CN112903675A - 样本分析仪和样本分析仪的细胞图像处理方法 - Google Patents
样本分析仪和样本分析仪的细胞图像处理方法 Download PDFInfo
- Publication number
- CN112903675A CN112903675A CN201911120285.1A CN201911120285A CN112903675A CN 112903675 A CN112903675 A CN 112903675A CN 201911120285 A CN201911120285 A CN 201911120285A CN 112903675 A CN112903675 A CN 112903675A
- Authority
- CN
- China
- Prior art keywords
- image
- tangible
- images
- target
- clearest
- 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
- 238000003672 processing method Methods 0.000 title description 4
- 238000000034 method Methods 0.000 claims abstract description 72
- 238000012545 processing Methods 0.000 claims abstract description 37
- 230000000007 visual effect Effects 0.000 claims abstract description 25
- 238000003384 imaging method Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 10
- 230000002194 synthesizing effect Effects 0.000 claims description 6
- 239000012535 impurity Substances 0.000 abstract description 6
- 238000004458 analytical method Methods 0.000 abstract description 2
- 210000004027 cell Anatomy 0.000 description 40
- 238000003708 edge detection Methods 0.000 description 24
- 239000004615 ingredient Substances 0.000 description 20
- 210000002700 urine Anatomy 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 8
- 238000012360 testing method Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 210000000265 leukocyte Anatomy 0.000 description 4
- 239000003550 marker Substances 0.000 description 4
- OBHRVMZSZIDDEK-UHFFFAOYSA-N urobilinogen Chemical compound CCC1=C(C)C(=O)NC1CC1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(CC3C(=C(CC)C(=O)N3)C)N2)CCC(O)=O)N1 OBHRVMZSZIDDEK-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 210000003743 erythrocyte Anatomy 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 150000002576 ketones Chemical class 0.000 description 2
- 230000009347 mechanical transmission Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 210000002919 epithelial cell Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 210000003097 mucus Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
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
- G01N21/84—Systems specially adapted for particular applications
-
- 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
- G06T7/12—Edge-based segmentation
-
- 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
- G06T2207/10061—Microscopic image from scanning electron microscope
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Microscoopes, Condenser (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种样本分析仪和样本分析仪的细胞图像的处理方法，样本分析仪包括：计数池，用于承载被测物，提供拍摄的视野区；图像采集装置，用于对所述视野区中的所述被测物进行放大并拍照，以得到一组图像，其中所述图像采集装置包括：显微镜，驱动装置和成像装置；以及控制装置，用于生成控制信息并对所述一组图像进行处理，以得到所述被测物中的目标有形成分在所述一组图像中最清晰的图像。本发明的方案直接对细胞等有形成分进行对焦识别分析，避免了对拍摄视野区对焦受杂质和背景干扰的问题，有形成分显示清晰，并且只对流程进行了优化，不会造成成本的增加。
