CN111935404A - 微距成像系统、方法和装置 - Google Patents
微距成像系统、方法和装置 Download PDFInfo
- Publication number
- CN111935404A CN111935404A CN202010820512.8A CN202010820512A CN111935404A CN 111935404 A CN111935404 A CN 111935404A CN 202010820512 A CN202010820512 A CN 202010820512A CN 111935404 A CN111935404 A CN 111935404A
- Authority
- CN
- China
- Prior art keywords
- macro
- target
- target sample
- image
- illumination
- 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.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/67—Focus control based on electronic image sensor signals
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/80—Camera processing pipelines; Components thereof
- H04N23/84—Camera processing pipelines; Components thereof for processing colour signals
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Studio Devices (AREA)
Abstract
本发明公开了一种微距成像系统、方法和装置。其中，该方法包括：获取目标终端在不同照明模式下对目标样本进行微距拍摄得到的多张微距拍摄图像，对多张微距拍摄图像进行预处理，得到多张预处理图像，将多张预处理图像输入到目标神经网络模型，得到目标神经网络模型输出的图像识别结果的方式。本发明解决了相关技术中获取目标样本的目标区域时，难以对样本进行拍摄时，难以完整、全面获取样本中所需要的目标区域的技术问题。
Description
技术领域
本发明涉及计算机领域，具体而言，涉及一种微距成像系统、方法和装置。
背景技术
目前的相关技术中，在针对样本获取样本的目标区域的过程中，通常采用裸眼观察的方式来确定目标样本中的目标区域，例如，在医疗诊断领域中，癌症切除手术中医生需要准确地获知肿瘤边缘的具体位置并完整切除肿瘤区域，以防止患者病情复发，进而，避免二次手术。患者手术中被切除的组织会被处理为适当体积的组织块，经过医生挑选过后，用福尔马林浸泡等方法将组织块固定，随后经过脱水，浸蜡包埋，切片贴片，染色封片一系列操作最终制成可在显微镜下观察的病理切片。为了获得准确的患者病灶信息，医生挑选组织块的过程尤为重要。
而医生漏选含有病灶的组织块将限制病理医生做出更准确的判断，而过多的选取组织块则会大大增加制片的工作量，降低医疗效率。
目前医生在术中进行肿瘤等病灶边缘检测和术后选取病理材料的主要依据为：对于医疗条件有限的医院，医生们主要是通过裸眼观察和触摸手感来分辨肿瘤区域进行组织块选取，上述方法对于经验不足的医生来讲是一项难度极高的任务，尤其在瘤床隐匿的情况下，单靠病理医生裸眼观察以及触摸手感来分辨肿瘤区域进行组织块瞎猫，根本无法辨识正常组织区域和病灶区域，其中，触摸手感更是非常主观的判断。
此外，目前医生在术中进行肿瘤等病灶边缘检测和术后选取病理材料还可以通过对病灶组织基于X光影像的方式进行拍摄，通过使用放射学影像的方法进行分辨病灶区域并辅助病理取材，但是，仅仅基于X光影像进行病灶组织的拍摄，并不能完整、全面的实现对病灶组织的获取，且X光设备通常价格不菲，医院购置X光设备的成本都非常高，因此，能够实现通过X光设备对病灶组织拍摄的医院也就相对较少。
针对上述的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种微距成像系统、方法和装置，以至少解决相关技术中获取目标样本的目标区域时，存在获取目标区域不够准确、不够全面的技术问题。
根据本发明实施例的一个方面，提供了一种微距成像方法，包括：
获取多张微距拍摄图像，其中，所述多张微距拍摄图像包括目标终端在不同照明模式下对目标样本进行微距拍摄得到的图像；
对所述多张微距拍摄图像进行预处理，得到多张预处理图像；
将所述多张预处理图像输入到目标神经网络模型，得到所述目标神经网络模型输出的图像识别结果，其中，所述目标神经网络模型用于对所述目标样本中的目标区域进行预测，所述图像识别结果用于表示所述目标样本中预测的所述目标区域。
可选地，所述获取多张微距拍摄图像，包括：在所述不同照明模式包括白光透射照明模式和白光反射照明模式的情况下，获取第一微距拍摄图像和第二微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像。
可选地，所述获取多张微距拍摄图像，包括：在所述不同照明模式包括白光透射照明模式和彩色光反射照明模式的情况下，获取第一微距拍摄图像和第三微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像。
可选地，所述获取多张微距拍摄图像，包括：在所述不同照明模式包括白光反射照明模式和彩色光反射照明模式的情况下，获取第二微距拍摄图像和第三微距拍摄图像，其中，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像。
可选地，所述获取多张微距拍摄图像，包括：在所述不同照明模式包括白光透射照明模式、白光反射照明模式以及彩色光反射照明模式的情况下，获取第一微距拍摄图像、第二微距拍摄图像和第三微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像。
可选地，所述获取第三微距拍摄图像包括：在所述彩色光反射照明模式为蓝光反射照明模式的情况下，获取目标微距拍摄图像，其中，所述第三微距拍摄图像为所述目标微距拍摄图像，所述目标微距拍摄图像是在采用所述蓝光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像。
可选地，在所述彩色光反射照明模式为蓝光反射照明模式的情况下，获取目标微距拍摄图像，包括：在使用450nm蓝光灯珠对所述目标样本进行照明的情况下，获取所述目标终端对所述目标样本进行微距拍摄得到的所述目标微距拍摄图像。
可选地，所述将所述多张预处理图像输入到目标神经网络模型，得到所述目标神经网络模型输出的图像识别结果，包括：在所述目标样本为人体切除样本的情况下，将所述多张预处理图像输入到所述目标神经网络模型，得到所述目标神经网络模型输出的图像识别结果，其中，所述目标神经网络模型用于对所述人体切除样本中的病灶区域进行预测，所述图像识别结果用于表示所述目标样本中预测的所述病灶区域，所述目标区域包括所病灶区域。
可选地，所述获取多张微距拍摄图像，包括：获取使用移动终端上的微距摄像头对所述目标样本进行微距拍摄得到的所述多张微距拍摄图像，其中，所述目标终端为所述移动终端。
可选地，所述获取使用移动终端上的微距摄像头对所述目标样本进行微距拍摄得到的所述多张微距拍摄图像，包括：获取使用所述微距摄像头在全景模式下对所述目标样本进行微距拍摄得到的所述多张微距拍摄图像。
可选地，所述获取使用所述微距摄像头在全景模式下对所述目标样本进行微距拍摄得到的所述多张微距拍摄图像，包括：在所述移动终端通过移动滑轨沿预定轨迹移动的情况下，获取使用所述微距摄像头在所述全景模式下对所述目标样本进行微距拍摄得到的所述多张微距拍摄图像。
根据本发明实施例的另一个方面，还提供了一种微距成像系统。该系统包括：
照明器件，用于采用不同照明模式对目标样本进行照明；
微距拍摄器件，用于在所述照明器件采用所述不同照明模式对所述目标样本进行照明的情况下，对所述目标样本进行微距拍摄，得到所述不同照明模式下的多张微距拍摄图像；处理器件，用于对所述多张微距拍摄图像进行预处理，得到多张预处理图像，并将所述多张预处理图像输入到目标神经网络模型，得到所述目标神经网络模型输出的图像识别结果，其中，所述目标神经网络模型用于对所述目标样本中的目标区域进行预测，所述图像识别结果用于表示所述目标样本中预测的所述目标区域。
可选地，所述照明器件包括：第一照明组件，用于采用白光透射照明模式对所述目标样本进行照明；第二照明组件，用于采用白光反射照明模式对所述目标样本进行照明；其中，所述不同照明模式包括所述白光透射照明模式和所述白光反射照明模式，所述微距拍摄组件用于在所述不同照明模式包括所述白光透射照明模式和所述白光反射照明模式的情况下，获取第一微距拍摄图像和第二微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像。
