CN113420653A - 一种细菌细胞形态学综合检测分析方法、装置及可读介质 - Google Patents
一种细菌细胞形态学综合检测分析方法、装置及可读介质 Download PDFInfo
- Publication number
- CN113420653A CN113420653A CN202110693531.3A CN202110693531A CN113420653A CN 113420653 A CN113420653 A CN 113420653A CN 202110693531 A CN202110693531 A CN 202110693531A CN 113420653 A CN113420653 A CN 113420653A
- Authority
- CN
- China
- Prior art keywords
- image
- analysis
- slide
- focusing
- target
- 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
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/24—Base structure
- G02B21/241—Devices for focusing
- G02B21/244—Devices for focusing using image analysis techniques
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
- G02B21/365—Control or image processing arrangements for digital or video microscopes
- G02B21/367—Control or image processing arrangements for digital or video microscopes providing an output produced by processing a plurality of individual source images, e.g. image tiling, montage, composite images, depth sectioning, image comparison
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- General Physics & Mathematics (AREA)
- Optics & Photonics (AREA)
- Multimedia (AREA)
- Image Processing (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Microscoopes, Condenser (AREA)
Abstract
本发明提供一种细菌细胞形态学综合检测分析方法、装置及可读介质,通过设计细胞扫描分析与细菌细胞扫描分析系统,两种分析在共有的硬件条件下,进行不同需求分析方法;本发明可以基于数据库里的形态图库及数据进行分析处理,当出现新的细胞或细菌形态,软件无法识别出来时,医务人员人工选择一次后,数据库就会根据人工选择的形态进行学习保存,下一次在遇到近似的或相同的会按上一次工结果判读,本发明解放了检验医师双眼、减轻了工作量、大大节省以往对于学习形态学看片学习时间。
Description
技术领域
本发明涉及医学检测领域,尤其涉及一种细菌细胞形态学综合检测分析方法、装置及可读介质。
背景技术
在以往细菌、细胞形态学鉴定检测过程,都是人为检测,通过将待测试样与溶液混合制成玻片,由由医生在显微镜下观察,因不同的检测试样中细菌、细胞的种类繁多,成分复杂,细胞相互交织和面积大小不易区分等特点,增加了医务人员的操作难度,而且这种凭借医务人员经验判断的检测方式,掺杂了许多主观因素,效率低下、精度不高,致使人工识别的持久性、稳定性和客观性难以保证,同时在长期大量使用显微镜后,会对医务人员造成白内障等职业病。
因此,亟需一种细菌细胞形态学综合检测分析方法、装置及可读介质,以解决上述技术问题。
发明内容
本发明提供了一种细菌细胞形态学综合检测分析方法、装置及可读介质,可大幅提高工作效率,使得整个细菌、细胞形态学鉴定过程中标准化,提高了后期检测的准确性,降低了以往检查对人的生物危害性与职业性伤害。
一方面,本发明提供了一种细菌细胞形态学综合检测分析方法,所述方法包括:
从测定试样中获取玻片对焦图像的清晰度;
根据所述玻片对焦图像的清晰度,确定玻片的最佳对焦位置;
根据玻片的最佳对焦位置对所述玻片进行扫描,得到扫描图像;
根据所述扫描图像进行深层聚焦点处理,得到各目标的清晰图像;
根据所述各目标的清晰图像分析处理计算出仿射变换矩阵;
