CN116798583A - 病理组织宏观信息采集分析系统及其分析方法 - Google Patents
病理组织宏观信息采集分析系统及其分析方法 Download PDFInfo
- Publication number
- CN116798583A CN116798583A CN202310777269.XA CN202310777269A CN116798583A CN 116798583 A CN116798583 A CN 116798583A CN 202310777269 A CN202310777269 A CN 202310777269A CN 116798583 A CN116798583 A CN 116798583A
- Authority
- CN
- China
- Prior art keywords
- pathological tissue
- information
- pathological
- tissue
- acquiring
- 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
- 230000001575 pathological effect Effects 0.000 title claims abstract description 133
- 238000004458 analytical method Methods 0.000 title claims abstract description 63
- 230000007170 pathology Effects 0.000 claims abstract description 6
- 238000011161 development Methods 0.000 claims description 19
- 230000018109 developmental process Effects 0.000 claims description 19
- 238000000034 method Methods 0.000 claims description 13
- 230000011218 segmentation Effects 0.000 claims description 9
- 238000013135 deep learning Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000003331 infrared imaging Methods 0.000 claims description 2
- 238000003745 diagnosis Methods 0.000 abstract description 4
- 238000005259 measurement Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000010827 pathological analysis Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了病理组织宏观信息采集分析系统及其分析方法,分析系统包括:病理组织信息采集模块、病例组织分析模块;所述病理组织信息采集模块,用于采集病理组织信息;所述病例组织分析模块,用于分析所述病理组织信息;分析方法包括:获取病理组织的预设信息;基于所述预设信息,获取病灶区域;基于所述病灶区域,获取所述病理组织的分析结果;基于所述分析结果,生成所述病理组织的病理报告。本发明能够辅助病理医生的工作,提高工作流程效率和诊断质量,病理组织图像和分析结果的存档也便于测量结束之后的回溯。
Description
技术领域
本发明属于组织病理学技术领域,尤其涉及病理组织宏观信息采集分析系统及其分析方法。
背景技术
组织病理学检查向来是临床和病理诊断上确诊绝大多数疾病的金标准,因此对病理组织的分析诊断往往依赖于掌握病理技术全面和具有丰富操作技术经验的医疗团队。目前,对病理组织宏观信息主要依靠医生运用肉眼、放大镜、刻度尺、磅秤等工具进行采集,再对采集结果进行细致地观察、剖析,这样的病理信息采集以及分析过程不仅费时费力、并且采集结果的质量和诊断分析结果的准确性也极大地依赖医生当时的状态和工作经验。近年来,随着计算机和人工智能的发展,计算机辅助医疗的应用得到了广泛的采用,人工智能和医疗的结合能够提高医生的工作流程效率、诊断质量,因此在医疗领域有绝大的应用和发展前景。
发明内容
为解决上述技术问题,本发明提出了病理组织宏观信息采集分析系统及其分析方法,突破现有人工进行病理组织宏观信息采集和分析耗时费力、人为因素引起结果误差的瓶颈。
为实现上述目的,本发明提供了病理组织宏观信息采集分析系统,包括:病理组织信息采集模块、病例组织分析模块;
