量提出一个新的曝光时间(例如，先前使用的最小曝光时间的五分之一)。较低的限制(即，最小可接受的曝光时间)也被预定。曝光时间上的这些约束允许向着非饱和图像采集条件更快速地收敛。
在新的曝光时间获得新的图像。对于新的图像，次级检查约束是每像素最小的期望SNR(这是较低的SNR阈值)，并且是允许用于该图像的全部采集时间(或Nmax)。如果该视景的全部采集时间已经达到时间限制，或者如果对于每个像素的每个更新的SNR使得SNR′x，y，N≥MinSNR，然后图像数据被看作是可接受的，并且视景的采集在时间间隔(例如，t0)结束。当图像采集在时间tx(例如，时间t1)开始，导致由先前的采集(例如，在时间t0)的亚饱和状态的最好曝光时间(ENfinal)被当作初始值E。在tx用于图像采集的过程在其他方面与在时间t0的过程相同。
如果饱和约束被提升(没有显著的饱和)，则确定和研究下次最佳曝光时间。首先，在目标区域上方计算曝光时间边界限制。这些曝光时间边界是：i)使最亮像素饱和的曝光时间；和ii)使最暗像素饱和的曝光时间。
用于使最亮非饱和像素饱和的曝光时间Emin由对应于绝对最大强度和
Figure BPA0000227181650000102
(其相关曝光时间)的灰度值gvmax从以下公式确定：
Figure BPA0000227181650000111
其中
Figure BPA0000227181650000113
与E′x，y，N有关
Figure BPA0000227181650000114
用于使最暗像素饱和的曝光时间Emax由对应于绝对最小强度的灰度值gvmin确定，并且
Figure BPA0000227181650000115
是其相关的曝光时间：
Figure BPA0000227181650000116
其中
Figure BPA0000227181650000117
Figure BPA0000227181650000118
与E′x，y，N有关
Figure BPA0000227181650000119
下次最佳曝光时间通过模拟在Emax和Emin之内的所有候选曝光时间之间中选择。具体地，在测试的曝光时间Etest，N+1增加模拟的图像之后，由模拟确定将会使更新的平均值SNR最大化的曝光时间(针对最小信噪比阈值下面的所有像素)。在Etest，N+1的模拟的图像由如下所述(针对每个像素)生成。
灰度值
Figure BPA00002271816500001110
是对应于当前更新的图像数据的像素数据。如果一个新的时间点Etest，N+1被选择，则期望的灰度值为：
Figure BPA00002271816500001111
用在时间点Etest，N+1图像的来自模拟的图像的像素的值更新该值以后，该(x，y)像素的SNR将为：
Figure BPA00002271816500001112
下个最佳曝光时间Ebest，N+1然后由下式确定：
Ebest，N+1＝Etest，N+1∈[Emin，Emax]；
其中
Figure BPA00002271816500001113
为最大。
如果图像采集和分析由x，y∈物体监督，则SNR只针对目标物体积分。在自动模式中，该物体是整个图像。
图9描述图像采集的最终步骤。这些步骤是本领域的技术人员熟知的常规图像处理技术，在此不详细描述。
图10说明在图像采集期间确定系统完整性的方法。注意到，一旦系统完整性被检查，样品被载入系统中，并且来自样品的数据被捕获。数据捕获如上所述由校准信息告知。捕获的数据被提供到系统完整性检查和系统事件分析仪二者。
如上所述一旦已经获得图像，其与已经培养了不同量的时间的板的图像相比较。例如，如本文中所述在板已经培养了四小时(T1＝4)之后获得板的图像。四小时或更多小时之后，如上所述获得板的另一个图像(Tx＝8小时)。在Tx+1时获得高SNR的图像能够随后与在Tx时的高SNR图像对比。评估这两个图像的变化以确定微生物生长的证据。进一步处理(例如，板是阳性的，板是阴性的，板需要进一步培养)的决定基于该对比。
尽管此中的发明已经根据特定实施例描述，将了解到这些实施例只是本发明说明性的原理和应用。因此，将了解到可以对说明性的实施例做出许多修改，并且可以设计其他安排，而不脱离如附加权利要求所限定的本发明的精神和范围。

