CN112750118A - 一种基于自动视觉检测的单细胞孔板测序中鉴定细胞个数的新方法及系统 - Google Patents
一种基于自动视觉检测的单细胞孔板测序中鉴定细胞个数的新方法及系统 Download PDFInfo
- Publication number
- CN112750118A CN112750118A CN202110063108.5A CN202110063108A CN112750118A CN 112750118 A CN112750118 A CN 112750118A CN 202110063108 A CN202110063108 A CN 202110063108A CN 112750118 A CN112750118 A CN 112750118A
- Authority
- CN
- China
- Prior art keywords
- image
- cell
- cells
- filtering
- qualified
- 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
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000012163 sequencing technique Methods 0.000 title claims abstract description 22
- 239000011148 porous material Substances 0.000 title claims abstract description 20
- 238000001514 detection method Methods 0.000 title claims abstract description 6
- 230000000007 visual effect Effects 0.000 title claims abstract description 5
- 238000001914 filtration Methods 0.000 claims abstract description 33
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000000877 morphologic effect Effects 0.000 claims abstract description 15
- 238000003709 image segmentation Methods 0.000 claims description 8
- 230000009466 transformation Effects 0.000 claims description 6
- 239000012535 impurity Substances 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000011179 visual inspection Methods 0.000 claims description 4
- 238000001000 micrograph Methods 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 3
- 230000002708 enhancing effect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 12
- 230000014509 gene expression Effects 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000000265 homogenisation Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 230000003698 anagen phase Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000007877 drug screening Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 230000017423 tissue regeneration Effects 0.000 description 1
- 230000001960 triggered effect Effects 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
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B30/00—ICT specially adapted for sequence analysis involving nucleotides or amino acids
-
- 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
- G06T2207/20024—Filtering details
-