根据所述仿射变换矩阵对各目标的清晰图像进行拼接、融合处理;
对所述拼接、融合处理后的图像进行灰度处理,并分割出目标区域;
利用前期训练过的数据模型对所述目标区域分析处理,得出分析结果,其中,所述前期训练过的数据模型包括目标图像的建模和/或目标图像的模型训练。
进一步的,所述玻片最佳对焦位置的确定包括:
对载物台上的物体进行CCD成像,得到图像信号;
获取所述图像信号,将所述图形信号转换为数字信号,传输至计算机;
利用计算机的调焦软件对数字信号进行清晰度计算,分析图像的离焦状态,其中,所述分析图像的离焦状态包括重复比较图像的清晰度;
根据所述离焦状态,向控制系统发送是否调整成像位置的转向信号,当对焦图像为最清晰的目标图像时,该目标图像为玻片的最佳对焦位置,否则,继续向所述控制系统发送调整成像位置的转向信号。
进一步的,从测定试样中获取玻片对焦图像的清晰度包括:
对所述对焦图像进行清晰度评价计算,所述清晰度评价的计算公式为:
Z0=max{F(k)}
其中,I(x,y)代表点(x,y)处的图像灰度值,M、N分别为二维图像的长和宽,Z0为最终计算的最佳焦面位置,F(k)的值反映了图像系列第k幅图像在图像窗口内的灰度变化率大小。
进一步的,从测定试样中获取玻片对焦图像的清晰度包括:
对所述对焦图像进行清晰度评价计算,所述清晰度评价的计算公式为:
Z0=max{L}
其中,其中,f(x,y)代表点(x,y)处的图像灰度值,Z0为最终计算的最佳焦面位置。
进一步的,根据所述各目标的清晰图像分析处理计算出仿射变换矩阵包括:
获取多图像的特征点,所述多图像的特征点的获取是对扫描后的图像进行处理,计算出每张图像的角点数据获得的;
根据多图像的特征点,计算出仿射变换矩阵。
进一步的,所述方法还包括:
对所述分析结果进行筛选,其中,所述筛选包括根据细菌或细胞的分类进行分类处理;
获取所述的筛选数据,将该筛选数据并记录存储。
另一方面,本发明还提供了一种检测分析装置,包括:
清晰度取得部,从测定试样中获取玻片对焦图像的清晰度;
位置确定部,根据所述玻片对焦图像的清晰度,确定玻片的最佳对焦位置;
图像扫描部,根据玻片的最佳对焦位置对所述玻片进行扫描,得到扫描图像;
图像处理部,根据所述扫描图像进行深层聚焦点处理,得到各目标的清晰图像;
分析部,根据所述各目标的清晰图像分析处理计算出仿射变换矩阵;
图像拼接、融合部,根据所述仿射变换矩阵对各目标的清晰图像进行拼接、融合处理;
区域分割部,对所述拼接、融合处理后的图像进行灰度处理,并分割出目标区域;
数据处理部,利用前期训练过的数据模型对所述目标区域分析处理,得出分析结果。
另一方面,本发明还提供了一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理执行时实现如上述任一项所述的一种细菌细胞形态学综合检测分析方法。
应当理解的是,以上的一般描述和后面的细节描述仅仅是示例性和解释性的,并不能限制本公开。
与现有技术相比,本发明提供的一种细菌细胞形态学综合检测分析方法、装置及可读介质具有如下优点:
1、解放了检验医师双眼,和减轻了工作量,大大节省以往对于学习形态学看片的学习时间;
2、自动对焦调节图像、分析图像实时处理结果,能够大大提高了设备的使用效率,同时也给用户使用带来极大的方便;
显然,上述有关本发明优点的描述是概况性的,更多的优点描述将体现在后续的实施例揭示中,以及,本领域技术人员也可以本发明所揭示的内容合理地发明本发明的其他诸多优点。
本发明附加的方面和优点将在下面的描述中给出,并且本发明的优点将在下面的描述中变得明显或通过本发明的实践了解到。
附图说明
图1为本发明一实施例的细菌细胞形态学综合检测分析方法流程示意图。
图2为本发明一实施例的细胞扫描分析与细菌扫描分析的流程图。
图3为本发明一实施例的图像清晰度自动调焦的原理框图。
图4是示出软件拼接步骤的流程图。
图5是检测分析装置拆分的功能模块架构图。
具体实施方式
现将详细参考本公开的当前实施例,其实例在附图中得以说明。只要有可能,相同元件符号在图式及描述中用来表示相同或相似部分。
在本公开的示范性实施例中,细菌、细胞形态学综合检测分析装置是一种对组织进行病理分析的医用设备,举例来说,主要应用于临床、疾控、质检等部门的各类专业微生物实验室的微生物涂片染色的自动化设备。应注意,细胞和细菌均为透明体,观察其形态必须染上颜色才能在显微镜下观察到其形态,不同的细菌和细胞根据不同的检测需要进行不同的染色液。
本发明通过细菌、细胞形态学综合检测分析装置提供对应的推断逻辑,指引出合理的检测分析方案,辅助医务人员更好地决策鉴定结果。
为实现上述目标,采用以下方案:细胞扫描分析与细菌细胞扫描分析,两种分析在共有的硬件条件下,进行不同的需求分析方法。
接下来,参照图1-图5,对检测分析方法的处理流程进行说明。
所述方法包括:
S100:从测定试样中获取玻片对焦图像的清晰度;
