CN107578411A - 基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法 - Google Patents
基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法 Download PDFInfo
- Publication number
- CN107578411A CN107578411A CN201710876310.3A CN201710876310A CN107578411A CN 107578411 A CN107578411 A CN 107578411A CN 201710876310 A CN201710876310 A CN 201710876310A CN 107578411 A CN107578411 A CN 107578411A
- Authority
- CN
- China
- Prior art keywords
- mrow
- cells
- parameters
- msub
- image analysis
- 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
- 238000012360 testing method Methods 0.000 title claims abstract description 31
- 238000000034 method Methods 0.000 title claims abstract description 27
- 210000004085 squamous epithelial cell Anatomy 0.000 title claims abstract description 27
- 238000011496 digital image analysis Methods 0.000 title claims abstract description 19
- 210000004027 cell Anatomy 0.000 claims abstract description 90
- 238000003745 diagnosis Methods 0.000 claims abstract description 16
- 230000000877 morphologic effect Effects 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 230000000694 effects Effects 0.000 claims abstract description 7
- 208000007879 Atypical Squamous Cells of the Cervix Diseases 0.000 claims description 13
- 210000004940 nucleus Anatomy 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 5
- 210000003855 cell nucleus Anatomy 0.000 claims description 4
- 210000000805 cytoplasm Anatomy 0.000 claims description 3
- 230000001086 cytosolic effect Effects 0.000 claims description 3
- 206010008342 Cervix carcinoma Diseases 0.000 abstract description 10
- 208000006105 Uterine Cervical Neoplasms Diseases 0.000 abstract description 10
- 201000010881 cervical cancer Diseases 0.000 abstract description 10
- 238000012216 screening Methods 0.000 abstract description 10
- 238000005516 engineering process Methods 0.000 abstract description 6
- 201000011510 cancer Diseases 0.000 abstract description 5
- 206010028980 Neoplasm Diseases 0.000 abstract description 3
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000010191 image analysis Methods 0.000 abstract description 3
- 238000010835 comparative analysis Methods 0.000 abstract description 2
- 238000004883 computer application Methods 0.000 abstract description 2
- 238000001514 detection method Methods 0.000 abstract description 2
- 238000011161 development Methods 0.000 abstract description 2
- 230000002265 prevention Effects 0.000 abstract description 2
- 238000011156 evaluation Methods 0.000 abstract 1
- 230000001575 pathological effect Effects 0.000 abstract 1
- 238000004393 prognosis Methods 0.000 abstract 1
- 230000003902 lesion Effects 0.000 description 8
- 208000032124 Squamous Intraepithelial Lesions Diseases 0.000 description 7
- 206010008263 Cervical dysplasia Diseases 0.000 description 6
