CN113658209B - 一种基于形态学的切片组织裱贴位置优良判别方法 - Google Patents

一种基于形态学的切片组织裱贴位置优良判别方法 Download PDF

Info

Publication number
CN113658209B
CN113658209B CN202110924457.1A CN202110924457A CN113658209B CN 113658209 B CN113658209 B CN 113658209B CN 202110924457 A CN202110924457 A CN 202110924457A CN 113658209 B CN113658209 B CN 113658209B
Authority
CN
China
Prior art keywords
tissue
slice
pathological
image
label
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
Application number
CN202110924457.1A
Other languages
English (en)
Other versions
CN113658209A (zh
Inventor
葛菁
李娜
王迪
郭莹
丁青艳
李丽君
卢晶晶
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong Computer Science Center National Super Computing Center in Jinan
Original Assignee
Shandong Computer Science Center National Super Computing Center in Jinan
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong Computer Science Center National Super Computing Center in Jinan filed Critical Shandong Computer Science Center National Super Computing Center in Jinan
Priority to CN202110924457.1A priority Critical patent/CN113658209B/zh
Publication of CN113658209A publication Critical patent/CN113658209A/zh
Application granted granted Critical
Publication of CN113658209B publication Critical patent/CN113658209B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06T2207/20036—Morphological image processing
    • G06T2207/20041—Distance transform
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本发明的基于形态学的切片组织裱贴位置优良判别方法，包括：a).获取切片组织缩略图；b).标签位置识别和统一方向；c).去除标签信息；d).去除非病理组织的点和线；e).计算病理组织中心点偏离距离；f).计算病理组织与长轴的夹角；g).判断病理切片组织裱贴优良。本发明的切片组织裱贴位置优良判别方法，整个切片组织裱贴位置优良判别利用图像识别和处理自动完成，处理效率高，解决了现有人工评估所带来的耗时耗力问题，而且整个判别过程不会加入个人的主观想法，更加客观和准确，降低了医生在切片组织裱贴位置优良判别过程中的工作量。

