CN110146974B - 一种智能生物显微镜 - Google Patents
一种智能生物显微镜 Download PDFInfo
- Publication number
- CN110146974B CN110146974B CN201910456913.7A CN201910456913A CN110146974B CN 110146974 B CN110146974 B CN 110146974B CN 201910456913 A CN201910456913 A CN 201910456913A CN 110146974 B CN110146974 B CN 110146974B
- Authority
- CN
- China
- Prior art keywords
- image
- stepping motor
- shot
- camera
- images
- 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
- 238000000034 method Methods 0.000 claims abstract description 21
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 3
- 239000007788 liquid Substances 0.000 claims description 2
- 238000013507 mapping Methods 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 230000008569 process Effects 0.000 abstract description 4
- 230000009466 transformation Effects 0.000 abstract description 4
- 230000003902 lesion Effects 0.000 abstract description 3
- 238000000386 microscopy Methods 0.000 abstract description 2
- 238000007781 pre-processing Methods 0.000 abstract description 2
- 230000004927 fusion Effects 0.000 abstract 1
- 238000012805 post-processing Methods 0.000 abstract 1
- 238000004445 quantitative analysis Methods 0.000 abstract 1
- 238000011156 evaluation Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 4
- 238000012360 testing method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/24—Base structure
- G02B21/241—Devices for focusing
- G02B21/244—Devices for focusing using image analysis techniques
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
- G02B21/365—Control or image processing arrangements for digital or video microscopes
- G02B21/367—Control or image processing arrangements for digital or video microscopes providing an output produced by processing a plurality of individual source images, e.g. image tiling, montage, composite images, depth sectioning, image comparison
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Optics & Photonics (AREA)
- Microscoopes, Condenser (AREA)
Abstract
