CN110490130A - 智能光学数据处理方法、装置以及计算机可读存储介质 - Google Patents
智能光学数据处理方法、装置以及计算机可读存储介质 Download PDFInfo
- Publication number
- CN110490130A CN110490130A CN201910759159.4A CN201910759159A CN110490130A CN 110490130 A CN110490130 A CN 110490130A CN 201910759159 A CN201910759159 A CN 201910759159A CN 110490130 A CN110490130 A CN 110490130A
- Authority
- CN
- China
- Prior art keywords
- view image
- information
- field
- result
- processing equipment
- 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
- 230000003287 optical effect Effects 0.000 title claims abstract description 225
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 238000001514 detection method Methods 0.000 claims abstract description 91
- 238000000034 method Methods 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims description 210
- 230000000007 visual effect Effects 0.000 claims description 63
- 239000013589 supplement Substances 0.000 claims description 23
- 230000004044 response Effects 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012790 confirmation Methods 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 6
- 241000208340 Araliaceae Species 0.000 claims description 4
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 claims description 4
- 235000003140 Panax quinquefolius Nutrition 0.000 claims description 4
- 235000008434 ginseng Nutrition 0.000 claims description 4
- 210000004027 cell Anatomy 0.000 description 56
- 238000010586 diagram Methods 0.000 description 28
- 210000001519 tissue Anatomy 0.000 description 28
- 238000010186 staining Methods 0.000 description 27
- 239000000463 material Substances 0.000 description 25
- 238000004422 calculation algorithm Methods 0.000 description 24
- 206010028980 Neoplasm Diseases 0.000 description 13
- 201000011510 cancer Diseases 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 230000003902 lesion Effects 0.000 description 10
- 238000004043 dyeing Methods 0.000 description 9
- 230000002159 abnormal effect Effects 0.000 description 8
- 238000013473 artificial intelligence Methods 0.000 description 8
- 235000013399 edible fruits Nutrition 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000013507 mapping Methods 0.000 description 6
- 239000000975 dye Substances 0.000 description 5
- 239000003550 marker Substances 0.000 description 5
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003190 augmentative effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 210000001072 colon Anatomy 0.000 description 3
- 239000011521 glass Substances 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 210000000664 rectum Anatomy 0.000 description 3
- 208000037062 Polyps Diseases 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 210000002751 lymph Anatomy 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 239000000047 product Substances 0.000 description 2
- 101001012157 Homo sapiens Receptor tyrosine-protein kinase erbB-2 Proteins 0.000 description 1
- 102100030086 Receptor tyrosine-protein kinase erbB-2 Human genes 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002771 cell marker Substances 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 201000004792 malaria Diseases 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000000955 neuroendocrine Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 201000008827 tuberculosis Diseases 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种智能光学数据处理方法、装置以及计算机可读存储介质,该方法包括:接收光学设备发送的光学检测承载件对应的单位视野图像;当获取到第一触发指令时,根据第一触发指令对单位视野图像进行图像识别,得到单位视野图像对应的单位识别结果;第一触发指令是由触发器在响应第一触发操作时所生成的;根据单位识别结果生成单位视野图像对应的结果参数信息,将结果参数信息发送至光学设备,以使光学设备将基于结果参数信息所确定的标记信息和单位视野图像进行叠加显示。采用本申请,提高了针对光学检测承载件的识别准确度,同时提高了针对光学检测承载件的识别效率。
Description
技术领域
本申请涉及数据处理的技术领域,尤其涉及一种智能光学数据处理方法、装置以及计算机可读存储介质。
背景技术
在医疗领域中,观察切片对于医生而言是不可或缺的事,很多疾病都可以通过观察切片来发现,进而应对,例如癌症,结核病和疟疾等。但是,对于医生而言,往往会一次观察众多的切片,因此,对如何能更准确快速的进行切片的观察提出了更高的要求。
当前技术中,通常是由医生通过显微镜一个接着一个地观察众多的切片,切片的诊断结果全依赖于医生的观察结果,导致切片的诊断结果很有可能不够准确。另外,在切片的观察过程中,医生的注意力也需要高度集中在显微镜上,以防错过切片中的病理性的细胞组织。众多需要被观察的切片,长时间高度集中的注意力,都会导致切片观察效率低。
申请内容
本申请提供了一种智能光学数据处理方法、装置以及计算机可读存储介质,提高了针对光学检测承载件的识别准确性,同时提高了针对光学检测件的观察效率。
本申请一方面提供了一种智能光学数据处理方法,包括:
接收光学设备发送的光学检测承载件对应的单位视野图像;
当获取到第一触发指令时,根据所述第一触发指令对所述单位视野图像进行图像识别,得到所述单位视野图像对应的单位识别结果;