可选地，所述照明器件包括：第一照明组件，用于采用白光透射照明模式对所述目标样本进行照明；第三照明组件，用于采用彩色光反射照明模式对所述目标样本进行照明；其中，所述不同照明模式包括所述白光透射照明模式和所述彩色光反射照明模式，所述微距拍摄组件用于在所述不同照明模式包括所述白光透射照明模式和所述彩色光反射照明模式的情况下，获取第一微距拍摄图像和第三微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像。
可选地，所述照明器件包括：第二照明组件，用于采用白光反射照明模式对所述目标样本进行照明；第三照明组件，用于采用彩色光反射照明模式对所述目标样本进行照明；其中，所述不同照明模式包括所述白光反射照明模式和所述彩色光反射照明模式，所述微距拍摄组件用于在所述不同照明模式包括所述白光反射照明模式和所述彩色光反射照明模式的情况下，获取第二微距拍摄图像和第三微距拍摄图像，其中，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像。
可选地，所述照明器件包括：第一照明组件，用于采用白光透射照明模式对所述目标样本进行照明；第二照明组件，用于采用白光反射照明模式对所述目标样本进行照明；第三照明组件，用于采用彩色光反射照明模式对所述目标样本进行照明；其中，所述不同照明模式包括所述白光透射照明模式、所述白光反射照明模式和所述彩色光反射照明模式，所述微距拍摄组件用于在所述不同照明模式包括所述白光透射照明模式、所述白光反射照明模式和所述彩色光反射照明模式的情况下，获取第一微距拍摄图像、第二微距拍摄图像和第三微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像。
可选地，所述第三照明器件包括：蓝光照明器件，用于采用蓝光反射照明模式对所述目标样本进行照明，其中，所述彩色光反射照明模式包括所述蓝光反射照明模式；其中，所述第三微距拍摄图像是在采用所述蓝光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像。
可选地，所述蓝光照明器件包括：450nm蓝光灯珠。
可选地，所述图像处理器件包括：图像处理芯片，用于在所述目标样本为人体切除样本的情况下，将所述多张预处理图像输入到所述目标神经网络模型，得到所述目标神经网络模型输出的图像识别结果，其中，所述目标神经网络模型用于对所述人体切除样本中的病灶区域进行预测，所述图像识别结果用于表示所述目标样本中预测的所述病灶区域，所述目标区域包括所病灶区域。
可选地，所述微距拍摄器件包括：设置有微距镜头的移动终端；或者微距镜头，以及与所述微距镜头连接的移动终端。
可选地，所述微距成像系统还包括：云台，用于固定所述微距拍摄器件；移动滑轨，与所述云台连接，用于通过所述云台带动所述微距拍摄组件沿预定轨迹移动。
可选地，所述微距成像系统还包括：玻璃底盘，用于放置所述目标样品。
可选地，所述图像处理器件设置在所述微距拍摄器件内部；或者，所述图像处理器件设置在所述微距拍摄器件外部，并所述微距拍摄器件与所述图像处理器件之间建立通信连接，所述微距拍摄器件还用于通过所述通信连接将所述多张微距拍摄图像传输给所述图像处理器件。
根据本发明实施例的另一方面，还提供了一种微距成像装置，包括：
获取模块，用于获取多张微距拍摄图像，其中，所述多张微距拍摄图像包括目标终端在不同照明模式下对目标样本进行微距拍摄得到的图像；
第一处理模块，用于对所述多张微距拍摄图像进行预处理，得到多张预处理图像；
第二处理模块，用于将所述多张预处理图像输入到目标神经网络模型，得到所述目标神经网络模型输出的图像识别结果，其中，所述目标神经网络模型用于对所述目标样本中的目标区域进行预测，所述图像识别结果用于表示所述目标样本中预测的所述目标区域。
可选地，所述获取模块，包括：
第一获取单元，用于在所述不同照明模式包括白光透射照明模式和白光反射照明模式的情况下，获取第一微距拍摄图像和第二微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像。
可选地，所述获取模块，包括：
第二获取单元，用于在所述不同照明模式包括白光透射照明模式和彩色光反射照明模式的情况下，获取第一微距拍摄图像和第三微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像。
可选地，所述获取模块，包括：
第三获取单元，用于在所述不同照明模式包括白光反射照明模式和彩色光反射照明模式的情况下，获取第二微距拍摄图像和第三微距拍摄图像，其中，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像。
可选地，所述获取模块，包括：
第四获取单元，用于在所述不同照明模式包括白光透射照明模式、白光反射照明模式以及彩色光反射照明模式的情况下，获取第一微距拍摄图像、第二微距拍摄图像和第三微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像。
可选地，所述获取模块用于通过如下方式获取第三微距拍摄图像：
在所述彩色光反射照明模式为蓝光反射照明模式的情况下，获取目标微距拍摄图像，其中，所述第三微距拍摄图像为所述目标微距拍摄图像，所述目标微距拍摄图像是在采用所述蓝光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像。
可选地，所述获取模块用于通过如下方式在所述彩色光反射照明模式为蓝光反射照明模式的情况下，获取目标微距拍摄图像：在使用450nm蓝光灯珠对所述目标样本进行照明的情况下，获取所述目标终端对所述目标样本进行微距拍摄得到的所述目标微距拍摄图像。
可选地，所述第二处理模块，包括：
处理单元，用于在所述目标样本为人体切除样本的情况下，将所述多张预处理图像输入到所述目标神经网络模型，得到所述目标神经网络模型输出的图像识别结果，其中，所述目标神经网络模型用于对所述人体切除样本中的病灶区域进行预测，所述图像识别结果用于表示所述目标样本中预测的所述病灶区域，所述目标区域包括所病灶区域。
可选地，所述获取模块，包括：
第五获取单元，用于获取使用移动终端上的微距摄像头对所述目标样本进行微距拍摄得到的所述多张微距拍摄图像，其中，所述目标终端为所述移动终端。
可选地，所述第五获取单元用于通过如下方式获取使用移动终端上的微距摄像头对所述目标样本进行微距拍摄得到的所述多张微距拍摄图像：获取使用所述微距摄像头在全景模式下对所述目标样本进行微距拍摄得到的所述多张微距拍摄图像。
可选地，所述第五获取单元用于通过如下方式获取使用所述微距摄像头在全景模式下对所述目标样本进行微距拍摄得到的所述多张微距拍摄图像：在所述移动终端通过移动滑轨沿预定轨迹移动的情况下，获取使用所述微距摄像头在所述全景模式下对所述目标样本进行微距拍摄得到的所述多张微距拍摄图像。
根据本发明实施例的又一方面，还提供了一种计算机可读的存储介质，该计算机可读的存储介质中存储有计算机程序，其中，该计算机程序被设置为运行时执行上述微距成像方法。
根据本发明实施例的又一方面，还提供了一种电子设备，包括存储器和处理器，上述存储器中存储有计算机程序，上述处理器被设置为通过所述计算机程序执行上述的微距成像方法。
在本发明实施例中，采用获取目标终端在不同照明模式下对目标样本进行微距拍摄得到的多张微距拍摄图像，对多张微距拍摄图像进行预处理，得到多张预处理图像，将多张预处理图像输入到目标神经网络模型，得到目标神经网络模型输出的图像识别结果的方式，通过采用不同照明模式下对目标样本进行微距拍摄的方式替代了相关技术中使用X光影像进行拍摄的方式，达到了对样本进行拍摄时，完整、快速地获取样本中所需要的目标区域的目的，从而实现了提高拍摄获取目标区域的效率，降低拍摄获取目标区域的成本，完整、全面的获取到所需的目标区域的技术效果，进而解决了相关技术中获取目标样本的目标区域时，难以对样本进行拍摄时，难以完整、全面获取样本中所需要的目标区域的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的一种可选的微距成像方法的应用环境的示意图；
图2是根据本发明实施例的一种可选的微距成像方法的流程示意图；
图3是根据本发明实施例的另一种可选的微距成像方法的流程示意图；
图4是根据本发明实施例的一种可选的微距成像方法的示意图；
图5是根据本发明实施例的另一种可选的微距成像方法的示意图；
图6是根据本发明实施例的又一种可选的微距成像方法的示意图；
图7是根据本发明实施例的又一种可选的微距成像方法的示意图；
图8是根据本发明实施例的又一种可选的微距成像方法的示意图；
图9是根据本发明实施例的又一种可选的微距成像方法的示意图；
图10是根据本发明实施例的又一种可选的微距成像方法的示意图；
图11是根据本发明实施例的又一种可选的微距成像方法的示意图；
图12是根据本发明实施例的又一种可选的微距成像方法的示意图；
图13是根据本发明实施例的又一种可选的微距成像方法的示意图；
图14是根据本发明实施例的一种可选的微距成像系统的示意图；
图15是根据本发明实施例的另一种可选的微距成像系统的示意图；
图16是根据本发明实施例的一种可选的微距成像装置的结构示意图；
