CN113066121A - 图像分析系统和识别重复细胞的方法 - Google Patents
图像分析系统和识别重复细胞的方法 Download PDFInfo
- Publication number
- CN113066121A CN113066121A CN202010232115.9A CN202010232115A CN113066121A CN 113066121 A CN113066121 A CN 113066121A CN 202010232115 A CN202010232115 A CN 202010232115A CN 113066121 A CN113066121 A CN 113066121A
- Authority
- CN
- China
- Prior art keywords
- image
- target cell
- information
- target cells
- corresponding position
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Abstract
本发明提供了图像分析系统和识别重复细胞的方法,系统包括成像装置和图像分析装置,成像装置中的摄像单元拍摄涂片上待测样本以得到第一图像,获取第一图像的第一图像信息;并分别拍摄待测样本中的目标细胞以得到多个图像,获取多个图像中的第二图像的第二图像信息和第三图像的第三图像信息;图像分析装置用于对第二、第三图像信息分别与第一图像信息进行分析,确定第二和第三图像在第一图像上的第一和第二对应位置,在第一与第二对应位置之间的距离小于或等于预设的距离阈值时,确定第二图像和第三图像中的目标细胞彼此为重复拍摄的目标细胞。本发明通过确定图像的对应位置来识别重复细胞,采用现有系统即可实现,识别过程运算量小。
Description
技术领域
本发明涉及图像分析系统领域,更具体地,涉及图像分析系统和识别重复细胞的方法。
背景技术
当前的图像分析系统(例如,血细胞数字图像分析系统)进行细胞分析的流程如下:用低倍物镜(例如,10倍)拍摄待测细胞的图像,以定位细胞(例如,白细胞),然后使用高倍物镜(例如,100倍)对低倍物镜定位到的每个待测细胞拍摄图像。然而,由于电机失步或者螺纹间距不同等机械问题,使用高倍物镜对单个细胞进行定位时,会固有地存在定位不准确的问题,导致发生重复拍摄的情况,即高倍物镜两次拍摄的图像中含有相同的白细胞,这为用户观察白细胞的形态,从而判断病症带来了困难。
因此,本领域需要一种图像分析系统和识别重复细胞的方法,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,提供了一种图像分析系统,该图像分析系统包括成像装置和图像分析装置,其中:所述成像装置包括摄像单元,所述摄像单元拍摄涂片上待测样本以得到第一图像,获取所述第一图像的第一图像信息;所述摄像单元分别拍摄所述涂片上所述待测样本中的目标细胞以得到多个图像,获取所述多个图像中每个图像的图像信息,其中所述多个图像包括第二图像和第三图像,所述图像信息包括所述第二图像的第二图像信息和所述第三图像的第三图像信息;所述图像分析装置用于:对所述第二图像信息、所述第三图像信息分别与所述第一图像信息进行分析,确定所述第二图像在所述第一图像上的第一对应位置和所述第三图像在所述第一图像上的第二对应位置;在所述第一对应位置与所述第二对应位置之间的距离小于或等于预设的距离阈值时,确定所述第二图像和所述第三图像中的目标细胞彼此为重复拍摄的目标细胞。
根据本发明的另一方面,提供了一种图像分析系统,所述图像分析系统包括成像装置和图像分析装置,其中:所述成像装置包括摄像单元,所述摄像单元拍摄涂片上待测样本中含有的目标细胞以得到第一图像和第二图像,获取所述第一图像的第一图像信息和所述第二图像的第二图像信息;所述图像分析装置用于:获取所述第一图像中的第一目标细胞在所述第一图像上的位置坐标;对所述第一图像信息和所述第二图像信息进行分析,确定所述第二图像在所述第一图像上的对应位置;基于所述对应位置,确定所述第二图像中的第二目标细胞在所述第一图像上的对应坐标;当所述位置坐标与所述对应坐标之间的距离小于或等于预设的距离阈值时,确定所述第一目标细胞和所述第二目标细胞为彼此重复拍摄的目标细胞。
根据本发明的又一方面,提供了一种图像分析系统,所述图像分析系统包括成像装置和图像分析装置,其中:所述成像装置包括摄像单元,所述摄像单元拍摄涂片上待测样本中含有的目标细胞以得到第一图像和第二图像,获取所述第一图像的第一图像信息和所述第二图像的第二图像信息;所述图像分析装置用于:对所述第一图像信息和所述第二图像信息进行分析,确定所述第二图像在所述第一图像上的对应位置;在所述对应位置与所述第一图像的位置的重合度大于等于预设的重合度阈值时,确定所述第一图像与所述第二图像为重复拍摄的图像,从而所述第一图像与所述第二图像上的目标细胞为彼此重复拍摄的目标细胞。
根据本发明的再一方面,提供了一种样本分析系统,包括血液分析装置、涂片制备装置、图像分析装置和控制装置,所述图像分析装置包括如上所述的图像分析系统。
根据本发明的再一方面,提供了一种用于图像分析系统的识别重复细胞的方法,所述方法包括:拍摄涂片上待测样本以得到第一图像,获取所述第一图像的第一图像信息;拍摄所述涂片上所述待测样本中的目标细胞以得到多个图像,获取所述多个图像中每个图像的图像信息,其中所述多个图像包括第二图像和第三图像,所述图像信息包括所述第二图像的第二图像信息和所述第三图像的第三图像信息;对所述第二图像信息、所述第三图像信息分别与所述第一图像信息进行分析,确定所述第二图像在所述第一图像上的第一对应位置和所述第三图像在所述第一图像上的第二对应位置;在所述第一对应位置与所述第二对应位置之间的距离小于或等于预设的距离阈值时,确定所述第二图像和所述第三图像中的目标细胞为重复拍摄的目标细胞。
根据本发明的再一方面,提供了一种用于图像分析系统识别重复细胞的方法,所述方法包括:拍摄涂片上待测样本中含有的目标细胞以得到第一图像和第二图像,获取所述第一图像的第一图像信息和所述第二图像的第二图像信息,并获取所述第一图像中的第一目标细胞在所述第一图像上的位置坐标;对所述第一图像信息和所述第二图像信息进行分析,确定所述第二图像在所述第一图像上的对应位置;基于所述对应位置,确定所述第二图像中的第二目标细胞在所述第一图像上的对应坐标,当所述位置坐标与所述对应坐标之间的距离小于或等于预设的距离阈值时,确定所述第一目标细胞和所述第二目标细胞为彼此重复拍摄的目标细胞。
根据本发明的再一方面,提供了一种用于图像分析系统识别重复细胞的方法,所述方法包括:拍摄涂片上待测样本中含有的目标细胞以得到第一图像和第二图像,获取所述第一图像的第一图像信息和所述第二图像的第二图像信息;对所述第一图像信息和所述第二图像信息进行分析,确定所述第二图像在所述第一图像上的对应位置;在所述对应位置与所述第一图像的位置的重合度大于等于重合度阈值时,确定所述第一图像与所述第二图像为重复拍摄的图像,从而所述第一图像与所述第二图像上的目标细胞为彼此重复拍摄的目标细胞。
根据本发明的再一方面,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用于图像分析系统的识别重复细胞的方法。
根据本发明实施例的图像分析系统和用于图像分析系统的识别重复细胞的方法,通过确定一个图像在另一图像上的对应位置来识别重复细胞,采用现有系统即可实现,无需额外增加装置,且识别过程运算量小。
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图像分析系统的示意性结构框图;
图2示出了根据本发明的一个实施例的示例性第一图像;
图3示出了根据本发明的一个实施例的示例性第二图像;
图4示出了根据本发明的一个实施例的采用滑动窗口法对第一图像和第二图像进行分析的示意图;
图5示出了根据本发明的一个实施例的示例性积分图像,其中示出了滑动窗口的四个顶点的坐标;
图6示出了根据本发明的一个实施例的滑动窗口部分位于第一图像之外时,对第一图像和第二图像进行分析的示意图;
图7示出了根据本发明的一个实施例的样本分析系统的结构示意图;
图8示出了根据本发明的一个实施例的用于图像分析系统的识别重复细胞的方法的步骤流程图;
图9示出了根据本发明的另一实施例的用于图像分析系统的识别重复细胞的方法的步骤流程图;
图10示出了根据本发明的另一实施例的用于图像分析系统的识别重复细胞的方法的步骤流程图。
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。