根据所述单位识别结果生成所述单位视野图像对应的结果参数信息,将所述结果参数信息发送至所述光学设备,以使所述光学设备将基于所述结果参数信息所确定的标记信息和所述单位视野图像进行叠加显示。
其中,还包括:
扫描所述光学检测承载件对应的身份标识信息,获取所述光学检测承载件对应的器件参数信息;
根据所述器件参数信息,确定所述光学检测承载件对应的目标参数信息;
根据所述目标参数信息,确定所述光学检测承载件对应的识别算法;所述识别算法用于对所述光学检测承载件对应的单位视野图像进行图像识别。
其中,所述根据所述器件参数信息,确定所述光学检测承载件对应的目标参数信息,包括:
响应针对所述器件参数信息的确认操作,将所述器件参数信息确定为所述目标参数信息;或者,
响应针对所述器件参数信息的调整操作,得到调整后的器件参数信息,将所述调整后的器件参数信息,确定为所述目标参数信息。
其中,还包括:
当检测到所述光学设备的倍镜值与所述识别算法所适用的倍镜值不一致时,输出提示信息;所述提示信息包括所述识别算法所适用的倍镜值或所述光学设备的倍镜值所适用的识别算法。
其中,所述第一触发指令是由脚踏式设备在响应触发次数为第一数值时所生成的;所述目标参数信息包括色值阈值信息;所述当获取到第一触发指令时,根据所述第一触发指令对所述单位视野图像进行图像识别,得到所述单位视野图像对应的单位识别结果,包括:
获取所述脚踏式设备发送的所述第一触发指令,根据所述第一触发指令、所述色值阈值信息和所述识别算法对所述单位视野图像进行图像识别,得到所述单位识别结果。
其中,还包括:
获取所述脚踏式设备发送的第二触发指令,根据所述第二触发指令对所述单位视野图像进行捕获,得到目标视野图像,对所述目标视野图像进行图像识别,得到所述目标视野图像对应的目标识别结果;所述第二触发指令是由所述脚踏式设备在响应触发次数为第二数值时所生成的;
当存在多个目标视野图像时,根据所述多个目标视野图像中的每个目标视野图像分别对应的目标识别结果,获取所述多个目标视野图像对应的统计识别结果,输出所述统计识别结果。
其中,还包括:
响应所述目标视野图像中的位置标记操作,得到标记位置;
获取所述标记位置对应的位置参数,根据所述位置参数获取所述目标视野图像对应的补充识别结果。
其中,所述获取所述标记位置对应的位置参数,根据所述位置参数获取所述目标视野图像对应的补充识别结果,包括:
获取所述标记位置对应的位置坐标信息、所述光学设备的倍镜值以及用于显示所述目标视野图像的缩放显示比例;
将所述位置坐标信息、所述倍镜值和所述缩放显示比例,确定为所述位置参数;
基于所述位置参数和换算模型,输出所述补充识别结果;所述补充识别结果包括所述单位视野图像中所述标记位置对应的观察对象之间的实际距离或实际面积。
本申请另一方面提供了一种智能光学数据处理方法,包括:
响应针对光学检测承载件的视野选取操作,获取所述光学检测承载件对应的单位视野图像;
将所述单位视野图像发送至处理设备,以使所述处理设备在获取到第一触发指令时生成所述单位视野图像对应的结果参数信息;所述结果参数信息是由所述处理设备对所述单位视野图像进行图像识别后所得到;
接收所述处理设备发送的所述结果参数信息,基于所述结果参数信息确定所述单位视野图像对应的标记信息,将所述标记信息和所述单位视野图像进行叠加显示。
本申请另一方面提供了一种智能光学数据处理方法,包括:
光学设备响应针对光学检测承载件的视野选取操作,获取所述光学检测承载件对应的单位视野图像,将所述单位视野图像发送至处理设备;
当所述处理设备获取到第一触发指令时,根据所述第一触发指令对所述单位视野图像进行图像识别,得到所述单位视野图像对应的单位识别结果,根据所述单位识别结果生成所述单位视野图像对应的结果参数信息,将所述结果参数信息发送至所述光学设备;
所述光学设备基于所述结果参数信息,确定所述单位视野图像对应的标记信息,将所述标记信息和所述单位视野图像进行叠加显示。
本申请一方面提供了一种智能光学数据处理装置,包括:
接收模块,用于接收光学设备发送的光学检测承载件对应的单位视野图像;
识别模块,用于当获取到第一触发指令时,根据所述第一触发指令对所述单位视野图像进行图像识别,得到所述单位视野图像对应的单位识别结果;
第一生成模块,用于根据所述单位识别结果生成所述单位视野图像对应的结果参数信息,将所述结果参数信息发送至所述光学设备,以使所述光学设备将基于所述结果参数信息所确定的标记信息和所述单位视野图像进行叠加显示。
其中,所述智能光学数据处理装置,还包括:
扫描模块,用于扫描所述光学检测承载件对应的身份标识信息,获取所述光学检测承载件对应的器件参数信息;
第一确定模块,用于根据所述器件参数信息,确定所述光学检测承载件对应的目标参数信息;
第二确定模块,用于根据所述目标参数信息,确定所述光学检测承载件对应的识别算法;所述识别算法用于对所述光学检测承载件对应的单位视野图像进行图像识别。
其中,所述第一确定模块,包括:
第一确定单元,用于响应针对所述器件参数信息的确认操作,将所述器件参数信息确定为所述目标参数信息;或者,
调整单元,用于响应针对所述器件参数信息的调整操作,得到调整后的器件参数信息,将所述调整后的器件参数信息,确定为所述目标参数信息。
其中,所述智能光学数据处理装置,还用于:
当检测到所述光学设备的倍镜值与所述识别算法所适用的倍镜值不一致时,输出提示信息;所述提示信息包括所述识别算法所适用的倍镜值或所述光学设备的倍镜值所适用的识别算法。
其中,所述第一触发指令是由脚踏式设备在响应触发次数为第一数值时所生成的;所述目标参数信息包括色值阈值信息;所述识别模块,还用于:
获取所述脚踏式设备发送的所述第一触发指令,根据所述第一触发指令、所述色值阈值信息和所述识别算法对所述单位视野图像进行图像识别,得到所述单位识别结果。
其中,所述智能光学数据处理装置,还包括:
捕获模块,用于获取所述脚踏式设备发送的第二触发指令,根据所述第二触发指令对所述单位视野图像进行捕获,得到目标视野图像,对所述目标视野图像进行图像识别,得到所述目标视野图像对应的目标识别结果;所述第二触发指令是由所述脚踏式设备在响应触发次数为第二数值时所生成的;
统计模块,用于当存在多个目标视野图像时,根据所述多个目标视野图像中的每个目标视野图像分别对应的目标识别结果,获取所述多个目标视野图像对应的统计识别结果,输出所述统计识别结果。
其中,所述智能光学数据处理装置,还包括:
标记模块,用于响应所述目标视野图像中的位置标记操作,得到标记位置;
获取模块,用于获取所述标记位置对应的位置参数,根据所述位置参数获取所述目标视野图像对应的补充识别结果。
其中,所述获取模块,包括:
获取单元,用于获取所述标记位置对应的位置坐标信息、所述光学设备的倍镜值以及用于显示所述目标视野图像的缩放显示比例;
第二确定单元,用于将所述位置坐标信息、所述倍镜值和所述缩放显示比例,确定为所述位置参数;
换算单元,用于基于所述位置参数和换算模型,输出所述补充识别结果;所述补充识别结果包括所述单位视野图像中所述标记位置对应的观察对象之间的实际距离或实际面积。
本申请另一方面提供了一种智能光学数据处理装置,包括:
选取模块,用于响应针对光学检测承载件的视野选取操作,获取所述光学检测承载件对应的单位视野图像;
第二生成模块,用于将所述单位视野图像发送至处理设备,以使所述处理设备在获取到第一触发指令时生成所述单位视野图像对应的结果参数信息;所述结果参数信息是由所述处理设备对所述单位视野图像进行图像识别后所得到;
显示模块,用于接收所述处理设备发送的所述结果参数信息,基于所述结果参数信息确定所述单位视野图像对应的标记信息,将所述标记信息和所述单位视野图像进行叠加显示。
本申请一方面提供了一种智能光学数据处理装置,包括:处理器和存储器;
所述处理器和存储器相连,其中,所述存储器用于存储计算机程序,所述处理器用于调用所述计算机程序,以执行如本申请中一方面/另一方面中的方法。
本申请一方面提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序包括程序指令,该程序指令当被处理器执行时使该处理器执行上述一方面/另一方面中的方法。
本申请首先通过光学设备获取光学检测承载件对应的单位视野图像,进而通过光学设备将获取到单位视野图像发送给处理设备;处理设备在接收到第一触发指令时,可以对接收到的单位视野图像进行图像识别,并得到针对单位视野图像的单位识别结果;处理设备可以根据该单位识别结果生成单位视野图像对应的结果参数信息;处理设备可以将生成的结果参数发送给光学设备,光学设备可以根据结果参数生成标记信息,并将标记信息与单位视野图像进行叠加显示。由此可见,本申请提出的方法可以通过处理设备对单位视野图像进行机器端的图像识别,提高了针对单位视野图像的识别准确性,而且光学设备可以通过标记信息将针对单位视野图像的单位识别结果进行显示,即结果可视化,提高了针对单位视野图像的观察效率。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请提供的一种观察玻片的场景示意图;
图2是本申请提供的一种智能光学数据处理方法的流程示意图;
图3是本申请提供的一种光学数据处理的流程示意图;
图4是本申请提供的一种智能光学数据处理方法的流程示意图;
图5是本申请提供的一种智能光学数据处理方法的流程示意图;
图6是本申请提供的一种处理设备的界面示意图;
图7是本申请提供的另一种处理设备的界面示意图;
图8是本申请提供的另一种处理设备的界面示意图;
图9是本申请提供的另一种处理设备的界面示意图;
图10是本申请提供的另一种处理设备的界面示意图;
图11是本申请提供的一种位置换算方法的流程示意图;
图12是本申请提供的一种智能光学数据处理装置的结构示意图;
图13是本申请提供的另一种智能光学数据处理装置的结构示意图;
图14是本申请提供的另一种智能光学数据处理装置的结构示意图。
具体实施方式
下面将结合本申请中的附图,对本申请中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。
