CN107036956A - 细胞核统计方法和装置 - Google Patents
细胞核统计方法和装置 Download PDFInfo
- Publication number
- CN107036956A CN107036956A CN201710361825.XA CN201710361825A CN107036956A CN 107036956 A CN107036956 A CN 107036956A CN 201710361825 A CN201710361825 A CN 201710361825A CN 107036956 A CN107036956 A CN 107036956A
- Authority
- CN
- China
- Prior art keywords
- counted
- region
- nucleus
- mark
- view data
- 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
- 238000007619 statistical method Methods 0.000 title claims abstract description 25
- 230000001575 pathological effect Effects 0.000 claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000001413 cellular effect Effects 0.000 claims description 16
- 238000002372 labelling Methods 0.000 claims description 8
- 201000010099 disease Diseases 0.000 claims 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims 1
- 238000009826 distribution Methods 0.000 abstract description 8
- 241000894006 Bacteria Species 0.000 abstract description 7
- 238000007405 data analysis Methods 0.000 abstract description 7
- 241000894007 species Species 0.000 description 13
- 230000008901 benefit Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000001580 bacterial effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004992 fission Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000975 dye Substances 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010827 pathological analysis Methods 0.000 description 1
- 230000036285 pathological change Effects 0.000 description 1
- 231100000915 pathological change Toxicity 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1429—Signal processing
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Analytical Chemistry (AREA)
- Signal Processing (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Processing (AREA)
Abstract
本发明提供了一种细胞核统计方法和装置；其中，该方法包括：获取数字病理切片的低倍率图像数据；获取低倍率图像数据的待统计区域；其中，待统计区域的数量为一个或多个；逐一获取待统计区域的高倍率图像数据；在各个高倍率图像数据的显示界面上，标记出细胞核的位置，根据标记出的细胞核的位置统计待统计区域内的细胞核数量；根据各个待统计区域内的细胞核数量，生成数字病理切片对应的细胞核统计结果。本发明可以便捷高效地获得病理切片内细菌等目标对象的数量和分布状况，同时提高了病理切片数据分析的准确性。
Description
技术领域
