CN112945835A - 基于深度变化点扩散函数的细胞精确三维形态恢复方法 - Google Patents
基于深度变化点扩散函数的细胞精确三维形态恢复方法 Download PDFInfo
- Publication number
- CN112945835A CN112945835A CN202110093629.5A CN202110093629A CN112945835A CN 112945835 A CN112945835 A CN 112945835A CN 202110093629 A CN202110093629 A CN 202110093629A CN 112945835 A CN112945835 A CN 112945835A
- Authority
- CN
- China
- Prior art keywords
- cell
- step length
- point spread
- image
- scanning step
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000008859 change Effects 0.000 title claims abstract description 8
- 238000009792 diffusion process Methods 0.000 title claims abstract description 8
- 238000011084 recovery Methods 0.000 title abstract description 7
- 230000008569 process Effects 0.000 claims abstract description 14
- 238000003384 imaging method Methods 0.000 claims abstract description 12
- 230000000877 morphologic effect Effects 0.000 claims abstract description 11
- 238000011160 research Methods 0.000 claims abstract description 11
- 238000001514 detection method Methods 0.000 claims description 27
- 241000282461 Canis lupus Species 0.000 claims description 7
- 238000007654 immersion Methods 0.000 claims description 7
- 238000000149 argon plasma sintering Methods 0.000 claims description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 4
- 230000036285 pathological change Effects 0.000 claims description 4
- 231100000915 pathological change Toxicity 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000003325 tomography Methods 0.000 claims 1
- 210000004027 cell Anatomy 0.000 description 56
- 239000010410 layer Substances 0.000 description 18
- 239000011324 bead Substances 0.000 description 8
- 239000007850 fluorescent dye Substances 0.000 description 4
- 238000005286 illumination Methods 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 238000010226 confocal imaging Methods 0.000 description 2
- 238000001215 fluorescent labelling Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- FWBHETKCLVMNFS-UHFFFAOYSA-N 4',6-Diamino-2-phenylindol Chemical compound C1=CC(C(=N)N)=CC=C1C1=CC2=CC=C(C(N)=N)C=C2N1 FWBHETKCLVMNFS-UHFFFAOYSA-N 0.000 description 1
- 208000005443 Circulating Neoplastic Cells Diseases 0.000 description 1
- 239000004793 Polystyrene Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 210000003855 cell nucleus Anatomy 0.000 description 1