人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
请参见图1,是本申请提供的一种观察玻片的场景示意图。如图1所示,观察员a11可以通过智能显微镜a4观察玻片a5。其中,智能显微镜a4中包括AR(Augmented Reality,增强现实技术)叠加屏,即在智能显微镜a4的目镜之上增加了一个AR叠加屏,该AR叠加屏用于显示针对玻片a5的识别结果。另外,处理设备a6与显微镜a4相互连接,处理设备a6包括一个显示屏,处理设备a6可以通过显示屏实时同步显示显微镜a4中对玻片a5进行观察的画面,如画面a13。其中,处理设备a6可以是PC(personal computer,个人计算机),例如掌上电脑、平板电脑、台式电脑、笔记本电脑或者手机。此外,还有一个扫码器a2和一个脚踏板a3与处理设备a6相连。每个玻片可以有一个二维码,此处玻片a5的二维码为二维码a1。当使用扫码器a2扫描二维码a1时,处理设备a6可以显示玻片a5的详情,该详情包括玻片a5的取材部位、切片取级以及染色技术等信息,该详情是在制作完玻片a5时,预先录入并且与二维码a1绑定的信息。可以在处理设备a6中对玻片a5进行信息登记和信息确认,即将玻片a5在处理设备a6的识别系统(针对玻片的识别系统)中进行登记。可以在处理设备a6中显示玻片a5的详情,当处理设备a6显示的玻片a5的详情无误时,支持用户对玻片a5的详情进行确认,确认之后即表明玻片a5在处理设备a6的识别系统中登记成功,可以开始对玻片a5中的组织细胞进行显示和识别。当处理设备a6显示的玻片a5的详情有误时,支持观察员a11对玻片a5的详情进行修正,修正完成之后,可以对修正之后的详情进行确认,确认之后表明玻片a5在处理设备a6的识别系统中登记成功,可以开始对玻片a5中的组织细胞进行显示和识别。上述对玻片a5中的组织细胞进行显示,是指处理设备a6可以显示显微镜的视野下玻片a5的组织细胞。对玻片a5中的组织细胞进行识别,是指处理设备a6可以通过匹配到的与玻片a5相匹配的识别算法,对玻片a5中的组织细胞进行识别,例如,对玻片a5中是否存在癌细胞进行识别。具体为,处理设备a6可以通过确认得到的玻片a5的详情(包括取材部位、切片取级以及染色技术等),匹配出玻片a5适用的识别算法。当观察员a11使用显微镜a4观察玻片a5时,若需要对在显微镜的当前视野下观察到的玻片a5的组织细胞进行识别,则可以踩一下脚踏器a3,以触发处理设备a6通过匹配出的识别算法开始进行识别。处理设备a6可以显示识别出的结果,如界面a10所示,界面a10为处理设备a6中的一个界面,界面a10中显示有识别结果“癌细胞占比:50%”。此外,处理设备a6可以通过识别出的识别结果生成结果参数信息,该结果参数信息用于显示识别结果。具体为:处理设备a6可以将生成的结果参数信息发送至显微镜a4,显微镜a4可以通过该结果参数信息生成标记信息,可以通过该标记信息将识别出的癌细胞标记出来。如图1中的信息a12即为显微镜a4通过结果参数信息生成的一个标记信息,屏a7为显微镜a4中的AR叠加屏,屏a7中可以显示标记信息a12(即通过标记信息a12将识别结果可视化),视野a8为显微镜a4中的目镜下看到的细胞组织,显微镜a4可以将屏a7下的标记信息与当前视野下的玻片a5的组织细胞进行叠加显示,如视野a9所示,即观察员a11在显微镜a4中看到的视野可以为视野a9,视野a9中的标记信息a12标记的细胞可以是识别出的癌细胞,即被标记信息a12圈出来的细胞可以是通过识别算法识别出的癌细胞。通过将识别结果与显微镜的目镜视野下所能观察到的细胞组织进行叠加显示,可以使得观察员a11可以快速观察到细胞组织中的异常细胞。处理设备a6中也可以实时同步地显示观察员a11在显微镜a4中看到的视野(即标记信息和目镜下的视野叠加显示的视野),如界面a10所示,并且除了可以显示观察员a11在显微镜a4中看到的视野,还可以显示对当前视野的识别结果,此处识别结果为“癌细胞占比:58%”。
此外,当观察员a11还需要对显微镜中当前视野下的玻片a5的组织细胞进行拍摄时,可以踩两下脚踏器a3,以触发处理设备a6对当前视野进行拍摄,并保存拍摄的当前视野的图像。处理设备a6在对当前视野进行拍摄的同时会触发对当前视野的识别,处理设备a6可以对拍摄下的当前视野的识别结果进行显示和保存。当处理设备a6拍摄下多张视野下的图像时,处理设备a6可以得到拍摄下的每个视野的图像对应的识别结果,处理设备a6可以对拍摄下的每个视野的图像的识别结果进行统计,得到拍摄的所有视野下的图像的统计识别结果。例如,当识别结果为每个视野下的图像对应的癌细胞的占比,则上述统计识别结果可以包括识别结果的最大值和识别结果的均值。例如,当拍摄下3个视野对应的图像时,每个视野对应的图像的识别结果分别为癌细胞占比30%、40%和50%时,则得到的统计识别结果可以包括最大值50%(即50%>40%>30%),以及均值40%(即(30+40+50)/3)。每当处理设备重新拍摄下一个的视野的图像时,处理设备a6可以根据最新得到的图像所对应的识别结果,更新当前的统计识别结果。此外,还支持观察员a11在处理设备a6中对已拍摄的视野下的图像补充更多的观察结果,例如录入相关分析类文本信息等,以便观察员a11可以在后续查看到玻片a5尽可能详尽的观察结果。
通过本申请所提供的方法,可以在不分散观察员的注意力的前提下,使得观察员在需要对显微镜中所看到的视野下的玻片的组织细胞进行识别和拍摄时,可以通过脚踏器快速触发处理设备对其所看到的组织细胞进行识别和拍摄,提高了观察员针对玻片的观察效率。另外,通过增加处理设备同步显示显微镜的视野下的图像,并可对当前视野下的图像进行识别,可以为观察员增加辅助观察信息(即处理设备的识别结果),提高了观察员针对玻片的观察准确性。更多的,支持观察员在处理设备中补充玻片更多的观察信息,丰富了针对玻片的观察记录信息。
请参见图2,是本申请提供的一种智能光学数据处理方法的流程示意图,如图2所示,所述方法可以包括:
步骤S101,光学设备响应针对光学检测承载件的视野选取操作,获取所述光学检测承载件对应的单位视野图像;
具体的,光学设备可以是智能显微镜,该智能显微镜中包括AR叠加屏,即在智能显微镜的目镜上方增加了一个AR叠加屏,该AR叠加屏用于显示针对单位视野图像中的异常细胞的标记信息。光学检测承载件可以是玻片,其中,玻片中包括了在生物体中进行切片得到的细胞组织。光学检测承载件可以指包括生物体中的细胞组织,并可通过光学设备进行观察的物件。光学设备响应针对光学检测承载件的的视野选取操作。具体的,当观察员在通过光学设备观察光学承载件中的细胞组织时,可以调整光学设备的倍镜、亮度以及方向等,以便更准确地观察光学承载件中观察员想要观察的细胞组织。可以将观察员针对光学设备的倍镜、亮度以及方向的调整操作称之为上述视野选取操作。光学设备响应针对光学检测承载件的视野选取操作之后,观察员在光学设备中看到的光学检测承载件的视野即可称之为单位视野图像。光学设备每响应一次视野选取操作,都存在一个单位视野图像,即单位视野图像是指观察员在光学设备中某个视野下所看到的的景象,一个视野对应于一个单位视野图像,不同的视野对应于不同的单位视野图像,可存在若干个单位视野图像。
步骤S102,光学设备发送单位视野图像至处理设备;
具体的,光学设备可将获取到的单位视野图像发送至处理设备。其中,光学设备和处理设备可以是相互连接的,可以是通过数据线进行连接,即进行本地连接,光学设备和处理设备之间传输数据(此处传输的数据为单位视野图像)可以不通过网络进行传输,而是通过数据线进行传输,即光学设备和处理设备可以不需要具备无线网络通信的能力。可选的,光学设备和处理设备之间也可以通过无线网络或者蓝牙进行传输。光学设备和处理设备之间传输数据的方式根据实际应用场景决定,这里不做限制。
步骤S103,当处理设备获取到第一触发指令时,根据所述第一触发指令对所述单位视野图像进行图像识别,得到所述单位视野图像对应的单位识别结果;根据所述单位识别结果生成所述单位视野图像对应的结果参数信息;
具体的,处理设备接收光学设备发送的单位视野图像。实际上,处理设备与光学设备可以在观察员通过光学设备观察光学检测承载件的期间,实时持续保持连接,处理设备可以包括一个显示屏。处理设备可以实时获取到光学设备发送的单位视野图像,并通过显示屏实时动态显示接收到的单位视野图像,期间,单位视野图像可随着光学设备响应观察员的视野选取操作,不断进行变化。其中,上述第一触发指令为通过脚踏式设备获取到的命令。该脚踏式设备可以与处理设备进行连接,脚踏式设备可以在响应触发次数为第一数值时生成第一触发指令。例如,当观察员踩一下脚踏式设备(即上述第一数值为1,脚踏式设备响应的触发次数为1),脚踏式设备可以获取到的一个信号,可以将该信号称之为第一触发指令,若是通过方波(该方波包括0和1两个值)来解释该第一触发指令,则可将该第一触发指令理解为脚踏式设备产生的一个方波信号,该方波信号只有一次达到了值1。可选的,脚踏式设备获取到的第一触发指令也可以是携带命令类型的指令,例如,携带一个图像识别命令的指令。脚踏式设备可以将获取到的第一触发指令发送给处理设备,第一触发指令的传输也可以是通过脚踏式设备与处理设备之间的数据线进行传输,即脚踏式设备和处理设备之间可以没有网络连接。可选的,脚踏式设备和处理设备之间的数据传输(此处指第一触发指令)也可以通过无线网络或者蓝牙进行传输。处理设备在获取到第一触发指令时,根据该第一触发指令生成图像识别指令,并通过该图像识别指令对最新接收到的单位视野图像(即当前显示屏中正显示的单位视野图像)进行图像识别,得到单位视野图像对应单位识别结果。上述对单位视野图像进行图像识别,得到单位识别结果的具体过程参见下述:
其中,还可以有一个扫码器与处理设备进行连接。每个光学检测承载件对应有一个身份标识信息,该身份标识信息可以是二维码或者条形码。在对一个光学检测承载件制作完成时,可以通过二维码生成器生成该光学检测承载件的身份标识信息,并且,可以将光学检测承载件的相关器件参数信息与其身份标识信息进行绑定。该器件参数信息可以包括光学检测承载件中的细胞组织的取材部分(即在生物体中哪一个部位采集到的)、切片取级(即在取材部位中哪个层次的组织中采集到的)以及染色技术等相关信息。在观察员通过光学设备对光学检测承载件进行观察之前,可以先通过扫码器扫描光学检测承载件的身份标识信息。当观察员通过扫描器成功扫描光学检测承载件的身份标识信息时,处理设备可以获取到光学检测承载件对应的器件参数信息,并显示获取到的器件参数信息。在处理设备显示器件参数信息时,还可以对应显示一个确认按钮。当观察员认为处理设备所显示的器件参数信息无误时,可以点击确认按钮,处理设备可以响应该点击操作,将该器件参数信息作为目标参数信息。可以将观察员针对确认按钮的点击操作称之为针对器件参数信息的确认操作。当观察员认为处理设备所显示的器件参数信息有误时,支持观察员对处理设备所获取到的器件参数信息进行调整,例如,可以提供多种取材部分的选项、多种切片取级的选项以及多种染色技术的选项供观察员选择,可以将观察员对取材部分、切片取级以及染色技术的选择操作称之为调整操作(例如观察员针对某种取材部分的选项的点击操作、针对某种切片取级的选项的点击操作以及针对某种染色技术的选项的点击操作)。处理设备可以响应针对器件参数信息的调整操作,得到调整后的器件参数信息,将调整后的器件参数信息作为目标参数信息。也可在调整后的器件参数信息所在页面显示一个确认按钮,处理设备同样可以响应该确认按钮上的确认操作(例如观察员针对该确认按钮的点击操作),将调整后的器件参数信息,作为目标参数信息。
处理设备可以通过得到的目标参数信息,获取光学检测承载件对应的识别算法,该识别算法用于对光学检测承载件对应的单位视野图像进行图像识别。例如,可以存在一个参数化模型库,该参数化模型库中包括多种映射关系,即目标参数信息与识别算法之间的映射关系,一种目标参数信息对应于一种识别算法,处理设备可以通过获取到的目标参数信息,在参数化模型库中匹配与该目标参数信息具有映射关系的识别算法。参数化模型库中包括穷举出的若干种映射关系。举个例子,目标参数信息中包括取材部分的信息、切片取级的信息以及染色技术的信息,其中,取材部分可以包括两种,即取材部分1和取材部分2,切片取级也可以包括两种,即切片取级1和切片取级2,染色技术同样可以包括两种,染色技术1和染色技术2,识别算法也包括算法1和算法2。参数化模型库中可以包括的映射关系为:取材部分1、切片取级1和染色技术1对应于算法1;取材部分2、切片取级1和染色技术1对应于算法1;取材部分1、切片取级2和染色技术1对应于算法1;取材部分2、切片取级2和染色技术1对应于算法2;取材部分1、切片取级1和染色技术2对应于算法1;取材部分2、切片取级1和染色技术2对应于算法2;取材部分1、切片取级2和染色技术2对应于算法1;取材部分2、切片取级2和染色技术2对应于算法2。当上述光学检测承载件对应的目标参数信息为取材部分1、切片取级2以及染色技术2时,可以在参数化模型库中匹配得到识别算法为算法1。可以通过匹配得到的识别算法对单位视野图像进行图像识别,得到单位视野图像对应的单位识别结果。另外,上述扫描得到的光学检测承载件的器件参数信息中还可以包括光学检测承载件对应的色值阈值信息(可以称之为阴阳性判断阈值),即器件参数信息对应的目标参数信息中也包括光学承载件对应的色值阈值信息,该色值阈值信息表明了光学检测承载件中的细胞组织的染色深浅。可以根据上述第一触发指令,通过该色值阈值信息以及上述匹配到的识别算法,对单位视野图像进行图像识别,得到单位视野图像对应的单位识别结果。该单位识别结果除了可以包括病变率之外,还可以包括病变细胞的数量级。在进行图像识别的过程中,识别算法可以根据光学检测承载件的色值阈值信息,判断光学检测承载件中的细胞组织的染色程度,进而根据该染色程度识别出光学检测承载件中异常的细胞组织。可选的,上述光学检测承载件的色值阈值信息也可以是观察员手动录入处理设备的。
其中,处理设备可以获取到光学设备针对单位视野图像对应的倍镜值,当处理设备检测到光学设备的倍镜值与识别出用于对单位视野图像进行图像识别的识别算法,所适用的倍镜值不一致时,处理设备可以输出提示信息,该提示信息可以是语音(或者语音加震动)的方式或者显示提示框的方式(提示框中可以显示:光学检测承载件对应的识别算法与当前光学设备的倍镜值不匹配)。提示信息的具体提示方式根据实际应用场景决定,这里不作限制。其中,提示信息中可以包括识别算法所适用的倍镜值或/和光学设备的倍镜值所适用的识别算法。当提示信息为语音的方式时,可以将识别算法所适用的倍镜值或/和光学设备的倍镜值所适用的识别算法,通过语音的方式进行播放。当提示信息为显示提示框的方式时,提示框中可以显示识别算法所适用的倍镜值或/和光学设备的倍镜值所适用的识别算法。处理设备可以根据上述得到的单位识别结果生成单位视野图像对应的结果参数信息,该结果参数信息为针对单位视野图像中异常细胞的信息,例如针对单位视野图像中癌细胞的位置信息、形态信息和比例信息等。
更多的,脚踏式设备可以在响应触发次数为第二数值时生成第二触发指令。例如,当观察员认为此时在光学设备中观察到的视野比较重要时,观察员可以踩两下脚踏式设备(即上述第二数值为2,脚踏式设备响应的触发次数为2)以触发处理设备对当前的单位视野图像进行拍摄。具体为,当观察员连续踩两下脚踏式设备时,脚踏式设备可以获取到的一个信号,可以将该信号称之为第二触发指令,若是通过方波(该方波包括0和1两个值)来解释该第二触发指令,则可将该第二触发指令理解为脚踏式设备产生的一个方波信号,该方波信号有两次达到了值1。可选的,脚踏式设备获取到的第二触发指令也可以是携带命令类型的指令,例如,携带一个拍摄命令的指令。其中,脚踏式设备在生成第二触发指令时可以是在预设时间阈值内感应到被踩了两下,例如预设时间阈值为2秒,则观察员在2秒内连续踩脚踏式设备两次,脚踏式设备会生成上述第二触发指令。脚踏式设备可以将生成的第二触发指令发送给处理设备,处理设备可以根据第二触发指令生成拍摄指令,并根据该拍摄指令对当前显示的单位视野图像进行捕获,得到目标视野图像。其中,对单位视野图像进行捕获可以指对当前显示的单位视野图像进行拍摄或者对当前显示的单位视野图像进行截图。在处理设备对当前显示的单位视野图像进行拍摄时,处理设备可以被同步触发对当前显示的单位视野图像进行图像识别,即对获取到的目标视野图像进行图像识别,得到目标视野图像对应的目标识别结果,此处图像识别也是通过上述匹配到的光学检测承载件对应的识别算法进行识别。当存在多个目标视野图像时,处理设备可以根据多个目标视野图像中的每个目标视野图像分别对应的目标识别结果,获取所述多个目标视野图像对应的统计识别结果,并输出所述统计识别结果。具体的,当观察员通过脚踏式设备多次触发处理设备对单位视野图像进行拍摄,处理设备可以获取到多个不同的单位视野图像所对应的多个不同的目标视野图像,并会得到每个目标视野图像对应的目标识别结果。处理设备可以对得到的每个目标识别结果进行结果统计,得到上述多个目标视野图像对应的统计识别结果,并输出统计识别结果,即可以显示出得到的统计识别结果。举个例子,若上述目标识别结果为每个单位视野图像对应的ki-67指标(表征癌细胞的活跃度的指标),当存在3个目标视野图像,每个目标视野图像对应的ki-67指标分别为10%、20%和30%时,可以统计所有目标视野图像对应的均值和最大值,此处,可以统计得到上述3个目标视野图像的均值为20%(即(10+20+30)/3%),最大值为30%。可以将统计得到的均值与最大值称之为上述统计识别结果。
此外,还支持观察员对处理设备捕获得到的目标视野图像进行标记得到目标视野图像对应的更多的补充识别结果。具体为,处理设备可以响应目标视野图像中的位置标记操作,得到标记位置。当存在多个目标视野图像时,观察员可以选取其中某个目标视野图像进行显示以查看,支持观察员在处理设备所显示的目标视野图像中位置选取,例如观察员针对目标视野图像中某个位置的点击标记操作(即位置标记操作),得到标记位置。处理设备可以获取到观察员所标记得到的标记位置的位置参数,该位置参数可以包括标记位置对应的位置坐标信息、光学设备的倍镜值以及用于显示所述目标视野图像的缩放显示比例。具体的:处理设备可以将得到的标记位置映射到坐标网络,在坐标网络中获取到标记位置对应的位置坐标信息;处理设备可以获取到光学设备针对目标视野图像的倍镜值,例如40倍镜;处理设备可以获取到其(即处理设备)在显示目标视野图像时,页面的缩放显示比例,例如80%、100%或者120%。当存在两个标记位置时,处理设备可以通过该两个标记位置对应的位置参数以及换算模型,得到该两个标记位置之间的实际距离,可以将该实际距离称之为补充识别结果,该实际距离为单位视野图像中标记位置所标记的观察对象之间的距离,可以是一个细胞的直径,也可以是两个细胞之间的距离。上述换算模型可以根据标记位置的位置参数,推算出标记位置在光学检测承载件中的真实细胞组织中的位置。当存在多个标记位置(例如2个、3个或者4个等),并且多个标记位置之间构成了一个闭合的图形(例如三角形,五边形或者六边形等),则处理设备可以通过上述多个标记位置中的每个标记位置对应的位置参数以及换算模型,计算得到该多个标记位置构成的闭合的图形的实际面积,该实际面积为单位视野图像中标记位置对应的观察对象所构成的闭合图形的面积,即光学检测承载件中标记位置所标记的闭合区域中的细胞组织的面积。可以将该实际面积称之为补充识别结果。即补充识别结果包括单位视野图像中标记位置对应的观察对象之间的实际距离或实际面积,通过支持观察员对目标视野图像进行位置标记,并得到更多的补充识别结果,有助于观察员在后续查看针对光学检测承载件的更详尽的观察识别结果。
步骤S104,处理设备发送结果参数信息至光学设备;
