CN115223165A - 待判读细胞图像的获取方法和装置 - Google Patents
待判读细胞图像的获取方法和装置 Download PDFInfo
- Publication number
- CN115223165A CN115223165A CN202211140259.7A CN202211140259A CN115223165A CN 115223165 A CN115223165 A CN 115223165A CN 202211140259 A CN202211140259 A CN 202211140259A CN 115223165 A CN115223165 A CN 115223165A
- Authority
- CN
- China
- Prior art keywords
- image
- cell
- sub
- cell microscopic
- images
- 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.)
- Granted
Links
Images
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformation in the plane of the image
- G06T3/40—Scaling the whole image or part thereof
- G06T3/4038—Scaling the whole image or part thereof for image mosaicing, i.e. plane images composed of plane sub-images
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
Abstract
本申请提供一种待判读细胞图像的获取方法和装置,其中方法包括:获取细胞样本各视野对应的细胞显微子图像,基于预设算法对细胞显微子图像进行二值化处理以得到细胞显微子图像的图像矩阵,基于细胞显微子图像的图像矩阵确定相邻视野对应的细胞显微子图像的实际重叠区域,确定细胞样本视野区域的中心点,以中心点为原点建立平面直角坐标系,基于中心点坐标确定元细胞显微子图像,基于实际重叠区域朝远离元细胞显微子图像的方向依次拼接剩余细胞显微子图像,以得到细胞样本对应的全视野细胞显微图像,对所述全视野细胞显微图像进行切分以得到多个待判读细胞图像,能避免内存资源浪费并保证后续分析的准确性和效率。
Description
技术领域
本申请涉及图像处理技术领域,尤其涉及一种待判读细胞图像的获取方法和装置。
背景技术
临床科研中会采用显微设备对细胞样本进行扫描以获得不同视野对应的细胞显微图像,再将各视野对应的细胞显微图像进行拼接得到细胞样本对应的完整细胞显微图像,以输入人工智能模型中进行后续分析。
出于保证拼接得到的细胞显微图像的完整性的考虑,现有技术会基于预设的10%~50%的重叠比例对各视野对应的细胞显微图像进行采集(即扫描得到的相邻视野对应的细胞显微图像会存在10%~50%的重叠部分)。然而,10%~50%的重叠比例不但会导致拼接后的细胞显微图像中存在大量重复信息,造成内存资源的浪费,还会影响后续人工智能模型分析结果的准确性。同时,由于人工智能模型对于输入的细胞显微图像的尺寸变化非常敏感,因此输入的细胞显微图像的尺寸必须满足人工智能模型的要求,否则将导致人工智能模型无法正常工作或者准确性降低。对此,现有技术通常采用图像尺寸缩放的方式对拼接后的细胞显微图像进行缩放以符合人工智能模型的输入要求,但该方式会导致人工智能模型的分析效率显著降低。
发明内容
本申请提供一种待判读细胞图像的获取方法和装置,能够对细胞样本不同视野对应的细胞显微子图像进行准确拼接,同时对全视野细胞显微图像进行准确切分,以避免内存资源的浪费,保证后续人工智能模型分析的准确性和效率。
本申请提供一种待判读细胞图像的获取方法,包括:
获取细胞样本各视野对应的细胞显微子图像;所述细胞显微子图像是基于预设重叠比例对所述细胞样本进行逐视野扫描得到的,所述预设重叠比例是基于所述细胞样本中细胞的直径确定的;
基于预设算法对各视野对应的细胞显微子图像进行二值化处理,以得到各视野对应的细胞显微子图像的图像矩阵,并基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域;
基于各视野对应的细胞显微子图像的位置确定所述细胞样本视野区域的中心点,以所述中心点为原点建立平面直角坐标系,并基于所述中心点坐标确定元细胞显微子图像,所述元细胞显微子图像指用于拼接的首个细胞显微子图像;
基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,以得到所述细胞样本对应的全视野细胞显微图像;
基于人工智能模型的输入图像尺寸要求对所述全视野细胞显微图像进行切分以得到多个待判读细胞图像。
根据本申请提供的一种待判读细胞图像的获取方法,所述基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,具体包括:
基于所述元细胞显微子图像以及所述细胞样本各视野对应的细胞显微子图像的相邻关系,确定剩余细胞显微子图像的拼接顺序,并基于所述剩余细胞显微子图像的拼接顺序确定各剩余细胞显微子图像的关联细胞显微子图像;其中,所述关联细胞显微子图像为与当前剩余细胞显微子图像相邻且拼接顺序先于所述当前剩余细胞显微子图像的细胞显微子图像;
基于所述剩余细胞显微子图像的拼接顺序以及所述相邻视野对应的细胞显微子图像的实际重叠区域,依次将所述剩余细胞显微子图像中的目标细胞显微子图像与其关联细胞显微子图像进行拼接。
根据本申请提供的一种待判读细胞图像的获取方法,所述基于所述剩余细胞显微子图像的拼接顺序以及所述相邻视野对应的细胞显微子图像的实际重叠区域,依次将所述剩余细胞显微子图像中的目标细胞显微子图像与其关联细胞显微子图像进行拼接,具体包括:
基于所述剩余细胞显微子图像的拼接顺序确定当前待拼接的目标细胞显微子图像;
判断所述当前待拼接的目标细胞显微子图像的关联细胞显微子图像中,是否同时包括第一类细胞显微子图像和第二类细胞显微子图像;若是,执行以下步骤:
基于所述相邻视野对应的细胞显微子图像的实际重叠区域,确定所述当前待拼接的目标细胞显微子图像与所述第一类细胞显微子图像的第一实际重叠区域以及,所述当前待拼接的目标细胞显微子图像与所述第二类细胞显微子图像的第二实际重叠区域;
分别基于所述第一实际重叠区域和所述第二实际重叠区域确定所述当前待拼接的目标细胞显微子图像的第一拼接位置和第二拼接位置,并基于所述第一拼接位置和第二拼接位置,将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接;
其中,所述第一类细胞显微子图像为与所述当前待拼接的目标细胞显微子图像水平方向相邻的细胞显微子图像,所述第二类细胞显微子图像为与所述当前待拼接的目标细胞显微子图像竖直方向相邻的细胞显微子图像。
根据本申请提供的一种待判读细胞图像的获取方法,所述基于所述第一拼接位置和第二拼接位置,将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接,具体包括:
若所述第一拼接位置和第二拼接位置的偏移范围超过预设值,则基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置,并基于所述目标拼接位置将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接。
根据本申请提供的一种待判读细胞图像的获取方法,所述基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置,具体包括:
基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的中心与X轴的第一距离以及,所述当前待拼接的目标细胞显微子图像的中心与Y轴的第二距离;
确定所述第一距离与单个视野长度的第一比值以及,所述第二距离与单个视野宽度的第二比值,并基于所述第一比值和第二比值的对比结果,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置;所述目标拼接位置为所述第一拼接位置和第二拼接位置之一。
根据本申请提供的一种待判读细胞图像的获取方法,所述基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域,具体包括:
获取两个相邻的第一视野和第二视野分别对应的第一细胞显微子图像和第二细胞显微子图像,并基于所述预设重叠比例,分别确定所述第一细胞显微子图像和第二细胞显微子图像中的第一理论重叠区域和第二理论重叠区域;
基于所述第一视野与所述第二视野的重叠方向,对所述第一理论重叠区域图像与所述第二理论重叠区域图像进行重叠操作,并基于所述第一理论重叠区域图像和所述第二理论重叠区域图像中与相交区域对应的图像子矩阵,确定重叠完成度;
基于所述重叠完成度最高时对应的相交区域,确定所述第一细胞显微子图像和第二细胞显微子图像的实际重叠区域。
根据本申请提供的一种待判读细胞图像的获取方法,所述基于所述第一理论重叠区域图像和所述第二理论重叠区域图像中与相交区域对应的图像子矩阵,确定重叠完成度,具体包括:
将所述第一理论重叠区域图像中与相交区域对应的第一图像子矩阵与,所述第二理论重叠区域图像中与相交区域对应的第二图像子矩阵进行异或操作以得到重叠完成度指示数;
基于所述重叠完成度指示数确定重叠完成度;其中,所述重叠完成度指示数最小时,所述重叠完成度最高。
本申请还提供一种待判读细胞图像的获取装置,包括:
细胞显微子图像获取模块,用于获取细胞样本各视野对应的细胞显微子图像;所述细胞显微子图像是基于预设重叠比例对所述细胞样本进行逐视野扫描得到的,所述预设重叠比例是基于所述细胞样本中细胞的直径确定的;
实际重叠区域确定模块,用于基于OTSU算法对各视野对应的细胞显微子图像进行二值化处理,以得到各视野对应的细胞显微子图像的图像矩阵,并基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域;
拼接准备模块,用于基于各视野对应的细胞显微子图像的位置确定所述细胞样本视野区域的中心点,以所述中心点为原点建立平面直角坐标系,并基于所述中心点坐标确定元细胞显微子图像,所述元细胞显微子图像指用于拼接的首个细胞显微子图像;
全视野细胞显微图像生成模块,用于基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,以得到所述细胞样本对应的全视野细胞显微图像;
待判读细胞图像获取模块,用于基于人工智能模型的输入图像尺寸要求对所述全视野细胞显微图像进行切分以得到多个待判读细胞图像。
本申请还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述待判读细胞图像的获取方法的步骤。
本申请还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述待判读细胞图像的获取方法的步骤。
本申请还提供一种计算机程序产品,包括计算机程序,所述计算机程序被处理器执行时实现如上述任一种所述待判读细胞图像的获取方法的步骤。
本申请提供的待判读细胞图像的获取方法和装置,获取细胞样本各视野对应的细胞显微子图像;所述细胞显微子图像是基于预设重叠比例对所述细胞样本进行逐视野扫描得到的,所述预设重叠比例是基于所述细胞样本中细胞的直径确定的,能够在保证后续拼接准确性的前提下,降低重叠比例,避免内存资源的浪费。基于预设算法对各视野对应的细胞显微子图像进行二值化处理,以得到各视野对应的细胞显微子图像的图像矩阵,并基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域,能够准确确定实际重叠区域,保证后续拼接的准确性。基于各视野对应的细胞显微子图像的位置确定所述细胞样本视野区域的中心点,以所述中心点为原点建立平面直角坐标系,并基于所述中心点坐标确定元细胞显微子图像,所述元细胞显微子图像指用于拼接的首个细胞显微子图像;基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,以得到所述细胞样本对应的全视野细胞显微图像,基于人工智能模型的输入图像尺寸要求对所述全视野细胞显微图像进行切分以得到多个待判读细胞图像,能够实现细胞显微子图像的精确拼接以及全视野细胞显微图像的准确切分,避免待判读细胞图像中出现细胞信息遗漏或重复,同时保证待判读细胞图像的尺寸符合人工智能模型的输入要求,进而保证了后续人工智能模型分析的准确性和效率。
附图说明
为了更清楚地说明本申请或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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是本申请提供的待判读细胞图像的获取方法的流程示意图;
图2是本申请提供的平面直角坐标系示意图;
图3是本申请提供的细胞显微子图像的拼接流程示意图;
图4是本申请提供的基于图像矩阵确定实际重叠区域的流程示意图;
图5是本申请提供的重叠操作的过程示意图;
图6是本申请提供的待判读细胞图像的获取装置的结构示意图;
图7是本申请提供的电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚,下面将结合本申请中的附图,对本申请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作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
图1是本申请提供的待判读细胞图像的获取方法的流程示意图,如图1所示,该方法包括:
步骤110,获取细胞样本各视野对应的细胞显微子图像;所述细胞显微子图像是基于预设重叠比例对所述细胞样本进行逐视野扫描得到的,所述预设重叠比例是基于所述细胞样本中细胞的直径确定的。
具体地,所述细胞样本来自于组织切片或液体组织样本,包括血液、唾液、尿液、胸腔积液或腹腔积液等。由于显微设备的扫描相机视野范围有限,因此,要获取细胞样本目标区域的完整细胞显微图像,需要通过所述显微设备对所述细胞样本的目标区域进行多次扫描。通常情况下,会使所述显微设备按照预设路线移动以对所述细胞样本进行逐视野扫描,直至采集完所述目标区域各视野对应的细胞显微子图像。所述目标区域即存在细胞的区域。
基于前述背景技术的内容可知,出于保证拼接得到的细胞显微图像的完整性的考虑,现有技术会基于预设的10%~50%的重叠比例对各视野对应的细胞显微图像进行采集,因此,扫描得到的相邻视野对应的细胞显微子图像会存在10%~50%的重叠部分。所述重叠比例指重叠区域的面积与单个视野的面积的比值。具体的,由于显微设备的扫描视野通常为矩形,对于左右相邻(即水平方向相邻)的视野,重叠比例可以简化为重叠区域的长度与单个视野长度的比值,对于上下相邻(即竖直方向相邻)的视野,重叠比例可以简化为重叠区域的宽度与单个视野宽度的比值。
可以理解的是,由于所述目标区域各视野对应的细胞显微子图像数量众多,10%~50%的重叠比例将导致各视野对应的细胞显微子图像中存在大量重复信息,进而造成内存资源的浪费,也将为后续的图像拼接带来巨大的数据分析工作量。针对该问题,本申请通过对细胞样本目标区域中细胞的分布特点进行研究发现,以细胞样本相邻视野对应的两个细胞显微子图像重叠区域中的相同细胞作为参照物,即可准确确定两个相邻视野对应的细胞显微子图像的实际重叠区域。基于此,可以在保证准确确定相邻视野重叠区域的基础上,极大降低各视野对应的细胞显微子图像的重叠比例。因此,本申请实施例的预设重叠比例是基于所述细胞样本中细胞的直径确定的,对于左右相邻的视野,重叠区域的长度通常设置为1-2个细胞直径,对于上下相邻的视野,则将重叠区域的宽度设置为1-2个细胞直径,实验表明,本申请实施例的预设重叠比例能够控制在10%以下,基于此,既能保证重叠区域中包括用于参照的细胞,也可以最大限度降低重叠比例,进而避免内存资源浪费,也降低了后续图像拼接的数据分析工作量。
步骤120,基于预设算法对各视野对应的细胞显微子图像进行二值化处理,以得到各视野对应的细胞显微子图像的图像矩阵,并基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域。
具体地,受显微设备定位精度的影响,各相邻视野的重叠区域在实际扫描过程中会存在偏差,即相邻视野对应的细胞显微子图像的实际重叠区域与基于预设重叠比例设置的理论重叠区域会存在偏差。若基于理论重叠区域对各视野对应的细胞显微子图像进行拼接,将导致拼接得到的全视野细胞显微图像中部分细胞信息遗漏或重复。
