CN112330586A - 一种尿液分析仪诊断提速方法、尿液分析仪及计算机可读存储介质 - Google Patents
一种尿液分析仪诊断提速方法、尿液分析仪及计算机可读存储介质 Download PDFInfo
- Publication number
- CN112330586A CN112330586A CN201910714936.3A CN201910714936A CN112330586A CN 112330586 A CN112330586 A CN 112330586A CN 201910714936 A CN201910714936 A CN 201910714936A CN 112330586 A CN112330586 A CN 112330586A
- Authority
- CN
- China
- Prior art keywords
- visual field
- image
- images
- visible components
- content
- 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
- 210000002700 urine Anatomy 0.000 title claims abstract description 93
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000003745 diagnosis Methods 0.000 title claims abstract description 11
- 230000000007 visual effect Effects 0.000 claims abstract description 232
- 238000012545 processing Methods 0.000 claims description 61
- 230000010365 information processing Effects 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 19
- 210000004027 cell Anatomy 0.000 description 20
- 238000012360 testing method Methods 0.000 description 13
- 230000011218 segmentation Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000000605 extraction Methods 0.000 description 7
- 238000005353 urine analysis Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 210000003743 erythrocyte Anatomy 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 210000000265 leukocyte Anatomy 0.000 description 4
- 239000002245 particle Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 239000013078 crystal Substances 0.000 description 3
- 238000003708 edge detection Methods 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 241000894006 Bacteria Species 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000013049 sediment Substances 0.000 description 2
- 239000000243 solution Substances 0.000 description 2
- 230000002485 urinary effect Effects 0.000 description 2
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 description 1
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- QXDMQSPYEZFLGF-UHFFFAOYSA-L calcium oxalate Chemical compound [Ca+2].[O-]C(=O)C([O-])=O QXDMQSPYEZFLGF-UHFFFAOYSA-L 0.000 description 1
- 238000011088 calibration curve Methods 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 238000004883 computer application Methods 0.000 description 1
- 235000009508 confectionery Nutrition 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000002919 epithelial cell Anatomy 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 210000004276 hyalin Anatomy 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000693 micelle Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 229940116269 uric acid Drugs 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
- G06T5/30—Erosion or dilatation, e.g. thinning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- 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
