CN107356774B - 微柱凝胶卡凝集检测结果识别方法 - Google Patents
微柱凝胶卡凝集检测结果识别方法 Download PDFInfo
- Publication number
- CN107356774B CN107356774B CN201710507522.4A CN201710507522A CN107356774B CN 107356774 B CN107356774 B CN 107356774B CN 201710507522 A CN201710507522 A CN 201710507522A CN 107356774 B CN107356774 B CN 107356774B
- Authority
- CN
- China
- Prior art keywords
- micro
- pipe
- bright areas
- testing result
- image
- 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
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及医疗器械技术领域,公开了一种微柱凝胶卡凝集检测结果识别方法,包括如下步骤:采集微柱凝胶卡图像、截取微管图像、获取目标区域、捕获和识别有效反应物区域、最后判断并输出识别结果。本发明通过二值化处理自动拟合出微管内壁边界线,获取微管内壁边界线以内的反应区域作为分析的目标区域,避免了区域以外的图像部分干扰分析判断,有效提高了识别的准确性,同时使得该方法适用于各种不同规格的微柱凝胶卡的凝集检测结果识别,提高了该方法在不同规格的分析系统中的通用性;对分析的目标区域内有效反应物区域进行亮度位置和相对面积相结合的分类判断,再进行粗分类和细分类的对照分析,进一步提高了结果识别的准确性。
Description
技术领域
本发明属于医疗器械技术领域,涉及一种微柱凝胶卡凝集检测结果识别方法。
背景技术
目前临床血液检测普遍采用操作简单、结果明确、稳定的卡式检测法,主要是利用生物化学凝胶过滤技术和离心技术及免疫学抗原抗体特异性反应相结合的产物,通过调节凝胶的浓度来控制凝胶间隙的大小,使其间隙只能允许游离的红细胞通过,从而使游离的红细胞和聚集的红细胞分离。检测原理是:当抗原、抗体反应,血细胞发生凝集,离心时,凝集块不能通过凝胶间隙,而留在凝胶管的上层,则呈阳性反应。未凝集的血细胞离心时可通过凝胶间隙,而沉积在凝胶管的底部,则呈阴性反应。
在自动化的血液分析仪中,对微柱凝胶卡微管内的凝集反应结果的判断一般是采用相机采集实验结果图像,再自动软件对图像进行处理,然后根据处理后的图片进行结果自动判断。在现有的血液分析系统中,都是在采集的图像上直接截取微管内固定大小的反应区域图像进行分析,然后根据血液凝集反应的判断标准给出判断结果。血液凝集反应的判断标准如图1所示,根据微柱凝胶卡微管内的凝集反应物的位置和相对面积将其检测结果分为“阳4”、“阳3”、“阳2”、“阳1”、“弱凝集”、“混合凝集”、“溶血”和阴性等。所以图像分析需要精准地判断出微管内凝集反应物的位置和大概的相对面积。但是上述直接截取微管内固定大小的反应区域图像进行分析的方法,仅适用于某一固定尺寸的微柱凝胶卡,当使用的微柱凝胶卡的宽度不同时,则其截取的反应区域就不全面,或者是截取区域过大,从而有可能影响了最终的分析结果,出现误判的情况。
发明内容
为解决上述问题,本发明提出了一种微柱凝胶卡凝集检测结果识别方法,适用于各种不同规格的微柱凝胶卡,同时有效提高了凝集检测结果识别的准确性。
为了达到上述目的,本发明提供的技术方案为:微柱凝胶卡凝集检测结果识别方法,包括如下步骤:
(1)采集图像,采集经过凝集反应并离心完成的微柱凝胶卡图像;
(2)截取所述微柱凝胶卡图像中的微管图像;
(3)获取所述微管图像中需要识别的目标区域,所述目标区域为所述微管内壁以内的图像区域;
(4)在所述目标域内,捕获有效反应物区域,识别所捕获的有效反应物区域的位置和相对面积;
(5)对照预设的反应物位置和相对面积的标准,判断并输出所述微管的凝集检测结果。
优选地,步骤(2)所述截取微管图像的方法为利用一长度、宽度和位置均可调的截取框从所述微柱凝胶卡图像中截取需要识别的微管图像。
优选地,步骤(3)所述获取目标区域的方法包括如下步骤:
A1、获取所述步骤(2)截取的微管图像的灰度图;
A2、对所述灰度图进行二值化处理,识别出所述微管的内壁边界线;
A3、利用线性拟合方法描出所述微管管壁直线部分的内壁边界线,利用曲线拟合方法描出所述微管管底曲线部分的内壁边界线,圈出所述微管内壁边界线以内的目标区域;