具体的,处理设备可以将上述生成的单位视野图像对应的结果参数信息发送至光学设备,更准确一点,是处理设备可以将结果参数信息发送至光学设备中的AR叠加屏。
步骤S105,光学设备基于所述结果参数信息确定所述单位视野图像对应的标记信息,将所述标记信息和所述单位视野图像进行叠加显示;
具体的,光学设备可以通过AR叠加屏以及得到的结果参数信息生成单位视野图像对应的标记信息,该标记信息用于标记单位视野图像中有异常的细胞,例如癌细胞。光学设备可以通过AR叠加屏将生成的标记信息和单位视野图像进行叠加显示,即在单位视野图像上方投影显示标记信息,该标记信息也可随着光学设备的方向变化和倍镜变化进行相应的变化,即观察员在光学设备中看到的视野除了包括单位视野图像之外,还包括对单位视野图像中的异常细胞进行标记显示的标记信息。通过将标记信息和单位视野图像进行叠加显示,使得观察员在观察光学检测承载件时,可以快速显眼地看到识别出来的异常细胞组织。例如,上述标记信息可以是一个环状的圈,观察员通过光学设备可以看见光学检测承载件中被该环状的圈圈起来的异常细胞(例如癌细胞)。
本申请首先通过光学设备获取光学检测承载件对应的单位视野图像,进而通过光学设备将获取到单位视野图像发送给处理设备;处理设备在接收到第一触发指令时,可以对接收到的单位视野图像进行图像识别,并得到针对单位视野图像的单位识别结果;处理设备可以根据该单位识别结果生成单位视野图像对应的结果参数信息;处理设备可以将生成的结果参数发送给光学设备,光学设备可以根据结果参数生成标记信息,并将标记信息与单位视野图像进行叠加显示。由此可见,本申请提出的方法可以通过处理设备对单位视野图像进行机器端的图像识别,提高了针对单位视野图像的诊断准确性,而且光学设备可以通过标记信息将针对单位视野图像的单位识别结果进行显示,即结果可视化,提高了针对单位视野图像的诊断效率。
请参见图3,是本申请提供的一种光学数据处理的流程示意图。此处以光学检测承载件为玻片为例进行说明。首先,提取玻片参数:具体的,可以扫描玻片的身份标识信息,得到玻片中的切片(即从生物体中采集的细胞组织)对应的器件参数信息(即玻片参数),该器件参数信息可以包括玻片中的切片的取材部位、切片取级、染色技术以及色值阈值信息。参数组合建模:处理设备(可以称之为web端(即网页端))可以将提取得到的玻片参数转化为建模参数(即将玻片参数转化为模型参数),即创建识别模型的参数,该识别模型用于对玻片中的细胞组织进行识别,可以理解为对上述单位视野图像进行图像识别。算法库匹配:处理设备可以通过提取得到的玻片参数匹配适用于对玻片进行识别的识别算法。算法选用,即选用匹配到的识别算法。拉取显微镜参数组:观察员在使用光学设备观察玻片时,可以调节并得到光学设备(此处指显微镜)的倍镜和亮度,处理设备可以拉取得到显微镜的参数组(包括显微镜的倍镜和亮度)。当前视野提取:处理设备可以提取得到显微镜当前的视野(即观察员此时在显微镜中看到的视野),可以将该视野称之为单位视野图像。查阅细胞视野:处理设备可以显示提取得到的当前视野,观察员也可在处理设备上查阅当前视野中的细胞。识别病变:处理设备通过匹配得到的识别算法对当前视野下的细胞进行病变识别,识别出病变的细胞。标记病变细胞:处理设备生成用于标记识别出的病变细胞的结果参数信息。统计病变率:处理设备根据识别出的病变细胞可以统计得到当前视野下的细胞组织所指向的病变率。叠加增强现实屏显示:增强现实屏即AR叠加屏,显微镜可以根据拉取得到的显微镜参数组,将识别结果与当前视野下的组织细胞进行叠加显示,显示识别结果指显微镜可以通过处理设备发送的结果参数信息生成用于标记病变细胞的标记信息,并显示该标记信息,该标记信息可以是一个环形的圈。医学图像识别:即是指上述处理设备对当前视野下的细胞组织进行病变识别到得到病变率的过程。单视野自动测量:指处理设备对当前视野进行拍照,得到目标视野图像时,会自动对目标视野图像进行图像识别(测量),得到目标视野图像对应的目标识别结果,一个目标视野图像分别对应于一个目标识别结果,即分别对单个目标视野图像进行图像识别得到图像识别结果。多视野统计测量:指处理设备对多个视野进行拍摄,并得到了多个目标视野图像时,处理设备会分别得到每个目标视野图像对应的目标识别结果,处理设备可以对所有目标识别结果进行统计测量,得到统计识别结果,例如,统计测量得到所有目标识别结果对应的均值和最大值,可以将均值和最大值称之为上述统计测量结果。数据统计:即包括上述单视野自动测量的结果以及多视野统计测量的结果。识别结果生成,处理设备可以生成统计得到的每个目标视野图像对应的目标识别结果以及统计识别结果,作为识别结果,并输出显示该识别结果。
请参加图4,是本申请提供的一种智能光学数据处理方法的流程示意图。玻片参数提取:处理设备可以提取得到玻片的参数,包括玻片的取材部位、切片取级和染色技术等。参数化模型库:处理设备可以将提取得到的玻片参数转化为模型参数。算法匹配、算法库:处理设备可以通过玻片参数对应的模型参数在算法库中自动匹配到适用的识别算法。获取识别规则:处理设备可以获取到显微镜的识别规则,包括显微镜的倍镜和亮度。当判断出当前获取到的显微镜的识别规则为可触发的适用倍镜(即识别算法和获取到的倍镜相互适用/匹配)时,通过匹配得到的识别算法以及阴阳性判断阈值对显微镜中当前视野下的细胞组织进行图像识别(可以理解为对单位视野图像进行图像识别)。其中,上述阴阳性判断阈值表征了玻片中的细胞组织的染色程度,阴阳性判断阈值可以是观察员预先录入处理设备的,每次进行当前视野识别可以直接调用预先录入的阴阳性判断阈值。
请参见图5,是本申请提供的一种智能光学数据处理方法的流程示意图。此处以光学检测承载件为玻片、光学设备为显微镜为例进行说明。其中,观察员对玻片进行观察可分为3个阶段,分别为初始化、阅读某一玻片以及翻看阅片历史。其中,阅读某一玻片这一阶段又分为阅片前、阅片中和阅片后3个阶段。此处,医生即是指观察员。在初始化这一阶段,医生可以通过个人计算机(即PC,指上述处理设备)中的设置页面设置系统级参数,例如设置色值阈值信息(即阴阳性判断阈值),设置完成之后可以保存并使用,同时,个人计算机会更新系统设置,即更新为医生设置的系统级参数。在阅片前这一阶段,医生可以通过扫码器扫描玻片的二维码(即光学检测承载件的身份标识信息),若扫描成功,扫码器可响铃提示(例如“嘀”一声)医生扫描成功,同时,个人计算机会显示当前玻片信息(包括玻片的取材部位、切片取级和染色技术)。若扫描失败,扫码器不会响铃提示,同时个人计算机会反馈识别结果,例如通过语音播放“扫描失败”,或者显示提示框,在提示框中显示文本“扫描失败”。当扫描成功,个人计算机显示玻片信息时,个人计算机会确认必填选项(即必须录入的玻片信息),当有缺失时,引导医生填入。例如,当上述玻片信息中只有取材部位和切片取级,没有染色技术,则可以支持医生自行录入玻片的染色技术或者提供多种染色技术的选项,供医生选择。当个人计算机显示的玻片信息正确,或者当个人计算机显示的玻片信息不正确,但是医生已经调整正确之后时,医生可以通过个人计算机确认玻片基本信息(即确认玻片参数)。当医生确认玻片参数之后,个人计算机可以通过确认得到的玻片参数匹配适用于该玻片的识别算法,并显示匹配到的识别算法供医生查看。同时,个人计算机可以拉取得到显微镜当前的倍镜值和亮度,若显微镜的当前倍镜值与匹配得到的识别算法不相互适用时,可通过语音或者显示提示框的形式提示医生,当前识别算法与显微镜的倍镜值不匹配,同时可通过语音或者显示提示框的方式提示医生,当前识别算法适用的倍镜值或者显微镜的当前倍镜值适用的识别算法。此处认为识别算法适用于显微镜的当前倍镜值。则在阅片中这一阶段,医生可以先预览玻片,了解玻片的大概染色区域,然后,将玻片放置于显微镜的目镜下,医生可以调节显微镜的倍镜,在低倍镜下看玻片的全景,在高倍镜下看玻片的局部细胞。在此过程中,个人计算机会实时显示获取到的显微镜下的视野,即实时显示单位视野图像。在医生通过低倍镜看玻片的全景,通过高倍镜看玻片的局部细胞时,可以单击(即踩一下)脚踏板(该脚踏板即是上述脚踏式设备)触发个人计算机通过匹配得到的识别算法对当前视野下的细胞组织进行识别。若是个人计算机检测到识别算法支持(即适用)显微镜当前倍镜的识别,则对当前视野下的细胞组织进行识别,并显示识别得到的识别结果。若是在触发个人计算机对当前视野下的细胞组织进行识别时,个人计算机检测到识别算法不支持(即不适用)显微镜当前倍镜的识别,则反馈操作指引,可以提示医生调整显微镜的倍镜值或者重新选择识别算法。当医生在通过显微镜观察玻片时,支持医生拍摄需要关注的视野。例如,当医生认为其此时在显微镜中看到的视野比较重要时,可以双击(即踩两下)脚踏板,以触发个人计算机对当前所显示的视野进行拍摄(可以理解为是对当前所显示的视野进行截图)。若拍摄成功,个人计算机可以通过响铃(例如“嘀”一声)的方式(即声音反馈)提示医生,并记录、保存并识别已拍摄的视野。若是在此之前,个人计算机已经拍摄并得到多个视野对应的目标视野图像,并且也得到了所述多个视野对应的目标视野图像对应的统计数据(即统计识别结果),则,个人计算机可以通过此时识别出的新获取到的目标视野图像的目标识别结果刷新原始的统计数据,即每重新获取到一个目标视野图像,个人计算机都会刷新之前的目标视野图像对应的统计数据。例如,若目标视野图像对应的目标识别结果为病变率,当最开始存在3个目标视野图像,每个目标视野图像对应的病变率分别为10%、20%和30%,则原始的该3个目标视野图像的统计识别结果包括均值为20%和最大值为30%。则当现在新获取到一个目标视野图像,并且识别出该目标视野图像的病变率为60%,则可以刷新原始的统计识别结果,得到新的统计识别结果包括均值为30%(即(10+20+30+60)/4)和最大值为60%。在阅片后这一阶段,医生可以通过个人计算机将上述识别结果以及根据识别得到的分析结果写入报告书,并进行反馈,个人计算机也可以引导医生进行友情反馈,反馈的内容可以包括识别算法识别的准确度低或者速度慢等。在翻看阅片历史这一阶段,支持医生通过扫码器扫描玻片的二维码,若扫描成功,扫码器可以响铃提示(例如“嘀”一声),同时,医生可以在个人计算机上查阅到扫描的二维码对应的玻片的识别记录。并且个人计算机中可以按照时间对所有进行识别过的玻片进行排序显示,支持医生按照时间翻看所有其之前观察过的玻片的识别记录。同时,个人计算机也可以对已拍摄下的玻片的目标视野图像进行再次识别,例如,重新换一种识别算法进行目标视野图像的图像识别。
