CN108038472B - 一种骨髓检查领域软件快速查找异常细胞的交互方法 - Google Patents

一种骨髓检查领域软件快速查找异常细胞的交互方法 Download PDF

Info

Publication number
CN108038472B
CN108038472B CN201711445716.2A CN201711445716A CN108038472B CN 108038472 B CN108038472 B CN 108038472B CN 201711445716 A CN201711445716 A CN 201711445716A CN 108038472 B CN108038472 B CN 108038472B
Authority
CN
China
Prior art keywords
cell
size
classification
image
cells
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
Application number
CN201711445716.2A
Other languages
English (en)
Other versions
CN108038472A (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 CN201711445716.2A priority Critical patent/CN108038472B/zh
Publication of CN108038472A publication Critical patent/CN108038472A/zh
Application granted granted Critical
Publication of CN108038472B publication Critical patent/CN108038472B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • 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
    • G06V20/698—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Molecular Biology (AREA)
  • Multimedia (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本发明为一种骨髓检查领域软件快速查找异常细胞的交互方法：对同一张涂片中采集的细胞，相同细胞分类中尺寸最大的细胞按分割的图像缩放填充满单个细胞的展示区域并标注该细胞的尺寸，该分类中的其他细胞则按照与该分类中最大细胞的尺寸比例关系，按比例缩小其分割的图像，显示于单个细胞展示区域并标注该细胞的尺寸。按此方法逐一计算并显示由大到小或有小到大的顺序依次排列。对于其他分类的细胞也按上述方法显示。因此尺寸异常的细胞都集中分布在显示区域头部和尾部，这些细胞都是同类细胞中尺寸较大或较小的，用户在确认软件识别的细胞分类的结果时，可避免逐一浏览所有细胞图像的行为，从而更快的找到异常细胞进行人工修正。

Description

一种骨髓检查领域软件快速查找异常细胞的交互方法
技术领域
本发明属于计算机医学骨髓涂片检查领域，具体涉及一种骨髓检查领域软件快速查找异常细胞的交互方法。
背景技术
随着人工智能技术在图像识别的广泛应用，很多基于深度学习的神经网络算法软件应用在外周血、骨髓涂片等细胞形态学检查领域，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。这些软件的基本流程都是通过架设在显微镜上的相机采集视野中的细胞图像，将采集到的细胞图像传输至计算机，对细胞图像中的单个细胞进行分割和识别，按不同细胞分类展示对应的单个细胞的图像。单个细胞图像以相同大小的矩形或方形展示，每种细胞分类可包含一个或多个这样的图像，以行列形式排布。
外周血涂片细胞分类较少，且需定量分类的细胞数量也较少，一般为50-100个细胞。在骨髓细胞形态学检查领域，细胞分类多达260多种，且需定量分类的细胞数量也达200-500 个，随着形态学检查软件的发展，为了减少统计学的误差，使用软件定量分类的细胞可高达 1000-2000个。众所周知，形态学检查是一种强经验型的检查，细胞从幼稚到成熟的过程会经历多个阶段，尤其在细胞发育过程中的过渡阶段，其形态具有相似性，因此具有AI图像识别技术的软件其识别也存在误差。现有软件按照单个细胞图像以相同大小的矩形或方形行列排布的方式要求软件使用者逐一浏览审阅细胞图像，找出其中软件识别有误的细胞进行修改，这在多达260多类，上千个细胞的图像识别中是一种极其烦杂和低效的方式。
发明内容
本发明要解决的技术问题是，提供一种骨髓检查领域软件快速查找异常细胞的交互方法，该方法采用同类细胞按尺寸大小顺序排列的展现方式，最大化避免了人工逐一浏览细胞图像烦杂和低效的操作，从软件交互层面提高异常细胞查找效率。
为解决上述技术问题，本发明采用如下技术方案：一种骨髓检查领域软件快速查找异常细胞的交互方法，包括以下步骤；
(1)采集标本图像；
(2)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；
(3)重复(1)～(2)步骤，直至采集结束；
(4)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；
(5)按矩形框分割细胞图像，将细胞图像的长和宽的像素值转换为对应的尺寸，单位微米；
(6)对于同一分类的细胞，用该类细胞中尺寸最大的细胞计算显示的比例关系，最大细胞的尺寸为m × n微米(m≥n)，其分割的图像像素为a × b像素(a≥b)；软件单个细胞显示区域的最大范围为c × c像素，则该分类中尺寸最大的细胞显示范围为c × ((b*c)/a)像素；
(7)对于同一分类的其他细胞，细胞尺寸为e × f微米(e≥f且e≤m，f≤n)，其分割图像像素为h × i像素(h≥i且h≤a，i≤b)；则该细胞显示范围为((h*c)/a)× ((i*c)/a)像素，将该分类中的细胞都按此方法计算其显示范围并按照由大到小或由小到大顺序依次排列并标记每个细胞的尺寸；
(8)对于其他分类的细胞，按照步骤(6)，(7)的方法计算并显示；
(9)上述每一类细胞按 尺寸由小到大或由大到小排列，尺寸异常的细胞都集中分布在显示区域头部和尾部，这些细胞都是同类细胞中尺寸较大或较小的，人工查找异常细胞时，观察同类细胞显示区域的头部和尾部，查找尺寸过大和过小的细胞，优先对这些细胞进行人工修正操作。
上述骨髓检查领域软件快速查找异常细胞的交互方法的基本构思为：每类细胞在形态学上有明确定义的尺寸范围，单位是微米。例如正常的早幼粒细胞，其尺寸在12-25微米之间，大于25微米或者小于12微米的尺寸意味着细胞异常或不是早幼粒细胞(结合细胞形态)。按不同细胞类型展示时，可以根据分割的单个细胞按尺寸大小顺序排列，对同一张涂片中采集的细胞，相同细胞分类中尺寸最大的细胞按分割的图像缩放填充满单个细胞的展示区域并标注该细胞的尺寸，该分类中的其他细胞则按照与该分类中最大细胞的尺寸比例关系，按比例缩小其分割的图像，显示于单个细胞展示区域并标注该细胞的尺寸。按此方法逐一计算并显示属于该分类的所有细胞并将结果按由大到小或有小到大的顺序依次排列。对于其他分类的细胞也按上述方法显示。按此方法显示的每一类细胞由于都按尺寸由小到大或由大到小排列，因此尺寸异常的细胞都集中分布在显示区域头部和尾部，这些细胞都是同类细胞中尺寸较大或较小的，用户在确认软件识别的细胞分类的结果时，可避免逐一浏览所有细胞图像的行为，优先关注尺寸异常的细胞，从而更快的找到异常细胞进行人工修正。
本发明采用另一种技术方案为：一种骨髓检查领域软件快速查找异常细胞的交互方法，包括以下步骤：
(1)采集标本图像；
(2)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；
(3)重复(1)～(2)步骤，直至采集结束；
(4)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；
(5)按矩形框分割细胞图像，将细胞图像的长和宽的像素值转换为对应的尺寸，单位微米；
(6)对于同一分类的细胞，用该类细胞中尺寸最大的细胞计算显示的比例关系，最大细胞的尺寸为m × n微米(m≥n)，其分割的图像像素为a × b像素(a≥b)；软件单个细胞显示区域的最大范围为c × c像素，则该分类中尺寸最大的细胞显示范围为c × ((b*c)/a)像素；
(7)对于同一分类的其他细胞，细胞尺寸为e × f微米(e≥f且e≤m，f≤n)，其分割图像像素为h × i像素(h≥i且h≤a，i≤b)；则该细胞显示范围为((h*c)/a)× ((i*c)/a)像素，将该分类中的细胞都按此方法计算其显示范围并按照由大到小或由小到大顺序依次排列并标记每个细胞的尺寸；
(8)对于其他分类的细胞，按照步骤(6)，(7)的方法计算并显示；
(9)提供成熟红细胞的尺寸参照图，该参照图选择正常红细胞尺寸范围内的红细胞的分割图像按(6)，(7)的方法计算并显示，更直观的通过正常红细胞尺寸查找出异常细胞。
本发明的优点：采用同类细胞按尺寸大小顺序排列的展现方式，最大化避免了人工逐一浏览细胞图像烦杂和低效的操作，从软件交互层面提高异常细胞查找效率。同时提供了成熟红细胞的参考图，更直观的通过尺寸查找出异常细胞。
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：本发明实施例1是一种骨髓检查领域软件快速查找异常细胞的交互方法，包括以下步骤；
(1)采集标本图像；
(2)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；
(3)重复(1)～(2)步骤，直至采集结束；
(4)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；
(5)按矩形框分割细胞图像，将细胞图像的长和宽的像素值转换为对应的尺寸，单位微米；
(6)对于同一分类的细胞，用该类细胞中尺寸最大的细胞计算显示的比例关系，最大细胞的尺寸为m × n微米(m≥n)，其分割的图像像素为a × b像素(a≥b)；软件单个细胞显示区域的最大范围为c × c像素，则该分类中尺寸最大的细胞显示范围为c × ((b*c)/a)像素；
(7)对于同一分类的其他细胞，细胞尺寸为e × f微米(e≥f且e≤m，f≤n)，其分割图像像素为h × i像素(h≥i且h≤a，i≤b)；则该细胞显示范围为((h*c)/a)× ((i*c)/a)像素，将该分类中的细胞都按此方法计算其显示范围并按照由大到小或由小到大顺序依次排列并标记每个细胞的尺寸；
(8)对于其他分类的细胞，按照步骤(6)，(7)的方法计算并显示；
(9)上述每一类细胞按 尺寸由小到大或由大到小排列，尺寸异常的细胞都集中分布在显示区域头部和尾部，这些细胞都是同类细胞中尺寸较大或较小的，人工查找异常细胞时，观察同类细胞显示区域的头部和尾部，查找尺寸过大和过小的细胞，优先对这些细胞进行人工修正操作。
实施例2
本发明实施例2是一种骨髓检查领域软件快速查找异常细胞的交互方法，包括以下步骤：
(1)采集标本图像；
(2)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；
(3)重复(1)～(2)步骤，直至采集结束；
(4)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；
(5)按矩形框分割细胞图像，将细胞图像的长和宽的像素值转换为对应的尺寸，单位微米；
(6)对于同一分类的细胞，用该类细胞中尺寸最大的细胞计算显示的比例关系，最大细胞的尺寸为m × n微米(m≥n)，其分割的图像像素为a × b像素(a≥b)；软件单个细胞显示区域的最大范围为c × c像素，则该分类中尺寸最大的细胞显示范围为c× ((b*c)/a)像素；
(7)对于同一分类的其他细胞，细胞尺寸为e × f微米(e≥f且e≤m，f≤n)，其分割图像像素为h × i像素(h≥i且h≤a，i≤b)；则该细胞显示范围为((h*c)/a)× ((i*c)/a)像素，将该分类中的细胞都按此方法计算其显示范围并按照由大到小或由小到大顺序依次排列并标记每个细胞的尺寸；
(8)对于其他分类的细胞，按照步骤(6)，(7)的方法计算并显示；
(9)提供成熟红细胞的尺寸参照图，该参照图选择正常红细胞尺寸范围内的红细胞的分割图像按(6)，(7)的方法计算并显示，更直观的通过正常红细胞尺寸查找出异常细胞。
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 (2)

1.一种骨髓检查领域软件快速查找异常细胞的交互方法，其特征在于，包括以下步骤；
(1)采集标本图像；
(2)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；
(3)重复(1)～(2)步骤，直至采集结束；
(4)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；
(5)按矩形框分割细胞图像，将细胞图像的长和宽的像素值转换为对应的尺寸，单位微米；
(6)对于同一分类的细胞，用该类细胞中尺寸最大的细胞计算显示的比例关系，最大细胞的尺寸为m×n微米，m≥n，其分割的图像像素为a×b像素，a≥b；软件单个细胞显示区域的最大范围为c×c像素，则该分类中尺寸最大的细胞显示范围为c×((b*c)/a)像素；
(7)对于同一分类的其他细胞，细胞尺寸为e×f微米，e≥f且e≤m，f≤n，其分割图像像素为h×i像素，h≥i且h≤a，i≤b；则该细胞显示范围为((h*c)/a)×((i*c)/a)像素，将该分类中的细胞都按此方法计算其显示范围并按照由大到小或由小到大顺序依次排列并标记每个细胞的尺寸；
(8)对于其他分类的细胞，按照步骤(6)，(7)的方法计算并显示；
(9)上述每一类细胞按 尺寸由小到大或由大到小排列，尺寸异常的细胞都集中分布在显示区域头部和尾部，这些细胞都是同类细胞中尺寸较大或较小的，人工查找异常细胞时，观察同类细胞显示区域的头部和尾部，查找尺寸过大和过小的细胞，优先对这些细胞进行人工修正操作。
2.一种骨髓检查领域软件快速查找异常细胞的交互方法，其特征在于，包括以下步骤：
(1)采集标本图像；
(2)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；
(3)重复(1)～(2)步骤，直至采集结束；
(4)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；
(5)按矩形框分割细胞图像，将细胞图像的长和宽的像素值转换为对应的尺寸，单位微米；相同细胞分类中尺寸最大的细胞按分割的图像缩放填充满单个细胞的展示区域并标注该细胞的尺寸；
(6)对于同一分类的细胞，用该类细胞中尺寸最大的细胞计算显示的比例关系，最大细胞的尺寸为m×n微米，m≥n，其分割的图像像素为a×b像素，a≥b；软件单个细胞显示区域的最大范围为c×c像素，则该分类中尺寸最大的细胞显示范围为c×((b*c)/a)像素；
(7)对于同一分类的其他细胞，细胞尺寸为e×f微米，e≥f且e≤m，f≤n，其分割图像像素为h×i像素，h≥i且h≤a，i≤b；则该细胞显示范围为((h*c)/a)×((i*c)/a)像素，将该分类中的细胞都按此方法计算其显示范围并按照由大到小或由小到大顺序依次排列并标记每个细胞的尺寸；
(8)对于其他分类的细胞，按照步骤(6)，(7)的方法计算并显示；
(9)提供成熟红细胞的尺寸参照图，该参照图选择正常红细胞尺寸范围内的红细胞的分割图像按(6)，(7)的方法计算并显示，更直观的通过正常红细胞尺寸查找出异常细胞。
CN201711445716.2A 2017-12-27 2017-12-27 一种骨髓检查领域软件快速查找异常细胞的交互方法 Active CN108038472B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711445716.2A CN108038472B (zh) 2017-12-27 2017-12-27 一种骨髓检查领域软件快速查找异常细胞的交互方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711445716.2A CN108038472B (zh) 2017-12-27 2017-12-27 一种骨髓检查领域软件快速查找异常细胞的交互方法

Publications (2)

Publication Number Publication Date
CN108038472A CN108038472A (zh) 2018-05-15
CN108038472B true CN108038472B (zh) 2018-10-23

Family

ID=62097504

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711445716.2A Active CN108038472B (zh) 2017-12-27 2017-12-27 一种骨髓检查领域软件快速查找异常细胞的交互方法

Country Status (1)

Country Link
CN (1) CN108038472B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111160238A (zh) * 2019-12-27 2020-05-15 上海杏脉信息科技有限公司 显微图像质量分析方法、训练方法、系统、设备及介质
CN111105416B (zh) * 2019-12-31 2022-09-09 北京理工大学重庆创新中心 一种骨髓细胞增生程度自动分级方法及系统
CN111476754B (zh) * 2020-02-28 2022-12-09 中国人民解放军陆军军医大学第二附属医院 一种骨髓细胞影像人工智能辅助分级诊断系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002148261A (ja) * 2000-11-09 2002-05-22 Sysmex Corp 異常細胞分類計数方法
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
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
CN102609955A (zh) * 2012-01-10 2012-07-25 哈尔滨工程大学 蜂窝划分的多帧及原图反馈修正的细胞追踪方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002148261A (ja) * 2000-11-09 2002-05-22 Sysmex Corp 異常細胞分類計数方法
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
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
CN102609955A (zh) * 2012-01-10 2012-07-25 哈尔滨工程大学 蜂窝划分的多帧及原图反馈修正的细胞追踪方法

Also Published As

Publication number Publication date
CN108038472A (zh) 2018-05-15

Similar Documents

Publication Publication Date Title
CN106780537B (zh) 一种基于图像处理的方格蔟蚕茧筛选装置及方法
CN108038472B (zh) 一种骨髓检查领域软件快速查找异常细胞的交互方法
CN111325103B (zh) 一种细胞标注系统和方法
US8306284B2 (en) Manually-assisted automated indexing of images using facial recognition
WO2021051875A1 (zh) 细胞分类方法、装置、介质及电子设备
CN110458821A (zh) 一种基于深度神经网络模型的精子形态分析方法
CN110807775A (zh) 基于人工智能的中医舌像分割装置、方法及存储介质
CN112365471B (zh) 基于深度学习的宫颈癌细胞智能检测方法
EP2894577A1 (en) Retrieving system, retrieving method, and security inspection device based on contents of fluoroscopic images
CN106932408B (zh) 一种基于图像处理的方格蔟污染蚕茧检测方法
CN110604597B (zh) 基于超声四腔心切面智能获取胎儿心动周期图像的方法
CN110472598A (zh) 基于区域特征的svm机采棉花含杂图像分割方法及系统
CN110689958A (zh) 一种基于人工智能技术的癌症病理辅助诊断方法
CN108830874A (zh) 一种数字病理全切片图像空白区域自动分割方法
CN107657220A (zh) 一种基于hog特征和svm的白带霉菌自动检测方法
CN112579808A (zh) 数据标注处理方法及装置、系统
CN113378831B (zh) 一种小鼠胚胎器官识别与评分方法与系统
CN103377375A (zh) 一种胃窥镜图像的处理方法
CN104504692B (zh) 基于区域对比度的图像中显著对象的提取方法
CN106599780A (zh) 一种电网巡检图像智能识别方法及装置
CN110619621A (zh) 识别图像中肋骨区域的方法、装置、电子设备和存储介质
CN110051384B (zh) 结合医学统计信息的胎儿颈背透明物位置检测方法及系统
CN110555850A (zh) 识别图像中肋骨区域的方法、装置、电子设备和存储介质
CN111476253B (zh) 服装图像分类、图像分类方法、装置及设备
CN113869124A (zh) 基于深度学习的血细胞形态学分类方法及系统

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: Room 112, building 4, 368 wangjiali, Chang'an village, Wenyan street, Xiaoshan District, Hangzhou, Zhejiang 311200

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

Address before: 310000 509.510.511.512, 5 floor, 4 tower, Hai Chuang technology center, 1288 West Road, Cang Qian Road, Yuhang District, Hangzhou, Zhejiang.

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: 20180515

Assignee: Zhuji Zhiwei Information Technology Co.,Ltd.

Assignor: HANGZHOU ZHIWEI INFORMATION TECHNOLOGY Co.,Ltd.

Contract record no.: X2021330000051

Denomination of invention: An interactive method of finding abnormal cells quickly by software in the field of bone marrow examination

Granted publication date: 20181023

License type: Common License

Record date: 20210616