所述病理组织信息采集模块,用于采集病理组织信息;
所述病例组织分析模块,用于分析所述病理组织信息。
可选的,所述病理组织信息采集模块包括:
采集系统支架的一端设置有激光雷达和语音子模块,所述激光雷达的下端设置有彩色相机和红外相机,所述采集系统支架的另一端设置有所述大体组织测量仪面板,所述大体组织测量仪面板上设置有LED显示屏标准比色卡、压力传感器。
可选的,所述病例组织分析模块包括:
嵌入式开发板设置在所述采集系统支架的上方,所述嵌入式开发板上还设置有所述显示触摸屏。
可选的,所述分析系统还包括:可控激光指示器,所述可控激光指示器设置于所述激光雷达下方,且在彩色相机和红外相机之间。
本发明还提供了病理组织宏观信息采集分析方法,包括:
获取病理组织的预设信息;
基于所述预设信息,获取病灶区域;
基于所述病灶区域,获取所述病理组织的分析结果;
基于所述分析结果,生成所述病理组织的病理报告。
可选的,所述预设信息包括:所述病理组织的编号、重量信息、点运行、红外图像和彩色图像。
可选的,获取病理组织的所述预设信息包括:
获取所述病理组织的二维码编号信息,用户通过发送识别指令,对所述二维码编号信息解码,获取所述病理组织的编号;
对所述病理组织的重量信息进行采集,获取所述病理组织的重量信息;
对所述病理组织的点云信息进行采集,获取所述病理组织的点云信息;
通过采集所述病理组织的红外成像视频流,获取所述病理组织的红外图像;
通过采集所述病理组织的彩色视频流,获取所述病理组织的彩色图像。
可选的,获取病灶区域包括:
对所述红外图像进行图像去噪、轮廓增强的预处理,再采用基于深度学习算法的UNet分割模型对预处理后的所述红外图像进行病灶区域的分割提取,获取病灶区域。
可选的,获取所述病理组织的分析结果包括:
对所述点云信息采用滤波处理、出配准和精配准进行三维重建,获取所述病理组织的三维模型;
对所述彩色图像进行色彩校正,基于深度学习的ShuffleNetV2对校正后的彩色图像进行组织轮廓的分割提取,获取轮廓特征;
基于所述轮廓特征、红外图像和三维模型,获取病理组织的物理信息,其中,所述物理信息包括:所述病理组织的体积、颜色和密度;
基于所述病灶区域,可控激光器进行打点标识,辅助用户选取制作切片位置;
基于所述病灶区域的切片位置和所述物理信息,获取所述病理组织的分析结果。
可选的,生成所述病理组织的病理报告包括:
通过用户发送保存指令,将所述分析结果和所述预设信息保存,并生成带有所述编号的所述病理组织的病理报告。
与现有技术相比,本发明具有如下优点和技术效果:
本发明基于语音识别模块控制嵌入式开发平台,采用激光雷达、红外相机、彩色相机和压力传感器采集病理组织的宏观信息,包括点云信息、红外图像、彩色图像、重量信息。基于深度学习算法对红外图像和彩色图像进行处理指导病灶位置,基于点云配准算法进行病理组织的三维建模,基于数学计算分析方法得到宏观病理信息,包括颜色、体积、重量、密度等,最后生成病理组织的病理分析结果报告。本发明能够辅助病理医生的工作,提高工作流程效率和诊断质量,病理组织图像和分析结果的存档也便于测量结束之后的回溯。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本发明实施例的病理组织宏观信息采集分析系统的结构示意图;
图2为本发明实施例的病理组织宏观信息采集分析方法的流程示意图;
其中,1、嵌入式开发板;2、激光雷达;3、彩色相机;4、红外相机;5、大体组织测量仪面板;6、标准比色卡;7、压力传感器;8、LED显示屏;9、显示触摸屏;10、语音识别模块;11、采集系统支架;12、移动设备端;13、可控激光显示器。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
本实施例中提供的病理组织宏观信息采集分析系统.,如图1所示硬件组成部分包括:
嵌入式开发板1、激光雷达2、彩色相机3、红外相机4、大体组织测量仪面板5、标准比色卡6、压力传感器7、LED显示屏8、显示触摸屏9、语音识别模块10、采集系统支架11、移动设备端12、可控激光指示器13;
嵌入式开发板1上有多个硬件模块接口,分别与激光雷达2、彩色相机3、红外相机4、压力传感器7、显示触摸屏9、语音识别模块10、可控激光指示器13有线相连,与移动设备端12无线相连;压力传感器7置于大体组织测量仪面板5下方、LED显示屏8置于大体组织测量仪面板5边缘且与压力传感器7有线相连,标准比色卡6置于大体组织测量仪面板5边缘,激光雷达2、红外相机4、彩色相机3、语音识别模块10和可控激光指示器13分别置于采集系统支架11上。
本实施例还提供了病理组织宏观信息采集分析方法,如图2所示具体内容包括以下步骤:
步骤一:产生病理组织对应的二维码编号,并同病理组织一起放置在大体组织测量仪面板5,压力传感器7产生病理组织的重量信息;