Claims (14)

1.一种用于使设置在培养基中的生物样品成像的系统，所述系统包括：
系统校准模块，其提供用于捕获设置在培养基上的生物样品的图像的默认值，所述培养基设置在板中；
图像采集模块，所述图像采集模块包括照相机，其中，所述图像采集模块适于以给定时间间隔获得一系列的图像的数据，与所述系统校准模块通信，所述图像采集模块被配置以：ⅰ)使用来自所述系统校准模块的光子通量和曝光时间的默认值获得第一图像的数据，并且创建图像数据的逐像素映射，每个像素与信噪比即SNR、光子通量和曝光时间以及强度相关联；ⅱ)通过检查所述图像数据以识别饱和的像素，并且基于饱和的像素的数量是否大于或小于预定的阈值，选择新的光子通量、新的曝光时间中的一个或两者，来更新图像采集时间；ⅲ)使用所述光子通量、所述曝光时间或两者的新值以获得新图像的数据；ⅳ)用信噪比，所述光子通量、所述曝光时间或所述光子通量和所述曝光时间两者以及像素强度的新值更新所述图像数据的映射，
其中，如果非饱和像素的所述SNR小于预定的SNR阈值或饱和像素的数量超过所述预定的饱和阈值，所述图像采集模块被配置以获得新图像的数据，
其中，当每个像素的信噪比在所述预定的SNR阈值处或大于所述预定的SNR阈值，用于图像采集的预定的分配时间已经逝去或者已经获得预定的最大数量的图像时，所述图像采集模块完成图像采集；以及
图像展示模块，所述图像展示模块将来自所述图像采集模块的所述图像数据转换成用于观察或分析的图像。
2.根据权利要求1所述的系统，其中，所述光子通量为设定值，并且所述系统通过控制曝光时间控制照相机传感器积分，其中，所述校准模块用于确定多种板和培养基的默认光子通量和曝光时间。
3.根据权利要求1所述的系统，其中，针对设置在所述培养基上的所述样品的图像的至少一部分确定所述SNR。
4.根据权利要求1所述的系统，其中，所述图像采集模块至少针对一个或更多个通道或者一个或更多个频谱带获得来自所述照相机的图像数据。
5.根据权利要求1所述的系统，其中，所述图像采集模块针对每次图像采集为每个像素分配灰度值，并且每个像素的所述灰度值在每次图像采集之后被更新。
6.根据权利要求5所述的系统，其中，更新的灰度值是先前的灰度值减去预定的参考值，其中，所述预定的参考值是基于所述板、板培养基的预定值，并且所述图像采集模块的所述曝光时间针对每次采集为每个像素分配灰度值，以及每个像素的所述灰度值在每次图像采集之后被更新。
7.根据权利要求2所述的系统，其中，通过使用新的曝光时间或者新的光强值或两者获得所述光子通量的新值。
8.根据权利要求1所述的系统，其中，所述图像采集模块被配置以在自动模式或监督模式中的至少一个中操作，在所述自动模式中，所有像素被同等对待，在所述监督模式中，被分析的像素是已经被识别为与一个或更多个感兴趣物体相关联的像素。
9.根据权利要求1所述的系统，其中，所述光子通量是设定值，并且所述系统通过控制曝光时间控制照相机传感器积分。
10.一种用于使设置在培养基中的生物样品成像的方法，所述方法包括：
确定用于获得设置在培养基上的生物样品的图像的默认值，所述培养基被支撑在板中；
获得数据，所述数据对应于在第一时间间隔上的第一时间的一系列图像，使用光子通量和曝光时间的预定的默认值获得所述一系列图像中的第一图像的数据；
创建图像数据的逐像素映射；
使每个像素的数据与信噪比即SNR、光子通量值、曝光时间值和强度值相关联；
通过以下步骤，更新图像光子通量值和曝光时间值中的至少一个：
ⅰ)检查饱和像素的图像数据和所述像素的信噪比，并且基于饱和像素的数量是否大于或小于预定的阈值以及非饱和像素的所述SNR是否在预定的SNR阈值处或大于预定的SNR阈值，针对光子通量和曝光时间中的至少一个选择新值，并且使用光子通量、曝光时间或两者的新值以获得新图像，并且用SNR、光子通量和曝光时间以及像素强度的所述新值更新所述图像的映射；
ⅱ)使用光子通量和曝光时间的至少一个新值获得新图像的数据；
ⅲ)可选地重复步骤ⅰ)和ⅱ)；
当每个像素的所述SNR在所述预定的SNR阈值处或大于所述预定的SNR阈值，用于图像采集的预定的最大分配时间已经逝去或者已经获得预定的最大数量的图像时，完成针对所述时间间隔的图像数据采集；以及
针对在第二时间间隔上的第二时间重复采集、创建、相关联、更新和完成的步骤；以及
将以第一时间间隔和第二时间间隔获得的图像数据转换为第一图像和第二图像，所述第一图像在所述第一时间获得以及所述第二图像在第二时间获得。
11.根据权利要求10所述的方法，其中，所述光子通量值为常数，并且所述曝光时间值被更新，并且，所述预定的默认值是基于板、板培养物和曝光时间。
12.根据权利要求10所述的方法，其进一步包括确定图像映射将被创建的像素，其中所述像素与感兴趣物体相关联。
13.根据权利要求12所述的方法，其中所述默认值包括在默认曝光时间处与感兴趣物体相关联的所述像素的黑度水平。
14.根据权利要求10所述的方法，其中，所述逐像素映射是针对每个像素的灰度值、所述SNR和所述曝光时间。
CN201580006407.8A 2014-01-30 2015-01-30 用于使用监督式高品质成像的图像采集的系统和方法 Active CN105960586B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010061071.8A CN111263076B (zh) 2014-01-30 2015-01-30 用于使用监督式高品质成像的图像采集的系统和方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201461933426P 2014-01-30 2014-01-30
US61/933,426 2014-01-30
PCT/EP2015/052017 WO2015114121A1 (en) 2014-01-30 2015-01-30 A system and method for image acquisition using supervised high quality imaging