A4、剔除掉所述内壁边界线外围部分的图像,获得所述内壁边界线以内的目标区域的图像。
优选地,所述有效反应物区域包括所述目标区域图像内的明亮区域和次明亮区域;步骤(4)所述捕获有效反应物区域,识别所捕获的有效反应物区域的位置和相对面积的方法包括如下步骤:B1、查找明亮区域,识别出该明亮区域在所述微管内的位置;B2、查找次明亮区域,识别出该次明亮区域在所述微管内的位置及相对面积;所述明亮区域为所述目标区域内灰度值大于或等于第一阈值的图像区域;所述次明亮区域为所述目标区域内灰度值大于或等于第二阈值,并小于第一阈值的图像区域;所述第一阈值大于所述第二阈值。
优选地,所述第一阈值灰度值在108-128范围内;所述第二阈值灰度值在所述目标区域图像的平均灰度值±10的范围内。
优选地,步骤(5)所述判断微管的凝集检测结果的方法包括如下步骤:C1、对照预设的反应物位置和相对面积的标准,以及所述明亮区域的位置对所述微管的凝集检测结果进行粗分类;C2、对照预设的反应物位置和相对面积的标准,以及所述次明亮区域的位置和相对面积对所述微管的凝集检测结果进行细分类,判断出该微管的凝集检测结果。
优选地,所述粗分类为将所述微管的凝集检测结果归为明亮区域分布于微管顶部、底部、顶部和底部、全部区域或没有明亮区域;所述粗分类对应的检测结果分别为:a明亮区域分布于微管顶部的检测结果为“阳4”或“阳3”,b明亮区域分布于微管底部的检测结果为“阳1”、“弱凝集”或“阴性”,c明亮区域分布于微管的顶部和底部的检测结果为“混合凝集”,d明亮区域分布于微管的全部区域的检测结果为“溶血”,e没有明亮区域的检测结果为“阳2”。
优选地,所述细分类为在所述粗分类的基础上在进行细分,包括:a明亮区域分布于微管顶部的情况下:没有次明亮区域的检测结果为“阳4”,有次明亮区域的检测结果为“阳3”;b明亮区域分布于微管底部的情况下:有次明亮区域且次明亮区域分布于微管中下部的检测结果为“阳1”,有次明亮区域且次明亮区域靠近底部的明亮区域的检测结果为“弱凝集”,没有次明亮区域的检测结果为“阴性”;c明亮区域分布于微管的顶部和底部的检测结果为“混合凝集”;d明亮区域分布于微管的全部区域的检测结果为“溶血”;e没有明亮区域的检测结果为“阳2”。
优选地,步骤(5)中,输出所述微管的凝集检测结果包括输出采集的原始图像和判断的结果。
优选地,在所述步骤(5)之后还包括步骤(6):人工对所述输出的凝集检测结果进行确认,完成所述微管的凝集检测结果识别。
本发明的有益效果:微柱凝胶卡凝集检测结果识别方法:
(1)通过二值化处理自动拟合出微管内壁边界线,获取微管内壁边界线以内的反应区域作为分析的目标区域,避免了区域以外的图像部分干扰分析判断,有效提高了识别的准确性,同时使得该方法适用于各种不同规格的微柱凝胶卡的凝集检测结果识别,提高了该方法在不同规格的分析系统中的通用性。
(2)对分析的目标区域内有效反应物区域进行亮度位置和相对面积相结合的分类判断,再进行粗分类和细分类的对照分析,进一步提高了结果识别的准确性。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明微柱凝胶卡凝集检测结果识别方法实施例流程图;
图2是本发明获取目标区域的方法流程图;
图3为预设的判断标准的类别与相应结果的微管图像示意图;
图4为截取微管图像的方法示意图;
图5为截取的微管图像;
图6为图5中截取的微管图像的二值化图;
图7为目标区域图像;
图8为在图7目标区域图像中识别出的明亮区域示意图;
图9位本发明微柱凝胶卡凝集检测结果识别方法另一实施例流程图。
附图标记:1、截取框;2、截取框控制单元;3、微管。
A、明亮区域;B、次明亮区域。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
实施例1
如图1所示,为本发明的微柱凝胶卡凝集检测结果识别方法流程图,该方法包括如下步骤:
(1)采集图像,采集经过凝集反应并离心完成的微柱凝胶卡图像;
(2)截取该微柱凝胶卡图像中的微管图像;
(3)获取该微管图像中需要识别的目标区域,该目标区域为微管内壁以内的图像区域;
(4)在上述目标域内,捕获有效反应物区域,识别所捕获的有效反应物区域的位置和相对面积;
(5)对照预设的反应物位置和相对面积的标准,判断并输出该微管的凝集检测结果。
如图4所示,步骤(2)中截取微管图像的方法为利用一长度、宽度和位置均可调的截取框1,从采集的微柱凝胶卡图像中截取需要识别的微管图像,如图5所示为截取的微管图像。利用截取框控制单元2可以控制调节截取框1的长度、宽度和位置,以适应不同规格的微柱凝胶卡,使截取框1能截取到微柱凝胶卡各微管3的完整图像,确保微管3内凝胶柱反应区域全部被截取到。
