CN110364224B - 一种染色体分裂相定位排序方法 - Google Patents
一种染色体分裂相定位排序方法 Download PDFInfo
- Publication number
- CN110364224B CN110364224B CN201811635604.8A CN201811635604A CN110364224B CN 110364224 B CN110364224 B CN 110364224B CN 201811635604 A CN201811635604 A CN 201811635604A CN 110364224 B CN110364224 B CN 110364224B
- Authority
- CN
- China
- Prior art keywords
- chromosome
- metaphase
- chromosomes
- split
- phase
- 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 title claims abstract description 20
- 230000024321 chromosome segregation Effects 0.000 title claims abstract description 6
- 210000000349 chromosome Anatomy 0.000 claims abstract description 141
- 230000031864 metaphase Effects 0.000 claims abstract description 41
- 238000003709 image segmentation Methods 0.000 claims abstract description 9
- 239000012535 impurity Substances 0.000 claims abstract description 9
- 230000000394 mitotic effect Effects 0.000 claims description 15
- 238000012163 sequencing technique Methods 0.000 claims description 13
- 230000011278 mitosis Effects 0.000 claims description 6
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 208000035126 Facies Diseases 0.000 claims 3
- 241001270131 Agaricus moelleri Species 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 14
- 230000005856 abnormality Effects 0.000 abstract description 2
- 201000000980 schizophrenia Diseases 0.000 abstract 6
- 230000002759 chromosomal effect Effects 0.000 abstract 2
- 238000010586 diagram Methods 0.000 description 11
- 238000003745 diagnosis Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 7
- 239000012472 biological sample Substances 0.000 description 5
- 230000016507 interphase Effects 0.000 description 3
- 230000004807 localization Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007635 classification algorithm Methods 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 238000000819 phase cycle Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- 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
- G01N21/84—Systems specially adapted for particular applications
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
Abstract
一种染色体中期分裂相定位排序方法，包含以下步骤:提供染色体中期分裂相识别原图、根据染色体分裂相识别原图，进行分裂相识别染色体搜寻、利用染色体聚类算法染色体中期分裂相识别原图进行聚类分类，并将染色体分裂相进行图像分割、将经图像分割的染色体中期分裂相聚类图像进行识别并分类以得到正确的染色体分裂相分类图，并删除杂质、由分类及识别后所得到的染色体分裂相图像的特征中计算染色体总数、平均面积、平均长度三者的加权值，并进行综合排序及将排序在前的染色体分裂相图像利用100倍油镜来进行拍摄，藉此判断在聚类中的染色体分裂相是否有异常。
Description
技术领域
本发明是涉及一种染色体识别技术，特别是有关于染色体分裂相定位排序方法。
背景技术
