CN112037185A - 染色体分裂相图像筛选方法、装置及终端设备 - Google Patents
染色体分裂相图像筛选方法、装置及终端设备 Download PDFInfo
- Publication number
- CN112037185A CN112037185A CN202010849448.6A CN202010849448A CN112037185A CN 112037185 A CN112037185 A CN 112037185A CN 202010849448 A CN202010849448 A CN 202010849448A CN 112037185 A CN112037185 A CN 112037185A
- Authority
- CN
- China
- Prior art keywords
- image
- effective
- chromosome split
- split
- phase image
- 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
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Geometry (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明实施例提供了一种染色体分裂相图像筛选方法、装置及终端设备,其中,上述染色体分裂相图像筛选方法包括获取N个候选染色体分裂相图像,所述N为大于1的整数;分别获取每一所述候选染色体分裂相图像的有效连通区域信息,所述有效连通区域信息包括有效连通区域的数量、有效连通区域的平均长度、有效连通区域的长宽比以及有效连通区域的分散度中的至少一项;依据所述有效连通区域信息,分别获取每一所述候选染色体分裂相图像对应的评分值;依据所述评分值,从所述N个候选染色体分裂相图像中筛选出至少一个目标染色体分裂相图像。本发明实施例能降低筛选得到的图像中发生染色体交叉现象严重的概率,筛选出质量较高的目标染色体,从而减轻医务工作人员的负担。
Description
技术领域
本发明涉及染色体图像处理技术领域,尤其涉及一种染色体分裂相图像筛选方法、装置及终端设备。
背景技术
进行染色体核型分析时,往往需要拍摄染色体玻片在高倍显微镜下的图像。而在获取高倍镜拍摄图像前,会先对使用低倍镜拍摄的图像进行初步筛选,对筛选得到的图像再次使用高倍镜进行拍摄,从而得到高倍镜图像,如此能获得较好的染色体分裂图像,减轻医生的工作负担。可是现有的染色体筛选方法,一般是医务工作人员通过肉眼对拍摄得到的低倍镜图像进行筛选,难以把握低倍镜图像中染色体的交叉严重程度,因此导致筛选得到的图像的质量较低的问题。
发明内容
本发明实施例提供一种染色体分裂相图像筛选方法、装置及终端设备,以解决现有技术中的对低倍镜染色体分裂相图像筛选得到的图像质量低的问题。
为了解决上述技术问题,本发明是这样实现的:
第一方面,本发明实施例提供了一种染色体分裂相图像筛选方法,包括以下步骤:
获取N个候选染色体分裂相图像,所述N为大于1的整数;
分别获取每一所述候选染色体分裂相图像的有效连通区域信息,所述有效连通区域信息包括有效连通区域的数量、有效连通区域的平均长度、有效连通区域的长宽比以及有效连通区域的分散度中的至少一项;
依据所述有效连通区域信息,分别获取每一所述候选染色体分裂相图像的评分值;
依据所述评分值,从所述N个候选染色体分裂相图像中筛选出至少一个目标染色体分裂相图像。
第二方面,本发明实施例还提供了一种染色体分裂相图像筛选装置,包括:
第一获取模块,用于获取N个候选染色体分裂相图像,所述N为大于1的整数;
第二获取模块,分别获取每一所述候选染色体分裂相图像经过筛选后的有效连通区域信息,所述有效连通区域信息包括有效连通区域的数量、有效连通区域的平均长度、有效连通区域的长宽比以及有效连通区域的中的至少一项;
评分模块,依据所述效连通区域信息,分别获取每一所述候选染色体分裂相图像的评分值;
筛选模块,依据所述评分值,从所述N个候选染色体分裂相图像中筛选出至少一个目标染色体分裂相图像。
第三方面,本发明实施例还提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法。
本发明实施例提供的染色体分裂相图像筛选装置,首先获取N个候选染色体分裂相图像,再获取每一候选染色体分裂相图像的有效连通区域信息,该有效连通区域信息包括有效连通区域的数量、有效连通区域的平均长度、有效连通区域的长宽比以及有效连通区域的分散度中的至少一项,依据该有效连通区域信息,分别获取每一染色体分裂相图像的评分值,并依据评分值从N个候选染色体分裂相图像中筛选出至少一个目标染色体分裂相图像。相对于现有技术,本发明实施例对获得的N个候选染色体进行相关信息的获取,并根据所获得的信息对候选染色体分裂相图像进行评分,根据评分筛选出所需要的目标染色体分裂相图像,降低筛选得到图像中染色体交叉现象严重的概率,能快速、准确的筛选出质量较高的目标染色体分裂相图像,从而减轻医务工作人员的负担,加快其后续工作的开展。
