CN110570953A - 一种数字病理全景切片图像自动分析方法和系统 - Google Patents

一种数字病理全景切片图像自动分析方法和系统 Download PDF

Info

Publication number
CN110570953A
CN110570953A CN201910846325.4A CN201910846325A CN110570953A CN 110570953 A CN110570953 A CN 110570953A CN 201910846325 A CN201910846325 A CN 201910846325A CN 110570953 A CN110570953 A CN 110570953A
Authority
CN
China
Prior art keywords
module
image
pathological
electrically connected
pathological image
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
Application number
CN201910846325.4A
Other languages
English (en)
Inventor
曹小伍
雷铭轩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Yisheng Medical Technology Co Ltd
Original Assignee
Hangzhou Yisheng Medical Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hangzhou Yisheng Medical Technology Co Ltd filed Critical Hangzhou Yisheng Medical Technology Co Ltd
Priority to CN201910846325.4A priority Critical patent/CN110570953A/zh
Publication of CN110570953A publication Critical patent/CN110570953A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • 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
    • G06T2207/10061—Microscopic image from scanning electron microscope

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Quality & Reliability (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Processing Or Creating Images (AREA)

Abstract

本发明公开了一种数字病理全景切片图像自动分析方法，具体包括以下步骤：S1、通过病理图像获取模块可接收需要进行检测分析的病理图像，并发送至病理图像处理系统内部，通过病理图像处理系统内部的图像颜色增强模块以及标准化处理模块可对病理图像的颜色以及规格进行统一标准化处理；S2、将S1中标准化处理的病理图像发送至特征提取模块内，本发明涉及医学图像处理技术领域。该数字病理全景切片图像自动分析方法和系统，可实现对病理图像的特征点进行提取以及颜色增强等统一标准化处理，对提取的特征图像进行分析检测，检测结果可发送至图像显示中心供医护人员进行辅助诊断，快速且精确的对病理全景切片图像进行自动分析。