为了解决上述问题,本发明的实施例提供了一种图像分析系统和用于图像分析系统的识别重复细胞的方法,图像分析系统包括成像装置和图像分析装置,其中:所述成像装置包括摄像单元,所述摄像单元拍摄涂片上待测样本以得到第一图像,获取所述第一图像的第一图像信息;所述摄像单元分别拍摄所述涂片上所述待测样本中的目标细胞以得到多个图像,获取所述多个图像中每个图像的图像信息,其中所述多个图像包括第二图像和第三图像,所述图像信息包括所述第二图像的第二图像信息和所述第三图像的第三图像信息;所述图像分析装置用于:对所述第二图像信息、所述第三图像信息分别与所述第一图像信息进行分析,确定所述第二图像在所述第一图像上的第一对应位置和所述第三图像在所述第一图像上的第二对应位置;在所述第一对应位置与所述第二对应位置之间的距离小于或等于预设的距离阈值时,确定所述第二图像和所述第三图像中的目标细胞彼此为重复拍摄的目标细胞。
本发明的实施例的图像分析系统和用于图像分析系统的识别重复细胞的方法,通过确定一个图像在另一图像上的对应位置来识别重复细胞,采用现有系统即可实现,无需额外增加装置,且识别过程运算量小。
下面结合具体实施例来详细描述本发明的方案。
实施例一
本实施例提供了一种图像分析系统。参考图1,图1示出了根据本发明的一个实施例的图像分析系统10的示意性结构框图。如图1所示,图像分析系统10可以包括成像装置100和图像分析装置200等。其中,成像装置100用于拍摄涂片上涂抹的待测样本中的目标细胞以得到图像;图像分析装置200用于对目标细胞的图像进行分析。示例性地,待测样本可以为血液样本等。示例性地,目标细胞可以为白细胞、中性粒细胞、红细胞等,本发明对此不作限定。
其中,成像装置100可以包括物镜单元110和摄像单元120。其中,物镜单元110可以包括第一物镜和第二物镜。示例性地,第一物镜可以为低倍物镜,例如10倍物镜等,第二物镜可以为高倍物镜,例如100倍物镜等。示例性地,第一物镜和第二物镜还可以为相同倍数的物镜,例如均为100倍物镜。物镜单元110还可以包括第三物镜等,第三物镜可以为例如40倍物镜等。应理解,上述低倍物镜和高倍物镜是相对而言的,并不特指某些倍数的物镜为低倍物镜,或某些倍数的物镜为高倍物镜。其中,摄像单元120可以包括本领域公知的任何相机、摄像头等,例如CCD相机、CMOS相机等,本发明对此不作限定。
其中,摄像单元120拍摄涂片上待测样本以得到第一图像,获取所述第一图像的第一图像信息。示例性地,第一图像可以使用第一物镜拍摄得到。示例性地,第一物镜可以为低倍物镜,例如10倍物镜等,此时第一物镜的视野区可以为所有待测样本,相应的第一图像可以包含所有的目标细胞。示例性地,第一图像信息可以包括第一图像的像素信息、特征信息等信息。
其中,摄像单元120还分别拍摄该涂片上待测样本中的目标细胞以得到多个图像,获取多个图像中的每个图像的图像信息。示例性地,多个图像可以使用第二物镜拍摄得到。示例性地,第二物镜可以为高倍物镜,例如100倍物镜等,此时可以使用第二物镜分别对待测样本中的每个目标细胞逐个进行拍摄,从而得到多个图像。示例性地,每个图像的图像信息可以包括每个图像的像素信息、特征信息等信息。
其中,多个图像可以包括第二图像、第三图像、第四图像……。相应地,图像信息可以包括第二图像信息、第三图像信息、第四图像信息……。其中,第二、第三、第四……仅用于区分多个图像中的各个不同的图像和相应的图像信息,并不特指某个图像或某个图像信息。
由于第一图像使用低倍物镜拍摄时,其视野为整个涂片上的所有待测样本,因此第一图像上可以包括所有目标细胞,如图2所示;而多个图像中的每个图像使用高倍物镜拍摄时,其视野为涂片上某个目标细胞所在的某个小区域,因此第二图像、第三图像等可以包括一个待测细胞,当两个或三个细胞距离较近时,也可以包括两个或三个细胞,如图3所示。
其中,图像分析装置200可以用于对多个图像中的各个图像的图像信息分别与第一图像信息进行分析,确定各个图像在第一图像上的对应位置,并基于该对应位置确定多个图像中的各个图像中是否存在重复拍摄的目标细胞。其中,各个图像在第一图像上的对应位置即为各个图像分别对应于第一图像上的哪块区域。
示例性地,图像分析装置200可以对第二图像信息、第三图像信息分别与第一图像信息进行分析,确定第二图像在第一图像上的第一对应位置和第三图像在第一图像上的第二对应位置,在第一对应位置与第二对应位置之间的距离小于或等于预设的距离阈值时,则确定第二图像和第三图像中的目标细胞彼此为重复拍摄的目标细胞。也就是说,如果第二图像对应的第一图像上的第一区域与第三图像对应的第一图像上的第二区域之间的距离小于或等于预设的距离阈值时,则确定第二图像和第三图像为重复拍摄的图像,从而第二图像和第三图像中的目标细胞彼此为重复拍摄的目标细胞。
示例性地,该预设的距离阈值可以设置为近似等于目标细胞的尺寸,例如5μm左右,本发明对此不作限定。
示例性地,图像分析装置200可采用图像配准算法对第二图像信息、第三图像信息分别与第一图像信息进行分析,确定第二图像在第一图像上的第一对应位置和第三图像在第一图像上的第二对应位置。应理解,还可以采用其他方法确定第二图像在第一图像上的第一对应位置和第三图像在第一图像上的第二对应位置,本发明对此不作限定。
由于图像分析装置200采用图像配准算法对两个图像进行分析,从而确定其中一个图像在另一图像上的对应位置的过程是相似的,因此,下面均以图像分析装置200采用图像配准算法对第二图像信息与第一图像信息进行分析,确定所述第二图像在所述第一图像上的第一对应位置为例进行说明。
示例性地,采用图像配准算法对第二图像信息与第一图像信息进行分析时,图像分析装置200可以提取第一图像信息与第二图像信息中的像素信息或特征信息,基于像素信息或特征信息确定第二图像在第一图像上的第一对应位置。示例性地,基于像素信息确定图像的对应位置的算法可以包括平均绝对差算法(MAD)、绝对误差和算法(SAD)、误差平方和算法(SSD)、平均误差平方和算法(MSD)、归一化积相关算法(NCC)、序贯相似性检测算法(SSDA)、hadamard变换算法(SATD)等、局部灰度值编码算法等。具体地,基于特征信息确定图像的对应位置的方法可以包括:首先提取图像的特征,再生成特征描述子,最后根据描述子的相似程度对两图像的特征之间进行匹配。其中,图像的特征主要可以分为点、线(边缘)、区域(面)等特征,也可以分为局部特征和全局特征。示例性地,基于点特征确定图像的对应位置的方法可以包括Harris、Harr-like、HOG、LBP、SIFT等算法,基于边缘特征确定图像的对应位置的方法可以包括LoG算子、Robert算子、Sobel算子、Prewitt算子、Canny算子等。
示例性地,基于像素信息确定第二图像在第一图像上的第一对应位置时,图像分析装置200可以利用第一图像与第二图像两者的像素信息建立相似性度量指标,并基于该相似性度量指标确定第二图像在第一图像上的第一对应位置。
为了提高相似性度量指标的区分度,可以基于第二图像与第一图像两者的像素平均值来建立相似性度量指标。示例性地,可以采用如下公式来建立相似性度量指标γ:
其中,x、y分别为像素点的坐标,f(x,y)为第一图像上某区域中的各个像素点的像素值,为第一图像上该区域中的所有像素点的平均像素值,g(x,y)为第二图像上各个像素点的像素值,为第二图像上所有像素点的平均像素值。应理解,也可以用f(x,y)、表示第二图像,用g(x,y)、表示第一图像,本发明对此不作限定。本发明的该公式能够提高相似性度量指标的区分度,将第二图像中的目标细胞在第一图像中进行更好的区分。
示例性地,图像分析装置200可以采用滑动窗口法确定相似性度量指标的值,从而确定第二图像在第一图像上的第一对应位置。
具体地,如图4所示,滑动窗口法可以包括:设置滑动窗口,使滑动窗口在第一图像上沿预定路径滑动,其中滑动窗口的尺寸与第二图像的尺寸相同;在滑动窗口滑动过程中,实时地计算第二图像与第一图像位于滑动窗口内的区域的相似性度量指标的值;选取相似性度量指标的值中的最大值,该最大值所对应的滑动窗口内第一图像的区域即为第二图像在第一图像上的第一对应位置。
当第二图像的拍摄视野在第一图像的拍摄视野的边缘时,会存在边缘问题,使得相关性度量指标的值较低,从而找不到正确的对应位置。因此,在一个实施例中,若滑动窗口部分位于第一图像之外,则图像分析装置200还可以基于预设的重叠阈值来计算相似性度量指标的值。
具体地,若滑动窗口与第一图像的重叠部分的面积与滑动窗口的总面积的比值大于等于重叠阈值,则表明此时滑动窗口的大部分都处于第一图像内,此时图像分析装置200可以计算第一图像上与滑动窗口重叠的部分与第二图像上对应部分的相似性度量指标的值。如图6所示,此时只计算第一图像上滑动窗口内的虚线区域与第二图像上的虚线区域的相似性度量指标的值。若滑动窗口与第一图像的重叠部分的面积与滑动窗口的总面积的比值小于重叠阈值,则表明此时滑动窗口只有一小部分处于第一图像内,此时两图像的视野重叠区域很小,相似性度量指标准确度较低,因此图像分析装置200可以将相似性度量指标被计算为零。其中,重叠阈值可以根据经验进行设置,例如可以设置为0.6-0.8等,本发明对此不作限定。
其中,采用滑动窗口法对第一图像和第二图像进行分析之前,图像分析装置200需要对第一图像和第二图像进行预处理。
