CN111951261A - 离体生物样本检查过程的控制方法、计算机设备和控制系统 - Google Patents
离体生物样本检查过程的控制方法、计算机设备和控制系统 Download PDFInfo
- Publication number
- CN111951261A CN111951261A CN202010859507.8A CN202010859507A CN111951261A CN 111951261 A CN111951261 A CN 111951261A CN 202010859507 A CN202010859507 A CN 202010859507A CN 111951261 A CN111951261 A CN 111951261A
- Authority
- CN
- China
- Prior art keywords
- image
- biological sample
- image set
- highest
- images
- 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.)
- Pending
Links
- 239000012472 biological sample Substances 0.000 title claims abstract description 71
- 238000000034 method Methods 0.000 title claims abstract description 60
- 230000008569 process Effects 0.000 title claims abstract description 30
- 238000000338 in vitro Methods 0.000 title claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 230000001575 pathological effect Effects 0.000 claims abstract description 22
- 230000000704 physical effect Effects 0.000 claims abstract description 20
- 238000003384 imaging method Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012360 testing method Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 238000004891 communication Methods 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 6
- 239000000523 sample Substances 0.000 description 5
- 210000004027 cell Anatomy 0.000 description 4
- 208000035473 Communicable disease Diseases 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 244000000010 microbial pathogen Species 0.000 description 3
- 244000005700 microbiome Species 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 241000606161 Chlamydia Species 0.000 description 1
- 241000233866 Fungi Species 0.000 description 1
- 241000238631 Hexapoda Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000204031 Mycoplasma Species 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 102000029797 Prion Human genes 0.000 description 1
- 108091000054 Prion Proteins 0.000 description 1
- 241000606701 Rickettsia Species 0.000 description 1
- 241000589970 Spirochaetales Species 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000013601 eggs Nutrition 0.000 description 1