- G06T2207/30242—Counting objects in image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及一种尿液分析仪诊断提速方法,包括选取尿液样本拍摄区域,尿液样本拍摄区域包括多个不同视野区,控制摄像装置对多个不同视野区进行拍摄,获得多张视野区图像,依序对单张视野区图像中有形成分进行识别,当识别到单张视野区图像中有形成分大于或等于预设值时,停止识别图像或停止拍摄视野区,对于有形成分含量较高的尿液样本,减少了拍摄视野区时间及后续的样本识别时间,提升了尿液分析仪诊断速度,节省检验结果输出时间,改善了用户体验。
Description
技术领域
本发明涉及医疗器械技术领域,具体涉及一种尿液分析仪诊断提速方法及尿液分析仪。
背景技术
现代医疗临床检验实验中,使用图像法检测尿液有形成分是体外诊断常用的方法之一,具体地应用显微镜系统对计数池聚焦平面的样本细胞颗粒进行图像采集,由于样本细胞颗粒分布在整个计数池平面内,而受显微镜视野范围所限,显微镜不能一次性拍摄到完整的计数池平面,只是整个计数池的很小一部分区域,为了完成整个计数池平面区域的拍摄,现有的尿液分析仪控制软件需要控制电机转动完成计数池平面的移动,从而完成各个视野的拍摄。
显微镜拍摄完后,分析仪批量采集图像后进行分割、识别、统计并输出结果,当尿液有形成分浓度越高时,需要分割的细胞颗粒越多,识别细胞分类所花时间就越长,降低了检测速率,影响用户体验。
发明内容
本申请提供一种尿液分析仪诊断提速方法,在检测尿液样本中有形成分含量高的样本时,通过对采集的视野区图像的有形成分进行识别,识别出有形成分含量大于或等于预设值的视野区图像,停止拍摄视野区或者停止进行图像识别,结束测试流程,显示被测尿液样本有形成分总含量给用户,解决了尿液分析仪检测速度随样本中有形成分含量提高而降低的问题,减少了拍摄视野区图像以及识别视野区图像有形成分的时间,整体提升了尿液分析仪检测速度,改善了用户体验。
根据第一方面,一种实施例中提供一种尿液分析仪诊断提速方法,其特征在于,包括如下步骤:
选取尿液样本拍摄区域,所述尿液样本拍摄区域包括M个不同视野区;对所述M个不同视野区按照预设路径依序进行拍摄,获得多张视野区图像;
依序对单张所述视野区图像中有形成分进行识别,如果单张所述视野区图像中有形成分含量大于或等于预设值,识别N张所述视野区图像;如果每张所述视野区图像中有形成分含量均小于所述预设值,识别M张所述视野区图像;其中,N和M都为自然数,且N<M;
输出已识别视野区图像中的有形成分的总类别及总含量。
一实施例中,依序对单张所述视野区图像中有形成分进行识别,包括:获得多张视野区图像后,依序识别单张所述视野区图像中有形成分含量,如果单张所述视野区图像有形成分含量大于或等于预设值,识别N张视野区图像,且停止识别下一张视野区图像中有形成分含量。
一实施例中,依序对单张所述视野区图像中有形成分进行识别,包括:对所述不同视野区依序进行拍摄的同时,对已拍摄的视野区图像中有形成分含量进行识别;所述对M个不同视野区按照预设路径依序进行拍摄包括:如果单张所述视野区图像中有形成分含量大于或等于预设值,停止拍摄下一个视野区。
一实施例中,所述依序对单张所述视野区图像中有形成分进行识别包括:获得拍摄所得的多张视野区图像后,依序识别单张所述视野区图像中有形成分含量,如果第P张所述视野区图像有形成分含量大于或等于预设值,识别N张视野区图像,其中,P≤N<M。
一实施例中,对所述不同视野区依序进行拍摄的同时,对已拍摄的图像中有形成分含量进行识别,如果第P张所述视野区图像中有形成分含量大于或等于预设值,则拍摄N张视野区图像,其中,P≤N<M。
一实施例中,拍摄不同视野区的图像的数量不小于N,不大于M。
一实施例中,当每张所述视野区图像中有形成分含量小于预设值时,按照所述预设路径依序对所述M个视野区全部进行拍摄,获取M张视野区图像后对有形成分进行识别。
根据第二方面,一种实施例中提供一种尿液分析仪,其特征在于,包括:图像获取装置,用于对计数池内样本拍摄区域的不同视野区依序进行拍摄,获取多张视野区图像;
处理装置,用于依序对单张所述视野区图像中有形成分进行识别如果单张所述视野区图像中有形成分含量大于或等于预设值,所述处理装置用于识别N张所述视野区图像;如果每张所述视野区图像中有形成分含量均小于所述预设值,所述处理装置用于识别M张所述视野区图像;其中,N和M都为自然数,且N<M;
显示装置,用于显示已识别视野区图像中的有形成分的总类别及总含量。
一实施例中,所述图像获取装置包括显微镜,所述显微镜包括承载被测尿液样本的载物台以及放大被测样本的物镜;摄像装置,所述摄像装置设置于所述物镜上方,拍摄经所述物镜放大后视野区的有形成分。
一实施例中,所述处理装置包括:
图像信息传输模块,将获取的视野区图像信息传输至图像信息处理模块;
图像信息处理模块,包括控制单元和判断单元,所述控制单元对视野区图像中有形成分进行识别;所述判断单元依序判断单张视野区图像中有形成分是否含量大于或等于预设值。
一实施例中,所述图像获取装置依序获得多张视野区图像后,所述处理装置用于依序对单张所述视野区图像中的有形成分含量进行识别,如果单张所述图像中有形成分含量大于或等于预设值,识别N张视野区图像,且停止识别下一张视野区图像中有形成分含量。
一实施例中,所述图像获取装置依序获取视野区图像的同时,所述处理装置用于依序对已拍摄的视野区图像中有形成分进行识别,如果单张所述图像中有形成分含量大于或等于预设值,则所述处理装置用于控制所述图像获取装置停止拍摄下一个视野区。
一实施例中,所述图像获取装置依序获取多张视野区图像后,所述处理装置用于依序对单张所述视野区图像中的有形成分含量进行识别,如果第P张视野区图像中有形成分含量大于或等于预设值,则所述处理装置用于识别N张视野区图像,所述P≤N<M。
一实施例中,所述图像获取装置依序获取视野区图像的同时,所述处理装置用于依序对已拍摄的视野区图像中有形成分进行识别,如果第P张所述图像中有形成分含量大于或等于预设值,则所述处理装置用于控制所述图像装置拍摄N张视野区图像,其中P≤N<M。
一实施例中,当所述判断单元判断单张所述视野区图像中有形成分含量小于所述预设值时,依序获取所述M个视野区图像,进而所述控制单元对M张视野区图像中有形成分进行识别。
根据第三方面,一种实施例中提供了一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现如权利要求1至7中任一项所述的方法。
依据上述实施例的尿液分析仪诊断提速方法及尿液分析仪,检测尿液样本中有形成分含量高的样本时,通过依序对尿液样本视野区所拍摄图像中有形成分进行识别,获取识别信息,判断确定单张视野区图像有形成分含量大于或等于预设值时,停止拍摄视野区或者停止进行图像识别,结束测试流程,输出已识别的图像中的有形成分的类型以及各种类型的总含量。解决了尿液分析仪检测速度随着样本中有形成分的含量增多而降低的问题,有效控制了拍摄视野区图像的拍摄时间以及识别图像有形成分的识别时间,提升了尿液分析仪的检测速度。