示例性地,预处理可以包括对第一图像和/或第二图像重采样,以使第一图像和第二图像的分辨率相同,即使得两图像上每像素所代表的尺寸相同。其中,重采样可以包括上采样和下采样。示例性地,可以保持第一图像的分辨率不变,将第二图像下采样为与第一图像的分辨率相同,或者可以保持第二图像的分辨率不变,将第一图像上采样为与第二图像的分辨率相同,或者将第一图像和第二图像同时重采样为某一分辨率,本发明对此不作限定。重采样的方法可以采用本领域公知的最近邻内插法、双线性内插法、三次卷积内插法等,本发明对此不作限定。
为了降低运算量,预处理还可以包括对第一图像和/或第二图像重采样之前,将第一图像和第二图像均转换为灰度图。将彩色图转换为灰度图的方法是公知的,在此不再赘述。
由于滑动窗口每滑动一个像素,都要重新计算第二图像与第一图像位于滑动窗口内的区域的相似性度量指标的值,所需滑动遍历的位置很多,因此计算量非常大。为了优化运算速度,在一个实施例中,图像分析装置200可先将第一图像和第二图像转到频域,再计算第二图像与第一图像位于滑动窗口内的区域的相似性度量指标的值。将第一图像和第二图像转到频域的方法可以是FFT(快速傅里叶变换)法等,在此不再赘述。
为了优化运算速度,在另一实施例中,图像分析装置200可利用积分图法来计算第二图像与第一图像位于滑动窗口内的区域的相似性度量指标的值。首先,图像分析装置200可先构造一个数组作为积分图像,该积分图像的宽、高与第一图像相同,然后对这个数组进行赋值,每个点的值为从第一图像的左上角顶点到该点的覆盖区域内所有像素点的像素值的和;然后就可以利用该积分图像很方便地计算出滑动窗口内所有像素点的像素值的和,进而很方便地计算第二图像与第一图像位于滑动窗口内的区域的相似性度量指标的值。如图5所示,图中滑动窗口内所有像素点的像素值的和为f(x2,y2)+f(x1,y1)-f(x1,y2)-f(x2,y1),其中(x1,y1),(x2,y1),(x1,y2)和(x2,y2)分别为滑动窗口的四个顶点的坐标。
在一个实施例中,图像分析装置200可以基于第二图像在第一图像上的第一对应位置和第三图像在第一图像上的第二对应位置,分别获取第二图像上的第一目标细胞和第三图像上的第二目标细胞在第一图像上的第一对应坐标和第二对应坐标。具体地,图像分析装置200可以获取第一目标细胞在第二图像上的坐标,并将该坐标与第一对应位置相结合以得到第一目标细胞在第一图像上的第一对应坐标,并使用类似的方法得到第二目标细胞在第一图像上的第二对应坐标。然后,图像分析装置200可以在第一对应坐标和第二对应坐标之间的距离小于等于预设的距离阈值时,确定第一目标细胞和第二目标细胞彼此为重复拍摄的目标细胞。
示例性地,如上所述,该预设的距离阈值可以设置为近似等于目标细胞的尺寸,例如5μm左右,此时若第一目标细胞在第一图像上的第一对应坐标和第二目标细胞在第一图像上的第二对应坐标之间的距离小于该预设的距离阈值,则可确定第一目标细胞和第二目标细胞对应第一图像上的同一个目标细胞,即第一目标细胞与第二目标细胞彼此为重复拍摄的目标细胞。
在一个实施例中,图像分析装置200可以获取目标细胞在第一图像上的参考位置坐标,以及第二图像上的第一目标细胞在第二图像上的第一位置坐标和第三图像上的第二目标细胞在第三图像上的第二位置坐标,基于第一对应位置和第一位置坐标获取第一目标细胞在第一图像上的第一对应坐标,以及基于第二对应位置和第二位置坐标获取第二目标细胞在第一图像上的第二对应坐标,当第一对应坐标与参考位置坐标的第一坐标差以及第二对应坐标与所述参考位置坐标的第二坐标差均小于预设的坐标差阈值时,则确定该第一目标细胞与该第二目标细胞彼此为重复拍摄的目标细胞。具体地,当第一对应坐标与参考位置坐标的第一坐标差小于预设的坐标差阈值时,则可以确定第一目标细胞与第一图像上的该目标细胞为同一细胞,而当第二对应坐标与参考位置坐标的第二坐标差也小于预设的坐标差阈值时,则可以确定第二目标细胞与第一图像上的该目标细胞也为同一细胞,从而确定第一目标细胞与第二目标细胞彼此为重复拍摄的目标细胞。
示例性地,该预设的坐标差阈值可以根据经验进行设置,例如为1μm、2μm、3μm等,本发明对此不作限定。
在一个实施例中,图像分析系统10还可以包括图像显示装置(未示出),图像显示装置用于将所述识别出的重复拍摄的目标细胞或非重复拍摄的目标细胞进行标记,并输出显示。
当确定上述多个图像包含重复拍摄的目标细胞时,图像分析装置200还用于:去除重复拍摄的目标细胞,输出只包含非重复拍摄的目标细胞的图像至图像显示装置。示例性地,可以直接输出去除重复拍摄的目标细胞后的图像,或者经进一步处理后输出不重复拍摄的目标细胞的小图。图像分析装置200还可以在图像中标记出该重复拍摄的目标细胞并进行输出。在一个实施例中,如果图像中包含不止一个非重复拍摄的目标细胞,图像分析装置200可进一步将每个非重复拍摄的目标细胞分别输出一个图像至图像显示装置,以便于用户分别观察每个目标细胞的形态。
在一个实施例中,图像分析系统10还可以包括涂片移动装置300,用于驱动涂片相对于成像装置100运动,以便成像装置100拍摄涂片上特定区域的待测样本中的细胞的图像。在图像中不包含目标细胞,即没有拍摄到目标细胞的图像时,则涂片移动装置300可驱动涂片移动,以使得未拍摄到的目标细胞位于物镜的视野内,从而重新拍摄该未拍摄到的目标细胞的图像。
在一个实施例中,图像分析系统10还可以包括报警装置(未示出),用于在多个图像中包含的重复拍摄的目标细胞的数量达到预定数目时或同一目标细胞被多次重复拍摄时发出报警信息。示例性地,预定数目可以为3个、4个、5个、6个等,本发明对此不作限定。示例性地,所述多次可以为3次、4次等,本发明对此不作限定。示例性地,报警信息可以包括声音、光、文字等信息,本发明对此不作限定。
在一个实施例中,图像分析系统10还可以包括涂片识别装置、涂片夹取装置和涂片回收装置,其中涂片识别装置用于识别涂片的身份信息,涂片夹取装置用于将涂片从识别装置夹取到涂片移动装置300上进行检测,涂片回收装置用于放置经检测的涂片。在另一实施例中,图像分析系统10还可以包括涂片篮装载装置,用于装载装有待测涂片的涂片篮,以及涂片夹取装置,用于将涂片篮装载装置上装载的涂片篮中的待测涂片夹取到涂片识别装置进行身份信息识别。应理解,图像分析系统10还可以包括本领域公知的其他装置,本发明对此不作限定。
实施例二
本实施例提供了一种图像分析系统,与实施例一中的图像分析系统类似地,该图像分析系统可以包括成像装置100和图像分析装置200等,其中成像装置100可以包括摄像单元120,不同之处在于:
摄像单元120拍摄涂片上待测样本中含有的目标细胞以得到第一图像和第二图像,获取第一图像的第一图像信息和第二图像的第二图像信息。其中,第一图像和第二图像用于表示摄像单元120拍摄的多个图像中的任意两个图像,并不特指某两个图像。示例性地,第一图像和第二图像可以使用同一物镜拍摄得到,例如均使用高倍物镜(例如,100倍)拍摄得到。其中,第一图像和第二图像可以是分别对焦到不同的目标细胞拍摄得到的图像,但由于对目标细胞进行定位时会存在定位不准确的问题,因此可能导致第一图像和第二图像中包含重复拍摄的目标细胞。示例性地,图像信息可以包括图像的像素信息、特征信息等信息。
图像分析装置200用于:获取第一图像中的第一目标细胞在第一图像上的位置坐标,对第一图像信息和第二图像信息进行分析,确定第二图像在所述第一图像上的对应位置,基于该对应位置,确定第二图像中的第二目标细胞在第一图像上的对应坐标,当该位置坐标与该对应坐标之间的距离小于或等于预设的距离阈值时,确定该第一目标细胞和该第二目标细胞为同一目标细胞,从而第一目标细胞和该第二目标细胞为彼此重复拍摄的目标细胞。其中,第二图像在第一图像上的对应位置即为第二图像对应于第一图像的哪块区域。示例性地,第二图像在第一图像上的对应位置可以采用如上所述的图像配准算法进行确定,在此不再赘述。
示例性地,如上所述,该预设的距离阈值可以设置为近似等于目标细胞的尺寸,例如5μm左右,本发明对此不作限定。
在一个实施例中,该图像分析系统还可以包括图像显示装置,该图像显示装置用于将所述识别出的重复拍摄的目标细胞或非重复拍摄细胞进行标记显示。
当确定上述图像包含重复拍摄的目标细胞时,图像分析装置200还用于:去除重复拍摄的目标细胞,输出只包含非重复拍摄的目标细胞的图像至图像显示装置。示例性地,可以直接输出去除重复拍摄的目标细胞后的图像,或者经进一步处理后输出不重复拍摄的目标细胞的小图。图像分析装置200还可以在图像中标记出该重复拍摄的目标细胞并进行输出。在一个实施例中,如果图像中包含不止一个非重复拍摄的目标细胞,图像分析装置200可进一步将每个非重复拍摄的目标细胞分别输出一个图像至图像显示装置,以便于用户分别观察每个目标细胞的形态。
在一个实施例中,图像分析系统10还可以包括报警装置(未示出),用于在多个图像中包含的重复拍摄的目标细胞的数量达到预定数目时或同一目标细胞被多次重复拍摄时发出警报。示例性地,预定数目可以为3个、4个、5个、6个等,本发明对此不作限定。示例性地,所述多次可以为3次、4次等,本发明对此不作限定。示例性地,报警信息可以包括声音、光、文字等信息,本发明对此不作限定。
实施例三
本实施例提供了一种图像分析系统,与实施例一中的图像分析系统类似地,该图像分析系统可以包括成像装置100和图像分析装置200等,其中成像装置100可以包括摄像单元120,不同之处在于:
摄像单元120用于拍摄涂片上待测样本中含有的目标细胞以得到第一图像和第二图像,获取第一图像的第一图像信息和第二图像的第二图像信息。其中,第一图像和第二图像用于表示摄像单元120拍摄的多个图像中的任意两个图像,并不特指某两个图像。示例性地,第一图像和第二图像可以使用同一物镜先后两次拍摄得到,例如使用高倍物镜(例如,100倍等)先后两次拍摄得到,或使用低倍物镜(例如,10倍等)先后两次拍摄得到。示例性地,图像信息可以包括图像的像素信息、特征信息等信息。
图像分析装置200用于对第一图像信息和第二图像信息进行分析,确定第二图像在第一图像上的对应位置,在对应位置与第一图像的位置的重合度大于等于预设的重合度阈值时,确定第一图像与第二图像为重复拍摄的图像,从而第一图像与第二图像上的目标细胞为彼此重复拍摄的目标细胞。其中,第二图像在第一图像上的对应位置即为第二图像对应于第一图像的哪块区域。示例性地,第二图像在第一图像上的对应位置可以采用如上所述的图像配准算法进行确定,在此不再赘述。其中,对应位置与第一图像的位置的重合度即为该对应位置与第一图像的位置的重合程度,其可以用百分数或小数等表示。
示例性地,预设的重合度阈值可以为96%、97%、98%、99%等,本发明对此不作限定。
在一个实施例中,该图像分析系统还可以包括图像显示装置,该图像显示装置用于将所述识别出的重复拍摄的目标细胞或非重复拍摄细胞进行标记显示。
当确定上述多个图像包含重复拍摄的目标细胞时,图像分析装置200还用于:去除重复拍摄的目标细胞,输出只包含非重复拍摄的目标细胞的图像至图像显示装置。示例性地,可以直接输出去除重复拍摄的目标细胞后的第二图像,或者经进一步处理后输出不重复拍摄的目标细胞的小图。图像分析装置200还可以在图像中标记出该重复拍摄的目标细胞并进行输出。在一个实施例中,如果图像中包含不止一个非重复拍摄的目标细胞,图像分析装置200可进一步将每个非重复拍摄的目标细胞分别输出一个图像至图像显示装置,以便于用户分别观察每个目标细胞的形态。
在一个实施例中,图像分析系统10还可以包括报警装置(未示出),用于在多个图像中包含的重复拍摄的目标细胞的数量达到预定数目时发出报警信息。示例性地,预定数目可以为3个、4个、5个、6个等,本发明对此不作限定。示例性地,所述多次可以为3次、4次等,本发明对此不作限定。示例性地,报警信息可以包括声音、光、文字等信息,本发明对此不作限定。
实施例四
本实施例提供了一种样本分析系统A,参考图7,图7示出了根据本发明的一个实施例的样本分析系统A的结构示意图。如图7所示,样本分析系统A可以包括血液分析装置A100、涂片制备装置A200、图像分析装置A300和控制装置A400等。其中,血液分析装置A110用于对待测样本进行血常规检测,涂片制备装置A200用于制备待测样本的涂片,图像分析装置A300用于对涂片上待测样本中的细胞进行图像拍摄和分析,控制装置A400与血液分析装置A100、涂片制备装置A200和图像分析装置A300通信地连接,用于与各装置相互传输数据。样本分析系统A还可以包括连接各装置的传输轨道和各装置的进给机构等,控制装置A400可以与传输轨道、进给机构电连接,用于控制传输轨道和进给机构的动作,为避免不必要地模糊本发明,在此不再详述。
其中,图像分析装置A300可以为根据本发明的实施例一的图像分析系统10,图像分析系统10的结构请参照实施例一,在此不再赘述。
实施例五
本实施例提供了一种用于图像分析系统的识别重复细胞的方法。参考图8,图8示出了根据本发明的一个实施例的用于图像分析系统的识别重复细胞的方法800的步骤流程图。
如图8所示,方法800可以包括如下步骤:
步骤S810:拍摄涂片上待测样本以得到第一图像,获取所述第一图像的第一图像信息;拍摄该涂片上待测样本中的目标细胞以得到多个图像,获取所述多个图像中每个图像的图像信息,其中多个图像包括第二图像和第三图像,图像信息包括第二图像的第二图像信息和第三图像的第三图像信息。
示例性地,待测样本可以为血液样本等。示例性地,目标细胞可以为白细胞、中性粒细胞、红细胞等,本发明对此不作限定。
示例性地,第一图像可以使用第一物镜拍摄得到。示例性地,第一物镜可以为低倍物镜,例如10倍物镜,此时第一物镜的视野区可以为所有待测样本,相应的第一图像可以包含所有的目标细胞。示例性地,图像信息可以包括图像的像素信息、特征信息等信息。
示例性地,多个图像可以使用第二物镜拍摄得到。示例性地,第二物镜可以为高倍物镜,例如100倍物镜,此时可以使用第二物镜分别对待测样本中的每个目标细胞逐个进行拍摄,从而得到多个图像。示例性地,每个图像的图像信息可以包括每个图像的像素信息、特征信息等信息。
其中,多个图像可以包括第二图像、第三图像、第四图像……。相应地,图像信息可以包括第二图像信息、第三图像信息、第四图像信息……。其中,第二、第三、第四……仅用于区分多个图像中的各个不同的图像和相应的图像信息,并不特指某个图像或某个图像信息。
由于第一图像使用低倍物镜拍摄时,其视野为整个涂片上的所有待测样本,因此第一图像上可以包括所有目标细胞;而多个图像中的每个图像使用高倍物镜拍摄时,其视野为涂片上某个目标细胞所在的某个小区域,因此第二图像、第三图像等可以包括一个待测细胞,当两个或三个细胞距离较近时,也可以包括两个或三个细胞。
步骤S820:对第二图像信息、第三图像信息分别与第一图像信息进行分析,确定第二图像在第一图像上的第一对应位置和第三图像在第一图像上的第二对应位置。
其中,第一对应位置、第二对应位置即为第二图像、第三图像分别对应于第一图像上的哪块区域。
示例性地,可采用图像配准算法对第二图像信息、第三图像信息分别与第一图像信息进行分析,确定第二图像在第一图像上的第一对应位置和第三图像在第一图像上的第二对应位置。应理解,还可以采用其他方法确定第二图像在第一图像上的第一对应位置和第三图像在第一图像上的第二对应位置,本发明对此不作限定。
由于采用图像配准算法对两个图像进行分析,从而确定其中一个图像在另一图像上的对应位置的过程是相似的,因此,下面均以采用图像配准算法对第二图像信息与第一图像信息进行分析,确定所述第二图像在所述第一图像上的第一对应位置为例进行说明。
示例性地,采用图像配准算法对第二图像信息与第一图像信息进行分析,确定第二图像在第一图像上的第一对应位置可以包括:提取第一图像信息与第二图像信息中的像素信息或特征信息,基于像素信息或特征信息确定第二图像在第一图像上的第一对应位置。示例性地,基于像素信息确定图像的对应位置的算法可以包括平均绝对差算法(MAD)、绝对误差和算法(SAD)、误差平方和算法(SSD)、平均误差平方和算法(MSD)、归一化积相关算法(NCC)、序贯相似性检测算法(SSDA)、hadamard变换算法(SATD)等、局部灰度值编码算法等。具体地,基于特征信息确定图像的对应位置的方法可以包括:首先提取图像的特征,再生成特征描述子,最后根据描述子的相似程度对两图像的特征之间进行匹配。其中,图像的特征主要可以分为点、线(边缘)、区域(面)等特征,也可以分为局部特征和全局特征。示例性地,基于点特征确定图像的对应位置的方法可以包括Harris、Harr-like、HOG、LBP、SIFT等算法,基于边缘特征确定图像的对应位置的方法可以包括LoG算子、Robert算子、Sobel算子、Prewitt算子、Canny算子等。
示例性地,基于像素信息确定第二图像在第一图像上的第一对应位置,可以包括:利用第一图像与第二图像两者的像素信息建立相似性度量指标,并基于该相似性度量指标确定第二图像在第一图像上的第一对应位置。
为了提高相似性度量指标的区分度,方法800可以包括:基于第二图像与第一图像两者的像素平均值来建立相似性度量指标。示例性地,可以采用如下公式来建立相似性度量指标γ:
其中,x、y分别为像素点的坐标,f(x,y)为第一图像上某区域中的各个像素点的像素值,为第一图像上该区域中的所有像素点的平均像素值,g(x,y)为第二图像上各个像素点的像素值,为第二图像上所有像素点的平均像素值。应理解,也可以用f(x,y)、表示第二图像,用g(x,y)、表示第一图像,本发明对此不作限定。本发明的该公式能够提高相似性度量指标的区分度,将第二图像中的目标细胞在第一图像中进行更好的区分。
示例性地,可以采用滑动窗口法确定相似性度量指标的值,从而确定第二图像在第一图像上的第一对应位置。
具体地,滑动窗口法可以包括:设置滑动窗口,使滑动窗口在第一图像上沿预定路径滑动,其中滑动窗口的尺寸与第二图像的尺寸相同;在滑动窗口滑动过程中,实时地计算第二图像与第一图像位于滑动窗口内的区域的相似性度量指标的值;选取相似性度量指标的值中的最大值,该最大值所对应的滑动窗口内第一图像的区域即为第二图像在第一图像上的第一对应位置。
当第二图像的拍摄视野在第一图像的拍摄视野的边缘时,会存在边缘问题,使得相关性度量指标的值较低,从而找不到正确的对应位置。因此,在一个实施例中,若滑动窗口部分位于第一图像之外,方法800可以包括:基于预设的重叠阈值来计算相似性度量指标的值。
