CN111192247B - 一种骨髓组织识别装置、系统及方法 - Google Patents

一种骨髓组织识别装置、系统及方法 Download PDF

Info

Publication number
CN111192247B
CN111192247B CN201911382421.4A CN201911382421A CN111192247B CN 111192247 B CN111192247 B CN 111192247B CN 201911382421 A CN201911382421 A CN 201911382421A CN 111192247 B CN111192247 B CN 111192247B
Authority
CN
China
Prior art keywords
bone marrow
pathological section
color
marrow
staining 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.)
Active
Application number
CN201911382421.4A
Other languages
English (en)
Other versions
CN111192247A (zh
Inventor
张洪洋
刘思恒
彭贤贵
张曦
高蕾
张�诚
刘耀
陶廷露
杨武晨
邓小娟
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.)
Second Affiliated Hospital Army Medical University
Original Assignee
Second Affiliated Hospital Army Medical University
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 Second Affiliated Hospital Army Medical University filed Critical Second Affiliated Hospital Army Medical University
Priority to CN201911382421.4A priority Critical patent/CN111192247B/zh
Publication of CN111192247A publication Critical patent/CN111192247A/zh
Application granted granted Critical
Publication of CN111192247B publication Critical patent/CN111192247B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • 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
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G06T2207/10024—Color 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种骨髓组织识别装置、系统及方法，该装置包括：采集模块，用于采集骨髓病理切片染色图像；第一识别模块，用于从骨髓病理切片染色图像中识别出骨髓小梁区域；调节模块，用于依据预设基准色彩对骨髓病理切片染色图像的色彩进行调节，使骨髓小梁区域的色彩与预设基准色彩相对应，以得到调节后的骨髓病理切片染色图像；第二识别模块，用于对调节后的骨髓病理切片染色图像进行骨髓组织识别。在使用过程中能够提高骨髓组织识别的准确度。

