CN112529907A - 基于sr染色的大鼠肺部纤维分析系统及其工作方法 - Google Patents
基于sr染色的大鼠肺部纤维分析系统及其工作方法 Download PDFInfo
- Publication number
- CN112529907A CN112529907A CN202011115270.9A CN202011115270A CN112529907A CN 112529907 A CN112529907 A CN 112529907A CN 202011115270 A CN202011115270 A CN 202011115270A CN 112529907 A CN112529907 A CN 112529907A
- Authority
- CN
- China
- Prior art keywords
- storage unit
- staining
- imaging scanner
- characteristic
- unit
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 55
- 239000000835 fiber Substances 0.000 title claims abstract description 46
- 238000010186 staining Methods 0.000 title claims abstract description 28
- 210000004072 lung Anatomy 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000003384 imaging method Methods 0.000 claims abstract description 36
- 230000002685 pulmonary effect Effects 0.000 claims abstract description 21
- 230000000007 visual effect Effects 0.000 claims abstract description 14
- 238000004043 dyeing Methods 0.000 claims description 5
- 208000005069 pulmonary fibrosis Diseases 0.000 claims description 4
- 230000001575 pathological effect Effects 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 2
- 238000004148 unit process Methods 0.000 claims description 2
- 238000010827 pathological analysis Methods 0.000 abstract description 2
- 241000700159 Rattus Species 0.000 description 19
- 102000008186 Collagen Human genes 0.000 description 6
- 108010035532 Collagen Proteins 0.000 description 6
- 229920001436 collagen Polymers 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 210000001519 tissue Anatomy 0.000 description 3
- 231100000915 pathological change Toxicity 0.000 description 2
- 230000036285 pathological change Effects 0.000 description 2
- 206010016654 Fibrosis Diseases 0.000 description 1
- SJEYSFABYSGQBG-UHFFFAOYSA-M Patent blue Chemical compound [Na+].C1=CC(N(CC)CC)=CC=C1C(C=1C(=CC(=CC=1)S([O-])(=O)=O)S([O-])(=O)=O)=C1C=CC(=[N+](CC)CC)C=C1 SJEYSFABYSGQBG-UHFFFAOYSA-M 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 239000000980 acid dye Substances 0.000 description 1
- 238000010171 animal model Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 210000002808 connective tissue Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 230000004761 fibrosis Effects 0.000 description 1
- 206010020718 hyperplasia Diseases 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000011552 rat model Methods 0.000 description 1
