CN107924462A - 数字病理学中的服务器‑客户机架构 - Google Patents

数字病理学中的服务器‑客户机架构 Download PDF

Info

Publication number
CN107924462A
CN107924462A CN201680049021.XA CN201680049021A CN107924462A CN 107924462 A CN107924462 A CN 107924462A CN 201680049021 A CN201680049021 A CN 201680049021A CN 107924462 A CN107924462 A CN 107924462A
Authority
CN
China
Prior art keywords
server
pixel
region
interest
client computer
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
Application number
CN201680049021.XA
Other languages
English (en)
Inventor
C.瓦雷坎普
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.)
Koninklijke Philips NV
Original Assignee
Koninklijke Philips Electronics NV
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 Koninklijke Philips Electronics NV filed Critical Koninklijke Philips Electronics NV
Publication of CN107924462A publication Critical patent/CN107924462A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695—Preprocessing, e.g. image segmentation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/2866—Architectures; Arrangements

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Image Analysis (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

按照本发明的一个方面，提供了客户机‑服务器系统。客户机和服务器被提供给已经被施加有染色物质的生物材料切片的相同数字图像。通常，服务器包括较大的处理能力。相应地，服务器被用于对数字图像进行预先处理，并作为对请求的反应来向客户机提供预先处理的结果。该服务器包括服务器处理单元，该服务器处理单元被配置为对数字图像的每个像素进行分类，其中在像素的颜色属性将切片处与该像素相对应的点表征为用染色物质染色的，而所述切片已经在相应点处吸收了染色物质的情况下，像素被分类为染色的。因此，数字图像的所有像素被分类。所有像素的一个子集被分类为染色的。剩余的像素可以被分类为未定义的、未染色的或用不同的物质染色的。服务器处理单元可以被配置为对剩余像素分别进行分类。此外，服务器被配置为存储分类结果。客户机的客户机处理单元被配置为确定数字图像处的感兴趣区，所述感兴趣区也已经被提供给所述客户机。因此，客户机被配置为请求服务器处的与所述感兴趣区处的像素分类有关的数据。服务器已经对数字图像的分类和/或基于其的另外的数据进行了预先处理，并且因此初始地准备向客户机提供与感兴趣区处的像素分类有关的数据。因此，服务器可以将与数字图像的、感兴趣区处的像素分类有关的分类结果提供给客户机。客户机可以显示接收到的分类结果，优选地利用客户机的用户界面的显示器来显示。因此，用户可以用很短的时间延迟看出数字图像的感兴趣区处的像素是否被分类为染色的。