- 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
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Bioinformatics & Computational Biology (AREA)
- Chemical & Material Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biophysics (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- Analytical Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于自动视觉检测的单细胞孔板测序中鉴定细胞个数的新方法及系统。该方法包括:首先读入孔板中的细胞显微拍照彩色图像,并将所述彩色图像转换为灰度图像;然后使用形态学滤波之Tophat滤波和Bottomhat滤波对图像进行增强;接着利用高斯滤波对增强后的细胞图像进行去噪处理;再使用Otsu算法,对处理后的图像进行分割,得到细胞目标;利用细胞目标的最小外接矩形计算目标的形状因子,根据形状因子进行合格细胞的鉴定;最后对图像中的合格细胞进行统计,当合格细胞数为1时,判定为合格的单细胞图像。本发明能够快速准确地判断单细胞孔板测序中某孔板下是否为单细胞。
Description
技术领域
本发明涉及单细胞孔板测序中的细胞个数鉴定方法,具体涉及一种新型的单细胞孔板测序中鉴定细胞个数的图像处理方法及系统。
背景技术
细胞是生物体的基本单位。不同细胞类型之间形态和功能不同。同一类型的细胞虽然在定义上是同质的,但是事实上是存在异质性的。所谓的同一类型只是一种对细胞研究的极度简化。对细胞异质性的研究,应当是在单细胞层面上对其DNA、RNA和蛋白质等进行解析。
单细胞测序技术就是在单个细胞层面进行分析。它能够针对起始样本量进行扩增,获得足够的样品量用于构建文库,并且通过增加测序深度来检测中低丰度的基因表达,精准地分析细胞异质性,这是传统的细胞群体技术无法达到的。近十年以来,单细胞测序技术得到迅速发展,使我们能够在单个细胞水平上探讨基因表达的差异,发现细胞的异质性,从而改写传统生物学观点,并利用这类技术进行治疗疾病、修复组织、辅助生殖和筛选药物等。
单细胞测序技术中的核心步骤——单个细胞分离,主要分为两个类型:基于微滴技术进行“油包水”的单细胞形成方式和基于微孔捕获技术的单细胞形成方式。
基于微滴技术进行“油包水”的单细胞形成方式是将单个细胞包裹在μl级别的液滴中,液滴被搭载到建库所用的酶上,每个微滴包含一个唯一的条码,由那个被包装好的细胞产生的所有reads都贴上该条码。
基于微孔捕获技术的单细胞形成方式可以使用细胞移液器或激光捕获分离细胞,并将他们放置于微液流孔中。这种方法的优势是:1、可以与荧光触发细胞分离技术(FACS)结合,实现基于表面标记的细胞选择。2、可以对细胞进行拍照,帮助确定孔中是否存在损伤的或者重复的细胞。缺点是:通量低,对每个细胞进行操作需要很大的工作量且无法保证每个孔中一定只有一个细胞,如果有两个或者两个以上,容易出现检测错误。
目前世界上还未见报道有方法能够快速便捷且准确地确定每个微孔中的细胞个数,唯一报道的方法是利用人工观察的方法,借助显微镜,一个孔一个孔地观察。这种方法费时费力且容易出错。自动视觉检测技术(Automated Visual Inspection,简称AVI)为快速准确地确定每个微孔中的细胞个数提供了新的解决方案。
AVI是机器视觉系统的核心技术,该技术首先通过图像采集系统获得待测目标物的数字图像,然后利用图像增强方法突出目标物,再利用图像分割方法将目标与背景分离,接着对目标进行特征提取,最后利用提取的特征实现决策。
利用AVI技术进行单细胞孔板中的细胞个数鉴定,关键是针对捕获的显微拍照结果进行背景均一化和对杂质的区分。均一化程度以及对杂质的区分准确度将直接影响到后续的细胞计数结果。
考虑到现在微孔捕捉技术中,除了人工进行每个孔的显微观察之外,没有一种自动化的方法能够快速而准确地区分每个孔板中到底是一个细胞还是一个以上的细胞,所以希望设计出一种新方法可以准确的确定这个结果。目前未见相关模型或方法的报道。
发明内容
本发明的目的之一是提供一种基于AVI的单细胞孔板测序中鉴定细胞个数的新方法,以实现对单细胞测序中微孔捕捉技术的优化。
本发明的目的之二是提供一种基于AVI的单细胞孔板测序中鉴定细胞个数的系统,该系统可以快速准确地鉴定微孔细胞图像是否为单细胞图像。
本发明的目的之一是这样实现的:一种基于AVI的单细胞孔板测序中鉴定细胞个数的新方法,包括如下步骤:
S1:读入孔板中的细胞显微拍照彩色图像,并将所述彩色图像转换为灰度图像;
S2:由于显微镜的光源为点光源,导致显微拍照中的图像亮度不均匀,难以实现后续的图像精确分割。为了解决图像亮度不均匀问题,使用形态学滤波之Tophat滤波进行处理,得到亮度均匀的图像背景。
S3:由于进行显微拍照的细胞为透明未染色的,对象不易快速抓取。为了解决细胞图像不突出的问题,使用形态学滤波之Bottomhat滤波进行处理,得到被增强的图像前景。
S4:将得到的前景与背景融合,得到增强的细胞图像。