Description
技术领域
本发明涉及样本分析仪，更具体地，涉及样本分析仪和样本分析仪的细胞图像的处理方法。
背景技术
随着医疗技术水平的不断提升，传统的人工镜检尿液样本逐步被全自动仪器所代替，而且随着全自动仪器的不断普及，对于仪器的性能也不断提出更高的要求，尤其是图像的清晰度和一致性。
仪器使用过程中，在外界环境干扰下，显微镜的焦距会发生偏移。焦距偏移后，图像会变得模糊。特别是高倍镜图像，图像会由于模糊而不能识别。当前在线产品应用实时动态调焦技术解决了上述图像质量不稳定的问题。
实时动态调焦技术通过计数池上的标记物进行辅助对焦。每个样本拍照前，都通过该标记物进行对焦操作，不论受环境影响显微镜的焦距如何变化，仪器都能自动对焦到标记物，并根据细胞平面与标记物的位置关系，对焦到细胞平面。这样每个图像都是经过对焦后拍摄的图像，从而图像始终保持清晰。
虽然通过实时动态调焦技术能够很好地解决显微镜焦距偏移的问题，但是这种技术能够达到理想效果的前提条件是Z向机械传动结构的稳定性，即能够保证细胞平面到标记物的距离是恒定不变的，但实际上由于受到环境温度、自身老化等因素的影响，这个距离是会发生变化的，这会导致实时动态调焦失效，从而导致拍摄的图像不清晰。
因此，为了解决实时动态调焦技术受制于显微镜机械传动结构稳定性影响的问题，可以直接对细胞平面进行对焦，根据细胞平面的对焦结果确定最终的对焦图像。然而，直接对细胞平面对焦的方式容易受到杂质、背景、有形成分不同层等因素的干扰，从而导致拍摄的图像不清晰。
因此，本领域需要一种新型的样本分析仪和样本分析仪的细胞图像的处理方法，以解决上述问题。
发明内容
为了解决上述问题而提出了本发明。根据本发明的一方面，提供了一种样本分析仪，所述样本分析仪包括：计数池，用于承载被测物，提供拍摄的视野区；图像采集装置，用于对所述视野区中的所述被测物进行放大并拍照，以得到一组图像，其中所述图像采集装置包括：显微镜，所述显微镜包括用于承载所述计数池的载物台和用于放大所述视野区中的所述被测物的物镜；驱动装置，用于驱动所述载物台移动，以对所述被测物的细胞平面进行对焦；和成像装置，用于在所述载物台移动过程中拍摄所述视野区中的经放大后的所述被测物的一组图像；以及控制装置，耦连至所述驱动装置和所述成像装置，用于生成控制信息并对所述一组图像进行处理，以得到所述被测物中的目标有形成分在所述一组图像中最清晰的图像。
进一步地，所述控制装置对所述一组图像进行处理包括：获取所述一组图像中的视野区最清晰的图像；识别所获取的视野区最清晰的图像中的各种有形成分；基于预设标准从所述有形成分中获取所述目标有形成分；以及将所述视野区最清晰的图像与所述一组图像中的各个图像逐一进行匹配，以从所述一组图像中确定所述目标有形成分最清晰的图像。
进一步地，所述控制装置还用于控制所述驱动装置，以驱动所述载物台从远离所述物镜的位置逐渐向靠近所述物镜的位置移动或从靠近所述物镜的位置逐渐向远离所述物镜的位置移动，以使得拍摄的所述一组图像对应的拍摄焦距大小从大到小或从小到大排列。
在一个实施例中，其中所述基于预设标准从所述有形成分中获取所述目标有形成分包括：基于所获取的视野区最清晰的图像，识别其中的各种有形成分，以及确定所述各种有形成分的含量，并获取含量最大的有形成分作为所述目标有形成分。
在一个实施例中，其中所述基于预设标准从所述有形成分中获取所述目标有形成分包括：获取预设的有形成分的优先级排序；以及按照所述优先级排序，获取所述一组图像中包含的所述优先级排序最前的有形成分作为所述目标有形成分。
在一个实施例中，其中所述基于预设标准从所述有形成分中获取所述目标有形成分包括：接收来自用户的输入，所述输入包括用户确定的所需的有形成分；以及基于来自用户的所述输入，获取所述所需的有形成分作为所述目标有形成分。
在一个实施例中，所述控制装置还用于：从所述一组图像中分别获取各目标有形成分最清晰的各个图像；以及提取所述各个图像上的相应目标有形成分所在图像部分并进行合成，以得到所有有形成分都清晰的合成图像。
在一个实施例中，所述控制装置对所述一组图像进行处理还包括：获取所述目标有形成分最清晰的图像的编号；提取所述编号对应的最清晰的图像，并进行分割、识别；以及输出所述最清晰的图像以及基于所述最清晰的图像的有形成分统计结果。
在一个实施例中，所述控制装置对所述一组图像进行处理还包括：获取所述目标有形成分最清晰的图像对应的拍摄焦距；以及存储所述拍摄焦距，并将所述拍摄焦距作为后续拍摄的参考焦距。
在一个实施例中，所述样本分析仪包括预设标准设置装置，用于提供用户对所述预设标准的选择。
根据本发明的另一方面提供了一种样本分析仪的细胞图像的处理方法，所述方法包括：获取初始载物台位置；控制所述载物台移动，对被测物的细胞平面进行对焦，并放大所述被测物；在所述载物台移动过程中，控制拍摄经放大后的所述被测物的一组图像；以及对所述一组图像进行处理，以得到所述被测物中的目标有形成分在所述一组图像中最清晰的图像。
进一步地，对所述一组图像进行处理的步骤包括：获取所述一组图像中的视野区最清晰的图像；识别所获取的视野区最清晰的图像中的各种有形成分；基于预设标准从所述有形成分中获取所述目标有形成分；以及将所述视野区最清晰的图像与所述一组图像中的各个图像逐一进行匹配，以从所述一组图像中确定所述目标有形成分最清晰的图像。
进一步地，其中控制所述载物台移动还包括：控制使得所述载物台从远离物镜的位置逐渐向靠近所述物镜的位置移动或从靠近所述物镜的位置逐渐向远离所述物镜的位置移动，以使得拍摄的所述一组图像对应的拍摄焦距大小从大到小或从小到大排列。
在一个实施例中，其中所述基于预设标准从所述有形成分中获取所述目标有形成分包括：基于所获取的视野区最清晰的图像，识别其中的各种有形成分，以及确定所述各种有形成分的含量，并获取含量最大的有形成分作为所述目标有形成分。
在一个实施例中，其中所述基于预设标准从所述有形成分中获取所述目标有形成分包括：获取预设的各种有形成分的优先级排序；以及按照所述优先级排序，获取所述一组图像中包含的所述优先级排序最前的有形成分作为所述目标有形成分。
在一个实施例中，其中所述基于预设标准从所述有形成分中获取所述目标有形成分包括：接收来自用户的输入，所述输入包括用户确定的所需的有形成分；以及基于来自用户的所述输入，获取所述所需的有形成分作为所述目标有形成分。
在一个实施例中，所述方法还包括：从所述一组图像中分别获取各目标有形成分最清晰的各个图像；以及提取所述各个图像上的相应目标有形成分所在图像部分并进行合成，以得到所有有形成分都清晰的合成图像。
