CN115248216A - 一种基于像素密度的血液凝集检测系统与方法 - Google Patents
一种基于像素密度的血液凝集检测系统与方法 Download PDFInfo
- Publication number
- CN115248216A CN115248216A CN202210918158.1A CN202210918158A CN115248216A CN 115248216 A CN115248216 A CN 115248216A CN 202210918158 A CN202210918158 A CN 202210918158A CN 115248216 A CN115248216 A CN 115248216A
- Authority
- CN
- China
- Prior art keywords
- pixel
- image
- pixels
- value
- blood
- 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.)
- Withdrawn
Links
- 210000004369 blood Anatomy 0.000 title claims abstract description 46
- 239000008280 blood Substances 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 230000004520 agglutination Effects 0.000 title claims abstract description 16
- 239000011159 matrix material Substances 0.000 claims abstract description 41
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 230000023555 blood coagulation Effects 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000007619 statistical method Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 abstract description 3
- 238000011179 visual inspection Methods 0.000 abstract description 3
- 239000000523 sample Substances 0.000 description 12
- 239000006101 laboratory sample Substances 0.000 description 7
- 101150055297 SET1 gene Proteins 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 208000007536 Thrombosis Diseases 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000015271 coagulation Effects 0.000 description 3
- 238000005345 coagulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- 210000000601 blood cell Anatomy 0.000 description 2
- 239000011259 mixed solution Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 102000009123 Fibrin Human genes 0.000 description 1
- 108010073385 Fibrin Proteins 0.000 description 1
- BWGVNKXGVNDBDI-UHFFFAOYSA-N Fibrin monomer Chemical compound CNC(=O)CNC(=O)CN BWGVNKXGVNDBDI-UHFFFAOYSA-N 0.000 description 1
- 102000008946 Fibrinogen Human genes 0.000 description 1
- 108010049003 Fibrinogen Proteins 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000010100 anticoagulation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000000701 coagulant Substances 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 229950003499 fibrin Drugs 0.000 description 1
- 229940012952 fibrinogen Drugs 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
Landscapes