Description

一种数字病理全景切片图像自动分析方法和系统
技术领域
本发明涉及医学图像处理技术领域，具体为一种数字病理全景切片图像自动分析方法和系统。
背景技术
数字化病理就是指将计算机和网络应用于了病理学领域，是一种现代数字系统与传统光学放大装置有机结合的技术，它是通过全自动显微镜或光学放大系统扫描采集得到高分辨数字图像，再应用计算机对得到的图像自动进行高精度多视野无缝隙拼接和处理，获得优质的可视化数据以应用于病理学的各个领域，数字病理系统主要由数字切片扫描装置和数据处理软件构成。首先，利用数字显微镜或放大系统在低倍物镜下对玻璃切片进行逐幅扫描采集成像，显微扫描平台自动按照切片XY轴方向扫描移动，并在Z轴方向自动聚焦，然后由扫描控制软件在光学放大装置有效放大的基础上利用程控扫描方式采集高分辨数字图像，图像压缩与存储软件将图像自动进行无缝拼接处理，制作生成整张全视野的数字化切片(Whole Slide Image，简称WSI)，再将这些数据存储在一定介质中建立起数字病理切片库，随后就可以利用相应的数字病理切片浏览系统，对一系列可视化数据进行任意比例放大或缩小以及任意方向移动的浏览和分析处理，就好比在操作一台真实的光学显微镜一样。
随着计算机辅助诊断医疗技术的发展，计算机辅助治疗相对于人工阅片诊断，具有高效率以及高精确性的特点，但是由于病理图像的多样性和复杂性，以及每个图像都有上千万以及上亿的像素点，这对于病理图像分析工作来说也是十分困难的，因此如何快速且准确的对图像进行分析是本发明所要解决的问题。
发明内容
(一)解决的技术问题
针对现有技术的不足，本发明提供了一种数字病理全景切片图像自动分析方法和系统，解决了由于病理图像的多样性和复杂性，以及每个图像都有上千万以及上亿的像素点，对于病理图像分析工作来说是十分困难的以及如何快速且准确的对图像进行分析的问题。
(二)技术方案
为实现以上目的，本发明通过以下技术方案予以实现：一种数字病理全景切片图像自动分析方法，具体包括以下步骤：
S1、通过病理图像获取模块可接收需要进行检测分析的病理图像，并发送至病理图像处理系统内部，通过病理图像处理系统内部的图像颜色增强模块以及标准化处理模块可对病理图像的颜色以及规格进行统一标准化处理；
S2、将S1中标准化处理的病理图像发送至特征提取模块内，通过特征提取模块可对病理图像上的特征点进行提取，同时通过特征分析检测模块可对该特征点图像的颜色、形态学、纹理和空间分布特征进行检测分析，然后将分析结果发送至分类计算模块内，可对病理图像进行计算以及分类，并将分类后的病理图像发送至存储单元内进行存储；
S3、当医护人员要对存储单元内部的病理图像进行诊断分析时，同时图像检索提取模块可对存储单元内部的病理图像进行检索提取，并通过无线传输模块发送至图像显示中心内部；
S4、通过病理图像诊断系统内部的病理图像查询模块可对显示在图像显示中心的病理图像进行查阅，并通过诊断分析模块对该病理图像进行诊断分析处理，诊断分析后的数据结果可发送至整合处理模块内部进行整理，最后将诊断结果发送至存储单元内进行存储，方便后续的查找以及发送，这样就完成了整个工作。
本发明还公开了一种数字病理全景切片图像自动分析系统，包括中央处理器，所述中央处理器的输入端通过导线与反馈模块的输出端电性连接，所述反馈模块的输入端通过导线与病理图像处理系统的输出端电性连接，且病理图像处理系统的输入端与病理图像获取模块的输出端电性连接，所述病理图像处理系统包括图像颜色增强模块，所述图像颜色增强模块的输出端通过导线与标准化处理模块的输入端电性连接，且标准化处理模块的输出端通过导线与特征提取模块的输入端电性连接，所述特征提取模块的输出端通过导线与特征分析检测模块的输入端电性连接，且特征分析检测模块的输出端通过导线与分类计算模块的输入端电性连接。
优选的，所述中央处理器的输入端通过导线与病理图像诊断系统的输出端电性连接，且病理图像诊断系统的输出端通过导线与发送模块的输入端电性连接，且发送模块的输出端通过导线与中央处理器的输入端电性连接。
优选的，所述中央处理器的输出端通过导线与存储单元的输入端电性连接，且存储单元通过无线与备份单元实现双向连接。
优选的，所述存储单元通过无线与图像检索提取模块实现双向连接，且图像检索提取模块的输出端通过导线与无线传输模块的输入端电性连接。
优选的，所述无线传输模块通过无线与图像显示中心实现双向连接。
优选的，所述病理图像诊断系统包括病理图像查询模块，所述病理图像查询模块的输出端通过导线与诊断分析模块的输入端电性连接。
优选的，所述诊断分析模块的输出端通过导线与整合处理模块的输入端电性连接。
(三)有益效果
本发明提供了一种数字病理全景切片图像自动分析方法和系统。具备以下有益效果：
