CN113631982A - 自动化显微扫描系统和方法 - Google Patents
自动化显微扫描系统和方法 Download PDFInfo
- Publication number
- CN113631982A CN113631982A CN202080023456.3A CN202080023456A CN113631982A CN 113631982 A CN113631982 A CN 113631982A CN 202080023456 A CN202080023456 A CN 202080023456A CN 113631982 A CN113631982 A CN 113631982A
- Authority
- CN
- China
- Prior art keywords
- scan
- coarse
- grid cell
- acceptable
- view
- 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 237
- 238000011156 evaluation Methods 0.000 claims abstract description 43
- 210000004027 cell Anatomy 0.000 claims description 1071
- 239000010408 film Substances 0.000 claims description 77
- 239000010409 thin film Substances 0.000 claims description 62
- 201000004792 malaria Diseases 0.000 claims description 44
- 244000045947 parasite Species 0.000 claims description 43
- 210000003743 erythrocyte Anatomy 0.000 claims description 34
- 210000004369 blood Anatomy 0.000 claims description 27
- 239000008280 blood Substances 0.000 claims description 27
- 210000000265 leukocyte Anatomy 0.000 claims description 26
- 230000008569 process Effects 0.000 abstract description 140
- 238000004458 analytical method Methods 0.000 description 94
- 239000000523 sample Substances 0.000 description 92
- 238000000386 microscopy Methods 0.000 description 44
- 239000012472 biological sample Substances 0.000 description 34
- 230000015654 memory Effects 0.000 description 20
- 238000012854 evaluation process Methods 0.000 description 18
- 238000001303 quality assessment method Methods 0.000 description 15
- 238000010801 machine learning Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 239000012528 membrane Substances 0.000 description 11
- 238000007431 microscopic evaluation Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 8
- 230000003287 optical effect Effects 0.000 description 6
- 238000002360 preparation method Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 5
- 241000894007 species Species 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000000712 assembly Effects 0.000 description 3
- 238000000429 assembly Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 241001156002 Anthonomus pomorum Species 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007717 exclusion Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 239000002356 single layer Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 241000223960 Plasmodium falciparum Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008570 general process Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- -1 patient Substances 0.000 description 1
- 108091008695 photoreceptors Proteins 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1425—Optical investigation techniques, e.g. flow cytometry using an analyser being characterised by its control arrangement
-
- 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
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1429—Signal processing
-
- 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
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1429—Signal processing
- G01N15/1433—Signal processing using image recognition
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/0004—Microscopes specially adapted for specific applications
- G02B21/002—Scanning microscopes
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/0004—Microscopes specially adapted for specific applications
- G02B21/002—Scanning microscopes
- G02B21/0024—Confocal scanning microscopes (CSOMs) or confocal "macroscopes"; Accessories which are not restricted to use with CSOMs, e.g. sample holders
- G02B21/008—Details of detection or image processing, including general computer control
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/693—Acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- 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
- G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
-
- 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
- G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
- G01N2015/012—Red blood cells
-
- 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
- G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
- G01N2015/016—White blood cells
-
- 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
- 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
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N2015/1486—Counting the particles
-
- G—PHYSICS
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/24—Base structure
- G02B21/26—Stages; Adjusting means therefor
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Dispersion Chemistry (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Microscoopes, Condenser (AREA)
Abstract
实现了用于自动化显微扫描系统的工艺和技术，其中显微镜系统在扫描窗中的粗间隔位置执行“搜寻模式”操作直到获得可接受的质量扫描结果。然后系统在包含具有可接受的扫描结果的位置的网格单元内的所有视场上执行详细扫描。系统对整个网格单元的扫描结果执行另一次评估，如扫描结果总体上可接受，则系统进行到执行“扫描模式”操作。扫描模式操作包括从搜寻模式操作中扫描和评估与可接受的网格单元相邻的一或多个网格单元内的所有视场。系统可依次执行搜寻模式操作和扫描模式操作，编译关于扫描处理的方面的信息，直到满足一或多个终止标准为止。
Description
技术领域
本公开总体上涉及显微技术，并且更具体地涉及用于改进样品分析的自动化显微扫描。
背景技术
生物样品的显微分析是卫生保健和生命科学的许多领域的核心技术。显微技术在其中起关键作用的一个重要领域是疾病(例如疟疾)的诊断和治疗。
世界卫生组织的当前教育材料描述了用于疟疾显微镜检查的方法，该方法包括制备带有血液样品的显微镜载玻片，并用吉姆萨(Giemsa)染料对血液样品进行染色以提高可见度。传统上，沉积在显微载玻片上的血液样品包括厚膜和薄膜。厚膜是较厚的部分，在给定的区域中包含更多的血液(例如，大约10-20个红细胞厚度)，并且通常用于疟疾寄生虫的初步诊断和定量。薄膜是相对较薄的部分(例如理想地是单层的红细胞)，并且通常用于确认疟疾寄生虫的种类。
血液样品的显微分析可以由合格的人员手动进行，但是，也已经开发了自动或半自动化显微镜系统以向医疗提供者和研究者提供有价值的帮助。商业上可用的自动化显微镜系统的代表性示例包括麦克奥迪
的EasyScan Go系统以及各种其他商业上可用的自动化显微镜系统。尽管使用这种现有技术的显微镜系统已经获得了非常理想的结果，但是仍有进一步发展和改进的空间。
发明内容
本公开教导了用于改进生物样品分析的自动化显微扫描系统和方法。在至少一些实现方式中，根据本公开的技术和工艺可以识别包含生物样品(例如血液)的显微镜载玻片的区域，可以识别适合于显微分析的样品的各种区域和子区域，并且可以提供扫描策略以确保有效且高效地扫描样品的足够高质量区域，以提供对样品的适当的分析。在一些实现方式中，这样的系统可以基于载玻片的初始低放大率(或宏观)图像使用机器学习方法(例如深度学习或其他区域检测方法)来识别载玻片的厚膜区域和薄膜区域以及厚膜区域和薄膜区域的边界。
简而言之，在至少一些实现方式中，显微镜系统在样品的一部分上限定扫描窗，该扫描窗包括多个网格单元，每个网格单元包含多个视场。然后，系统在整个扫描窗中的粗间隔位置执行“搜寻模式”操作。更具体地，在一个位置执行显微扫描，并对其进行评估以确定扫描结果的质量。该系统在整个样品的各个粗间隔位置连续扫描和评估扫描结果，直到获得质量可接受的扫描结果为止。然后，系统在包含具有可接受的扫描结果的位置的网格单元内的所有视场上执行详细扫描。系统对整个网格单元的扫描结果执行另一次评估，并且如果网格单元的扫描结果总体上是可接受的，则系统进行到执行“扫描模式”操作。更具体地说，扫描模式操作包括从搜寻模式操作中扫描和评估与可接受的网格单元相邻的一个或多个网格单元内的所有视场。然后，系统依次执行附加的搜寻模式操作和扫描模式操作，编译扫描处理的一个或多个方面，直到满足一个或多个终止标准为止，此时扫描处理结束。
更具体地，在至少一些实现方式中，一种显微镜系统包括：显微镜组件，其配置用于获得对样品内视场的显微扫描，所述显微镜组件能运行以执行操作，所述操作包括：将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的各个网格单元的尺寸被设定为包括多个视场；并且限定包括多个粗间隔网格单元的粗间隔网格图案。在至少一些实现方式中，每个粗间隔网格单元与其他粗间隔网格单元不相邻。
然后所述系统执行搜寻模式操作，其包括：在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；并且如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量。所述搜寻模式操作还包括，如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作。
然后所述显微镜组件执行扫描模式操作，其包括：在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描；评估来自在所述一个或多个相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译。
然后所述显微镜组件执行操作，所述操作包括：如果不满足用于终止扫描操作的一个或多个标准，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行搜寻模式操作；并且如果满足用于终止扫描操作的所述一个或多个标准，则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
在至少一些实现方式中，所述样品包括血液样品的厚膜或薄膜中的至少一者，并且其中，用于终止扫描操作的一个或多个标准包括：所扫描的可接受的视场的总数、所计算的白细胞总数、所计算的红细胞总数、所计算的疟疾寄生虫总数、在搜寻模式操作期间经过的时间量、在扫描模式操作期间经过的时间量、或经过的总时间量中的一者或多者。
该概述意在提供根据本公开的实现方式的一些示例性方面的介绍。它并非意在提供所有可能实现方式的详尽解释，因此应被解释为仅仅是对以下公开内容的介绍而非限制。
附图说明
图1是其中可以实现根据本公开的工艺和技术的显微环境的示意图。
图2是自动化显微镜的侧视截面图。
图3示出了根据本公开的显微镜检查处理的实施方案。
图4示出了载玻片上的生物样品的一组图像的实施方案。
图5示出了根据本公开的用于确定用于分析的载玻片的适合性的处理。
图6示出了根据本公开的扫描和评估处理。
图7示出了根据本公开的位于厚膜上方的扫描窗的示意图。
图8示出了在厚膜的详细扫描期间获得的类型的代表性扫描结果。
图9示出了根据本公开的具有总共二十五个视场的可接受的网格单元的放大图。
图10示出了根据本公开的可接受的网格单元和相邻网格单元的周围周界的放大图。
图11示出了根据本公开的另一扫描和评估处理。
图12示出了根据本公开的定位在薄膜上方的扫描窗的示意图。
图13示出了在详细扫描薄膜期间获得的类型的代表性扫描结果。
图14示出了被划分为网格单元并且包括在扫描模式操作期间被确定为可接受的网格单元的扫描窗的实现方式。
图15和图16示出了在附加扫描模式操作后的图14的扫描窗。
图17示出了根据本公开的显微镜检查处理的另一实施方案。
图18示出了用于实现本公开的一个或多个方面的计算系统的示意图。
图19和20示出了根据本公开的粗间隔网格单元的替代实施方案。
具体实施方式
现在将公开用于改进的用于生物样品分析的显微扫描系统的工艺和技术。在以下描述中，在附图中描述和示出了某些实现方式的许多具体细节。本领域的技术人员将理解，本公开可以具有其他可能的实现方式，并且可以在有或没有以下描述中阐述的某些具体细节的情况下实践这样的其他实现方式。另外，应认识到，尽管可以以特定顺序或相对于某些附图或某些实施方案描述各个方面，但是应当理解，可以以各种方式组合或重新排序这些方面以创建保持与本公开的范围和以下阐述的权利要求相一致的替代实现方式。
本公开教导了自动化显微镜工艺和技术以用于改进对生物样品的分析。更具体地，在至少一些实现方式中，根据本公开的系统可以自主地识别包含生物样品(例如血液)的显微镜载玻片的区域，可以识别适合于显微分析的样品的各种区域和子区域，以及可以提供自动化扫描策略以确保有效且高效地扫描样品的足够高质量区域以提供对样品的适当分析。在一些实现方式中，此类系统可使用机器学习方法(例如，深度学习或其他区域检测方法)基于载玻片的初始低放大率(或宏观)图像来识别载玻片的厚膜区域和薄膜区域。
在至少一些实现方式中，根据本公开的系统可以在区域内的各个视场处捕获高放大率图像，并且可以遵循考虑了对每个区域的用于分析的适合性的评估的扫描策略。根据适合性评估，确定下一次详细扫描在样品(厚膜或薄膜)内捕获的位置。这样的系统可以继续自动捕获和分析详细的高放大率扫描，直到满足预定标准(例如，指定为分析而捕获的白细胞或红细胞的总数的标准等)。
如以下更全面地描述的，根据本公开的工艺和技术可以通过以下方式有利地减少扫描时间：减少所扫描的低质量视场的数量，减少操作者选择载玻片合适的区域所需的时间和精力，以及减少拒绝质量差的载玻片所需的时间。这样的工艺和技术对于许多载玻片的批量成像或对于对生物样品进行时间敏感的分析可能特别有价值。
图1是用于实现根据本公开的工艺和技术的显微环境100的示意图。在该实现方式中，显微环境100包括自动化显微镜组件110，自动化显微镜组件110具有显微镜112(以虚线示出)以及载物台114，该显微镜112用于观看显微镜载玻片上的样品，而载物台114用于支撑和定位载玻片以进行显微分析。自动化显微镜组件110代表可以根据在此公开的工艺和技术来配置和操作(或修改以操作)的显微镜系统的许多类型、模型和变体，并且在下面关于图2进行了更全面的描述。
如图1进一步所示，载玻片120(为清楚起见放大了)包括用于显微镜检查的生物样品。在该实现方式中，载玻片120包括血液样品，该血液样品以对于疟疾显微镜检查属于常规的方式沉积为厚膜124和薄膜126。在该实现方式中，载玻片120还包括识别器部分122，该识别器部分122提供与血液样品相关联的识别信息(例如，患者、样品类型、日期、来源、出处数据等)。如上所述，厚膜124理想地是在每个给定区域包含较多的血液(例如，大约10-20个红细胞厚度)的较厚的部分，并且通常用于疟疾寄生虫的初始诊断和定量，而薄膜126是相对较薄的部分(例如理想地是单层红细胞)，并且通常用于确认疟原寄生虫的种类。适当制备载有用于疟疾显微镜检查的血液样品的载玻片的程序通常是已知的，例如在世界卫生组织的“疟疾显微镜检查标准操作程序”中进行了描述(例如，当前可在网址“apps.who.int/iris/handle/10665/274382”获得)。还存在用于该程序的专用载玻片系统。参见例如授予Delahunt等人的美国专利No.9,453,996。
如图1进一步所描绘的，在至少一些实现方式中，载玻片120可以与其他载玻片固定到载玻片托盘130上，并且载玻片托盘130可以放置在自动化显微镜组件110的载物台114上。载物台114可以被自动化以使得自动化显微镜组件110能可控地设定载玻片120的位置，以进行成像、扫描和分析，如本文中更全面所述的。自动化显微镜组件110可以可操作地耦合到计算系统140，该计算系统140具有用于输入用户命令的键盘142和用于显示分析结果的显示器144，该分析结果诸如载玻片120上的厚膜124和薄膜126的高放大率图像146。
图2是图1的自动化显微镜组件110的侧视截面示意图。应理解的是，图2中所示的自动化显微镜组件110仅仅是一种代表性的可用于实现根据本公开的工艺和技术的实施方案，并且显微镜组件的多种替代实施方案可被适当地采用。在该实现方式中，显微镜组件110包括可操作地耦合到存储器204和输入/输出(I/O)端口206的主控制器202。主控制器202通常包括一个或多个处理器和电路，根据执行本文所述的工艺和技术的要求，其被配置用于接收和解释指令(例如，存储在存储器204中的指令，通过I/O端口206提供的指令等)，用于向自动化显微镜组件110的其他组件提供控制信号，以及从自动化显微镜组件110的其他组件接收回信息。在替代实现方式中，主控制器202可以被配置为执行所描述的操作中的至少一些，而附加操作可以由经由I/O端口206可操作地耦合至显微镜组件110的一个或多个分离的处理部件(例如，图1的计算系统140)来执行。
如图2所示，主控制器202可操作地耦合到载物台控制器208，该载物台控制器控制机动载物台210(例如，机动载物台210可以是图1的载物台114的至少一部分)，以相对于显微镜112可控制地定位载玻片120。在该实现方式中，显微镜112通常包括可操作地耦合到定位器214的物镜组件212。定位器控制器216可操作地耦合以接收来自主控制器202的控制信号并向定位器214提供信号以可控制地调整物镜组件212的操作，例如调整放大率、位置或其他操作参数。在操作中，光源218由主控制器202控制，以经由一个或多个照明光学器件222提供照明光220，以照明载玻片120上的血液样品(或其他生物样品)。相机224可操作地耦合以接收来自显微镜112的光或其他合适的信号，并且可以由主控制器202控制以获得载玻片120上的样品图像，然后可以将该样品图像存储在存储器204中或通过I/O端口206输出到其他设备(例如，图1的计算机系统140)。
