CN111640098B - 一种病理图像的分析方法及系统 - Google Patents
一种病理图像的分析方法及系统 Download PDFInfo
- Publication number
- CN111640098B CN111640098B CN202010472914.3A CN202010472914A CN111640098B CN 111640098 B CN111640098 B CN 111640098B CN 202010472914 A CN202010472914 A CN 202010472914A CN 111640098 B CN111640098 B CN 111640098B
- Authority
- CN
- China
- Prior art keywords
- scanning
- roi
- interest
- image
- region
- 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
- 230000001575 pathological effect Effects 0.000 title claims abstract description 57
- 238000003703 image analysis method Methods 0.000 title abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 39
- 238000007619 statistical method Methods 0.000 claims abstract description 22
- 238000000034 method Methods 0.000 claims description 29
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000010191 image analysis Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 3
- 230000007170 pathology Effects 0.000 claims 3
- 238000004458 analytical method Methods 0.000 abstract description 18
- 230000007547 defect Effects 0.000 abstract description 2
- 238000003745 diagnosis Methods 0.000 description 6
- 201000010099 disease Diseases 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- 238000010827 pathological analysis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 102000008096 B7-H1 Antigen Human genes 0.000 description 2
- 108010074708 B7-H1 Antigen Proteins 0.000 description 2
- 101100314454 Caenorhabditis elegans tra-1 gene Proteins 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000011278 mitosis Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 238000011887 Necropsy Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000120 cytopathologic effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000003364 immunohistochemistry Methods 0.000 description 1
- 238000007901 in situ hybridization Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
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
- 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