具体地,若滑动窗口与第一图像的重叠部分的面积与滑动窗口的总面积的比值大于等于重叠阈值,则表明此时滑动窗口的大部分都处于第一图像内,此时方法800可以包括:计算第一图像上与滑动窗口重叠的部分与第二图像上对应部分的相似性度量指标的值。若滑动窗口与第一图像的重叠部分的面积与滑动窗口的总面积的比值小于重叠阈值,则表明此时滑动窗口只有一小部分处于第一图像内,此时两图像的视野重叠区域很小,相似性度量指标准确度较低,因此方法800可以包括:将相似性度量指标被计算为零。其中,重叠阈值可以根据经验进行设置,例如可以设置为0.6-0.8等,本发明对此不作限定。
其中,采用滑动窗口法对第一图像和第二图像进行分析之前,需要对第一图像和第二图像进行预处理。
示例性地,预处理可以包括对第一图像和/或第二图像重采样,以使第一图像和第二图像的分辨率相同,即使得两图像上每像素所代表的尺寸相同。其中,重采样可以包括上采样和下采样。示例性地,可以保持第一图像的分辨率不变,将第二图像下采样为与第一图像的分辨率相同,或者可以保持第二图像的分辨率不变,将第一图像上采样为与第二图像的分辨率相同,或者将第一图像和第二图像同时重采样为某一分辨率,本发明对此不作限定。重采样的方法可以采用本领域公知的最近邻内插法、双线性内插法、三次卷积内插法等,本发明对此不作限定。
为了降低运算量,预处理还可以包括对第一图像和/或第二图像重采样之前,将第一图像和第二图像均转换为灰度图。将彩色图转换为灰度图的方法是公知的,在此不再赘述。
由于滑动窗口每滑动一个像素,都要重新计算第二图像与第一图像位于滑动窗口内的区域的相似性度量指标的值,所需滑动遍历的位置很多,因此计算量非常大。为了优化运算速度,在一个实施例中,方法800可以包括:先将第一图像和第二图像转到频域,再计算第二图像与第一图像位于滑动窗口内的区域的相似性度量指标的值。将第一图像和第二图像转到频域的方法可以是FFT(快速傅里叶变换)法等,在此不再赘述。
为了优化运算速度,在另一实施例中,方法800可以包括:利用积分图法来计算第二图像与第一图像位于滑动窗口内的区域的相似性度量指标的值。首先,可先构造一个数组作为积分图像,该积分图像的宽、高与第一图像相同,然后对这个数组进行赋值,每个点的值为从第一图像的左上角顶点到该点的覆盖区域内所有像素点的像素值的和;然后就可以利用该积分图像很方便地计算出滑动窗口内所有像素点的像素值的和,进而很方便地计算第二图像与第一图像位于滑动窗口内的区域的相似性度量指标的值。
步骤S830:在第一对应位置与第二对应位置之间的距离小于或等于预设的距离阈值时,确定第二图像和第三图像中的目标细胞为重复拍摄的目标细胞。也就是说,如果第二图像对应的第一图像上的第一区域与第三图像对应的第一图像上的第二区域之间的距离小于或等于预设的距离阈值时,则确定第二图像和第三图像为重复拍摄的图像,从而第二图像和第三图像中的目标细胞彼此为重复拍摄的目标细胞。
示例性地,该预设的距离阈值可以设置为近似等于目标细胞的尺寸,例如5μm左右,本发明对此不作限定。
示例性地,方法800还可以包括:基于第二图像在第一图像上的第一对应位置和第三图像在第一图像上的第二对应位置,分别获取第二图像上的第一目标细胞和第三图像上的第二目标细胞在第一图像上的第一对应坐标和第二对应坐标。具体地,可以获取第一目标细胞在第二图像上的坐标,并将该坐标与第一对应位置相结合以得到第一目标细胞在第一图像上的第一对应坐标,并使用类似的方法得到第二目标细胞在第一图像上的第二对应坐标。然后,方法800还可以包括:在第一对应坐标和第二对应坐标之间的距离小于等于预设的距离阈值时,确定第一目标细胞和第二目标细胞彼此为重复拍摄的目标细胞。
示例性地,如上所述,该预设的距离阈值可以设置为近似等于目标细胞的尺寸,例如5μm左右,此时若第一目标细胞在第一图像上的第一对应坐标和第二目标细胞在第一图像上的第二对应坐标之间的距离小于该预设的距离阈值,则可确定第一目标细胞和第二目标细胞对应第一图像上的同一个目标细胞,即第一目标细胞与第二目标细胞彼此为重复拍摄的目标细胞。
示例性地,方法800还可以包括:获取目标细胞在第一图像上的参考位置坐标,以及第二图像上的第一目标细胞在第二图像上的第一位置坐标和第三图像上的第二目标细胞在第三图像上的第二位置坐标,基于第一对应位置和第一位置坐标获取第一目标细胞在第一图像上的第一对应坐标,以及基于第二对应位置和第二位置坐标获取第二目标细胞在第一图像上的第二对应坐标,当第一对应坐标与参考位置坐标的第一坐标差以及第二对应坐标与所述参考位置坐标的第二坐标差均小于预设的坐标差阈值时,则确定该第一目标细胞与该第二目标细胞彼此为重复拍摄的目标细胞。具体地,当第一对应坐标与参考位置坐标的第一坐标差小于预设的坐标差阈值时,则可以确定第一目标细胞与第一图像上的该目标细胞为同一细胞,而当第二对应坐标与参考位置坐标的第二坐标差也小于预设的坐标差阈值时,则可以确定第二目标细胞与第一图像上的该目标细胞也为同一细胞,从而确定第一目标细胞与第二目标细胞彼此为重复拍摄的目标细胞。
示例性地,该预设的坐标差阈值可以根据经验进行设置,例如为1μm、2μm、3μm等,本发明对此不作限定。
当确定上述多个图像包含重复拍摄的目标细胞时,方法800还可以包括:将所述识别出的重复拍摄的目标细胞或非重复拍摄的目标细胞进行标记,并输出显示。方法800还可以包括:去除重复拍摄的目标细胞,输出只包含非重复拍摄的目标细胞的图像至图像显示装置。示例性地,可以直接输出去除重复拍摄的目标细胞后的图像,或者经进一步处理后输出不重复拍摄的目标细胞的小图。方法800还可以包括:在图像中标记出该重复拍摄的目标细胞并进行输出。在一个实施例中,如果图像中包含不止一个非重复拍摄的目标细胞,方法800还可进一步包括:将每个非重复拍摄的目标细胞分别输出一个图像,以便于用户分别观察每个目标细胞的形态。
在一个实施例中,在图像中不包含目标细胞,即没有拍摄到目标细胞的图像时,方法800还可以包括:移动涂片,以使得未拍摄到的目标细胞位于物镜的视野内,从而重新拍摄该未拍摄到的目标细胞的图像。
在一个实施例中,方法800还可以包括:在多个图像中包含的重复拍摄的目标细胞的数量达到预定数目或同一目标细胞被多次重复拍摄时发出报警信息。示例性地,预定数目可以为3个、4个、5个、6个等,本发明对此不作限定。示例性地,所述多次可以为3次、4次等,本发明对此不作限定。示例性地,报警信息可以包括声音、光、文字等信息,本发明对此不作限定。
实施例六
本实施例提供了一种用于图像分析系统识别重复细胞的方法。参考图9,图9示出了根据本发明的另一实施例的用于图像分析系统的识别重复细胞的方法900的步骤流程图。
如图9所示,方法900可以包括如下步骤:
步骤S910:拍摄涂片上待测样本中含有的目标细胞以得到第一图像和第二图像,获取第一图像的第一图像信息和第二图像的第二图像信息,并获取第一图像中的第一目标细胞在第一图像上的位置坐标。
示例性地,待测样本可以为血液样本等。示例性地,目标细胞可以为白细胞、中性粒细胞、红细胞等,本发明对此不作限定。
其中,第一图像和第二图像用于表示所拍摄的多个图像中的任意两个图像,并不特指某两个图像。示例性地,第一图像和第二图像可以由摄像单元使用同一物镜拍摄得到,例如均使用高倍物镜(例如,100倍)拍摄得到。其中,第一图像和第二图像可以是分别对焦到不同的目标细胞拍摄得到的图像,但由于对目标细胞进行定位时会存在定位不准确的问题,因此可能导致第一图像和第二图像中包含重复拍摄的目标细胞。
示例性地,图像信息可以包括图像的像素信息、特征信息等信息。
步骤S920:对第一图像信息和第二图像信息进行分析,确定第二图像在第一图像上的对应位置。
其中,第二图像在第一图像上的对应位置即为第二图像对应于第一图像的哪块区域。
示例性地,第二图像在第一图像上的对应位置可以采用如上所述的图像配准算法进行确定,在此不再赘述。
步骤S930:基于该对应位置,确定第二图像中的第二目标细胞在第一图像上的对应坐标,当位置坐标与对应坐标之间的距离小于或等于预设的距离阈值时,确定第一目标细胞和第二目标细胞为彼此重复拍摄的目标细胞。
具体地,当该位置坐标与该对应坐标之间的距离小于或等于预设的距离阈值时,可以确定该第一目标细胞和该第二目标细胞为同一目标细胞,从而第一目标细胞和该第二目标细胞为彼此重复拍摄的目标细胞。
示例性地,如上所述,该预设的距离阈值可以设置为近似等于目标细胞的尺寸,例如5μm左右,本发明对此不作限定。
示例性地,当确定上述图像包含重复拍摄的目标细胞时,方法900还可以包括:将所识别出的重复拍摄的目标细胞或非重复拍摄的目标细胞进行标记,并输出显示。
方法900还可以包括:去除重复拍摄的目标细胞,输出只包含非重复拍摄的目标细胞的图像。示例性地,可以直接输出去除重复拍摄的目标细胞后的图像,或者经进一步处理后输出不重复拍摄的目标细胞的小图。
方法900还可以包括:在图像中标记出该重复拍摄的目标细胞并进行输出。在一个实施例中,如果图像中包含不止一个非重复拍摄的目标细胞,方法900可进一步包括:将每个非重复拍摄的目标细胞分别输出一个图像,以便于用户分别观察每个目标细胞的形态。