附图说明
图1为本发明实施例提供的染色体分裂相图像筛选方法的流程图;
图2为本发明实施例提供的染色体分裂相图像筛选方法实际应用时的流程图;
图3为本发明实施例提供的染色体分裂相图像筛选方法的距离变化图;
图4为本发明实施例提供的染色体分裂相图像筛选装置的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。在下面的描述中,提供诸如具体的配置和组件的特定细节仅仅是为了帮助全面理解本发明的实施例。因此,本领域技术人员应该清楚,可以对这里描述的实施例进行各种改变和修改而不脱离本发明的范围和精神。另外,为了清楚和简洁,省略了对已知功能和构造的描述。
除非另作定义,本发明中使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明中使用的“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。同样,“一个”或者“一”等类似词语也不表示数量限制,而是表示存在至少一个。
如图1所示,本发明实施例提供的染色体分裂相图像筛选方法,包括以下步骤:
步骤101,获取N个候选染色体分裂相图像,所述N为大于1的整数;
步骤102,分别获取每一所述候选染色体分裂相图像的有效连通区域信息,所述有效连通区域信息包括有效连通区域的数量、有效连通区域的平均长度、有效连通区域的长宽比以及有效连通区域的分散度中的至少一项;
步骤103,依据所述有效连通区域信息,分别获取每一所述候选染色体分裂相图像的评分值;
步骤104,依据所述评分值,从所述N个候选染色体分裂相图像中筛选出至少一个目标染色体分裂相图像。
上述候选染色体分裂相图像是指所选择的染色体玻片在低倍镜下拍摄的染色体分裂相图像,对低倍镜的倍数在此不做具体限定,可以为10倍镜、20倍镜等。
获取N个候选染色体分裂相图像,可以认为是利用低倍镜对一个染色体玻片进行拍摄,选择多处符合要求的染色体分裂相图像,将任意一处符合要求的染色体分裂相图像看作一个候选染色体分裂相图像,即对一个染色体玻片上符合要求的染色体分裂相图像进行分割,将位于同一位置的染色体分裂相图像看做一个单独的候选染色体分裂相图像。其中,本实施例中优选的分割方式为通过相应算法识别染色体分裂相,记录识别的多个染色体分裂相的位置信息,从而进行切割,得到多个染色体分裂相图像,这里的染色体分裂相图像对应所获取的候选染色体分裂相图像。具体的切割方式可根据实际情况进行确定,在此不做具体的限定,只需完成染色体分裂相图像的切割即可。
本发明实施例提供的染色体分裂相图像筛选方法首先获取N个候选染色体分裂相图像,再获取每一候选染色体分裂相图像的有效连通区域信息,该有效连通区域信息包括有效连通区域的数量、有效连通区域的平均长度、有效连通区域的长宽比以及有效连通区域的分散度中的至少一项,依据该有效连通区域信息,分别获取每一染色体分裂相图像对应的评分值,并依据评分值从N个候选染色体分裂相图像中筛选出至少一个目标染色体分裂相图像。相对于现有技术,本发明实施例对获得的N个候选染色体进行相关信息的获取,并根据所获得的信息对候选染色体分裂相图像进行评分,根据评分筛选出所需要的目标染色体分裂相图像,降低筛选得到图像中染色体交叉现象严重的概率,能快速、准确的筛选出质量较高的目标染色体分裂相图像,从而减轻医务工作人员的负担,加快其后续工作的开展。
可选的,所述分别获取每一所述候选染色体分裂相图像的有效连通区域信息,包括:
分别获取每一所述候选染色体分裂相图像的初始连通区域;
对全部所述初始连通区域进行筛选,获取有效连通区域;
依据所述有效连通区域获得所述有效连通区域信息。
上述连通区域是指染色体个体或多个染色体交叉的区域。本实施例中,通过对候选染色体分裂相图像的初始连通区域进行筛选得到有效连通区域,也就是说,排除了不少已经发生染色体个体或多个染色体交叉的区域,如此,减少了侯选染色体分裂相图像的筛选量,提高了筛选的精确度,加快了筛选进程。
可选地,所述分别获取每一所述候选染色体分裂相图像的初始连通区域,包括:
计算所述候选染色体分裂相图像的灰度直方图,依据所述灰度直方图得到灰度阈值,根据所述灰度阈值对所述候选染色体分裂相图像进行二值化处理获得二值化图像;
对所述二值化图像进行距离变化,获得距离变化图;
依据所述距离变化图获得所述初始连通区域。
