CN112529907B - 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 PDF

Info

Publication number
CN112529907B
CN112529907B CN202011115270.9A CN202011115270A CN112529907B CN 112529907 B CN112529907 B CN 112529907B CN 202011115270 A CN202011115270 A CN 202011115270A CN 112529907 B CN112529907 B CN 112529907B
Authority
CN
China
Prior art keywords
storage unit
imaging scanner
characteristic
unit
processing 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.)
Active
Application number
CN202011115270.9A
Other languages
English (en)
Other versions
CN112529907A (zh
Inventor
靳策
陈继巧
沈红英
庄永杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Kemaqi Biotechnology Co ltd
Original Assignee
Jiangsu Kemaqi Biotechnology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jiangsu Kemaqi Biotechnology Co ltd filed Critical Jiangsu Kemaqi Biotechnology Co ltd
Priority to CN202011115270.9A priority Critical patent/CN112529907B/zh
Publication of CN112529907A publication Critical patent/CN112529907A/zh
Application granted granted Critical
Publication of CN112529907B publication Critical patent/CN112529907B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

基于SR染色的大鼠肺部纤维分析系统及其工作方法
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 (1)

1.一种基于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；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；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；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、第二参数、第三参数，所述第一参数为采用RGB-G模式，色阈值为粉红色；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，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；
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。
CN202011115270.9A 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 Active CN112529907B (zh)

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 CN112529907A (zh) 2021-03-19
CN112529907B true 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 (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105606573B (zh) * 2015-12-22 2019-04-05 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
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
CN111640098B (zh) * 2020-05-29 2023-12-29 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

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Also Published As

Publication number Publication date
CN112529907A (zh) 2021-03-19

Similar Documents

Publication Publication Date Title
Strupler et al. Second harmonic imaging and scoring of collagen in fibrotic tissues
US11869176B2 (en) Hyperspectral imaging system
French et al. Colocalization of fluorescent markers in confocal microscope images of plant cells
AT502855B1 (de) Verfahren und vorrichtung zur automatischen zerstörungsfreien analyse einer vielzahl von biologischen proben
JP4266813B2 (ja) ステイン吸収の物理学的モデルに基づいて組織学的標本におけるステインを検出および定量化する頑強な方法
Norris et al. A coming of age: advanced imaging technologies for characterising the developing mouse
TWI683283B (zh) 一種生物樣本之影像合成方法及採用該方法之光學系統
CN103959332B (zh) 图像处理
Kirkbride et al. The application of laser scanning confocal microscopy to the examination of hairs and textile fibers: An initial investigation
Nazac et al. Optimization of Picrosirius red staining protocol to determine collagen fiber orientations in vaginal and uterine cervical tissues by Mueller polarized microscopy
CN112529907B (zh) 基于sr染色的大鼠肺部纤维分析系统及其工作方法
Pinkert et al. Imaging the cardiac extracellular matrix
Michielli et al. Stain normalization in digital pathology: Clinical multi-center evaluation of image quality
Meng et al. Comparison of different calibration methods for Mueller matrix microscopy of cells
McLean et al. Three-dimensional collagen fiber mapping and tractography of human uterine tissue using OCT
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
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
Simonson et al. Creating virtual hematoxylin and eosin images using samples imaged on a commercial CODEX platform
Platiša et al. Influence of study design on digital pathology image quality evaluation: the need to define a clinical task
Price et al. High-resolution large-scale mosaic imaging using multiphoton microscopy to characterize transgenic mouse models of human neurological disorders
Wallace et al. Second-harmonic generation and two-photon-excited autofluorescence microscopy of cardiomyocytes: quantification of cell volume and myosin filaments
JP2012198139A (ja) 画像処理プログラム、画像処理装置、計測解析装置及び画像処理方法
CN112700493A (zh) 一种磁共振智能成像、装置、设备及存储介质
Dean et al. OOPS: Object-Oriented Polarization Software for analysis of fluorescence polarization microscopy 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