CN112697708A - 基于图像识别的细胞定位系统 - Google Patents
基于图像识别的细胞定位系统 Download PDFInfo
- Publication number
- CN112697708A CN112697708A CN202011552314.4A CN202011552314A CN112697708A CN 112697708 A CN112697708 A CN 112697708A CN 202011552314 A CN202011552314 A CN 202011552314A CN 112697708 A CN112697708 A CN 112697708A
- Authority
- CN
- China
- Prior art keywords
- image
- objective lens
- observation
- unit
- initial
- 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- Withdrawn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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/24—Base structure
- G02B21/241—Devices for focusing
- G02B21/244—Devices for focusing using image analysis techniques
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/24—Base structure
- G02B21/248—Base structure objective (or ocular) turrets
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/32—Micromanipulators structurally combined with microscopes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
Abstract
本发明属于细胞检测技术领域,尤其涉及一种基于图像识别的细胞定位系统,包括控制单元、分析单元、显微镜子系统和图像采集单元;控制单元用于控制云台在水平方向或竖直方向移动,还用于控制显微镜子系统切换不同倍数的物镜;控制单元还用于给图像采集单元发送初始采集信号;图像采集单元用于按照预设的初始频率采集初始图像并发送给分析单元;分析单元用于对初始图像进行对比,得到最清晰的初始图像并对目标细胞进行编号,还用于根据低倍物镜视野中心对应的云台坐标计算目标细胞对应的云台坐标,并记为低倍镜坐标。使用本系统,能够自动快速准确的找到标本上所需查找的细胞并自动转换至高倍物镜下进行细胞后续识别和分类。
Description
技术领域
本发明属于细胞检测技术领域,尤其涉及一种基于图像识别的细胞定位系统。
背景技术
进行细胞检测时,为了检测结果的精准性,需要用显微镜对细胞进行准确的捕捉和对焦。目前对细胞进行检测时,主要依靠人工调节,采用这样的调节方式,不仅效率低下,不能实现较高准确度和快速自动细胞检测。
显微镜子系统的物镜组件包括低倍物镜和高倍物镜,想要达到理想的细胞检测效果,就需要用高倍物镜对载玻片上的细胞进行观测。但是,高倍数镜头放大的不仅是细胞,载玻片上的所有物体都会放大,而镜头能够观测到的视野大小是固定的。这样就导致,虽然高倍数镜头能够观测清楚细胞,但是要观察整个载玻片上区域那么将会变得极为缓慢观察完整个载玻片耗时将长达几个小时导致检测效率低下同时容易造成检测人员视觉疲劳,并且在移动视野切换过程中因操作的失误将可能会漏掉某些关键区域,造成检测结果的差错导致误诊漏诊。另一方面,采用倍镜虽然能够较为轻松的看完整个载玻片,但是因为其放大倍数不够无法观察到细胞的内部结构和组成无法达到细胞检测识别的要求。
因此,工作人员在调节显微镜的过程中,为了找到目标细胞,通常需要低倍物镜和高倍物镜来回切换,通过低倍物镜观察到目标细胞后再转换到高倍物镜下调整显微镜焦距使目标细胞呈现较高倍数的放大图像进行观察,在这过程中需要对整个载玻片观察就需要来回反复的切换高低倍物镜和物镜焦距调节,在操作过程中出现移动距离过大超出物镜成像视野范围(如移动距离偏大),就难以再找到原来观察位置。不仅对操作人员具有操作经验要求,调节的效率也很低。
因此,需要一种基于图像识别的细胞定位系统,能够快速准确的找到目标细胞图像。
发明内容
本发明的目的在于,提供一种基于图像识别的细胞定位系统,能够快速准确的找到目标细胞图像。
本发明提供的基础方案为:
基于图像识别的细胞定位系统,包括控制单元、分析单元、显微镜子系统和图像采集单元;
控制单元用于控制云台在水平方向或竖直方向移动,还用于控制显微镜子系统切换不同倍数的物镜,物镜包括低倍物镜和高倍物镜;控制单元还用于给图像采集单元发送初始采集信号;图像采集单元用于接收到初始采集信号后,按照预设的初始频率采集初始图像并发送给分析单元;分析单元用于用预存的模型,对初始图像进行对比,得到最清晰的初始图像后,识别最清晰的初始图像上的所有目标细胞,并对目标细胞进行编号,还用于根据低倍物镜视野中心对应的云台坐标计算目标细胞对应的云台坐标,并记为低倍镜坐标;
控制单元还用于按照目标细胞的编号顺序,依次对目标细胞进行高倍物镜观察;观察某编号的目标细胞时,控制显微镜子系统切换高倍物镜后,控制单元根据低倍物镜与高倍物镜的倍数关系,以及该目标细胞的低倍镜坐标,计算该目标细胞的高倍镜坐标,并控制云台移动使该目标细胞位于其高倍镜坐标,再根据高倍物镜的精度调用预设的观测范围和观测采集频率,控制云台在观测范围内竖直移动,并给采集单元发送观测信号;
采集单元还用于接收到观测信号后,根据观测采集频率采集观测图像并发送给分析单元;分析单元还用于对比分析观测图像,识别出最清晰的观测图像后,对该观测图像进行分析识别得到目标细胞的类型代码,并对该目标细胞进行细胞类型标记。
基础方案工作原理及有益效果:
初始时,将显微镜调整为低倍物镜,将涂覆有组织或细胞标本的载玻片放置在云台上并固定,控制单元控制云台移动至预设的初始位置后,控制云台沿竖直方向在低倍物镜聚焦范围移动,图像采集单元采集云台在不同位置时的初始图像;
分析单元通过对初始图像进行对比得到最清晰的初始图像,该图像即为低倍物镜最佳观察图;之后,分析单元识别该初始图像上的所有目标细胞,并对目标细胞进行编号,还根据低倍物镜视野中心对应的云台坐标计算目标细胞对应的云台坐标,并记为低倍镜坐标。
再然后,控制单元按照目标细胞的编号顺序,依次对其进行高倍物镜观察。具体的,观察某编号的目标细胞时,控制显微镜子系统切换高倍物镜后,控制单元根据低倍物镜与高倍物镜的倍数关系,以及该目标细胞的低倍镜坐标,计算该目标细胞的高倍镜坐标,并控制云台移动使该目标细胞位于其高倍镜坐标。
由于在实际操作时,载玻片和标本涂层不是绝对的平整,因而由低倍镜物镜扫描得出的目标坐标通过低倍镜到高倍镜转换换算出来的高倍镜坐标不一定是成像最清晰的,因而高倍镜坐标只能作为基准,在这基准上需要在一定范围内使载玻片上下移动找到最清晰图像。尤其100X物镜放大时聚焦精度有时在100nm这个数量级时,更是如此。
因此,控制单元根据高倍物镜的精度,调用预设的观测范围和观测采集频率,控制云台在观测范围内竖直移动,并给采集单元发送观测信号;采集单元接收到观测信号后,根据观测采集频率采集观测图像并发送给分析单元;分析单元对比分析观测图像,识别出最清晰的观测图像后,对该观测图像进行分析识别得到目标细胞的类型代码,并对该目标细胞进行细胞类型标记。通过这样的方式,可以保证观察到的目标细胞的精度。
使用本系统,工作人员只需将放置有目标细胞的载玻片放置在平台上即可,之后,系统会自动进行目标细胞的识别与跟踪,并将目标细胞的最佳成像图像进行输出展示,由工作人员对其进行观测分析。与现有技术相比,使用本系统,能够快速准确的找到所有细胞图像。
进一步,控制单元预设的移动方式,控制云台在物镜焦距范围内进行移动。
可以保证云台每次移动,都会按照相同的移动模式在物镜的聚焦范围内移动,进而保证观测过程的一致性。
进一步,分析单元预存的识别模型包括分析部和排序部;分析部用于用预设的智能模型分析拍摄成像的整体清晰度;排序部用于用预设的算法,将分析部的分析结果进行排序。
通过分析部与排序部的配合,能够快速将拍摄单元反馈的成像进行分析及排序,极短的时间内锁定最佳的拍摄成像,进而锁定最终坐标值。
进一步,分析部内预设的智能模型为神经网络模型。
神经网络模型(如卷积神经网络模型)在图像识别处理方面性能优越且技术成熟。
进一步,排序部内预设的算法为希尔排序算法。
与冒泡法、直接插入法等排序算法相比,希尔排序算法的运算效率更好,能够更快得到最终坐标点,进而缩短云台对焦的整体时间。
进一步,还包括存储单元,用于存储目标细胞的编号、类型标记、最清晰识别图像、细胞类型代码以及对应的云台坐标。
在工作人员需要查看目标细胞的信息时,方便调用相关信息。
进一步,还包括输入单元,用于输入初始化信号;控制单元还用于接收到初始化信号后,控制显微镜子系统将物镜切换为初始物镜。
通过初始化的设置,当对目标细胞检测分析完成后,可以将镜头切换到初始镜头,便于下次的细胞分析工作。
进一步,输入单元还用于输入调取细胞信息的指令。
这样的设置,可以方便、快捷的查看想要的细胞信息。
进一步,还包括显示单元,用于显示目标细胞的分析结果。
便于工作人员了解目标细胞的具体情况。
附图说明
图1为本发明基于图像识别的细胞定位系统实施例一的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例一
如图1所示,基于图像识别的细胞定位系统,包括控制单元、分析单元、显微镜子系统、图像采集单元、存储单元和显示单元。
显微镜子系统用于对在显微镜物镜成像范围的载玻片上细胞进行放大,并具有不同倍数物镜切换功能和显微图像采集接口。
控制单元用于控制云台在水平方向或竖直方向移动,还用于控制显微镜子系统切换不同倍数的物镜,物镜包括低倍物镜和高倍物镜。图像采集单元通过显微图像采集接口连接显微镜子系统。控制单元还用于给图像采集单元发送初始采集信号,图像采集单元用于接收到初始采集信号后,按照预设的初始频率采集初始图像并发送给分析单元。
分析单元用于用预存的模型,对初始图像进行对比,得到最清晰的初始图像后,识别最清晰的初始图像上的所有目标细胞,并对目标细胞进行编号,还用于根据低倍物镜视野中心对应的云台坐标计算目标细胞对应的云台坐标,并记为低倍镜坐标。
控制单元还用于按照目标细胞的编号顺序,依次对目标细胞进行高倍物镜观察;观察某编号的目标细胞时,控制显微镜子系统切换高倍物镜后,控制单元根据低倍物镜与高倍物镜的倍数关系,以及该目标细胞的低倍镜坐标,计算该目标细胞的高倍镜坐标,并控制云台移动使该目标细胞位于其高倍镜坐标,再根据高倍物镜的精度调用预设的观测范围和观测采集频率,控制云台在观测范围内竖直移动,并给采集单元发送观测信号;采集单元还用于接收到观测信号后,根据观测采集频率采集观测图像并发送给分析单元;分析单元还用于对比分析观测图像,识别出最清晰的观测图像后,对该观测图像进行分析识别得到目标细胞的类型代码,并对该目标细胞进行细胞类型标记。
存储单元用于存储目标细胞的编号、类型标记、最清晰识别图像、细胞类型代码以及对应的云台坐标。这样,工作人员需要查看目标细胞的信息时,方便调用相关信息。显示单元用于展示目标细胞的分析结果,便于工作人员了解目标细胞的具体情况。
其中,分析单元预存的模型包括分析部和排序部;分析部用于用预设的智能模型分析拍摄成像的整体清晰度;排序部用于用预设的算法,将分析部的分析结果进行排序。通过分析部与排序部的配合,能够快速将拍摄单元反馈的成像进行分析及排序,极短的时间内锁定最佳的拍摄成像,进而锁定最终坐标值。本实施例中,分析部内预设的智能模型为神经网络模型,具体为卷积神经网络模型,该模型在图像识别处理方面性能优越且技术成熟。排序部内预设的算法为希尔排序算法。与冒泡法、直接插入法等排序算法相比,希尔排序算法的运算效率更好,能够更快得到最终坐标点,进而缩短云台对焦的整体时间。
具体实施过程如下:
初始时,显微镜子系统的物镜为低倍物镜,将涂覆有组织或细胞标本的载玻片放置在云台上并固定,控制单元控制云台移动至显微镜子系统物镜下方预定初始位置后,控制图像采集单元采集低倍物镜下的初始图像,并将初始图像传送至分析单元,通过分析单元进行初始图像清晰度分析。控制云台移动是,控制单元通过固定云台水平方向(x、y)的坐标(x1、y1)不动控制云台沿垂直方向(z)在显微聚焦范围按特定步长移动,图像采集单元采集不同z坐标下显微图像。
分析单元通过对初始图像进行对比得到最清晰的初始图像,该图像即为低倍物镜最佳观察图;之后,分析单元识别该初始图像上的所有目标细胞,并对目标细胞进行编号,还根据低倍物镜视野中心对应的云台坐标计算目标细胞对应的云台坐标,并记为低倍镜坐标。
为清晰的观察目标细胞,控制单元按照目标细胞的编号顺序,依次对其进行高倍物镜观察。观察某编号的目标细胞时,控制显微镜子系统切换高倍物镜后,控制单元根据低倍物镜与高倍物镜的倍数关系,以及该目标细胞的低倍镜坐标,计算该目标细胞的高倍镜坐标,并控制云台移动使该目标细胞位于其高倍镜坐标。
由于在实际操作时,载玻片和标本涂层不是绝对的平整,因而由低倍镜物镜扫描得出的目标坐标通过低倍镜到高倍镜转换换算出来的高倍镜坐标不一定是成像最清晰的,因而高倍镜坐标只能作为基准,在这基准上需要在一定范围内使载玻片上下移动找到最清晰图像。尤其100X物镜放大时聚焦精度有时在100nm这个数量级时,更是如此。
因此,控制单元根据高倍物镜的精度,调用预设的观测范围和观测采集频率,控制云台在观测范围内竖直移动,并给采集单元发送观测信号;采集单元接收到观测信号后,根据观测采集频率采集观测图像并发送给分析单元;分析单元对比分析观测图像,识别出最清晰的观测图像后,对该观测图像进行分析识别得到目标细胞的类型代码,并对该目标细胞进行细胞类型标记。通过这样的方式,可以保证观察到的目标细胞的精度。
使用本系统,工作人员只需将放置有目标细胞的载玻片放置在平台上即可,之后,系统会自动进行目标细胞的识别与跟踪,并将目标细胞的最佳成像图像进行输出展示,由工作人员对其进行观测分析。与现有技术相比,使用本系统,能够快速准确的找到所有细胞图像。
实施例二
与实施例一不同的是,本实施例中,控制单元预设的移动方式,控制云台在物镜焦距范围内进行移动。这样,可以保证云台每次移动,都会按照相同的移动模式在物镜的聚焦范围内移动,进而保证观测过程的一致性。
还包括输入单元,用于输入初始化信号;控制单元还用于接收到初始化信号后,控制显微镜子系统将物镜切换为初始物镜。输入单元还用于输入调取细胞信息的指令。
通过初始化的设置,当对目标细胞检测分析完成后,可以将镜头切换到初始镜头,便于下次的细胞分析工作。通过输入单元,工作人员也可以方便、快捷的查看想要的细胞图像信息。本实施例中,输入单元的输入方式包括文字输入和语音输入。工作人员可以根据自己的偏好选择输入方式。
实施例三
与实施例一不同的是,本实施例中控制单元通过电机及齿轮组控制云台的移动,电机及齿轮组有三组,分别带动云台沿三轴坐标系的三个轴方向移动;还包括温度采集单元和冷却单元;冷却单元有三个,分别与三组电机及齿轮组对应;温度采集用于采集每组电机及齿轮组的温度,并发送给分析单元;
分析单元还用于识别出最清晰的观测图像后,分析目标细胞所处的位置是否位于预设区域;若目标细胞未处于预设区域,分析单元还分析目标细胞的偏移方向及偏移量,判断出现偏差的电机及齿轮组,若出现偏差的电机及齿轮组温度未高于预设温度值,则控制单元根据偏移量对出现偏差的齿轮及齿轮组进行修正补偿;若出现偏差的电极及齿轮组温度高于预设温度值,则控制单元给对应的冷却单元发送冷却信号,预设冷却时间后,根据偏移量对出现偏差的电机及齿轮组进行修正补偿,并在控制云台移动到下个目标细胞的高倍镜坐标时,控制该电机及齿轮组最后工作;
冷却单元用于接收到冷却信号后,给对应的电极及齿轮组喷冷却润滑油;
若连续A次出现目标细胞未处于预设区域温度、目标细胞的偏移方向相同且对应的电机及齿轮组未高于预设温度值,则分析单元生成故障警报信号。
具体工作过程如下:
为了便于工作人员观测目标细胞,通常需要目标位于图像的中央区域;在识别出最清晰的观测图像后,若目标细胞未处于预设区域(中央区域),工作人员观察起来会很不方便。
因此,分析单元分析目标细胞的偏移方向及偏移量,判断出现偏差的电机及齿轮组。由于细胞观察工作是持续进行的,电机及齿轮组出现的偏差可能是公差导致,也可能是由于持续工作温度过高导致的精度问题。因此,若出现偏差的电机及齿轮组温度未高于预设温度值,控制单元根据偏移量对出现偏差的齿轮及齿轮组进行修正补偿。以保证后续的精度。
如果出现偏差的电极及齿轮组温度高于预设温度值,则说明是温度过高导致的精度问题,因此,控制单元给对应的冷却单元发送冷却信号,冷却单元用于接收到冷却信号后,给对应的电极及齿轮组喷冷却润滑油。预设冷却时间(该电机及齿轮组冷却)后,控制单元根据偏移量对出现偏差的电机及齿轮组进行修正补偿,并在控制云台移动到下个目标细胞的高倍镜坐标时,控制该电机及齿轮组最后工作,这样,能够让温度过高的电机及齿轮组充分冷却,以保证后续的精度。
若连续A次出现目标细胞未处于预设区域温度、目标细胞的偏移方向相同且对应的电机及齿轮组未高于预设温度值,则说明该电机及齿轮组出现了精度故障,不能很好的完成需要的观测工作,因此,分析单元生成故障警报信号,便于工作人员了解情况,及时进行检修。A的具体数值,本领域技术人员可依据观测需要具体设置,本实施例中,A的数值为3。
这样,能够保证观测目标细胞时,目标细胞位于理想的观测区域,便于工作人员的观察工作顺利进行。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (9)
1.基于图像识别的细胞定位系统,其特征在于,包括控制单元、分析单元、显微镜子系统和图像采集单元;
控制单元用于控制云台在水平方向或竖直方向移动,还用于控制显微镜子系统切换不同倍数的物镜,物镜包括低倍物镜和高倍物镜;控制单元还用于给图像采集单元发送初始采集信号;图像采集单元用于接收到初始采集信号后,按照预设的初始频率采集初始图像并发送给分析单元;分析单元用于用预存的模型,对初始图像进行对比,得到最清晰的初始图像后,识别最清晰的初始图像上的所有目标细胞,并对目标细胞进行编号,还用于根据低倍物镜视野中心对应的云台坐标计算目标细胞对应的云台坐标,并记为低倍镜坐标;
控制单元还用于按照目标细胞的编号顺序,依次对目标细胞进行高倍物镜观察;观察某编号的目标细胞时,控制显微镜子系统切换高倍物镜后,控制单元根据低倍物镜与高倍物镜的倍数关系,以及该目标细胞的低倍镜坐标,计算该目标细胞的高倍镜坐标,并控制云台移动使该目标细胞位于其高倍镜坐标,再根据高倍物镜的精度调用预设的观测范围和观测采集频率,控制云台在观测范围内竖直移动,并给采集单元发送观测信号;
采集单元还用于接收到观测信号后,根据观测采集频率采集观测图像并发送给分析单元;分析单元还用于对比分析观测图像,识别出最清晰的观测图像后,对该观测图像进行分析识别得到目标细胞的类型代码,并对该目标细胞进行细胞类型标记。
2.根据权利要求1所述的基于图像识别的细胞定位系统,其特征在于:控制单元预设的移动方式,控制云台在物镜聚焦范围内进行移动。
3.根据权利要求2所述的基于图像识别的细胞定位系统,其特征在于:分析单元预存的模型包括分析部和排序部;分析部用于用预设的智能模型分析拍摄成像的整体清晰度;排序部用于用预设的算法,将分析部的分析结果进行排序。
4.根据权利要求3所述的基于图像识别的细胞定位系统,其特征在于:分析部内预设的智能模型为神经网络模型。
5.根据权利要求4所述的基于图像识别的细胞定位系统,其特征在于:排序部内预设的算法为希尔排序算法。
6.根据权利要求5所述的基于图像识别的细胞定位系统,其特征在于:还包括存储单元,用于存储目标细胞的编号、类型标记、最清晰识别图像、细胞类型代码以及对应的云台坐标。
7.根据权利要求6所述的基于图像识别的细胞定位系统,其特征在于:还包括输入单元,用于输入初始化信号;控制单元还用于接收到初始化信号后,控制显微镜子系统将物镜切换为初始物镜。
8.根据权利要求7所述的基于图像识别的细胞定位系统,其特征在于:输入单元还用于输入调取细胞信息的指令。
9.根据权利要求8所述的基于图像识别的细胞定位系统,其特征在于:还包括显示单元,用于显示目标细胞的分析结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011552314.4A CN112697708A (zh) | 2020-12-24 | 2020-12-24 | 基于图像识别的细胞定位系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011552314.4A CN112697708A (zh) | 2020-12-24 | 2020-12-24 | 基于图像识别的细胞定位系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112697708A true CN112697708A (zh) | 2021-04-23 |
Family
ID=75509960
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011552314.4A Withdrawn CN112697708A (zh) | 2020-12-24 | 2020-12-24 | 基于图像识别的细胞定位系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112697708A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114152610A (zh) * | 2021-11-02 | 2022-03-08 | 桂林优利特医疗电子有限公司 | 一种基于可视化目标标记的玻片细胞扫描方法 |
CN117030710A (zh) * | 2023-10-10 | 2023-11-10 | 季华实验室 | 显微操作系统及其操作方法 |
-
2020
- 2020-12-24 CN CN202011552314.4A patent/CN112697708A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114152610A (zh) * | 2021-11-02 | 2022-03-08 | 桂林优利特医疗电子有限公司 | 一种基于可视化目标标记的玻片细胞扫描方法 |
CN114152610B (zh) * | 2021-11-02 | 2023-06-27 | 桂林优利特医疗电子有限公司 | 一种基于可视化目标标记的玻片细胞扫描方法 |
CN117030710A (zh) * | 2023-10-10 | 2023-11-10 | 季华实验室 | 显微操作系统及其操作方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112697708A (zh) | 基于图像识别的细胞定位系统 | |
US7822257B2 (en) | Observation apparatus and observation method | |
CN109239900B (zh) | 一种用于显微数字图像大视野采集的全自动快速聚焦方法 | |
CN110146974B (zh) | 一种智能生物显微镜 | |
CN102141374A (zh) | 一种影像式喷丝板自动检测仪 | |
MX2007016046A (es) | Sistema y metodo para re-ubicar un objeto en una muestra en un portaobjetos con un dispositivo de imagen de microscopio. | |
CN112507969A (zh) | 显微图像细胞自动定位方法 | |
CN108398775B (zh) | 荧光显微镜系统的对焦方法及装置 | |
US10775601B2 (en) | Method for operating a microscopy arrangement and microscopy arrangement having a first microscope and at least one further microscope | |
US11373366B2 (en) | Method for improving modeling speed of digital slide scanner | |
CN110542687A (zh) | 一种微观元件外观缺陷的检测装置及检测方法 | |
CN105785561B (zh) | 一种数字显微镜及其聚焦方法 | |
CN110539309A (zh) | 基于激光找正和视觉测量的机械臂制孔定位系统及方法 | |
DE102021124535A1 (de) | System und verfahren mit mehrpunkt-autofokus zur ausrichtung einer optischen achse eines optischen abschnitts senkrecht zu einer werkstückoberfläche | |
DE102019132174A1 (de) | Tag-Linsen-unterstützte Hochgeschwindigkeits-3D-Metrologie und Bildgebung mit erweitertem Tiefenschärfenbereich | |
US11813759B2 (en) | Intelligent micromanipulation system based on machine vision | |
CN112651939A (zh) | 基于图像处理模型的单细胞分选系统 | |
CN111505816A (zh) | 高通量电子显微镜成像方法及系统 | |
KR101186420B1 (ko) | 측정장치의 제어방법 | |
CN114474440B (zh) | 微调装置调整精度控制方法 | |
CN113253417B (zh) | 一种用于骨髓涂片扫描的自动调平及自动对焦方法 | |
CN113253445A (zh) | 一种0回程差扫描平台控制系统及方法 | |
CN108989690A (zh) | 一种线阵相机多标记点对焦方法、装置、设备和存储介质 | |
CN109244935A (zh) | 一种基于vr视觉的高空机器人带电检修系统 | |
JP3941668B2 (ja) | 細胞の観察方法 |
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 | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210423 |