图17是根据本发明实施例的一种可选的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明实施例的一个方面，提供了一种微距成像方法，可选地，在本实施例中，上述微距成像方法可以应用于如图1所示的由服务器101和用户终端103所构成的硬件环境中。如图1所示，服务器101通过网络与终端103进行连接，可用于为用户终端或用户终端上安装的客户端提供服务，目标客户端可以是视频客户端、即时通信客户端、浏览器客户端、教育客户端、医疗诊断客户端等。可在服务器上或独立于服务器设置数据库105，用于为服务器101提供数据存储服务，上述网络可以包括但不限于：有线网络，无线网络，其中，该有线网络包括：局域网、城域网和广域网，该无线网络包括：蓝牙、WIFI及其他实现无线通信的网络，用户终端103可以是配置有目标客户端的终端，可以包括但不限于以下至少之一：手机(如Android手机、iOS手机等)、笔记本电脑、平板电脑、掌上电脑、MID(MobileInternet Devices，移动互联网设备)、PAD、台式电脑、智能电视等，上述服务器可以是单一服务器，也可以是由多个服务器组成的服务器集群，或者是云服务器，微距成像的应用程序107通过用户终端103进行显示，可通过终端上配置的微距成像的应用程序107的入口，使用上述微距成像服务，例如，可以通过应用程序107的显示界面中的拍摄交互对象进行拍摄操作，上述仅是一种示例，本实施例中对此不作任何限定。
可选地，作为一种可选的实施方式，如图2所示，上述微距成像方法包括：
S202，获取多张微距拍摄图像，其中，多张微距拍摄图像包括目标终端在不同照明模式下对目标样本进行微距拍摄得到的图像；
S204，对多张微距拍摄图像进行预处理，得到多张预处理图像；
S206，将多张预处理图像输入到目标神经网络模型，得到目标神经网络模型输出的图像识别结果，其中，目标神经网络模型用于对目标样本中的目标区域进行预测，图像识别结果用于表示目标样本中预测的目标区域。
可选地，在本实施例中，上述微距成像方法可以包括但不限于应用于医疗诊断、病理取材、生物制药、科学研究、环境保护等需要在样本中获取目标区域图像的应用场景中。
以上述应用场景为病理取材应用场景为例，图3是根据本发明实施例的另一种可选的微距成像方法的流程示意图，如图3所示，该流程可以包括如下步骤：
S302，预先配置能够进行微距拍摄图像的目标终端以及不同的照明模式；
S304，在不同的照明模式下控制目标终端对人体切除样本进行多模态的拍摄，得到多张微距拍摄图像；
S306，对多张微距拍摄图像进行预处理，得到多张预处理图像；
S308，将多张预处理图像输入目标神经网络模型，得到图像识别结果，以确定人体切除样本中的病灶区域的预测结果。
图4是根据本发明实施例的又一种可选的微距成像方法的示意图，如图4所示，通过获取目标终端在不同照明模式下对目标样本进行微距拍摄得到的多张微距拍摄图像402，将多张微距拍摄图像402进行图像预处理，得到多张预处理图像404，再将多张预处理图像404输入深度学习网络406中，以得到深度学习网络406输出的图像识别结果408，其中，图像识别结果408可以预测目标样本中的目标区域。
可选地，在本实施例中，上述目标终端可以包括但不限于预先配置有微距图像采集设备的终端，例如，配置有微距摄像头的手机，或者，还可以包括但不限于将微距镜头加装在终端上，例如，将微距镜头加装在终端的摄像头上。
可选地，在本实施例中，上述微距拍摄的方式可以包括但不限于在终端上添加额外微距镜头进行拍摄，也可以使用本身就内置微距镜头的终端进行拍摄，也可以是使用专业的微距摄影相机及镜头进行拍摄，例如，单反相机与匹配的微距镜头。
可选地，在本实施例中，上述照明模式可以包括但不限于多种可见光光源，例如，白光光源、蓝光光源，可以根据不同的实际需要选择不同的光源，例如，LED，还可以是白炽灯，卤素灯光源等各种涵盖可见光波段的照明光，其中，蓝光光源可以是添加了窄带滤波片的LED或卤素灯等。
可选地，在本实施例中，上述微距拍摄的方式能放大被摄物细节，能够实现完整、准确的发现目标样本的细节部分，也即，能够实现完整、准确的发现目标样本的目标区域，图5是根据本发明实施例的又一种可选的微距成像方法的示意图，如图5所示，其中，人体切除组织在不同的照明模式以及不同的采集设备中呈现不同的显示效果，以照明成像模式为反射式成像模式时，终端直接拍摄与终端通过微距拍摄的分辨率差异明显，在使用终端直接拍摄时，可以如样本502所示，将终端置于与样本的距离约25cm，在使用终端通过微距拍摄时，如样本504所示，将终端置于与样本的距离约为4.5cm，可以明显地看出，样本502的清晰度和分辨率均明显低于样本504的清晰度和分辨率，换言之，采用微距拍摄的方式能够实现在对样本进行拍摄时，能够达到清晰、准确地获取样本中所需要的目标区域的目的，从而实现了提高拍摄获取目标区域的效率，降低拍摄获取目标区域的成本。
可选地，在本实施例中，上述目标样本可以包括但不限于病理切片、动植物、岩石、化学物等需要从样本中获取待确认细节部分的样本，上述目标区域可以包括但不限于需要进行确认的细节部分。
可选地，在本实施例中，上述预处理可以包括但不限于将多个微距拍摄图像对齐、放大、缩小、改变分辨率以及其他当前或未来能够使得多个微距拍摄图像能够进行对比的预处理方法。
可选地，在本实施例中，上述目标神经网络模型可以包括但不限于U-net,GAN，CNN等深度学习网络，也可以包括但不限于除深度学习以外的机器学习算法，例如，主成分分析(PCA)等，还可以包括但不限于其他非机器学习算法，可以包括但不限于监督式或者非监督式学习算法，例如，残差神经网络、卷积神经网络、TensorFlow机器学习框架等。
上述仅是一种示例，本实施例不做任何具体的限定。
通过本实施例，采用获取目标终端在不同照明模式下对目标样本进行微距拍摄得到的多张微距拍摄图像，对多张微距拍摄图像进行预处理，得到多张预处理图像，将多张预处理图像输入到目标神经网络模型，得到目标神经网络模型输出的图像识别结果的方式，通过采用不同照明模式下对目标样本进行微距拍摄的方式替代了相关技术中使用X光影像进行拍摄的方式，达到了对样本进行拍摄时，完整、快速地获取样本中所需要的目标区域的目的，从而实现了提高拍摄获取目标区域的效率，降低拍摄获取目标区域的成本，完整、全面的获取到所需的目标区域的技术效果，进而解决了相关技术中获取目标样本的目标区域时，难以对样本进行拍摄时，难以完整、全面获取样本中所需要的目标区域的技术问题。
在一个可选的实施例中，获取多张微距拍摄图像，包括：在不同照明模式包括白光透射照明模式和白光反射照明模式的情况下，获取第一微距拍摄图像和第二微距拍摄图像，其中，第一微距拍摄图像是在采用白光透射照明模式对目标样本进行照明时，目标终端对目标样本进行微距拍摄得到的图像，第二微距拍摄图像是在采用白光反射照明模式对目标样本进行照明时，目标终端对目标样本进行微距拍摄得到的图像。
可选地，在本实施例中，上述白光透射照明模式可以通过包括但不限于将白光光源置于目标样本的背部进行照明，获取基于目标样本背部的白光透射图片，上述白光反射照明模式可以通过包括但不限于将白光光源置于目标样本的侧面进行照明，获取基于目标样本的白光反射图片。
可选地，在本实施例中，可以如图6所示，通过打开LED背面602，关闭白色LED侧面604，利用目标终端606控制微距摄像头608采集样本610，实现获取第一微距拍摄图像，通过关闭LED背面602，打开用于发射白色光的光源LED侧面604，利用目标终端606控制微距摄像头608采集样本610，实现获取第二微距拍摄图像，上述LED光源的切换可以通过设置在拍摄台侧面的交互按钮实现。
通过本实施例，能够通过白光透射照明模式和白光反射照明模式得到第一微距拍摄图像和第二微距拍摄图像，再将第一微距拍摄图像和第二微距拍摄图像进行预处理，最后将预处理后的图像输入目标神经网络模型，以实现更加简便地获取样本中所需要的目标区域的目的，从而实现了提高拍摄获取目标区域的效率，降低拍摄获取目标区域的成本的技术效果。
在一个可选的实施例中，获取多张微距拍摄图像，包括：在不同照明模式包括白光透射照明模式和彩色光反射照明模式的情况下，获取第一微距拍摄图像和第三微距拍摄图像，其中，第一微距拍摄图像是在采用白光透射照明模式对目标样本进行照明时，目标终端对目标样本进行微距拍摄得到的图像，第三微距拍摄图像是在采用彩色光反射照明模式对目标样本进行照明时，目标终端对目标样本进行微距拍摄得到的图像。
可选地，在本实施例中，上述白光透射照明模式可以通过包括但不限于将白光光源置于目标样本的背部进行照明，获取基于目标样本背部的白光透射图片，上述彩色光反射照明模式可以通过包括但不限于将彩色光光源置于目标样本的侧面进行照明，获取基于目标样本的彩色光反射图片。
可选地，在本实施例中，可以如图7所示，通过打开LED背面702，关闭彩色LED侧面704，利用目标终端706控制微距摄像头708采集样本710，实现获取第一微距拍摄图像，通过关闭LED背面702，打开用于发射彩色光的彩色LED侧面704，利用目标终端706控制微距摄像头708采集样本710，实现获取第三微距拍摄图像，上述LED光源的切换可以通过设置在拍摄台侧面的交互按钮实现。