在一个实施例中，所述方法还包括：获取所述目标有形成分最清晰的图像的编号；提取所述编号对应的最清晰的图像，并进行分割、识别；以及输出所述最清晰的图像以及基于所述最清晰的图像的有形成分统计结果。
在一个实施例中，所述方法还包括：获取所述目标有形成分最清晰的图像对应的拍摄焦距；以及存储所述拍摄焦距，并将所述拍摄焦距作为后续拍摄的参考焦距。
在一个实施例中，所述方法还包括：接收用户对所述预设标准的选择，并基于所选择的预设标准获取所述目标有形成分。
根据本发明的又一方面提供了一种计算机可读存储介质，包含计算机可执行指令，其特征在于，所述计算机可执行指令在由处理器执行时，能够执行如上所述的方法。
根据本发明实施例的样本分析仪和样本分析仪的细胞图像的处理方法，直接对细胞等有形成分进行对焦识别分析，避免了对拍摄视野区对焦受杂质和背景干扰的问题，有形成分显示清晰，并且只对流程进行了优化，不会造成成本的增加。
附图说明
通过结合附图对本发明实施例进行更详细的描述，本发明的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与本发明实施例一起用于解释本发明，并不构成对本发明的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
图1示出了根据本发明的一个实施例的样本分析仪的细胞图像的处理方法的示意流程图；
图2示出了根据本发明的一个实施例的控制装置对一组图像进行处理的图解示意图；
图3为根据本发明的一个实施例的图像的Q值与坐标的关系的曲线图；
图4为根据图3的曲线图获取的视野区最清晰的图像的示意图；
图5示出了根据本发明的一个实施例的样本分析仪的细胞图像的处理方法的步骤流程图。
具体实施方式
为了使得本发明的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本发明的示例实施例。显然，所描述的实施例仅仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明中描述的本发明实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本发明的保护范围之内。
如上所述，目前的显微镜实时动态调焦技术在直接对细胞平面进行对焦时，受到有形成分不同层的干扰，导致拍摄的图像不清晰。
为了得到清晰的拍摄图像，本发明提供了一种样本分析仪，包括计数池、图像采集装置和控制装置，其中控制装置对拍摄得到的一组图像进行处理，以得到被测物中的目标有形成分在所述一组图像中最清晰的图像。
为了得到清晰的拍摄图像，本发明还提供了一种样本分析仪的细胞图像的处理方法，其中对拍摄得到的一组图像进行处理，以得到所述被测物中的目标有形成分在所述一组图像中最清晰的图像。
该样本分析仪和样本分析仪的细胞图像的处理方法直接对细胞等有形成分本身进行对焦识别分析，避免了对拍摄视野区对焦受杂质和背景干扰的问题，细胞位置清晰，定位更加精确。
下面结合具体实施例详细描述根据本发明的样本分析仪和样本分析仪的细胞图像的处理方法。
实施例一
本实施例提供了一种样本分析仪100。如图1所示，图1示出了根据本发明的一个实施例的样本分析仪100的结构示意图。
参照图1，根据本实施例的样本分析仪100可以包括计数池10、图像采集装置20和控制装置30。其中，样本分析仪100可以为本领域公知的任何分析仪，例如尿液有形成分分析仪、血液分析仪等，本发明对此不作限定。以下以尿液有形成分分析仪为例进行说明。
其中，计数池10用于承载待测样本，例如，尿液样本、血液样本或其他体液样本等。此外，计数池10还用于提供拍摄的视野区。与尿液有形成分分析仪相对应的，以下以尿液样本为例进行说明。其中，尿液样本中包含各种有形成分，例如，红细胞、白细胞、白细胞团、细菌、上皮细胞、结晶、管型、粘液丝、精子等，还包含各种杂质。
图像采集装置20用于对拍摄视野区中的被测物进行放大并拍照，以得到一组图像。具体地，图像采集装置20可以包括：显微镜22、驱动装置24和成像装置26。
其中，显微镜22可以包括用于承载计数池10的载物台222，以及用于放大拍摄视野区中的被测物的物镜224。在使用过程中，载物台222和/或物镜224可以由驱动装置24驱动，以移动至预定位置，从而完成对焦操作。应理解，显微镜22还可以包括本领域技术人员公知的任何其他部件，例如，目镜、光源灯、底座等，本发明对此不做限定。
驱动装置24耦连至显微镜22，用于驱动载物台222和/或物镜224移动，以对被测物的细胞平面进行对焦。在实际使用中，为了方便拆装和维护，优选地，驱动装置24驱动载物台222移动以对被测物的细胞平面进行对焦。具体地，驱动装置24可以包括驱动电路和步进电机。
成像装置26安装在显微镜22的物镜224上方，用于在载物台222移动过程中拍摄视野区中的经放大后的被测物的一组图像，并将图像传送至控制装置30。其中，成像装置26可以包括本领域公知的任何成像装置，例如，各类CCD相机、CMOS相机等，本发明对此不作限定。
控制装置30耦连至驱动装置24和成像装置26，用于生成控制信息，将控制信息传送至驱动装置24和成像装置26，以对驱动装置24和成像装置26进行控制。
具体地，控制装置30将控制信息传送至驱动装置24，驱动装置24根据控制信息驱动载物台222移动，以对被测物的细胞平面进行对焦。其中，若初始载物台位置在参考焦距以外，驱动装置24可驱动载物台222逐渐向靠近物镜224方向移动以进行对焦；若初始载物台位置在参考焦距以内，驱动装置24可驱动载物台222逐渐向远离物镜224方向移动以进行对焦。这样做可以使得在载物台222移动过程中拍摄得到的一组图像对应的拍摄焦距大小按从大到小或从小到大的顺序排列。
在驱动载物台222移动过程中，控制装置30控制成像装置26拍摄被测物的一组图像，使得拍摄的该一组图像对应的拍摄焦距大小从大到小或从小到大排列。
进一步地，控制装置30还从成像装置26接收拍摄得到的一组图像，并对该一组图像进行处理，以得到被测物中的目标有形成分在该一组图像中最清晰的图像。
参考图1和图2，图1示出了根据本发明的一个实施例的控制装置30对一组图像进行处理的步骤的流程图，图2示出了根据本发明的一个实施例的控制装置30对一组图像进行处理的图解示意图。参考图1，示例性地，控制装置30对该一组图像进行处理的步骤可以包括：
步骤S1：获取一组图像(如图2中的a所示)中的视野区最清晰的图像(如图2中的b所示)。