如图2所示,步骤(3)中获取目标区域的方法包括如下步骤:
A1、获取上述步骤(2)截取的微管图像的灰度图;
A2、对该灰度图进行二值化处理,如图识别出上述微管的内壁边界线的像素点;
A3、对上述识别出的像素点,利用线性拟合方法描出微管管壁直线部分的内壁边界线,利用曲线拟合方法描出微管管底曲线部分的内壁边界线,以圈出微管内壁边界线以内的目标区域;
A4、剔除掉上述内壁边界线外围部分的图像,获得内壁边界线以内的目标区域的图像。
该实施例中,获取目标区域的具体方法为,将上述截取的微管图像转换成灰度图像,并二值化处理获得其二值化图像,如图6所示;然后从该二值化图像上识别出微管内壁边界像素点,再对识别出的边界像素点进行线性拟合,并描出微管管身直线部分的内壁边界线,对边界像素点进行曲线拟合,并描出微管管底曲线部分的内壁边界线,圈出微管内壁边界线以内的目标区域;最后再将上述内壁边界线外围部分的图像删掉,获得内壁边界线以内的目标区域的图像,如图7所示。该方法通过灰度转换、二值化处理及拟合等方法,自动识别出微管内壁边界,并将微管内壁边界外围不是分析目标的干扰图像删掉,获得更全更精确的图像信息,确保后续分析判断的准确性,以获得更加精准的识别结果;也使得该方法适用于各种不同规格的微柱凝胶卡的凝集检测结果识别,提高了该方法在不同规格的分析系统中的通用性。
实施例2
在实施例1的基础上,再从上述目标区域内捕获识别有效反应物区域,并对照预设的标准进行判断识别。该有效反应物区域在图像上表现为上述目标区域图像内的明亮区域A和次明亮区域B,如图3、7和8所示。步骤(4)中捕获有效反应物区域,识别所捕获的有效反应物区域的位置和相对面积的方法包括如下步骤:B1、查找明亮区域,识别出该明亮区域在微管内的位置;B2、查找次明亮区域,识别出该次明亮区域在微管内的位置及相对面积大小。其中,明亮区域为目标区域内灰度值大于或等于第一阈值的图像区域,即微管内红细胞集中的区域,如图3、7和8中的区域A。根据经验,该第一阈值灰度值一般在108-128范围内取值。次明亮区域为目标区域内灰度值大于或等于第二阈值,并小于第一阈值的图像区域,即微管内红细胞散落的区域,如图3中的区域B。上述第一阈值大于第二阈值,该第二阈值灰度值则在目标区域图像的平均灰度值±10的范围内取值。选取阈值时,可在上述灰度值范围内进行取值调试,根据每一次识别的图像的实际灰度值分布情况,确定适用于该图像的第一阈值和第二阈值的最优值。
在目标区域内识别出明亮区域A和次明亮区域B之后,对照预设的判断标准,对识别结果进行判断分析,并输出识别结果。步骤(5)中判断微管的凝集检测结果的方法,包括如下步骤:C1、对照预设的反应物位置和相对面积的判断标准,以及识别出的明亮区域的位置对微管的凝集检测结果进行粗分类;C2、对照预设的反应物位置和相对面积的标准,以及识别出的次明亮区域的位置和相对面积大小对微管的凝集检测结果进行细分类,判断并输出该微管的凝集检测结果。
该实施例中,预设的判断标准为:
明亮区域分布于微管顶部且没有次明亮区域,则判断为“阳4”;
明亮区域分布于微管顶部且有次明亮区域,则判断为“阳3”;
没有明亮区域只有次明亮区域,则判断为“阳2”;
明亮区域分布于微管底部、有次明亮区域且次明亮区域分布于微管中下部,则判断为“阳1”;
明亮区域分布于微管底部、有次明亮区域且次明亮区域靠近底部的明亮区域,则判断为“弱凝集”;
明亮区域分布于微管的顶部和底部,没有次明亮区域,则判断为“混合凝集”;
明亮区域分布于微管的全部区域,则判断为“溶血”;
明亮区域分布于微管底部且没有次明亮区域,则判断为“阴性”。
如下表,相应结果的微管图像如图3所示。
上述的粗分类为将微管的凝集检测结果归为明亮区域分布于微管顶部、底部、顶部和底部、全部区域或没有明亮区域。该粗分类对应的检测结果分别为:a明亮区域分布于微管顶部的检测结果为“阳4”或“阳3”,b明亮区域分布于微管底部的检测结果为“阳1”、“弱凝集”或“阴性”,c明亮区域分布于微管的顶部和底部的检测结果为“混合凝集”,d明亮区域分布于微管的全部区域的检测结果为“溶血”,e没有明亮区域的检测结果为“阳2”。而细分类则为在上述粗分类的基础上在进行细分,包括:a明亮区域分布于微管顶部的情况下:没有次明亮区域的检测结果为“阳4”,有次明亮区域的检测结果为“阳3”;b明亮区域分布于微管底部的情况下:有次明亮区域且次明亮区域分布于微管中下部的检测结果为“阳1”,有次明亮区域且次明亮区域靠近底部的明亮区域的检测结果为“弱凝集”,没有次明亮区域的检测结果为“阴性”;c明亮区域分布于微管的顶部和底部的检测结果为“混合凝集”;d明亮区域分布于微管的全部区域的检测结果为“溶血”;e没有明亮区域的检测结果为“阳2”。
例如,采用上述有效反应物区域捕获识别的方法,对图7所示的目标区域进行识别,识别出了明亮区域A位于该微管内凝胶柱顶部,如图8所示,则对照上述预设的判断标准之后,初步判断其为“阳4”或“阳3”。进一步细分时,发现在该目标区域内没有查找到次明亮区域,则认为该目标区域内的明亮区域位于微管顶部,且没有明亮区域,对照上述预设的判断标准之后,判断其反应结果为“阳4”,并输出该结果。
如果识别到明亮区域A分布于微管底部,则在对照上述判断标准之后,初步判断其为“阳1”、“弱凝集”或“阴性”。然后再根据识别出的次明亮区域B的位置和相对面积大小,对照判断其具体属于哪一种反应结果。如果没有查找到次明亮区域B,则认为该目标区域内“明亮区域位于微管底部,且没有次明亮区域”,其反应结果为“阴性”;如果有查找到次明亮区域B,且识别出该次明亮区域B相对面积较大,分布于微管中下部,则认为该目标区域内“明亮区域位于微管底部、有次明亮区域且次明亮区域分布于微管中下部”,其反应结果为“阳1”;如果识别出次明亮区域B相对面积较小,且靠近底部的明亮区域A,则认为该目标区域内“明亮区域分布于微管底部、有次明亮区域且次明亮区域靠近底部的明亮区域”,其反应结果为“弱凝集”。
上述输出微管的凝集检测结果,可以包括输出采集的原始图像和判断的结果。
该方法通过明亮区域的粗分类判断和次明亮区域的细分类判断,这样分两步进行的识别判断,进一步提高了结果识别的准确性。
实施例3
如图9所示的实施例3,在实施例1或2的基础上增加了结果确认的步骤,人工对上述输出的凝集检测结果进行确认,完成微管的凝集检测结果识别。例如,在判断出结果之后,以弹出窗口的形式或其他形式输出该判断结果,并要求人工进行结果确认,确认之后系统才结束本次识别工作。经过人工确认,避免了因仪器故障或其他原因导致误判的情况发生。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (6)
1.微柱凝胶卡凝集检测结果识别方法,其特征在于,包括如下步骤:
(1)采集图像,采集经过凝集反应并离心完成的微柱凝胶卡图像;
(2)截取所述微柱凝胶卡图像中的微管图像;
(3)获取所述微管图像中需要识别的目标区域,所述目标区域为所述微管内壁以内的图像区域;
(4)在所述目标区域内,捕获有效反应物区域,识别所捕获的有效反应物区域的位置和相对面积;
(5)对照预设的反应物位置和相对面积的标准,判断并输出所述微管的凝集检测结果;
步骤(2)截取微管图像的方法为利用一长度、宽度和位置均可调的截取框从所述微柱凝胶卡图像中截取需要识别的微管图像;
步骤(3)获取目标区域的方法包括如下步骤:
A1、获取所述步骤(2)截取的微管图像的灰度图;
A2、对所述灰度图进行二值化处理,识别出所述微管的内壁边界线;
A3、利用线性拟合方法描出所述微管管壁直线部分的内壁边界线,利用曲线拟合方法描出所述微管管底曲线部分的内壁边界线,圈出所述微管内壁边界线以内的目标区域;
A4、剔除掉所述内壁边界线外围部分的图像,获得所述内壁边界线以内的目标区域的图像;
所述有效反应物区域包括所述目标区域图像内的明亮区域和次明亮区域;步骤(4)所述捕获有效反应物区域,识别所捕获的有效反应物区域的位置和相对面积的方法包括如下步骤:B1、查找明亮区域,识别出该明亮区域在所述微管内的位置;B2、查找次明亮区域,识别出该次明亮区域在所述微管内的位置及相对面积;所述明亮区域为所述目标区域内灰度值大于或等于第一阈值的图像区域;所述次明亮区域为所述目标区域内灰度值大于或等于第二阈值,并小于第一阈值的图像区域;所述第一阈值大于所述第二阈值;
所述第一阈值灰度值在108-128范围内;所述第二阈值灰度值在所述目标区域图像的平均灰度值±10的范围内。
2.根据权利要求1所述的微柱凝胶卡凝集检测结果识别方法,其特征在于:步骤(5)判断微管的凝集检测结果的方法包括如下步骤:C1、对照预设的反应物位置和相对面积的标准,以及所述明亮区域的位置对所述微管的凝集检测结果进行粗分类;C2、对照预设的反应物位置和相对面积的标准,以及所述次明亮区域的位置和相对面积对所述微管的凝集检测结果进行细分类,判断出该微管的凝集检测结果。
3.根据权利要求2所述的微柱凝胶卡凝集检测结果识别方法,其特征在于:所述粗分类为将所述微管的凝集检测结果归为明亮区域分布于微管顶部、底部、顶部和底部、全部区域或没有明亮区域;所述粗分类对应的检测结果分别为:a明亮区域分布于微管顶部的检测结果为“阳4”或“阳3”,b明亮区域分布于微管底部的检测结果为“阳1”、“弱凝集”或“阴性”,c明亮区域分布于微管的顶部和底部的检测结果为“混合凝集”,d明亮区域分布于微管的全部区域的检测结果为“溶血”,e没有明亮区域的检测结果为“阳2”。