- 210000003527 eukaryotic cell Anatomy 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 244000045947 parasite Species 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 210000001236 prokaryotic cell Anatomy 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000001931 thermography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 210000004916 vomit Anatomy 0.000 description 1
- 230000008673 vomiting Effects 0.000 description 1
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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/04—Programme control other than numerical control, i.e. in sequence controllers or logic controllers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Automation & Control Theory (AREA)
- Microscoopes, Condenser (AREA)
- Image Processing (AREA)
Abstract
本发明的实施例提供了一种离体生物样本检查过程的控制方法，包括下述步骤：获取离体生物样本检查过程中的连续的多张图像的第一图像集；分析和评价第一图像集中每张图像的质量并标记评分最高的图像在第一图像集中的位置；以评分最高的图像进行离体生物样本物理或病理性质检测；在预设的离体生物样本物理或病理性质检测结果下存储第二图像集，第二图像集包含第一图像集中评分最高的图像以及与评分最高的图像前后相邻的多张图像。本发明实施例提供的控制方法有利于更直观的观察离体生物样本的检查过程，提高检查结果的可信度和可审核性，并能为用户复现扫描过程提供依据。
Description
技术领域
本发明涉及一种控制方法，尤其涉及一种用于离体生物样本检查过程的控制方法、计算机设备和控制系统。
背景技术
对于各种因病原微生物等导致的传染病而言，及时、快速、无遗漏的对患者进行诊断是非常必要的。
对于各种病原微生物等导致的传染病的检测来说，通常是使用病理样本涂片后在显微镜下由检测人员进行观察和诊断。这样的检测方法对检测人员的职业技能具有一定的要求，往往需要检测人员经过一定的训练才能得以满足工作要求。同时，由于整个检测过程原则上只对外输出检测结果，缺少其它记录，降低了检测过程的可信度。
发明内容
本发明的实施例公开了一种用于离体生物样本检查过程的控制方法、计算机设备和控制系统，其至少部分的克服了相关技术中的一个或多个不足，提高了离体生物样本的检查过程的可信度和可审核性，并能为用户复现扫描过程提供直观依据。
在本发明的一个方面，公开了一种离体生物样本检查过程的控制方法，包括下述步骤：
获取离体生物样本检查过程中的连续的多张图像的第一图像集；
分析和评价所述第一图像集中每张图像的质量并标记评分最高的图像在所述第一图像集中的位置；
以所述评分最高的图像进行离体生物样本物理或病理性质检测；
在预设的离体生物样本物理或病理性质检测结果下存储第二图像集，所述第二图像集包含第一图像集中评分最高的图像以及与评分最高的图像前后相邻的多张图像。
例如，分析和评价所述第一图像集中每张图像的质量，包括分析每张图像的清晰度，以清晰度作为每张图像的评分。
例如，获取离体生物样本检查过程中的连续的多张图像的第一图像集，还包括在预设的离体生物样本物理或病理性质检测结果下,获得所述第一图像集中评分最高的图像在离体生物样本检查过程成像视野中的位置。
例如，所述方法还包括，在预设的离体生物样本物理或病理性质检测结果下，根据评分最高的图像在所述第一图像集中的位置和在离体生物样本检查过程成像视野中的位置，重新进行成像获得连续的多张图像的第三图像集，分析和评价所述第三图像集中每张图像的质量并标记评分最高的图像在所述第三图像集中的位置。
例如，所述第二图像集包含第一图像集中评分最高的图像以及与评分最高的图像前相邻的m张图像和后相邻的m张图像，m为不小于1的正整数。
在本发明的另一方面，公开了一种计算机设备，包括处理器和存储器，所述存储器配置成存储计算机程序；当所述计算机程序被所述处理器执行，使得所述处理器实现如所述实施例任一的控制方法。
在本发明的又一方面，公开了一种离体生物样本检测的控制系统，包括前述实施例的计算机设备，和与所述计算机设备连接的成像设备，所述成像设备配置成采集离体生物样本检测设备对离体生物样本的成像。
例如，所述离体生物样本检测设备为显微镜，所述显微镜的载物台配置成承载所述离体生物样本，所述成像设备面向所述显微镜的物镜。
例如，所述计算机设备进一步配置成调整所述载物台的位置。