请参见图6,是本申请提供的一种处理设备的界面示意图。此处以光学检测承载件为玻片为例进行说明。界面B1是处理设备中的一个界面,界面B1是当观察员通过扫码器扫描玻片的身份标识信息成功时,处理设备中显示的扫描出的玻片的器件参数信息的界面。如界面B1所示,界面B1中显示有新检测到的玻片的编号信息S0001D,界面B1中还显示有检测到的新玻片的器件参数信息包括切片部位为结直肠、切片取级为息肉以及染色处理为KI-67(一种染色技术),并且匹配到的识别算法为算法1,如区域b21所示,算法1可以是AI(Artificial Intelligence,人工智能)算法IHC-KI67(一种识别算法)。并且区域b21中还显示有脚踏板的提示操作信息,即在显微镜为4倍镜下,脚踏板单击,可触发对当前视野的热区检测;在显微镜为40倍镜下,脚踏板单击,可触发对当前视野的识别;脚踏板双击,可触发对当前视野的拍摄。另外,界面B1中的切片部位还包括另外两种“神经内分泌”和“更多部位”两个选项,切片取级也还包括“淋巴腺”这一选项,染色处理也还包括“HE”(一种染色技术)、HER2(一种染色技术)、PR(一种染色技术)和ER(一种染色技术)四个选项,当观察员查看到处理设备所显示的切片部位为结直肠、切片取级为息肉以及染色处理为KI-67不正确时,支持观察员在界面B1中的切片部位对应的多个选项中、切片取级对应的多个选项中以及染色处理对应的多个选项中重新选择正确的选项,并且,在观察员选择正确的选项期间,区域b21中所匹配的识别算法也会对照着观察员所选择的选项进行重新匹配。支持观察员选中“取消检测新玻片”按钮b16以放弃此次玻片的观察和识别。支持观察员选中“确认并检测”按钮b17,开始对此次扫描的玻片进行观察和识别。
请参见图7,是本申请提供的另一种处理设备的界面示意图。界面B2为处理设备中的一个界面,界面B2为用于观察员设置玻片的阴阳性判断阈值的界面,由于上述在图6中识别出的识别算法为算法1,因此,在界面B2中显示有“算法1阴阳性判断阈值”,支持观察员通过拖动指针b1,选取阴阳性判断阈值,并且在观察员拖动选取阴阳性判断阈值时,在b2位置处会实时动态显示观察员所拖动指针b1的位置处对应的阴阳性判断阈值,此处以阴阳性判断阈值为10%为例。支持观察员选中“放弃保存”按钮放弃此次阴阳性判断阈值的选取,则处理设备可以继续沿用之前设置的默认的阴阳性判断阈值。支持观察员选中“保存设置”按钮保存其所选取的阴阳性判断阈值,则当处理设备在通过识别算法对玻片进行识别时,也会调用观察员重新选取的阴阳性判断阈值。
请参见图8,是本申请提供的另一种处理设备的界面示意图。界面B3为处理设备中的一个界面,界面B3为已通过扫码器扫描玻片的身份标识信息,并已确认玻片的玻片参数之后,观察员正观察玻片的界面。界面B3也可以为观察员完成对玻片的观察之后,重新扫描玻片的身份标识信息查看识别结果的界面。通过扫描玻片的身份标识信息,可以得到玻片的编号信息S0001D,以及第一次扫描的时间2019-4-20。也可在搜索框b3中输入玻片的编号信息,查找到对应的玻片。同时,区域b10中可以包括一些提示信息,此处包括的提示信息为使用的识别算法为算法1;在显微镜为4倍镜下,脚踏板单击,可触发对当前视野的热区检测;在显微镜为40倍镜下,脚踏板单击,可触发对当前视野的识别;脚踏板双击,可触发对当前视野的拍摄。区域b5中包括显微镜的倍镜值为倍数40,以及亮度为9。如界面B3所示,处理设备中已经拍摄有7个目标视野图像,如区域b7所示,每个目标视野图像对应的病变指标依次为40%、58%、21%、11%、43%、28%以及38%,对应的统计识别结果包括均值为34%和最大值为58%。此处选中并显示于区域b6中的目标视野图像为区域b7中第二个目标视野图像(即病变指标为58%的目标视野图像)。区域b8中包括当前玻片的玻片信息,即玻片ID(身份标识,即上述编号信息)为S0001D,取材部位为结直肠,切片取级为淋巴,染料(可以理解为上述染色技术)为ki-67(一种细胞染料)。若是观察员查看到区域b8中的信息有误,支持观察员点击“信息有误,点我编辑”按钮b9进行编辑修改。通过功能键b4可对区域b6中所显示的目标视野图像进行位置标记,按钮b4下方显示有“+”和“-”的按钮,支持观察员点击“+”的按钮放大显示区域b6中的目标视野图像,支持观察员点击“-”的按钮缩小显示区域b6中的目标视野图像。并且,当观察员选中“显示分析结果”按钮b19时,可以在区域b6中显示所显示的目标视野图像的识别结果b20,此处为“58%”。当观察员点击下载按钮b18时,还可下载当前玻片的识别结果(包括拍摄下的每个目标视野图像对应的目标识别结果以及统计识别结果)。
请参见图9,是本申请提供的另一种处理设备的界面示意图。可通过功能键b4对处理设备中所显示的目标视野图像进行位置标记,可将此标记操作称之为上述针对目标视野图像的位置标记操作。此处,通过位置标记操作得到了3个标记位置,分别为标记位置b11、标记位置b12以及标记位置b13。将标记位置b13作为配点,即以标记位置b13作为起点,可显示标记位置b13与其相连的标记位置b11之间的距离为5.24mm(可称之为上述补充识别结果),标记位置b13与其相连的标记位置b12之间的距离为5.56mm(可称之为上述补充识别结果)。并且,由于标记位置b13、标记位置b12和标记位置b11构成了一个闭合的三角形,因此,处理设备还可计算得到标记位置b13、标记位置b12和标记位置b11构成的闭合三角形的面积,此处为5.84mm2(可称之为上述补充识别结果)。请参见图10,是本申请提供的另一种处理设备的界面示意图。在图10中的所显示的目标视野图像中通过位置标记操作得到了两个标记位置,分别为标记位置b14和标记位置b15,由于标记位置b14和标记位置b15未构成闭合的图形,因此,此处只计算标记位置b14和标记位置b15之间的距离,为6.12mm。
请参见图11,是本申请提供的一种位置换算方法的流程示意图。视野中所选点:即在目标视野图像中通过位置标记操作得到的标记位置,每个标记位置对应于一点。映射坐标网络:可以将标记位置映射到坐标网格,进而可以得到标记位置中第一点(即第一个标记位置)坐标(x1,y1)和第二点(第二个标记位置)坐标(x2,y2),得到第一点与第二点之间的距离L。支持观察员在目标视野图像中继续选择多个点,例如继续选择第3个点,第4个点等,即继续选择更多的标记位置。当多个点(即多个标记位置)之间构成闭合几何形状时,可以通过每个点的坐标,计算得到该闭合几何形状的几何面积。之后,处理设备可以获取显微镜针对上述目标视野图像的倍镜值,以及处理设备显示目标视野图像的界面缩放值(即上述缩放显示比例),通过真实值换算模型(即上述换算模型)以及获取到的倍镜值和界面缩放值,得到上述第一点与第二点之间的实际距离(即在玻片中的细胞组织中的真实距离),以及上述多个点构成的闭合几何形状的实际面积(即在玻片中的细胞组织中的真实面积)。处理设备可以将换算得到的第一点与第二点之间的实际距离,以及上述多个点构成的闭合几何形状的实际面积进行输出显示(即返回显示)。上述得到的实际距离可以用于研究玻片中的细胞密集度,上述得到的实际面积可用于获取病体变量。
其中,还可有一个鼠标以及键盘与上述处理设备连接,便于观察员使用该鼠标以及键盘在处理设备中录入更多针对玻片的识别结果和分析。本申请通过多设备协同工作,在不改变观察员原有的观察习惯的前提下,帮助观察员更快更准确地观察光学检测承载件。其中,多设备包括软件设备和硬件设备,软件设备可以指包括识别系统的处理设备(例如个人计算机),硬件设备可以指智能显微镜、脚踏式设备、扫码器、键盘以及鼠标。
请参见图12,是本申请提供的一种智能光学数据处理装置的结构示意图。如图12所示,该数据处理装置1可以包括:接收模块101、识别模块102和第一生成模块103;
接收模块101,用于接收光学设备发送的光学检测承载件对应的单位视野图像;
识别模块102,用于当获取到第一触发指令时,根据所述第一触发指令对所述单位视野图像进行图像识别,得到所述单位视野图像对应的单位识别结果;
第一生成模块103,用于根据所述单位识别结果生成所述单位视野图像对应的结果参数信息,将所述结果参数信息发送至所述光学设备,以使所述光学设备将基于所述结果参数信息所确定的标记信息和所述单位视野图像进行叠加显示。
其中,所述接收模块101、识别模块102和第一生成模块103的具体功能实现方式请参见图2对应的实施例中的步骤S101-步骤S105,这里不再进行赘述。
其中,所述智能光学数据处理装置1,还包括扫描模块104、第一确定模块105和第二确定模块106:
扫描模块104,用于扫描所述光学检测承载件对应的身份标识信息,获取所述光学检测承载件对应的器件参数信息;
第一确定模块105,用于根据所述器件参数信息,确定所述光学检测承载件对应的目标参数信息;
第二确定模块106,用于根据所述目标参数信息,确定所述光学检测承载件对应的识别算法;所述识别算法用于对所述光学检测承载件对应的单位视野图像进行图像识别。
其中,所述扫描模块104、第一确定模块105和第二确定模块106的具体功能实现方式请参见图2对应的实施例中的步骤S103,这里不再进行赘述。
其中,所述第一确定模块105,包括第一确定单元1051和调整单元1052:
第一确定单元1051,用于响应针对所述器件参数信息的确认操作,将所述器件参数信息确定为所述目标参数信息;或者,
调整单元1052,用于响应针对所述器件参数信息的调整操作,得到调整后的器件参数信息,将所述调整后的器件参数信息,确定为所述目标参数信息。
其中,所述第一确定单元1051和调整单元1052的具体功能实现方式请参见图2对应的实施例中的步骤S103,这里不再进行赘述。
其中,所述智能光学数据处理装置1,还用于:
当检测到所述光学设备的倍镜值与所述识别算法所适用的倍镜值不一致时,输出提示信息;所述提示信息包括所述识别算法所适用的倍镜值或所述光学设备的倍镜值所适用的识别算法。
其中,所述第一触发指令是由脚踏式设备在响应触发次数为第一数值时所生成的;所述目标参数信息包括色值阈值信息;所述识别模块102,还用于:
获取所述脚踏式设备发送的所述第一触发指令,根据所述第一触发指令、所述色值阈值信息和所述识别算法对所述单位视野图像进行图像识别,得到所述单位识别结果。
其中,所述智能光学数据处理装置1,还包括捕获模块107和统计模块108:
捕获模块107,用于获取所述脚踏式设备发送的第二触发指令,根据所述第二触发指令对所述单位视野图像进行捕获,得到目标视野图像,对所述目标视野图像进行图像识别,得到所述目标视野图像对应的目标识别结果;所述第二触发指令是由所述脚踏式设备在响应触发次数为第二数值时所生成的;
统计模块108,用于当存在多个目标视野图像时,根据所述多个目标视野图像中的每个目标视野图像分别对应的目标识别结果,获取所述多个目标视野图像对应的统计识别结果,输出所述统计识别结果。
其中,所述第一确定单元1051和调整单元1052的具体功能实现方式请参见图2对应的实施例中的步骤S103,这里不再进行赘述。
其中,所述智能光学数据处理装置1,还包括标记模块109和获取模块110:
标记模块109,用于响应所述目标视野图像中的位置标记操作,得到标记位置;
获取模块110,用于获取所述标记位置对应的位置参数,根据所述位置参数获取所述目标视野图像对应的补充识别结果。
其中,所述第一确定单元1051和调整单元1052的具体功能实现方式请参见图2对应的实施例中的步骤S103,这里不再进行赘述。
其中,所述获取模块110,包括获取单元1101、第二确定单元1102和换算单元1103:
获取单元1101,用于获取所述标记位置对应的位置坐标信息、所述光学设备的倍镜值以及用于显示所述目标视野图像的缩放显示比例;
第二确定单元1102,用于将所述位置坐标信息、所述倍镜值和所述缩放显示比例,确定为所述位置参数;
换算单元1103,用于基于所述位置参数和换算模型,输出所述补充识别结果;所述补充识别结果包括所述单位视野图像中所述标记位置对应的观察对象之间的实际距离或实际面积。
其中,所述第一确定单元1051和调整单元1052的具体功能实现方式请参见图2对应的实施例中的步骤S103,这里不再进行赘述。
请参见图13,是本申请提供的另一种智能光学数据处理装置的结构示意图。如图13所示,所述智能光学数据处理装置2可以包括选取模块21、第二生成模块22和显示模块23:
选取模块21,用于响应针对光学检测承载件的视野选取操作,获取所述光学检测承载件对应的单位视野图像;
第二生成模块22,用于将所述单位视野图像发送至处理设备,以使所述处理设备在获取到第一触发指令时生成所述单位视野图像对应的结果参数信息;所述结果参数信息是由所述处理设备对所述单位视野图像进行图像识别后所得到;
显示模块23,用于接收所述处理设备发送的所述结果参数信息,基于所述结果参数信息确定所述单位视野图像对应的标记信息,将所述标记信息和所述单位视野图像进行叠加显示。
其中,所述第一确定单元1051和调整单元1052的具体功能实现方式请参见图2对应的实施例中的步骤S101-步骤S105,这里不再进行赘述。
本申请首先通过光学设备获取光学检测承载件对应的单位视野图像,进而通过光学设备将获取到单位视野图像发送给处理设备;处理设备在接收到第一触发指令时,可以对接收到的单位视野图像进行图像识别,并得到针对单位视野图像的单位识别结果;处理设备可以根据该单位识别结果生成单位视野图像对应的结果参数信息;处理设备可以将生成的结果参数发送给光学设备,光学设备可以根据结果参数生成标记信息,并将标记信息与单位视野图像进行叠加显示。由此可见,本申请提出的方法可以通过处理设备对单位视野图像进行机器端的图像识别,提高了针对单位视野图像的诊断准确性,而且光学设备可以通过标记信息将针对单位视野图像的单位识别结果进行显示,即结果可视化,提高了针对单位视野图像的诊断效率。
请参见图14,是本申请提供的另一种智能光学数据处理装置的结构示意图。如图14所示,所述智能光学数据处理装置1000可以包括:处理器1001,网络接口1004和存储器1005,此外,所述智能光学数据处理装置1000还可以包括:用户接口1003,和至少一个通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。其中,用户接口1003可以包括显示屏(Display)、键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图14所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及设备控制应用程序。
在图14所示的数据处理装置1000中,网络接口1004可提供网络通讯功能;而用户接口1003主要用于为用户提供输入的接口;而处理器1001可以用于调用存储器1005中存储的设备控制应用程序,以实现前文图2所对应实施例中对所述智能光学数据处理方法的描述。
应当理解,本申请中所描述的数据处理装置1000可执行前文图2所对应实施例中对所述智能光学数据处理方法的描述,也可执行前文图12所对应实施例中对所述智能光学数据处理装置1的描述以及前文图13所对应实施例中对所述智能光学数据处理装置2的描述,在此不再赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。
此外,这里需要指出的是:本申请还提供了一种计算机可读存储介质,且所述计算机可读存储介质中存储有前文提及的智能光学数据处理装置1和智能光学数据处理装置2所执行的计算机程序,且所述计算机程序包括程序指令,当所述处理器执行所述程序指令时,能够执行前文图2所对应实施例中对所述智能光学数据处理方法的描述,因此,这里将不再进行赘述。另外,对采用相同方法的有益效果描述,也不再进行赘述。对于本申请所涉及的计算机存储介质实施例中未披露的技术细节,请参照本申请方法实施例的描述。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所揭露的仅为本申请较佳实施例而已,当然不能以此来限定本申请之权利范围,因此依本申请权利要求所作的等同变化,仍属本申请所涵盖范围。
Claims (15)
1.一种智能光学数据处理方法,其特征在于,应用于处理设备,包括:
接收光学设备发送的光学检测承载件对应的单位视野图像;
当获取到第一触发指令时,根据所述第一触发指令对所述单位视野图像进行图像识别,得到所述单位视野图像对应的单位识别结果;
根据所述单位识别结果生成所述单位视野图像对应的结果参数信息,将所述结果参数信息发送至所述光学设备,以使所述光学设备将基于所述结果参数信息所确定的标记信息和所述单位视野图像进行叠加显示。
2.根据权利要求1所述的方法,其特征在于,还包括:
扫描所述光学检测承载件对应的身份标识信息,获取所述光学检测承载件对应的器件参数信息;
根据所述器件参数信息,确定所述光学检测承载件对应的目标参数信息;
根据所述目标参数信息,确定所述光学检测承载件对应的识别算法;所述识别算法用于对所述光学检测承载件对应的单位视野图像进行图像识别。
3.根据权利要求2所述的方法,其特征在于,所述根据所述器件参数信息,确定所述光学检测承载件对应的目标参数信息,包括:
响应针对所述器件参数信息的确认操作,将所述器件参数信息确定为所述目标参数信息;或者,
响应针对所述器件参数信息的调整操作,得到调整后的器件参数信息,将所述调整后的器件参数信息,确定为所述目标参数信息。
4.根据权利要求2所述的方法,其特征在于,还包括:
当检测到所述光学设备的倍镜值与所述识别算法所适用的倍镜值不一致时,输出提示信息;所述提示信息包括所述识别算法所适用的倍镜值或所述光学设备的倍镜值所适用的识别算法。
5.根据权利要求2所述的方法,其特征在于,所述第一触发指令是由脚踏式设备在响应触发次数为第一数值时所生成的;所述目标参数信息包括色值阈值信息;所述当获取到第一触发指令时,根据所述第一触发指令对所述单位视野图像进行图像识别,得到所述单位视野图像对应的单位识别结果,包括:
获取所述脚踏式设备发送的所述第一触发指令,根据所述第一触发指令、所述色值阈值信息和所述识别算法对所述单位视野图像进行图像识别,得到所述单位识别结果。
6.根据权利要求5所述的方法,其特征在于,还包括:
获取所述脚踏式设备发送的第二触发指令,根据所述第二触发指令对所述单位视野图像进行捕获,得到目标视野图像,对所述目标视野图像进行图像识别,得到所述目标视野图像对应的目标识别结果;所述第二触发指令是由所述脚踏式设备在响应触发次数为第二数值时所生成的;
当存在多个目标视野图像时,根据所述多个目标视野图像中的每个目标视野图像分别对应的目标识别结果,获取所述多个目标视野图像对应的统计识别结果,输出所述统计识别结果。
7.根据权利要求6所述的方法,其特征在于,还包括:
响应所述目标视野图像中的位置标记操作,得到标记位置;
获取所述标记位置对应的位置参数,根据所述位置参数获取所述目标视野图像对应的补充识别结果。
8.根据权利要求7所述的方法,其特征在于,所述获取所述标记位置对应的位置参数,根据所述位置参数获取所述目标视野图像对应的补充识别结果,包括:
获取所述标记位置对应的位置坐标信息、所述光学设备的倍镜值以及用于显示所述目标视野图像的缩放显示比例;
