CN110132844A - 一种细胞图像数据采集系统及方法、信息数据处理终端 - Google Patents
一种细胞图像数据采集系统及方法、信息数据处理终端 Download PDFInfo
- Publication number
- CN110132844A CN110132844A CN201910392627.9A CN201910392627A CN110132844A CN 110132844 A CN110132844 A CN 110132844A CN 201910392627 A CN201910392627 A CN 201910392627A CN 110132844 A CN110132844 A CN 110132844A
- Authority
- CN
- China
- Prior art keywords
- cell
- cell image
- num
- image
- module
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000013480 data collection Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 title claims abstract description 9
- 230000005540 biological transmission Effects 0.000 claims abstract description 13
- 239000000523 sample Substances 0.000 claims description 35
- 239000005357 flat glass Substances 0.000 claims description 24
- 238000000926 separation method Methods 0.000 claims description 24
- 230000011218 segmentation Effects 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 238000001514 detection method Methods 0.000 claims description 8
- 239000013068 control sample Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000003518 caustics Substances 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 3
- 238000011084 recovery Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 2
- 235000013399 edible fruits Nutrition 0.000 claims 1
- 238000005516 engineering process Methods 0.000 abstract description 13
- 238000003745 diagnosis Methods 0.000 abstract description 10
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000004891 communication Methods 0.000 abstract description 4
- 230000007812 deficiency Effects 0.000 abstract description 3
- 230000003287 optical effect Effects 0.000 abstract description 3
- 230000007170 pathology Effects 0.000 description 7
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 240000007651 Rubus glaucus Species 0.000 description 5
- 235000011034 Rubus glaucus Nutrition 0.000 description 5
- 235000009122 Rubus idaeus Nutrition 0.000 description 5