Description

一种骨髓组织识别装置、系统及方法
技术领域
本发明实施例涉及图像识别技术领域，特别是涉及一种骨髓组织识别装置、系统及方法。
背景技术
骨髓病理检查能够为医生诊断疾病(特别是血液系统疾病)提供非常有价值的信息，例如，在一例患者诊断为急性淋巴细胞白血病时，其骨髓病理切片内前体淋巴细胞会成弥漫性增生。因此，正确认识骨髓病理切片内细胞成分具有极大的医学诊断价值。
目前，常用的人工智能识别骨髓组织的流程为：1.在显微镜采集的图像中识别出骨皮质区、骨髓小梁区及骨髓小梁间区(细胞生长区域)；2.在骨髓小梁间区内提取细胞群图像或单个细胞图像；3.通过神经网络模型识别细胞群图像或单个细胞图像的特征。
但是，目前的人工智能识别骨髓组织的方法会受到样本染色情况的影响，导致识别不准确。例如，骨髓小梁间区内弥漫性生长的肿瘤细胞，可能因染色过深而导致人工智能在识别骨髓组织时将前体肿瘤细胞识别为后期细胞，也可能因染色过浅而导致将后期细胞识别为前体细胞。而影响染色的因素较为复杂，包括但不限于实验室温度、湿度、染色时间、染色液浓度、PH值等，并且患者血液样本中白细胞、红细胞数量、血浆中蛋白含量等均可能影响最终细胞染色情况。
鉴于此，如何提供一种解决上述技术问题的骨髓组织识别装置、系统及方法成为本领域技术人员目前需要解决的问题。
发明内容
本发明实施例的目的是提供一种骨髓组织识别装置、系统及方法，在使用过程中能够提高骨髓组织识别的准确度。
为解决上述技术问题，本发明实施例提供了一种骨髓组织识别装置，包括：
采集模块，用于采集骨髓病理切片染色图像；
第一识别模块，用于从所述骨髓病理切片染色图像中识别出骨髓小梁区域；
调节模块，用于依据预设基准色彩对所述骨髓病理切片染色图像的色彩进行调节，使所述骨髓小梁区域的色彩与所述预设基准色彩相对应，以得到调节后的骨髓病理切片染色图像；
第二识别模块，用于对所述调节后的骨髓病理切片染色图像进行骨髓组织识别。
可选的，还包括：
第三识别模块，用于从预先经标准染色的样本骨髓病理切片染色图像中识别出对应的骨髓小梁区域；
提取模块，用于将所述样本骨髓病理切片染色图像中的骨髓小梁区域对应的色彩作为所述预设基准色彩。
可选的，还包括：
判断模块，用于判断所述骨髓病理切片染色图像中的骨髓小梁区域对应的色彩参数与所述预设基准色彩的色彩参数的差值是否在预设范围内，若否，则触发所述调节模块。
可选的，所述色彩参数包括色调和/或明度和/或饱和度。
本发明实施例还提供了一种骨髓组织识别系统，其特征在于，包括如上述所述的骨髓组织识别装置。
本发明实施例还提供了一种骨髓组织识别方法，包括：
采集骨髓病理切片染色图像；
从所述骨髓病理切片染色图像中识别出骨髓小梁区域；
依据预设基准色彩对所述骨髓病理切片染色图像的色彩进行调节，使所述骨髓小梁区域的色彩与所述预设基准色彩相对应，以得到调节后的骨髓病理切片染色图像；
对所述调节后的骨髓病理切片染色图像进行骨髓组织识别。
本发明实施例提供了一种骨髓组织识别装置、系统及方法，包括：采集模块，用于采集骨髓病理切片染色图像；第一识别模块，用于从骨髓病理切片染色图像中识别出骨髓小梁区域；调节模块，用于依据预设基准色彩对骨髓病理切片染色图像的色彩进行调节，使骨髓小梁区域的色彩与预设基准色彩相对应，以得到调节后的骨髓病理切片染色图像；第二识别模块，用于对调节后的骨髓病理切片染色图像进行骨髓组织识别。
可见，采集模块采集完成骨髓病理切片染色图像后，识别出该骨髓病理切片染色图像中的骨髓小梁区域，然后调节模块采用预设标准色彩对该骨髓病理切片染色图像的色彩进行调节，使该骨髓病理切片染色图像中的骨髓小梁区域的色彩与预设标准色彩相对应，从而完成对骨髓病理切片染色图像的整体色彩调节，由于骨髓小梁区域的成分较为单一，因此将骨髓小梁区域的色彩调节为标准色彩后，骨髓病理切片染色图像的其他区域也对应的调节为标准色彩，然后再通过第二识别模块对调节后的骨髓病理切片染色图像进行骨髓组织识别，以提高骨髓组织识别的准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对现有技术和实施例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发明的一些实施例，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为本发明实施例提供的一种骨髓组织识别装置的结构示意图；
图2为本发明实施例提供的一种骨髓组织识别方法的流程示意图。
具体实施方式
本发明实施例提供了一种骨髓组织识别装置、系统及方法，在使用过程中能够提高骨髓组织识别的准确度。
为使本发明实施例的目的、技术方案和优点更加清楚，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。
请参照图1，图1为本发明实施例提供的一种骨髓组织识别装置的结构示意图。该装置包括：
采集模块11，用于采集骨髓病理切片染色图像；
具体的，在预先对骨髓病例切片染色完成后，具体可以通过采集模块11控制显微镜对染色后的骨髓病理切片进行图像采集，得到骨髓病理切片染色图像。
第一识别模块12，用于从骨髓病理切片染色图像中识别出骨髓小梁区域；
需要说明的是，由于骨髓小梁区域的成分较为单一，因此在标准条件下染色较为稳定，因此可以根据骨髓病理切片染色图像中的骨髓小梁区域的染色情况来确定骨髓病理切片的染色是否正常，故本申请中可以通过第一识别模块12从骨髓病理切片染色图像中识别出骨髓小梁区域。
调节模块13，用于依据预设基准色彩对骨髓病理切片染色图像的色彩进行调节，使骨髓小梁区域的色彩与预设基准色彩相对应，以得到调节后的骨髓病理切片染色图像；
具体的，预设基准色彩为骨髓小梁标准染色后的色彩，在第一识别模块12识别出骨髓小梁区域后，调节模块13根据该预设基准色彩对骨髓病理切片染色图像的骨髓小梁区域的色彩进行调节，同时骨髓病理切片染色图像的其他区域的色彩也会相适应的变化，当将骨髓小梁区域的色彩调节至与预设基准色彩对应时，也即对整个骨髓病理切片染色图像的色彩调节完成，此时骨髓病理切片染色图像的各个区域的色彩也相对标准化。
第二识别模块14，用于对调节后的骨髓病理切片染色图像进行骨髓组织识别。
需要说明的是，在对调节后的骨髓病理切片染色图像进行骨髓组织识别时，由于调节后的骨髓病理切片染色图像各个区域的色彩均相对标准化，因此在对该调节后的骨髓病理切片染色图像进行骨髓组织识别时，可以避免因染色情况导致的识别出错的问题。其中，通过第二识别模块14对调节后的骨髓病例切片染色图像进行骨髓组织识别具体可以为：