- 238000004587 chromatography analysis Methods 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000001218 confocal laser scanning microscopy Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000000120 cytopathologic effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000009169 immunotherapy Methods 0.000 description 1
- 230000002779 inactivation Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 210000004698 lymphocyte Anatomy 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000004976 peripheral blood cell Anatomy 0.000 description 1
- 229920002223 polystyrene Polymers 0.000 description 1
- 238000000763 radioactive isotope labeling Methods 0.000 description 1
- 239000012488 sample solution Substances 0.000 description 1
- 238000000790 scattering method Methods 0.000 description 1
- 239000002356 single layer Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1006—Investigating individual particles for cytology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Microscoopes, Condenser (AREA)
Abstract
本发明公开了基于深度变化点扩散函数的细胞精确三维形态恢复方法，针对由于激光扫描共聚焦显微镜成像过程中实际扫描步长与设定值不一致和图像质量下降导致构建细胞模型精确度不高的问题，使用光线追迹方法计算得到实际扫描步长，并以实际扫描步长逐层计算不同探测深度下探测平面的点扩散函数，将不同探测深度的点扩散函数分别对相应深度的细胞图层进行反卷积操作，以改善原始图像的质量，在图像平面方向提高了构建细胞的准确度，将反卷积后的图像以实际扫描步长进行空间拼接，在扫描步进方向提高了构建细胞的准确度。本发明方法能构建出更为精确的细胞三维形态模型，从而应用在生物医学研究领域中，具有非常重要的理论意义与实际应用价值。
Description
技术领域
本发明属于免标记细胞检测三维形态建模研究领域，涉及基于深度变化点扩散函数的细胞精确三维形态恢复方法。
背景技术
细胞光散射是一种重要的非干预式检测手段。光散射是由于电磁波与介质相互作用产生的，散射光携带了有关介质属性的大量信息。细胞的光学散射信息不仅蕴含同类细胞的共性特征，也包含了细胞的个体化特征，并且能在非干预状态下准确的反映生物细胞的物理特征，被誉为“细胞指纹”信息。
采用荧光标记、放射性同位素标记等方法对人体外周血细胞(循环肿瘤细胞、白细胞、红细胞等)检测，是临床诊断与生物学研究中广泛使用的检测方法。细胞免疫标记检测技术是一种基于生物化学手段的干预性间接检测技术，存在生物毒性乃至灭活性危害，且操作过程繁琐、靶向探针昂贵、环境污染严重等问题。细胞病变过程随着形态、结构、组份等物理特征的明显变化,故此被誉为“细胞指纹”的光学散射方法实现对细胞非接触、免标记、非干预式测量，无疑是一种更直接、更有效、更绿色的医疗诊断技术，对细胞癌变状态跟踪，细胞免疫治疗，临床精准医疗等领域具有重要的研究意义与潜在的临床应用价值。在免标记细胞光散射的研究中，获取完整的细胞内外部真实三维形态是获取其本征物理特性的基础和关键。除此之外，得到的精确三维细胞模型也可以应用在病变状态细胞的精确三维形态分析、病变状态细胞的反演规律研究以及不同细胞的形态学识别等研究领域。
然而，常用的根据激光扫描共聚焦图像构建细胞三维模型的方法，由于成像过程中光线经过了分层介质，产生了像差，图像质量下降，实际扫描步长与设定值不一致等问题，直接通过原始图像进行三维拼接构建的细胞模型不准确，即使采用现有的盲反卷积方法，也不能得到很好的效果，更无法获得有效的细胞物理匹配属性，如细胞散射与其结构的匹配属性。鉴于此，实有必要提供基于深度变化点扩散函数的细胞精确三维形态恢复方法，以解决以上技术问题。
发明内容