如前所述，自动化显微镜组件110只是适合于实现根据本公开的工艺和技术的显微镜组件的一个代表性实施方案。其他合适的自动化显微镜组件通常包括但不限于可从麦克奥迪
蔡司
和伯腾
商购获得的那些系统，以及授权给Soenksen的美国专利No.9,851,550和授权给Raz等人的美国专利No.6,049,421中公开的系统和系统类型。显微扫描系统也可以与图像分析系统一起使用，图像分析系统例如授权给Champlin等人的美国专利No.9,836,839和No.10,061,972中所述的。
图3示出了根据本公开的显微镜检查处理300的实施方案。在该实施方案中，显微镜检查处理300包括在310定位用于分析的载玻片，例如将载玻片120放置在自动化显微镜组件110的机动载物台210上，以及操作机动载物台210以将载玻片120相对于显微镜112定位在适当的位置。处理300还包括在312获得载玻片的“宏观图像”，诸如通过使用显微镜组件110的相机224获得。如本文所用，术语载玻片的“宏观图像”是指载玻片的至少一部分的图像，其显示载玻片上足够(例如全部或基本上全部)的生物样品，以能够确定载玻片上的一个或多个感兴趣区域(例如，厚膜区域、薄膜区域等)的位置和范围。
例如，图4示出了生物样品的一组图像的一实施方案，该组图像包括可以通过显微镜检查处理300获得(在312)的类型的载玻片420的宏观图像400。在该实施方案中，载玻片420包括识别器部分422，其提供有关生物样品的信息(例如，患者姓名等)、有关患者血液的厚膜424的信息、和有关患者血液的薄膜426的信息，其中厚膜424和薄膜426优选地适合于疟疾的检测和诊断。图4还示出了一组六个视场(FOV)图像(用字母“a”至“f”标记)，其表示可以使用自动化显微镜组件110的显微镜112获得的类型的薄膜426的各个部分的放大视图。从显微镜检查处理300的角度来看，该六个FOV图像可以被归类为具有不可接受的用于分析的质量(例如，FOV图像“a”、“b”和“f”)或可接受的用于分析的质量(例如，FOV图像“c”、“d”和“e”)。更具体地，在至少一些实施方案中，可以将FOV图像“a”和“b”认为缺乏单个细胞的足够的分辨率和清晰度，而FOV图像“f”可能包含太少的细胞和较差的细胞分辨率，因此对于显微镜检查处理300的至少一些实现方式，可以被分类为不可接受或不可用。此外，在至少一些实现方式中，FOV图像“c”至“e”可以被认为没有遭受这些不合格特征，因此在至少某些实现方式中可以被分类为是可接受和可用的。应当理解，可以在载玻片420的厚膜424内获得相似的FOV图像，具有相似的结果，即可以认为厚膜424内的一些FOV图像对于显微镜检查处理300的至少一些实现方式是可接受的，而其他则可以认为是不可接受的，如下文更充分地描述的。
再次参考图3，显微镜检查处理300还包括在314分析载玻片的宏观图像以确定用于疟疾分析的载玻片的适合性。例如，在至少一些实现方式中，分析载玻片的宏观图像(在314)可以包括执行如图5所示的适合性分析处理。
在图5所示的实施方案中，确定用于分析的载玻片的适合性的处理500包括在502提供用于分析的载玻片的宏观图像，然后在510对载玻片执行初始质量评定。应当理解，初始质量评定(在510)可以涉及旨在进行载玻片的初始筛选的一种或多种操作，以便在进行到更详细的显微镜操作之前确定载玻片的一般适合性。例如，在图5所示的实现方式中，执行初始质量评定(在510)包括在512基于宏观图像评定膜的一个或多个质量特性。在至少一些实现方式中，(在512)基于载玻片的宏观图像评定膜的一个或多个质量特性包括确定以下各项中的一项或多项：组成、曝光、焦点、清晰度、锐度、亮度或任何其他合适的特征。在进一步的实现方式中，例如，(在512)基于宏观图像评定膜的一个或多个质量特性可以包括评定通常已知的被称为“布伦纳(Brenner)分数”(或“布伦纳聚焦分数”)的特征，其例如在授权给Zahniser的美国专利No.9,041,791中所公开的。
在514，处理500包括(在512)基于对一个或多个质量特征的评定来确定载玻片的质量最初是否可接受。如果(在514)确定载玻片的质量不可接受，则处理500继续进行以在516提供指示载玻片不适合分析的指示。可替代地，如果(在514)确定载玻片的质量可以接受，则处理500可以包括在518执行图像识别以确定在载玻片上存在厚膜和薄膜。在至少一些实现方式中，(在518)执行图像识别以确定在载玻片上存在厚膜和薄膜可能涉及使用一个或多个图像识别模型执行一个或多个机器学习操作。这样的图像识别模型是众所周知的，并用于多种图像识别工艺和技术中，例如，在“Deep Learning for Generic ObjectDetection:A Survey”by Li Liu et al.,arXiv:1809.02165[cs.CV],6Sept.,2018中所描述的。
简而言之，在至少一些实现方式中，机器学习操作可以包括在520使用已知对象的已知良好图像来训练一个或多个图像识别模型。该一个或多个图像识别模型可以包括例如卷积神经网络(CNN)模型、具有CNN的区域(RCNN)模型、深度CNN(DCNN)模型、单发检测(SSD)模型或任何其他合适的图像识别模型。在至少一些实现方式中，可以对提供用于分析的图像进行处理以确定图像(框)的哪些区域包含(或不包含)一个或多个对象(例如厚膜、薄膜等)。该确定基于从每个区域(或框)内的图像部分中提取的特征。使用一个或多个图像识别模型计算特征，并使用包含已知对象的已知良好图像对特征进行训练。区域根据其是否包含一个或多个对象进行分类。更具体地，在至少一些实现方式中，可以将区域分类为包含厚膜还是薄膜。以这种方式，在至少一些实现方式中，可以使用机器学习操作来执行图像识别以确定载玻片上的厚膜和薄膜的存在(在518)。
在图5所示的(在510)对载玻片的初始质量评定还包括在522确定载玻片是否适合进一步分析(例如，载玻片既包括厚膜又包括薄膜)。如果(在522)确定载玻片不适合(例如没有既包括厚膜又包括薄膜)，则处理500进行到在516提供用于分析的载玻片的不适合性的指示。在另一种实现方式中，图像不包括厚膜(不管是否存在薄膜)的确定导致该处理继续进行至提供不适合性的指示。在不特定于常规疟疾显微镜检查的其他实现方式中，确定图像不包括其他类型的生物样品(例如，组织切片)导致该处理继续进行至提供不适合性的指示。
替代地，如果(在522)确定载玻片是合适的(例如，既包括厚膜又包括薄膜)，则处理500可以可选地包括在524提供宏观图像，以用于一个或多个识别模型的将来的训练。然后，适合性评定处理500继续进行至在步骤526提供用于分析的载玻片的适合性的指示。最后，在提供适合性的指示(在526)之后，或者在提供不适合性的指示(在516)之后，处理500在528结束或继续其他操作。
再次回到图3，在分析载玻片的宏观图像(在314)之后，显微镜检查处理300还包括在316(例如，基于来自适合性分析处理500的结果)确定载玻片是否适合于疟疾分析。如果(在316)确定载玻片不适合疟疾分析，则处理300继续进行以在318确定是否存在更多可用于分析的载玻片，如果存在，则处理300返回以在310定位新的载玻片以进行分析，并且对于新的载玻片，重复上述操作310到316。
或者，如果(在316)确定载玻片适合于疟疾分析，则处理300继续进行至在320分析载玻片的宏观图像以确定厚膜和薄膜的边界。使用自动化显微镜组件自动检测显微镜载玻片(例如厚膜424，薄膜426)上的生物样品边界的技术是众所周知的，并且包括但不限于市售产品
的样品边界确定能力，或总体上由授权给Fein等人的美国专利No.7,151,246、授权给McLaren等人的美国专利No.7,558,415、授权给Baumfalk等人的美国专利No.8,107,715和授权给Pollak等人的美国专利No.10,093,957公开的工艺和技术。
继续参考图3，显微镜检查处理300还包括在322对厚膜执行扫描和分析操作。(在322)在厚膜上执行的扫描和分析操作可以包括可以以各种合适的实现方式执行的许多详细操作，并且将在下面关于附图更全面地描述。简而言之，在至少一些实现方式中，(在322)在厚膜上执行的扫描和分析操作可包括一个或多个准备操作，随后是所谓的“搜寻模式”操作，该“搜寻模式”操作涉及评估在相对较粗间隔开的各个位置上跨越所需生物样品(例如厚膜424、薄膜426等)的许多不同位置的显微图像。一旦使用搜寻模式操作识别出提供(或最初看起来提供)可接受质量的显微扫描结果的可接受位置，则操作(在322)然后可以执行所谓的“扫描模式”操作，其中详细扫描显微图像在接近于从搜寻模式确定的可接受位置的相对密集(closely-spaced)位置处执行。在成功执行详细的扫描模式操作之后，操作(在322)可以返回到搜寻模式操作，并且可以继续在搜寻模式操作和扫描模式操作之间进行迭代，直到满足一个或多个期望标准为止。在下面更全面地描述(在322)在厚膜上执行的扫描和分析操作的各种可能的实现方式的附加细节。
在图3所示的实现方式中，显微镜检查处理300还包括在324确定厚膜内是否存在疟疾寄生虫。该确定(在324)可以基于(在322)在厚膜上的扫描和分析操作的结果，其可以是通常涉及自动化图像识别工艺和技术，该工艺和技术被配置为检测和计数生物样品中存在的特征，该特征包括血液样品中可能存在的细胞和疟疾寄生虫。这样的自动化图像识别工艺和技术已经在可商购的系统中实现，包括但不限于在可商购的
系统(例如EasyScan Go系统)中实现。
如果(在324)确定厚膜424中不存在疟疾寄生虫(或存在低于既定阈值的相对较少数量的疟疾寄生虫)，则显微镜检查处理300可以包括在326提供没有检测到寄生虫的指示(或检测到的寄生虫数量不足)，然后显微镜检查处理300可以继续到(在318)确定是否有更多载玻片可用于分析。在一些实现方式中，可以在读取厚膜之后完成该处理，而不管是否检测到寄生虫，从而提供是否检测到寄生虫的指示。
另一方面，如果(在324)确定在厚膜424中存在疟疾寄生虫，则在某些实现方式中，显微镜检查处理300进行到在328在薄膜上执行扫描和分析操作。再一次，应当理解，在薄膜上执行的扫描和分析操作(在328)可以包括可以在各种合适的实现方式中执行的许多详细操作，并且下面将参照附图进行更全面的描述。简而言之，在至少一些实现方式中，(在328)在薄膜上执行的扫描和分析操作可以遵循与(在322)在厚膜上执行的扫描和分析操作大致相似的方法，可以包括一个或多个准备操作，然后在相对粗间隔开的各个位置进行所谓的“搜寻模式”操作，并且接着一旦使用搜寻模式确定了可接受的位置，就进行一个或多个“扫描模式”操作。下面更全面地描述(在328)在薄膜上执行的扫描和分析操作的各种可能的实现方式的附加细节。
继续参考图3，(在328)在对薄膜执行扫描和分析操作之后，显微镜检查处理300包括在330提供生物样品的一种或多种寄生虫种类和/或一个或多个其他特征的指示。在至少一些实现方式中，显微镜检查处理300随后在318确定是否有更多的载玻片可用于分析，如果是，则处理300返回以在310定位新的载玻片以进行分析，并且对该新的载玻片重复上述操作310至330。最终，一旦(在318)确定没有更多的载玻片可用于分析，则显微镜检查处理300在332结束或继续进行其他操作。
如上所述，(在322)在厚膜上执行的扫描和分析操作可以包括可以在各种合适的实现方式中执行的许多详细操作。例如，在图6所示的实现方式中，扫描和分析处理600包括在605执行准备操作。在至少一些实现方式中，在605执行的准备操作可以包括在610建立用于扫描生物样品的扫描窗。(在610)建立扫描窗可以包括确定厚膜424的一部分，可以使用自动化显微镜组件110对该部分进行详细的扫描操作。应理解，在610建立的扫描窗优选地(但不是必须)是厚膜424的相对小的部分，并且优选地被定位成提供相对高质量的视场(FOV)图像，以使得在实际能够尽可能少地执行自动化显微镜组件110的操作的情况下执行期望的显微分析和获得期望的信息。尽管下面具体参考在厚膜424上执行操作来描述扫描和分析处理600的以下描述，但是应当理解，在替代实现方式中，扫描和分析处理600也可以应用于载玻片420的薄膜426，或者应用于可以进行自动化显微分析的各种其他合适的生物样品。
在至少一些实现方式中，可以基于(在320确定的)厚膜424的边界来自动确定(在610)扫描窗的建立。在一些实现方式中，可以将扫描窗建立为以厚膜424的近似中心为中心的相对较小的扫描区域。另外，可以(在610)基于从外部设备接收的输入来建立扫描窗，例如基于从自动化显微镜组件110的用户(例如，技术人员、卫生保健工作者等)或者从计算系统140的用户(例如，使用键盘142)接收的输入，或者基于(例如，通过I/O端口206)从另一个设备接收的输入来建立扫描窗。此外，对于其中生物样品相对均匀的情况，例如对于相对均匀的厚膜，扫描窗的位置可以位于厚膜424的近似中心，或者位于厚膜内的任何其他合适的位置。
在还有的其他实现方式中，可以基于对厚膜424的宏观图像400的自动分析以及对包含合适数量的视场(FOV)图像的具有相对改进的概率的位置的自动选择来确定扫描窗的位置，其中这些视场(FOV)图像将被归类为具有可接受的分析质量。例如，在一些实现方式中，可以(在610)通过以下方式来自动确定扫描窗的位置：分析厚膜424的宏观图像400，并选择厚膜424的区域，该区域避免或最小化厚膜424的可以提供缺乏足够分辨率的FOV图像的相对较暗的部分，并且还避免或最小化厚膜424的可以提供可能包含太少单元的FOV图像的相对较亮的部分。因此，(在610)建立扫描窗可以包括对厚膜424的自动分析，以确定捕获具有相对较高的提供可接受的FOV图像的概率的区域的扫描窗的位置。例如，在至少一些实现方式中，扫描窗的位置可以基于对可能的扫描窗区域内的可能的FOV图像的相对强度的分析，可以选择相对适度的暗度的区域(例如，具有更大数量的具有平均光透射率的可能的FOV图像的区域)，使得扫描窗提供相对较大的包含将被分类为具有可接受的分析质量的视场图像的概率。
应当理解，(在610建立的)扫描窗的尺寸和形状可以是任何合适的尺寸和形状，并且可以在不同载玻片之间(或同一载玻片上的不同膜之间)变化，具体取决于被分析的特定的生物样品(例如厚膜424、薄膜426、其他非血液样品等)。如上所述，扫描窗可以优选地是相对较小的区域，该区域提供相对高质量的FOV图像，以使得在实际能够执行自动化显微镜组件110的操作尽可能少的情况下执行期望的显微分析和获得期望的信息。因此，可以至少部分地促进、实现或增加满足这些目标中的一个或多个的可能性的扫描窗的尺寸和形状可以根据厚膜424或载玻片上的其他被扫描区域的特性而改变。
在至少一些实现方式中，扫描窗可以是正方形(或矩形)形状。例如，图7示出了(在610)在厚膜424上建立的具有正方形的扫描窗710的示意图700。在该特定实现方式中，扫描窗710具有45个视场的宽度W(例如11.25mm)和45个视场的长度L(例如11.25mm)。应当理解，在替代实施方案中，扫描窗710可以具有其他合适的尺寸。例如，在一些实施方案中，生物样品(例如，薄膜426)可以跨越载玻片420的整个宽度，并且因此，扫描窗710可以跨越载玻片420的整个宽度(例如通常为25mm)。在一些实施方案中，扫描窗的尺寸可以是预定的(例如11.25mm×11.25mm)，或者替代地，可以基于对厚膜424的宏观图像400的分析的一个或多个结果来动态地确定(更大或更小)，其目的是选择尺寸以提供扫描窗，该扫描窗具有较大的包含可接收以用于分析的适当数量的视场图像的概率。
如图6进一步所示的，扫描和分析处理600还包括在612划分扫描窗。应当理解，(在612)划分扫描窗包括将扫描窗数学划分或限定为多个较小部分。更具体地，(在612)划分扫描窗可以包括将扫描窗710划分成多个较小的部分，其中较小的部分(或子部分)在本文中被称为“网格单元”。例如，在图7所示的实施方案中，扫描窗710已经被划分为多个网格单元712。在一些实现方式中，每个网格单元712可以是正方形，而在其他实现方式中，每个网格单元712可以是矩形或其他合适的形状。在所描绘的实现方式中，每个网格单元712的尺寸是五个视场的宽度和五个视场的长度和宽度(即5FOV×5FOV)，每个网格单元712总共二十五个视场。在至少一些实现方式中，单个视场可以具有矩形形状，并且因此，网格单元712也可以具有矩形形状。在图7的右上部分中，网格单元712已经被放大以示出(例如，自动化显微镜组件110的显微镜112的)单个的视场(FOV)714，并且在所描绘的实施方案中，网格单元712包括25个FOV714。因此，在图7所示的实施方案中，扫描窗710被划分成宽度上的九个网格单元712和长度上的九个网格单元712，总共八十一个网格单元712。当然，在替代实施方案中，可以根据本公开的范围和教导来构思各种合适的划分布置。
再次参考图6，扫描和分析处理600还包括在620执行搜寻模式操作。如上所述，(在620的)搜寻模式操作通常涉及评估跨越厚膜424(或薄膜426或其他生物样品)的多个不同位置处的显微图像的质量，该评估基于位置的相对较粗间隔来进行。更具体地说，在至少一些实现方式中，(在620)执行搜寻模式操作包括在622将显微镜定位在期望的网格单元位置处。例如，如图7所示，显微镜112可以最初被定位成使得物镜212的视场在扫描窗710的中心网格单元752的中心视场(FOV)750处(例如，大致厚膜424的中心处)。在至少一些实现方式中，(在622)显微镜的定位还可包括一个或多个聚焦或重新聚焦操作(例如，使用显微镜组件110的位置控制器216、定位器214等进行)。
应理解，根据(在612)划分扫描窗的特定细节，在一些实现方式中，一些网格单元可以具有位于网格单元中心的视场(FOV)，而其网格单元可能没有，并且可能只有在网格单元中心附近的FOV。更具体地，在一些实现方式中，已经被划分为相等数量的奇数行的FOV和奇数列的FOV的那些网格单元将具有中心FOV(例如5个FOV×5个FOV、7个FOV×7FOV、3个FOV×3个FOV等)，而其他划分配置(例如4个FOV×5个FOV、4个FOV×4个FOV、6个FOV×6个FOV等)会没有中心FOV，但会具有靠近(例如邻近)网格单元的中心的一个或多个FOV。因此，应理解，在以下讨论中对中心FOV(或近似中心FOV)的引用应理解为包括这样的替代实现方式，其具有接近(例如邻近)网格单元的中心但是不会在网格单元的精确中心的FOV。在进一步的实现方式中，应理解，期望的网格单元位置(在622)不一定是中心FOV，并且其他FOV可以被选择作为期望的网格单元位置(例如，网格单元的左上角FOV等等)，并且实际上可以将网格单元的任何其他FOV选择作为所需的网格单元位置(在622)。
(在622)在定位显微镜之后，扫描和分析处理600进一步包括在624在期望的网格单元位置处执行对显微镜视场的详细扫描。(在624执行的)对显微镜视场的详细扫描可以是通常已知的、并且可以由自动化显微镜组件(例如，显微镜组件110)容易地执行的常规扫描处理，自动化显微镜组件包括在本文其他地方提到的现有类型的自动化显微镜组件。例如，图8示出了可以(在624)在厚膜的详细扫描期间获得的类型的代表性扫描结果800。另外，在至少一些实现方式中，(在624)对视场的详细扫描的执行可以包括一个或多个聚焦或重新聚焦操作(例如，使用显微镜组件110的位置控制器216、定位器214、主控制器202等进行)。
如图6进一步所示的，扫描和分析处理600还包括在626评估视场的详细扫描的结果。在至少一些实现方式中，对详细扫描的结果进行评估(在626)可以包括评估扫描结果的适合性。更具体地，可以基于扫描结果的一种或多种质量特征来评估厚膜的扫描结果的适合性，包括但不限于确定组合物(即，FOV是否为空？)、曝光、焦点、白细胞数量、气泡、大的污渍聚集、载玻片上的污垢、清晰度、锐度(或模糊度)、亮度或任何其他合适的质量特征中的一种或多种。在至少一些实现方式中，(在626)对详细扫描的结果的评估可以包括使用已知的自动图像识别工艺和技术，如以上参考例如在“Deep Learning for Generic ObjectDetection:A Survey”by Li Liu et al.,arXiv:1809.02165[cs.CV],6Sept.,2018中更全面地描述的。
另外，在至少一些实现方式中，(在626)对视场的详细扫描的结果的评估可以包括对视场内存在或可检测的多个特征进行计数。更具体地，在至少一些实现方式中，(在626)评估可以包括对视场内的红细胞(RBC)、白细胞(WBC)、疟疾寄生虫(MP)或任何其他合适的特征进行计数。在图8的代表性的厚膜扫描结果800中，示出了可以使用已知工艺和技术容易地检测和计数的多个疟疾寄生虫802。应当理解，可以使用已知的自动化图像识别工艺和技术容易地完成对这些特征(例如，RBC、WBC、MP等)的检测和计数，如上面更全面地描述的。另外，这样的自动图像识别技术已经在商业上可用的系统中实现，该系统用于检测和计数生物样品内存在的特征(例如，对血细胞和疟疾寄生虫计数)，包括但不限于商业上可用的
系统(例如EasyScanGo系统)。
在至少一些实现方式中，(在626)对扫描视场的结果的评估可以包括提供与视场相关联的扫描结果的质量评定。例如，(在626)评估可以提供质量评定得分或数字指定。在一些实现方式中，可以如下提供质量评定分数：0＝良好，1＝模糊，2＝空以及3＝RBC结块太多(或不清楚)。在该特定实现方式中，仅质量评定得分零被认为是可接受的或具有足够高的质量。在替代的实现方式中，质量评定可以提供非量化的结果，例如“可接受”、“不可接受”、“高质量”、“低质量”或任何其他合适的非量化描述符。
再次参考图6，(在626)评估了视场的详细扫描的结果之后，扫描和分析处理600还包括在628确定视场的详细扫描的结果是否可接受。如果对视场的详细扫描的结果是不可接受的(在628)(例如，模糊、空、没有足够的细胞等)，则扫描和分析处理600接下来在630确定刚被扫描的视场是否是可用于搜寻模式操作的最后一个网格单元。如果(在630)确定刚被扫描的视场是可用于搜寻模式操作的最后一个网格单元，则扫描和分析处理600继续进行到在632输出搜寻模式终止消息，并且通过继续进行到在650结束或继续到其他操作(诸如返回到图3的显微镜处理300的适当操作)来结束(在620的)搜寻模式操作的执行。
替代地，如果(在630)确定刚被扫描的视场不是可用于执行搜寻模式操作的最后一个网格单元，则扫描和分析处理600包括在632递进到下一个期望的网格单元的位置，(在620的)搜寻模式操作的执行返回到(在622)将显微镜定位在下一个期望的网格位置，并且对于新的期望的网格位置，重复上述的搜寻模式操作622至628。
应当理解，可以以各种合适的方式来实现(在632)递进到下一个期望的网格单元位置以用于连续的搜寻模式操作。在至少一些实现方式中，如图7中示意性地描绘的，可以实现(在632)递进到下一个期望的网格单元位置。更具体地，可以通过以下方式来选择下一个期望的网格单元位置：跳过与中心网格单元752相邻的网格单元，并且向外移动到不相邻网格单元756的中心(或中心FOV)754(或其他期望的网格单元位置)，然后在不相邻网格单元756的期望的网格单元位置(例如中心FOV754)处执行上述搜寻模式操作(622-628)。尽管搜寻模式操作(622-628)最初被描述为在其中网格单元位置被描述为不相邻(例如，如图7所示)的粗间隔网格单元位置处发生，但应当理解，在其他实现方式中，至少一些粗间隔网格单元可以与其他粗间隔网格单元相邻，或者可以采用相邻和非相邻网格单元的组合，如下面参考图19和20更全面地描述的。