从调节后的骨髓病例切片染色图像中识别出骨髓小梁间区；在该骨髓小梁间区内提取细胞群图像或者单个细胞图像，然后通过预先建立的神经网络模型识别系统群图像或者单细胞图像的特征，从而完成骨髓组织识别。其中，每个过程的具体实现方式与现有技术中相同，本申请在此不做具体详述。
进一步的，该装置还包括：
第三识别模块，用于从预先经标准染色的样本骨髓病理切片染色图像中识别出对应的骨髓小梁区域；
提取模块，用于将样本骨髓病理切片染色图像中的骨髓小梁区域对应的色彩作为预设基准色彩。
具体的，可以预先获取正常的样本骨髓病例切片，并在标准条件下对样本骨髓病理切片进行染色处理，然后再通过第三识别模块控制显微镜以预设固定参数(包括光亮度、光栅大小、曝光时间等)采集样本骨髓切片染色图像，并从该样本骨髓切片染色图像中识别出(也可以标定出)对应的骨髓小梁区域，然后通过提取模块提取该骨髓小梁区域对应的色彩，并将该骨髓小梁区域对应的色彩作为预设基准色彩，也即将该骨髓小梁区域对应的色彩特征作为基准色彩特征。
另外，在实际应用中为了提高预设基准色彩的精确度，具体可以获取多个正常的样本骨髓病例切片，并在标准条件下分别对多个正常的样本骨髓病例切片进行染色处理，然后采集与每个样本骨髓病例切片对应的样本骨髓病理切片染色图像，并识别出与每个样本骨髓病理切片染色图像对应的骨髓小梁，然后根据每个骨髓小梁对应的色彩信息得到预设基准色彩，具体可以通过求平均等方式得到。
更进一步的，该装置还包括：
判断模块，用于判断骨髓病理切片染色图像中的骨髓小梁区域对应的色彩参数与预设基准色彩的色彩参数的差值是否在预设范围内，若否，则触发调节模块。
需要说明的是，为了提高骨髓组织识别效率，本申请中可以在对骨髓病理切片染色图像的色彩进行调节之前，通过判断模块将骨髓骨髓病理切片染色图像中的骨髓小梁区域对应的色彩参数与预设基准色彩的色彩参数进行比较来确定是否要对该骨髓骨髓病理切片染色图像的色彩进行调节。具体的，可以在骨髓骨髓病理切片染色图像的骨髓小梁区域的色彩参数与预设基准色彩的色彩参数之间的差值超出预设范围时，例如超出±1％，则说明需要对该髓骨髓病理切片染色图像进行色彩调节，并且通过对髓骨髓病理切片染色图像进行调节将髓骨髓病理切片染色图像的骨髓小梁区域的色彩参数与预设基准色彩的色彩参数之间的差值调节至预设范围内，即可完成对髓骨髓病理切片染色图像色彩的调节，得到调节后的髓骨髓病理切片染色图像。当然，对于差值在预设范围内的髓骨髓病理切片染色图像，则不需要对其进行调节，可以直接进入后续的骨髓组织识别过程。
具体的，本申请中的色彩参数包括色调和/或明度和/或饱和度，当然还可以包括对比度等参数。
可见，采集模块采集完成骨髓病理切片染色图像后，识别出该骨髓病理切片染色图像中的骨髓小梁区域，然后调节模块采用预设标准色彩对该骨髓病理切片染色图像的色彩进行调节，使该骨髓病理切片染色图像中的骨髓小梁区域的色彩与预设标准色彩相对应，从而完成对骨髓病理切片染色图像的整体色彩调节，由于骨髓小梁区域的成分较为单一，因此将骨髓小梁区域的色彩调节为标准色彩后，骨髓病理切片染色图像的其他区域也对应的调节为标准色彩，然后再通过第二识别模块对调节后的骨髓病理切片染色图像进行骨髓组织识别，以提高骨髓组织识别的准确度。
在上述实施例的基础上，本发明实施例还提供了一种骨髓组织识别系统，其特征在于，包括如上述的骨髓组织识别装置。
需要说明的是，本实施例中的骨髓组织识别系统具有与上述实施例中提供的骨髓组织识别装置相同的有益效果，并且对于本实施例中所涉及到的骨髓组织识别装置的具体介绍，请参照上述实施例，本申请在此不再赘述。
在上述实施例的基础上，本发明实施例还提供了一种骨髓组织识别方法，该方法包括：
S110：采集骨髓病理切片染色图像；
具体的，在预先对骨髓病例切片染色完成后，具体可以控制显微镜对染色后的骨髓病理切片进行图像采集，得到骨髓病理切片染色图像。
S120：从骨髓病理切片染色图像中识别出骨髓小梁区域；
需要说明的是，由于骨髓小梁区域的成分较为单一，因此在标准条件下染色较为稳定，因此可以根据骨髓病理切片染色图像中的骨髓小梁区域的染色情况来确定骨髓病理切片的染色是否正常，故本申请中可以从骨髓病理切片染色图像中识别出骨髓小梁区域。
S130：依据预设基准色彩对骨髓病理切片染色图像的色彩进行调节，使骨髓小梁区域的色彩与预设基准色彩相对应，以得到调节后的骨髓病理切片染色图像；
具体的，预设基准色彩为骨髓小梁标准染色后的色彩，在识别出骨髓小梁区域后，根据该预设基准色彩对骨髓病理切片染色图像的骨髓小梁区域的色彩进行调节，同时骨髓病理切片染色图像的其他区域的色彩也会相适应的变化，当将骨髓小梁区域的色彩调节至与预设基准色彩对应时，也即对整个骨髓病理切片染色图像的色彩调节完成，此时骨髓病理切片染色图像的各个区域的色彩也相对标准化。
S140：对调节后的骨髓病理切片染色图像进行骨髓组织识别。
需要说明的是，在对调节后的骨髓病理切片染色图像进行骨髓组织识别时，由于调节后的骨髓病理切片染色图像各个区域的色彩均相对标准化，因此在对该调节后的骨髓病理切片染色图像进行骨髓组织识别时，可以避免因染色情况导致的识别出错的问题。其中，对调节后的骨髓病例切片染色图像进行骨髓组织识别的过程可以为：
从调节后的骨髓病例切片染色图像中识别出骨髓小梁间区；在该骨髓小梁间区内提取细胞群图像或者单个细胞图像，然后通过预先建立的神经网络模型识别系统群图像或者单细胞图像的特征，从而完成骨髓组织识别。
可见，本实施例中的骨髓组织识别方法在使用过程中能够提高骨髓组织识别的准确度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的方法而言，由于其与实施例公开的装置相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
还需要说明的是，在本说明书中，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。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其他实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (5)

