CN112419294A - 一种细胞计数方法、装置、设备及存储介质 - Google Patents
一种细胞计数方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN112419294A CN112419294A CN202011391382.7A CN202011391382A CN112419294A CN 112419294 A CN112419294 A CN 112419294A CN 202011391382 A CN202011391382 A CN 202011391382A CN 112419294 A CN112419294 A CN 112419294A
- Authority
- CN
- China
- Prior art keywords
- culture vessel
- cell culture
- target image
- cells
- cell
- 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.)
- Withdrawn
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-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
- G06T7/60—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
- G06T2207/10—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
-
- 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
Abstract
本申请提供一种细胞计数方法、装置、设备及存储介质,涉及细胞研究技术领域。获取至少一个目标图像,每个目标图像分别为细胞培养器皿的一个子区域图像,该细胞培养器皿包含待计数的细胞;将各目标图像分别输入预先训练获取的细胞计数模型,得到各目标图像包含的细胞数量;根据各目标图像包含的细胞数量以及目标参数信息,确定该细胞培养器皿中的细胞数量,该目标参数信息包括该细胞培养器皿尺寸以及各该目标图像的尺寸。应用本申请实施例,可以提高细胞培养器皿中细胞计数结果的准确度,便于后续实验操作。
Description
技术领域
本申请涉及细胞研究技术领域,具体而言,涉及一种细胞计数方法、装置、设备及存储介质。
背景技术
随着人类科学的进步,越来越多的科研人员致力于细胞研究领域,其中,准确的进行细胞计数对细胞研究工作有着重要的意义。
目前,可以通过图像识别的方式进行细胞计数。在该方式中,通过对图像进行灰度化、边缘检测以及细胞分割等处理,得到图像包含的细胞数量。
但是,目前的细胞计数方式处理过程较复杂,且对于连在一起的细胞无法自动分割计数,导致细胞计数结果不准确,以及还无法获得细胞培养器皿中细胞的总数量,不便于后续实验操作。
发明内容
本申请的目的在于,针对上述现有技术中的不足,提供一种细胞计数方法、装置、设备及存储介质,可以提高细胞培养器皿中细胞计数结果的准确性,便于后续实验操作。
为实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供了一种细胞计数方法,所述方法包括:
获取至少一个目标图像,每个所述目标图像分别为细胞培养器皿的一个子区域图像,所述细胞培养器皿包含待计数的细胞;
将各所述目标图像分别输入预先训练获取的细胞计数模型,得到各所述目标图像包含的细胞数量;
根据各所述目标图像包含的细胞数量以及目标参数信息,确定所述细胞培养器皿中的细胞数量,所述目标参数信息包括所述细胞培养器皿尺寸以及各所述目标图像的尺寸。
可选地,所述根据各所述目标图像包含的细胞数量以及目标参数信息,确定所述细胞培养器皿中的细胞数量,包括:
根据各所述目标图像包含的细胞数量,判断所述细胞培养器皿中的细胞是否分布均匀;
若所述细胞培养器皿中的细胞分布均匀,则根据各所述目标图像包含的细胞数量、所述细胞培养器皿尺寸以及所述目标图像的尺寸确定所述细胞培养器皿中的细胞数量。
可选地,所述根据各所述目标图像包含的细胞数量、所述细胞培养器皿尺寸以及所述目标图像的尺寸确定所述细胞培养器皿中的细胞数量,包括:
根据各所述目标图像包含的细胞数量,确定各所述目标图像对应的平均细胞数量;
根据所述平均细胞数量、所述细胞培养器皿尺寸以及所述目标图像的尺寸确定所述细胞培养器皿中的细胞数量。
可选地,所述根据所述平均细胞数量、所述细胞培养器皿尺寸以及所述目标图像的尺寸确定所述细胞培养器皿中的细胞数量,包括:
根据所述目标图像的尺寸,确定所述目标图像的面积;
根据所述目标图像的面积、所述平均细胞数量以及所述细胞培养器皿尺寸,得到所述细胞培养器皿中的细胞数量。