(1)、该数字病理全景切片图像自动分析方法和系统，通过中央处理器的输入端通过导线与反馈模块的输出端电性连接，反馈模块的输入端通过导线与病理图像处理系统的输出端电性连接，且病理图像处理系统的输入端与病理图像获取模块的输出端电性连接，病理图像处理系统包括图像颜色增强模块，图像颜色增强模块的输出端通过导线与标准化处理模块的输入端电性连接，且标准化处理模块的输出端通过导线与特征提取模块的输入端电性连接，特征提取模块的输出端通过导线与特征分析检测模块的输入端电性连接，且特征分析检测模块的输出端通过导线与分类计算模块的输入端电性连接，中央处理器的输入端通过导线与病理图像诊断系统的输出端电性连接，且病理图像诊断系统的输出端通过导线与发送模块的输入端电性连接，且发送模块的输出端通过导线与中央处理器的输入端电性连接，可实现对病理图像的特征点进行提取以及颜色增强等统一标准化处理，同时再对提取的特征图像进行分析检测，检测结果可发送至图像显示中心供医护人员进行辅助诊断，实现了快速且精确的对病理全景切片图像自动分析的特点。
(2)、该数字病理全景切片图像自动分析方法和系统，通过中央处理器的输出端通过导线与存储单元的输入端电性连接，且存储单元通过无线与备份单元实现双向连接，可实现对分类计算后的特征图像进行保存，同时通过备份单元的设置可对存储单元的图像数据进行备份处理，以防图像丢失，影响后续医护人员的诊断工作。
附图说明
图1为本发明系统的结构原理框图；
图2为本发明病理图像处理系统的结构原理框图；
图3为本发明病理图像诊断系统的结构原理框图。
图中：1-中央处理器、2-反馈模块、3-病理图像处理系统、31-图像颜色增强模块、32-标准化处理模块、33-特征提取模块、34-特征分析检测模块、35-分类计算模块、4-病理图像获取模块、5-病理图像诊断系统、51-病理图像查询模块、52-诊断分析模块、53-整合处理模块、6-发送模块、7-存储单元、8-备份单元、9-图像检索提取模块、10-无线传输模块、11-图像显示中心。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1-3，本发明实施例提供一种技术方案：一种数字病理全景切片图像自动分析方法，可实现对病理图像的特征点进行提取以及颜色增强等统一标准化处理，同时再对提取的特征图像进行分析检测，检测结果可发送至图像显示中心11供医护人员进行辅助诊断，实现了快速且精确的对病理全景切片图像自动分析的特点，具体包括以下步骤：
S1、通过病理图像获取模块4可接收需要进行检测分析的病理图像，并发送至病理图像处理系统3内部，通过病理图像处理系统3内部的图像颜色增强模块31以及标准化处理模块32可对病理图像的颜色以及规格进行统一标准化处理；
S2、将S1中标准化处理的病理图像发送至特征提取模块33内，通过特征提取模块33可对病理图像上的特征点进行提取，同时通过特征分析检测模块34可对该特征点图像的颜色、形态学、纹理和空间分布特征进行检测分析，然后将分析结果发送至分类计算模块35内，可对病理图像进行计算以及分类，并将分类后的病理图像发送至存储单元7内进行存储；
S3、当医护人员要对存储单元7内部的病理图像进行诊断分析时，同时图像检索提取模块9可对存储单元7内部的病理图像进行检索提取，并通过无线传输模块10发送至图像显示中心11内部；
S4、通过病理图像诊断系统5内部的病理图像查询模块51可对显示在图像显示中心11的病理图像进行查阅，并通过诊断分析模块52对该病理图像进行诊断分析处理，诊断分析后的数据结果可发送至整合处理模块53内部进行整理，最后将诊断结果发送至存储单元7内进行存储，方便后续的查找以及发送，这样就完成了整个工作。
本发明还公开了一种数字病理全景切片图像自动分析系统，包括中央处理器1，中央处理器1的输入端通过导线与反馈模块2的输出端电性连接，反馈模块2的输入端通过导线与病理图像处理系统3的输出端电性连接，且病理图像处理系统3的输入端与病理图像获取模块4的输出端电性连接，病理图像处理系统3包括图像颜色增强模块31，图像颜色增强模块31的输出端通过导线与标准化处理模块32的输入端电性连接，且标准化处理模块32的输出端通过导线与特征提取模块33的输入端电性连接，特征提取模块33的输出端通过导线与特征分析检测模块34的输入端电性连接，且特征分析检测模块34的输出端通过导线与分类计算模块35的输入端电性连接。
本发明中，中央处理器1的输入端通过导线与病理图像诊断系统5的输出端电性连接，且病理图像诊断系统5的输出端通过导线与发送模块6的输入端电性连接，且发送模块6的输出端通过导线与中央处理器1的输入端电性连接，中央处理器1作为计算机系统的运算和控制核心，是信息处理、程序运行的最终执行单元，CPU自产生以来，在逻辑结构、运行效率以及功能外延上取得了巨大发展，中央处理器1的型号为ARM9。
本发明中，中央处理器1的输出端通过导线与存储单元7的输入端电性连接，且存储单元7通过无线与备份单元8实现双向连接，可实现对分类计算后的特征图像进行保存，同时通过备份单元8的设置可对存储单元的图像数据进行备份处理，以防图像丢失，影响后续医护人员的诊断工作。