- 239000007788 liquid Substances 0.000 description 5
- 230000008901 benefit Effects 0.000 description 3
- 206010054949 Metaplasia Diseases 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 238000010832 independent-sample T-test Methods 0.000 description 2
- 230000015689 metaplastic ossification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000003464 asthenopia Diseases 0.000 description 1
- 210000003679 cervix uteri Anatomy 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000008451 emotion Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明属于计算机应用技术领域，公开了一种基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法，所述基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法包括以下步骤：测试宫颈鳞状上皮细胞的色度学和几何学参数，计算纹理学参数；对测试结果进行比较分析，筛选有诊断价值的参数；对有诊断价值的参数进行逐步判别分析，建立判别函数，评价函数的判别效果。本发明的计算机医学图像分析系统可以客观、定量的描述细胞的形态结构变化，因而可克服传统定性观察中的主观性，提高阅片的阳性率，降低漏诊率和误诊率，利于大规模防癌筛查的开展，从而增强病理分型、诊断或预后判断的精确性，切实提高宫颈癌发现率和治愈率。
Description
技术领域
本发明属于计算机应用技术领域，尤其涉及一种基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法。
背景技术
宫颈癌是妇科常见的恶性肿瘤之一，在女性癌症发病率中占第二位，其导致的死亡率在发展中国家处于首位。宫颈癌在我国女性恶性肿瘤的发生率和其引起的死亡率约占世界的三分之一。宫颈癌是可以早期预防、早期诊断和治愈的疾病，因此对宫颈癌前病变进行早期筛查和诊断是提高宫颈癌生存率和治愈率的关键。宫颈液基薄层细胞学检查是临床上广泛应用的无创性宫颈癌前病变以及宫颈癌的筛查诊断方法之一，该法操作简便、标本获取容易、病人无痛苦、无损伤，可以早期发现早期诊断宫颈癌，并适合大规模人群普查。但这种方法亦存在一些局限性：即需要大量人力在显微镜下从众多细胞中寻找出若干个病变细胞。这就要求病理医生普遍要有较高的专业知识和丰富的临床经验，以保证结果的客观性和准确性。然而在实际工作中，随着临床送检样本的逐年增多，病理医生的工作量和工作强度剧增，长期的显微镜观察极易让人疲劳，大大降低了结果判断的准确性。加之经验丰富的病理医生严重不足，在基层医院尤其明显，同时病理医生阅片的过程中容易受到诸如经验、心理、情绪等主观因素的影响，不同病理医生可能对同一病变做出不同的诊断，即使同一病理医师对同一病变的诊断在不同时间内也有可能得出不同的诊断结果。随着计算机医学图像处理与分析技术的发展与普及，在组织细胞形态、化学成分定量分析的研究工作中越来越多地使用计算机医学图像分析系统。计算机图像分析系统在医学上的应用，为形态学客观、科学地定量提供了一个新的实用手段，目前已经成为医学基础研究和临床影像分析不可缺少的重要工具。
综上所述，现有技术存在的问题是：病理医生需要具备精湛的专业知识背景和丰富的临床经验，一方面很难在同一时间内召集同一水平的病理医生共同阅片；另一方面病理医生工作强度很大、极易产生视觉疲劳，在诊断过程中存在着不可避免的主观性，导致同一病人结果的可重复性下降。因此，迫切需要一种方法能够可以更加准确、稳定、客观得对宫颈液基薄层细胞学的检查结果进行判断。
发明内容
针对现有技术存在的问题，本发明提供了一种基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法。
其方案为：首先拍摄细胞的显微图像，然后用图像分析软件测试细胞的色度学和几何形态学参数，选出各种细胞间差异有统计学意义的参数，将参数进行逐步判别分析，建立判别函数，并评价判别函数对细胞的临床诊断效果。
所述基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法包括以下步骤：
步骤一，测试宫颈鳞状上皮细胞的色度学和几何学参数，计算纹理学参数，计算公式如下：
R:红基色，G:绿基色，B:蓝基色，r:红基色系数，g:绿基色系数，b:蓝基色系数；An:细胞核面积，Ap:细胞浆面积dmaj:长轴，dmin:短轴，P:周长，Rnp:核浆比，FII:形状不规则指数，RFF:规化形状因子。
步骤二，对测试结果采用独立样本的t检验或单因素的方差分析进行比较分析，筛选有诊断价值的参数(即组间差异有统计学意义的参数)。
选取的色度学参数包括细胞浆与细胞核的红基色、绿基色、蓝基色，计算红基色系数、绿基色系数、蓝基色系数；
几何学参数包括细胞与细胞核的面积、长轴、短轴、平均直径、周长；
纹理学参数包括细胞的核浆比和细胞与细胞核的形状不规则指数、规化形状因子。
步骤三，对有诊断价值的参数进行逐步判别分析，建立判别函数，评价函数的判别效果。
1、低级别组细胞、非典型鳞状细胞不能明确意义细胞和高级别组细胞的判别结果
上式中Y1、Y2、Y3分别为低级别组细胞、非典型鳞状细胞不能明确意义细胞和高级别组细胞的判别函数，其回代判别符合率为74.9％。
2、低级别组细胞(正常鳞状上皮表层细胞、正常鳞状上皮中层细胞、成熟的鳞状上皮化生细胞和低度鳞状上皮内病变细胞)的判别结果
上式中Y4、Y5、Y6、Y7分别为正常鳞状上皮表层细胞、正常鳞状上皮中层细胞、成熟的鳞状上皮化生细胞和低度鳞状上皮内病变细胞的判别函数，其回代判别符合率为87.5％。
3、高级别组细胞(正常鳞状上皮底层细胞、非典型鱗状细胞不能除外高级别病变细胞、不成熟的鳞状上皮化生细胞和高度鳞状上皮内病变细胞)的判别结果。