可选地,所述方法还包括:
若所述细胞培养器皿中的细胞分布不均匀,则根据所述细胞培养器皿尺寸以及所述目标图像的尺寸,确定各所述目标图像在所述细胞培养器皿中的位置信息;
根据各所述目标图像在所述细胞培养器皿中的位置信息以及各所述目标图像包含的细胞数量,使用最小二乘法,得到所述细胞培养器皿中的细胞数量。
可选地,所述根据各所述目标图像在所述细胞培养器皿中的位置信息以及各所述目标图像包含的细胞数量,使用最小二乘法,得到所述细胞培养器皿中的细胞数量,包括:
根据各所述目标图像在所述细胞培养器皿中的位置信息以及各所述目标图像包含的细胞数量,使用最小二乘法,得到所述细胞培养器皿对应的最优平面方程;
根据所述细胞培养器皿对应的最优平面方程以及所述细胞培养器皿尺寸,得到所述细胞培养器皿中的细胞数量。
可选地,所述细胞培养器皿包含的细胞为预设时段采集的细胞;所述方法还包括:
将多个目标细胞数量以及各所述目标细胞数量对应的时段信息发送给终端设备,各所述目标细胞数量分别为不同预设时段对应的细胞培养器皿中的细胞数量。
第二方面,本申请实施例还提供了一种细胞计数装置,所述装置包括:
获取模块,用于获取至少一个目标图像,每个所述目标图像分别为细胞培养器皿的一个子区域图像,所述细胞培养器皿包含待计数的细胞;
输入模块,用于将各所述目标图像分别输入预先训练获取的细胞计数模型,得到各所述目标图像包含的细胞数量;
确定模块,用于根据各所述目标图像包含的细胞数量以及目标参数信息,确定所述细胞培养器皿中的细胞数量,所述目标参数信息包括所述细胞培养器皿尺寸以及各所述目标图像的尺寸。
可选地,所述确定模块,具体用于根据各所述目标图像包含的细胞数量,判断所述细胞培养器皿中的细胞是否分布均匀;若所述细胞培养器皿中的细胞分布均匀,则根据各所述目标图像包含的细胞数量、所述细胞培养器皿尺寸以及所述目标图像的尺寸确定所述细胞培养器皿中的细胞数量。
可选地,所述确定模块,还具体用于根据各所述目标图像包含的细胞数量,确定各所述目标图像对应的平均细胞数量;根据所述平均细胞数量、所述细胞培养器皿尺寸以及所述目标图像的尺寸确定所述细胞培养器皿中的细胞数量。
可选地,所述确定模块,还具体用于根据所述目标图像的尺寸,确定所述目标图像的面积;根据所述目标图像的面积、所述平均细胞数量以及所述细胞培养器皿尺寸,得到所述细胞培养器皿中的细胞数量。
可选地,所述确定模块,还具体用于若所述细胞培养器皿中的细胞分布不均匀,则根据所述细胞培养器皿尺寸以及所述目标图像的尺寸,确定各所述目标图像在所述细胞培养器皿中的位置信息;根据各所述目标图像在所述细胞培养器皿中的位置信息以及各所述目标图像包含的细胞数量,使用最小二乘法,得到所述细胞培养器皿中的细胞数量。
可选地,所述确定模块,还具体用于根据各所述目标图像在所述细胞培养器皿中的位置信息以及各所述目标图像包含的细胞数量,使用最小二乘法,得到所述细胞培养器皿对应的最优平面方程;根据所述细胞培养器皿对应的最优平面方程以及所述细胞培养器皿尺寸,得到所述细胞培养器皿中的细胞数量。
可选地,所述细胞培养器皿包含的细胞为预设时段采集的细胞;所述装置还包括:
发送模块,用于将多个目标细胞数量以及各所述目标细胞数量对应的时段信息发送给终端设备,各所述目标细胞数量分别为不同预设时段对应的细胞培养器皿中的细胞数量。
第三方面,本申请实施例提供了一种电子设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当所述电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行上述第一方面的所述细胞计数方法的步骤。
第四方面,本申请实施例提供了一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行上述第一方面的所述细胞计数方法的步骤。
本申请的有益效果是:
本申请实施例提供一种细胞计数方法、装置、设备及存储介质,获取至少一个目标图像,每个目标图像分别为细胞培养器皿的一个子区域图像,该细胞培养器皿包含待计数的细胞;将各目标图像分别输入预先训练获取的细胞计数模型,得到各目标图像包含的细胞数量;根据各目标图像包含的细胞数量以及目标参数信息,确定该细胞培养器皿中的细胞数量,该目标参数信息包括该细胞培养器皿尺寸以及各该目标图像的尺寸。采用本申请实施例提供的细胞计数方法,服务器可通过预先训练的细胞计数模型获取各目标图像包含的细胞数量,在得到各目标图像包含的细胞数量后,可依据细胞培养器皿与目标图像之间的尺寸关系,确定出该细胞培养器皿中的细胞总数量。也就是说,该服务器是基于深度学习算法进行细胞计数,极大提升了处理效率,同时,还可以提高细胞培养器皿中细胞计数结果的准确度,便于后续实验操作。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为现有技术提供的一种细胞计数方法的流程示意图;