附图说明
图1为一种实施例中尿液分析仪的结构示意图
图2为一种实施例中尿液分析仪诊断提速方法中选取的计数池拍摄区域;
图3为一种实施例中尿液样本拍摄区域包含的M个不同视野区;
图4为另一种实施例中尿液分析仪诊断提速方法的流程图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
尿沉渣是指尿液内的有形成分,如尿液内的红细胞、白细胞和细菌等;尿液有形成分是指尿液内的红细胞、白细胞和细菌等物质;层流是指流体微团互不掺混、运动轨迹有条不紊的流动;计数池是指制作的薄层板构成,检测尿液样本在鞘流液的作用下形成层流。
预设路径是指步进电机沿X轴或者Y轴运行,依次对划分的M个视野区图像进行拍摄;预设位置是指步进电机运行到单个视野区的时候所停留的位置,以便摄像装置能够拍摄到整个视野区。
在本发明实施例中,提供一种尿液分析仪诊断提速方法,在检测尿液样本中有形成分含量高的样本时,通过依序对尿液样本视野区所拍摄图像中有形成分进行识别,获取识别信息,判断确定单张视野区图像有形成分含量大于或等于预设值时,停止拍摄视野区或者停止进行图像识别,结束测试流程,输出已识别的图像中的有形成分的类型以及各种类型的总含量。解决了尿液分析仪检测速度随着样本中有形成分的含量增多而降低的问题,有效控制了拍摄视野区图像的时间以及进行图像中有形成分识别的时间,提升了尿液分析仪的检测速度。
实施例一:
本实施例提供了一种尿液分析仪,请参阅图1,包括,图像获取装置1,用于对计数池内样本拍摄区域的不同视野区依序进行拍摄,获取多张视野区图像,包括显微镜10和摄像装置20,其中显微镜10包括用于承载被测物的载物台12和用于放大被测物的物镜11,载物台12上设有与被测物具有预定相对位置的标记图案;摄像装置20设置在物镜11的上方,可控的拍摄被测物经物镜11放大的图像,并输出图像信息给处理装置2;处理装置2,用于依序对单张视野区图像中有形成分进行识别,如果单张所述视野区图像中有形成分含量大于或等于预设值,所述处理装置2用于识别N张所述视野区图像;如果每张所述视野区图像中有形成分含量均小于所述预设值,所述处理装置用于识别M张所述视野区图像;其中,N和M都为自然数,且N<M;显示装置3,用于显示已识别视野区图像中的有形成分的总类别及总含量;驱动装置4包括步进电机41和驱动电路42,能够驱动载物台12或物镜11中的至少一者移动到预定位置。其中,摄像装置20可为CCD摄像头,当然也可为其他具有摄像或拍照等功能的摄像头;处理装置2包括图像信息传输模块和图像信息处理模块,其中图像信息传输模块将获取的视野区图像信息传输至图像信息处理模块,图像信息处理模块包括控制单元和判断单元,控制单元对视野区图像中有形成分进行识别,判断单元依序判断单张视野区图像中有形成分是否含量大于或等于预设值。
首先,获取尿液样本,将尿液样本通过尿液提供装置输入置于显微镜10载物台12上的计数池5,计数池5内腔充满待测尿液样本后关闭尿液提供装置的进样阀,待测尿液样本静止并且依靠重力的作用使细胞等有形成分沉降到计数池下玻片上,且均匀分布在计数池中,从而使细胞等有形成分具有一致的显微镜物镜11对焦平面。
请参阅图2,在一种实施例中,采用自动调焦的方式选取计数池5中尿液样本的拍摄区域,具体地,分别在计数池腔体或表面刻蚀标记图案,一般在计数池腔体或表面的第一侧设定第一标记图案101、第二侧设定第二标记图案102;优选地理想样本拍摄区域为距离第一标记图案101处0.2-0.6㎝,距离第二标记图案102处0.2-0.6㎝,距离计数池平面上、下边界处0.2-0.6㎝,所获得的理想拍摄区域103可以避开边界区域光照不均、阴影现象以及标定物的干扰,同时能够保证可拍摄区域面积足够大。计数池腔体或表面刻蚀的标记图案形状可以是如图井字图案,也可以是其他图形、符号、文字或其组合。在对视野进行拍照前,先根据默认焦距对标记图案进行拍照,根据图像清晰度值和清晰度标定曲线比较,计算出焦距变化量,根据标记图案和被测物之间的距离是稳定的这一关系,再间接计算被测物的实际焦距,进而在该实际焦距上进行拍照,然后对图像清晰度进行评价,实现显微镜的自动调焦。采用自动调焦的方式选取计数池中尿液样本的拍摄区域,可以避开人工操作的不一致性,简化操作流程,特别是对于一些操作经验较少的检验人员,自动调焦的方式更为适用。在其他的实施例中,理想拍摄区域103的选择还可以是非自动调焦模式。
选好尿液样本的拍摄区域103后,将拍摄区域103分为M个视野区,控制驱动装置4至M个视野区的预定位置,通过图像获取装置1获得M个视野区的图像。
对于单张图像中有形成分的识别过程,首先将获取的视野区图像的图像信息通过处理装置2的图像信息传输模块传输至处理装置2的图像处理模块,其中图像信息梳理模块中的控制单元对视野区图像的有形成分进行分割、特征提取、识别,判断单元依序判断单张视野区图像中有形成分含量是否大于或等于预设值。
关于预设值的设置,可以是尿液分析仪根据每日或每月的测试数据,自动判断每种有形成分的含量是多少时是属于高含量的样本含量,呈现给用户供用户选择;或者是用户自己根据经验来自由设置,本方案中优选地含量为1000/ul。
单张视野区图像中有形成分的含量是指各种有形成分的总含量,例如,当判断单元判断单张视野区图像中的有形成分含量大于或等于1000/ul时,比较优选的是指当前图像中的有形成分各类型总含量大于或等于1000/ul,因为如果是指单个某种类型有形成分,例如红细胞,会出现当前图像是红细胞含量满足要求,但是同时需要检测出具有医学决定意义的管型的含量,而恰好当前图像中没有管型的类型,所以为了更准确的判断图像中有形成分的含量是否为高含量图像,一般采用识别有形成分总种类及总含量的方法。
在其中一种实施例中,当图像获取装置1依序获取M个视野区图像后,处理装置2中的控制单元开始对单张图像中的有形成分含量进行识别,如果处理装置2中的判断单元判断单张图像中有形成分含量大于或等于1000/ul,识别N张视野区图像,且停止识别下一张视野区图像中的有形成分含量。在另一种实施例中,图像获取装置1依序获取每个视野区图像的同时,控制单元依序对已拍摄的视野区图像中有形成分进行识别,如果判断单元判断单张图像中有形成分含量大于或等于1000/ul,,停止拍摄下一视野区,识别N张视野区图像。
其中,处理装置2的控制单元对单张视野区图像中有形成分进行识别前,需要先对样本中有形成分进行图像分割处理。所谓图像分割是根据图像的某些特征或特征集合的相似性准则,对图像进行分组聚类,把图像平面划分为一系列有意义的区域,使其后的图像分析、图像识别等高级处理阶段所要处理的数据量大大减少,同时又保留图像的结构特征的信息。尿液显微镜图像分割是指将尿沉渣中的有形成分与背景区分开并将其分割出来。由于分割中出现的误差会影响到高层次处理阶段的特征提取的准确性,因此分割的精确程度是至关重要的。常用的分割算法有Canny算子,Soble算子,Laplacian算子,LoG算子等,本方案中采用的是Canny边缘检测算子,可以提高分割的准确性,大大抑制了噪声引起的伪边缘。