- 239000011521 glass Substances 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 238000009509 drug development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 239000002547 new drug Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007789 sealing Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000011282 treatment Methods 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000000505 pernicious effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J9/00—Programme-controlled manipulators
- B25J9/16—Programme controls
- B25J9/1694—Programme controls characterised by use of sensors other than normal servo-feedback from position, speed or acceleration sensors, perception control, multi-sensor controlled systems, sensor fusion
- B25J9/1697—Vision controlled systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G06T5/70—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
- G01N2021/0181—Memory or computer-assisted visual determination
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20152—Watershed segmentation
Abstract
本发明属于图像数据采集及处理技术领域,公开了一种细胞图像数据采集系统及方法、信息数据处理终端;包括:主控单元、细胞图像采集模块、网络通信模块、标本放置台驱动模块、液晶显示模块、本地存储模块、机械臂控制模块、电源管理模块、接口预留模块。本发明不仅能够实现了细胞图像的全自动采集与传输,与国内现有技术相比,本发明专利综合利用嵌入式、机械控制、网络传输、光学成像等技术,实现了对细胞图像的采集与传输。还能解决采用传统显微镜进行细胞观察存在的一些弊端和不足,降低病理科医生工作量,为利用人工智能技术进行细胞诊断识别所需数据集来源提供保障,具有十分广阔的应用前景。
Description
技术领域
本发明属于图像数据采集及处理技术领域,尤其涉及一种细胞图像数据采集系统及方法、信息数据处理终端。
背景技术
目前,业内常用的现有技术是这样的:病理被称为临床诊断的“金标准”,病理医生更是“医生的医生”,尤其是针对肿瘤而言,大多数肿瘤患者最终是通过病理检测来确定肿瘤是恶性还是良心,最终为医生进行治疗提供决策依据。但是,据统计,全国有执照的病理医生缺口高达9万人,而一个病理医生的培训周期却是漫长而辛苦的,需要五年临床基础医学学习,再经过五年规范化培训,最后还要通过严格考试。在目前的社会现状下,病理科医生工作风险大,劳动报酬低,导致很多年轻医学生不愿意做病理专业的学习,使得病理医生的数量远远跟不上临床发展的需要。此外,我国医疗资源的分配在地区,城乡之间差距极大,优质的医疗服务资源集中在一线城市,农村医疗资源严重匮乏。这一现象在病理科总数存在很大空缺的情况下表现尤为明显,在很多具备检查仪器条件的乡镇医院、卫生站却没有办法找到相应的病理科医生。
随着科技的发展,人工智能与大数据技术逐步进入医疗领域,并在其中扮演了重要的角色。例如在药物研究领域,通过大数据分析等技术手段能够快速、准确地挖掘和筛选出合适的化合物或生物,达到缩短新药研发周期、降低新药研发成本、提高新药研发成功了的目的。此外,人工智能在医学影像领域,通过对影像数据进行分析,提取影像数据中的特征,获取诊断疾病的信息,达到辅助医生对疾病进行诊断的功能。但是,由于在医学领域人工智能依然只是一个起步阶段,很多疾病的医学数据依然是空白。当前对细胞切片的检测依然停留在病理医生利用双眼在显微镜观察下观察细胞结构,然后根据自身经验来对症状进行判断,该方式过多依赖病理科医生的主观见解,尤其是在病理科医生缺乏的现在,每个病理科医生每天工作量繁重,使得其对相应症状的判断可能会出现误诊和漏诊,这些情况的出现对于病人来说可能会延误最佳的治疗时间,带来不可挽回的后果。