为了解决该问题,在获取细胞样本各视野对应的细胞显微子图像之后,本申请实施例进一步基于预设算法计算各视野对应的细胞显微子图像的分割阈值,基于该分割阈值对各视野对应的细胞显微子图像进行二值化处理,将有细胞的区域标记为1,无细胞的区域标记为0,基于此,即可得到各视野对应的细胞显微子图像的图像矩阵。可以理解的是,所述预设算法可以是能够进行二值化处理的任意算法,例如OTSU算法(即大津算法),本申请实施例对此不作具体限定。所述图像矩阵中的每个元素均对应于细胞显微子图像中的一个像素点,因此,所述图像矩阵能够准确反映各细胞显微子图像中的细胞分布情况,当两个细胞显微子图像中存在重叠区域时,重叠区域对应的图像子矩阵必然相同。基于此,将相邻视野对应的两个细胞显微子图像的图像矩阵进行比对,即可快速确定两个细胞显微子图像的相同区域(即重叠区域),进而得到相邻视野对应的细胞显微子图像的实际重叠区域。
步骤130,基于各视野对应的细胞显微子图像的位置确定所述细胞样本视野区域的中心点,以所述中心点为原点建立平面直角坐标系,并基于所述中心点坐标确定元细胞显微子图像,所述元细胞显微子图像指用于拼接的首个细胞显微子图像。
具体地,由于相邻视野对应的细胞显微子图像进行拼接时存在单位转化,即将图像的尺寸计量单位由像素转换成毫米,该单位转化过程会进一步造成相邻视野细胞显微子图像的重叠区域偏差,且该误差会随拼接过程不断累积。因此,即使按照前述实际重叠区域对细胞显微子图像进行拼接,最终得到的全视野细胞显微图像中,各细胞显微子图像的位置仍然会存在偏差,进而导致细胞信息的缺失或重复。基于此,在确定相邻视野对应的细胞显微子图像的实际重叠区域之后,本申请实施例进一步基于各视野对应的细胞显微子图像的位置确定所述细胞样本视野区域的中心点(即视野中心点),并以所述中心点为原点建立平面直角坐标系,以用于进行细胞显微子图像的拼接。可以理解的是,由于显微设备在进行扫描时会记录各视野的位置信息,而视野的大小已知,基于此,即可快速确定所述细胞样本视野区域(即前述目标区域)的中心点,进而建立平面直角坐标系。所述元细胞显微子图像指用于拼接的首个细胞显微子图像,即作为起始拼接图像的细胞显微子图像,确定了元细胞显微子图像之后,即可基于相邻视野对应的细胞显微子图像的实际重叠区域,将与其相邻的细胞显微子图像与所述元细胞显微子图像进行准确拼接,再进一步基于不同视野的相邻关系进行后续细胞显微子图像的拼接,以得到细胞样本对应的全视野细胞显微图像。所述元细胞显微子图像为离所述中心点最近的视野对应的细胞显微子图像,例如当视野区域对应的视野数量为9个时,所述元细胞显微子图像即为中心视野对应的细胞显微子图像;当视野区域对应的视野数量为16个时,所述元细胞显微子图像即为与中心点紧邻的四个视野中的其中一个对应的细胞显微子图像。通过本申请实施例从中心往四个方向扩散的方式对细胞显微子图像进行拼接的方式,能够最大限度降低单位转化造成的累积误差。
步骤140,基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,以得到所述细胞样本对应的全视野细胞显微图像。
具体地,基于前述内容可知,建立了平面直角坐标系并确定了元细胞显微子图像之后,即可基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,以得到所述细胞样本对应的全视野细胞显微图像。图2是本申请提供的平面直角坐标系示意图,如图2所示,由于以视野中心点附近的元细胞显微子图像作为起始拼接图像,剩余细胞显微子图像的拼接过程将以所述视野中心点为中心朝远离所述元细胞显微子图像的方向往四个象限扩散,基于此,能够最大限度降低单位转化造成的累积误差。
步骤150,基于人工智能模型的输入图像尺寸要求对所述全视野细胞显微图像进行切分以得到多个待判读细胞图像。
具体的,基于前述内容可知,现有技术通常采用图像尺寸缩放的方式对拼接后的细胞显微图像进行缩放以符合人工智能模型的输入要求,但该方式会导致人工智能模型的分析效率显著降低。针对该问题,本申请实施例基于人工智能模型的输入图像尺寸要求对所述全视野细胞显微图像进行切分以得到多个待判读细胞图像,基于此,无论所述全视野细胞显微图像的尺寸如何变化,本申请实施例均能得到符合人工智能模型的输入图像尺寸要求的待判读细胞图像,最大限度地保证了人工智能模型的分析效率,同时也使得所述人工智能模型能够适配各种不同分辨率的显微设备,而无需重新训练。并且,基于前述内容可知,由于所述全视野细胞显微图像最大限度降低了重叠区域以及单位转化造成的累积误差的影响,因此,本申请实施例能够基于所述全视野细胞显微图像获取细胞的准确位置,进而可以准确确定不包括细胞的空白区域并排除,能够进一步降低细胞图像数据的存储压力。
本申请实施例提供的方法,获取细胞样本各视野对应的细胞显微子图像;所述细胞显微子图像是基于预设重叠比例对所述细胞样本进行逐视野扫描得到的,所述预设重叠比例是基于所述细胞样本中细胞的直径确定的,能够在保证后续拼接准确性的前提下,降低重叠比例,避免内存资源的浪费。基于预设算法对各视野对应的细胞显微子图像进行二值化处理,以得到各视野对应的细胞显微子图像的图像矩阵,并基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域,能够准确确定实际重叠区域,保证后续拼接的准确性。基于各视野对应的细胞显微子图像的位置确定所述细胞样本视野区域的中心点,以所述中心点为原点建立平面直角坐标系,并基于所述中心点坐标确定元细胞显微子图像,所述元细胞显微子图像指用于拼接的首个细胞显微子图像;基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,以得到所述细胞样本对应的全视野细胞显微图像,基于人工智能模型的输入图像尺寸要求对所述全视野细胞显微图像进行切分以得到多个待判读细胞图像,能够实现细胞显微子图像的精确拼接以及全视野细胞显微图像的准确切分,避免待判读细胞图像中出现细胞信息遗漏或重复,同时保证待判读细胞图像的尺寸符合人工智能模型的输入要求,进而保证了后续人工智能模型分析的准确性和效率。
基于上述实施例,图3是本申请提供的细胞显微子图像的拼接流程示意图,如图3所示,所述基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,具体包括:
步骤210,基于所述元细胞显微子图像以及所述细胞样本各视野对应的细胞显微子图像的相邻关系,确定剩余细胞显微子图像的拼接顺序,并基于所述剩余细胞显微子图像的拼接顺序确定各剩余细胞显微子图像的关联细胞显微子图像;其中,所述关联细胞显微子图像为与当前剩余细胞显微子图像相邻且拼接顺序先于所述当前剩余细胞显微子图像的细胞显微子图像;
步骤220,基于所述剩余细胞显微子图像的拼接顺序以及所述相邻视野对应的细胞显微子图像的实际重叠区域,依次将所述剩余细胞显微子图像中的目标细胞显微子图像与其关联细胞显微子图像进行拼接。
具体地,基于前述实施例内容可知,由于显微设备在进行扫描时会记录各视野的位置信息,基于此即可确定所述细胞样本各视野对应的细胞显微子图像的相邻关系。因此,确定了元细胞显微子图像之后,即可确定与其相邻的第一相邻细胞显微子图像集合,并进一步确定与所述第一相邻细胞显微子图像集合中的各细胞显微子图像相邻的第二相邻细胞显微子图像集合,依此类推,即可得到元细胞显微子图像之外的剩余细胞显微子图像的拼接顺序。同时,基于所述剩余细胞显微子图像的拼接顺序又可进一步确定各剩余细胞显微子图像的关联细胞显微子图像,其中,所述关联细胞显微子图像为与当前剩余细胞显微子图像相邻且拼接顺序先于所述当前剩余细胞显微子图像的细胞显微子图像。基于此,即可基于所述剩余细胞显微子图像的拼接顺序以及所述相邻视野对应的细胞显微子图像的实际重叠区域,依次将所述剩余细胞显微子图像中的目标细胞显微子图像与其关联细胞显微子图像进行拼接。可以理解的是,各相邻细胞显微子图像集合中的多个细胞显微子图像的拼接顺序可以根据实际需要进行调整,本申请实施例对其排序方式不作具体限定。
基于上述步骤,本申请实施例能够快速准确地进行细胞显微子图像的拼接,确保细胞样本对应的全视野细胞显微图像的生成效率和准确性,进而保证后续分析的效率和准确性。
本申请实施例提供的方法,所述基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,具体包括:基于所述元细胞显微子图像以及所述细胞样本各视野对应的细胞显微子图像的相邻关系,确定剩余细胞显微子图像的拼接顺序,并基于所述剩余细胞显微子图像的拼接顺序确定各剩余细胞显微子图像的关联细胞显微子图像;其中,所述关联细胞显微子图像为与当前剩余细胞显微子图像相邻且拼接顺序先于所述当前剩余细胞显微子图像的细胞显微子图像;基于所述剩余细胞显微子图像的拼接顺序以及所述相邻视野对应的细胞显微子图像的实际重叠区域,依次将所述剩余细胞显微子图像中的目标细胞显微子图像与其关联细胞显微子图像进行拼接,能够快速准确地进行细胞显微子图像的拼接,确保细胞样本对应的全视野细胞显微图像的生成效率和准确性。