1.一种骨髓组织识别装置，其特征在于，包括：
采集模块，用于采集骨髓病理切片染色图像；
第一识别模块，用于从所述骨髓病理切片染色图像中识别出骨髓小梁区域；
第三识别模块，用于从预先经标准染色的样本骨髓病理切片染色图像中识别出对应的骨髓小梁区域；
提取模块，用于将所述样本骨髓病理切片染色图像中的骨髓小梁区域对应的色彩作为预设基准色彩；
调节模块，用于依据所述预设基准色彩对所述骨髓病理切片染色图像的色彩进行调节，使所述骨髓小梁区域的色彩与所述预设基准色彩相对应，以得到调节后的骨髓病理切片染色图像；
第二识别模块，用于对所述调节后的骨髓病理切片染色图像进行骨髓组织识别。
2.根据权利要求1所述的骨髓组织识别装置，其特征在于，还包括：
判断模块，用于判断所述骨髓病理切片染色图像中的骨髓小梁区域对应的色彩参数与所述预设基准色彩的色彩参数的差值是否在预设范围内，若否，则触发所述调节模块。
3.根据权利要求2所述的骨髓组织识别装置，其特征在于，所述色彩参数包括色调和/或明度和/或饱和度。
4.一种骨髓组织识别系统，其特征在于，包括如权利要求1至3任意一项所述的骨髓组织识别装置。
5.一种骨髓组织识别方法，其特征在于，包括：
采集骨髓病理切片染色图像；
从所述骨髓病理切片染色图像中识别出骨髓小梁区域；
预先经标准染色的样本骨髓病理切片染色图像中识别出对应的骨髓小梁区域；
将所述样本骨髓病理切片染色图像中的骨髓小梁区域对应的色彩作为预设基准色彩；
依据所述预设基准色彩对所述骨髓病理切片染色图像的色彩进行调节，使所述骨髓小梁区域的色彩与所述预设基准色彩相对应，以得到调节后的骨髓病理切片染色图像；
对所述调节后的骨髓病理切片染色图像进行骨髓组织识别。
CN201911382421.4A 2019-12-27 2019-12-27 一种骨髓组织识别装置、系统及方法 Active CN111192247B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911382421.4A CN111192247B (zh) 2019-12-27 2019-12-27 一种骨髓组织识别装置、系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911382421.4A CN111192247B (zh) 2019-12-27 2019-12-27 一种骨髓组织识别装置、系统及方法

