CN114708588B - 脑胶质瘤循环肿瘤细胞识别方法、装置、设备及存储介质 - Google Patents
脑胶质瘤循环肿瘤细胞识别方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN114708588B CN114708588B CN202210341748.2A CN202210341748A CN114708588B CN 114708588 B CN114708588 B CN 114708588B CN 202210341748 A CN202210341748 A CN 202210341748A CN 114708588 B CN114708588 B CN 114708588B
- Authority
- CN
- China
- Prior art keywords
- anchor frame
- glioma
- dyeing
- ratio
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 208000005443 Circulating Neoplastic Cells Diseases 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 44
- 201000007983 brain glioma Diseases 0.000 title claims abstract description 35
- 238000004043 dyeing Methods 0.000 claims abstract description 98
- 206010018338 Glioma Diseases 0.000 claims abstract description 89
- 208000032612 Glial tumor Diseases 0.000 claims abstract description 88
- 238000010586 diagram Methods 0.000 claims abstract description 82
- 238000004326 stimulated echo acquisition mode for imaging Methods 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 48
- 102100037422 Receptor-type tyrosine-protein phosphatase C Human genes 0.000 claims abstract description 46
- 101000738771 Homo sapiens Receptor-type tyrosine-protein phosphatase C Proteins 0.000 claims abstract description 45
- FWBHETKCLVMNFS-UHFFFAOYSA-N 4',6-Diamino-2-phenylindol Chemical compound C1=CC(C(=N)N)=CC=C1C1=CC2=CC=C(C(N)=N)C=C2N1 FWBHETKCLVMNFS-UHFFFAOYSA-N 0.000 claims abstract description 35
- 238000000116 DAPI staining Methods 0.000 claims abstract description 29
- 210000004027 cell Anatomy 0.000 claims description 85
- 238000010186 staining Methods 0.000 claims description 78
- 239000000975 dye Substances 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 18
- 238000004891 communication Methods 0.000 claims description 16
- 239000001044 red dye Substances 0.000 claims description 13
- 238000002372 labelling Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000005859 cell recognition Effects 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000003125 immunofluorescent labeling Methods 0.000 description 7
- 230000001086 cytosolic effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 206010028980 Neoplasm Diseases 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 210000000265 leukocyte Anatomy 0.000 description 5
- 239000012528 membrane Substances 0.000 description 4
- 210000003855 cell nucleus Anatomy 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 210000004881 tumor cell Anatomy 0.000 description 3
- 101000687905 Homo sapiens Transcription factor SOX-2 Proteins 0.000 description 2
- 102100035971 Molybdopterin molybdenumtransferase Human genes 0.000 description 2
- 101710119577 Molybdopterin molybdenumtransferase Proteins 0.000 description 2
- 102100024270 Transcription factor SOX-2 Human genes 0.000 description 2
- 238000002512 chemotherapy Methods 0.000 description 2
- 210000005266 circulating tumour cell Anatomy 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 102000052116 epidermal growth factor receptor activity proteins Human genes 0.000 description 2
- 108700015053 epidermal growth factor receptor activity proteins Proteins 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- YOHYSYJDKVYCJI-UHFFFAOYSA-N n-[3-[[6-[3-(trifluoromethyl)anilino]pyrimidin-4-yl]amino]phenyl]cyclopropanecarboxamide Chemical compound FC(F)(F)C1=CC=CC(NC=2N=CN=C(NC=3C=C(NC(=O)C4CC4)C=CC=3)C=2)=C1 YOHYSYJDKVYCJI-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 238000001959 radiotherapy Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 108020004414 DNA Proteins 0.000 description 1
- 108010013709 Leukocyte Common Antigens Proteins 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 102000004243 Tubulin Human genes 0.000 description 1
- 108090000704 Tubulin Proteins 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 102000036639 antigens Human genes 0.000 description 1
- 108091007433 antigens Proteins 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000000601 blood cell Anatomy 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000007877 drug screening Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000007850 fluorescent dye Substances 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 230000001394 metastastic effect Effects 0.000 description 1
- 206010061289 metastatic neoplasm Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003147 molecular marker Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 210000004882 non-tumor cell Anatomy 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 210000005259 peripheral blood Anatomy 0.000 description 1
- 239000011886 peripheral blood Substances 0.000 description 1
- 230000003836 peripheral circulation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 102000035160 transmembrane proteins Human genes 0.000 description 1
- 108091005703 transmembrane proteins Proteins 0.000 description 1
- -1 tubulinbeta-3 Proteins 0.000 description 1
- 239000000107 tumor biomarker Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本申请涉及一种脑胶质瘤循环肿瘤细胞识别方法、装置、设备及存储介质，涉及计算机视觉领域，对glioma‑CTC富集的DAPI染色表达结果图进行全局二值化处理；当全局二值化数据中连通域的最大宽度值和最大高度值分别位于对应的阈值范围内，对其进行放大处理得到第一宽度值和第一高度值；基于第一宽度值和第一高度值在DAPI染色表达结果图进行锚框得到第一锚框，并在STEAM染色表达结果图和CD45染色表达结果图的对应位置处进行锚框得到第二锚框和第三锚框；基于各个锚框内的染色面积计算出核质比和红染比例；根据核质比和红染比例识别出glioma‑CTC，从而提高glioma‑CTC的识别速度、效率并降低识别难度。
Description
技术领域
本申请涉及计算机视觉技术领域，特别涉及一种脑胶质瘤循环肿瘤细胞识别方法、装置、设备及存储介质。
背景技术
循环肿瘤细胞(circulating tumor cell，CTC)是一种从肿瘤原发部位或转移性沉积物中脱落，进入外周循环的肿瘤生物标志物，其与肿瘤的恶性进展和转移密切相关。目前已经开发了多种平台用于分离富集出CTC，以进行肿瘤的初筛、监测和药物筛选，并取得了一定的临床成功。基于脑胶质瘤循环肿瘤细胞(glioma-CTC)的研究发现：glioma-CTC可以作为脑胶质瘤诊断的特异性分子标志物，并在评估放化疗疗效、鉴别肿瘤复发和假性进展、筛选分子靶向药物等方面具有极大的潜在临床价值。
其中，针对glioma-CTC的富集技术包括物理性质分选、“阴性富集”、“阳性富集”等三大类，但大多难以将外周血中的肿瘤细胞和血细胞完全分离开。因此，需要通过其他手段对富集的细胞进行鉴定，以筛选出其中的glioma-CTC。
相关技术中，基于滤孔过滤(Isolation by Size of Epithelial Tumor cells，ISET)的分离技术和免疫荧光染色技术对glioma-CTC进行鉴定。不过由于胶质瘤的高度异质性，以致于利用单一的表面分子进行鉴定，难以获得稳定的结果。于是，为了获得稳定的结果，相关研究人员使用混合抗体(即STEAM染色，其包含SOX2、Tubulinbeta-3、EGFR、A2B5和c-MET五种分子)对glioma-CTC进行标记，并与其他非肿瘤细胞进行鉴别。
但是，对于鉴别结果的判读高度依赖于专业医生在显微镜下肉眼识别和标注，需要从上万个细胞中准确分辨出1-10个glioma-CTC，使得这一工作面临巨大挑战：1)首先，由于循环肿瘤细胞与白细胞在不同的免疫荧光染色层面有不同表达，专业医师需要根据其不同表达特性进行辨认，并结合循环肿瘤细胞在不同免疫荧光染色剂中的结果，最后加以识别和标注。例如，在STEAM染色诊断glioma-CTC的过程中，需估算glioma-CTC核质比大小，并计算红染区域比例值，并将二者结合作为判定条件，这使得glioma-CTC的识别和标注工作量巨大。2)其次，由于受使用的多抗体染色和批次效应的影响，glioma-CTC之间的染色结果可能存在细微差异，容易导致误判的发生。3)然后，由于循环肿瘤细胞富集后的背景干扰(正常细胞可能表达少量阳性分子)，需要结合更多的glioma-CTC参数(比如核质比、细胞体积、细胞核形态等)进行鉴定，进一步加大了显微镜下肉眼识别的难度。4)最后，由于人类视觉的限制，以致显微镜下肉眼识别glioma-CTC的过程中可能造成结果误判。
由此可见，如何能够简单、快速且准确的识别出glioma-CTC是目前亟需解决的技术问题。
发明内容
本申请提供一种脑胶质瘤循环肿瘤细胞识别方法、装置、设备及存储介质，以解决相关技术中存在的无法简单、快速且准确的识别出glioma-CTC的问题。
第一方面，提供了一种脑胶质瘤循环肿瘤细胞识别方法，包括以下步骤：
对glioma-CTC富集的DAPI染色表达结果图进行全局二值化处理，得到全局二值化数据；
获取全局二值化数据中每个连通域的最大宽度值和最大高度值，并检测最大宽度值是否位于宽度阈值范围内且最大高度值是否位于高度阈值范围内；
若最大宽度值位于宽度阈值范围内且最大高度值位于高度阈值范围内，则分别对最大宽度值和最大高度值进行放大处理，得到第一宽度值和第一高度值；
在DAPI染色表达结果图上对第一宽度值和第一高度值所形成的区域进行锚框处理，得到第一锚框；
在glioma-CTC富集的STEAM染色表达结果图上与第一锚框对应的区域进行锚框处理得到第二锚框，在glioma-CTC富集的CD45染色表达结果图上与第一锚框对应的区域进行锚框处理得到第三锚框；
基于第一锚框内的DAPI染色面积、第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算出核质比和红染比例；
当检测到核质比大于核质比阈值且红染比例小于红染比例阈值，则判定所述连通域内的细胞为glioma-CTC细胞。
一些实施例中，所述基于第一锚框内的DAPI染色面积、第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算核质比和红染比例，包括：
对第一锚框、第二锚框和第三锚框分别进行区域生长，得到第一生长二值化数据、第二生长二值化数据和第三生长二值化数据；
根据所述第一生长二值化数据和第二生长二值化数据确定出第一锚框内的DAPI染色面积，根据第二生长二值化数据确定出第二锚框内的STEAM染色面积，根据第二生长二值化数据和第三生长二值化数据确定出第三锚框内的CD45染色面积；
基于第一锚框内的DAPI染色面积和第二锚框内的STEAM染色面积计算得到核质比；
基于第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算得到红染比例。
一些实施例中，所述核质比的计算公式为：
式中，KR表示核质比。
一些实施例中，所述红染比例的计算公式为：
式中，RED-RATIO表示红染比例。
一些实施例中，在所述基于第一锚框内的DAPI染色面积、第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算出核质比和红染比例的步骤之后，包括：
当检测到核质比不大于核质比阈值或红染比例不小于红染比例阈值，则判定所述连通域内的细胞不是glioma-CTC细胞。
一些实施例中，在所述当检测到核质比大于核质比阈值且红染比例小于红染比例阈值，则判定所述连通域内的细胞为glioma-CTC细胞的步骤之后，还包括：
分别对DAPI染色表达结果图上第一锚框内的细胞、STEAM染色表达结果图上第二锚框内的细胞和CD45染色表达结果图上第三锚框内的细胞进行glioma-CTC标注，得到标注后的DAPI染色表达结果图、标注后的STEAM染色表达结果图和标注后的STEAM染色表达结果图。
一些实施例中，在所述检测最大宽度值是否位于宽度阈值范围内且最大高度值是否位于高度阈值范围内的步骤之后，还包括：
若最大宽度值超出宽度阈值范围或最大高度值超出高度阈值范围，则判定所述连通域内不存在glioma-CTC细胞。
第二方面，提供了一种脑胶质瘤循环肿瘤细胞识别装置，包括：
第一处理单元，其用于对glioma-CTC富集的DAPI染色表达结果图进行全局二值化处理，得到全局二值化数据；
阈值检测单元，其用于获取全局二值化数据中每个连通域的最大宽度值和最大高度值，并检测最大宽度值是否位于宽度阈值范围内且最大高度值是否位于高度阈值范围内；
放大处理单元，其用于若最大宽度值位于宽度阈值范围内且最大高度值位于高度阈值范围内，则分别对最大宽度值和最大高度值进行放大处理，得到第一宽度值和第一高度值；
锚框处理单元，其用于在DAPI染色表达结果图上对第一宽度值和第一高度值所形成的区域进行锚框处理，得到第一锚框；在glioma-CTC富集的STEAM染色表达结果图上与第一锚框对应的区域进行锚框处理得到第二锚框，在glioma-CTC富集的CD45染色表达结果图上与第一锚框对应的区域进行锚框处理得到第三锚框；
第二处理单元，其用于基于第一锚框内的DAPI染色面积、第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算出核质比和红染比例；
细胞判定单元，其用于当检测到核质比大于核质比阈值且红染比例小于红染比例阈值，则判定所述连通域内的细胞为glioma-CTC细胞。
第三方面，提供了一种脑胶质瘤循环肿瘤细胞识别设备，包括：存储器和处理器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行，以实现前述的脑胶质瘤循环肿瘤细胞识别方法。
第四方面，提供了一种计算机可读存储介质，所述计算机存储介质存储有计算机程序，当所述计算机程序被处理器执行时，以实现前述的脑胶质瘤循环肿瘤细胞识别方法。
本申请提供的技术方案带来的有益效果包括：可有效提高glioma-CTC细胞的识别速度和效率，并降低识别难度。
本申请提供了一种脑胶质瘤循环肿瘤细胞识别方法、装置、设备及存储介质，包括对glioma-CTC富集的DAPI染色表达结果图进行全局二值化处理，得到全局二值化数据；获取全局二值化数据中每个连通域的最大宽度值和最大高度值，并检测最大宽度值是否位于宽度阈值范围内且最大高度值是否位于高度阈值范围内；若最大宽度值位于宽度阈值范围内且最大高度值位于高度阈值范围内，则分别对最大宽度值和最大高度值进行放大处理，得到第一宽度值和第一高度值；在DAPI染色表达结果图上对第一宽度值和第一高度值所形成的区域进行锚框处理，得到第一锚框；在glioma-CTC富集的STEAM染色表达结果图上与第一锚框对应的区域进行锚框处理得到第二锚框，在glioma-CTC富集的CD45染色表达结果图上与第一锚框对应的区域进行锚框处理得到第三锚框；基于第一锚框内的DAPI染色面积、第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算出核质比和红染比例；当检测到核质比大于核质比阈值且红染比例小于红染比例阈值，则判定所述连通域内的细胞为glioma-CTC细胞。本申请通过glioma-CTC细胞与白细胞在各免疫荧光染色结果中的图像特征以及glioma-CTC细胞富集后的STEAM染色结果，可以自动完成glioma-CTC细胞核质比、红染比例计算，并结合glioma-CTC细胞的物理特性和在不同免疫荧光染色结果中的表达，实现glioma-CTC细胞的自动识别，无需人工在显微镜下进行识别与计算，有效提高了glioma-CTC细胞的识别速度和效率，并降低了识别难度。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的一种脑胶质瘤循环肿瘤细胞识别方法的流程示意图；
图2为本申请实施例提供的一种脑胶质瘤循环肿瘤细胞识别设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
本申请实施例提供了一种脑胶质瘤循环肿瘤细胞识别方法、装置、设备及存储介质，其能解决相关技术中存在的无法简单、快速且准确的识别出glioma-CTC的问题。
图1是本申请实施例提供的一种脑胶质瘤循环肿瘤细胞识别方法，包括以下步骤：
步骤S10：对glioma-CTC富集的DAPI染色表达结果图进行全局二值化处理，得到全局二值化数据；
示范性的，在本申请实施例中，可先基于滤孔过滤技术(Isolation by Size ofEpithelial Tumor cells，ISET)对体液进行过滤，得到过滤后的液体；其次再使用混合抗体(即STEAM染色，STEAM染色包含SOX2、Tubulin beta-3、EGFR、A2B5和c-MET五种分子，其中，STEAM由上述五种分子的名称首字母组合而成)对glioma-CTC进行标记；然后将经混合抗体染色标记后的脑胶质瘤循环肿瘤细胞富集结果染色图作为算法输入数据。其中，将DAPI(即4',6-二脒基-2-苯基吲哚，其是一种能够与DNA强力结合的荧光染料)染色表达结果图(即蓝染图片)作为B通道图像输入，将STEAM染色表达结果图(即绿染图片)作为G通道图像输入，将CD45(即白细胞共同抗原，由一类结构相似、分子量较大的跨膜蛋白组成)染色表达结果图(即红染图片)作为R通道图像输入。由此对B通道中的DAPI染色表达结果图进行全局二值化处理，就可以得到全局二值化数据。
步骤S20：获取全局二值化数据中的每个连通域的最大宽度值和最大高度值，并检测最大宽度值是否位于宽度阈值范围内且最大高度值是否位于高度阈值范围内；
进一步的，在所述检测最大宽度值是否位于宽度阈值范围内且最大高度值是否位于高度阈值范围内的步骤之后，还包括：
若最大宽度值超出宽度阈值范围或最大高度值超出高度阈值范围，则判定所述连通域内不存在glioma-CTC细胞。
示范性的，在本申请实施例中，在B通道内，从全局二值化数据中寻找各个连通域，并获得各个连通域的最大宽度值(W)和最大高度值(H)。比如，在该全局二值化数据中找到了五个连通域，由于各个连通域的尺寸不一致，因此其最大宽度值和最大高度值也不一致，即连通域A的H为127，W为111；连通域B的H为61，W为64；连通域C的H为66，W为63；连通域D的H为162，W为149；连通域E的H为41，W为58。此时，就需要将各个连通域的最大宽度值和最大高度值与其对应的阈值范围进行比较，以判定连通域中是否存在疑似的glioma-CTC细胞。
其中，考虑到滤膜孔径大小，可以将宽度阈值范围设置为50像素～200像素，而高度阈值范围也设置为50像素～200像素。若连通域的最大宽度值大于50且小于200，同时最大高度值也大于50且小于200，那么就说明该连通域中存在疑似的glioma-CTC细胞，比如连通域A、连通域B、连通域C和连通域D的H和W均落入对应的阈值范围内，因此连通域A、连通域B、连通域C和连通域D均存在疑似的glioma-CTC细胞，此时需要对疑似的glioma-CTC细胞进行进一步的识别，即转入步骤S30；否则认为该连通域中不存在glioma-CTC细胞，比如，连通域E的H未落入高度阈值范围内，因此该连通域内不存在glioma-CTC细胞，此时直接输出DAPI染色表达结果图、STEAM染色表达结果图和CD45染色表达结果图，也可以对DAPI染色表达结果图、STEAM染色表达结果图和CD45染色表达结果图进行整合后输出一张染色表达结果图。
步骤S30：若最大宽度值位于宽度阈值范围内且最大高度值位于高度阈值范围内，则分别对最大宽度值和最大高度值进行放大处理，得到第一宽度值和第一高度值；
示范性的，在本申请实施例中，当检测到连通域的最大宽度值位于宽度阈值范围内且最大高度值位于高度阈值范围内，说明该连通域内存在疑似的glioma-CTC细胞，为了更准确的识别出该疑似的glioma-CTC细胞是否就是glioma-CTC细胞，可以对当前连通域的最大宽度值和最大高度值进行放大处理，得到对应的第一宽度值和第一高度值。其中，具体放大倍数可根据实际需求确定，在此不作限定。以连通域D为例，将其H和W均放大3倍，则其第一宽度值为162×3＝486，第一高度值为149×3＝447。
步骤S40：在DAPI染色表达结果图上对第一宽度值和第一高度值所形成的区域进行锚框处理，得到第一锚框；
示范性的，在本申请实施例中，以连通域D的第一宽度值是486和第一高度值是447为例：在DAPI染色表达结果图上对第一宽度值和第一高度值所形成的区域进行锚框操作得到与连通域D对应的第一锚框，即在DAPI染色表达结果图中获取初步的疑似glioma-CTC的细胞核位置并标注。其中，根据具体染色结果，可在DAPI染色表达结果图上得到数量不等的锚框，比如连通域A、连通域B、连通域C也存在疑似的glioma-CTC细胞，因此在DAPI染色表达结果图也将进行对应的锚框处理，进而使得DAPI染色表达结果图存在四个锚框。不过，由于本申请中对每个连通域的处理与识别的原理一样，因此为了描述的简洁性，本申请只以其中一个连通域(比如连通域D)的处理与识别的原理进行解释说明。
步骤S50：在glioma-CTC富集的STEAM染色表达结果图上与第一锚框对应的区域进行锚框处理得到第二锚框，在glioma-CTC富集的CD45染色表达结果图上与第一锚框对应的区域进行锚框处理得到第三锚框；
示范性的，在本申请实施例中，将第一锚框的位置信息作为已知条件在STEAM染色表达结果图和CD45染色表达结果图的相应位置进行锚框操作，即可获取到3个通道中同一位置处的锚框，即与连通域D对应的第一锚框、第二锚框和第三锚框。
步骤S60：基于第一锚框内的DAPI染色面积、第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算出核质比和红染比例；
进一步的，所述基于第一锚框内的DAPI染色面积、第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算核质比和红染比例，包括：
对第一锚框、第二锚框和第三锚框分别进行区域生长，得到第一生长二值化数据、第二生长二值化数据和第三生长二值化数据；
根据所述第一生长二值化数据和第二生长二值化数据确定出第一锚框内的DAPI染色面积，根据第二生长二值化数据确定出第二锚框内的STEAM染色面积，根据第二生长二值化数据和第三生长二值化数据确定出第三锚框内的CD45染色面积；
基于第一锚框内的DAPI染色面积和第二锚框内的STEAM染色面积计算得到核质比；
基于第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算得到红染比例。
进一步的，所述核质比的计算公式为：
式中，KR表示核质比。
进一步的，所述红染比例的计算公式为：
式中，RED-RATIO表示红染比例。
示范性的，本实施例中，分别在DAPI染色表达结果图上的第一锚框范围内、STEAM染色表达结果图上的第二锚框范围内和CD45染色表达结果图上的第三锚框范围内进行区域生长，以得到第一锚框对应的第一生长二值化数据、第二锚框对应的第二生长二值化数据和第三锚框对应的第三生长二值化数据。
其次根据各个生长二值化数据确定出各锚框对应位置所在的蓝染区域面积、绿染区域面积和红染区域面积，即根据第一生长二值化数据和第二生长二值化数据确定出第一锚框内的DAPI染色面积，根据第二生长二值化数据确定出第二锚框内的STEAM染色面积，根据第二生长二值化数据和第三生长二值化数据确定出第三锚框内的CD45染色面积。
然后根据各个锚框内的染色面积计算核质比(细胞核和细胞质之比，Karyoplasmic Ratio，KR)以及CD45染色比值(即红染比例：RED-RATIO)。具体的，基于第一锚框内的DAPI染色面积和第二锚框内的STEAM染色面积计算得到核质比，KR的具体计算公式为：
再基于第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算得到红染比例，RED-RATIO的具体计算公式为：
最终根据计算得到连通域D对应的锚框内的KR值为30.0，RED-RATIO值为0.0182；同理计算得到连通域A对应的锚框内的KR值为0.0，RED-RATIO值为0.0；连通域B内的KR值为1.8065，RED-RATIO值为0.9217；连通域C内的KR值为0.0，RED-RATIO值为0.0。
步骤S70：当检测到核质比大于核质比阈值且红染比例小于红染比例阈值，则判定所述连通域内的细胞为glioma-CTC细胞。
进一步的，在所述基于第一锚框内的DAPI染色面积、第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算出核质比和红染比例的步骤之后，包括：
当检测到核质比不大于核质比阈值或红染比例不小于红染比例阈值，则判定所述连通域内的细胞不是glioma-CTC细胞。
进一步的，在所述当检测到核质比大于核质比阈值且红染比例小于红染比例阈值，则判定所述连通域内的细胞为glioma-CTC细胞的步骤之后，还包括：
分别对DAPI染色表达结果图上第一锚框内的细胞、STEAM染色表达结果图上第二锚框内的细胞和CD45染色表达结果图上第三锚框内的细胞进行glioma-CTC标注，得到标注后的DAPI染色表达结果图、标注后的STEAM染色表达结果图和标注后的STEAM染色表达结果图。
示范性的，在本申请实施例中，当计算出连通域D对应的锚框内的KR值为30.0，RED-RATIO值为0.0182之后，将其核质比和红染比例与对应的阈值进行比较，从而判定连通域D对应的锚框内的疑似glioma-CTC是否为glioma-CTC。
其中，利用glioma-CTC细胞核直径大于8μm滤膜孔径尺寸的物理特征，并根据循环肿瘤细胞与白细胞的核质比实验结果确定，本实施例中核质比阈值k可设为0.8；而对于红染比例阈值，可根据实验测试得到，也可设定为经验值，本实施例中将红染比例阈值r设为0.32。在CD45染色表达结果(即红色背景)中，确定循环肿瘤细胞是否表达白细胞抗原(红染)，其判定条件为若红染比例超过红染比例阈值r，则认定为白细胞；反之，如果红染比例小于红染比例阈值r，则可在CD45染色层面认定锚框中包含glioma-CTC细胞。
因此，如果KR>k且RED-RATIO<r，则判定该连通域对应的锚框内应当为glioma-CTC细胞；而如果不满足KR>k且RED-RATIO<r的判定条件，则判定该连通域对应的锚框内无glioma-CTC细胞。由于只有连通域D对应的锚框内的KR值为30.0，RED-RATIO值为0.0182，即KR＝30>0.8且RED-RATIO＝0.0182<0.32，两个条件同时满足，则可以判定连通域D对应的锚框内的细胞为glioma-CTC细胞；进而对DAPI染色表达结果图上第一锚框内的细胞、STEAM染色表达结果图上第二锚框内的细胞和CD45染色表达结果图上第三锚框内的细胞进行glioma-CTC标注(包括KR和RED-RATIO结果)，得到标注后的DAPI染色表达结果图、标注后的STEAM染色表达结果图和标注后的STEAM染色表达结果图，并对标注结果进行输出。其中，对于上述标注后的三张图可以单独输出，也可以处理成一张图进行输出，具体输出形式可根据实际需求确定，在此不作限定。
而由于连通域A、连通域B和连通域C对应的锚框内的KR值、RED-RATIO值未能同时满足KR>k且RED-RATIO<r的条件，则可以判定连通域A、连通域B和连通域C对应的锚框内无glioma-CTC细胞，并将DAPI染色表达结果图上的第一锚框、STEAM染色表达结果图上的第二锚框和STEAM染色表达结果图上的第三锚框删除后再进行图像输出。
由此可见，本申请实施例根据glioma-CTC细胞与白细胞在各免疫荧光染色结果中的图像特征以及基于8μm滤膜技术的循环肿瘤细胞富集后的STEAM染色结果，可以自动完成glioma-CTC细胞核质比和红染比例的计算，并结合glioma-CTC细胞的物理特性和在不同免疫荧光染色结果中的表达，实现脑胶质瘤循环肿瘤细胞的自动识别和标注。目前针对循环肿瘤细胞富集结果进行计数的技术还不多见，而本申请则初次针对脑胶质瘤循环肿瘤细胞富集技术进行glioma-CTC细胞自动识别和标注，其可以直观表达脑胶质瘤循环肿瘤细胞的检测结果，基于该检测结果可以提高专业医生利用循环肿瘤细胞进行脑胶质瘤诊断、放化疗后疗效评价、鉴别肿瘤复发和假性进展等工作的准确率及效率。
本申请实施例还提供了一种脑胶质瘤循环肿瘤细胞识别装置，包括：
第一处理单元，其用于对glioma-CTC富集的DAPI染色表达结果图进行全局二值化处理，得到全局二值化数据；
阈值检测单元，其用于获取全局二值化数据中每个连通域的最大宽度值和最大高度值，并检测最大宽度值是否位于宽度阈值范围内且最大高度值是否位于高度阈值范围内；
放大处理单元，其用于若最大宽度值位于宽度阈值范围内且最大高度值位于高度阈值范围内，则分别对最大宽度值和最大高度值进行放大处理，得到第一宽度值和第一高度值；
锚框处理单元，其用于在DAPI染色表达结果图上对第一宽度值和第一高度值所形成的区域进行锚框处理，得到第一锚框；在glioma-CTC富集的STEAM染色表达结果图上与第一锚框对应的区域进行锚框处理得到第二锚框，在glioma-CTC富集的CD45染色表达结果图上与第一锚框对应的区域进行锚框处理得到第三锚框；
第二处理单元，其用于基于第一锚框内的DAPI染色面积、第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算出核质比和红染比例；
细胞判定单元，其用于当检测到核质比大于核质比阈值且红染比例小于红染比例阈值，则判定所述连通域内的细胞为glioma-CTC细胞。
由此可见，本实施例在基于滤孔过滤技术并经混合抗体染色标记后的脑胶质瘤循环肿瘤细胞分离富集结果的DAPI染色表达结果中，利用glioma-CTC细胞核直径大于8μm滤膜孔径尺寸的物理特征，初筛疑似glioma-CTC细胞核区域，并给出锚框；然后以DAPI染色表达结果中的锚框位置为基准，在STEAM染色表达结果中确定相应区域内细胞核周围细胞质面积；并以DAPI染色表达结果中的锚框位置为基准，在CD45染色表达结果中确定相应区域内的红染面积，以计算核质比与红染比例；最后根据核质比和红染比例自动识别glioma-CTC细胞并进行标注，无需人工在显微镜下进行识别与计算，有效提高了glioma-CTC细胞的识别速度和效率，并降低了识别难度。
进一步的，所述第二处理单元具体用于：
对第一锚框、第二锚框和第三锚框分别进行区域生长，得到第一生长二值化数据、第二生长二值化数据和第三生长二值化数据；
根据所述第一生长二值化数据和第二生长二值化数据确定出第一锚框内的DAPI染色面积，根据第二生长二值化数据确定出第二锚框内的STEAM染色面积，根据第二生长二值化数据和第三生长二值化数据确定出第三锚框内的CD45染色面积；
基于第一锚框内的DAPI染色面积和第二锚框内的STEAM染色面积计算得到核质比；
基于第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算得到红染比例。
进一步的，所述核质比的计算公式为：
式中，KR表示核质比。
进一步的，所述红染比例的计算公式为：
式中，RED-RATIO表示红染比例。
进一步的，所述细胞判定单元还用于：
当检测到核质比不大于核质比阈值或红染比例不小于红染比例阈值，则判定所述连通域内的细胞不是glioma-CTC细胞。
进一步的，所述装置还包括细胞标注单元，其用于：分别对DAPI染色表达结果图上第一锚框内的细胞、STEAM染色表达结果图上第二锚框内的细胞和CD45染色表达结果图上第三锚框内的细胞进行glioma-CTC标注，得到标注后的DAPI染色表达结果图、标注后的STEAM染色表达结果图和标注后的STEAM染色表达结果图。
进一步的，所述阈值检测单元还用于：若最大宽度值超出宽度阈值范围或最大高度值超出高度阈值范围，则判定所述连通域内不存在glioma-CTC细胞。
需要说明的是，所属本领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各单元的具体工作过程，可以参考前述脑胶质瘤循环肿瘤细胞识别方法实施例中的对应过程，在此不再赘述。
上述实施例提供的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图2所示的脑胶质瘤循环肿瘤细胞识别设备上运行。
本申请实施例还提供了一种脑胶质瘤循环肿瘤细胞识别设备，包括：通过系统总线连接的存储器、处理器和网络接口，存储器中存储有至少一条指令，至少一条指令由处理器加载并执行，以实现前述的脑胶质瘤循环肿瘤细胞识别方法的全部步骤或部分步骤。
其中，网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图2中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
处理器可以是CPU，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程逻辑门阵列(FieldProgrammable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件分立硬件组件等。通用处理器可以是微处理器，或者该处理器也可以是任何常规的处理器等，处理器是计算机装置的控制中心，利用各种接口和线路连接整个计算机装置的各个部分。
存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现计算机装置的各种功能。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如视频播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如视频数据、图像数据等)等。此外，存储器可以包括高速随存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘、智能存储卡(SmartMedia Card，SMC)、安全数字(Secure digital，SD)卡、闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件或其他易失性固态存储器件。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时，实现前述的脑胶质瘤循环肿瘤细胞识别方法的全部步骤或部分步骤。
本申请实施例实现前述的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法的步骤。其中，计算机程序包括计算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only memory，ROM)、随机存取存储器(Random Accessmemory，RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、服务器或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
以上所述仅是本申请的具体实施方式，使本领域技术人员能够理解或实现本申请。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。
Claims (10)
1.一种脑胶质瘤循环肿瘤细胞识别方法，其特征在于，包括以下步骤：
对glioma-CTC富集的DAPI染色表达结果图进行全局二值化处理，得到全局二值化数据；
获取全局二值化数据中每个连通域的最大宽度值和最大高度值，并检测最大宽度值是否位于宽度阈值范围内且最大高度值是否位于高度阈值范围内；
若最大宽度值位于宽度阈值范围内且最大高度值位于高度阈值范围内，则分别对最大宽度值和最大高度值进行放大处理，得到第一宽度值和第一高度值；
在DAPI染色表达结果图上对第一宽度值和第一高度值所形成的区域进行锚框处理，得到第一锚框；
在glioma-CTC富集的STEAM染色表达结果图上与第一锚框对应的区域进行锚框处理得到第二锚框，在glioma-CTC富集的CD45染色表达结果图上与第一锚框对应的区域进行锚框处理得到第三锚框；
基于第一锚框内的DAPI染色面积、第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算出核质比和红染比例；
当检测到核质比大于核质比阈值且红染比例小于红染比例阈值，则判定所述连通域内的细胞为glioma-CTC细胞。
2.如权利要求1所述的脑胶质瘤循环肿瘤细胞识别方法，其特征在于，所述基于第一锚框内的DAPI染色面积、第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算核质比和红染比例，包括：
对第一锚框、第二锚框和第三锚框分别进行区域生长，得到第一生长二值化数据、第二生长二值化数据和第三生长二值化数据；
根据所述第一生长二值化数据和第二生长二值化数据确定出第一锚框内的DAPI染色面积，根据第二生长二值化数据确定出第二锚框内的STEAM染色面积，根据第二生长二值化数据和第三生长二值化数据确定出第三锚框内的CD45染色面积；
基于第一锚框内的DAPI染色面积和第二锚框内的STEAM染色面积计算得到核质比；
基于第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算得到红染比例。
3.如权利要求2所述的脑胶质瘤循环肿瘤细胞识别方法，其特征在于，所述核质比的计算公式为：
式中，KR表示核质比。
4.如权利要求2所述的脑胶质瘤循环肿瘤细胞识别方法，其特征在于，所述红染比例的计算公式为：
式中，RED-RATIO表示红染比例。
5.如权利要求1所述的脑胶质瘤循环肿瘤细胞识别方法，其特征在于，在所述基于第一锚框内的DAPI染色面积、第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算出核质比和红染比例的步骤之后，包括：
当检测到核质比不大于核质比阈值或红染比例不小于红染比例阈值，则判定所述连通域内的细胞不是glioma-CTC细胞。
6.如权利要求1所述的脑胶质瘤循环肿瘤细胞识别方法，其特征在于，在所述当检测到核质比大于核质比阈值且红染比例小于红染比例阈值，则判定所述连通域内的细胞为glioma-CTC细胞的步骤之后，还包括：
分别对DAPI染色表达结果图上第一锚框内的细胞、STEAM染色表达结果图上第二锚框内的细胞和CD45染色表达结果图上第三锚框内的细胞进行glioma-CTC标注，得到标注后的DAPI染色表达结果图、标注后的STEAM染色表达结果图和标注后的STEAM染色表达结果图。
7.如权利要求1所述的脑胶质瘤循环肿瘤细胞识别方法，其特征在于，在所述检测最大宽度值是否位于宽度阈值范围内且最大高度值是否位于高度阈值范围内的步骤之后，还包括：
若最大宽度值超出宽度阈值范围或最大高度值超出高度阈值范围，则判定所述连通域内不存在glioma-CTC细胞。
8.一种脑胶质瘤循环肿瘤细胞识别装置，其特征在于，包括：
第一处理单元，其用于对glioma-CTC富集的DAPI染色表达结果图进行全局二值化处理，得到全局二值化数据；
阈值检测单元，其用于获取全局二值化数据中每个连通域的最大宽度值和最大高度值，并检测最大宽度值是否位于宽度阈值范围内且最大高度值是否位于高度阈值范围内；
放大处理单元，其用于若最大宽度值位于宽度阈值范围内且最大高度值位于高度阈值范围内，则分别对最大宽度值和最大高度值进行放大处理，得到第一宽度值和第一高度值；
锚框处理单元，其用于在DAPI染色表达结果图上对第一宽度值和第一高度值所形成的区域进行锚框处理，得到第一锚框；在glioma-CTC富集的STEAM染色表达结果图上与第一锚框对应的区域进行锚框处理得到第二锚框，在glioma-CTC富集的CD45染色表达结果图上与第一锚框对应的区域进行锚框处理得到第三锚框；
第二处理单元，其用于基于第一锚框内的DAPI染色面积、第二锚框内的STEAM染色面积和第三锚框内的CD45染色面积计算出核质比和红染比例；
细胞判定单元，其用于当检测到核质比大于核质比阈值且红染比例小于红染比例阈值，则判定所述连通域内的细胞为glioma-CTC细胞。
9.一种脑胶质瘤循环肿瘤细胞识别设备，其特征在于，包括：存储器和处理器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行，以实现权利要求1至7中任一项所述的脑胶质瘤循环肿瘤细胞识别方法。
10.一种计算机可读存储介质，其特征在于：所述计算机存储介质存储有计算机程序，当所述计算机程序被处理器执行时，以实现权利要求1至7中任一项所述的脑胶质瘤循环肿瘤细胞识别方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210341748.2A CN114708588B (zh) | 2022-03-29 | 2022-03-29 | 脑胶质瘤循环肿瘤细胞识别方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210341748.2A CN114708588B (zh) | 2022-03-29 | 2022-03-29 | 脑胶质瘤循环肿瘤细胞识别方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114708588A CN114708588A (zh) | 2022-07-05 |
| CN114708588B true CN114708588B (zh) | 2024-07-26 |
Family
ID=82172385
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210341748.2A Active CN114708588B (zh) | 2022-03-29 | 2022-03-29 | 脑胶质瘤循环肿瘤细胞识别方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114708588B (zh) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110706206A (zh) * | 2019-09-11 | 2020-01-17 | 深圳先进技术研究院 | 荧光细胞计数方法、装置、终端设备及存储介质 |
| CN111133470A (zh) * | 2017-09-20 | 2020-05-08 | 德国癌症研究公共权益基金会 | 用于组织样品中生物标志物的计算机-辅助评价的方法、系统和计算机程序 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112435012A (zh) * | 2020-12-02 | 2021-03-02 | 上海三稻智能科技有限公司 | 基于计算机视觉的通关数据定位、审核、编辑系统、方法及存储介质 |
-
2022
- 2022-03-29 CN CN202210341748.2A patent/CN114708588B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111133470A (zh) * | 2017-09-20 | 2020-05-08 | 德国癌症研究公共权益基金会 | 用于组织样品中生物标志物的计算机-辅助评价的方法、系统和计算机程序 |
| CN110706206A (zh) * | 2019-09-11 | 2020-01-17 | 深圳先进技术研究院 | 荧光细胞计数方法、装置、终端设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114708588A (zh) | 2022-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Alomari et al. | Automatic detection and quantification of WBCs and RBCs using iterative structured circle detection algorithm | |
| Li et al. | Segmentation of white blood cell from acute lymphoblastic leukemia images using dual‐threshold method | |
| JP6725646B2 (ja) | 解析的に別個の検体染色のパターンの混合を有する細胞サンプルの自動化解析 | |
| WO2008021679A2 (en) | System and methods for scoring images of a tissue micro array | |
| JP2019530847A5 (zh) | ||
| KR101836830B1 (ko) | 광학적 세포 식별방법 | |
| US20150186755A1 (en) | Systems and Methods for Object Identification | |
| CN109636801B (zh) | 自动获取her2荧光原位杂交结果的电子设备及介质 | |
| US20230041229A1 (en) | Systems and methods for designing accurate fluorescence in-situ hybridization probe detection on microscopic blood cell images using machine learning | |
| Monteiro et al. | A comparative study between methodologies based on the Hough transform and watershed transform on the blood cell count | |
| López et al. | Digital image analysis in breast cancer: an example of an automated methodology and the effects of image compression | |
| US20230273188A1 (en) | Method and system for detecting cell-killing efficacy and/or immune activity, and application thereof | |
| Ciurte et al. | Automatic detection of circulating tumor cells in darkfield microscopic images of unstained blood using boosting techniques | |
| WO2017061112A1 (ja) | 画像処理方法および画像処理装置 | |
| CN110530779A (zh) | 一种白细胞检测方法及装置 | |
| Reitz et al. | SEQUIN: An imaging and analysis platform for quantification and characterization of synaptic structures in mouse | |
| CN114708588B (zh) | 脑胶质瘤循环肿瘤细胞识别方法、装置、设备及存储介质 | |
| US11222194B2 (en) | Automated system and method for creating and executing a scoring guide to assist in the analysis of tissue specimen | |
| Feng et al. | An advanced automated image analysis model for scoring of ER, PR, HER-2 and Ki-67 in breast carcinoma | |
| KR102505687B1 (ko) | 혈구계산기를 이용한 반자동 세포 계수 방법 | |
| US20220138945A1 (en) | Methods for Preparing Data from Tissue Sections for Machine Learning Using Both Brightfield and Fluorescent Imaging | |
| EP3803686A1 (en) | Predicting cancer recurrence from spatial multi-parameter cellular and subcellular imaging data | |
| Aubreville et al. | Augmented mitotic cell count using field of interest proposal | |
| Meruvia-Pastor et al. | Estimating cell count and distribution in labeled histological samples using incremental cell search | |
| Emad et al. | Efficiency of manual scanning in recovering rare cellular events identified by fluorescence in situ hybridization: simulation of the detection of fetal cells in maternal blood |
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 |