本发明提供了基于深度变化点扩散函数的细胞精确三维形态恢复方法，使用激光扫描共聚焦显微镜采集细胞的层析图像，通过光线追迹的方法分析成像过程中实际扫描步长与设定扫描步长的关系，计算得到实际扫描步长，根据Wolf的矢量理论，以实际扫描步长逐层计算不同探测深度下探测平面的点扩散函数，将不同探测深度的点扩散函数分别对相应深度的细胞图层进行反卷积操作，以此改善原始图像的质量，将反卷积后的图像以实际扫描步长进行空间拼接，能够恢复出更为精确的细胞三维形态模型，从而应用在更准确细胞光散射模型的建立、病变状态细胞的精确三维形态分析、病变状态细胞的反演规律研究以及不同细胞的形态学识别等研究领域。
基于深度变化点扩散函数的细胞精确三维形态恢复方法，具体包括以下步骤：
(1)使用激光扫描共聚焦显微镜采集细胞的层析图像；
(2)使用光线追迹的方法分析成像过程中实际扫描步长与设定扫描步长的关系，计算得到实际扫描步长；
(3)根据Wolf的矢量理论，以实际扫描步长逐层计算不同探测深度下探测平面的点扩散函数；
(4)将不同探测深度的点扩散函数分别对相应深度的细胞图层进行反卷积操作，以此来改善原始图像的质量；
(5)将反卷积后的图像以实际扫描步长进行空间拼接，从而构建出更为精确的细胞三维形态。
步骤(1)中，激光扫描共聚焦显微镜采集细胞的层析图像时，使用数值孔径为1.4的60倍浸油物镜，x、y方向像素距离为0.04-0.05微米，z方向扫描步长设定为0.1-0.2微米，能在构建精度与采集时间达到较好的平衡。
步骤(2)使用光线追迹的方法分析成像过程中实际扫描步长与设定扫描步长的关系，实际的扫描步长δ能够由以下公式计算得到：
其中δ0为设定扫描步长，n1为成像过程中物镜浸入介质的折射率，n2为样本浸入介质的折射率，θmax为透镜所能接收光线最大的立体角，由透镜的数值孔径NA与n2所决定：当NA<n2时，
当NA>n2时，
由此就可以准确计算出细胞图层间的实际间隔距离。
步骤(3)根据Wolf的矢量理论，以实际扫描步长逐层计算不同探测深度下探测平面的点扩散函数，得到一组随深度变化的用于校正原始细胞图像的点扩散函数。其中每一层所计算出的点扩散函数均为大小为201×201的矩阵，且计算间隔与采集的共聚焦图像像素间隔一致。
步骤(4)将不同探测深度的点扩散函数分别对相应深度的细胞图层进行Lucy-Richardson反卷积操作，能改善原始图像的质量，使物体的边界更清晰，能够提高构建细胞模型在图像平面方向的精确度。
步骤(5)以实际扫描步长对反卷积后的图像进行三维拼接，能够提高构建细胞模型在步进扫描方向上的精确度。
本发明与现有技术相比，主要进步如下：(1)通过对每层细胞原始图像使用计算得到的点扩散函数进行反卷积，改善了图像质量，清晰了图像物体的边缘，在图像平面方向提高了构建细胞的准确度；(2)以实际扫描步长对反卷积后的图像进行拼接，在扫描步进方向提高了构建细胞的准确度。
附图说明
图1为本发明的总体实施流程图。
图2为荧光小球的共聚焦结果。
图3为计算得到每一层的点扩散函数。
图4为点扩散函数反卷积荧光小球原始图像结果图。
图5为细胞的共聚焦构建结果。
具体实施方式
下面结合附图对本发明进行详细的说明：
参照图1所示，本发明提供了基于深度变化点扩散函数的细胞精确三维形态恢复方法，针对由共聚焦原始细胞层析图像以设定扫描步长直接进行三维拼接所得到的细胞三维模型准确度不高的问题，提出了由光线追迹的方法，分析成像过程中实际扫描步长与设定扫描步长的关系，计算得到实际扫描步长，以实际扫描步长逐层计算不同探测深度下探测平面的点扩散函数，将不同探测深度的点扩散函数分别对相应深度的细胞图层进行反卷积操作，以此改善原始图像的质量，将反卷积后的图像以实际扫描步长进行空间拼接，从而构建出更为精确的细胞三维形态模型。
参照图2所示，荧光小球共聚焦图像的获取：通过将荧光小球单层的图像与圆的图像进行对比，可以评估图像的质量，而将由荧光小球图像拼接构建出的三维结构与理想球体模型对比，则能够评估恢复模型，因此使用标准荧光聚苯乙烯小球进行实验。该荧光的激发波长为488纳米、发射波长为525纳米。纯水稀释后的荧光小球悬浊液被放置于共聚焦观察皿上，使用数值孔径为1.4的60倍浸油物镜进行LSCM观察和成像。沿着z方向步长为0.2微米扫描得到一叠像素间距离为0.04微米的512×512切片图像。(a)为采集的荧光小球共聚焦图像，(b)为在共聚焦显微镜自带的软件中构建的结果，(c)为直接将原始图像以设定扫描步长构建出的小球三维模型。
计算实际扫描步长：研究共聚焦成像的物理过程，采用光线追迹的方法，分析得到实际扫描步长与设定扫描步长的关系，由如下公式计算出实际的扫描步长δ：
其中δ0为设定扫描步长，n1为成像过程中物镜浸入介质的折射率，n2为样本浸入介质的折射率，θmax为透镜所能接收光线最大的立体角，一般由透镜的数值孔径NA所决定：
当数值孔径增大，特别是浸油物镜的数值孔径大于样本溶液介质的折射率时，会发生全内反射，此时θmax则为发生内发射的临界角，可以由斯涅尔折射定理确定：
参照图3所示，根据Wolf矢量理论，以实际扫描步长，以实际扫描步长逐层计算不同探测深度下探测平面的点扩散函数，得到一组96个用于校正原始细胞图像的点扩散函数。共聚焦成像系统的点扩散函数的计算步骤为先计算照明点扩散函数，再将照明点扩散函数用于计算系统的点扩散函数，照明点扩散函数根据如下公式：
系统的点扩散函数由照明点扩散函数的值由如下公式进行计算：
每一层所计算出的点扩散函数均为大小为201×201的矩阵，且计算间隔与采集的共聚焦图像像素间隔一致。
