CN113628213B - 样本分析装置及其液路检测方法、计算机可读存储介质 - Google Patents
样本分析装置及其液路检测方法、计算机可读存储介质 Download PDFInfo
- Publication number
- CN113628213B CN113628213B CN202111189263.8A CN202111189263A CN113628213B CN 113628213 B CN113628213 B CN 113628213B CN 202111189263 A CN202111189263 A CN 202111189263A CN 113628213 B CN113628213 B CN 113628213B
- Authority
- CN
- China
- Prior art keywords
- pool
- region
- bubble
- area
- determining
- 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.)
- Active
Links
- 239000007788 liquid Substances 0.000 title claims abstract description 204
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000003860 storage Methods 0.000 title claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 89
- 238000004458 analytical method Methods 0.000 claims abstract description 88
- 239000002699 waste material Substances 0.000 claims description 70
- 239000012530 fluid Substances 0.000 claims description 63
- 238000003708 edge detection Methods 0.000 claims description 24
- 230000004044 response Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 22
- 238000013102 re-test Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 24
- 210000004027 cell Anatomy 0.000 description 18
- 238000002955 isolation Methods 0.000 description 10
- 239000003153 chemical reaction reagent Substances 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 5
- 239000000243 solution Substances 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 239000013543 active substance Substances 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000000601 blood cell Anatomy 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003018 immunoassay Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 239000012780 transparent material Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 210000003722 extracellular fluid Anatomy 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000003219 hemolytic agent Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 238000002347 injection Methods 0.000 description 1
- 239000007924 injection Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- 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
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/00584—Control arrangements for automatic analysers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10004—Still image; Photographic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analytical Chemistry (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Biomedical Technology (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Hematology (AREA)