图2为本申请实施例提供的一种细胞计数系统的结构示意图;
图3为本申请实施例提供的一种细胞计数方法的流程示意图;
图4为一种子区域与细胞培养器皿位置关系的结构示意图;
图5为本申请实施例提供的另一种细胞计数方法的流程示意图;
图6为本申请实施例提供的又一种细胞计数方法的流程示意图;
图7为本申请实施例提供的再一种细胞计数方法的流程示意图;
图8为各子区域用位置信息以及细胞数量进行表示的示意图;
图9为本申请实施例提供的一种细胞计数装置的结构示意图;
图10为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在对本申请实施例进行解释之前,首先对本申请所涉及的相关背景技术进行简单说明。
现有的细胞计数方式可基于opencv(open source computer vision library,开放源代码计算机视觉类库)对图像进行识别,得到图像包含的细胞数量。图1为现有技术提供的一种细胞计数方法的流程示意图,如图1所示,需要对图像进行图像颗粒化101、图像灰度化102、中值滤波103、边缘检测104、膨胀处理105、孔洞填充106、腐蚀运算107、边缘提取108以及细胞分割109等处理,才能识别出该图像中包含的细胞数量。可以看出,现有技术的细胞计数方式比较复杂,也无法对连在一起的细胞进行分割计数,难以准确对细胞数量进行计数,并且还无法获得细胞培养器皿中细胞的总数量,不便于后续实验操作。
基于上述技术问题,本申请提供一种发明构思:基于预先训练的细胞计数模型对图像进行识别,得到图像包含的细胞数量,再依据细胞培养器皿与目标图像之间的尺寸关系,得到该细胞培养器皿中细胞的总数量。这样不仅处理过程简单,不需要对细胞进行消化重悬,避免了对细胞造成损伤,还一定程度上提高了细胞培养器皿中细胞计数结果的准确度,而且在得到细胞培养器皿中细胞的总数量可便于后续实验操作。
图2为本申请实施例提供的一种细胞计数系统的结构示意图,如图1所示,该系统可包括:显微镜201、计算机202、服务器203以及终端设备204,显微镜201与计算机202电连接,服务器203分别与计算机202、终端设备204电连接。其中,显微镜201可为电子显微镜,也可为普通显微镜,工作人员可将待测细胞培养器皿放置在显微镜201下,计算机02通过显微镜201获取该待测细胞培养器皿中的至少一个区域的目标图像,并将该至少一个区域的目标图像以及预先存储的装有该待测细胞培养器皿尺寸以及显微镜201放大倍数(即目标图像尺寸)发送给服务器203,服务器203利用预先训练获取的细胞计数模型对各目标图像进行识别,得到各目标图像包含的细胞数量。
服务器203可基于各目标图像包含的细胞数量以及计算机202发送的该待测细胞培养器皿尺寸以及显微镜201放大倍数(即目标图像尺寸),得到该待测细胞培养器皿中的细胞数量,其中,服务器203可为云服务器。服务器203可将确定出的各时段的该待测细胞培养器皿中的细胞数量发送给终端设备204,终端设备204可根据默认的图形显示方式或者用户选择的图形显示方式在界面上显示该待测细胞培养器皿中的细胞数量和时间之间的关系,用户可直观的看到该待测细胞培养器皿中的细胞数量的变化规律。其中,终端设备204的具体形态可以为手机、平板电脑、台式电脑以及其他具有显示功能和处理功能的设备,需要说明的是,本申请不对其进行限定。
如下将通过多个具体实施例对本申请所提供的细胞计数方法进行详细说明。
如下结合附图对本申请所提到的细胞计数方法进行示例说明。图3为本申请实施例提供的一种细胞计数方法的流程示意图,该方法可应用于上述提到的细胞计数系统中的服务器。如图3所示,该方法可包括:
S301、获取至少一个目标图像。
其中,每个目标图像分别为细胞培养器皿的一个子区域图像,该细胞培养器皿包含待计数的细胞。
服务器可通过如图2所示例的计算机获取细胞培养器皿的至少一个子区域图像。图4为一种子区域与细胞培养器皿位置关系的结构示意图,如图4所示,细胞培养器皿上的多个子区域可以看成是有间隔的块,每个块的大小相似,图4中的子区域的个数为9。也就是说,计算机可根据预设的显微镜放大倍数通过显微镜获取每个子区域对应的目标图像,即可获得9张目标图像,需要说明的是,本申请不对该目标图像的个数进行限定。计算机端在获取到各个子区域对应的目标图像后,可将各个目标图像发送给该服务器。
S302、将各目标图像分别输入预先训练获取的细胞计数模型,得到各目标图像包含的细胞数量。
通过专家对多张包含有细胞的图像进行标定,形成训练初始细胞计数模型的训练样本,该训练样本中的标定信息为各张图像上的细胞数量,将该训练样本输入该初始细胞计数模型,在满足训练停止条件后,可获取到该细胞计数模型,其中,该初始细胞计数模型可以为FCN(Fully Convolutional Networks,全卷积神经网络)模型、U-Net模型等,本申请不对其进行限定。