Related Child Applications (1)

Application Number Title Priority Date Filing Date
CN202010061071.8A Division CN111263076B (zh) 2014-01-30 2015-01-30 用于使用监督式高品质成像的图像采集的系统和方法

Publications (2)

Publication Number Publication Date
CN105960586A CN105960586A (zh) 2016-09-21
CN105960586B true CN105960586B (zh) 2020-03-03

Family

ID=52595270

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201580006407.8A Active CN105960586B (zh) 2014-01-30 2015-01-30 用于使用监督式高品质成像的图像采集的系统和方法
CN202010061071.8A Active CN111263076B (zh) 2014-01-30 2015-01-30 用于使用监督式高品质成像的图像采集的系统和方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202010061071.8A Active CN111263076B (zh) 2014-01-30 2015-01-30 用于使用监督式高品质成像的图像采集的系统和方法

Country Status (11)

Country Link
US (2) US10200625B2 (zh)
EP (2) EP3100025B1 (zh)
JP (2) JP6687524B2 (zh)
CN (2) CN105960586B (zh)
AU (2) AU2015212758B2 (zh)
BR (1) BR112016017321B1 (zh)
CA (1) CA2936961C (zh)
ES (1) ES2867811T3 (zh)
MX (1) MX364965B (zh)
WO (1) WO2015114121A1 (zh)
ZA (1) ZA201604925B (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104939806B (zh) 2008-05-20 2021-12-10 大学健康网络 用于基于荧光的成像和监测的装置和方法
US11041871B2 (en) 2014-04-16 2021-06-22 Bd Kiestra B.V. System and method for incubation and reading of biological cultures
ES2894912T3 (es) 2014-07-24 2022-02-16 Univ Health Network Recopilación y análisis de datos con fines de diagnóstico
JP6845221B2 (ja) 2015-04-23 2021-03-17 ビーデー キーストラ ビー．ヴィー． プレート培地上にストリークされた試料からの自動化された微生物コロニーカウントのための方法及びシステム
US10521910B2 (en) 2015-04-23 2019-12-31 Bd Kiestra B.V. Colony contrast gathering
JP7305302B2 (ja) 2015-05-28 2023-07-10 ビーデー キーストラ ビー．ヴィー． 同定及び抗生物質感受性試験の両方のための微生物試料を取得し調製するための自動化方法及びシステム
JP7000861B2 (ja) * 2016-02-16 2022-02-04 ソニーグループ株式会社 画像処理装置、医療機器の作動方法及びプログラム
CA3043012A1 (en) 2016-11-10 2018-05-17 Becton, Dickinson And Company Timeline system for monitoring a culture media protocol
US11319575B2 (en) 2017-09-28 2022-05-03 Bd Kiestra B.V. Methods and systems for automated assessment of antibiotic sensitivity
EP3692466A1 (en) 2017-10-05 2020-08-12 Becton, Dickinson and Company Application development environment for biological sample assessment processing
EP3899789A4 (en) 2018-12-20 2022-10-05 Tracxone Ltd. SYSTEM AND METHOD FOR CLASSIFIER LEARNING AND RECOVERY FROM A CLASSIFIER DATABASE FOR LARGE-SCALE PRODUCT IDENTIFICATION
EP3899783A1 (en) 2018-12-20 2021-10-27 BD Kiestra B.V. A system and method for monitoring bacterial growth of bacterial colonies and predicting colony biomass
EP3709628B1 (en) * 2019-03-14 2020-12-23 Axis AB Control of an illuminator
CN110809122A (zh) * 2019-11-11 2020-02-18 中国电子科技集团公司第四十四研究所 应用于cmos图像传感器的动态扩展方法
EP4176298A1 (de) * 2020-08-05 2023-05-10 Leica Microsystems CMS GmbH Verfahren zur beleuchtungseinstellung bei einem fluoreszenzmikroskop und entsprechendes fluoreszenzmikroskop
CN116438291A (zh) 2020-10-07 2023-07-14 Bd科斯特公司 使用具有远心镜头的成像装置获得板形培养皿图像的系统
CN112764358B (zh) * 2020-12-28 2022-04-15 中国人民解放军战略支援部队航天工程大学 一种地球同步轨道目标光学观测曝光时间动态控制方法
TWI802999B (zh) * 2021-09-23 2023-05-21 鴻海精密工業股份有限公司 細胞採收提醒方法及系統

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7060955B1 (en) * 2005-01-31 2006-06-13 Chemimage Corporation Apparatus and method for defining illumination parameters of a sample
US7978258B2 (en) * 2007-08-31 2011-07-12 Historx, Inc. Automatic exposure time selection for imaging tissue
CN102590087A (zh) * 2011-01-10 2012-07-18 伊鲁米那股份有限公司 用于生物或化学分析的样品的成像方法
CN203385649U (zh) * 2013-03-20 2014-01-08 上海交通大学 大尺度生物组织连续切片的自动化成像系统