- Molecular Biology (AREA)
- Urology & Nephrology (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Dispersion Chemistry (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本申请公开了一种样本分析装置及其液路检测方法、计算机可读存储介质,该方法包括:获取样本分析装置的液路的检测图像;对检测图像进行气泡识别;根据气泡识别的结果,对样本分析装置进行相应的控制。通过上述方式,能够对样本分析装置的液路的特定位置进行气泡检测,以降低由于气泡的存在对分析结果产生的影响,提高样本分析的准确性。
Description
技术领域
本申请涉及样本分析技术领域,特别涉及一种样本分析装置及其液路检测方法、计算机可读存储介质。
背景技术
现有的样本分析设备的分析液路往往需要形成电液隔离的情形,例如血常规设备设有的后池液路、废液池、鞘液池往往不能接地,并设有电磁屏蔽,以达到电液隔离的效果。
实际上,由于一些试剂包含大量活性剂成分,若液路中有任何扰动,极易产生气泡。而气泡的产生一方面会对阻抗通道中细胞的信号质量产生影响,另一方面还会导致电液隔离失效,进而严重影响信号质量,导致对样本的分析准确度大打折扣。
发明内容
为了解决上述问题,本申请提供一种样本分析装置及其液路检测方法、计算机可读存储介质,能够对样本分析装置的液路的特定位置进行气泡检测,以降低由于气泡的存在对分析结果产生的影响,提高装置检测结果的准确性。
为解决上述技术问题,本申请采用的一个技术方案是:提供一种样本分析装置的液路检测方法,该方法包括:获取样本分析装置的液路的检测图像;对检测图像进行气泡识别;根据气泡识别的结果,对样本分析装置进行相应的控制。
其中,对检测图像进行气泡识别,包括:确定检测图像中阻抗池中的气泡候选区域;响应于气泡候选区域为封闭区域,确定气泡候选区域的面积;根据气泡识别的结果,对样本分析装置进行相应的控制,包括:根据气泡候选区域的面积,对样本分析装置进行相应的控制。
其中,确定检测图像中阻抗池中的气泡候选区域,包括:确定检测图像中阻抗池中的第一感兴趣区域;其中,第一感兴趣区域至少包括阻抗池的前池和后池的连接区域;对第一感兴趣区域进行边缘检测,以确定第一感兴趣区域中的气泡候选区域。
其中,根据气泡候选区域的面积,对样本分析装置进行相应的控制,包括:确定气泡候选区域中面积大于第一面积阈值的第一类气泡;以及确定气泡候选区域中面积小于第二面积阈值的第二类气泡;其中,第一面积阈值大于或等于第二面积阈值;根据第一类气泡的数量、第二类气泡的数量、第一类气泡数量和第二类气泡数量的比例中的任意一种,对样本分析装置进行相应的控制。
其中,根据第一类气泡的数量、第二类气泡的数量、第一类气泡数量和第二类气泡数量的比例中的任意一种,对样本分析装置进行相应的控制,包括:响应于第一类气泡的数量大于第一数量阈值,控制样本分析装置对当前样本进行重测;或响应于第二类气泡的数量小于第二数量阈值,控制样本分析装置对检测结果进行修正;或响应于第一类气泡数量和第二类气泡数量的比例满足设定比例范围,对阻抗池进行去气泡操作。
其中,对检测图像进行气泡识别,包括:确定检测图像中鞘液池或废液池的气泡候选区域;确定气泡候选区域的面积;和/或确定气泡候选区域与鞘液池或废液池的输入端口的距离;根据气泡识别的结果,对样本分析装置进行相应的控制,包括:根据气泡候选区域的面积对样本分析装置进行相应的控制;和/或根据气泡候选区域与鞘液池或废液池的输入端口的距离,对样本分析装置进行相应的控制。
其中,确定检测图像中鞘液池或废液池的气泡候选区域,包括:确定检测图像中鞘液池或废液池的液面位置;根据液面位置确定第二感兴趣区域;对第二感兴趣区域进行边缘检测,以确定第二感兴趣区域中的气泡候选区域。
其中,确定检测图像中鞘液池或废液池的液面位置,包括:确定检测图像中鞘液池或废液池的局部区域;对局部区域进行二值化处理,以确定鞘液池或废液池的液面位置。
其中,对第二感兴趣区域进行边缘检测,以确定第二感兴趣区域中的气泡候选区域,包括:对第二感兴趣区域进行边缘检测,以确定一连通区域以及连通区域内部的边缘区域;根据边缘区域确定第二感兴趣区域中的气泡候选区域。
其中,对检测图像进行气泡识别,包括:确定检测图像中管路中的气泡候选区域;响应于气泡候选区域为封闭区域,确定气泡候选区域的面积;和/或响应于气泡候选区域为封闭区域,确定气泡候选区域的移动速度;根据气泡识别的结果,对样本分析装置进行相应的控制,包括:根据气泡候选区域的面积、和/或气泡候选区域的移动速度,对样本分析装置进行相应的控制。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种样本分析装置,该样本分析装置包括液路单元、图像采集单元以及处理单元,图像采集单元用于获取液路单元的检测图像,处理单元连接图像采集单元,用于对检测图像进行气泡识别,并根据气泡识别的结果,对样本分析装置进行相应的控制。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种样本分析装置,该样本分析装置包括处理器以及连接处理器的存储器,存储器中存储有程序数据,处理器用于执行程序数据以实现如上述的方法。
为解决上述技术问题,本申请采用的另一个技术方案是:提供一种计算机可读存储介质,该计算机可读存储介质中存储有程序数据,程序数据在被处理器执行时,用以实现如上述的方法。