在一个实施例中,方法900还可以包括:在图像中包含的重复拍摄的目标细胞的数量达到预定数目或同一目标细胞被多次重复拍摄时发出报警信息。示例性地,预定数目可以为3个、4个、5个、6个等,本发明对此不作限定。示例性地,所述多次可以为3次、4次等,本发明对此不作限定。示例性地,报警信息可以包括声音、光、文字等信息,本发明对此不作限定。
实施例七
本实施例提供了一种用于图像分析系统识别重复细胞的方法。参考图10,图10示出了根据本发明的另一实施例的用于图像分析系统的识别重复细胞的方法1000的步骤流程图。
如图10所示,方法1000可以包括如下步骤:
步骤S1010:拍摄涂片上待测样本中含有的目标细胞以得到第一图像和第二图像,获取第一图像的第一图像信息和第二图像的第二图像信息。
示例性地,待测样本可以为血液样本等。示例性地,目标细胞可以为白细胞、中性粒细胞、红细胞等,本发明对此不作限定。
其中,第一图像和第二图像用于表示所拍摄的多个图像中的任意两个图像,并不特指某两个图像。示例性地,第一图像和第二图像可以使用同一物镜先后两次拍摄得到,例如使用高倍物镜(例如,100倍等)先后两次拍摄得到,或使用低倍物镜(例如,10倍等)先后两次拍摄得到。
示例性地,图像信息可以包括图像的像素信息、特征信息等信息。
步骤S1020:对第一图像信息和第二图像信息进行分析,确定第二图像在第一图像上的对应位置。
其中,第二图像在第一图像上的对应位置即为第二图像对应于第一图像的哪块区域。
示例性地,第二图像在第一图像上的对应位置可以采用如上所述的图像配准算法进行确定,在此不再赘述。
步骤S1030:在对应位置与第一图像的位置的重合度大于等于重合度阈值时,确定第一图像与第二图像为重复拍摄的图像,从而第一图像与第二图像上的目标细胞为彼此重复拍摄的目标细胞。
其中,对应位置与第一图像位置的重合度即为该对应位置与第一图像的位置的重合程度,其可以用百分数或小数等表示。
示例性地,预设的重合度阈值可以为96%、97%、98%、99%等,本发明对此不作限定。
示例性地,当确定上述图像包含重复拍摄的目标细胞时,方法1000还可以包括:将所识别出的重复拍摄的目标细胞或非重复拍摄的目标细胞进行标记,并输出显示。
方法1000还可以包括:去除重复拍摄的目标细胞,输出只包含非重复拍摄的目标细胞的图像。示例性地,可以直接输出去除重复拍摄的目标细胞后的图像,或者经进一步处理后输出不重复拍摄的目标细胞的小图。
方法1000还可以包括:在图像中标记出该重复拍摄的目标细胞并进行输出。在一个实施例中,如果图像中包含不止一个非重复拍摄的目标细胞,方法1000还可进一步包括:将每个非重复拍摄的目标细胞分别输出一个图像,以便于用户分别观察每个目标细胞的形态。
在一个实施例中,方法1000还可以包括:在图像中包含的重复拍摄的目标细胞的数量达到预定数目或同一目标细胞被多次重复拍摄时发出报警信息。示例性地,预定数目可以为3个、4个、5个、6个等,本发明对此不作限定。示例性地,所述多次可以为3次、4次等,本发明对此不作限定。示例性地,报警信息可以包括声音、光、文字等信息,本发明对此不作限定。
实施例八
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用于图像分析系统的识别重复细胞的方法。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:
本发明的实施例的图像分析系统、用于图像分析系统的识别重复细胞的方法、样本分析系统和计算机可读介质,通过确定一个图像在另一图像上的对应位置来识别重复细胞以及确定是否拍摄到目标细胞,采用现有系统即可实现,无需额外增加装置,且识别过程运算量小,并能解决边缘匹配问题。
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 (26)
1.一种图像分析系统,其特征在于,所述图像分析系统包括成像装置和图像分析装置,其中:
所述成像装置包括摄像单元,所述摄像单元拍摄涂片上待测样本以得到第一图像,获取所述第一图像的第一图像信息;所述摄像单元分别拍摄所述涂片上所述待测样本中的目标细胞以得到多个图像,获取所述多个图像中每个图像的图像信息,其中所述多个图像包括第二图像和第三图像,所述图像信息包括所述第二图像的第二图像信息和所述第三图像的第三图像信息;
所述图像分析装置用于:
对所述第二图像信息、所述第三图像信息分别与所述第一图像信息进行分析,确定所述第二图像在所述第一图像上的第一对应位置和所述第三图像在所述第一图像上的第二对应位置;
在所述第一对应位置与所述第二对应位置之间的距离小于或等于预设的距离阈值时,确定所述第二图像和所述第三图像中的目标细胞彼此为重复拍摄的目标细胞。
2.根据权利要求1所述的图像分析系统,其特征在于,所述图像分析装置还用于:
基于所述第一对应位置和所述第二对应位置,分别获取所述第二图像上的第一目标细胞和所述第三图像上的第二目标细胞在所述第一图像上的第一对应坐标和第二对应坐标;
在所述第一对应坐标和所述第二对应坐标之间的距离小于等于所述预设的距离阈值时,确定所述第一目标细胞和所述第二目标细胞彼此为重复拍摄的目标细胞。
3.根据权利要求1所述的图像分析系统,其特征在于,所述图像分析装置还用于:
获取所述目标细胞在所述第一图像上的参考位置坐标,所述第二图像上的第一目标细胞在所述第二图像上的第一位置坐标和所述第三图像上的第二目标细胞在所述第三图像上的第二位置坐标;
基于所述第一对应位置和所述第一位置坐标获取所述第一目标细胞在所述第一图像上的第一对应坐标,以及基于所述第二对应位置和所述第二位置坐标获取所述第二目标细胞在所述第一图像上的第二对应坐标;
当所述第一对应坐标与所述参考位置坐标的第一坐标差以及所述第二对应坐标与所述参考位置坐标的第二坐标差均小于预设的坐标差阈值时,则确定所述第一目标细胞与所述第二目标细胞彼此为重复拍摄的目标细胞。
4.根据权利要求1-3中任一项所述的图像分析系统,其特征在于,所述图像分析装置还用于:采用图像配准算法对所述第二图像信息、所述第三图像信息分别与所述第一图像信息进行分析,确定所述第二图像在所述第一图像上的第一对应位置和所述第三图像在所述第一图像上的第二对应位置。
5.根据权利要求4所述的图像分析系统,其特征在于,所述图像分析装置采用图像配准算法对所述第二图像信息与所述第一图像信息进行分析,确定所述第二图像在所述第一图像上的第一对应位置,包括:
提取所述第一图像信息与所述第二图像信息中的像素信息或特征信息,基于所述像素信息或所述特征信息确定所述第二图像在所述第一图像上的第一对应位置。
6.根据权利要求5所述的图像分析系统,其特征在于,所述图像分析装置基于所述像素信息确定所述第二图像在所述第一图像上的第一对应位置,包括:利用所述第一图像与所述第二图像两者的像素信息建立相似性度量指标,并基于所述相似性度量指标确定所述第二图像在所述第一图像上的第一对应位置。
7.根据权利要求6所述的图像分析系统,其特征在于,所述图像分析装置基于所述相似性度量指标确定所述第二图像在所述第一图像上的第一对应位置包括:采用滑动窗口法确定所述相似性度量指标的值,从而确定所述第二图像在所述第一图像上的第一对应位置。
8.根据权利要求7所述的图像分析系统,其特征在于,所述图像分析装置采用滑动窗口法确定所述相似性度量指标的值,从而确定所述第二图像在所述第一图像上的第一对应位置,包括:
对所述第一图像和所述第二图像进行预处理,所述预处理包括对所述第一图像和/或所述第二图像重采样,以使所述第一图像和所述第二图像的分辨率相同;
设置滑动窗口,使所述滑动窗口在所述第一图像上沿预定路径滑动,其中所述滑动窗口的尺寸与所述第二图像的尺寸相同;
在所述滑动窗口滑动过程中,实时地计算所述第二图像与所述第一图像位于所述滑动窗口内的区域的所述相似性度量指标的值;
选取所述相似性度量指标的值中的最大值,所述最大值所对应的所述滑动窗口内所述第一图像的区域即为所述第二图像在所述第一图像上的第一对应位置。
9.根据权利要求1-8中任一项所述的图像分析系统,其特征在于,所述图像分析系统还包括图像显示装置,所述图像显示装置还用于:将所述识别出的重复拍摄的目标细胞或非重复拍摄的目标细胞进行标记,并输出显示。
10.根据权利要求9所述的图像分析系统,其特征在于,所述图像分析装置还用于:去除重复拍摄的目标细胞,输出只包含非重复拍摄的目标细胞的图像至所述图像显示装置。
11.根据权利要求1-10中任一项所述的图像分析系统,其特征在于,所述图像分析系统还包括报警装置,所述报警装置用于在所述第二图像包含的重复拍摄的目标细胞的数量达到预定数目或同一目标细胞被多次重复拍摄时发出报警信息。
12.一种图像分析系统,其特征在于,所述图像分析系统包括成像装置和图像分析装置,其中:
所述成像装置包括摄像单元,所述摄像单元拍摄涂片上待测样本中含有的目标细胞以得到第一图像和第二图像,获取所述第一图像的第一图像信息和所述第二图像的第二图像信息;
所述图像分析装置用于:
获取所述第一图像中的第一目标细胞在所述第一图像上的位置坐标;
对所述第一图像信息和所述第二图像信息进行分析,确定所述第二图像在所述第一图像上的对应位置;