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Computing Systems (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Analytical Chemistry (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提出一种基于像素密度的血液凝集检测系统与方法，系统包括：图像获取模块、图像预处理模块、计算模块、数据服务模块、管理设置模块和存储模块。方法包括：预处理图像，检验图像矩阵像素数据的正态分布，统计非正态分布的图像矩阵，获取符合预设范围的像素集合，采用密度聚类算法处理像素集合，统计处理结果，根据预设阈值输出检测结果。血液凝集物与周围血液存在颜色差别，在图像中表现为像素的灰度值和位置的差别，通过像素密度聚类处理像素的灰度值和位置信息，找出血液凝集物对应的像素集合，解决了依靠人工目视检查方法效率低、主观性判断容易出错的问题。本发明逻辑清晰，适应性强，处理效率高，能够提升血液凝集检测的效率。
Description
技术领域
本发明属于医疗信息领域，涉及到一种基于像素密度的血液凝集检测系统与方法。
背景技术
血液凝集是指抗凝类采血管采集血样后出现不同程度的纤维蛋白析出或出现血凝块的情况。抗凝标本凝固会导致检验结果不准，从而延误诊断和治疗。目前主要是依赖人工目视检测采血管中是否有血液凝块，但经常出现肉眼不易察觉的血凝块或血标本凝固的情况。中国发明专利公开说明书CN102446353A公开了一种用于血型分析的机器视觉判读方法与装置，指出血液凝集时，血液会在混合液的表面凝集成红色块状；不凝集的血液样本中血液细胞均匀分布在混合液中，表现为均匀的淡红色。获得血液标本的显微镜图像，基于像素点数据判断是否凝集，判断标准基于细胞尺度和凝集块的尺度以及采集图像时的视场尺度，技术门槛较高、应用范围受限。中国发明专利公开说明书CN113686735A公开了一种测量血液凝固属性的方法及装置，指出血液凝固是指血液从流动的液体状态变成胶冻状凝块的过程。在凝血过程中，血浆中的纤维蛋白原转变为不溶的血纤维，血纤维交织成网，将很多血细胞网罗在内，形成血凝块。血液处于液体状态时，散射粒子的随机运动剧烈，成像系统中接收的光信号之间相关性低；血液于固体状态时，散射粒子的随机运动受限，成像系统中接收的光信号之间相关性高，采用通过监测血液样品中散射粒子的随机运动的方法，实现血液凝固属性的检测，这种液态到固态转化过程的监测手段不适合用来判断血液样品是否凝集。中国发明专利公开说明书CN109030425A公开了一种用于确定容纳在实验室样品容器中的实验室样品的性质的方法和设备，采用通过使光以不同投影角度照射到实验室样品容器来测量包括实验室样品的实验室样品容器的投影。物品（在此是包括实验室样品的实验室样品容器形式的物品）的投影（projection）由处于给定投影角度时的层析测量过程而得到。由于是采用了物质成分识别方式，不适合血液标本中成分没有变化就可以产生凝集的场景。
发明内容
为了解决上述技术问题，本发明提供一种基于像素密度的血液凝集检测系统与方法。解决现有血液凝集检测依靠人工目视检查方法效率低、主观性判断容易出错的问题。本发明提供一种基于像素密度的血液凝集检测系统，能够获得并处理血液标本图像，相应的本发明提供一种基于像素密度的血液凝集检测方法，能够基于血液标本的图像的像素对血液凝集物进行检测。
本发明提供一种基于像素密度的血液凝集检测系统，所述系统包括：
图像获取模块，获取血液标本的透射或反射光线形成的图像；
图像预处理模块，用于实现图像灰度转换、图像矩阵功能；
算法模块，提供密度聚类算法和统计分析算法；
数据服务模块，提供数据调用、数据展示功能；
管理设置模块，提供用户管理和系统设置功能；
存储模块，存储系统和系统运行所需数据和运行产生的数据。
本发明提供一种基于像素密度的血液凝集检测方法，所述方法包括如下步骤：
预处理图像，
检验图像矩阵像素数据的正态分布，
统计非正态分布的图像矩阵，
获取符合预设范围的像素集合，
采用密度聚类算法处理像素集合，
统计处理结果，
根据预设阈值输出检测结果。
对于统计非正态分布的图像矩阵，可进一步具体为如下步骤：
获取图像矩阵数据，
统计该图像的像素总数量，
累加该图像所有像素的灰度值，
计算该图像所有像素灰度值的均值、中位数、四分位数。
对于获取符合预设范围的像素集合，可进一步具体为如下步骤：
选择像素灰度值均值、中位数和四分位数中的一个作为阈值，
获取该图像中所有像素灰度值低于该阈值的像素集合。
对于采用密度聚类算法处理像素集合，可进一步具体为如下步骤：
获取像素集合中每个像素的灰度值、以像素为单位的图像矩阵二维坐标值，
设置密度聚类条件，
计算像素矩阵二维坐标及相应灰度值构成的三维空间的两个像素的欧式距离，
根据密度聚类条件聚合像素。
对于统计处理结果，可进一步具体为如下步骤：
统计类别集合的数量，
统计每个类别集合中的像素总数量，
统计每个类别集合像素灰度值的均值、中位数、最大值和最小值。
对于根据预设阈值输出检测结果，可进一步详细为如下步骤：
类别集合的像素总数量与预设阈值比较，
类别集合的像素灰度值的均值、中位数、最大值和最小值与预设阈值比较，
统计比较结果，
输出检测结果。
本发明还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
与现有技术相比，本发明的有益效果为：采用像素密度聚类的血液凝集检测系统与方法不需要预设严苛的摄像环境，受图像噪音影响小，仅对少部分的潜在异常像素数据做复杂的聚类运算，计算资源利用率高。
附图说明
图1为一个实施例中血液标本示意图；
图2为一个实施例中图像矩阵数据三维侧视图；
图3为一个实施例中图像矩阵数据三维俯视图；
图4 为一个实施例中基于像素密度的血液凝集检测系统结构示意图；
图5 为一个实施例中基于像素密度的血液凝集检测方法流程图；
图6 为一个实施例中计算机设备结构示意图。
具体实施方式