首先,鉴定者需要获得测定试样。具体而言,鉴定者通过从血液、白带、尿液、精液、前列腺液、痰液、关节液、胸水、腹水、粪便、乳汁、唾液、鼻咽分泌物、泪液、脓汁、羊水等提取出细菌或细胞,通过离心、稀释、搅拌、染色等公知处理,进行标本涂片,均匀涂一层在玻片中间,以方便进行染色,染色前可根据不同的检测领域,更换相对应的染色液。将染色好的玻片放入到显微镜下(如10X100)滴油对焦检测,以获取玻片对焦图像的清晰度,其中,显微镜可根据不同的检测项目更换,如更换成:光学显微镜、荧光显微镜、暗视野显微镜、相差显微镜等。
S200:根据所述玻片对焦图像的清晰度,确定玻片的最佳对焦位置;
光学显微镜物镜成像原理来自于高斯公式:1/L'-1/L=1/f'。对于定焦距物镜来说,确定系统后,焦距f'不变,因此只能靠调整物面沿光轴方向的变化位置才能得到清晰的物镜像,物镜像通过投影物镜把物镜像再次成像到CCD光靶面上。因此调焦的实质就是指沿光轴方向改变物面与物镜的相对位置,使物像关系满足高斯关系,以获得清晰的物镜像的工作过程。
图像清晰度自动调焦是一种直接调焦方法,通过对成像的清晰度进行图像处理实现自动调焦。其原理图如图3所示,系统中载物台上物体经物镜和投影物镜成像于CCD上,采集卡将CCD传感器采集到的图像信号转换成数字信号至计算机上,由计算机的调焦软件对图像进行清晰度计算,并分析图像的离焦状态,然后通过RS232接口发送指令给电机驱动控制系统来调整电机的转向。通过重复的比较图像的清晰度,直到找到最清晰的图像为止。
S300:根据玻片的最佳对焦位置对所述玻片进行扫描,得到扫描图像;
在上述实施例中,在确定好最佳的对焦位置后,通过CCD把显微镜下的情况进行拍照传输。
S400:根据所述扫描图像进行深层聚焦点处理,得到各目标的清晰图像;
理想的清晰度评价函数应该满足单峰性、准确性、重复精度高、信噪比高;调焦范围大,适用范围广,对光强波动、图像噪声等不过分敏感,并且应该具有较小的计算量,以满足快速调焦的要求。本申请基于图像清晰度评价函数的不同特征,针对不同待检元件图像的特点,提供了以下几种算法图像清晰度评价函数,来得到各目标的清洗图像。
算法一:清晰度评价的计算公式为:
Z0=max{F(k)}
其中,I(x,y)代表点(x,y)处的图像灰度值,M、N分别为二维图像的长和宽,Z0为最终计算的最佳焦面位置,F(k)的值反映了图像系列第k幅图像在图像窗口内的灰度变化率大小;一幅图像越模糊,图像中灰度变化率越小,F(k)的值越小。图像由模糊变清晰时,图像中的灰度变化率由小变大。最大值的F(k)对应的图像就是最清晰的图像。
算法二:清晰度评价函数的技术公式为:
Z0=max{L}
其中,其中,f(x,y)代表点(x,y)处的图像灰度值,Z0为最终计算的最佳焦面位置。在测定试样中,本申请的梯度参数是通过计算相邻步距间的评价函数的差值作为噪声滤波器,相对于中值滤波和平均滤波的方法,该方法计算量小,在数字滤波方面可减少图像处理的工作量,从而提高了自动调焦的速度。
所以设计显微镜自动调焦是提高显微镜测量精度的关键。其图像清晰度评价函数的选取更是实现自动调焦的重要环节。在图像处理过程中,可针对不同特征图像选取适当的清晰度评价函数进行编程处理,以实现显微镜的自动调焦。
S500:根据所述各目标的清晰图像分析处理计算出仿射变换矩阵;
S600:根据所述仿射变换矩阵对各目标的清晰图像进行拼接、融合处理;
图4是示出软件拼接步骤的流程图。参照该图对步骤S500-S600的图像处理进行说明,在本实施例场景中,软件的拼接过程包括以下几个步骤:
1、用基于特征的图像匹配,获取特征点,其中,用Points方法来获取角点数据,通过扫描后得到的图像,对每一张图像进行计算其角点数据,然后根据角点数据依次进行排序,为计算出变换矩阵做好准备;
2、根据多图像的特征点,计算出仿射变换矩阵。得到的变换矩阵后可以进行对图像拼接。
3、根据仿射变换矩阵进行拼接;
4、拼接后要进行图像的融合处理。
在本实施场景中,对于整个图像我们选择一个窗口作为我们实际观察的部分,如果一个点上下左右移动后他周围的灰度变化比较大,那么他应该就是一个角点,如果沿一个方向变化大一个方向变化小,那么他就很可能是一条线。这样我们通过设定一个固定窗口,对比其左右变化就可以得到区域中的角点,然后通过算法来计算出角点数据。
S700:对所述拼接、融合处理后的图像进行灰度处理,并分割出目标区域;
S800:利用前期训练过的数据模型对所述目标区域分析处理,得出分析结果,其中,所述前期训练过的数据模型包括目标图像的建模和/或目标图像的模型训练。
在数据模型的实施场景中,AI数据库会根据不同的检测领域,根据检测项目大量采集细菌和细胞的形态图案及大量的数据训练,形成对应检测内容的数据库,结合自动学习功能,当出现新的细胞或细菌形态,数据库无法识别出其形态时,医务人员人工选择一次后,数据库就会根据人工选择的形态进行学习,通过人工把细菌或细胞判别后,数据库会根据人工的判定结果自动生成数据,日后在遇到相同或类似形态时,会根据人工判定结果出具结果。