在全自动显微镜染色体分裂相扫描技术中，10倍定位和排序算法是获得 100倍扫描图像的基础。在此基础上获得的位置图像会通过100个油镜拍摄出来提供医生于诊断上使用。
由于显微镜拍出的图像灰度并不均匀，并且显微镜设备之间的图像光照都有区别，造成背景灰度也不一。另外由于客户的制片不一致，染色体分裂相颜色深浅不一，每个玻片的分裂相也有区别而造成前景灰度不一，结果无法准确的在拍摄的10倍图像上检测多个染色体分裂相。
除此之外，还有很多杂质和染色体很像或是相近，用简单的基于灰度和边缘提取的方法无法准确地获得在10倍染色体分裂相的位置。
此外，由于每个玻片的染色体分裂相的数目不一，医生需要获得非常好的染色体分裂相来进行诊断，以便能做出准确的诊断结果，因此需要能够对染色体分裂相进行排序，排名顺序在前面的，再进一步的经过100倍油镜拍出图像以供诊断，因此需要准确的10倍定位和排序算法获得要出图的位置。
发明内容
本发明主要的目的在于提供一种能够对10倍物镜扫描图像的染色体分裂相中准确定位和排序的定位排序算法，以解决现有技术中，由于图像灰度不均匀，前景灰度不一，无法在10倍图像上准确的检测到多个染色体分裂相的缺陷。
本发明的另一目的在于提供一种染色体分裂相定位排序算法，以确定整张玻片中所有的染色体分裂相，并获得其特征参数，根据此排序算法获得排名靠前的染色体分裂相供100倍油镜拍图使用，使得医生能够有准确的诊断结果。
根据上述目的，本发明公开一种染色体中期分裂相定位排序算法，包含: 提供染色体中期分裂相识别原图、根据染色体中期分裂相识别原图，进行分裂相识别染色体搜寻、对已定义灰度区间的染色体中期分裂相识别原图进行聚类分类，将经图像分割的染色体中期分裂相聚类图像进行识别并分类以得到正确的染色体分裂相分类图，并删除杂质，由分类及识别后所得到的染色体分裂相图像的特征中选择染色体总数，平均面积，平均长度三者的加权，并进行综合排序及将排序在前的染色体分裂相图像利用100倍油镜来进行拍摄，藉此判断在聚类中的染色体分裂相是否有异常。
附图说明
图1为根据本发明所揭露的技术，表示染色体分裂相的定位排序步骤流程图。
图2为根据本发明所揭露的技术，利用10倍物镜扫描生物检体所得到的染色体中期分裂相识别原图。
图3为根据本发明所揭露的技术，在染色体中期分裂相识别原图中，利用染色体搜寻算法搜寻所有满足染色体面积条件的点的示意图。
图4A－图4F为根据本发明所揭露的技术，表示根据染色体中期分裂相识别原图进行染色体分裂相识别后经由图像分割出来得到的染色体分裂相。
图5A是根据本发明所揭露的技术，表示经切割之后的正确的染色体分列相分类图。
图5B是根据本发明所揭露的技术，表示经图像分割之后的杂质的分类图。
图6是根据本发明所揭露的技术，将图5A中的每一张图正确的染色体分裂相中计算染色体总数，平均面积，平均长度三者的加权值，並予以排序后的染色体分裂相序列图像。
具体实施方式
为了使本发明的目的、技术特征及优点，能更为相关技术领域人员所了解，并得以实施本发明，在此配合所附的图式、具体阐明本发明的技术特征与实施方式，并列举较佳实施例进一步说明。以下文中所对照的图式，为表达与本发明特征有关的示意，并未亦不需要依据实际情形完整绘制。而关于本案实施方式的说明中涉及本领域技术人员所熟知的技术内容，亦不再加以陈述。
本发明主要的概念在于:通过对染色体搜寻算法、染色体个数聚类算法、人工智能分类算法获得染色体分裂相的识别和定位，然后根据染色体分裂相的特征参数进行加权综合排序，并根据排序算法获得排名靠前的染色体分裂相，以提供100倍油镜拍图使用，使得医生能够有准确的诊断结果，详细的定位排序算法详细步骤如下所述。
以下说明是藉由图1的染色体中期分裂相的定位排序步骤流程图及分别配合图2－图6一并来说明，其中图1为根据本发明所揭露的技术，表示染色体中期分裂相的定位排序步骤流程图，图2为根据本发明所揭露的技术，利用10倍物镜扫描生物检体所得到的染色体中期分裂相识别原图，图3为根据本发明所揭露的技术，在染色体中期分裂相识别原图中，利用染色体搜寻算法搜寻所有满足染色体面积条件的点的示意图，图4A －图4F为根据本发明所揭露的技术，表示根据染色体中期分裂相识别原图进行染色体分裂相聚类识别后进行图像分割所得到的染色体分裂相，图5A是根据本发明所揭露的技术，表示经图像分割之后的正确的染色体分裂相分类图、图5B是根据本发明所揭露的技术，表示经切割之后的杂质的分类图，及图6是根据本发明所揭露的技术，将图5A中的将每一张图中正确的染色体分裂相计算染色体总数，平均面积，平均长度三者的加权值并予以排序后的染色体分裂相序列图像。
请先参考图1的步骤10，并同时配合图2。步骤10，提供染色体中期分裂相识别原图。在步骤10中，染色体中期分裂相识别原图是先将具有染色体的生物检体置放在玻片上，此时显微镜所使用的物镜为10倍物镜来扫描，接着通过运动平台的运动，来拍摄得到染色体分裂相的图像。由于生物检体中的染色体分裂相为多个染色体所聚集而成，因此由图2可以得到多个染色体分裂相。在图2中，标示英文字母G所指的是查出符合面积大小的染色体，于图中其余灰色的部份则是背景无其他含义。另外，要说明的是，在本发明中，生物检体中除了包含有染色体之外还有其它的杂质。另外，利用10倍物镜来进行染色体扫描流程是整个扫描流程的一个部份，还可以利用1.25 倍物镜或10倍物镜来对目标物来进行扫描，在本发明的较优选的实施例中，是利用10倍物镜扫描来进行染色体图像查找和排序。
接着，执行步骤12，并同时配合图3。步骤12，根据染色体中期分裂相识别原图，进行分裂相识别染色体搜寻。在步骤中，针对染色体中期分裂相识别原图定义一个灰度区间[D1,D2]，于此灰度区间内搜寻所有满足染色体面积条件的点，并获得在染色体面积范围内的所有点，在此，染色体面积条件指的是染色体面积的数值。在图3中，各个英文字母B,C,P,R,T指的是代表通过聚类算法获得的染色体分裂相。由于每一个染色体分裂相所呈现出来的背景灰度都不同，于图2所呈现的染色体中期分裂相识别原图中，所显示的染色体的颜色有深有浅，因此每一个染色体分裂相的背景灰度都不相同。一般来说，染色体所呈现的颜色都会比背景灰度来的深，因此对于灰度区间[D1,D2]来说，D1可以预设为0，D2可以设置成背景灰度，而多个灰度区间可以表示成[Dm-1,Dm]，其中D1即预设为0，m随着染色体分裂相识别原图中的染色体所呈现出来的背景灰度的不同而有所不同。由于染色体分裂相识别原图已经透过前述步骤12分别定义出有多个灰度区间[Dm-1,Dm]，因此，在染色体中期分裂相识别原图上可以藉由不同的灰度区间区分成多个染色体，判断染色体的中心距离决定是否为同一个染色体。最后就得到了满足条件的[D1,D2]区间内的所有染色体。
紧接着，执行步骤14及配合图4A－图4F。步骤14，利用染色体聚类算法对染色体中期分裂相识别原图进行聚类分类，并将染色体分裂相聚类予以切割。在此步骤中，查找每一个染色体分裂相聚类的半径值R内、所有大于前述所定义的染色体个数N的分裂相聚类，并计算该聚类的中心，且以此中心将染色体分裂相聚类进行图像分割。其中图4A－图4F分别表示为切割出来的染色体分裂相。
接着，执行步骤16。步骤16将经切割的染色体中期分裂相聚类图像进行识别并分类以得到正确的染色体分裂相分类图，并删除杂质。在此步骤中，染色体中期分裂相识别原图经过前述搜寻及识别切割步骤之后，针对每一个切割得到的聚类图像利用分类器来进行识别，而可以得到如图5A所示的正确的染色体分裂相分类图及如图5B所示的杂质的分类图。在本发明中，分类器是事先将杂质和分裂相进行训练，而这些训练的结果则是做为模型比对来使用，因此分类器可以针对上述割得到的聚类图像来判断类别并且予以分类。
接着步骤18，由分类及识别后所得到的染色体分裂相图像的特征中选择染色体总数、平均面积、平均长度并计算加权值，并进行综合排序。在此步骤中，对每一个染色体分裂相图像先进行染色体总数的计算、平均面积及每一个张图像中的所有染色体的平均长度的计算，并将上述所得到的数值采用加权平均数方法运算加权值，其中加权的计算公式为 V＝X1×W1+X2×W2+X3×W3，其中，W表示权值，是一个序列，W1为染色体总数，W2为平均面积，W3为平均长度，且W1,W2,W3的总和要满足W1+W2+W3 ＝1；X也是一个序列，其中X1为染色体总数/46,X2为平均面积/最大的平均面积，X3为平均长度/最大的平均面积，并且将经过计算得到的权值的数值予以排序。如图6所示，每一张图经过上述染色体总数，平均面积，平均长度三者的计算加权值，所得到的数值予以排序，即可以得到如图6所表示的已经经过排序的染色体分裂相图像。在本发明中，排序的目的是得到分的比较开的，染色体面积较大，染色体较长的分裂相。有利于在100倍油镜下观察。
最后步骤20，将排序在前的染色体分裂相图像利用100倍油镜来进行拍摄，藉此判断在聚类中的染色体分裂相是否有异常。在步骤20中，由于经过前述步骤10－步骤18，对于具有生物检体的染色体中期分裂相识别原图进行了定位(用以将染色体分裂相并予以分类)及排序，使得再利用100倍的油镜来扫描并进行聚焦拍摄较大张的图像时，容易聚焦并且可以准确的判断聚类中是否有异常的染色体，进一步的增加诊断结果的精准性及准确性。
以上所述仅为本发明之较佳实施例，并非用以限定本发明之权利范围；同时以上的描述，对于相关技术领域之专门人士应可明了及实施，因此其他未脱离本发明所揭示之精神下所完成的等效改变或修饰，均应包含在申请专利范围中。
Claims (4)
1.一种染色体中期分裂相定位排序方法，其特征在于，包含如下步骤:
(1)提供染色体中期分裂相识别原图；
(2)根据所述染色体中期分裂相识别原图进行分裂相识别染色体搜寻，包括:
对所述染色体中期分裂相识别原图定义灰度区间；以及
于所述灰度区间内搜寻所有满足染色体面积条件的点，以获得在所述染色体面积范围内的所有染色体；
(3)对所述灰度区间的所述染色体中期分裂相识别原图进行聚类，包括:
根据染色体中期分裂相聚类的半径值分成多个染色体中期分裂相聚类；
查找每一个染色体中期分裂相聚类的半径值内所有大于染色体个数N的分裂相聚类；
计算所述分裂相聚类的中心；以及
根据所述中心将所述染色体分裂相进行图像分割；
(4)将经图像分割的所述染色体中期分裂相聚类图像进行识别并分类以得到正确的染色体分裂相分类图，并删除杂质；
(5)由分类及识别后所得到的所述染色体中期分裂相聚类图像的特征中选择染色体总数、平均面积、平均长度并计算加权值，并进行综合排序；
(6)将排序在前的所述染色体分裂相图像根据其分裂相中心进行100倍油镜拍摄，藉此判断在聚类中的染色体分裂相是否有异常。
2.如权利要求1所述的染色体中期分裂相定位排序方法，其特征在于，所述染色体中期分裂相识别原图是由10倍物镜扫描拍摄得到。
3.如权利要求1所述的染色体中期分裂相定位排序方法，其特征在于，所述灰度区间为[Dm-1,Dm]，其中D1预设为0，Dm为不同的所述灰度区间的背景灰度。
4.如权利要求1所述的染色体中期分裂相定位排序方法，其特征在于，所述权值是采用加权平均数运算得到，其公式为V＝X1×W1+X2×W2+X3×W3，其中，W与X分别为一个序列，W1为染色体总数，W2为平均面积，W3为平均长度，且所述W1、W2、W3要满足满足W1+W2+W3＝1,X1＝染色体总数/46,X2为平均面积/最大的平均面积,X3为平均长度/最大的平均面积。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811635604.8A CN110364224B (zh) | 2018-12-29 | 2018-12-29 | 一种染色体分裂相定位排序方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811635604.8A CN110364224B (zh) | 2018-12-29 | 2018-12-29 | 一种染色体分裂相定位排序方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110364224A CN110364224A (zh) | 2019-10-22 |
| CN110364224B true CN110364224B (zh) | 2021-06-08 |
Family
ID=68215531
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811635604.8A Active CN110364224B (zh) | 2018-12-29 | 2018-12-29 | 一种染色体分裂相定位排序方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110364224B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110879996A (zh) * | 2019-12-03 | 2020-03-13 | 上海北昂医药科技股份有限公司 | 一种染色体分裂相定位排序方法 |
| CN113158951B (zh) * | 2021-04-30 | 2022-07-29 | 天津深析智能科技发展有限公司 | 一种从低倍镜图像中寻找染色体分裂相的方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010057427A1 (en) * | 2008-11-19 | 2010-05-27 | Ji Nan University | Genetic material processing and manipulation methods |
| CN101974622A (zh) * | 2010-09-28 | 2011-02-16 | 大连海洋大学 | 鱼类染色体荧光原位杂交方法 |
| CN102876801A (zh) * | 2012-10-22 | 2013-01-16 | 中国科学院遗传与发育生物学研究所 | 一种鉴定植物远缘杂交种中外源染色体和染色体片段的方法 |
| CN103160612A (zh) * | 2013-04-12 | 2013-06-19 | 中国科学院遗传与发育生物学研究所 | 一种改良的高灵敏高效的检测和鉴定转基因小麦的方法 |
| EP2780851A1 (en) * | 2011-11-18 | 2014-09-24 | The Regents of The University of California | Bambam: parallel comparative analysis of high-throughput sequencing data |
| CN108846802A (zh) * | 2018-01-25 | 2018-11-20 | 湖南省自兴人工智能研究院 | 一种去除染色体g显带中期灰度图像噪声方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20160039229A (ko) * | 2013-07-30 | 2016-04-08 | 프레지던트 앤드 펠로우즈 오브 하바드 칼리지 | 정량적 dna-기반 영상화 및 초해상도 영상화 |
| JP7426193B2 (ja) * | 2016-01-21 | 2024-02-01 | プロテイン ダイナミック ソリューションズ インコーポレイテッド | スペクトルデータ解析の方法およびシステム |
-
2018
- 2018-12-29 CN CN201811635604.8A patent/CN110364224B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2010057427A1 (en) * | 2008-11-19 | 2010-05-27 | Ji Nan University | Genetic material processing and manipulation methods |
| CN101974622A (zh) * | 2010-09-28 | 2011-02-16 | 大连海洋大学 | 鱼类染色体荧光原位杂交方法 |
| EP2780851A1 (en) * | 2011-11-18 | 2014-09-24 | The Regents of The University of California | Bambam: parallel comparative analysis of high-throughput sequencing data |
| CN102876801A (zh) * | 2012-10-22 | 2013-01-16 | 中国科学院遗传与发育生物学研究所 | 一种鉴定植物远缘杂交种中外源染色体和染色体片段的方法 |
| CN103160612A (zh) * | 2013-04-12 | 2013-06-19 | 中国科学院遗传与发育生物学研究所 | 一种改良的高灵敏高效的检测和鉴定转基因小麦的方法 |
| CN108846802A (zh) * | 2018-01-25 | 2018-11-20 | 湖南省自兴人工智能研究院 | 一种去除染色体g显带中期灰度图像噪声方法 |
Non-Patent Citations (2)
| Title |
|---|
| A Geometric Approach for Fully Automatic Chromosome Segmentation;Shervin Minaee et al;《2014 IEEE Signal Processing in Medicine and Biology Symposiym》;20150720;第1-7页 * |
| 基于染色体数据的痂蝗属部分种类亲缘关系分析;龚玉新等;《动物分类学报》;20071231(第3期);第743-745页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110364224A (zh) | 2019-10-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111242899B (zh) | 基于图像的瑕疵检测方法及计算机可读存储介质 | |
| US9684958B2 (en) | Image processing device, program, image processing method, computer-readable medium, and image processing system | |
| CN111524132B (zh) | 识别待检测样本中异常细胞的方法、装置和存储介质 | |
| CN108596038B (zh) | 一种结合形态学分割和神经网络的粪便中红细胞识别方法 | |
| CN109684906B (zh) | 基于深度学习的检测红脂大小蠹的方法 | |
| CN108830332A (zh) | 一种视觉车辆检测方法及系统 | |
| CN112036384B (zh) | 精子头部形态识别方法、装置及设备 | |
| JP2011007800A (ja) | 顕微鏡画像の自動解析法 | |
| US20100040276A1 (en) | Method and apparatus for determining a cell contour of a cell | |
| CN105095848B (zh) | 目标识别的方法及系统 | |
| CN111898627B (zh) | 一种基于pca的svm云微粒子优化分类识别方法 | |
| CN112365471A (zh) | 基于深度学习的宫颈癌细胞智能检测方法 | |
| Hobson et al. | Classifying anti-nuclear antibodies HEp-2 images: A benchmarking platform | |
| CN110364224B (zh) | 一种染色体分裂相定位排序方法 | |
| CN113256601A (zh) | 路面病害检测方法及系统 | |
| CN113487533A (zh) | 一种基于机器学习的零件装配质量数字化检测系统及方法 | |
| WO2016189469A1 (en) | A method for medical screening and a system therefor | |
| CN117475432A (zh) | 面向菌株筛选分选的智能处理方法 | |
| CN107492084B (zh) | 基于随机性的典型成团细胞核图像合成方法 | |
| CN109115775B (zh) | 一种基于机器视觉的槟榔等级检测方法 | |
| CN117853722A (zh) | 一种融合超像素信息的钢材金相组织分割方法 | |
| Shah et al. | Automatic detection and classification of tuberculosis bacilli from ZN-stained sputum smear images using watershed segmentation | |
| SE534089C2 (sv) | Förfarande för klassificering av bildinformation | |
| CN114037868B (zh) | 图像识别模型的生成方法及装置 | |
| CN109614512B (zh) | 一种基于深度学习的电力设备检索方法 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20191022 Assignee: Shanghai Zhongdu Medical Technology Co.,Ltd. Assignor: SHANGHAI BEION PHARMACEUTICAL TECHNOLOGY CO.,LTD. Contract record no.: X2024980013559 Denomination of invention: A method for chromosome division phase localization and sorting Granted publication date: 20210608 License type: Exclusive License Record date: 20240902 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A method for chromosome division phase localization and sorting Granted publication date: 20210608 Pledgee: Agricultural Bank of China Limited Shanghai Baoshan Branch Pledgor: SHANGHAI BEION PHARMACEUTICAL TECHNOLOGY CO.,LTD. Registration number: Y2025980010369 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right |