Description

数字病理学中的服务器-客户机架构
技术领域
本发明涉及服务器-客户机架构，特别地涉及这样的服务器和客户机，以及用于操作和处理数字病理学数据的方法。
背景技术
病理学家在护理周期的诊断部分中发挥核心作用。当在活检过程中从患者获取生物材料样本时，通常是病理学家通过根据活检对组织和细胞进行显微镜检查来做出有关潜在疾病的性质和严重程度的最终诊断。
在一个示例中，用于显微镜检查的载玻片可以用以下若干步骤准备。首先，生物材料样本可以被置于福尔马林中进行固定，并随后加工成石蜡块，从所述石蜡块切下约5μm的薄切片。然后将这些切片中的一个放置在载玻片的基材上，特别是在玻璃基材上，之后可以施加一种或多种染色的物质，使得相关的细胞或组织部分用显微镜可见。之后，匹配液和/或固定剂可以被添加到切片。此外，可以在切片的上面放置约170μm的薄的透明盖片，使得切片被密封。这使得包括切片的载玻片能够长期储存，特别是超过10年储存。
尽管病理学典型地是模拟行业，但为了提升诊断效率和质量，最近已经朝数字病理学的方向前进。数字病理学是指在生物学、组织学和/或病理学领域中对于分析生物材料、特别是切片所需的信息的数字化。特别地，数字病理学是指切片的数字分子诊断，所述切片已经事先从生物材料样本切下。数字病理学的示范性修改将导致病理学家不再亲自物理地操作切片，而是改为利用能够从载玻片获取的数字图像和其他临床信息工作以做出他或她的诊断。
文献US 2008/0112614 A1涉及一种用于标识数字图像内的感兴趣区的方法。该方法包括接收数字图像。图像被分成多个图块（tile）。确定多个图块中的哪一个包括感兴趣区。图形处理单元为已被确定为包括感兴趣区的图块计算像素强度直方图。对于不包括感兴趣区的图块的像素强度直方图是不计算的。然后可以显示或打印图像处理结果。之后，医师（例如放射科医师）可以查验处理结果。
对于强度直方图的计算，可能需要高性能的CPU。将用于计算直方图的计算工作限制到已经被确定包括感兴趣区的图块可以减小计算工作。然而，从实际的角度来看，在能够显示结果之前，医师仍然需要等待，直到CPU已经结束计算。
发明内容
可能需要促进与生物材料切片的数字图像的感兴趣区相关的数据的响应性。
通过独立权利要求的主题来解决本发明的目的，其中在从属权利要求中并入另外的实施例。
按照本发明的第一方面，提供了一种服务器，包括服务器输入接口、服务器处理单元、服务器存储单元和服务器输出接口。服务器输入接口被配置为接收生物材料切片的数字图像。生物材料切片已经被施加有至少一种染色物质。服务器处理单元被配置为对所述数字图像的每个像素进行分类，其中在像素的颜色属性在指示相应染色物质吸收的预定义属性范围内的情况下，所述像素相对于各染色物质被分类为染色的。服务器存储单元被配置为存储数字图像和数字图像的像素的分类。所述服务器输入接口被配置为接收来自客户机的、指示所述数字图像的感兴趣区的请求。所述服务器输出接口被配置为将所述感兴趣区处的所述像素的所存储的分类和/或与所述分类有关的其他数据提供给所述客户机。
结果，分类可以在所述请求之前执行和/或结束。在发生请求的情况下，可以有效地提供相关数据、特别是存储的分类，而不需要在请求时或在请求之后计算这些相关数据。由于数字图像的每个像素被分类，所以满足了与数字图像的任何感兴趣区有关的数据的可用性。相应地，独立于对数字图像的感兴趣区的选择，可以作为对请求的回应而提供与像素（特别是在感兴趣区处的像素）的分类有关的相关数据。由于与感兴趣区的像素分类有关的数据的这种高度可用性，服务器包括较高的响应性。可能已经对相关数据做出请求的客户机可以立即被提供给所请求的数据，使得可以提升在客户机站点处的性能。
在一个示例中，服务器可以涉及计算机或计算机系统。
在一个示例中，术语“切片”涉及来自生物样本材料的、具有特别是约3至10μm的薄切片形式的切割物。
在一个示例中，术语“染色物质”涉及使得能够增强生物材料、特别是生物材料切片中的对比度和/或突出显示生物材料、特别是生物材料切片中的结构的物质。
在一个示例中，术语“染色物质”也可以涉及使得能够对生物材料、特别是生物材料切片中的结构和/或分子进行荧光标记的荧光物质、也被称为荧光染色物质。
在一个示例中，可以采用苏木精（H）、伊红（E）或苏木精和伊红（H＆E）的组合作为用于对切片进行染色的染色物质。
在一个示例中，可以采用生物荧光染料、免疫荧光和/或荧光蛋白作为用于对切片进行染色的染色物质。
在一个示例中，对切片进行染色允许例如在细胞、组织和互连部分之间，特别是在肌纤维、结缔组织、血细胞和/或个体细胞内的细胞器之间进行区分。
在一个示例中，生物材料切片可以被施加有多于一种染色物质。例如，切片可以被施加有第一染色物质和第二染色物质。第一染色物质可以被称为染色物质，并且第二染色物质可以称为对照染色物质。
在一个示例中，切片的数字图像包括多个像素。例如，数字图像可以包括超过100000个像素。
在一个示例中，对切片进行染色可以改变其颜色属性，这相应地对数字图像的颜色属性有影响。应该理解，颜色属性也可以涉及荧光属性。因此，可以使用数字图像的每个像素的颜色属性来对相应像素是否示出该切片的已经施加有至少一种染色物质的一个小区域进行分类。在一个示例中，数字图像的像素的分类涉及像素的颜色属性是否属于染色物质特定属性范围的确定。属性范围可以特别地针对至少一种染色物质中的每一种而预定义。因此，针对每种染色物质，可以提供特定的预定义的属性范围。
在一个示例中，像素的色调形成相应像素的颜色属性。
在一个示例中，属性范围可以由色带形成。
在一个示例中，染色物质的吸收可以涉及染色物质的至少一部分与生物材料的结构和/或分子的结合。例如，作为染色物质的荧光染色物质可以结合生物材料的特定分子。作为染色物质的另一示例的苏木精可以使特定的盐与生物材料的酸性结合。
在一个示例中，生物材料的切片至少部分吸收所施加的染色物质。作为对染色物质的吸收的反应，切片的色调可以在已经发生吸收的地方改变。此外，色调改变的程度可以取决于染色物质的吸收程度。因此，色带可以指示特定染色物质的吸收。因此，不同的染色物质可以涉及不同的色带。
在一个示例中，对数字图像的每个像素进行分类，其中像素相对于每种染色物质被分类为染色的，导致数字图像的像素的分类。数字图像的像素的“分类”可以被称为分类结果。
在一个示例中，服务器输入接口接收来自客户机的指示数字图像的感兴趣区的请求。
在一个示例中，客户机涉及计算机、计算机系统和/或软件单元。客户机可以被配置为经由计算机网络访问服务器。
在一个示例中，感兴趣区（ROI）涉及数字图像的区，所述数字图像的区可以示出切片的对应区，例如按照客户机的用户（优选为病理学家），所述切片的对应区可以是该切片的、应当在其上执行进一步分析或计算的相关部分。该计算可以包括分数的计算以表征感兴趣区的染色。
在一个示例中，请求可以指示数字图像的任意感兴趣区。由于每个像素已经被分类，并且分类结果已经被存储，所以服务器可以被配置为立即向客户机提供与感兴趣区有关的分类结果。与感兴趣区有关的分类结果可以是与感兴趣区处的像素分类有关的数据。
在一个示例中，术语“与感兴趣区处的像素分类有关的数据”涉及已经基于感兴趣区处的像素分类结果——直接或间接——计算的数据。优选地，该计算已经先于客户机的请求执行。在这种情况下，数据是预先计算和/或预先处理的。
在一个示例中，术语“与感兴趣区处的像素分类有关的数据”也可以被称为“与感兴趣区有关的数据”。
结果，可以以从服务器到客户机的高响应性来提供关于感兴趣区的经预先处理的数据，用于进一步的目的。客户机站点处的病理学家可以在数字图像的副本上手动指示感兴趣区。在服务器站点处的按照某一染色的分类结果的可用性、以及能够立即向客户机提供与感兴趣区处的像素分类有关的数据、特别是感兴趣区处的像素分类的服务器配置，减少了客户机处用于进一步计算、特别是用于计算分数的处理时间。相应地，客户机可以向客户机的用户提供更高的性能。
按照本发明的示范性实施例，服务器输出接口被配置为：将服务器存储单元存储的数据的至少一部分作为与感兴趣区处的像素分类有关的数据提供给客户机。
在一个示例中，由服务器存储单元存储的分类被提供作为与感兴趣区处的像素分类有关的数据。结果，存储的预先计算的分类或其他数据（各自具有与感兴趣区处的像素分类的直接关系或间接关系）可以在请求之后立即提供给客户机。客户机不一定需要处理能力来用于这种计算，例如计算数字图像的每个像素的分类。因此，可以提升由客户机向客户机的用户提供的性能。
按照本发明的示范性实施例，服务器处理单元被配置为：在数字图像的每个像素处基于相应像素的颜色属性为每种染色物质计算吸收值。
按照本发明的示范性实施例，服务器处理单元被配置为：确定多个数字图块，每个数字图块与所述数字图像的整个区域的子区域处的像素相关联，使得所述数字图像的大部分像素中的每个像素由至少两个图块关联。服务器处理单元被配置为将所述数字图像的每个像素的至少一个吸收值量化为预定数量的吸收级别中的一个。服务器处理单元被配置为为每个图块计算针对每种染色物质的吸收频率矢量，其中所述吸收频率矢量针对每个吸收级别包括一个条目，该条目指示针对相应染色物质的所述相应吸收级别处的所述图块的染色像素的数量。服务器存储单元被配置为存储所述数字图块和/或所述吸收频率矢量。
在一个示例中，每个图块与数字图像的数字子图像相对应。
在一个示例中，相邻的图块可以重叠，在这种情况下，它们与数字图像的公共的像素集合相关联。
在一个示例中，吸收值被量化以形成与吸收级别相一致的值。吸收级别的数量是有限的，使得可以对于要由服务器处理单元执行的进一步的步骤，减少处理工作。
在一个示例中，多于一种的染色物质已被施加于生物材料切片。因此，与切片的数字图像的子区域相关联的数字图块可以包括：被分类为由第一染色物质染色的像素以及被分类为用第二染色物质染色的像素等。因此，针对每个图块，可以为每种染色物质计算吸收频率矢量。
在一个示例中，每个吸收频率矢量涉及染色物质之一。吸收频率矢量的每个条目可以涉及在相应吸收级别处的染色物质特定的染色像素的数量。针对每个图块，可以提供多于一个吸收频率矢量，特别地可以将如染色物质那么多的吸收频率矢量施加到生物材料的切片上。优选地，频率矢量的条目数量与吸收级别的数量相对应。
在一个示例中，频率矢量的条目涉及在图块处用相关联的染色物质分类的像素的数量，相应的频率矢量与该相关联的染色物质相关。
结果，吸收频率矢量提供相应染色物质的、特定于不同吸收级别的分类像素的分布频率。因此，吸收频率矢量包括数字图像的与图块相对应的子区域处的染色物质分布的紧凑表示，吸收频率矢量与该染色物质相关。
在一个示例中，服务器处理单元可以被配置为：在与特定感兴趣区有关的数据的请求之前，计算吸收频率矢量。因此，吸收频率矢量的计算可以在客户机可以发送针对与感兴趣区处的像素分类有关的数据的请求之前结束。因此，在发生请求的情况下，可以初始地提供与感兴趣区处的像素分类有关的相关数据。
在一个示例中，与感兴趣区处的像素分类有关的数据可以与吸收频率矢量、特别是与吸收频率矢量的子集有关。因此，吸收频率矢量，特别是其子集，可以作为对请求的回应初始地提供给客户机。该初始回应提升了提供给客户机站点处的用户的性能。
按照本发明的示范性实施例，服务器处理单元被配置为以四叉树结构和/或积分图像结构来确定多个图块。
在一个示例中，处于不同四叉树结构级别的图块可以具有不同的大小和/或与数字图像子区域的不同大小相关联。
在一个示例中，不同四叉树结构级别的图块可以重叠。相应地，冗余信息可以由处于不同的四叉树结构级别的图块提供。
