CN106023225B - 生物样本显微成像的自动修改成像区间方法 - Google Patents

生物样本显微成像的自动修改成像区间方法 Download PDF

Info

Publication number
CN106023225B
CN106023225B CN201610372628.3A CN201610372628A CN106023225B CN 106023225 B CN106023225 B CN 106023225B CN 201610372628 A CN201610372628 A CN 201610372628A CN 106023225 B CN106023225 B CN 106023225B
Authority
CN
China
Prior art keywords
imaging
sample
imaged
section
region
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
CN201610372628.3A
Other languages
English (en)
Other versions
CN106023225A (zh
Inventor
龚辉
袁菁
张小宇
钟秋园
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.)
Wuhan Woyi Biology Co., Ltd.
Original Assignee
Wuhan Woyi Biology 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 Wuhan Woyi Biology Co Ltd filed Critical Wuhan Woyi Biology Co Ltd
Priority to CN201610372628.3A priority Critical patent/CN106023225B/zh
Publication of CN106023225A publication Critical patent/CN106023225A/zh
Priority to PCT/CN2017/081166 priority patent/WO2017206615A1/zh
Priority to US16/206,697 priority patent/US10365207B2/en
Application granted granted Critical
Publication of CN106023225B publication Critical patent/CN106023225B/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
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • 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
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B21/00—Microscopes
    • G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
    • G02B21/365—Control or image processing arrangements for digital or video microscopes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G06T5/30—Erosion or dilatation, e.g. thinning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/77—Retouching; Inpainting; Scratch removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • A61B2576/026—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part for the brain
    • 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
    • G01N2021/1765—Method using an image detector and processing of image signal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/40—Imaging
    • G01N2223/427—Imaging stepped imaging (selected area of sample is changed)
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2223/00—Investigating materials by wave or particle radiation
    • G01N2223/60—Specific applications or type of materials
    • G01N2223/612—Specific applications or type of materials biological material
    • G01N2223/6126—Specific applications or type of materials biological material tissue
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G06T2207/10061—Microscopic image from scanning electron microscope
    • 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
    • G06T2207/20036—Morphological image processing

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Microscoopes, Condenser (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Image Processing (AREA)

Abstract

本发明涉及一种生物样本显微成像的自动修改成像区间方法，该方法先将样本轮廓通过内源性或外源性标记从而与周围组织有明显差异，设置初始样本成像区间，对样本表层进行光学显微成像，成像区间大于样本待成像区域；利用该样本表层的成像结果，通过轮廓识别算法计算出实际的样本区域并设置为下一层的成像区间；根据设置的成像区间，对下一层待成像样本进行光学显微成像，成像区间覆盖样本待成像区域，无冗余成像；重复上述步骤，直到完成数据获取任务。本方法使得样本可以自动调整成像区间进行采集，降低了样本采集的总马赛克数量，避免采集冗余数据造成采集时间延长所带来的负面影响。