4.根据权利要求3所述的微柱凝胶卡凝集检测结果识别方法,其特征在于:所述细分类为在所述粗分类的基础上在进行细分,包括:a明亮区域分布于微管顶部的情况下:没有次明亮区域的检测结果为“阳4”,有次明亮区域的检测结果为“阳3”;b明亮区域分布于微管底部的情况下:有次明亮区域且次明亮区域分布于微管中下部的检测结果为“阳1”,有次明亮区域且次明亮区域靠近底部的明亮区域的检测结果为“弱凝集”,没有次明亮区域的检测结果为“阴性”;c 明亮区域分布于微管的顶部和底部的检测结果为“混合凝集”;d明亮区域分布于微管的全部区域的检测结果为“溶血”;e没有明亮区域的检测结果为“阳2”。
5.根据权利要求4所述的微柱凝胶卡凝集检测结果识别方法,其特征在于:步骤(5)中,输出所述微管的凝集检测结果包括输出采集的原始图像和判断的结果。
6.根据权利要求1-5任一项所述的微柱凝胶卡凝集检测结果识别方法,其特征在于:在所述步骤(5)之后还包括步骤(6):人工对所述输出的凝集检测结果进行确认,完成所述微管的凝集检测结果识别。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710507522.4A CN107356774B (zh) | 2017-06-28 | 2017-06-28 | 微柱凝胶卡凝集检测结果识别方法 |
PCT/CN2017/107932 WO2019000741A1 (zh) | 2017-06-28 | 2017-10-27 | 微柱凝胶卡凝集检测结果识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710507522.4A CN107356774B (zh) | 2017-06-28 | 2017-06-28 | 微柱凝胶卡凝集检测结果识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107356774A CN107356774A (zh) | 2017-11-17 |
CN107356774B true CN107356774B (zh) | 2018-10-16 |
Family
ID=60273475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710507522.4A Active CN107356774B (zh) | 2017-06-28 | 2017-06-28 | 微柱凝胶卡凝集检测结果识别方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107356774B (zh) |
WO (1) | WO2019000741A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112485457B (zh) * | 2020-11-18 | 2023-04-18 | 天津德祥生物技术股份有限公司 | 一种检测结果识别方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5872860A (en) * | 1997-03-13 | 1999-02-16 | Ortho Diagnostic Systems, Inc. | Calibration cassette for use in calibrating an automated agglutination reaction analyzing system |
CN102680716A (zh) * | 2012-06-07 | 2012-09-19 | 北京金豪制药股份有限公司 | ABO/RhD血型抗原检测试剂卡及其制备 |
CN103543277B (zh) * | 2013-09-13 | 2016-03-16 | 中国科学院苏州生物医学工程技术研究所 | 一种基于灰度分析与种类识别的血型结果识别算法 |
CN103984939B (zh) * | 2014-06-03 | 2017-07-04 | 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 |
CN105403714A (zh) * | 2015-10-21 | 2016-03-16 | 中山市生科试剂仪器有限公司 | 一种判图仪的软件控制方法 |