Family Cites Families (100)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4700298A (en) 1984-09-14 1987-10-13 Branko Palcic Dynamic microscope image processing scanner
US4724215A (en) 1985-02-27 1988-02-09 Sherwood Medical Company Automated microbiological testing apparatus and method
JP3396237B2 (ja) * 1992-06-08 2003-04-14 セイコーインスツルメンツ株式会社 分光測定装置
DE69314959T2 (de) 1992-07-13 1998-06-18 Minnesota Mining & Mfg Verfahren zum zählen von objekten in einem rasterabgetasteten teilbild.
US5723308A (en) 1993-05-14 1998-03-03 Minnesota Mining And Manufacturing Company Culture medium for rapid count of coliform bacteria
EP0698084B1 (en) 1993-05-14 1998-06-24 Minnesota Mining And Manufacturing Company Method for rapid quantification of microorganism growth
FR2719602B1 (fr) 1994-05-05 1996-07-26 Biocom Sa Procédé et installation pour la numérisation de cellules et micro-organismes, notamment des produits alimentaires ou des fluides biologiques.
US5978497A (en) 1994-09-20 1999-11-02 Neopath, Inc. Apparatus for the identification of free-lying cells
US5694478A (en) 1994-12-15 1997-12-02 Minnesota Mining And Manufacturing Company Method and apparatus for detecting and identifying microbial colonies
US6122396A (en) 1996-12-16 2000-09-19 Bio-Tech Imaging, Inc. Method of and apparatus for automating detection of microorganisms
US7117098B1 (en) 1997-02-27 2006-10-03 Cellomics, Inc. Machine-readable storage medium for analyzing distribution of macromolecules between the cell membrane and the cell cytoplasm
GB9714347D0 (en) 1997-07-09 1997-09-10 Oxoid Ltd Image analysis systems and devices for use therewith
AU8846498A (en) 1997-08-07 1999-03-01 Imaging Research, Inc. A digital imaging system for assays in well plates, gels and blots
WO2000039329A1 (fr) 1998-12-28 2000-07-06 Sapporo Breweries Ltd. Procede de comptage de micro-organismes et dispositif permettant d'effectuer ledit comptage
US8131053B2 (en) 1999-01-25 2012-03-06 Amnis Corporation Detection of circulating tumor cells using imaging flow cytometry
US6153400A (en) 1999-03-12 2000-11-28 Akzo Nobel N.V. Device and method for microbial antibiotic susceptibility testing
US6453060B1 (en) 1999-06-29 2002-09-17 Tri Path Imaging, Inc. Method and apparatus for deriving separate images from multiple chromogens in a branched image analysis system
IL132687A0 (en) 1999-11-01 2001-03-19 Keren Mechkarim Ichilov Pnimit System and method for evaluating body fluid samples
US7065242B2 (en) 2000-03-28 2006-06-20 Viewpoint Corporation System and method of three-dimensional image capture and modeling
BR0003066A (pt) 2000-07-21 2002-04-30 Fundacao Oswaldo Cruz Método e dispositivo para detecção microrganismos à fibra óptica
GB0107155D0 (en) 2001-03-22 2001-05-09 Finecard Internat Ltd A play tunnel
WO2002097716A1 (en) 2001-05-29 2002-12-05 Tissueinformatics, Inc. Robust stain detection and quantification for histological specimens based on a physical model for stain absorption
US7863552B2 (en) 2001-07-06 2011-01-04 Palantyr Research Llc Digital images and related methodologies