本申请实施例的有益效果是:区别于现有技术,本申请提供的样本分析装置包括液路单元、图像采集单元以及处理单元,该样本分析装置的液路检测方法包括:获取样本分析装置的液路的检测图像;对检测图像进行气泡识别;根据气泡识别的结果,对样本分析装置进行相应的控制。通过上述方式,可以采用图像识别的方式检测样本分析装置特定液路气泡情况,并通过气泡识别的结果进行相应的提醒,有效降低由于气泡存在导致对样本分析结果产生的影响,提高样本分析结果的准确性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。其中:
图1是本申请样本分析装置的液路检测方法一实施例的流程示意图;
图2是本申请样本分析装置一实施例的电路结构示意图;
图3是本申请图2中前池111和后池112一实施例的结构示意图;
图4是本申请对阻抗池进行气泡识别一实施例的流程示意框图;
图5是本申请步骤S21一实施例的流程示意框图;
图6是本申请对鞘液池或废液池进行气泡识别一实施例的流程示意框图;
图7是本申请步骤S31一实施例的流程示意框图;
图8是本申请步骤S311一实施例的流程示意框图;
图9是本申请步骤S313一实施例的流程示意框图;
图10是本申请对管路中气泡进行识别一实施例的流程示意框图
图11是本申请提供的样本分析装置另一实施例的结构示意图;
图12是本申请提供的样本分析装置又一实施例的结构示意图;
图13是本申请提供的计算机可读存储介质一实施例的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是,此处所描述的具体实施例仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
参阅图1,图1是本申请样本分析装置的液路检测方法一实施例的流程示意图,该方法包括:
步骤S11:获取样本分析装置的液路的检测图像。
其中,该样本分析装置可以是自动生化分析仪、免疫分析仪、血球仪等,用于对血液、体液、组织液等进行检测。可选地,以免疫分析仪为例,该样本分析装置可以包括进样机构、反应机构、孵育机构、检测机构等以及连接上述各种机构之间的管路(液路或气路)。
可以理解地,样本分析装置包括一电磁屏蔽罩,上述的至少部分机构设置于所述电磁屏蔽罩。
在本实施例中,可采用图像采集单元获取样本分析装置的液路的检测图像,该图像采集单元可设置于壳体内部。图像采集单元例如是专用摄像头、摄像机等。
步骤S12:对检测图像进行气泡识别。
由于气泡的产生会影响对样本检测的信号质量,极端情况下,液路中产生大量气泡时,还易于导致电液隔离失效,进而严重影响信号质量,对于样本分析而言,信号质量受到严重影响则会导致检测结果偏差大,降低检测的准确度,因此,气泡成为重要检测目标。
其中,气泡识别可包括对气泡数量、所占面积、气泡大小以及气泡移动速度等数据的检测。具体而言,可对检测图像进行二值化处理,判断液面位置,再利用图像膨胀算法判断液面上下的气泡位置、大小和比例,至于气泡的移动速度,则可先对检测图像进行气泡形状识别,确定气泡的位置,再根据多帧图像中气泡位置的变动,确定气泡的移动速度。对图像中特定目标进行识别的技术多种多样,上述方式仅为示意性描述,而不是对本实施例气泡识别方式的限定。
可选地,在一实施例中,样本分析装置内部设置有计算处理模块,该样本分析装置对检测图像进行气泡识别,例如可在对检测图像进行二值化处理,判断液面所在位置,再利用图像膨胀算法判断液面上气泡的大小和比例,进而确定具体液路的气泡情况。
可选地,在另一实施例中,样本分析装置将检测图像发送给服务器,以使服务器对检测图像进行气泡识别,以确定该检测图像所体现的具体液路的气泡情况。
具体地,该样本分析装置中可以设置一通信单元,例如蜂窝通信模块、WIFI模块、有线网络(如光纤)等方式,通过网络将检测图像发送给服务器。
可以理解地,服务器对检测图像的气泡识别处理方式与上述实施例中样本分析装置的处理方式类似。
步骤S13:根据气泡识别的结果,对样本分析装置进行相应的控制。
其中,本步骤可根据所检测的液路的不同,对气泡识别结果进行不同维度的分析,例如,可以是对气泡所占面积、气泡大小、气泡移动速度等数据的分析,具体地,根据气泡所占面积、气泡大小、气泡移动速度是否满足预设要求,来确定气泡量及其移动情况是否达到影响信号质量或导致电液隔离失效的程度,并在气泡识别的结果满足预设要求时,发出提醒,便于操作人员控制装置重新进行样本分析操作,或者,便于操作人员对该情况下的样本分析结果的准确度加以判别。
其中,提醒方式可以是通过视觉、听觉等方式进行提醒,例如屏幕闪烁,发出警报声。还可以是将警报信息发送给服务器,以告知服务器该本地样本分析操作的气泡存在情况。
本申请可根据特定的液路位置对检测图像进行气泡识别。具体而言,请参阅图2,图2是本申请样本分析装置一实施例的电路结构示意图。本实施例提供的样本分析装置100为血细胞分析仪,其包括阻抗池101、鞘液池102以及废液池103,以及阻抗池101、鞘液池102、废液池103之间的管路(未标示出来)。其中,阻抗池101还包括前池111和后池112,前池111设有设置有负极电极,需要接地,后池112设置有正极电极,不能接地。
后池112的液路还与废液池103和鞘液池102相连,后池112、鞘液池102以及废液池103除了不能接地之外,还被金属屏蔽罩屏蔽,金属屏蔽罩未在图中示出。因此,后池112、废液池103和鞘液池102及其相关附属管路对于“不能接地”的要求就比较高,一般情况下,需要电液隔离。
而后池112中的液体内设置有正极电极,废液池103的输入管路与鞘液池102的输出管路(输出到后池112的后鞘液,即液面部分)中的液体都是与正极电极导通的,而废液池103的输入管路(即液面部分)与鞘液池102的输入管路都是不与正极电极导通的(即接地)。因此,除了阻抗通道后池外,废液池、鞘液池的输入管路端口都明显高于液面,也就是说废液池、鞘液池的输入管路中的液体都是一滴一滴地滴入液面,从而应该在任何情况下都形成了电液隔离。