本发明涉及数字病理切片技术领域，尤其是涉及一种细胞核统计方法和装置。
背景技术
病理切片，为病理标本的一种；病理切片在制作时，将部分有病变的组织或脏器经过各种化学品和埋藏法的处理，使之固定硬化，在切片机上切成薄片，粘附在玻璃片上，染以各种颜色，供在显微镜下检查，以观察病理变化，做出病理诊断，为临床诊断和治疗提供帮助。
病理医生在观察病理切片时，需要在多个高倍视野下找到目标细胞，通过心算或是计数器进行细胞核数量计数；该技术方式较为繁琐，费时费力，且医生在多次计数过程中视觉疲劳，极大的影响了数据的准确性。
针对现有的细胞核统计方式费时费力且准确性较低的问题，尚未提出有效的解决方案。
发明内容
有鉴于此，本发明的目的在于提供一种细胞核统计方法和装置，以便捷高效地获得病理切片内细菌等目标对象的数量和分布状况，同时提高病理切片数据分析的准确性。
第一方面，本发明实施例提供了一种细胞核统计方法，包括：获取数字病理切片的低倍率图像数据；获取低倍率图像数据的待统计区域；其中，待统计区域的数量为一个或多个；逐一获取待统计区域的高倍率图像数据；在各个高倍率图像数据的显示界面上，标记出细胞核的位置，根据标记出的细胞核的位置统计待统计区域内的细胞核数量；根据各个待统计区域内的细胞核数量，生成数字病理切片对应的细胞核统计结果。
结合第一方面，本发明实施例提供了第一方面的第一种可能的实施方式，其中，上述获取低倍率图像数据的待统计区域步骤，包括：接收用户发出的区域选择指令；区域选择指令包括区域中心点位置信息和区域半径；根据区域中心点位置信息和区域半径，生成低倍率图像数据内的待统计区域；在低倍率图像数据内标记待统计区域。
结合第一方面，本发明实施例提供了第一方面的第二种可能的实施方式，其中，上述获取低倍率图像数据的待统计区域步骤，包括：接收用户发出的区域选择指令；区域选择指令包括待统计的细胞核种类对应的细胞群形态的图像特征数据，以及区域半径；从低倍率图像数据中，识别与细胞群形态的图像特征数据相匹配的第一图像区域；根据区域半径和第一图像区域，生成低倍率图像数据内的待统计区域；在低倍率图像数据内标记待统计区域。
结合第一方面，本发明实施例提供了第一方面的第三种可能的实施方式，其中，上述在各个高倍率图像数据的显示界面上，标记出细胞核的位置，根据标记出的细胞核的位置统计待统计区域的内的细胞核数量步骤，包括：接收用户发出的统计指令；统计指令包括标记中心点位置信息和标记半径；根据标记中心点位置信息和标记半径，标记细胞核；统计并显示与待统计区域对应的标记的细胞核的数量。
结合第一方面，本发明实施例提供了第一方面的第四种可能的实施方式，其中，上述在各个高倍率图像数据的显示界面上，标记出细胞核的位置，根据标记出的细胞核的位置统计待统计区域的内的细胞核数量步骤，包括：接收用户发出的统计指令；统计指令包括待统计的细胞核种类对应的细胞形态的图像特征数据，以及标记半径；从高倍率图像数据中，识别与细胞形态的图像特征数据相匹配的第二图像区域；根据第二图像区域和标记半径，标记待统计区域内的细胞核；统计并显示与待统计区域对应的标记的细胞核的数量。
结合第一方面的第四种可能的实施方式，本发明实施例提供了第一方面的第五种可能的实施方式，其中，上述根据第二图像区域和标记半径，标记待统计区域的内的细胞核步骤，包括：根据第二图像区域和标记半径，初步标记待统计区域的内的细胞核；接收用户发出的标记编辑指令；根据标记编辑指令，调整标记的待统计区域的内的细胞核，生成最终的标记结果。
第二方面，本发明实施例提供了一种细胞核统计装置，包括：第一获取模块，用于获取数字病理切片的低倍率图像数据；第二获取模块，用于获取低倍率图像数据的待统计区域；其中，待统计区域的数量为一个或多个；第三获取模块，用于逐一获取待统计区域的高倍率图像数据；标记统计模块，用于在各个高倍率图像数据的显示界面上，标记出细胞核的位置，根据标记出的细胞核的位置统计待统计区域内的细胞核数量；统计结果生成模块，用于根据各个待统计区域内的细胞核数量，生成数字病理切片对应的细胞核统计结果。
结合第二方面，本发明实施例提供了第二方面的第一种可能的实施方式，其中，上述第二获取模块，包括：第一接收单元，用于接收用户发出的区域选择指令；区域选择指令包括区域中心点位置信息和区域半径；区域生成单元，用于根据区域中心点位置信息和区域半径，生成低倍率图像数据内的待统计区域；第一标记单元，用于在低倍率图像数据内标记待统计区域。
结合第二方面，本发明实施例提供了第二方面的第二种可能的实施方式，其中，上述标记统计模块，包括：第二接收单元，用于接收用户发出的统计指令；统计指令包括标记中心点位置信息和标记半径；第二标记单元，用于根据标记中心点位置信息和标记半径，标记细胞核；第一统计单元，用于统计并显示与待统计区域对应的标记的细胞核的数量。