本公开的示例中,在得出分析结果后,需要对数据进行筛选,根据细菌或细胞的分类进行分类处理,将分析得到的结果记录存储,然后人工进行确认审核,最后保存相关数据,出报告单。
在一种实施例中,本发明提供一种检测分析装置,所述检测分析装置储存有多条指令,所述指令适用于由处理其加载细菌细胞形态学综合检测分析方法并执行,包括:
清晰度取得部,从测定试样中获取玻片对焦图像的清晰度;
位置确定部,根据所述玻片对焦图像的清晰度,确定玻片的最佳对焦位置;
图像扫描部,根据玻片的最佳对焦位置对所述玻片进行扫描,得到扫描图像;
图像处理部,根据所述扫描图像进行深层聚焦点处理,得到各目标的清晰图像;
分析部,根据所述各目标的清晰图像分析处理计算出仿射变换矩阵;
图像拼接、融合部600,根据所述仿射变换矩阵对各目标的清晰图像进行拼接、融合处理;
区域分割部,对所述拼接、融合处理后的图像进行灰度处理,并分割出目标区域;
数据处理部,利用前期训练过的数据模型对所述目标区域分析处理,得出分析结果。
为了便于描述,将所述检测分析装置拆分为功能模块架构,如图5所示,包括:处理器单元、图像获取单元、控制系统、显示单元、镜头切换单元、显微镜单元、蠕动泵;
处理器单元,主要是用于对图像进行获取,图像的处理分析,与控制系统进行通信控制,输出检测结果到显示单元。图像获取单元,用于对低倍和高倍图像的获取。控制系统,用于对显微镜的平台进行精确控制和镜头的切换控制,输出蠕动泵控制信号。显示单元,用于显示处理器采集的图像与检测分析后的结果。镜头切换单元,用于低倍镜与高倍镜的切换工作。显微镜单元,用于获取放大图像的部件。蠕动泵,用于对高倍镜进行滴加镜油。
在上述实施例中,其中的图像获取单元包括相机;图像的采集包括相机、处理器及存储设备。
本发明还提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理执行时实现上述所述的一种细菌细胞形态学综合检测分析方法。
所述电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例所述的应用程序多开方法中的全部或部分流程,也可以通过计算机程序来指相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上文方法实施例的步骤。其中,所述算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
本申请的说明书和权利要求书中,词语“包括/包含”和词语“具有/包括”及其变形,用于指定所陈述的特征、数值、步骤或部件的存在,但不排除存在或添加一个或多个其他特征、数值、步骤、部件或它们的组合。
本发明的一些特征,为阐述清晰,分别在不同的实施例中描述,然而,这些特征也可以结合于单一实施例中描述。相反,本发明的一些特征,为简要起见,仅在单一实施例中描述,然而,这些特征也可以单独或以任何合适的组合于不同的实施例中描述。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包括在本发明的保护范围之内。
Claims (8)
1.一种细菌细胞形态学综合检测分析方法,其特征在于,所述方法包括:
从测定试样中获取玻片对焦图像的清晰度;
根据所述玻片对焦图像的清晰度,确定玻片的最佳对焦位置;
根据玻片的最佳对焦位置对所述玻片进行扫描,得到扫描图像;
根据所述扫描图像进行深层聚焦点处理,得到各目标的清晰图像;
根据所述各目标的清晰图像分析处理计算出仿射变换矩阵;
根据所述仿射变换矩阵对各目标的清晰图像进行拼接、融合;
对所述拼接、融合处理后的图像进行灰度处理,并分割出目标区域;
利用前期训练过的数据模型对所述目标区域分析处理,得出分析结果,其中,所述前期训练过的数据模型包括目标图像的建模和/或目标图像的模型训练。
2.根据权利要求1所述的一种细菌细胞形态学综合检测分析方法,其特征在于,所述玻片最佳对焦位置的确定包括:
对载物台上的物体进行CCD成像,得到图像信号;
获取所述图像信号,将所述图形信号转换为数字信号,传输至计算机;
利用计算机的调焦软件对数字信号进行清晰度计算,分析图像的离焦状态,其中,所述分析图像的离焦状态包括重复比较图像的清晰度;
根据所述离焦状态,向控制系统发送是否调整成像位置的转向信号,当对焦图像为最清晰的目标图像时,该目标图像为玻片的最佳对焦位置,否则,继续向所述控制系统发送调整成像位置的转向信号。
5.根据权利要求1所述的一种细菌细胞形态学综合检测分析方法,其特征在于,根据所述各目标的清晰图像分析处理计算出仿射变换矩阵包括:
获取多图像的特征点,所述多图像的特征点的获取是对扫描后的图像进行处理,计算出每张图像的角点数据获得的;
根据多图像的特征点,计算出仿射变换矩阵。
6.根据权利要求2所述的一种细菌细胞形态学综合检测分析方法,其特征在于,所述方法还包括:
对所述分析结果进行筛选,其中,所述筛选包括根据细菌或细胞的分类进行分类处理;