按照本发明的示范性实施例，服务器处理单元被配置为在请求后将多个存储的数字图块中的最小数量的图块确定为所选图块，使得所选图块形成对应于数字图像的感兴趣区的积分区域（integral area）。服务器输入接口被配置为为每种染色物质接收针对所述感兴趣区的吸收阈值。服务器处理单元被配置为在请求后选择所选图块的所存储的吸收频率矢量的条目作为所选条目，其相关吸收级别各自大于它们的相关吸收阈值。服务器处理单元被配置为：在请求后，将表征所述感兴趣区处的染色的分数作为所选图块的所存储的吸收频率矢量的所选条目和/或全部条目的函数来计算。服务器输出接口被配置为将所述分数作为与所述感兴趣区处的像素分类有关的数据提供给所述客户机。
在一个示例中，所选图块可以具有不同的大小。
在一个示例中，相邻的所选图块可以彼此重叠或完美地毗接。
在一个示例中，与数字图像的感兴趣区的中心区相关联的图块可以具有比与数字图像的感兴趣区的外边缘处的另一个区相关联的所选图块更大的大小。
结果，感兴趣区的中心区可能被更少但更大的图块所覆盖。
在一个示例中，所选图块的平均大小可以尽可能大，以便提供形成感兴趣区的积分区域的最小数量的图块。
在一个示例中，吸收阈值可以涉及像素的吸收级别的值或吸收值，在高于该值的情况下可以考虑将所述像素用于计算表征感兴趣区处的染色的分数。
结果，可以适当选择吸收阈值，以忽略感兴趣区的、对实际染色特性和/或相应分数影响较小的像素。
在一个示例中，频率矢量的所选条目与大于或等于相关吸收阈值的该感兴趣区的像素的吸收级别有关系。该关系可以涉及吸收频率矢量与之相关联的染色物质。
在一个示例中，针对每种染色物质，可以为感兴趣区计算分数。
在一个示例中，针对所有染色物质的组合，可以为感兴趣区计算分数。
在一个示例中，分数表征用染色物质对感兴趣区的染色。因此，对于感兴趣区，可以提供多于一个分数，特别是与应用于切片的染色物质的数量一样多的分数。
在一个示例中，服务器输出接口被配置为将至少一个分数作为与感兴趣区处的像素分类有关的数据提供给客户机。
结果，可以采用服务器处理单元来标识吸收频率矢量的相关条目，其中处理单元可以进一步被配置为将分数作为吸收频率矢量的所标识条目的函数来计算，使得该分数可以被提供给客户机。
在一个示例中，服务器处理单元可以被配置为：先于针对与感兴趣区处的像素分类有关的数据的请求，计算吸收频率矢量。
在另一示例中，服务器处理单元可以被配置为：在请求后，以及因此优选地在服务器已经接收到请求之后计算至少一个分数。
结果，服务器处理单元可以被配置为：用提供给服务器的相关吸收级别、按照个体的感兴趣区，作为对请求的反应来计算最后处理步骤。
结果，服务器可以在请求的接收之前已经对大多数步骤进行了预先处理。由于服务器可以具有较大的处理能力，所以可以计算至少一个分数，并随后在非常有限的时间内提供给客户机。结果，服务器具有较高的响应性。
按照本发明的第二方面，提供了一种客户机，其包括客户机输入接口、用户界面和客户机输出接口。客户机输入接口被配置为接收已经施加有至少一种染色物质的生物材料切片的数字图像。用户界面被配置为显示所述数字图像。用户界面被配置为接收来自用户的选择信号并且基于所述选择信号来选择所述数字图像的感兴趣区。客户机输出接口被配置为将针对与所述感兴趣区处的像素分类有关的数据的请求发送给服务器。客户机输入接口被配置为在请求后从所述服务器接收与所述感兴趣区处的像素分类有关的数据。
在一个示例中，客户机涉及计算机单元或软件单元。客户机可以经由计算机网络访问服务器。
在一个示例中，由客户机接收的数字图像与由服务器接收的数字图像相对应。相应地，这些图像可以涉及相同的数字图像。
在一个示例中，用户界面可以包括显示器。特别地，用户界面可以包括触摸屏。
在一个示例中，用户界面可以包括图形用户界面。
在一个示例中，用户界面被配置为从小键盘、鼠标和/或允许用户录入用户输入的任何其他计算机外围设备接收信号。
结果，用户可以使用客户机向服务器发送针对与感兴趣区处的像素分类有关的数据的请求，该服务器优选地已经对与感兴趣区处的像素分类有关的数据进行预先计算，并且可以被配置为作为回应而初始地将该数据发送给客户机。因此，客户机输入接口可以在发送请求之后以较短的延迟接收与感兴趣区处的像素分类有关的数据。因此，客户机可以提供较高的性能和/或响应性。
按照本发明的第三方面，提供了一种系统，其包括按照本发明的第一方面的服务器以及至少一个按照本发明的第二方面的客户机。
按照本发明的第四方面，提供了一种方法，其包括以下步骤：
a）在服务器处接收已经施加有至少一种染色物质的生物材料切片的数字图像。
b）在所述服务器处，对所述数字图像的每个像素进行分类，其中在像素的颜色属性在指示相应染色物质吸收的预定义属性范围内的情况下，所述像素相对于每种染色物质被分类为染色的。
c）在客户机处接收生物材料切片的相同数字图像。
d）由所述客户机的用户界面显示在所述客户机处接收到的所述数字图像。
e）在接收到由用户经由所述用户界面提供的选择信号时、并基于由用户经由所述用户界面提供的选择信号，在客户机处选择数字图像的感兴趣区。
f）从客户机将针对与所述感兴趣区处的像素分类有关的数据的请求发送到服务器。
g）在从客户机接收到针对与所述感兴趣区处的像素分类有关的数据的请求之前步骤b）的分类已经结束的情况下，从所述服务器向所述客户机发送所述数字图像的感兴趣区处的像素的分类和/或与所述分类有关的其他数据。
在一个示例中，提供了一种用于控制按照本发明第三方面的系统的计算机程序单元，其在由服务器处理单元和所述至少一个客户机单元执行时，适于执行按照本发明的第四方面的方法。
在一个示例中，提供了已经存储有程序单元的计算机可读介质。
按照本发明的一个方面，提供了客户机-服务器系统。客户机和服务器被提供给已经施加染色物质的生物材料切片的相同数字图像。通常，服务器包括较大的处理能力。相应地，服务器被用于对数字图像进行预先处理，并作为对请求的反应来向客户机提供预先处理的结果。该服务器包括服务器处理单元，该服务器处理单元被配置为对数字图像的每个像素进行分类，其中在像素的颜色属性将切片处与像素相对应的点表征为用染色物质染色的，而所述切片已经在相应点处吸收了染色物质的情况下，像素被分类为染色的。因此，数字图像的所有像素被分类。所有像素的一个子集被分类为染色的。剩余的像素可以被分类为未定义的、未染色的或用不同的物质染色的。服务器处理单元可以被配置为对剩余像素分别进行分类。
此外，服务器包括服务器存储单元，用于存储数字图像和像素的分类结果。分类结果被称为“像素的分类”。在客户机站点处的用户想要知道数字图像处的感兴趣区是否包括已被分类为染色的像素的情况下，客户机被配置为经由用户界面接收用户的选择信号。客户机的客户机处理单元被配置为确定数字图像处的感兴趣区。因此，客户机被配置为请求服务器处的与所述感兴趣区处的像素分类有关的数据。服务器已经对数字图像的分类和/或基于其的另外的数据进行了预先处理，并且因此初始地准备向客户机提供与感兴趣区处的像素分类有关的数据。因此，服务器可以将分类结果作为与数字图像的、感兴趣区处的像素分类有关的数据提供给客户机。客户机可以显示接收到的分类结果，优选地用用户界面的显示器显示。因此，用户可以在很短的时间延迟内看出数字图像的感兴趣区处的像素是否被分类为染色的。
此外，服务器可以被配置为：基于分类和吸收阈值来确定在感兴趣区处被分类为染色的像素是否对表征数字图像的感兴趣区的染色的分数有贡献。客户机可以被配置为接收来自用户的信号以便修改吸收阈值、并将其发送到服务器，而在服务器处可以对分数进行相应更新。在服务器处计算的分数可以被视为与所述感兴趣区处的像素分类有关的数据并提供给客户机。因此，客户机用户界面可以显示分数。
而且，服务器处理单元可以计算各自与图块相关的吸收频率矢量。提供多个图块并相应地提供多个吸收频率矢量。多个图块中的每一个与数字图像的子图像相关联。此外，图块彼此重叠。特别地，图块涉及四叉树结构。因此，图块被归入不同级别，而不同级别的图块彼此重叠。相同级别处的图块彼此相邻。因此，不同级别的图块包括关于数字图像的冗余信息。每个图块包括多个像素。
这些像素的子集可以被分类为染色的。取决于染色像素的颜色属性，可以确定染色像素的量化，以便与相应吸收级别和相关图块处的染色像素的数量相一致地计算针对吸收频率矢量的条目。吸收级别限于矢量的条目数量。吸收频率矢量在服务器处理单元处被预先处理并被存储在服务器存储单元处。在服务器处出现来自客户机的、针对与感兴趣区有关的数据的请求的情况下，服务器处理单元可以从不同级别中选择一组最小数量的图块。因此，在感兴趣区的中心，选择较大图块，而在感兴趣区的边界处，选择较小图块。所选图块形成对应于感兴趣区的积分图像。由于针对所选图块的吸收频率矢量已被预先处理，所以与感兴趣区相关的相关信息可由相应吸收频率矢量提供给客户机。客户机可以基于吸收阈值来选择图块的吸收频率矢量的条目。例如，可以只取每个吸收频率矢量的一半条目以在客户机处计算感兴趣区的分数，而该分数表征具有大于吸收阈值的吸收值的像素的染色。这为用户给出了在客户机站点处更新吸收阈值的能力，而客户机处理单元进而可以基于预定吸收频率矢量和（更新的）吸收阈值来计算分数。因此，可以向客户机提供更高的性能，原因在于作为分数计算的基础的吸收频率矢量已经被针对多个不同的吸收级别集合进行了处理。
本发明的这些和其他方面根据下文描述的实施例将是显然的，并将参照这些实施例进行说明。
附图说明
下面将参考以下附图描述本发明的示范性实施例：
图1用框图示出了服务器；
图2示出了切片的数字图像；
图3示意性地示出了在数字图像的子区域处的（对照（counter-））染色像素的示例；
图4示意性地示出了在数字图像的另一子区域处的（对照）染色分类像素的示例；
图5示意性地示出了在图3的子区域处具有大于相应吸收阈值的吸收级别的（对照）染色分类像素；
图6示出了第一级别处的多个图块的基本结构；
图7示出了第二级别处的多个图块的基本结构；
图8示出了第三级别处的多个图块的基本结构；
图9示范性示出了切片的数字图像、以及数字图像处标记了感兴趣区的样本区域；
图10示出了放大并分成图块的图9的样本区域；
图11用框图示出了客户机；
图12示出了图像显示的示例；
图13用框图示出了客户机的另一示例；
图14用框图示出了系统；以及
图15示出了方法的基本步骤。
具体实施方式
除非另外指定，否则在不同附图中出现的相同或类似的参考数字标记相同或相似的部件。
图1示意性地示出了按照本发明实施例的服务器10的第一示例。服务器10包括：服务器输入接口12、服务器处理单元14、服务器存储单元16以及服务器输出接口18。
服务器输入接口12被配置为接收已经施加有至少一种染色物质的生物材料切片的数字图像20。
服务器处理单元14被配置为对数字图像20的每个像素24进行分类，其中在像素26的颜色属性在指示相应染色物质吸收的预定义属性范围内的情况下，像素26相对于染色物质被分类为染色的。
服务器存储单元16被配置为存储数字图像20和数字图像20的像素24的分类。
服务器输入接口12还被配置为接收来自客户机22的、指示数字图像20的感兴趣区28的请求。
服务器输出接口18被配置为将所存储的所述感兴趣区28处的所述像素的分类和/或与所述分类有关的其他数据提供给客户机22。
