CN111795967B - 一种骨髓细胞形态学自动检测系统的涂片自检方法 - Google Patents

一种骨髓细胞形态学自动检测系统的涂片自检方法 Download PDF

Info

Publication number
CN111795967B
CN111795967B CN202010450527.XA CN202010450527A CN111795967B CN 111795967 B CN111795967 B CN 111795967B CN 202010450527 A CN202010450527 A CN 202010450527A CN 111795967 B CN111795967 B CN 111795967B
Authority
CN
China
Prior art keywords
smear
area
image
jumping
representative
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
CN202010450527.XA
Other languages
English (en)
Other versions
CN111795967A (zh
Inventor
彭贤贵
张曦
杨武晨
张�诚
张洪洋
墙星
张云
李艺
陈思宇
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 CN202010450527.XA priority Critical patent/CN111795967B/zh
Publication of CN111795967A publication Critical patent/CN111795967A/zh
Application granted granted Critical
Publication of CN111795967B publication Critical patent/CN111795967B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/28—Measuring arrangements characterised by the use of optical techniques for measuring areas
    • 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
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8887—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges based on image processing techniques
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明创造属于骨髓细胞形态学检测领域，具体涉及了一种骨髓细胞形态学自动检测系统的涂片自检方法。本发明创造所采用的技术方案是，一种骨髓细胞形态学自动检测系统的涂片自检方法,包括以下步骤:S1：扫描涂片,进行基础的图像判定和矫正，形成不同放大倍数的图像的。S2：对图像上的明显痕迹进行识别,判断涂片制作的标准性。S3：对图像进行进一步识别，判定样本的代表性。S4：进入统计计数工作。本申请通过对涂片的扫描图像进行适合计数区域筛选以及计算计数观测区域和被去除区域的面积比，对涂片是否具有代表性进行自检。通过检测扫描图像上是否存在有指纹、气泡以及杂质来对涂片的制作是否符合标准进行自检。

Description

一种骨髓细胞形态学自动检测系统的涂片自检方法
技术领域
本发明创造属于骨髓细胞形态学检测领域，具体涉及了一种骨髓细胞形态学自动检测系统的涂片自检方法。
背景技术
骨髓细胞形态学镜检是血液学中关键诊断手段之一，常用于诊断多种病症，包括白血病、多发性骨髓瘤、淋巴瘤、贫血和全血细胞减少。根据世界卫生组织发布的《骨髓恶性肿瘤诊断指南》，在诊断时需要进行详细、精确的显微镜人工检查。正常骨髓含有发育阶段的所有分化细胞，从早期前体干细胞到功能成熟细胞，包括作为大多数血细胞前体的造血干细胞以及被认为是骨髓的守门员细胞的间充质干细胞和内皮干细胞。这些细胞的形态学特征取决于其自身的生物学特性，同时受到涂片、染色和图像采集过程的影响。
其主要缺陷在于骨髓穿刺取材样本合格以及涂片制备染色规范化问题。骨髓穿刺取材样本是否合格直接影响骨髓涂片形态学检查的结果，涂片制备染色不良也同样干扰诊断结果的准确性和稳定性。取材样本的血稀、干抽和局灶性增生不良都会导致诊断结果不准或无法出具报告。涂片制备导致的细胞破损、细胞堆积以及深染浅染等染色不良情况都会导致诊断结果失误。对染色情况进行判断是每个镜检者的日常工作，也是质量控制的基础环节。对取材样本合格与否的判断则需要镜检者丰富的经验和知识。
设计一种智能的骨髓细胞形态学样本检测系统可以替代繁琐的人工操作，并减少人为误差，筛选合格样本，提高诊断结果的准确性和稳定性。
申请号为CN201811168824.4的专利公开了一种基于深度学习的骨髓细胞分类方法及分类装置，其中该方法包括：对骨髓细胞样本图像中的骨髓细胞标注细胞位置以及其分类标签；从骨髓细胞样本图像中提取预设尺寸的具有单一分类标签的图像块样本；构建骨髓细胞分类任务的卷积神经网络，然后利用由图像块样本组成的训练集进行训练，得到骨髓细胞分类模型；将骨髓细胞待测图像切割成预设尺寸的多个测试图像块，将多个测试图像块遍历地输入骨髓细胞分类模型，检测出多个测试图像块中的骨髓细胞边缘，并输出骨髓细胞对应的分类标签以及分类置信概率。
其不足之处在于，现有的关于骨髓细胞形态学的检测系统及装置不能对涂片样本是否具有代表性且涂片样本制作是否符合标准进行判断，无法对涂片进行自检。
发明内容
为了解决现有的关于骨髓细胞形态学的检测系统及装置不能对涂片是否具有代表性或涂片样本制作是否符合标准进行自检的问题，本发明创造提出了一种可以对涂片样本代表性和标准性进行自检的涂片自检方法。
为了实现上述目的，本发明创造所采用的技术方案是，一种骨髓细胞形态学自动检测系统的涂片自检方法,包括以下步骤:S1：扫描涂片,进行基础的图像判定和矫正，形成不同放大倍数的图像的；S2：对图像上的明显痕迹进行识别,判断涂片制作的标准性；S3：对图像进行进一步识别，判定样本的代表性；S4：进入统计计数工作。
作为优选，所述的S1包括以下步骤：A1：扫描涂片，形成不同倍数的图像；A2：对图像的内是否存在观测目标存在问题或图像是否有残影进行判定，如果存在，跳转A4，如果不存在，跳转A3；A3：对图像的光亮度进行判定，如果存在过亮或者过暗的情况，跳转A5，如果不存在，跳转S2；A4：如果存在观测目标有问题或者有残影，则重新扫描，并跳转A2；A5：如果存在过亮或过暗而导致识别困难，调整光亮度，并跳转A3。
作为优选，所述的S2包括以下步骤：B1：对低倍图像进行识别，判定涂片中是否存在气泡或指纹，如果存在，跳转B3，如果不存在，跳转B2；B2：对低倍扫描图像进行识别，判定涂片中是否存在杂质，如果存在，跳转B3，如果不存在，跳转S3；B3：如果存在气泡或指纹或杂质，则说明涂片的制作不符合标准，则显示涂片的制作存在问题并通知相关工作人员。
作为优选，所述的S3包括以下步骤：C1：对中倍扫描图像中适合计数的区间进行筛选，将图像中不能产生具有代表性的区间去除；C2：对筛选后的计数区间进行代表性判断，如果该计数区间具有代表性，跳转S4，如果不具有，跳转C3；C3：告知工作人员该涂片样本不具有代表性，并退出工作。
作为优选，所述的C1包括以下步骤：D1：选取中倍图像，复制图片并命名为Q1；D2：对复制的图片进行去色处理，形成图片Q2；D3：将图片Q2转化为色彩数据，并进行RGB计算，并根据平均RGB值选定具有代表性的计数区间，形成计数区间图片Q3；D4：将Q3等比放大后投影到高倍图像中。
作为优选，所述的D3包括以下步骤：E1：获取每个点位的RGB数值和XY坐标数值；E2：色彩数据中的点根据RGB数值的范围进行筛选并建立白色数据组和黑色数据组；E3：将白色数据组或黑色数据组中XY坐标连续的点位进行连线，并形成图像L1；E4：设置单位面积的方框，将图像L1进行方形切割；E5：将L1中无法完全容纳一个单位面积方框的图像部分移除，并形成图形组K，依次命名为K1、K2、K3…KN；E6：将上述图形组K中的每个图形的中心点的XY值对应到图片Q2中；E7：在Q2中以图形组K中的对应的中心点为中心建立初代筛选框；E8：计算初代筛选框内的平均RGB值，如果平均RGB值小于特定值d1，或大于设定值d2，跳转E9，如平均RGB值大于d1并小于d2，跳转E10；E9：将该筛选框所在的区域标注为0；E10：以被标注为0的区域的四边向非标注1的区域建立与被标注为0的区域大小相同且与被编著为0的区域重叠50％区域的初代筛选框，并跳转E8；E11：将该筛选框所在的区域标注为1，判断该中心点KM所在区域KN的被标注为1的区域是否可以构成封闭图形，如果可以，跳转E12，如果不可以，跳转E10；E12：计算被标注为1的区域所包围的区域图形M的面积，如果小于等于初代筛选框的面积则对该区域图形M进行保留，如果M的面积大于初代筛选框的面积则将该区域图形M删除，其剩余的部分便形成了被筛选过的计数区间图片Q3，跳转D4。
作为优选，所述的C2的代表性判定的方法为：计算图片Q3的面积，并与细胞平均面积做比值，如果该值大于特定值d3，则说明该涂片制作符合标准；如果该值小于等于特定值d3，则说明该涂片制作不符合标准。
作为优选，所述的细胞平均面积指所需要检测位置的红细胞系统、粒细胞系统、淋巴细胞系统和单核细胞系统的细胞的平均面积。
作为优选，所述的E2中的数值范围筛选，将RGB数值在0-40之间的点存入黑色数据组；将RGB数值在215-255之间的点存入白色数据组。
作为优选，所述的单位面积的方框的单位面积设定为2-5个细胞平均面积之和；所述的初代筛选框的面积为100个细胞平均面积之和；所述的d1为80，所述的d2为205，所述的d3为16000。
本发明创造的有益效果：本申请通过对涂片的扫描图像进行适合计数区域筛选以及计算计数观测区域和被去除区域的面积比，对涂片是否具有代表性进行自检。通过检测扫描图像上是否存在有指纹、气泡以及杂质来对涂片的制作是否符合标准进行自检。
附图说明
图1：图像L1以及方框切割示例图
图2：经过区域筛选后的图像Q2示例图
图3：区域图形M和筛选框示例图
图4：筛选计数区间流程图
具体实施方式
一种骨髓细胞形态学自动检测系统的涂片自检方法,包括以下步骤:S1：扫描涂片,进行基础的图像判定和矫正，形成不同放大倍数的图像。S2：对图像上的明显痕迹进行识别,判断涂片制作的标准性。S3：对图像进行进一步识别，判定样本的代表性。S4：进入统计计数工作。
S1包括以下步骤：A1：扫描涂片，形成不同倍数的图像。A2：对图像的内是否存在观测目标存在问题或图像是否有残影进行判定，如果存在，跳转A4，如果不存在，跳转A3。A3：对图像的光亮度进行判定，如果存在过亮或者过暗的情况，跳转A5，如果不存在，跳转S2。A4：如果存在观测目标有问题或者有残影，则重新扫描，并跳转A2。A5：如果存在过亮或过暗而导致识别困难，调整光亮度，并跳转A3。
本申请中所采用的扫描图像分为低倍图像、中倍图像和高倍图像，其中低倍图像为涂片的100倍放大图像，中倍图像为涂片的200-400倍放大图像，高倍图像为涂片的1000倍放大图像，图像放大等于与现有的油镜观测时的图像大小相近，使得在识别涂片以及取样时具有更多的现有参考数据。
S2包括以下步骤：B1：对低倍图像进行识别，判定涂片中是否存在气泡或指纹，如果存在，跳转B3，如果不存在，跳转B2。B2：对低倍扫描图像进行识别，判定涂片中是否存在杂质，如果存在，跳转B3，如果不存在，跳转S3。B3：如果存在气泡或指纹或杂质，则说明涂片的制作不符合标准，则显示涂片的制作存在问题并通知相关工作人员。
其中，对气泡、指纹和杂质的判断是通过检测低倍扫描图像中是否存在有高亮区域且有明显的轮廓存在，如果在扫描图像中存在有轮廓清晰且高亮的区域，则判定为存在有气泡。
对于指纹检测和杂质的判断，则对扫描图像中的可清晰观察且远粗于正常细胞界限以及远长于巨型细胞的线条进行标注，对标注的线条进行模拟延伸，将模拟延伸后被标注的线条组成的图像与指纹形状进行对比，如果符合指纹形状，则判定为有指纹
S3包括以下步骤：C1：对中倍扫描图像中适合计数的区间进行筛选，将图像中不能产生具有代表性的区间去除。C2：对筛选后的计数区间进行代表性判断，如果该计数区间具有代表性，跳转S4，如果不具有，跳转C3。C3：告知工作人员该涂片样本不具有代表性，并退出工作。
C1包括以下步骤：D1：选取中倍图像，复制图片并命名为Q1。D2：对复制的图片进行去色处理，形成图片Q2。D3：将图片Q2转化为色彩数据，并进行RGB计算，并根据平均RGB值选定具有代表性的计数区间，形成计数区间图片Q3。D4：将Q3等比放大后投影到高倍图像中。
D3包括以下步骤：E1：获取每个点位的RGB数值和XY坐标数值。E2：色彩数据中的点根据RGB数值的范围进行筛选并建立白色数据组和黑色数据组。E3：将白色数据组或黑色数据组中XY坐标连续的点位进行连线，并形成图像L1。E4：设置单位面积的方框，将图像L1进行方形切割。E5：将L1中无法完全容纳一个单位面积方框的图像部分移除，并形成图形组K，依次命名为K1、K2、K3…KN。E6：将上述图形组K中的每个图形的中心点的XY值对应到图片Q2中。E7：在Q2中以图形组K中的对应的中心点为中心建立初代筛选框。E8：计算初代筛选框内的平均RGB值，如果平均RGB值小于特定值d1，或大于设定值d2，跳转E9，如平均RGB值大于d1并小于d2，跳转E10。E9：将该筛选框所在的区域标注为0。E10：以被标注为0的区域的四边向非标注1的区域建立与被标注为0的区域大小相同且与被编著为0的区域重叠50％区域的初代筛选框，并跳转E8。E11：将该筛选框所在的区域标注为1，判断该中心点KM所在区域KN的被标注为1的区域是否可以构成封闭图形，如果可以，跳转E12，如果不可以，跳转E10。E12：计算被标注为1的区域所包围的区域图形M的面积，如果小于等于初代筛选框的面积则对该区域图形M进行保留，如果M的面积大于初代筛选框的面积则将该区域图形M删除，其剩余的部分便形成了被筛选过的计数区间图片Q3，跳转D4。
C2的代表性判定的方法为：计算图片Q3的面积，并与细胞平均面积做比值，如果该值大于特定值d3，则说明该涂片制作符合标准。如果该值小于等于特定值d3，则说明该涂片制作不符合标准。
细胞平均面积指所需要检测位置的红细胞系统、粒细胞系统、淋巴细胞系统和单核细胞系统的细胞的平均面积。
E2中的数值范围筛选，将RGB数值在0-40之间的点存入黑色数据组。将RGB数值在215-255之间的点存入白色数据组。
单位面积的方框的单位面积设定为2-5个细胞平均面积之和。初代筛选框的面积为100个细胞平均面积之和。d1为80，d2为205，d3为16000。
本申请的方法可以对扫描图进行质量检测，确保扫描图可以被识别。同时也可以对涂片进行是否符合标准以及样本是否由于被稀释或者在制作过程中密度过大而导致难以观测从而使得样本失去代表性进行判断。
本申请方法还可以自动的排除在制片过程中不可避免的涂抹不匀区域进行舍弃，从而筛选出来适合观测的区域。在进行区域筛选时现将图像进行黑白处理，降低了RGB的级数，减少了色彩种类，使得运算量减小并且使得结果更加精确。设置方形切割将正常的细胞间间隙达到保留，然后又利用0和1的迭代来寻找到细胞的低密度区和细胞高密度区，从而实现对图像中的可用于识别的区域进行筛选。将筛选后的区域投影到高倍图像上，用于后面进行细胞识别和统计用。
本申请中选择使用中倍图像进行筛选是因为中倍图像比低倍图像光亮度高，且细胞之间较为清晰且可以进行RGB识别，与高倍图像相比，篇幅面积以及细节较少，又可以节省很多的计算量。
以上详细描述了本发明创造的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明创造的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明创造的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (6)

1.一种骨髓细胞形态学自动检测系统的涂片自检方法,其特征在于,包括以下步骤:
S1：扫描涂片,进行基础的图像判定和矫正，形成不同放大倍数的图像；
S2：对图像上的明显痕迹进行识别,判断涂片制作的标准性；
S3：对图像进行进一步识别，判定样本的代表性；
S4：进入统计计数工作；
其中，所述的S3包括以下步骤：
C1：对中倍扫描图像中适合计数的区间进行筛选，将图像中不能产生具有代表性的区间去除；
C2：对筛选后的计数区间进行代表性判断，如果该计数区间具有代表性，跳转S4，如果不具有，跳转C3；
C3：告知工作人员该涂片样本不具有代表性，并退出工作；
其中，所述的C2的代表性判定的方法为：计算图片Q3的面积，并与细胞平均面积做比值，如果该值大于特定值d3，则说明该涂片制作符合标准；
如果该值小于等于特定值d3，则说明该涂片制作不符合标准；
其中，所述的C1包括以下步骤：
D1：选取中倍图像，复制图片并命名为Q1；
D2：对复制的图片进行去色处理，形成图片Q2；
D3：将图片Q2转化为色彩数据，并进行RGB计算，并根据平均RGB值选定具有代表性的计数区间，形成计数区间图片Q3；
D4：将Q3等比放大后投影到高倍图像中；
其中，所述的D3包括以下步骤：
E1：获取每个点位的RGB数值和XY坐标数值；
E2：色彩数据中的点根据RGB数值的范围进行筛选并建立白色数据组和黑色数据组；
E3：将白色数据组或黑色数据组中XY坐标连续的点位进行连线，并形成图像L1；
E4：设置单位面积的方框，将图像L1进行方形切割；
E5：将L1中无法完全容纳一个单位面积方框的图像部分移除，并形成图形组K，依次命名为K1、K2、K3…KN；
E6：将上述图形组K中的每个图形的中心点的XY值对应到图片Q2中；
E7：在Q2中以图形组K中的对应的中心点KM为中心建立初代筛选框；
E8：计算初代筛选框内的平均RGB值，如果平均RGB值小于特定值d1，或大于设定值d2，跳转E9，如平均RGB值大于d1并小于d2，跳转E11；
E9：将该筛选框所在的区域标注为0；
E10：以被标注为0的区域的四边向非标注1的区域建立与被标注为0的区域大小相同且与被编著为0的区域重叠50％区域的初代筛选框，并跳转E8；
E11：将该筛选框所在的区域标注为1，判断该中心点KM所在区域KN的被标注为1的区域是否可以构成封闭图形，如果可以，跳转E12，如果不可以，跳转E10；
E12：计算被标注为1的区域所包围的区域图形M的面积，如果小于等于初代筛选框的面积则对该区域图形M进行保留，如果M的面积大于初代筛选框的面积则将该区域图形M删除，其剩余的部分便形成了被筛选过的计数区间图片Q3，跳转D4。
2.根据权利要求1所述的一种骨髓细胞形态学自动检测系统的涂片自检方法，其特征在于，所述的S1包括以下步骤：
A1：扫描涂片，形成不同倍数的图像；
A2：对图像的内是否存在观测目标存在问题或图像是否有残影进行判定，如果存在，跳转A4，如果不存在，跳转A3；
A3：对图像的光亮度进行判定，如果存在过亮或者过暗的情况，跳转A5，如果不存在，跳转S2；
A4：如果存在观测目标有问题或者有残影，则重新扫描，并跳转A2；
A5：如果存在过亮或过暗而导致识别困难，调整光亮度，并跳转A3。
3.根据权利要求1所述的一种骨髓细胞形态学自动检测系统的涂片自检方法，其特征在于，所述的S2包括以下步骤：
B1：对低倍图像进行识别，判定涂片中是否存在气泡或指纹，如果存在，跳转B3，如果不存在，跳转B2；
B2：对低倍扫描图像进行识别，判定涂片中是否存在杂质，如果存在，跳转B3，如果不存在，跳转S3；
B3：如果存在气泡或指纹或杂质，则说明涂片的制作不符合标准，则显示涂片的制作存在问题并通知相关工作人员。
4.根据权利要求1所述的一种骨髓细胞形态学自动检测系统的涂片自检方法，其特征在于，所述的细胞平均面积指所需要检测位置的红细胞系统、粒细胞系统、淋巴细胞系统和单核细胞系统的细胞的平均面积。
5.根据权利要求1所述的一种骨髓细胞形态学自动检测系统的涂片自检方法，其特征在于，所述的E2中的数值范围筛选，将RGB数值在0-40之间的点存入黑色数据组；将RGB数值在215-255之间的点存入白色数据组。
6.根据权利要求1或4或5所述的一种骨髓细胞形态学自动检测系统的涂片自检方法，其特征在于，所述的单位面积的方框的单位面积设定为2-5个细胞平均面积之和；所述的初代筛选框的面积为100个细胞平均面积之和；
所述的d1为80，所述的d2为205，所述的d3为16000。
CN202010450527.XA 2020-05-25 2020-05-25 一种骨髓细胞形态学自动检测系统的涂片自检方法 Active CN111795967B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010450527.XA CN111795967B (zh) 2020-05-25 2020-05-25 一种骨髓细胞形态学自动检测系统的涂片自检方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010450527.XA CN111795967B (zh) 2020-05-25 2020-05-25 一种骨髓细胞形态学自动检测系统的涂片自检方法

Publications (2)

Publication Number Publication Date
CN111795967A CN111795967A (zh) 2020-10-20
CN111795967B true CN111795967B (zh) 2023-07-21

Family

ID=72805999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010450527.XA Active CN111795967B (zh) 2020-05-25 2020-05-25 一种骨髓细胞形态学自动检测系统的涂片自检方法

Country Status (1)

Country Link
CN (1) CN111795967B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113205498B (zh) * 2021-04-30 2022-09-09 天津深析智能科技发展有限公司 一种细胞形态扫描区域选择方法
CN113945558A (zh) * 2021-09-29 2022-01-18 杭州智微信息科技有限公司 一种用于判断骨髓增生程度的方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6026174A (en) * 1992-10-14 2000-02-15 Accumed International, Inc. System and method for automatically detecting malignant cells and cells having malignancy-associated changes
CN102831607A (zh) * 2012-08-08 2012-12-19 深圳市迈科龙生物技术有限公司 宫颈液基细胞图像分割方法
CN107543788A (zh) * 2017-08-15 2018-01-05 焦作市人民医院 一种尿红细胞畸形率检测方法及系统
CN108171683A (zh) * 2017-12-12 2018-06-15 杭州键生物科技有限公司 一种采用软件自动识别的细胞计数方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107493403B (zh) * 2017-08-11 2019-09-24 宁波江丰生物信息技术有限公司 一种数字病理切片扫描系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6026174A (en) * 1992-10-14 2000-02-15 Accumed International, Inc. System and method for automatically detecting malignant cells and cells having malignancy-associated changes
CN102831607A (zh) * 2012-08-08 2012-12-19 深圳市迈科龙生物技术有限公司 宫颈液基细胞图像分割方法
CN107543788A (zh) * 2017-08-15 2018-01-05 焦作市人民医院 一种尿红细胞畸形率检测方法及系统
CN108171683A (zh) * 2017-12-12 2018-06-15 杭州键生物科技有限公司 一种采用软件自动识别的细胞计数方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于HSI颜色模型的多层彩色细胞提取技术;侯发忠;邹北骥;周天亮;;计算机仿真(第06期);第89-91、97页 *
基于数学形态学的血液细胞图像边缘提取;周浩,李天牧,尉洪;北京生物医学工程(第02期);第267-271页 *

Also Published As

Publication number Publication date
CN111795967A (zh) 2020-10-20

Similar Documents

Publication Publication Date Title
AU2022200171B2 (en) Colony contrast gathering
US7796815B2 (en) Image analysis of biological objects
CN114549522A (zh) 基于目标检测的纺织品质量检测方法
CN111795967B (zh) 一种骨髓细胞形态学自动检测系统的涂片自检方法
KR20170139591A (ko) 플레이팅된 배지 상의 스트리킹된 샘플로부터 자동화된 미생물 콜로니 카운트를 위한 방법 및 시스템
KR100303608B1 (ko) 혈구세포자동인식방법및장치
CN111833296B (zh) 一种骨髓细胞形态学自动检测审核系统及审核方法
CN110796661B (zh) 基于卷积神经网络的真菌显微图像分割检测方法及系统
CN111458269A (zh) 一种外周血淋巴微核细胞图像人工智能识别方法
CN117576103B (zh) 集成电控显微镜和深度学习算法的尿沉渣镜检分析系统
CN112001315A (zh) 基于迁移学习和图像纹理特征的骨髓细胞分类识别方法
CN115266732A (zh) 基于机器视觉的碳纤维丝束缺陷检测方法
CN113470041B (zh) 免疫组化细胞图像细胞核分割与计数方法和系统
CN111795919B (zh) 一种骨髓细胞形态学自动检测系统及其工作方法
CN112540039A (zh) 一种可用于直接计算贴壁活细胞数量的方法
CN117115171A (zh) 一种应用于地铁lcd显示屏的轻微亮点缺陷检测方法
JP2022514427A (ja) バクテリアコロニーのバクテリア増殖を監視しコロニーバイオマスを予測するシステム及び方法
CN114897823A (zh) 一种细胞学样本图像质量控制方法、系统及存储介质
CN112750118B (zh) 一种基于自动视觉检测的单细胞孔板测序中鉴定细胞个数的新方法及系统
CN112966645B (zh) 一种妇科微生态中多种类型杆菌的智能检测和分类计数方法
CN114742803A (zh) 一种结合深度学习与数字图像处理算法的血小板聚集检测方法
CN114627308A (zh) 一种骨髓细胞形态学特征的提取方法与系统
CN111310568A (zh) 基于计算机视觉的多发性骨髓瘤骨髓象识别设备
CN112329537A (zh) 一种基于yolov3算法的粪便有形成分的检测方法
CN109615630A (zh) 基于图像处理技术的半连续铸造铝硅合金微观组织分析方法

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