步骤一的具体过程为:
用户在向语音识别模块10发送指令前,检查压力传感器7以及大体组织测量仪面板5上方正对定焦的彩色相机3以及红外相机4,确保大体组织测量仪面板5边缘的标准比色卡6颜色标准,调整激光雷达2确保能获取到完整的病理组织的点云信息。
打印病理组织的二维码病理编号信息,将二维码和病理组织一同置于大体组织测量仪面板5上,二维码信息放置在彩色相机3视野内的左上角,病理组织放置在大体组织测量仪面板5中央,经过压力传感7得测量到病理样本对应的重量信息,语音识别模块10等待用户的语音输入指令
步骤二:语音识别模块10对用户输入的语音指令以人机分离的无接触方式进行采集和识别,识别指令后进行解码步骤一中的二维码病理编号;
步骤二的具体过程为:
彩色相机3对二维码信息进行采集,传输到嵌入式开发板5的处理器进行解码,得到病理组织样本对应的病理编码。
语音识别模块10对用户的语音输入指令进行采集和识别。
语音识别模块10在实际采集应用前,首先会经过训练阶段,即收集大量的语音材料对语音识别模型10进行训练,建立语音识别模型参考库,例如“开始测量”,“保存结果”等语音信息,用户的语音输入经过预处理和特征提取后得到相应的识别结果,语音识别结果传入嵌入式开发板1的处理器,对采集系统的操作和后续处理分析进行控制,使用户在进行病理组织测量过程可以依赖语音操控,实现人机分离,避免对病理组织造成污染。
步骤三:激光雷达2对病理组织的点云信息进行采集;红外相机4对病理组织的红外图像进行采集;彩色相机3对病理组织的彩色图像进行采集;
步骤三的具体过程包括:
正确解码语音识别模块10的指令后,激光雷达2对病理组织的点云信息进行采集,送入嵌入式开发板处理器1;红外相机4接收病理组织散发的红外辐射信号,把病理组织由红外成像的视频流送入嵌入式开发版处理器进行高分辨率抽帧,并保存为病理组织的红外图像;同红外图像采集相似,彩色相机3开始采集病理组织的视频流,送入处理器,对彩色视频流进行高分辨率的抽帧,并保存为病理组织的彩色图像。
步骤四:对步骤三采集到的病理组织的红外图像、彩色图像进行算法处理分析,并在红外图像和彩色图像上标注出病灶区域,相应地控制可控激光指示器打点在病理组织的表面,辅助医生选切片位置;对点云信息进行病理组织的三维重建;
步骤四的具体过程包括:
在嵌入式开发板1上基于深度学习算法的分析软件,采用基于ShuffleNetV2这样的轻量级分割网络对病理组织的彩色图像进行快速的分析识别,获取病理组织的轮廓分割结果以及初步病理组织宏观分析结果。
对采集到的红外图像进行图像去噪、轮廓增强的预处理,再采用基于深度学习算法,U-Net这样适用于医学图像处理任务且分割性能良好的模型对预处理后的红外图像进行分割,得到病灶区域。
在嵌入式开发板1上基于激光点云配准算法的分析软件,对病理组织的采集到的点云信息进行预处理和粗配准后,采用基于ICP的精配准算法对点云数据进行融合,进行立体三维重建,获取病理组织的宏观三维模型。
在嵌入式开发板1上基于数学计算方法的分析软件,基于上述红外图像、彩色图像的分析结果以及病理组织的三维重建结果进行数学计算,得到病理组织的体积、颜色、密度等物理信息。
在嵌入式开发板1上的分析软件基于系统的标准比色卡6,对病理组织的彩色图像进行色彩校正。
根据经过深度学习算法分析的结果,在红外图像和彩色图像上标注出可能的病灶区域并显示在显示触摸屏上,相应地控制可控激光机打点在病理组织上,辅导医生选择制作病理切片的位置。
步骤五:将二维码编号、重量信息、红外图像和彩色图像及其分析结果、重建三维模型结果进行存档保存,红外图像、彩色图像、三维模型以及分析结果可在与嵌入式开发板1无线连接的移动设备12端上进行浏览,最后生成病理组织分析结果的病理报告。
步骤五的具体过程包括:
以二维码解码得到的病理编号为名建立存档文件夹,病理组织的红外图像、彩色图像、三维模型及其经过步骤四得到的分析结果以及数学计算得到的指标生成病理组织分析报告显示在显示触摸屏9上,并且经过嵌入式无线连接的移动设备端12可以对信息进行浏览,用户确认后向语音识别模块发送保存信息指令,信息和报告存入文件夹。
以上,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应该以权利要求的保护范围为准。
Claims (10)
1.病理组织宏观信息采集分析系统,其特征在于,包括:病理组织信息采集模块、病例组织分析模块;
所述病理组织信息采集模块,用于采集病理组织信息;
所述病例组织分析模块,用于分析所述病理组织信息。
2.根据权利要求1所述的病理组织宏观信息采集分析系统,其特征在于,所述病理组织信息采集模块包括:
采集系统支架(11)的一端设置有激光雷达(2)和语音子模块,所述激光雷达(2)的下端设置有彩色相机(3)和红外相机(4),所述采集系统支架(11)的另一端设置有大体组织测量仪面板(5),所述大体组织测量仪面板(5)上设置有LED显示屏(8)标准比色卡(6)、压力传感器(7)。