首先,平滑图像,滤除噪声;选用二维高斯函数k(x,y)构造滤波器,对原始图像f(x,y)进行卷积操作,得到平滑图像I(x,y)。
I(x,y)=k(x,y)*f(x,y)
其中,σ为高斯函数的标准差,用来控制平滑程度;x,y分别为某一像素点的像素值。
其次,计算梯度幅度和方向。利用Sobel算子进行边缘检测,计算像素点在x方向与y方向的梯度值。
其中,Gx为像素点在x方向的梯度值,Gy为像素点在y方向的梯度值,Sx为x方向的Sobel算子,Sy为y方向Sobel算子,A为图像中一个3*3的窗口。
由此确定像素点的梯度G和方向θ,具体地:
再次,对梯度值进行非极大值抑制。用3*3窗口在8个方向的领域对梯度值沿梯度方向进行梯度幅值的插值,对于每个像素点,将邻域中心元素与沿梯度方向的2个梯度幅值插值结果比较,如果中心元素的值小于梯度方向上的2个插值结果,则将中心元素对应的边缘标志位赋0值。
最后,采用双阈值法抑制假边缘,连接真边缘,分割图像中的细胞颗粒。具体地,采用最大类间方差法确定双阈值。对于图像,前景和背景的分割阈值记作T,前景像素点数占图像比例为ω0,其平均灰度为μ0,背景像素点数占图像比例为ω1,其平均灰度为μ1,图像的总平均灰度记为μ,类间方差记为g,则有:
μ=ω0*μ0+ω1*μ1
g=ω0*(μ0-μ)2+ω1*(μ1-μ)2
对视野区图像有形成分进行分割后,处理装置还需要对有形成分进行特征抽取。由于图像所包含的数据量相当大,为了实现对有形成分的分类识别,就必须对原始的数据进行变换,抽取出能够刻画对象本质的描述特征。一般原始数据构成的空间为测量空间,由抽象出的描述特征构成的空间为特征空间。特征抽取的过程就是从具体到抽象的过程,它把维数较高的测量空间中表示的模式变为维数较低的特征空间中表示的模式,这不仅从本质上描述了对象的特性,降低了信息的冗余程度,也有利于计算机的分析和分类识别。因此,特征抽取对于模式识别极其重要。对于多类对象和目标的识别,关键是抽取对于表示类别之间可分离性而言最有效的特征;从特征空间角度来看,应使模式趋向类内聚焦,类间散开。
一般先提取小有形成分特征,然后再提取大有形成分特征。尿液分析仪显微镜有形成分图像中小目标有形成分包括,红细胞、白细胞、草酸钙结晶及其他不识别的小目标(临床应用价值不大);大目标有形成分包括,管型(颗粒管型和透明管型)、上皮细胞、尿酸结晶及其他不识别的大目标(尚未识别的成分)。
其中小的有形成分的特征提取过程为:首先对视野区图像进行二值化,由于小有形成分中的结晶和红白细胞在形态上非常接近,要尽量使二值化后的边缘不失真,可以采用基于直方图的二值化,该算法可以大大减小边缘的失真度。二值化后,要对图像进行去噪、填充、然后对该二值图像提取圆形度、旋转方差和快速傅里叶变换后的频域的圆形度、频域半径、十字线特征。该特征的实现效果要比时域圆形度的区分能力和抗干扰性强。大目标的特征提取过程为:先对大图像用Candy算子进行边缘检测、二值化、膨胀、腐蚀、去噪声、填充等预处理过程,然后对处理后图像进行求椭圆拟合的长短轴比、旋转长宽比、拉长度还有纹理特征的方差域对比度等特征。
由于视野区图像中有形成分较多且复杂,即使临床上是同一种成分,但在计算机自动识别看来,其纹理、形态都不一样,所以要对其进行粗分类。提取完图像中有形成分的特征后,处理装置需要对目标特征进行分类识别,本方案中采用神经网络对分割出的有形成分区域进行卷积、下采样等处理自动提取有形成分颗粒特征,依据提取的特征实现对有形成分区域的分类识别。神经网络应用于图像识别领域可以较好的解决图像识别中存在的噪声以及局部不规则性所带来的识别误差问题。
此外,处理装置2还用于判断单张视野区图像中有形成分含量是否大于或等于预设值。对单张视野区图像完成分割、特征提取、分类识别后,处理装置2的判断单元会对识别后的单张图像中的有形成分的种类以及总的含量时是否大于或等于预设值进行判断。即图像获取装置1依序获得多张视野区图像后,处理装置2的控制单元开始依序对单张视野区图像中的有形成分含量进行识别,如果处理装置2的判断单元判断单张视野区图像中有形成分含量大于或等于预设值,识别N张视野区图像,且停止识别下一张视野区图像中有形成分含量。
在一实施例中,请参阅图3,尿液样本的拍摄区域包括20个不同的视野区,即M等于20。显微镜10上的摄像装置20对20个不同的视野区沿着X轴依序从第一个视野区开始拍摄,图像获取装置1依序获取全部20张视野区图像后,处理装置2的控制单元开始对图像中有形成分进行识别,如果处理装置2的判断单元判断第10张图像中的有形成分含量大于或等于预设的1000个/ul,则就识别到第10张图像,停止识别第11张图像中有形成分。此时结果显示装置3接收到处理装置2的控制单元停止进行识别的信息后,执行结束测试的程序,将已识别的10张图像中的有形成分总分类以及总含量呈现给用户,以供后续打印。对于高浓度尿液样本有形成分识别时,将视野区全部拍摄后,再进行识别,当判断单元判断到预设值大于或等于1000个/ul的图像时,控制单元停止识别下一个视野区图像,这样降低了图像识别的时间,提高了尿液分析仪检测速率,对于检测高峰期,节省了检验输出结果的等待时间,改善了用户体验。
在一实施例中,请继续参阅图3,图像获取装置1依序获取视野区图像的同时,处理装置2的控制单元依序对已拍摄的视野区图像中有形成分进行识别,如果处理装置2的判断单元判断图像中有形成分含量大于或等于预设值时,停止拍摄下一个视野区,识别N张视野区图像。如尿液样本的拍摄区域包括20个不同的视野区,即M等于20。显微镜10上的摄像装置20开始对20个不同的视野区沿着X轴依序从第一个视野区开始拍摄,同时图像获取装置1也依序获取所拍摄视野区图像,同时控制单元对单次拍摄的视野区图像中有形成分含量进行识别,即图像获取装置获取一个视野区图像,同时控制单元对该张图像中的有形成分进行识别;如当图像获取装置获取到第10张视野区图像时,同时控制单元对第10张图像进行识别,如果判断单元判断第10张视野区图像中有形成分含量大于或等于1000个/ul,则摄像装置停止拍摄第11个视野区,控制单元也停止识别第11张图像,即控制单元识别了10张图像。此时显示装置3接收到摄像装置20停止进行拍摄的信息后,执行结束测试的程序,将已识别的10张图像中的有形成分总分类以及总含量呈现给用户,以供后续打印。对于高浓度尿液样本有形成分识别时,图像拍摄的同时对有形成分进行识别,可同时降低摄像装置拍摄以及控制单元识别的时间,提高了尿液分析仪检测速率,对于检测高峰期,节省了检验输出结果的等待时间,改善了用户体验。