请结合参阅图2和图3,图3是本申请图2中前池111和后池112一实施例的结构示意图。其中,前池111包括样本针201、前鞘液入口202以及前鞘液出口203,后池112包括捕捉管301、后鞘液入口302以及后鞘液出口303,样本针201和捕捉管301同轴设置。在对样本进行分析时,前鞘液从鞘液池102流入前鞘液入口202,后鞘液从鞘液池102流入后鞘液入口302,样本液中的粒子从样本针201的出液口流出,在前鞘液的包裹下通过计数孔40,之后样本液和前鞘液在后鞘液的包裹下通过捕捉管301的入口进入捕捉管301,最后从废液出口流出。
但实际上由于溶血剂等试剂中包含大量活性剂成分,如果液路中有任何扰动,极易产生气泡。而气泡既会影响通过阻抗池101的细胞的信号质量,又会在极端情况下(如大量气泡)导致电液隔离失效,进而严重影响其信号质量,最终导致样本分析结果的准确度降低。
本申请在样本分析装置的工作过程中,图像采集单元可同时采集阻抗池101、鞘液池102以及废液池103的检测图像,并对检测图像进行轮廓提取,以根据轮廓特征确定检测图像中的阻抗池101、鞘液池102、废液池103以及他们之间管路区域,便于根据相应的区域进行气泡识别。
其中,阻抗池101、鞘液池102、废液池103以及他们之间的管路均由透光率高的材料制成,例如为玻璃制成的,在内部光源的照明下,图像采集单元可以方便地采集到阻抗池101、鞘液池102、废液池103、管路以及内部液体中的气泡情况图像。
可选地,在一实施例中,所述轮廓提取可以包括二值化处理。由于管路一般为透明材料制作,其内部流通的试剂也为透明,所以可以通过对检测图像进行二值化处理,其中像素值较低的为背景区域,像素值较高的为前景区域(管路区域)。
另外,在其他实施例中,也可以采用深度学习模型来进行轮廓提取,例如图像分割模型。
可选地,在轮廓提取后,可以对阻抗池101、鞘液池102、废液池103、管路区域进行图像膨胀处理,以提高识别精确度。
其中,可利用深度学习算法(例如卷积神经网络CNN)对检测图像的轮廓提取数据进行识别,以确定检测图像中阻抗池101、鞘液池102、废液池103以及他们之间相互连接的管路的具体位置。
请参阅图4,图4是本申请对阻抗池进行气泡识别一实施例的流程示意框图。本实施例包括以下步骤:
步骤S21:确定检测图像中阻抗池中的气泡候选区域。
本步骤可通过上述图像处理方式,在检测图像中确定阻抗池的区域,再在本步骤确定阻抗池中的气泡候选区域。
其中,请参阅图5,图5是本申请步骤S21一实施例的流程示意框图,步骤S21具体可以包括:
步骤S211:确定检测图像中阻抗池中的第一感兴趣区域。
其中,第一感兴趣区域至少包括阻抗池的前池和后池的连接区域。
具体请参阅图3,其中示意性地示出了第一感兴趣区域,即虚线框示出的区域A,具体来说,第一感兴趣区域为以计数孔40为中心的预设范围区域,预设范围则可根据实际装置类型、样本的类别、检测事件等进行设置。
可以理解地,可利用显微成像单元来获取阻抗池的检测图像,以提高图像检测的精度,进而提高气泡识别的准确度。
步骤S212:对第一感兴趣区域进行边缘检测,以确定第一感兴趣区域中的气泡候选区域。
本步骤可以实现对检测图像中的气泡的边缘进行检测,便于确定气泡候选区域,便于进一步确定气泡的位置和大小。
其中,边缘检测方式可以是利用Sobel算子、Laplacian算子、Canny算子等边缘检测算法实现。
步骤S22:响应于气泡候选区域为封闭区域,确定气泡候选区域的面积。
其中,对第一感兴趣区域进行边缘检测后,得到边缘检测后的图像数据,确定边缘检测后的图像数据中封闭区域为气泡候选区域,封闭区域内部的空白区域则可用于表征气泡的大小。
可选的是,气泡候选区域的面积则可直接通过Matlab(或OpenCV)的轮廓面积计算函数(例如regionprop函数)查找得出。
步骤S23:根据气泡候选区域的面积,对样本分析装置进行相应的控制。
可选地,在一实施例中,可以根据气泡候选区域的面积确定大气泡、小气泡、以及大气泡和小气泡的比例,从而进行相应的控制,具体地:
确定气泡候选区域中面积大于第一面积阈值的第一类气泡;以及确定气泡候选区域中面积小于第二面积阈值的第二类气泡;其中,第一面积阈值大于或等于第二面积阈值;根据第一类气泡的数量、第二类气泡的数量、第一类气泡数量和第二类气泡数量的比例中的任意一种,对样本分析装置进行相应的控制。
例如,响应于第一类气泡的数量大于第一数量阈值,控制样本分析装置对当前样本进行重测。在这种情况下,说明大气泡的数量较多,对检测结果的影响较大,需要进行重测。
例如,响应于第二类气泡的数量小于第二数量阈值,控制样本分析装置对检测结果进行修正。在这种情况下,说明气泡比较小且数量少,对检测结果的影响不大,只需要对结果进行校正即可。
例如,响应于第一类气泡数量和第二类气泡数量的比例满足设定比例范围,对阻抗池进行去气泡操作。其中,该设定范围表示大气泡和小气泡的数量差不多,则可以选择类似于静置一段时间的方式来进行去气泡处理,一段时间过后,再次检测气泡的大小数量,可以根据情况进行重测、校正等上述的方式。
请参阅图6,图6是本申请对鞘液池或废液池进行气泡识别一实施例的流程示意框图。本实施例包括以下步骤:
步骤S31:确定检测图像中鞘液池或废液池的气泡候选区域。
本步骤可通过上述图像处理方式在检测图像中确定鞘液池或废液池的区域,再在本步骤确定鞘液池或废液池中的气泡候选区域。
请参阅图7,图7是本申请步骤S31一实施例的流程示意框图,步骤S31具体可以包括:
步骤S311:确定检测图像中鞘液池或废液池的液面位置。