示例性地，从该一组图像中获取视野区最清晰的图像的方法可以包括：针对该一组图像中的每个图像，计算每个图像的各个像素在x和y方向的灰度值的差分的平方和并求和，以得到该图像的Q值，即Q＝∑(dx^2+dy^2)，其中dx、dy分别为图像在x、y方向的灰度值的差分；选取Q值最大的图像为视野区最清晰的图像。
参考图3和图4，图3为根据本发明的一个实施例的图像的Q值与坐标的关系的曲线图，图4为根据图3的曲线图获取的视野区最清晰的图像的示意图。其中，选取Q值最大的图像为视野区最清晰的图像的方法可以包括：将该一组图像中的各个图像的Q值与坐标的关系画成曲线(如图3所示)，其中横坐标表示的坐标可以为图像的编号，该编号可以用步进电机从初始位置移动的步数表示；选取曲线的峰值(即Q值最大)的横坐标对应的图像作为视野区最清晰的图像(如图4所示)。其中，该最清晰图像对应的载物台的位置可作为下次测试对焦时载物台的参考位置。
步骤S2：识别所获取的视野区最清晰的图像中的各种有形成分(如图2中的b上的各个椭圆所指示的)。其中，各种有形成分可以包括，例如红细胞、白细胞、鳞状上皮细胞、尿蛋白、尿胆原、尿胆红素、尿酮体等。其中，识别各种有形成分可以采用本领域公知的方法，例如，基于边缘检测的分割方法等，本发明对此不作限定。采用基于边缘检测的分割方法识别各种有形成分的过程可以为：先对图像进行灰度处理，得到灰度图像，再采用边缘检测算法识别图像中各种成分的边缘，然后基于检测到的边缘对各种成分进行分割，并根据各种成分的大小、灰度等获取其中的有形成分。示例性地，边缘检测算法可以包括本领域公知的任何边缘检测算法，例如，差分边缘检测算法、Roberts(罗伯茨)边缘检测算法、Sobel(索贝尔)边缘检测算法、Prewitt(普利维特)边缘检测算法、Laplace(拉普拉斯)边缘检测算法、LOG(高斯拉普拉斯)边缘检测算法、Canny边缘检测算法等，本发明对此不作限定。
步骤S3：基于预设标准从各种有形成分中获取目标有形成分(如图2中的c所示)。其中，目标有形成分可以为用户所需的有形成分或含量最大的有形成分等。示例性地，用户可以包括主治医生、分析员、患者等。
其中，样本分析仪100可以包括预设标准设置装置(未示出)，用于提供用户对预设标准的选择。例如，用户可以选择基于有形成分含量最大的标准，或可以选择基于优先级排序的标准，或可以直接选择所需的一个或更多个有形成分等。
在一个实施例中，基于预设标准从各种有形成分中获取目标有形成分的方法可以包括：基于所获取的视野区最清晰的图像，识别其中的各种有形成分，以及确定该各种有形成分的含量，并获取含量最大的有形成分作为目标有形成分。
在另一实施例中，基于预设标准从各种有形成分中获取目标有形成分的方法可以包括：获取预设的有形成分的优先级排序；以及按照该优先级排序，获取所拍摄的一组图像中包含的该优先级排序最前的有形成分作为目标有形成分。其中，该优先级排序可以由用户预设，或者根据测试项目的类型提供设置默认等等，本发明对此不作限定。
在又一实施例中，基于预设标准从各种有形成分中获取目标有形成分的方法可以包括：接收来自用户的输入，所述输入可以包括用户确定的所需的有形成分；以及基于来自用户的该输入，获取该所需的有形成分作为目标有形成分。其中，输入的形式可以为本领域公知的任何形式，例如，可由预设标准设置装置提供有形成分的选项，用户需要哪个有形成分，则可点击选择该有形成分。又例如，可由预设标准设置装置提供输入文本框，用户可在该文本框中输入需要的有形成分。本发明对此不作限定。
应理解，上述实施例仅仅是示例性的，并不意图是限制，还可以包括其他基于预设标准从各种有形成分中获取目标有形成分的方法，本发明对此不作限定。
步骤S4：将视野区最清晰的图像与上述拍摄的一组图像中的各个图像逐一进行匹配，以从该一组图像中确定目标有形成分最清晰的图像(如图2中的d和e所示)。
进一步地，控制装置30还可以对获取的目标有形成分最清晰的图像进行进一步处理如下：获取该目标有形成分最清晰的图像的编号(如图2中的f所示)；提取所述编号对应的最清晰的图像，并进行分割、识别；以及输出所述最清晰的图像以及基于所述最清晰的图像的有形成分统计结果。示例性地，由于图像对应的拍摄焦距大小按顺序(从大到小，或从小到大)排列，因此可以将拍摄图像时对应的载物台的位置坐标作为图像的编号，此时获取的最清晰的图像的编号即为该最清晰的图像对应的载物台的位置坐标。
示例性地，控制装置30还可以对该一组图像进行进一步处理如下：从该一组图像中分别获取各目标有形成分最清晰的各个图像；以及提取该各个图像上的相应目标有形成分所在图像部分并进行合成，以得到所有有形成分都清晰的合成图像。
示例性地，控制装置30还可以对该一组图像进行进一步处理如下：获取目标有形成分最清晰的图像对应的拍摄焦距；以及存储该拍摄焦距，并将该拍摄焦距作为后续拍摄的参考焦距。示例性地，由于物镜的位置固定时，拍摄焦距与载物台所在拍摄位置的坐标具有一一对应关系，因此实际应用中可存储拍摄位置的坐标。
实施例二
本实施例提供了一种样本分析仪的细胞图像的处理方法200。参考图5，图5示出了根据本发明的一个实施例的样本分析仪的细胞图像的处理方法200的步骤流程图。
如图5所示，根据本发明的实施例的样本分析仪的细胞图像的处理方法200可以包括如下步骤：
步骤210：获取初始载物台位置。
其中，初始载物台位置可以为与物镜的相对位置，即初始载物台位置是在参考焦距以内还是以外。其中，参考焦距可以为预设的经验值，或者基于上次测量得到的焦距来确定等，本发明对此不作限定。
步骤230：控制载物台移动，对被测物的细胞平面进行对焦，并放大该被测物。
其中，若初始载物台位置在参考焦距以外，可控制载物台逐渐向靠近物镜方向移动以进行对焦；若初始载物台位置在参考焦距以内，可控制载物台逐渐向远离物镜方向移动以进行对焦。这样做可以使得载物台移动过程中拍摄得到的一组图像对应的拍摄焦距大小按从大到小或从小到大的顺序排列。
步骤250：在载物台移动过程中，控制拍摄经放大后的被测物的一组图像。
其中，可以使用本领域公知的任何成像装置进行拍摄，例如，各类CCD相机、CMOS相机等，本发明对此不作限定。
步骤270：对该一组图像进行处理，以得到被测物中的目标有形成分在该一组图像中最清晰的图像。
其中，对该一组图像进行处理的步骤可以包括：
步骤S1：获取一组图像中的视野区最清晰的图像。
示例性地，从该一组图像中获取视野区最清晰的图像的方法可以包括：针对该一组图像中的每个图像，计算每个图像的各个像素在x和y方向的灰度值的差分的平方和并求和，以得到该图像的Q值，即Q＝∑(dx^2+dy^2)，其中dx、dy分别为图像在x、y方向的灰度值的差分；选取Q值最大的图像为视野区最清晰的图像。