在一实施例中,请继续参阅图3,图像获取装置1依序获取多张视野区图像后,处理装置2的控制单元开始依序对单张视野区图像中有形成分含量进行识别,如果处理装置2的判断单元判断第P张视野区图像中有形成分含量大于或等于预设值时,识别N张视野区图像,其中,P≤N<M。如尿液样本的拍摄区域包括20个不同的视野区,即M等于20。显微镜10上的摄像装置20对20个不同的视野区沿着X轴依序从第一个视野区开始拍摄,图像获取装置依序获取20张视野区图像后,控制单元开始对图像中有形成分进行识别,如果判断单元判断第5张图像中的有形成分含量大于或等于预设的1000个/ul,则再识别5张图像,直到第10张图像,停止识别第11张图像中有形成分。此时结果输出单元接收到控制单元停止进行识别的信息后,执行结束测试的程序,将已识别的10张图像中的有形成分总分类以及总含量呈现给用户,以供后续打印。在此实施例中为了防止偶发性,当判断单元判断到第5张图像中有形成分含量大于或等于预设值时,没有停止判断,而再继续判断5张图像,以保证结果的稳定性。对于高浓度尿液样本有形成分识别时,将视野区全部拍摄后,再进行识别,当判断单元判断到预设值大于或等于1000个/ul的图像时,控制单元停止识别下一个视野区图像,这样降低了图像识别的时间,提高了尿液分析仪检测速率,对于检测高峰期,节省了输出结果的等待时间,改善了用户体验。
在另一实施例中,请继续参阅图3,图像获取装置1依序获取视野区图像的同时,处理装置2的控制单元依序对已拍摄的视野区图像中有形成分进行识别,如果处理装置2的判断单元判断第P张图像中有形成分大于或等于预设值,则拍摄N张视野区图像。如尿液样本的拍摄区域包括20个不同的视野区,即M等于20。显微镜10上的摄像装置20对20个不同的视野区沿着X轴依序从第一个视野区开始拍摄,同时图像获取装置也依序获取所拍摄视野区图像,同时控制单元对单次拍摄的视野区图像中有形成分含量进行识别,即图像获取装置获取一个视野区图像,同时控制单元对该张图像中的有形成分进行识别;在此实施例中为了防止偶发性,当图像获取装置获取到第5张视野区图像时,同时控制单元对第5张图像进行识别,如果判断单元判断第5张视野区图像中有形成分含量大于或等于1000个/ul,则摄像装置20再继续拍摄5个视野区,控制单元也继续再识别5张视野区图像;直到摄像装置20拍摄到第10个视野区时,控制单元识别完第10张视野区图像时,停止拍摄和识别,保障了识别结果的稳定性。此时显示装置3接收到摄像装置20停止进行拍摄的信息后,执行结束测试的程序,将已识别的10张图像中的有形成分总分类以及总含量呈现给用户,以供后续打印。对于高浓度尿液样本有形成分识别时,图像拍摄的同时对有形成分进行识别,可同时降低摄像装置拍摄以及控制单元识别的时间,提高了尿液分析仪检测速率,对于检测高峰期,节省了输出结果的等待时间,改善了用户体验。
在一些实施例中,选取尿液样本拍摄区域,尿液样本区域包括M个不同的视野区,显微镜10上的摄像装置20对M个不同视野区按照预设路径依序进行拍摄,获得多张视野区图像;依序对单张视野区图像中有形成分进行识别,如果单张视野区图像中有形成分含量大于或等于预设值,识别N张视野区图像;如果单张视野区图像中有形成分含量小于预设值,识别M张视野区图像,其中M和N都是自然数,且,N<M;识别N张视野区图像或识别M张视野区图像后,样本检测流程结束,执行结果测试程序,将已识别的图像中的有形成分总分类以及总含量呈现给用户,以供后续打印。其中,拍摄不同视野区的图像的数量不小于N,不大于M,即当尿液样本为高浓度样本时,拍摄的视野区为N,低于计数池平面M个拍摄视野区,如计数池内尿液样本拍摄区域包括20个不同的视野区,即M等于20。如果判断样本中有形成分含量大于等于1000个/ul时,最终拍摄10个视野区图像,小于总的视野区个数20;如果样本中有形成分含量小于1000个/ul,则最终拍摄20个视野区图像。这样减少了高浓度样本下拍摄的图像数目,有效降低控制电机转动移动计数池平面进而拍摄样本图像的时间以及后续进行图像识别的时间,提升了尿液分析仪的检测速度。
在上述实施例中,当处理装置2的判断单元判断每张视野区图像中有形成分含量小于预设值时,依序获取M个视野区图像,进而控制单元对M张视野区图像中的有形成分进行识别。如计数池5内尿液样本拍摄区域,包含20个不同的视野区,即M等于20。显微镜10上的摄像装置20对20个不同的视野区沿着X轴依序从第一个视野区开始拍摄,图像获取装置依序获取20张视野区图像后,控制单元开始对图像中有形成分进行识别,当判断单元判断单张视野区图像中有形成分含量小于预设值1000个/ul时,则继续识别图像,直到识别完全部20张视野区图像,结束测试流程,将识别的20张图像中的有形成分总分类以及总含量呈现给用户,以供后续打印;在另一些实施例中,尿液样本的拍摄区域包括20个不同的视野区,显微镜10上的摄像装置20对20个不同的视野区沿着X轴依序从第一个视野区开始拍摄,同时图像获取装置1也依序获取所拍摄视野区图像,同时处理装置2的控制单元对单次拍摄的视野区图像中有形成分含量进行识别,即图像获取装置1获取一个视野区图像,同时处理装置2的控制单元对该张图像中的有形成分进行识别,当处理装置2的判断单元判断单张视野区图像中有形成分含量小于预设值1000个/ul时,则继续对视野区依序进行拍摄,同时也继续识别单张图像中的有形成分,直到拍摄完第20个视野区,获得第20张图像,识别完第20张图像中的有形成分后,结束测试流程,将识别的20张图像中的有形成分总分类以及总含量呈现给用户,以供后续打印。
实施例二
本实施例中提供一种尿液分析仪诊断提速方法,请参阅图4,该方法包括步骤110至步骤140:
步骤110:选取尿液样本拍摄区域,该尿液样本拍摄区域包括M个不同的视野区;
步骤120:对M个不同视野区按照预设路径依序进行拍摄,获得多张视野区图像;
步骤130:依序对单张视野区图像中有形成分进行识别,如果单张视野区图像中有形成分含量大于或等于预设值,识别N张视野区图像;如果每张视野区图像中有形成分含量均小于预设值,识别M张视野区图像,其中N和M都为自然数,且N<M;
步骤140:输出已识别视野区图像中的有形成分总类别及总含量。
本方案中的一些实施例中,依序对单张视野区图像中有形成分进行识别,包括:获得多张视野区图像后,依序识别单张视野区图像中有形成分含量,如果单张视野区图像中有形成分含量大于或等于预设值,识别N张视野区图像,且停止识别下一张视野区图像中的有形成分含量;执行结束测试的程序,将已识别图像中的有形成分总分类以及总含量输出给用户,以供后续打印。对于高浓度尿液样本有形成分识别时,将视野区全部拍摄后,再进行识别,当单张图像中有形成分预设值大于或等于1000个/ul时,停止识别下一个视野区图像,这样降低了图像识别的时间,提高了尿液分析仪检测速率,对于检测高峰期,节省了输出结果的等待时间,改善了用户体验。