Publications (2)

Publication Number Publication Date
CN111192247A CN111192247A (zh) 2020-05-22
CN111192247B true CN111192247B (zh) 2023-01-20

Family

ID=70711057

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911382421.4A Active CN111192247B (zh) 2019-12-27 2019-12-27 一种骨髓组织识别装置、系统及方法

Country Status (1)

Country Link
CN (1) CN111192247B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111833297B (zh) * 2020-05-25 2022-12-09 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自动检测系统的疾病联想方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102298700A (zh) * 2011-06-09 2011-12-28 华东师范大学 一种骨髓病理图像中细胞识别与定位方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101158679B (zh) * 2007-11-23 2011-04-27 清华大学 骨小梁的提取与力学性能测量方法及其测量装置
US20120277571A1 (en) * 2011-04-26 2012-11-01 Korea Basic Science Institute Method For Measuring Trabecular Bone Parameters From MRI Images
CN102429958A (zh) * 2011-12-27 2012-05-02 大连美罗中药厂有限公司 一种外用伤科接骨的提取物及其制备方法
CN107205709A (zh) * 2015-02-13 2017-09-26 株式会社岛津制作所 骨分析装置
CN110363765B (zh) * 2019-07-24 2023-04-18 江苏天影医疗科技有限公司 基于ct影像的骨质疏松参数自动测量方法
CN110503648B (zh) * 2019-08-30 2022-03-01 中国人民解放军陆军军医大学第二附属医院 一种细胞图像调整方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102298700A (zh) * 2011-06-09 2011-12-28 华东师范大学 一种骨髓病理图像中细胞识别与定位方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
骨髓病理图像中细胞与骨小梁的识别与定位技术研究;李玲;《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》;20111015;I138-779，正文第3.2节、第4.3节、附录五 *

Also Published As

Publication number Publication date
CN111192247A (zh) 2020-05-22

Similar Documents

Publication Publication Date Title
EP2188779B1 (en) Extraction method of tongue region using graph-based approach and geometric properties
WO2016179981A1 (zh) 一种新生儿黄疸的自动检测方法及系统
MX2007014016A (es) Metodos de analisis de imagenes basados en la separacion del cromogen.
CN107122597B (zh) 一种角膜受损智能诊断系统
JP2014513292A (ja) 定量的ビデオ顕微鏡を準備する方法及び関連システム
CN110495888B (zh) 一种基于中医舌、面图像的标准色卡及其应用
CN107567631B (zh) 组织样品分析技术
Orlowski et al. A simple reproducible and time saving method of semi-automatic dendrite spine density estimation compared to manual spine counting
CN110969204A (zh) 基于磁共振图像与数字病理图像融合的样本分类系统
CN111192247B (zh) 一种骨髓组织识别装置、系统及方法
CN110503648B (zh) 一种细胞图像调整方法及装置
Hedberg-Buenz et al. RetFM-J, an ImageJ-based module for automated counting and quantifying features of nuclei in retinal whole-mounts
CN109242792B (zh) 一种基于白色物体的白平衡校对方法
CN115965607A (zh) 一种智能中医舌诊辅助分析系统
CN114937032A (zh) 基于染色分离的病理切片颜色相关质量评估方法
Prentasic et al. Weighted ensemble based automatic detection of exudates in fundus photographs
CN100409804C (zh) 舌像颜色自动识别方法
Ossinger et al. A rapid and accurate method to quantify neurite outgrowth from cell and tissue cultures: Two image analytic approaches using adaptive thresholds or machine learning
EP1038267A1 (de) Verfahren und vorrichtung zur erfassung und bearbeitung von abbildungen biologischen gewebes
Fukui et al. Mapping of C-banded Crepis chromosomes by imaging methods
CN114862799B (zh) 一种用于flair-mri序列的全自动脑体积分割方法
CN115063653A (zh) 基于图像脑敏感数据的建成环境主导色测度方法和系统
CN111292285A (zh) 一种基于朴素贝叶斯与支持向量机的糖网病自动筛查方法
CN109919924B (zh) 一种适用于大批量he染色图片细胞数字化处理的方法
CN114739777A (zh) 免疫组化染色的质控方法和质控品

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