其中，选取Q值最大的图像为视野区最清晰的图像的方法可以参考图3和图4，在此不再赘述。
步骤S2：识别所获取的视野区最清晰的图像中的各种有形成分。其中，各种有形成分可以包括，例如红细胞、白细胞、鳞状上皮细胞、尿蛋白、尿胆原、尿胆红素、尿酮体等。其中，识别各种有形成分可以采用本领域公知的方法，例如，基于边缘检测的分割方法等，本发明对此不作限定。采用基于边缘检测的分割方法识别各种有形成分的过程可以为：先对图像进行灰度处理，得到灰度图像，再采用边缘检测算法识别图像中各种成分的边缘，然后基于检测到的边缘对各种成分进行分割，并根据各种成分的大小、灰度等获取其中的有形成分。示例性地，边缘检测算法可以包括本领域公知的任何边缘检测算法，例如，差分边缘检测算法、Roberts(罗伯茨)边缘检测算法、Sobel(索贝尔)边缘检测算法、Prewitt(普利维特)边缘检测算法、Laplace(拉普拉斯)边缘检测算法、LOG(高斯拉普拉斯)边缘检测算法、Canny边缘检测算法等，本发明对此不作限定。
步骤S3：基于预设标准从各种有形成分中获取目标有形成分。其中，目标有形成分可以为用户所需的有形成分或含量最大的有形成分等。示例性地，用户可以包括主治医生、分析员、患者等。
在一个实施例中，基于预设标准从各种有形成分中获取目标有形成分的方法可以包括：基于所获取的视野区最清晰的图像，识别其中的各种有形成分，以及确定该各种有形成分的含量，并获取含量最大的有形成分作为目标有形成分。
在另一实施例中，基于预设标准从各种有形成分中获取目标有形成分的方法可以包括：获取预设的有形成分的优先级排序；以及按照该优先级排序，获取所拍摄的一组图像中包含的该优先级排序最前的有形成分作为目标有形成分。其中，该优先级排序可以由用户预设，或者根据测试项目的类型提供设置默认等等，本发明对此不作限定。
在又一实施例中，基于预设标准从各种有形成分中获取目标有形成分的方法可以包括：接收来自用户的输入，所述输入可以包括用户确定的所需的有形成分；以及基于来自用户的该输入，获取该所需的有形成分作为目标有形成分。其中，输入的形式可以为本领域公知的任何形式，例如，可由预设标准设置装置提供有形成分的选项，用户需要哪个有形成分，则可点击选择该有形成分。又例如，可由预设标准设置装置提供输入文本框，用户可在该文本框中输入需要的有形成分。本发明对此不作限定。
应理解，上述实施例仅仅是示例性的，并不意图是限制，还可以包括其他基于预设标准从各种有形成分中获取目标有形成分的方法，本发明对此不作限定。
步骤S4：将视野区最清晰的图像与上述拍摄的一组图像中的各个图像逐一进行匹配，以从该一组图像中确定目标有形成分最清晰的图像。
进一步地，方法200还可以包括：对获取的目标有形成分最清晰的图像进行进一步处理：获取该目标有形成分最清晰的图像的编号；提取所述编号对应的最清晰的图像，并进行分割、识别；以及输出所述最清晰的图像以及基于所述最清晰的图像的有形成分统计结果。示例性地，由于图像对应的拍摄焦距大小按顺序(从大到小，或从小到大)排列，因此可以将拍摄图像时对应的载物台的位置坐标作为图像的编号，此时获取的最清晰的图像的编号即为该最清晰的图像对应的载物台的位置坐标。
示例性地，方法200还可以包括：对该一组图像进行进一步处理如下：从该一组图像中分别获取各目标有形成分最清晰的各个图像；以及提取该各个图像上的相应目标有形成分所在图像部分并进行合成，以得到所有有形成分都清晰的合成图像。
示例性地，方法200还可以包括：对该一组图像进行进一步处理如下：获取目标有形成分最清晰的图像对应的拍摄焦距；以及存储该拍摄焦距，并将该拍摄焦距作为后续拍摄的参考焦距。示例性地，由于物镜的位置固定时，拍摄焦距与载物台所在拍摄位置的坐标具有一一对应关系，因此实际应用中可存储拍摄位置的坐标。
实施例三
本实施例提供了一种计算机可读介质，该计算机可读介质上存储有计算机程序，所述计算机程序在运行时执行如上述实施例所述的方法。任何有形的、非暂时性的计算机可读介质皆可被使用，包括磁存储设备(硬盘、软盘等)、光存储设备(CD-ROM、DVD、蓝光光盘等)、闪存和/或诸如此类。这些计算机程序指令可被加载到通用计算机、专用计算机或其他可编程数据处理设备上以形成机器，使得这些在计算机上或其他可编程数据处理装置上执行的指令可以生成实现指定功能的装置。这些计算机程序指令也可以存储在计算机可读存储器中，该计算机可读存储器可以指示计算机或其他可编程数据处理设备以特定的方式运行，这样存储在计算机可读存储器中的指令就可以形成一件制造品，包括实现指定功能的实现装置。计算机程序指令也可以加载到计算机或其他可编程数据处理设备上，从而在计算机或其他可编程设备上执行一系列操作步骤以产生一个计算机实现的进程，使得在计算机或其他可编程设备上执行的指令可以提供用于实现指定功能的步骤。
本发明的技术效果：
1)本发明的方案只对流程进行了优化，所有在售仪器均可通过本方案的方法达到性能的提升，不会造成成本的增加。
2)该方案直接对细胞等有形成分进行对焦识别分析，避免了对拍摄视野区对焦受杂质和背景干扰的问题，有形成分显示清晰，位置定位更加精确。
尽管这里已经参考附图描述了示例实施例，应理解上述示例实施例仅仅是示例性的，并且不意图将本发明的范围限制于此。本领域普通技术人员可以在其中进行各种改变和修改，而不偏离本发明的范围和精神。所有这些改变和修改意在被包括在所附权利要求所要求的本发明的范围之内。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本发明并帮助理解各个发明方面中的一个或多个，在对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该本发明的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如相应的权利要求书所反映的那样，其发明点在于可以用少于某个公开的单个实施例的所有特征的特征来解决相应的技术问题。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域的技术人员可以理解，除了特征之间相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述，仅为本发明的具体实施方式或对具体实施方式的说明，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。本发明的保护范围应以权利要求的保护范围为准。