如图7所示，在至少一些实现方式中，非相邻网格单元756是第一组非相邻网格单元760的一部分，该第一组非相邻网格单元760围绕中心网格单元752形成第一非相邻周界(即，与中心网格单元752间隔开一个网格单元的距离的网格单元的周界)。另外，如图7进一步所示，可以识别出第二组非相邻网格单元762，其围绕中心网格单元752形成第二不相邻的周界(第二不相邻的周界与第一不相邻的周界向外间隔开一个网格单元)。应理解的是，在替代实现方式中，可以以多种方式执行(在612)划分扫描窗以提供任何期望数量的网格单元，并且因此提供围绕中心网格单元752形成的任何期望数量的网格单元的周界。
在至少一些实现方式中，随着搜寻模式操作620继续重复(在632)递进到下一个期望的网格单元位置，以试图(在628)定位具有可接受质量的网格单元，可以(在632)通过以下方式选择下一个期望的网格单元位置：围绕第一非相邻周界(例如，沿如图7所示的逆时针方向)前进，在第一组非相邻网格单元760中每隔一个网格单元选择一个网格单元(即，跳过一个网格单元并选择下一个网格单元)。然后，在下一个期望的网格单元位置的中心(或中心视场)执行上述操作622至628。在完全绕过第一不相邻周界之后，可以(在632)通过以下方式确定下一个期望的网格单元位置：向外移动到形成第二不相邻周界的第二组不相邻网格单元762，围绕第二非相邻周界(例如，沿如图7中所示的逆时针方向)前进，在第二组非相邻网格单元762中每隔一个网格单元选择一个网格单元(即，跳过一个网格单元并选择下一个网格单元)。因此，在至少一些实现方式中，详细的扫描和分析操作(在622、624)是在相对粗的一组FOV位置(即，每隔一个网格单元的中心FOV)上执行的，该相对粗的一组FOV位置间隔开约两个网格单元尺寸(例如，2×5FOV＝10FOV)。
应理解，在替代的实现方式中，通过围绕任意数量(例如3个、4个等等)的非相邻网格周界，(在620的)搜寻模式操作可以重复地(在632)递进到下一个期望的网格位置。类似地，在替代的实现方式中，通过以下方式，(在620的)搜寻模式操作可以重复地(在632)递进到下一个期望的网格位置：围绕第一和第二非相邻周界760、762沿任何期望的方向(例如，顺时针)前进，或者交替地进行围绕所述周界中的一个(例如第一周界)沿第一方向(例如顺时针)前进和接着围绕另一个周界沿相反方向(例如逆时针方向)前进。
如上所述，在搜寻模式操作期间使用的粗间隔网格单元不必是不相邻的，并且在可替代的实现方式中可以是相邻网格单元，或者是相邻和非相邻网格单元的组合。因此，对粗间隔网格单元的引用甚至可以包括一些相邻网格单元的期望FOV(例如，中心FOV)。例如，图19示出了根据本公开的具有相邻网格单元1912的粗间隔网格单元1900的一个实施方案。在至少一些实现方式中，(在632)递进到下一个期望的网格单元位置可以如图19中示意性地描绘的那样完成。更具体地，在分析了中心网格单元1952的期望的FOV(例如中心FOV)1950之后，(在632的)递进可以继续到第一网格单元1956的下一个期望的FOV(例如中心FOV)1954，并且然后在相邻网格单元1956的期望的网格单元位置(例如，中心FOV1954)处执行上述搜寻模式操作(622-628)，并且(在632的)递进然后可以围绕与中心网格单元1952相邻(并彼此相邻)的网格单元的一个或多个周界从期望的FOV到期望的FOV(from desiredFOV to desired FOV)进行，以大体上螺旋的方式(逆时针或顺时针)向外移动，如图19中的箭头所示。
替代地，图20示出了根据本公开的具有一些相邻网格单元和一些非相邻网格单元的粗间隔网格单元2000的一个实施方案。在至少一些实现方式中，(在632)递进到下一个期望的网格单元位置可以如图20中示意性地描绘的那样完成。更具体地说，在分析了中心网格单元2052的期望的FOV(例如，中心FOV)2050之后，(在632的)递进可以继续进行到第一相邻网格单元2056的下一个期望的FOV(例如，中心FOV)2054，然后在相邻网格单元2056的期望的网格单元位置(例如中心FOV 2054)处执行上述搜寻模式操作(622-628)，并且(在632的)递进然后可以围绕与中心网格单元2052相邻(并彼此相邻)的网格单元的周界从期望的FOV到期望的FOV(from desired FOV to desired FOV)进行。在围绕相邻网格单元的整个周界进行之后，递进可以向外进行至非相邻网格单元的外周界，从第一非相邻网格单元2062的期望FOV2060开始，然后递进地进行至下一个非相邻网格单元2066的下一期望的FOV2064，围绕第二周界(逆时针或顺时针)前进，如图20中的箭头所示。
再次参考图6，当(在628)确定期望的网格单元的中心视场的详细扫描的结果是可接受的，并且因此已经定位到了可接受的网格单元时，则扫描和分析处理600从(在620的)搜寻模式操作进行至在640处执行“扫描模式”操作。在至少一些实现方式中，(在640的)扫描模式操作包括在642执行对可接受的网格单元内的所有视场执行详细的扫描和评估。在至少一些实现方式中，(在642的)详细扫描可以基本上类似于在上述的搜寻模式操作期间(在624)执行的详细扫描，并且(在642的)评估可以基本上类似于在上述的(在626的)搜寻模式操作期间执行的评估。因此，在至少一些实现方式中，可接受的网格单元的每个单独的FOV可以被评估并且被指定为(在642)执行详细扫描和评估期间具有可接受的质量或不可接受的质量。类似地，(在642的)详细扫描和评估还可以包括使用已知工艺和技术对视场内存在的或可检测的多个特征(例如，RBC、WBC、MP等)进行计数。
例如，图9示出了可接受的网格单元900的放大图，该可接受的网格单元被划分成总共二十五个视场(即5个FOV×5个FOV)。在该实现方式中，中心FOV 902被预先扫描和评估并且被确定为在寻找模式操作(在620)期间是可接受的。因此，(在640)在进入扫描模式操作时，可接受的网格单元900的所有其余视场都(在642)被扫描和评估。在图9所示的实现方式中，以相对较浅的阴影可见地示出了被指定为具有可接受的质量的FOV(即21个可接受的FOV)，而以相对较暗的阴影示出了被指定为具有不可接受的质量的FOV(即4个不可接受的FOV)。
如图6进一步所示的，(在640)执行扫描模式操作还包括基于(在642)对所有视场的详细扫描和评估来在644确定可接受的网格单元是否保持可接受。在至少一些实现方式中，(在644)确定可接受的网格单元是否保持可接受包括将可接受的FOV的数量与不可接受的FOV的数量进行比较。例如，在一些实现方式中，当可接受的FOV的数量大于不可接受的FOV的数量时，可以(在644)确定可接受的网格单元900保持可接受。替代地，在一些实现方式中，当可接受的FOV的数量达到合适的阈值时，例如达到在网格单元中的FOV的总数的预定百分比(例如55％、60％、65％等)时，可以(在644)确定可接受的网格单元900保持可接受。例如，在图9所示的特定实现方式中，当可接受的FOV的数量达到或超过网格单元900中的全部25个FOV中的15个FOV(即达到或超过60％)时，可以确定网格单元900保持可接受(在644)。在该标准下，由于图9中所示的可接受的网格单元900包括21个可接受的FOV，因此将(在644)确定可接受的网格单元900保持可接受。
如果基于(在642)对网格单元的所有FOV的扫描和评估来(在644)确定网格单元没有保持可接受，则扫描和分析处理600返回到搜寻模式操作(在620)。更具体地，如果(在644)确定网格单元没有保持可接受，则处理600返回(在630)确定搜寻模式操作是否已经到达用于搜寻模式操作的粗网格单元中的最后的可用网格单元。然后，扫描和分析处理600从如上所述的(在630的)确定继续进行，并且可以执行附加的搜寻模式操作(在620)，直到(在628)找到另一个可接受的网格单元，此时处理600可以返回(在640)的扫描模式操作。
在图6所示的实施方案中，(在644)确定网格单元为可接受的之后，(在640的)扫描模式操作还包括在646对与可接受的网格单元相邻的一个或多个网格单元执行详细的扫描和评估。更具体而言，图10示出了可接受的网格单元900的放大图1000以及相邻网格单元1010的周围周界。应理解，在图10中所示的实现方式中，在相邻网格单元1010的周围周界中有八个相邻网格单元，并且在644已经扫描和评估了四个相邻网格单元(即，一半)。在至少一些实现方式中，(在646的)对与可接受的网格单元相邻的一个或多个网格单元的详细扫描和评估可包括扫描和评估与可接受的网格单元900共享公共边(或公共边界)的一个或多个相邻网格单元(见图10)，然而，在至少一些替代的实现方式中，可以选择相邻网格单元(例如，与可接受的网格单元900的四个角相邻的四个相邻角网格单元)的周界的任何其他集合或子集用于(在646)扫描和评估。例如，尽管图10中所示的实施方案描绘了与正(在646)被扫描和评估的可接受的网格单元相邻的网格单元中的一半，但在替代的实施方案中，可以(在646)对与可接受的网格单元相邻的任何合适数量或百分比(例如25％、50％、75％等)的网格单元执行扫描和评估。
再次，在至少一些实现方式中，(在646)对一个或多个相邻网格单元的详细扫描和评估可以基本上类似于在上文所述的(在624、626的)搜寻模式操作期间执行的扫描和评估，并且可以包括指定每个FOV的质量(例如可接受或不可接受)，并且还可以包括对每个FOV中存在的一个或多个特征(例如RBC，WBC，MP等)进行计数，或使用已知的工艺和技术确定一个或多个其他特征。例如，在图10所示的特定示例中，第一相邻网格单元1012包括24个可接受的FOV和1个不可接受的FOV，第二相邻网格单元1014包括22个可接受的FOV和3个不可接受的FOV，第三相邻网格单元1016包括6个可接受的FOV和19个不可接受的FOV，并且第四个相邻网格单元1018包括25个不可接受的FOV。
继续参考图6，(在646)对与可接受的网格单元相邻的一个或多个网格单元详细扫描和评估之后，(在640的)扫描模式操作继续进行至在648确定是否已经满足用于结束扫描和评估处理600的一个或多个标准。在至少一些实现方式中，可以基于在评估操作期间已经计数的特征的总数来建立用于结束扫描和评估处理600的标准。更具体地，可以基于以下项目来建立用于结束处理600的标准：已经被扫描和评估的可接受的FOV的总数(例如，如果可接受的FOV>60，则终止，如果可接受的FOV>四个完整网格单元的FOV，则终止，如果可接受的FOV>三个完整网格单元的FOV，则终止，等等)，被计数的白细胞的数量(例如，如果WBC>1500、1000、2500等，则终止)，被计数的红细胞的数量，被计数的寄生虫的数量，扫描和评估处理600的执行中经过的时间量(例如，如果时间>15分钟、10分钟、20分钟等，则终止)或任何其他期望的标准。在至少一些实现方式中，厚膜扫描结果(例如，图8)通常可以提供关于白细胞(WBC)的数量和疟疾寄生虫(MP)的数量的详细信息，并且因此，在至少一些实现方式中，一个或多个标准可包括WBC的数量或疟疾寄生虫(MP)的数量中的一者或多者。
如果(在648)确定未满足用于结束扫描和评估处理600的一个或多个标准，则处理600从(在640的)扫描模式操作返回到(在620的)搜寻模式操作，并且更具体地，返回到(在630)确定搜寻模式操作是否已经到达用于搜寻模式操作的粗网格单元中的最后的可用网格单元。然后，扫描和分析处理600从如上所述的(在630的)确定继续进行，并且可以(在620)执行附加的搜寻模式操作，直到定位到另一个可接受的网格单元(在628)，此时处理600可以返回至(在640的)扫描模式操作。最终，扫描和分析处理600将(在648)确定已经满足用于结束扫描和评估处理600的一个或多个标准，然后处理600继续进行以在650结束或继续其他操作，诸如返回至图3所示的显微镜检查处理300的适当操作。
图6中所示的扫描和评估处理600的前述描述可特别参考在厚膜424上执行的扫描和分析操作(例如，图3的操作322)来描述。在至少一些实现方式中，图6中所示的扫描和评估处理600也可以应用于在薄膜426上执行的扫描和分析操作(例如，图3的操作328)。然而，应理解，在替代的实现方式中，当分析不同的生物样品(例如薄膜426)时，可调整或改变扫描和评估处理600的一个或多个不同的细节。
例如，图11示出了根据本公开的另一扫描和评估处理1100。扫描和评估处理1100(图11)的至少一些操作基本上类似于上述扫描和评估处理600(图6)的操作。因此，扫描和评估处理1100的以下描述将重点针对可期望地被调整以用于薄膜426(或其他生物样品)的扫描和分析的一个或多个特定操作来描述。
在图11所示的实现方式中，扫描和分析处理1100包括在1105执行准备操作，该准备操作可以包括在1110建立用于扫描薄膜426(或其他生物样品)的扫描窗。(在1110)建立扫描窗可以包括确定薄膜426的一部分，可以对该部分进行详细的扫描操作以提供相对高质量的视场(FOV)图像，以使得能够执行期望的显微分析。
图12示出了具有在薄膜426上建立的具有矩形形状的扫描窗1210的示意图1200(在1110)。在该特定实施方案中，扫描窗1210具有75个视场的宽度W(例如18.75mm)和60个视场的长度L(例如15mm)。应意识到，在替代的实施方案中，扫描窗1210可以具有其他合适的尺寸，或者可以基于对薄膜426的宏观图像400进行的分析的一个或多个结果来动态确定。
扫描和分析处理1100可以进一步包括在1112划分扫描窗。在图12所示的实施方案中，扫描窗1210已经被划分成多个网格单元1212，其中每个网格单元1212是具有5FOV×5FOV的尺寸的正方形，每个网格1212总共有25个FOV。因此，在图12所示的实施方案中，扫描窗1210被划分成总共一百八十个网格单元1212，宽为15个网格单元和长度为12个网格单元。当然，在替代的实施方案中，可以根据本公开的范围和教导构思各种合适的划分布置。
在至少一些实现方式中，(在1112)划分扫描窗还包括将至少一些网格单元1212分组为多个组，以促进后续的扫描操作。例如，在图12所示的实施方案中，一些网格单元(例如20个网格单元)被分配给第一网格组1214(由最暗阴影表示)，而另外一些网格单元(例如20个网格单元)被分配给第二网格组1216(由中等阴影表示)，并且其他另外一些网格单元(例如20个网格单元)分配给第三网格组1218(由最浅阴影表示)。在至少一些实现方式中，三个网格组1214、1216、1218的网格单元可以相对均匀地分布在整个扫描窗1210中，并且每个组的网格单元可以与相同组的其他网格单元间隔开，如图12所示的。更具体地，在图12所示的特定实施方案中，第一网格组1214的网格单元的中心点(或中心FOV)与第一网格组1214的其他成员的中心点间隔三个网格单元(15个FOV)。类似地，第二网格组1216的网格单元的中心点(或中心FOV)与第二网格组1216的其他成员的中心点至少间隔三个网格单元(15个FOV)，而第三网格组1218的网格单元的中心点(或中心FOV)与第三网格组1218的其他成员的中心点至少间隔三个网格单元(15个FOV)。应理解，根据图12所示的实施方案，一些网格单元可能未包括(在1112的)在网格单元的分组中，并且这些网格单元在图12中保持没有阴影。虽然这种未分组的网格单元可能不能用作用于搜寻模式操作的粗网格单元，但是可以在搜寻模式操作期间定位到合适的网格单元之后在扫描模式操作期间对其进行扫描，如下文更全面地描述的。
应理解，在替代的实现方式中，网格单元1212可以被分组为不同数量的组。例如，在替代的实现方式中，网格单元1212可以被分组为两组(而不是如图12所示的三组)，并且可以类似于图12所示的分布来分布，在这种情况下，第一网格组的网格单元的中心点(或中心FOV)将仅被两个网格单元(而不是三个网格单元)间隔开。一般而言，在更进一步的实现方式中，网格单元可以被分组为多个N组(例如，4组、5组等)，并且可以类似于图12所示的分布来分布，使得任何特定组的网格单元的中心点(或中心FOV)与同一组的最近网格单元的中心点(例如，沿x方向和/或沿y方向)间隔N个网格单元。
另外，在图12所示的实施方案中，第一、第二和第三网格组1214、1216、1218的网格单元被对角地对齐，使得特定组的网格单元仅在它们各自的角与一个或多个其他组的网格单元相邻。更具体地，第二网格组1216的网格单元的中心点(或中心FOV)与第一网格组1214的网格单元的中心点对角地偏移(例如，沿-y方向向下一个网格单元并且在x方向上偏移一个网格单元)。类似地，第三网格组1218的网格单元的中心点(或中心FOV)与第二网格组1216的网格单元的中心点对角地偏移(例如，沿-y方向向下一个网格单元并且在x方向上偏移一个网格单元)。在进一步的实现方式中，可以将不同网格组的网格单元重新定向，使得它们沿着一个或多个其他可能的对角线方向对角对齐(即沿x和y方向偏移，沿-x和y方向偏移或沿-x和-y方向偏移)。当然，在替代的实现方式中，根据本公开的范围和教导，可以想到各种各样的合适的划分布置。
继续参考图11，扫描和分析处理1100还包括在1120执行搜寻模式操作。在至少一些实现方式中，(在1120)执行搜寻模式操作包括在1122将显微镜定位在期望的网格位置处。例如，如图12所示的，可以首先定位显微镜112，以使得物镜212的视场在扫描窗1210的第一网格单元1252的中心FOV 1250。如上所述，在至少一些实现方式中，(在1122)定位显微镜还可以包括一个或多个聚焦或重新聚焦操作(例如，使用显微镜组件110的位置控制器216、定位器214等进行)。
在图11所示的实施方案中，扫描和分析处理1100还包括在1124对薄膜内的显微镜视场进行详细的扫描。例如，图13示出了可以(在1124)在薄膜的详细扫描期间获得的类型的代表性扫描结果1300。在该示例中，代表性扫描结果1300包括多个疟疾寄生虫1302(由深色斑点指示)和多个红细胞1304(由圆圈和点状圆圈指示)。另外，在至少一些实现方式中，薄膜426的代表性扫描结果1300可以区分第一种类1302A的疟疾寄生虫和第二种类1302B的疟疾寄生虫。
扫描和分析处理1100还包括在1126评估薄膜内的视场的详细扫描的结果。在至少一些实现方式中，对详细扫描的结果的评估可以包括确定组合物(即FOV是否为空？)、曝光、焦点、红细胞的数量、红细胞的分离、气泡、大量污渍沉积物、载玻片上的污垢、清晰度、锐度、模糊性、亮度或其他任何因素合适的质量特征中的一者或多者，并提供与视场相关的扫描结果的质量评定。在至少一些实现方式中，(在1126)对详细扫描的结果的评估可以包括使用已知的自动图像识别工艺和技术，如以上更全面地描述的。如图11进一步所示，扫描和分析处理1100接下来可以在1128确定详细扫描的结果是否可接受。如果否，扫描和分析处理1100在1130基于一个或多个标准(例如，搜寻模式下的总时间、扫描的粗网格点的最大数量等)来确定搜寻模式操作是否完成。如果(在1130)搜寻模式操作完成，则处理1100继续进行以在1152结束或继续其他操作(例如，返回到图3的显微镜检查处理300的适当操作)。替代地，如果(在1130)搜寻模式操作未完成，则扫描和分析处理1100包括在1132递进到下一个粗网格单元位置，并且然后对于新的粗网格单元位置，重复上述(在1120-1128)的搜寻模式操作。
更具体地说，对于图12所示的实现方式，在至少一些实现方式中，搜寻模式操作可以在第一粗网格单元1250的中心FOV 1252(或其他期望的网格单元位置)处开始扫描，并且可以(在1120-1128)跨第一网格组1214的成员(例如，至中心FOV 1254，然后至中心FOV1256等)、然后跨第二网格组1216的成员并且然后跨第三网格组1218的成员递进地执行搜寻模式操作，直到(在1130)确定搜寻模式操作完成。
再次参考图11，一旦确定粗网格单元的中心FOV的详细扫描结果是可接受的(在1128)，则扫描和分析处理1100从(在1120的)搜寻模式操作进行到在1140执行“扫描模式”操作。更具体地，(在1140的)扫描模式操作包括在1142执行对可接受的网格单元内的所有视场的详细扫描和评估。因此，(在1142的)详细扫描和评估还可以包括：使用已知工艺和技术来计算在视场内存在或可检测到的特征(例如，RBC、WBC、MP等)的数量。在至少一些实现方式中，薄膜扫描结果(例如，图13)通常可以提供有关红细胞(RBC)的数量和疟疾寄生虫(MP)的数量的详细信息，所述疟疾寄生虫(MP)包括不同种类的疟疾寄生虫(例如1302A、1302B)。
类似地，可以(在1142)在执行详细扫描和评估期间，可以对可接受的网格单元的每个单独的FOV进行评估并将其指定为具有可接受的质量或不可接受的质量。例如，如先前参考图9所述，在1140的搜寻模式操作期间被认为是可接受的网格单元具有(在1142)被扫描和评估的可接受的网格单元的所有剩余视场，并且该网格单元的所有单个FOV被指定为具有可接受的质量(即21个可接受的FOV)或具有不可接受的质量(即4个不可接受的FOV)。
(在1140的)扫描模式操作还包括：基于(在1142)对所有视场的详细扫描和评估，在1144确定可接受的网格单元是否保持可接受。上面(参照图6的操作642)更全面地描述了用于(在1144)确定网格单元是否保持可接受的网格单元的可能的标准。如果(在1142)确定网格单元是不可接受的，则扫描和分析处理1100返回到(在1120的)搜寻模式操作，或更具体地说，(在1130)确定搜寻模式操作是否完成。
替代地，如果(在1144)确定网格单元是可接受的，则(在1140的)扫描模式操作继续进行至在1146对与可接受的网格单元相邻的一个或多个网格单元执行详细扫描和评估。例如，图14示出了被划分为网格单元并包括(在1142)被确定为在扫描模式操作期间可接受的网格单元1410的扫描窗1400的实现方式。在该实现方式中，扫描窗1400是10个网格单元×8个网格单元，并且包括以对角线图案分布的三组网格单元(由浅色、中等和深色阴影指示)。
可以以各种合适的方式执行(在1146的)对与可接受的网格单元相邻的一个或多个网格单元进行的详细扫描和评估。在至少一些实现方式中，可以在与可接受的网格单元1410相邻的八个网格单元中的四个上执行(在1146的)详细扫描和评估(例如，如以上参考图10所描述的)。例如，图15示出了(在1146)对与可接受的网格单元相邻的四个网格单元的详细扫描和评估的示例性结果。在该代表性示例中，确定第一和第二相邻网格单元1512、1514是可接受的(如由深色阴影所示的)，而确定第三和第四相邻网格单元1516、1518是不可接受的(如由最深色阴影所示的)。在替代的实现方式中，可以(在1146)扫描和评估相邻网格单元的不同配置，包括对更多、更少或不同的相邻网格单元进行扫描和评估。
继续参考图11，处理1100的(在1140的)扫描模式操作进一步包括在1148对与可接受的相邻网格单元相邻的一个或多个网格单元执行二次详细扫描和评估。更具体地，如上文所述并且在图10中所示的，(在1146)对与可接受的网格单元相邻的一个或多个网格单元进行扫描和评估期间，第一和第二相邻网格单元1512、1514被确定为是可接受的。因此，在1148，对与第一相邻网格1512相邻的一个或多个网格单元进行二次扫描和评估操作，并且还对与第二相邻网格1514相邻的一个或多个网格进行二次扫描和评估操作。