上述计算的候选染色体分裂相图像为N个候选染色体分裂相图像中的任一候选染色体。
进一步的,上述依据所述灰度直方图得到灰度阈值具体为,对所述灰度直方图进行灰度累加,选取灰度累加值为th1的灰度作为二值化处理的灰度阈值。其中,灰度累加是指在灰度直方图上,计算小于该灰度的像素总数;th1为预设数值。
更进一步的,上述对所述二值化图像进行距离变化的方法为,使用图像处理中的距离变化方法,对二值化图像进行处理,计算二值化图像中的每个区域的宽度信息,进而得到距离变化图。该距离变化是指计算图像中每一个非零点距离离自己最近的零点的距离,其中,一实施例的距离变化图如图3所示,Image为距离变化前的图像,Distance Transform为距离变化后的图像。
依据所述距离变化图获得所述初始连通区域的具体方式为,在进行距离变化后,使用科学计算库(scipy)中的连通区域检测方法获得初始连通区域。
本实施例中,通过计算候选染色体分裂相图像的灰度直方图,并通过灰度直方图来确定灰度阈值,进而获得二值化图像,如此,可得到较为精准的灰度阈值,通过该灰度阈值能得到黑和白两种颜色对比视觉效果更佳的图像,而且还可以通过染色体中心点到染色体边缘的最大距离,来估计染色体的宽度。
可选地,所述对全部所述初始连通区域进行筛选,获取有效连通区域,包括:
分别将每一所述初始连通区域的最大距离变化值与预设范围进行比较,获得所述最大距离变化值在所述预设范围内的所述初始连通区域,将所述最大距离变化值在所述预设范围内的每一所述初始连通区域均确定为所述有效连通区域。
在获得上述有效连通区域后,还包括:
获取有效连通区域的数量,并将有效连通区域的数量与预设数量范围值进行比较,得到第一保留图像,所述第一保留图像为有效连通区域的数量在预设数量范围值之内的候选染色体分裂相图像。
计算所述第一保留图像的有效连通区域的数量与该第一保留图像对应的初始连通区域的数量之间的第一差值,获得第二保留图像,所述获得第二保留图像为对应的第一差值小于预设值的第一保留图像;
所述依据所述有效连通区域信息,分别获取每一所述候选染色体分裂相图像对应的评分值,包括:
所述依据所述有效连通区域信息,分别获取每一所述第二保留图像的评分值。
本实施例中,通过对初始连通区域进行一轮筛选得到有效连通区域,再通过有效连通区域对图像进行第二轮筛选,排除掉部分图像,获取更符合要求的图像,提高了所获取图像的精确度。
可选地,所述依据所述有效连通区域信息,分别获取每一所述候选染色体分裂相图像对应的评分值,包括:
按照以下任一公式对所述有效连通区域的平均长度、有效连通区域的长宽比和有效连通区域的分散度进行加权求和,得到所述每一所述候选染色体分裂相图像的评分值:
评分值=平均长度×长宽比×w1+(有效连通区域数量/th3)×w2+分散度×w3;
评分值=w1/平均长度+(有效连通区域数量/th3)×w2+分散度×w3;
其中,w1,w2,w3均为预设权重;th3为数量阈值。
在一个示例中,上述有效连通区域的平均长度的公式为:
上述有效连通区域的长宽比的公式为:
上述有效连通区域的分散度的公式为:
其中,th4为预设值,平均长度为有效连通区域的平均长度,长宽比为有效连通区域的长宽比,分散度为有效连通区域的分散度。
在对上述每一所述候选染色体分裂相图像进行评分后,依据所得评分按照从高到低的方式对每一候选染色体分裂相图像进行排序,获取分数排名较前的几张图像进行后续的操作,对于具体获取几张图像,在此不做具体的限定,可根据实际情况确定选取的数量。
本示例中,第一评分公式着重于对有效连通区域的长度进行评定,第二评分公式着重于对有效连通区域的分散度进行评定,医务工作人员可根据实际需求进行选择,这种方式丰富了评分计算方式,增加了对有效连通区域的评分进行计算的灵活性。
可选地,所述依据所述评分值,从所述N个候选染色体分裂相图像中筛选出至少一个目标染色体分裂相图像之后,所述方法还包括:
获取所述目标染色体分裂相图像对应的染色体中期图像,所述染色体中期图像对应的放大倍率大于所述目标染色体分裂相图像对应的放大倍率。
容易理解的是,上述染色体中期图像是指:对在低倍镜下进行拍摄的染色体玻片利用相应算法获得一个或一个以上的分裂相图像,对该分裂相图像进行筛选后所获得的最终分裂相图像,对该最终分裂相图像利用高倍镜进行拍摄染色体中期图像,由于该染色体中期图像是在高倍镜下进行拍摄的,如此便于医务工作人员后面对染色体进行核型分析,减轻医务工作人员在核型分析之前的工作量,加快了进行核型分析的步伐。
本发明实施例在实际应用时的步骤如下,可参考图2:
S201,获取低倍镜图像;
S202,对低倍镜图像进行二值化处理;
S203,对二值化图像进行距离变化,获得距离变化图;
S204,获取距离变化图中的连通区域数量和最大距离值;
S205,计算距离变化图中的有效连通区域;