一实施例中,依序对单张视野区图像中有形成分进行识别包括:获得拍摄所得多张视野区图像后,依序识别单张视野区图像中有形成分含量,如果第P张视野区图像有形成分含量大于或等于预设值,识别N张视野区图像,其中,P≤N<M。为了防止偶发性,当拍摄完多张视野区图像后,开始对单张图像进行识别,如果识别到第P张张图像种的有形成分含量大于或等于预设值,不停止识别,而是继续识别图像,直到识别第N张视野区图像中有形成分,才停止测试流程,这样可以保证结果的稳定性,以及输出结果的精确性。
在另一些实施例中,依序对单张视野区图像中有形成分进行识别,包括:对不同视野区依序进行拍摄的同时,对已拍摄的视野区图像中有形成分含量进行识别,如果单张视野区图像中有形成分含量大于或等于预设值,停止拍摄下一个视野区,识别N张视野区图像;执行结束测试的程序,将已识别图像中的有形成分总分类以及总含量输出给用户,以供后续打印。对于高浓度尿液样本有形成分识别时,图像拍摄的同时对有形成分进行识别,当识别到有形成分含量高的图像时,停止拍摄且识别,可同时降低摄像装置拍摄以及控制单元识别的时间,提高了尿液分析仪检测速率,对于检测高峰期,节省了输出结果的等待时间,改善了用户体验。
一实施例中,对不同视野区依序进行拍摄的同时,对已拍摄的图像中有形成分含量进行识别,如果第P张视野区图像中有形成分含量大于或等于预设值,则拍摄N张视野区图像,其中,P≤N<M。为了防止偶发性,拍摄视野区的同时对获得的图像中有形成分进行识别,如果识别到第P张张图像种的有形成分含量大于或等于预设值,没有停止拍摄视野区,而是继续拍摄,直到拍摄N个视野区,获得N张视野区图像,同时也对N张视野区图像进行识别后,才停止测试流程,保障了识别结果的稳定性,以及输出结果的精确性。
实施例三
本实施例提供了一种计算机可读存储介质,其上存储有计算机应用程序,该计算机应用程序被处理器执行时实现上述对尿液分析仪提速的方法步骤。
本文参照了各种示范实施例进行说明。然而,本领域的技术人员将认识到,在不脱离本文范围的情况下,可以对示范性实施例做出改变和修正。例如,各种操作步骤以及用于执行操作步骤的组件,可以根据特定的应用或考虑与系统的操作相关联的任何数量的成本函数以不同的方式实现(例如一个或多个步骤可以被删除、修改或结合到其他步骤中)。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。另外,如本领域技术人员所理解的,本文的原理可以反映在计算机可读存储介质上的计算机程序产品中,该可读存储介质预装有计算机可读程序代码。任何有形的、非暂时性的计算机可读存储介质皆可被使用,包括磁存储设备(硬盘、软盘等)、光学存储设备(CD至ROM、DVD、Blu Ray盘等)、闪存和/或诸如此类。这些计算机程序指令可被加载到通用计算机、专用计算机或其他可编程数据处理设备上以形成机器,使得这些在计算机上或其他可编程数据处理装置上执行的指令可以生成实现指定的功能的装置。这些计算机程序指令也可以存储在计算机可读存储器中,该计算机可读存储器可以指示计算机或其他可编程数据处理设备以特定的方式运行,这样存储在计算机可读存储器中的指令就可以形成一件制造品,包括实现指定功能的实现装置。计算机程序指令也可以加载到计算机或其他可编程数据处理设备上,从而在计算机或其他可编程设备上执行一系列操作步骤以产生一个计算机实现的进程,使得在计算机或其他可编程设备上执行的指令可以提供用于实现指定功能的步骤。
虽然在各种实施例中已经示出了本文的原理,但是许多特别适用于特定环境和操作要求的结构、布置、比例、元件、材料和部件的修改可以在不脱离本披露的原则和范围内使用。以上修改和其他改变或修正将被包含在本文的范围之内。
前述具体说明已参照各种实施例进行了描述。然而,本领域技术人员将认识到,可以在不脱离本披露的范围的情况下进行各种修正和改变。因此,对于本披露的考虑将是说明性的而非限制性的意义上的,并且所有这些修改都将被包含在其范围内。同样,有关于各种实施例的优点、其他优点和问题的解决方案已如上所述。然而,益处、优点、问题的解决方案以及任何能产生这些的要素,或使其变得更明确的解决方案都不应被解释为关键的、必需的或必要的。本文中所用的术语“包括”和其任何其他变体,皆属于非排他性包含,这样包括要素列表的过程、方法、文章或设备不仅包括这些要素,还包括未明确列出的或不属于该过程、方法、系统、文章或设备的其他要素。此外,本文中所使用的术语“耦合”和其任何其他变体都是指物理连接、电连接、磁连接、光连接、通信连接、功能连接和/或任何其他连接。
Claims (16)
1.一种尿液分析仪诊断提速方法,其特征在于,包括如下步骤:
选取尿液样本拍摄区域,所述尿液样本拍摄区域包括M个不同视野区;
对所述M个不同视野区按照预设路径依序进行拍摄,获得多张视野区图像;
依序对单张所述视野区图像中有形成分进行识别,如果单张所述视野区图像中有形成分含量大于或等于预设值,识别N张所述视野区图像;如果每张所述视野区图像中有形成分含量均小于所述预设值,识别M张所述视野区图像;其中,N和M都为自然数,且N<M;
输出已识别视野区图像中的有形成分的总类别及总含量。
2.如权利要求1所述的尿液分析仪诊断提速方法,其特征在于,依序对单张所述视野区图像中有形成分进行识别,包括:获得多张视野区图像后,依序识别单张所述视野区图像中有形成分含量,如果单张所述视野区图像中有形成分含量大于或等于预设值,识别N张视野区图像,且停止识别下一张视野区图像中有形成分含量。
3.如权利要求1所述的尿液分析仪诊断提速方法,其特征在于,依序对单张所述视野区图像中有形成分进行识别,包括:对所述不同视野区依序进行拍摄的同时,对已拍摄的视野区图像中有形成分含量进行识别;所述对M个不同视野区按照预设路径依序进行拍摄包括:如果单张所述视野区图像中有形成分含量大于或等于预设值,停止拍摄下一个视野区。
4.如权利要求1或2所述的尿液分析仪诊断提速方法,其特征在于,所述依序对单张所述视野区图像中有形成分进行识别包括:获得拍摄所得的多张视野区图像后,依序识别单张所述视野区图像中有形成分含量,如果第P张所述视野区图像有形成分含量大于或等于预设值,识别N张视野区图像,其中,P≤N<M。
5.如权利要求1或3所述的尿液分析仪诊断提速方法,其特征在于,对所述不同视野区依序进行拍摄的同时,对已拍摄的图像中有形成分含量进行识别,如果第P张所述视野区图像中有形成分含量大于或等于预设值,则拍摄N张视野区图像,其中,P≤N<M。
6.如权利要求1所述的尿液分析仪诊断提速方法,其特征在于,拍摄不同视野区的图像的数量不小于N,不大于M。
7.如权利要求1所述的尿液分析仪诊断提速方法,其特征在于,当每张所述视野区图像中有形成分含量小于预设值时,按照所述预设路径依序对所述M个视野区全部进行拍摄,获取M张视野区图像后对有形成分进行识别。