结合第二方面，本发明实施例提供了第二方面的第三种可能的实施方式，其中，上述标记统计模块，包括：第三接收单元，用于接收用户发出的统计指令；统计指令包括待统计的细胞核种类对应的细胞形态的图像特征数据，以及标记半径；识别单元，用于从高倍率图像数据中，识别与细胞形态的图像特征数据相匹配的第二图像区域；第三标记单元，用于根据第二图像区域和标记半径，标记待统计区域内的细胞核；第二统计单元，用于统计并显示与待统计区域对应的标记的细胞核的数量。
本发明实施例带来了以下有益效果：
本发明实施例提供的一种细胞核统计方法和装置，当获取到数字病理切片的低倍率图像数据后，生成低倍率图像数据内的待统计区域；通过待统计区域的待统计区域，可以标记出细胞核的位置并统计待统计区域内的细胞核数量，进而生成数字病理切片对应的细胞核统计结果；该方式可以便捷高效地获得病理切片内细菌等目标对象的数量和分布状况，同时提高了病理切片数据分析的准确性。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本发明的一些实施方式，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为本发明实施例提供的第一种细胞核统计方法的流程图；
图2为本发明实施例提供的第二种细胞核统计方法的流程图；
图3为本发明实施例提供的第三种细胞核统计方法的流程图；
图4为本发明实施例提供的一种细胞核统计装置的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例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。
考虑到现有的细胞核统计方式费时费力且准确性较低的问题，本发明实施例提供了一种细胞核统计方法和装置；该技术可以应用于数字病理切片的分析过程中，尤其可以应用于对病理切片中病变细胞、核分裂细胞的统计分析过程中，该技术可以采用相关的软件或硬件实现，下面通过实施例进行描述。
实施例一：
参见图1所示的第一种细胞核统计方法的流程图，该方法包括如下步骤：
步骤S102，获取数字病理切片的低倍率图像数据；在实际实现时，该低倍率图像数据可以为1倍率的图像数据；
步骤S104，获取低倍率图像数据的待统计区域；其中，该待统计区域的数量为一个或多个；
步骤S106，逐一获取待统计区域的高倍率图像数据；在实际实现时，该高倍率图像数据可以为30倍率的图像数据；
步骤S108，在各个高倍率图像数据的显示界面上，标记出细胞核的位置，根据标记出的细胞核的位置统计待统计区域内的细胞核数量；
步骤S110，根据各个待统计区域内的细胞核数量，生成数字病理切片对应的细胞核统计结果。
通常，病理切片在进行细胞核统计之前，会进行染色；例如，正常细胞染成粉红色，细菌细胞染成蓝紫色；在该低倍率图像数据内，可以根据蓝紫色的分布，生成待统计区域；但是，由于倍率较低，无法获取每个蓝紫色区域内具体的细菌数量；因而，需要进一步获取每个待统计区域的高倍率图像，在该高倍率图像内，统计被染色的细胞数量，进而获得当前数字病理切片内细菌细胞核数量的总数。
本发明实施例提供的一种细胞核统计方法，当获取到数字病理切片的低倍率图像数据后，生成低倍率图像数据内的待统计区域；通过待统计区域的待统计区域，可以标记出细胞核的位置并统计待统计区域内的细胞核数量，进而生成数字病理切片对应的细胞核统计结果；该方式可以便捷高效地获得病理切片内细菌等目标对象的数量和分布状况，同时提高了病理切片数据分析的准确性。
实施例二
参见图2所示的第二种细胞核统计方法的流程图，该方法在实施例一中提供的细胞核统计方法的基础上实现，该方法包括如下步骤：
步骤S202，获取数字病理切片的低倍率图像数据；
步骤S204，接收用户发出的区域选择指令；该区域选择指令包括区域中心点位置信息和区域半径；
步骤S206，根据区域中心点位置信息和区域半径，生成低倍率图像数据内的待统计区域；
步骤S208，在低倍率图像数据内标记待统计区域；
例如，用户点击该低倍率图像中的某一地点A；将该地点A对应的像素或者坐标值作为上述区域中心点位置信息；当接收到用户以点击形式发送的区域选择指令后，以该地点A为中心，上述区域半径为半径值(例如，半径值为0.25毫米)，生成一个圆形区域，该圆形区域即为上述待统计区域；在实际实现时，上述低倍率图像数据上可以显示一个圆形形状，以标记上述待统计区域。
可以理解，上述待统计区域还可以为圆形外的其他任意形状，例如，矩形；当待统计区域为矩形时，上述区域半径可以为矩形对角线长度的一半。
步骤S210，逐一获取上述待统计区域的高倍率图像数据；具体地，用户可以通过双击上述待统计区域，当接收到双击指令后，获取该待统计区域的高倍率图像数据。
步骤S212，接收用户发出的统计指令；该统计指令包括标记中心点位置信息和标记半径；
步骤S214，根据标记中心点位置信息和标记半径，标记细胞核；
步骤S216，统计并显示与待统计区域对应的标记的细胞核的数量。