S206,判断是否满足分裂相筛选条件;
即进行分裂相筛选,选取符合分裂相筛选条件的图像;若满足,则执行步骤S207,若不满足,则执行步骤S209;
S207,求有效连通区域的平均长度、长宽比和分散度;
S208,对有效连通区域的平均长度、长宽比和分散度进行加权求和,并计算出相应的评分分数;
S209,不选择该分裂相。
在得到每张符合要求的图像的评分后,根据评分的高低对各图像进行由高到低的排序,选取排名靠前的部分图像,再对其所对应的染色体玻片利用高倍镜进行拍摄。
本发明实施例还提供了一种染色体分裂相图像筛选装置,包括:
第一获取模块301,用于获取N个候选染色体分裂相图像,所述N为大于1的整数;
第二获取模块302,分别获取每一所述候选染色体分裂相图像经过筛选后的有效连通区域信息,所述有效连通区域信息包括有效连通区域的数量、有效连通区域的平均长度、有效连通区域的长宽比以及有效连通区域的中的至少一项;
评分模块303,依据所述效连通区域信息,分别获取每一所述候选染色体分裂相图像的评分值;
筛选模块304,依据所述评分值,从所述N个候选染色体分裂相图像中筛选出至少一个目标染色体分裂相图像。
可选地,所述第二获取模块302,包括:
第一获取单元,用于分别获取每一所述候选染色体分裂相图像的初始连通区域;
第二获取单元,对全部所述初始连通区域进行筛选,获取有效连通区域;
第三获取单元,依据所述有效连通区域获得所述有效连通区域信息。
可选地,所述第一获取单元,包括:
计算获取子单元,用于计算所述候选染色体分裂相图像的灰度直方图,依据所述灰度直方图得到灰度阈值,根据所述灰度阈值对所述候选染色体分裂相图像进行二值化处理获得二值化图像;
距离变化子单元,用于对所述二值化图像进行距离变化,获得距离变化图;
初始连通区域子单元,依据所述距离变化图获得所述初始连通区域。
可选地,所述第二获取单元,包括:
有效连通区域子单元,分别将每一所述初始连通区域的最大距离变化值与预设范围进行比较,将所述最大距离变化值在所述预设范围内的每一所述初始连通区域均确定为所述有效连通区域。
可选地,所述评分模块303,包括:
评分单元,按照以下任一公式对所述有效连通区域的平均长度、有效连通区域的长宽比和有效连通区域的分散度进行加权求和,得到所述每一所述候选染色体分裂相图像的评分值:
评分值=平均长度×长宽比×w1+(有效连通区域数量/th3)×w2+分散度×w3;
评分值=w1/平均长度+(有效连通区域数量/th3)×w2+分散度×w3;
其中,w1,w2,w3均为预设权重;th3为数量阈值。
可选地,所述装置还包括:
数量筛选子单元,获取有效连通区域的数量,并将有效连通区域的数量与预设数量范围值进行比较,得到第一保留图像,所述第一保留图像为有效连通区域的数量在预设数量范围值之内的候选染色体分裂相图像。
图像保留子单元,计算所述第一保留图像的有效连通区域的数量与该第一保留图像对应的初始连通区域的数量之间的第一差值,获得第二保留图像,所述获得第二保留图像为对应的第一差值小于预设值的第一保留图像;
所述评分模块303,包括:
获取评分单元,所述依据所述有效连通区域信息,分别获取每一所述第二保留图像的评分值。
可选地,所述装置还包括:
拍摄模块,获取所述目标染色体分裂相图像对应的染色体中期图像,所述染色体中期图像对应的放大倍率大于所述目标染色体分裂相图像对应的放大倍率。
需要说明的是,该染色体分裂相图像筛选装置是与上述染色体分裂相图像筛选方法对应的装置,上述方法实施例中所有实现方式均适用于该装置的实施例中,也能达到相同的技术效果。
可选地,本发明实施例还提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的染色体分裂相图像筛选方法。
可选地,本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述的染色体分裂相图像筛选方法。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种染色体分裂相图像筛选方法,其特征在于,包括以下步骤:
获取N个候选染色体分裂相图像,所述N为大于1的整数;
分别获取每一所述候选染色体分裂相图像的有效连通区域信息,所述有效连通区域信息包括有效连通区域的数量、有效连通区域的平均长度、有效连通区域的长宽比以及有效连通区域的分散度中的至少一项;
依据所述有效连通区域信息,分别获取每一所述候选染色体分裂相图像的评分值;
依据所述评分值,从所述N个候选染色体分裂相图像中筛选出至少一个目标染色体分裂相图像。
2.根据权利要求1所述的方法,其特征在于,所述分别获取每一所述候选染色体分裂相图像的有效连通区域信息,包括:
分别获取每一所述候选染色体分裂相图像的初始连通区域;