基于所述对应位置,确定所述第二图像中的第二目标细胞在所述第一图像上的对应坐标,当所述位置坐标与所述对应坐标之间的距离小于或等于预设的距离阈值时,确定所述第一目标细胞和所述第二目标细胞为彼此重复拍摄的目标细胞。
13.根据权利要求12所述的图像分析系统,其特征在于,所述图像分析系统还包括图像显示装置,所述图像显示装置用于将所识别出的重复拍摄的目标细胞或非重复拍摄的目标细胞进行标记显示。
14.根据权利要求13所述的图像分析系统,其特征在于,所述图像分析装置还用于:去除重复拍摄的目标细胞,输出只包含非重复拍摄的目标细胞的图像至所述图像显示装置。
15.根据权利要求12-14中任一项所述的图像分析系统,其特征在于,所述图像分析系统还包括报警装置,所述报警装置用于在所述第二图像包含的重复拍摄的目标细胞的数量达到预定数目或同一目标细胞被多次重复拍摄时发出报警信息。
16.一种图像分析系统,其特征在于,所述图像分析系统包括成像装置和图像分析装置,其中:
所述成像装置包括摄像单元,所述摄像单元拍摄涂片上待测样本中含有的目标细胞以得到第一图像和第二图像,获取所述第一图像的第一图像信息和所述第二图像的第二图像信息;
所述图像分析装置用于:
对所述第一图像信息和所述第二图像信息进行分析,确定所述第二图像在所述第一图像上的对应位置;
在所述对应位置与所述第一图像的位置的重合度大于等于预设的重合度阈值时,确定所述第一图像与所述第二图像为重复拍摄的图像,从而所述第一图像与所述第二图像上的目标细胞为彼此重复拍摄的目标细胞。
17.根据权利要求16所述的图像分析系统,其特征在于,所述图像分析系统还包括图像显示装置,所述图像显示装置用于将所识别出的重复拍摄的图像进行标记显示。
18.根据权利要求17所述的图像分析系统,其特征在于,所述图像分析装置还用于:去除所述重复拍摄的图像,只输出非重复拍摄的图像至所述图像显示装置。
19.根据权利要求16-18中任一项所述的图像分析系统,其特征在于,所述图像分析系统还包括报警装置,所述报警装置用于在所述重复拍摄的图像的数量达到预定数目时发出报警信息。
20.一种样本分析系统,包括血液分析装置、涂片制备装置、图像分析装置和控制装置,其特征在于,所述图像分析装置包括如权利要求1-19中任一项所述的图像分析系统。
21.一种用于图像分析系统识别重复细胞的方法,其特征在于,所述方法包括:
拍摄涂片上待测样本以得到第一图像,获取所述第一图像的第一图像信息;拍摄所述涂片上所述待测样本中的目标细胞以得到多个图像,获取所述多个图像中每个图像的图像信息,其中所述多个图像包括第二图像和第三图像,所述图像信息包括所述第二图像的第二图像信息和所述第三图像的第三图像信息;
对所述第二图像信息、所述第三图像信息分别与所述第一图像信息进行分析,确定所述第二图像在所述第一图像上的第一对应位置和所述第三图像在所述第一图像上的第二对应位置;
在所述第一对应位置与所述第二对应位置之间的距离小于或等于预设的距离阈值时,确定所述第二图像和所述第三图像中的目标细胞为重复拍摄的目标细胞。
22.根据权利要求21所述的方法,其特征在于,所述方法还包括:
基于所述第一对应位置和所述第二对应位置,分别获取所述第二图像上的第一目标细胞和所述第三图像上的第二目标细胞在所述第一图像上的第一对应坐标和第二对应坐标;
在所述第一对应坐标和所述第二对应坐标之间的距离小于等于所述预设的距离阈值时,确定所述第一目标细胞和所述第二目标细胞彼此为重复拍摄的目标细胞。
23.根据权利要求21所述的方法,其特征在于,所述方法还包括:
获取所述目标细胞在所述第一图像上的参考位置坐标,所述第二图像上的第一目标细胞在所述第二图像上的第一位置坐标和所述第三图像上的第二目标细胞在所述第三图像上的第二位置坐标;
基于所述第一对应位置和所述第一位置坐标获取所述第一目标细胞在所述第一图像上的第一对应坐标,以及基于所述第二对应位置和所述第二位置坐标获取所述第二目标细胞在所述第一图像上的第二对应坐标;
当所述第一对应坐标与所述参考位置坐标的第一坐标差以及所述第二对应坐标与所述参考位置坐标的第二坐标差均小于预设的坐标差阈值时,则确定所述第一目标细胞与所述第二目标细胞彼此为重复拍摄的目标细胞。
24.一种用于图像分析系统识别重复细胞的方法,其特征在于,所述方法包括:
拍摄涂片上待测样本中含有的目标细胞以得到第一图像和第二图像,获取所述第一图像的第一图像信息和所述第二图像的第二图像信息,并获取所述第一图像中的第一目标细胞在所述第一图像上的位置坐标;
对所述第一图像信息和所述第二图像信息进行分析,确定所述第二图像在所述第一图像上的对应位置;
基于所述对应位置,确定所述第二图像中的第二目标细胞在所述第一图像上的对应坐标,当所述位置坐标与所述对应坐标之间的距离小于或等于预设的距离阈值时,确定所述第一目标细胞和所述第二目标细胞为彼此重复拍摄的目标细胞。
25.一种用于图像分析系统识别重复细胞的方法,其特征在于,所述方法包括:
拍摄涂片上待测样本中含有的目标细胞以得到第一图像和第二图像,获取所述第一图像的第一图像信息和所述第二图像的第二图像信息;
对所述第一图像信息和所述第二图像信息进行分析,确定所述第二图像在所述第一图像上的对应位置;
在所述对应位置与所述第一图像的位置的重合度大于等于重合度阈值时,确定所述第一图像与所述第二图像为重复拍摄的图像,从而所述第一图像与所述第二图像上的目标细胞为彼此重复拍摄的目标细胞。
26.一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21-25中任一项所述的用于图像分析系统识别重复细胞的方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2019114247708 | 2019-12-31 | ||
CN201911424770 | 2019-12-31 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113066121A true CN113066121A (zh) | 2021-07-02 |
Family
ID=76559081
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010232115.9A Pending CN113066121A (zh) | 2019-12-31 | 2020-03-27 | 图像分析系统和识别重复细胞的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113066121A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115984341A (zh) * | 2023-03-20 | 2023-04-18 | 深圳市朗诚科技股份有限公司 | 海洋水质微生物检测方法、装置、设备及存储介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1761867A (zh) * | 2003-03-24 | 2006-04-19 | 松下电器产业株式会社 | 分析装置及分析装置中的细胞计数方法 |
CN101582117A (zh) * | 2008-05-15 | 2009-11-18 | 夏普株式会社 | 图像形成装置、图像处理装置、系统以及方法 |
CN102796699A (zh) * | 2011-05-25 | 2012-11-28 | 李福生 | 一种新型干细胞、其筛选方法、试剂盒及其用途 |
CN103430077A (zh) * | 2011-01-18 | 2013-12-04 | 体质医学股份有限公司 | 显微镜载玻片坐标系对齐 |
CN103646389A (zh) * | 2013-03-26 | 2014-03-19 | 中国科学院电子学研究所 | 一种基于几何模型的sar斜距图像同名点自动提取方法 |
CN103810696A (zh) * | 2012-11-15 | 2014-05-21 | 浙江大华技术股份有限公司 | 一种目标对象图像检测方法及装置 |
CN104112284A (zh) * | 2013-04-22 | 2014-10-22 | 阿里巴巴集团控股有限公司 | 一种图片的相似度检测方法和设备 |
CN104538036A (zh) * | 2015-01-20 | 2015-04-22 | 浙江大学 | 一种基于语义细胞混合模型的说话人识别方法 |
CN104732230A (zh) * | 2015-03-27 | 2015-06-24 | 麦克奥迪(厦门)医疗诊断系统有限公司 | 一种基于细胞核统计信息的病理图像局部特征提取方法 |
CN105513038A (zh) * | 2014-10-20 | 2016-04-20 | 网易(杭州)网络有限公司 | 图像匹配方法及手机应用测试平台 |
CN106340058A (zh) * | 2015-08-04 | 2017-01-18 | 西安蒜泥电子科技有限责任公司 | 基于多视图三维建模预处理与集中处理结合的方法及装置 |