将各目标图像分别输入该细胞计数模型中,通过提取各目标图像的特征信息,输出各目标图像包含的细胞数量,该服务器可按照键值对的存储方式将目标图像编号以及该目标图像包含的细胞数量进行关联存储,可将其存储在数据库中,该数据库可以为MySQL(My Structured Query Language,结构化查询语言)数据库。
S303、根据各目标图像包含的细胞数量以及目标参数信息,确定该细胞培养器皿中的细胞数量。
其中,该目标参数信息包括该细胞培养器皿尺寸以及各该目标图像的尺寸。
计算机端在获取到各个子区域对应的目标图像后,可将各个目标图像以及预先存储的该目标参数信息一起发送给该服务器,其中,该目标参数信息中的该细胞培养器皿尺寸和该细胞培养器皿的型号相关。通常,细胞培养器皿类型可以为多孔板(如96孔板、24孔板)、培养皿以及培养瓶等,本申请不对该细胞培养器皿类型进行限定。表1为各常用细胞培养器皿型号和细胞培养器皿底面积(即表1中的细胞培养器皿尺寸信息)之间的对应关系。图2为显微镜放大倍数和目标图像尺寸之间的对应关系,如表2所示,从表2可以看出,显微镜放大倍数越大,目标图像宽度(目标图像的尺寸)越小,显微镜放大倍数越小,目标图像宽度(目标图像的尺寸)越大。计算机端可预先存储表1和表2,工作人员可根据该细胞培养器皿型号以及所采用的显微镜放大倍数,在计算机端上设置该细胞培养器皿底面积信息以及该目标图像宽度信息(该目标图像的尺寸),组成该目标参数信息,计算机端在获取到目标图像后,可将该目标图像与该参数信息一起发送给该服务器。
表1
表2
显微镜放大倍数 | 目标图像的尺寸(μm) |
50倍 | 424 |
100倍 | 212 |
200倍 | 106 |
400倍 | 53 |
该服务器根据该细胞计数模型分析出的各个目标图像的细胞数量以及该细胞培养器皿尺寸与该目标图像尺寸之间的关系,可以确定出该细胞培养器皿中的细胞总数量。
综上所述,本申请提供的细胞计数方法中,获取至少一个目标图像,每个目标图像分别为细胞培养器皿的一个子区域图像,该细胞培养器皿包含待计数的细胞;将各目标图像分别输入预先训练获取的细胞计数模型,得到各目标图像包含的细胞数量;根据各目标图像包含的细胞数量以及目标参数信息,确定该细胞培养器皿中的细胞数量,该目标参数信息包括该细胞培养器皿尺寸以及各该目标图像的尺寸。采用本申请实施例提供的细胞计数方法,服务器可通过预先训练的细胞计数模型获取各目标图像包含的细胞数量,在得到各目标图像包含的细胞数量后,可依据细胞培养器皿与目标图像之间的尺寸关系,确定出该细胞培养器皿中细胞的总数量。也就是说,该服务器是基于深度学习算法进行细胞计数,极大提升了处理效率,同时,还可以提高细胞培养器皿中细胞计数结果的准确度,便于后续实验操作。
图5为本申请实施例提供的另一种细胞计数方法的流程示意图。如图5所示,可选地,根据各目标图像包含的细胞数量以及目标参数信息,确定该细胞培养器皿中的细胞数量,可包括:
S501、根据各目标图像包含的细胞数量,判断该细胞培养器皿中的细胞是否分布均匀。
在获取到各个目标图像包含的细胞数量后,可根据目标图像的个数计算平均细胞数量,将各个目标图像包含的细胞数量分别与该平均细胞数量进行比较,得到多个偏差结果,当有偏差结果超过预设区间时,证明该细胞培养器皿中的细胞是分布不均匀的,当所有偏差结果均没有超过预设区间时,证明该细胞培养器皿中的细胞是分布均匀的,该预设区间可根据实际需求进行设置。需要说明的是,也可以采用其他检验数据是否均匀分布的方法判断该细胞培养器皿中的细胞是否分布均匀,本申请不对其进行限定。
S502、若该细胞培养器皿中的细胞分布均匀,则根据各目标图像包含的细胞数量、该细胞培养器皿尺寸以及该目标图像的尺寸确定该细胞培养器皿中的细胞数量。
当该细胞培养器皿中的细胞分布均匀时,证明每个目标图像对应的子区域都有相同的特征,也就是说,可以根据该细胞培养器皿尺寸以及该目标图像的尺寸,求解该细胞培养器皿可包含多少个子区域,再根据子区域的个数以及根据各目标图像包含的细胞数量求解出的平均细胞数量,可得到该细胞培养器皿中所包含的细胞总数量。
图6为本申请实施例提供的又一种细胞计数方法的流程示意图。如图6所示,可选地,根据各目标图像包含的细胞数量、该细胞培养器皿尺寸以及该目标图像的尺寸确定该细胞培养器皿中的细胞数量,可包括:
S601、根据各目标图像包含的细胞数量,确定各目标图像对应的平均细胞数量。
将各目标图像包含的细胞数量相加,得到总细胞数量,根据总细胞数量以及目标图像个数计算得到平均细胞数量。举例来说,假设目标图像的个数为9,各目标图像包含的细胞数量为(x1,x2…x9),则平均细胞数量p=x1+x2…+x9/9。
S602、根据该平均细胞数量、该细胞培养器皿尺寸以及该目标图像的尺寸确定该细胞培养器皿中的细胞数量。
可选地,根据该目标图像的尺寸,确定该目标图像的面积;根据该目标图像的面积、该平均细胞数量以及该细胞培养器皿尺寸,得到该细胞培养器皿中的细胞数量。