Claims (21)
1.一种样本分析仪，其特征在于，所述样本分析仪包括：
计数池，用于承载被测物提供拍摄的视野区；
图像采集装置，用于对所述视野区中的所述被测物进行放大并拍照，以得到一组图像，其中所述图像采集装置包括：
显微镜，所述显微镜包括用于承载所述计数池的载物台和用于放大所述视野区中的所述被测物的物镜；
驱动装置，用于驱动所述载物台移动，以对所述被测物的细胞平面进行对焦；和
成像装置，用于在所述载物台移动过程中拍摄所述视野区中的经放大后的所述被测物的一组图像；以及
控制装置，耦连至所述驱动装置和所述成像装置，用于生成控制信息并对所述一组图像进行处理，以得到所述被测物中的目标有形成分在所述一组图像中最清晰的图像。
2.根据权利要求1所述的样本分析仪，其特征在于，所述控制装置对所述一组图像进行处理包括：
获取所述一组图像中的视野区最清晰的图像；
识别所获取的视野区最清晰的图像中的各种有形成分；
基于预设标准从所述有形成分中获取所述目标有形成分；以及
将所述视野区最清晰的图像与所述一组图像中的各个图像逐一进行匹配，以从所述一组图像中确定所述目标有形成分最清晰的图像。
3.根据权利要求2所述的样本分析仪，其特征在于，所述控制装置还用于控制所述驱动装置，以驱动所述载物台从远离所述物镜的位置逐渐向靠近所述物镜的位置移动或从靠近所述物镜的位置逐渐向远离所述物镜的位置移动，以使得拍摄的所述一组图像对应的拍摄焦距大小从大到小或从小到大排列。
4.根据权利要求2所述的样本分析仪，其特征在于，其中所述基于预设标准从所述有形成分中获取所述目标有形成分包括：
基于所获取的视野区最清晰的图像，识别其中的各种有形成分，以及
确定所述各种有形成分的含量，并获取含量最大的有形成分作为所述目标有形成分。
5.根据权利要求2所述的样本分析仪，其特征在于，其中所述基于预设标准从所述有形成分中获取所述目标有形成分包括：
获取预设的有形成分的优先级排序；以及
按照所述优先级排序，获取所述一组图像中包含的所述优先级排序最前的有形成分作为所述目标有形成分。
6.根据权利要求2所述的样本分析仪，其特征在于，其中所述基于预设标准从所述有形成分中获取所述目标有形成分包括：
接收来自用户的输入，所述输入包括用户确定的所需的有形成分；以及
基于来自用户的所述输入，获取所述所需的有形成分作为所述目标有形成分。
7.根据权利要求2所述的样本分析仪，其特征在于，所述控制装置还用于：
从所述一组图像中分别获取各目标有形成分最清晰的各个图像；以及
提取所述各个图像上的相应目标有形成分所在图像部分并进行合成，以得到所有有形成分都清晰的合成图像。
8.根据权利要求2所述的样本分析仪，其特征在于，所述控制装置对所述一组图像进行处理还包括：
获取所述目标有形成分最清晰的图像的编号；
提取所述编号对应的最清晰的图像，并进行分割、识别；以及
输出所述最清晰的图像以及基于所述最清晰的图像的有形成分统计结果。
9.根据权利要求2所述的样本分析仪，其特征在于，所述控制装置对所述一组图像进行处理还包括：
获取所述目标有形成分最清晰的图像对应的拍摄焦距；以及存储所述拍摄焦距，并将所述拍摄焦距作为后续拍摄的参考焦距。
10.根据权利要求2所述的样本分析仪，其特征在于，所述样本分析仪包括预设标准设置装置，用于提供用户对所述预设标准的选择。
11.一种样本分析仪的细胞图像的处理方法，其特征在于，所述方法包括：
获取初始载物台位置；
控制所述载物台移动，对被测物的细胞平面进行对焦，并放大所述被测物；
在所述载物台移动过程中，控制拍摄经放大后的所述被测物的一组图像；以及
对所述一组图像进行处理，以得到所述被测物中的目标有形成分在所述一组图像中最清晰的图像。
12.根据权利要求11所述的方法，其特征在于，对所述一组图像进行处理的步骤包括：
获取所述一组图像中的视野区最清晰的图像；
识别所获取的视野区最清晰的图像中的各种有形成分；
基于预设标准从所述有形成分中获取所述目标有形成分；以及
将所述视野区最清晰的图像与所述一组图像中的各个图像逐一进行匹配，以从所述一组图像中确定所述目标有形成分最清晰的图像。
13.根据权利要求12所述的方法，其特征在于，其中控制所述载物台移动还包括：控制使得所述载物台从远离物镜的位置逐渐向靠近所述物镜的位置移动或从靠近所述物镜的位置逐渐向远离所述物镜的位置移动，以使得拍摄的所述一组图像对应的拍摄焦距大小从大到小或从小到大排列。
14.根据权利要求12所述的方法，其特征在于，其中所述基于预设标准从所述有形成分中获取所述目标有形成分包括：
基于所获取的视野区最清晰的图像，识别其中的各种有形成分；以及
确定所述各种有形成分的含量，并获取含量最大的有形成分作为所述目标有形成分。
15.根据权利要求12所述的方法，其特征在于，其中所述基于预设标准从所述有形成分中获取所述目标有形成分包括：
获取预设的各种有形成分的优先级排序；以及
按照所述优先级排序，获取所述一组图像中包含的所述优先级排序最前的有形成分作为所述目标有形成分。
16.根据权利要求12所述的方法，其特征在于，其中所述基于预设标准从所述有形成分中获取所述目标有形成分包括：
接收来自用户的输入，所述输入包括用户确定的所需的有形成分；以及
基于来自用户的所述输入，获取所述所需的有形成分作为所述目标有形成分。
17.根据权利要求12所述的方法，其特征在于，所述方法还包括：
从所述一组图像中分别获取各目标有形成分最清晰的各个图像；以及
提取所述各个图像上的相应目标有形成分所在图像部分并进行合成，以得到所有有形成分都清晰的合成图像。
18.根据权利要求12所述的方法，其特征在于，所述方法还包括：
获取所述目标有形成分最清晰的图像的编号；
提取所述编号对应的最清晰的图像，并进行分割、识别；以及
输出所述最清晰的图像以及基于所述最清晰的图像的有形成分统计结果。
19.根据权利要求12所述的方法，其特征在于，所述方法还包括：获取所述目标有形成分最清晰的图像对应的拍摄焦距；以及存储所述拍摄焦距，并将所述拍摄焦距作为后续拍摄的参考焦距。
20.根据权利要求12所述的方法，其特征在于，所述方法还包括：接收用户对所述预设标准的选择，并基于所选择的预设标准获取所述目标有形成分。