获取所述的筛选数据,将该筛选数据并记录存储。
7.一种检测分析装置,其特征在于,包括:
清晰度取得部,从测定试样中获取玻片对焦图像的清晰度;
位置确定部,根据所述玻片对焦图像的清晰度,确定玻片的最佳对焦位置;
图像扫描部,根据玻片的最佳对焦位置对所述玻片进行扫描,得到扫描图像;
图像处理部,根据所述扫描图像进行深层聚焦点处理,得到各目标的清晰图像;
分析部,根据所述各目标的清晰图像分析处理计算出仿射变换矩阵;
图像拼接、融合部,根据所述仿射变换矩阵对各目标的清晰图像进行拼接、融合处理;
区域分割部,对所述拼接、融合处理后的图像进行灰度处理,并分割出目标区域;
数据处理部,利用前期训练过的数据模型对所述目标区域分析处理,得出分析结果。
8.一种计算机可读介质,其上存储有计算机程序,其特征在于,所述程序被处理执行时实现如权利要求1-6中任一项所述的一种细菌细胞形态学综合检测分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110693531.3A CN113420653A (zh) | 2021-06-22 | 2021-06-22 | 一种细菌细胞形态学综合检测分析方法、装置及可读介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110693531.3A CN113420653A (zh) | 2021-06-22 | 2021-06-22 | 一种细菌细胞形态学综合检测分析方法、装置及可读介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113420653A true CN113420653A (zh) | 2021-09-21 |
Family
ID=77717707
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110693531.3A Pending CN113420653A (zh) | 2021-06-22 | 2021-06-22 | 一种细菌细胞形态学综合检测分析方法、装置及可读介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113420653A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1553165A (zh) * | 2003-12-19 | 2004-12-08 | 武汉大学 | 一种多光谱细胞涂片自动分析仪及其用于宫颈细胞的分析方法 |
JP2012173087A (ja) * | 2011-02-21 | 2012-09-10 | Sony Corp | 画像処理装置、画像処理方法及び画像処理プログラム |
CN107274386A (zh) * | 2017-05-18 | 2017-10-20 | 深思考人工智能机器人科技(北京)有限公司 | 一种宫颈细胞液基涂片人工智能辅助阅片系统 |
CN111275016A (zh) * | 2020-03-03 | 2020-06-12 | 湖南国科智瞳科技有限公司 | 一种玻片扫描影像采集与分析方法及装置 |
CN111504885A (zh) * | 2020-04-04 | 2020-08-07 | 电子科技大学 | 一种基于机器视觉的全自动血涂片形态分析装置 |
-
2021
- 2021-06-22 CN CN202110693531.3A patent/CN113420653A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1553165A (zh) * | 2003-12-19 | 2004-12-08 | 武汉大学 | 一种多光谱细胞涂片自动分析仪及其用于宫颈细胞的分析方法 |
JP2012173087A (ja) * | 2011-02-21 | 2012-09-10 | Sony Corp | 画像処理装置、画像処理方法及び画像処理プログラム |
CN107274386A (zh) * | 2017-05-18 | 2017-10-20 | 深思考人工智能机器人科技(北京)有限公司 | 一种宫颈细胞液基涂片人工智能辅助阅片系统 |
CN111275016A (zh) * | 2020-03-03 | 2020-06-12 | 湖南国科智瞳科技有限公司 | 一种玻片扫描影像采集与分析方法及装置 |
CN111504885A (zh) * | 2020-04-04 | 2020-08-07 | 电子科技大学 | 一种基于机器视觉的全自动血涂片形态分析装置 |
Non-Patent Citations (2)
Title |
---|
夏薇: "显微图像自动拼接与融合技术研究", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