8.一种尿液分析仪,其特征在于,包括:
图像获取装置,用于对计数池内样本拍摄区域的不同视野区依序进行拍摄,获取多张视野区图像;
处理装置,用于依序对单张所述视野区图像中有形成分进行识别,如果单张所述视野区图像中有形成分含量大于或等于预设值,所述处理装置用于识别N张所述视野区图像;如果每张所述视野区图像中有形成分含量均小于所述预设值,所述处理装置用于识别M张所述视野区图像;其中,N和M都为自然数,且N<M;
显示装置,用于显示已识别视野区图像中的有形成分的总类别及总含量。
9.如权利要求8所述的尿液分析仪,其特征在于,所述图像获取装置包括,显微镜,所述显微镜包括承载被测尿液样本的载物台以及放大被测样本的物镜;摄像装置,所述摄像装置设置于所述物镜上方,拍摄经所述物镜放大后视野区的有形成分。
10.如权利要求8所述的尿液分析仪,其特征在于,所述处理装置包括:
图像信息传输模块,将获取的视野区图像信息传输至图像信息处理模块;
图像信息处理模块,包括控制单元和判断单元,所述控制单元对视野区图像中有形成分进行识别;所述判断单元依序判断单张视野区图像中有形成分是否含量大于或等于预设值。
11.如权利要求8或10所述的尿液分析仪,其特征在于,所述图像获取装置依序获得多张视野区图像后,所述处理装置用于依序对单张所述视野区图像中的有形成分含量进行识别,如果单张所述图像中有形成分含量大于或等于预设值,则所述处理装置用于识别N张视野区图像。
12.如权利要求8或10所述的尿液分析仪,其特征在于,所述图像获取装置依序获取视野区图像的同时,所述处理装置用于依序对已拍摄的视野区图像中有形成分进行识别,如果单张所述图像中有形成分含量大于或等于预设值,则所述处理装置用于控制所述图像获取装置停止拍摄下一个视野区。
13.如权利要求8或10所述的尿液分析仪,其特征在于,所述图像获取装置依序获取多张视野区图像后,所述处理装置用于依序对单张所述视野区图像中的有形成分含量进行识别,如果第P张视野区图像中有形成分含量大于或等于预设值,则所述处理装置用于识别N张视野区图像,其中,P≤N<M。
14.如权利要求8或10所述的尿液分析仪,其特征在于,所述图像获取装置依序获取视野区图像的同时,所述处理装置用于依序对已拍摄的视野区图像中有形成分进行识别,如果第P张所述图像中有形成分含量大于或等于预设值,则所述处理装置用于控制所述图像获取装置拍摄N张视野区图像,其中,P≤N<M。
15.如权利要求10所述的尿液分析仪,其特征在于,当所述判断单元判断每张所述视野区图像中有形成分含量均小于所述预设值时,依序获取所述M个视野区图像,进而所述控制单元对M张视野区图像中有形成分进行识别。
16.一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现如权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910714936.3A CN112330586A (zh) | 2019-08-02 | 2019-08-02 | 一种尿液分析仪诊断提速方法、尿液分析仪及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910714936.3A CN112330586A (zh) | 2019-08-02 | 2019-08-02 | 一种尿液分析仪诊断提速方法、尿液分析仪及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112330586A true CN112330586A (zh) | 2021-02-05 |
Family
ID=74319350
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910714936.3A Pending CN112330586A (zh) | 2019-08-02 | 2019-08-02 | 一种尿液分析仪诊断提速方法、尿液分析仪及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112330586A (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101191142A (zh) * | 2007-12-21 | 2008-06-04 | 中国科学院沈阳应用生态研究所 | 一种胰蛋白酶抑制剂活性的检测方法 |
CN102323281A (zh) * | 2011-08-22 | 2012-01-18 | 长沙高新技术产业开发区爱威科技实业有限公司 | 液体性质检测方法和系统 |
CN202305414U (zh) * | 2011-08-22 | 2012-07-04 | 长沙高新技术产业开发区爱威科技实业有限公司 | 液体性质检测系统 |
CN102564927A (zh) * | 2011-12-30 | 2012-07-11 | 北京普利生仪器有限公司 | 一种尿液全息检测方法及设备 |
CN105445282A (zh) * | 2014-08-22 | 2016-03-30 | 苏州惠生电子科技有限公司 | 计数池外部灰尘识别方法、装置及全自动尿液沉渣分析系统 |
CN105760878A (zh) * | 2014-12-19 | 2016-07-13 | 西门子医疗保健诊断公司 | 选择聚焦最佳的尿沉渣显微镜图像的方法及装置 |
WO2017115775A1 (ja) * | 2015-12-28 | 2017-07-06 | 東洋紡株式会社 | 分析装置、分析方法、および、分析システム |
CN108629369A (zh) * | 2018-04-19 | 2018-10-09 | 中南大学 | 一种基于Trimmed SSD的尿沉渣有形成分自动识别方法 |
CN109190590A (zh) * | 2018-09-19 | 2019-01-11 | 深圳市美侨医疗科技有限公司 | 一种尿沉渣结晶识别方法、装置、计算机设备及存储介质 |
CN109633053A (zh) * | 2018-12-19 | 2019-04-16 | 杭州奕安济世生物药业有限公司 | 细胞培养物蛋白质表达量和蛋白质聚集体量的检测方法和系统 |
-
2019
- 2019-08-02 CN CN201910714936.3A patent/CN112330586A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101191142A (zh) * | 2007-12-21 | 2008-06-04 | 中国科学院沈阳应用生态研究所 | 一种胰蛋白酶抑制剂活性的检测方法 |