结果，数字图像20的像素24的分类可以在来自客户机22的请求之前被执行。因此，服务器10可以先于来自客户机22的请求而执行分类，并且此后存储数字图像20的像素24的分类。在服务器输入接口12接收来自客户机22的指示数字图像20的感兴趣区28的请求的情况下，服务器10可以向客户机22提供所存储的感兴趣区28处的像素24的分类和/或与感兴趣区28处的像素分类有关的其他数据。因此，感兴趣区28处的像素的分类和/或与分类有关的其他数据可以被立即提供给客户机22。这提升了客户机站点处的性能。此外，客户机22不一定需要能够对数字图像的每个像素进行分类的处理能力。相反，可以相应地配置服务器10的服务器处理单元14。
在一个示例中，服务器10涉及一种设备，特别涉及计算机或计算机系统。
在另一示例中，服务器10涉及设备的一小部分。
服务器输入接口12被配置为接收数字图像20。在图2中示意性地示出了生物材料切片的数字图像20的示例。
在一个示例中，数字图像20由多个像素24形成。
在一个示例中，提供了用于连接服务器输入接口12与服务器处理单元14的第一数据连接线30。因此，服务器输入接口12可以经由第一数据连接向服务器处理单元14提供数字图像20。
服务器处理单元14被配置为对数字图像20的每个像素24分类。
在如图2中所示的数字图像20处，数字图像20的感兴趣区28被示范性地标记。
在一个示例中，感兴趣区28涉及数字图像20的区，所述数字图像的区20与切片的对应区有关，所述切片的对应区例如据病理学家所说是应当在其上执行分析的、特别是应当针对其计算分数的切片的相关部分。
感兴趣区28可能已经由用户在客户机22处手动地指示。于是，关于感兴趣区28的信息可以已经从客户机22发送到服务器输入接口12，并且经由第一数据连接30被发送到服务器处理单元14。
参照图3示范性地描述数字图像20的像素24的分类。
图3示出了数字图像20的感兴趣区28的放大。
图3的感兴趣区28示出了事先已经施加有两种染色物质的生物材料切片的数字图像20的一部分。
为了容易地区分第一染色物质的施加结果和第二染色物质的施加结果，被分类为由第一染色物质染色的数字图像20的像素24应被称为“染色的”或“染色的像素”。被分类为由第二种染色物质染色的像素32将被示范性地称为“对照染色的”或“对照染色的像素”。
图3示范性示出了一定数量的像素24是染色的像素26而一定数量的像素24是对照染色的像素32。另外的像素在背景中，为了更好地理解不同的染色而未显示这些像素。
关于第一染色物质，只有染色的像素26具有在指示第一染色物质吸收的预定义属性范围内的颜色属性。此外，对照染色的像素32包括在指示第二染色物质吸收的不同预定义属性范围内的颜色属性。相应地，服务器处理单元14被配置为相应地对像素24进行分类。
在一个示例中，第一染色物质可以具有第一颜色，例如棕色。
在一个示例中，第二染色物质可以具有不同的第二颜色，例如蓝色。
在具有不同颜色的染色物质已经被施加到生物材料的切片上的示例中，像素可以显示它们在切片处的位置，在那里染色物质中的至少一种已经被吸收，使得切片是在主要有染色物质的颜色中的一种的（例如主要是棕色或主要是蓝色）的相应位置处。
在一个示例中，可以使用所谓的Preucil（普鲁瑟）极坐标图区对数字图像20的像素24分类。数字图像20的位置（x，y）处的像素可以被分类为：
其中：
Cx,y涉及在位置（x，y）处的像素的分类结果，
rx,y涉及在位置（x，y）处的像素的红色分量，
gx,y涉及在位置（x，y）处的像素的绿色分量，以及
bx,y涉及在位置（x，y）处的像素的蓝色分量。
如针对图3中的感兴趣区28示范性示出的，第一像素26集合被分类为染色的，并且第二像素32集合被分类为对照染色的。染色的像素26和对照染色的像素32之外的像素可以被分类为“未定义的”和/或可以被忽略。
通常，生物材料的切片可以被施加有多于两种染色物质或被施加有多种染色物质。
在一个示例中，生物材料切片可以被施加有一种染色物质。在这种情况下，像素24的分类可以涉及：
在一个示例中，服务器处理单元14被配置为：在服务器输入接口12接收到数字图像20之后直接对数字图像20的每个像素24进行分类。
结果，数字图像20的像素24可以在需要像素24的分类结果之前被分类。
服务器存储单元16被配置为存储数字图像和数字图像20的像素24的分类。
结果，每当请求相应数据时，服务器存储单元16可以提供数字图像20的像素24的分类。
在来自客户机的指示数字图像20的感兴趣区28的请求后，服务器输出接口18被配置为将数字图像20的感兴趣区28的像素24的存储分类提供给客户机22。此外或可替换地，服务器输出接口18可以被配置为将与数字图像20的感兴趣区28处的像素分类有关的其他数据提供给客户机22。
结果，由于所请求的数据已经被预先处理并存储在服务器存储单元14中，所以可以立即对指示数字图像20的感兴趣区28的接收到的请求进行应答。
在一个示例中，服务器处理单元14经由第二数据连接34与服务器存储单元16连接。因此，服务器处理单元14可以将例如数字图像20的像素24的分类的数据发送到服务器存储单元16。在另一示例中，服务器处理单元14可以经由第二数据连接34从服务器存储单元16检索数据，例如数字图像20的像素24的分类。
在另一示例中，提供第三数据连接36以连接服务器处理单元14和服务器输出接口18。
在一个示例中，服务器处理单元14可以被配置为经由第三数据连接36将从服务器存储单元16检索的数据提供给服务器输出接口18。
在一个示例中，提供第四数据连接38以允许服务器输出接口18从服务器存储单元16检索数据。
在另一示例中，第三数据连接36可以被配置为将控制信号从服务器处理单元14传输到服务器输出接口18。例如，服务器输出接口18可以由服务器处理单元14控制以经由第四数据连接38从服务器存储单元16检索数据。
按照另一示例，服务器输出接口18被配置为：将由服务器存储单元16存储的数据的至少一部分作为与感兴趣区28处的像素分类有关的数据提供给客户机22。
在一个示例中，在数字图像20的感兴趣区处的像素24的分类结果可以作为与感兴趣区28处的像素分类有关的数据被提供给客户机22。
结果，由服务器输出接口18提供给客户机22的数据量可以被限制，特别地被限制为关于数字图像20的感兴趣区28的最相关的数据。
按照另一示例，服务器处理单元14被配置为：基于相应像素24的颜色属性，针对每种染色物质，计算所述数字图像20的每个像素24处的吸收值ax,y。
在一个示例中，像素的吸收值优选地涉及在相应像素的对应位置处已经被切片吸收的染色物质的量。
在一个示例中，在染色物质被吸收的情况下，切片处的点相对于染色物质改变其颜色。因此，可应用像素的颜色属性来为数字图像20的相应像素24计算吸收值。
在一个示例中，对于数字图像20的位置（x，y）处的像素24的吸收值ax,y可以被计算为：
ax,y= 255 – (rx,y + gx,y +bx,y)/3。
结果，可以独立于相应染色物质而为每个像素24计算吸收值ax,y。优选地，例如针对第一染色物质和第二染色物质可以使用与上述相同的公式。
以上给出的公式可以是一种近似，其仅当在给定像素24处只存在染色或对照染色、并且特别地二者不同时存在时有效。上面给出的计算吸收值ax,y的公式可以是非常基本的近似。在现有技术中可以提供更复杂的公式以为像素24计算吸收值ax,y。
在一个示例中，服务器输出单元18被配置为将吸收值ax,y作为与感兴趣区28处的像素分类有关的数据提供给客户机22。
按照另一示例，服务器输入接口12被配置为为每种染色物质接收针对感兴趣区28的吸收阈值ath。服务器处理单元14被配置为选择感兴趣区28处染色分类像素26中的、针对至少一种染色物质具有大于相关吸收阈值ath的吸收值ax,y的像素作为染色所选像素26a。
服务器存储单元16被配置为存储染色所选像素26a和/或染色所选像素26a的吸收值ax,y。
图4示范性示出了数字图像20的感兴趣区28的另一示例。在感兴趣区28处，多个像素已被分类为染色的像素26。感兴趣区28处的另外的多个像素已被分类为对照染色的像素32。
在一个示例中，染色的像素26和对照染色的像素32的颜色属性，特别是色调分别取决于吸收的（对照）染色物质的量。例如，对于第一染色物质，一组染色的像素26在它们的颜色强度方面不同。因此，（对照）染色的像素26、32与不同的吸收值相关联，即使它们全部被分类为（对照）染色的像素26、32。
在实际应用中，已经发现，如果只考虑感兴趣区28处的、其吸收值大于预定义吸收阈值ath的染色像素26的子集，那么关于感兴趣区处的染色的重要性可以增加。例如，参照图4，为了进一步的目的，优选只考虑染成黑色的像素26a。像素26、32的黑度应该由阴影线的距离来指示。
在图5中示出了具有比相应吸收阈值ath大的吸收值的染色所选像素26a。类似地，图5中只示出了黑色对照染色的像素32。
在一个示例中，如图5中示范性示出的，基于切片20的染色，只有染色所选像素26a对分数有显著贡献。
在一个示例中，服务器输出接口16被配置为将存储的（对照）染色所选像素26a、32a和/或所存储的所述（对照）染色所选像素26a、32a的吸收值ax,y作为与感兴趣区28处的像素分类有关的数据提供给客户机22。
结果，可以在请求后执行对（对照）染色所选像素26a、32a和/或（对照）染色选择像素26a、32a的吸收值ax,y的计算。
按照另一示例，服务器处理单元14被配置为：在请求后，将表征所述感兴趣区28处的染色的分数S作为所存储的染色所选像素26a和/或所存储的所述染色所选像素26a的吸收值ax,y的函数来计算。服务器输出接口18被配置为将分数S作为与感兴趣区28处的像素分类有关的数据提供给客户机22。
如图5中示范性示出的，感兴趣区28可以包括涉及第一染色物质的染色所选像素26和涉及第二染色物质的染色所选像素32a，所述染色所选像素32a进一步被称为对照染色所选像素32a。
在一个示例中，分数S可以被计算为：
其中：
NS[a]涉及在感兴趣区28处具有吸收值ax,y的染色所选像素26a的数量，
NC[a]涉及在感兴趣区处具有吸收值ax,y的对照染色所选像素32a的数量，
，且
。
以上提供的分数S可以被称为区域分数。用于计算分数的另一示例可以被提供为：
以上提供的用于计算分数S的公式可以称为强度分数。
为了计算分数S，可以考虑区域分数和强度分数的组合。
在一个示例中，分数S可以是NS[a]和NC[a]的函数f：
S = f (a,N S[a],N C[a])。
参照图2、4和5，感兴趣区28和吸收阈值ath可能已被预定义。然而，该请求可以由客户机22改变，并且因此可以向服务器10提供不同的感兴趣区28和/或不同的吸收阈值ath作为新的请求。
按照本发明的示范性实施例，服务器处理单元14被配置为确定多个数字图块40，每个数字图块与数字图像20的整个区域的子区域处的像素24相关联，使得数字图像20的大部分像素24中的每个像素由至少两个图块40关联。服务器处理单元14被配置为将数字图像的每个像素24的至少一个吸收值ax,y量化为预定数量k的吸收级别ap中的一个。服务器处理单元14被配置为为每个图块40计算对于每种染色物质的吸收频率矢量N。吸收频率矢量N针对每个吸收级别ap包括一条目，该条目指示针对相应染色物质的、图块40在相应吸收级别ap处的染色像素26的数量。服务器存储单元16被配置为存储数字图块40和/或吸收频率矢量N。
数字图像20的样本区域42在图6中示出。样本区域42被分成四个图块40。图块40中的每个图块与数字图像20的子区域处的像素相关联。换言之，每个图块40可以形成数字图像20的子图像。