例如，用户点击该高倍率图像中的某一地点B；当接收到用户以点击形式发送的统计指令后，当前待统计区域的细胞核统计数量增加一个；进而将该地点B对应的像素或者坐标值作为上述区域中心点位置信息，以该地点B为中心，上述标记半径为半径值，生成一个圆形区域，以显示一个圈形形状的形式标记上述细胞核的位置。当用户再次点击该地点B对应的权限区域时，当前待统计区域的细胞核统计数量减少一个，同时上述圆形形状消失。
可以理解，上述标记细胞核的位置的形式还可以为圆形外的其他任意形状，例如，矩形；当标记形式为矩形时，上述标记半径可以为矩形对角线长度的一半。
步骤S218，根据各个待统计区域的内的细胞核数量，生成数字病理切片对应的细胞核统计结果。
当某一待统计区域统计结束后，可以返回至低倍率图像；在低倍率图像中，上述待统计区域对应的圆形形状中可以显示该区域内的细胞核总数，以便于用户查看低倍率图像中多个待统计区域是否全部被统计，以及每个区域的统计结果。
本发明实施例提供的一种细胞核统计方法，根据用户发出的区域中心点位置信息和区域半径等指令，生成并标记低倍率图像数据内的待统计区域；根据用户发出的标记中心点位置信息和标记半径等指令，标记细胞核，同时统计并显示与待统计区域对应的标记的细胞核的数量；该方式可以便捷高效地获得病理切片内细菌等目标对象的数量和分布状况，同时提高了病理切片数据分析的准确性。
实施例三
参见图3所示的第三种细胞核统计方法的流程图，该方法在实施例一中提供的细胞核统计方法的基础上实现，该方法包括如下步骤：
步骤S302，获取数字病理切片的低倍率图像数据；
步骤S304，接收用户发出的区域选择指令；该区域选择指令包括待统计的细胞核种类对应的细胞群形态的图像特征数据，以及区域半径；
步骤S306，从低倍率图像数据中，识别与细胞群形态的图像特征数据相匹配的第一图像区域；
上述待统计的细胞核种类对应的细胞群形态的图像特征数据可以为待统计的细胞核种类对应的细胞群形态的颜色数据、形状数据等；采用机器训练学习、智能图像识别等相关技术手段，可以从低倍率图像数据中自动识别待统计的细胞核种类对应的细胞群，从而确认识别出的细胞群的位置，该位置对应的区域即为上述第一图像区域。
在自动识别过程中，可能会存在识别错误、识别遗漏的情况，因而，当识别结束后，可以接收用户发出的修改指令，以根据该指令对识别出的第一图像区域进行添加或删除；具体地，该修改指令可以以点击的形式发出。
步骤S308，根据区域半径和第一图像区域，生成低倍率图像数据内的待统计区域；
步骤S310，在低倍率图像数据内标记待统计区域；
步骤S312，逐一获取待统计区域的高倍率图像数据；
步骤S314，接收用户发出的统计指令；该统计指令包括待统计的细胞核种类对应的细胞形态的图像特征数据，以及标记半径；
步骤S316，从高倍率图像数据中，识别与细胞形态的图像特征数据相匹配的第二图像区域；
步骤S318，根据第二图像区域和标记半径，标记待统计区域内的细胞核；
步骤S320，统计并显示与待统计区域对应的标记的细胞核的数量。
上述待统计的细胞核种类对应的细胞形态的图像特征数据可以为待统计的细胞核种类对应的细胞形态的颜色数据、形状数据等；采用机器训练学习、智能图像识别等相关技术手段，可以从高倍率图像数据中自动识别待统计的细胞核种类对应的细胞，从而进行后续的数量统计以及标记的处理。
在自动识别过程中，可能会存在识别错误、识别遗漏的情况，基于此，上述步骤S318，还可以通过下述方式实现：
(1)根据图像区域和标记半径，初步标记待统计区域的内的细胞核；
(2)接收用户发出的标记编辑指令；
(3)根据标记编辑指令，调整标记的待统计区域的内的细胞核，生成最终的标记结果。
通过用户发出的标记编辑指令，对初步标记的待统计区域的内的细胞核进行添加或删除，可以生成更为准确的标记结果；具体地，该标记编辑指令可以以点击的形式发出。
步骤S322，根据待统计区域的内的细胞核数量，生成数字病理切片对应的细胞核统计结果。
在实际实现时，在平台数字切片打开浏览过程中，模拟真实显微镜下一个高倍视野，该视野范围在低倍视野图片中对应的区域大小大约为0.5mm直径的圆形区域；该视野范围在拖动至合适的位置后，双击显示出该视野范围对应的高倍率图像，开始进行核分裂计数操作，此时高倍率图像的高倍视野框不允许拖动；运用智能图像识别匹配技术，智能化匹配视野中符合要求的疑似核分裂的细胞核数量，并进行标记，最终由专家用户进行确认或再次手动编辑，并进行多组视野中数据的统计和记录操作。在此基础上，根据诊断数据的多样化以及最终报告的数据积累，智能图像识别的精度会很高，帮助诊断工作更便捷、迅速、准确。
本发明实施例提供的一种细胞核统计方法，根据用户发出的细胞群形态的图像特征数据，可以从低倍率图像中自动识别与细胞群形态的图像特征数据相匹配的图像区域；根据用户发出的待统计的细胞核种类对应的细胞形态的图像特征数据，可以从高倍率图像中自动识别与细胞形态的图像特征数据相匹配的图像区域，从而进行细胞核的统计、标记等处理；该方式可以更为便捷高效地获得病理切片内细菌等目标对象的数量和分布状况，同时提高了病理切片数据分析的智能性和准确性。