21.一种计算机可读存储介质，包含计算机可执行指令，其特征在于，所述计算机可执行指令在由处理器执行时，能够执行如权利要求11-20之一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911120285.1A CN112903675B (zh) | 2019-11-15 | 2019-11-15 | 样本分析仪和样本分析仪的细胞图像处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911120285.1A CN112903675B (zh) | 2019-11-15 | 2019-11-15 | 样本分析仪和样本分析仪的细胞图像处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112903675A true CN112903675A (zh) | 2021-06-04 |
| CN112903675B CN112903675B (zh) | 2024-09-06 |
Family
ID=76103077
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911120285.1A Active CN112903675B (zh) | 2019-11-15 | 2019-11-15 | 样本分析仪和样本分析仪的细胞图像处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112903675B (zh) |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08320285A (ja) * | 1995-05-25 | 1996-12-03 | Hitachi Ltd | 粒子分析装置 |
| JP2004279032A (ja) * | 2003-03-12 | 2004-10-07 | Hitachi High-Technologies Corp | 液体試料中の粒子画像解析方法及び装置 |
| US20080019584A1 (en) * | 2006-07-19 | 2008-01-24 | Stellan Lindberg | Measurement apparatus, method and computer program |
| US20090021631A1 (en) * | 2007-07-17 | 2009-01-22 | Hon Hai Precision Industry Co., Ltd. | Image capturing device and auto-focus method for same |
| JP2010054426A (ja) * | 2008-08-29 | 2010-03-11 | Toyobo Co Ltd | 疾患の観察方法 |
| CN103411882A (zh) * | 2013-08-14 | 2013-11-27 | 彭玉洲 | 一种检测尿液有形成分的方法 |
| CN103776831A (zh) * | 2012-10-18 | 2014-05-07 | 苏州惠生电子科技有限公司 | 一种显微影像检测仪器及其自动调焦方法 |
| US20150124082A1 (en) * | 2012-08-24 | 2015-05-07 | Fuji Xerox Co., Ltd. | Image processing device, program, image processing method, computer-readable medium, and image processing system |
| CN106324795A (zh) * | 2016-09-29 | 2017-01-11 | 电子科技大学 | 一种检测仪显微镜多视野自动快速对焦方法 |
| CN109085113A (zh) * | 2018-07-05 | 2018-12-25 | 深圳辉煌耀强科技有限公司 | 一种用于宫颈脱落细胞检测装置的自动对焦方法和装置 |
| CN109559275A (zh) * | 2018-11-07 | 2019-04-02 | 苏州迈瑞科技有限公司 | 一种尿液分析仪显微镜图像拼接方法 |
| CN110146974A (zh) * | 2019-05-29 | 2019-08-20 | 电子科技大学 | 一种智能生物显微镜 |
-
2019
- 2019-11-15 CN CN201911120285.1A patent/CN112903675B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08320285A (ja) * | 1995-05-25 | 1996-12-03 | Hitachi Ltd | 粒子分析装置 |
| JP2004279032A (ja) * | 2003-03-12 | 2004-10-07 | Hitachi High-Technologies Corp | 液体試料中の粒子画像解析方法及び装置 |
| US20080019584A1 (en) * | 2006-07-19 | 2008-01-24 | Stellan Lindberg | Measurement apparatus, method and computer program |
| US20090021631A1 (en) * | 2007-07-17 | 2009-01-22 | Hon Hai Precision Industry Co., Ltd. | Image capturing device and auto-focus method for same |
| JP2010054426A (ja) * | 2008-08-29 | 2010-03-11 | Toyobo Co Ltd | 疾患の観察方法 |
| US20150124082A1 (en) * | 2012-08-24 | 2015-05-07 | Fuji Xerox Co., Ltd. | Image processing device, program, image processing method, computer-readable medium, and image processing system |
| CN103776831A (zh) * | 2012-10-18 | 2014-05-07 | 苏州惠生电子科技有限公司 | 一种显微影像检测仪器及其自动调焦方法 |
| US20150219979A1 (en) * | 2012-10-18 | 2015-08-06 | Suzhou Hyssen Electronics Co., Ltd | Microscopic image detecting instrument and automatic focusing method therefor |