本发明公开了一种智能生物显微镜,属于显微领域,尤其是能自动对焦,拼接图像并识别有形成分的智能生物显微镜。硬件模块,图像采集模块与电脑通过连接线相连,软件模块运行在电脑端。通过三部步进电机与工业相机的协作,完成单筒显微镜的自动对焦以及图像拍摄,电脑端运行的图像处理软件通过预处理、图像配准、建立变换模型、图像变换、图像融合输出拼接后的大视野图像,最终运行软件中的算法单元对输出的图像进行有形成分识别与计数。本发明使用过程中,采用一键式操作,极大程度减轻了医生的工作负担,且对微小病变与疑难病例有着极高的识别能力,后期处理的定量化分析为医生诊断提供了可靠的参考。
Description
技术领域
本发明是一种生物医学显微领域,特别涉及不同有形成分细胞所在不同层面的自动对焦,拼接图像并完成最终识别的智能生物显微镜。
背景技术
近些年来,病理分析逐渐成为诊断、预后分析和指导治疗的黄金标准。2017年需约12万名病理医生,但经过训练的医生数量却不足2万,人员压力极大,且医生需要亲自操作显微镜进行拍图,一个玻片需要切换多个视野来进行整体判断,任务繁重。
目前,国内医院现有的显微镜大多使用显微照相软件对观测到的显微图像进行拍照,每次只能观测到极小的局部,通常需要多次移动玻片位置来获取不同视野,每次移动所带来的位置与角度的变化,常导致显微图像产生巨大差异;并且每次拍摄的图像独立成图,不利于医生对整体的把握;对于一些显微图像中的微小病变或疑难病例,医生仅靠肉眼,很难挖掘其病理特征。
发明内容
本发明所要解决的技术问题和提出的技术任务是对现有技术进行改进,提供一种智能生物显微镜,解决目前技术中的显微镜采用人工取放玻片进行观测的方式及肉眼诊断所带来的效率低下、劳动强度大、微小病变诊断难的问题。
本发明解决上述问题提供的一种解决方案是:一种智能生物显微镜,包括硬件模块、图像采集模块、软件模块及算法模块;所述图像采集模块包括显微镜和相机,所述相机采集经显微镜放大后的图像;所述硬件模块包括自动对焦单元与自动拍图单元,所述自动对焦单元包括步进电机K1,所述软件模块通过控制步进电机K1控制物镜在对焦轴上的移动;所述自动拍图单元包括步进电机K2和步进电机K3,所述软件模块通过控制步进电机K2控制显微镜在y轴上的平移,软件模块通过控制步进电机K3控制载玻片在x轴上的平移,所述x轴y轴都位于载玻片平面;所述软件模块包括通信单元、步进电机K1控制单元、步进电机K2、K3控制单元、图像拼接单元,所述步进电机K2、K3控制单元控制步进电机K2、K3使相机依次连续拍摄图像直到拍摄完整个目标区域,所述图像拼接单元使将获取的图像拼接为完整目标区域图像;
所述步进电机K1控制单元的控制方法为:首先以步长L控制物镜在对焦轴上沿某一方向的步进运动,其中0.03mm≤L≤0.04mm,每步进一次拍摄一次目标图像并采用公式(1)计算一次当前目标图像的清晰度;
其中,Df计算的图像清晰度,m,n表示图像的长和宽,df/dx表示灰度变化的微分,在计算时可以用近似表示;当连续Q次拍摄的图像的清晰度小于前一次拍摄的图像时,停止该方向上的步进运动,其中4≤Q≤7;然后沿反方向以步长为S控制物镜在对焦轴上步进运动,其中S=L/4,运动距离为2QL,每步进一次拍摄一次目标图像,采用公式(2)计算出拍摄目标图像中最清晰的一幅图像;
其中,f(x,y)表示图像函数;
所述步进电机K2、K3控制单元的控制方法为:
拍摄完第一张图像后控制步进电机K2和步进电机K3中的一个,使相机拍摄到的视野沿某一方向水平移动一段距离拍摄第二幅图像,设该某一方向为第一方向,此时控制的步进电机为第一电机,再沿第一方向水平移动一段距离拍摄第三幅图像,直到相机拍摄到的图像中识别出目标区域的边缘;然后控制步进电机K2和步进电机K3中的另一个,使相机拍摄到的视野沿另一方向水平移动一段距离拍摄下一幅图像,设该另一方向为第二方向,此时控制的步进电机为第二电机;再控制第一步进电机使相机拍摄的视野沿第一方向的反方向步进运动,依次拍摄图像,直到在拍摄的图像中识别出目标区域的边缘;再控制第二步进电机使视野沿第二方向移动一段距离,拍摄图像;再控制第一步进电机使相机拍摄的视野沿第一方向步进运动,依次拍摄图像,重复上述方法直到拍摄完整个目标区域;其中拍摄的当前图像与前一幅图像有重叠区域;
所述识别出目标区域边缘的方法为识别出载玻片上的液体块的边缘:
步骤1:计算每个像素的梯度值,将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较,如果当前像素的梯度强度比另外两个像素都大,则该像素保留为边缘点;
步骤2:设定梯度阈值K1,若步骤1中检测出的边缘点梯度值大于K1,认定该像素为边缘点;
步骤3:设定梯度阈值K2,K2大于K1,找出步骤2得到的边缘点中梯度值大于等于K1,小于等于K2像素,逐个计算这些像素是否是边缘点,计算方法为:该像素周围8领域是否存在梯度大于K2的像素,若存在则认为该像素为边缘点,若不存在则认为该像素不是边缘点;