参照图4所示，将不同探测深度的点扩散函数分别对相应深度的细胞图层进行Lucy-Richardson反卷积操作，经过20次迭代，分析处理前后的图像质量。(a)中对比了各层原始图像、盲去卷积后的图像以及点扩散函数反卷积后图像的Tenengrad值，该值代表了图像的清晰度越大则说明图像越清晰，(b)左边从上到下分别第40层的原始图像、盲去卷积后的图像以及点扩散函数反卷积后图像，它们的Tenengrad值分别为0.21、0.34和0.89，右边为它们的局部细节放大图。
参照图4(c)所示，将反卷积后的图像以实际扫描步长进行空间拼接。上面分别是由原始图像、盲去卷积后的图像以及点扩散函数反卷积后图像以实际扫描步长构建出的小球三维模型，下面是将其面积与理想的二次曲线作对比的结果，(d)中显示了(c)图中的相对误差，三者的平均相对误差分别为18.88％、13.82％和9.75％。
参照图5所示，细胞的处理过程除了采集共聚焦图像与荧光小球的采集过程不一样外，该过程需要采用荧光染料CM-Dil标记细胞膜，荧光染料DAPI标记细胞核。将荧光标记后的淋巴细胞悬浊液样品放置在荧光共聚焦显微镜下以获得层析扫描图组，(a)为采集的细胞共聚焦图像，扫描步长为0.2微米，像素间距离为0.04微米，(b)为直接将原始图像以设定扫描步长构建出的细胞三维模型，(c)为经过本发明恢复后的细胞三维模型。
Claims (7)
1.基于深度变化点扩散函数的细胞精确三维形态恢复方法，其特征在于：使用激光扫描共聚焦显微镜采集细胞的层析图像，通过光线追迹的方法分析成像过程中实际扫描步长与设定扫描步长的关系，计算得到实际扫描步长，根据Wolf的矢量理论，以实际扫描步长逐层计算不同探测深度下探测平面的点扩散函数，将不同探测深度的点扩散函数分别对相应深度的细胞图层进行反卷积操作，以此改善原始图像的质量，将反卷积后的图像以实际扫描步长进行空间拼接，能够恢复出更为精确的细胞三维形态模型，从而应用在更准确细胞光散射模型的建立、病变状态细胞的精确三维形态分析、病变状态细胞的反演规律研究以及不同细胞的形态学识别等研究领域；
具体包括以下步骤：
(1)使用激光扫描共聚焦显微镜采集细胞的层析图像；
(2)使用光线追迹的方法分析成像过程中实际扫描步长与设定扫描步长的关系，计算得到实际扫描步长：
在激光扫描共聚焦显微镜的层析扫描过程中，细胞图层间的实际距离并不等于设定扫描步长，因此使用光线追迹的方法得到成像过程中实际扫描步长δ与设定扫描步长δ0的关系：
其中n1为成像过程中物镜浸入介质的折射率，n2为样本浸入介质的折射率，θmax为透镜所能接收光线最大的立体角，由透镜的数值孔径NA与n2所决定：当NA<n2时，
当NA>n2时，
由此公式就可以准确计算出细胞图层间的实际间隔距离；
(3)根据Wolf的矢量理论，以实际扫描步长逐层计算不同探测深度下探测平面的点扩散函数；
(4)将不同探测深度的点扩散函数分别对相应深度的细胞图层进行反卷积操作，以此来改善原始图像的质量；
(5)将反卷积后的图像以实际扫描步长进行空间拼接，从而构建出更为精确的细胞三维形态。
2.根据权利要求1所述的基于深度变化点扩散函数的细胞精确三维形态恢复方法，其特征在于：步骤(1)中，激光扫描共聚焦显微镜采集细胞的层析图像时，使用数值孔径为1.4的60倍浸油物镜，x、y方向像素距离为0.04-0.05微米，z方向扫描步长设定为0.1-0.2微米，能在构建精度与采集时间达到较好的平衡。
3.根据权利要求1所述的基于深度变化点扩散函数的细胞精确三维形态恢复方法，其特征在于：步骤(3)中，根据Wolf的矢量理论，以实际扫描步长逐层来分析不同探测深度下探测平面的点扩散函数，能够计算出一组随探测深度变化的用于校正原始细胞图像的点扩散函数。
4.根据权利要求1所述的基于深度变化点扩散函数的细胞精确三维形态恢复方法，其特征在于：步骤(3)中，计算出的每一层点扩散函数均为大小为201×201的矩阵。
5.根据权利要求1所述的基于深度变化点扩散函数的细胞精确三维形态恢复方法，其特征在于：步骤(3)中，每一层点扩散函数的计算间隔与采集的共聚焦图像像素间隔一致。
6.根据权利要求1所述的基于深度变化点扩散函数的细胞精确三维形态恢复方法，其特征在于：步骤(4)中，将不同探测深度的点扩散函数分别对相应深度的细胞图层进行Lucy-Richardson反卷积操作，能改善原始图像的质量，使物体的边界更清晰，能够提高所构建细胞模型在图像平面方向上的精确度。
7.根据权利要求1所述的基于深度变化点扩散函数的细胞精确三维形态恢复方法，其特征在于：步骤(5)中，以光线追迹方法计算得到的实际扫描步长对反卷积后的图像进行三维拼接，能够提高所构建细胞模型在步进扫描方向上的精确度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110093629.5A CN112945835A (zh) | 2021-01-22 | 2021-01-22 | 基于深度变化点扩散函数的细胞精确三维形态恢复方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110093629.5A CN112945835A (zh) | 2021-01-22 | 2021-01-22 | 基于深度变化点扩散函数的细胞精确三维形态恢复方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112945835A true CN112945835A (zh) | 2021-06-11 |
Family
ID=76236148