显微镜的放大倍数确定后,目标图像的尺寸就确定了,该目标图像的尺寸代表的是目标图像的宽度,根据上述表2可以看出,当利用放大倍数为100的显微镜获取目标图像时,获取到的目标图像宽度(a1)为212μm,一般情况下,该目标图像是一个正方形,那么该目标图像的面积为(a1*a1)。
根据该细胞培养器皿型号以及上述表1,可得到该细胞培养器皿尺寸,该细胞培养器皿尺寸代表的是该细胞培养器皿面积(b1),需要说明的是,该细胞培养器皿尺寸以及该目标图像的尺寸,可以是工作人员根据上述表1和上述表2预先设置在计算机端上的,也可以是计算机端根据用户设置的该细胞培养器皿型号以及显微镜的放大倍数,从上述表1和上述表2中调取出对应的细胞培养器皿尺寸以及目标图像的尺寸,本申请不对其进行限定。
该服务器可根据上述得到的平均细胞数量(p)、该目标图像的面积(a1*a1)以及该细胞培养器皿面积(b1)可以求出该细胞培养器皿中的细胞数量t=p*[b1/(a1*a1)]。
图7为本申请实施例提供的再一种细胞计数方法的流程示意图。如图7所示,该方法还可以包括:
S701、若该细胞培养器皿中的细胞分布不均匀,则根据该细胞培养器皿尺寸以及该目标图像的尺寸,确定各该目标图像在该细胞培养器皿中的位置信息。
当该细胞培养器皿中的细胞分布不均匀时,证明各个目标图像对应的细胞培养器皿的子区域特征相差较大,也就是说,该细胞培养器皿可能处于倾斜状态,那么可根据该细胞培养器皿尺寸(器皿面积)求解该细胞培养器皿的高度,此处可将该细胞培养器皿看成正方形。该服务器再根据该细胞培养器皿的高度、该目标图像的尺寸以及该目标图像的个数,得到各个目标图像所对应的子区域之间的间距。
该间距可通过下式求解:k=l/n,其中,k表示间距,l表示该细胞培养器皿的高度(h1)与该目标图像的尺寸(a1)之间的比值(l=h1/a1),n的取值和目标图像的个数相关,也就是和子区域的块数相关。比如,细胞培养器皿的子区域是如图4排布的,即九宫格的形式,那么n的取值为4,如果是四宫格的形式,那么n的取值为3,以此类推。
在求出子区域之间的间距后,可以以某个子区域为原点,得到各个子区域在该细胞培养器皿中的位置信息,即各个目标图像在该细胞培养器皿中的位置信息,该位置信息用间距信息进行表示。
S702、根据各目标图像在该细胞培养器皿中的位置信息以及各该目标图像包含的细胞数量,使用最小二乘法,得到该细胞培养器皿中的细胞数量。
可选地,根据各目标图像在该细胞培养器皿中的位置信息以及各目标图像包含的细胞数量,使用最小二乘法,得到该细胞培养器皿对应的最优平面方程;根据该细胞培养器皿对应的最优平面方程以及该细胞培养器皿尺寸,得到该细胞培养器皿中的细胞数量。
构建平面方程:a*x+b*y+c*z=d,其中,(x,y)表示各目标图像在该细胞培养器皿中的位置信息,z表示个目标图像包含的细胞数量,那么可根据多点最小二乘法平面方程拟合计算方法可求解出参数a、b、c、d,可得到该细胞培养器皿对应的最优平面方程。
举例来说,假设目标图像的个数为9个,每个目标图像包含的细胞数量为(x1,x2…x9),并且还知道各目标图像在细胞培养器皿中的位置信息,所以可将每个子区域用位置信息以及细胞数量进行表示。图8为各子区域用位置信息以及细胞数量进行表示的示意图,如图8所示,这9个子区域相当于9个点,每个点的数据可分别表示为(-k,k,x1)、(-k,k,x1)、(0,k,x2)、(k,k,x3)、(-k,0,x4)、(0,0,x5)、(k,0,x6)、(-k,-k,x7)、(0,-k,x8)、(k,-k,x9)。可根据多点最小二乘法平面方程拟合计算方法求解出该细胞培养器皿对应的平面方程达到最优时的参数a、b、c、d。
根据该细胞培养器皿尺寸,可以得到该细胞培养器皿对应的平面上的多个点,将每个点在该细胞培养器皿中的位置信息(x,y)分别带入上述求解出来的最优平面方程,可得到每个点对应的z,即每个点对应的细胞数量,最后将各个点对应的细胞数量相加,可得到该细胞培养器皿中的细胞数量。
可选地,该细胞培养器皿包含的细胞为预设时段采集的细胞;该方法还包括:将多个目标细胞数量以及各目标细胞数量对应的时段信息发送给终端设备,各目标细胞数量分别为不同预设时段对应的细胞培养器皿中的细胞数量。
该服务器可将得到的该细胞培养器皿中的细胞数量(目标细胞数量)以及包含的细胞所处的预设时段信息,一起发送给与其通信的终端设备,该终端设备可根据默认的图形表示形式(如曲线图、柱状图等)或者用户设置的图形表示形式,将多个预设时段以及多个预设时段对应的目标细胞数量之间的关系显示在终端设备的界面上,用户可直观的看到该细胞培养器皿中的细胞数量的变化规律。
图9为本申请实施例提供的一种细胞计数装置的结构示意图。如图9所示,该装置可以包括:
获取模块901,用于获取至少一个目标图像;
输入模块902,用于将各目标图像分别输入预先训练获取的细胞计数模型,得到各目标图像包含的细胞数量;
确定模块903,用于根据各目标图像包含的细胞数量以及目标参数信息,确定该细胞培养器皿中的细胞数量。