可以理解地,图像采集单元的视场位于鞘液池或废液池液面平均位置处,便于同时采集液面上下的气泡图像。
请参阅图8,图8是本申请步骤S311一实施例的流程示意框图。具体可以包括以下步骤:
S3111:确定检测图像中鞘液池或废液池的局部区域。
本步骤可通过上述图像处理方式,在检测图像中确定鞘液池或废液池的局部区域,不再赘述。
S3112:对局部区域进行二值化处理,以确定鞘液池或废液池的液面位置。
由于样本分析装置内部的鞘液池或废液池一般为透明材料制作,其内部流通的试剂也为透明,所以可以通过对检测图像进行二值化处理,其中像素值较高的较平整边缘为液面位置。
步骤S312:根据液面位置确定第二感兴趣区域。
在其中一实施例中,第二感兴趣区域为液面位置上方预设范围内的区域。具体而言,由于密度小于液体,多数气泡浮于液体表面,在检测图像上则体现为,气泡位于液面位置的上方。此处,上方指的是除液体外的气体环境。
在另一实施例中,第二感兴趣区域为液面位置上方以及下方预设范围内的区域,例如为液面位置上方距离液面位置的第一预设距离处,到液面位置上方距离液面位置的第二预设距离处所圈定的区域。如此,可以同时检测到液面上下的所有气泡。
步骤S313:对第二感兴趣区域进行边缘检测,以确定第二感兴趣区域中的气泡候选区域。
本步骤对第二感兴趣区域进行边缘检测,便于确定气泡候选区域,便于进一步确定气泡的位置和大小。
其中,边缘检测方式可以是利用Sobel算子、Laplacian算子、Canny算子等边缘检测算法实现。
请参阅图9,图9是本申请步骤S313一实施例的流程示意框图。具体可以包括以下步骤:
步骤S3131:对第二感兴趣区域进行边缘检测,以确定一连通区域以及连通区域内部的边缘区域。
可选地,对于第二感兴趣区域为液面位置上方预设范围内的区域的情况,若在液面上方检测到高出液面较多的边缘像素,则有可能为气泡;同理,第二感兴趣区域为液面位置上方以及下方预设范围内的区域的情况,若在液面下方检测到低于液面较多的边缘像素,也可能是位于液面以下的气泡。
对第二感兴趣区域进行边缘检测后,所提取到的边缘形成一个整体连通区域,将该连通区域确定为气泡存在的区域,通过连通区域内部的边缘区域则可确定气泡的具体区域。
步骤S3132:根据边缘区域确定第二感兴趣区域中的气泡候选区域。
由于连通区域内部可能包括1个或1个以上的气泡,若有多个气泡,则可根据连通区域内部的边缘区域确定具体的气泡候选区域。
可选的是,步骤S31之后,还对气泡候选区域进行图像膨胀处理。具体而言,结构元素参数可设置为较高数值,或者,进行多次图像膨胀处理,以使较小的直接被图像膨胀处理成一个封闭形状,而气泡不再是一个环形,大气泡内部空白仍保留。此般操作可降低由于小气泡分布杂乱而对气泡识别准确度带来的不利影响。
步骤S32:确定气泡候选区域的面积,和/或确定气泡候选区域与鞘液池或废液池的输入端口的距离。
其中,气泡候选区域的面积计算同样可依靠Matlab(或OpenCV)的轮廓面积计算函数(例如regionprop函数)查找得出。
可以理解地,气泡候选区域与鞘液池(或废液池)的输入端口的距离,则可通过液面位置的高度、液面位置上方的气泡的高度以及鞘液池(或废液池)的底部与输入端口的距离联合计算得出,亦可直接通过图像识别算法识别出液面上方最高处的气泡像素与鞘液池(或废液池)的输入端口像素距离。
步骤S33:根据气泡候选区域的面积对样本分析装置进行相应的控制;和/或根据气泡候选区域与鞘液池或废液池的输入端口的距离,对样本分析装置进行相应的控制。
其中,对于气泡候选区域的面积,也可以采用上述类似的方式:
确定气泡候选区域中面积大于第一面积阈值的第一类气泡;以及确定气泡候选区域中面积小于第二面积阈值的第二类气泡;其中,第一面积阈值大于或等于第二面积阈值;根据第一类气泡的数量、第二类气泡的数量、第一类气泡数量和第二类气泡数量的比例中的任意一种,对样本分析装置进行相应的控制。
例如,响应于第一类气泡的数量大于第一数量阈值,控制样本分析装置对当前样本进行重测。在这种情况下,说明大气泡的数量较多,对检测结果的影响较大,需要进行重测。
例如,响应于第二类气泡的数量小于第二数量阈值,控制样本分析装置对检测结果进行修正。在这种情况下,说明气泡比较小且数量少,对检测结果的影响不大,只需要对结果进行校正即可。
例如,响应于第一类气泡数量和第二类气泡数量的比例满足设定比例范围,对阻抗池进行去气泡操作。其中,该设定范围表示大气泡和小气泡的数量差不多,则可以选择类似于静置一段时间的方式来进行去气泡处理,一段时间过后,再次检测气泡的大小数量,可以根据情况进行重测、校正等上述的方式。
其中,对于气泡候选区域与废液池、鞘液池的输入管路端口的距离,可以理解地,废液池、鞘液池的输入管路端口都明显高于液面,也就是说输入管路中的液体都是一滴一滴地滴入废液池、鞘液池的,理论上而言,其形成了可靠的电液隔离。但如果废液池、鞘液池中存在高出液面位置较多的气泡,其具有较大的导电嫌疑,若气泡导电,则会导致电液隔离的失效。因此,在气泡候选区域与鞘液池或废液池的输入端口的距离小于设定距离阈值时,予以提醒,有利于减少由于气泡产生对分析结果产生的不利影响。
可以理解地,对上述上述实施例中进行气泡异常的检测后,除了上述的重测、校正、去气泡等,还可以进行相应的提醒,以告知工作人员气泡异常。进一步,由于液面附近或者液面以上区域的气泡较大或者较多,可以判断气液隔离可能即将失效,可以选择静置等待气泡消失,或者采用减少加液或加快排液的方式减少废液池、鞘液池中的液体以进一步减小气液隔离失效的可能。
请参阅图10,图10是本申请对管路中气泡进行识别一实施例的流程示意框图。包括以下步骤:
步骤S41:确定检测图像中管路中的气泡候选区域。
管路,包括阻抗池101、鞘液池102以及废液池103之间的两两连接的管路,还可包括样本分析装置内的其他液体输送管路。