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110093629.5A Pending CN112945835A (zh) | 2021-01-22 | 2021-01-22 | 基于深度变化点扩散函数的细胞精确三维形态恢复方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112945835A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115690567A (zh) * | 2022-10-25 | 2023-02-03 | 广州三海海洋工程勘察设计有限公司 | 机器学习水深反演方法、装置、计算机设备以及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101291391A (zh) * | 2007-04-20 | 2008-10-22 | 致伸科技股份有限公司 | 图像处理方法以及相关的部分点扩散函数估测方法 |
| CN101504765A (zh) * | 2009-03-20 | 2009-08-12 | 东华大学 | 采用梯度融合技术的运动模糊图像序列的复原方法 |
| CN108982452A (zh) * | 2018-07-26 | 2018-12-11 | 深圳大学 | 基于双螺旋点扩散函数的多焦点扫描三维成像方法及系统 |
| CN110133849A (zh) * | 2019-05-22 | 2019-08-16 | 浙江大学 | 一种点扩散函数重建方法 |
| CN111767809A (zh) * | 2020-06-18 | 2020-10-13 | 湖南理工学院 | 一种基于激光共聚焦显微技术的细胞智能识别方法 |
-
2021
- 2021-01-22 CN CN202110093629.5A patent/CN112945835A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101291391A (zh) * | 2007-04-20 | 2008-10-22 | 致伸科技股份有限公司 | 图像处理方法以及相关的部分点扩散函数估测方法 |
| CN101504765A (zh) * | 2009-03-20 | 2009-08-12 | 东华大学 | 采用梯度融合技术的运动模糊图像序列的复原方法 |
| CN108982452A (zh) * | 2018-07-26 | 2018-12-11 | 深圳大学 | 基于双螺旋点扩散函数的多焦点扫描三维成像方法及系统 |
| CN110133849A (zh) * | 2019-05-22 | 2019-08-16 | 浙江大学 | 一种点扩散函数重建方法 |
| CN111767809A (zh) * | 2020-06-18 | 2020-10-13 | 湖南理工学院 | 一种基于激光共聚焦显微技术的细胞智能识别方法 |
Non-Patent Citations (5)
| Title |
|---|
| MICHAEL J.NASSE等: "Realistic modeling of the illumination point spread function in confocal scanningoptical microscopy", 《OPTICAL SOCIETY OF AMERICA》 * |
| O. HAEBERLÉ等: "Point spread function of optical microscopes", 《OPTICS EXPRESS》 * |
| P. TÖRÖK: "Propagation of electromagnetic dipole waves", 《OPTICAL SOCIETY OF AMERICA》 * |
| ZEWEN YANG 等: "Construction of Accurate Three-dimensional Cell Morphology Models from Confocal Images by Correcting Refractive Index Mismatch", 《2020 15TH IEEE CONFERENCE ON INDUSTRIAL ELECTRONICS AND APPLICATIONS 》 * |
| 李栋栋等: "以三维荧光反卷积显微技术研究活体细胞中分泌囊泡的空间分布", 《生物化学与生物物理学报》 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115690567A (zh) * | 2022-10-25 | 2023-02-03 | 广州三海海洋工程勘察设计有限公司 | 机器学习水深反演方法、装置、计算机设备以及存储介质 |
| CN115690567B (zh) * | 2022-10-25 | 2023-09-26 | 广州三海海洋工程勘察设计有限公司 | 机器学习水深反演方法、装置、计算机设备以及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10025271B2 (en) | Method and system for detecting and/or classifying cancerous cells in a cell sample | |