可选地,确定模块903,具体用于根据各目标图像包含的细胞数量,判断该细胞培养器皿中的细胞是否分布均匀;若该细胞培养器皿中的细胞分布均匀,则根据各目标图像包含的细胞数量、该细胞培养器皿尺寸以及该目标图像的尺寸确定该细胞培养器皿中的细胞数量。
可选地,确定模块903,还具体用于根据各目标图像包含的细胞数量,确定各目标图像对应的平均细胞数量;根据该平均细胞数量、该细胞培养器皿尺寸以及该目标图像的尺寸确定该细胞培养器皿中的细胞数量。
可选地,确定模块903,还具体用于根据该目标图像的尺寸,确定该目标图像的面积;根据该目标图像的面积、该平均细胞数量以及该细胞培养器皿尺寸,得到该细胞培养器皿中的细胞数量。
可选地,确定模块903,还具体用于该细胞培养器皿中的细胞分布不均匀,则根据该细胞培养器皿尺寸以及该目标图像的尺寸,确定各该目标图像在该细胞培养器皿中的位置信息;根据各目标图像在该细胞培养器皿中的位置信息以及各该目标图像包含的细胞数量,使用最小二乘法,得到该细胞培养器皿中的细胞数量。
可选地,确定模块903,还具体用于根据各该目标图像在该细胞培养器皿中的位置信息以及各该目标图像包含的细胞数量,使用最小二乘法,得到该细胞培养器皿对应的最优平面方程;根据该细胞培养器皿对应的最优平面方程以及该细胞培养器皿尺寸,得到该细胞培养器皿中的细胞数量。
可选地,该细胞培养器皿包含的细胞为预设时段采集的细胞;该装置还包括:发送模块,用于将多个目标细胞数量以及各目标细胞数量对应的时段信息发送给终端设备,各目标细胞数量分别为不同预设时段对应的细胞培养器皿中的细胞数量。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(Digital Signal Processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
图10为本申请实施例提供的一种电子设备的结构示意图,如图10所示,该电子设备可以包括:处理器1001、存储介质1002和总线1003,存储介质1002存储有处理器1001可执行的机器可读指令,当该电子设备运行时,处理器1001与存储介质1002之间通过总线1003通信,处理器1001执行机器可读指令,以执行上述细胞计数方法的步骤。具体实现方式和技术效果类似,这里不再赘述。
可选地,本申请还提供一种存储介质,存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述细胞计数方法的步骤。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,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,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
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,在本申请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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (10)
1.一种细胞计数方法,其特征在于,所述方法包括:
获取至少一个目标图像,每个所述目标图像分别为细胞培养器皿的一个子区域图像,所述细胞培养器皿包含待计数的细胞;
将各所述目标图像分别输入预先训练获取的细胞计数模型,得到各所述目标图像包含的细胞数量;
根据各所述目标图像包含的细胞数量以及目标参数信息,确定所述细胞培养器皿中的细胞数量,所述目标参数信息包括所述细胞培养器皿尺寸以及各所述目标图像的尺寸。
2.根据权利要求1所述的方法,其特征在于,所述根据各所述目标图像包含的细胞数量以及目标参数信息,确定所述细胞培养器皿中的细胞数量,包括:
根据各所述目标图像包含的细胞数量,判断所述细胞培养器皿中的细胞是否分布均匀;
若所述细胞培养器皿中的细胞分布均匀,则根据各所述目标图像包含的细胞数量、所述细胞培养器皿尺寸以及所述目标图像的尺寸确定所述细胞培养器皿中的细胞数量。
3.根据权利要求2所述的方法,其特征在于,所述根据各所述目标图像包含的细胞数量、所述细胞培养器皿尺寸以及所述目标图像的尺寸确定所述细胞培养器皿中的细胞数量,包括:
根据各所述目标图像包含的细胞数量,确定各所述目标图像对应的平均细胞数量;
根据所述平均细胞数量、所述细胞培养器皿尺寸以及所述目标图像的尺寸确定所述细胞培养器皿中的细胞数量。
4.根据权利要求3所述的方法,其特征在于,所述根据所述平均细胞数量、所述细胞培养器皿尺寸以及所述目标图像的尺寸确定所述细胞培养器皿中的细胞数量,包括:
根据所述目标图像的尺寸,确定所述目标图像的面积;
根据所述目标图像的面积、所述平均细胞数量以及所述细胞培养器皿尺寸,得到所述细胞培养器皿中的细胞数量。