在图7中示出了样本区域42的另一示例。图7中所示的样本区域42优选与图6中所示的样本区域42的子区域的相同像素相关联。换言之，图6和7的样本区域42映射到数字图像20的相同子区域。
图7中所示的子区域42被分成16个图块40。图7的子区域42的每个图块40与数字图像20的像素相关联。如在图6和图7之间的比较中可以看出的，数字图像的相同像素由图6的样本区域42的图块40相关联。由于图6的子区域42的图块40大于图7中所示的图块40，图6的图块40与数字图像20的甚至更多的像素相关联。
在图8中示出了被分成多个图块40的样本区域42的另一示例。图8的样本区域42与图6和图7的样本区域42相对应。因此，样本区域42优选地与数字图像20的、与图6和图7的样本区域42相同的像素24相关联。
正如从图8中可以看出的，样本区域42被分成64个图块40。
图6至图8示出了对于图块的四叉树结构的示例。图6示出了第一四叉树级别的示例，图7示出了第二四叉树级别，以及图8示出了第三四叉树级别。针对样本区域42，图块40的数量增加，特别地指数地增加。然而，不同四叉树级别处的样本区域42的图块40至少部分地与数字图像20的相同像素24相关联。
结果，数字图像20的大部分像素24中的每个像素由至少两个图块40关联，特别是在图块40被构建在不同的四叉树级别的场合。
作为另一结果，特别是在不同的四叉树级别处的图块40与公共像素相关联，这促进了在服务器10处的进一步的进程。对于进一步的进程，可以使用图块40的适当选择来计算感兴趣区28的分数S。
在一个示例中，可以通过使用积分图像（integral image）技术来促进该进程。图块40优选为矩形。因此，感兴趣区28的子区域可以与由点A、B、C和D定义的矩形区域相关，每个点位于一个不同的位置（x，y）。此外，点A、B、C和D中的每一个在矩形积分图像图块的意义上涉及图块40的角点，并且因此各自形成积分图像图块，其中积分图像图块适当地从如上所述在任何四叉树级别上的图块40中选择。
在一个示例中，由点A、B、C和D定义的区域的分数S可以被计算为：
其中：
并且
并且其中：
A涉及位置（xA, yA）；
B涉及位置（xB, yB）；
C涉及位置（xC, yC）；
D涉及位置（xD, yD）；
IS[x,y,a]涉及在数字图像20的位置（x，y）的左上区域处具有吸收值a的染色所选像素26a的数量；以及
IC[x,y,a]涉及在数字图像20的位置（x，y）的左上区域处具有吸收值a的对照染色所选像素32a的数量；
为了更加促进在服务器10处的进一步的进程，提供了在服务器处的进一步的预先处理。
像素24的吸收值ax,y可以在它们的值方面很大地变化。为了减少它们的处理工作，数字图像20的每个像素24的吸收值ax,y可以在服务器处理单元14处量化为预定数量k个吸收级别ap中的一个。因此，较大可能数量的吸收值ax,y可被映射到吸收级别ap的小集合、特别是由数量k定义的小集合中。
每个图块40与数字图像20的多个像素24相关联。因此，相对于由相应图块40相关联的像素24，可以存在不同吸收级别ap的分布。
关于图块40处的像素24的吸收级别ap的分布的信息可以布置在吸收频率矢量N中。
对于每个图块40，可以提供多于一个吸收频率矢量N，特别地针对每种染色物质提供一个吸收频率矢量。
在一个示例中，每个吸收频率矢量N的条目的数量与吸收级别ap的数量k相对应。就这一点而论，这些条目针对相应染色物质指示在相关吸收级别ap处相应图块处的染色像素的数量。
换言之，在一个示例中，针对每个图块40，相关吸收频率矢量N的条目对应于在不同的吸收级别ap处相应图块40的吸收物质特定的染色像素24的数量，即被分类为用相应染色物质染色的像素24的数量。
例如，吸收频率矢量N的第一条目涉及第一吸收级别ap。在另一示例中，图块40可以包括与第一吸收级别ap相关联的十个像素，使得针对该图块40的吸收频率矢量N的第一条目可以具有值10。针对相应图块40以相似的方式计算吸收频率矢量N的另外的条目。
在一个示例中，服务器处理单元14可以被配置为针对每个图块40预先计算对于每种染色物质的吸收频率矢量N。
结果，吸收频率矢量N的计算可以在来自客户机22的请求之前被执行和/或结束。
作为另一结果，在出现来自客户机22的请求的情况下，服务器10由于预先处理而准备初始地提供与感兴趣区28有关的数据。这为客户机站点处的用户提升了性能。
在一个示例中，服务器输出接口18被配置为提供所存储的数字图块40和/或所存储的吸收频率矢量N作为与感兴趣区28处的像素分类有关的数据。
按照本发明的示例，服务器处理单元14被配置为以四叉树结构和/或积分图像结构来确定多个图块40。
用于排列数据的四叉树结构在现有技术中通常是已知的。
用于排列数据的积分图像结构在现有技术中通常也是已知的。
在一个示例中，四叉树结构包括至少两个级别处的图块40。参照图6至8，已经示范性地描述了不同四叉树级别处的图块40。不同四叉树级别的图块40可以与数字图像20的相同的多个像素24相关联。
按照本发明的另一示例，如图9和图10中示范性示出的，服务器处理单元14被配置为在请求后将所述多个存储的数字图块40中的最小数量的图块确定为所选图块44，使得所选图块44形成对应于数字图像20的感兴趣区28的积分区域。服务器输出接口18被配置为将所选图块44和/或所选图块44的吸收频率矢量N作为与所述感兴趣区28处的像素分类有关的数据提供给客户机22。
结果，提供给客户机22的数据量可能受到限制，特别是相对于感兴趣区28。
作为另一结果，选择过程不需要在客户机22处执行。相反，服务器处理单元14的性能可以被利用来确定所选图块44。因此，可以提供针对客户机处的用户的性能提升。
在一个示例中，积分图像是对应于数字图像20的感兴趣区28的最小积分区域。
图9示范性示出了数字图像20。样本区域42在数字图像20处被标记，数字图像20包括形成感兴趣区28的子区域。
图10示出了放大的样本区域42。
参照关于图6至8的解释，样本区域42可以在不同的四叉树级别被划分为具有不同大小的图块40。
在感兴趣区28内，示出了所选图块44。所选图块44可以包括对应于相应的四叉树级别的不同大小。
在感兴趣区28的中间，所选图块44可以具有更大的大小并且可以与第一四叉树级别相关。在去往感兴趣区28的边界的方向上，所选图块44的大小被减小，使得相应的所选图块44与更高四叉树级别的图块40相关。
在一个示例中，从不同四叉树级别中选择所选图块44，使得所选图块44形成与数字图像20的感兴趣区28相对应的积分区域。
在一个示例中，图块44的选择还与对应的吸收频率矢量N相关。因此，通过确定所选图块44，也可以确定相应吸收频率矢量N。
在服务器10处出现来自客户机22的、关于感兴趣区28的请求的情况下，服务器输出接口18可以被配置为将所选图块44的吸收频率矢量N作为与感兴趣区28处的像素分类相关的数据提供给客户机22。
结果，客户机22可以接收最小数据，原因在于所选图块44可形成用于形成与感兴趣区28相对应的积分区域的最小数量的图块。因此，与所选图块44相关的吸收频率矢量N也可以形成与感兴趣区28有关的最小数量的吸收频率矢量N。
结果，客户机22可以为了另外的目的而处理关于感兴趣区28的较少的数据集。这提升了客户机站点处的性能。
按照本发明的示例，服务器处理单元14被配置为在请求后将多个存储的数字图块40中的最小数量的图块确定为所选图块44，使得所选图块44形成与数字图像20的感兴趣区28相对应的积分区域。服务器输入接口12被配置为为每种染色物质接收针对感兴趣区28的吸收阈值ath。服务器处理单元14被配置为：在请求后选择所选图块44的所存储的吸收频率矢量N的条目作为所选条目，其中相关吸收级别ap各自大于它们的相关吸收阈值ath。服务器处理单元14被配置为：在请求后，将表征感兴趣区28处的染色的分数S作为所选图块44的存储的吸收频率矢量N的所选条目和/或全部条目的函数来计算。服务器输出接口18被配置为将分数S作为与感兴趣区28处的像素分类有关的数据提供给客户机22。
结果，可以采用服务器处理单元14来标识与在感兴趣区28处的像素分类有关的吸收频率矢量N的相关条目，其中处理单元14可以进一步被配置为将分数S作为吸收频率矢量N的所标识条目的函数来计算。
在一个示例中，由服务器处理单元14对多个数字图块14的确定进行预先处理，并且由服务器存储单元16存储该多个数字图块14。因此，在服务器输入接口12处从客户机22接收到针对与感兴趣区28处的像素分类有关的数据的请求的情况下，服务器处理单元14进而选择相关的图块44，使得所选图块44形成对应于数字图像20的感兴趣区28的积分区域。因此，可以在服务器10处执行选择，然而通常是用高性能的服务器处理单元14来执行。由于已经存储了多个数字图块40，所以可以快速执行选择过程。
关于吸收阈值ath，参考在前面文本段落中所解释的对吸收阈值ath的解释。
在一个示例中，每个存储的吸收频率矢量N包括与优选数量k个吸收级别ap有关的条目。然而，基于吸收阈值ath，可以执行对存储的吸收频率矢量N的条目的选择以选择相关条目，这些条目对关于感兴趣区28处的染色的设想的分数S有贡献。因此，通过修改（adapt）吸收阈值ath，可以为吸收频率矢量N的这些条目修改贡献。
在吸收频率矢量N由服务器处理单元14预先处理并由服务器存储单元16存储的情况下，可以由服务器处理单元14快速地执行相对于吸收阈值ath的、存储的吸收频率矢量N的条目的选择。甚至吸收阈值ath的修改也可以进而启动服务器处理单元14以更新所选条目。该更新也可以快速地执行。
在一个示例中，如上文已引述的，分数S可以被计算为：
结果，服务器处理单元14被配置为在针对与感兴趣区28有关的数据（特别是伴随有相关吸收阈值ath）的请求到达服务器输入接口12的情况下，计算（多个）最终处理步骤。
作为另一结果，服务器处理单元14可以快速地计算分数，因为基于其计算分数的数据，特别是频率分布矢量N被预先处理并存储。
按照本发明的另一方面，提供了客户机22。在图11中示范性示出了客户机22。客户机22包括客户机输入接口46、用户界面48和客户机输出接口50。客户机输入接口46被配置为接收已经施加有至少一种染色物质的生物材料切片的数字图像20。用户界面48被配置为显示数字图像20。用户界面48被配置为接收用户的选择信号并且基于所述选择信号来选择数字图像20的感兴趣区28。客户机输出接口50被配置为将针对与感兴趣区28处的像素分类有关的数据的请求发送给服务器10。客户机输入接口46被配置为在请求后，从服务器10接收与感兴趣区28处的像素分类有关的数据。
在一个示例中，由客户机22接收的数字图像20与由服务器10接收的数字图像20相对应。相应地，这些数字图像20可以涉及相同的数字图像20。
在一个示例中，客户机输入接口46可以被配置为经由数据连接76将从服务器10接收的数据提供给客户机22的用户界面48。
按照本发明的示例，客户机22的用户界面48被配置为显示与感兴趣区28处的像素分类有关的接收到的数据。
在一个示例中，用户界面48可以包括图形用户界面。
在一个示例中，用户界面48可以包括显示器。具体地，用户界面可以包括触摸屏。
在一个示例中，客户机输入接口48是硬件输入接口和/或软件输入接口。
在一个示例中，用户界面48被配置为从小键盘、鼠标和/或允许用户录入用户输入的任何其他计算机外围设备接收信号。