上式中Y8、Y9、Y10、Y11分别为正常鳞状上皮底层细胞、非典型鱗状细胞不能除外高级别病变细胞、不成熟的鳞状上皮化生细胞和高度鳞状上皮内病变细胞的判别函数，其回代判别符合率为72.2％。
判别过程包括：比较低级别组细胞、非典型鳞状细胞不能明确意义细胞和高级别组细胞的形态学参数，筛选有诊断价值的参数，进行逐步判别分析，建立判别函数，对低级别组细胞、非典型鳞状细胞不能明确意义细胞和高级别组细胞进行分类诊断；分别比较低级别和高级别组内细胞的形态学参数，筛选有诊断价值的参数，分别进行逐步判别分析，建立判别函数，对组内细胞进行进一步的分类诊断，得到细胞的最终分类诊断结果。
本发明的优点及积极效果为：本发明通过计算机图像分析技术系统测试了液基涂片中宫颈鳞状上皮细胞的色度学、几何学和纹理学参数，定量揭示了液基涂片中宫颈鳞状上皮细胞的形态学参数特征；筛选对宫颈鳞状上皮细胞分类诊断有价值的形态学参数；建立宫颈鳞状上皮细胞的判别函数。从而将依赖经验和能力的主观性诊断指标转变为客观的形态学定量参数；所建立的判别函数为宫颈鳞状上皮细胞的计算机自动分类诊断提供数据支持，有效避免了传统定性观察中的主观性和不可重复性，为大规模的防癌筛查提供便利，同时有效提高宫颈癌筛查的效率，切实提高宫颈癌发现率和治愈率。
附图说明
图1是本发明实施例提供的基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示，本发明实施例提供的基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法包括以下步骤：
S101：测试宫颈鳞状上皮细胞的色度学和几何学参数，计算其纹理学参数；
S102：对测试结果进行比较分析，筛选有诊断价值的参数；
S103：对有诊断价值的参数进行逐步判别分析，建立判别函数，评价函数的判别效果。
计算公式如下：
R:红基色，G:绿基色，B:蓝基色，r:红基色系数，g:绿基色系数，b:蓝基色系数；An:细胞核面积，Ap:细胞浆面积dmaj:长轴，dmin:短轴，P:周长，Rnp:核浆比，FII:形状不规则指数，RFF:规化形状因子。
本发明实施例提供的基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法包括以下步骤：
(1)细胞收集及分组
收集宫颈液基涂片，在数码显微镜下(×400)摄取宫颈鳞状上皮细胞显微图像，收集正常鳞状上皮中、表层细胞、正常鳞状上皮底层细胞、非典型鳞状细胞不能明确意义细胞、非典型鱗状细胞不能除外高级别病变细胞、不成熟的鳞状上皮化生细胞、低度鳞状上皮内病变细胞和高度鳞状上皮内病变细胞。将收集的细胞分为低级别组细胞、非典型鳞状细胞不能明确意义细胞和高级别组细胞，低级别组细胞包括正常鳞状上皮中、表层细胞和低度鳞状上皮内病变细胞，而高级别组细胞包括正常鳞状上皮底层细胞、非典型鱗状细胞不能除外高级别病变细胞、不成熟的鳞状上皮化生细胞和高度鳞状上皮内病变细胞。
(2)测试细胞的形态学参数
用Image-Pro Plus图像分析软件分别对细胞的形态学参数(色度学、几何学和纹理学)进行测试。选取的色度学参数包括细胞浆与细胞核的红基色(R)、绿基色(G)、蓝基色(B)，计算其红基色系数(r)、绿基色系数(g)、蓝基色系数(b)；几何学参数包括细胞与细胞核的面积(A)、长轴(dmaj)、短轴(dmin)、平均直径(D)、周长(P)；纹理学参数包括细胞的核浆比(Rnp)和细胞与细胞核的形状不规则指数(FII)、规化形状因子(RFF)。
(3)细胞判别过程
首先比较低级别组细胞、非典型鳞状细胞不能明确意义细胞和高级别组细胞的形态学参数，筛选有诊断价值的参数，进行逐步判别分析，建立判别函数，对低级别组细胞、非典型鳞状细胞不能明确意义细胞和高级别组细胞进行分类诊断；然后分别比较低级别和高级别组内细胞的形态学参数，筛选有诊断价值的参数，分别进行逐步判别分析，建立判别函数，对组内细胞进行进一步的分类诊断，从而得到细胞的最终分类诊断结果。
(4)统计学处理
采用SPSS17.0进行数据的统计学分析，采用独立样本的t检验或单因素的方差分析比较不同细胞的形态学参数，筛选有诊断价值的参数；随机选择70％细胞，将其归为训练组，剩余的30％细胞为测试组；然后对训练组细胞有价值的形态学参数进行用逐步判别分析，建立判别函数，计算回代符合率，而测试组的细胞用于评价函数的判别效果，以P<0.05为差异有统计学意义。
本发明实施例提供了基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法。传统的宫颈细胞学的诊断完全依赖于临床病理医生的阅历和经验，往往带有一定的主观性，重复性不高；采用计算机图像分析技术测试形态学参数，并筛选稳定又客观的参数对于宫颈细胞学的诊断具有重大的临床意义，而且诊断方式省时省力，具有可复制性，能够提高基层医院的诊断准确率，为计算机的自动分类诊断提供数据支持，同时也为大规模的筛查带来便利性。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.一种基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法，其特征在于，所述基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法包括：
首先拍摄细胞的显微图像；
然后用图像分析软件测试细胞的色度学和几何形态学参数，选出各种细胞间差异有统计学意义的参数；
最后将参数进行逐步判别分析，建立判别函数，并评价判别函数对细胞的临床诊断效果。
2.如权利要求1所述的基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法，其特征在于，所述基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法包括以下步骤：
步骤一，测试宫颈鳞状上皮细胞的色度学和几何学参数，计算纹理学参数；
计算公式如下：
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<mi>r</mi>
<mo>=</mo>
<mfrac>
<mi>R</mi>
<mrow>
<mi>R</mi>
<mo>+</mo>
<mi>G</mi>
<mo>+</mo>
<mi>B</mi>
</mrow>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>g</mi>
<mo>=</mo>
<mfrac>