Description

一种基于形态学的切片组织裱贴位置优良判别方法
技术领域
本发明涉及一种切片组织裱贴位置优良判别方法，属于医疗图像分析领域，更具体的说，尤其涉及一种基于形态学的切片组织裱贴位置优良判别方法。
背景技术
病理切片检查及诊断在临床使用非常广泛，是众多疾病诊断的金标准。病理切片质量控制是临床病理质量控制的关键环节和基础。病理切片制作流程包括取材、固定、脱水透明、浸蜡、包埋、切片和贴片、染色和封片等，任何一个环节出现问题，都将会对制片质量产生影响。高质量的H&E病理切片标准有以下8个要求：1.切片厚薄均匀适中；2.细胞核与细胞质染色对比清晰；3.无明显刀痕、裂隙、颤痕；4.无明显褶皱、折叠；5.切片裱贴位置适当，组织长轴与玻片平行；6.无气泡和胶液外溢；7.无明显污染；8.无空气颗粒。其中裱贴位置适当指的是组织长轴与玻片平行，组织中心偏离不超过2mm，以玻片距离底端1/3分界线为中心。通常情况下，病理切片的质量评估是由病理专家进行人工评估的。人工评估耗时耗力，而且会加入个人的主观想法。因此，有必要设计一款能够应用于实际的、快速并客观评估切片裱贴位置的方法，代替人工完成切片组织裱贴位置优良的判别。
发明内容
本发明为了克服上述技术问题的缺点，提供了一种基于形态学的切片组织裱贴位置优良判别方法。
本发明的基于形态学的切片组织裱贴位置优良判别方法，通过以下步骤来实现：
a).获取切片组织缩略图，利用数字化扫描仪扫描切片组织得到切片组织缩略图Image，切片组织缩略图包含切片标签部分和切片组织部分；
b).标签位置识别和统一方向，标签部分是一个规则的长方形、切片组织为不规则形状，采用霍夫变换进行标签位置的识别，根据识别出的标签位置将切片组织缩略图统一为标签在上、切片组织在下的方向，统一方向后的切片组织缩略图记为Imagemarked；
c).去除标签信息，首先将统一方向后的切片组织缩略图Imagemarked进行二值化处理，然后找出二值化后图像中的连通区域，并根据步骤b)中得到的标签在上的位置信息，找到完整的标签连通区，将标签连通区置为白色，实现标签信息的删除，将去除标签的图像记为Imagede-marked；
d).去除非病理组织的点和线，首先对去除标签的图像Imagede-marked进行二值化处理，利用连通区信息，将线型连通区、面积过小连通区以及中心位置位于切片边缘位置的连通区识别出，并将其置为白色，得到只剩下病理组织区域的图像；
e).计算病理组织中心点偏离距离，首先根据距离玻片底端1/3位置的中点为标准位置，确定出病理组织裱贴的标准位置坐标(Sx,Sy)；然后根据切片组织的连通信息，得到当前切片组织的中心点坐标(Rx,Ry)，然后根据公式(1)计算出病理组织中中心点的偏离距离distance：
Figure BDA0003208725870000021
然后根据切片实际尺寸及所占像素数量，将病理组织中中心点的偏离距离distance转换为以毫米为单位的距离L；
f).计算病理组织与长轴的夹角，首先判断病理组织切片是圆形还是长条形，如果是圆形则无需计算病理组织与长轴的夹角，执行步骤g)；如果病理组织切片是长条形，则识别出长条形病理组织的长度方向，即与X轴方向的夹角θ，则病理组织切片与玻片长轴的夹角α＝90-θ；执行步骤g)；
g).判断病理切片组织裱贴优良，如果满足步骤e)中计算出的病理组织中心点的偏离距离L≤2mm且步骤f)中计算出的|α|≤15°，则表明病理切片组织裱贴优良，如果不满足上述条件，则表明病理切片组织裱贴较差。
本发明的基于形态学的切片组织裱贴位置优良判别方法，步骤b)所述的标签位置识别和统一方向具体通过以下步骤来实现：
b-1).首先，将输入的切片组织缩略图Image转换为灰度图Image_gray，去除不同颜色的标签所带来的冗余；
b-2).然后，将灰度图转换为二值图像Image_bw，以降低诸如标签上的字、切片上的组织无效信息的影响；
b-3).应用canny算子对二值图像做边缘提取，然后对边缘提取后的二值图像做霍夫变换，得到图像中的直线段；
b-4).由于切片组织多为不规则形状，直线段所在的区域即为标签位置，实现了切片组织缩略图中标签位置的识别；根据识别出的标签位置将切片组织缩略图统一为标签在上、切片组织在下的方向。
本发明的基于形态学的切片组织裱贴位置优良判别方法，步骤f)中病理组织切片是圆形还是长条形的判断方法为：首先识别出病理组织切片的长轴长度和短轴长度，然后计算病理组织切片长轴与短轴的比值，如果比值大于1.2则表明病理组织切片为长条形，如果比值小于或等于1.2，则表明病理组织切片为圆形。
本发明的有益效果是：本发明的切片组织裱贴位置优良判别方法，首先获取切片组织缩略图Image，然后根据识别出的标签位置将缩略图统一为标签在上、切片组织在下的方向，接着去除标签信息，以及图像中非病理组织的点和线；然后计算出病理组织中心点偏离距离L以及病理组织与长轴的夹角α，对于满足偏离距离L在2mm以内且夹角α在15°以内条件的病理切片，认定其切片组织裱贴优良，不满足条件的认为其病理切片组织裱贴较差。可见，整个切片组织裱贴位置优良判别利用图像识别和处理自动完成，处理效率高，解决了现有人工评估所带来的耗时耗力问题，而且整个判别过程不会加入个人的主观想法，更加客观和准确，降低了医生在切片组织裱贴位置优良判别过程中的工作量。
附图说明
图1为切片组织缩略图的示意图；
图2为标签位置识别和统一方向的流程图，图2-1为原始图像，图2-2为灰度图像，图2-3为二值图像，图2-4为边缘信息提取后的图像，图2-5为经霍夫变换识别出直线段后的图像，图2-6为统一方向后的图像；
图3为本发明的基于形态学的切片组织裱贴位置优良判别方法的流程图，图3-1为原始图像，图3-2为二值图像，图3-3去除标签信息的图像，图3-4为去除非病理组织信息的图像，图3-5为标出病理组织中心点和组织区域的图像，图3-6为给出偏离度和与长轴角度的图像。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
通过部署在医院病理科的数字化扫描仪扫描切片组织后，得到的切片组织的缩略图。该缩略图切片组织包含两部分，分别为切片标签部分与切片组织部分。由于切片在放置到数字化扫描仪进行扫描时无法保证统一将切片标签部分固定在某一侧，因此得到的切片组织缩略图中的标签位置并不统一，可能在左侧，也可能在右侧；如图1所示，给出了切片组织缩略图的示意图，图1-1中的标签位置在左，图1-2中的标签位置在右，图1-3中的标签位置在右。而优的裱贴位置要求，裱贴位置适当，即组织长轴与玻片平行，组织中心偏离不超过2mm，以玻片距离底端1/3分界线为中心。故，首先应识别切片缩略图的标签位置，并统一调整标签固定在一个位置，以便于后续确定标准的组织中心位置。
本发明采用霍夫变换进行标签位置的识别。由于标签部分和组织部分的最大差别是标签是一个规则的长方形，利用霍夫变换检测出直线段，那么直线段的位置为标签位置。具体的，首先，将输入的切片组织缩略图Image转换为灰度图Image_gray，去除不同颜色的标签所带来的冗余，将灰度图转换为二值图像Image_bw，降低标签上的字、切片上的组织等其他无效信息的影响，再应用canny算子对二值图像做边缘提取，以此边缘提取图像做霍夫变换。经过霍夫变换后，得到当前图像中满足一定长度的直线段。因为组织多为不规则形状，因此直线段所在的区域即为标签位置，即实现切片组织缩略图中标签位置的识别。为方便后续组织位置的识别，统一将切片组织缩略图调整为标签在上，切片组织部分在下，并记统一方向的切片组织缩略图为Imagemarked。
本发明的基于形态学的切片组织裱贴位置优良判别方法，通过以下步骤来实现：
a).获取切片组织缩略图，利用数字化扫描仪扫描切片组织得到切片组织缩略图Image，切片组织缩略图包含切片标签部分和切片组织部分；
b).标签位置识别和统一方向，标签部分是一个规则的长方形、切片组织为不规则形状，采用霍夫变换进行标签位置的识别，根据识别出的标签位置将切片组织缩略图统一为标签在上、切片组织在下的方向，统一方向后的切片组织缩略图记为Imagemarked；
该步骤中，根据连通区特性，找出若干个面积较大的连通区位置。首先得到大概的标签位置，因此可以找到符合标签位置的连通区，即为完整的标签位置。将该标签连通区置置为白色，删除标签信息。其具体通过以下步骤来实现：
b-1).首先，将输入的切片组织缩略图Image转换为灰度图Image_gray，去除不同颜色的标签所带来的冗余；
b-2).然后，将灰度图转换为二值图像Image_bw，以降低诸如标签上的字、切片上的组织无效信息的影响；
b-3).应用canny算子对二值图像做边缘提取，然后对边缘提取后的二值图像做霍夫变换，得到图像中的直线段；
b-4).由于切片组织多为不规则形状，直线段所在的区域即为标签位置，实现了切片组织缩略图中标签位置的识别；根据识别出的标签位置将切片组织缩略图统一为标签在上、切片组织在下的方向。
c).去除标签信息，首先将统一方向后的切片组织缩略图Imagemarked进行二值化处理，然后找出二值化后图像中的连通区域，并根据步骤b)中得到的标签在上的位置信息，找到完整的标签连通区，将标签连通区置为白色，实现标签信息的删除，将去除标签的图像记为Imagede-marked；
由于在制作病理切片过程中，需要贴片、烘片、脱蜡等工序，这些工序可能会在制作的病理切片上留下痕迹，如图中的水印、黑色物质等，为降低这些痕迹对病理组织位置判断的影响，需要先将这些非病理组织的去除。由于这些非组织区域的线型痕迹多是在贴片过程中产生的，多为直线或者曲线，而黑色或深色物质多处于切片的边缘，因此利用其形状及位置，找出这些非病理组织。
d).去除非病理组织的点和线，首先对去除标签的图像Imagede-marked进行二值化处理，利用连通区信息，将线型连通区、面积过小连通区以及中心位置位于切片边缘位置的连通区识别出，并将其置为白色，得到只剩下病理组织区域的图像；
e).计算病理组织中心点偏离距离，首先根据距离玻片底端1/3位置的中点为标准位置，确定出病理组织裱贴的标准位置坐标(Sx,Sy)；然后根据切片组织的连通信息，得到当前切片组织的中心点坐标(Rx,Ry)，然后根据公式(1)计算出病理组织中中心点的偏离距离distance：
Figure BDA0003208725870000061
然后根据切片实际尺寸及所占像素数量，将病理组织中中心点的偏离距离distance转换为以毫米为单位的距离L；
f).计算病理组织与长轴的夹角，首先判断病理组织切片是圆形还是长条形，如果是圆形则无需计算病理组织与长轴的夹角，执行步骤g)；如果病理组织切片是长条形，则识别出长条形病理组织的长度方向，即与X轴方向的夹角θ，则病理组织切片与玻片长轴的夹角α＝90-θ；执行步骤g)；
该步骤中，病理组织切片是圆形还是长条形的判断方法为：首先识别出病理组织切片的长轴长度和短轴长度，然后计算病理组织切片长轴与短轴的比值，如果比值大于1.2则表明病理组织切片为长条形，如果比值小于或等于1.2，则表明病理组织切片为圆形。
g).判断病理切片组织裱贴优良，如果满足步骤e)中计算出的病理组织中心点的偏离距离L≤2mm且步骤f)中计算出的|α|≤15°，则表明病理切片组织裱贴优良，如果不满足上述条件，则表明病理切片组织裱贴较差。
本发明的目的基于形态学的切片组织裱贴位置优良判别方法，处理效率高，解决了现有人工评估所带来的耗时耗力问题，可代替人工判别，降低医生工作量。

Claims (3)

1.一种基于形态学的切片组织裱贴位置优良判别方法，其特征在于，通过以下步骤来实现：
a).获取切片组织缩略图，利用数字化扫描仪扫描切片组织得到切片组织缩略图Image，切片组织缩略图包含切片标签部分和切片组织部分；
b).标签位置识别和统一方向，标签部分是一个规则的长方形、切片组织为不规则形状，采用霍夫变换进行标签位置的识别，根据识别出的标签位置将切片组织缩略图统一为标签在上、切片组织在下的方向，统一方向后的切片组织缩略图记为Imagemarked；
c).去除标签信息，首先将统一方向后的切片组织缩略图Imagemarked进行二值化处理，然后找出二值化后图像中的连通区域，并根据步骤b)中得到的标签在上的位置信息，找到完整的标签连通区，将标签连通区置为白色，实现标签信息的删除，将去除标签的图像记为Imagede-marked；
d).去除非病理组织的点和线，首先对去除标签的图像Imagede-marked进行二值化处理，利用连通区信息，将线型连通区、面积过小连通区以及中心位置位于切片边缘位置的连通区识别出，并将其置为白色，得到只剩下病理组织区域的图像；
e).计算病理组织中心点偏离距离，首先根据距离玻片底端1/3位置的中点为标准位置，确定出病理组织裱贴的标准位置坐标(Sx,Sy)；然后根据切片组织的连通信息，得到当前切片组织的中心点坐标(Rx,Ry)，然后根据公式(1)计算出病理组织中中心点的偏离距离distance：
Figure FDA0004220397180000011
然后根据切片实际尺寸及所占像素数量，将病理组织中中心点的偏离距离distance转换为以毫米为单位的距离L；
f).计算病理组织与长轴的夹角，首先判断病理组织切片是圆形还是长条形，如果是圆形则无需计算病理组织与长轴的夹角，执行步骤g)；如果病理组织切片是长条形，则识别出长条形病理组织的长度方向，即与X轴方向的夹角θ，则病理组织切片与玻片长轴的夹角α＝90-θ；执行步骤g)；
g).判断病理切片组织裱贴优良，如果满足步骤e)中计算出的病理组织中心点的偏离距离L≤2mm且步骤f)中计算出的|α|≤15°，则表明病理切片组织裱贴优良，如果不满足上述条件，则表明病理切片组织裱贴较差。
2.根据权利要求1所述的基于形态学的切片组织裱贴位置优良判别方法，其特征在于，步骤b)所述的标签位置识别和统一方向具体通过以下步骤来实现：
b-1).首先，将输入的切片组织缩略图Image转换为灰度图Image_gray，去除不同颜色的标签所带来的冗余；
b-2).然后，将灰度图转换为二值图像Image_bw，以降低标签上的字、切片上的组织无效信息的影响；
b-3).应用canny算子对二值图像做边缘提取，然后对边缘提取后的二值图像做霍夫变换，得到图像中的直线段；
b-4).由于切片组织多为不规则形状，直线段所在的区域即为标签位置，实现了切片组织缩略图中标签位置的识别；根据识别出的标签位置将切片组织缩略图统一为标签在上、切片组织在下的方向。
3.根据权利要求1或2所述的基于形态学的切片组织裱贴位置优良判别方法，其特征在于，步骤f)中病理组织切片是圆形还是长条形的判断方法为：首先识别出病理组织切片的长轴长度和短轴长度，然后计算病理组织切片长轴与短轴的比值，如果比值大于1.2则表明病理组织切片为长条形，如果比值小于或等于1.2，则表明病理组织切片为圆形。
CN202110924457.1A 2021-08-12 2021-08-12 一种基于形态学的切片组织裱贴位置优良判别方法 Active CN113658209B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110924457.1A CN113658209B (zh) 2021-08-12 2021-08-12 一种基于形态学的切片组织裱贴位置优良判别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110924457.1A CN113658209B (zh) 2021-08-12 2021-08-12 一种基于形态学的切片组织裱贴位置优良判别方法

Publications (2)

Publication Number Publication Date
CN113658209A CN113658209A (zh) 2021-11-16
CN113658209B true CN113658209B (zh) 2023-06-16

Family

ID=78491541

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110924457.1A Active CN113658209B (zh) 2021-08-12 2021-08-12 一种基于形态学的切片组织裱贴位置优良判别方法

Country Status (1)

Country Link
CN (1) CN113658209B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101013086A (zh) * 2007-01-31 2007-08-08 中国人民解放军第二军医大学 一种用于检测脊柱转移癌预后相关分子标志物的组织芯片
KR20110061865A (ko) * 2009-12-02 2011-06-10 충북대학교 산학협력단 부품장착 위치 검증장치 및 방법
CN105044108A (zh) * 2015-07-10 2015-11-11 港龙生物技术（深圳）有限公司 微阵列芯片点样质量自动化判断系统及判断方法
CN105869169A (zh) * 2016-04-11 2016-08-17 南京信息工程大学 一种肿瘤组织微排列图像的自动分割方法
CN106530311A (zh) * 2016-10-25 2017-03-22 帝麦克斯(苏州)医疗科技有限公司 切片图像处理方法及装置
CN112750121A (zh) * 2021-01-20 2021-05-04 赛维森(广州)医疗科技服务有限公司 用于病理玻片数字图像质量检测的系统及其方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6993169B2 (en) * 2001-01-11 2006-01-31 Trestle Corporation System and method for finding regions of interest for microscopic digital montage imaging
US20120242817A1 (en) * 2008-12-30 2012-09-27 Ebm Technologies Incorporated System and method for identifying a pathological tissue image
JP5152077B2 (ja) * 2009-04-01 2013-02-27 ソニー株式会社 生体像提示装置、生体像提示方法及びプログラム並びに生体像提示システム
EP3548865B1 (en) * 2016-11-29 2020-09-16 Koninklijke Philips N.V. Slide holding in digital pathology

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101013086A (zh) * 2007-01-31 2007-08-08 中国人民解放军第二军医大学 一种用于检测脊柱转移癌预后相关分子标志物的组织芯片
KR20110061865A (ko) * 2009-12-02 2011-06-10 충북대학교 산학협력단 부품장착 위치 검증장치 및 방법
CN105044108A (zh) * 2015-07-10 2015-11-11 港龙生物技术（深圳）有限公司 微阵列芯片点样质量自动化判断系统及判断方法
CN105869169A (zh) * 2016-04-11 2016-08-17 南京信息工程大学 一种肿瘤组织微排列图像的自动分割方法
CN106530311A (zh) * 2016-10-25 2017-03-22 帝麦克斯(苏州)医疗科技有限公司 切片图像处理方法及装置
CN112750121A (zh) * 2021-01-20 2021-05-04 赛维森(广州)医疗科技服务有限公司 用于病理玻片数字图像质量检测的系统及其方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
An Improved Method for Clearing and Staining Free-hand Sections and Whole-mount Samples;ALEXANDER LUX等;Annals of Botany;第96卷(第6期);989-996 *
Sensitive Nonradioactive Detection of mRNA in Tissue Sections: Novel Application of the Whole-mount In Situ Hybridization Protocol;Antoon F. M. Moorman等;The Journal of Histochemistry & Cytochemistry;第49卷(第1期);1-8 *
全切片图像扫描技术在病理切片质控中的作用;唐仲平 等;中国医药科学;第10卷(第12期);33-38 *
制备硅化玻片技术方法的改进;张威 等;中华病理学杂志;第31卷(第4期);362 *
应用活检蜡块制作组织芯片技术;刘绍泉 等;诊断病理学杂志;第13卷(第3期);231 *
快速成形中切片位置和切片厚度的选择;熊巨陆 等;机械;第31卷(第11期);38-40 *

Also Published As

Publication number Publication date
CN113658209A (zh) 2021-11-16

Similar Documents

Publication Publication Date Title
CN109191457B (zh) 一种病理图像质量有效性识别方法
WO2022063199A1 (zh) 一种肺结节自动检测方法、装置及计算机系统
CN110543912B (zh) 自动获取胎儿关键切面超声视频中心动周期视频的方法
CN108378869B (zh) 一种从超声图像中自动测量胎儿头围长度的图像处理方法及处理系统
KR102140385B1 (ko) 골수 판독을 위한 셀존 레이블링 장치 및 이를 포함하는 셀존 검출 시스템
CN111369573A (zh) 一种肺腺癌亚型的辅助鉴别系统及方法
CN113962975B (zh) 基于梯度信息对病理玻片数字图像进行质量评估的系统
CN109670489B (zh) 基于多实例学习的弱监督式早期老年性黄斑病变分类方法
CN110610757A (zh) 基于人工智能与图形学结合的染色体图像处理方法
CN111340128A (zh) 一种肺癌转移性淋巴结病理图像识别系统及方法
JP2006208339A (ja) 領域抽出装置、顕微鏡システムおよび領域抽出プログラム
CN111986157B (zh) 一种数字病理图像质量评价系统
CN114972230A (zh) 一种生产线上电路板缺陷检测方法及系统
CN115170518A (zh) 基于深度学习和机器视觉的细胞检测方法及系统
CN116978543A (zh) 人工智能辅助骨髓肿瘤病理诊断装置
CN108375578A (zh) 一种基于病理切片扫描装置的多个单区域选定扫描区域的方法
CN113658209B (zh) 一种基于形态学的切片组织裱贴位置优良判别方法
CN109949906B (zh) 病理切片图像处理和模型训练方法及设备
CN110051384B (zh) 结合医学统计信息的胎儿颈背透明物位置检测方法及系统
CN112233151B (zh) 一种自动确认浸润性乳腺癌区域系统
CN115188413A (zh) 一种染色体核型分析模块
CN114494142A (zh) 一种基于深度学习的移动终端中框缺陷检测方法及装置
CN112819042A (zh) 一种食管鳞状上皮异型增生图像的处理方法、系统及介质
CN113053521B (zh) 基于深度学习的头颈鳞癌淋巴结转移癌诊断辅助识别系统
CN112766048B (zh) 一种用于dna倍体分析的svm细胞核分类器训练方法

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