例如，所述载物台为多自由度载物台。
本发明实施例提供的控制方法，至少部分地具有如下技术进步：
1、在检查离体图像样本的图像时，可以根据用户需求动态的加载包含最清晰离体样本图像的多张连续图像，重复再现检查过程，有利于用户的直接观察；
2、检查过程具有图像记录，提高检查结果的可信度和可审核性。
附图说明
图1为本发明实施例的控制方法的流程图；
图2为本发明实施例的计算机设备的框架图；
图3为本发明实施例的控制系统的框架图。
具体实施方式
为了使得本公开实施例的目的、技术方案和优点更加清楚，下面将结合本公开实施例的附图，对本公开实施例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公开的一部分实施例，而不是全部的实施例。基于所描述的本公开的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本公开保护的范围。
除非另外定义，本公开使用的技术术语或者科学术语应当为本公开所属领域内具有一般技能的人士所理解的通常意义。本公开中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。“连接”或者“相连”等类似的词语并非限定于物理的或者机械的连接，而是可以包括电性的连接，不管是直接的还是间接的。“上”、“下”、“左”、“右”等仅用于表示相对位置关系，当被描述对象的绝对位置改变后，则该相对位置关系也可能相应地改变。
为了保持本公开实施例的以下说明清楚且简明，本公开省略了已知功能和已知部件的详细说明。
在本发明的实施例中，离体指的是从动物或人体中将目标生物分离到体外环境，无论是通过手术或取样或呕吐物等进行的分离；生物样本泛指病原微生物或组织细胞，病原微生物包括但不限于：非细胞型微生物，如：主要包括病毒和朊粒等；原核细胞型微生物，如：细菌、立克次体、衣原体、支原体、螺旋体等；真核细胞型微生物，如：包括真菌、原虫、寄生虫(原虫、蠕虫、医学昆虫)及其虫卵等。组织细胞包括但不限于：组织切片及各种细胞。
在本发明的实施例中，图像可以通过各种医学图像采集装置获取。例如对于各种传染病的检测，可以通过显微镜成像的方法获得生物样本的显微图像。当然在其它的应用场合，图像还可以是通过超声设备、X线设备、核磁共振设备、核医学设备、医用光学设备以及热成像设备等，本公开在此不作限定。
在本发明的实施例中，图像可以为二维图像，也可以为三维图像。图像可以为灰度图像或二值化图像，也可以为彩色图像。
例如，在本发明的一些实施例中，图像是通过生物显微镜下的离体生物样本的图像。
例如，图像是通过生物显微镜下的离体生物样本的灰度图像。
例如，将离体生物样本置于显微镜的载物台上，将成像设备安装于显微镜框架并面向物镜从而对物镜所成离体生物样本的图像进行成像。
例如，离体生物样本可以是经过染色处理的。
例如，在本发明的一些实施例中，图像质量评价(Image Quality Assessment，IQA)通过对图像进行特性分析研究，然后评估出图像优劣(图像失真程度)。
例如，在本发明的一些实施例中，可以通过多种图像清晰度评价算法分析和评价所得图像的清晰度。
例如，在本发明的一些实施例中，在空域中评价图像的清晰度，通过分析图像的领域对比度，即相邻像素间的灰度特征的梯度差评价图像的清晰度。
例如，在本发明的一些实施例中，在频域中评价图像的清晰度，通过分析图像的频率分量，对焦清晰的图像高频分量较多，对焦模糊的图像低频分量较多，从而获得图像的清晰度。
例如，在本发明的一些实施例中，通过opencv等采用Tenengrad梯度方法、Laplacian梯度方法、方差方法等一种或多种方法评价图像的清晰度。
例如，还可以通过神经网络等机器学习的方法评价图像的清晰度，通过一些图像数据库(如ImageNet等)训练神经网络，初始化权重，然后利用人工分类后的不同质量图像进行微调，从而实现图像清晰度评价功能。
例如，在本发明的一些实施例中，使用了图像集的概念从而表述多张图像所构成的集合，容易理解这种集合既可以是将多张图像以多个单独文件的形式存放于某个文件夹，还可以是将多张图像以一个文件的形式，例如以视频、动画文件的形式进行存放。当其以视频等文件形式进行存储时，图像在图像集中位置可以是其在视频中的帧位置，例如位于视频的第k帧。
本发明的实施例提供了一种离体生物样本检查过程的控制方法，包括下述步骤：
S10获取离体生物样本检查过程中的连续的多张图像的第一图像集；
S20分析和评价所述第一图像集中每张图像的质量并标记评分最高的图像在所述第一图像集中的位置；
S30以所述评分最高的图像进行离体生物样本物理或病理性质检测；
S40在预设的离体生物样本物理或病理性质检测结果下存储第二图像集，所述第二图像集包含第一图像集中评分最高的图像以及与评分最高的图像前后相邻的多张图像。
在一些实施例中，通过成像设备，例如基于CCD或CMOS成像元件的数码相机、数码摄像头、数码录像机等，在离体生物样本检查过程中进行成像。
例如，可以选择具有高速成像能力的成像设备。如120fps、240fps等高速成像帧率的摄像头。
在一些实施例中，对离体生物样本检查过程是通过显微镜进行的。
在一些实施例中，分析和评价所述第一图像集中每张图像的质量，包括分析每张图像的清晰度，以清晰度作为每张图像的评分。
例如，采用Laplacian梯度方法对每张图像进行质量分析获得对焦最清晰的图像。该方法利用Laplacian算子分别计算图像在水平和垂直方向的梯度，同一场景下梯度值越高，图像越清晰；对焦模糊则得分降低。尽管在IQA领域有多种评价图像清晰度的方法，与诸如方差等分析方法相比，在本发明所针对的显微镜下离体样本图像这一特定应用场合，Laplacian算子对孤立象素的响应要比对边缘或线的响应要更强烈，可增强离体生物样本图像中灰度突变的区域，减弱灰度的缓慢变化区域，从而更好地适用于后期的离体生物样本病理性质分析。
在一些实施例中，第一图像集中的位置可以是图像在第一图像集中的序号，例如是拍摄的第N张图像(N为不小于1的整数)。通过对图像进行编号存储，有利于回顾观察。
在一些实施例中，获取离体生物样本检查过程中的连续的多张图像的第一图像集，还包括获得所述第一图像集中评分最高的图像在离体生物样本检查过程成像视野中的位置。
例如，以显微镜作为检查设备为例，对每一个成像视野，记录其载物平台的坐标。
例如，在对观察的离体生物样本进行自动对焦扫描时，自动记录每一个视野中获得评分最高照片时的三轴坐标。例如，X轴与Y轴座标数据表示在固定玻片时的位置点，Z轴数据为得到评分最高的时的对焦位置，从而保存了每一个视野中评分最高照片时的载物台的精确位置。
在一些实施例中，以所述评分最高的图像进行离体生物样本物理或病理性质检测、在预设的离体生物样本物理或病理性质检测结果下，等描述，指的可以是对生物样本的性质进行二分法判断，如阴性和阳性。
在本发明的一个实施例中，在离体生物样本物理或病理性质检测结果为阳性的情况下，存储第二图像集，第二图像集包含第一图像集中评分最高的图像以及与评分最高的图像前后相邻的多张图像。
在一些实施例中，以所述评分最高的图像进行离体生物样本物理或病理性质检测、在预设的离体生物样本物理或病理性质检测结果下，等描述，指的可以是对生物样本的性质进行四分法判断，如阴性、疑似、高度疑似和阳性。
在本发明的一个实施例中，在离体生物样本物理或病理性质检测结果为阳性或高度疑似的情况下，存储第二图像集，第二图像集包含第一图像集中评分最高的图像以及与评分最高的图像前后相邻的多张图像。
在本发明的一个实施例中，通过基于样本数据形成的打分方式对不同的检查结果进行评分从而区分为阴性、疑似、高度疑似和阳性。例如，采用样本图像训练以形成一个卷积神经网络并在输出层采用LR逻辑回归分类器、Softmax分类器等分类器，以输出结果的以评分≥95％认定为阳性，以评分＜95％、≥75％认定为高度可疑，以评分＜75％、≥50％认定为可疑；评分范围不对应阳性、可疑、高度可疑的评分对应的物理或病理性质为阴性。
上述分类方式和类别仅为示意性的，根据所要检测的生物样本类型的不同，本领域技术人员可以根据需要设定不同的分类阈值、分类方式等。
除此之外，也可以采用传统的统计学方式或者经验方式对检测结果进行定性分类。
例如，第二图像集包含第一图像集中评分最高的图像以及与评分最高的图像前相邻的m1(例如，m1为5)张图像和后相邻的m2(例如m2为8)张图像。
例如，第二图像集包含第一图像集中评分最高的图像以及与评分最高的图像前相邻的m张图像和后相邻的m(例如m为6)张图像。
尽管没有明确描述，第二图像集也可以包括第一图像集中的所有图像。
基于第二图像集，用户可以对第二图像集进行回放，从而更直观的了解到扫描过程，提高了检查过程的可信度。
在本发明的一些实施例中，所公开的控制方法还包括，在预设的离体生物样本物理或病理性质检测结果下，根据评分最高的图像在所述第一图像集中的位置和在离体生物样本检查过程成像视野中的位置，重新进行成像获得连续的多张图像的第三图像集，分析和评价所述第三图像集中每张图像的质量并标记评分最高的图像在所述第三图像集中的位置。
容易理解，显微镜检测生物样本的对焦清晰度是一个持续渐变的过程，受限于人眼和经验的限制，在单次对焦过程中发现的最清晰的图像不一定是最佳对焦的图像。本发明所公开的上述步骤，可以在发现阳性视野后，以第二图像集中评分最高的照片为再次调焦的起点，进行更细致的对焦，从而获得相对上一轮观察过程更精细清晰的图像，并将该轮成像过程的连续多张图像作为第三图像集，后续同理可参考本发明前述实施例的过程。
具体地，基于评分最高的最清楚照片时的精确位置，如果对最清晰照片分析结果为阳性(和/或高度可疑)视野时，依据阳性或高度可疑视野坐标精确位置，重新对阳性或高度可疑视野进行更细的对焦并拍摄对焦过程的图片，从而在精确位置进行更密集的拍照对焦，得到更多的具有更清楚的信息更丰富的阳性或高度可疑视野图片，从而在进行精扫描再现审核时，这些照片进行视频或一张回放时，展示的阳性(和/或高度可疑)细节更丰富，更有利于后期的审核医生对结果进行判断，大大提高审核精确度和工作效率。
在本发明的另一方面，公开了一种计算机设备，包括处理器和存储器，所述存储器配置成存储计算机程序；当所述计算机程序被所述处理器执行，使得所述处理器实现如所述实施例任一的控制方法。
其中，处理器可以是中央处理单元(CPU)或者现场可编程逻辑阵列(FPGA)或者单片机(MCU)或者数字信号处理器(DSP)或者专用集成电路(ASIC)等具有数据处理能力和/或程序执行能力的逻辑运算器件。一个或多个处理器可以被配置为以并行计算的处理器组同时执行上述检测方法，或者被配置为以部分处理器执行上述检测方法中的部分步骤，部分处理器执行上述检测方法中的其它部分步骤等。计算机指令包括了一个或多个由对应于处理器的指令集架构定义的处理器操作，这些计算机指令可以被一个或多个计算机程序在逻辑上包含和表示。
其中，计算机程序可以存储在本地存储器上，或通过通讯组件从网络上被下载和安装。
其中，存储器可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、移动存储器件或者上述的任意合适的组合。
为了实现计算机设备的操作，容易理解，还普遍性的具有输入/输出接口、通讯接口等，输入输出接口可以作为组件配置在计算机设备中，也可以外接于设备以提供相应功能。其中输入设备可以包括键盘、鼠标、触摸屏、麦克风、各类传感器等，输出设备可以包括显示器、扬声器、振动器、指示灯等。通信接口用于实现电子设备与其它装置的信息通讯以实现电子设备与其他设备的通信交互。其中通信模块可以通过有线方式(例如USB、网线等)实现通信，也可以通过无线方式(例如移动网络、WIFI、蓝牙等)实现通信。
上述计算机设备中也可以仅包含实现本说明书实施例方案所必需的组件，而不必包含图中所示的全部组件。
在本发明的又一方面，公开了一种离体生物样本检测的控制系统，包括前述实施例的计算机设备4，和与所述计算机设备连接的成像设备1，所述成像设备配置成采集离体生物样本检测设备对离体生物样本的成像。
例如，成像设备可以是基于CMOS或者CCD成像元件的摄像头、数码相机等。
例如，所述离体生物样本检测设备为显微镜，所述成像设备安装于所述显微镜并面向所述显微镜的物镜2从而对每个观察视野下的离体生物样本进行成像。
例如，所述计算机设备还配置成调整显微镜的载物台3的位置。
例如，在前后、左右、上下等维度上调整。
例如，载物台为多自由度载物台。
例如，载物台可以具有推动机构的微动平台，例如通过马达、电机、MEMS驱动器等实现载物台的调整，例如横向、纵向、深度、旋转等自由度的调整，以便成像设备具有最佳的成像角度。
通过采用多自由度载物台，对载物台上的(或染色后)的样本玻片进行阅片镜检，多自由度载物台在计算机的控制下自动对玻片进行对焦，每一视野都进行上下精密调焦、并通过显微镜上的数码相机对焦视野进行同步快速拍照，这些同步视野照片再自动通过计算机设备对所有照片进行分析从所拍摄的多张照片中找到一张图像质量最高的照片，进行阳性、高度可疑、可疑或阴性的判断分析。
Claims (10)
1.一种离体生物样本检查过程的控制方法，其特征在于，包括下述步骤：获取离体生物样本检查过程中的连续的多张图像的第一图像集；分析和评价所述第一图像集中每张图像的质量并标记评分最高的图像在所述第一图像集中的位置；以所述评分最高的图像进行离体生物样本物理或病理性质检测；在预设的离体生物样本物理或病理性质检测结果下存储第二图像集，所述第二图像集包含第一图像集中评分最高的图像以及与评分最高的图像前后相邻的多张图像。
2.根据权利要求1的控制方法，其特征在于，分析和评价所述第一图像集中每张图像的质量，包括分析每张图像的清晰度，以清晰度作为每张图像的评分。
3.根据权利要求1所述的控制方法，其特征在于，所述第二图像集包含第一图像集中评分最高的图像以及与评分最高的图像前相邻的m张图像和后相邻的m张图像，m为不小于1的正整数。
4.根据权利要求1的控制方法，其特征在于，还包括在预设的离体生物样本物理或病理性质检测结果下,获得所述第一图像集中评分最高的图像在离体生物样本检查过程成像视野中的位置。
5.根据权利要求4的控制方法，其特征在于，还包括，在预设的离体生物样本物理或病理性质检测结果下，根据评分最高的图像在所述第一图像集中的位置和在离体生物样本检查过程成像视野中的位置，重新进行成像获得连续的多张图像的第三图像集，分析和评价所述第三图像集中每张图像的质量并标记评分最高的图像在所述第三图像集中的位置。
6.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器配置成存储计算机程序；当所述计算机程序被所述处理器执行，使得所述处理器实现如权利要求1-5任一所述的控制方法。
7.一种离体生物样本检测的控制系统，其特征在于，包括权利要求6所述的计算机设备，和与所述计算机设备连接的成像设备，所述成像设备配置成采集离体生物样本检测设备对离体生物样本的成像。
8.根据权利要求7所述的控制系统，其特征在于，所述离体生物样本检测设备为显微镜，所述显微镜的载物台配置成承载所述离体生物样本，所述成像设备面向所述显微镜的物镜。
9.根据权利要求8所述的控制系统，其特征在于，所述计算机设备进一步配置成调整所述载物台的位置。
10.根据权利要求9所述的控制系统，其特征在于，所述载物台为多自由度载物台。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010859507.8A CN111951261A (zh) | 2020-08-24 | 2020-08-24 | 离体生物样本检查过程的控制方法、计算机设备和控制系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010859507.8A CN111951261A (zh) | 2020-08-24 | 2020-08-24 | 离体生物样本检查过程的控制方法、计算机设备和控制系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111951261A true CN111951261A (zh) | 2020-11-17 |
Family
ID=73360153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010859507.8A Pending CN111951261A (zh) | 2020-08-24 | 2020-08-24 | 离体生物样本检查过程的控制方法、计算机设备和控制系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111951261A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115049908A (zh) * | 2022-08-16 | 2022-09-13 | 武汉互创联合科技有限公司 | 基于胚胎发育图像的多阶段智能分析方法及系统 |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020039434A1 (en) * | 2000-08-28 | 2002-04-04 | Moshe Levin | Medical decision support system and method |
| CN101510235A (zh) * | 2009-03-16 | 2009-08-19 | 杨傲冰 | 疫病血凝检测分析系统 |
| CN108632668A (zh) * | 2018-05-04 | 2018-10-09 | 百度在线网络技术（北京）有限公司 | 视频处理方法及装置 |
| CN109612992A (zh) * | 2018-11-26 | 2019-04-12 | 深圳辉煌耀强科技有限公司 | 一种宫颈脱落细胞涂片的快速扫描方法及其系统 |
| CN110214290A (zh) * | 2017-01-24 | 2019-09-06 | 堀场(法国)有限公司 | 显微光谱测量方法和系统 |
| CN110231259A (zh) * | 2019-05-28 | 2019-09-13 | 怀光智能科技（武汉）有限公司 | 一种宫颈细胞玻片数字诊断系统 |
| CN110443794A (zh) * | 2019-05-29 | 2019-11-12 | 腾讯科技（深圳）有限公司 | 一种基于病理图像的图像状态确定方法、装置以及系统 |
| CN110784649A (zh) * | 2019-11-08 | 2020-02-11 | 武汉互创联合科技有限公司 | 一种胚胎成像对焦方法及装置 |
| CN110889823A (zh) * | 2019-10-08 | 2020-03-17 | 山东天岳先进材料科技有限公司 | 一种SiC缺陷的检测方法和系统 |
| CN111223158A (zh) * | 2019-12-31 | 2020-06-02 | 上海联影智能医疗科技有限公司 | 心脏冠脉图像的伪影校正方法和可读存储介质 |
-
2020
- 2020-08-24 CN CN202010859507.8A patent/CN111951261A/zh active Pending
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020039434A1 (en) * | 2000-08-28 | 2002-04-04 | Moshe Levin | Medical decision support system and method |
| CN101510235A (zh) * | 2009-03-16 | 2009-08-19 | 杨傲冰 | 疫病血凝检测分析系统 |
| CN110214290A (zh) * | 2017-01-24 | 2019-09-06 | 堀场(法国)有限公司 | 显微光谱测量方法和系统 |
| CN108632668A (zh) * | 2018-05-04 | 2018-10-09 | 百度在线网络技术（北京）有限公司 | 视频处理方法及装置 |
| CN109612992A (zh) * | 2018-11-26 | 2019-04-12 | 深圳辉煌耀强科技有限公司 | 一种宫颈脱落细胞涂片的快速扫描方法及其系统 |
| CN110231259A (zh) * | 2019-05-28 | 2019-09-13 | 怀光智能科技（武汉）有限公司 | 一种宫颈细胞玻片数字诊断系统 |
| CN110443794A (zh) * | 2019-05-29 | 2019-11-12 | 腾讯科技（深圳）有限公司 | 一种基于病理图像的图像状态确定方法、装置以及系统 |
| CN110889823A (zh) * | 2019-10-08 | 2020-03-17 | 山东天岳先进材料科技有限公司 | 一种SiC缺陷的检测方法和系统 |
| CN110784649A (zh) * | 2019-11-08 | 2020-02-11 | 武汉互创联合科技有限公司 | 一种胚胎成像对焦方法及装置 |
| CN111223158A (zh) * | 2019-12-31 | 2020-06-02 | 上海联影智能医疗科技有限公司 | 心脏冠脉图像的伪影校正方法和可读存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115049908A (zh) * | 2022-08-16 | 2022-09-13 | 武汉互创联合科技有限公司 | 基于胚胎发育图像的多阶段智能分析方法及系统 |
| CN115049908B (zh) * | 2022-08-16 | 2022-11-08 | 武汉互创联合科技有限公司 | 基于胚胎发育图像的多阶段智能分析方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6811837B2 (ja) | 病理データ捕捉 | |
| US10444486B2 (en) | Systems and methods for detection of blank fields in digital microscopes | |
| US7027628B1 (en) | Automated microscopic image acquisition, compositing, and display | |
| JP4558047B2 (ja) | 顕微鏡システム、画像生成方法、及びプログラム | |
| JP2019532352A (ja) | 組織標本の組織学的検査のためのシステム | |
| CN112150446A (zh) | 显微镜镜检阅片扫描方法、计算机设备和系统 | |
| US20030168577A1 (en) | Reverse focusing methods and systems | |
| JPS6194014A (ja) | 顕微鏡画像処理ダイナミツクスキヤナ | |
| JP2005017557A (ja) | 三次元顕微鏡システムおよび画像表示方法 | |
| US11828927B2 (en) | Accelerating digital microscopy scans using empty/dirty area detection | |
| JPWO2017150194A1 (ja) | 画像処理装置、画像処理方法及びプログラム | |
| JP2024019639A (ja) | 顕微鏡システム、プログラム、及び、投影画像生成方法 | |
| Hartati et al. | The digital microscope and its image processing utility | |
| US11169079B2 (en) | Captured image evaluation apparatus, captured image evaluation method, and captured image evaluation program | |
| JP7006832B2 (ja) | 細胞解析装置 | |
| CN111951261A (zh) | 离体生物样本检查过程的控制方法、计算机设备和控制系统 | |
| WO2020010634A1 (zh) | 一种细胞图像处理系统、方法、自动读片装置与存储介质 | |
| JP4938428B2 (ja) | 標本画像作成方法及び装置 | |
| JP2011004638A (ja) | 受精卵観察の画像処理方法、画像処理プログラム及び画像処理装置 | |
| US20200074628A1 (en) | Image processing apparatus, imaging system, image processing method and computer readable recoding medium | |
| KR101962869B1 (ko) | 이미지 분석에 기반한 골수판독 지원 장치 | |
| CN111160238A (zh) | 显微图像质量分析方法、训练方法、系统、设备及介质 | |
| CN113472984B (zh) | 图像获取方法、装置、系统、存储介质和设备 | |
| CN112363309B (zh) | 一种用于显微镜下病理图像的自动寻焦方法和系统 | |
| CN114638931A (zh) | 双色双光路观测平台下沸腾气泡的三维重构方法及装置 |
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 |