例如，图16示出了(在1148的)对与可接受的网格单元相邻的四个网格单元的二次详细扫描和评估的示例性结果。在该代表性示例中，在与(在1148)被扫描的第一相邻网格单元1512相邻的三个网格单元中，第一和第二次级相邻网格单元1612、1614被确定为可接受的(如深色阴影所示的)，而确定第三次级相邻网格单元1616是不可接受的(如最暗的阴影所示的)。此外，(在1148的)被扫描的与第二相邻网格单元1514相邻的两个网格单元中，第四次级相邻网格单元1618被确定为可接受的(如深色阴影所示的)，而第五次级相邻网格单元1620被确定为不可接受的(如最深色阴影所示的)。再次，在替代的实现方式中，可以(在1148)对次级相邻网格单元的不同配置进行扫描和评估，包括对更多、更少或不同的次级相邻网格单元进行扫描和评估。
再次参考图11，(在1148)对与可接受的网格单元相邻的一个或多个网格单元进行二次详细扫描和评估之后，(在1140的)扫描模式操作继续进行至在1150确定是否已经满足用于结束扫描和评估处理1100的一个或多个标准。如以上参考处理600所述，在至少一些实现方式中，可以基于各种不同方面来建立用于结束扫描和评估处理1100的标准，其包括在扫描和评估操作期间获得的可接受的视场的总数(例如，可接受的FOV大于60，大于四个完整网格单元的FOV，大于三个完整网格单元的FOV等)，所计算的白细胞的数量(例如，WBC>1500、1000、2500等，则终止)，所计算的红细胞的数量(例如，如果RBC>20,000、15,000、25,000等，则终止)，所计算的寄生虫或单个种类的寄生虫的数量，经过的时间(例如如果时间>15分钟、10分钟、20分钟等，则终止)，或其他任何期望的标准。在至少一些实现方式中，薄膜扫描结果(例如，图13)通常可以提供关于红细胞(RBC)的数量和疟疾寄生虫(MP)的数量(包括单个种类的寄生虫)的详细信息，并且因此，在至少一些实现方式中，一个或多个标准可以包括RBC的数量或多个疟疾寄生虫(MP)的数量中的一者或多者。
如果(在1150)确定未满足用于结束扫描和评估处理1100的一个或多个标准，则处理1100从(在1140的)扫描模式操作返回到(在1120的)搜寻模式操作，并且更具体地说，返回到(在1130的)确定搜寻模式操作是否被确定完成。然后，扫描和分析处理1100从如上所述的(在1130的)确定继续进行，并且可以(在1120)执行附加的搜寻模式操作，直到找到另一个可接受的网格单元(在1128)，此时处理1100可以返回至(在1140的)扫描模式操作。最终，扫描和分析处理1100可以(在1150)确定已经满足了用于结束扫描和评估处理1100的一个或多个标准，并且然后处理1100继续以在1152结束或继续进行其他操作，例如返回图3所示的显微镜检查处理300的适当操作。
基于前面的描述，应理解，根据本公开的用于生物样品的自动化显微分析的工艺和技术可以提供优于常规工艺和技术的显著优势。更具体地，在至少一些实现方式中，根据本公开的系统可以自主地识别包含生物样品(例如血液)的显微镜载玻片的区域，可以识别适合于显微分析的样品的各种区域和子区域，并且可以提供自动化扫描策略，以确保有效且高效地扫描样品的足够高质量区域，从而提供对样品的适当分析。在至少一些实现方式中，这样的系统可以使用机器学习方法(例如，深度学习或其他区域检测方法)以基于载玻片的初始低放大率(或宏观)图像来识别载玻片的厚膜区域和薄膜区域。
在至少一些实现方式中，根据本公开的系统可以在区域内的各个视场处捕获高放大率扫描，并且可以遵循考虑了对每个FOV的用于分析的适合性的评估的扫描策略。根据适合性评估，确定下一次高质量扫描的位置以在样品(厚膜或薄膜)中进行捕获。这样的系统可以继续自动捕获和分析详细的高放大率扫描，直到满足预定标准(例如，指定可接受的FOV总数、为分析而捕获的白细胞或红细胞总数等等的标准)。
根据本公开的工艺和技术可以通过以下方式有利地减少扫描时间：减少所扫描的低质量视场的数量，减少操作者选择载玻片的适当区域所需的时间和精力，以及减少拒绝质量差的载玻片所需的时间。这样的工艺和技术对于许多载玻片的批量成像或对于对生物样品执行时间敏感的分析可能特别有价值。
尽管以上已经参考图3所示的特定显微镜检查处理300描述了用于自动化显微镜检查处理的工艺和技术，但应理解的是，这样的工艺和技术也可以适当地在各种各样的其他显微镜检查处理中实施。例如，在至少一些实现方式中，可以至少部分地与对薄膜的扫描和分析同时地执行对厚膜的扫描和分析。在这种实现方式中，如果完成了对生物样品的部分之一的扫描和分析，并且获得了阴性结果(例如，没有疟疾寄生虫、可接受的FOV数量不足、WBC或RBC数量不足等)，则可以终止对生物样品的另一部分的扫描和分析，从而节省时间或资源。在另一示例中，在一些实现方式中，对载玻片的一部分(例如，厚膜)的分析的结果会影响结束扫描载玻片的另一部分(例如，薄膜)所需的标准。作为一个具体示例，如果厚膜的结果对于疟疾寄生虫为阴性，则薄膜所需的可接受的视场或检测到的红细胞的数量标准将低于厚膜的结果对于疟疾为阳性的情况。
例如，图17示出了根据本公开的显微镜检查处理1700的另一实施方案。在该实施方案中，显微镜检查处理1700包括在1710定位用于分析的载玻片，例如将载玻片120放置在自动化显微镜组件110的机动载物台210上，以及操作机动载物台210以相对于显微镜112将载玻片120定位在适当的位置。处理300还包括在1712分析载玻片的宏观图像以确定厚膜和薄膜的边界。用于使用自动化显微镜组件自动检测显微镜载玻片上的生物样品(例如厚膜424、薄膜426)的边界的技术如上所述通常是已知的。
接下来，处理1700包括在1714对厚膜执行扫描和分析操作，以及在1716至少部分地同时执行对薄膜的扫描和分析操作。应理解，在至少一些实现方式中，在厚膜上的扫描和分析操作(在1714)可以(在1716的)对薄膜的扫描和分析操作之前完成。当然，在替代的实现方式中，(在1716的)薄膜操作可以(在1714的)厚膜操作之前完成。
如图17进一步所示的，显微镜检查处理1700还包括在1718确定厚膜操作的结果是否为负(或者是否为不可接受的)以及在1720确定薄膜操作的结果是否为负(或者是否为不可接受)。如果(在1718)确定厚膜操作的结果为负(在1718)，或者如果(在1720)确定薄膜操作的结果为负，则显微镜检查处理1700继续进行至在1728结束或继续其他操作。
替代地，如果(在1718的)厚膜操作的结果不是负的，则处理1700包括在1722提供是否检测到寄生虫的指示。类似地，如果(在1720的)薄膜操作的结果不是负的，则处理1700包括在1724提供样品的寄生虫和/或其他特征的指示。接下来，一旦在1726确定厚膜操作和薄膜操作均完成，则显微镜检查处理1700在1728结束或继续进行其他操作。
在一些实现方式中，可使用计算设备(例如，计算设备140、主控制器202等)至少部分地实现上述显微镜检查处理的一个或一个以上方面。例如，图18是被配置为根据本公开的实现方式进行操作的示例性计算设备1800的示意图。如下所述，计算设备1800可以被配置为执行与本文公开的用于自动化显微镜检查处理的一种或多种工艺和技术相关联的功能和操作中的一种或多种。
如图18所示，在一些实现方式中，计算设备1800可以包括一个或多个处理器(或处理单元)1802、专用电路1882、存储器1804以及将包括存储器1804的各种系统组件耦合到一个或多个处理器1802和专用电路1882的总线1806。总线1806代表几种类型的总线结构中的任何一种或多种，包括存储器总线或存储器控制器、外围总线、加速的图形端口以及使用各种总线架构中的任何一种的处理器或本地总线。在该实现方式中，存储器1804包括只读存储器(ROM)1808和随机存取存储器(RAM)1810。基本输入/输出系统(BIOS)1812(其包含诸如在启动期间有助于在计算设备1800内的元件之间传递信息的基本例程)被存储在ROM 1808中。
示例性计算设备1800还包括用于从硬盘(未示出)读取和写入硬盘(未示出)的硬盘驱动器1814，并且经由硬盘驱动器接口1816(例如SCSI、ATA或其他类型的接口)连接到总线1806。用于读取和写入可移动磁盘1820的磁盘驱动器1818通过磁盘驱动器接口1822连接到系统总线1806。类似地，用于读取或写入可移动光盘1826(例如CD ROM、DVD或其他光学介质)的光盘驱动器1824通过光驱动器接口1828连接到总线1806。驱动器及其关联的计算机可读介质提供了计算机可读指令的非易失性存储、数据结构、程序模块和用于计算设备1800的其他数据。尽管本文描述的示例性计算设备1800采用硬盘、可移动磁盘1820和可移动光盘1826，但是本领域技术人员应当理解，也可以使用存储可由计算机访问的数据的其他类型的计算机可读介质，例如磁带、闪存卡、数字视频磁盘、随机存取存储器(RAM)只读存储器(ROM)等。
如图18进一步所示的，可以将多个程序模块存储在存储器1804(例如，ROM1808或RAM1810)上，存储器1804包括操作系统1830、一个或多个应用程序1832、其他程序模块1834以及程序数据1836。替代地，这些程序模块可以存储在其他计算机可读介质上，包括存储在硬盘、磁盘1820或光盘1826上。出于说明的目的，程序和其他可执行程序组件(例如操作系统1830)在图18中图示为离散块，但是应认识到这样的程序和组件在不同时间驻留在计算设备1800的不同存储组件中，并且可以由计算设备1800的处理器1802或专用电路1882执行。
用户可以通过诸如键盘1838和指示设备1840之类的输入设备向计算设备1800输入命令和信息。其他输入设备(未示出)可以包括麦克风、操纵杆、游戏手柄、卫星电视碟形天线、扫描仪等等。这些和其他输入设备通过耦合到系统总线1806的接口1842连接到处理单元1802和专用电路1882。监视器1844或其他类型的显示设备也通过接口(例如视频适配器1846)连接到总线1806。除了监视器之外，计算设备1800还可以包括其他外围输出设备(未示出)，诸如扬声器和打印机。
计算设备1800可以使用连接到一个或多个远程计算机(或服务器)1858的逻辑连接在联网环境中操作。这样的远程计算机(或服务器)1858可以是个人计算机、服务器、路由器、网络PC、对等设备或其他公共网络节点、(或图1的自动化显微镜组件110)，并且可以包括上面相对于计算设备1800所描述的元素中的许多或所有。图18中所述的逻辑连接可以包括局域网(LAN)1848和广域网(WAN)1850中的一个或多个。这样的联网环境在办公室、企业范围的计算机网络、内联网和因特网中是常见的。在该实施方案中，计算设备1800还包括一个或多个广播调谐器1856。广播调谐器1856可以直接(例如，经由直接馈送到调谐器1856的模拟或数字电缆传输)或经由接收设备(例如，经由天线、碟形卫星天线等)接收广播信号。
当在LAN网络环境中使用时，计算设备1800可以通过网络接口(或适配器)1852连接到本地网络1848。当在WAN网络环境中使用时，计算设备1800通常包括调制解调器1854或用于通过广域网1850(例如因特网)建立通信的其他方式。可以是内部的或外部的调制解调器1854可以通过串行端口接口1842连接到总线1806。类似地，计算设备1800可以使用耦合到无线通信器1857(例如，天线、碟形卫星天线、发射器、接收器、收发器、感光器、光电二极管、发射器、接收器等)的无线接口1855与一个或多个远程计算机(或服务器)1858(或与图1的自动化显微镜组件110)交换(发送或接收)无线信号1853。
在联网环境中，相对于计算设备1800或其部分所描绘的程序模块可以存储在存储器1804或远程存储器存储设备中。可以使用软件、硬件、固件或其任何合适的组合来实现程序模块。与计算设备1800的其他组件(例如处理单元1802或专用电路1882)协作，程序模块可运行以执行根据本公开的处理的一个或多个实现方式或方面。
通常，在计算设备1800上执行的应用程序和程序模块可以包括用于执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等。这些程序模块等可以作为本机代码执行，或者可以例如在虚拟机或其他即时编译执行环境中下载并执行。通常，程序模块的功能可以在各种实现方式中根据需要进行组合或分布。
鉴于本文所公开的用于自动化显微镜系统和方法的工艺和技术的公开，以下总结了一些代表性实施方案。应当理解，本文描述的代表性实施方案并不旨在穷举所有可能的实施方案，并且可以从本文提供的工艺和技术的公开中容易地构思出其他实施方案。
例如，在至少一些实现方式中，一种显微镜系统包括：显微镜组件，其配置用于获得对样品内视场的显微扫描，所述显微镜组件能运行以执行操作，所述操作包括：将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的各个网格单元的尺寸被设定为包括多个视场；限定包括多个粗间隔网格单元的粗间隔网格图案；执行搜寻模式操作，其包括：在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量；如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作；执行扫描模式操作，其包括：在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描；评估来自在所述一个或多个相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译；如果不满足用于终止扫描操作的一个或多个标准，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行搜寻模式操作；并且如果满足用于终止扫描操作的一个或多个标准，则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
在至少一些实现方式中，所述样品包括血液样品的厚膜或薄膜中的至少一者，并且其中，用于终止扫描操作的一个或多个标准包括：所扫描的可接受的视场的总数、所计算的白细胞总数、所计算的红细胞总数、所计算的疟疾寄生虫总数、在搜寻模式操作期间经过的时间量、在扫描模式操作期间经过的时间量、或经过的总时间量中的一者或多者。类似地，在一些实现方式中，将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的各个网格单元的尺寸被设定为包括多个视场，包括：将扫描窗限定成多个正方形网格单元，其中各个正方形网格单元包括行和列数量相等的视场。在进一步的实现方式中，在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描包括：在所述多个粗间隔网格单元中的所选粗间隔网格单元的中心视场处执行所述显微扫描。
此外，在至少一些实现方式中，基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的包括：当所述所选粗间隔网格单元的所述视场的至少阈值百分比被评估为提供可接受的扫描结果时，评定所述所选粗间隔网格单元是可接受的。类似地，在进一步的实现方式中，所述阈值百分比为至少百分之五十。
在进一步的实现方式中，限定包括多个粗间隔网格单元的粗间隔网格图案包括：限定包括第一粗间隔网格单元和多个第一非相邻网格单元的粗间隔网格图案，所述第一粗间隔网格单元靠近所述扫描窗中心定位，而所述多个第一非相邻网格单元位于第一非相邻周界内，所述第一非相邻周界围绕所述第一粗间隔网格单元设置并与其间隔开。类似地，在至少一些实现方式中，选择下一个粗间隔网格单元作为所述所选粗间隔网格单元包括：选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，其包括以下项中的至少一项：从所述第一粗间隔网格单元向外进行，以选择位于所述第一非相邻周界内的第一非相邻网格单元；或者从第一非相邻网格单元中的一个横向进行，以选择位于所述第一非相邻周界内的所述第一非相邻网格单元中的另一个。在进一步的实现方式中，限定包括多个粗间隔网格单元的粗间隔网格图案包括：限定包括位于第二非相邻周界内的多个第二非相邻网格单元的粗间隔网格图案，所述第二非相邻周界围绕第一非相邻周界设置并与第一非相邻周界间隔开。
此外，在至少一些实现方式中，限定包括多个粗间隔网格单元的粗间隔网格图案包括：限定包括第一组第一非相邻网格单元和第二组第二非相邻网格单元的粗间隔网格图案，所述第一组所述第一非相邻网格单元在整个所述扫描窗分布，并且每个第一非相邻网格单元与其他第一非相邻网格单元不相邻，而每个第二非相邻网格单元沿对角线靠近至少一个第一非相邻网格单元设置并且与其他第二非相邻网格单元不相邻。在还有的其他实现方式中，选择下一个粗间隔网格单元作为所述所选粗间隔网格单元包括：选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，其包括以下项中的至少一项：从所述第一组所述第一非相邻网格单元中的一个进行到所述第一组第一非相邻网格单元中的另一个；从所述第一组所述第一非相邻网格单元中的一个进行到所述第二组所述第二非相邻网格单元中的一个，所述第二非相邻网格单元沿对角线靠近所述第一组所述第一非相邻网格单元中的所述一个布置；或者从所述第二组所述第二非相邻网格单元中的一个进行到所述第二组第二非相邻网格单元中的另一个。并且，在其他实现方式中，限定包括多个粗间隔网格单元的粗间隔网格图案包括：限定包括第三组第三非相邻网格单元的粗间隔网格图案，每个第三非相邻网格单元沿对角线靠近至少一个第二非相邻网格单元布置，并且与其他第三非相邻网格单元不相邻。
在至少一些其他实现方式中，在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描包括：在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的所述相邻网格单元的一半内的所有视场处执行所述显微扫描。类似地，在一些实现方式中，在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描包括：在与可接受的所述所选粗间隔网格单元相邻并与其共享公共边界的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描。并且在还有的进一步的实现方式中，在与可接受的所述所选粗间隔网格相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描包括：在与可接受的所述所选粗间隔网格单元相邻并与其共享公共角点的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描。
在还有的进一步的实现方式中，执行扫描模式操作还包括：对于所述一个或多个相邻网格单元中的每一个，如果对于所述相邻网格单元，所述扫描结果的所述质量是可接受的，则：在与所述可接受的相邻网格单元相邻的网格单元的周界内的一个或多个次级相邻网格单元内的所有视场处执行所述显微扫描；评估来自在所述一个或多个次级相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及对于所述一个或多个次级相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述次级相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译。替代地，在还有的其他实现方式中，评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量包括：基于清晰度、锐度、模糊度或亮度中的一者或多者，评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量。类似地，在进一步的实现方式中，评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量包括：根据对所述扫描结果的质量评估来分配质量评定分数。
在另外的实现方式中，所述显微镜组件能运行以执行以下操作，包括：获得所述样品的至少一部分的宏观图像；以及分析所述宏观图像以确定所述样品的所述至少一部分对于分析的适合性。在一些实现方式中，分析所述宏观图像以确定所述样品的所述至少一部分对于分析的适合性包括：使用一个或多个图像识别模型执行一个或多个机器学习操作，以确定所述样品的所述至少一部分对于分析的适合性。在还有的其他实现方式中，将所述样品的至少一部分上的扫描窗限定成多个网格单元包括：获得所述样品的至少一部分的宏观图像；分析所述宏观图像以确定所述样品的所述至少一部分的一个或多个边界；以及基于所述样品的所述至少一部分的所述一个或多个边界来限定所述扫描窗的位置。在还有的其他实现方式中，分析所述宏观图像以确定所述样品的所述至少一部分的一个或多个边界包括：使用一个或多个图像识别模型执行一个或多个机器学习操作，以确定所述样品的所述至少一部分的一个或多个边界。
在还有的进一步的实现方式中，限定包括多个粗间隔网格单元的粗间隔网格图案包括：以下操作中的至少一项：限定包括多个非相邻网格单元的粗间隔网格图案；限定包括多个相邻网格单元的粗间隔网格图案；或者限定包括多个非相邻网格单元和多个相邻网格单元的粗间隔网格图案。
在至少一些替代的实现方式中，一种操作被配置用于实现对样品内视场的显微扫描的显微镜组件的方法包括：将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的各个网格单元的尺寸被设定为包括多个视场；限定包括多个粗间隔网格单元的粗间隔网格图案；执行搜寻模式操作，其包括：在多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量；如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作；执行扫描模式操作，其包括：在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描；评估来自在所述一个或多个相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译；如果不满足用于终止扫描操作的一个或多个标准，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行搜寻模式操作；并且如果满足用于终止扫描操作的一个或多个标准，则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
在还有的进一步的实现方式中，一种或多种承载指令的非暂时性计算机可读介质，所述指令在由一个或多个处理设备执行时可控制地操作显微镜组件以执行操作，操作包括：将样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的各个网格单元的尺寸被设定为包括多个视场；限定包括多个粗间隔网格单元的粗间隔网格图案；执行搜寻模式操作，其包括：在多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量；如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作；执行扫描模式操作，其包括：在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描；评估来自在所述一个或多个相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果与先前的可接受的扫描结果的一个或多个方面进行编译；如果不满足用于终止扫描操作的一个或多个标准，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行搜寻模式操作；并且如果满足用于终止扫描操作的一个或多个标准，则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
此外，在还有的其他实现方式中，一种显微镜系统包括：显微镜组件，其配置用于实现对样品内视场的显微扫描，所述显微镜组件能运行以：将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的每个网格单元的尺寸被设定为包括多个视场；所述多个网格单元的一部分是粗间隔网格单元；执行搜寻模式操作，其包括：在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量；如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作；执行扫描模式操作，其包括：对在与可接受的所述所选粗间隔网格单元相邻的一个或多个相邻网格单元内的所有视场执行扫描和评估；以及对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果与先前的可接受的扫描结果的一个或多个方面进行编译；以及如果不满足用于终止扫描操作的一个或多个标准，则返回至搜寻模式操作，否则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
在至少一些替代的实现方式中，所述样品包括血液样品的厚膜或薄膜中的至少一者，并且其中，用于终止扫描操作的一个或多个标准包括：所扫描的可接受的视场的总数、所计算的白细胞总数、所计算的红细胞总数、所计算的疟疾寄生虫总数、在搜寻模式操作期间经过的时间量、在扫描模式操作期间经过的时间量、或经过的总时间量中的一者或多者。并且，在还有的其他实现方式中，对在与可接受的所述所选粗间隔网格单元相邻的一个或多个相邻网格单元内的所有视场执行扫描和评估包括：在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描；以及评估来自在所述一个或多个相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量。
在进一步的实现方式中，在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描包括：在所述多个粗间隔网格单元中的所选粗间隔网格单元的中心视场处执行所述显微扫描。在还有的进一步的实现方式中，基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的包括：当所述所选粗间隔网格单元的所述视场的至少阈值百分比被评估为提供可接受的扫描结果时，评定所述所选粗间隔网格单元是可接受的。
类似地，在一些其他实现方式中，所述显微镜组件能运行以执行操作包括：如果不满足用于终止扫描操作的一个或多个标准，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行搜寻模式操作。在还有的其他实现方式中，所述扫描模式操作还包括：对于所述一个或多个相邻网格单元中的每一个，如果对于所述相邻网格单元，所述扫描结果的所述质量是可接受的，则：在与所述可接受的相邻网格单元相邻的网格单元的周界内的一个或多个次级相邻网格单元内的所有视场处执行所述显微扫描；评估来自在所述一个或多个次级相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及对于所述一个或多个次级相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述次级相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译。
在至少一些另外的实现方式中，一种操作被配置用于实现对样品内视场的显微扫描的显微镜组件的方法，所述方法包括：将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的每个网格单元的尺寸被设定为包括多个视场；所述多个网格单元的一部分是粗间隔网格单元；执行搜寻模式操作，其包括：在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量；如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作；执行扫描模式操作，其包括：对在与可接受的所述所选粗间隔网格单元相邻的一个或多个相邻网格单元内的所有视场执行扫描和评估；以及对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译；以及如果不满足用于终止扫描操作的一个或多个标准，则返回至搜寻模式操作，否则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
在还有的其他实现方式中，一种或多种承载指令的非暂时性计算机可读介质，所述指令在由一个或多个处理设备执行时可控制地操作显微镜组件以执行操作，操作包括：将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的每个网格单元的尺寸被设定为包括多个视场；所述多个网格单元的一部分是粗间隔网格单元；执行搜寻模式操作，其包括：在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量；如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作；执行扫描模式操作，其包括：对在与可接受的所述所选粗间隔网格单元相邻的一个或多个相邻网格单元内的所有视场执行扫描和评估；以及对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译；以及如果不满足用于终止扫描操作的一个或多个标准，则返回至搜寻模式操作，否则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
应当理解，本文描述的处理的特定实施方案仅是本公开的可能的实现方式，并且本公开不受限于本文描述和附图中所示的特定实现方式。另外，在替代的实现方式中，某些动作不必以所描述的顺序执行，而是可以被修改或组合，和/或可以被完全省略，具体取决于情况。此外，在各种实现方式中，所描述的动作可以由计算机、控制器、处理器、可编程设备或任何其他合适的设备来实现，并且可以基于存储在一个或多个计算机可读介质上或以其他方式存储或编程到这样的设备中的指令。在使用计算机可读介质的情况下，计算机可读介质可以是任何可用介质，任何可用介质可以由设备访问以实现存储在其上的指令。
本文已经在由一个或多个处理器或其他设备执行的计算机可执行指令(例如程序模块)的一般背景中描述了多种方法、系统和技术。通常，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等。通常，在各种替代的实施方案中，可以根据需要组合或分布程序模块的功能。另外，这些方法、系统和技术的实施方案可以存储在某种形式的计算机可读介质上或在某种形式的计算机可读介质上传输。
前述示例仅意指是说明性的，并且在此示例的省略不应被解释为有意或无意否认主题。在本申请的结尾，本文阐述的本发明的范围仅由所附权利要求书限定。
在某些情况下，系统或方法的使用可发生在某地区，即使组件位于该地区之外也如此。例如，在分布式计算环境中，分布式计算系统的使用可发生在某地区，但该系统的部件却可位于该地区之外(例如，位于该地区之外的继电器、服务器、处理器、信号承载介质、发送计算机、接收计算机等)。
同样，系统或方法的销售可发生在某地区，即使系统或方法的组件位于该地区之外和/或在该地区之外被使用也如此。此外，用于在一地区中执行方法的系统的至少一部分的实现并不妨碍该系统在另一地区中的使用。
在一般意义上，本领域技术人员也会认识到，本文所描述的可通过范围广泛的硬件、软件、固件和/或它们的任意组合单个地和/或共同地实现的各个方面可被视为包括各种类型的“电路”。因此，本文所使用的“电路”包括但不限于：具有至少一个分立电路的电路、具有至少一个集成电路的电路、具有至少一个应用专用集成电路的电路、形成由计算机程序配置的通用计算设备(例如，由至少部分地实现本文所描述的处理和/或设备的计算机程序配置的通用计算机、或由至少部分地实现本文所描述的处理和/或设备的计算机程序配置的微处理器)的电路、形成存储设备(例如，各种形式的存储器(例如，随机存取存储器、闪存、只读存储器等))的电路、和/或形成通信设备(例如，调制解调器、通信交换机、光电设备等)的电路。本领域技术人员会认识到，本文所描述的主题可以以模拟或数字方式或者它们的一些组合来实现。
本领域技术人员会认识到，本文所描述的设备和/或处理的至少一部分可被集成到数据处理系统中。本领域技术人员应认识到，数据处理系统一般包括下列项中的一或多项：系统单元壳体、视频显示设备、诸如易失性或非易失性存储器之类的存储器、诸如微处理器或数字信号处理器之类的处理器、诸如操作系统之类的计算实体、驱动器、图形用户界面、应用程序、一或多个交互设备(例如，触摸板、触摸屏、天线等)、和/或包括反馈回路和控制马达(例如，用于感测位置和/或速度的反馈、用于移动和/或调整部件和/或数量的控制马达)的控制系统。数据处理系统可利用诸如那些通常在数据计算/通信和/或网络计算/通信系统中找得到的合适的市售部件来实现。
出于本申请的目的，“云”计算可以如云计算文献中所述的那样被理解。例如，云计算可以是用于传递计算能力和/或存储能力作为服务的方法和/或系统。“云”可以指传递或协助传递计算和/或存储能力的一个或多个硬件和/或软件组件，其包括但不限于客户端、应用程序、平台、基础设施和/或服务器中的一个或多个。云可以指与客户端、应用程序、平台、基础设施和/或服务器关联的任何硬件和/或软件。例如，云和云计算可以涉及计算机、处理器、存储介质、路由器、交换机、调制解调器、虚拟机(例如，虚拟服务器)、数据中心、操作系统、中间件、固件、硬件后端、软件后端和/或软件应用程序。云可以指私有云、公共云、混合云和/或社区云。云可以是可配置计算资源的共享池，其可以是公共的、私有的、半私有的、可分发的、可伸缩的、灵活的、临时的、虚拟的和/或物理的。云或云服务可以通过一种或多种类型的网络(例如，移动通信网络)和因特网来传递。
如在本申请中使用的，云或云服务可以包括基础架构即服务(“IaaS”)、平台即服务(“PaaS”)、软件即服务(“SaaS”)和/或桌面即服务(“DaaS”)中的一者或多者。作为非排他性示例，IaaS可以包括例如一个或多个虚拟服务器实例，这些实例可以启动、停止、访问和/或配置虚拟服务器和/或存储中心(例如，提供一个或多个处理器、存储空间和/或网络资源(例如EMC和Rackspace)。PaaS可以包括例如托管在基础结构(例如计算平台和/或解决方案堆栈，客户端可以从其创建软件接口和应用程序，例如Microsoft Azure)上的一个或多个软件和/或开发工具。SaaS可以包括例如由服务提供商托管并可以通过网络访问的软件(例如，用于该应用程序和/或与该软件应用程序相关联的数据的软件，其可以保留在网络上，例如Google Apps，SalesForce)。DaaS可以包括，例如，通过网络为用户提供桌面、应用程序、数据和/或服务(例如，提供多应用程序框架、框架中的应用程序、与应用程序相关联的数据、和/或与网络上的应用程序和/或数据相关的服务，例如Citrix)。前述内容旨在作为在本申请中称为“云”或“云计算”的系统和/或方法的类型的示例，并且不应被视为完整或详尽的。
本领域的技术人员应认识到，出于概念清楚的目的，本文描述的组件(例如，操作)、设备、对象以及伴随它们的讨论被用作示例，并且可以构想各种配置修改。因此，如本文所使用的，所阐述的具体示例和所附的讨论旨在代表它们的更一般的类别。通常，任何特定示例的使用都旨在代表其类别，并且不包括特定组件(例如，操作)、设备和对象不应视为是限制性的。
本文描述的主题有时示出包含在不同的其它组件内或与不同的其它组件连接的不同组件。应当理解，这样描绘的体系结构仅仅是示例性的，并且实际上可以实现获得相同功能的许多其他体系结构。在构思意义上，实现相同功能的组件的任何布置被有效地“关联”，使得实现期望的功能。因此，本文组合以实现特定功能的任何两个组件可以被看作彼此“相关联”，使得实现期望的功能，而不管体系结构或中间组件如何。同样地，这样关联的任何两个组件也可以被视为彼此“可操作地连接”或“可操作地耦合”以实现期望的功能，并且能够这样相关联的任何两个组件也可以被视为彼此“可操作地耦合”以实现期望的功能。可操作地耦合的具体示例包括但不限于物理上可配对和/或物理交互的组件、和/或无线可交互的和/或无线交互的组件、和/或逻辑上交互的组件和/或逻辑上可交互的组件。
就本申请中存在正式的大纲标题而言，应理解，大纲标题是出于陈述目的，并且可以在整个申请中讨论不同类型的主题(例如，设备/结构可以在处理/操作标题下描述和/或处理/操作可以在结构/处理标题下讨论；和/或单个主题的描述可以跨越两个或多个主题标题)。因此，在本申请中对正式大纲标题的任何使用都是出于陈述的目的，而不是要以任何方式进行限制。
在整个本申请中，给出了示例和列表，并且这些示例和/或列表可以用括号、逗号、缩写“例如(e.g.)”或其某种组合来描绘。除非另有明确说明，否则这些示例和列表仅是示例性的，并不是穷举性的。在大多数情况下，列出每个示例和每个组合难以实现。因此，使用较少的说明性列表和示例，重点在于赋予对权利要求术语的理解，而不是限制此类术语的范围。
关于本文中基本上任何复数和/或单数术语的使用，本领域技术人员可以根据上下文和/或应用适当地将复数转换为单数和/或将单数转换为复数。为了清楚起见，本文中没有明确阐述各种单数/复数置换。
本领域技术人员应认识到，本文所描述的组件(例如，操作)、设备、对象以及伴随它们的讨论出于概念清楚的目的被用作示例，并且各种配置修改是可预计的。因此，如本文所使用的，所阐述的具体示例以及附随的讨论旨在代表其更一般的类。一般而言，任何具体示例的使用旨在代表它的类，且具体组件(例如，操作)、设备和对象的不包括不应当被视为限制。
尽管在本文中以及其他地方可能示出和/或描述一个或多个用户，但是作为单个图解的图，本领域技术人员应理解，一个或多个用户可以代表一个或多个人类用户、机器人用户(例如，计算实体)和/或其基本任何组合(例如，一个或多个机器人代理可以辅助用户)，除非上下文另有规定。本领域技术人员应理解，通常，“发件人”和/或其他面向实体在这样的术语被用于本文时被认为是相同术语，除非上下文另有指明。
在一些情况下，一或多个组件在本文中可被称为“被配置来”、“通过…配置”、“可配置来”、“可操作/操作来”、“适于/可适于”、“能够”、“可遵照/遵照”等。本领域技术人员应认识到，除非上下文另有要求，否则这样的术语(例如“被配置来”)可一般包括活动状态的部件和/或非活动状态的部件和/或待命状态的部件。
虽已示出并描述了本文所述的主题的特定方面，但显然，对本领域技术人员而言，基于本文的教导，可在不背离本文所描述的主题及其更宽泛的方面的情况下做出改变和修改，因此，所附的权利要求将所有这样的改变和修改包括在它们的范围内，视为在本文所描述的主题的真实精神和范围内。本领域技术人员会理解，一般而言，本文尤其是在所附权利要求(例如，所附权利要求的主体)中所使用的术语通常意在作为“开放式”术语(例如，术语“包含”应当被解释为“包含但不限于”，术语“具有”应当被解释为“具有至少”，术语“包括”应当被解释为“包括但不限于”，等等)。
本领域技术人员应进一步理解，如果意在所引介权利要求表述对象的具体数量，则这种意图会被明确记载在该权利要求中，而如果不存在这样的记载，便不存在这样的意图。例如，作为对理解的辅助，下面所附的权利要求可包含引介短语“至少一个”和“一或多个”的使用以引介权利要求表述对象。但是，这类短语的使用不应当被解释为暗示通过不定冠词“一”或“一个”对权利要求表述对象的引介将含有这种所引介权利要求表述对象的任何特定权利要求限制为只包含一个这种表述对象的权利要求，即使在同一权利要求包括引介短语“一或多个”或“至少一个”以及诸如“一”或“一个”等不定冠词时亦如此(例如，“一”和/或“一个”通常应当被解释为是指“至少一个”或“一或多个”)；对于用于引介权利要求表述对象的定冠词的使用而言亦同样如此。此外，即使明确记载了所引介权利要求表述对象的具体数量，本领域技术人员也会认识到，这种记载通常也应当被解释为是指至少是所记载的数量(例如，单单记载“两个表述对象”而没有其他修饰语，通常是指至少两个表述对象或者两或更多个表述对象)。
此外，在使用与“A、B和C等中的至少一个”类似的惯用语的那些情况下，一般而言，这种结构意指本领域技术人员会理解的惯用意义(例如，“具有A、B和C中的至少一个的系统”会包括但不限于只有A的系统、只有B的系统、只有C的系统、同时具有A和B的系统、同时具有A和C的系统、同时具有B和C的系统、和/或同时具有A、B和C的系统，等等)。在使用与“A、B或C等中的至少一个”类似的惯用语的那些情况下，一般而言，这种结构意指本领域技术人员会理解的惯用意义(例如，“具有A、B或C中的至少一个的系统”会包括但不限于只有A的系统、只有B的系统、只有C的系统、同时具有A和B的系统、同时具有A和C的系统、同时具有B和C的系统、和/或同时具有A、B和C的系统，等等)。本领域技术人员还会理解，通常，提出两或更多可选择项的选言词和/或短语，无论是在说明书、权利要求书、还是在附图中，都应当被理解为预计包括其中一项、任一项、或两项的可能性，除非上下文另有说明。例如，短语“A或B”通常会被理解为包括“A”或“B”或“A和B”的可能性。
对于所附权利要求，本领域技术人员会明白，其中所记载的操作通常可按任何顺序执行。另外，虽然各种操作流程是按顺序给出的，但应当理解，所述各种操作可按与所阐述的那些顺序不同的顺序执行，或者可同时执行。这种替代顺序的示例可包括重叠的、交错的、中断的、重新排序的、增加的、预备的、补充的、同时的、反向的、或其他变体顺序，除非上下文另有规定。此外，诸如“响应于”、“与……有关”或其他过去时态的形容词一般无意排除这种变体，除非上下文另有规定。
本申请可参考一个或多个商标，例如，一个制造商或商人采用的，用于识别其产品和/或将其产品与其他产品区分的单词、字母、符号或设备。本文使用的商标名称采用能清楚表明其身份，将其与具有固定和明确含义的常见描述性名词区别开的语言来阐述，或者在许多(如果不是全部)情况下，还附带使用未被商标涵盖的术语的其他特定的标识。另外，本文所使用的商标名称具有在文献中众所周知和限定的含义，或者不表示需要了解一个或多个商业秘密才能理解其含义的产品或化合物。本申请中引用的所有商标均为其各自所有者的财产，并且本申请中一个或多个商标的外观不会减少或以其他方式不利地影响该一个或多个商标的有效性。假定出现在本申请中的所有注册或未注册的商标都包含适当的商标符号，例如加圆圈的R或方括号大写(例如[商标名称])，即使该商标符号未明确显示在商标旁边也如此。在商标以描述性方式用于指代产品或处理的程度上，该商标应解释为代表截止该专利申请的申请日的相应产品或处理。
在本申请中，可以使用术语“在一实施方案中”、“在至少一些实施方案中”、“在一个实施方案中”、“在一些实施方案中”、“在若干实施方案中”、“在至少一个实施方案中”、“在各种实施方案中”等等。除非另外明确指出，否则这些术语中的每一个以及所有这样的相似术语应被解释为“在至少一个实施方案中，并且可能但不一定是所有实施方案中”。具体而言，除非另有明确说明，否则类似这些短语的短语的意图是提供本发明的实现方式的非排他性和非限制性的示例。仅仅是一个、一些或多个实施方案包括一个或多个事物或具有一个或多个特征这样的陈述并不意味着所有实施方案都包括一个或多个事物或具有一个或多个特征，也不意味着这样的实施方案必须存在。其仅仅是示例的指示，并且不应以其他方式解释，除非明确这样陈述。
在本申请中，可以使用术语“在一实现方式中”、“在至少一些实现方式中”、“在一个实现方式中”、“在一些实现方式中”、“在若干实现方式中”、“在至少一个实现方式中”、“在各种实现方式中”等等。除非另外明确指出，否则这些术语中的每一个以及所有这样的相似术语应被解释为“在至少一个实现方式中，并且可能但不一定是所有实现方式中”。具体而言，除非另有明确说明，否则类似这些短语的短语的意图是提供本发明的实现方式的非排他性和非限制性的示例。仅仅是一个、一些或多个实现方式包括一个或多个事物或具有一个或多个特征这样的陈述并不意味着所有实现方式都包括一个或多个事物或具有一个或多个特征，也不意味着这样的实现方式必须存在。其仅仅是示例的指示，并且不应以其他方式解释，除非明确这样陈述。
本文描述的主题的方面在以下带编号的条款中描述：
1.一种显微镜系统，其包括：
显微镜组件，其配置用于获得对样品内视场的显微扫描，所述显微镜组件能运行以执行操作，所述操作包括：
将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的各个网格单元的尺寸被设定为包括多个视场；
限定包括多个粗间隔网格单元的粗间隔网格图案；
执行搜寻模式操作，其包括：
在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；
评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；
如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量；
如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：
对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；
评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；
基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；
如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且
如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作；
执行扫描模式操作，其包括：
在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描；
评估来自在所述一个或多个相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及
对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译；
如果不满足用于终止扫描操作的一个或多个标准，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行搜寻模式操作；并且
如果满足用于终止扫描操作的一个或多个标准，则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
2.根据条款1所述的系统，其中，所述样品包括血液样品的厚膜或薄膜中的至少一者，并且其中，用于终止扫描操作的一个或多个标准包括：
所扫描的可接受的视场的总数、所计算的白细胞总数、所计算的红细胞总数、所计算的疟疾寄生虫总数、在搜寻模式操作期间经过的时间量、在扫描模式操作期间经过的时间量、或经过的总时间量中的一者或多者。
3.根据条款1所述的系统，其中的将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的各个网格单元的尺寸被设定为包括多个视场，包括：
将扫描窗限定成多个正方形网格单元，其中各个正方形网格单元包括行和列数量相等的视场。
4.根据条款1所述的系统，其中的在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描包括：
在所述多个粗间隔网格单元中的所选粗间隔网格单元的中心视场处执行所述显微扫描。
5.根据条款1所述的系统，其中的基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的包括：
当所述所选粗间隔网格单元的所述视场的至少阈值百分比被评估为提供可接受的扫描结果时，评定所述所选粗间隔网格单元是可接受的。
6.根据条款5所述的系统，其中所述阈值百分比为至少百分之五十。
7.根据条款1所述的系统，其中的限定包括多个粗间隔网格单元的粗间隔网格图案包括：
限定包括第一粗间隔网格单元和多个第一非相邻网格单元的粗间隔网格图案，所述第一粗间隔网格单元靠近所述扫描窗中心定位，而所述多个第一非相邻网格单元位于第一非相邻周界内，所述第一非相邻周界围绕所述第一粗间隔网格单元设置并与其间隔开。
8.根据条款7所述的系统，其中的选择下一个粗间隔网格单元作为所述所选粗间隔网格单元包括：
选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，其包括以下项中的至少一项：
从所述第一粗间隔网格单元向外进行，以选择位于所述第一非相邻周界内的第一非相邻网格单元；或者
从第一非相邻网格单元中的一个横向进行，以选择位于所述第一非相邻周界内的所述第一非相邻网格单元中的另一个。
9.根据条款7所述的系统，其中的限定包括多个粗间隔网格单元的粗间隔网格图案包括：
限定包括位于第二非相邻周界内的多个第二非相邻网格单元的粗间隔网格图案，所述第二非相邻周界围绕所述第一非相邻周界设置并与所述第一非相邻周界间隔开。
10.根据条款1所述的系统，其中的限定包括多个粗间隔网格单元的粗间隔网格图案包括：
限定包括第一组第一非相邻网格单元和第二组第二非相邻网格单元的粗间隔网格图案，所述第一组所述第一非相邻网格单元在整个所述扫描窗分布，并且每个第一非相邻网格单元与其他第一非相邻网格单元不相邻，而每个第二非相邻网格单元沿对角线靠近至少一个第一非相邻网格单元设置并且与其他第二非相邻网格单元不相邻。
11.根据条款10所述的系统，其中的选择下一个粗间隔网格单元作为所述所选粗间隔网格单元包括：
选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，其包括以下项中的至少一项：
从所述第一组所述第一非相邻网格单元中的一个进行到所述第一组第一非相邻网格单元中的另一个；
从所述第一组所述第一非相邻网格单元中的一个进行到所述第二组所述第二非相邻网格单元中的一个，所述第二非相邻网格单元沿对角线靠近所述第一组所述第一非相邻网格单元中的所述一个布置；或者
从所述第二组所述第二非相邻网格单元中的一个进行到所述第二组第二非相邻网格单元中的另一个。
12.根据条款10所述的系统，其中的限定包括多个粗间隔网格单元的粗间隔网格图案包括：
限定包括第三组第三非相邻网格单元的粗间隔网格图案，每个第三非相邻网格单元沿对角线靠近至少一个第二非相邻网格单元布置，并且与其他第三非相邻网格单元不相邻。
13.根据条款1所述的系统，其中的在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描包括：
在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的所述相邻网格单元的一半内的所有视场处执行所述显微扫描。
14.根据条款1所述的系统，其中的在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描包括：
在与可接受的所述所选粗间隔网格单元相邻并与其共享公共边界的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描。
15.根据条款1所述的系统，其中的在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描包括：
在与可接受的所述所选粗间隔网格单元相邻并与其共享公共角点的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描。
16.根据条款1所述的系统，其中执行扫描模式操作还包括：
对于所述一个或多个相邻网格单元中的每一个，如果对于所述相邻网格单元，所述扫描结果的所述质量是可接受的，则：
在与所述可接受的相邻网格单元相邻的网格单元的周界内的一个或多个次级相邻网格单元内的所有视场处执行所述显微扫描；
评估来自在所述一个或多个次级相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及
对于所述一个或多个次级相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述次级相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译。
17.根据条款1所述的系统，其中的评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量包括：
基于清晰度、锐度、模糊度或亮度中的一者或多者，评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量。
18.根据条款1所述的系统，其中的评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量包括：
根据对所述扫描结果的质量评估来分配质量评定分数。
19.根据条款1所述的系统，其中，所述显微镜组件能运行以执行以下操作，包括：
获得所述样品的至少一部分的宏观图像；以及
分析所述宏观图像以确定所述样品的所述至少一部分对于分析的适合性。
20.根据条款19所述的系统，其中的分析所述宏观图像以确定所述样品的所述至少一部分对于分析的适合性包括：
使用一个或多个图像识别模型执行一个或多个机器学习操作，以确定所述样品的所述至少一部分对于分析的适合性。
21.根据条款1所述的系统，其中的将所述样品的至少一部分上的扫描窗限定成多个网格单元包括：
获得所述样品的至少一部分的宏观图像；
分析所述宏观图像以确定所述样品的所述至少一部分的一个或多个边界；以及
基于所述样品的所述至少一部分的所述一个或多个边界来限定所述扫描窗的位置。
22.根据条款21所述的系统，其中的分析所述宏观图像以确定所述样品的所述至少一部分的一个或多个边界包括：
使用一个或多个图像识别模型执行一个或多个机器学习操作，以确定所述样品的所述至少一部分的一个或多个边界。
23.根据条款1所述的系统，其中的限定包括多个粗间隔网格单元的粗间隔网格图案包括：
以下操作中的至少一项：
限定包括多个非相邻网格单元的粗间隔网格图案；
限定包括多个相邻网格单元的粗间隔网格图案；或者
限定包括多个非相邻网格单元和多个相邻网格单元的粗间隔网格图案。
24.一种操作被配置用于实现对样品内视场的显微扫描的显微镜组件的方法，所述方法包括：
将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的各个网格单元的尺寸被设定为包括多个视场；
限定包括多个粗间隔网格单元的粗间隔网格图案；
执行搜寻模式操作，其包括：
在多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；
评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；
如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量；
如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：
对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；
评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；
基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；
如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且
如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作；
执行扫描模式操作，其包括：
在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描；
评估来自在所述一个或多个相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及
对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译；
如果不满足用于终止扫描操作的一个或多个标准，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行搜寻模式操作；并且
如果满足用于终止扫描操作的一个或多个标准，则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
25.根据条款24所述的方法，其中，所述样品包括血液样品的厚膜或薄膜中的至少一者，并且其中，用于终止扫描操作的一个或多个标准包括：
所扫描的可接受的视场的总数、所计算的白细胞总数、所计算的红细胞总数、所计算的疟疾寄生虫总数、在搜寻模式操作期间经过的时间量、在扫描模式操作期间经过的时间量、或经过的总时间量中的一者或多者。
26.根据条款24所述的方法，其中的将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的各个网格单元的尺寸被设定为包括多个视场，包括：
将扫描窗限定成多个正方形网格单元，其中各个正方形网格单元包括行和列数量相等的视场。
27.根据条款24所述的方法，其中的在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描包括：
在所述多个粗间隔网格单元中的所选粗间隔网格单元的中心视场处执行所述显微扫描。
28.根据条款24所述的方法，其中的基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的包括：
当所述所选粗间隔网格单元的所述视场的至少阈值百分比被评估为提供可接受的扫描结果时，评定所述所选粗间隔网格单元是可接受的。
29.根据条款28所述的方法，其中所述阈值百分比为至少百分之五十。
30.根据条款24所述的方法，其中的限定包括多个粗间隔网格单元的粗间隔网格图案包括：
限定包括第一粗间隔网格单元和多个第一非相邻网格单元的粗间隔网格图案，所述第一粗间隔网格单元靠近所述扫描窗中心定位，而所述多个第一非相邻网格单元位于第一非相邻周界内，所述第一非相邻周界围绕所述第一粗间隔网格单元设置并与其间隔开。
31.根据条款30所述的方法，其中的选择下一个粗间隔网格单元作为所述所选粗间隔网格单元包括：
选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，其包括以下项中的至少一项：
从所述第一粗间隔网格单元向外进行，以选择位于所述第一非相邻周界内的第一非相邻网格单元；或者
从第一非相邻网格单元中的一个横向进行，以选择位于所述第一非相邻周界内的所述第一非相邻网格单元中的另一个。
32.根据条款30所述的方法，其中的限定包括多个粗间隔网格单元的粗间隔网格图案包括：
限定包括位于第二非相邻周界内的多个第二非相邻网格单元的粗间隔网格图案，所述第二非相邻周界围绕所述第一非相邻周界设置并与所述第一非相邻周界间隔开。
33.根据条款24所述的方法，其中的限定包括多个粗间隔网格单元的粗间隔网格图案包括：
限定包括第一组第一非相邻网格单元和第二组第二非相邻网格单元的粗间隔网格图案，所述第一组所述第一非相邻网格单元在整个所述扫描窗分布，并且每个第一非相邻网格单元与其他第一非相邻网格单元不相邻，而每个第二非相邻网格单元沿对角线靠近至少一个第一非相邻网格单元设置并且与其他第二非相邻网格单元不相邻。
34.根据条款33所述的方法，其中的选择下一个粗间隔网格单元作为所述所选粗间隔网格单元包括：
选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，其包括以下项中的至少一项：
从所述第一组所述第一非相邻网格单元中的一个进行到所述第一组第一非相邻网格单元中的另一个；
从所述第一组所述第一非相邻网格单元中的一个进行到所述第二组所述第二非相邻网格单元中的一个，所述第二非相邻网格单元沿对角线靠近所述第一组所述第一非相邻网格单元中的所述一个布置；或者
从所述第二组所述第二非相邻网格单元中的一个进行到所述第二组第二非相邻网格单元中的另一个。
35.根据条款33所述的方法，其中的限定包括多个粗间隔网格单元的粗间隔网格图案包括：
限定包括第三组第三非相邻网格单元的粗间隔网格图案，每个第三非相邻网格单元沿对角线靠近至少一个第二非相邻网格单元布置，并且与其他第三非相邻网格单元不相邻。
36.根据条款24所述的方法，其中的在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描包括：
在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的所述相邻网格单元的一半内的所有视场处执行所述显微扫描。
37.根据条款24所述的方法，其中的在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描包括：
在与可接受的所述所选粗间隔网格单元相邻并与其共享公共边界的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描。
38.根据条款24所述的方法，其中的在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描包括：
在与可接受的所述所选粗间隔网格单元相邻并与其共享公共角点的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描。
39.根据条款24所述的方法，其中执行扫描模式操作还包括：
对于所述一个或多个相邻网格单元中的每一个，如果对于所述相邻网格单元，所述扫描结果的所述质量是可接受的，则：
在与所述可接受的相邻网格单元相邻的网格单元的周界内的一个或多个次级相邻网格单元内的所有视场处执行所述显微扫描；
评估来自在所述一个或多个次级相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及
对于所述一个或多个次级相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述次级相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译。
40.根据条款24所述的方法，其中的评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量包括：
基于清晰度、锐度、模糊度或亮度中的一者或多者，评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量。
41.根据条款24所述的方法，其中的评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量包括：
根据对所述扫描结果的质量评估来分配质量评定分数。
42.根据条款24所述的方法，其还包括：
获得所述样品的至少一部分的宏观图像；以及
分析所述宏观图像以确定所述样品的所述至少一部分对于分析的适合性。
43.根据条款42所述的方法，其中的分析所述宏观图像以确定所述样品的所述至少一部分对于分析的适合性包括：
使用一个或多个图像识别模型执行一个或多个机器学习操作，以确定所述样品的所述至少一部分对于分析的适合性。
44.根据条款24所述的方法，其中的将所述样品的至少一部分上的扫描窗限定成多个网格单元包括：
获得所述样品的至少一部分的宏观图像；
分析所述宏观图像以确定所述样品的所述至少一部分的一个或多个边界；以及
基于所述样品的所述至少一部分的所述一个或多个边界来限定所述扫描窗的位置。
45.根据条款44所述的系统，其中的分析所述宏观图像以确定所述样品的所述至少一部分的一个或多个边界包括：
使用一个或多个图像识别模型执行一个或多个机器学习操作，以确定所述样品的所述至少一部分的一个或多个边界。
46.根据条款24所述的方法，其中的限定包括多个粗间隔网格单元的粗间隔网格图案包括：
以下操作中的至少一项：
限定包括多个非相邻网格单元的粗间隔网格图案；
限定包括多个相邻网格单元的粗间隔网格图案；或者
限定包括多个非相邻网格单元和多个相邻网格单元的粗间隔网格图案。
47.一种或多种承载指令的非暂时性计算机可读介质，所述指令在由一个或多个处理设备执行时可控制地操作显微镜组件以执行以下操作：
将样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的各个网格单元的尺寸被设定为包括多个视场；
限定包括多个粗间隔网格单元的粗间隔网格图案；
执行搜寻模式操作，其包括：
在多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；
评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；
如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量；
如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：
对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；
评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；
基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；
如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且
如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作；
执行扫描模式操作，其包括：
在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描；
评估来自在所述一个或多个相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及
对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译；
如果不满足用于终止扫描操作的一个或多个标准，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行搜寻模式操作；并且
如果满足用于终止扫描操作的一个或多个标准，则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
48.一种显微镜系统，其包括：
显微镜组件，其配置用于实现对样品内视场的显微扫描，所述显微镜组件能操作以：
将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的每个网格单元的尺寸被设定为包括多个视场，所述多个网格单元的一部分是粗间隔网格单元；
执行搜寻模式操作，其包括：
在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；
评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；
如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量；
如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：
对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；
评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；
基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；
如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且
如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作；
执行扫描模式操作，其包括：
对在与可接受的所述所选粗间隔网格单元相邻的一个或多个相邻网格单元内的所有视场执行扫描和评估；以及
对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译；以及
如果不满足用于终止扫描操作的一个或多个标准，则返回至搜寻模式操作，否则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
49.根据条款48所述的系统，其中，所述样品包括血液样品的厚膜或薄膜中的至少一者，并且其中，用于终止扫描操作的一个或多个标准包括：
所扫描的可接受的视场的总数、所计算的白细胞总数、所计算的红细胞总数、所计算的疟疾寄生虫总数、在搜寻模式操作期间经过的时间量、在扫描模式操作期间经过的时间量、或经过的总时间量中的一者或多者。
50.根据条款48所述的系统，其中的对在与可接受的所述所选粗间隔网格单元相邻的一个或多个相邻网格单元内的所有视场执行扫描和评估包括：
在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描；以及
评估来自在所述一个或多个相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量。
51.根据条款48所述的系统，其中的在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描包括：
在所述多个粗间隔网格单元中的所选粗间隔网格单元的中心视场处执行所述显微扫描。
52.根据条款48所述的系统，其中的基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的包括：
当所述所选粗间隔网格单元的所述视场的至少阈值百分比被评估为提供可接受的扫描结果时，评定所述所选粗间隔网格单元是可接受的。
53.根据条款48所述的系统，其中的所述显微镜组件还能运行以执行操作包括：
如果不满足用于终止扫描操作的一个或多个标准，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行搜寻模式操作。
54.根据条款48所述的系统，其中所述扫描模式操作还包括：
对于所述一个或多个相邻网格单元中的每一个，如果对于所述相邻网格单元，所述扫描结果的所述质量是可接受，则：
在与所述可接受的相邻网格单元相邻的网格单元的周界内的一个或多个次级相邻网格单元内的所有视场处执行所述显微扫描；
评估来自在所述一个或多个次级相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及
对于所述一个或多个次级相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述次级相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译。
55.一种操作被配置用于实现对样品内视场的显微扫描的显微镜组件的方法，所述方法包括：
将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的每个网格单元的尺寸被设定为包括多个视场，所述多个网格单元的一部分是粗间隔网格单元；
执行搜寻模式操作，其包括：
在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；
评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；
如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量；
如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：
对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；
评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；
基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；
如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且
如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作；
执行扫描模式操作，其包括：
对在与可接受的所述所选粗间隔网格单元相邻的一个或多个相邻网格单元内的所有视场执行扫描和评估；以及
对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译；以及
如果不满足用于终止扫描操作的一个或多个标准，则返回至搜寻模式操作，否则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
56.根据条款55所述的方法，其中，所述样品包括血液样品的厚膜或薄膜中的至少一者，并且其中，用于终止扫描操作的一个或多个标准包括：
所扫描的可接受的视场的总数、所计算的白细胞总数、所计算的红细胞总数、所计算的疟疾寄生虫总数、在搜寻模式操作期间经过的时间量、在扫描模式操作期间经过的时间量、或经过的总时间量中的一者或多者。
57.根据条款55所述的方法，其中的对在与可接受的所述所选粗间隔网格单元相邻的一个或多个相邻网格单元内的所有视场执行扫描和评估包括：
在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描；以及
评估来自在所述一个或多个相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量。
58.根据条款55所述的方法，其中的在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描包括：
在所述多个粗间隔网格单元中的所选粗间隔网格单元的中心视场处执行所述显微扫描。
59.根据条款55所述的方法，其中的基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的包括：
当当所述所选粗间隔网格单元的所述视场的至少阈值百分比被评估为提供可接受的扫描结果时，评定所述所选粗间隔网格单元是可接受的。
60.根据条款55所述的方法，其中的所述显微镜组件还能运行以执行以下操作，包括：
如果不满足用于终止扫描操作的一个或多个标准，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行搜寻模式操作。
61.根据条款55所述的方法，其中所述扫描模式操作还包括：
对于所述一个或多个相邻网格单元中的每一个，如果对于所述相邻网格单元，所述扫描结果的所述质量是可接受的，则：
在与所述可接受的相邻网格单元相邻的网格单元的周界内的一个或多个次级相邻网格单元内的所有视场处执行所述显微扫描；
评估来自在所述一个或多个次级相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及
对于所述一个或多个次级相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述次级相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译。
62.一种或多种承载指令的非暂时性计算机可读介质，所述指令在由一个或多个处理设备执行时可控制地操作显微镜组件以执行以下操作：
将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的每个网格单元的尺寸被设定为包括多个视场，所述多个网格单元的一部分是粗间隔网格单元；
执行搜寻模式操作，其包括：
在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；
评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；
如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量；
如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：
对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；
评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；
基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；
如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且
如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作；
执行扫描模式操作，其包括：
对在与可接受的所述所选粗间隔网格单元相邻的一个或多个相邻网格单元内的所有视场执行扫描和评估；以及
对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译；以及
如果不满足用于终止扫描操作的一个或多个标准，则返回至搜寻模式操作，否则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
本领域技术人员应理解，前述特定的示例性处理和/或设备和/或技术代表本文其他地方(例如在与其一起提交的权利要求和/或本申请中的其他地方)所教导的更一般的处理和/或设备和/或技术。
Claims (27)
1.一种显微镜系统，其包括：
显微镜组件，其配置用于获得对样品内视场的显微扫描，所述显微镜组件能运行以执行操作，所述操作包括：
将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的各个网格单元的尺寸被设定为包括多个视场；
限定包括多个粗间隔网格单元的粗间隔网格图案；
执行搜寻模式操作，其包括：
在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；
评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；
如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量；
如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：
对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；
评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；
基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；
如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且
如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作；
执行扫描模式操作，其包括：
在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描；
评估来自在所述一个或多个相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及
对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译；
如果不满足用于终止扫描操作的一个或多个标准，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行搜寻模式操作；并且
如果满足用于终止扫描操作的一个或多个标准，则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
2.根据权利要求1所述的系统，其中，所述样品包括血液样品的厚膜或薄膜中的至少一者，并且其中，用于终止扫描操作的一个或多个标准包括：
所扫描的可接受的视场的总数、所计算的白细胞总数、所计算的红细胞总数、所计算的疟疾寄生虫总数、在搜寻模式操作期间经过的时间量、在扫描模式操作期间经过的时间量、或经过的总时间量中的一者或多者。
3.根据权利要求1所述的系统，其中的将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的各个网格单元的尺寸被设定为包括多个视场，包括：
将扫描窗限定成多个正方形网格单元，其中各个正方形网格单元包括行和列数量相等的视场。
4.根据权利要求1所述的系统，其中的在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描包括：
在所述多个粗间隔网格单元中的所选粗间隔网格单元的中心视场处执行所述显微扫描。
5.根据权利要求1所述的系统，其中的基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的包括：
当所述所选粗间隔网格单元的所述视场的至少阈值百分比被评估为提供可接受的扫描结果时，评定所述所选粗间隔网格单元是可接受的。
6.根据权利要求1所述的系统，其中的限定包括多个粗间隔网格单元的粗间隔网格图案包括：
限定包括第一粗间隔网格单元和多个第一非相邻网格单元的粗间隔网格图案，所述第一粗间隔网格单元靠近所述扫描窗中心定位，而所述多个第一非相邻网格单元位于第一非相邻周界内，所述第一非相邻周界围绕所述第一粗间隔网格单元设置并与所述第一粗间隔网格单元间隔开。
7.根据权利要求6所述的系统，其中的选择下一个粗间隔网格单元作为所述所选粗间隔网格单元包括：
选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，其包括以下项中的至少一项：
从所述第一粗间隔网格单元向外进行，以选择位于所述第一非相邻周界内的第一非相邻网格单元；或者
从第一非相邻网格单元中的一个横向进行，以选择位于所述第一非相邻周界内的所述第一非相邻网格单元中的另一个。
8.根据权利要求6所述的系统，其中的限定包括多个粗间隔网格单元的粗间隔网格图案包括：
限定包括位于第二非相邻周界内的多个第二非相邻网格单元的粗间隔网格图案，所述第二非相邻周界围绕所述第一非相邻周界设置并与所述第一非相邻周界间隔开。
9.根据权利要求1所述的系统，其中的在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描包括：
在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的所述相邻网格单元的一半内的所有视场处执行所述显微扫描。
10.根据权利要求1所述的系统，其中的在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描包括：
在与可接受的所述所选粗间隔网格单元相邻并与其共享公共边界的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描。
11.根据权利要求1所述的系统，其中的在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描包括：
在与可接受的所述所选粗间隔网格单元相邻并与其共享公共角点的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描。
12.根据权利要求1所述的系统，其中执行扫描模式操作还包括：
对于所述一个或多个相邻网格单元中的每一个，如果对于所述相邻网格单元，所述扫描结果的所述质量是可接受的，则：
在与所述可接受的相邻网格单元相邻的网格单元的周界内的一个或多个次级相邻网格单元内的所有视场处执行所述显微扫描；
评估来自在所述一个或多个次级相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及
对于所述一个或多个次级相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述次级相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译。
13.根据权利要求1所述的系统，其中的限定包括多个粗间隔网格单元的粗间隔网格图案包括：
以下操作中的至少一项：
限定包括多个非相邻网格单元的粗间隔网格图案；
限定包括多个相邻网格单元的粗间隔网格图案；或者
限定包括多个非相邻网格单元和多个相邻网格单元的粗间隔网格图案。
14.一种显微镜系统，其包括：
显微镜组件，其配置用于实现对样品内视场的显微扫描，所述显微镜组件能运行以：
将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的每个网格单元的尺寸被设定为包括多个视场，所述多个网格单元的一部分是粗间隔网格单元；
执行搜寻模式操作，其包括：
在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；
评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；
如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量；
如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：
对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；
评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；
基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；
如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且
如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作；
执行扫描模式操作，其包括：
对在与可接受的所述所选粗间隔网格单元相邻的一个或多个相邻网格单元内的所有视场执行扫描和评估；以及
对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译；以及
如果不满足用于终止扫描操作的一个或多个标准，则返回至搜寻模式操作，否则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
15.根据权利要求14所述的系统，其中，所述样品包括血液样品的厚膜或薄膜中的至少一者，并且其中，用于终止扫描操作的一个或多个标准包括：
所扫描的可接受的视场的总数、所计算的白细胞总数、所计算的红细胞总数、所计算的疟疾寄生虫总数、在搜寻模式操作期间经过的时间量、在扫描模式操作期间经过的时间量、或经过的总时间量中的一者或多者。
16.根据权利要求14所述的系统，其中的对在与可接受的所述所选粗间隔网格单元相邻的一个或多个相邻网格单元内的所有视场执行扫描和评估包括：
在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描；以及
评估来自在所述一个或多个相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量。
17.根据权利要求14所述的系统，其中的在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描包括：
在所述多个粗间隔网格单元中的所选粗间隔网格单元的中心视场处执行所述显微扫描。
18.根据权利要求14所述的系统，其中的基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的包括：
当所述所选粗间隔网格单元的所述视场的至少阈值百分比被评估为提供可接受的扫描结果时，评定所述所选粗间隔网格单元是可接受的。
19.根据权利要求14所述的系统，其中的所述显微镜组件还能运行以执行操作包括：
如果不满足用于终止扫描操作的一个或多个标准，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行搜寻模式操作。
20.根据权利要求14所述的系统，其中所述扫描模式操作还包括：
对于所述一个或多个相邻网格单元中的每一个，如果对于所述相邻网格单元，所述扫描结果的所述质量是可接受，则：
在与所述可接受的相邻网格单元相邻的网格单元的周界内的一个或多个次级相邻网格单元内的所有视场处执行所述显微扫描；
评估来自在所述一个或多个次级相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及
对于所述一个或多个次级相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述次级相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译。
21.一种操作被配置用于实现对样品内视场的显微扫描的显微镜组件的方法，所述方法包括：
将所述样品的至少一部分上的扫描窗限定成多个网格单元，其中所述多个网格单元中的每个网格单元的尺寸被设定为包括多个视场，所述多个网格单元的一部分是粗间隔网格单元；
执行搜寻模式操作，其包括：
在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描；
评估来自所述所选粗间隔网格单元内的所述显微扫描的扫描结果的质量；
如果在所述所选视场处的所述扫描结果的所述质量是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并且返回以执行所述显微扫描且评估所述扫描结果的所述质量；
如果所述所选视场处的所述扫描结果的所述质量是可接受的，则：
对所述所选粗间隔网格单元的所有其余视场执行所述显微扫描；
评估来自所述所选粗间隔网格单元的所有其余视场的所述扫描结果的质量；
基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的；
如果所述所选粗间隔网格单元是不可接受的，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行所述显微扫描且评估所述扫描结果的所述质量；并且
如果所述所选粗间隔网格单元是可接受的，则进行到扫描模式操作；
执行扫描模式操作，其包括：
对在与可接受的所述所选粗间隔网格单元相邻的一个或多个相邻网格单元内的所有视场执行扫描和评估；以及
对于所述一个或多个相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译；以及
如果不满足用于终止扫描操作的一个或多个标准，则返回至搜寻模式操作，否则提供所述可接受的扫描结果的所编译的所述一个或多个方面的指示。
22.根据权利要求21所述的方法，其中，所述样品包括血液样品的厚膜或薄膜中的至少一者，并且其中，用于终止扫描操作的一个或多个标准包括：
所扫描的可接受的视场的总数、所计算的白细胞总数、所计算的红细胞总数、所计算的疟疾寄生虫总数、在搜寻模式操作期间经过的时间量、在扫描模式操作期间经过的时间量、或经过的总时间量中的一者或多者。
23.根据权利要求21所述的方法，其中的对在与可接受的所述所选粗间隔网格单元相邻的一个或多个相邻网格单元内的所有视场执行扫描和评估包括：
在与可接受的所述所选粗间隔网格单元相邻的网格单元的周界内的一个或多个相邻网格单元内的所有视场处执行所述显微扫描；以及
评估来自在所述一个或多个相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量。
24.根据权利要求21所述的方法，其中的在所述多个粗间隔网格单元中的所选粗间隔网格单元内的所选视场处执行所述显微扫描包括：
在所述多个粗间隔网格单元中的所选粗间隔网格单元的中心视场处执行所述显微扫描。
25.根据权利要求21所述的方法，其中的基于来自所述所选粗间隔网格单元的所有视场的所述扫描结果的所述质量，评定所述所选粗间隔网格单元是否是可接受的包括：
当所述所选粗间隔网格单元的所述视场的至少阈值百分比被评估为提供可接受的扫描结果时，评定所述所选粗间隔网格单元是可接受的。
26.根据权利要求21所述的方法，其中的所述显微镜组件还能运行以执行以下操作，包括：
如果不满足用于终止扫描操作的一个或多个标准，则选择下一个粗间隔网格单元作为所述所选粗间隔网格单元，并返回以执行搜寻模式操作。
27.根据权利要求21所述的方法，其中所述扫描模式操作还包括：
对于所述一个或多个相邻网格单元中的每一个，如果对于所述相邻网格单元，所述扫描结果的所述质量是可接受的，则：
在与所述可接受的相邻网格单元相邻的网格单元的周界内的一个或多个次级相邻网格单元内的所有视场处执行所述显微扫描；
评估来自在所述一个或多个次级相邻网格单元内的所有视场处的所述显微扫描的所述扫描结果的质量；以及
对于所述一个或多个次级相邻网格单元中的每一个，如果所述扫描结果的所述质量对于所述次级相邻网格单元是可接受的，则将所述可接受的扫描结果的一个或多个方面与先前的可接受的扫描结果进行编译。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/266,945 | 2019-02-04 | ||
| US16/266,945 US10896316B2 (en) | 2019-02-04 | 2019-02-04 | Automated microscopy scanning systems and methods |
| PCT/US2020/016436 WO2020163243A1 (en) | 2019-02-04 | 2020-02-03 | Automated microscopy scanning systems and methods |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113631982A true CN113631982A (zh) | 2021-11-09 |
Family
ID=71836541
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080023456.3A Pending CN113631982A (zh) | 2019-02-04 | 2020-02-03 | 自动化显微扫描系统和方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US10896316B2 (zh) |
| EP (1) | EP3921688A4 (zh) |
| CN (1) | CN113631982A (zh) |
| TW (1) | TW202040208A (zh) |
| WO (1) | WO2020163243A1 (zh) |
Families Citing this family (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112363309B (zh) * | 2020-11-13 | 2023-02-17 | 杭州医派智能科技有限公司 | 一种用于显微镜下病理图像的自动寻焦方法和系统 |
| TWI819421B (zh) | 2021-12-02 | 2023-10-21 | 倍利科技股份有限公司 | 高速自動掃片ai輔助判讀系統及其掃片方法 |
| TWI804204B (zh) * | 2022-02-21 | 2023-06-01 | 財團法人國家實驗研究院 | 用以提供機器學習判讀一生物樣品的取樣方法與裝置 |
| WO2024121321A1 (en) | 2022-12-08 | 2024-06-13 | F. Hoffmann-La Roche Ag | A method for automated microscopic scanning |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6031930A (en) * | 1996-08-23 | 2000-02-29 | Bacus Research Laboratories, Inc. | Method and apparatus for testing a progression of neoplasia including cancer chemoprevention testing |
| US6275777B1 (en) * | 1997-10-28 | 2001-08-14 | Olympus Optical Co., Ltd. | Scanning cytometer |
| US20040114218A1 (en) * | 2001-04-12 | 2004-06-17 | Adam Karlsson | Method in microscopy and a microscope, where subimages are recorded and puzzled in the same coordinate system to enable a precise positioning of the microscope stage |
| US20040202357A1 (en) * | 2003-04-11 | 2004-10-14 | Perz Cynthia B. | Silhouette image acquisition |
| WO2007101205A2 (en) * | 2006-02-27 | 2007-09-07 | Aperio Technologies, Inc | System and method for single optical axis multi-detector microscope slide scanner |
| WO2012099574A1 (en) * | 2011-01-18 | 2012-07-26 | Constitution Medical, Inc. | Microscope slide coordinate system registration |
| KR20140013818A (ko) * | 2012-07-27 | 2014-02-05 | 엘에스엠트론 주식회사 | 카메라 이동형 자동 광학 검사 장치 |
| US20150116479A1 (en) * | 2012-05-28 | 2015-04-30 | Sony Corporation | Information processing device, information processing method, program, and microscope system |
| CN106164739A (zh) * | 2013-06-19 | 2016-11-23 | 优化扫描有限公司 | 光学扫描器和被扫描的透镜光学探头 |
| WO2018043958A1 (ko) * | 2015-09-14 | 2018-03-08 | (주)뉴옵틱스 | 혈구 감별 시스템 및 혈액 이미지 처리 방법 |
| US20180292638A1 (en) * | 2015-12-16 | 2018-10-11 | Ventana Medical Systems, Inc. | Auto-focus methods and systems for digital imaging using mutli-spectral trajectories |
| CN110672608A (zh) * | 2019-10-15 | 2020-01-10 | 南京泰立瑞信息科技有限公司 | 一种全切片扫描路径动态规划方法及系统 |
Family Cites Families (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO1997004347A1 (en) | 1995-07-19 | 1997-02-06 | Morphometrix Technologies Inc. | Automated scanning of microscope slides |
| CA2236268A1 (en) | 1995-11-30 | 1997-06-05 | Chromavision Medical Systems, Inc. | Method and apparatus for automated image analysis of biological specimens |
| KR100675698B1 (ko) | 1999-08-06 | 2007-02-01 | 써모 바이오스타, 인크. | 완전한 샘플 처리 능력을 포함하는 자동화된 진료 검출 시스템 |
| US6711283B1 (en) | 2000-05-03 | 2004-03-23 | Aperio Technologies, Inc. | Fully automatic rapid microscope slide scanner |
| US7151246B2 (en) | 2001-07-06 | 2006-12-19 | Palantyr Research, Llc | Imaging system and methodology |
| JP4175536B2 (ja) * | 2002-05-17 | 2008-11-05 | 独立行政法人理化学研究所 | 境界データの内外判定方法とそのプログラム |
| DE102006022878B3 (de) | 2006-05-15 | 2007-09-06 | Sartorius Biotech Gmbh | Verfahren und Detektionsvorrichtung zur bildgebenden Erfassung einer Probe |
| US8385997B2 (en) | 2007-12-11 | 2013-02-26 | Tokitae Llc | Spectroscopic detection of malaria via the eye |
| KR101761313B1 (ko) * | 2010-12-06 | 2017-07-25 | 삼성전자주식회사 | 로봇 및 로봇의 경로생성방법 |
| US9041791B2 (en) | 2011-02-01 | 2015-05-26 | Roche Diagnostics Hematology, Inc. | Fast auto-focus in imaging |
| WO2013109722A1 (en) * | 2012-01-17 | 2013-07-25 | William Marsh Rice Uiniversity | Theranostic methods and systems for diagnosis and treatment of malaria |
| IL227276A0 (en) | 2013-07-01 | 2014-03-06 | Parasight Ltd | A method and system for obtaining a monolayer of cells, for use specifically for diagnosis |
| US9453996B2 (en) | 2013-10-23 | 2016-09-27 | Tokitae Llc | Devices and methods for staining and microscopy |
| DE102014200006B4 (de) * | 2014-01-02 | 2015-12-03 | Siemens Aktiengesellschaft | Rekonstruktion von fehlenden Magnetresonanz-Rohdaten |
| JP6362950B2 (ja) * | 2014-07-24 | 2018-07-25 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 磁気共鳴装置 |
| US9625385B2 (en) | 2015-02-24 | 2017-04-18 | Tokitae Llc | Photothermal spectroscopy systems for offset synchronous testing of flow assays and methods of using same |
| US10061972B2 (en) | 2015-05-28 | 2018-08-28 | Tokitae Llc | Image analysis systems and related methods |
| US9836839B2 (en) | 2015-05-28 | 2017-12-05 | Tokitae Llc | Image analysis systems and related methods |
| US10132743B2 (en) | 2016-01-25 | 2018-11-20 | General Electric Company | Fixed optics photo-thermal spectroscopy reader and method of use |
| US11189027B2 (en) * | 2017-05-15 | 2021-11-30 | Sigtuple Technologies Private Limited | Method and system for determining area to be scanned in peripheral blood smear for analysis |
| EP3847453A4 (en) * | 2018-09-04 | 2022-06-22 | California Institute of Technology | PHOTOACOUSTIC INFRARED MICROSCOPY AND SPECTROSCOPY WITH INCREASED RESOLUTION |
-
2019
- 2019-02-04 US US16/266,945 patent/US10896316B2/en active Active
-
2020
- 2020-02-03 CN CN202080023456.3A patent/CN113631982A/zh active Pending
- 2020-02-03 EP EP20753124.5A patent/EP3921688A4/en active Pending
- 2020-02-03 WO PCT/US2020/016436 patent/WO2020163243A1/en unknown
- 2020-02-04 TW TW109103371A patent/TW202040208A/zh unknown
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6031930A (en) * | 1996-08-23 | 2000-02-29 | Bacus Research Laboratories, Inc. | Method and apparatus for testing a progression of neoplasia including cancer chemoprevention testing |
| US6275777B1 (en) * | 1997-10-28 | 2001-08-14 | Olympus Optical Co., Ltd. | Scanning cytometer |
| US20040114218A1 (en) * | 2001-04-12 | 2004-06-17 | Adam Karlsson | Method in microscopy and a microscope, where subimages are recorded and puzzled in the same coordinate system to enable a precise positioning of the microscope stage |
| US20040202357A1 (en) * | 2003-04-11 | 2004-10-14 | Perz Cynthia B. | Silhouette image acquisition |
| WO2007101205A2 (en) * | 2006-02-27 | 2007-09-07 | Aperio Technologies, Inc | System and method for single optical axis multi-detector microscope slide scanner |
| WO2012099574A1 (en) * | 2011-01-18 | 2012-07-26 | Constitution Medical, Inc. | Microscope slide coordinate system registration |
| US20150116479A1 (en) * | 2012-05-28 | 2015-04-30 | Sony Corporation | Information processing device, information processing method, program, and microscope system |
| KR20140013818A (ko) * | 2012-07-27 | 2014-02-05 | 엘에스엠트론 주식회사 | 카메라 이동형 자동 광학 검사 장치 |
| CN106164739A (zh) * | 2013-06-19 | 2016-11-23 | 优化扫描有限公司 | 光学扫描器和被扫描的透镜光学探头 |
| WO2018043958A1 (ko) * | 2015-09-14 | 2018-03-08 | (주)뉴옵틱스 | 혈구 감별 시스템 및 혈액 이미지 처리 방법 |
| US20180292638A1 (en) * | 2015-12-16 | 2018-10-11 | Ventana Medical Systems, Inc. | Auto-focus methods and systems for digital imaging using mutli-spectral trajectories |
| CN110672608A (zh) * | 2019-10-15 | 2020-01-10 | 南京泰立瑞信息科技有限公司 | 一种全切片扫描路径动态规划方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| TW202040208A (zh) | 2020-11-01 |
| WO2020163243A1 (en) | 2020-08-13 |
| US10896316B2 (en) | 2021-01-19 |
| EP3921688A4 (en) | 2022-11-16 |
| US20200250396A1 (en) | 2020-08-06 |
| EP3921688A1 (en) | 2021-12-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113631982A (zh) | 自动化显微扫描系统和方法 | |
| Gopakumar et al. | Convolutional neural network‐based malaria diagnosis from focus stack of blood smear images acquired using custom‐built slide scanner | |
| US12039719B2 (en) | System and method for detection and classification of objects of interest in microscope images by supervised machine learning | |
| JP6453298B2 (ja) | 細胞診標本を観察および解析するためのシステムおよび方法 | |
| US10831013B2 (en) | Digital microscopy systems, methods and computer program products | |
| US11226280B2 (en) | Automated slide assessments and tracking in digital microscopy | |
| JP2022534156A (ja) | デジタルパソロジーのための人工知能処理システムおよび自動化された事前診断ワークフロー | |
| US11656446B2 (en) | Digital pathology scanning interface and workflow | |
| AU2004271106C1 (en) | System for organizing multiple objects of interest in field of interest | |
| CN111240004A (zh) | 一种显微镜自动识别两虫系统及方法 | |
| WO2018128091A1 (ja) | 画像解析プログラム及び画像解析方法 | |
| US20200074628A1 (en) | Image processing apparatus, imaging system, image processing method and computer readable recoding medium | |
| CN100481095C (zh) | 用于体外和体内遗传毒性试验的全自动机器人辅助图像分析系统和方法 | |
| EP4407566A1 (en) | A computer-implemented method for selecting regions of interest, a respective computer-readable medium and system | |
| EP3026427A1 (en) | Imaging system operable by muliple external terminals, with authorization unit | |
| JP2023098287A (ja) | 画像表示方法、コンピュータープログラムおよび記録媒体 | |
| Brázdilová et al. | Image division technique in pre‐acquisition analysis of information content for automated microscopy | |
| CN1153564A (zh) | 基于密度纹理的分类系统和方法 | |
| CN118295122A (zh) | 一种样本图像分析设备和样本图像的成像方法 | |
| WO2022018173A1 (en) | Method and system for event-based imaging | |
| CN112489027A (zh) | 一种细胞计数方法、装置、计算机设备及可读存储介质 | |
| WO2021002813A1 (en) | System and method for digitialization, analysis and storage of biological samples | |
| Wood | A microscopy scanning system for clinical chromosome diagnostics |
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 |