CN109636801B - 自动获取her2荧光原位杂交结果的电子设备及介质 - Google Patents
自动获取her2荧光原位杂交结果的电子设备及介质 Download PDFInfo
- Publication number
- CN109636801B CN109636801B CN201910086394.XA CN201910086394A CN109636801B CN 109636801 B CN109636801 B CN 109636801B CN 201910086394 A CN201910086394 A CN 201910086394A CN 109636801 B CN109636801 B CN 109636801B
- Authority
- CN
- China
- Prior art keywords
- gene
- signal
- her2
- fish
- shot under
- 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
Images
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
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/10024—Color 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
- G06T2207/10—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
- G06T2207/30072—Microarray; Biochip, DNA array; Well plate
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明提供一种自动获取HER2荧光原位杂交信号的方法、设备及介质,所述方法包括:分别获取使用荧光显微镜在红色滤光片下拍摄的FISH图片、绿色滤光片下拍摄的FISH图片及蓝色滤光片下拍摄的FISH图片;从红色滤光片下拍摄的FISH图片中检测出HER2基因信号,从绿色滤光片下拍摄的FISH图片中检测出CEP17基因信号,从蓝色滤光片下拍摄的FISH图片中检测出肿瘤细胞;根据检测出的肿瘤细胞获取HER2基因判断信号,CEP17基因判断信号;以供用户根据HER2基因判断信号、CEP17基因判断信号以及HER2基因是否为阳性的判断标准获取HER2荧光原位杂交结果。本发明可以从FISH图片中准确、高效地自动计算出肿瘤细胞、HER2基因信号和CEP17基因信号。
Description
技术领域
本发明属于图像处理技术领域,特别是涉及FISH图片图像处理技术领域,具体为一种自动获取HER2荧光原位杂交结果的电子设备及介质。
背景技术
HER2是原癌基因人类表皮生长因子受体2基因,定位于染色体17q12-21.32上,是乳腺癌极为重要的提示预后和指导治疗的临床标志物。目前临床已有的检测方法包括免疫组化、FISH、CISH等。对于HER2免疫组化阳性结果不确定的情况,尤其是HER2免疫组化阳性表达为2+的情况下,应由FISH方法检测确定HER2基因扩增状态。FISH技术被认为是目前检测HER2基因是否扩增的“金标准”。临床现已有针对乳腺癌HER2基因扩增阳性的靶向药物赫赛汀。
FISH检测结果判读,需要医生计数至少20个细胞核中HER2基因信号总数和CEP17基因(17号染色体的标志性特征)信号总数,从而计算出每个肿瘤细胞中两种信号的平均值以及HER2和CEP17比值来判断HER2基因是否扩增。在这个过程中,医生需要耗费大量时间去做重复性计数,一方面如果计数的肿瘤细胞数量不足或者计数出现失误,会影响检测结果的准确性;另一方面如果检测结果恰巧处于临界值,则需要再次计数至少20个细胞中的信号或由另外一个观察者重新计数。
因此,如何从FISH图片中高效地自动计算出肿瘤细胞、HER2基因信号和CEP17基因信号是一个急需解决的问题。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种自动获取HER2荧光原位杂交结果的电子设备及介质,用于准确、高效地自动计算出肿瘤细胞、HER2基因信号和CEP17基因信号的数量。