Description

生物样本显微成像的自动修改成像区间方法
技术领域
本发明涉及显微成像领域，具体地说是指一种生物样本显微成像的自动修改成像区间方法。
背景技术
在光学成像领域，人们一直在追求生物样本的成像能够在更大的范围内获取更多细节。但目前已有的显微光学系统，即使对于体积较小的小鼠大脑样本，牺牲了轴向采样的间隔后也需要一天的时间才能够获取全脑数据，若要完整获取精细结构则需要长达几天甚至十数天。对于体积更大的猴脑和人脑样本，成像时间更将大大增加，从而放大许多不稳定性的问题。例如，样本包埋剂浸泡时间过久会导致其物理性质变化，因而造成样本变形、塌陷甚至掉落，影响到数据集的完整性，浪费大量的人力物力。减少冗余数据的采集，能够减少总采集时间，从而提高成像系统的稳定性。
而目前的光学显微成像系统主要采用一个规则立方体来定义成像区间，即从上到下在每个横向的冠状面上均采用同一个可包含样本最大面的成像区间，以保证全脑数据集的完整性。这种采集方式造成大量冗余的数据采集，降低了采集效率、延长了采集时间，同时，冗余数据的保留也浪费了许多数据存储空间。
有部分显微成像系统采用了人工修改成像区间的方式来减少上述冗余数据的采集。这种方法有三个问题，一是由于成像时间较长，人工修改需要耗费大量人力，二是难以实现实时修改，一般采用隔一段固定时间修改一次的方式，因此仍然存在部分冗余数据，三是容易有人误操作造成系统错误，导致数据损失。
综上所述，现存的针对生物样本显微成像的人工区间修改方式仍存在耗费大量人力、难以实时修改、易误操作的问题，自动区间修改方式存在错误率高，缺乏自我检错能力等问题。因此，发明一种新的生物样本显微成像的自动修改成像区间方法很有必要。
发明内容
本发明目的在于克服现有方法中耗费大量人力，难以实时修改，容易误操作导致数据损失的缺点，而提供一种生物样本显微成像的自动修改成像区间方法，
一种生物样本显微成像的自动修改成像区间方法，包括以下步骤：
(1)将样本轮廓进行与周围包埋剂进行有明显差异的标记；
(2)设置初始样本成像区间，对样本表层进行光学显微成像，成像区间大于样本待成像区域；
(3)利用该样本表层的成像结果，通过轮廓识别算法计算出实际的样本区域并设置为下一层的成像区间；
(4)根据步骤(3)设置的成像区间，对下一层待成像样本进行光学显微成像，成像区间覆盖样本待成像区域，无冗余成像；
(5)重复步骤(3)、(4)，直到完成数据获取任务。
通过上述方案，本发明方法具有下列优点：
(1)通过计算机软件设置实现上述方法步骤，能自动根据成像结果实时调整成像区间完成样本的采集，减少了样本采集的冗余量。
(2)具有一定自动判断轮廓识别是否正确的能力，有效减少了错误率。
附图说明
图1为本发明生物样本显微成像的自动修改成像区间方法的流程图。
图2为通过本发明方法所识别并确定的样本成像区间。
具体实施方式
下面结合附图和实施方式对本发明作进一步详细的说明。
图1为本发明生物样本显微成像的自动修改成像区间方法的流程图，具体操作如下：
S101：将样本轮廓通过内源性或外源性标记从而与周围包埋剂有明显差异，例如使用染料或其他标记方式对样本进行染色，使样本内的细胞能够发出足够的信号作为样本有效区域而与包埋剂有所区分。
S102：按设定的成像区域，使用光学显微成像系统对样本表层进行成像，若需要则对成像结果进行采样、滤波，例如采用均值滤波或中值滤波，以减小图像噪声带来的影响。
S103:根据样本类型设置阈值，对图像进行二值化处理。
S104：进行膨胀、腐蚀及区域填充等形态学操作，若需要则去除非样本区域，保留有效的样本区域。若包埋剂在成像过程中物理性质发生的改变较小，则无需进行膨胀、腐蚀及区域填充等形态学操作去除非样本区域等操作。
S105：确认样本的区域识别是否正确，若出现识别的样本区域边界与成像区间边界重合的情况，则提高二值化阈值后返回步骤S104；若出现识别的样本区域多于样本实际可能的区域个数或未识别到样本区域的情况，则降低二值化阈值后返回步骤S104，若没有以上情况则执行步骤S106。阈值的设置可根据样本类型设置对应的不同阈值，或者，对第一张图像进行所有可能阈值的计算，根据有效样本面积变化情况取变化小于1％的阈值平均值。由于样本区域和非样本区域亮度差异大，阈值的设置还可以根据有效面积变化判断样本的合适阈值。
S106：检测是否已经完成采集，若未完成则返回步骤S102继续成像，若已完成，则进入下一步骤。
S107：停止采集。
上述操作流程可以通过计算机软件实现自动化的操作，图2为通过上述实施例方法所识别并确定的样本成像区间，本实施例采用PI对小鼠大脑进行染色以获取样本的轮廓信息，使用结构光系统采集后对样本进行了5*5中值滤波，然后以阈值20对8位图像进行了二值化。去掉较小的区域后，进行膨胀和填充操作，然后进行三次腐蚀操作，模版均为长度为20的长方形。去掉重心距离图像中心较远的区域后，进行两次膨胀操作，将区域还原回原大小，此区域即为样本的有效区域。图中用一个白色轮廓线表示样本有效区域，以作为样本下一层的采集区域。可以看出，该方法能够有效识别出样本区域，减少冗余马赛克的采集，避免采集冗余数据造成采集时间延长所带来的负面影响。同时，该方法所耗时间短，可以满足实时修改区间的要求。
尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (5)