对全部所述初始连通区域进行筛选,获取有效连通区域;
依据所述有效连通区域获得所述有效连通区域信息。
3.根据权利要求2所述的方法,其特征在于,所述分别获取每一所述候选染色体分裂相图像的初始连通区域,包括:
计算所述候选染色体分裂相图像的灰度直方图,依据所述灰度直方图得到灰度阈值,根据所述灰度阈值对所述候选染色体分裂相图像进行二值化处理获得二值化图像;
对所述二值化图像进行距离变化,获得距离变化图;
依据所述距离变化图获得所述初始连通区域。
4.根据权利要求3所述的方法,其特征在于,所述对全部所述初始连通区域进行筛选,获取有效连通区域,包括:
分别将每一所述初始连通区域的最大距离变化值与预设范围进行比较,将所述最大距离变化值在所述预设范围内的每一所述初始连通区域均确定为所述有效连通区域。
5.根据权利要求1所述的方法,其特征在于,所述依据所述有效连通区域信息,分别获取每一所述候选染色体分裂相图像对应的评分值,包括:
按照以下任一公式对所述有效连通区域的平均长度、有效连通区域的长宽比和有效连通区域的分散度进行加权求和,得到所述每一所述候选染色体分裂相图像的评分值:
评分值=平均长度×长宽比×w1+(有效连通区域数量/th3)×w2+分散度×w3;
评分值=w1/平均长度+(有效连通区域数量/th3)×w2+分散度×w3;
其中,w1,w2,w3均为预设权重;th3为数量阈值。
6.根据权利要求4所述的方法,其特征在于,在获得上述有效连通区域后,还包括:
获取有效连通区域的数量,并将有效连通区域的数量与预设数量范围值进行比较,得到第一保留图像,所述第一保留图像为有效连通区域的数量在预设数量范围值之内的候选染色体分裂相图像。
计算所述第一保留图像的有效连通区域的数量与该第一保留图像对应的初始连通区域的数量之间的第一差值,获得第二保留图像,所述获得第二保留图像为对应的第一差值小于预设值的第一保留图像;
所述依据所述有效连通区域信息,分别获取每一所述候选染色体分裂相图像对应的评分值,包括:
所述依据所述有效连通区域信息,分别获取每一所述第二保留图像的评分值。
7.根据权利要求1所述的方法,其特征在于,所述依据所述评分值,从所述N个候选染色体分裂相图像中筛选出至少一个目标染色体分裂相图像之后,所述方法还包括:
获取所述目标染色体分裂相图像对应的染色体中期图像,所述染色体中期图像对应的放大倍率大于所述目标染色体分裂相图像对应的放大倍率。
8.一种染色体分裂相图像筛选装置,其特征在于,包括:
第一获取模块,用于获取N个候选染色体分裂相图像,所述N为大于1的整数;
第二获取模块,分别获取每一所述候选染色体分裂相图像经过筛选后的有效连通区域信息,所述有效连通区域信息包括有效连通区域的数量、有效连通区域的平均长度、有效连通区域的长宽比以及有效连通区域的中的至少一项;
评分模块,依据所述效连通区域信息,分别获取每一所述候选染色体分裂相图像的评分值;
筛选模块,依据所述评分值,从所述N个候选染色体分裂相图像中筛选出至少一个目标染色体分裂相图像。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010849448.6A CN112037185B (zh) | 2020-08-21 | 2020-08-21 | 染色体分裂相图像筛选方法、装置及终端设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010849448.6A CN112037185B (zh) | 2020-08-21 | 2020-08-21 | 染色体分裂相图像筛选方法、装置及终端设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112037185A true CN112037185A (zh) | 2020-12-04 |
CN112037185B CN112037185B (zh) | 2023-09-05 |
Family
ID=73580376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010849448.6A Active CN112037185B (zh) | 2020-08-21 | 2020-08-21 | 染色体分裂相图像筛选方法、装置及终端设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112037185B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785566A (zh) * | 2021-01-15 | 2021-05-11 | 湖南自兴智慧医疗科技有限公司 | 染色体中期图像评分方法、装置、电子设备及存储介质 |