步骤S42:响应于气泡候选区域为封闭区域,确定气泡候选区域的面积;和/或响应于气泡候选区域为封闭区域,确定气泡候选区域的移动速度。
其中,对第一感兴趣区域进行边缘检测后,得到边缘检测后的图像数据,确定边缘检测后的图像数据中封闭区域为气泡候选区域,封闭区域内部的空白区域则可用于表征气泡的大小。
可选的是,气泡候选区域的面积则可直接通过Matlab(或OpenCV)的轮廓面积计算函数(例如regionprop函数)查找得出。
可选地,气泡候选区域的移动速度可以通过获取连续多帧图像,利用多帧图像中气泡候选区域的聚焦特征(气泡区边界或气泡区中心)的位置移动,确定气泡候选区域的移动速度。
具体而言,气泡候选区域的面积可以表征管路中气泡的量,进而可以表征管路中的液体有无或液量的大小,气泡候选区域的移动速度则可以表征管路中液体的流动速度。因此。本实施例可通过气泡候选区域的面积和气泡候选区域的移动速度来检测管路中的液体情况。
步骤S43:根据气泡候选区域的面积、和/或气泡候选区域的移动速度,对样本分析装置进行相应的控制。
本步骤可在气泡候选区域的面积异常或气泡候选区域的移动速度异常时,进行提醒,操作员可根据异性判断当前样本分析装置是否出现异常,在样本分析装置的样本或试剂检测单元故障时,可通过气泡候选区域的面积和移动速度信息对管路中的液体(包括样本、试剂等)进行检测,以防对样本分析操作或对装置造成严重影响。
区别于现有技术,本申请通过对样本分析装置的阻抗池、鞘液池、废液池以及管路进行图像采集,获取其检测图像,并分别对阻抗池、鞘液池、废液池进行相应的气泡识别操作,进行电液隔离有效性监测,以防止气泡的产生导致电液隔离失效而影响检测结果准确性。此外,对管路的气泡识别,可增加对管路中液体的监测,防止样本分析装置其他管路液体检测单元失效导致管路液体异常反馈滞后的情况发生,提升装置的异常监测可靠性。
请参阅图11,图11是本申请样本分析装置一实施例的结构示意框图。该样本分析装置400包括液路单元410、图像采集单元420以及处理单元430,其中,图像采集单元420用于获取液路单元410的检测图像,处理单元430连接图像采集单元420,用于对检测图像进行气泡识别,并根据气泡识别的结果,对样本分析装置进行相应的控制。
可选地,液路单元410包括阻抗池、鞘液池、废液池中的至少一种。其中,阻抗池、鞘液池、废液池均未在图中示出。
可选地,样本分析装置400还包括一电磁屏蔽罩(图中未示出),液路单元410和图像采集单元420设置于电磁屏蔽罩内。
可选地,图像采集单元420的数量为一个,图像采集单元420的视场覆盖阻抗池,鞘液池,废液池,以及阻抗池、鞘液池、废液池之间的管路。其中,图像采集单元420为显微成像单元。
可选地,图像采集单元420包括至少第一图像采集单元(未示出)和第二图像采集单元(未示出),第一图像采集单元的视场覆盖阻抗池的前池和后池的连接区域;第二图像采集单元的视场覆盖鞘液池,废液池,以及阻抗池、鞘液池、废液池之间的管路。
其中,第一图像采集单元为显微成像单元,通过该显微成像单元,可获取阻抗池的前池和后池的连接区域的高精度放大图像。
处理单元430处理执行的各步骤的描述请参照上述本申请样本分析装置的液路检测方法实施例的各步骤的描述,在此不再赘述。
参阅图12,图12是本申请样本分析装置又一实施例的结构示意图,该样本分析装置500包括处理器510和存储器520,存储器520中存储有程序数据,处理器510用于执行程序数据以实现如下的方法:
获取样本分析装置的液路的检测图像,对检测图像进行气泡识别,并根据气泡识别的结果,对样本分析装置进行相应的控制。
处理器510关于处理执行的各步骤的描述请参照上述本申请样本分析装置的液路检测方法实施例的各步骤的描述,在此不再赘述。
参阅图13,图13是本申请计算机可读存储介质一实施例的结构示意图,该计算机可读存储介质600中存储有程序数据610,该程序数据610在被处理器执行时,用于执行如下方法:
获取样本分析装置的液路的检测图像,对检测图像进行气泡识别,并根据气泡识别的结果,对样本分析装置进行相应的控制。
程序数据610在被处理器执行时,关于处理执行的各步骤的描述请参照上述本申请样本分析装置的液路检测方法实施例的各步骤的描述,在此不再赘述。
在本申请所提供的几个实施方式中,应该理解到,所揭露的方法以及设备,可以通过其它的方式实现。例如,以上所描述的设备实施方式仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是根据本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (13)
1.一种样本分析装置的液路检测方法,其特征在于,所述方法包括:
获取样本分析装置的液路的检测图像;
对所述检测图像进行气泡识别;包括:确定所述检测图像中阻抗池中的第一感兴趣区域;其中,所述第一感兴趣区域至少包括所述阻抗池的前池和后池的连接区域;对所述第一感兴趣区域进行边缘检测,以确定所述第一感兴趣区域中的气泡候选区域;响应于所述气泡候选区域为封闭区域,确定所述气泡候选区域的面积;
根据所述气泡识别的结果,对所述样本分析装置进行相应的控制;包括:确定所述气泡候选区域中面积大于第一面积阈值的第一类气泡;以及确定所述气泡候选区域中面积小于第二面积阈值的第二类气泡;其中,所述第一面积阈值大于或等于所述第二面积阈值;
响应于所述第一类气泡的数量大于第一数量阈值,控制所述样本分析装置对当前样本进行重测;或
响应于所述第二类气泡的数量小于第二数量阈值,控制所述样本分析装置对检测结果进行修正;或
响应于所述第一类气泡数量和所述第二类气泡数量的比例满足设定比例范围,对所述阻抗池进行去气泡操作。
2.根据权利要求1所述的方法,其特征在于,