3.根据权利要求2所述的病理组织宏观信息采集分析系统,其特征在于,所述病例组织分析模块包括:
嵌入式开发板(1)设置在所述采集系统支架(11)的上方,所述嵌入式开发板(1)上还设置有显示触摸屏(9)。
4.根据权利要求1所述的病理组织宏观信息采集分析系统,其特征在于,所述分析系统还包括:可控激光指示器(13),所述可控激光指示器(13)设置于所述激光雷达(2)下方,且在彩色相机(3)和红外相机(4)之间。
5.病理组织宏观信息采集分析方法,其特征在于,包括:
获取病理组织的预设信息;
基于所述预设信息,获取病灶区域;
基于所述病灶区域,获取所述病理组织的分析结果;
基于所述分析结果,生成所述病理组织的病理报告。
6.根据权利要求5所述的病理组织宏观信息采集分析方法,其特征在于,所述预设信息包括:所述病理组织的编号、重量信息、点运行、红外图像和彩色图像。
7.根据权利要求6所述的病理组织宏观信息采集分析方法,其特征在于,获取病理组织的所述预设信息包括:
获取所述病理组织的二维码编号信息,用户通过发送识别指令,对所述二维码编号信息解码,获取所述病理组织的编号;
对所述病理组织的重量信息进行采集,获取所述病理组织的重量信息;
对所述病理组织的点云信息进行采集,获取所述病理组织的点云信息;
通过采集所述病理组织的红外成像视频流,获取所述病理组织的红外图像;
通过采集所述病理组织的彩色视频流,获取所述病理组织的彩色图像。
8.根据权利要求7所述的病理组织宏观信息采集分析方法,其特征在于,获取病灶区域包括:
对所述红外图像进行图像去噪、轮廓增强的预处理,再采用基于深度学习算法的U-Net分割模型对预处理后的所述红外图像进行病灶区域的分割提取,获取病灶区域。
9.根据权利要求8所述的病理组织宏观信息采集分析方法,其特征在于,获取所述病理组织的分析结果包括:
对所述点云信息采用滤波处理、粗配准和精配准进行三维重建,获取所述病理组织的三维模型;
对所述彩色图像进行色彩校正,基于深度学习的ShuffleNetV2对校正后的彩色图像进行组织轮廓的分割提取,获取轮廓特征;
基于所述轮廓特征、红外图像和三维模型,获取病理组织的物理信息,其中,所述物理信息包括:所述病理组织的体积、颜色和密度;
基于所述病灶区域,可控激光器进行打点标识,辅助用户选取制作切片位置;
基于所述病灶区域的切片位置和所述物理信息,获取所述病理组织的分析结果。
10.根据权利要求9所述的病理组织宏观信息采集分析方法,其特征在于,生成所述病理组织的病理报告包括:
通过用户发送保存指令,将所述分析结果和所述预设信息保存,并生成带有所述编号的所述病理组织的病理报告。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310777269.XA CN116798583A (zh) | 2023-06-28 | 2023-06-28 | 病理组织宏观信息采集分析系统及其分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310777269.XA CN116798583A (zh) | 2023-06-28 | 2023-06-28 | 病理组织宏观信息采集分析系统及其分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116798583A true CN116798583A (zh) | 2023-09-22 |
Family
ID=88044757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310777269.XA Pending CN116798583A (zh) | 2023-06-28 | 2023-06-28 | 病理组织宏观信息采集分析系统及其分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116798583A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780475A (zh) * | 2016-12-27 | 2017-05-31 | 北京市计算中心 | 一种基于病理组织切片图像组织区域的图像处理方法及装置 |
CN112132827A (zh) * | 2020-10-13 | 2020-12-25 | 腾讯科技(深圳)有限公司 | 病理图像的处理方法、装置、电子设备及可读存储介质 |
CN114445362A (zh) * | 2022-01-25 | 2022-05-06 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备、可读存储介质及程序产品 |