为实现上述目的及其他相关目的,本发明的实施例提供一种自动获取HER2荧光原位杂交结果的电子设备,其特征在于,包括处理器和存储器,所述存储器存储有程序指令,所述处理器运行程序指令实现如下方法:分别获取荧光显微镜在红色滤光片下拍摄的FISH图片、绿色滤光片下拍摄的FISH图片及蓝色滤光片下拍摄的FISH图片;从所述红色滤光片下拍摄的FISH图片中检测出HER2基因信号,从所述绿色滤光片下拍摄的FISH图片中检测出CEP17基因信号,从所述蓝色滤光片下拍摄的FISH图片中检测出肿瘤细胞;根据检测出的所述肿瘤细胞获取所述红色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的HER2基因信号,形成HER2基因判断信号,获取所述绿色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的CEP17基因信号,形成CEP17基因判断信号;根据所述HER2基因判断信号、所述CEP17基因判断信号以及HER2基因是否为阳性的判断标准获取HER2荧光原位杂交结果。
于本发明的一实施例中,所述从所述红色滤光片下拍摄的FISH图片中检测出HER2基因信号的一种实现方式包括:对所述红色滤光片下拍摄的FISH图片抽取红色通道并抑制其他通道的干扰,形成红色通道图片;对所述红色通道图片进行信号边缘检测,确定所述红色通道图片中信号区域;计算所述信号区域内的平均灰度值,并将所述平均灰度值作为阈值进行阈值化处理,得到所述HER2基因信号。
于本发明的一实施例中,所述从所述绿色滤光片下拍摄的FISH图片中检测出CEP17基因信号的一种实现方式包括:对所述绿色滤光片下拍摄的FISH图片抽取绿色通道并抑制其他通道的干扰,形成绿色通道图片;对所述绿色通道图片进行信号边缘检测,确定所述绿色通道图片中信号区域;计算所述信号区域内的平均灰度值,并将所述平均灰度值作为阈值进行阈值化处理,得到所述CEP17基因信号。
于本发明的一实施例中,所述从所述蓝色滤光片下拍摄的FISH图片中检测出肿瘤细胞的一种实现方式包括:通过预设的肿瘤细胞检测模型从所述蓝色滤光片下拍摄的FISH图片中检测出肿瘤细胞。
于本发明的一实施例中,所述肿瘤细胞检测模型的一种获取过程包括:将多个蓝色滤光片下拍摄的FISH图片中的肿瘤细胞通过标注框进行标注,获得训练图片集;通过所述训练图片集对目标检测神经网络模型进行训练,得到肿瘤细胞检测模型。
于本发明的一实施例中,根据检测出的所述肿瘤细胞获取所述红色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的HER2基因信号,形成HER2基因判断信号的一种实现方式包括:根据所述检测到的肿瘤细胞的位置生成对应掩码;根据所述掩码滤除所述红色滤光片下拍摄的FISH图片中所述肿瘤细胞位置以外的HER2基因信号,所述红色滤光片下拍摄的FISH图片中剩余的HER2基因信号形成HER2基因判断信号。
于本发明的一实施例中,所述红色滤光片下拍摄的FISH图片中剩余的HER2基因信号形成HER2基因判断信号具体包括:获取所述红色滤光片下拍摄的FISH图片中剩余的各个HER2基因信号的轮廓区域面积;对各所述轮廓区域面积的大小进行排序,取所述轮廓区域面积的中位数作为阈值;根据所述阈值对大于所述阈值的所述轮廓区域面积进行估算,确定大于所述阈值的所述轮廓区域面积中包含的HER2基因信号数量;根据确定的HER2基因信号数量确定所述HER2基因判断信号。
于本发明的一实施例中,根据检测出的所述肿瘤细胞获取所述绿色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的CEP17基因信号,形成CEP17基因判断信号的一种实现方式包括:根据所述检测到的肿瘤细胞的位置生成对应掩码;根据所述掩码滤除所述绿色滤光片下拍摄的FISH图片中所述肿瘤细胞位置以外的CEP17基因信号,所述绿色滤光片下拍摄的FISH图片中剩余的CEP17基因信号形成CEP17基因判断信号。
于本发明的一实施例中,所述绿色滤光片下拍摄的FISH图片中剩余的CEP17基因信号形成CEP17基因判断信号具体包括:获取所述绿色滤光片下拍摄的FISH图片中剩余的各个CEP17基因信号的轮廓区域面积;对各所述轮廓区域面积的大小进行排序,取所述轮廓区域面积的中位数作为阈值;根据所述阈值对大于所述阈值的所述轮廓区域面积进行估算,确定大于所述阈值的所述轮廓区域面积中包含的CEP17基因信号数量;根据确定的CEP17基因信号数量确定所述CEP17基因判断信号。
本发明的实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上所述的自动获取HER2荧光原位杂交结果的方法。
本发明的实施例还提供一种自动获取HER2荧光原位杂交结果的电子设备,包括处理器和存储器,所述存储器存储有程序指令,所述处理器运行程序指令实现如上所述的自动获取HER2荧光原位杂交结果的方法。
如上所述,本发明的自动获取HER2荧光原位杂交结果的电子设备及介质,具有以下有益效果:
本发明可以从FISH图片中准确、高效地自动计算出肿瘤细胞、HER2基因信号和CEP17基因信号,从而快速获取HER2荧光原位杂交结果。
附图说明
图1显示为本发明的自动获取HER2荧光原位杂交结果的方法的整体流程示意图。
图2显示为本发明的自动获取HER2荧光原位杂交结果的方法中得到HER2基因信号的流程图。
图3显示为本发明的自动获取HER2荧光原位杂交结果的方法中得到HER2基因信号的图像。
图4显示为本发明的自动获取HER2荧光原位杂交结果的方法中得到CEP17基因信号的流程图。
图5显示为本发明的自动获取HER2荧光原位杂交结果的方法中得到CEP17基因信号的图像。
图6显示为本发明的自动获取HER2荧光原位杂交结果的方法中形成HER2基因判断信号的流程图。
图7显示为本发明的自动获取HER2荧光原位杂交结果的方法中用细胞检测模型检测蓝色滤光片下拍摄的FISH图片中的肿瘤细胞示意图。
图8显示为本发明的自动获取HER2荧光原位杂交结果的方法中根据肿瘤细胞检测结果对应生成掩码的示意图。
图9显示为本发明的自动获取HER2荧光原位杂交结果的方法中形成HER2基因判断信号的一种具体流程图。
图10显示为本发明的自动获取HER2荧光原位杂交结果的方法中形成CEP17基因判断信号的流程图。
图11显示为本发明的自动获取HER2荧光原位杂交结果的方法中根据掩码滤除绿色滤光片下拍摄的FISH图片中肿瘤细胞位置以外的CEP17基因信号的示意图。
图12显示为本发明的自动获取HER2荧光原位杂交结果的方法中形成CEP17基因判断信号的一种具体流程图。
图13显示为本发明的自动获取HER2荧光原位杂交结果的方法中根据阈值寻找CEP17基因判断信号过程中的异常大信号的示意图。
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本实施例的目的在于提供一种自动获取HER2荧光原位杂交结果的电子设备及介质,用于准确、高效地自动计算出肿瘤细胞、HER2基因信号和CEP17基因信号的数量。
以下将详细阐述本实施例的自动获取HER2荧光原位杂交结果的电子设备及介质的原理及实施方式,使本领域技术人员不需要创造性劳动即可理解本发明的自动获取HER2荧光原位杂交结果的电子设备及介质。
如图1所示,本实施例提供一种自动获取HER2荧光原位杂交结果的方法,所述自动获取HER2荧光原位杂交结果的方法包括以下步骤:
步骤S110,分别获取荧光显微镜在红色滤光片下拍摄的FISH图片、绿色滤光片下拍摄的FISH图片及蓝色滤光片下拍摄的FISH图片;
步骤S120,从所述红色滤光片下拍摄的FISH图片中检测出HER2基因信号,从所述绿色滤光片下拍摄的FISH图片中检测出CEP17基因信号,从所述蓝色滤光片下拍摄的FISH图片中检测出肿瘤细胞;
步骤S130,根据检测出的所述肿瘤细胞获取所述红色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的HER2基因信号,形成HER2基因判断信号,获取所述绿色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的CEP17基因信号,形成CEP17基因判断信号;
步骤S140,根据所述HER2基因判断信号、所述CEP17基因判断信号以及HER2基因是否为阳性的判断标准获取HER2荧光原位杂交结果。
以下对本实施例自动获取HER2荧光原位杂交结果的方法的步骤S110至步骤S140进行详细说明。
步骤S110,分别获取荧光显微镜在红色滤光片下拍摄的FISH图片、绿色滤光片下拍摄的FISH图片及蓝色滤光片下拍摄的FISH图片。
步骤S120,从所述红色滤光片下拍摄的FISH图片中检测出HER2基因信号,从所述绿色滤光片下拍摄的FISH图片中检测出CEP17基因信号,从所述蓝色滤光片下拍摄的FISH图片中检测出肿瘤细胞。
具体地,如图2所示,于本实施例中,所述从所述红色滤光片下拍摄的FISH图片中检测出HER2基因信号的一种实现方式包括:
步骤S121a,对所述红色滤光片下拍摄的FISH图片抽取红色通道并抑制其他通道的干扰,形成红色通道图片。
步骤S121b,对所述红色通道图片进行信号边缘检测,确定所述红色通道图片中信号区域。
步骤S121c,计算所述信号区域内的平均灰度值,并将所述平均灰度值作为阈值进行阈值化处理,得到所述HER2基因信号。
其中,形成的红色通道图片及得到的HER2基因信号如图3所示。
具体地,如图4所示,于本实施例中,所述从所述绿色滤光片下拍摄的FISH图片中检测出CEP17基因信号的一种实现方式包括:
步骤S122a,对所述绿色滤光片下拍摄的FISH图片抽取绿色通道并抑制其他通道的干扰,形成绿色通道图片。
步骤S122b,对所述绿色通道图片进行信号边缘检测,确定所述绿色通道图片中信号区域。
步骤S122c,计算所述信号区域内的平均灰度值,并将所述平均灰度值作为阈值进行阈值化处理,得到所述CEP17基因信号。
其中,形成绿色通道图片及得到的CEP17基因信号如图5所示。
步骤S130,根据检测出的所述肿瘤细胞获取所述红色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的HER2基因信号,形成HER2基因判断信号,获取所述绿色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的CEP17基因信号,形成CEP17基因判断信号。
具体地,于本实施例中,所述从所述蓝色滤光片下拍摄的FISH图片中检测出肿瘤细胞的一种实现方式包括:通过预设的肿瘤细胞检测模型从所述蓝色滤光片下拍摄的FISH图片中检测出肿瘤细胞。
于本实施例中,所述肿瘤细胞检测模型的一种获取过程包括:
将多个蓝色滤光片下拍摄的FISH图片中的肿瘤细胞通过标注框进行标注,获得训练图片集;
通过所述训练图片集对目标检测神经网络模型进行训练,得到肿瘤细胞检测模型。
即在检测所述肿瘤细胞之前,建立肿瘤细胞检测模型。例如,将多个蓝色滤光片下拍摄的FISH图片作为样本,将多个蓝色滤光片下拍摄的FISH图片中的肿瘤细胞以矩形框加以标注,获得训练图片集。
其中,所述目标检测神经网络模型包括但不限于Faster-RCNN,YOLO,SSD等,例如,用目标检测神经网络模型SSD,在上述训练图片集上训练目标检测模型,得到得到肿瘤细胞检测模型。然后将待检测的蓝色滤光片下拍摄的FISH图片输入到所述肿瘤细胞检测模型中,检测出肿瘤细胞如图7所示。
于本实施例中,如图6所示,根据检测出的所述肿瘤细胞获取所述红色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的HER2基因信号,形成HER2基因判断信号的一种实现方式包括:
步骤S131a,根据所述检测到的肿瘤细胞的位置生成对应掩码,如图8所示。
步骤S131b,根据所述掩码滤除所述红色滤光片下拍摄的FISH图片中所述肿瘤细胞位置以外的HER2基因信号,所述红色滤光片下拍摄的FISH图片中剩余的HER2基因信号形成HER2基因判断信号。
同时,可以对形成的HER2基因判断信号进行形态学操作去除噪点并分离部分粘连信号。
如图9所示,于本实施例中,所述红色滤光片下拍摄的FISH图片中剩余的HER2基因信号形成HER2基因判断信号具体包括:
步骤S131d,获取所述红色滤光片下拍摄的FISH图片中剩余的各个HER2基因信号的轮廓区域面积。
步骤S131e,对各所述轮廓区域面积的大小进行排序,取所述轮廓区域面积的中位数作为阈值。
步骤S131f,根据所述阈值对大于所述阈值的所述轮廓区域面积进行估算,确定大于所述阈值的所述轮廓区域面积中包含的HER2基因信号数量。
步骤S131g,根据确定的HER2基因信号数量确定所述HER2基因判断信号。
即对异常大信号估算信号量,最终得到信号数量。
如图10所示,于本实施例中,根据检测出的所述肿瘤细胞获取所述绿色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的CEP17基因信号,形成CEP17基因判断信号的一种实现方式包括:
步骤S132a,根据所述检测到的肿瘤细胞的位置生成对应掩码,如图8所示。
步骤S132b,根据所述掩码滤除所述绿色滤光片下拍摄的FISH图片中所述肿瘤细胞位置以外的CEP17基因信号,所述绿色滤光片下拍摄的FISH图片中剩余的CEP17基因信号形成CEP17基因判断信号,如图11所示。
如图12所示,于本实施例中,所述绿色滤光片下拍摄的FISH图片中剩余的CEP17基因信号形成CEP17基因判断信号具体包括:
步骤S132d,获取所述绿色滤光片下拍摄的FISH图片中剩余的各个CEP17基因信号的轮廓区域面积;
步骤S132e,对各所述轮廓区域面积的大小进行排序,取所述轮廓区域面积的中位数作为阈值;
步骤S132f,根据所述阈值对大于所述阈值的所述轮廓区域面积进行估算,确定大于所述阈值的所述轮廓区域面积中包含的CEP17基因信号数量;
步骤S132g,根据确定的CEP17基因信号数量确定所述CEP17基因判断信号。
如图13所示,在肿瘤细胞中的信号共12个,图中标圈的信号明显比其他信号大,比较有可能是有多个信号聚集在一起,通过对12个信号的面积进行排序取中位数例如8,异常信号为16,则认为该信号为2个信号叠加,因此共有13个信号。
步骤S140,根据所述HER2基因判断信号、所述CEP17基因判断信号以及HER2基因是否为阳性的判断标准获取HER2荧光原位杂交结果。
HER2基因判断信号=总HER2基因数/总肿瘤细胞数、CEP17基因判断信号=总CEP17基因数/总肿瘤细胞数,根据权威标准判断HER2基因是否为阳性,得到HER2荧光原位杂交结果。
本发明的实施例还提供一种计算机可读存储介质,所述存储介质例如为存储器,存储器被配置为存储各种类型的数据以支持在设备的操作。这些数据的示例包括用于在自动获取HER2荧光原位杂交结果的电子设备上操作的任何应用程序或方法的指令,消息,图片等。存储器可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),高速随机存取存储器,电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘等。所述存储器存储有程序指令,所述程序指令被执行时实现如上所述的自动获取HER2荧光原位杂交结果的方法。上述已经对所述的自动获取HER2荧光原位杂交结果的方法进行了详细说明,在此不再赘述。
本发明的实施例还提供一种自动获取HER2荧光原位杂交结果的电子设备,所述自动获取HER2荧光原位杂交结果的电子设备为但不限于医疗检测设备,图像处理设备等,所述自动获取HER2荧光原位杂交结果的电子设备包括处理器和存储器,所述存储器存储有程序指令,所述处理器运行程序指令实现如上所述的自动获取HER2荧光原位杂交结果的方法。
于实际的实现方式中,所述自动获取HER2荧光原位杂交结果的电子设备例如为安装Android操作系统或者iOS操作系统,或者Palm OS、Symbian(塞班)、或者Black Berry(黑莓)OS、Windows Phone等操作系统的自动获取HER2荧光原位杂交结果的电子设备。
在示例性实施例中,所述自动获取HER2荧光原位杂交结果的电子设备可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器、摄像头或其他电子元件实现,用于执行上述自动获取HER2荧光原位杂交结果的方法。
综上所述,本发明可以从FISH图片中准确、高效地自动计算出肿瘤细胞、HER2基因信号和CEP17基因信号,从而快速获取HER2荧光原位杂交结果。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (8)
1.一种自动获取HER2荧光原位杂交结果的电子设备,其特征在于,包括处理器和存储器,所述存储器存储有程序指令,所述处理器运行程序指令实现如下方法:
分别获取使用荧光显微镜在红色滤光片下拍摄的FISH图片、绿色滤光片下拍摄的FISH图片及蓝色滤光片下拍摄的FISH图片;
从所述红色滤光片下拍摄的FISH图片中检测出HER2基因信号,从所述绿色滤光片下拍摄的FISH图片中检测出CEP17基因信号,从所述蓝色滤光片下拍摄的FISH图片中检测出肿瘤细胞;
根据检测出的所述肿瘤细胞获取所述红色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的HER2基因信号,形成HER2基因判断信号,获取所述绿色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的CEP17基因信号,形成CEP17基因判断信号;
根据所述HER2基因判断信号、所述CEP17基因判断信号以及HER2基因是否为阳性的判断标准获取HER2荧光原位杂交结果;
根据检测出的所述肿瘤细胞获取所述红色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的HER2基因信号,形成HER2基因判断信号的一种实现方式包括:
根据所述检测到的肿瘤细胞的位置生成对应掩码;
根据所述掩码滤除所述红色滤光片下拍摄的FISH图片中所述肿瘤细胞位置以外的HER2基因信号,所述红色滤光片下拍摄的FISH图片中剩余的HER2基因信号形成HER2基因判断信号;
所述红色滤光片下拍摄的FISH图片中剩余的HER2基因信号形成HER2基因判断信号具体包括:
获取所述红色滤光片下拍摄的FISH图片中剩余的各个HER2基因信号的轮廓区域面积;
对各所述轮廓区域面积的大小进行排序,取所述轮廓区域面积的中位数作为阈值;
根据所述阈值对大于所述阈值的所述轮廓区域面积进行估算,确定大于所述阈值的所述轮廓区域面积中包含的HER2基因信号数量;
根据确定的HER2基因信号数量确定所述HER2基因判断信号。
2.根据权利要求1所述的自动获取HER2荧光原位杂交结果的电子设备,其特征在于,所述从所述红色滤光片下拍摄的FISH图片中检测出HER2基因信号的一种实现方式包括:
对所述红色滤光片下拍摄的FISH图片抽取红色通道并抑制其他通道的干扰,形成红色通道图片;
对所述红色通道图片进行信号边缘检测,确定所述红色通道图片中信号区域;
计算所述信号区域内的平均灰度值,并将所述平均灰度值作为阈值进行阈值化处理,得到所述HER2基因信号。
3.根据权利要求1所述的自动获取HER2荧光原位杂交结果的电子设备,其特征在于,所述从所述绿色滤光片下拍摄的FISH图片中检测出CEP17基因信号的一种实现方式包括:
对所述绿色滤光片下拍摄的FISH图片抽取绿色通道并抑制其他通道的干扰,形成绿色通道图片;
对所述绿色通道图片进行信号边缘检测,确定所述绿色通道图片中信号区域;
计算所述信号区域内的平均灰度值,并将所述平均灰度值作为阈值进行阈值化处理,得到所述CEP17基因信号。
4.根据权利要求1所述的自动获取HER2荧光原位杂交结果的电子设备,其特征在于,所述从所述蓝色滤光片下拍摄的FISH图片中检测出肿瘤细胞的一种实现方式包括:
通过预设的肿瘤细胞检测模型从所述蓝色滤光片下拍摄的FISH图片中检测出肿瘤细胞。
5.根据权利要求4所述的自动获取HER2荧光原位杂交结果的电子设备,其特征在于,所述肿瘤细胞检测模型的一种获取过程包括:
将多个蓝色滤光片下拍摄的FISH图片中的肿瘤细胞通过标注框进行标注,获得训练图片集;
通过所述训练图片集对目标检测神经网络模型进行训练,得到肿瘤细胞检测模型。
6.根据权利要求1所述的自动获取HER2荧光原位杂交结果的电子设备,其特征在于,根据检测出的所述肿瘤细胞获取所述绿色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的CEP17基因信号,形成CEP17基因判断信号的一种实现方式包括:
根据所述检测到的肿瘤细胞的位置生成对应掩码;
根据所述掩码滤除所述绿色滤光片下拍摄的FISH图片中所述肿瘤细胞位置以外的CEP17基因信号,所述绿色滤光片下拍摄的FISH图片中剩余的CEP17基因信号形成CEP17基因判断信号。
7.根据权利要求6所述的自动获取HER2荧光原位杂交结果的电子设备,其特征在于,所述绿色滤光片下拍摄的FISH图片中剩余的CEP17基因信号形成CEP17基因判断信号具体包括:
获取所述绿色滤光片下拍摄的FISH图片中剩余的各个CEP17基因信号的轮廓区域面积;
对各所述轮廓区域面积的大小进行排序,取所述轮廓区域面积的中位数作为阈值;
根据所述阈值对大于所述阈值的所述轮廓区域面积进行估算,确定大于所述阈值的所述轮廓区域面积中包含的CEP17基因信号数量;
根据确定的CEP17基因信号数量确定所述CEP17基因判断信号。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如下方法:
分别获取使用荧光显微镜在红色滤光片下拍摄的FISH图片、绿色滤光片下拍摄的FISH图片及蓝色滤光片下拍摄的FISH图片;
从所述红色滤光片下拍摄的FISH图片中检测出HER2基因信号,从所述绿色滤光片下拍摄的FISH图片中检测出CEP17基因信号,从所述蓝色滤光片下拍摄的FISH图片中检测出肿瘤细胞;
根据检测出的所述肿瘤细胞获取所述红色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的HER2基因信号,形成HER2基因判断信号,获取所述绿色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的CEP17基因信号,形成CEP17基因判断信号;
根据所述HER2基因判断信号、所述CEP17基因判断信号以及HER2基因是否为阳性的判断标准获取HER2荧光原位杂交结果;
根据检测出的所述肿瘤细胞获取所述红色滤光片下拍摄的FISH图片中与所述肿瘤细胞位置对应的HER2基因信号,形成HER2基因判断信号的一种实现方式包括:
根据所述检测到的肿瘤细胞的位置生成对应掩码;
根据所述掩码滤除所述红色滤光片下拍摄的FISH图片中所述肿瘤细胞位置以外的HER2基因信号,所述红色滤光片下拍摄的FISH图片中剩余的HER2基因信号形成HER2基因判断信号;
所述红色滤光片下拍摄的FISH图片中剩余的HER2基因信号形成HER2基因判断信号具体包括:
获取所述红色滤光片下拍摄的FISH图片中剩余的各个HER2基因信号的轮廓区域面积;
对各所述轮廓区域面积的大小进行排序,取所述轮廓区域面积的中位数作为阈值;
根据所述阈值对大于所述阈值的所述轮廓区域面积进行估算,确定大于所述阈值的所述轮廓区域面积中包含的HER2基因信号数量;
根据确定的HER2基因信号数量确定所述HER2基因判断信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910086394.XA CN109636801B (zh) | 2019-01-29 | 2019-01-29 | 自动获取her2荧光原位杂交结果的电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910086394.XA CN109636801B (zh) | 2019-01-29 | 2019-01-29 | 自动获取her2荧光原位杂交结果的电子设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109636801A CN109636801A (zh) | 2019-04-16 |
CN109636801B true CN109636801B (zh) | 2020-04-21 |
Family
ID=66062687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910086394.XA Active CN109636801B (zh) | 2019-01-29 | 2019-01-29 | 自动获取her2荧光原位杂交结果的电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109636801B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110286221A (zh) * | 2019-06-11 | 2019-09-27 | 遵义医学院附属医院 | 一种用于监测hpv杂交捕获的远程观察系统 |
CN111598880A (zh) * | 2020-05-19 | 2020-08-28 | 上海杏脉信息科技有限公司 | 荧光原位杂交样本病理检测系统 |
CN114049330A (zh) * | 2021-11-16 | 2022-02-15 | 长春理工大学 | 一种荧光原位杂交图像中荧光特征融合方法及系统 |
CN116188463A (zh) * | 2023-04-24 | 2023-05-30 | 中国科学院长春光学精密机械与物理研究所 | Fish图像信号自动检测分析方法、装置、设备以及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002023187A3 (en) * | 2000-09-12 | 2003-09-25 | Univ Ramot | Facile detection of cancer and cancer risk based on level of coordination between alleles |
CN102339467A (zh) * | 2010-07-15 | 2012-02-01 | 索尼公司 | 图像处理设备和方法 |
CN104195246A (zh) * | 2014-08-28 | 2014-12-10 | 广州和实生物技术有限公司 | Her-2基因快速fish检测试剂盒 |
CN108765420A (zh) * | 2018-07-04 | 2018-11-06 | 安图实验仪器(郑州)有限公司 | 荧光显微镜图像结果判别方法 |
CN109147932A (zh) * | 2018-06-11 | 2019-01-04 | 武汉海星通技术股份有限公司 | 癌细胞her2基因扩增分析方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106296635B (zh) * | 2015-05-29 | 2019-11-22 | 厦门鹭佳生物科技有限公司 | 一种荧光原位杂交(fish)图像并行处理与分析方法 |
CN109003255B (zh) * | 2018-06-11 | 2020-11-10 | 武汉海星通技术股份有限公司 | 荧光原位杂交图像的细胞核分割方法及系统 |
-
2019
- 2019-01-29 CN CN201910086394.XA patent/CN109636801B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002023187A3 (en) * | 2000-09-12 | 2003-09-25 | Univ Ramot | Facile detection of cancer and cancer risk based on level of coordination between alleles |
CN102339467A (zh) * | 2010-07-15 | 2012-02-01 | 索尼公司 | 图像处理设备和方法 |
CN104195246A (zh) * | 2014-08-28 | 2014-12-10 | 广州和实生物技术有限公司 | Her-2基因快速fish检测试剂盒 |
CN109147932A (zh) * | 2018-06-11 | 2019-01-04 | 武汉海星通技术股份有限公司 | 癌细胞her2基因扩增分析方法及系统 |
CN108765420A (zh) * | 2018-07-04 | 2018-11-06 | 安图实验仪器(郑州)有限公司 | 荧光显微镜图像结果判别方法 |
Non-Patent Citations (1)
Title |
---|
FISH IMAGE ANALYSIS SYSTEM FOR BREASTCANCERSTUDIES;Z.Theodosiou et al;《Chinese Journal of Atmospheric Sciences》;20121231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109636801A (zh) | 2019-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109636801B (zh) | 自动获取her2荧光原位杂交结果的电子设备及介质 | |
US10657643B2 (en) | Medical image analysis for identifying biomarker-positive tumor cells | |
CN107316077B (zh) | 一种基于图像分割及边缘检测的脂肪细胞自动计数方法 | |
CN109146879B (zh) | 一种检测骨龄的方法及装置 | |
CN110678903B (zh) | 用于3d图像中异位骨化的分析的系统和方法 | |
CN111091571B (zh) | 细胞核分割方法、装置、电子设备及计算机可读存储介质 | |
CN111986183B (zh) | 一种染色体散型图像自动分割识别系统及装置 | |
CN112215790A (zh) | 基于深度学习的ki67指数分析方法 | |
Duan et al. | An automatic counting system for transparent pelagic fish eggs based on computer vision | |
JP2005529311A (ja) | コンピュータシステムを使用して生物学的サンプルを解析するための方法および/またはシステム | |
WO2011126442A2 (en) | Methods for segmenting objects in images | |
CN109255786B (zh) | 一种检测骨龄的方法及装置 | |
WO2006087526A1 (en) | Apparatus and method for processing of specimen images for use in computer analysis thereof | |
CN110060246B (zh) | 一种图像处理方法、设备及存储介质 | |
JP6819445B2 (ja) | 情報処理装置、制御方法、及びプログラム | |
CN107369149B (zh) | 目标物体的检测装置及方法 | |
CN107240093B (zh) | 一种癌变细胞的自动诊断方法 | |
CN108182676A (zh) | 一种精子碎片化率检测方法、装置、设备及可读存储介质 | |
CN114648509B (zh) | 一种基于多分类任务的甲状腺癌检出系统 | |
Sagonas et al. | FISH image analysis using a modified radial basis function network | |
CN111986165B (zh) | 一种乳房图像中的钙化检出方法及装置 | |
CN114004851B (zh) | 一种细胞图像分割方法、装置及细胞计数方法 | |
WO2018104254A1 (en) | Device and method for identifying a region of interest (roi) | |
Clarke et al. | Development and evaluation of a robust algorithm for computer‐assisted detection of sentinel lymph node micrometastases | |
Ajemba et al. | Integrated segmentation of cellular structures |
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 |