S5:由于孔板细胞显微拍照得到的图像中可能包含一些噪声,为了避免噪声对后续图像处理的影响,利用高斯滤波对增强后的细胞图像进行去噪处理。
S6:使用Otsu算法,对处理后的图像进行分割,得到细胞目标。
S7:由于孔板显微拍照图像中可能包含一些杂质或者已经死亡的细胞,所以利用每个细胞目标的最小外接矩形计算每个目标的形状因子,进行合格细胞的鉴定。当形状因子小于指定阈值时鉴定为合格细胞。
S8:由于最终希望确定的是每个孔板中是否只有一个细胞,所以对图像中的合格细胞进行统计,当合格细胞数为1时,判定为合格的单细胞图像。
其中,所述步骤S2中,形态学滤波之Tophat滤波变换实际上是原图像与其“开运算”的结果图之差。Tophat滤波算法的数学表达式如下:
顶帽滤波用于校正不均匀光照的影响,可以获得亮度均匀的背景。
所述步骤S3中,形态学滤波之Bottomhat滤波变换实际上是图像“闭运算”的结果图与原图之差。Bottomhat滤波算法的数学表达式如下:
g(x,y)=close(I(x,y))-I(x,y),当close(I(x,y))>=I(x,y)时
否则g(x,y)=0
底帽滤波用于分离比临近点暗一些的部分,主要用于获得目标的轮廓
本发明的目的之二是这样实现的:一种基于AVI单细胞孔板测序中鉴定细胞数量的图像处理系统,包括:
图像转换模块,用于读入细胞的显微拍照彩色图像,并将所述细胞的显微拍照彩色图像转换为细胞的灰度图像。
图像增强模块,用于根据灰度结果,使用形态学滤波之Tophat滤波变换和形态学滤波之Bottomhat滤波变换对细胞灰度图像进行图像增强,并利用高斯滤波去除热噪声,以提高细胞灰度图像的质量。
图像分割模块,用于将增强后的细胞灰度图像进行二值化分割,以使得细胞灰度图像中的细胞目标图像从背景中分离出来。
图像鉴定模块,用于实现健康细胞的识别及其个数统计,根据统计结果判断当前图像是否为合格的单细胞图像。
附图说明
图1为本发明基于AVI的单细胞孔板测序中鉴定单细胞图像的算法处理流程示意图。
图2为本发明基于AVI的单细胞孔板测序中鉴定单细胞图像的软件系统结构示意图。
具体实施方式
下面结合附图和实施例对本发明进行进一步的阐述,应该说明的是,下述说明仅是为了解释本发明,并不对其内容进行限定。
如图1所示,本发明所提供的一种新型的基于自动视觉检测的单细胞孔板测序中鉴定细胞数量的图像处理方法。模拟微孔捕获技术的单细胞形成方式,将悬浮细胞培养到对数生长期之后,800r/min离心5分钟。重悬,稀释后计数。最终得到每100μL中有一个细胞的密度(即10ml中有100个细胞)。将其均匀的种到96孔板中,模拟每个孔中一个细胞的状态。静置十分钟后,使用倒置显微镜(10×目镜和5×物镜)进行显微拍照,获得原始图像。
针对得到的图像,需要进行灰度转化,将细胞显微拍照彩色图像转换为细胞的灰度图像。由于显微镜的光源为点光源,导致显微拍照中的图像亮度不均匀,难以实现后续的图像精确分割。为了解决图像亮度不均匀问题,使用形态学滤波之Tophat滤波进行校正,得到亮度均匀的图像背景。形态学滤波之Tophat滤波变换实际上是原图像与其“开运算”的结果图之差。Tophat滤波算法的数学表达式如下:
但是单单对背景进行均匀化是不够的,进行显微拍照的细胞为透明未染色的,对象不易快速抓取。为了解决细胞图像不突出的问题,使用形态学滤波之Bottomhat滤波进行处理,得到被增强的图像前景。形态学滤波之Bottomhat滤波变换实际上是图像“闭运算”的结果图与原图之差。Bottomhat滤波算法的数学表达式如下:
Bottomhat滤波用于分离比临近点暗一些的部分,主要用于获得目标的轮廓。这两步运算之后,将得到的前景与背景融合,得到增强的细胞图像。由于孔板细胞显微拍照得到的图像中可能包含一些噪声,为了避免噪声对后续图像处理的影响,还需要利用高斯滤波对增强后的细胞图像进行去噪处理。
得到降噪后的细胞图像之后,即可进行后续的图像分割与细胞统计计算。首先,使用Otsu算法,对处理后的细胞灰度图像进行分割,得到细胞目标。Otsu方法的基本原理是从图像的最小灰度值到最大灰度值进行遍历,每次遍历均以当前的灰度值作为阈值,将图像分割成目标和背景两部分,然后计算两部分的类间方差。遍历结束后选择类间方差最大的灰度值作为最佳分割阈值。由于孔板显微拍照的每个图像中可能包含一些杂质或者已经死亡的细胞,所以利用每个细胞目标的最小外接矩形计算每个目标的形状因子,进行合格细胞的鉴定。当细胞的形状因子小于指定阈值时鉴定为合格细胞。由于最终希望确定的是每个孔板中是否只有一个细胞,所以对图像中的合格细胞进行统计,当合格细胞数为1时,判定为合格的单细胞图像。
如图2所示,本发明所所提供的一种基于自动视觉检测的单细胞孔板测序中鉴定细胞数量的图像处理系统,包括图像转换模块、图像增强模块、图像分割模块、图像鉴定模块。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (4)
1.一种基于自动视觉检测的单细胞孔板测序中鉴定细胞个数的新方法,其特征在于,所述方法包括以下步骤:
S1:读入孔板中的细胞显微拍照彩色图像,并将所述彩色图像转换为灰度图像;
S2:由于显微镜的光源为点光源,导致显微拍照中的图像亮度不均匀,难以实现后续的图像精确分割,为了解决图像亮度不均匀问题,使用形态学滤波之Tophat滤波进行处理,得到亮度均匀的图像背景。
S3:由于进行显微拍照的细胞为透明未染色的,对象不易快速抓取,为了解决细胞图像不突出的问题,使用形态学滤波之Bottomhat滤波进行处理,得到被增强的图像前景。
S4:将得到的前景与背景融合,得到增强的细胞图像。
S5:由于孔板细胞显微拍照得到的图像中可能包含一些噪声,为了避免噪声对后续图像处理的影响,利用高斯滤波对增强后的细胞图像进行去噪处理。
S6:使用Otsu算法,对处理后的图像进行分割,得到细胞目标。
S7:由于孔板显微拍照图像中可能包含一些杂质或者已经死亡的细胞,所以利用每个细胞目标的最小外接矩形计算每个目标的形状因子,进行合格细胞的鉴定,当形状因子小于指定阈值时鉴定为合格细胞。
S8:由于最终希望确定的是每个孔板中是否只有一个细胞,所以对图像中的合格细胞进行统计,当合格细胞数为1时,判定为合格的单细胞图像。
4.一种基于自动视觉检测的单细胞孔板测序中鉴定细胞个数的图像处理系统,其特征在于,所述系统包括:
图像转换模块,用于读入细胞的显微拍照彩色图像,并将所述细胞的显微拍照彩色图像转换为细胞的灰度图像。
图像增强模块,使用形态学滤波之Tophat滤波变换和形态学滤波之Bottomhat滤波变换对细胞灰度图像进行图像增强,并利用高斯滤波去除热噪声,以提高细胞灰度图像的质量。
图像分割模块,用于将增强后的细胞灰度图像进行二值化分割,以使得细胞灰度图像中的细胞目标从背景中分离出来。
图像鉴定模块,用于实现健康细胞的识别及其个数统计,根据统计结果判断当前图像是否为合格的单细胞图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110063108.5A CN112750118B (zh) | 2021-01-18 | 2021-01-18 | 一种基于自动视觉检测的单细胞孔板测序中鉴定细胞个数的新方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110063108.5A CN112750118B (zh) | 2021-01-18 | 2021-01-18 | 一种基于自动视觉检测的单细胞孔板测序中鉴定细胞个数的新方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112750118A true CN112750118A (zh) | 2021-05-04 |
CN112750118B CN112750118B (zh) | 2022-10-11 |
Family
ID=75652304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110063108.5A Active CN112750118B (zh) | 2021-01-18 | 2021-01-18 | 一种基于自动视觉检测的单细胞孔板测序中鉴定细胞个数的新方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112750118B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113870242A (zh) * | 2021-10-12 | 2021-12-31 | 京东方(河北)移动显示技术有限公司 | 一种检测盲孔的方法及设备 |
WO2022252299A1 (zh) * | 2021-05-31 | 2022-12-08 | 创芯国际生物科技(广州)有限公司 | 一种基于显微图像的类器官细胞计数方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107492088A (zh) * | 2016-06-11 | 2017-12-19 | 青岛华晶生物技术有限公司 | 一种妇科显微图像中白细胞自动识别与统计方法 |
CN109182081A (zh) * | 2018-08-22 | 2019-01-11 | 长春长光辰英生物科学仪器有限公司 | 一种基于图像处理模型的单细胞分选系统 |
CN110838126A (zh) * | 2019-10-30 | 2020-02-25 | 东莞太力生物工程有限公司 | 细胞图像分割方法、装置、计算机设备和存储介质 |
-
2021
- 2021-01-18 CN CN202110063108.5A patent/CN112750118B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107492088A (zh) * | 2016-06-11 | 2017-12-19 | 青岛华晶生物技术有限公司 | 一种妇科显微图像中白细胞自动识别与统计方法 |
CN109182081A (zh) * | 2018-08-22 | 2019-01-11 | 长春长光辰英生物科学仪器有限公司 | 一种基于图像处理模型的单细胞分选系统 |
CN110838126A (zh) * | 2019-10-30 | 2020-02-25 | 东莞太力生物工程有限公司 | 细胞图像分割方法、装置、计算机设备和存储介质 |
Non-Patent Citations (1)
Title |
---|
RUPSA BHATTACHARJEE; MONISHA CHAKRABORTY: "LPG-PCA algorithm and selective thresholding based automated method: ALL & AML blast cells detection and counting", 《2012 INTERNATIONAL CONFERENCE ON COMMUNICATIONS, DEVICES AND INTELLIGENT SYSTEMS (CODIS)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022252299A1 (zh) * | 2021-05-31 | 2022-12-08 | 创芯国际生物科技(广州)有限公司 | 一种基于显微图像的类器官细胞计数方法及系统 |
CN113870242A (zh) * | 2021-10-12 | 2021-12-31 | 京东方(河北)移动显示技术有限公司 | 一种检测盲孔的方法及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN112750118B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7796815B2 (en) | Image analysis of biological objects | |
JP7496389B2 (ja) | 画像解析方法、装置、プログラムおよび学習済み深層学習アルゴリズムの製造方法 | |
US20230127698A1 (en) | Automated stereology for determining tissue characteristics | |
Malpica et al. | Applying watershed algorithms to the segmentation of clustered nuclei | |
CN112750118B (zh) | 一种基于自动视觉检测的单细胞孔板测序中鉴定细胞个数的新方法及系统 | |
JP2006333710A (ja) | 細胞の自動良否判定システム | |
US20220383629A1 (en) | Label-free cell classification and screening system based on hybrid transfer learning | |
CN113537182B (zh) | 染色体中期分裂相显微图像的自动识别方法与系统 | |
CN117576103B (zh) | 集成电控显微镜和深度学习算法的尿沉渣镜检分析系统 | |
CN112329664A (zh) | 一种原核期胚胎原核数量的评估方法 | |
CN114782372A (zh) | Dna荧光原位杂交bcr/abl融合状态检测方法、检测系统 | |
CN112507821B (zh) | 基于高内涵成像的细胞耐药性检测方法、介质及电子设备 | |
CN111795967B (zh) | 一种骨髓细胞形态学自动检测系统的涂片自检方法 | |
Niederlein et al. | Image analysis in high content screening | |
CN116757998A (zh) | 基于ai的ctc细胞和ctc样细胞的筛查方法及装置 | |
Li et al. | A recognition method of urine cast based on deep learning | |
CN113469939B (zh) | 一种基于特性曲线的her-2免疫组化自动判读系统 | |
Danyali et al. | Robust leukocyte segmentation in blood microscopic images based on intuitionistic fuzzy divergence | |
CN114627308A (zh) | 一种骨髓细胞形态学特征的提取方法与系统 | |
JP3679680B2 (ja) | 細胞系譜抽出方法 | |
El-Shenawy | Automatic detection and identification of cells in digital images of day 2 IVF embryos | |
CN110795965B (zh) | 一种真菌显微图像中致病相的自动识别方法及系统 | |
CN113344868B (zh) | 一种基于混合转移学习的无标记细胞分类筛查系统 | |
CN112884663B (zh) | 一种针对组织质谱成像结果识别并划分细胞边界的方法 | |
EP4372701A1 (en) | Systems and methods for the detection and classification of biological structures |
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 |