为了便于理解本发明，下面将对本发明进行更全面的描述，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使本发明公开内容更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。
本发明提供一种基于像素密度的血液凝集检测系统与方法，本文中所描述的具体实施例仅是对本发明精神的举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
在一个实施例中，血液标本如图1所示，包括管体101、液面102和血液凝集物103。获取血液标本的图像，经过图像预处理形成灰度图像矩阵，以像素为单位，灰度图像矩阵的行对应图像的高，矩阵的列对应图像的宽，矩阵的元素对应图像的像素，矩阵元素的值就是像素的灰度值。灰度图像矩阵采用三维坐标的形式显示，其中行和列为平面二维坐标，分别为对应y轴和x轴，像素的灰度值对应第三维坐标轴z轴。如图2所示以白色圆球和黑色圆球两类像素构建的示意图，每个白色圆球代表一个灰度值较大的像素，黑色圆球代表灰度值较小的像素。图3为俯视图，在俯视图种像素投影在平面为图像矩阵。
在一个实施例中，如图4所示，提供了一种基于像素密度的血液凝集检测系统，该系统包括：图像获取模块401、图像预处理模块402、算法模块403、数据服务模块404、管理设置模块405和存储模块406。
图像获取模块401，获取血液标本的透射或反射光线形成的图像；
图像预处理模块402，用于实现图像灰度转换、图像矩阵功能；
算法模块403，提供聚类算法和统计分析算法；
数据服务模块404，提供数据调用、数据展示功能；
管理设置模块405，提供用户管理和系统设置功能；
存储模块406，存储系统和系统运行所需数据和运行产生的数据。
上述模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，如图5所示，提供了一种基于像素密度的血液凝集检测方法，该方法包括如下步骤：
S501，预处理图像；
S502，检验图像矩阵像素数据的正态分布；
S503，统计非正态分布的图像矩阵；
S504，获取符合预设范围的像素集合；
S505，采用密度聚类算法处理像素集合；
S506，统计处理结果；
S507，根据预设阈值输出检测结果。
进一步的，步骤S501可具体为：
S50101，设置图像获取方式，
S50102，主动读取图像，主动向摄像装置（例如摄像头、数码摄像机、扫描仪）或存储有血液标本图像的计算机设备读取图像；
S50103，被动接收摄像装置或存储有血液标本图像的计算机设备传送的血液标本图像。
S50104，设置图像转换处理规则；
S50105，选择符合要求的图像；
S50106，识别图像类型为彩色图像；
S50107，选择彩色图像转换灰度图像规则；
S50108，彩色图像转化为灰度图像；
S50109，图像表示为图像矩阵。
优选的，步骤S501可以实时处理图像，也可以批处理历史图像。
进一步的，步骤S502可具体为：
S50201，获取图像矩阵数据；
S50202，像素灰度值、像素在图像矩阵中的行列位置构成的三维数据为正态分布检验输入值；
S50203，根据正态检验分布计算结果判断像素灰度值、像素在图像矩阵的行列位置是否为正态分布；
S50204，输出正态分布检验结果。
优选的，步骤S50204可具体为：
S5020401，比较正态检验结果与预设阈值；
S5020402，符合正态分布，则输出检测结果为无血液凝集；
S5020403，检测结果通过数据服务形式发送到检测装置；
S5020404，检测装置把相应的血液标本分类为无血液凝剂类别。
在又一个实施例中，步骤S502可以通过功能组件实现，在功能组件中设置获取图像矩阵参数，功能组件直接完成对图像矩阵数据正态分布检验。
在一个实施例中，步骤S503可进一步具体为：
S50301，获取图像矩阵数据；
S50302，统计该图像矩阵的像素总数量；
S50303，累加该图像矩阵所有像素的灰度值；
S50304，计算该图像矩阵所有像素灰度值的均值、中位数、四分位数。
在一个实施例中，步骤S504可进一步具体为：
S50401，选择像素灰度值的均值、中位数和四分位数中的一个数值作为阈值；
S50402，获取该图像矩阵中所有像素灰度值低于该阈值的像素集合。
在一个实施例中，步骤S505可进一步具体为：
S50501,获取每个像素的灰度值、以像素为单位的图像矩阵二维坐标值;
S50502，设置聚合条件，例如邻域半径为5个像素，半径内最少点数目21个（像素数量）；
S50503，选择一个未被标记的像素点C；
S50504，搜索与像素点C的距离小于5个像素点的所有像素点，采用欧式距离公式计算两个像素之间的距离，公式为：d=
像素C位置(x1,y1,z1)与另外一个像素P(x2,y2,z2)的距离，其中x和y为图像矩阵二维坐标，z为像素灰度值构成的三维空间,d为两个像素的欧式距离；
S50505，统计与像素点C的距离小于5个像素点的所有像素点的数量sum，比较sum与21的大小；
S50506，若sum小于21，则C点临时标记为噪声点；
S50507，若sum大于21，则C点标记为核心点，并分配一个类别标签L1（例如：第一个类别L1、第二个类别L2……、第n个类别Ln）；
S50508，遍历距离C点5个像素点内的所有像素点，对未被类别标签L1标记的像素点标记为L1,如果未被类别标签L1标记的像素点NP为核心点，则继续遍历距离核心点NP的5个像素点内的所有像素点并用类别标签L1重新标记，以此类推，类别L1逐步增大，直到类别L1内没有未被访问的核心点；
S50509，判断是否存在未被标记的像素点；
S50510，判断是否存在未被标记的像素点；
S50511，是则返回步骤S50503；
S50512，否则结束。
在又一个实施例中，步骤S505可进一步具体为：