1.一种生物样本显微成像的自动修改成像区间方法，其特征在于包括以下步骤：
(1)将样本轮廓与周围包埋剂进行有明显差异的标记，所述明显差异是指使样本内的细胞能够发出足够的信号作为样本有效区域而与包埋剂有所区分；
(2)设置初始样本成像区间，对样本表层进行光学显微成像，成像区间大于样本待成像区域；
(3)利用该样本表层的成像结果，通过轮廓识别算法计算出实际的样本区域并设置为下一层的成像区间；
(4)根据步骤(3)设置的成像区间，对下一层待成像样本进行光学显微成像，成像区间覆盖样本待成像区域，无冗余成像；
(5)重复步骤(3)、(4)，直到完成数据获取任务；
所述步骤(3)的轮廓识别算法具体为：
(a)对图像进行滤波；
(b)根据样本类型设置阈值，对滤波后的图像进行二值化处理，得到有效样本区域；
所述设置阈值是根据样本类型设置对应的不同阈值；或对第一张图像进行所有可能阈值的计算，根据有效样本面积变化情况取变化小于1％的阈值平均值；或者根据有效面积变化判断样本的合适阈值；
(c)判断有效区域是否正确，若不正确则根据错误类型修改阈值，返回(b)，若正确则进行下一步。
2.根据权利要求1所述的生物样本显微成像的自动修改成像区间方法，其特征在于：对二值化处理后的图像进行膨胀、腐蚀及区域填充的形态学操作，同时去除非样本区域，以有效区分包埋剂自发荧光信号与样本有效区域信号。
3.根据权利要求1或2所述的生物样本显微成像的自动修改成像区间方法，其特征在于：若识别的区域边界与成像区域边界有重合，则提高二值化阈值。
4.根据权利要求1或2所述的生物样本显微成像的自动修改成像区间方法，其特征在于：若识别的区域个数多于样本实际可能的区域个数，则降低二值化阈值。
5.根据权利要求1或2所述的生物样本显微成像的自动修改成像区间方法，其特征在于：若未识别到任何有效区域，则降低二值化阈值。
CN201610372628.3A 2016-05-30 2016-05-30 生物样本显微成像的自动修改成像区间方法 Active CN106023225B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201610372628.3A CN106023225B (zh) 2016-05-30 2016-05-30 生物样本显微成像的自动修改成像区间方法
PCT/CN2017/081166 WO2017206615A1 (zh) 2016-05-30 2017-04-20 生物样本显微成像的自动修改成像区间方法
US16/206,697 US10365207B2 (en) 2016-05-30 2018-11-30 Method of automatically modifying imaging range in biological sample microscopic imaging

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610372628.3A CN106023225B (zh) 2016-05-30 2016-05-30 生物样本显微成像的自动修改成像区间方法

Publications (2)

Publication Number Publication Date
CN106023225A CN106023225A (zh) 2016-10-12
CN106023225B true CN106023225B (zh) 2019-03-08

Family

ID=57092815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610372628.3A Active CN106023225B (zh) 2016-05-30 2016-05-30 生物样本显微成像的自动修改成像区间方法

Country Status (3)