蒋海华: "基于图像清晰度评价函数的显微镜自动调焦技术研究", 《光学技术》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6086949B2 (ja) | 色原体分離に基づく画像解析の方法 | |
US6453060B1 (en) | Method and apparatus for deriving separate images from multiple chromogens in a branched image analysis system | |
Dastidar et al. | Whole slide imaging system using deep learning-based automated focusing | |
DE60226043T2 (de) | Verfahren für quantitative video-mikroskopie und vorrichtung und programm zur durchführung des verfahrens | |
US7417213B2 (en) | Apparatus and method for rapid microscopic image focusing having a movable objective | |
JP5461630B2 (ja) | 合焦位置を決定する方法及びビジョン検査システム | |
CA2698236C (en) | Methods and systems for processing biological specimens utilizing multiple wavelengths | |
US9607372B2 (en) | Automated bone marrow cellularity determination | |
JP2024019639A (ja) | 顕微鏡システム、プログラム、及び、投影画像生成方法 | |
CN109001902A (zh) | 基于图像融合的显微镜聚焦方法 | |
He et al. | Microscope images automatic focus algorithm based on eight-neighborhood operator and least square planar fitting | |
JPWO2019171909A1 (ja) | 画像処理方法、画像処理装置及びプログラム | |
US20200074628A1 (en) | Image processing apparatus, imaging system, image processing method and computer readable recoding medium | |
CN113420653A (zh) | 一种细菌细胞形态学综合检测分析方法、装置及可读介质 | |
US20210174147A1 (en) | Operating method of image processing apparatus, image processing apparatus, and computer-readable recording medium | |
CN114518362A (zh) | 精子质量分析装置、系统、方法及可读存储介质 | |
GB2610426A (en) | System and method for identifying and counting biological species | |
CN109856015B (zh) | 一种癌细胞自动诊断的快速处理方法及其系统 | |
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 | |
CN118151361A (zh) | 一种样本图像分析设备和样本图像的成像方法 | |
KR101873318B1 (ko) | 세포 이미징 장치 및 그 방법 | |
Bell et al. | Fully automated screening of immunocytochemically stained specimens for early cancer detection | |
Sarala | Hardware and software integration and testing for the automation of bright-field microscopy for tuberculosis detection | |
Pinidiyaarachchi et al. | On color spaces for cytology |
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: 20210921 |