此外,一个封存细胞的玻璃片上包含的细胞多达2万以上,但是肉眼一次性能够观察到的细胞或者通过摄像头一次性能拍摄到的细胞最多只能达到1000左右,使得病理科医生只能通过自己的双手不停的移动封存细胞的玻璃片来观察2万多个细胞,但是这种方法可能会导致漏查某一部分细胞的可能,所以传统的方案在对细胞进行检测的时候存在很多问题。此外,目前虽说也有产品能够通过摄像头采集细胞图像(该产品在对细胞图像进行采集时依然没有摆脱一次性最多只能达到1000个左右细胞的限制),但是大部分产品都是通过USB接口与PC端直接相连,无法实现远程传输的功能,同时,也无法满足未来细胞染色、上传、识别一体化、智能化的需求。目前,利用人工智能的方法来对细胞图像进行分析,必须包含大量的数据集才能实现一个精准的分析,但是由于在进行数据集获取的过程中存在上述一些问题,使得利用深度学习来分析细胞图像一直没有任何进展。
综上所述,现有技术存在的问题是:目前,利用人工智能的方法来对细胞图像进行分析,必须包含大量的数据集才能实现一个精准的分析,但是由于在进行数据集获取的过程中存在上述主观判决导致误诊率高、细胞图像采集区域受限、智能化、一体化、集成化水平低等问题,导致利用深度学习来分析细胞图像一直没有任何进展。
解决上述技术问题的难度在于:如何通过机械部件精确控制封存细胞的玻璃片移动,完成细胞图像完整采集;采集过程中如何保证细胞图像的清晰度;采集传输如何实现智能化、一体化和集成化;细胞图像完成采集后如何实现拼接、去重,确保细胞图像的完整性
以上技术难题得以解决,可以很大程度提升细胞图像采集效率及完整性、减轻病理科医生工作负荷从而降低误诊和漏诊发生的概率。智能化、一体化、集成化的细胞图像采集系统将会对利用深度学习技术实现细胞病理的研究工作具有重要指导意义。
发明内容
针对现有技术存在的问题,本发明提供了一种细胞图像数据采集系统及方法、信息数据处理终端。
本发明是这样实现的,一种细胞图像数据采集系统,所述细胞图像数据采集系统包括:
主控单元,用于完成系统的协调与控制;
细胞图像采集模块,用于扫描确定好整个待采集玻璃片边界区域并反馈给主控单元;
标本放置台驱动控制模块,用于图像采集时,主控单元发送控制信号给标本放置台驱动控制模块控制,控制标本放置台先前后、左右移动,保证细胞图像采集模块先扫描确定好整个待采集玻璃片边界区域并反馈给主控单元,收到反馈后,主控单元开始控制细胞图像采集模块进行图像采集,每采集完一次,就给标本放置台驱动控制模块反馈一个信号,标本放置台驱动控制模块自动控制放置台按照预先设置好的步长和路径进行移动,最后实现整个玻璃片的拍摄采集;
机械臂控制模块,用于控制机械手自动抓取染色好的细胞标本玻璃片放置在标本放置台上的固定位置,每完成一次放置,该机械臂控制模块会发出一个结束信号给主控单元,主控单元收到反馈信号后就启动图像采集。
本发明的另一目的在于提供一种运行所述细胞图像数据采集系统的细胞图像数据采集方法,所述细胞图像数据采集方法包括以下步骤:
步骤一,每次采集图片采集成功后,如果网络正常就将图片传输到云服务器,如果网络异常则将采集到的图片存储在本地,系统检测到网络恢复后再启动传输;
步骤二,在云服务器上采用细胞图像检测及拼接技术,去掉重复扫描部分,拼接完整的细胞图像,具体实现过程如下:
4)采用直方图均衡化对细胞图像进行增强;
5)采用均值滤波及高斯滤波对细胞图像进行去噪处理;
6)采用OTSU算法对细胞图像进行分割:①将细胞图像进行二值化预分割,将细胞作为前景分割出来;②对分割后的二值图,实施开运算,填充细胞中的孔洞,使轻微粘连细胞分开及细小的细胞消失;③使用分水岭分割,将图像中粘连严重的细胞分割开来;④删除掉边缘上的细胞,再利用四连通区域标记算法统计分割后非粘连细胞的个数,最后在原图上标记出分割好的细胞,并标号;⑤对每个细胞,统计其面积,并用提取细胞边缘,统计边缘轮廓上的像素个数即细胞周长,将每个细胞的图像及相关信息分别显示出来。
4)对于重叠的细胞图像部分,采用重叠分离算法完成去细胞重叠类型判断和重叠细胞分离;
所述的细胞重叠类型判断采用下述方法进行:首先根据极限腐蚀方法得到重叠细胞的个数num,再根据凹区提取方法得到凹区的个数UNM:
若NUM=2num-2,则判定细胞是串联重叠细胞;
若NUM=num,则判定细胞是内部无空洞的并联细胞;
若NUM=num+s,则判定细胞是内部有空洞的并联细胞;
所述的重叠细胞分离包括串联重叠细胞的分离和并联重叠细胞的分离;
串联重叠细胞的分离方法如下:只有两个凹区,而凹点位于凹区轮廓之上,因此两个凹区轮廓像素间欧式距离最短的点即为凹点,连接这两个凹点即可以实现两个串联重叠细胞的分离,假设(x1,i,y1,j),)为第一个凹区轮廓上的某点,(x2,i,y2,j)为第二个凹区轮廓上的某点,则最短欧式距离的计算公式为:
则(x1,y1)及(x2,y2)即为对应的凹点坐标,做凹点间的连线就可以分离出重叠细胞;