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
若所述细胞培养器皿中的细胞分布不均匀,则根据所述细胞培养器皿尺寸以及所述目标图像的尺寸,确定各所述目标图像在所述细胞培养器皿中的位置信息;
根据各所述目标图像在所述细胞培养器皿中的位置信息以及各所述目标图像包含的细胞数量,使用最小二乘法,得到所述细胞培养器皿中的细胞数量。
6.根据权利要求5所述的方法,其特征在于,所述根据各所述目标图像在所述细胞培养器皿中的位置信息以及各所述目标图像包含的细胞数量,使用最小二乘法,得到所述细胞培养器皿中的细胞数量,包括:
根据各所述目标图像在所述细胞培养器皿中的位置信息以及各所述目标图像包含的细胞数量,使用最小二乘法,得到所述细胞培养器皿对应的最优平面方程;
根据所述细胞培养器皿对应的最优平面方程以及所述细胞培养器皿尺寸,得到所述细胞培养器皿中的细胞数量。
7.根据权利要求1-6任一所述的方法,其特征在于,所述细胞培养器皿包含的细胞为预设时段采集的细胞;所述方法还包括:
将多个目标细胞数量以及各所述目标细胞数量对应的时段信息发送给终端设备,各所述目标细胞数量分别为不同预设时段对应的细胞培养器皿中的细胞数量。
8.一种细胞计数装置,其特征在于,所述装置包括:
获取模块,用于获取至少一个目标图像,每个所述目标图像分别为细胞培养器皿的一个子区域图像,所述细胞培养器皿包含待计数的细胞;
输入模块,用于将各所述目标图像分别输入预先训练获取的细胞计数模型,得到各所述目标图像包含的细胞数量;
确定模块,用于根据各所述目标图像包含的细胞数量以及目标参数信息,确定所述细胞培养器皿中的细胞数量,所述目标参数信息包括所述细胞培养器皿尺寸以及各所述目标图像的尺寸。
9.一种电子设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当所述电子设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如权利要求1-7任一项所述细胞计数方法的步骤。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1-7任一项所述细胞计数方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011391382.7A CN112419294A (zh) | 2020-12-01 | 2020-12-01 | 一种细胞计数方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011391382.7A CN112419294A (zh) | 2020-12-01 | 2020-12-01 | 一种细胞计数方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112419294A true CN112419294A (zh) | 2021-02-26 |
Family
ID=74829590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011391382.7A Withdrawn CN112419294A (zh) | 2020-12-01 | 2020-12-01 | 一种细胞计数方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112419294A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066818A (zh) * | 2021-10-23 | 2022-02-18 | 广州市艾贝泰生物科技有限公司 | 细胞检测分析方法、装置、计算机设备和存储介质 |
CN114359899A (zh) * | 2021-12-09 | 2022-04-15 | 首都医科大学附属北京天坛医院 | 细胞共培养模型及细胞模型构建方法、计算机设备及存储介质 |
CN115565170A (zh) * | 2022-12-07 | 2023-01-03 | 华辰未来(北京)生物医学技术有限公司 | 一种细胞培养状态的图像采集处理方法及系统 |
-
2020
- 2020-12-01 CN CN202011391382.7A patent/CN112419294A/zh not_active Withdrawn
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114066818A (zh) * | 2021-10-23 | 2022-02-18 | 广州市艾贝泰生物科技有限公司 | 细胞检测分析方法、装置、计算机设备和存储介质 |