Country Link
US (1) US10365207B2 (zh)
CN (1) CN106023225B (zh)
WO (1) WO2017206615A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106023225B (zh) 2016-05-30 2019-03-08 武汉沃亿生物有限公司 生物样本显微成像的自动修改成像区间方法
CN107679196A (zh) * 2017-10-10 2018-02-09 中国移动通信集团公司 一种多媒体识别方法、电子设备及存储介质
CN110348569B (zh) * 2019-07-18 2021-10-08 华中科技大学 基于卷积神经网络的实时光学层析方法和系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104075965A (zh) * 2014-07-02 2014-10-01 北京机械设备研究所 一种基于分水岭分割的显微图像颗粒粒度测量方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7403008B2 (en) * 2004-08-02 2008-07-22 Cornell Research Foundation, Inc. Electron spin resonance microscope for imaging with micron resolution
CN100593172C (zh) * 2008-04-18 2010-03-03 首都师范大学 一种基于显微图像的微生物识别系统及方法
US9810895B2 (en) * 2009-05-29 2017-11-07 Olympus Corporation Biological observation apparatus
JP5499732B2 (ja) * 2009-06-23 2014-05-21 ソニー株式会社 生体サンプル像取得装置、生体サンプル像取得方法及び生体サンプル像取得プログラム
US9072772B2 (en) * 2009-11-05 2015-07-07 University of Pittsburgh—of the Commonwealth System of Higher Education Methods of treating disorders associated with protein aggregation
TWI500963B (zh) * 2010-06-29 2015-09-21 Chroma Ate Inc An image capturing device and method
WO2012080363A1 (de) * 2010-12-15 2012-06-21 Carl Zeiss Ag Automatisierte abbildung vorbestimmter bereiche in schnittserien
JP6039872B2 (ja) * 2011-01-24 2016-12-07 ビー． アデイ、ニルズ 材料試料から材料を抽出するための装置、システム、及びその方法
KR20140068264A (ko) * 2011-10-12 2014-06-05 벤타나 메디컬 시스템즈, 인코포레이티드 다초점 간섭 이미지 획득
WO2013148485A2 (en) * 2012-03-30 2013-10-03 Clarient Diagnostic Services, Inc. Detection of tissue regions in microscope slide images
US9721751B2 (en) * 2014-08-22 2017-08-01 The Board Of Trustees Of The Leland Stanford Junior University Electron microscopy specimen and method of fabrication
WO2016168821A1 (en) * 2015-04-17 2016-10-20 Rowan University Embedded marking of sectionable tissue samples
CN105425377A (zh) * 2015-12-29 2016-03-23 电子科技大学 一种用于显微镜的成像方法及系统
CN106023225B (zh) * 2016-05-30 2019-03-08 武汉沃亿生物有限公司 生物样本显微成像的自动修改成像区间方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104075965A (zh) * 2014-07-02 2014-10-01 北京机械设备研究所 一种基于分水岭分割的显微图像颗粒粒度测量方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Automated Dynamic Cellular Analysis in Time-Lapse Microscopy;Shuntaro Aotake等;《Journal of Biosciences and Medicines, 2016》;20160318;第44-50页
基于Golgi染色鼠脑图集的桶状皮层神经元三维形态分析;王思敏;《万方学位论文》;20160504;摘要，第1-33页

Also Published As

Publication number Publication date
CN106023225A (zh) 2016-10-12
US20190094129A1 (en) 2019-03-28
WO2017206615A1 (zh) 2017-12-07
US10365207B2 (en) 2019-07-30

Similar Documents

Publication Publication Date Title
CN106023225B (zh) 生物样本显微成像的自动修改成像区间方法
CN103295199B (zh) 古壁画的裂缝智能修复辅助系统
Dorafshan et al. Automatic surface crack detection in concrete structures using OTSU thresholding and morphological operations
JP5455038B2 (ja) 画像処理装置、画像処理方法、及びプログラム
CN113822890A (zh) 一种微裂纹检测方法、装置、系统及存储介质
US20050201618A1 (en) Local watershed operators for image segmentation
US20090202172A1 (en) Image Inspection Apparatus, Image Inspection Method and Computer Program
JP2004164624A (ja) 低被写界深度画像セグメンテーションの方法及び機器
WO1998002843A1 (en) Mosaic construction, processing, and review of very large electronic micrograph composites
CN105160682B (zh) 图像边缘检测方法及装置
EP1501048A3 (en) Method of segmenting a radiographic image into diagnostically relevant and diagnostically irrelevant regions
JP2009034517A (ja) 異常陰影検出装置および方法並びにプログラム
CN109850518B (zh) 一种基于红外图像的实时矿用胶带预警撕裂检测方法
CN109636801B (zh) 自动获取her2荧光原位杂交结果的电子设备及介质
JP4904330B2 (ja) 画像からテキストを抽出する方法及び装置
CN110246139B (zh) 基于双阈值的浮游生物原位图像roi快速提取方法
JPH09119900A (ja) コンクリート欠陥の自動評価方法
CN111127450B (zh) 一种基于图像的桥梁裂缝检测方法及系统
CN109859220B (zh) 一种线形图像分割方法
CN105894501B (zh) 一种高分辨率遥感图像单木探测和树冠描绘方法
JP6570219B2 (ja) 物体検出装置
CN109523568A (zh) 一种基于Canny算法的大体标本摄像系统
CN104504702A (zh) 基于方格搜索法的水泥刻槽路面裂缝识别方法
CN112287831B (zh) 基于编码热红外标志的跟随机器人多目标识别系统及方法
CN110852228B (zh) 监控视频中的动态背景提取及前景物体检测方法及系统

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20161223

Address after: 430074 Hubei Province, East Lake Development Zone, high tech Avenue, No. 999, the future of science and Technology City, building C2, building, floor, building 1

Applicant after: Wuhan Woyi Biology Co., Ltd.

Address before: 430074 Hubei Province, Wuhan city Hongshan District Luoyu Road No. 1037

Applicant before: Huazhong Science &. Technology Univ.

GR01 Patent grant
GR01 Patent grant