并联重叠细胞的分离方法如下:对于一般的重叠程度不高、内部无空洞的并联细胞,如果细胞个数为num,凹区的个数为NUM,则NUM=num;对于一些重叠程度很高的并联细胞,重叠细胞个数一般为num=1,而凹区个数NUM≠num;对于内部有空洞的并联细胞,其二值图像的连通区域个数t1,与其反图像的连通区域个数t2不一致,一般num≠1,NUM≠num;可以根据这些条件来判别并联重叠细胞。去重后进行拼接,即可得到完整细胞图像。
进一步,所述细胞图像数据采集方法包括以下步骤:通过机械臂控制模块控制机械手自动抓取染色好的细胞标本玻璃片放置在标本放置台上的固定位置,每完成一次放置,该机械臂控制模块通过串口发出一个结束信号(字符串”oneputok”)给主控单元,主控单元收到反馈信号后进行字符匹配,如果接收到的数据是字符串”oneputok”,就启动图像采集。图像采集时,主控单元同样也是通过串口发送控制信号(字符串”getallprofile”)给标本放置台驱动控制模块,驱动控制模块收到控制信号后进行字符匹配,如果收到的数据是字符串”getallprofile”,就开始控制标本放置台先前后、左右移动,保证细胞图像采集模块先扫描确定好整个待采集玻璃片边界区域并反馈给主控单元,该反馈信号是字符串”getallprofileok”,主控单元收到反馈后,就开始控制细胞图像采集模块进行图像采集,每采集完一次,就给标本放置台驱动控制模块反馈一个信号(字符串”onceend”),标本放置台驱动控制模块自动控制放置台按照预先设置好的步长和路径进行移动,最后实现整个玻璃片的拍摄采集。
本发明的另一目的在于提供一种实现所述细胞图像数据采集方法的计算机程序。
本发明的另一目的在于提供一种实现所述细胞图像数据采集方法的信息数据处理终端。
本发明的另一目的在于提供一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行所述的细胞图像数据采集方法。
综上所述,本发明的优点表现为:1)实现通过机械部件精确控制封存细胞的玻璃片移动,自动完成细胞图像完整采集,细胞图像分配率达到1024*1024,单张图像细胞清晰可辨;2)实现细胞图像采集传输如何实现智能化、一体化和集成化;3)细胞图像完成采集后可实现拼接、去重,从而确保细胞图像的完整性。积极效果表现为:1)一定程度上提升细胞图像采集效率及完整性、减轻病理科医生工作负荷从而降低误诊和漏诊发生的概率;2)智能化、一体化、集成化的细胞图像采集系统将会对利用深度学习技术实现细胞病理的研究工作具有重要指导意义。与国内现有技术相比,本发明专利综合利用嵌入式、机械控制、网络传输、光学成像等技术,实现了对细胞图像的采集与传输。解决采用传统显微镜进行细胞观察存在的一些弊端和不足,降低病理科医生工作量,为利用人工智能技术进行细胞诊断识别所需数据集来源提供保障,具有十分广阔的应用前景。
附图说明
图1是本发明实施例提供的细胞图像数据采集系统的结构示意图;
图中:1、主控单元(树莓派);2、细胞图像采集模块;3、标本放置台驱动控制模块;4、网络通信模块;5、液晶显示模块;6、机械臂控制模块;7、本地存储模块;8、电源管理模块;9、接口预留模块。
图2是本发明实施例提供的细胞图像数据采集方法流程图。
图3是本发明实施例提供的细胞图像数据采集方法实现流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明能够自动完成细胞标本图像数据采集、传输,以解决采用传统显微镜进行细胞观察存在的一些弊端和不足,降低病理科医生工作量,为利用人工智能技术进行细胞诊断识别所需数据集来源提供保障。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示,本发明实施例提供的细胞图像数据采集系统包括:主控单元(树莓派)1、细胞图像采集模块2、标本放置台驱动控制模块3、网络通信模块4、液晶显示模块5、机械臂控制模块6、本地存储模块7、电源管理模块8、接口预留模块9。
主控单元(树莓派)1,用于完成系统的协调与控制;
胞图像采集模块2,用于扫描确定好整个待采集玻璃片边界区域并反馈给主控单元1;
标本放置台驱动控制模块3,用于图像采集时,主控单元1发送控制信号给标本放置台驱动控制模块3控制,控制标本放置台先前后、左右移动,保证细胞图像采集模块2先扫描确定好整个待采集玻璃片边界区域并反馈给主控单元1,收到反馈后,主控单元1开始控制细胞图像采集模块2进行图像采集,每采集完一次,就给标本放置台驱动控制模块3反馈一个信号,标本放置台驱动控制模块3自动控制放置台按照预先设置好的步长和路径进行移动,最后实现整个玻璃片的拍摄采集;
机械臂控制模块6,装用于控制机械手自动抓取染色好的细胞标本玻璃片放置在标本放置台上的固定位置(细胞图像采集模块显微镜正下方),每完成一次放置,该机械臂控制模块6会发出一个结束信号给主控单元1,主控单元1收到反馈信号后就启动图像采集。
如图2所示,本发明实施例提供的细胞图像数据采集方法包括以下步骤:
S201:每次采集图片采集成功后,如果网络正常就将图片传输到云服务器,如果网络异常则将采集到的图片存储在本地,系统检测到网络恢复后再启动传输;
S202:在云服务器上采用细胞图像检测及拼接技术,去掉重复扫描部分,拼接完整的细胞图像,便于细胞诊断辅助系统进行识别处理。
图2是细胞图像采集装结构框图,整个装置主要由主控单元1(树莓派)、细胞图像采集模块2、标本放置台驱动控制模块3、网络通信模块4、液晶显示模块5、机械臂控制模块6、本地存储模块7、电源管理模块8及接口预留模块9构成。整个装置通过树莓派作为主控芯片完成系统的协调与控制。装置通过机械臂控制模块6控制机械手自动抓取染色好的细胞标本玻璃片放置在标本放置台上的固定位置(细胞图像采集模块2显微镜正下方),每完成一次放置,该机械臂控制模块6会发出一个结束信号给主控单元1,主控单元1收到反馈信号后就启动图像采集。图像采集时,主控单元1发送控制信号给标本放置台驱动控制模块3控制,控制标本放置台先前后、左右移动,保证细胞图像采集模块2先扫描确定好整个待采集玻璃片边界区域并反馈给主控单元1,收到反馈后,主控单元1开始控制细胞图像采集模块2进行图像采集,每采集完一次,就给标本放置台驱动控制模块3反馈一个信号,标本放置台驱动控制模块3自动控制放置台按照预先设置好的步长和路径进行移动,最后实现整个玻璃片的拍摄采集。
步骤202,在云服务器上采用细胞图像检测及拼接技术,去掉重复扫描部分,拼接完整的细胞图像,具体实现过程如下:
采用直方图均衡化对细胞图像进行增强;
采用均值滤波及高斯滤波对细胞图像进行去噪处理;
采用OTSU算法对细胞图像进行分割:①将细胞图像进行二值化预分割,将细胞作为前景分割出来;②对分割后的二值图,实施开运算,填充细胞中的孔洞,使轻微粘连细胞分开及细小的细胞消失;③使用分水岭分割,将图像中粘连严重的细胞分割开来;④删除掉边缘上的细胞,再利用四连通区域标记算法统计分割后非粘连细胞的个数,最后在原图上标记出分割好的细胞,并标号;⑤对每个细胞,统计其面积,并用提取细胞边缘,统计边缘轮廓上的像素个数即细胞周长,将每个细胞的图像及相关信息分别显示出来。
对于重叠的细胞图像部分,采用重叠分离算法完成去细胞重叠类型判断和重叠细胞分离;
所述的细胞重叠类型判断采用下述方法进行:首先根据极限腐蚀方法得到重叠细胞的个数num,再根据凹区提取方法得到凹区的个数UNM:
若NUM=2num-2,则判定细胞是串联重叠细胞;
若NUM=num,则判定细胞是内部无空洞的并联细胞;
若NUM=num+s,则判定细胞是内部有空洞的并联细胞;
所述的重叠细胞分离包括串联重叠细胞的分离和并联重叠细胞的分离;
串联重叠细胞的分离方法如下:只有两个凹区,而凹点位于凹区轮廓之上,因此两个凹区轮廓像素间欧式距离最短的点即为凹点,连接这两个凹点即可以实现两个串联重叠细胞的分离,假设(x1,i,y1,j),)为第一个凹区轮廓上的某点,(x2,i,y2,j)为第二个凹区轮廓上的某点,则最短欧式距离的计算公式为:
则(x1,y1)及(x2,y2)即为对应的凹点坐标,做凹点间的连线就可以分离出重叠细胞;
并联重叠细胞的分离方法如下:对于一般的重叠程度不高、内部无空洞的并联细胞,如果细胞个数为num,凹区的个数为NUM,则NUM=num;对于一些重叠程度很高的并联细胞,重叠细胞个数一般为num=1,而凹区个数NUM≠num;对于内部有空洞的并联细胞,其二值图像的连通区域个数t1,与其反图像的连通区域个数t2不一致,一般num≠1,NUM≠num;可以根据这些条件来判别并联重叠细胞。去重后进行拼接,即可得到完整细胞图像。
细胞图像数据采集方法包括以下步骤:通过机械臂控制模块控制机械手自动抓取染色好的细胞标本玻璃片放置在标本放置台上的固定位置,每完成一次放置,该机械臂控制模块通过串口发出一个结束信号(字符串”oneputok”)给主控单元,主控单元收到反馈信号后进行字符匹配,如果接收到的数据是字符串”oneputok”,就启动图像采集。图像采集时,主控单元同样也是通过串口发送控制信号(字符串”getallprofile”)给标本放置台驱动控制模块,驱动控制模块收到控制信号后进行字符匹配,如果收到的数据是字符串”getallprofile”,就开始控制标本放置台先前后、左右移动,保证细胞图像采集模块先扫描确定好整个待采集玻璃片边界区域并反馈给主控单元,该反馈信号是字符串”getallprofileok”,主控单元收到反馈后,就开始控制细胞图像采集模块进行图像采集,每采集完一次,就给标本放置台驱动控制模块反馈一个信号(字符串”onceend”),标本放置台驱动控制模块自动控制放置台按照预先设置好的步长和路径进行移动,最后实现整个玻璃片的拍摄采集。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用全部或部分地以计算机程序产品的形式实现,所述计算机程序产品包括一个或多个计算机指令。在计算机上加载或执行所述计算机程序指令时,全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输)。所述计算机可读取存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质(例如固态硬盘SolidState Disk(SSD))等。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种细胞图像数据采集系统,其特征在于,所述细胞图像数据采集系统包括:
主控单元,用于完成系统的协调与控制;
胞图像采集模块,用于扫描确定好整个待采集玻璃片边界区域并反馈给主控单元;
标本放置台驱动控制模块,用于图像采集时,主控单元发送控制信号给标本放置台驱动控制模块控制,控制标本放置台先前后、左右移动,保证细胞图像采集模块先扫描确定好整个待采集玻璃片边界区域并反馈给主控单元,收到反馈后,主控单元开始控制细胞图像采集模块进行图像采集,每采集完一次,就给标本放置台驱动控制模块反馈一个信号,标本放置台驱动控制模块自动控制放置台按照预先设置好的步长和路径进行移动,最后实现整个玻璃片的拍摄采集;
机械臂控制模块,用于控制机械手自动抓取染色好的细胞标本玻璃片放置在标本放置台上的固定位置,每完成一次放置,该机械臂控制模块会发出一个结束信号给主控单元,主控单元收到反馈信号后就启动图像采集。
2.一种运行权利要求1所述细胞图像数据采集系统的细胞图像数据采集方法,其特征在于,所述细胞图像数据采集方法包括以下步骤:
步骤一,每次采集图片采集成功后,如果网络正常就将图片传输到云服务器,如果网络异常则将采集到的图片存储在本地,系统检测到网络恢复后再启动传输;
步骤二,在云服务器上采用细胞图像检测及拼接技术,去掉重复扫描部分,拼接完整的细胞图像。
3.如权利要求2所述的细胞图像数据采集方法,其特征在于,所述细胞图像数据采集方法包括以下步骤:通过机械臂控制模块控制机械手自动抓取染色好的细胞标本玻璃片放置在标本放置台上的固定位置,每完成一次放置,该机械臂控制模块发出一个结束信号给主控单元,主控单元收到反馈信号后就启动图像采集;图像采集时,主控单元发送控制信号给标本放置台驱动控制模块控制,控制标本放置台先前后、左右移动,保证细胞图像采集模块先扫描确定好整个待采集玻璃片边界区域并反馈给主控单元,收到反馈后,主控单元开始控制细胞图像采集模块进行图像采集,每采集完一次,就给标本放置台驱动控制模块反馈一个信号,标本放置台驱动控制模块自动控制放置台按照预先设置好的步长和路径进行移动,最后实现整个玻璃片的拍摄采集。
4.如权利要求2所述的细胞图像数据采集方法,其特征在于,步骤二进一步包括:
1)采用直方图均衡化对细胞图像进行增强;
2)采用均值滤波及高斯滤波对细胞图像进行去噪处理;
3)采用OTSU算法对细胞图像进行分割:①将细胞图像进行二值化预分割,将细胞作为前景分割出来;②对分割后的二值图,实施开运算,填充细胞中的孔洞,使轻微粘连细胞分开及细小的细胞消失;③使用分水岭分割,将图像中粘连严重的细胞分割开来;④删除掉边缘上的细胞,再利用四连通区域标记算法统计分割后非粘连细胞的个数,最后在原图上标记出分割好的细胞,并标号;⑤对每个细胞,统计其面积,并用提取细胞边缘,统计边缘轮廓上的像素个数即细胞周长,将每个细胞的图像及相关信息分别显示出来;
4)对于重叠的细胞图像部分,采用重叠分离算法完成去细胞重叠类型判断和重叠细胞分离。
5.如权利要求4所述的细胞图像数据采集方法,其特征在于,步骤一进一步包括:所述的细胞重叠类型判断采用下述方法进行:首先根据极限腐蚀方法得到重叠细胞的个数num,再根据凹区提取方法得到凹区的个数UNM:
若NUM=2num-2,则判定细胞是串联重叠细胞;
若NUM=num,则判定细胞是内部无空洞的并联细胞;
若NUM=num+s,则判定细胞是内部有空洞的并联细胞;
所述的重叠细胞分离包括串联重叠细胞的分离和并联重叠细胞的分离;
串联重叠细胞的分离方法如下:只有两个凹区,而凹点位于凹区轮廓之上,因此两个凹区轮廓像素间欧式距离最短的点即为凹点,连接这两个凹点即可以实现两个串联重叠细胞的分离,假设(x1,i,y1,j),)为第一个凹区轮廓上的某点,(x2,i,y2,j)为第二个凹区轮廓上的某点,则最短欧式距离的计算公式为:
则(x1,y1)及(x2,y2)即为对应的凹点坐标,做凹点间的连线就可以分离出重叠细胞;
并联重叠细胞的分离方法如下:对于一般的重叠程度不高、内部无空洞的并联细胞,如果细胞个数为num,凹区的个数为NUM,则NUM=num;对于一些重叠程度很高的并联细胞,重叠细胞个数一般为num=1,而凹区个数NUM≠num;对于内部有空洞的并联细胞,其二值图像的连通区域个数t1,与其反图像的连通区域个数t2不一致,一般num≠1,NUM≠num;可以根据这些条件来判别并联重叠细胞。去重后进行拼接,即可得到完整细胞图像。