本发明实施例一至实施例三提供的细胞核统计方法，可以避免用户在显微镜一个高倍视野下进行心算或是利用计数器统计圈内细胞核数量这种费事费力的统计方式，该方法可以方便直观的进行细胞核计数并支持多次重复统计，可以帮助病理医生在高强度的工作下，舒缓长期观看显示镜高倍视野下眼睛的疲劳，该方法生成的统计结果可以后续直接统计到报告等需要计数的地方。
实施例四
对应于上述实施例一至实施例三提供的细胞核统计方法，参见图4所示的一种细胞核统计装置的结构示意图，该装置包括如下部分：
第一获取模块40，用于获取数字病理切片的低倍率图像数据；
第二获取模块41，用于获取低倍率图像数据的待统计区域；其中，待统计区域的数量为一个或多个；
第三获取模块42，用于逐一获取待统计区域的高倍率图像数据；
标记统计模块43，用于在各个高倍率图像数据的显示界面上，标记出细胞核的位置，根据标记出的细胞核的位置统计待统计区域内的细胞核数量；
统计结果生成模块44，用于根据各个待统计区域内的细胞核数量，生成数字病理切片对应的细胞核统计结果。
本发明实施例提供的一种细胞核统计装置，当获取到数字病理切片的低倍率图像数据后，生成低倍率图像数据内的待统计区域；通过待统计区域的待统计区域，可以标记出细胞核的位置并统计待统计区域内的细胞核数量，进而生成数字病理切片对应的细胞核统计结果；该方式可以便捷高效地获得病理切片内细菌等目标对象的数量和分布状况，同时提高了病理切片数据分析的准确性。
进一步地，上述第二获取模块，包括：第一接收单元，用于接收用户发出的区域选择指令；区域选择指令包括区域中心点位置信息和区域半径；区域生成单元，用于根据区域中心点位置信息和区域半径，生成低倍率图像数据内的待统计区域；第一标记单元，用于在低倍率图像数据内标记待统计区域。
进一步地，上述标记统计模块，包括：第二接收单元，用于接收用户发出的统计指令；统计指令包括标记中心点位置信息和标记半径；第二标记单元，用于根据标记中心点位置信息和标记半径，标记细胞核；第一统计单元，用于统计并显示与待统计区域对应的标记的细胞核的数量。
进一步地，上述标记统计模块，包括：第三接收单元，用于接收用户发出的统计指令；统计指令包括待统计的细胞核种类对应的细胞形态的图像特征数据，以及标记半径；识别单元，用于从高倍率图像数据中，识别与细胞形态的图像特征数据相匹配的第二图像区域；第三标记单元，用于根据第二图像区域和标记半径，标记待统计区域内的细胞核；第二统计单元，用于统计并显示与待统计区域对应的标记的细胞核的数量。
本发明实施例提供的细胞核统计装置，与上述实施例提供的细胞核统计方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
本发明实施例所提供的细胞核统计方法和装置的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (10)
1.一种细胞核统计方法，其特征在于，包括：
获取数字病理切片的低倍率图像数据；
获取所述低倍率图像数据的待统计区域；其中，所述待统计区域的数量为一个或多个；
逐一获取所述待统计区域的高倍率图像数据；
在各个所述高倍率图像数据的显示界面上，标记出细胞核的位置，根据标记出的细胞核的位置统计所述待统计区域内的细胞核数量；
根据各个所述待统计区域内的细胞核数量，生成所述数字病理切片对应的细胞核统计结果。
2.根据权利要求1所述的方法，其特征在于，所述获取所述低倍率图像数据的待统计区域步骤，包括：
接收用户发出的区域选择指令；所述区域选择指令包括区域中心点位置信息和区域半径；
根据所述区域中心点位置信息和区域半径，生成所述低倍率图像数据内的待统计区域；
在所述低倍率图像数据内标记所述待统计区域。
3.根据权利要求1所述的方法，其特征在于，所述获取所述低倍率图像数据的待统计区域步骤，包括：
接收用户发出的区域选择指令；所述区域选择指令包括待统计的细胞核种类对应的细胞群形态的图像特征数据，以及区域半径；
从所述低倍率图像数据中，识别与所述细胞群形态的图像特征数据相匹配的第一图像区域；
根据所述区域半径和所述第一图像区域，生成所述低倍率图像数据内的待统计区域；
在所述低倍率图像数据内标记所述待统计区域。
4.根据权利要求1所述的方法，其特征在于，所述在各个所述高倍率图像数据的显示界面上，标记出细胞核的位置，根据标记出的细胞核的位置统计所述待统计区域的内的细胞核数量步骤，包括：
接收用户发出的统计指令；所述统计指令包括标记中心点位置信息和标记半径；
根据所述标记中心点位置信息和标记半径，标记细胞核；
统计并显示与所述待统计区域对应的标记的所述细胞核的数量。
5.根据权利要求1所述的方法，其特征在于，所述在各个所述高倍率图像数据的显示界面上，标记出细胞核的位置，根据标记出的细胞核的位置统计所述待统计区域的内的细胞核数量步骤，包括：
接收用户发出的统计指令；所述统计指令包括待统计的细胞核种类对应的细胞形态的图像特征数据，以及标记半径；