本发明中，存储单元7通过无线与图像检索提取模块9实现双向连接，且图像检索提取模块9的输出端通过导线与无线传输模块10的输入端电性连接。
本发明中，无线传输模块10通过无线与图像显示中心11实现双向连接。
本发明中，病理图像诊断系统5包括病理图像查询模块51，病理图像查询模块51的输出端通过导线与诊断分析模块52的输入端电性连接。
本发明中，诊断分析模块52的输出端通过导线与整合处理模块53的输入端电性连接。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种数字病理全景切片图像自动分析方法，其特征在于：具体包括以下步骤：
S1、通过病理图像获取模块(4)可接收需要进行检测分析的病理图像，并发送至病理图像处理系统(3)内部，通过病理图像处理系统(3)内部的图像颜色增强模块(31)以及标准化处理模块(32)可对病理图像的颜色以及规格进行统一标准化处理；
S2、将S1中标准化处理的病理图像发送至特征提取模块(33)内，通过特征提取模块(33)可对病理图像上的特征点进行提取，同时通过特征分析检测模块(34)可对该特征点图像的颜色、形态学、纹理和空间分布特征进行检测分析，然后将分析结果发送至分类计算模块(35)内，可对病理图像进行计算以及分类，并将分类后的病理图像发送至存储单元(7)内进行存储；
S3、当医护人员要对存储单元(7)内部的病理图像进行诊断分析时，同时图像检索提取模块(9)可对存储单元(7)内部的病理图像进行检索提取，并通过无线传输模块(10)发送至图像显示中心(11)内部；
S4、通过病理图像诊断系统(5)内部的病理图像查询模块(51)可对显示在图像显示中心(11)的病理图像进行查阅，并通过诊断分析模块(52)对该病理图像进行诊断分析处理，诊断分析后的数据结果可发送至整合处理模块(53)内部进行整理，最后将诊断结果发送至存储单元(7)内进行存储，方便后续的查找以及发送，这样就完成了整个工作。
2.一种数字病理全景切片图像自动分析系统，包括中央处理器(1)，所述中央处理器(1)的输入端通过导线与反馈模块(2)的输出端电性连接，其特征在于：所述反馈模块(2)的输入端通过导线与病理图像处理系统(3)的输出端电性连接，且病理图像处理系统(3)的输入端与病理图像获取模块(4)的输出端电性连接，所述病理图像处理系统(3)包括图像颜色增强模块(31)，所述图像颜色增强模块(31)的输出端通过导线与标准化处理模块(32)的输入端电性连接，且标准化处理模块(32)的输出端通过导线与特征提取模块(33)的输入端电性连接，所述特征提取模块(33)的输出端通过导线与特征分析检测模块(34)的输入端电性连接，且特征分析检测模块(34)的输出端通过导线与分类计算模块(35)的输入端电性连接。
3.根据权利要求2所述的一种数字病理全景切片图像自动分析系统，其特征在于：所述中央处理器(1)的输入端通过导线与病理图像诊断系统(5)的输出端电性连接，且病理图像诊断系统(5)的输出端通过导线与发送模块(6)的输入端电性连接，且发送模块(6)的输出端通过导线与中央处理器(1)的输入端电性连接。
4.根据权利要求2所述的一种数字病理全景切片图像自动分析系统，其特征在于：所述中央处理器(1)的输出端通过导线与存储单元(7)的输入端电性连接，且存储单元(7)通过无线与备份单元(8)实现双向连接。
5.根据权利要求4所述的一种数字病理全景切片图像自动分析系统，其特征在于：所述存储单元(7)通过无线与图像检索提取模块(9)实现双向连接，且图像检索提取模块(9)的输出端通过导线与无线传输模块(10)的输入端电性连接。
6.根据权利要求5所述的一种数字病理全景切片图像自动分析系统，其特征在于：所述无线传输模块(10)通过无线与图像显示中心(11)实现双向连接。
7.根据权利要求3所述的一种数字病理全景切片图像自动分析系统，其特征在于：所述病理图像诊断系统(5)包括病理图像查询模块(51)，所述病理图像查询模块(51)的输出端通过导线与诊断分析模块(52)的输入端电性连接。
8.根据权利要求7所述的一种数字病理全景切片图像自动分析系统，其特征在于：所述诊断分析模块(52)的输出端通过导线与整合处理模块(53)的输入端电性连接。
CN201910846325.4A 2019-09-09 2019-09-09 一种数字病理全景切片图像自动分析方法和系统 Pending CN110570953A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910846325.4A CN110570953A (zh) 2019-09-09 2019-09-09 一种数字病理全景切片图像自动分析方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910846325.4A CN110570953A (zh) 2019-09-09 2019-09-09 一种数字病理全景切片图像自动分析方法和系统