将所述位置坐标信息、所述倍镜值和所述缩放显示比例,确定为所述位置参数;
基于所述位置参数和换算模型,输出所述补充识别结果;所述补充识别结果包括所述单位视野图像中所述标记位置对应的观察对象之间的实际距离或实际面积。
9.一种智能光学数据处理方法,其特征在于,应用于光学设备,包括:
响应针对光学检测承载件的视野选取操作,获取所述光学检测承载件对应的单位视野图像;
将所述单位视野图像发送至处理设备,以使所述处理设备在获取到第一触发指令时生成所述单位视野图像对应的结果参数信息;所述结果参数信息是由所述处理设备对所述单位视野图像进行图像识别后所得到;
接收所述处理设备发送的所述结果参数信息,基于所述结果参数信息确定所述单位视野图像对应的标记信息,将所述标记信息和所述单位视野图像进行叠加显示。
10.一种智能光学数据处理方法,其特征在于,包括:
光学设备响应针对光学检测承载件的视野选取操作,获取所述光学检测承载件对应的单位视野图像,将所述单位视野图像发送至处理设备;
当所述处理设备获取到第一触发指令时,根据所述第一触发指令对所述单位视野图像进行图像识别,得到所述单位视野图像对应的单位识别结果,根据所述单位识别结果生成所述单位视野图像对应的结果参数信息,将所述结果参数信息发送至所述光学设备;
所述光学设备基于所述结果参数信息,确定所述单位视野图像对应的标记信息,将所述标记信息和所述单位视野图像进行叠加显示。
11.一种智能光学数据处理装置,其特征在于,包括:
接收模块,用于接收光学设备发送的光学检测承载件对应的单位视野图像;
识别模块,用于当获取到第一触发指令时,根据所述第一触发指令对所述单位视野图像进行图像识别,得到所述单位视野图像对应的单位识别结果;
第一生成模块,用于根据所述单位识别结果生成所述单位视野图像对应的结果参数信息,将所述结果参数信息发送至所述光学设备,以使所述光学设备将基于所述结果参数信息所确定的标记信息和所述单位视野图像进行叠加显示。
12.根据权利要求11所述的装置,其特征在于,所述智能光学数据处理装置,还包括:
扫描模块,用于扫描所述光学检测承载件对应的身份标识信息,获取所述光学检测承载件对应的器件参数信息;
第一确定模块,用于根据所述器件参数信息,确定所述光学检测承载件对应的目标参数信息;
第二确定模块,用于根据所述目标参数信息,确定所述光学检测承载件对应的识别算法;所述识别算法用于对所述光学检测承载件对应的单位视野图像进行图像识别。
13.一种智能光学数据处理装置,其特征在于,包括:
选取模块,用于响应针对光学检测承载件的视野选取操作,获取所述光学检测承载件对应的单位视野图像;
第二生成模块,用于将所述单位视野图像发送至处理设备,以使所述处理设备在获取到第一触发指令时生成所述单位视野图像对应的结果参数信息;所述结果参数信息是由所述处理设备对所述单位视野图像进行图像识别后所得到;
显示模块,用于接收所述处理设备发送的所述结果参数信息,基于所述结果参数信息确定所述单位视野图像对应的标记信息,将所述标记信息和所述单位视野图像进行叠加显示。
14.一种智能光学数据处理装置,其特征在于,包括:处理器和存储器;
所述处理器和存储器相连,其中,所述存储器用于存储计算机程序,所述处理器用于调用所述计算机程序,以执行如权利要求1-10任一项所述的方法。
15.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时,执行如权利要求1-10任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910759159.4A CN110490130A (zh) | 2019-08-16 | 2019-08-16 | 智能光学数据处理方法、装置以及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910759159.4A CN110490130A (zh) | 2019-08-16 | 2019-08-16 | 智能光学数据处理方法、装置以及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110490130A true CN110490130A (zh) | 2019-11-22 |
Family
ID=68551457
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910759159.4A Pending CN110490130A (zh) | 2019-08-16 | 2019-08-16 | 智能光学数据处理方法、装置以及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110490130A (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101170961A (zh) * | 2005-03-11 | 2008-04-30 | 布拉科成像S.P.A.公司 | 利用显微镜的用于外科手术导航及可视化的方法及设备 |
WO2018231204A1 (en) * | 2017-06-13 | 2018-12-20 | Google Llc | Augmented reality microscope for pathology |
CN110007455A (zh) * | 2018-08-21 | 2019-07-12 | 腾讯科技(深圳)有限公司 | 病理显微镜、显示模组、控制方法、装置及存储介质 |
-
2019
- 2019-08-16 CN CN201910759159.4A patent/CN110490130A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101170961A (zh) * | 2005-03-11 | 2008-04-30 | 布拉科成像S.P.A.公司 | 利用显微镜的用于外科手术导航及可视化的方法及设备 |
WO2018231204A1 (en) * | 2017-06-13 | 2018-12-20 | Google Llc | Augmented reality microscope for pathology |
CN110007455A (zh) * | 2018-08-21 | 2019-07-12 | 腾讯科技(深圳)有限公司 | 病理显微镜、显示模组、控制方法、装置及存储介质 |
Non-Patent Citations (1)
Title |
---|
李明: "微创腰椎融合术", 31 January 2010, pages: 35 - 36 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10255482B2 (en) | Interactive display for facial skin monitoring | |
CN102365645B (zh) | 通过关联面部来组织数字图像 | |
CN109190540A (zh) | 活检区域预测方法、图像识别方法、装置和存储介质 | |
CN111563887B (zh) | 一种口腔图像的智能分析方法与装置 | |
CN103106401B (zh) | 一种具有人机交互机制的移动终端虹膜识别装置 | |
CN109002846A (zh) | 一种图像识别方法、装置和存储介质 | |
CN1989527A (zh) | 成像几何参数的自动确定 | |
CN109117890A (zh) | 一种图像分类方法、装置和存储介质 | |
CN109782902A (zh) | 一种操作提示方法及眼镜 | |
CN109508755A (zh) | 一种基于图像认知的心理测评方法 | |
CN113435236A (zh) | 居家老人姿态检测方法、系统、存储介质、设备及应用 | |
CN110428417A (zh) | 颈动脉斑块的性质判别方法、存储介质及超声装置 | |
Marinoiu et al. | Pictorial human spaces: How well do humans perceive a 3d articulated pose? | |
CN111242921A (zh) | 一种医学超声图像辅助诊断系统自动更新的方法及系统 | |
CN109431446A (zh) | 一种在线视力检查方法、装置、终端设备及存储介质 | |
CN110427998A (zh) | 模型训练、目标检测方法及装置、电子设备、存储介质 | |
CN109934798A (zh) | 体内目标物信息标注方法及装置、电子设备、存储介质 | |
TW202131352A (zh) | 透過問答生成訓練資料的系統及其方法 | |
CN111144506B (zh) | 基于超声图像的肝包虫识别方法、存储介质及超声设备 | |
US20150173611A1 (en) | Ophthalmic apparatus, and treatment site measuring method for the apparatus | |
CN110490130A (zh) | 智能光学数据处理方法、装置以及计算机可读存储介质 | |
CN110378979A (zh) | 基于生成对抗网络实现自定义高分辨率人脸图片自动生成的方法 | |
KR102267688B1 (ko) | 모발 자가진단 정확성을 향상시킨 어플리케이션 실행 방법 | |
CN110275608B (zh) | 人眼视线追踪方法 | |
CN109118070A (zh) | 测试方法及装置 |
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 |