CN114359899A (zh) * | 2021-12-09 | 2022-04-15 | 首都医科大学附属北京天坛医院 | 细胞共培养模型及细胞模型构建方法、计算机设备及存储介质 |
CN114359899B (zh) * | 2021-12-09 | 2022-09-20 | 首都医科大学附属北京天坛医院 | 细胞共培养模型及细胞模型构建方法、计算机设备及存储介质 |
CN115565170A (zh) * | 2022-12-07 | 2023-01-03 | 华辰未来(北京)生物医学技术有限公司 | 一种细胞培养状态的图像采集处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112419294A (zh) | 一种细胞计数方法、装置、设备及存储介质 | |
Murphy | Building cell models and simulations from microscope images | |
CN113159147A (zh) | 基于神经网络的图像识别方法、装置、电子设备 | |
CN109919903B (zh) | 一种脊椎检测定位标记方法、系统及电子设备 | |
Yin et al. | Background correction for cDNA microarray images using the TV+ L 1 model | |
Sadahiro | Cluster perception in the distribution of point objects | |
US7805329B2 (en) | Development of actual risk costs based on estimated risk costs as well as probabilistic restriction of the actual risk costs | |
CN116610821B (zh) | 一种基于知识图谱的企业风险分析方法、系统和存储介质 | |
CN111460293B (zh) | 信息推送方法、装置及计算机可读存储介质 | |
CN113657385A (zh) | 一种电子计量装置的数据检测方法、装置及电子设备 | |
CN113111139A (zh) | 一种基于物联传感器的告警检测方法和装置 | |
CN116052848B (zh) | 一种医学成像质控的数据编码方法及系统 | |
CN105427331B (zh) | 一种数字病理切片的测量方法及测量装置 | |
Zhyrova et al. | Construction of the phenomenological model of Belousov–Zhabotinsky reaction state trajectory | |
JP6405603B2 (ja) | 情報処理装置、情報処理システム及びプログラム | |
Kulczycki et al. | Identification of atypical elements by transforming task to supervised form with fuzzy and intuitionistic fuzzy evaluations | |
CN114037993A (zh) | 变电站指针仪表读数方法、装置、存储介质以及电子设备 | |
CN113255440B (zh) | 一种基于机器学习的农作物叶片异常检测方法及系统 | |
CN112133436B (zh) | 一种基于大数据分析的健康警示方法、系统和可读存储介质 | |
Daskalakis et al. | Improving gene quantification by adjustable spot-image restoration | |
Jiang | An effective numerical procedure to determine saddle-type unstable invariant limit sets in nonlinear systems | |
CN114202804A (zh) | 行为动作识别方法、装置、处理设备及存储介质 | |
CN211454663U (zh) | 皮肤过敏判定系统 | |
CN113808088A (zh) | 一种污染检测方法及系统 | |
CN106934480A (zh) | 投保等级分析方法、服务器及终端 |
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 | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210226 |
|
WW01 | Invention patent application withdrawn after publication |