CN113158951A (zh) * | 2021-04-30 | 2021-07-23 | 天津深析智能科技发展有限公司 | 一种从低倍镜图像中寻找染色体分裂相的方法 |
CN114973241A (zh) * | 2022-04-25 | 2022-08-30 | 上海科莫生医疗科技有限公司 | 一种基于人工智能的染色体图像筛选方法 |
CN117132646A (zh) * | 2023-10-26 | 2023-11-28 | 湖南自兴智慧医疗科技有限公司 | 基于深度学习的分裂相自动对焦系统 |
CN117992626A (zh) * | 2024-04-07 | 2024-05-07 | 吉林金域医学检验所有限公司 | 一种染色体扫描同步方法及系统 |
CN118196790A (zh) * | 2024-05-16 | 2024-06-14 | 笑纳科技(苏州)有限公司 | 一种低倍镜下染色体分裂相图像筛选方法、系统、设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05180832A (ja) * | 1991-07-05 | 1993-07-23 | Kagaku Gijutsucho Hoshasen Igaku Sogo Kenkyusho | 染色体異常検出装置 |
US20060246458A1 (en) * | 2003-07-29 | 2006-11-02 | Tomoharu Kiyuna | Method of evaluating chromsome state and evaluation system |
JP2011099988A (ja) * | 2009-11-06 | 2011-05-19 | Kyorin Gakuen | 核型分析学習プログラムおよび核型分析学習装置、染色体画像切り出しプログラムおよび染色体画像切り出し装置 |
CN107368816A (zh) * | 2017-07-26 | 2017-11-21 | 北京集创北方科技股份有限公司 | 生物特征识别方法、生物特征识别装置和检测系统 |
US20170337695A1 (en) * | 2015-01-30 | 2017-11-23 | Ventana Medical Systems, Inc. | Foreground segmentation and nucleus ranking for scoring dual ish images |
CN108007355A (zh) * | 2017-10-20 | 2018-05-08 | 西安电子科技大学 | 基于图像距离变换的混凝土裂缝检测方法 |
CN110533672A (zh) * | 2019-08-22 | 2019-12-03 | 杭州德适生物科技有限公司 | 一种基于条带识别的染色体排序方法 |
CN110825897A (zh) * | 2019-10-29 | 2020-02-21 | 维沃移动通信有限公司 | 图像筛选方法、装置及移动终端 |
TWI687937B (zh) * | 2018-10-05 | 2020-03-11 | 中國醫藥大學附設醫院 | 染色體異常檢測模型之建立方法、染色體異常檢測系統及染色體異常檢測方法 |
CN111325711A (zh) * | 2020-01-16 | 2020-06-23 | 杭州德适生物科技有限公司 | 一种基于深度学习的染色体分裂相图像质量评价方法 |
CN111353968A (zh) * | 2018-12-20 | 2020-06-30 | 中国科学院沈阳自动化研究所 | 一种基于盲元检测与分析的红外图像质量评价方法 |
-
2020
- 2020-08-21 CN CN202010849448.6A patent/CN112037185B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH05180832A (ja) * | 1991-07-05 | 1993-07-23 | Kagaku Gijutsucho Hoshasen Igaku Sogo Kenkyusho | 染色体異常検出装置 |
US20060246458A1 (en) * | 2003-07-29 | 2006-11-02 | Tomoharu Kiyuna | Method of evaluating chromsome state and evaluation system |