CN105678752A (zh) * | 2015-12-30 | 2016-06-15 | 合肥天一生物技术研究所 | 一种基于固定参数分割微柱小管的血型识别方法 |
CN106199014A (zh) * | 2016-06-29 | 2016-12-07 | 中山生物工程有限公司 | 一种基于血型卡的血型判别方法 |
-
2017
- 2017-06-28 CN CN201710507522.4A patent/CN107356774B/zh active Active
- 2017-10-27 WO PCT/CN2017/107932 patent/WO2019000741A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2019000741A1 (zh) | 2019-01-03 |
CN107356774A (zh) | 2017-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105913041B (zh) | 一种基于预先标定的信号灯识别方法 | |
CN111368643B (zh) | 一种大肠杆菌动态生长监测方法 | |
CN105335743A (zh) | 一种车牌识别方法 | |
Percannella et al. | A classification-based approach to segment HEp-2 cells | |
CN107389957B (zh) | 微柱凝胶卡凝集检测结果识别系统及血型分析仪 | |
CN107179272B (zh) | 一种显微镜下急性分离神经细胞捕捉方法 | |
CN105224921A (zh) | 一种人脸图像择优系统和处理方法 | |
US9501823B2 (en) | Methods and systems for characterizing angle closure glaucoma for risk assessment or screening | |
CN108961242A (zh) | 一种荧光染色图像ctc智能识别方法 | |
CN112580748B (zh) | 一种对染色图像的分类细胞计数的方法 | |
Meimban et al. | Blood cells counting using python opencv | |
Virk et al. | Cup-to-disk ratio (CDR) determination for glaucoma screening | |
CN107356774B (zh) | 微柱凝胶卡凝集检测结果识别方法 | |
Aliyu et al. | Normal and abnormal red blood cell recognition using image processing | |
Nakamichi et al. | Classification of circulating tumor cells in fluorescence microscopy images based on SqueezeNet | |
CN113673614B (zh) | 基于机器视觉的地铁隧道异物入侵检测装置及方法 | |
Mustafa et al. | Malaria parasite diagnosis using computational techniques: a comprehensive review | |
CN109919054B (zh) | 一种基于机器视觉的试剂卡自动分类的检测方法 | |
CN113313071A (zh) | 一种道路区域识别方法及系统 | |
CN108596262A (zh) | 一种基于计算机视觉进行植物病斑分类的方法及系统 | |
CN108021868A (zh) | 一种快速高可靠的圆形目标检测识别方法 | |
KR101801266B1 (ko) | 이미지 분류 방법 및 장치 | |
Yoshihara et al. | Object Detection as Campylobacter Bacteria and Phagocytotic Activity of Leukocytes in Gram Stained Smears Images. | |
CN110659683A (zh) | 图像处理方法、装置及电子设备 | |
CN115937085A (zh) | 一种基于神经网络学习的核性白内障图像处理方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |