CN109977888A - 一种外周血中红细胞识别标记系统和方法 - Google Patents
一种外周血中红细胞识别标记系统和方法 Download PDFInfo
- Publication number
- CN109977888A CN109977888A CN201910251641.7A CN201910251641A CN109977888A CN 109977888 A CN109977888 A CN 109977888A CN 201910251641 A CN201910251641 A CN 201910251641A CN 109977888 A CN109977888 A CN 109977888A
- Authority
- CN
- China
- Prior art keywords
- cell
- image
- cells
- preliminary making
- label
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
-
- 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
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种外周血中红细胞识别标记方法和系统,其方法的步骤为:1)通过对图像进行识别,获取图像中包含的所有细胞;2)获取识别出来细胞的轮廓,计算出细胞轮廓的圆度、拟合椭圆的长轴长度和边缘位置,并将所有细胞分别标记为大红细胞、小红细胞、血小板、边缘细胞、正常细胞和异常细胞;3)将所有细胞的轮廓、直径、以及对应的细胞类型显示出来;4)对细胞图像进行人工审核,若发现存在错误、漏标或存在多余标签的,则进行修改、添加或删除;若发现异常细胞和杂质的,则重新标记或删除。本发明采用目标检测技术对红细胞进行识别和标记,解决了现有技术中的图像缺失和计算量大的问题。
Description
技术领域
本发明涉及细胞识别领域,具体地说,特别涉及到一种外周血中红细胞识别标记系统和方法。
背景技术
申请号为201410337904.3的专利申请文件公开了一种粪便中红细胞识别方法,通过对粪便显微图像进行反向二值化处理,辨识出一个类型的杂质图像,记录其所在的位置,然后在原图像中排除该杂质;再对排除一种杂质的原图像进行反向二值化处理,再辨识出一种杂质进行排除,重复该步骤排除多种杂质后进行模版匹配,复合匹配要求的图像认定其为红细胞。
上述方法的缺陷在于:
1)由于显微镜光照的影响,其成像的亮度并不是均匀的,很多图像采用二值化处理时,会导致边缘缺失。
2)由于粪便中杂质较多,需采用逐个排除杂质的方法获得红细胞,导致在识别红细胞实时检测中计算量较大。
发明内容
本发明的目的在于针对现有技术中的不足,提供一种外周血中红细胞识别标记系统和方法,采用目标检测技术对红细胞进行识别和标记,以解决现有技术中的问题。
本发明所解决的技术问题可以采用以下技术方案来实现:
一种外周血中红细胞识别标记方法,包括如下步骤:
1)对图像进行识别,获取图像中包含的所有细胞;
2)获取识别出来细胞的轮廓,计算出细胞轮廓的圆度、拟合椭圆的长轴长度和边缘位置,并将所有细胞分别标记为大红细胞、小红细胞、血小板、边缘细胞、正常细胞和异常细胞;
3)将所有细胞的轮廓、直径、以及对应的细胞类型显示出来;
4)对细胞图像进行人工审核,若发现存在错误、漏标或存在多余标签的,则进行修改、添加或删除;若发现异常细胞和杂质的,则重新标记或删除。
进一步的,所述步骤1)中细胞的识别方法如下:
1.1)将图像灰度化,然后采用局部均值亮度的图像二值化;
1.2)在二值化图像后,采用孔洞填充算法填充图像;
1.3)采用开闭运算去除细胞之间的粘连。
进一步的,所述步骤2)中细胞的分类方法如下:
2.1)将中心点与边缘的距离小于阈值N1的细胞预标记为边缘细胞;
2.2)将圆度低于阈值N2的细胞预标记为异常细胞;
2.3)将长轴长度高于阈值N3的细胞预标记为大红细胞;
2.4)将长轴长度小于阈值N4的细胞预标记为小红细胞;
2.5)将长轴长度小于阈值N5的细胞预标记为血小板;
2.6)将剩余的细胞预标记成正常细胞。
一种外周血中红细胞识别标记系统,包括预标记单元和人工审查单元;
所述预标记单元用于对图像中的细胞进行预标记,其具有
图像识别模块,其用于对图像进行处理,并识别出所有的细胞;
细胞预标记模块,其用于获取所有细胞的轮廓,并计算细胞轮廓的圆度、拟合椭圆的长轴长度和边缘位置;
细胞判定模块,其用于根据细胞轮廓的圆度、拟合椭圆的长轴长度和边缘位置,对所有细胞进行分类,细胞类别包括大红细胞、小红细胞、血小板、边缘细胞、正常细胞和异常细胞;
显示模块,其用于将所有细胞的轮廓和细胞类别显示出来,细胞类别通过标签的形式显示;
所述人工审查单元用于对细胞图像进行人工审核,其具有
标签编辑模块,若人工发现细胞类别的显示存在错误、漏标或存在多余标签的,则通过该模块对相应的标签进行修改、添加或删除;
若人工发现异常细胞和杂质,则通过该模块对相应的标签重新标记或删除。
与现有技术相比,本发明的有益效果在于:
采用目标检测技术,对红细胞进行识别和标记,解决现有技术中因采用二值化处理而导致边缘缺失问题,以及计算量大的问题。
附图说明
图1-17为本发明所述的人工审查单元的操作示意图。
图18为本发明所述的外周血中红细胞识别标记方法的流程示意图。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
参见图18,本发明所述的一种外周血中红细胞识别标记方法,包括如下步骤:
1)对图像进行识别,获取图像中包含的所有细胞;其具体方法如下:
1.1)将图像灰度化,然后采用局部均值亮度的图像二值化;
1.2)在二值化图像后,采用孔洞填充算法填充图像;
1.3)采用开闭运算去除细胞之间的粘连。
2)获取识别出来细胞的轮廓,计算出细胞轮廓的圆度、拟合椭圆的长轴长度和边缘位置,并将所有细胞分别标记为大红细胞、小红细胞、血小板、边缘细胞、正常细胞和异常细胞;其具体方法如下:
2.1)将中心点与边缘的距离小于阈值N1的细胞预标记为边缘细胞;
2.2)将圆度低于阈值N2的细胞预标记为异常细胞;
2.3)将长轴长度高于阈值N3的细胞预标记为大红细胞;
2.4)将长轴长度小于阈值N4的细胞预标记为小红细胞;
2.5)将长轴长度小于阈值N5的细胞预标记为血小板;
2.6)将剩余的细胞预标记成正常细胞。
3)将所有细胞的轮廓、直径、以及对应的细胞类型显示出来;
4)对细胞图像进行人工审核,若发现存在错误、漏标或存在多余标签的,则进行修改、添加或删除;若发现异常细胞和杂质的,则重新标记或删除。
一种外周血中红细胞识别标记系统,包括预标记单元和人工审查单元;
所述预标记单元用于对图像中的细胞进行预标记,其具有
图像识别模块,其用于对图像进行处理,并识别出所有的细胞;
细胞预标记模块,其用于获取所有细胞的轮廓,并计算细胞轮廓的圆度、拟合椭圆的长轴长度和边缘位置;
细胞判定模块,其用于根据细胞轮廓的圆度、拟合椭圆的长轴长度和边缘位置,对所有细胞进行分类,细胞类别包括大红细胞、小红细胞、血小板、边缘细胞、正常细胞和异常细胞;
显示模块,其用于将所有细胞的轮廓和细胞类别显示出来,细胞类别通过标签的形式显示;
所述人工审查单元用于对细胞图像进行人工审核,其具有
标签编辑模块,若人工发现细胞类别的显示存在错误、漏标或存在多余标签的,则通过该模块对相应的标签进行修改、添加或删除;
若人工发现异常细胞和杂质,则通过该模块对相应的标签重新标记或删除。
实施例
以下就发明所述的人工审查单元进行示例说明。
参见图1和图2,点击“显示”,勾选第三个选项“paint labels”,将所有细胞的轮廓和细胞类别显示出来,细胞类别通过标签的形式显示。
本发明可通过按住Ctrl键,滚动鼠标,可进行图像缩放。放大后的图像如图3所示,此时图中的正常红细胞、边缘细胞、重叠细胞、血小板、大红细胞、小红细胞已自动标记完成,但正常红细胞的标签是隐藏起来的,细胞直径已经显示。
A.大小红细胞判定
参见图4,若大小红细胞存在明显错误的,需要“标签编辑”,则点击左键,选中需要修改的细胞,点击右键,选择“标签编辑”,在给出的选项中双击正确细胞类别,完成标记。
参见图5,若存在漏标的大小红细胞,则需要“创建rectbox”。具体操作参照本文件“E添加未识别细胞”操作步骤,完成标记。
参见图6,若有多余的识别框,左键选中后,按delete键删除。
B.血小板、裂红细胞标记
参见图7,血小板、裂红细胞即红细胞碎片以及极少部分小红细胞均被默认标记为血小板,需要“标签编辑”,其具体方法如下:
点击左键,选中需要修改的细胞,点击右键,选择“标签编辑”,在给出的选项中双击裂红细胞,完成标记。
参见图8,若存在漏标的血小板或裂红细胞,需要“创建rectbox”。具体操作参照本文件“E添加未识别细胞”操作步骤,完成标记。
参见图9,若有多余的识别框,左键选中后,按delete键删除。
C.异常红细胞标记
参见图10和图11,若发现异常红细胞,点击左键,选中需要修改的细胞,点击右键,选择“标签编辑”,在给出的选项中双击正确的类别,完成标记。
D.删除
参见图12,点击左键,选中需要删除的识别框,按delete键,完成删除。
E.添加未识别细胞
参见图13,点击左侧“创建rectbox”。
参见图14,移动鼠标至未识别细胞位置。
参见图15和图16,按住左键,拖动鼠标,直至将细胞包含在内,松开左键,在弹出的窗口中双击正确的细胞类别,完成标记。
参见图17,完成标记后点击右侧的“保存”或者按A键,图像会自动保存并跳到下一张。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解,本发明不受上述实施例的限制,上述实施例和说明书中描述的只是说明本发明的原理,在不脱离本发明精神和范围的前提下,本发明还会有各种变化和改进,这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (4)
1.一种外周血中红细胞识别标记方法,其特征在于,包括如下步骤:
1)对图像进行识别,获取图像中包含的所有细胞;
2)获取识别出来细胞的轮廓,计算出细胞轮廓的圆度、拟合椭圆的长轴长度和边缘位置,并将所有细胞分别标记为大红细胞、小红细胞、血小板、边缘细胞、正常细胞和异常细胞;
3)将所有细胞的轮廓、直径、以及对应的细胞类型显示出来;
4)对细胞图像进行人工审核,若发现存在错误、漏标或存在多余标签的,则进行修改、添加或删除;若发现异常细胞和杂质的,则重新标记或删除。
2.根据权利要求1所述的外周血中红细胞识别标记方法,其特征在于,所述步骤1)中细胞的识别方法如下:
1.1)将图像灰度化,然后采用局部均值亮度的图像二值化;
1.2)在二值化图像后,采用孔洞填充算法填充图像;
1.3)采用开闭运算去除细胞之间的粘连。
3.根据权利要求1所述的外周血中红细胞识别标记方法,其特征在于,所述步骤2)中细胞的分类方法如下:
2.1)将中心点与边缘的距离小于阈值N1的细胞预标记为边缘细胞;
2.2)将圆度低于阈值N2的细胞预标记为异常细胞;
2.3)将长轴长度高于阈值N3的细胞预标记为大红细胞;
2.4)将长轴长度小于阈值N4的细胞预标记为小红细胞;
2.5)将长轴长度小于阈值N5的细胞预标记为血小板;
2.6)将剩余的细胞预标记成正常细胞。
4.一种用于实现如权利要求1所述外周血中红细胞识别标记方法的系统,其特征在于,包括预标记单元和人工审查单元;
所述预标记单元用于对图像中的细胞进行预标记,其具有
图像识别模块,其用于对图像进行处理,并识别出所有的细胞;
细胞预标记模块,其用于获取所有细胞的轮廓,并计算细胞轮廓的圆度、拟合椭圆的长轴长度和边缘位置;
细胞判定模块,其用于根据细胞轮廓的圆度、拟合椭圆的长轴长度和边缘位置,对所有细胞进行分类,细胞类别包括大红细胞、小红细胞、血小板、边缘细胞、正常细胞和异常细胞;
显示模块,其用于将所有细胞的轮廓和细胞类别显示出来,细胞类别通过标签的形式显示;
所述人工审查单元用于对细胞图像进行人工审核,其具有
标签编辑模块,若人工发现细胞类别的显示存在错误、漏标或存在多余标签的,则通过该模块对相应的标签进行修改、添加或删除;
若人工发现异常细胞和杂质,则通过该模块对相应的标签重新标记或删除。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910251641.7A CN109977888A (zh) | 2019-03-29 | 2019-03-29 | 一种外周血中红细胞识别标记系统和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910251641.7A CN109977888A (zh) | 2019-03-29 | 2019-03-29 | 一种外周血中红细胞识别标记系统和方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109977888A true CN109977888A (zh) | 2019-07-05 |
Family
ID=67081826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910251641.7A Pending CN109977888A (zh) | 2019-03-29 | 2019-03-29 | 一种外周血中红细胞识别标记系统和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109977888A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464245A (zh) * | 2007-12-19 | 2009-06-24 | 深圳迈瑞生物医疗电子股份有限公司 | 一种识别红细胞碎片的方法 |
CN104751188A (zh) * | 2015-04-15 | 2015-07-01 | 爱威科技股份有限公司 | 一种图片处理方法及系统 |
CN104881679A (zh) * | 2015-05-22 | 2015-09-02 | 电子科技大学 | 一种基于改进模糊识别的白带中红细胞自动检测方法 |
CN104966282A (zh) * | 2014-12-24 | 2015-10-07 | 广西师范大学 | 一种用于单个血红细胞检测的图像采集方法及系统 |
CN107729932A (zh) * | 2017-10-10 | 2018-02-23 | 李强 | 骨髓细胞标记方法和系统 |
CN108537092A (zh) * | 2017-03-02 | 2018-09-14 | 爱威科技股份有限公司 | 变异红细胞识别方法及装置 |
CN108693097A (zh) * | 2017-12-13 | 2018-10-23 | 青岛汉朗智能医疗科技有限公司 | 红细胞聚集检测方法及系统 |
-
2019
- 2019-03-29 CN CN201910251641.7A patent/CN109977888A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101464245A (zh) * | 2007-12-19 | 2009-06-24 | 深圳迈瑞生物医疗电子股份有限公司 | 一种识别红细胞碎片的方法 |
CN104966282A (zh) * | 2014-12-24 | 2015-10-07 | 广西师范大学 | 一种用于单个血红细胞检测的图像采集方法及系统 |
CN104751188A (zh) * | 2015-04-15 | 2015-07-01 | 爱威科技股份有限公司 | 一种图片处理方法及系统 |
CN104881679A (zh) * | 2015-05-22 | 2015-09-02 | 电子科技大学 | 一种基于改进模糊识别的白带中红细胞自动检测方法 |
CN108537092A (zh) * | 2017-03-02 | 2018-09-14 | 爱威科技股份有限公司 | 变异红细胞识别方法及装置 |
CN107729932A (zh) * | 2017-10-10 | 2018-02-23 | 李强 | 骨髓细胞标记方法和系统 |
CN108693097A (zh) * | 2017-12-13 | 2018-10-23 | 青岛汉朗智能医疗科技有限公司 | 红细胞聚集检测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11681418B2 (en) | Multi-sample whole slide image processing in digital pathology via multi-resolution registration and machine learning | |
US8791998B2 (en) | Image processing apparatus and method for displaying images | |
CN111461068B (zh) | 一种染色体中期图识别和分割方法 | |
US9679354B2 (en) | Duplicate check image resolution | |
CN111145209A (zh) | 一种医学图像分割方法、装置、设备及存储介质 | |
CN111724379B (zh) | 基于组合视图的显微图像细胞计数与姿态识别方法及系统 | |
CN110322438A (zh) | 结核分枝杆菌自动检测模型的训练方法及自动检测系统 | |
US20220277440A1 (en) | User-assisted iteration of cell image segmentation | |
CN109670489B (zh) | 基于多实例学习的弱监督式早期老年性黄斑病变分类方法 | |
TWI405145B (zh) | 以圖素之區域特徵為基礎的影像分割標記方法與系統,及其電腦可記錄媒體 | |
CN111986183A (zh) | 一种染色体散型图像自动分割识别系统及装置 | |
WO2023202190A1 (zh) | 一种图像批处理识别方法及系统 | |
CN115830025B (zh) | 白细胞分类计数方法、系统、存储介质及计算机设备 | |
CN111798472A (zh) | 一种基于hsi空间的绪下茧分割和识别方法 | |
CN108230387A (zh) | 一种纤维间隔特征量化的方法及装置 | |
CN110060246B (zh) | 一种图像处理方法、设备及存储介质 | |
Ko et al. | Microscopic cell nuclei segmentation based on adaptive attention window | |
CN112819834B (zh) | 基于人工智能的胃部病理图像的分类方法和装置 | |
CN109977888A (zh) | 一种外周血中红细胞识别标记系统和方法 | |
CN111652837B (zh) | 基于ai的甲状腺结节左右叶定位与超声报告纠错方法 | |
CN116258686A (zh) | 基于图像卷积特征捕捉的结肠息肉分型检测模型建立方法 | |
Kiyuna et al. | Automatic classification of hepatocellular carcinoma images based on nuclear and structural features | |
CN112435269A (zh) | 一种基于Faster-RCNN的桡骨远端骨折图像处理方法 | |
CN109086774B (zh) | 基于朴素贝叶斯的彩色图像二值化方法和系统 | |
CN110766680B (zh) | 一种基于几何约束的白细胞图像分割方法 |
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 |
Application publication date: 20190705 |
|
RJ01 | Rejection of invention patent application after publication |