CN114708229A (zh) * | 2022-04-01 | 2022-07-05 | 重庆点检生物科技有限公司 | 一种病理切片数字图像的全层次分析系统 |
CN115082529A (zh) * | 2022-06-30 | 2022-09-20 | 华东师范大学 | 一种大体组织多维信息采集和分析系统与方法 |
CN115546147A (zh) * | 2022-10-08 | 2022-12-30 | 安好 | 一种基于红外热成像的浅表病变检测系统 |
-
2023
- 2023-06-28 CN CN202310777269.XA patent/CN116798583A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106780475A (zh) * | 2016-12-27 | 2017-05-31 | 北京市计算中心 | 一种基于病理组织切片图像组织区域的图像处理方法及装置 |
CN112132827A (zh) * | 2020-10-13 | 2020-12-25 | 腾讯科技(深圳)有限公司 | 病理图像的处理方法、装置、电子设备及可读存储介质 |
CN114445362A (zh) * | 2022-01-25 | 2022-05-06 | 腾讯科技(深圳)有限公司 | 图像处理方法、装置、设备、可读存储介质及程序产品 |
CN114708229A (zh) * | 2022-04-01 | 2022-07-05 | 重庆点检生物科技有限公司 | 一种病理切片数字图像的全层次分析系统 |
CN115082529A (zh) * | 2022-06-30 | 2022-09-20 | 华东师范大学 | 一种大体组织多维信息采集和分析系统与方法 |
CN115546147A (zh) * | 2022-10-08 | 2022-12-30 | 安好 | 一种基于红外热成像的浅表病变检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5128154B2 (ja) | レポート作成支援装置、レポート作成支援方法およびそのプログラム | |
WO2019052062A1 (zh) | 基于人工智能的医学影像报告生成系统及方法 | |
CN108109170B (zh) | 医学图像扫描方法及医学影像设备 | |
CN110310289A (zh) | 基于深度学习的肺部组织图像分割方法 | |
CN115516571A (zh) | 一种影像学研究报告生成系统 | |
CN110338759B (zh) | 一种正面疼痛表情数据采集方法 | |
CN108492870B (zh) | 基于数位笔的画钟测试检测方法及系统 | |
CN110648318A (zh) | 用于皮肤病的辅助分析方法及装置、电子设备、存储介质 | |
CN113793300A (zh) | 一种基于红外热像仪的非接触式呼吸率检测方法 | |
CN111738992A (zh) | 肺部病灶区域提取方法、装置、电子设备和存储介质 | |
CN117237351B (zh) | 一种超声图像分析方法以及相关装置 | |
CN116993790B (zh) | 一种种植导航配准方法、系统和存储介质 | |
CN115082529B (zh) | 一种大体组织多维信息采集和分析系统与方法 | |
CN112397178A (zh) | 一种基于人工智能的医学影像分类处理系统 | |
CN116798583A (zh) | 病理组织宏观信息采集分析系统及其分析方法 | |
CN112200810A (zh) | 多模态的自动化脑室分割系统及其使用方法 | |
CN111523507A (zh) | 人工智能伤口评估面积测算方法及装置 | |
CN114202510B (zh) | 显微镜下病理切片图像智能分析系统 | |
CN115690207A (zh) | 一种基于头部临床影像的自动定位方法及装置 | |
CN111696085B (zh) | 一种肺冲击伤伤情现场快速超声评估方法及设备 | |
CN111383212B (zh) | 一种盆底超声视频图像的分析方法 | |
CN111523508A (zh) | 人工智能伤口评估方法及智能终端 | |
CN111462101A (zh) | 基于新型冠状病毒肺炎ct检测的分期设备及其使用方法 | |
CN114359194B (zh) | 基于改进U-Net网络的多模态脑卒中梗死区域图像处理方法 | |
CN113781453B (zh) | 一种基于x线片的脊柱侧凸进展预测及方法和装置 |
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 |