从所述高倍率图像数据中，识别与所述细胞形态的图像特征数据相匹配的第二图像区域；
根据所述第二图像区域和所述标记半径，标记所述待统计区域内的细胞核；
统计并显示与所述待统计区域对应的标记的所述细胞核的数量。
6.根据权利要求5所述的方法，其特征在于，所述根据所述第二图像区域和所述标记半径，标记所述待统计区域的内的细胞核步骤，包括：
根据所述第二图像区域和所述标记半径，初步标记所述待统计区域的内的细胞核；
接收用户发出的标记编辑指令；
根据所述标记编辑指令，调整标记的所述待统计区域的内的细胞核，生成最终的标记结果。
7.一种细胞核统计装置，其特征在于，包括：
第一获取模块，用于获取数字病理切片的低倍率图像数据；
第二获取模块，用于获取所述低倍率图像数据的待统计区域；其中，所述待统计区域的数量为一个或多个；
第三获取模块，用于逐一获取所述待统计区域的高倍率图像数据；
标记统计模块，用于在各个所述高倍率图像数据的显示界面上，标记出细胞核的位置，根据标记出的细胞核的位置统计所述待统计区域内的细胞核数量；
统计结果生成模块，用于根据各个所述待统计区域内的细胞核数量，生成所述数字病理切片对应的细胞核统计结果。
8.根据权利要求7所述的装置，其特征在于，所述第二获取模块，包括：
第一接收单元，用于接收用户发出的区域选择指令；所述区域选择指令包括区域中心点位置信息和区域半径；
区域生成单元，用于根据所述区域中心点位置信息和区域半径，生成所述低倍率图像数据内的待统计区域；
第一标记单元，用于在所述低倍率图像数据内标记所述待统计区域。
9.根据权利要求7所述的装置，其特征在于，所述标记统计模块，包括：
第二接收单元，用于接收用户发出的统计指令；所述统计指令包括标记中心点位置信息和标记半径；
第二标记单元，用于根据所述标记中心点位置信息和标记半径，标记细胞核；
第一统计单元，用于统计并显示与所述待统计区域对应的标记的所述细胞核的数量。
10.根据权利要求7所述的装置，其特征在于，所述标记统计模块，包括：
第三接收单元，用于接收用户发出的统计指令；所述统计指令包括待统计的细胞核种类对应的细胞形态的图像特征数据，以及标记半径；
识别单元，用于从所述高倍率图像数据中，识别与所述细胞形态的图像特征数据相匹配的第二图像区域；
第三标记单元，用于根据所述第二图像区域和所述标记半径，标记所述待统计区域内的细胞核；
第二统计单元，用于统计并显示与所述待统计区域对应的标记的所述细胞核的数量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710361825.XA CN107036956A (zh) | 2017-05-22 | 2017-05-22 | 细胞核统计方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710361825.XA CN107036956A (zh) | 2017-05-22 | 2017-05-22 | 细胞核统计方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107036956A true CN107036956A (zh) | 2017-08-11 |
Family
ID=59540336
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710361825.XA Pending CN107036956A (zh) | 2017-05-22 | 2017-05-22 | 细胞核统计方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107036956A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109559802A (zh) * | 2018-11-07 | 2019-04-02 | 杭州迪英加科技有限公司 | 数据显示方法和装置 |
| CN110705632A (zh) * | 2019-09-27 | 2020-01-17 | 北京工业大学 | 一种抗核抗体荧光核型自动标注方法 |
| CN111161212A (zh) * | 2019-12-05 | 2020-05-15 | 广州金域医学检验中心有限公司 | 数字病理切片有丝核分裂象统计方法、装置、设备和介质 |
| CN111832389A (zh) * | 2020-05-25 | 2020-10-27 | 中国人民解放军陆军军医大学第二附属医院 | 一种骨髓细胞形态学自动检测系统的计数及分析方法 |