- 239000012047 saturated solution Substances 0.000 description 1
- 210000003786 sclera Anatomy 0.000 description 1
- 238000013424 sirius red staining Methods 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 239000012192 staining solution Substances 0.000 description 1
- 210000002435 tendon Anatomy 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
- G06T7/10—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
- G06T7/0002—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
- G06T7/60—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
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N1/00—Scanning, transmission or reproduction of documents or the like, e.g. facsimile transmission; Details thereof
- H04N1/40—Picture signal circuits
-
- 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
- G06T2207/30061—Lung
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种基于SR染色的大鼠肺部纤维分析系统及其工作方法;属于病理分析领域;其技术要点:其包括:包括:成像扫描仪、存储单元、显示单元、处理单元;其中,所述成像扫描仪与存储单元连接;其中,所述成像扫描仪用于对SR染色的大鼠肺部切片进行成像;所述存储单元用于存储成像扫描仪、处理单元传递而来的信息;所述处理单元用于将原始的图像选定视野、确定特征参数、对特征部位进行分析与计算;所述显示单元用于显示各类结果;所述成像扫描仪针对切片进行扫描,将扫描的图像发送到存储单元,成像扫描仪的输出端与存储单元的输入端连接;所述处理单元与所述存储单元双向连接,即信息能够双向流通。
Description
技术领域
本发明涉及医学研究、病理分析等技术领域,更具体地说,尤其涉及一种基于SR染色的大鼠肺部纤维分析系统及其工作方法。
背景技术
天狼猩红和其衬染液都百是强酸性染料,易与胶原分子中的碱性基团结合,吸附牢靠。偏振光镜检查,胶原纤维有正的单轴双折射光的属性,与天狼度星红染色液结合后问,可增强双折射,提高分辨率,从而区分两型胶原纤维。胶原纤维(Collagen Fiber)是结缔组织中分布最广含量最多的一种纤维,广泛分布于各种脏器答,其中皮肤、巩膜、肌腱最丰富。天狼星红染色液的溶剂为衬染PA饱和溶液,主要用于各种组内织病变时对胶原纤维异常或纤维增生的研究中。因此,纤维占比是判断病变的一个核心指标。
大鼠是试验室中常用的动物模型,例如:南京凯斯艾生物科技有限公司在CN105148254A 公开了一种大鼠单侧肺肺纤维化模型的建立;又如:中国科学院合肥物质科学研究院在 CN104784676A公开了一种大鼠单肺肺纤维化模型的建立方法。
但是,在上述两篇技术文献中,均无法做到对大鼠肺部纤维化的定量分析。
发明内容
本发明的目的在于针对上述现有技术的不足,提供一种基于SR染色的大鼠肺部纤维分析系统及其工作方法。
一种基于SR染色的大鼠肺部纤维分析系统,包括:成像扫描仪、存储单元、显示单元、处理单元;
其中,所述成像扫描仪与存储单元连接;
其中,所述成像扫描仪用于对SR染色的大鼠肺部切片进行成像;
所述存储单元用于存储成像扫描仪、处理单元传递而来的信息;
所述处理单元用于将原始的图像选定视野、确定特征参数、对特征部位进行分析与计算;
所述显示单元用于显示各类结果;
所述成像扫描仪针对切片进行扫描,将扫描的图像发送到存储单元,成像扫描仪的输出端与存储单元的输入端连接;
所述处理单元与所述存储单元双向连接,即信息能够双向流通;
进一步,还包括:接口单元,所述接口单元用于读取、写入存储单元的数据,在处理单元工作时,用于写入选择视野以及确定特征参数;
所述接口单元的输出端与所述存储单元的输入端连接,所述显示单元的输入端与所述存储单元的输出端连接;
所述接口单元的输出端与所述处理单元的输入端连接。
进一步,处理单元对成像扫描仪的初始图像进行处理,其包括:视野选择模块、特征参数设置模块、特征分析模块;
其中,视野选择模块,是根据用户的需求来将存储单元传送来的原始图像中选择分析区域;
其中,所述特征参数设置模块是输入肺部纤维特征标志物;
其中,所述特征分析模块,用于对病理特征部位进行分析计算。
进一步,其中,特征参数设置模块在设置时,对于SR染色的切片在进行大鼠肺部纤维分析时,特征采用参数包括:第一参数为,所述第一参数为采用RGB-G模式,色阈值为粉红色;
进一步,还包括第二参数,所述第二参数为:线条粗细在60-180微米之间,使待测目标的阳性表达区域线条与实际染色阳性表达线条粗细相对吻合。
进一步,还包括第三参数,所述第三参数为:区域分析最小面积在0微米2-10微米2;使待测目标的阳性表量与实际染色的阳性表达量相对吻合。
一种基于SR染色的大鼠肺部纤维分析系统的工作方法,其包括如下步骤:
S1,成像,采用成像扫描仪对染色切片进行扫描;
S2,打开特征参数设置模块,通过接口单元输入特征参数;
S3,通过接口单元打开要分析的图像;
S4,选择待分析的区域,打开视野选择模块,通过接口单元选择要分析的区域;
S5,特征分析模块进行分析;
S6,显示结果,显示单元显示:分析区域的肺纤维面积、分析区域的肺纤维区域示图。
本申请的优点在于:
第一,本申请给出了一种基于SR染色的大鼠肺部纤维分析系统,其包括:成像扫描仪、存储单元、显示单元、处理单元。
第二,本申请一种基于SR染色的大鼠肺部纤维分析系统的工作方法,其包括如下步骤: S1,成像,采用成像扫描仪对染色切片进行扫描;S2,打开特征参数设置模块,通过接口单元输入特征参数;S3,通过接口单元打开要分析的图像;S4,选择待分析的区域,打开视野选择模块,通过接口单元选择要分析的区域;S5,特征分析模块进行分析;S6,显示结果,显示单元显示:分析区域的肺纤维面积、分析区域的肺纤维区域示图。
第三,本申请给出了基于SR染色的大鼠肺部纤维分析系统的特征标记:特征采用参数包括:第一参数为,所述第一参数为采用RGB-G模式,色阈值为粉红色;还包括第二参数,所述第二参数为:线条粗细在60-180微米之间,使待测目标的阳性表达区域线条与实际染色阳性表达线条粗细相对吻合;还包括第三参数,所述第三参数为:区域分析最小面积在0微米2-10微米2;使待测目标的阳性表量与实际染色的阳性表达量相对吻合。
附图说明
下面结合附图中的实施例对本发明作进一步的详细说明,但并不构成对本发明的任何限制。
图1是一种基于SR染色的大鼠肺部纤维分析系统的构造图。
图2是RGB-G模式示意图。
图3是区域分析最小面积示意图。
图4是一种基于SR染色的大鼠肺部纤维分析系统的工作方法流程图。
图5是整体展示的示意图。
图6是细节展示的示意图。
具体实施方式
实施例1,一种基于SR染色的大鼠肺部纤维分析系统,包括:成像扫描仪1、存储单元2、接口单元3、显示单元4、处理单元5;
其中,所述成像扫描仪与存储单元2连接;
其中,所述成像扫描仪用于对SR染色的大鼠肺部切片进行成像;
所述存储单元2用于存储成像扫描仪1、处理单元5传递而来的信息;
所述处理单元5用于将原始的图像选定视野、确定特征参数、对特征部位进行分析与计算;
所述显示单元4用于显示各类结果;
所述成像扫描仪1针对切片进行扫描,将扫描的图像发送到存储单元2,成像扫描仪1 的输出端与存储单元2的输入端连接;
所述处理单元3与所述存储单元2双向连接,即信息能够双向流通;
所述接口单元3的输出端与所述存储单元2的输入端连接,所述显示单元4的输入端与所述存储单元2的输出端连接。
其中,处理单元5对成像扫描仪1的初始图像进行处理,其包括:视野选择模块5-1、特征参数设置模块5-2、特征分析模块5-3;
其中,视野选择模块5-1,是根据用户的需求来将存储单元2传送来的原始图像中选择分析区域;
其中,所述特征参数设置模块5-2是输入肺部纤维特征标志物,即:红色区域表示调整所选部分线条的粗细;
其中,所述特征分析模块5-3,用于对病理特征部位进行分析计算。
一种基于SR染色的大鼠肺部纤维分析系统的工作方法,包括如下步骤:
S1,成像,采用成像扫描仪对染色切片进行扫描;
S2,打开特征参数设置模块5-2,通过接口单元输入特征参数;
S3,通过接口单元打开要分析的图像;
S4,选择待分析的区域,打开视野选择模块5-1,通过接口单元选择要分析的区域;
S5,特征分析模块5-3进行分析;
S6,显示结果,显示单元显示:分析区域的肺纤维面积(即组织内有肺部纤维特征的面积/组织的分析面积)、分析区域的肺纤维区域示图。
其中,特征参数设置模块5-2在设置时,对于SR染色的切片在进行大鼠肺部纤维分析时,特征采用3个参数:
如图2所示,
采用RGB-G模式(拜耳阵列模式)进行分析,色阈值为粉红色,线条粗细在60-180微米之间(使待测目标的阳性表达区域线条与实际染色阳性表达线条粗细相对吻合);
如图3所示,区域分析最小面积在0微米2-10微米2;使待测目标的阳性表量与实际染色的阳性表达量相对吻合。
如图5-6,为实例分析示意图(整体示意选择10个区域进行分析、细节示意)。
纤维化测量区域,数据结果则为该面积的占比。纤维含量占比=纤维面积/分析区域面积。
以上所举实施例为本发明的较佳实施方式,仅用来方便说明本发明,并非对本发明作任何形式上的限制,任何所属技术领域中具有通常知识者,若在不脱离本发明所提技术特征的范围内,利用本发明所揭示技术内容所作出局部更动或修饰的等效实施例,并且未脱离本发明的技术特征内容,均仍属于本发明技术特征的范围内。
Claims (7)
1.一种基于SR染色的大鼠肺部纤维分析系统,其特征在于,包括:成像扫描仪、存储单元、显示单元、处理单元;
其中,所述成像扫描仪与存储单元连接;
其中,所述成像扫描仪用于对SR染色的大鼠肺部切片进行成像;
所述存储单元用于存储成像扫描仪、处理单元传递而来的信息;
所述处理单元用于将原始的图像选定视野、确定特征参数、对特征部位进行分析与计算;
所述显示单元用于显示各类结果;
所述成像扫描仪针对切片进行扫描,将扫描的图像发送到存储单元,成像扫描仪的输出端与存储单元的输入端连接;
所述处理单元与所述存储单元双向连接,即信息能够双向流通。
2.根据权利要求1所述的一种基于SR染色的大鼠肺部纤维分析系统,其特征在于,还包括:接口单元,所述接口单元用于读取、写入存储单元的数据,在处理单元工作时,用于写入选择视野以及确定特征参数;
所述接口单元的输出端与所述存储单元的输入端连接,所述显示单元的输入端与所述存储单元的输出端连接;
所述接口单元的输出端与所述处理单元的输入端连接。
3.根据权利要求1所述的一种基于SR染色的大鼠肺部纤维分析系统,其特征在于,处理单元对成像扫描仪的初始图像进行处理,其包括:视野选择模块、特征参数设置模块、特征分析模块;