<mi>G</mi>
<mrow>
<mi>R</mi>
<mo>+</mo>
<mi>G</mi>
<mo>+</mo>
<mi>B</mi>
</mrow>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>b</mi>
<mo>=</mo>
<mfrac>
<mi>B</mi>
<mrow>
<mi>R</mi>
<mo>+</mo>
<mi>G</mi>
<mo>+</mo>
<mi>B</mi>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
<mrow>
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>R</mi>
<mrow>
<mi>n</mi>
<mi>p</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>A</mi>
<mi>n</mi>
</msub>
<msub>
<mi>A</mi>
<mi>p</mi>
</msub>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>F</mi>
<mi>I</mi>
<mi>I</mi>
<mo>=</mo>
<mfrac>
<mi>P</mi>
<msqrt>
<mrow>
<mn>4</mn>
<mi>&pi;</mi>
<mi>A</mi>
</mrow>
</msqrt>
</mfrac>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>R</mi>
<mi>F</mi>
<mi>F</mi>
<mo>=</mo>
<mfrac>
<mrow>
<mi>A</mi>
<mo>&lsqb;</mo>
<mn>3</mn>
<mrow>
<mo>(</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>+</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>-</mo>
<mn>2</mn>
<msqrt>
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>d</mi>
<mi>min</mi>
</msub>
</mrow>
</msqrt>
<mo>&rsqb;</mo>
</mrow>
<mrow>
<msub>
<mi>d</mi>
<mrow>
<mi>m</mi>
<mi>a</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<msub>
<mi>d</mi>
<mrow>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
</msub>
<mo>&CenterDot;</mo>
<mi>P</mi>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
<mo>;</mo>
</mrow>
R:红基色，G:绿基色，B:蓝基色，r:红基色系数，g:绿基色系数，b:蓝基色系数；An:细胞核面积，Ap:细胞浆面积dmaj:长轴，dmin:短轴，P:周长，Rnp:核浆比，FII:形状不规则指数，RFF:规化形状因子；
步骤二，对测试结果进行比较分析，筛选有诊断价值的参数；
步骤三，对有诊断价值的参数进行逐步判别分析，建立判别函数，评价函数的判别效果。
3.如权利要求2所述的基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法，其特征在于，选取的色度学参数包括细胞浆与细胞核的红基色、绿基色、蓝基色，计算红基色系数、绿基色系数、蓝基色系数；
几何学参数包括细胞与细胞核的面积、长轴、短轴、平均直径、周长；
纹理学参数包括细胞的核浆比和细胞与细胞核的形状不规则指数、规化形状因子。
4.如权利要求2所述的基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法，其特征在于，判别过程包括：比较低级别组细胞、非典型鳞状细胞不能明确意义细胞和高级别组细胞的形态学参数，筛选有诊断价值的参数，进行逐步判别分析，建立判别函数，对低级别组细胞、非典型鳞状细胞不能明确意义细胞和高级别组细胞进行分类诊断；分别比较低级别和高级别组内细胞的形态学参数，筛选有诊断价值的参数，分别进行逐步判别分析，建立判别函数，对组内细胞进行进一步的分类诊断，得到细胞的最终分类诊断结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710876310.3A CN107578411A (zh) | 2017-09-25 | 2017-09-25 | 基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710876310.3A CN107578411A (zh) | 2017-09-25 | 2017-09-25 | 基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107578411A true CN107578411A (zh) | 2018-01-12 |
Family
ID=61039194
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710876310.3A Pending CN107578411A (zh) | 2017-09-25 | 2017-09-25 | 基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107578411A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110363740A (zh) * | 2018-12-29 | 2019-10-22 | 上海北昂医药科技股份有限公司 | Dna图像中的精子碎片识别方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105550651A (zh) * | 2015-12-14 | 2016-05-04 | 中国科学院深圳先进技术研究院 | 一种数字病理切片全景图像自动分析方法及系统 |