通过本实施例，能够通过白光透射照明模式和彩色光反射照明模式得到第一微距拍摄图像和第三微距拍摄图像，再将第一微距拍摄图像和第三微距拍摄图像进行预处理，最后将预处理后的图像输入目标神经网络模型，以实现更加简便地获取样本中所需要的目标区域的目的，从而实现了提高拍摄获取目标区域的效率，降低拍摄获取目标区域的成本的技术效果。
在一个可选的实施例中，获取多张微距拍摄图像，包括：在不同照明模式包括白光反射照明模式和彩色光反射照明模式的情况下，获取第二微距拍摄图像和第三微距拍摄图像，其中，第二微距拍摄图像是在采用白光反射照明模式对目标样本进行照明时，目标终端对目标样本进行微距拍摄得到的图像，第三微距拍摄图像是在采用彩色光反射照明模式对目标样本进行照明时，目标终端对目标样本进行微距拍摄得到的图像。
可选地，在本实施例中，上述白光反射照明模式可以通过包括但不限于将白光光源置于目标样本的侧面进行照明，获取基于目标样本的白光反射图片，上述彩色光反射照明模式可以通过包括但不限于将彩色光光源置于目标样本的侧面进行照明，获取基于目标样本的彩色光反射图片。
可选地，在本实施例中，可以如图8所示，通过打开白色LED侧面802，关闭用于发射彩色光的彩色LED侧面804，利用目标终端806控制微距摄像头808采集样本810，实现获取第二微距拍摄图像，通过关闭白色LED侧面802，打开用于发射彩色光的彩色LED侧面804，利用目标终端806控制微距摄像头808采集样本810，实现获取第三微距拍摄图像，上述LED光源的切换可以通过设置在拍摄台侧面的交互按钮实现。
通过本实施例，能够通过白光反射照明模式和彩色光反射照明模式得到第二微距拍摄图像和第三微距拍摄图像，再将第二微距拍摄图像和第三微距拍摄图像进行预处理，最后将预处理后的图像输入目标神经网络模型，以实现更加简便地获取样本中所需要的目标区域的目的，从而实现了提高拍摄获取目标区域的效率，降低拍摄获取目标区域的成本的技术效果。
在一个可选的实施例中，获取多张微距拍摄图像，包括：在不同照明模式包括白光透射照明模式、白光反射照明模式以及彩色光反射照明模式的情况下，获取第一微距拍摄图像、第二微距拍摄图像和第三微距拍摄图像，其中，第一微距拍摄图像是在采用白光透射照明模式对目标样本进行照明时，目标终端对目标样本进行微距拍摄得到的图像，第二微距拍摄图像是在采用白光反射照明模式对目标样本进行照明时，目标终端对目标样本进行微距拍摄得到的图像，第三微距拍摄图像是在采用彩色光反射照明模式对目标样本进行照明时，目标终端对目标样本进行微距拍摄得到的图像。
可选地，在本实施例中，上述白光透射照明模式可以通过包括但不限于将白光光源置于目标样本的背部进行照明，获取基于目标样本背部的白光透射图片，上述白光反射照明模式可以通过包括但不限于将白光光源置于目标样本的侧面进行照明，获取基于目标样本的白光反射图片，上述彩色光反射照明模式可以通过包括但不限于将彩色光光源置于目标样本的侧面进行照明，获取基于目标样本的彩色光反射图片。
可选地，在本实施例中，可以如图9所示，通过打开LED背面902，关闭白色LED侧面904，利用目标终端906控制微距摄像头908采集样本910，实现获取第一微距拍摄图像，通过关闭LED背面902，打开用于发射白色光的光源LED侧面904，利用目标终端906控制微距摄像头908采集样本910，实现获取第二微距拍摄图像，通过关闭白色LED侧面902，打开用于发射彩色光的彩色LED侧面904，利用目标终端906控制微距摄像头908采集样本910，实现获取第三微距拍摄图像，上述LED光源的切换可以通过设置在拍摄台侧面的交互按钮实现。
通过本实施例，能够通过白光透射照明模式、白光反射照明模式和彩色光反射照明模式得到第一微距拍摄图像、第二微距拍摄图像和第三微距拍摄图像，再将第一微距拍摄图像、第二微距拍摄图像和第三微距拍摄图像进行预处理，最后将预处理后的图像输入目标神经网络模型，以实现更加简便地获取样本中所需要的目标区域的目的，从而实现了提高拍摄获取目标区域的效率，降低拍摄获取目标区域的成本的技术效果。
在一个可选的实施例中，获取第三微距拍摄图像包括：在彩色光反射照明模式为蓝光反射照明模式的情况下，获取目标微距拍摄图像，其中，第三微距拍摄图像为目标微距拍摄图像，目标微距拍摄图像是在采用蓝光反射照明模式对目标样本进行照明时，目标终端对目标样本进行微距拍摄得到的图像。
可选地，在本实施例中，可以将上述图7中的彩色LED侧面704，可以将上述图8中的彩色LED侧面804以及可以将上述图9中的彩色LED侧面912配置为蓝色LED光源，上述蓝色LED光源可以包括但不限于450nm窄带蓝光等。
上述仅是一种示例，本实施例对此不做任何具体的限定。
通过本实施例，使用蓝色灯珠作为蓝色LED光源可以清楚地展示出样本的目标区域的细节部分，便于后续的预处理以及输入目标神经网络模型进行识别的技术效果。
在一个可选的实施例中，在彩色光反射照明模式为蓝光反射照明模式的情况下，获取目标微距拍摄图像，包括：在使用450nm蓝光灯珠对目标样本进行照明的情况下，获取目标终端对目标样本进行微距拍摄得到的目标微距拍摄图像。
通过本实施例，使用450nm蓝色灯珠作为蓝色LED光源可以更加清楚地展示出样本的目标区域的细节部分，在目标样本为例如病理切块时，能够更加清楚地展示出不同组织类型对450nm的窄带波长的反射率，进而，便于后续的预处理以及输入目标神经网络模型进行识别的技术效果。
在一个可选的实施例中，将多张预处理图像输入到目标神经网络模型，得到目标神经网络模型输出的图像识别结果，包括：在目标样本为人体切除样本的情况下，将多张预处理图像输入到目标神经网络模型，得到目标神经网络模型输出的图像识别结果，其中，目标神经网络模型用于对人体切除样本中的病灶区域进行预测，图像识别结果用于表示目标样本中预测的病灶区域，目标区域包括所病灶区域。
可选地，在本实施例中，上述人体切除样本可以包括但不限于心脏、肝脏、肺脏、脾脏、任何能够进行病理实验或者需要预测病灶区域的切除样本，上述目标神经网络模型为对待训练的神经网络模型进行训练得到的模型，上述神经网络模型可以包括但不限于U-net,GAN，CNN等深度学习网络，也可以包括但不限于除深度学习以外的机器学习算法，例如，主成分分析(PCA)等，还可以包括但不限于其他非机器学习算法，可以包括但不限于监督式或者非监督式学习算法，例如，残差神经网络、卷积神经网络、TensorFlow机器学习框架等。
可选地，在本实施例中，上述图像识别结果可以包括但不限于上述预处理图像中是否包含目标区域的概率，或者，上述预处理图像中指示样本所属对象是否发生病变的概率等，或者，上述预处理图像中的目标区域是否为上述病灶区域的概率等，上述仅是一种示例，本实施例对此不做任何具体的限制。
通过本实施例，能够将多张预处理图像输入到目标神经网络模型，得到目标神经网络模型输出的图像识别结果，以实现高效、准确地确定上述目标样本中的病灶区域，进而，能够解决相关技术中使用X光来获取病灶区域成本较高，或者，裸眼诊断的方式不够准确的技术问题，达到优化从业人员的体验，提高诊断效率与准确率的技术效果。
在一个可选的实施例中，获取多张微距拍摄图像，包括：获取使用移动终端上的微距摄像头对目标样本进行微距拍摄得到的多张微距拍摄图像，其中，目标终端为移动终端。
可选地，在本实施例中，上述移动终端可以包括但不限于手机、pad等上添加额外微距镜头进行拍摄，也可以使用内置微距镜头的手机、pad等进行拍摄，也可以是使用专业的微距摄影相机及镜头进行拍摄，例如单反相机与匹配的微距镜头，如图10所示，可以包括但不限于架设在移动滑轨1012上的目标终端1006。
通过本实施例，使用移动终端进行拍摄可以解决相关技术中使用X光来获取目标区域成本较高，或者，裸眼观测的方式不够准确的技术问题，达到优化从业人员的体验，提高观测效率与准确率的技术效果。
在一个可选的实施例中，获取使用移动终端上的微距摄像头对目标样本进行微距拍摄得到的多张微距拍摄图像，包括：获取使用微距摄像头在全景模式下对目标样本进行微距拍摄得到的多张微距拍摄图像。
可选地，在本实施例中，可以使用微距摄像头在全景模式下对目标样本进行微距拍摄得到的多张微距拍摄图像，上述全景模式可以包括但不限于终端本身安装的用于进行拍摄的应用程序中的拍摄模式，也可以包括但不限于为目标终端配置的用于当前应用场景的全景拍摄模式。
通过本实施例，可以基于全景模式进行拍摄，得到多张同光源的微距拍摄图像，进而，再通过全景模式中的图像拼接功能将多张微距拍摄图像进行合成，得到更加全面的微距拍摄图像，达到提高拍摄质量的技术效果。
在一个可选的实施例中，获取使用微距摄像头在全景模式下对目标样本进行微距拍摄得到的多张微距拍摄图像，包括：在移动终端通过移动滑轨沿预定轨迹移动的情况下，获取使用微距摄像头在全景模式下对目标样本进行微距拍摄得到的多张微距拍摄图像。
可选地，在本实施例中，如图11所示，将微距镜头1102与移动终端1104相连接，将移动终端1104与移动滑轨1106相连接，将目标样本放置在样本放置区域1108中，控制移动滑轨1106滑动以实现微距镜头1102的滑动，进而，能够通过微距镜头1102对样本放置区域1108中的样本进行多次连续拍摄或者全景拍摄。
可选地，在本实施例中，上述控制移动终端通过移动滑轨沿预定轨迹移动的方式可以包括但不限于人工移动、蓝牙控制移动、无线网络控制移动、NFC控制移动等多种移动方式，可以预先配置需要移动的预设轨迹，也可以根据不同的实际情况直接移动预设轨迹，通过无线网络控制移动的方式可以解决相关技术中进行微距拍摄过程容易发生拍摄抖动，造成拍摄到的微距图片不够准确的技术问题。
通过本实施例，可以基于移动滑轨控制微距镜头按照预定轨迹移动，进而，获取使用微距摄像头在全景模式下对目标样本进行微距拍摄得到的多张微距拍摄图像，再通过全景模式中的图像拼接功能将多张微距拍摄图像进行合成，得到更加全面的微距拍摄图像，能够达到在不影响拍摄分辨率的情况下，增加拍摄视野，并利用全景拍摄功能达到提高拍摄质量的技术效果。
下面结合具体的实施例，对本实施例进行进一步说明：
图12是根据本发明实施例的又一种可选的微距成像方法的流程示意图，如图12所示，该流程包括如下步骤：
S1202，为移动终端配置微距镜头或者使用自带微距镜头的终端，利用微距拍摄方式对样品进行拍摄；
S1204，基于不同的可见光光源采集得到多照明模态(白光透射，白光反射，450nm窄带蓝光反射)彩色图像；
S1206，将上述得到的彩色图像进行预处理，并输入神经网络模型中进行区域分割；
S1208，根据神经网络模型的输出结果模拟用于表示目标区域的图像。
其中，基于不同的可见光光源采集得到多照明模态(白光透射，白光反射，450nm窄带蓝光反射)彩色图像可以如图13所示，图3是根据本发明实施例的一种可选的微距成像方法的效果示意图，具体包括白光投射彩色图像，白光反射彩色图像，450nm窄带蓝光反射彩色图像，还可以根据不同的实际需求调整光源的颜色，进而获得不同的彩色图像。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
根据本发明实施例的另一个方面，还提供了一种微距成像系统。如图14所示，该系统包括：
照明器件1402，用于采用不同照明模式对目标样本进行照明；
微距拍摄器件1404，用于在所述照明器件采用所述不同照明模式对所述目标样本进行照明的情况下，对所述目标样本进行微距拍摄，得到所述不同照明模式下的多张微距拍摄图像；处理器件，用于对所述多张微距拍摄图像进行预处理，得到多张预处理图像，并将所述多张预处理图像输入到目标神经网络模型，得到所述目标神经网络模型输出的图像识别结果，其中，所述目标神经网络模型用于对所述目标样本中的目标区域进行预测，所述图像识别结果用于表示所述目标样本中预测的所述目标区域。
在一个可选的实施例中，如图15所示，所述照明器件1402包括：
第一照明组件1502，用于采用白光透射照明模式对所述目标样本进行照明；第二照明组件1504，用于采用白光反射照明模式对所述目标样本进行照明；其中，所述不同照明模式包括所述白光透射照明模式和所述白光反射照明模式，所述微距拍摄组件用于在所述不同照明模式包括所述白光透射照明模式和所述白光反射照明模式的情况下，获取第一微距拍摄图像和第二微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像。
在一个可选的实施例中，如图15所示，所述照明器件1402包括：第一照明组件1502，用于采用白光透射照明模式对所述目标样本进行照明；第三照明组件1506，用于采用彩色光反射照明模式对所述目标样本进行照明；其中，所述不同照明模式包括所述白光透射照明模式和所述彩色光反射照明模式，所述微距拍摄组件用于在所述不同照明模式包括所述白光透射照明模式和所述彩色光反射照明模式的情况下，获取第一微距拍摄图像和第三微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像。
在一个可选的实施例中，如图15所示，所述照明器件1402包括：第二照明组件1504，用于采用白光反射照明模式对所述目标样本进行照明；第三照明组件1506，用于采用彩色光反射照明模式对所述目标样本进行照明；其中，所述不同照明模式包括所述白光反射照明模式和所述彩色光反射照明模式，所述微距拍摄组件用于在所述不同照明模式包括所述白光反射照明模式和所述彩色光反射照明模式的情况下，获取第二微距拍摄图像和第三微距拍摄图像，其中，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像。
在一个可选的实施例中，所述照明器件1402包括：第一照明组件1502，用于采用白光透射照明模式对所述目标样本进行照明；第二照明组件1504，用于采用白光反射照明模式对所述目标样本进行照明；第三照明组件1506，用于采用彩色光反射照明模式对所述目标样本进行照明；其中，所述不同照明模式包括所述白光透射照明模式、所述白光反射照明模式和所述彩色光反射照明模式，所述微距拍摄组件用于在所述不同照明模式包括所述白光透射照明模式、所述白光反射照明模式和所述彩色光反射照明模式的情况下，获取第一微距拍摄图像、第二微距拍摄图像和第三微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像。
在一个可选的实施例中，所述第三照明器件1506包括：蓝光照明器件，用于采用蓝光反射照明模式对所述目标样本进行照明，其中，所述彩色光反射照明模式包括所述蓝光反射照明模式；其中，所述第三微距拍摄图像是在采用所述蓝光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像。
在一个可选的实施例中，所述蓝光照明器件包括：450nm蓝光灯珠。
在一个可选的实施例中，所述图像处理器件包括：图像处理芯片，用于在所述目标样本为人体切除样本的情况下，将所述多张预处理图像输入到所述目标神经网络模型，得到所述目标神经网络模型输出的图像识别结果，其中，所述目标神经网络模型用于对所述人体切除样本中的病灶区域进行预测，所述图像识别结果用于表示所述目标样本中预测的所述病灶区域，所述目标区域包括所病灶区域。
在一个可选的实施例中，如图15所示，所述微距拍摄器件1404包括：设置有微距镜头的移动终端1508；或者微距镜头1510，以及与所述微距镜头连接的移动终端1512。
在一个可选的实施例中，所述微距成像系统还包括：云台1514，用于固定所述微距拍摄器件1404；移动滑轨1516，与所述云台连接，用于通过所述云台带动所述微距拍摄组件沿预定轨迹移动。
在一个可选的实施例中，所述微距成像系统还包括：玻璃底盘1518，用于放置所述目标样品。
在一个可选的实施例中，所述图像处理器件设置在所述微距拍摄器件内部；或者，所述图像处理器件设置在所述微距拍摄器件外部，并所述微距拍摄器件与所述图像处理器件之间建立通信连接，所述微距拍摄器件还用于通过所述通信连接将所述多张微距拍摄图像传输给所述图像处理器件。
根据本发明实施例的另一个方面，还提供了一种用于实施上述微距成像方法的微距成像装置。如图16所示，该装置包括：
获取模块1602，用于获取多张微距拍摄图像，其中，所述多张微距拍摄图像包括目标终端在不同照明模式下对目标样本进行微距拍摄得到的图像；
第一处理模块1604，用于对所述多张微距拍摄图像进行预处理，得到多张预处理图像；
第二处理模块1606，用于将所述多张预处理图像输入到目标神经网络模型，得到所述目标神经网络模型输出的图像识别结果，其中，所述目标神经网络模型用于对所述目标样本中的目标区域进行预测，所述图像识别结果用于表示所述目标样本中预测的所述目标区域。
在一个可选的实施例中，所述获取模块1602，包括：
第一获取单元，用于在所述不同照明模式包括白光透射照明模式和白光反射照明模式的情况下，获取第一微距拍摄图像和第二微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像。
在一个可选的实施例中，所述获取模块1602，包括：
第二获取单元，用于在所述不同照明模式包括白光透射照明模式和彩色光反射照明模式的情况下，获取第一微距拍摄图像和第三微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像。
在一个可选的实施例中，所述获取模块1602，包括：
第三获取单元，用于在所述不同照明模式包括白光反射照明模式和彩色光反射照明模式的情况下，获取第二微距拍摄图像和第三微距拍摄图像，其中，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像。
在一个可选的实施例中，所述获取模块1602，包括：
第四获取单元，用于在所述不同照明模式包括白光透射照明模式、白光反射照明模式以及彩色光反射照明模式的情况下，获取第一微距拍摄图像、第二微距拍摄图像和第三微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像。
在一个可选的实施例中，所述获取模块1602用于通过如下方式获取第三微距拍摄图像：
在所述彩色光反射照明模式为蓝光反射照明模式的情况下，获取目标微距拍摄图像，其中，所述第三微距拍摄图像为所述目标微距拍摄图像，所述目标微距拍摄图像是在采用所述蓝光反射照明模式对所述目标样本进行照明时，所述目标终端对所述目标样本进行微距拍摄得到的图像。
在一个可选的实施例中，所述获取模块1602用于通过如下方式在所述彩色光反射照明模式为蓝光反射照明模式的情况下，获取目标微距拍摄图像：在使用450nm蓝光灯珠对所述目标样本进行照明的情况下，获取所述目标终端对所述目标样本进行微距拍摄得到的所述目标微距拍摄图像。
在一个可选的实施例中，所述第二处理模块1606，包括：
处理单元，用于在所述目标样本为人体切除样本的情况下，将所述多张预处理图像输入到所述目标神经网络模型，得到所述目标神经网络模型输出的图像识别结果，其中，所述目标神经网络模型用于对所述人体切除样本中的病灶区域进行预测，所述图像识别结果用于表示所述目标样本中预测的所述病灶区域，所述目标区域包括所病灶区域。
在一个可选的实施例中，所述获取模块1602，包括：
第五获取单元，用于获取使用移动终端上的微距摄像头对所述目标样本进行微距拍摄得到的所述多张微距拍摄图像，其中，所述目标终端为所述移动终端。
在一个可选的实施例中，所述第五获取单元用于通过如下方式获取使用移动终端上的微距摄像头对所述目标样本进行微距拍摄得到的所述多张微距拍摄图像：获取使用所述微距摄像头在全景模式下对所述目标样本进行微距拍摄得到的所述多张微距拍摄图像。
在一个可选的实施例中，所述第五获取单元用于通过如下方式获取使用所述微距摄像头在全景模式下对所述目标样本进行微距拍摄得到的所述多张微距拍摄图像：在所述移动终端通过移动滑轨沿预定轨迹移动的情况下，获取使用所述微距摄像头在所述全景模式下对所述目标样本进行微距拍摄得到的所述多张微距拍摄图像。
根据本发明实施例的又一个方面，还提供了一种用于实施上述微距成像方法的电子设备，该电子设备可以是图1所示的终端设备或服务器。本实施例以该电子设备为终端为例来说明。如图17所示，该电子设备包括存储器1702和处理器1704，该存储器1702中存储有计算机程序，该处理器1704被设置为通过计算机程序执行上述任一项方法实施例中的步骤。
可选地，在本实施例中，上述电子设备可以位于计算机网络的多个网络设备中的至少一个网络设备。
可选地，在本实施例中，上述处理器可以被设置为通过计算机程序执行以下步骤：
S1，获取多张微距拍摄图像，其中，多张微距拍摄图像包括目标终端在不同照明模式下对目标样本进行微距拍摄得到的图像；
S2，对多张微距拍摄图像进行预处理，得到多张预处理图像；
S3，将多张预处理图像输入到目标神经网络模型，得到目标神经网络模型输出的图像识别结果，其中，目标神经网络模型用于对目标样本中的目标区域进行预测，图像识别结果用于表示目标样本中预测的目标区域。
可选地，本领域普通技术人员可以理解，图17所示的结构仅为示意，电子装置电子设备也可以是智能手机(如Android手机、iOS手机等)、平板电脑、掌上电脑以及移动互联网设备(Mobile Internet Devices，MID)、PAD等终端设备。图17其并不对上述电子装置电子设备的结构造成限定。例如，电子装置电子设备还可包括比图17中所示更多或者更少的组件(如网络接口等)，或者具有与图17所示不同的配置。
其中，存储器1702可用于存储软件程序以及模块，如本发明实施例中的微距成像方法和装置对应的程序指令/模块，处理器1704通过运行存储在存储器1702内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现上述的微距成像方法。存储器1702可包括高速随机存储器，还可以包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中，存储器1702可进一步包括相对于处理器1704远程设置的存储器，这些远程存储器可以通过网络连接至终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。其中，存储器1702具体可以但不限于用于存储微距拍摄图像与预处理图像等信息。作为一种示例，如图17所示，上述存储器1702中可以但不限于包括上述微距成像装置中的获取模块1602、第一处理模块1604以及第二处理模块1606。此外，还可以包括但不限于上述微距成像装置中的其他模块单元，本示例中不再赘述。
可选地，上述的传输装置1706用于经由一个网络接收或者发送数据。上述的网络具体实例可包括有线网络及无线网络。在一个实例中，传输装置1706包括一个网络适配器(Network Interface Controller，NIC)，其可通过网线与其他网络设备与路由器相连从而可与互联网或局域网进行通讯。在一个实例中，传输装置1706为射频(Radio Frequency，RF)模块，其用于通过无线方式与互联网进行通讯。
此外，上述电子设备还包括：显示器1708，用于显示上述微距拍摄界面；和连接总线1710，用于连接上述电子设备中的各个模块部件。
在其他实施例中，上述终端设备或者服务器可以是一个分布式系统中的一个节点，其中，该分布式系统可以为区块链系统，该区块链系统可以是由该多个节点通过网络通信的形式连接形成的分布式系统。其中，节点之间可以组成点对点(P2P，Peer To Peer)网络，任意形式的计算设备，比如服务器、终端等电子设备都可以通过加入该点对点网络而成为该区块链系统中的一个节点。
根据本发明实施例的又一方面，提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述微距成像的处理过程中的各种可选实现方式中提供的方法。
可选地，在本实施例中，上述计算机可读的存储介质可以被设置为存储用于执行以下步骤的计算机程序：
S1，获取多张微距拍摄图像，其中，多张微距拍摄图像包括目标终端在不同照明模式下对目标样本进行微距拍摄得到的图像；
S2，对多张微距拍摄图像进行预处理，得到多张预处理图像；
S3，将多张预处理图像输入到目标神经网络模型，得到目标神经网络模型输出的图像识别结果，其中，目标神经网络模型用于对目标样本中的目标区域进行预测，图像识别结果用于表示目标样本中预测的目标区域。
可选地，在本实施例中，本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令终端设备相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(Read-Only Memory，ROM)、随机存取器(Random Access Memory，RAM)、磁盘或光盘等。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
上述实施例中的集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在上述计算机可读取的存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在存储介质中，包括若干指令用以使得一台或多台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的客户端，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (15)
1.一种微距成像系统，其特征在于，包括：
照明器件，用于采用不同照明模式对目标样本进行照明；
微距拍摄器件，用于在所述照明器件采用所述不同照明模式对所述目标样本进行照明的情况下，对所述目标样本进行微距拍摄，得到所述不同照明模式下的多张微距拍摄图像；处理器件，用于对所述多张微距拍摄图像进行预处理，得到多张预处理图像，并将所述多张预处理图像输入到目标神经网络模型，得到所述目标神经网络模型输出的图像识别结果，其中，所述目标神经网络模型用于对所述目标样本中的目标区域进行预测，所述图像识别结果用于表示所述目标样本中预测的所述目标区域。
2.根据权利要求1所述的系统，其特征在于，所述照明器件包括：
第一照明组件，用于采用白光透射照明模式对所述目标样本进行照明；
第二照明组件，用于采用白光反射照明模式对所述目标样本进行照明；
其中，所述不同照明模式包括所述白光透射照明模式和所述白光反射照明模式，所述微距拍摄组件用于在所述不同照明模式包括所述白光透射照明模式和所述白光反射照明模式的情况下，获取第一微距拍摄图像和第二微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像。
3.根据权利要求1所述的系统，其特征在于，所述照明器件包括：
第一照明组件，用于采用白光透射照明模式对所述目标样本进行照明；
第三照明组件，用于采用彩色光反射照明模式对所述目标样本进行照明；
其中，所述不同照明模式包括所述白光透射照明模式和所述彩色光反射照明模式，所述微距拍摄组件用于在所述不同照明模式包括所述白光透射照明模式和所述彩色光反射照明模式的情况下，获取第一微距拍摄图像和第三微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像。
4.根据权利要求1所述的系统，其特征在于，所述照明器件包括：
第二照明组件，用于采用白光反射照明模式对所述目标样本进行照明；
第三照明组件，用于采用彩色光反射照明模式对所述目标样本进行照明；
其中，所述不同照明模式包括所述白光反射照明模式和所述彩色光反射照明模式，所述微距拍摄组件用于在所述不同照明模式包括所述白光反射照明模式和所述彩色光反射照明模式的情况下，获取第二微距拍摄图像和第三微距拍摄图像，其中，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像。
5.根据权利要求1所述的系统，其特征在于，所述照明器件包括：
第一照明组件，用于采用白光透射照明模式对所述目标样本进行照明；
第二照明组件，用于采用白光反射照明模式对所述目标样本进行照明；
第三照明组件，用于采用彩色光反射照明模式对所述目标样本进行照明；
其中，所述不同照明模式包括所述白光透射照明模式、所述白光反射照明模式和所述彩色光反射照明模式，所述微距拍摄组件用于在所述不同照明模式包括所述白光透射照明模式、所述白光反射照明模式和所述彩色光反射照明模式的情况下，获取第一微距拍摄图像、第二微距拍摄图像和第三微距拍摄图像，其中，所述第一微距拍摄图像是在采用所述白光透射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像，所述第二微距拍摄图像是在采用所述白光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像，所述第三微距拍摄图像是在采用所述彩色光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像。
6.根据权利要求3至5中任一项所述的系统，其特征在于，所述第三照明器件包括：
蓝光照明器件，用于采用蓝光反射照明模式对所述目标样本进行照明，其中，所述彩色光反射照明模式包括所述蓝光反射照明模式；
其中，所述第三微距拍摄图像是在采用所述蓝光反射照明模式对所述目标样本进行照明时，对所述目标样本进行微距拍摄得到的图像。
7.根据权利要求6所述的系统，其特征在于，所述蓝光照明器件包括：450nm蓝光灯珠。
8.根据权利要求1至5中任一项所述的系统，其特征在于，所述图像处理器件包括：
图像处理芯片，用于在所述目标样本为人体切除样本的情况下，将所述多张预处理图像输入到所述目标神经网络模型，得到所述目标神经网络模型输出的图像识别结果，其中，所述目标神经网络模型用于对所述人体切除样本中的病灶区域进行预测，所述图像识别结果用于表示所述目标样本中预测的所述病灶区域，所述目标区域包括所病灶区域。
9.根据权利要求1至5中任一项所述的系统，其特征在于，所述微距拍摄器件包括：
设置有微距镜头的移动终端；或者
微距镜头，以及与所述微距镜头连接的移动终端。
10.根据权利要求1至5中任一项所述的系统，其特征在于，所述微距成像系统还包括：
云台，用于固定所述微距拍摄器件；
移动滑轨，与所述云台连接，用于通过所述云台带动所述微距拍摄组件沿预定轨迹移动。
11.根据权利要求1至5中任一项所述的系统，其特征在于，所述微距成像系统还包括：
玻璃底盘，用于放置所述目标样品。
12.根据权利要求1至5中任一项所述的系统，其特征在于，
所述图像处理器件设置在所述微距拍摄器件内部；或者，
所述图像处理器件设置在所述微距拍摄器件外部，并所述微距拍摄器件与所述图像处理器件之间建立通信连接，所述微距拍摄器件还用于通过所述通信连接将所述多张微距拍摄图像传输给所述图像处理器件。
13.一种微距成像方法，其特征在于，包括：
获取多张微距拍摄图像，其中，所述多张微距拍摄图像包括目标终端在不同照明模式下对目标样本进行微距拍摄得到的图像；
对所述多张微距拍摄图像进行预处理，得到多张预处理图像；
将所述多张预处理图像输入到目标神经网络模型，得到所述目标神经网络模型输出的图像识别结果，其中，所述目标神经网络模型用于对所述目标样本中的目标区域进行预测，所述图像识别结果用于表示所述目标样本中预测的所述目标区域。
14.一种计算机可读的存储介质，所述计算机可读的存储介质包括存储的程序，其中，所述程序运行时执行所述权利要求13所述的方法。
15.一种电子设备，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为通过所述计算机程序执行所述权利要求13所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010820512.8A CN111935404B (zh) | 2020-08-14 | 2020-08-14 | 微距成像系统、方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010820512.8A CN111935404B (zh) | 2020-08-14 | 2020-08-14 | 微距成像系统、方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111935404A true CN111935404A (zh) | 2020-11-13 |
| CN111935404B CN111935404B (zh) | 2021-10-15 |
Family
ID=73310393
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010820512.8A Active CN111935404B (zh) | 2020-08-14 | 2020-08-14 | 微距成像系统、方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111935404B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114191001A (zh) * | 2021-12-13 | 2022-03-18 | 苏州高分生物科技有限公司 | 一种肿瘤检测用的肿瘤组织取样装置及取样方法 |
| CN114563869A (zh) * | 2022-01-17 | 2022-05-31 | 中国地质大学（武汉） | 一种贴片式手机显微镜检测系统及其显微结果获取方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1164381A (zh) * | 1997-04-04 | 1997-11-12 | 华南理工大学 | 视网膜血管管径形变智能化测定系统及其测定方法 |
| CN102207444A (zh) * | 2011-03-17 | 2011-10-05 | 上海理工大学 | 一种图像法颗粒分析仪 |
| US20130155499A1 (en) * | 2010-12-24 | 2013-06-20 | Arthur Edward Dixon | Pathology Slide Scanner |
| CN104919792A (zh) * | 2012-12-27 | 2015-09-16 | 日立麦克赛尔株式会社 | 镜头模块以及携带型拍摄装置 |
| CN105391931A (zh) * | 2014-08-28 | 2016-03-09 | 松下知识产权经营株式会社 | 图像处理装置和图像处理方法 |
| CN108257674A (zh) * | 2018-01-24 | 2018-07-06 | 龙马智芯（珠海横琴）科技有限公司 | 疾病预测方法和装置、设备、计算机可读存储介质 |
| CN109523532A (zh) * | 2018-11-13 | 2019-03-26 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、计算机可读介质及电子设备 |
| CN110007100A (zh) * | 2019-03-21 | 2019-07-12 | 上海商睿智能科技有限公司 | 一种基于微距摄像头和智能识别系统生物检测终端 |
| CN110111313A (zh) * | 2019-04-22 | 2019-08-09 | 腾讯科技（深圳）有限公司 | 基于深度学习的医学图像检测方法及相关设备 |
| CN110596126A (zh) * | 2018-05-25 | 2019-12-20 | 上海翌视信息技术有限公司 | 一种基于图像采集的片状玻璃边缘瑕疵检测方法 |
| CN210269631U (zh) * | 2019-07-23 | 2020-04-07 | 北京市人工影响天气办公室 | 便携式降雪颗粒形态观测装置 |
| CN111164484A (zh) * | 2017-09-29 | 2020-05-15 | 徕卡生物系统成像股份有限公司 | 双程微距图像 |
| CN111368708A (zh) * | 2020-03-02 | 2020-07-03 | 中南大学湘雅医院 | 一种基于人工智能的烧烫伤图像快速分级识别方法及系统 |
-
2020
- 2020-08-14 CN CN202010820512.8A patent/CN111935404B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1164381A (zh) * | 1997-04-04 | 1997-11-12 | 华南理工大学 | 视网膜血管管径形变智能化测定系统及其测定方法 |
| US20130155499A1 (en) * | 2010-12-24 | 2013-06-20 | Arthur Edward Dixon | Pathology Slide Scanner |
| CN102207444A (zh) * | 2011-03-17 | 2011-10-05 | 上海理工大学 | 一种图像法颗粒分析仪 |
| CN104919792A (zh) * | 2012-12-27 | 2015-09-16 | 日立麦克赛尔株式会社 | 镜头模块以及携带型拍摄装置 |
| CN105391931A (zh) * | 2014-08-28 | 2016-03-09 | 松下知识产权经营株式会社 | 图像处理装置和图像处理方法 |
| CN111164484A (zh) * | 2017-09-29 | 2020-05-15 | 徕卡生物系统成像股份有限公司 | 双程微距图像 |
| CN108257674A (zh) * | 2018-01-24 | 2018-07-06 | 龙马智芯（珠海横琴）科技有限公司 | 疾病预测方法和装置、设备、计算机可读存储介质 |
| CN110596126A (zh) * | 2018-05-25 | 2019-12-20 | 上海翌视信息技术有限公司 | 一种基于图像采集的片状玻璃边缘瑕疵检测方法 |
| CN109523532A (zh) * | 2018-11-13 | 2019-03-26 | 腾讯科技（深圳）有限公司 | 图像处理方法、装置、计算机可读介质及电子设备 |
| CN110007100A (zh) * | 2019-03-21 | 2019-07-12 | 上海商睿智能科技有限公司 | 一种基于微距摄像头和智能识别系统生物检测终端 |
| CN110111313A (zh) * | 2019-04-22 | 2019-08-09 | 腾讯科技（深圳）有限公司 | 基于深度学习的医学图像检测方法及相关设备 |
| CN210269631U (zh) * | 2019-07-23 | 2020-04-07 | 北京市人工影响天气办公室 | 便携式降雪颗粒形态观测装置 |
| CN111368708A (zh) * | 2020-03-02 | 2020-07-03 | 中南大学湘雅医院 | 一种基于人工智能的烧烫伤图像快速分级识别方法及系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114191001A (zh) * | 2021-12-13 | 2022-03-18 | 苏州高分生物科技有限公司 | 一种肿瘤检测用的肿瘤组织取样装置及取样方法 |
| CN114191001B (zh) * | 2021-12-13 | 2023-12-19 | 苏州高分生物科技有限公司 | 一种肿瘤检测用的肿瘤组织取样装置及取样方法 |
| CN114563869A (zh) * | 2022-01-17 | 2022-05-31 | 中国地质大学（武汉） | 一种贴片式手机显微镜检测系统及其显微结果获取方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111935404B (zh) | 2021-10-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20210169321A1 (en) | Smartphone-based handheld ophthalmic examination devices | |
| US10285624B2 (en) | Systems, devices, and methods for estimating bilirubin levels | |
| JP4898704B2 (ja) | 画像診断用データ・サンプリング・デバイス並びに該デバイスに用いられる撮像用アダプタ | |
| CN103491850B (zh) | 荧光观察装置及其图像显示方法 | |
| CN111935404B (zh) | 微距成像系统、方法和装置 | |
| KR20160010864A (ko) | 검안경 | |
| WO2009058996A1 (en) | Method and apparatus for skin documentation and analysis | |
| CN108430307A (zh) | 视网膜图像捕获 | |
| US20090189972A1 (en) | System and method for video medical examination and real time transmission to remote locations | |
| CN113543694B (zh) | 医用图像处理装置、处理器装置、内窥镜系统、医用图像处理方法、及记录介质 | |
| JPWO2015029537A1 (ja) | 器官画像撮影装置 | |
| CN109222865A (zh) | 一种多模态成像内窥镜系统 | |
| JPWO2019123986A1 (ja) | 医療画像処理装置及び方法、内視鏡システム、プロセッサ装置、診断支援装置並びにプログラム | |
| CN209172253U (zh) | 一种多模态成像内窥镜系统 | |
| CN106999045A (zh) | 器官图像拍摄装置以及程序 | |
| CN106102560A (zh) | 眼科装置、方法及系统 | |
| CN110022756A (zh) | 离焦视网膜图像捕获 | |
| CN109565565A (zh) | 信息处理装置、信息处理方法和信息处理程序 | |
| JP7310123B2 (ja) | 撮影装置及びプログラム | |
| CN109152520A (zh) | 图像信号处理装置、图像信号处理方法以及图像信号处理程序 | |
| US20230319378A1 (en) | Image processing method and apparatus, electronic device, computer-readable storage medium, and computer program product | |
| CN112117001A (zh) | 全科医生智能影像辅助诊断系统 | |
| KR20200016315A (ko) | 휴대형 피부 진단 및 치료 장치, 시스템 및 방법 | |
| CN207755384U (zh) | 可分光式外科显微镜及其手术显微系统、可远程指导和教学系统 | |
| US11896345B2 (en) | Device for producing an image of depth-dependent morphological structures of skin lesions |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20211122 Address after: 518000 Room 201, building A, 1 front Bay Road, Shenzhen Qianhai cooperation zone, Shenzhen, Guangdong Patentee after: Tencent Medical Health (Shenzhen) Co.,Ltd. Address before: 518000 Tencent Building, No. 1 High-tech Zone, Nanshan District, Shenzhen City, Guangdong Province, 35 Floors Patentee before: TENCENT TECHNOLOGY (SHENZHEN) Co.,Ltd. |
|
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20220401 Address after: 518000 Room 201, building A, 1 front Bay Road, Shenzhen Qianhai cooperation zone, Shenzhen, Guangdong Patentee after: Tencent Medical Health (Shenzhen) Co.,Ltd. Patentee after: The fourth hospital of Hebei Medical University (Hebei Cancer Hospital) Address before: 518000 Room 201, building A, 1 front Bay Road, Shenzhen Qianhai cooperation zone, Shenzhen, Guangdong Patentee before: Tencent Medical Health (Shenzhen) Co.,Ltd. |