CN111829962B - 血浆乳糜程度检测方法及系统 - Google Patents

血浆乳糜程度检测方法及系统 Download PDF

Info

Publication number
CN111829962B
CN111829962B CN202010597959.3A CN202010597959A CN111829962B CN 111829962 B CN111829962 B CN 111829962B CN 202010597959 A CN202010597959 A CN 202010597959A CN 111829962 B CN111829962 B CN 111829962B
Authority
CN
China
Prior art keywords
plasma
detected
color
image
background
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
CN202010597959.3A
Other languages
English (en)
Other versions
CN111829962A (zh
Inventor
田晶晶
谢劲松
段生宝
陈晔洲
魏双施
王红梅
丁少华
李勇
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.)
Suzhou Institute of Biomedical Engineering and Technology of CAS
Original Assignee
Suzhou Institute of Biomedical Engineering and Technology of CAS
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 Suzhou Institute of Biomedical Engineering and Technology of CAS filed Critical Suzhou Institute of Biomedical Engineering and Technology of CAS
Priority to CN202010597959.3A priority Critical patent/CN111829962B/zh
Publication of CN111829962A publication Critical patent/CN111829962A/zh
Application granted granted Critical
Publication of CN111829962B publication Critical patent/CN111829962B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
    • 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
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种血浆乳糜程度检测方法及系统，该方法包括以下步骤：1)将待测血浆加入透明的比色皿中，在白光光源下获得所述待测血浆的彩色图像；2)在多波段光源下再次采集所述待测血浆的底色波长图像；3)对所述待测血浆的底色波长图像进行图像处理，获取目标图案区域的灰度值与正常血浆的灰度值之间的比值，从而对待测血浆的乳糜程度进行定性判断。本发明通过白色LED光源成像后，获取血浆颜色的RGB值，进而控制多波段LED光源发出与背景近似颜色的光，并进行成像，能够从而使目标特征与背景之间产生较大的灰度差别，更利于分析，消除背景干扰，提高检测结果的准确率。

Description

血浆乳糜程度检测方法及系统
技术领域
本发明涉及血浆乳糜检测领域，特别涉及一种血浆乳糜程度检测方法及系统。
背景技术
近年来随着生活水平的不断提高，乳糜血在无偿献血者血液中出现的比例逐渐增多。人体大量摄入脂肪后，在肠内被胰腺分泌的酯酶水解成脂肪酸和甘油一酯，由肠黏膜吸收后，变成细小的乳糜微粒经淋巴管进入血液循环，乳糜血也是高血脂患者常见合并症之一。
乳糜血患者血清中携带着大量的主要以甘油三酯(TG)和胆固醇(CHO)为原料的低密度脂蛋白(LDL)、极低密度脂蛋白(VLDL)和乳糜微粒。尤其是以TG含量为主的VLDL和乳糜微粒浓度越高，血清样本乳糜程度也越严重。
随着成分输血在临床上的推广应用，临床对血浆制品的需求逐年增加，但是供血者血液中的脂肪颗粒过多，形成乳糜血，会造成血浆报废，浪费血液资源。
同时，临床输注脂肪血(乳糜血)可发生过敏、发热、脂肪栓塞等不良反应，因此为保证血源质量，避免血液资源浪费，降低乳糜血报废率，建立献血前，尤其可在移动式献血车上使用的快速、准确的乳糜血检测方法需求强烈。
基于机器视觉与图像分析的乳糜检测方法应用越来越广泛，但现在的一些基于图像分析的检测方法中，因仅仅局限于基于图像灰度值的计算分析(如CN201210052269-基于图像灰度检测的液体浑浊度测试方法和装置，会导致用于背景干扰的存在而造成检测结果出现偏差。所以，去除背景干扰，对于提高检测结果的准确率有重要作用，但现在缺少可靠的方案。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种血浆乳糜程度检测方法。
为解决上述技术问题，本发明采用的技术方案是：提供一种血浆乳糜程度检测方法，包括以下步骤：
1)将待测血浆加入透明的比色皿中，在白光光源下获得所述待测血浆的彩色图像；
2)在多波段光源下再次采集所述待测血浆的底色波长图像：根据所述所述待测血浆的彩色图像计算得到待测血浆底色的RGB值，控制多波段光源发出颜色与所述血浆底色相同或相近的光，从而在该光源下获得血浆背景色为白色的待测血浆的底色波长图像；
3)对所述待测血浆的底色波长图像进行图像处理，获取目标图案区域的灰度值与正常血浆的灰度值之间的比值，从而对待测血浆的乳糜程度进行定性判断。
优选的是，其中，所述比色皿背面印刷有用于比色判断的图案。
优选的是，其中，利用CCD相机采集所述待测血浆的彩色图像和底色波长图像。
优选的是，所述步骤2)中通过opencv提取分析获得血浆底色的RGB值。
优选的是，所述步骤3)具体包括：
3-1)在血浆背景色为白色的所述底色波长图像中，选择目标图案区域，该目标图案区域为包括所述比色皿上的用于比色判断的图案的区域；
3-2)对目标图案区域进行灰度化处理；
3-3)进行阈值法二值化处理，获取目标图案的灰度值；
3-4)计算目标图案灰度值与正常血浆的灰度值之间的比值，当该比值在50％—100％之间时，判断为轻度乳糜血；当该比值小于50％时，判断为中度或重度乳糜血。
优选的是，所述阈值法二值化处理的方法为：利用目标图案区域中目标与背景的差异，选取合适的阈值T，以将某像素点区分为两个部分：目标或背景，具体公式为：
Figure BDA0002558056410000031
其中，Gray(i,j)为目标图案区域中(i,j)处的灰度值，F(i,j)表示二值化后的结果；
通过上述公式将目标图案区域中的像素点的数值区分为0或1，最终获得二值化处理后的目标图案的灰度值。
本发明还提供一种用于实现上述血浆乳糜程度检测方法的系统，该系统包括：
浊度比色皿，其为背面印刷有用于比色判断的图案的用于盛装待测血浆的透明比色皿；
CCD相机，其用于采集待测血浆的彩色图像和底色波长图像；
白光LED光源，其用于发出白光，以通过所述CCD相机采集待测血浆的彩色图像；
多波段LED光源，其可发出多种波长的光，通过发出颜色与所述血浆底色相同或相近的光，从而借助所述CCD相机采集待待测血浆的底色波长图像；
以及图像处理计算机。
优选的是，所述图像处理计算机用于根据所述所述待测血浆的彩色图像计算得到待测血浆底色的RGB值，并控制多波段光源发出颜色与所述血浆底色相同或相近的光。
优选的是，所述图像处理计算机还用于对所述待测血浆的底色波长图像进行图像处理，获取目标图案区域的灰度值与正常血浆的灰度值之间的比值，从而对待测血浆的乳糜程度进行定性判断。
本发明的有益效果是：本发明通过白色LED光源成像后，获取血浆颜色的RGB值，进而控制多波段LED光源发出与背景近似颜色的光，并进行成像，能够从而使目标特征与背景之间产生较大的灰度差别，更利于分析，消除背景干扰，提高检测结果的准确率；本发明的系统结构简单，操作便捷，效率高。
附图说明
图1为本发明的血浆乳糜程度检测系统的结构示意图；
图2为本发明的血浆乳糜程度检测方法的流程示意图；
图3-8为实施例2中的血浆乳糜程度检测结果；
图9-12为实施例3中的血浆乳糜程度检测结果。
附图标记说明：
1—浊度比色皿；2—白光LED光源；3、4、5—多波段LED光源；6—CCD相机；7—图像处理计算机。
具体实施方式
下面结合实施例对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。
应当理解，本文所使用的诸如“具有”、“包含”以及“包括”术语并不排除一个或多个其它元件或其组合的存在或添加。
如图1所示，本实施例提供一种血浆乳糜程度检测系统，该系统包括：浊度比色皿、CCD相机、白光光源、多波段光源以及图像处理计算机。
浊度比色皿为背面印刷有用于比色判断的图案的用于盛装待测血浆的透明比色皿；
CCD相机，其用于采集待测血浆的图像，且CCD相机可实现自动对焦；
白光LED光源，其用于发出白光，以通过所述CCD相机采集待测血浆的彩色图像；
多波LED段光源，其可发出多种波长(即不同颜色)的光，通过发出颜色与所述血浆底色相同或相近的光，从而借助所述CCD相机采集待待测血浆的底色波长图像；即通过用颜色与所述血浆底色相同或相近的光采集待测血浆的图像，从而使获得的图像中血浆背景色为白色，从而使目标特征与背景之间产生较大的灰度差别，更利于分析，消除背景干扰造成的结果偏差。
通过多波LED段光源进行多色检测为了将被测物体与背景尽量明显分别，获得高品质、高对比度的图像。因为人血浆采集过程中会受到各种不确定因素影响，导致人与人之间的血浆颜色不一致(溶血、黄疸、高脂肪)，而目标图案色度是一致的，若仅仅局限于基于图像灰度值的计算分析，会导致背景干扰造成的结果偏差。而本发明中，针对个体血浆颜色的差异性，选择与血浆颜色相同或相近的光获取其底色波长图像，
采用多波段LED光源成像原理为：目标颜色与光源颜色的合理搭配，会使目标特征与背景之间产生较大的灰度差别，更利于分析。在黑白模式下，CCD相机拍摄时，若要将背景(血浆)打成白色，则用与背景色相同或相似的光源即可(光的波长一样或接近)，若要打成黑色，则选择与目标颜色波长差异较大的光源。基于该原理，通过白色LED光源成像后，获取血浆颜色的RGB值，进而控制多波段LED光源实现近似颜色的光。使后续通过CCD相机成像时，将血浆颜色均一化处理，获取一致的背景色(均是白色)，从而利于目标图案颜色(黑色)的计算分析。
图像处理计算机一方面用于对CCD相机获得的图像进行处理，另一方面还对整个系统进行控制。
本实施例中还提供利用上述系统进行血浆乳糜程度检测的方法，其用于对离体血样进行检测，可参照图2，具体步骤为：
1)将待测血浆加入透明的比色皿中(比色皿背面印刷有用于比色判断的图案)，比色皿置于样品池中，在白光光源下通过CCD相机(CCD相机可进行自动对焦)获得所述待测血浆的彩色图像；
2)图像处理计算机获取彩色图像，并通过opencv提取分析获得血浆底色的RGB值；然后反馈控制多波段光源，切换多波段光源进入光路，使多波段光源发出颜色与所述血浆底色相同或相近的光并照射待测血浆，然后在该光源下通过CCD相机获得血浆背景色为白色的待测血浆的底色波长图像，以排除血浆底色干扰，；
3)图像处理计算机再对所述待测血浆的底色波长图像进行图像处理，获取目标图案区域的灰度值与正常血浆的灰度值之间的比值，从而对待测血浆的乳糜程度进行定性判断，具体步骤包括：
3-1)在血浆背景色为白色的所述底色波长图像中，选择目标图案区域，该目标图案区域为包括所述比色皿上的用于比色判断的图案的区域；
3-2)对目标图案区域进行灰度化处理；
3-3)进行阈值法二值化处理，获取目标图案的灰度值(将图像上众多像素点对应的灰度值勾画出一条曲线，直线连接曲线首尾，计算出曲线面积值，即为目标图案的灰度值)；
3-4)计算目标图案灰度值与正常血浆的灰度值之间的比值，当该比值在50％—100％之间时，判断为轻度乳糜血；当该比值小于50％时，判断为中度或重度乳糜血。
步骤3-3)中，所述阈值法二值化处理的方法为：利用目标图案区域中目标与背景的差异，把图像分别设置为两个不同的级别，选取合适的阈值T，以将某像素点区分为两个部分：目标或背景，具体公式为：
Figure BDA0002558056410000061
其中，Gray(i,j)为目标图案区域中(i,j)处的灰度值，F(i,j)表示二值化后的结果；
通过上述公式将目标图案区域中的像素点的数值区分为0或1，最终获得二值化处理后的目标图案的灰度值。
本发明通过多波LED段光源实现多色度检测，能排除血浆底色(如红细胞溶血、黄疸血浆、高脂肪等)干扰，运用CCD相机自动对焦可提高检测速度，结合图像算法，对血浆乳糜程度进行自动分析，即可实现目标血浆的快速甄别。
以下提供采用常规方法和本发明的方法进行血浆乳糜程度检测的实施例，以对本发明做进一步说明。以下实施例中，针对的血样为：1号：脂肪血；2号：2倍稀释的脂肪血；3号：3倍稀释的脂肪血；4号：4倍稀释的脂肪血；5号：5倍稀释的脂肪血；6号：6倍稀释的脂肪血；7号：为正常人血浆；
实施例2
常规的彩色图像灰度化处理方法进行血浆乳糜程度检测，具体步骤包括：
1、白光光源1下通过CCD相机采集待测血浆图像，如图3所示；
2、对图像进行灰度化处理，如图4；
3、目标图案自动选择，选择的区域为恰好包括比色皿背面印刷的用于比色判断的图案，如图5；
4、对目标图案区域进行灰度化处理；然后进行阈值法二值化处理，获取目标图案的灰度值，如图6；再计算目标图案灰度值与正常血浆的灰度值之间的比值，从而判断血浆乳糜程度，计算结果如下表1和图7所示：
表1：采用白光光源1的结果
编号 样品 白光光源1结果 数据处理 比值
1 脂肪血 546.364 35.23362 3.523362
2 2x 2981.577 192.2743 19.22743
3 3x 5405.669 348.5978 34.85978
4 4x 5896.154 380.2279 38.02279
5 5X 7860.882 506.9282 50.69282
6 6X 10057.439 648.5786 64.85786
7 正常 15506.894 1000 100
在另一种实施例中，采用了与上述白光光源1的波长不同的另一种白光光源2，按与上述相同步骤对相同血浆也进行了血浆乳糜程度检测，检测结果如小表2和图8所示。
表2：采用白光光源2的结果
Figure BDA0002558056410000071
临床上，目前用稀释法判断脂肪血乳糜程度的方法是：将乳糜血倍比稀释，即稀释2倍即达到正常血的澄清程度的即为轻度脂肪血；稀释3-5倍的为中度脂肪血；稀释大于5倍的为重度脂肪血。其中轻度脂肪血可用于临床输血，而中度脂肪血及重度脂肪血风险更大，一般会废弃处理。
结论：从上述2个常规的灰度结果分析：正常血浆值均为1000，5X和6X的样品检测结果在500以上，比值大于50％，按以上分析结果是轻度脂肪血，可用于临床。但是结合稀释法判断，上述结论与实际结论有出入，实际上5X和6X的样品应该是中度，所以该实施例采用的常规灰度化处理方法的判断准确率不够。
实施例3
采用本发明的实施例1提供的系统和方法进行血浆乳糜程度检测，具体步骤包括：
1)在白光光源下获得所述待测血浆的彩色图像，如图9所示；，计算待测血浆底色的RGB值并反馈；
2)计算得到待测血浆底色的RGB值，反馈控制多波段光源发出颜色与所述血浆底色相同或相近的光，从而在该光源下获得血浆背景色为白色的待测血浆的底色波长图像，如图10所示；
3)选择目标图案区域，对目标图案区域进行灰度化处理；然后进行阈值法二值化处理，获取目标图案的灰度值，如图11；再计算目标图案灰度值与正常血浆的灰度值之间的比值，从而判断血浆乳糜程度，计算结果如下表3和图12所示。
表3：采用发明的方法的结果
编号 样品 红光光源结果 数据处理 比值
1 脂肪血 14.121 0.713151707 0.071315
2 2x 1957.506 98.85976531 9.885977
3 3x 5378.619 271.6359552 27.1636
4 4x 5623.397 283.9979585 28.3998
5 5X 6242.368 315.2578002 31.52578
6 6X 7862.731 397.0908602 39.70909
7 正常 19800.836 1000 100
通过上述结果可以看出，运用本发明的方法和系统，通过排除血浆本色干扰，可实现较为真实的判断。5X和6X的样品检测结果在500以下，比值小于50％，判断为中度乳糜，与实际情况相符合；且脂肪血乳糜程度与图片灰度值呈梯度分布，因此本发明的方法和系统可用于乳糜程度的判断，相对于常规方法，能提高准确率。
尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节。

Claims (8)

1.一种血浆乳糜程度检测方法，其特征在于，包括以下步骤：
1)将待测血浆加入透明的比色皿中，在白光光源下获得所述待测血浆的彩色图像；
2)在多波段光源下再次采集所述待测血浆的底色波长图像：根据所述待测血浆的彩色图像计算得到待测血浆底色的RGB值，控制多波段光源发出颜色与所述血浆底色相同或相近的光，从而在该光源下获得血浆背景色为白色的待测血浆的底色波长图像；
3)对所述待测血浆的底色波长图像进行图像处理，获取目标图案区域的灰度值与正常血浆的灰度值之间的比值，从而对待测血浆的乳糜程度进行定性判断；
所述步骤3)具体包括：
3-1)在血浆背景色为白色的所述底色波长图像中，选择目标图案区域，该目标图案区域为包括所述比色皿上的用于比色判断的图案的区域；
3-2)对目标图案区域进行灰度化处理；
3-3)进行阈值法二值化处理，获取目标图案的灰度值；
3-4)计算目标图案灰度值与正常血浆的灰度值之间的比值，当该比值在50％—100％之间时，判断为轻度乳糜血；当该比值小于50％时，判断为中度或重度乳糜血。
2.根据权利要求1所述的血浆乳糜程度检测方法，其特征在于，其中，所述比色皿背面印刷有用于比色判断的图案。
3.根据权利要求2所述的血浆乳糜程度检测方法，其特征在于，其中，利用CCD相机采集所述待测血浆的彩色图像和底色波长图像。
4.根据权利要求3所述的血浆乳糜程度检测方法，其特征在于，所述步骤2)中通过opencv提取分析获得血浆底色的RGB值。
5.根据权利要求4所述的血浆乳糜程度检测方法，其特征在于，所述阈值法二值化处理的方法为：利用目标图案区域中目标与背景的差异，选取合适的阈值T，以将某像素点区分为两个部分：目标或背景，具体公式为：
Figure FDA0003973892380000021
其中，Gray(i,j)为目标图案区域中(i,j)处的灰度值，F(i,j)表示二值化后的结果；
通过上述公式将目标图案区域中的像素点的数值区分为0或1，最终获得二值化处理后的目标图案的灰度值。
6.一种血浆乳糜程度检测系统，其特征在于，其采用如权利要求1-5中任意一项所述的方法进行血浆乳糜程度检测，该系统包括：
浊度比色皿，其为背面印刷有用于比色判断的图案的用于盛装待测血浆的透明比色皿；
CCD相机，其用于采集待测血浆的彩色图像和底色波长图像；
白光LED光源，其用于发出白光，以通过所述CCD相机采集待测血浆的彩色图像；
多波段LED光源，其可发出多种波长的光，通过发出颜色与所述血浆底色相同或相近的光，从而借助所述CCD相机采集待待测血浆的底色波长图像；
以及图像处理计算机。
7.根据权利要求6所述的血浆乳糜程度检测系统，其特征在于，所述图像处理计算机用于根据所述所述待测血浆的彩色图像计算得到待测血浆底色的RGB值，并控制多波段光源发出颜色与所述血浆底色相同或相近的光。
8.根据权利要求7所述的血浆乳糜程度检测系统，其特征在于，所述图像处理计算机还用于对所述待测血浆的底色波长图像进行图像处理，获取目标图案区域的灰度值与正常血浆的灰度值之间的比值，从而对待测血浆的乳糜程度进行定性判断。
CN202010597959.3A 2020-06-28 2020-06-28 血浆乳糜程度检测方法及系统 Active CN111829962B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010597959.3A CN111829962B (zh) 2020-06-28 2020-06-28 血浆乳糜程度检测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010597959.3A CN111829962B (zh) 2020-06-28 2020-06-28 血浆乳糜程度检测方法及系统

Publications (2)

Publication Number Publication Date
CN111829962A CN111829962A (zh) 2020-10-27
CN111829962B true CN111829962B (zh) 2023-03-28

Family

ID=72898204

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010597959.3A Active CN111829962B (zh) 2020-06-28 2020-06-28 血浆乳糜程度检测方法及系统

Country Status (1)

Country Link
CN (1) CN111829962B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114295568A (zh) * 2021-12-31 2022-04-08 深圳麦科田生物医疗技术股份有限公司 血液样本指标校正系统及血液样本指标校正方法
CN114414488B (zh) * 2022-01-24 2023-08-01 清远职业技术学院 一种无损式血袋血浆乳糜指数测量方法
JP2023152542A (ja) * 2022-04-04 2023-10-17 アークレイ株式会社 コントロールキュベット

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWI391872B (zh) * 2008-10-14 2013-04-01 Chung Shan Inst Of Science Multi - band image imaging method
CN103245663B (zh) * 2013-05-29 2015-03-11 北京望升伟业科技发展有限公司 乳糜血快速测定装置及其使用方法
CN108230343B (zh) * 2018-01-05 2020-06-05 厦门华联电子股份有限公司 一种图像处理方法及装置
CN109632653B (zh) * 2019-01-23 2022-01-04 南方医科大学南方医院 基于摄像头的血浆乳糜和溶血检测装置及方法

Also Published As

Publication number Publication date
CN111829962A (zh) 2020-10-27

Similar Documents

Publication Publication Date Title
CN111829962B (zh) 血浆乳糜程度检测方法及系统
US11262571B2 (en) Determining a staining-quality parameter of a blood sample
CN104094118B (zh) 通过显微图像自动识别全血样品中血小板的方法和设备
JP5414707B2 (ja) 分析装置
WO2020141812A1 (ko) 골수 판독을 위한 관심영역 레이블링 장치 및 이를 포함하는 관심영역 검출 시스템
CN103604737A (zh) 一种自动化血细胞识别装置及工作方法
CN108845153B (zh) 一种白细胞粒子分析系统及方法
CN115345876A (zh) 一种基于超声图像的螺栓螺纹缺陷检测方法
Romero-Oraá et al. A robust method for the automatic location of the optic disc and the fovea in fundus images
JP7358411B2 (ja) 体外診断システムにおける試料容器の特性を決定するための方法、分析デバイス、および体外診断システム
CN111077153A (zh) 一种多功能精子质量分析系统
JP7407282B2 (ja) 管アセンブリタイプを識別する装置および方法
Safuan et al. Computer aided system for lymphoblast classification to detectacute lymphoblastic leukemia
CN117309827A (zh) 基于仪器法的双光源与双视场的标本检测方法、电子设备及程序产品
CN116908428B (zh) 一种血浆质控方法及其应用
CN109544547A (zh) 一种卡口式汽车灯泡灯头顶部外观缺陷检测方法
US20230058796A1 (en) Fluorescence image analysis method, fluorescence image analyzer, fluorescence image analysis program
KR20170024515A (ko) 혈중 세포의 계수방법
CN114332059A (zh) 基于试管图像的血清样本分析方法、装置、设备及介质
Yuvaraj et al. Exudates Detection Strategies in Retinal Images Exploitation Process Techniques
Bieniecki et al. VARIOUS APPROACHES TO PROCESSING AND ANALYSIS OF IMAGES OBTAINED FROM IMMUNOENZYMATIC VISUALIZATION OF SECRETORY ACTIVITY WITH ELISPOT METHOD
Tang et al. AUTOMATIC PAPILLA SHAPE DETECTION IN STEREO RETINAL IMAGES BASED ON IMAGE FUSION FOR COMPUTER AIDED GLAUCOMA DIAGNOSTICS
UA75628C2 (en) Method for automated analysis of histological preparations of brain
Li et al. Fundus Image Processing to Aid in Clinical Diagnosis
JPH0696203A (ja) カラー領域抽出方法

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