6.一种实现权利要求2~5任意一项所述细胞图像数据采集方法的计算机程序。
7.一种实现权利要求2~5任意一项所述细胞图像数据采集方法的信息数据处理终端。
8.一种计算机可读存储介质,包括指令,当其在计算机上运行时,使得计算机执行如权利要求2-5任意一项所述的细胞图像数据采集方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910392627.9A CN110132844A (zh) | 2019-05-13 | 2019-05-13 | 一种细胞图像数据采集系统及方法、信息数据处理终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910392627.9A CN110132844A (zh) | 2019-05-13 | 2019-05-13 | 一种细胞图像数据采集系统及方法、信息数据处理终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110132844A true CN110132844A (zh) | 2019-08-16 |
Family
ID=67573459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910392627.9A Pending CN110132844A (zh) | 2019-05-13 | 2019-05-13 | 一种细胞图像数据采集系统及方法、信息数据处理终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110132844A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111429761A (zh) * | 2020-02-28 | 2020-07-17 | 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人工智能模拟教学系统及其方法 |
CN111458269A (zh) * | 2020-05-07 | 2020-07-28 | 厦门汉舒捷医疗科技有限公司 | 一种外周血淋巴微核细胞图像人工智能识别方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808745A (zh) * | 2007-09-25 | 2010-08-18 | 西泰克公司 | 用于对细胞进行操作、成像和分析的微流体设备 |
CN102035834A (zh) * | 2010-12-11 | 2011-04-27 | 常州达奇医疗科技有限公司 | 对显微镜进行网络遥操作的远程阅片系统 |
CN102564924A (zh) * | 2012-02-08 | 2012-07-11 | 长春迪瑞医疗科技股份有限公司 | 一种血细胞单帧图像的自动扫描方法 |
CN109712693A (zh) * | 2018-12-14 | 2019-05-03 | 贵州大学 | 一种智能病理诊断方法及系统 |
-
2019
- 2019-05-13 CN CN201910392627.9A patent/CN110132844A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101808745A (zh) * | 2007-09-25 | 2010-08-18 | 西泰克公司 | 用于对细胞进行操作、成像和分析的微流体设备 |
CN102035834A (zh) * | 2010-12-11 | 2011-04-27 | 常州达奇医疗科技有限公司 | 对显微镜进行网络遥操作的远程阅片系统 |
CN102564924A (zh) * | 2012-02-08 | 2012-07-11 | 长春迪瑞医疗科技股份有限公司 | 一种血细胞单帧图像的自动扫描方法 |
CN109712693A (zh) * | 2018-12-14 | 2019-05-03 | 贵州大学 | 一种智能病理诊断方法及系统 |
Non-Patent Citations (1)
Title |
---|
灵思致远LEANSMALL: "MATLAB图像处理实验——细胞图像的分割和计数", 《HTTPS://BLOG.CSDN.NET/LEANSMALL/ARTICLE/DETAILS/85303886》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111429761A (zh) * | 2020-02-28 | 2020-07-17 | 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人工智能模拟教学系统及其方法 |
CN111429761B (zh) * | 2020-02-28 | 2022-10-21 | 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人工智能模拟教学系统及其方法 |
CN111458269A (zh) * | 2020-05-07 | 2020-07-28 | 厦门汉舒捷医疗科技有限公司 | 一种外周血淋巴微核细胞图像人工智能识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10650221B2 (en) | Systems and methods for comprehensive multi-assay tissue analysis | |
CN110033456B (zh) | 一种医疗影像的处理方法、装置、设备和系统 | |
CN105027164B (zh) | 完整载片图像配准和交叉图像注释设备、系统和方法 | |
JP6231885B2 (ja) | 頸部を検査する医療機器 | |
Quinn et al. | Automated blood smear analysis for mobile malaria diagnosis | |
CN110490892A (zh) | 一种基于USFaster R-CNN的甲状腺超声图像结节自动定位识别方法 | |
CN111415352B (zh) | 一种基于深度级联网络的癌转移全景病理切片分析方法 | |
CN110132844A (zh) | 一种细胞图像数据采集系统及方法、信息数据处理终端 | |
CN106157279A (zh) | 基于形态学分割的眼底图像病变检测方法 | |
Sornapudi et al. | Automated cervical digitized histology whole-slide image analysis toolbox | |
Haibo et al. | An improved yolov3 algorithm for pulmonary nodule detection | |
CN110807754B (zh) | 基于深度语义分割的真菌显微图像分割检测方法及系统 | |
CN115206495A (zh) | 基于CoAtNet深度学习的肾癌病理图像分析方法、系统及智能显微装置 | |
Athinarayanan et al. | COMPUTER AIDED DIAGNOSIS FOR DETECTION AND STAGE IDENTIFICATION OF CERVICAL CANCER BY USING PAP SMEAR SCREENING TEST IMAGES. | |
CN114387596A (zh) | 细胞病理涂片自动判读系统 | |
Nahrawi et al. | A Novel Nucleus Detection on Pap Smear Image Using Mathematical Morphology Approach | |
CN115937188A (zh) | 一种基于改进的YOLOv5和EfficientNet的细胞病理图像异常检测方法 | |
Yang et al. | DeepDrRVO: A GAN-auxiliary two-step masked transformer framework benefits early recognition and differential diagnosis of retinal vascular occlusion from color fundus photographs | |
CN114742803A (zh) | 一种结合深度学习与数字图像处理算法的血小板聚集检测方法 | |
CN109948706B (zh) | 结合深度学习与特征多尺度融合的微钙化簇检测方法 | |
CN111815554A (zh) | 一种基于边缘搜索mrf模型的宫颈细胞图像分割方法 | |
CN113313685B (zh) | 一种基于深度学习的肾小管萎缩区域识别方法与系统 | |
WO2024051482A1 (zh) | 细胞单克隆源性自动分析的方法、系统和存储介质 | |
Li et al. | Composition statistics of gynecological microscopic images based on texture analysis and medical intelligence system | |
CN113053521A (zh) | 基于深度学习的头颈鳞癌淋巴结转移癌诊断辅助识别系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190816 |