S505001，获取每个像素的灰度值、以像素为单位的二维坐标值；
S505002，设置类别聚合条件，例如邻域半径为5个像素，邻域半径内像素数量不少于21个；
S505003，采用欧式距离计算公式计算任意两个像素之间的距离，根据距离不大于或大于5个像素分别标记两个像素组成的像素对；
S505004，完成所有像素两两之间的距离计算；
S505005，获取所有两个像素之间距离不大于5个像素的像素对组成集合；
S505006，在标记两个像素距离不大于5个像素的像素对集合中任选一个未被标记的像素pix1；
S505007，遍历像素对集合，统计包括像素pix1像素对，若像素对数量大于21，则标记像素pix为核心点并记录到核心点列表中，并将其密度直达的像素形成对应的临时类别集合，否则标记为已处理；
S505008，判断是否完成所有像素标记为已处理或核心点；
S505009，未完成则返回步骤S505006；
S505010，选择一个临时类别集合；
S505011，临时类别集合（例如set1，其对应的核心点为pix1）中的所有像素与核心点列表对比；
S505012，若临时类别集合set1中的像素（例如pix2）为核心点，则临时类别集合set1与核心点pix2及其所对应的临时类别集合（例如set2）合并为临时类别集合set1，在核心点表中标记像素pix2为已处理或删除;
S505013，判断是否临时类别集合(set1)中的核心点在核心点列表中均被标记已处理或删除；
S505014，否则返回步骤S505011；
S505015，是则标记临时类别集合set1为类别集合set1；
S505016，判断是否存在临时类别集合；
S505017，是则返回步骤S505010;
S505018，否则结束。
对于步骤S506，可进一步具体为如下步骤：
S50601，统计类别集合的数量；
S50602，统计每个类别集合包括的像素数量；
S50603，统计每个类别集合灰度值的均值、中位数、最大值和最小值。
对于步骤S507，可进一步具体为如下步骤：
S50701，类别集合的像素数量与预设阈值比较，例如像素数量大于50个；
S50702，类别集合的灰度值的均值、中位数、最大值和最小值与预设阈值比较；
S50703，统计比较结果；
S50704，输出检测结果。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图6所示。该计算机设备包括处理器、存储器、输入/输出接口和系统总线，其中，处理器、存储器和输入/输出接口通过系统总线连接。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储系统及系统所需和运行产生的数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机程序被处理器执行时以实现一种基于像素密度的血液凝集检测方法。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
需要说明的是，本申请所涉及的用户信息（包括但不限于用户设备信息、用户个人信息等）和数据（包括但不限于用于分析的数据、存储的数据、展示的数据等），均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要遵守相关国家和地区的相关法律法规和标准。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (8)
1.一种基于像素密度的血液凝集检测系统，其特征在于，所述系统包括：
图像获取模块，获取血液标本的透射或反射光线形成的图像；
图像预处理模块，用于实现图像灰度转换、图像矩阵功能；
算法模块，提供聚类算法和统计分析算法；
数据服务模块，提供数据调用、数据展示功能；
管理设置模块，提供用户管理和系统设置功能；
存储模块，存储系统和系统运行所需和产生的数据。
2.一种基于像素密度的血液凝集检测方法，其特征在于，所述方法包括如下步骤：
预处理图像，
检验图像矩阵像素数据的正态分布，
统计非正态分布的图像矩阵，
获取符合预设范围的像素集合，
采用密度聚类算法处理像素集合，
统计处理结果，
根据预设阈值输出检测结果。
3.根据权利要求2所述的一种基于像素密度的血液凝集检测方法，其特征在于，所述统计非正态分布的图像矩阵包括如下步骤：
获取图像矩阵数据，
统计该图像的像素数量，
累加该图像所有像素的灰度值，
计算该图像所有像素灰度值的均值、中位数、四分位数。
4.根据权利要求2所述的一种基于像素密度的血液凝集检测方法，其特征在于，所述获取符合预设范围的像素集合包括如下步骤：
选择像素灰度值的均值、中位数和四分位数中的一个作为阈值，
获取该图像中所有像素灰度值低于该阈值的像素集合。
5.根据权利要求2所述的一种基于像素密度的血液凝集检测方法，其特征在于，所述采用密度聚类算法处理像素集合包括如下步骤：
获取像素集合中每个像素的灰度值和以像素为单位的图像矩阵的二维坐标值，
设置密度聚类条件，
计算像素矩阵二维坐标及相应灰度值构成的三维空间的两个像素的欧式距离，
根据密度聚类条件聚合像素。
6.根据权利要求2所述的一种基于像素密度的血液凝集检测方法，其特征在于，所述统计处理结果包括如下步骤：
统计类别集合的数量，
统计每个类别集合中的像素总数量，
统计每个类别集合像素灰度值的均值、中位数、最大值和最小值。
7.根据权利要求2所述的一种基于像素密度的血液凝集检测方法，其特征在于，所述根据预设阈值输出检测结果包括如下步骤：
类别集合的像素总数量与预设阈值比较，
类别集合的像素灰度值的均值、中位数、最大值和最小值与预设阈值比较，
统计比较结果，
输出检测结果。
8.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求3至7任一项所述的一种基于像素密度的血液凝集检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210918158.1A CN115248216A (zh) | 2022-08-01 | 2022-08-01 | 一种基于像素密度的血液凝集检测系统与方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210918158.1A CN115248216A (zh) | 2022-08-01 | 2022-08-01 | 一种基于像素密度的血液凝集检测系统与方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115248216A true CN115248216A (zh) | 2022-10-28 |
Family
ID=83699766
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210918158.1A Withdrawn CN115248216A (zh) | 2022-08-01 | 2022-08-01 | 一种基于像素密度的血液凝集检测系统与方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115248216A (zh) |
-
2022
- 2022-08-01 CN CN202210918158.1A patent/CN115248216A/zh not_active Withdrawn
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU725820B2 (en) | Method and apparatus for assessing slide and specimen preparation quality | |
| WO2021093451A1 (zh) | 病理切片图像的处理方法、装置、系统及存储介质 | |
| CN111524137B (zh) | 基于图像识别的细胞识别计数方法、装置和计算机设备 | |
| US9489562B2 (en) | Image processing method and apparatus | |
| JPH0475463B2 (zh) | ||
| CN110135271A (zh) | 一种细胞分类方法及装置 | |
| CN109903282B (zh) | 一种细胞计数方法、系统、装置和存储介质 | |
| CN110853005A (zh) | 一种免疫组化膜染色切片诊断方法及装置 | |
| US8581927B2 (en) | Multidimensional particle analysis data cluster reconstruction | |
| US20220012884A1 (en) | Image analysis system and analysis method | |
| CN110728666B (zh) | 基于数字病理玻片进行慢性鼻窦炎的分型方法及其系统 | |
| JP2012514814A (ja) | バイアルおよび他の容器上のキャップの存在および種類の自動検出のための方法および装置 | |
| CN110188592B (zh) | 一种尿液有形成分细胞图像分类模型构建方法及分类方法 | |
| CN117809124B (zh) | 基于多特征融合的医学图像关联调用方法及系统 | |
| CN110807754B (zh) | 基于深度语义分割的真菌显微图像分割检测方法及系统 | |
| WO2010053912A1 (en) | System and method for displaying three-dimensional object scattergrams | |
| CN115170596A (zh) | 一种基于图像边缘检测的血液凝集检测装置、系统及方法 | |
| WO2018078582A1 (en) | Method for distinguishing fresh meat from meat subjected to freezing by means of analysis of images of muscle tissue and corresponding system arranged to execute said method | |
| CN115248216A (zh) | 一种基于像素密度的血液凝集检测系统与方法 | |
| CN110135382A (zh) | 一种人体检测方法和装置 | |
| JP2007504478A (ja) | 分散プロット分布を用いてスライドを分類するシステム | |
| US20240095922A1 (en) | Wet Read Apparatus and Method to Confirm On-site FNA Biopsy Specimen Adequacy | |
| US20240037967A1 (en) | Blood analyser with out-of-focus image plane analysis and related methods | |
| CN117173696A (zh) | 显示指定类型的细胞识别方法、装置、电子设备及介质 | |
| JP2024500933A (ja) | 画像平面分析を伴う血液分析器および関連する方法 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20221028 |