基于上述任一实施例,所述基于所述剩余细胞显微子图像的拼接顺序以及所述相邻视野对应的细胞显微子图像的实际重叠区域,依次将所述剩余细胞显微子图像中的目标细胞显微子图像与其关联细胞显微子图像进行拼接,具体包括:
基于所述剩余细胞显微子图像的拼接顺序确定当前待拼接的目标细胞显微子图像;
判断所述当前待拼接的目标细胞显微子图像的关联细胞显微子图像中,是否同时包括第一类细胞显微子图像和第二类细胞显微子图像;若是,执行以下步骤:
基于所述相邻视野对应的细胞显微子图像的实际重叠区域,确定所述当前待拼接的目标细胞显微子图像与所述第一类细胞显微子图像的第一实际重叠区域以及,所述当前待拼接的目标细胞显微子图像与所述第二类细胞显微子图像的第二实际重叠区域;
分别基于所述第一实际重叠区域和所述第二实际重叠区域确定所述当前待拼接的目标细胞显微子图像的第一拼接位置和第二拼接位置,并基于所述第一拼接位置和第二拼接位置,将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接;
其中,所述第一类细胞显微子图像为与所述当前待拼接的目标细胞显微子图像水平方向相邻的细胞显微子图像,所述第二类细胞显微子图像为与所述当前待拼接的目标细胞显微子图像竖直方向相邻的细胞显微子图像。
具体地,确定了所述剩余细胞显微子图像的拼接顺序之后,本申请实施例即可基于所述剩余细胞显微子图像的拼接顺序确定当前待拼接的目标细胞显微子图像,并将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接。然而本申请发明人通过研究发现,当所述当前待拼接的目标细胞显微子图像的关联细胞显微子图像中同时包括第一类细胞显微子图像和第二类细胞显微子图像时,所述当前待拼接的目标细胞显微子图像的拼接将存在两个参照系(即所述第一类细胞显微子图像和第二类细胞显微子图像)。所述第一类细胞显微子图像为与所述当前待拼接的目标细胞显微子图像水平方向相邻的细胞显微子图像,所述第二类细胞显微子图像为与所述当前待拼接的目标细胞显微子图像竖直方向相邻的细胞显微子图像。正常情况下,选择任一参照系进行拼接均可,但由于前述单位转换造成的误差,将导致分别基于所述第一类细胞显微子图像和第二类细胞显微子图像进行拼接时,所述当前待拼接的目标细胞显微子图像的位置存在差异,进而导致细胞显微子图像的拼接误差。
针对该问题,本申请实施例在基于所述剩余细胞显微子图像的拼接顺序确定当前待拼接的目标细胞显微子图像之后,进一步判断所述当前待拼接的目标细胞显微子图像的关联细胞显微子图像中,是否同时包括第一类细胞显微子图像和第二类细胞显微子图像,若是,执行以下步骤:
基于所述相邻视野对应的细胞显微子图像的实际重叠区域,确定所述当前待拼接的目标细胞显微子图像与所述第一类细胞显微子图像的第一实际重叠区域以及,所述当前待拼接的目标细胞显微子图像与所述第二类细胞显微子图像的第二实际重叠区域;
分别基于所述第一实际重叠区域和所述第二实际重叠区域确定所述当前待拼接的目标细胞显微子图像的第一拼接位置和第二拼接位置,并基于所述第一拼接位置和第二拼接位置,将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接。
可以理解的是,若判断所述当前待拼接的目标细胞显微子图像的关联细胞显微子图像中仅包括一类细胞显微子图像(即不同时包括第一类细胞显微子图像和第二类细胞显微子图像),仅需基于所述当前待拼接的目标细胞显微子图像与该关联细胞显微子图像的实际重叠区域进行拼接即可。基于上述步骤,本申请实施例能够充分考虑基于所述第一类细胞显微子图像和第二类细胞显微子图像进行拼接的差异,进而确定所述当前待拼接的目标细胞显微子图像的准确位置,减小拼接误差,进而保证细胞显微子图像的准确拼接。
本申请实施例提供的方法,所述基于所述剩余细胞显微子图像的拼接顺序以及所述相邻视野对应的细胞显微子图像的实际重叠区域,依次将所述剩余细胞显微子图像中的目标细胞显微子图像与其关联细胞显微子图像进行拼接,具体包括:基于所述剩余细胞显微子图像的拼接顺序确定当前待拼接的目标细胞显微子图像;判断所述当前待拼接的目标细胞显微子图像的关联细胞显微子图像中,是否同时包括第一类细胞显微子图像和第二类细胞显微子图像;若是,执行以下步骤:基于所述相邻视野对应的细胞显微子图像的实际重叠区域,确定所述当前待拼接的目标细胞显微子图像与所述第一类细胞显微子图像的第一实际重叠区域以及,所述当前待拼接的目标细胞显微子图像与所述第二类细胞显微子图像的第二实际重叠区域;分别基于所述第一实际重叠区域和所述第二实际重叠区域确定所述当前待拼接的目标细胞显微子图像的第一拼接位置和第二拼接位置,并基于所述第一拼接位置和第二拼接位置,将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接;其中,所述第一类细胞显微子图像为与所述当前待拼接的目标细胞显微子图像水平方向相邻的细胞显微子图像,所述第二类细胞显微子图像为与所述当前待拼接的目标细胞显微子图像竖直方向相邻的细胞显微子图像。能够进一步减小拼接误差,以保证细胞显微子图像的准确拼接。
基于上述任一实施例,所述基于所述第一拼接位置和第二拼接位置,将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接,具体包括:
若所述第一拼接位置和第二拼接位置的偏移范围超过预设值,则基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置,并基于所述目标拼接位置将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接。
具体地,若所述第一拼接位置和第二拼接位置的偏移范围超过预设值,说明必然有一个拼接位置存在误差,基于此,本申请实施例进一步基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置,并基于所述目标拼接位置将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接。可以理解的是,所述目标拼接位置为所述第一拼接位置和第二拼接位置之一。本申请实施例基于所述当前待拼接的目标细胞显微子图像的中心坐标,能够确定误差相对较小的目标拼接位置,进而保证细胞显微子图像的准确拼接。
本申请实施例提供的方法,若所述第一拼接位置和第二拼接位置的偏移范围超过预设值,则基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置,并基于所述目标拼接位置将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接,能够保证细胞显微子图像的准确拼接。
基于上述任一实施例,所述基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置,具体包括:
基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的中心与X轴的第一距离以及,所述当前待拼接的目标细胞显微子图像的中心与Y轴的第二距离;
确定所述第一距离与单个视野长度的第一比值以及,所述第二距离与单个视野宽度的第二比值,并基于所述第一比值和第二比值的对比结果,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置;所述目标拼接位置为所述第一拼接位置和第二拼接位置之一。
具体的,本申请发明人通过研究发现,当细胞显微子图像的中心到X轴的距离与单个视野长度的比值大于,细胞显微子图像的中心到Y轴的距离与单个视野宽度的比值时,以水平方向相邻的关联细胞显微子图像作为参照系进行拼接更准确,否则,以竖直方向相邻的关联细胞显微子图像作为参照系进行拼接更准确。基于此,本申请实施例首先基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的中心与X轴的第一距离以及,所述当前待拼接的目标细胞显微子图像的中心与Y轴的第二距离。再确定所述第一距离与单个视野长度的第一比值以及,所述第二距离与单个视野宽度的第二比值,并基于所述第一比值和第二比值的对比结果,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置。基于前述实施例可知,细胞显微子图像的中心坐标以及视野的长度和宽度均为已知量,基于此,可以高效准确地确定所述当前待拼接的目标细胞显微子图像的目标拼接位置,进而保证细胞显微子图像拼接的效率和准确性。