JP2011099988A (ja) * | 2009-11-06 | 2011-05-19 | Kyorin Gakuen | 核型分析学習プログラムおよび核型分析学習装置、染色体画像切り出しプログラムおよび染色体画像切り出し装置 |
US20170337695A1 (en) * | 2015-01-30 | 2017-11-23 | Ventana Medical Systems, Inc. | Foreground segmentation and nucleus ranking for scoring dual ish images |
CN107368816A (zh) * | 2017-07-26 | 2017-11-21 | 北京集创北方科技股份有限公司 | 生物特征识别方法、生物特征识别装置和检测系统 |
CN108007355A (zh) * | 2017-10-20 | 2018-05-08 | 西安电子科技大学 | 基于图像距离变换的混凝土裂缝检测方法 |
TWI687937B (zh) * | 2018-10-05 | 2020-03-11 | 中國醫藥大學附設醫院 | 染色體異常檢測模型之建立方法、染色體異常檢測系統及染色體異常檢測方法 |
CN111353968A (zh) * | 2018-12-20 | 2020-06-30 | 中国科学院沈阳自动化研究所 | 一种基于盲元检测与分析的红外图像质量评价方法 |
CN110533672A (zh) * | 2019-08-22 | 2019-12-03 | 杭州德适生物科技有限公司 | 一种基于条带识别的染色体排序方法 |
CN110825897A (zh) * | 2019-10-29 | 2020-02-21 | 维沃移动通信有限公司 | 图像筛选方法、装置及移动终端 |
CN111325711A (zh) * | 2020-01-16 | 2020-06-23 | 杭州德适生物科技有限公司 | 一种基于深度学习的染色体分裂相图像质量评价方法 |
Non-Patent Citations (1)
Title |
---|
孔繁圣;李子印;古亭;张远辉;: "基于多层次距离变换的蚕茧分割计数算法", 蚕业科学, no. 02 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112785566A (zh) * | 2021-01-15 | 2021-05-11 | 湖南自兴智慧医疗科技有限公司 | 染色体中期图像评分方法、装置、电子设备及存储介质 |
CN112785566B (zh) * | 2021-01-15 | 2024-01-19 | 湖南自兴智慧医疗科技有限公司 | 染色体中期图像评分方法、装置、电子设备及存储介质 |
CN113158951A (zh) * | 2021-04-30 | 2021-07-23 | 天津深析智能科技发展有限公司 | 一种从低倍镜图像中寻找染色体分裂相的方法 |
CN113158951B (zh) * | 2021-04-30 | 2022-07-29 | 天津深析智能科技发展有限公司 | 一种从低倍镜图像中寻找染色体分裂相的方法 |
CN114973241A (zh) * | 2022-04-25 | 2022-08-30 | 上海科莫生医疗科技有限公司 | 一种基于人工智能的染色体图像筛选方法 |
CN117132646A (zh) * | 2023-10-26 | 2023-11-28 | 湖南自兴智慧医疗科技有限公司 | 基于深度学习的分裂相自动对焦系统 |
CN117132646B (zh) * | 2023-10-26 | 2024-01-05 | 湖南自兴智慧医疗科技有限公司 | 基于深度学习的分裂相自动对焦系统 |
CN117992626A (zh) * | 2024-04-07 | 2024-05-07 | 吉林金域医学检验所有限公司 | 一种染色体扫描同步方法及系统 |
CN118196790A (zh) * | 2024-05-16 | 2024-06-14 | 笑纳科技(苏州)有限公司 | 一种低倍镜下染色体分裂相图像筛选方法、系统、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112037185B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112037185A (zh) | 染色体分裂相图像筛选方法、装置及终端设备 | |
CN107507173B (zh) | 一种全切片图像的无参考清晰度评估方法及系统 | |
US9684958B2 (en) | Image processing device, program, image processing method, computer-readable medium, and image processing system | |