US6884983B2 (en) 2002-06-10 2005-04-26 Palantyr Research, Llc Imaging system for examining biological material
EP1432786B1 (en) 2001-09-06 2009-07-22 Genomic Profiling Systems, Inc. Rapid detection of replicating cells
US7065236B2 (en) 2001-09-19 2006-06-20 Tripath Imaging, Inc. Method for quantitative video-microscopy and associated system and computer software program product
US6605446B2 (en) 2001-10-18 2003-08-12 Gideon Eden Detecting airborne microorganisms
WO2003061266A2 (en) 2002-01-15 2003-07-24 Yissum Research Development Company Of The Hebrew University Of Jerusalem System and method for compressing the dynamic range of an image
US7133547B2 (en) 2002-01-24 2006-11-07 Tripath Imaging, Inc. Method for quantitative video-microscopy and associated system and computer software program product
US20040102903A1 (en) 2002-11-27 2004-05-27 Graessle Josef A. Biological growth plate scanner
KR101094590B1 (ko) 2002-11-27 2011-12-15 쓰리엠 이노베이티브 프로퍼티즈 컴파니 생물학적 생장판 스캐너용 적재 및 방출 시스템
US20040101954A1 (en) 2002-11-27 2004-05-27 Graessle Josef A. Back side plate illumination for biological growth plate scanner
US7351574B2 (en) 2002-11-27 2008-04-01 3M Innovative Properties Company Loading and ejection systems for biological growth plate scanner
US7319031B2 (en) * 2002-11-27 2008-01-15 3M Innovative Properties Company Mounting platform for biological growth plate scanner
CA2505967A1 (en) * 2002-11-27 2004-06-17 3M Innovative Properties Company Biological growth plate scanner
WO2004070653A2 (en) 2003-01-31 2004-08-19 Discovery Partners International Image analysis system and method
US20040253660A1 (en) 2003-06-12 2004-12-16 Giles Scientific, Inc. Automated microbiological testing apparatus and method
CA2956645A1 (en) 2003-07-12 2005-03-31 David A. Goldberg Sensitive and rapid biodetection
US7341841B2 (en) 2003-07-12 2008-03-11 Accelr8 Technology Corporation Rapid microbial detection and antimicrobial susceptibility testing
US7496225B2 (en) 2003-09-04 2009-02-24 3M Innovative Properties Company Biological growth plate scanner with automated intake
US7298886B2 (en) 2003-09-05 2007-11-20 3M Innovative Properties Company Counting biological agents on biological growth plates
US7623728B2 (en) 2004-03-24 2009-11-24 General Electric Company Method and product for processing digital images
JP2005308504A (ja) 2004-04-21 2005-11-04 Yokogawa Electric Corp バイオチップ測定方法およびバイオチップ読取装置
US7854705B2 (en) 2004-12-16 2010-12-21 Olga Pawluczyk Ex vivo verification of biopsy tissue samples
WO2006094388A1 (en) 2005-03-07 2006-09-14 Novx Systems Inc. Automated analyzer
CN1703079A (zh) * 2005-04-11 2005-11-30 浙江大学 自适应扩展动态范围的成像方法及其装置
US8492156B2 (en) 2005-05-13 2013-07-23 Tripath Imaging, Inc. Methods of chromogen separation-based image analysis
US7732743B1 (en) * 2005-06-03 2010-06-08 Michael Paul Buchin Low-photon-flux image acquisition and processing tool
US7796815B2 (en) 2005-06-10 2010-09-14 The Cleveland Clinic Foundation Image analysis of biological objects
US8131477B2 (en) 2005-11-16 2012-03-06 3M Cogent, Inc. Method and device for image-based biological data quantification
FI20051329A0 (fi) 2005-12-27 2005-12-27 Wallac Oy Laitteisto ja menetelmä näytteiden optista mittausta varten
JP4899523B2 (ja) 2006-02-20 2012-03-21 日本電産株式会社 遠心ファン
US8428331B2 (en) 2006-08-07 2013-04-23 Northeastern University Phase subtraction cell counting method
JP2008205530A (ja) 2007-02-16 2008-09-04 Seiko Epson Corp 撮像装置、撮像システム及び撮像方法
CN100515042C (zh) 2007-03-29 2009-07-15 上海交通大学 多曝光图像增强方法
US7884869B2 (en) 2007-04-30 2011-02-08 Motorola Mobility, Inc. Assignment of pixel element exposure times in digital camera modules and mobile communication devices
JP5188101B2 (ja) * 2007-06-01 2013-04-24 株式会社キーエンス 拡大観察装置、拡大画像撮影方法、拡大画像撮影プログラム及びコンピュータで読み取り可能な記録媒体
JP4863932B2 (ja) 2007-06-04 2012-01-25 株式会社エヌテック コロニー数の計数方法
EP2238432B1 (en) 2008-01-17 2020-02-19 Neogen Corporation Co2 optical sensor for detection and enumeration of microorganisms
US8417013B2 (en) 2008-03-04 2013-04-09 3M Innovative Properties Company Information management in automated processing of biological growth media
US8417014B2 (en) 2008-03-26 2013-04-09 3M Innovative Properties Company Spectral analysis of biological growth media
CN104939806B (zh) 2008-05-20 2021-12-10 大学健康网络 用于基于荧光的成像和监测的装置和方法
US20100047858A1 (en) 2008-08-20 2010-02-25 Albano Maria S High throughput system for cfu assay by the use of high resolution digital imaging, differential staining and automated laboratory system
US9240043B2 (en) * 2008-09-16 2016-01-19 Novartis Ag Reproducible quantification of biomarker expression
WO2010132749A2 (en) 2009-05-15 2010-11-18 Biomerieux, Inc. Automated transfer mechanism for microbial. detection apparatus
US8913127B2 (en) 2009-06-01 2014-12-16 Bio-Rad Laboratories, Inc. Calibration of imaging device for biological/chemical samples
US8570370B2 (en) 2009-08-31 2013-10-29 Bio-Rad Laboratories, Inc. Compact automated cell counter
CA2783147A1 (en) 2009-12-08 2011-06-16 3M Innovative Properties Company Illumination apparatus and methods for a biological growth plate scanner
FR2958298B1 (fr) 2010-04-06 2014-10-17 Commissariat Energie Atomique Procede de detection d'amas de particules biologiques
TWI420413B (zh) 2010-07-15 2013-12-21 Chunghwa Picture Tubes Ltd 深度圖強化方法及其電腦可讀媒體
US8818069B2 (en) 2010-11-30 2014-08-26 General Electric Company Methods for scaling images to differing exposure times
FR2971846B1 (fr) 2011-02-21 2013-12-06 Commissariat Energie Atomique Procede d'observation d'un echantillon
US9292729B2 (en) 2011-03-04 2016-03-22 Lbt Innovations Limited Method and software for analysing microbial growth
EP2681693B1 (en) 2011-03-04 2018-08-01 LBT Innovations Limited Method for improving classification results of a classifier
US8896706B2 (en) 2011-03-04 2014-11-25 LBT Innovations, Limited Colour calibration method for an image capture device
KR101900121B1 (ko) * 2011-03-04 2018-09-18 엘비티 이노베이션스 리미티드 이미지 캡쳐 및 조명 장치
EP2520923A1 (en) * 2011-05-06 2012-11-07 bioMérieux Bio-imaging method and system
JP2013066142A (ja) * 2011-08-31 2013-04-11 Sony Corp 画像処理装置、および画像処理方法、並びにプログラム
EP2578693A1 (en) 2011-10-07 2013-04-10 Koninklijk Instituut voor de Tropen Method for detecting bacteria
US10475527B2 (en) * 2012-03-22 2019-11-12 Biomerieux, Inc. Method and system for detection of microbial growth in a specimen container
JP5522333B1 (ja) 2012-08-23 2014-06-18 大日本印刷株式会社 培地情報登録システム、コロニー検出装置、プログラム及び衛生管理システム
GB201216661D0 (en) 2012-09-18 2012-10-31 Spicer Consulting Ltd photobioreactor
FR2997502B1 (fr) 2012-10-29 2014-12-26 Commissariat Energie Atomique Procede d'observation d'especes biologiques.
EP2731051A1 (en) 2012-11-07 2014-05-14 bioMérieux Bio-imaging method
EP3336195B1 (en) 2012-12-20 2020-02-26 3M Innovative Properties Company Method of differentiating microbial colonies in an image
US20140177494A1 (en) 2012-12-21 2014-06-26 Alexander W. Min Cloud-aware collaborative mobile platform power management using mobile sensors
FR3001227B1 (fr) 2013-01-21 2015-02-27 Biomerieux Sa Moyen, procede et produit-programme d’ordinateur pour determiner le taux de concentration de micro-organismes lors d’une analyse de fluide
US9677109B2 (en) 2013-03-15 2017-06-13 Accelerate Diagnostics, Inc. Rapid determination of microbial growth and antimicrobial susceptibility
ITMI20130692A1 (it) 2013-04-26 2014-10-27 Copan Italia Spa Dispositivo e procedimento per il processamento automatico di piastre di coltura per campioni microbiologici
WO2014187919A1 (en) 2013-05-23 2014-11-27 bioMérieux Method, system and computer program product for producing a raised relief map from images of an object
EP3090040B1 (en) 2014-01-03 2019-11-27 Copan Italia S.P.A. Apparatus and method for treatment of diagnostic information relating to samples of microbiological material
FR3020485A1 (fr) 2014-04-25 2015-10-30 Biomerieux Sa Procede, systeme et produit-programme d'ordinateur pour afficher une image d'un objet
FR3021054B1 (fr) 2014-05-14 2016-07-01 Biomerieux Sa Procede et systeme d’observation d’especes biologiques sur un milieu de culture
FR3022916B1 (fr) 2014-06-30 2018-04-06 Biomerieux Procede de detection d'une presence ou d'une absence de particules biologiques.
ES2894912T3 (es) 2014-07-24 2022-02-16 Univ Health Network Recopilación y análisis de datos con fines de diagnóstico
US9347082B2 (en) 2014-08-28 2016-05-24 Omnivision Technologies, Inc. Automated cell growth/migration detection system and associated methods
FR3028866B1 (fr) 2014-11-26 2018-03-09 bioMérieux Procede, systeme et produit-programme d'ordinateur pour determiner la croissance de micro-organismes
FR3030749B1 (fr) 2014-12-19 2020-01-03 Commissariat A L'energie Atomique Et Aux Energies Alternatives Methode d'identification de particules biologiques par piles d'images holographiques defocalisees
US10769409B2 (en) 2015-04-21 2020-09-08 Purdue Research Foundation Culture detection and measurement over time
FR3038620B1 (fr) 2015-07-09 2019-05-24 Biomerieux Procede de detection d'une presence ou d'une absence d'au moins une premiere zone d'inhibition

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7060955B1 (en) * 2005-01-31 2006-06-13 Chemimage Corporation Apparatus and method for defining illumination parameters of a sample
US7978258B2 (en) * 2007-08-31 2011-07-12 Historx, Inc. Automatic exposure time selection for imaging tissue
CN102590087A (zh) * 2011-01-10 2012-07-18 伊鲁米那股份有限公司 用于生物或化学分析的样品的成像方法
CN203385649U (zh) * 2013-03-20 2014-01-08 上海交通大学 大尺度生物组织连续切片的自动化成像系统

Also Published As

Publication number Publication date
AU2015212758A1 (en) 2016-08-11
BR112016017321B1 (pt) 2021-03-16
CN111263076B (zh) 2021-06-18
EP3100025B1 (en) 2021-03-03
CN105960586A (zh) 2016-09-21
US10200625B2 (en) 2019-02-05
ZA201604925B (en) 2020-02-26
EP3851832A1 (en) 2021-07-21
CN111263076A (zh) 2020-06-09
CA2936961A1 (en) 2015-08-06
ES2867811T3 (es) 2021-10-20
EP3100025A1 (en) 2016-12-07
MX364965B (es) 2019-05-15
MX2016009829A (es) 2016-10-31
EP3851832B1 (en) 2024-01-17
JP2020115148A (ja) 2020-07-30
US10841503B2 (en) 2020-11-17
JP6687524B2 (ja) 2020-04-22
JP7036858B2 (ja) 2022-03-15
US20190116303A1 (en) 2019-04-18
CA2936961C (en) 2018-11-13
JP2017505905A (ja) 2017-02-23
US20170013181A1 (en) 2017-01-12
AU2015212758B2 (en) 2019-11-21
WO2015114121A1 (en) 2015-08-06
AU2020200895B2 (en) 2021-04-29
AU2020200895A1 (en) 2020-02-27

Similar Documents

Publication Publication Date Title
CN105960586B (zh) 用于使用监督式高品质成像的图像采集的系统和方法
US20190287244A1 (en) Cell image evaluation device and cell image evaluation control program
JP2017505905A5 (zh)
CN107730493A (zh) 产品颜色差异检测方法、装置、介质以及计算机设备
KR20100095253A (ko) 디지털 영상의 화이트 밸런스 조정 장치 및 방법
KR101694621B1 (ko) 이미지 센서의 자동 노출 조절정보를 이용한 밝기 추정장치 및 방법
CN116721039B (zh) 一种应用于自动化光学缺陷检测中的图像预处理方法
CN108965749A (zh) 基于纹理识别的缺陷像素检测和校正装置及方法
CN110702615B (zh) 一种彩色数码透射显微镜颜色校正方法
KR20160061251A (ko) 영상 처리 장치 및 방법
CN110726536B (zh) 一种彩色数码反射显微镜颜色校正方法
US20220260479A1 (en) Particle quantitative measurement device
KR101517554B1 (ko) 공액구배 알고리즘을 이용한 비전시스템의 컬러 조명 제어방법
KR101497920B1 (ko) 최급경사 알고리즘을 이용한 비전시스템의 컬러 조명 제어방법
US9066088B1 (en) Color measurement and correction of multiple display devices
CN104634735A (zh) 一种细胞dna检测设备的非线性校正方法
KR101469616B1 (ko) 뉴턴법 알고리즘을 이용한 비전시스템의 컬러 조명 제어방법
US20230142016A1 (en) Compensation of intensity variances in images used for colony enumeration
JP2014085377A (ja) 画像表示システム、撮像装置、画像表示装置及びその制御方法
WO2022163002A1 (ja) 撮影条件設定システム、撮影条件設定方法及びプログラム

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