| CN113033287A (zh) * | 2021-01-29 | 2021-06-25 | 杭州依图医疗技术有限公司 | 病理图像的显示方法及装置 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003066034A (ja) * | 2001-08-22 | 2003-03-05 | Nec Corp | 組織検査法を利用する胃癌の切除手術後の予後検査方法 |
| 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 |
| WO2008108059A1 (ja) * | 2007-03-01 | 2008-09-12 | Nec Corporation | 乳癌病理画像診断支援システム、乳癌病理画像診断支援方法、乳癌病理画像診断支援プログラム、及び、乳癌病理画像診断支援プログラムを記録した記録媒体 |
| CN101949819A (zh) * | 2010-09-16 | 2011-01-19 | 北京优纳科技有限公司 | 一种基于图像识别的细胞计数方法 |
| CN102298700A (zh) * | 2011-06-09 | 2011-12-28 | 华东师范大学 | 一种骨髓病理图像中细胞识别与定位方法 |
| 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 |
| CN103140757A (zh) * | 2010-09-30 | 2013-06-05 | 日本电气株式会社 | 信息处理设备、信息处理系统、信息处理方法、程序和记录介质 |
| CN103745257A (zh) * | 2013-12-23 | 2014-04-23 | 温州医科大学眼视光器械有限公司 | 一种基于图像识别的锥细胞密度的计算方法 |
| 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 |
| 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 |
| CN105579847A (zh) * | 2013-09-19 | 2016-05-11 | 学校法人庆应义塾 | 疾病分析装置、控制方法和程序 |
-
2017
- 2017-05-22 CN CN201710361825.XA patent/CN107036956A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003066034A (ja) * | 2001-08-22 | 2003-03-05 | Nec Corp | 組織検査法を利用する胃癌の切除手術後の予後検査方法 |
| 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 |
| WO2008108059A1 (ja) * | 2007-03-01 | 2008-09-12 | Nec Corporation | 乳癌病理画像診断支援システム、乳癌病理画像診断支援方法、乳癌病理画像診断支援プログラム、及び、乳癌病理画像診断支援プログラムを記録した記録媒体 |
| CN101949819A (zh) * | 2010-09-16 | 2011-01-19 | 北京优纳科技有限公司 | 一种基于图像识别的细胞计数方法 |
| CN103140757A (zh) * | 2010-09-30 | 2013-06-05 | 日本电气株式会社 | 信息处理设备、信息处理系统、信息处理方法、程序和记录介质 |
| 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 |
| CN102298700A (zh) * | 2011-06-09 | 2011-12-28 | 华东师范大学 | 一种骨髓病理图像中细胞识别与定位方法 |
| 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 |
| CN105579847A (zh) * | 2013-09-19 | 2016-05-11 | 学校法人庆应义塾 | 疾病分析装置、控制方法和程序 |
| CN103745257A (zh) * | 2013-12-23 | 2014-04-23 | 温州医科大学眼视光器械有限公司 | 一种基于图像识别的锥细胞密度的计算方法 |
| 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 |
| 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 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109559802A (zh) * | 2018-11-07 | 2019-04-02 | 杭州迪英加科技有限公司 | 数据显示方法和装置 |