US10169861B2 (en) | Image processing apparatus, non-transitory computer readable medium, and image processing method | |
Liu et al. | Single image dehazing via large sky region segmentation and multiscale opening dark channel model | |
CN111524137B (zh) | 基于图像识别的细胞识别计数方法、装置和计算机设备 | |
EP2889619B1 (en) | Image processing device, image processing method, computer-readable medium, and image processing system | |
EP1374168B1 (en) | Method and apparatus for determining regions of interest in images and for image transmission | |
EP3664019A1 (en) | Information processing device, information processing program, and information processing method | |
JP2017521779A (ja) | 画像解析を用いた核のエッジの検出 | |
Mandal et al. | Segmentation of blood smear images using normalized cuts for detection of malarial parasites | |
US10007834B2 (en) | Detection control device, detection system, non-transitory storage medium, and detection control method | |
CN108537751B (zh) | 一种基于径向基神经网络的甲状腺超声图像自动分割方法 | |
US8983199B2 (en) | Apparatus and method for generating image feature data | |
US10657628B2 (en) | Method of providing a sharpness measure for an image | |
Riana et al. | Extraction and classification texture of inflammatory cells and nuclei in normal pap smear images | |
CN111311562B (zh) | 虚焦图像的模糊度检测方法及装置 | |
JP2011165170A (ja) | 対象物検出装置及びプログラム | |
JP6070420B2 (ja) | 画像処理装置及びプログラム | |
Zulkeflee et al. | Detection of a new crescent moon using the Maximally Stable Extremal Regions (MSER) technique | |
JP2019164450A (ja) | 画像処理方法、コンピュータプログラムおよび記録媒体 | |
EP2875488A1 (en) | Biological unit segmentation with ranking based on similarity applying a shape and scale descriptor | |
US10146042B2 (en) | Image processing apparatus, storage medium, and image processing method | |
CN113537253B (zh) | 一种红外图像目标检测方法、装置、计算设备及存储介质 | |
Chiang et al. | Automatic detection of antinuclear autoantibodies cells in indirect immunofluorescence images |
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 |