- 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
-
- 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
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Image Processing (AREA)
Abstract
本发明公开了一种病理图像的分析方法及系统，属于数据统计分析技术领域。本发明方法为先对病理切片进行低倍观察并聚焦至ROI兴趣区域的任意位置；再对聚焦位置进行高倍观察并进行扫描得到若干张扫描图像；拼接扫描图像得到高倍图像；对高倍图像进行框选处理得到ROI兴趣区域高倍图像；对ROI兴趣区域高倍图像的特征参数进行完整统计分析。本发明系统包括放大单元、扫描单元和处理单元，放大单元和扫描单元分别和处理单元电连接。本发明目的在于克服现有技术中，病理切片中特征参数分析结果不准确的不足，本发明可一次性完成对ROI兴趣区域中特征参数的完整统计分析，进而提高了特征参数分析结果的准确性、不同观察者间的重现性以及统计分析的工作效率。
Description
技术领域
本发明涉及数据统计分析技术领域，更具体地说，涉及一种病理图像的分析方法及系统。
背景技术
病理诊断通常是通过活体组织检查或尸体剖检，肉眼观测器官的大体改变、显微观察组织结构和细胞病变特征而做出的疾病诊断。因此它比临床上根据病史、症状和体征等做出的分析性诊断(常有多个诊断或可能性诊断)以及利用各种影像(如超声波、X射线、CT、核磁共振等)所做出的诊断更具有客观性和准确性。尽管现代分子生物学的诊断方法(如PCR、原位杂交等)已逐步应用于医学诊断，但病理诊断仍被视为带有宣判性质的、权威性的诊断。当然，病理诊断也不是绝对权威，更不是万能的，也和其他学科一样，有其固有的主、客观的局限性。因此，提高自身技术水平、临床－病理医生相互沟通，对于减少和杜绝漏诊、误诊是十分必要的。
病理切片(如HE、免疫组化等)特征参数评价分析是病理诊断的基本依据，特征参数指的是组织和/或细胞的相关标志物，例如Ki-67、Her-2、PD-L1、微血管密度和病理性核分裂象等。现有技术中，病理切片特征参数评价分析的具体操作步骤包括：1)病理医生对病理切片进行低倍观察，例如2X、4X等，移动病理切片，在显微镜下或数码图像显示端聚焦ROI兴趣区域；2)切换至高倍观察，例如20X、40X等，通常ROI兴趣区域包含多个显微视野，病理医生需要不断移动病理切片，尽量不重合或不遗漏视野特征，对每个显微视野特征参数进行评价分析；3)对具有多个显微视野的ROI兴趣区域的特征参数进行总体评价分析。在临床实践中，病理医生通常采用显微镜下目测评估或手工计数的方法来评价分析特征参数，然而目测评估完全依赖病理医生的经验和学识，缺乏客观准确性和不同观察者间的重现性，人工计数则至少需要对几百上千个特征进行计数，以达到可接受的错误率和纠正异质性，这是一个耗时且容易出错的过程，工作效率极低。
针对上述问题，现有技术中也提出了一些解决方案，例如发明创造名称为：一种利用数字切片图库数据进行病理诊断的方法(申请日：2019年8月27日；申请号：2019104637806)，该方案公开了一种利用数字切片图库数据进行病理诊断的方法，包括如下步骤：步骤一：在低倍显微镜下进行疾病初筛，人工给出可能疾病范围，并根据已制备好的病理组织切片上的组织面积大小进行分级视野采集；步骤二：在高倍显微镜下，对已经圈定好采集范围的病理组织切片进行图像采集；步骤三：采集图像自动与图像数据库进行对比，针对最后报告的不同目的，选择性的对待诊断疾病进行病例分析；步骤四：病理医师汇总临床资料和图像数据库报告，对疾病进行诊断。该方案的优点是多视野评估切片病理信息，使病理医师在诊断中获得更多的图像信息，减少因单视野诊断带来的诊断错误问题。但是该方案不足之处在于：ROI兴趣区域的图像采集并不完整，导致对应ROI兴趣区域的特征参数统计结果不准确。
综上所述，如何提高ROI兴趣区域的特征参数统计分析效率以及结果的准确性，是现有技术亟需解决的问题。
发明内容
1.要解决的问题
本发明的目的在于克服现有技术中，病理切片特征参数评价分析结果不准确，且不同观察者间重现性差以及工作效率低的不足，提供了一种病理图像分析方法及系统，可以一次性完成对ROI兴趣区域中特征参数的完整统计分析，从而可提高特征参数分析结果的准确性、不同观察者间的重现性以及统计分析的工作效率。
2.技术方案
为了解决上述问题，本发明所采用的技术方案如下：
本发明的一种病理图像的分析方法，包括以下步骤：S100、对病理切片进行低倍观察，并将观察视野聚焦至病理切片的ROI兴趣区域的任意位置；S200、令观察视野聚焦的ROI兴趣区域中的位置为聚焦位置，对聚焦位置进行高倍观察，并对ROI兴趣区域进行扫描得到若干张扫描图像；S300、将若干张扫描图像进行拼接得到含有ROI兴趣区域的高倍图像；S400、对高倍图像进行框选处理得到ROI兴趣区域高倍图像；S500、对ROI兴趣区域高倍图像的特征参数进行统计分析。
更进一步地，步骤S200中对ROI兴趣区域进行扫描的具体过程为：设定高倍放大后的聚焦位置为起始点，并设定任意方向为扫描方向；S210、沿扫描方向移动并进行扫描得到扫描图像，直至扫描位置位于ROI兴趣区域外；S220、将扫描位置移动至起始点，再沿反扫描方向移动并进行扫描得到扫描图像，直至扫描位置位于ROI兴趣区域外；S230、沿扫描方向的垂直方向移动扫描位置并进行扫描，直至完成对整个ROI兴趣区域的扫描；其中，沿扫描方向的垂直方向每移动一次扫描位置，令移动后的扫描位置为起始点，重复步骤S210和S220。
更进一步地，步骤S200中对ROI兴趣区域进行扫描的具体过程为：设定高倍放大后的聚焦位置为扫描中心，沿由内向外的方向对ROI兴趣区域进行环绕式扫描，直至扫描位置均位于ROI兴趣区域外。
更进一步地，步骤S400的具体过程为：S410、对高倍图像的ROI兴趣区域进行框选得到框选图像；S420、对框选图像进行边界处理得到ROI兴趣区域高倍图像。
更进一步地，相邻扫描位置扫描得到的扫描图像有部分重叠。更进一步地，步骤S420的具体过程为：根据高倍图像的光密度值对框选图像进行边界收敛处理，处理后得到ROI兴趣区域高倍图像。
更进一步地，低倍观察的倍数为4倍，高倍观察的倍数为10倍或20倍或40倍。
本发明的一种病理图像的分析系统，使用上述的一种病理图像的分析方法。
更进一步地，包括放大单元、扫描单元和处理单元，放大单元和扫描单元分别和处理单元电连接；其中，放大单元用于对病理切片进行低倍或高倍观察，扫描单元用于对病理切片的ROI兴趣区域进行扫描，处理单元用于对扫描图像进行处理分析。
更进一步地，放大单元为显微镜，扫描单元为相机，处理单元为计算机。
3.有益效果
相比于现有技术，本发明的有益效果为：
本发明的一种病理图像的分析方法，通过低倍观察识别和高倍扫描拼接实现对病理切片中ROI兴趣区域数字图像的采集，继而对ROI兴趣区域进行边界收敛处理，从而实现对ROI兴趣区域中特征参数的完整统计分析，提高了分析结果的准确性和不同观察者间的重现性，进一步提高了分析工作效率。本发明的系统通过设置扫描单元和处理单元，实现对病理切片中ROI兴趣区域数字图像的采集和边界收敛处理，进而实现对ROI兴趣区域中特征参数的完整统计分析，提高了特征参数分析结果的准确性、不同观察者间的重现性，此外，一次性实现完整统计分析，简化了工作流程，进一步提高了病理医生的工作效率。进一步地，本发明的系统结构简单，生产成本低。
附图说明
图1为本发明的一种病理图像的分析方法流程示意图；
图2为实施例1的病理切片低倍放大示意图；
图3为实施例1的ROI兴趣区域高倍放大示意图；
图4为实施例1的高倍图像示意图；
图5为实施例1的框选图像示意图；
图6为实施例1的ROI兴趣区域高倍图像示意图。
具体实施方式
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；而且，各个实施例之间不是相对独立的，根据需要可以相互组合，从而达到更优的效果。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
为进一步了解本发明的内容，结合附图和实施例对本发明作详细描述。
实施例1
结合图1所示，本发明的一种病理图像的分析方法，包括以下步骤：
S100、对病理切片进行低倍观察，并将观察视野聚焦至病理切片的ROI兴趣区域的任意位置；值得说明的是，ROI兴趣区域指的是根据研究需要确定的含有特定目标的区域，本实施例中ROI兴趣区域指的是含有病变细胞的区域。本实施例中将病理切片放大4倍进行观察，如图2所示，而后寻找病理切片任一ROI兴趣区域进行聚焦观察。
S200、令观察视野聚焦的ROI兴趣区域中的位置为聚焦位置，对聚焦位置进行高倍观察，并对ROI兴趣区域进行扫描得到若干张扫描图像；需要说明的是，对聚焦位置进行高倍观察指的是，在将观察视野低倍聚焦至ROI兴趣区域某一位置后，对该位置进行高倍放大；高倍放大的倍数为10倍或20倍或40倍，本实施例的放大倍数为40倍，具体如图3所示。
值得说明的是，对ROI兴趣区域进行扫描的具体过程为：设定高倍放大后的聚焦位置为起始点，并设定任意方向为扫描方向；
S210、沿扫描方向移动并进行扫描得到扫描图像，直至扫描位置位于ROI兴趣区域外；本实施例的扫描方向为水平向左，即逐渐向左移动并进行扫描，直至扫描位置位于ROI兴趣区域外；
S220、将扫描位置移动至起始点，再沿反扫描方向移动并进行扫描得到扫描图像，直至扫描位置位于ROI兴趣区域外；值得说明的是，本发明中相邻扫描位置扫描得到的扫描图像有部分重叠；在具体操作过程中，移动扫描位置时需满足前一视野和后一视野有重合区域，即任意两个相邻扫描位置扫描得到的扫描图像有相同的图像，有相同的图像即可识别两张扫描图像对应的扫描位置是相邻的，从而可以实现对扫描图像的拼接。
本实施例中，沿扫描方向或反扫描方向移动的单次移动距离小于扫描图像的长度；即相邻的扫描图像之间有重叠，单次移动距离可以相同也可以不相同，只需要满足相邻的扫描图像之间有重叠即可。本实施例中，沿向右方向移动扫描，具体地，扫描位置逐渐向右移动，每次移动一定距离则进行扫描得到扫描图像，待扫描位置位于ROI兴趣区域外，即代表该行扫描完毕。
S230、沿扫描方向的垂直方向移动扫描位置并进行扫描，直至完成对整个ROI兴趣区域的扫描；其中，沿扫描方向的垂直方向每移动一次扫描位置，令移动后的扫描位置为起始点，重复步骤S210和S220。值得说明的是，垂直方向包括垂直向上方向及垂直向下方向，令高倍放大后的聚焦位置所在行为起始行，先沿其中一垂直方向移动扫描，直至扫描位置均位于ROI兴趣区域外；而后将扫描位置移动至起始行，沿另一垂直方向移动扫描，直至扫描位置均位于ROI兴趣区域外；即完成了对整个ROI兴趣区域的扫描。
本实施例中，先垂直向下移动，移动一定距离至新扫描位置，令该扫描位置为起始点，然后重复步骤S210和S220，即先向左移动并扫描，直至扫描位置位于ROI兴趣区域外；而后将扫描位置移动至起始点，沿向右方向移动扫描得到扫描图像；直至完成该行的扫描。值得说明的是，本实施例中，单次移动距离小于扫描图像的宽度，使得相邻两行的扫描图像之间有重叠，即相邻扫描图像中有部分相同的图像。每向下移动一次，就重复步骤S210和S220，完成该行的扫描。直至扫描位置均位于ROI区域外后，之后将扫描位置移动至起始行，逐渐向上移动扫描位置，每向上移动一次就重复步骤S210和S220，直至扫描位置均位于ROI区域外后。通过上述步骤，即可完成对ROI兴趣区域的整体扫描。
S300、将若干张扫描图像进行拼接得到含有ROI兴趣区域的高倍图像，如图4所示；值得说明的是，本发明中对若干张扫描图像进行拼接所用的方法采用现有技术，本实施例中采用发明创造名称为：一种图像处理方法及系统(申请日：2019年11月11日；申请号：201911093284.2)中的图像处理方法实现若干张扫描图像的拼接。此外值得说明的是，拼接得到的高倍图像包含完整的ROI兴趣区域图像。
S400、对高倍图像进行框选处理得到ROI兴趣区域高倍图像；具体地，包括以下步骤：
S410、对高倍图像的ROI兴趣区域进行框选得到框选图像；本实施例中框选方式采用不规则曲线对ROI兴趣区域进行框选，该步骤目的在于确定高倍图像中的ROI兴趣区域范围，具体如图5所示。
S420、对框选图像进行边界处理得到ROI兴趣区域高倍图像。具体地，根据光密度OD值对框选图像进行边界收敛处理，本实施例通过线性插值补偿，使得ROI兴趣区域边界形成一个封边的收敛曲线；处理后得到ROI兴趣区域高倍图像(如图6所示)。值得说明的是，在框选图像范围不同的情况下，通过收敛处理可以保证收敛边界一致性，保证了特征参数分析结果的准确性，进一步可以提高不同观察者间的重现性。
S500、对ROI兴趣区域高倍图像的特征参数进行统计分析。值得说明的是，特征参数指的是病理细胞相关指标，例如Ki-67、Her-2、PD-L1和病理性核分裂象等指标。针对特征参数的统计可以采用半自动计算法或者目测法定量统计，本实施例采用半自动计算法对特征参数进行统计。
此外值得说明的是，现有技术中在ROI兴趣区域高倍放大后，对聚焦的位置区域进行特征参数估算统计，而后移动至ROI兴趣区域中的其余位置对特征参数进行估算，以此规律直至完成整个ROI兴趣区域中特征参数的估算统计，该种方法依赖于医生的经验，缺乏客观性，统计效率低且统计结果不准确。本发明通过对ROI兴趣区域进行倍数观察，再扫描拼接得到ROI兴趣区域高倍图像，从而可以对ROI兴趣区域中所有特征参数进行统计分析，即可一次性完成对病理图像中特征参数的分析统计，大大提高了特征参数统计分析的效率，进一步提高了统计分析结果的准确性和不同观察者间的重现性。此外，该方法简化了工作流程，使得医生可快速完成对病理切片中特征参数的统计分析，大大提高了医生的分析工作效率。
值得说明的是，上述方法是对病理切片中某一ROI兴趣区域的特征参数进行统计分析，上述方法可应用于病理切片中其他ROI兴趣区域，即通过上述方法步骤可实现对病理切片所有ROI兴趣区域的特征参数的统计分析。
本发明的一种病理图像的分析系统，使用上述的一种病理图像的分析方法，本发明的分析系统包括放大单元、扫描单元和处理单元，放大单元和扫描单元分别和处理单元电连接；其中，放大单元用于对病理图像进行低倍或高倍观察，扫描单元用于对病理图像进行扫描，处理单元用于对扫描图像进行处理分析。值得说明的是，本实施例中放大单元为显微镜，扫描单元为相机，处理单元为计算机。本发明的系统通过设置扫描单元和处理单元，实现了对病理切片中的ROI兴趣区域的完整图像采集，进而实现对ROI兴趣区域中特征参数的完整统计分析，进一步提高了统计结果的准确性。此外，本发明的系统可以一次性完成对病理图像中特征参数的分析统计，不仅提高了特征参数的统计分析效率，还提高了特征参数分析结果的准确性、不同观察者间的重现性，此外，本发明的系统还简化了工作流程，进一步可以提高医生的工作效率。进一步地，本发明的系统结构简单，生产成本低。
实施例2
本实施例的内容与实施例1基本相同，不同之处在于，本实施例的步骤S200中对ROI兴趣区域进行扫描的具体过程为：设定高倍放大后的聚焦位置为扫描中心，沿由内向外的方向对ROI兴趣区域进行环绕式扫描，直至扫描位置均位于ROI兴趣区域外。具体地，先对聚焦位置进行扫描得到扫描图像，而后扫描位置由内向外移动一定距离，再以聚焦位置为中心进行环绕式扫描，待扫描一圈完毕，扫描位置继续向外移动一定距离，再以聚焦位置为中心进行环绕式扫描，以此循环直至完成对整个ROI兴趣区域的扫描。值得说明的是，扫描位置每移动一次即进行扫描得到扫描图像，扫描位置移动的单次移动距离小于扫描图像的宽度，即扫描得到的若干张扫描图像中相邻的扫描图像之间有重叠。其余步骤与实施例1的步骤一致。
在上文中结合具体的示例性实施例详细描述了本发明。但是，应当理解，可在不脱离由所附权利要求限定的本发明的范围的情况下进行各种修改和变型。详细的描述和附图应仅被认为是说明性的，而不是限制性的，如果存在任何这样的修改和变型，那么它们都将落入在此描述的本发明的范围内。此外，背景技术旨在为了说明本技术的研发现状和意义，并不旨在限制本发明或本申请和本发明的应用领域。
Claims (8)
1.一种病理图像的分析方法，其特征在于，包括以下步骤：
S100、对病理切片进行低倍观察，并将观察视野聚焦至病理切片的ROI兴趣区域的任意位置；
S200、令观察视野聚焦的ROI兴趣区域中的位置为聚焦位置，对聚焦位置进行高倍观察，并对ROI兴趣区域进行扫描得到若干张扫描图像；
S300、将若干张扫描图像进行拼接得到含有ROI兴趣区域的高倍图像；
S400、对高倍图像进行框选处理得到ROI兴趣区域高倍图像；
S500、对ROI兴趣区域高倍图像的特征参数进行统计分析；
步骤S200中对ROI兴趣区域进行扫描的具体过程为：设定高倍放大后的聚焦位置为起始点，并设定任意方向为扫描方向；
S210、沿扫描方向移动并进行扫描得到扫描图像，直至扫描位置位于ROI兴趣区域外；
S220、将扫描位置移动至起始点，再沿反扫描方向移动并进行扫描得到扫描图像，直至扫描位置位于ROI兴趣区域外；
S230、沿扫描方向的垂直方向移动扫描位置并进行扫描，直至完成对整个ROI兴趣区域的扫描；其中，沿扫描方向的垂直方向每移动一次扫描位置，令移动后的扫描位置为起始点，重复步骤S210和S220；
步骤S200中对ROI兴趣区域进行扫描的具体过程为：设定高倍放大后的聚焦位置为扫描中心，沿由内向外的方向对ROI兴趣区域进行环绕式扫描，直至扫描位置均位于ROI兴趣区域外。
2.根据权利要求1所述的一种病理图像的分析方法，其特征在于，步骤S400的具体过程为：
S410、对高倍图像的ROI兴趣区域进行框选得到框选图像；
S420、对框选图像进行边界处理得到ROI兴趣区域高倍图像。
3.根据权利要求1所述的一种病理图像的分析方法，其特征在于，相邻扫描位置扫描得到的扫描图像有部分重叠。
4.根据权利要求1所述的一种病理图像的分析方法，其特征在于，步骤S420的具体过程为：根据高倍图像的光密度值对框选图像进行边界收敛处理，处理后得到ROI兴趣区域高倍图像。
5.根据权利要求1或2或4所述的一种病理图像的分析方法，其特征在于，低倍观察的倍数为4倍，高倍观察的倍数为10倍或20倍或40倍。
6.一种病理图像的分析系统，其特征在于，使用权利要求1～5任一项所述的一种病理图像的分析方法。
7.根据权利要求6所述的一种病理图像的分析系统，其特征在于，包括放大单元、扫描单元和处理单元，所述放大单元和扫描单元分别和处理单元电连接；其中，放大单元用于对病理切片进行低倍或高倍观察，扫描单元用于对病理切片的ROI兴趣区域进行扫描，处理单元用于对扫描图像进行处理分析。
8.根据权利要求7所述的一种病理图像的分析系统，其特征在于，所述放大单元为显微镜，扫描单元为相机，处理单元为计算机。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010472914.3A CN111640098B (zh) | 2020-05-29 | 2020-05-29 | 一种病理图像的分析方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010472914.3A CN111640098B (zh) | 2020-05-29 | 2020-05-29 | 一种病理图像的分析方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111640098A CN111640098A (zh) | 2020-09-08 |
| CN111640098B true CN111640098B (zh) | 2023-12-29 |
Family
ID=72329057
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010472914.3A Active CN111640098B (zh) | 2020-05-29 | 2020-05-29 | 一种病理图像的分析方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111640098B (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112529907B (zh) * | 2020-10-19 | 2024-06-14 | 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 |
| CN113256717B (zh) * | 2021-05-08 | 2022-01-21 | 华南师范大学 | 一种细胞涂片辅助分析方法和系统 |
| CN113237881B (zh) * | 2021-05-10 | 2023-09-12 | 博奥生物集团有限公司 | 一种特定细胞的检测方法、装置和病理切片检测系统 |
| CN117218139B (zh) * | 2023-09-12 | 2024-05-24 | 珠海横琴圣澳云智科技有限公司 | 样本细胞密度的确定方法和装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104459172A (zh) * | 2014-11-28 | 2015-03-25 | 武汉兰丁医学高科技有限公司 | 一种自动化骨髓样本处理装置及其自动化分析、阅片方法 |
| CN110763678A (zh) * | 2019-09-12 | 2020-02-07 | 杭州迪英加科技有限公司 | 一种病理切片判读方法及系统 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120242817A1 (en) * | 2008-12-30 | 2012-09-27 | Ebm Technologies Incorporated | System and method for identifying a pathological tissue image |
-
2020
- 2020-05-29 CN CN202010472914.3A patent/CN111640098B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104459172A (zh) * | 2014-11-28 | 2015-03-25 | 武汉兰丁医学高科技有限公司 | 一种自动化骨髓样本处理装置及其自动化分析、阅片方法 |
| CN110763678A (zh) * | 2019-09-12 | 2020-02-07 | 杭州迪英加科技有限公司 | 一种病理切片判读方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 王为刚等.3.0T磁共振图像计算机特征鉴别诊断前列腺良恶性病变的价值.同济大学学报(医学版).2019,正文第1.5.1节. * |
| 陈坚 ; 郭圣文 ; 吴效明 ; .胸部CT图像中感兴趣区域的提取与量化分析.中国医学物理学杂志.2008,(06),全文. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111640098A (zh) | 2020-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111640098B (zh) | 一种病理图像的分析方法及系统 | |
| Barisoni et al. | Digital pathology imaging as a novel platform for standardization and globalization of quantitative nephropathology | |
| US7639848B2 (en) | Lesion marking and characterization quality assurance method and system | |
| US8417015B2 (en) | Methods and system for validating sample images for quantitative immunoassays | |
| US8391575B2 (en) | Automatic image analysis and quantification for fluorescence in situ hybridization | |
| EP2544141A1 (en) | Diagnostic information distribution device and pathology diagnosis system | |
| Glaser et al. | Stereology, morphometry, and mapping: the whole is greater than the sum of its parts | |
| JP5996334B2 (ja) | 顕微鏡システム、標本画像生成方法及びプログラム | |
| JP2007133859A (ja) | 生体組織の試料および体液の試料の自動顕微鏡支援検査方法 | |
| US8542899B2 (en) | Automatic image analysis and quantification for fluorescence in situ hybridization | |
| CN112884724A (zh) | 一种用于肺癌组织病理分型的智能判断方法及系统 | |
| CN112861958A (zh) | 对肾脏病免疫荧光图片进行识别分类的方法及装置 | |
| Greenberg et al. | Automatic ganglion cell detection for improving the efficiency and accuracy of hirschprung disease diagnosis | |
| CN112200815B (zh) | 基于语义分割网络PSPNet的甲状腺结节超声图像的分割方法 | |
| JP2005291759A (ja) | 二次元画像による病症診断システム | |
| CN114726962B (zh) | 病理切片扫描仪工作状态的确定方法和装置 | |
| CN110739051A (zh) | 利用鼻息肉病理图片建立嗜酸性粒细胞占比模型的方法 | |
| CN113256717B (zh) | 一种细胞涂片辅助分析方法和系统 | |
| Shaikh et al. | Use of artificial intelligence in health diagnostics-a validation study on chorionic villi | |
| CN110598561A (zh) | 基于机器学习的细胞玻片分析方法、装置及存储介质 | |
| Aziz et al. | Effectiveness of color correction on the quantitative analysis of histopathological images acquired by different whole-slide scanners | |
| Ersoy et al. | Eye gaze pattern analysis of whole slide image viewing behavior in pathedex platform | |
| CN116230214B (zh) | Hcc及vetc辅助诊断装置及设备 | |
| Yu et al. | sqFibrosis: A Robust Liver Fibrosis Scoring System for Telepathology | |
| CN118177867B (zh) | 基于坐标定位和标记的超声图像采集系统及方法 |
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 |