-
2017
- 2017-09-25 CN CN201710876310.3A patent/CN107578411A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105550651A (zh) * | 2015-12-14 | 2016-05-04 | 中国科学院深圳先进技术研究院 | 一种数字病理切片全景图像自动分析方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 蓝永洪: "膀胱尿路上皮癌脱落细胞的判别分析", 《中国体视学与图像分析》 * |
| 蓝永洪: "膀胱尿路上皮癌脱落细胞的计算机判别", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110363740A (zh) * | 2018-12-29 | 2019-10-22 | 上海北昂医药科技股份有限公司 | Dna图像中的精子碎片识别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Habtemariam et al. | Cervix type and cervical cancer classification system using deep learning techniques | |
| US8891850B2 (en) | System and methods for digital evaluation of cellblock preparations | |
| CN108694718A (zh) | 直肠癌术前同期新辅助放化疗疗效评估系统和方法 | |
| MX2014002843A (es) | Sistema y metodo para la deteccion de anormalidades en una muestra biologica. | |
| CN106875393A (zh) | 一种基于图像分析的肿瘤细胞dna含量检测方法 | |
| Datta et al. | The role of DNA image cytometry in screening oral potentially malignant lesions using brushings: A systematic review | |
| CN101799926B (zh) | Ki-67免疫组化病理图像自动定量分析系统 | |
| CN108922602A (zh) | 基于大数据分析mri图像的直肠癌术前同期新辅助放化疗疗效评估系统和方法 | |
| Matias et al. | Segmentation, detection, and classification of cell nuclei on oral cytology samples stained with papanicolaou | |
| CN113902669A (zh) | 一种尿脱落细胞液基涂片的阅片方法及系统 | |
| Collins et al. | Assessment of malignancy for atypia of undetermined significance in thyroid fine-needle aspiration biopsy evaluated by whole-slide image analysis | |
| CN103217374B (zh) | 急性b淋巴细胞白血病启动细胞特性测定系统 | |
| Amorim et al. | A novel approach on segmentation of agnor-stained cytology images using deep learning | |
| CN107578411A (zh) | 基于计算机图像分析测试宫颈鳞状上皮细胞参数的方法 | |
| Saito et al. | Dawn of the digital diagnosis assisting system, can it open a new age for pathology? | |
| Krieger et al. | A practical guide to Papanicolaou smear rescreens: how many slides must be reevaluated to make a statistically valid assessment of screening performance? | |
| Bui et al. | Image analysis in cytopathology | |
| CN102270307B (zh) | 肿瘤癌变细胞fish基因状态自动检测方法 | |
| CN117036269A (zh) | 一种基于尿液样品高光谱图像的肾小球疾病分类诊断模型构建方法 | |
| CN113533330A (zh) | 一种基于人工智能技术的宫颈癌检测筛查管理方法 | |
| WO2023240819A1 (zh) | 一种甲状腺疾病病理分析模块 | |
| Victória Matias et al. | Comparison of object detection approaches applied to field images of papanicolaou stained cytology slides | |
| Dong et al. | Automated quantitative cytology imaging analysis system in cervical cancer screening in Shanxi Province, China | |
| Yan et al. | Diagnosis and typing of leukemia using a single peripheral blood cell through deep learning | |
| Saxena et al. | Review of computer‐assisted diagnosis model to classify follicular lymphoma histology |
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: 20180112 |