其中,视野选择模块,是根据用户的需求来将存储单元传送来的原始图像中选择分析区域;
其中,所述特征参数设置模块是输入肺部纤维特征标志物;
其中,所述特征分析模块,用于对病理特征部位进行分析计算。
4.根据权利要求3所述的一种基于SR染色的大鼠肺部纤维分析系统,其特征在于,其中,特征参数设置模块在设置时,对于SR染色的切片在进行大鼠肺部纤维分析时,特征采用参数包括:第一参数为,所述第一参数为采用RGB-G模式,色阈值为粉红色。
5.根据权利要求4所述的一种基于SR染色的大鼠肺部纤维分析系统,其特征在于,还包括第二参数,所述第二参数为:线条粗细在60-180微米之间,使待测目标的阳性表达区域线条与实际染色阳性表达线条粗细相对吻合。
6.根据权利要求5所述的一种基于SR染色的大鼠肺部纤维分析系统,其特征在于,还包括第三参数,所述第三参数为:区域分析最小面积在0微米2-10微米2;使待测目标的阳性表量与实际染色的阳性表达量相对吻合。
7.一种基于SR染色的大鼠肺部纤维分析系统的工作方法,其特征在于,所述的基于SR染色的大鼠肺部纤维分析系统为根据权利要求2所述的基于SR染色的大鼠肺部纤维分析系统,其包括如下步骤:
S1, 成像,采用成像扫描仪对染色切片进行扫描;
S2, 打开特征参数设置模块,通过接口单元输入特征参数;
S3, 通过接口单元打开要分析的图像;
S4, 选择待分析的区域,打开视野选择模块,通过接口单元选择要分析的区域;
S5, 特征分析模块进行分析;
S6, 显示结果, 显示单元显示:分析区域的肺纤维面积、分析区域的肺纤维区域示图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011115270.9A CN112529907B (zh) | 2020-10-19 | 2020-10-19 | 基于sr染色的大鼠肺部纤维分析系统及其工作方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011115270.9A CN112529907B (zh) | 2020-10-19 | 2020-10-19 | 基于sr染色的大鼠肺部纤维分析系统及其工作方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112529907A true CN112529907A (zh) | 2021-03-19 |
CN112529907B CN112529907B (zh) | 2024-06-14 |
Family
ID=74978920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011115270.9A Active CN112529907B (zh) | 2020-10-19 | 2020-10-19 | 基于sr染色的大鼠肺部纤维分析系统及其工作方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112529907B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105606573A (zh) * | 2015-12-22 | 2016-05-25 | 深圳先进技术研究院 | 一种术中快速病理诊断的系统与方法 |
CN109791693A (zh) * | 2016-10-07 | 2019-05-21 | 文塔纳医疗系统公司 | 用于提供可视化全切片图像分析的数字病理学系统及相关工作流程 |
CN110570953A (zh) * | 2019-09-09 | 2019-12-13 | 杭州憶盛医疗科技有限公司 | 一种数字病理全景切片图像自动分析方法和系统 |
CN111640098A (zh) * | 2020-05-29 | 2020-09-08 | 合肥美石生物科技有限公司 | 一种病理图像的分析方法及系统 |
-
2020
- 2020-10-19 CN CN202011115270.9A patent/CN112529907B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105606573A (zh) * | 2015-12-22 | 2016-05-25 | 深圳先进技术研究院 | 一种术中快速病理诊断的系统与方法 |
CN109791693A (zh) * | 2016-10-07 | 2019-05-21 | 文塔纳医疗系统公司 | 用于提供可视化全切片图像分析的数字病理学系统及相关工作流程 |
CN110570953A (zh) * | 2019-09-09 | 2019-12-13 | 杭州憶盛医疗科技有限公司 | 一种数字病理全景切片图像自动分析方法和系统 |
CN111640098A (zh) * | 2020-05-29 | 2020-09-08 | 合肥美石生物科技有限公司 | 一种病理图像的分析方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112529907B (zh) | 2024-06-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
French et al. | Colocalization of fluorescent markers in confocal microscope images of plant cells | |
Masseroli et al. | Automatic quantification of liver fibrosis: design and validation of a new image analysis method: comparison with semi-quantitative indexes of fibrosis | |
Tai et al. | Fibro-C-Index: comprehensive, morphology-based quantification of liver fibrosis using second harmonic generation and two-photon microscopy | |
US20160295123A1 (en) | Method of displaying a pathological microscopic image, an information processing apparatus, a non-transitory computer-readable medium, and an information processing system | |
Krupinski et al. | Observer performance using virtual pathology slides: impact of LCD color reproduction accuracy | |
KR20120132644A (ko) | 피부 상태 해석 방법, 피부 상태 해석 장치, 및 피부 상태 해석 프로그램을 기록한 기록 매체 | |
CN102822671B (zh) | 图像处理装置、图像读取装置、图像处理方法和信息存储介质 | |
Underwood et al. | Color subtractive–computer-assisted image analysis for quantification of cutaneous nerves in a diabetic mouse model | |
JP5442542B2 (ja) | 病理診断支援装置、病理診断支援方法、病理診断支援のための制御プログラムおよび該制御プログラムを記録した記録媒体 | |
Kirkbride et al. | The application of laser scanning confocal microscopy to the examination of hairs and textile fibers: An initial investigation | |
WO2002035207A2 (de) | Verfahren und anordnung zur untersuchung von zellen | |
Michielli et al. | Stain normalization in digital pathology: Clinical multi-center evaluation of image quality | |
CN1284117C (zh) | 用于在医学成像中进行图像显示的方法 | |
JP2009063508A (ja) | 細胞画像解析装置及び細胞画像解析ソフトウェア | |
Smolle | Computer recognition of skin structures using discriminant and cluster analysis | |
CN112529907A (zh) | 基于sr染色的大鼠肺部纤维分析系统及其工作方法 | |
Munck et al. | Challenges and advances in optical 3D mesoscale imaging | |
CN113299372B (zh) | 一种光声病理影像的处理方法、存储介质及终端设备 | |
Platiša et al. | Influence of study design on digital pathology image quality evaluation: the need to define a clinical task | |
Wang et al. | Deep learning-assisted co-registration of full-spectral autofluorescence lifetime microscopic images with h&e-stained histology images | |
Simonson et al. | Creating virtual hematoxylin and eosin images using samples imaged on a commercial CODEX platform | |
Guan et al. | Comparison of several image analysis methods for fiber dispersion uniformity in water | |
CN105335425A (zh) | 纤维化值评估方法及装置、纤维化动态评估方法及系统 | |
Price et al. | High-resolution large-scale mosaic imaging using multiphoton microscopy to characterize transgenic mouse models of human neurological disorders | |
JP6930963B2 (ja) | デジタル病理学におけるサーバー‐クライアント・アーキテクチャー |
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 |