CN108918519A (zh) * | 2018-07-05 | 2018-11-30 | 深圳辉煌耀强科技有限公司 | 一种细胞涂片图像获取与分析系统 |
CN109035216A (zh) * | 2018-07-06 | 2018-12-18 | 北京羽医甘蓝信息技术有限公司 | 处理宫颈细胞切片图像的方法及装置 |
CN109345527A (zh) * | 2018-09-28 | 2019-02-15 | 广西师范大学 | 一种基于MaskRcnn的膀胱肿瘤检测方法 |
CN109348731A (zh) * | 2016-10-14 | 2019-02-15 | 深圳配天智能技术研究院有限公司 | 一种图像匹配的方法及装置 |
CN109716160A (zh) * | 2017-08-25 | 2019-05-03 | 北京嘀嘀无限科技发展有限公司 | 用于检测车辆环境信息的方法和系统 |
CN110503123A (zh) * | 2018-05-17 | 2019-11-26 | 奥迪股份公司 | 图像定位方法、装置、计算机设备和存储介质 |
-
2020
- 2020-03-27 CN CN202010232115.9A patent/CN113066121A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1761867A (zh) * | 2003-03-24 | 2006-04-19 | 松下电器产业株式会社 | 分析装置及分析装置中的细胞计数方法 |
CN101582117A (zh) * | 2008-05-15 | 2009-11-18 | 夏普株式会社 | 图像形成装置、图像处理装置、系统以及方法 |
CN103430077A (zh) * | 2011-01-18 | 2013-12-04 | 体质医学股份有限公司 | 显微镜载玻片坐标系对齐 |
CN102796699A (zh) * | 2011-05-25 | 2012-11-28 | 李福生 | 一种新型干细胞、其筛选方法、试剂盒及其用途 |
CN103810696A (zh) * | 2012-11-15 | 2014-05-21 | 浙江大华技术股份有限公司 | 一种目标对象图像检测方法及装置 |
CN103646389A (zh) * | 2013-03-26 | 2014-03-19 | 中国科学院电子学研究所 | 一种基于几何模型的sar斜距图像同名点自动提取方法 |
CN104112284A (zh) * | 2013-04-22 | 2014-10-22 | 阿里巴巴集团控股有限公司 | 一种图片的相似度检测方法和设备 |
CN105513038A (zh) * | 2014-10-20 | 2016-04-20 | 网易(杭州)网络有限公司 | 图像匹配方法及手机应用测试平台 |
CN104538036A (zh) * | 2015-01-20 | 2015-04-22 | 浙江大学 | 一种基于语义细胞混合模型的说话人识别方法 |
CN104732230A (zh) * | 2015-03-27 | 2015-06-24 | 麦克奥迪(厦门)医疗诊断系统有限公司 | 一种基于细胞核统计信息的病理图像局部特征提取方法 |
CN106340058A (zh) * | 2015-08-04 | 2017-01-18 | 西安蒜泥电子科技有限责任公司 | 基于多视图三维建模预处理与集中处理结合的方法及装置 |
CN109348731A (zh) * | 2016-10-14 | 2019-02-15 | 深圳配天智能技术研究院有限公司 | 一种图像匹配的方法及装置 |
CN109716160A (zh) * | 2017-08-25 | 2019-05-03 | 北京嘀嘀无限科技发展有限公司 | 用于检测车辆环境信息的方法和系统 |
CN110503123A (zh) * | 2018-05-17 | 2019-11-26 | 奥迪股份公司 | 图像定位方法、装置、计算机设备和存储介质 |
CN108918519A (zh) * | 2018-07-05 | 2018-11-30 | 深圳辉煌耀强科技有限公司 | 一种细胞涂片图像获取与分析系统 |
CN109035216A (zh) * | 2018-07-06 | 2018-12-18 | 北京羽医甘蓝信息技术有限公司 | 处理宫颈细胞切片图像的方法及装置 |
CN109345527A (zh) * | 2018-09-28 | 2019-02-15 | 广西师范大学 | 一种基于MaskRcnn的膀胱肿瘤检测方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115984341A (zh) * | 2023-03-20 | 2023-04-18 | 深圳市朗诚科技股份有限公司 | 海洋水质微生物检测方法、装置、设备及存储介质 |
CN115984341B (zh) * | 2023-03-20 | 2023-05-23 | 深圳市朗诚科技股份有限公司 | 海洋水质微生物检测方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108845574B (zh) | 目标识别与追踪方法、装置、设备及介质 | |
US9704017B2 (en) | Image processing device, program, image processing method, computer-readable medium, and image processing system | |
RU2595495C2 (ru) | Устройство обработки изображений, способ обработки изображений и система обработки изображений | |
JP5538868B2 (ja) | 画像処理装置、その画像処理方法及びプログラム | |
US20170262985A1 (en) | Systems and methods for image-based quantification for allergen skin reaction | |
JP5333570B2 (ja) | 画像処理装置、プログラム及び画像処理システム | |
US20140254874A1 (en) | Method of detecting and describing features from an intensity image | |
KR100823549B1 (ko) | 조선소 소조립 용접부재 위치 인식 방법 | |
Fan et al. | Shelf detection via vanishing point and radial projection | |
US9600736B2 (en) | Pose detection using depth camera | |
US20220012884A1 (en) | Image analysis system and analysis method | |
CN109447902B (zh) | 一种图像拼接方法、装置、储存介质及设备 | |
US20170278258A1 (en) | Method Of Detecting And Describing Features From An Intensity Image | |
CN113092079B (zh) | 清晰度检测标板和方法及其系统、电子设备以及检测平台 | |
CN113125434A (zh) | 图像分析系统和控制拍摄样本图像的方法 | |
JP7020322B2 (ja) | 建築限界判定装置 | |
CN107145820B (zh) | 基于hog特征和fast算法的双眼定位方法 | |
CN113066121A (zh) | 图像分析系统和识别重复细胞的方法 | |
US8538142B2 (en) | Face-detection processing methods, image processing devices, and articles of manufacture | |
JP2014032628A (ja) | 対応点探索装置、そのプログラムおよびカメラパラメータ推定装置 | |
CN110879983B (zh) | 一种人脸特征关键点的提取方法和一种人脸图像合成方法 | |
CN113326749A (zh) | 目标检测方法、装置以及存储介质、电子设备 | |
JP6255819B2 (ja) | 計測用コンピュータプログラム、計測装置及び計測方法 | |
JP5907125B2 (ja) | 画像処理装置、プログラム及び画像処理システム | |
CN111275045A (zh) | 图像的主体识别方法、装置、电子设备和介质 |
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 |