CN102323281A (zh) * | 2011-08-22 | 2012-01-18 | 长沙高新技术产业开发区爱威科技实业有限公司 | 液体性质检测方法和系统 |
CN202305414U (zh) * | 2011-08-22 | 2012-07-04 | 长沙高新技术产业开发区爱威科技实业有限公司 | 液体性质检测系统 |
CN102564927A (zh) * | 2011-12-30 | 2012-07-11 | 北京普利生仪器有限公司 | 一种尿液全息检测方法及设备 |
CN105445282A (zh) * | 2014-08-22 | 2016-03-30 | 苏州惠生电子科技有限公司 | 计数池外部灰尘识别方法、装置及全自动尿液沉渣分析系统 |
CN105760878A (zh) * | 2014-12-19 | 2016-07-13 | 西门子医疗保健诊断公司 | 选择聚焦最佳的尿沉渣显微镜图像的方法及装置 |
WO2017115775A1 (ja) * | 2015-12-28 | 2017-07-06 | 東洋紡株式会社 | 分析装置、分析方法、および、分析システム |
CN108629369A (zh) * | 2018-04-19 | 2018-10-09 | 中南大学 | 一种基于Trimmed SSD的尿沉渣有形成分自动识别方法 |
CN109190590A (zh) * | 2018-09-19 | 2019-01-11 | 深圳市美侨医疗科技有限公司 | 一种尿沉渣结晶识别方法、装置、计算机设备及存储介质 |
CN109633053A (zh) * | 2018-12-19 | 2019-04-16 | 杭州奕安济世生物药业有限公司 | 细胞培养物蛋白质表达量和蛋白质聚集体量的检测方法和系统 |
Non-Patent Citations (1)
Title |
---|
安蓬蓬;李浩泷;刘春燕;王金榜;杨文玲;: "新国标实施后的洗涤红细胞质检结果分析", 临床输血与检验, no. 02, 20 April 2016 (2016-04-20) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10796429B2 (en) | Systems and methods for area-of-interest detection using slide thumbnail images | |
JP3822242B2 (ja) | スライド及び試料の調製品質を評価するための方法及び装置 | |
CN108682008B (zh) | 一种白细胞图像清晰度评价方法及装置 | |
CN104978578B (zh) | 手机拍照文本图像质量评估方法 | |
CN111083365B (zh) | 一种最佳焦平面位置快速检测方法及装置 | |
JPH10506206A (ja) | 医・生物学標本の自動焦点装置 | |
CN104101294B (zh) | 分析装置、分析程序以及分析系统 | |
US20220012884A1 (en) | Image analysis system and analysis method | |
CN112215790A (zh) | 基于深度学习的ki67指数分析方法 | |
CN111369523B (zh) | 显微图像中细胞堆叠的检测方法、系统、设备及介质 | |
Bibiloni et al. | A real-time fuzzy morphological algorithm for retinal vessel segmentation | |
van Zwanenberg et al. | Edge detection techniques for quantifying spatial imaging system performance and image quality | |
JPH10506462A (ja) | 自動化された細胞学的スコアリングのために不適切な状態を検出するための方法および装置 | |
WO2014066231A1 (en) | Cell identification method and device, and urine analyzer | |
WO2006087526A1 (en) | Apparatus and method for processing of specimen images for use in computer analysis thereof | |
CN117333489B (zh) | 一种薄膜破损检测装置及检测系统 | |
JP6045292B2 (ja) | 細胞計数装置及び細胞計数プログラム | |
US10943350B2 (en) | Automated segmentation of histological sections for vasculature quantification | |
CN116563298A (zh) | 基于高斯拟合的十字线中心亚像素检测方法 | |
CN116740465A (zh) | 一种基于腹膜透析液图像分割的病灶分类装置和设备 | |
CN116596899A (zh) | 基于荧光图像识别循环肿瘤细胞方法、装置、终端及介质 | |
CN112330586A (zh) | 一种尿液分析仪诊断提速方法、尿液分析仪及计算机可读存储介质 | |
CN112712490B (zh) | 尿液检测方法、尿液检测设备及计算机可读存储介质 | |
CN111062887B (zh) | 基于改进的Retinex算法的图像清晰度判定方法 | |
CN112861675A (zh) | 一种粪便有形成分检测识别方法 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20231213 Address after: 518057 the 1-4 floor of MINDRAY building, science and technology south twelve Road, Nanshan District high tech Industrial Park, Shenzhen, Guangdong. Applicant after: SHENZHEN MINDRAY BIO-MEDICAL ELECTRONICS Co.,Ltd. Address before: Unit 501, Building 218, Sangtian Street, Suzhou Industrial Park, Jiangsu Province Applicant before: SUZHOU MAIRUI TECHNOLOGY Co.,Ltd. |