| CN103411882A (zh) * | 2013-08-14 | 2013-11-27 | 彭玉洲 | 一种检测尿液有形成分的方法 |
| CN106324795A (zh) * | 2016-09-29 | 2017-01-11 | 电子科技大学 | 一种检测仪显微镜多视野自动快速对焦方法 |
| CN109085113A (zh) * | 2018-07-05 | 2018-12-25 | 深圳辉煌耀强科技有限公司 | 一种用于宫颈脱落细胞检测装置的自动对焦方法和装置 |
| CN109559275A (zh) * | 2018-11-07 | 2019-04-02 | 苏州迈瑞科技有限公司 | 一种尿液分析仪显微镜图像拼接方法 |
| CN110146974A (zh) * | 2019-05-29 | 2019-08-20 | 电子科技大学 | 一种智能生物显微镜 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112903675B (zh) | 2024-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3586181B1 (en) | Augmented reality microscope for pathology | |
| CN105378538B (zh) | 用于多频谱成像的自动聚焦方法和系统 | |
| JP5715371B2 (ja) | 被写界深度が向上した撮像システム及び撮像方法 | |
| US8369591B2 (en) | Silhouette image acquisition | |
| CN109559275B (zh) | 一种尿液分析仪显微镜图像拼接方法 | |
| JP5782243B2 (ja) | 被写界深度が向上した撮像システム及び撮像方法 | |
| JP5651423B2 (ja) | 被写界深度が向上した撮像システム及び撮像方法 | |
| CN108873290A (zh) | 用于扫描显微镜载玻片的装置和方法 | |
| JP2024019639A (ja) | 顕微鏡システム、プログラム、及び、投影画像生成方法 | |
| US10613313B2 (en) | Microscopy system, microscopy method, and computer-readable recording medium | |
| JP2014098575A (ja) | 画像取得装置および画像取得方法 | |
| US20180338079A1 (en) | Microscope system, control method, and computer readable medium | |
| CN111656247B (zh) | 一种细胞图像处理系统、方法、自动读片装置与存储介质 | |
| US11215808B2 (en) | Microscope parameter setting method and observation method recognizing the shape of a cell | |
| WO2021148465A1 (en) | Method for outputting a focused image through a microscope | |
| US20200074628A1 (en) | Image processing apparatus, imaging system, image processing method and computer readable recoding medium | |
| CN112903675B (zh) | 样本分析仪和样本分析仪的细胞图像处理方法 | |
| CN112241953B (zh) | 基于多聚焦图像融合和hdr算法的样本图像融合方法及装置 | |
| EP4396792A1 (en) | System and method for identifying and counting biological species | |
| Cruz et al. | Automated urine microscopy using scale invariant feature transform | |
| JP2013113818A (ja) | 画像処理装置、顕微鏡システム、画像処理方法、及び画像処理プログラム | |
| CN107561075B (zh) | 细胞dna倍体分析三维运动平台的快速扫描成像方法 | |
| RU2785199C1 (ru) | Способ сканирования цервикального препарата, подготовленного методом жидкостной цитологии | |
| JP6346455B2 (ja) | 画像処理装置及び顕微鏡システム | |
| JP2017097227A (ja) | 顕微鏡システムおよび顕微鏡システムの細胞計測プログラム |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20231225 Address after: 518057 MINDRAY building, 12 South tech Road, Nanshan District hi tech Industrial Park, Shenzhen, Guangdong Applicant after: SHENZHEN MINDRAY BIO-MEDICAL ELECTRONICS Co.,Ltd. Address before: 215123 unit 501, building 2, bio Industrial Park, 218 Sangtian street, Suzhou Industrial Park, Suzhou City, Jiangsu Province Applicant before: SUZHOU MAIRUI TECHNOLOGY Co.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TG01 | Patent term adjustment |