在一个示例中，用户界面48可以被配置为经由数据连接78向客户机输出接口50提供数据和/或请求。
结果，用户可以使用客户机22向服务器10发送针对与感兴趣区28有关的数据的请求，该服务器10优选地已经对与感兴趣区28处的像素分类有关的数据进行了预先计算，并且可以被配置为作为回应初始地将该数据发送给客户机22。因此，客户机输入接口48可以在发送请求之后以较短的延迟接收与感兴趣区28处的像素分类有关的数据。因此，客户机22可以提供较高的性能和/或响应性。
在一个示例中，客户机输出接口50是硬件输出接口和/或软件输出接口。在一个示例中，客户机输入接口46和客户机输出接口50被组合为客户机接口。
在一个示例中，客户机输入接口48被配置为经由计算机网络接收数据。
在一个示例中，客户机输出接口50被配置为经由计算机网络发送数据。
图12示范性示出了可以通过用户界面48、特别是通过用户界面48的显示器显示的图像显示52。
在一个示例中，图像显示52包括数字图像20。
在一个示例中，感兴趣区28在数字图像20处被突出显示。
在另一示例中，可以经由用户界面48、并且由此由用户选择感兴趣区28处的样本区域42。
在一个示例中，样本区域42在图像显示52处被放大地示出。
在一个示例中，在放大的样本区域42处示出了染色像素26和对照染色像素32。
此外，在图像显示52处提供第一滑块，以显示和/或调节对于染色物质（第一染色）的吸收阈值ath 染色。
在一个示例中，在图像显示52处提供另一滑块，以显示和/或调节对照染色物质（第二染色物质）的吸收阈值ath 对照染色。
相对于吸收阈值ath 染色，染色像素26的相关像素可被选作染色所选像素26a。
相对于吸收阈值ath 对照染色，染色像素32的相关像素可被选作染色所选像素32a。
可以在图像显示52处的（另一）样本区域42中显示相应选择。该样本区域42可以显示染色所选像素26a和对照染色所选像素32a。
在一个示例中，基于染色所选像素26a和对照染色所选像素32a及其相应的吸收值ax,y，可以计算分数S。
在一个示例中，可以在图像显示52处显示分数S。
在另一示例中，图像显示52显示复选框54，以选择用于计算分数S的公式。
在另一示例中，图像显示52可以包括更新按钮。选择更新按钮可以启动对分数S的更新计算。这可以将调节后的吸收阈值ath或对用以计算分数的公式的经修改的选择纳入考虑。
在一个示例中，由服务器10向客户机22提供分数S。客户机22可以经由用户界面48显示分数A。
在一个示例中，客户机输入接口46被配置为：从服务器10接收感兴趣区28处的像素24的分类作为与感兴趣区28有关的数据的至少一部分。
在一个示例中，图像显示52可以包括显示感兴趣区28处的像素24的分类的区域。特别地，分类可以在数字图像20处被突出显示。
在一个示例中，客户机22包括客户机处理单元58。
在一个示例中，如图13中示范性示出的，客户机处理单元14可以经由数据连接82连接到客户机输入接口46，经由数据连接80连接到用户界面48，和/或经由数据连接84连接到用户输出接口50。
结果，客户机22可以被配置为在请求与感兴趣区28有关的数据后，基于由服务器10提供的数据执行后处理步骤。
按照本发明的示例，客户机22的用户界面48被配置为接收用户的检查信号。客户机处理单元58被配置为基于检查信号来确定感兴趣区28处的样本区域42。用户界面48被配置为在第一细节窗口处显示放大的样本区域42。用户界面48被配置为在第二细节窗口处显示样本区域42的像素的分类结果。
结果，当在第一个细节窗口处手动检查样本区域42时，用户可手动验证在第二细节窗口处显示的分类是否对应于预期结果，特别是针对（多个）吸收阈值ath的（多个）当前设置。
在一个示例中，第一细节窗口和第二细节窗口具有相同的大小。结果，验证被简化了。
按照本发明的另一示例，客户机输入接口48被配置为为每种染色物质接收针对感兴趣区28的吸收阈值ath。客户机输出接口50被配置为：与针对与感兴趣区28处的像素分类有关的数据的请求一起、向服务器10发送至少一个吸收阈值ath。客户机输入接口46被配置为在请求后，从服务器10接收感兴趣区28处的染色所选像素26a、32a的吸收值ax,y，其中染色所选像素26a、32a被分类为染色的并且具有大于它们的吸收阈值ath的吸收值ax,y。客户机22包括客户机处理单元58。客户机处理单元58被配置为将表征所述感兴趣区28的染色的分数S作为所述染色所选像素26a、32a的吸收值ax,y的函数来计算。用户界面48被配置为显示分数S。
结果，可以改为在客户机22处，即基于服务器预先处理的数据或事先存储的数据（在服务器10处）执行最终步骤。
关于先前说明的客户机22的优选配置，参考服务器10的相应配置。可以在客户机22处实现类似的特征及它们的解释。因此，应当理解，在此处不重复所有参照本发明的服务器10提供的解释中的示例的情况下，可以由客户机处理单元50执行基于所存储的数据的处理步骤。特别地，客户机处理单元50可以被配置为执行这些步骤中的至少一个。
结果，可以在客户机22处、然而基于由服务器10预先处理的数据来计算分数S。这提升了由客户机22提供给用户的响应性和/或性能。
按照本发明的另一示例，客户机输入接口46被配置为为每种染色物质接收针对感兴趣区28的吸收阈值ath。客户机输出接口50被配置为：与针对与感兴趣区28处的像素分类有关的数据的请求一起、向服务器10发送至少一个吸收阈值ath。客户机输入接口46被配置为从服务器10接收感兴趣区28的所选数字图块44的吸收频率矢量N。所选图块46形成对应于感兴趣区28的积分区域。针对每个所选图块44和每种染色物质，提供相关联的吸收频率矢量N。每个吸收频率矢量N针对吸收级别ap包括一个条目，该条目针对相应染色物质指示相应图块44在相应的吸收级别ap处的染色像素26的数量。客户机22包括客户机处理单元58。客户机处理单元58被配置为选择所述吸收频率矢量N的条目作为所选条目，所选条目的相关联的吸收级别ap各自大于相关吸收阈值ath。客户机处理单元58被配置为：在请求后，将表征所述感兴趣区28处的染色的分数S作为吸收频率矢量N的所选条目和/或全部条目的函数来计算。用户界面48被配置为显示分数S。
关于先前说明的客户机22的优选配置，参考服务器10的相应配置。可以在客户机22处实现类似的特征及它们的解释。因此，应当理解，在此处不重复所有参照本发明的服务器10提供的解释中的示例的情况下，可以由客户机处理单元50执行基于所存储的数据的处理步骤。
结果，可以在客户机10处、然而基于由服务器10预先处理的数据来计算分数S。这提升了由客户机22提供给用户的响应性和/或性能。
结果，可以变化感兴趣区28和/或吸收阈值ath，同时可以依据和基于已经接收到的数据重新计算分数S。图像显示52可以被相应地更新。
结果，预先处理的数据可以从服务器10传输到客户机22一次，原因在于，即使有不同的感兴趣区和/或吸收阈值ath，传输的数据也可以是计算分数的基础。
按照本发明的第三方面，提供了系统60。在图14中示范性示出了系统60。系统60包括按照前述示例之一的服务器10。系统60还包括按照前述示例之一的至少一个客户机22。
应该理解，在此处不重复所有参考服务器10和/或客户机22提供的示例和解释的情况下，本发明的系统旨在相应地进行配置。因此，尽管首先参考服务器10和/或客户机22提供了以上的示例和解释，它们也旨在由系统60实现。这可以借助于例如合适的硬件和/或软件来实现。
在一个示例中，提供服务器10和至少一个客户机22之间的数据连接86。数据连接86可以被配置为传输数据和/或请求。
按照本发明的第四方面，提供了方法61。在图15中示范性示出了方法61。方法61包括以下步骤：
在也被称为步骤a）的第一接收步骤62中，在服务器10处接收已经施加有至少一种染色物质的生物材料切片的数字图像。
在也被称为步骤b）的第二分类步骤64中，在服务器10处对数字图像20的每个像素24进行分类，其中在像素24的颜色属性在指示相应染色物质吸收的预定义属性范围内的情况下，像素24相对于各种染色物质被分类为染色的。
在也被称为步骤c）的第三接收步骤66中，在客户机22处接收生物材料切片的相同数字图像20。
在也被称为步骤d）的第四显示步骤68中，在客户机22处接收的数字图像20由客户机22的用户界面48显示。
在也被称为步骤e）的第五选择步骤70中，在经由用户界面48接收到用户的选择信号时、并基于所述选择信号，在客户机22处选择数字图像20的感兴趣区28。
在也被称为步骤f）的第六发送步骤72中，将来自客户机22的与感兴趣区28处的像素分类有关的数据的请求发送到服务器10。
在也被称为步骤g）的第七发送步骤74中，在从所述客户机22接收到所述针对与所述感兴趣区28处的像素分类有关的数据的请求之前步骤b）的分类已经结束的情况下，将来自所述服务器10的数字图像20的感兴趣区28处的像素分类和/或与分类有关的其他数据发送到客户机22。
在一个示例中，第一组步骤a）和b）可以在第二组步骤c）至f）之前、之后、并行、重叠或以任何其他时间顺序执行。
在一个示例中，第一组步骤按它们的命名顺序执行。
在一个示例中，第二组步骤按它们的命名顺序执行。
要理解的是，在此处不重复所有参考服务器10和客户机22提供的示例和解释的情况下，本发明的方法61旨在被形成为分别执行服务器10和/或客户机22的方法步骤。因此，尽管首先分别参考服务器10和客户机22提供所有以上示例和解释，它们也意图由方法61来实现。
按照本发明的另一示例，提供了一种计算机程序单元，其在由服务器10和至少一个客户机22执行时适于执行上述方法61。
按照本发明的另一示例，提供了一种计算机程序单元，其在由本发明的系统60执行时适于执行上述方法61。
按照本发明的另一示例，提供了一种其上存储有程序单元的计算机可读介质，程序单元在由服务器10和/或客户机22执行时适于执行上述方法61。
按照本发明的另一示例，提供了其上存储有程序单元的计算机可读介质，程序单元在被系统执行时适于执行上述的方法61。
计算机程序可以储存在合适的介质上和/或在合适的介质上分发，合适的介质诸如是与其他硬件一起供应的或作为其他硬件的一部分供应的光学存储介质或固态介质，但是计算机程序也可以用其他形式分发，诸如经由互联网或其他有线或无线电信系统分发。
必须注意的是，参考不同的主题描述了本发明的实施例。特别是，一些实施例是参考方法类型权利要求来描述的，而其他实施例是参考设备类型权利要求，具体为服务器10和/或客户机22，来描述的。然而，本领域技术人员将从上述和以下描述中获悉：除非另外通知，否则除属于一种类型主题的特征的任意组合之外，还认为通过本申请公开了涉及不同主题的特征之间的任意组合。无论如何，所有特征都可以组合起来提供协同的效果，其不仅仅是特征的简单总合。
虽然已经在附图和前述描述中详细图示和描述了本发明，但是这样的图示和描述将被认为是说明性或示范性的，而非限制性的。本发明不限于所公开的实施例。通过研究附图、公开内容和从属权利要求，本领域技术人员在实践所主张的发明时可以理解和实现所公开的实施例的其他变型。
在权利要求中，词语“包括”不排除其他元件或者步骤，并且不定冠词“a（一）”或“an（一个）”不排除多个。处理单元或者其他单元可以实现权利要求中记载的若干项目的功能。在互不相同的从属权利要求中记载特定措施的仅有事实并不表明不能使用这些措施的组合来获益。权利要求中的任何参考标记不应当被解释为限制范围。

Claims (15)

1.一种服务器（10），包括：
- 服务器输入接口（12）；
- 服务器处理单元（14）；
- 服务器存储单元（16）；以及
- 服务器输出接口（18）；
其中，所述服务器输入接口被配置为接收已经被施加有至少一种染色物质的生物材料切片的数字图像（20）；
其中，所述服务器处理单元被配置为对所述数字图像的每个像素（24）进行分类，其中在像素（26、32）的颜色属性在指示染色物质吸收的预定义属性范围内的情况下，所述像素相对于相应染色物质被分类为染色的；
其中，所述服务器存储单元被配置为存储所述数字图像和所述数字图像的像素的分类；
其中，所述服务器输入接口还被配置为从客户机（22）接收指示所述数字图像的感兴趣区（28）的请求；以及
其中，所述服务器输出接口被配置为将所述感兴趣区处的所述像素的所存储的分类和/或与所述分类有关的其他数据提供给所述客户机。
2.根据权利要求1所述的服务器，其中，所述服务器输出接口被配置为：将由所述服务器存储单元存储的所述数据的至少一部分作为与所述感兴趣区处的像素分类有关的数据提供给所述客户机。
3.根据权利要求1或2中任一项所述的服务器，其中，所述服务器处理单元被配置为：在所述数字图像的每个像素处基于相应像素的颜色属性为每种染色物质计算吸收值ax,y。
4.根据权利要求3所述的服务器，其中，所述服务器输入接口被配置为为每种染色物质接收针对所述感兴趣区的吸收阈值ath；
其中，所述服务器处理单元被配置为选择所述感兴趣区处染色分类像素中的、针对至少一种染色物质具有大于相关吸收阈值的吸收值的像素作为染色所选像素（26a、32a）；以及
其中，所述服务器存储单元被配置为存储染色所选像素和/或所述染色所选像素的吸收值。
5.根据权利要求4所述的服务器，其中，所述服务器处理单元被配置为：在请求后，将表征所述感兴趣区处的染色的分数S作为所存储的染色所选像素和/或所存储的所述染色所选像素的吸收值的函数来计算；以及
其中，所述服务器输出接口被配置为将所述分数作为与所述感兴趣区处的像素分类有关的数据提供给所述客户机。
6.根据权利要求3所述的服务器，其中，所述服务器处理单元被配置为确定多个数字图块（40），每个数字图块（40）与所述数字图像的整个区域的子区域处的像素相关联，使得所述数字图像的大部分像素中的每个像素由至少两个图块关联；
其中，所述服务器处理单元被配置为将所述数字图像的每个像素的所述至少一个吸收值量化为预定数量的吸收级别ap中的一个；
其中，所述服务器处理单元被配置为为每个图块计算针对每种染色物质的吸收频率矢量N，其中所述吸收频率矢量针对每个吸收级别包括一个条目，所述条目指示针对相应染色物质的在相应吸收级别处的所述图块的染色像素的数量；以及
其中，所述服务器存储单元被配置为存储所述数字图块和/或所述吸收频率矢量。
7.根据权利要求6所述的服务器，其中，所述服务器处理单元被配置为以四叉树结构和/或积分图像结构来确定所述多个图块。
8.根据权利要求6至7中任一项所述的服务器，其中，所述服务器处理单元被配置为在请求后将多个存储的数字图块中的最小数量的图块确定为所选图块（44），使得所选图块形成与数字图像的感兴趣区相对应的积分区域；以及
其中，所述服务器输出接口被配置为将所述所选图块和/或所述所选图块的吸收频率矢量作为与所述感兴趣区处的像素分类有关的数据提供给所述客户机。
9.根据权利要求6至7中任一项所述的服务器，其中，所述服务器处理单元被配置为在请求后将多个存储的数字图块中的最小数量的图块确定为所选图块，使得所选图块形成与数字图像的感兴趣区相对应的积分区域；
其中，所述服务器输入接口被配置为为每种染色物质接收针对所述感兴趣区的吸收阈值；
其中，所述服务器处理单元被配置为：在请求后，选择所选图块的所存储的吸收频率矢量的条目作为所选条目，其相关吸收级别各自大于它们的相关吸收阈值；
其中，所述服务器处理单元被配置为：在请求后，将表征所述感兴趣区处的染色的分数作为所述所选图块的所存储的吸收频率矢量的所选条目和/或全部条目的函数来计算；以及
其中，所述服务器输出接口被配置为将所述分数作为与所述感兴趣区处的像素分类有关的数据提供给所述客户机。
10.一种客户机（22），包括：
客户机输入接口（46）；
用户界面（48）；
客户机输出接口（50）；
其中，所述客户机输入接口被配置为接收已经施加有至少一种染色物质的生物材料切片的数字图像；
其中，所述用户界面被配置为显示所述数字图像；
其中，所述用户界面被配置为接收来自用户的选择信号并且基于所述选择信号选择所述数字图像的感兴趣区；
其中，所述客户机输出接口被配置为将针对与所述感兴趣区处的像素分类有关的数据的请求发送给服务器；以及
其中，所述客户机输入接口被配置为在请求后从所述服务器接收与所述感兴趣区处的像素分类有关的数据。
11.根据权利要求10所述的客户机，其中，所述用户界面被配置为显示与所述感兴趣区处的像素分类有关的所接收的数据。
12.根据权利要求10至11中任一项所述的客户机，其中，所述客户机输入接口被配置为为每种染色物质接收针对所述感兴趣区的吸收阈值；
其中，所述客户机输出接口被配置为与针对与所述感兴趣区处的像素分类有关的数据的请求一起，向所述服务器发送所述至少一个吸收阈值；
其中，客户机输入接口被配置为在请求后，接收来自服务器的在感兴趣区处的像素的染色所选像素的吸收值，其中，染色所选像素被分类为染色的并且具有大于其相关吸收阈值的吸收值；
其中，所述客户机包括客户机处理单元；
其中，所述客户机处理单元被配置为将表征所述感兴趣区的染色的分数作为所述染色所选像素的所述吸收值的函数来计算；以及
其中，用户界面被配置为显示所述分数。
13.根据权利要求10至11中任一项所述的客户机，其中，所述客户机输入接口被配置为为每种染色物质接收针对所述感兴趣区的吸收阈值；
其中，所述客户机输出接口被配置为与针对与所述感兴趣区处的像素分类有关的数据的请求一起，向所述服务器发送所述至少一个吸收阈值；
其中，所述客户机输入接口被配置为从所述服务器接收所述感兴趣区的所选数字图块的吸收频率矢量，其中，所述所选图块形成与所述感兴趣区相对应的积分区域，并且其中，针对每个所选图块和染色物质，相关联的吸收频率矢量针对每个吸收级别包括一个条目，所述条目指示针对相应染色物质的在相应吸收级别处的相应图块的染色像素的数量；
其中，所述客户机包括客户机处理单元；
其中，所述客户机处理单元被配置为选择所述吸收频率矢量的条目作为所选条目，其相关联的吸收级别各自大于相关吸收阈值；
其中，所述客户机处理单元被配置为：在请求后，将表征所述感兴趣区处的染色的分数作为所述吸收频率矢量的所选条目和/或全部条目的函数来计算；以及
其中，所述用户界面被配置为显示所述分数。
14.一种系统，包括：
-根据权利要求1至9中任一项所述的服务器；以及
-至少一个根据权利要求10至13中任一项所述的客户机。
15.一种方法，包括以下步骤：
a）在服务器处接收已经施加有至少一种染色物质的生物材料切片的数字图像；
b）在所述服务器处，对所述数字图像的每个像素进行分类，其中，在像素的颜色属性在指示相应染色物质吸收的预定义属性范围内的情况下，所述像素相对于各种染色物质被分类为染色的；
c）在客户机处接收所述生物材料切片的相同数字图像；
d）由所述客户机的用户界面显示在所述客户机处接收到的所述数字图像；
e）在接收到由用户经由所述用户界面提供的选择信号时、并基于由用户经由所述用户界面提供的选择信号，在客户机处选择所述数字图像的感兴趣区；
f）从所述客户机将针对与所述感兴趣区处的像素分类有关的数据的请求发送到所述服务器；
g）在从所述客户机接收到所述针对与所述感兴趣区处的像素分类有关的数据的请求之前步骤b）的分类已经结束的情况下，从所述服务器向所述客户机发送所述数字图像的感兴趣区处的像素的分类和/或与所述分类有关的其他数据。
CN201680049021.XA 2015-08-24 2016-08-12 数字病理学中的服务器‑客户机架构 Pending CN107924462A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP15182141.0 2015-08-24
EP15182141 2015-08-24
PCT/EP2016/069255 WO2017032621A1 (en) 2015-08-24 2016-08-12 Server-client architecture in digital pathology

Publications (1)

Publication Number Publication Date
CN107924462A true CN107924462A (zh) 2018-04-17

Family

ID=54106118

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201680049021.XA Pending CN107924462A (zh) 2015-08-24 2016-08-12 数字病理学中的服务器‑客户机架构

Country Status (6)

Country Link
US (1) US11416983B2 (zh)
EP (1) EP3341889A1 (zh)
JP (1) JP6930963B2 (zh)
CN (1) CN107924462A (zh)
RU (1) RU2728520C2 (zh)
WO (1) WO2017032621A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110560930A (zh) * 2019-09-16 2019-12-13 深圳泰软软件科技有限公司 采血卡血斑的切割方法、装置及可读存储介质

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110168561B (zh) 2016-10-27 2023-06-16 皇家飞利浦有限公司 用于确定一个或多个组织样本中的细胞组成信息的装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101149327A (zh) * 2007-11-06 2008-03-26 浙江大学 基于细胞显微图像信息的抗肿瘤药物评价和筛选方法
CN101176116A (zh) * 2005-05-13 2008-05-07 三路影像公司 基于色原分离的图像分析方法
US20100183216A1 (en) * 2009-01-21 2010-07-22 Sysmex Corporation Cell image processing apparatus, cell image processing method and computer program product
US20120314930A1 (en) * 2008-06-17 2012-12-13 Hoyt Clifford C Image Classifier Training
CN103020585A (zh) * 2012-11-06 2013-04-03 华南师范大学 一种免疫组织阳性细胞和阴性细胞识别方法
US20140314300A1 (en) * 2013-03-15 2014-10-23 Hologic, Inc. System and method for reviewing and analyzing cytological specimens
WO2014195193A1 (en) * 2013-06-03 2014-12-11 Ventana Medical Systems, Inc. Image adaptive physiologically plausible color separation

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2686274B2 (ja) 1988-03-24 1997-12-08 東亜医用電子株式会社 細胞画像処理方法および装置
US5003979A (en) 1989-02-21 1991-04-02 University Of Virginia System and method for the noninvasive identification and display of breast lesions and the like
EP1608178A1 (en) * 2004-06-18 2005-12-21 STMicroelectronics S.A. A conversion device for performing a raster scan conversion between a JPEG decoder and an image memory
US7113625B2 (en) * 2004-10-01 2006-09-26 U.S. Pathology Labs, Inc. System and method for image analysis of slides
JP4496943B2 (ja) * 2004-11-30 2010-07-07 日本電気株式会社 病理診断支援装置、病理診断支援プログラム、病理診断支援装置の作動方法、及び病理診断支援システム
US8774560B2 (en) * 2005-01-11 2014-07-08 University Of Central Florida Research Foundation, Inc. System for manipulation, modification and editing of images via remote device
KR20080059157A (ko) * 2005-08-12 2008-06-26 릭 비. 예거 인간의 피부의 시각적 매력을 강화하기 위하여 반사율변형제를 가하는 시스템 및 방법
DE202006003008U1 (de) * 2005-09-02 2007-01-18 S.Co Gmbh Vorrichtung zur Bildanalyse
US7889922B2 (en) 2005-11-14 2011-02-15 Siemens Medical Solutions Usa, Inc. Method and system for histogram calculation using a graphics processing unit
WO2007148284A2 (en) 2006-06-23 2007-12-27 Koninklijke Philips Electronics N.V. A method, a system and a computer program for determining a threshold in an image comprising image values
US20080112614A1 (en) 2006-11-14 2008-05-15 Siemens Corporate Research, Inc. Histogram tile map for gpu based histogram computation
EP3214478B1 (en) * 2007-09-21 2018-12-26 Leica Biosystems Imaging Inc. Improved image quality for diagnostic resolution digital slide images
ITMI20080967A1 (it) 2008-05-23 2009-11-24 Salvatore Longoni Metodo di progettazione e/o selezione di un dispositivo e/o materiale impiantabile in tessuti del corpo umano o animale e dispositivo e/o materiale cosi' ottenuto
BR112012031688A2 (pt) 2010-06-15 2016-08-16 Koninkl Philips Electronics Nv método para o processamento de uma primeira imagem digital e produto de programa de computador para o processamento de uma primeira imagem digital
US8774518B2 (en) 2011-08-02 2014-07-08 Nec Laboratories America, Inc. Digital pathology system with low-latency analytics
US9047660B2 (en) 2012-03-01 2015-06-02 Siemens Corporation Network cycle features in relative neighborhood graphs
JP2014089499A (ja) 2012-10-29 2014-05-15 Renesas Electronics Corp 半導体集積回路のレイアウト設計方法、レイアウト設計プログラム及びレイアウト設計装置
EP2929453B1 (en) * 2012-12-06 2020-04-08 Global Life Sciences Solutions USA LLC Selection and display of biomarker expressions
US8879819B2 (en) * 2012-12-19 2014-11-04 Definiens Ag Gleason grading by segmenting and combining co-registered images of differently stained tissue slices
JP6800152B2 (ja) * 2014-11-10 2020-12-16 ベンタナ メディカル システムズ， インコーポレイテッド 組織学画像中の核の分類
CA2965431C (en) * 2014-12-03 2023-05-16 Ventana Medical Systems, Inc. Computational pathology systems and methods for early-stage cancer prognosis
WO2016120442A1 (en) * 2015-01-30 2016-08-04 Ventana Medical Systems, Inc. Foreground segmentation and nucleus ranking for scoring dual ish images

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101176116A (zh) * 2005-05-13 2008-05-07 三路影像公司 基于色原分离的图像分析方法
CN101149327A (zh) * 2007-11-06 2008-03-26 浙江大学 基于细胞显微图像信息的抗肿瘤药物评价和筛选方法
US20120314930A1 (en) * 2008-06-17 2012-12-13 Hoyt Clifford C Image Classifier Training
US20100183216A1 (en) * 2009-01-21 2010-07-22 Sysmex Corporation Cell image processing apparatus, cell image processing method and computer program product
CN103020585A (zh) * 2012-11-06 2013-04-03 华南师范大学 一种免疫组织阳性细胞和阴性细胞识别方法
US20140314300A1 (en) * 2013-03-15 2014-10-23 Hologic, Inc. System and method for reviewing and analyzing cytological specimens
WO2014195193A1 (en) * 2013-06-03 2014-12-11 Ventana Medical Systems, Inc. Image adaptive physiologically plausible color separation

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110560930A (zh) * 2019-09-16 2019-12-13 深圳泰软软件科技有限公司 采血卡血斑的切割方法、装置及可读存储介质

Also Published As

Publication number Publication date
US11416983B2 (en) 2022-08-16
US20180240231A1 (en) 2018-08-23
RU2018110361A (ru) 2019-10-01
JP6930963B2 (ja) 2021-09-01
JP2018532982A (ja) 2018-11-08
EP3341889A1 (en) 2018-07-04
RU2728520C2 (ru) 2020-07-30
RU2018110361A3 (zh) 2020-02-14
WO2017032621A1 (en) 2017-03-02

Similar Documents

Publication Publication Date Title
CN109871735A (zh) 图像解析方法、装置、程序及学习完了深层学习算法的制造方法
Bandi et al. From detection of individual metastases to classification of lymph node status at the patient level: the camelyon17 challenge
Veta et al. Mitosis counting in breast cancer: Object-level interobserver agreement and comparison to an automatic method
CN109816623A (zh) 图像解析方法、装置和程序及学习完了深层学习算法及其制造方法
JP4376058B2 (ja) 定量的ビデオ顕微鏡法とそれに関連するシステム及びコンピューターソフトウェアプログラム製品
JP4496943B2 (ja) 病理診断支援装置、病理診断支援プログラム、病理診断支援装置の作動方法、及び病理診断支援システム
Guo et al. Breast cancer histology image classification based on deep neural networks
EP2370951B1 (en) Generation of a multicolour image of an unstained biological specimen
Brachtel et al. Digital imaging in pathology–current applications and challenges
CN109313798A (zh) 用于明场图像模拟的系统
JP2019530847A5 (zh)
Lopez et al. Clustering methods applied in the detection of Ki67 hot‐spots in whole tumor slide images: An efficient way to characterize heterogeneous tissue‐based biomarkers
Lampert et al. Strategies for training stain invariant CNNs
CN107924462A (zh) 数字病理学中的服务器‑客户机架构
JP6882329B2 (ja) Ｉｈｃ画像解析のための空間インデックス作成
Gupta et al. Automated classification for breast cancer histopathology images: Is stain normalization important?
WO2023121846A1 (en) Adversarial robustness of deep learning models in digital pathology
CN108140236A (zh) 用于归一化和伪影校正的图像处理方法和装置
US11222194B2 (en) Automated system and method for creating and executing a scoring guide to assist in the analysis of tissue specimen
JP2021525890A (ja) 生物学的サンプルの画像に対するコンピュータ実装プロセス
Nurzynska Optimal parameter search for colour normalization aiding cell nuclei segmentation
EP2340433B1 (en) Colour management for biological samples
Ozturk et al. Beyond the colors: enhanced deep learning on invasive ductal carcinoma
Chong et al. Diagnostic proficiency test using digital cytopathology and comparative assessment of whole slide images of cytologic samples for quality assurance program in Korea
US20220138945A1 (en) Methods for Preparing Data from Tissue Sections for Machine Learning Using Both Brightfield and Fluorescent Imaging

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