本申请实施例提供的方法,所述基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置,具体包括:基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的中心与X轴的第一距离以及,所述当前待拼接的目标细胞显微子图像的中心与Y轴的第二距离;确定所述第一距离与单个视野长度的第一比值以及,所述第二距离与单个视野宽度的第二比值,并基于所述第一比值和第二比值的对比结果,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置;所述目标拼接位置为所述第一拼接位置和第二拼接位置之一。能够高效准确地确定所述当前待拼接的目标细胞显微子图像的目标拼接位置,保证细胞显微子图像拼接的效率和准确性。
基于上述任一实施例,图4是本申请提供的基于图像矩阵确定实际重叠区域的流程示意图,如图4所示,所述基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域,具体包括:
步骤310,获取两个相邻的第一视野和第二视野分别对应的第一细胞显微子图像和第二细胞显微子图像,并基于所述预设重叠比例,分别确定所述第一细胞显微子图像和第二细胞显微子图像中的第一理论重叠区域和第二理论重叠区域;
步骤320,基于所述第一视野与所述第二视野的重叠方向,对所述第一理论重叠区域图像与所述第二理论重叠区域图像进行重叠操作,并基于所述第一理论重叠区域图像和所述第二理论重叠区域图像中与相交区域对应的图像子矩阵,确定重叠完成度;
步骤330,基于所述重叠完成度最高时对应的相交区域,确定所述第一细胞显微子图像和第二细胞显微子图像的实际重叠区域。
具体的,本申请实施例首先获取两个相邻的第一视野和第二视野分别对应的第一细胞显微子图像和第二细胞显微子图像,并基于所述预设重叠比例,分别确定所述第一细胞显微子图像和第二细胞显微子图像中的第一理论重叠区域和第二理论重叠区域,再基于所述第一视野与所述第二视野的重叠方向,对所述第一理论重叠区域图像与所述第二理论重叠区域图像进行重叠操作,并基于所述第一理论重叠区域图像和所述第二理论重叠区域图像中与相交区域对应的图像子矩阵,确定重叠完成度。图5是本申请提供的重叠操作的过程示意图,如图5所示,以水平方向相邻的两个视野为例,本申请实施例首先基于预设重叠比例确定相邻视野对应的细胞显微子图像中的理论重叠区域并进行切片,再基于重叠方向对切片得到的第一理论重叠区域图像与所述第二理论重叠区域图像进行重叠操作,基于前述实施例可以理解的是,所述第一细胞显微子图像和第二细胞显微子图像中重叠区域的细胞分布完全相同,因此,在没有误差的情况下,当所述第一理论重叠区域图像与所述第二理论重叠区域图像完全重合时,两张图像中的相同细胞也会完全重合。但由于测量误差的存在,实际重叠区域将与理论重叠区域存在偏差,基于此,本申请实施例通过对所述第一理论重叠区域图像与所述第二理论重叠区域图像进行重叠操作,模拟重叠过程,以找出使两张图像中相同细胞完全重合的位置(此时重叠完成度最高),进而确定实际重叠区域。
更具体地,本申请实施例基于所述第一理论重叠区域图像和所述第二理论重叠区域图像中与相交区域对应的图像子矩阵的比对结果,即可确定重叠完成度,当重叠完成度最高时(即相同细胞完全重合),对应的相交区域即为所述第一细胞显微子图像和第二细胞显微子图像的实际重叠区域。
值得注意的是,本申请实施例会基于所述第一视野与所述第二视野的重叠方向,确定对所述第一理论重叠区域图像与所述第二理论重叠区域图像进行重叠操作的方向,例如,所述第一视野与所述第二视野的重叠方向为水平方向,则先在水平方向上对所述第一理论重叠区域图像与所述第二理论重叠区域图像进行重叠,并得到水平方向的当前最高重叠完成度,但基于前述实施例可知,显微设备采集细胞显微子图像时会存在偏差,因此,本申请实施例进一步在竖直方向上对所述第一理论重叠区域图像与所述第二理论重叠区域图像进行重叠,并得到竖直方向的当前最高重叠完成度,将上述过程迭代预设次数,即可确定最高的重叠完成度以及对应的实际重叠区域。
基于上述步骤,本申请实施例能够准确确定相邻视野对应的细胞显微子图像的实际重叠区域,保证后续拼接的准确性。
本申请实施例提供的方法,所述基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域,具体包括:获取两个相邻的第一视野和第二视野分别对应的第一细胞显微子图像和第二细胞显微子图像,并基于所述预设重叠比例,分别确定所述第一细胞显微子图像和第二细胞显微子图像中的第一理论重叠区域和第二理论重叠区域;基于所述第一视野与所述第二视野的重叠方向,对所述第一理论重叠区域图像与所述第二理论重叠区域图像进行重叠操作,并基于所述第一理论重叠区域图像和所述第二理论重叠区域图像中与相交区域对应的图像子矩阵,确定重叠完成度;基于所述重叠完成度最高时对应的相交区域,确定所述第一细胞显微子图像和第二细胞显微子图像的实际重叠区域。能够准确确定相邻视野对应的细胞显微子图像的实际重叠区域,保证后续拼接的准确性。
基于上述任一实施例,所述基于所述第一理论重叠区域图像和所述第二理论重叠区域图像中与相交区域对应的图像子矩阵,确定重叠完成度,具体包括:
将所述第一理论重叠区域图像中与相交区域对应的第一图像子矩阵与,所述第二理论重叠区域图像中与相交区域对应的第二图像子矩阵进行异或操作以得到重叠完成度指示数;
基于所述重叠完成度指示数确定重叠完成度;其中,所述重叠完成度指示数最小时,所述重叠完成度最高。
具体地,本申请实施例将所述第一理论重叠区域图像中与相交区域对应的第一图像子矩阵与,所述第二理论重叠区域图像中与相交区域对应的第二图像子矩阵进行异或操作以得到重叠完成度指示数。基于前述实施例可以理解的是,所述第一图像子矩阵与第二图像子矩阵中的元素值为1和0,1代表细胞,0代表背景,矩阵中的元素对应于细胞显微图像相应位置的像素点,基于此,将所述第一图像子矩阵与第二图像子矩阵进行异或操作以得到重叠完成度指示数,所述重叠完成度指示数为异或得到的矩阵中,各元素值的总和。在相交区域中的相同细胞完全重合的情况下,所述重叠完成度指示数最小。因此,基于所述重叠完成度指示数即可确定重叠完成度;其中,所述重叠完成度指示数最小时,所述重叠完成度最高。基于此,能够准确确定重叠完成度,进而确保相邻视野对应的细胞显微子图像的实际重叠区域的准确性。
本申请实施例提供的方法,所述基于所述第一理论重叠区域图像和所述第二理论重叠区域图像中与相交区域对应的图像子矩阵,确定重叠完成度,具体包括:将所述第一理论重叠区域图像中与相交区域对应的第一图像子矩阵与,所述第二理论重叠区域图像中与相交区域对应的第二图像子矩阵进行异或操作以得到重叠完成度指示数;基于所述重叠完成度指示数确定重叠完成度;其中,所述重叠完成度指示数最小时,所述重叠完成度最高。能够准确确定重叠完成度,进而确保相邻视野对应的细胞显微子图像的实际重叠区域的准确性。
值得注意的是,在得到所述细胞样本对应的全视野细胞显微图像之后,本申请实施例可以进一步确定全视野细胞显微图像中各细胞显微子图像的实际重叠区域中是否存在相同细胞未完全重合的情况,若存在,则基于前述实施例中确定实际重叠区域的步骤,对各细胞显微子图像的位置进行微调,以保证全视野细胞显微图像中各细胞的物理位置的准确性,方便后续分析。
下面对本申请提供的待判读细胞图像的获取装置进行描述,下文描述的待判读细胞图像的获取装置与上文描述的待判读细胞图像的获取方法可相互对应参照。
基于上述任一实施例,图6为本申请提供的待判读细胞图像的获取装置的结构示意图,如图6所示,该装置包括:
细胞显微子图像获取模块610,用于获取细胞样本各视野对应的细胞显微子图像;所述细胞显微子图像是基于预设重叠比例对所述细胞样本进行逐视野扫描得到的,所述预设重叠比例是基于所述细胞样本中细胞的直径确定的;
实际重叠区域确定模块620,用于基于预设算法对各视野对应的细胞显微子图像进行二值化处理,以得到各视野对应的细胞显微子图像的图像矩阵,并基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域;
拼接准备模块630,用于基于各视野对应的细胞显微子图像的位置确定所述细胞样本视野区域的中心点,以所述中心点为原点建立平面直角坐标系,并基于所述中心点坐标确定元细胞显微子图像,所述元细胞显微子图像指用于拼接的首个细胞显微子图像;
全视野细胞显微图像生成模块640,用于基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,以得到所述细胞样本对应的全视野细胞显微图像;
待判读细胞图像获取模块650,用于基于人工智能模型的输入图像尺寸要求对所述全视野细胞显微图像进行切分以得到多个待判读细胞图像。