| US20230127698A1 (en) | Automated stereology for determining tissue characteristics | |
| CN103827658B (zh) | 识别和测量网状细胞 | |
| US20190056581A1 (en) | Methods and Systems for Imaging a Biological Sample | |
| US11080830B2 (en) | Systems and methods for segmentation and analysis of 3D images | |
| US20070135999A1 (en) | Method, apparatus and system for characterizing pathological specimen | |
| US20030184730A1 (en) | Fast 3D cytometry for information in tissue engineering | |
| CN111610138A (zh) | 测量细胞体积和成份 | |
| CN115088022A (zh) | 用于训练机器学习算法和维护患者隐私的联邦学习系统 | |
| US20120237107A1 (en) | System and methods for digital evaluation of cellblock preparations | |
| MX2007013581A (es) | Analisis de imagen automatizado. | |
| Ginley et al. | Unsupervised labeling of glomerular boundaries using Gabor filters and statistical testing in renal histology | |
| EP3837525A1 (en) | Image-based assay using intelligent monitoring structures | |
| US20220383629A1 (en) | Label-free cell classification and screening system based on hybrid transfer learning | |
| CN108388853A (zh) | 针对白细胞与血小板共存全息图的分步重建与计数方法 | |
| Olofsson et al. | Single cell organization and cell cycle characterization of DNA stained multicellular tumor spheroids | |
| CN112945835A (zh) | 基于深度变化点扩散函数的细胞精确三维形态恢复方法 | |
| Zhang et al. | Clinical lymphocytes construction for light scattering inversion study: a three-dimensional morphology constructed method from defective confocal images | |
| Turner et al. | Automated image analysis technologies for biological 3D light microscopy | |
| Bapure | Automated image analysis for nuclear morphometry using h&e and feulgen stains in prostate biopsies | |
| CN111751263A (zh) | 基于灰度共生矩阵的免标记细胞二维散射图像反演方法 | |
| CN111751266B (zh) | 基于多尺度灰度共生矩阵的免标记细胞核散射反演方法 | |
| EP4374342A1 (en) | Computer-implemented method and corresponding apparatus for identifying subcellular structures in the non-chemical staining mode from phase contrast tomography reconstructions in flow cytometry | |
| Sheikhzadeh | Improving cervical neoplasia diagnosis via novel in vivo imaging technologies and deep learning algorithms | |
| Bredfeldt | Collagen Alignment Imaging and Analysis for Breast Cancer Classification |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20210611 |