Publications (1)

Publication Number Publication Date
CN110570953A true CN110570953A (zh) 2019-12-13

Family

ID=68778307

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910846325.4A Pending CN110570953A (zh) 2019-09-09 2019-09-09 一种数字病理全景切片图像自动分析方法和系统

Country Status (1)

Country Link
CN (1) CN110570953A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111145233A (zh) * 2019-12-28 2020-05-12 镇江新一代信息技术产业研究院有限公司 一种图像分辨管理系统
CN111488921A (zh) * 2020-03-30 2020-08-04 中国科学院深圳先进技术研究院 一种全景数字病理图像智能分析系统及方法
CN111986749A (zh) * 2020-07-15 2020-11-24 万达信息股份有限公司 一种数字病理图像检索系统
CN112529907A (zh) * 2020-10-19 2021-03-19 江苏珂玛麒生物科技有限公司 基于sr染色的大鼠肺部纤维分析系统及其工作方法
CN114038541A (zh) * 2021-11-08 2022-02-11 赛维森(广州)医疗科技服务有限公司 数字病理图像的数据流的处理系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550651A (zh) * 2015-12-14 2016-05-04 中国科学院深圳先进技术研究院 一种数字病理切片全景图像自动分析方法及系统
CN106446004A (zh) * 2016-07-30 2017-02-22 北京航空航天大学 数字病理全切片图像检索方法
CN107506570A (zh) * 2017-06-28 2017-12-22 上海穗云信息技术有限公司 一种超声检测报告自动生成系统
CN206945560U (zh) * 2017-06-23 2018-01-30 赤峰市农牧科学研究院 一种番茄匍柄霉叶斑病分型检测装置
CA3015912A1 (en) * 2017-10-09 2019-04-10 Kadri Medical, Ltd. Clinic design and corresponding patient engagement tool

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105550651A (zh) * 2015-12-14 2016-05-04 中国科学院深圳先进技术研究院 一种数字病理切片全景图像自动分析方法及系统
CN106446004A (zh) * 2016-07-30 2017-02-22 北京航空航天大学 数字病理全切片图像检索方法
CN206945560U (zh) * 2017-06-23 2018-01-30 赤峰市农牧科学研究院 一种番茄匍柄霉叶斑病分型检测装置
CN107506570A (zh) * 2017-06-28 2017-12-22 上海穗云信息技术有限公司 一种超声检测报告自动生成系统
CA3015912A1 (en) * 2017-10-09 2019-04-10 Kadri Medical, Ltd. Clinic design and corresponding patient engagement tool

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111145233A (zh) * 2019-12-28 2020-05-12 镇江新一代信息技术产业研究院有限公司 一种图像分辨管理系统
CN111488921A (zh) * 2020-03-30 2020-08-04 中国科学院深圳先进技术研究院 一种全景数字病理图像智能分析系统及方法
CN111986749A (zh) * 2020-07-15 2020-11-24 万达信息股份有限公司 一种数字病理图像检索系统
CN112529907A (zh) * 2020-10-19 2021-03-19 江苏珂玛麒生物科技有限公司 基于sr染色的大鼠肺部纤维分析系统及其工作方法
CN114038541A (zh) * 2021-11-08 2022-02-11 赛维森(广州)医疗科技服务有限公司 数字病理图像的数据流的处理系统
CN114038541B (zh) * 2021-11-08 2022-07-22 赛维森(广州)医疗科技服务有限公司 数字病理图像的数据流的处理系统

Similar Documents

Publication Publication Date Title
CN110570953A (zh) 一种数字病理全景切片图像自动分析方法和系统
Liu et al. Machine vision based online detection of PCB defect
CN111310841B (zh) 医学图像分类方法、装置、设备、计算机设备和存储介质
CN111798407B (zh) 一种基于神经网络模型的带电设备故障诊断方法
CN112200793B (zh) 数字病理切片质量的实时监控方法及系统、计算机设备
CN103502801B (zh) 缺陷分类方法以及缺陷分类系统
US7027627B2 (en) Medical decision support system and method
CN110736748A (zh) 免疫组化核浆染色切片诊断方法及系统
CN111488921A (zh) 一种全景数字病理图像智能分析系统及方法
CN105547834A (zh) 基于双目视觉的快速应力应变曲线测量系统及方法
CN114730394A (zh) 信息处理装置、信息处理方法和程序
US20140306992A1 (en) Image processing apparatus, image processing system and image processing method
JPH07504283A (ja) 正常な生物医学検体を確認する方法
CN112013966B (zh) 一种基于测量温度的电力设备红外图像处理方法
CN115909006B (zh) 基于卷积Transformer的乳腺组织图像分类方法及系统
CN116524313A (zh) 基于深度学习和多模态图像的缺陷检测方法及相关装置
CN105371888B (zh) 一种基于机器视觉的卫星电连接器插接检验系统及方法
CN113130050B (zh) 一种医学信息显示方法及显示系统
CN116740525B (zh) 基于数据融合的智能制造质量管理方法
Jiménez et al. Image quality metrics applied to digital pathology
Tao et al. Utilization of both machine vision and robotics technologies in assisting quality inspection and testing
CN112690809B (zh) 确定设备异常原因的方法、装置、服务器和存储介质
CN111368823B (zh) 一种指针式仪表读数识别方法及装置
CN112712492A (zh) 确定设备质量的方法、装置、服务器和存储介质
CN114418941B (zh) 一种基于电力巡检设备检测数据的缺陷诊断方法及系统

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191213

WD01 Invention patent application deemed withdrawn after publication