本申请实施例提供的装置,细胞显微子图像获取模块610获取细胞样本各视野对应的细胞显微子图像;所述细胞显微子图像是基于预设重叠比例对所述细胞样本进行逐视野扫描得到的,所述预设重叠比例是基于所述细胞样本中细胞的直径确定的,能够在保证后续拼接准确性的前提下,降低重叠比例,避免内存资源的浪费。实际重叠区域确定模块620基于预设算法对各视野对应的细胞显微子图像进行二值化处理,以得到各视野对应的细胞显微子图像的图像矩阵,并基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域,能够准确确定实际重叠区域,保证后续拼接的准确性。拼接准备模块630基于各视野对应的细胞显微子图像的位置确定所述细胞样本视野区域的中心点,以所述中心点为原点建立平面直角坐标系,并基于所述中心点坐标确定元细胞显微子图像,所述元细胞显微子图像指用于拼接的首个细胞显微子图像;全视野细胞显微图像生成模块640基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,以得到所述细胞样本对应的全视野细胞显微图像,待判读细胞图像获取模块650基于人工智能模型的输入图像尺寸要求对所述全视野细胞显微图像进行切分以得到多个待判读细胞图像,能够实现细胞显微子图像的精确拼接以及全视野细胞显微图像的准确切分,避免待判读细胞图像中出现细胞信息遗漏或重复,同时保证待判读细胞图像的尺寸符合人工智能模型的输入要求,进而保证了后续人工智能模型分析的准确性和效率。
基于上述实施例,所述基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,具体包括:
基于所述元细胞显微子图像以及所述细胞样本各视野对应的细胞显微子图像的相邻关系,确定剩余细胞显微子图像的拼接顺序,并基于所述剩余细胞显微子图像的拼接顺序确定各剩余细胞显微子图像的关联细胞显微子图像;其中,所述关联细胞显微子图像为与当前剩余细胞显微子图像相邻且拼接顺序先于所述当前剩余细胞显微子图像的细胞显微子图像;
基于所述剩余细胞显微子图像的拼接顺序以及所述相邻视野对应的细胞显微子图像的实际重叠区域,依次将所述剩余细胞显微子图像中的目标细胞显微子图像与其关联细胞显微子图像进行拼接。
基于上述任一实施例,所述基于所述剩余细胞显微子图像的拼接顺序以及所述相邻视野对应的细胞显微子图像的实际重叠区域,依次将所述剩余细胞显微子图像中的目标细胞显微子图像与其关联细胞显微子图像进行拼接,具体包括:
基于所述剩余细胞显微子图像的拼接顺序确定当前待拼接的目标细胞显微子图像;
判断所述当前待拼接的目标细胞显微子图像的关联细胞显微子图像中,是否同时包括第一类细胞显微子图像和第二类细胞显微子图像;若是,执行以下步骤:
基于所述相邻视野对应的细胞显微子图像的实际重叠区域,确定所述当前待拼接的目标细胞显微子图像与所述第一类细胞显微子图像的第一实际重叠区域以及,所述当前待拼接的目标细胞显微子图像与所述第二类细胞显微子图像的第二实际重叠区域;
分别基于所述第一实际重叠区域和所述第二实际重叠区域确定所述当前待拼接的目标细胞显微子图像的第一拼接位置和第二拼接位置,并基于所述第一拼接位置和第二拼接位置,将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接;
其中,所述第一类细胞显微子图像为与所述当前待拼接的目标细胞显微子图像水平方向相邻的细胞显微子图像,所述第二类细胞显微子图像为与所述当前待拼接的目标细胞显微子图像竖直方向相邻的细胞显微子图像。
基于上述任一实施例,所述基于所述第一拼接位置和第二拼接位置,将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接,具体包括:
若所述第一拼接位置和第二拼接位置的偏移范围超过预设值,则基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置,并基于所述目标拼接位置将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接。
基于上述任一实施例,所述基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置,具体包括:
基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的中心与X轴的第一距离以及,所述当前待拼接的目标细胞显微子图像的中心与Y轴的第二距离;
确定所述第一距离与单个视野长度的第一比值以及,所述第二距离与单个视野宽度的第二比值,并基于所述第一比值和第二比值的对比结果,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置;所述目标拼接位置为所述第一拼接位置和第二拼接位置之一。
基于上述任一实施例,所述基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域,具体包括:
获取两个相邻的第一视野和第二视野分别对应的第一细胞显微子图像和第二细胞显微子图像,并基于所述预设重叠比例,分别确定所述第一细胞显微子图像和第二细胞显微子图像中的第一理论重叠区域和第二理论重叠区域;
基于所述第一视野与所述第二视野的重叠方向,对所述第一理论重叠区域图像与所述第二理论重叠区域图像进行重叠操作,并基于所述第一理论重叠区域图像和所述第二理论重叠区域图像中与相交区域对应的图像子矩阵,确定重叠完成度;
基于所述重叠完成度最高时对应的相交区域,确定所述第一细胞显微子图像和第二细胞显微子图像的实际重叠区域。
基于上述任一实施例,所述基于所述第一理论重叠区域图像和所述第二理论重叠区域图像中与相交区域对应的图像子矩阵,确定重叠完成度,具体包括:
将所述第一理论重叠区域图像中与相交区域对应的第一图像子矩阵与,所述第二理论重叠区域图像中与相交区域对应的第二图像子矩阵进行异或操作以得到重叠完成度指示数;
基于所述重叠完成度指示数确定重叠完成度;其中,所述重叠完成度指示数最小时,所述重叠完成度最高。
图7示例了一种电子设备的实体结构示意图,如图7所示,该电子设备可以包括:处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740,其中,处理器710,通信接口720,存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令,以执行上述各方法所提供的待判读细胞图像的获取方法,该方法包括:获取细胞样本对应的细胞显微子图像;所述细胞显微子图像是基于预设重叠比例对所述细胞样本进行逐视野扫描得到的,所述预设重叠比例是基于所述细胞样本中细胞的直径确定的;基于预设算法对各视野对应的细胞显微子图像进行二值化处理,以得到各视野对应的细胞显微子图像的图像矩阵,并基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域;基于各视野对应的细胞显微子图像的位置确定所述细胞样本视野区域的中心点,以所述中心点为原点建立平面直角坐标系,并基于所述中心点坐标确定元细胞显微子图像,所述元细胞显微子图像指用于拼接的首个细胞显微子图像;基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,以得到所述细胞样本对应的全视野细胞显微图像;基于人工智能模型的输入图像尺寸要求对所述全视野细胞显微图像进行切分以得到多个待判读细胞图像。
此外,上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本申请还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的待判读细胞图像的获取方法,该方法包括:获取细胞样本对应的细胞显微子图像;所述细胞显微子图像是基于预设重叠比例对所述细胞样本进行逐视野扫描得到的,所述预设重叠比例是基于所述细胞样本中细胞的直径确定的;基于预设算法对各视野对应的细胞显微子图像进行二值化处理,以得到各视野对应的细胞显微子图像的图像矩阵,并基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域;基于各视野对应的细胞显微子图像的位置确定所述细胞样本视野区域的中心点,以所述中心点为原点建立平面直角坐标系,并基于所述中心点坐标确定元细胞显微子图像,所述元细胞显微子图像指用于拼接的首个细胞显微子图像;基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,以得到所述细胞样本对应的全视野细胞显微图像;基于人工智能模型的输入图像尺寸要求对所述全视野细胞显微图像进行切分以得到多个待判读细胞图像。
又一方面,本申请还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的待判读细胞图像的获取方法,该方法包括:获取细胞样本对应的细胞显微子图像;所述细胞显微子图像是基于预设重叠比例对所述细胞样本进行逐视野扫描得到的,所述预设重叠比例是基于所述细胞样本中细胞的直径确定的;基于预设算法对各视野对应的细胞显微子图像进行二值化处理,以得到各视野对应的细胞显微子图像的图像矩阵,并基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域;基于各视野对应的细胞显微子图像的位置确定所述细胞样本视野区域的中心点,以所述中心点为原点建立平面直角坐标系,并基于所述中心点坐标确定元细胞显微子图像,所述元细胞显微子图像指用于拼接的首个细胞显微子图像;基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,以得到所述细胞样本对应的全视野细胞显微图像;基于人工智能模型的输入图像尺寸要求对所述全视野细胞显微图像进行切分以得到多个待判读细胞图像。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是:以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。
Claims (10)
1.一种待判读细胞图像的获取方法,其特征在于,包括:
获取细胞样本对应的细胞显微子图像;所述细胞显微子图像是基于预设重叠比例对所述细胞样本进行逐视野扫描得到的,所述预设重叠比例是基于所述细胞样本中细胞的直径确定的;
基于预设算法对各视野对应的细胞显微子图像进行二值化处理,以得到各视野对应的细胞显微子图像的图像矩阵,并基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域;
基于各视野对应的细胞显微子图像的位置确定所述细胞样本视野区域的中心点,以所述中心点为原点建立平面直角坐标系,并基于所述中心点坐标确定元细胞显微子图像,所述元细胞显微子图像指用于拼接的首个细胞显微子图像;
基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,以得到所述细胞样本对应的全视野细胞显微图像;
基于人工智能模型的输入图像尺寸要求对所述全视野细胞显微图像进行切分以得到多个待判读细胞图像。
2.根据权利要求1所述的待判读细胞图像的获取方法,其特征在于,所述基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,具体包括:
基于所述元细胞显微子图像以及所述细胞样本各视野对应的细胞显微子图像的相邻关系,确定剩余细胞显微子图像的拼接顺序,并基于所述剩余细胞显微子图像的拼接顺序确定各剩余细胞显微子图像的关联细胞显微子图像;其中,所述关联细胞显微子图像为与当前剩余细胞显微子图像相邻且拼接顺序先于所述当前剩余细胞显微子图像的细胞显微子图像;
基于所述剩余细胞显微子图像的拼接顺序以及所述相邻视野对应的细胞显微子图像的实际重叠区域,依次将所述剩余细胞显微子图像中的目标细胞显微子图像与其关联细胞显微子图像进行拼接。
3.根据权利要求2所述的待判读细胞图像的获取方法,其特征在于,所述基于所述剩余细胞显微子图像的拼接顺序以及所述相邻视野对应的细胞显微子图像的实际重叠区域,依次将所述剩余细胞显微子图像中的目标细胞显微子图像与其关联细胞显微子图像进行拼接,具体包括:
基于所述剩余细胞显微子图像的拼接顺序确定当前待拼接的目标细胞显微子图像;
判断所述当前待拼接的目标细胞显微子图像的关联细胞显微子图像中,是否同时包括第一类细胞显微子图像和第二类细胞显微子图像;若是,执行以下步骤:
基于所述相邻视野对应的细胞显微子图像的实际重叠区域,确定所述当前待拼接的目标细胞显微子图像与所述第一类细胞显微子图像的第一实际重叠区域以及,所述当前待拼接的目标细胞显微子图像与所述第二类细胞显微子图像的第二实际重叠区域;
分别基于所述第一实际重叠区域和所述第二实际重叠区域确定所述当前待拼接的目标细胞显微子图像的第一拼接位置和第二拼接位置,并基于所述第一拼接位置和第二拼接位置,将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接;
其中,所述第一类细胞显微子图像为与所述当前待拼接的目标细胞显微子图像水平方向相邻的细胞显微子图像,所述第二类细胞显微子图像为与所述当前待拼接的目标细胞显微子图像竖直方向相邻的细胞显微子图像。
4.根据权利要求3所述的待判读细胞图像的获取方法,其特征在于,所述基于所述第一拼接位置和第二拼接位置,将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接,具体包括:
若所述第一拼接位置和第二拼接位置的偏移范围超过预设值,则基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置,并基于所述目标拼接位置将所述当前待拼接的目标细胞显微子图像与其关联细胞显微子图像进行拼接。
5.根据权利要求4所述的待判读细胞图像的获取方法,其特征在于,所述基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置,具体包括:
基于所述当前待拼接的目标细胞显微子图像的中心坐标,确定所述当前待拼接的目标细胞显微子图像的中心与X轴的第一距离以及,所述当前待拼接的目标细胞显微子图像的中心与Y轴的第二距离;
确定所述第一距离与单个视野长度的第一比值以及,所述第二距离与单个视野宽度的第二比值,并基于所述第一比值和第二比值的对比结果,确定所述当前待拼接的目标细胞显微子图像的目标拼接位置;所述目标拼接位置为所述第一拼接位置和第二拼接位置之一。
6.根据权利要求1所述的待判读细胞图像的获取方法,其特征在于,所述基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域,具体包括:
获取两个相邻的第一视野和第二视野分别对应的第一细胞显微子图像和第二细胞显微子图像,并基于所述预设重叠比例,分别确定所述第一细胞显微子图像和第二细胞显微子图像中的第一理论重叠区域和第二理论重叠区域;
基于所述第一视野与所述第二视野的重叠方向,对所述第一理论重叠区域图像与所述第二理论重叠区域图像进行重叠操作,并基于所述第一理论重叠区域图像和所述第二理论重叠区域图像中与相交区域对应的图像子矩阵,确定重叠完成度;
基于所述重叠完成度最高时对应的相交区域,确定所述第一细胞显微子图像和第二细胞显微子图像的实际重叠区域。
7.根据权利要求6所述的待判读细胞图像的获取方法,其特征在于,所述基于所述第一理论重叠区域图像和所述第二理论重叠区域图像中与相交区域对应的图像子矩阵,确定重叠完成度,具体包括:
将所述第一理论重叠区域图像中与相交区域对应的第一图像子矩阵与,所述第二理论重叠区域图像中与相交区域对应的第二图像子矩阵进行异或操作以得到重叠完成度指示数;
基于所述重叠完成度指示数确定重叠完成度;其中,所述重叠完成度指示数最小时,所述重叠完成度最高。
8.一种待判读细胞图像的获取装置,其特征在于,包括:
细胞显微子图像获取模块,用于获取细胞样本各视野对应的细胞显微子图像;所述细胞显微子图像是基于预设重叠比例对所述细胞样本进行逐视野扫描得到的,所述预设重叠比例是基于所述细胞样本中细胞的直径确定的;
实际重叠区域确定模块,用于基于预设算法对各视野对应的细胞显微子图像进行二值化处理,以得到各视野对应的细胞显微子图像的图像矩阵,并基于各视野对应的细胞显微子图像的图像矩阵,确定相邻视野对应的细胞显微子图像的实际重叠区域;
拼接准备模块,用于基于各视野对应的细胞显微子图像的位置确定所述细胞样本视野区域的中心点,以所述中心点为原点建立平面直角坐标系,并基于所述中心点坐标确定元细胞显微子图像,所述元细胞显微子图像指用于拼接的首个细胞显微子图像;
全视野细胞显微图像生成模块,用于基于所述相邻视野对应的细胞显微子图像的实际重叠区域,朝远离所述元细胞显微子图像的方向依次拼接剩余细胞显微子图像,以得到所述细胞样本对应的全视野细胞显微图像;
待判读细胞图像获取模块,用于基于人工智能模型的输入图像尺寸要求对所述全视野细胞显微图像进行切分以得到多个待判读细胞图像。
9.一种电子设备,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至7任一项所述待判读细胞图像的获取方法的步骤。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述待判读细胞图像的获取方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211140259.7A CN115223165B (zh) | 2022-09-20 | 2022-09-20 | 待判读细胞图像的获取方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211140259.7A CN115223165B (zh) | 2022-09-20 | 2022-09-20 | 待判读细胞图像的获取方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115223165A true CN115223165A (zh) | 2022-10-21 |
CN115223165B CN115223165B (zh) | 2022-12-27 |
Family
ID=83617446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211140259.7A Active CN115223165B (zh) | 2022-09-20 | 2022-09-20 | 待判读细胞图像的获取方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115223165B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116643393A (zh) * | 2023-07-27 | 2023-08-25 | 南京木木西里科技有限公司 | 基于显微图像偏转的处理方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109507406A (zh) * | 2018-11-30 | 2019-03-22 | 苏州深析智能科技有限公司 | 一种细胞形态智能提取方法、装置及分析方法 |
CN111626933A (zh) * | 2020-05-14 | 2020-09-04 | 湖南国科智瞳科技有限公司 | 一种精准、快速的显微图像拼接方法及系统 |
US20210133958A1 (en) * | 2019-10-31 | 2021-05-06 | Tencent America LLC | Computer aided diagnosis system for detecting tissue lesion on microscopy images based on multi-resolution feature fusion |
CN113205457A (zh) * | 2021-05-11 | 2021-08-03 | 华中科技大学 | 一种微观图像拼接方法及系统 |
CN113393443A (zh) * | 2021-06-17 | 2021-09-14 | 华南理工大学 | 一种he病理图像细胞核分割方法及系统 |
CN114726962A (zh) * | 2022-06-07 | 2022-07-08 | 珠海横琴圣澳云智科技有限公司 | 病理切片扫描仪工作状态的确定方法和装置 |
-
2022
- 2022-09-20 CN CN202211140259.7A patent/CN115223165B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109507406A (zh) * | 2018-11-30 | 2019-03-22 | 苏州深析智能科技有限公司 | 一种细胞形态智能提取方法、装置及分析方法 |
US20210133958A1 (en) * | 2019-10-31 | 2021-05-06 | Tencent America LLC | Computer aided diagnosis system for detecting tissue lesion on microscopy images based on multi-resolution feature fusion |
CN111626933A (zh) * | 2020-05-14 | 2020-09-04 | 湖南国科智瞳科技有限公司 | 一种精准、快速的显微图像拼接方法及系统 |
CN113205457A (zh) * | 2021-05-11 | 2021-08-03 | 华中科技大学 | 一种微观图像拼接方法及系统 |
CN113393443A (zh) * | 2021-06-17 | 2021-09-14 | 华南理工大学 | 一种he病理图像细胞核分割方法及系统 |
CN114726962A (zh) * | 2022-06-07 | 2022-07-08 | 珠海横琴圣澳云智科技有限公司 | 病理切片扫描仪工作状态的确定方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116643393A (zh) * | 2023-07-27 | 2023-08-25 | 南京木木西里科技有限公司 | 基于显微图像偏转的处理方法及系统 |
CN116643393B (zh) * | 2023-07-27 | 2023-10-27 | 南京木木西里科技有限公司 | 基于显微图像偏转的处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN115223165B (zh) | 2022-12-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7000627B2 (ja) | 標的細胞標識方法、装置、記憶媒体及び端末デバイス | |
EP3933771A1 (en) | Positioning method and apparatus, and storage medium | |
CN115223165B (zh) | 待判读细胞图像的获取方法和装置 | |
CN116051551B (zh) | 基于图像处理的显示屏缺陷检测方法及相关装置 | |
CN113362331A (zh) | 图像分割方法、装置、电子设备及计算机存储介质 | |
CN112785650B (zh) | 一种相机参数标定方法及装置 | |
CN112634259A (zh) | 一种键盘键帽自动建模定位方法 | |
CN112348946A (zh) | 打印处理方法、装置、电子设备以及存储介质 | |
CN111783648A (zh) | 道路点云中护栏的提取方法及装置 | |
CN111341686A (zh) | 一种检测晶圆缺陷的方法及装置 | |
CN114119455B (zh) | 一种基于目标检测网络定位血管狭窄部位的方法和装置 | |
CN110543798A (zh) | 二维码的识别方法及装置 | |
CN114004873A (zh) | 作业区域平整度的检测方法、装置、设备、介质及产品 | |
CN117372421B (zh) | 晶圆缺陷定位方法、装置、定位设备及晶圆缺陷定位系统 | |
CN111768384A (zh) | 基于三维扫描成像的细胞计数方法及系统 | |
CN113706556B (zh) | 一种影像切片边缘碎片快速探测与替换方法 | |
CN112785546B (zh) | 基于图像处理的端子类型识别方法、装置、终端、及介质 | |
CN116625243B (zh) | 基于边框卷料裁切机的智能检测方法、系统以及存储介质 | |
CN116109815B (zh) | 测试卡计算区域的定位方法、装置及终端设备 | |
CN116958152B (zh) | 一种零件尺寸测量方法、装置、设备及介质 | |
CN116385431B (zh) | 基于红外热成像与点云结合的数控机床设备故障检测方法 | |
CN113379668B (zh) | 光伏板拼接方法及装置、电子设备及存储介质 | |
CN111488933B (zh) | 图像分类方法、网络、计算机设备和存储介质 | |
CN114419128A (zh) | 非接触式空间周长检测方法、装置、设备和介质 | |
CN116309272A (zh) | 缺陷检测模型的训练方法、缺陷检测方法及装置 |
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 |