CN107977684A - 一种快速修正骨髓有核细胞分类的交互方法 - Google Patents

一种快速修正骨髓有核细胞分类的交互方法 Download PDF

Info

Publication number
CN107977684A
CN107977684A CN201711382949.2A CN201711382949A CN107977684A CN 107977684 A CN107977684 A CN 107977684A CN 201711382949 A CN201711382949 A CN 201711382949A CN 107977684 A CN107977684 A CN 107977684A
Authority
CN
China
Prior art keywords
cell
classification
bone marrow
database
modified
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.)
Granted
Application number
CN201711382949.2A
Other languages
English (en)
Other versions
CN107977684B (zh
Inventor
李强
陆炬
李舜
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.)
Hangzhou Zhi Wei Mdt Infotech Ltd
Original Assignee
Hangzhou Zhi Wei Mdt Infotech Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Zhi Wei Mdt Infotech Ltd filed Critical Hangzhou Zhi Wei Mdt Infotech Ltd
Priority to CN201711382949.2A priority Critical patent/CN107977684B/zh
Publication of CN107977684A publication Critical patent/CN107977684A/zh
Application granted granted Critical
Publication of CN107977684B publication Critical patent/CN107977684B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明为一种快速校正骨髓有核细胞分类的交互方法，包括以下步骤：通过骨髓标记方法得到标记后的待修正的骨髓细胞；采取多细胞分类推荐方法，对标记后的待修正骨髓细胞进行人工修正分类时，通过菜单的交互方式将样本库中的细胞类型作为基础数据库，对所述基础数据库进行筛选处理后，确定至少一数据库细胞类型，将所述待修正细胞与所述至少一数据库类型匹配，根据匹配结果按照相似度百分比自上而下排列。该方法通过菜单的交互方式列举出经计算机图像识别算法处理后给出的被修正的细胞与样本库中相似度最高的多种细胞类型，按相似度百分比从高到底依次排列，最大化避免了人工在263类细胞分类中的检索，从软件交互层面提高人工修正效率。

Description

一种快速修正骨髓有核细胞分类的交互方法
技术领域
本发明属于计算机医学骨髓涂片检查领域，具体涉及一种快速修正骨髓有核细胞分类的交互方法。
背景技术
骨髓、外周血涂片经瑞氏染色后对其中的有核细胞进行人工分类计数是现有血液病等疾病的常规临床检查方法。人工分类计数的方法具有强经验性，且过程复杂繁琐，检查时间较长，因此有很多基于深度学习的神经网络算法软件应用在外周血涂片的检查领域，对有核细胞进行简单的计算机自动分类，一般为三分类或者五分类。
人工修正分类效率不高。对有核细胞进行三分类或者五分类在外周血涂片检查中仍具有一定的价值。骨髓是人体的造血组织，血细胞都由骨髓造血干细胞发育演化形成，在骨髓中拥有种类丰富的各种有核细胞。临床检查常用的有核细胞就多达49类，不常见但具有临床价值的骨髓中的有核细胞分类多达263类以上。简单的对有核细胞进行三分类或五分类已无法满足骨髓涂片检查的临床需求。基于深度学习的神经网络算法是一种监督型的人工智能算法，监督型算法需要大量的已正确分类的有核细胞样本学习后才具有可临床应用的自动分类准确率。因此，通过计算机自动分类的结果仍需要有经验的检验人员进行人工修正。常见的骨髓细胞分类包括粒细胞、红细胞、淋巴细胞、单核细胞、浆细胞、组织及其他细胞、巨核细胞7大类。每类细胞又包含子类细胞，例如粒细胞分为原始粒细胞，早幼粒细胞，中性中幼粒细胞等14类；红细胞分为原始红细胞、早幼红细胞等9类；淋巴细胞分为原始淋巴细胞，幼稚淋巴细胞等4类；单核细胞分为原始单核细胞，幼稚单核细胞等3类；浆细胞分为原始浆细胞、幼稚浆细胞等3类；组织及其他细胞分为原始组织细胞，组织嗜碱性细胞，成骨细胞等10类；巨核细胞分为原始巨核细胞，幼稚巨核细胞等6类。将计算机自动分类的细胞进行人工修正也非易事。
发明内容
本发明要解决的技术问题是，提供一种快速修正骨髓有核细胞分类的交互方法，该方法采用按细胞分类相似度从高到低排列的推荐菜单，最大化避免了人工在263类细胞分类中的检索，利用计算机图像识别算法的结果，从软件交互层面提高人工修正效率。
为解决上述技术问题，本发明采用如下技术方案：一种快速校正骨髓有核细胞分类的交互方法，包括以下步骤：
S10采集标本图像；
S11用细胞轮廓提取算法提取图像中的细胞轮廓并根据算法提供的细胞轮廓大小用矩形框标记；
S12重复(1)～(2)步骤，直至采集结束；
S13对矩形框中的细胞通过计算机图像识别算法分类操作，计算机图像识别算法是设计分类流程或者利用分类器对细胞分类；
S14根据计算机图像识别的细胞分类展示细胞分类标记的结果，计算机图像识别算法根据内部的运算规则将图像中的细胞进行分类判断，确定最终结果后一次性进行颜色和文字的标记，得到标记后的待修正的骨髓细胞；
S15采取多细胞分类推荐方法，对标记后的待修正骨髓细胞进行人工修正分类时，通过菜单的交互方式将样本库中的细胞类型作为基础数据库，对所述基础数据库进行筛选处理后，确定至少一数据库细胞类型，将所述待修正细胞与所述至少一数据库类型匹配，根据匹配结果按照相似度百分比排列。
作为优选，所述待修正的骨髓细胞与所述至少一数据库类型的匹配结果按照相似度百分比自上而下从高到底依次排列。
作为又一优选，所述其中所述至少一数据库类型，包括最上方显示当前细胞分类名称和相似度百分比；中部显示计算机图像识别算法处理后给出的被修正的细胞与样本库中相似度最高的多个细胞分类名称和相似度百分比；最下方按层级显示已定义的所有细胞分类名称。
本发明的优点：采取多细胞分类推荐方法，即在人工修正细胞分类时，通过菜单的交互方式列举出经计算机图像识别算法处理后给出的被修正的细胞与样本库中相似度最高的多种细胞类型，按相似度百分比从高到底依次排列，最大化避免了人工在263类细胞分类中的检索，从软件交互层面提高人工修正效率。
附图说明
图1为本发明实施例提供的快速修正骨髓有核细胞分类的交互方法的流程示意图。
具体实施方式
根据下述实施例，可以更好地理解本发明。然而，本领域的技术人员容易理解，实施例所描述的内容仅用于说明本发明，而不应当也不会限制本发明。
实施例1：请参阅图1，本发明实施例1是一种快速校正骨髓有核细胞分类的交互方法，包括以下步骤：S10采集标本图像；
S11用细胞轮廓提取算法提取图像中的细胞轮廓并根据算法提供的细胞轮廓大小用矩形框标记；
S12重复(1)～(2)步骤，直至采集结束；
S13对矩形框中的细胞通过计算机图像识别算法分类操作，计算机图像识别算法是设计分类流程或者利用分类器对细胞分类；
S14根据计算机图像识别的细胞分类展示细胞分类标记的结果，计算机图像识别算法根据内部的运算规则将图像中的细胞进行分类判断，确定最终结果后一次性进行颜色和文字的标记，得到标记后的待修正的骨髓细胞；
S15采取多细胞分类推荐方法，对标记后的待修正骨髓细胞进行人工修正分类时，通过菜单的交互方式将样本库中的细胞类型作为基础数据库，对所述基础数据库进行筛选处理后，确定至少一数据库细胞类型，将所述待修正细胞与所述至少一数据库类型匹配，根据匹配结果按照相似度百分比排列。
其中所述待修正的骨髓细胞与所述至少一数据库类型的匹配结果按照相似度百分比自上而下从高到底依次排列。
所述其中所述至少一数据库类型，包括最上方显示当前细胞分类名称和相似度百分比；中部显示计算机图像识别算法处理后给出的被修正的细胞与样本库中相似度最高的多个细胞分类名称和相似度百分比；最下方按层级显示已定义的所有细胞分类名称。
上述一种快速校正骨髓有核细胞分类的交互方法采取多细胞分类推荐方法，即在人工修正细胞分类时，通过菜单的交互方式列举出经计算机图像识别算法处理后给出的被修正的细胞与样本库中相似度最高的多种细胞类型，按相似度百分比从高到底依次排列，最大化避免了人工在263类细胞分类中的检索，从软件交互层面提高人工修正效率。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。

Claims (3)

1.一种快速校正骨髓有核细胞分类的交互方法，其特征在于，包括以下步骤；
S10采集标本图像；
S11用细胞轮廓提取算法提取图像中的细胞轮廓并根据算法提供的细胞轮廓大小用矩形框标记；
S12重复(1)～(2)步骤，直至采集结束；
S13对矩形框中的细胞通过计算机图像识别算法分类操作，计算机图像识别算法是设计分类流程或者利用分类器对细胞分类；
S14根据计算机图像识别的细胞分类展示细胞分类标记的结果，计算机图像识别算法根据内部的运算规则将图像中的细胞进行分类判断，确定最终结果后一次性进行颜色和文字的标记，得到标记后的待修正的骨髓细胞；
S15采取多细胞分类推荐方法，对标记后的待修正骨髓细胞进行人工修正分类时，通过菜单的交互方式将样本库中的细胞类型作为基础数据库，对所述基础数据库进行筛选处理后，确定至少一数据库细胞类型，将所述待修正的骨髓细胞与所述至少一数据库类型匹配，根据匹配结果按照相似度百分比排列。
2.根据权利要求1所述的快速校正骨髓有核细胞分类的交互方法，其特征在于，所述待修正的骨髓细胞与所述至少一数据库类型的匹配结果按照相似度百分比自上而下从高到底依次排列。
3.根据权利要求1所述的快速校正骨髓有核细胞分类的交互方法，其特征在于，所述其中所述至少一数据库类型，包括最上方显示当前细胞分类名称和相似度百分比；中部显示计算机图像识别算法处理后给出的被修正的细胞与样本库中相似度最高的多个细胞分类名称和相似度百分比；最下方按层级显示已定义的所有细胞分类名称。
CN201711382949.2A 2017-12-20 2017-12-20 一种快速修正骨髓有核细胞分类的交互方法 Active CN107977684B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711382949.2A CN107977684B (zh) 2017-12-20 2017-12-20 一种快速修正骨髓有核细胞分类的交互方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711382949.2A CN107977684B (zh) 2017-12-20 2017-12-20 一种快速修正骨髓有核细胞分类的交互方法

Publications (2)

Publication Number Publication Date
CN107977684A true CN107977684A (zh) 2018-05-01
CN107977684B CN107977684B (zh) 2018-10-23

Family

ID=62006935

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711382949.2A Active CN107977684B (zh) 2017-12-20 2017-12-20 一种快速修正骨髓有核细胞分类的交互方法

Country Status (1)

Country Link
CN (1) CN107977684B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109360198A (zh) * 2018-10-08 2019-02-19 北京羽医甘蓝信息技术有限公司 基于深度学习的骨髓细胞分类方法及分类装置
CN109545375A (zh) * 2018-12-13 2019-03-29 张民庆 一种用于临检细胞骨髓专业的多功能试验平台
CN111833296A (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审核系统及审核方法
CN112512426A (zh) * 2018-08-02 2021-03-16 唯想有限公司 基于图像分析的骨髓读取支助装置
CN115018760A (zh) * 2022-04-14 2022-09-06 华南师范大学 一种基于人机混合增强智能的血细胞形态学辅助检验系统及方法

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN102411715A (zh) * 2010-09-21 2012-04-11 张云超 有监督学习功能的细胞图像自动分类方法和系统
CN102722718A (zh) * 2012-05-22 2012-10-10 天津大学 一种细胞分类方法
CN103502465A (zh) * 2011-03-31 2014-01-08 国立大学法人弘前大学 使用荧光标记了的l-葡萄糖衍生物检测癌细胞的方法以及含有该衍生物的癌细胞的显像剂
CN103604737A (zh) * 2013-12-10 2014-02-26 山东大学 一种自动化血细胞识别装置及工作方法
CN103984939A (zh) * 2014-06-03 2014-08-13 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
CN105408746A (zh) * 2013-02-28 2016-03-16 普罗吉涅股份有限公司 基于图像的人胚胎细胞分类的装置、方法和系统
CN105849274A (zh) * 2013-10-28 2016-08-10 分子装置有限公司 用于显微图像中的单独细胞的分类和识别的方法和系统
CN106650796A (zh) * 2016-12-06 2017-05-10 国家纳米科学中心 一种基于人工智能的细胞荧光图像分类方法和系统
CN106709421A (zh) * 2016-11-16 2017-05-24 广西师范大学 一种基于变换域特征和cnn的细胞图像识别分类方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102411715A (zh) * 2010-09-21 2012-04-11 张云超 有监督学习功能的细胞图像自动分类方法和系统
CN103502465A (zh) * 2011-03-31 2014-01-08 国立大学法人弘前大学 使用荧光标记了的l-葡萄糖衍生物检测癌细胞的方法以及含有该衍生物的癌细胞的显像剂
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
CN102722718A (zh) * 2012-05-22 2012-10-10 天津大学 一种细胞分类方法
CN105408746A (zh) * 2013-02-28 2016-03-16 普罗吉涅股份有限公司 基于图像的人胚胎细胞分类的装置、方法和系统
CN105849274A (zh) * 2013-10-28 2016-08-10 分子装置有限公司 用于显微图像中的单独细胞的分类和识别的方法和系统
CN103604737A (zh) * 2013-12-10 2014-02-26 山东大学 一种自动化血细胞识别装置及工作方法
CN103984939A (zh) * 2014-06-03 2014-08-13 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
CN106709421A (zh) * 2016-11-16 2017-05-24 广西师范大学 一种基于变换域特征和cnn的细胞图像识别分类方法
CN106650796A (zh) * 2016-12-06 2017-05-10 国家纳米科学中心 一种基于人工智能的细胞荧光图像分类方法和系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
吕雪扬: ""骨髓病变细胞的自动分类识别技术研究"", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 *
汤春明 等: ""蜂窝划分的多帧及原图反馈法的细胞追踪方法"", 《中国生物医学工程学报》 *
谢文娟 等: ""多光谱骨髓细胞图像分类方法研究"", 《计算机工程》 *
陆丽娜: ""基于多分类器融合的骨髓细胞自动识别技术"", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112512426A (zh) * 2018-08-02 2021-03-16 唯想有限公司 基于图像分析的骨髓读取支助装置
US11948294B2 (en) 2018-08-02 2024-04-02 Uimd Inc. Device and method for supporting bone marrow reading based on image analysis
CN109360198A (zh) * 2018-10-08 2019-02-19 北京羽医甘蓝信息技术有限公司 基于深度学习的骨髓细胞分类方法及分类装置
CN109545375A (zh) * 2018-12-13 2019-03-29 张民庆 一种用于临检细胞骨髓专业的多功能试验平台
CN111833296A (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审核系统及审核方法
CN111833296B (zh) * 2020-05-25 2023-03-10 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审核系统及审核方法
CN115018760A (zh) * 2022-04-14 2022-09-06 华南师范大学 一种基于人机混合增强智能的血细胞形态学辅助检验系统及方法

Also Published As

Publication number Publication date
CN107977684B (zh) 2018-10-23

Similar Documents

Publication Publication Date Title
CN107977684B (zh) 一种快速修正骨髓有核细胞分类的交互方法
CN111325103B (zh) 一种细胞标注系统和方法
CN106202891B (zh) 一种面向医疗质量评价的大数据挖掘方法
CN105445170B (zh) 识别生物样品目标组分的方法和分析生物流体样品的装置
JP2019529882A (ja) 生体粒子の分類のシステム及び方法
CN110032985A (zh) 一种血细胞自动检测识别方法
CN108961208A (zh) 一种聚集白细胞分割计数系统及方法
CN110473167B (zh) 一种基于深度学习的尿沉渣图像识别系统及方法
CN104094118A (zh) 通过显微图像自动识别全血样品中血小板的方法和设备
JP7317929B2 (ja) 定量的組織形態学的分析による組織能力の判定
Meimban et al. Blood cells counting using python opencv
CN114283407A (zh) 一种自适应的白细胞自动分割、亚类检测方法及系统
CN1367454A (zh) 基于多类支持向量机的中医舌色、苔色、舌苔厚度分析方法
RU2308745C1 (ru) Способ микроскопического исследования образца, содержащего микрообъекты с разнородными зонами
Khodashenas et al. White blood cell detection and counting based on genetic algorithm
CN115326685A (zh) 基于显微放大图像的血液目标细胞体积获取方法及系统
CN1931085A (zh) 基于像素的舌苔舌质颜色提取及分类方法
KR20010017092A (ko) 혈구세포의 형태 자동 분석 및 카운트 방법
CN113963199A (zh) 一种基于多种传感器特征融合和机器学习的医废识别方法
CN113435493A (zh) 一种基于深度迁移学习的无标记白细胞分类系统及方法
CN110110807A (zh) 一种基于改进K-means及卷积神经网络的白细胞提取和分类方法
Pellegrino et al. Development of Anemia Cells Recognition System Using Raspberry Pi
Shaikh et al. Classification of Affected Fruits using Machine Learning
Fetter et al. StomataCounter: a deep learning method applied to automatic stomatal identification and counting
Sorgedrager Automated malaria diagnosis using convolutional neural networks in an on-field setting: The analysis of low quality smartphone based microscope images

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
CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 23 / F, building 2, Zicheng international business center, 39 Jincheng Road, Xiaoshan District, Hangzhou City, Zhejiang Province, 311200

Patentee after: HANGZHOU ZHIWEI INFORMATION TECHNOLOGY Co.,Ltd.

Address before: Room 509.510.511.512, 5 / F, building 4, Haichuang technology center, 1288 Wenyi West Road, Cangqian street, Yuhang District, Hangzhou City, Zhejiang Province, 311121

Patentee before: HANGZHOU ZHIWEI INFORMATION TECHNOLOGY Co.,Ltd.

EE01 Entry into force of recordation of patent licensing contract
EE01 Entry into force of recordation of patent licensing contract

Application publication date: 20180501

Assignee: Zhuji Zhiwei Information Technology Co.,Ltd.

Assignor: HANGZHOU ZHIWEI INFORMATION TECHNOLOGY Co.,Ltd.

Contract record no.: X2021330000051

Denomination of invention: An interactive method for rapid revision of bone marrow nucleated cell classification

Granted publication date: 20181023

License type: Common License

Record date: 20210616

CP02 Change in the address of a patent holder
CP02 Change in the address of a patent holder

Address after: 311200 Room 101, building 1, No. 1688, Tianma Road, Wenyan street, Xiaoshan District, Hangzhou City, Zhejiang Province

Patentee after: HANGZHOU ZHIWEI INFORMATION TECHNOLOGY Co.,Ltd.

Address before: 23 / F, building 2, Zicheng international business center, 39 Jincheng Road, Xiaoshan District, Hangzhou City, Zhejiang Province, 311200

Patentee before: HANGZHOU ZHIWEI INFORMATION TECHNOLOGY Co.,Ltd.