所述对所述检测图像进行气泡识别,包括:
确定所述检测图像中鞘液池或废液池的气泡候选区域;
确定所述气泡候选区域的面积;和/或
确定所述气泡候选区域与所述鞘液池或所述废液池的输入端口的距离;
所述根据所述气泡识别的结果,对所述样本分析装置进行相应的控制,包括:
根据所述气泡候选区域的面积对所述样本分析装置进行相应的控制;和/或
根据所述气泡候选区域与所述鞘液池或所述废液池的输入端口的距离,对所述样本分析装置进行相应的控制。
3.根据权利要求2所述的方法,其特征在于,
所述确定所述检测图像中鞘液池或废液池的气泡候选区域,包括:
确定所述检测图像中鞘液池或废液池的液面位置;
根据所述液面位置确定第二感兴趣区域;
对所述第二感兴趣区域进行边缘检测,以确定所述第二感兴趣区域中的气泡候选区域。
4.根据权利要求3所述的方法,其特征在于,
所述确定所述检测图像中鞘液池或废液池的液面位置,包括:
确定所述检测图像中所述鞘液池或所述废液池的局部区域;
对所述局部区域进行二值化处理,以确定所述鞘液池或所述废液池的液面位置。
5.根据权利要求3所述的方法,其特征在于,
所述对所述第二感兴趣区域进行边缘检测,以确定所述第二感兴趣区域中的气泡候选区域,包括:
对所述第二感兴趣区域进行边缘检测,以确定一连通区域以及所述连通区域内部的边缘区域;
根据所述边缘区域确定所述第二感兴趣区域中的气泡候选区域。
6.根据权利要求1所述的方法,其特征在于,
所述对所述检测图像进行气泡识别,包括:
确定所述检测图像中管路中的气泡候选区域;
响应于所述气泡候选区域为封闭区域,确定所述气泡候选区域的面积;和/或
响应于所述气泡候选区域为封闭区域,确定所述气泡候选区域的移动速度;
所述根据所述气泡识别的结果,对所述样本分析装置进行相应的控制,包括:
根据所述气泡候选区域的面积、和/或所述气泡候选区域的移动速度,对所述样本分析装置进行相应的控制。
7.一种样本分析装置,其特征在于,所述样本分析装置包括:
液路单元,所述液路单元包括阻抗池;
图像采集单元,用于获取所述液路单元的检测图像;
处理单元,连接所述图像采集单元,用于确定所述检测图像中阻抗池中的第一感兴趣区域,其中,所述第一感兴趣区域至少包括所述阻抗池的前池和后池的连接区域,并对所述第一感兴趣区域进行边缘检测,以确定所述第一感兴趣区域中的气泡候选区域;响应于所述气泡候选区域为封闭区域,确定所述气泡候选区域的面积;确定所述气泡候选区域中面积大于第一面积阈值的第一类气泡;以及确定所述气泡候选区域中面积小于第二面积阈值的第二类气泡;其中,所述第一面积阈值大于或等于所述第二面积阈值;
处理单元还用于响应于所述第一类气泡的数量大于第一数量阈值,控制所述样本分析装置对当前样本进行重测;或
响应于所述第二类气泡的数量小于第二数量阈值,控制所述样本分析装置对检测结果进行修正;或
响应于所述第一类气泡数量和所述第二类气泡数量的比例满足设定比例范围,对所述阻抗池进行去气泡操作。
8.根据权利要求7所述的样本分析装置,其特征在于,
所述液路单元包括阻抗池、鞘液池、废液池中的至少一种。
9.根据权利要求8所述的样本分析装置,其特征在于,
所述样本分析装置还包括一电磁屏蔽罩,所述液路单元和所述图像采集单元设置于所述电磁屏蔽罩内。
10.根据权利要求9所述的样本分析装置,其特征在于,
所述图像采集单元的数量为一个,所述图像采集单元的视场覆盖所述阻抗池,所述鞘液池,所述废液池,以及所述阻抗池、所述鞘液池、所述废液池之间的管路。
11.根据权利要求9所述的样本分析装置,其特征在于,
所述图像采集单元包括至少第一图像采集单元和第二图像采集单元;
所述第一图像采集单元的视场覆盖所述阻抗池的前池和后池的连接区域;
所述第二图像采集单元的视场覆盖所述鞘液池,所述废液池,以及所述阻抗池、所述鞘液池、所述废液池之间的管路。
12.一种样本分析装置,其特征在于,所述样本分析装置包括处理器以及连接所述处理器的存储器,所述存储器中存储有程序数据,所述处理器用于执行所述程序数据以实现如权利要求1-6任一项所述的方法。
13.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有程序数据,所述程序数据在被处理器执行时,用以实现如权利要求1-6任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111189263.8A CN113628213B (zh) | 2021-10-12 | 2021-10-12 | 样本分析装置及其液路检测方法、计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111189263.8A CN113628213B (zh) | 2021-10-12 | 2021-10-12 | 样本分析装置及其液路检测方法、计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113628213A CN113628213A (zh) | 2021-11-09 |
CN113628213B true CN113628213B (zh) | 2022-02-18 |
Family
ID=78391174
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111189263.8A Active CN113628213B (zh) | 2021-10-12 | 2021-10-12 | 样本分析装置及其液路检测方法、计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113628213B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114486914A (zh) * | 2022-01-24 | 2022-05-13 | 北京印刷学院 | 一种复合薄膜气泡快速检测的装置及方法 |