步骤4:找出步骤2得到的边缘点中梯度值大于K2的像素,与步骤3得到的边缘点像素合并一起为目标区域的边缘。
本产品针对显微镜的复杂操作,实现了一键式操作,通过对医生平常使用习惯的调研,将常见的功能进行了模块化开发,基本可以满足医生的常规使用。医生只需要点击相应的按钮就可控制显微镜自动工作。这是显微镜智能化的一次探究,能够极大的减少显微镜繁杂的操作,与传统显微镜相比,优势明显。本发明对焦方法中可以实现显微镜的快速对焦,可大大提高显微镜的使用效率。
附图说明
图1是本发明一种智能生物显微镜的系统结构框图。
图2是本发明一种智能生物显微镜的硬件模块结构图。
图中A为工业相机,B为镜筒,C为物镜,D为光源,E为调焦齿轮,F为支架立柱,G为光源齿轮,H为支架底座,K1为调焦电机,K2为X方向电机,K3为Y方向电机。
图3是本发明一种智能生物显微镜的3×3图像采集与拼接体系图。
图4是本发明一种智能生物显微镜的软件模块工作流程图。
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,以下结合附图及实施案例,对本发明做进一步详细说明,应当理解,此处所描述的具体实施案例仅用于解释本发明,并不用于限定本发明。
请参阅图1至图4,本发明的一种智能生物显微镜,包括电脑、硬件模块、软件模块和图像采集模块,所述三个模块连接线与电脑相连,所述电脑运行软件模块对硬件模块,图像采集模块加以控制,由硬件模块进行自动对焦,3×3图像采集模块进行图像采集,最后由软件模块进行3×3图像拼接与识别,最终确定生物显微图像中的有形成分。
所述硬件模块包括工业相机A、镜筒B、物镜C、光源D、调焦齿轮E、支架立柱F、光源齿轮G、支架底座H、调焦电机K1、X方向电机K2、Y方向电机K3。所述单筒显微镜(B、C)经光路改造可达生物显微镜识别精度,所述调焦电机K1控制物镜C的焦距调整,控制物镜在z轴方向移动,所述X方向电机K2控制单筒显微镜整体在x轴方向移动,所述Y方向电机K3控制待测玻片在y轴方向移动,K2、K3协作在xoy平面为图像采集系统定位,构成3x3图像拍摄体系,所述工业相机C附于单筒显微镜的目镜上方,并与所述电脑相连用于拍摄图像。
清晰度反馈调节法;在自动对焦过程中,自动拍图单元持续获取运动过程中拍到的图片,并将拍得的图片数字化反馈给软件模块,软件模块内部集成有清晰度评价函数,他将数字化图片进行清晰度计算,从而获取到每一张图片的清晰度,由一个数值表示,通过对一系列清晰度数值进行一维搜索,找到其中的最大值,通过对一维搜索算法的优化,避免误取局部最大值;通过对当前图片以及他前后图片的清晰度对比结果,控制步进电机的运动方向,从而实现动态自动对焦。
在对拍摄获取的图像清晰度评价方面,为了使得测试的结果更具说服力,使电机驱动显微镜载物台进行连续采图,在P1,P2,P3,P4四组样本中均按照每次拍图间隔2000个脉冲(250微米)所得的图片(含有最佳对焦位置)。于是在实验中,采用对采集到的四组含有最佳对焦位置的图片进行遍历法广度直接搜索的方法,来对比各清晰度评价函数的运算效率。具体运算时间结果如下表1所示。由于在测试中发现,除了信息熵函数(四组数据均为5分钟以上)之外,其余四种清晰度评价函数的运算时间虽然有差距,但是都在能接受的时间效率范围之内(2分钟以内),即运算效率并没有很大区别,所以主要的差异在于单峰性和对比度。
通过对单峰性、运算量以及对比度的综合考量,认为在进行步长较大的粗对焦搜索时,应采用单峰性最好的清晰度评价函数,即八邻域的锐度清晰度评价函数;而在进行步长较小的精确对焦搜索时,应采用对比度较大的清晰度评价函数,即能量梯度清晰度评价函数。
一种智能生物显微镜的使用方法,包括如下步骤:
步骤1:开启各模块电源,检查连接线,确保各模块之间通信状况良好;
步骤2:打开软件,放置玻片,点击自动对焦按钮,开始对焦;
步骤2-1:步进电机K1开始运动,按照广度大步长与爬山搜索算法相结合的方法,控制对焦旋钮,调整物镜与玻片在z轴上的相对位置;
步骤2-2:工业相机A获取对焦过程中所拍摄的图片,软件端结合五种清晰度评价函数对所拍图片进行分析对比,获取最佳对焦位置;
步骤2-3:根据步骤2-2所获取的最佳对焦位置信息,步进电机K1继续运动,调整物镜C至该位置,停止运动。
步骤3:点击软件端的图像采集按钮,步进电机K2、K3与工业相机协作,进行3x3图像采集。
步骤3-1:如附图3所示,以步骤2-3所获取的位置为5,步进电机K2与步进电机K3调整显微镜位置至位置2,工业相机A进行拍摄,得到图片1;
步骤3-2:步进电机K2不动,步进电机K3运动,依次调整显微镜位置至位置2、位置3,工业相机A进行拍摄,得到图片2、图片3;
步骤3-3:步进电机K3不动,步进电机K2运动,调整显微镜位置至位置6,工业相机A进行拍摄,得到图片6;
步骤3-4:步进电机K2不动,步进电机K3运动,依次调整显微镜位置至位置5、位置4,工业相机A进行拍摄,得到图片5、图片4;
步骤3-5:步进电机K3不动,步进电机K2运动,调整显微镜位置至位置7,工业相机A进行拍摄,得到图片7;
步骤3-6:步进电机K2不动,步进电机K3运动,依次调整显微镜位置至位置8、位置9,工业相机A进行拍摄,得到图片8、图片9;
步骤3-7:软件端按照附图3所示位置,按数字对应排列由步骤3-1至3-6所拍摄到的9张图片,图像采集完毕;
步骤4:点击软件界面的图像拼接按钮,对步骤3所拍摄到的9张图片进行拼接。
步骤4-1:对步骤3-7所排列的9张图片做图像预处理,依次进行直方图均衡化、中值滤波操作、傅里叶变换;
步骤4-2:提取步骤4-1所处理后的图片边缘处的特征点,将带拼接的相邻两幅图像做特征点亮度匹配;
步骤4-3:对步骤4-2中已经完成匹配的两幅图像建立坐标系,寻找两幅图像之间的坐标变换关系,将两幅图像的坐标变换在同一坐标系;
步骤4-4:将步骤4-3处理后的两幅图像进行拼接,并依次拼接剩余图片,获取3x3图像拼接后的大视野图像;
步骤5:点击软件界面的自动识别按钮,借助BP神经网络和模糊聚类方法对图片内有形成分进行识别并计数。
与现有显微镜相比,本发明的自动对焦功能实现了避免手动对焦引起的误差;本发明的3×3图像采集功能将玻片的二维移动,转化为玻片的一维运动与显微镜的一维运动相结合,有效降低了拍图误差;本发明的3×3图像拼接功能,使用特征点亮度匹配与多线程相结合的方法,极大提高了图像拼接的速度;本发明的基于BP神经网络与模糊聚类的图像识别算法的检测率已满足临床要求;本发明的模块化开发与一键式操作,为使用者和后期维护、维修人员提供了极大的便利。
以上所述仅为本发明的较好实施案例,并不能因此限制本发明的专利范围,凡是在本发明的构思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专利保护范围内。
表1四种清晰度评价函数在遍历四组实验数据下的运算时间对比
测试组数 | 点锐度 | 能量梯度 | 频谱分析 | 改进Sobel |
P1 | 136.326秒 | 79.022秒 | 51.530秒 | 85.720秒 |
P2 | 140.387秒 | 76.953秒 | 42.138秒 | 90.136秒 |
P3 | 126.349秒 | 61.032秒 | 55.249秒 | 82.477秒 |
P4 | 112.420秒 | 73.979秒 | 44.731秒 | 85.916秒 |
Claims (1)
1.一种智能生物显微镜,包括硬件模块、图像采集模块、软件模块及算法模块;所述图像采集模块包括显微镜和相机,所述相机采集经显微镜放大后的图像;所述硬件模块包括自动对焦单元与自动拍图单元,所述自动对焦单元包括步进电机K1,所述软件模块通过控制步进电机K1控制物镜在对焦轴上的移动;所述自动拍图单元包括步进电机K2和步进电机K3,所述软件模块通过控制步进电机K2控制显微镜在y轴上的平移,软件模块通过控制步进电机K3控制载玻片在x轴上的平移,所述x轴y轴都位于载玻片平面;所述软件模块包括通信单元、步进电机K1控制单元、步进电机K2、K3控制单元、图像拼接单元,所述步进电机K2、K3控制单元控制步进电机K2、K3使相机依次连续拍摄图像直到拍摄完整个目标区域,所述图像拼接单元使将获取的图像拼接为完整目标区域图像;
所述步进电机K1控制单元的控制方法为:首先以步长L控制物镜在对焦轴上沿某一方向的步进运动,其中0.03mm≤L≤0.04mm,每步进一次拍摄一次目标图像并采用公式(1)计算一次当前目标图像的清晰度;
其中,Df表示计算的图像清晰度,m,n表示图像的长和宽,df/dx表示灰度变化的微分;当连续Q次拍摄的图像的清晰度小于前一次拍摄的图像时,停止该方向上的步进运动,其中4≤Q≤7;然后沿反方向以步长为S控制物镜在对焦轴上步进运动,其中S=L/4,运动距离为2QL,每步进一次拍摄一次目标图像,采用公式(2)计算出拍摄目标图像中最清晰的一幅图像;
其中,f(x,y)表示图像函数;
所述步进电机K2、K3控制单元的控制方法为:
拍摄完第一张图像后控制步进电机K2和步进电机K3中的一个,使相机拍摄到的视野沿某一方向水平移动一段距离拍摄第二幅图像,设该某一方向为第一方向,此时控制的步进电机为第一电机,再沿第一方向水平移动一段距离拍摄第三幅图像,直到相机拍摄到的图像中识别出目标区域的边缘;然后控制步进电机K2和步进电机K3中的另一个,使相机拍摄到的视野沿另一方向水平移动一段距离拍摄下一幅图像,设该另一方向为第二方向,此时控制的步进电机为第二电机;再控制第一步进电机使相机拍摄的视野沿第一方向的反方向步进运动,依次拍摄图像,直到在拍摄的图像中识别出目标区域的边缘;再控制第二步进电机使视野沿第二方向移动一段距离,拍摄图像;再控制第一步进电机使相机拍摄的视野沿第一方向步进运动,依次拍摄图像,重复上述方法直到拍摄完整个目标区域;其中拍摄的当前图像与前一幅图像有重叠区域;
所述识别出目标区域边缘的方法为识别出载玻片上的液体块的边缘:
步骤1:计算每个像素的梯度值,将当前像素的梯度强度与沿正负梯度方向上的两个像素进行比较,如果当前像素的梯度强度比另外两个像素都大,则该像素保留为边缘点;
步骤2:设定梯度阈值Q1,若步骤1中检测出的边缘点梯度值大于Q1,认定该像素为边缘点;
步骤3:设定梯度阈值Q2,Q2大于Q1,找出步骤2得到的边缘点中梯度值大于等于Q1,小于等于Q2像素,逐个计算这些像素是否是边缘点,计算方法为:该像素周围8领域是否存在梯度大于Q2的像素,若存在则认为该像素为边缘点,若不存在则认为该像素不是边缘点;
步骤4:找出步骤2得到的边缘点中梯度值大于Q2的像素,与步骤3得到的边缘点像素合并一起为目标区域的边缘。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910456913.7A CN110146974B (zh) | 2019-05-29 | 2019-05-29 | 一种智能生物显微镜 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910456913.7A CN110146974B (zh) | 2019-05-29 | 2019-05-29 | 一种智能生物显微镜 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110146974A CN110146974A (zh) | 2019-08-20 |
CN110146974B true CN110146974B (zh) | 2020-10-23 |
Family
ID=67592128
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910456913.7A Active CN110146974B (zh) | 2019-05-29 | 2019-05-29 | 一种智能生物显微镜 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110146974B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110764246A (zh) * | 2019-10-31 | 2020-02-07 | 天津大学 | 一种用于显微镜上拍摄大面积样品的设备及其使用方法 |
CN112903675A (zh) * | 2019-11-15 | 2021-06-04 | 苏州迈瑞科技有限公司 | 样本分析仪和样本分析仪的细胞图像处理方法 |
CN110992408B (zh) * | 2019-11-18 | 2021-08-17 | 迪普派斯医疗科技(山东)有限公司 | 基于病理显微镜的数字切片处理方法及系统 |
CN110996002B (zh) * | 2019-12-16 | 2021-08-24 | 深圳市瑞图生物技术有限公司 | 显微镜聚焦方法、装置、计算机设备和存储介质 |
CN113395481A (zh) * | 2020-03-12 | 2021-09-14 | 平湖莱顿光学仪器制造有限公司 | 一种亮度相关的显微镜成像系统及其控制方法 |
CN111504885B (zh) * | 2020-04-04 | 2022-03-15 | 电子科技大学 | 一种基于机器视觉的全自动血涂片形态分析装置的分析方法 |
CN111505816B (zh) * | 2020-04-09 | 2022-05-31 | 揽华智慧医疗科技(江苏)有限公司 | 高通量电子显微镜成像方法及系统 |
WO2022086448A1 (en) * | 2020-10-23 | 2022-04-28 | National University Of Singapore | An optical microscope assembly, and a focussing method for such an assembly |
CN113884489B (zh) * | 2021-09-29 | 2023-06-20 | 电子科技大学 | 一种光栅尺辅助定位的厚液层细胞自动显微成像方法 |
CN117788306A (zh) * | 2023-12-18 | 2024-03-29 | 上海贝特威自动化科技有限公司 | 一种基于多线程的多焦距极耳图像融合方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105845534B (zh) * | 2016-03-23 | 2018-01-02 | 浙江东方光学眼镜有限公司 | 电子显微镜的自动聚焦方法 |
CN105938243B (zh) * | 2016-06-29 | 2018-04-13 | 华南理工大学 | 一种tft‑lcd检测中多倍率显微镜快速对焦方法 |
CN106324795B (zh) * | 2016-09-29 | 2018-10-16 | 电子科技大学 | 一种检测仪显微镜多视野自动快速对焦方法 |
CN107622482B (zh) * | 2017-09-13 | 2020-11-17 | 电子科技大学 | 一种基于白带显微成像的图像融合方法 |
-
2019
- 2019-05-29 CN CN201910456913.7A patent/CN110146974B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110146974A (zh) | 2019-08-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110146974B (zh) | 一种智能生物显微镜 | |
CN100392403C (zh) | 一种对血液显微图像中白细胞个数自动计数方法 | |
JP6453298B2 (ja) | 細胞診標本を観察および解析するためのシステムおよび方法 | |
US9297995B2 (en) | Automatic stereological analysis of biological tissue including section thickness determination | |
CN109559275B (zh) | 一种尿液分析仪显微镜图像拼接方法 | |
CN107832801B (zh) | 一种细胞图像分类用模型构建方法 | |
CN110736747B (zh) | 一种细胞液基涂片镜下定位的方法及系统 | |
CN111504885B (zh) | 一种基于机器视觉的全自动血涂片形态分析装置的分析方法 | |
CN111583114B (zh) | 一种管道螺纹自动测量装置及测量方法 | |
CN209289269U (zh) | 一种基于双目立体视觉定位识别的智能垃圾分类机器人 | |
CN113781455B (zh) | 宫颈细胞图像异常检测方法、装置、设备及介质 | |
JP2024019639A (ja) | 顕微鏡システム、プログラム、及び、投影画像生成方法 | |
CN111062346A (zh) | 一种白细胞自动定位检测及分类识别系统及方法 | |
CN109671031A (zh) | 一种基于残差学习卷积神经网络的多光谱图像反演方法 | |
He et al. | Microscope images automatic focus algorithm based on eight-neighborhood operator and least square planar fitting | |
CN114300099B (zh) | 一种基于YOLOv5和显微高光谱图像的异型淋巴细胞分型方法 | |
CN113538545B (zh) | 一种基于电液可调焦镜头的单目深度估计方法及相应的相机和存储介质 | |
CN110097540A (zh) | 多边形工件的视觉检测方法及装置 | |
CN115629072A (zh) | 一种骨髓涂片图像分析诊断方法及病理切片扫描仪装置 | |
CN114967093A (zh) | 一种基于显微高光谱成像平台的自动对焦方法及系统 | |
WO2023031622A1 (en) | System and method for identifying and counting biological species | |
Wang et al. | Simultaneous depth estimation and localization for cell manipulation based on deep learning | |
WO2020010634A1 (zh) | 一种细胞图像处理系统、方法、自动读片装置与存储介质 | |
CN113933985B (zh) | 一种生物显微镜的光路对准方法 | |
CN112965261B (zh) | 一种快速有效的基于机器视觉的智能校正显微镜光轴的方法及其实现系统 |
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 |