| CN110705632A (zh) * | 2019-09-27 | 2020-01-17 | 北京工业大学 | 一种抗核抗体荧光核型自动标注方法 |
| CN110705632B (zh) * | 2019-09-27 | 2022-03-22 | 北京工业大学 | 一种抗核抗体荧光核型自动标注方法 |
| CN111161212A (zh) * | 2019-12-05 | 2020-05-15 | 广州金域医学检验中心有限公司 | 数字病理切片有丝核分裂象统计方法、装置、设备和介质 |
| CN111161212B (zh) * | 2019-12-05 | 2024-01-16 | 广州金域医学检验中心有限公司 | 数字病理切片有丝核分裂象统计方法、装置、设备和介质 |
| CN111832389A (zh) * | 2020-05-25 | 2020-10-27 | 中国人民解放军陆军军医大学第二附属医院 | 一种骨髓细胞形态学自动检测系统的计数及分析方法 |
| CN111832389B (zh) * | 2020-05-25 | 2022-12-09 | 中国人民解放军陆军军医大学第二附属医院 | 一种骨髓细胞形态学自动检测系统的计数及分析方法 |
| CN113033287A (zh) * | 2021-01-29 | 2021-06-25 | 杭州依图医疗技术有限公司 | 病理图像的显示方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107036956A (zh) | 细胞核统计方法和装置 | |
| CN108596046A (zh) | 一种基于深度学习的细胞检测计数方法及系统 | |
| Mouton | Unbiased stereology: a concise guide | |
| CN108717554A (zh) | 一种甲状腺肿瘤病理组织切片图像分类方法及其装置 | |
| CN110263656A (zh) | 一种癌细胞识别方法、装置和系统 | |
| CN110084237A (zh) | 肺结节的检测模型构建方法、检测方法和装置 | |
| CN109903284A (zh) | 一种her2免疫组化图像自动判别方法及系统 | |
| CN110647874A (zh) | 一种端到端的血细胞识别模型构造方法及应用 | |
| CN110633651A (zh) | 一种基于图像拼接的异常细胞自动识别方法 | |
| CN108846828A (zh) | 一种基于深度学习的病理图像目标区域定位方法及系统 | |
| Shen et al. | A dicentric chromosome identification method based on clustering and watershed algorithm | |
| CN109507406A (zh) | 一种细胞形态智能提取方法、装置及分析方法 | |
| CN109554432A (zh) | 一种细胞类型分析方法、分析装置及电子设备 | |
| CN114219786A (zh) | 一种基于深度学习的染色体核型分析方法及系统 | |
| CN108922599A (zh) | 一种基于mil的医学图像病灶点精确标注方法 | |
| CN110008925A (zh) | 一种基于集成学习的皮肤自动检测方法 | |
| CN109299179A (zh) | 结构化数据提取装置、方法及存储介质 | |
| Li et al. | An automatic plant leaf stoma detection method based on YOLOv5 | |
| CN113450877B (zh) | 一种基于多重免疫组化技术的生物标志物分析方法及其应用 | |
| CN114419087A (zh) | 病灶图像生成方法、装置、电子设备及存储介质 | |
| CN113177957A (zh) | 一种细胞图像的分割方法、装置、电子设备及存储介质 | |
| CN108198632A (zh) | 一种视网膜病变激光治疗的术前规划系统及方法 | |
| Guo | [Retracted] System Analysis of the Learning Behavior Recognition System for Students in a Law Classroom: Based on the Improved SSD Behavior Recognition Algorithm | |
| CN113033287A (zh) | 病理图像的显示方法及装置 | |
| CN106682415A (zh) | 一种业务数据显示方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170811 |