CN114384263B (zh) * | 2022-03-22 | 2022-08-30 | 深圳市帝迈生物技术有限公司 | 样本分析装置的液路状态检测方法、装置及可读存储介质 |
CN114755437B (zh) * | 2022-06-13 | 2022-11-08 | 深圳市帝迈生物技术有限公司 | 样本分析仪及其液路系统和样本分析方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021196742A1 (zh) * | 2020-04-03 | 2021-10-07 | 深圳市帝迈生物技术有限公司 | Poct血细胞分析仪及其检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097542B (zh) * | 2019-04-19 | 2023-09-12 | 中山大学 | 芯片气泡的检测方法、装置及存储介质 |
CN112858661B (zh) * | 2019-11-28 | 2022-10-28 | 深圳市帝迈生物技术有限公司 | 样本检测系统及样本分析仪 |
CN113066076B (zh) * | 2021-04-12 | 2022-08-26 | 北京理工大学 | 胶管泄露检测方法、装置、设备及存储介质 |
-
2021
- 2021-10-12 CN CN202111189263.8A patent/CN113628213B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021196742A1 (zh) * | 2020-04-03 | 2021-10-07 | 深圳市帝迈生物技术有限公司 | Poct血细胞分析仪及其检测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113628213A (zh) | 2021-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113628213B (zh) | 样本分析装置及其液路检测方法、计算机可读存储介质 | |
CN108577803B (zh) | 基于机器学习的眼底图像检测方法、装置及系统 | |
CN106442908B (zh) | 基于红色斑马鱼应激行为的水质异常检测与分级报警方法 | |
CN110376198A (zh) | 一种宫颈液基细胞切片质量检测系统 | |
CN110687050B (zh) | 一种基于图像识别的水质监测系统和监测方法 | |
Hortinela et al. | Identification of abnormal red blood cells and diagnosing specific types of anemia using image processing and support vector machine | |
US20110090247A1 (en) | Particle image analysis method and apparatus | |
CN110728681B (zh) | 一种Mura缺陷检测方法及装置 | |
CN110378313A (zh) | 细胞团识别方法、装置及电子设备 | |
JP2011027656A (ja) | 粒子画像解析装置 | |
AU2022283636B2 (en) | A microfluidic image analysis system | |
CN115047610B (zh) | 一种自动拟合显微对焦平面的染色体核型分析装置及方法 | |
CN114549528B (zh) | 一种微液滴数字pcr液滴检测方法及系统 | |
CN114494197A (zh) | 一种复杂性小样本脑脊液细胞识别与分类方法 | |
CN113504238A (zh) | 一种玻璃表面缺陷采集装置及检测方法 | |
CN102636656B (zh) | 一种全自动尿有形成分分析仪的校准方法 | |
KR101991452B1 (ko) | 유두위치 검출 방법, 유방 이미지 표시방법 및 유두위치 검출 장치 | |
CN114384263B (zh) | 样本分析装置的液路状态检测方法、装置及可读存储介质 | |
US20200376491A1 (en) | Portable urine detection device and method | |
CN113514123A (zh) | 一种采血管血清液位检测方法和装置 | |
CN109175763B (zh) | 一种埋弧焊钢管焊缝焊偏量参数的检测仪 | |
CN114913987A (zh) | 检测方法 | |
Gunraj et al. | SolderNet: Towards trustworthy visual inspection of solder joints in electronics manufacturing using explainable artificial intelligence | |
JP5171519B2 (ja) | 粒子自動分析装置の画面表示方法 | |
Del Bimbo et al. | Accurate evaluation of HER-2 amplification in FISH images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |