CN117952897A - 生物样本分析设备以及生物样本分析方法 - Google Patents
生物样本分析设备以及生物样本分析方法 Download PDFInfo
- Publication number
- CN117952897A CN117952897A CN202311216052.8A CN202311216052A CN117952897A CN 117952897 A CN117952897 A CN 117952897A CN 202311216052 A CN202311216052 A CN 202311216052A CN 117952897 A CN117952897 A CN 117952897A
- Authority
- CN
- China
- Prior art keywords
- image
- component
- reference image
- instruction
- biological sample
- 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
- 239000012472 biological sample Substances 0.000 title claims abstract description 96
- 238000004458 analytical method Methods 0.000 title claims abstract description 51
- 238000012284 sample analysis method Methods 0.000 title claims abstract description 17
- 230000002596 correlated effect Effects 0.000 claims abstract description 6
- 239000000523 sample Substances 0.000 claims description 39
- 230000007246 mechanism Effects 0.000 claims description 30
- 238000000034 method Methods 0.000 claims description 22
- 230000004044 response Effects 0.000 claims description 21
- 238000003384 imaging method Methods 0.000 claims description 16
- 210000004369 blood Anatomy 0.000 claims description 10
- 239000008280 blood Substances 0.000 claims description 10
- 210000001124 body fluid Anatomy 0.000 claims description 7
- 239000010839 body fluid Substances 0.000 claims description 7
- 210000002700 urine Anatomy 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 210000004027 cell Anatomy 0.000 description 98
- 210000001616 monocyte Anatomy 0.000 description 23
- 210000004698 lymphocyte Anatomy 0.000 description 15
- 238000012552 review Methods 0.000 description 13
- 230000000875 corresponding effect Effects 0.000 description 11
- 238000007689 inspection Methods 0.000 description 6
- 210000000601 blood cell Anatomy 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000011496 digital image analysis Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000012550 audit Methods 0.000 description 3
- 210000000265 leukocyte Anatomy 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 210000000440 neutrophil Anatomy 0.000 description 3
- 230000001174 ascending effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 208000003464 asthenopia Diseases 0.000 description 1
- 210000003651 basophil Anatomy 0.000 description 1
- 230000005859 cell recognition Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000003979 eosinophil Anatomy 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000003714 granulocyte Anatomy 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 210000003593 megakaryocyte Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 210000003924 normoblast Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本申请涉及生物样本分析设备以及生物样本分析方法,其中,接收第一指令,所述第一指令指示用户从至少一个成分图像中选择了待审核成分图像;响应于所述第一指令,从预设的数据库中查找与所述待审核成分图像相匹配的至少一个参考图像,其中,所述待审核成分图像与相匹配的每个所述参考图像的相似度大于预设阈值;将所述待审核成分图像和所述至少一个参考图像关联输出并显示在显示装置上。由此,能够基于用户的选择提供与待审核成分图像相匹配的参考图像,以便辅助用户对待审核成分图像进行复核,有助于提高用户的审核准确度,并且降低了用户的审核工作量、提高了审核效率。
Description
本申请要求于2022年10月28日提交的、申请号为202211334089.6、名称为“生物样本分析设备以及生物样本分析方法”的中国专利申请的优先权,其全部内容通过引用合并于此。
技术领域
本申请涉及体外诊断领域,尤其是涉及一种生物样本分析设备以及生物样本分析方法。
背景技术
现有的样本图像分析设备(例如血细胞数字图像分析系统)具有细胞分类器用于实施细胞识别与预分类的功能,其通过数字图像处理方法对细胞、例如白细胞进行预分类并直接输出细胞类型。
在现有的血细胞数字图像分析系统中,将通过显微镜才能观察的图像通过数字化的手段保存下来,方便用户查看,大幅提升了用户的工作效率和舒适度。在实际操作中,很多细胞难以通过细胞分类器准确识别。通常,细胞分类器对正常样本的白细胞进行分类的准确性较高,然而需要进行镜检的样本常常为异常样本,其包含较多异常白细胞。异常白细胞形态复杂多变,且其形态易受用药和放疗等治疗的影响,变得不再典型,这可能导致血细胞数字图像分析系统的预分类结果的准确性较差,需要检验技师进行大量的人工干预和调整,以保证输出结果的准确。也就是说,不能直接采用细胞分类器的输出结果,而是需要由用户进行二次审核。
然而,由于形态学是一门经验学科,审核人员需要多年的学习与积累,才能够较好的完成形态学检验工作。对于一些经验和能力尚且不足的审核人员,也难以准确地识别出一些疑难细胞,导致审核准确度低下。
发明内容
因此,本申请的任务在于提供一种生物样本分析设备以及相应的生物样本分析方法,其能够自动基于用户选择筛选出与待审核图像相似的多个参考图像,以便为用户对样本成分的识别提供更加有针对性的参考,从而提高样本成分识别的准确性和效率。
为了实现本申请的上述任务,本申请第一方面首先提出一种生物样本分析设备,包括:
图像获取装置,配置为对获取生物样本中所包含的成分进行拍摄,以得到至少一个成分图像;
显示装置,配置用于显示所述至少一个成分图像;
控制器,配置用于:
接收第一指令,所述第一指令指示用户从所述至少一个成分图像中选择了待审核成分图像,
响应于所述第一指令,从预设的数据库中查找与所述待审核成分图像相匹配的至少一个参考图像,其中,所述待审核成分图像与相匹配的每个所述参考图像的相似度大于预设阈值,
将所述待审核成分图像和所述至少一个参考图像关联输出并显示在所述显示装置上。
在本申请第一方面提供的生物样本分析设备中,能够自动将用户选择的待审核成分图像和与之相匹配的至少一个参考图像关联地输出并显示在显示装置上,即,基于用户的选择提供与待审核成分图像相匹配的参考图像,以便辅助用户对待审核成分图像进行复核,有助于提高用户的审核准确度,并且降低了用户的审核工作量、提高了审核效率。
本申请第二方面提出了另一种生物样本分析设备,包括:
图像获取装置,配置用于获取生物样本中所包含的成分的至少一个成分图像;
显示装置,配置用于显示所述至少一个成分图像;
控制器,配置用于:
从预设的数据库中查找与所述至少一个成分图像相匹配的至少一个参考图像,其中,所述待审核成分图像与相匹配的每个所述参考图像的相似度大于预设阈值,
将所述待审核成分图像和所述至少一个参考图像关联输出并显示在所述显示装置上,其中,按照所述待审核成分图像和所述至少一个参考图像中每个参考图像的相似度,对所述至少一个参考图像进行排序,将所述至少一个参考图像按照所述排序显示在所述显示装置上。
在本申请第二方面提供的生物样本分析设备中,不仅能够将待审核成分图像和与之相匹配的至少一个参考图像关联地输出并显示在显示装置上,而且能够按照相似度排序将至少一个参考图像排序显示在显示装置上,以更好地辅助用户基于所提供的参考图像对待审核图像进行复核,从而有助于提高用户的审核准确度,并且降低了用户的审核工作量、提高了审核效率。
本申请第三方面提供了一种生物样本分析方法,包括:
获取生物样本中所包含的成分的至少一个成分图像;
接收第一指令,所述第一指令指示用户从所述至少一个成分图像中选择了待审核成分图像;
响应于所述第一指令,从预设的数据库中查找与所述待审核成分图像相匹配的至少一个参考图像,其中,所述待审核成分图像与相匹配的每个所述参考图像的相似度大于预设阈值;
将所述待审核成分图像和所述至少一个参考图像关联输出并显示。
按照本申请第三方面提供的生物样本分析方法尤其是应用于按照本申请第一方面提供的生物样本分析设备。
附图说明
图1为根据本申请提供的生物样本分析设备的一个实施例的示意性框图;
图2为根据本申请提供的生物样本分析设备的一个实施例的结构示意图;
图3为根据本申请提供的生物样本分析设备的控制器的第一实施例的流程示意图;
图4为根据本申请提供的生物样本分析设备的显示装置的第一实施例的显示界面示意图;
图5为根据本申请提供的生物样本分析设备的控制器的第二实施例的流程示意图;
图6为根据本申请提供的生物样本分析设备的控制器的第三实施例的流程示意图;
图7为根据本申请提供的生物样本分析设备的显示装置的第二实施例的显示界面示意图;
图8为根据本申请提供的生物样本分析设备的显示装置的第三实施例的显示界面示意图;
图9为根据本申请提供的生物样本分析设备的显示装置的第四实施例的显示界面示意图;
图10和图11为根据本申请提供的生物样本分析方法的不同实施例的流程示意图。
具体实施方式
下面将结合附图对本申请实施例进行清楚、完整地描述,显然,所描述的实施例仅仅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。
通常,可以在用户的审核界面提供各种类型的参考图像以辅助用户进行判断,即,用户在对细胞分类进行人工复核的过程中,可以通过将待审核成分图像和审核界面提供的各种类型的参考细胞进行比对以进行判断。
然而,这种方式下,用户往往需要将数据库中的全部参考图像与待审核成分图像进行逐一比对,以进行二次审核,这导致用户的审核工作量大、效率低下。并且,在审核工作量大的情况下,用户也可能由于视觉疲劳而忽视或辨错一些参考图像,导致审核准确度低下。
基于此,本申请提出一种自动基于用户的选择筛选出与待审核成分图像相匹配的至少一个参考图像进行关联显示的技术方案,其能够更直观地为用户对样本成分、例如细胞的识别提供参考,从而提高审核准确度和审核效率。
请参考图1,本申请首先提供一种生物样本分析设备100,该生物样本分析设备包括图像获取装置110、显示装置120和控制器130。
图像获取装置110可以配置用于为对获取生物样本中所包含的成分进行拍摄,以得到至少一个成分图像。
在一些实施例中,图像获取装置110可以包括承载机构和成像机构。承载机构配置用于承载样本载体,在样本载体上承载有生物样本。成像机构配置用于对承载机构承载的样本载体上的生物样本中所包含的成分进行拍摄,以获取至少一个成分图像。
例如,当生物样本为血液样本或体液样本时,承载机构承载的样本载体可以为玻片,在该玻片上可以承载有作为生物样本的血液样本或体液样本。此时,成像机构可以用于拍摄在玻片上承载的血液样本或体液样本中的细胞,以获取至少一个成分图像。以生物样本为血液样本为例,生物样本中所包含的成分可以为血液样本中的粒子、例如血细胞等。
又例如,当生物样本为尿液样本时,承载机构承载的样本载体可以为计数池,在该计数池中可以承载有作为生物样本的尿液样本。此时,成像机构可以用于拍摄在计数池中的尿液样本中的有形成分,以获取至少一个成分图像。
在一个具体的示例中,如图2所示,图像获取装置110包括承载机构111和成像机构112。成像机构112在此包括由透镜组113和相机114所组成的显微光学模块。透镜组113可以包括第一物镜1131、第二物镜1132和第三物镜1133。第一物镜1131例如可以为10倍物镜或40倍物镜,第二物镜1132例如可以为40倍物镜或100倍物镜,第三物镜1133例如可以为4倍物镜或10倍物镜。透镜组113还可以包括切换机构1134,该切换机构用于切换第一物镜1131、第二物镜1132和第三物镜1133,以便相机114拍摄不同放大倍率的图像。
在一些实施例中,成像机构112可以与承载机构111相对运动以使得成像机构112能对由承载机构111保持的样本载体10(例如玻片或技术池)的目标拍摄区域进行拍摄。例如,成像机构112相对于承载机构111移动,或者承载机构111相对于成像机构112移动。
在图2所示的实施例中,承载机构111被构造为可三维运动的检测载台,使得成像机构112的显微光学模块能对支撑在承载机构111上的样本载体10的特定区域进行图像拍摄,其中,所述检测载台可以具有用于接纳样本载体10的凹槽。
在一些实施例中,成像机构112还可以包括未示出的控制单元,该控制单元与显微光学模块和承载机构111电连接,以控制显微光学模块对样本载体10的拍摄。
显示装置120可以配置用于显示至少一个成分图像。
在一些实施例中,显示装置120可以是显示器,也可以是用于教学的投影设备等。在一些实施例中,生物样本分析设备可以连接一个计算机设备,以通过计算机设备的显示器来显示图像(例如至少一个成分图像)。
控制器130可以包括处理器和存储有计算机程序的存储介质。控制器130配置用于:当计算机程序被处理器执行时,能够从预设的数据库中查找与至少一个成分图像相匹配的至少一个参考图像,并将所述至少一个成分图像和所述至少一个参考图像关联输出并显示在显示装置120上。
下面结合一些实施例对本申请提供的生物样本分析设备100的控制器130可以执行的不同流程进行说明。
在一些实施例中,如图3所示,控制器130可以配置用于执行如下步骤:
S310:接收第一指令,其中,第一指令指示用户从至少一个成分图像中选择了待审核成分图像;
S320:响应于第一指令,从预设的数据库中查找与待审核成分图像相匹配的至少一个参考图像,其中,待审核成分图像与相匹配的每个参考图像的相似度大于预设阈值;
S330:将待审核成分图像和至少一个参考图像关联输出并显示在显示装置120上。
在上述实施例中,生物样本分析设备能够在获取到生物样本的至少一个成分图像后,自动将用户从中选择的待审核成分图像和与之相匹配的至少一个参考图像关联地输出并显示在显示装置上,以便用户可以直观地根据这些参考图像对待审核成分图像进行复核,有助于提高用户的审核准确度,并且无需用户将待审核成分图像和数据库中的每个参考图像进行逐一比对,降低了用户的审核工作量、提高了审核效率。
在一些实施例中,控制器130可以配置用于使显示装置120输出显示彼此不同的第一区域和第二区域。第一区域可以配置用于显示成分图像、包括待审核成分图像,第二区域可以配置用于显示与待审核成分图像相匹配的至少一个参考图像。
图4示出了根据本申请一些实施例的生物样本分析设备的显示装置的显示界面示意图。
如图4所示,控制器130首先使显示装置120将至少一个成分图像显示在第一区域41中(例如成分图像1至3),接着用户从第一区域41中的至少一个成分图像中选择了待审核成分图像A(即第一指令,例如通过单击成分图像2来实现选择成分图像2为待审核成分图像A),则控制器130基于该用户选择从预设的数据库中查找到与用户选择的待审核成分图像A相匹配的多个参考图像(图4示意性的示出了4个的参考图像B1、B2、B3和B4),并且使显示装置120将参考图像B1、B2、B3和B4与待审核成分图像A关联输出并显示在独立于第一区域41的第二区域42中。
优选地,如图4所示,第一区域41和第二区域42位于同一显示界面中。
在另一些实施例中,第一区域41和第二区域42可以位于不同的显示界面中。
在一些实施例中,控制器130可以进一步配置用于:按照待审核成分图像和至少一个参考图像中每个参考图像的相似度,对至少一个参考图像进行排序,将至少一个参考图像输出并按照排序显示在显示装置120上。例如将至少一个参考图像输出并按照相似度的升序排序或者降序排序显示在显示装置120上。如此,能够便于用户更加直观地审核与待审核成分图像更相似的参考图像,以便更好地辅助用户进行复核,从而进一步提高了用户的审核准确度和审核效率。
在一些实施例中,请继续参考图4,控制器130可以进一步配置用于使显示装置120输出具有第一显示区421以及与第一显示区对应的第二显示区422的第二区域42。第一显示区421可以配置用于显示参考图像,第二显示区422可以配置用于显示相应参考图像的相似度信息。
图4示意性地示出了第一显示区421和对应的第二显示区422,第二显示区422位于第一显示区421的下方。例如,参考图像B1、B2、B3和B4的相似度分别为90%、88%、77%、70%,控制器130可以使显示装置120按照相似度从高到低的排序(即升序排序)将参考图像B1、B2、B3和B4从左至右地依次显示在第一显示区421中,并且,将每个参考图像的相似度信息对应地显示在显示该参考图像的第一显示区421下方的第二显示区422中;或者,控制器130可以使显示装置120按照相似度从低到高的排序(即降序排序)将参考图像B4、B3、B2和B1从左至右地依次显示在第一显示区421中,并且,将每个参考图像的相似度信息相应地显示在显示该参考图像的第一显示区421下方的第二显示区422中(图4仅示意性地示出了按照相似度从高到低的排序的显示方式)。
在其他实施例中,在显示装置中也可以不显示相似度信息,而是仅按照相似度信息对参考图像进行排序。
在备选于图3的另一些实施例中,如图5所示,控制器130可以进一步配置用于执行如下步骤:
S510:从预设的数据库中查找与至少一个成分图像相匹配的至少一个参考图像,其中,至少一个成分图像与相匹配的每个参考图像的相似度大于预设阈值;
S520:将至少一个成分图像和至少一个参考图像关联输出并显示在显示装置120上,其中,按照至少一个成分图像和至少一个参考图像中每个参考图像的相似度,对至少一个参考图像进行排序,将至少一个参考图像按照排序显示在显示装置120上。
如此,可以便于用户按照参考图像的相似度对待审核图像进行复核(例如用户可以从相似度更高的参考图像开始对待审核图像进行复核),从而进一步提高了用户的审核准确度和审核效率。
在一些实施例中,如图6所示,控制器130可以进一步配置用于按照如下方式确定与待审核成分图像相匹配的至少一个参考图像:
S610:提取待审核成分图像的第一特征和数据库中每个参考图像的第二特征;
S620:根据第一特征和第二特征确定待审核成分图像和数据库中每个参考图像的相似度;以及,
S630:将数据库中相似度大于预设阈值的参考图像确定为与待审核成分图像相匹配的至少一个参考图像。
在一些实施例中,控制器130可以进一步配置用于在执行步骤S510时采用卷积神经网络特征提取器进行特征提取,提取的第一特征和第二特征例如可以包括图像的纹理特征和颜色特征等。
在一些实施例中,控制器130可以进一步配置用于在执行步骤S510时采用特征降维方法去除一些冗余的特征,以减少提取的第一特征和第二特征的特征维度。例如,特征降维方法可以包括主成分分析(Principal Component Analysis,PCA)方法、T分布-随机邻近嵌入(T-distributed Stochastic Neighbor Embedding,TSNE)方法和统一流形逼近与投影(Uniform Manifold Approximation and Projection,UMAP)方法中的至少一种。
在一些实施例中,控制器130可以进一步配置用于在执行步骤S520时根据所述第一特征和所述第二特征之间的特征距离,确定待审核成分图像和数据库中每个参考图像的相似度。例如,特征距离可以是第一特征和第二特征之间的欧式距离、曼哈顿距离或者余弦距离等。
在备选于图5的另一些实施例中,控制器130可以进一步配置用于:响应于所述第一指令,根据人工智能(Artificial Intelligence,AI)算法从预设的数据库中查找与所述待审核成分图像相匹配的至少一个参考图像。例如,控制器130响应于第一指令可以采用启发式A*搜索算法从数据库中查找与待审核成分图像相匹配的至少一个参考图像。
在一些实施例中,控制器130可以进一步配置用于:接收更新指令,并基于所述更新指令对所述数据库进行更新。
在一些示例中,控制器130可以进一步配置用于:
接收第二指令,所述第二指令指示用户从所述至少一个成分图像中选择了已审核成分图像,并且所述第二指令为所述更新指令;以及,
响应于所述第二指令,将所述已审核成分图像存储到所述数据库中,以更新所述数据库。
在一些实施例中,控制器130可以进一步配置用于使显示装置120输出具有彼此不同的第三显示区和第四显示区的第一区域。第三显示区配置用于显示待审核成分图像,第四显示区配置用于显示已审核成分图像。如此,用户可以直观地从第四显示区中选择已审核成分图像以触发作为更新指令的第二指令,从而控制器130可以响应于该第二指令将用户选择的已审核成分图像存储到所述数据库中,以更新所述数据库。
例如,请参考图4和图7,图7示意性地示出了具有第三显示区411和第四显示区412的第一区域41。第三显示区411配置用于显示待审核成分图像A,第四显示区412配置用于显示已审核成分图像C1和已审核成分图像C2。
在一些实施例中,所述数据库可以包括标准库和/或自定义库,其中,所述标准库中存储有通用的标准参考图像,所述自定义库中存储有经用户审核的成分图像。例如,控制器130响应于作为更新指令的第二指令,可以将用户选择的已审核成分图像存储到自定义库中。
在本申请实施例中,标准库中存储的标准参考图像是指具有经过业内认可的确定成分类型的标准成分图像,而自定义库中存储的成分图像是经过用户审核为确定成分类型的成分图像。
在一些实施例中,所述数据库可以包括存储在生物样本分析设备100中的经用户审核的成分图像中的至少一部分。
备选或附加地,所述数据库可以包括存储在与生物样本分析设备100通信连接的服务器上的经用户审核的成分图像中的至少一部分。
在一些实施例中,控制器130可以进一步配置用于:对所述至少一个成分图像进行分类,并将无法分类的成分图像输出并显示在显示装置120上。在这些实施例中,控制器130可以通过显示装置120接收第一指令,其中,所述第一指令指示用户从所述无法分类的成分图像中选择了待审核成分图像。
在一些实施例中,控制器130可以进一步配置用于对所述至少一个成分图像进行分析以获取每个成分图像的概率信息,其中,概率信息包括至少两种成分类型以及对应于至少两种成分类型的概率,并且,将由概率信息获得的判断参数不满足预设条件的成分图像确定为无法分类的成分图像,将由概率信息获得的判断参数满足预设条件的成分图像确定为已分类的成分图像。
例如,当生物样本是血液样本时,所述至少一个成分图像为细胞图像,每个细胞图像的概率信息可以包括至少两种细胞类型以及对应于至少两种细胞类型的概率。其中,至少两种细胞类型包括但不限于:单核细胞、中性杆状核粒细胞、中性分叶核粒细胞、嗜酸性粒细胞、嗜碱性粒细胞、淋巴细胞、原始细胞,幼稚粒细胞、异型淋巴细胞、幼稚淋巴细胞、幼稚单核细胞、有核红细胞、巨核细胞。
例如,细胞图像D的概率信息可以包括:细胞图像D中的细胞为单核细胞的概率、细胞图像D中的细胞为中性分叶核粒细胞的概率、细胞图像D中的细胞为淋巴细胞的概率、细胞图像D中的细胞为原始细胞的概率、细胞图像D中的细胞为幼稚单核细胞的概率、细胞图像D中的细胞为异型淋巴细胞的概率。细胞图像E的概率信息可以包括:细胞图像E中的细胞为单核细胞的概率、细胞图像E中的细胞为中性分叶核粒细胞的概率、细胞图像E中的细胞为淋巴细胞的概率、细胞图像E中的细胞为原始细胞的概率、细胞图像E中的细胞为幼稚单核细胞的概率、细胞图像E中的细胞为异型淋巴细胞的概率。
通常,将每个细胞图像的概率信息中概率最大的对应类型确定为该细胞图像的预分类类型。例如,对于上述细胞图像D,如果细胞图像D中的细胞为单核细胞的概率最大,则将细胞图像D预分类为单核细胞;对于上述细胞图像E,如果细胞图像E中的细胞为淋巴细胞的概率最大,则将细胞图像E预分类为淋巴细胞。
在此,“无法分类的成分图像”可理解为已预分类、但预分类可信度较低的成分图像,即不确定类型的成分图像;“已分类的成分图像”可以理解为已预分类、且预分类可信度较高的成分图像,即确定类型的成分图像。例如,对于上述细胞图像D,如果细胞图像D中的细胞为单核细胞的概率最大,但是该概率小于0.8(即不确定该细胞图像是否为单核细胞),则可以将细胞图像D确定为无法分类的细胞图像,并将该细胞图像D输出并显示在显示装置120上;又例如,对于上述细胞图像E,如果细胞图像E中的细胞为淋巴细胞的概率最大,但是该概率小于0.9(即不确定该细胞图像是否为淋巴细胞),则可以将细胞图像E确定为无法分类的细胞图像,然后同样将该细胞图像E输出并显示在显示装置120上。
在一些实施例中,控制器130可以进一步配置用于在对至少一个成分图像分类后,使显示装置120仅显示至少一个成分图像中无法分类的成分图像。
在另一些实施例中,控制器130可以进一步配置用于在对至少一个成分图像分类后,使显示装置120分区显示至少一个成分图像中无法分类的成分图像和已分类的成分图像。例如,可以将至少一个成分图像中无法分类的成分图像集中显示在一个显示区中,而将至少一个成分图像中已分类的成分图像集中显示在另一个显示区中。
在一些示例中,控制器130可以进一步配置用于使显示装置120输出彼此不同的第五显示区和第六显示区、例如彼此不同的第五显示区和第六显示区可以均位于图7所示的第三显示区411中。其中,第五显示区配置用于显示无法分类的成分图像、例如细胞图像D和E。第六显示区配置用于显示已分类的成分图像。也就是说,以不同的显示位置来对无法分类的成分图像和已分类的成分图像进行区分显示。
如图8所示,所有无法分类的成分图像均显示在位于上侧的第五显示区810内,而所有已分类的成分图像均显示在下侧的第六显示区820内。如此,用户可以直接在该第五显示区810内选择待审核成分图像进行复核即可,无需在不同的位置对无法分类的成分图像进行复核,提高了用户体验。
进一步地,如图8所示,控制器130可以进一步配置用于使显示装置120输出具有多个不同子显示区821、822的第六显示区820。每个子显示区可以配置用于显示属于配设给该子显示区的成分类型的成分图像。例如,子显示区821配置用于显示所有被确定为中性分叶核细胞的细胞图像,子显示区822配置用于显示所有被确定为淋巴细胞的细胞图像。
在又一些实施例中,控制器130可以进一步配置用于在对至少一个成分图像分类后,使显示装置120以第一显示方式显示至少一个成分图像中无法分类的成分图像,并以不同于第一显示方式的第二显示方式显示至少一个成分图像中已分类的成分图像。例如,可以将至少一个成分图像中无法分类的成分图像放大显示,而将至少一个成分图像中已分类的成分图像以标准大小显示。如此,用户也可一目了然地看到哪些成分图像是无法分类的成分图像,进而可以从中选择待审核成分图像进行复核,从而可以减少用户的工作量,提高审核效率。
在一些实施例中,控制器130可以进一步配置用于使显示装置120输出与成分类型一一对应的类型显示区。每个类型显示区配置用于以第一显示方式显示与该类型显示区对应的成分类型的无法分类的成分图像,并以第二显示方式显示该成分类型的已分类的成分图像。
在一个示例中,假设存在十种细胞类型,那么控制器130对应地配置用于使显示装置120输出十种细胞类型对应的十个类型显示区、例如十个类型显示区可以均位于图4所示的第一区域41中。在每个类型显示区内既显示无法分类的成分图像,又显示已分类的成分图像,即,在同一个类型显示区内以不同的显示方式显示确无法分类的成分图像和已分类的成分图像。
例如,如图9所示,图9示意性地示出了具有三个类型显示区91、92、93。类型显示区91配置用于显示确定为中性分叶核细胞的细胞图像(即已分类的细胞图像),并且用于显示预分类为中性分叶核细胞、但预分类可信度不高的细胞图像F和G(即无法分类的细胞图像),其中,相对于已分类的细胞图像(例如细胞图像H),以放大显示的方式突出显示无法分类的细胞图像F和G,从而用户能够快速获知无法分类的细胞图像并对其进行复核。
类似地,类型显示区92配置用于显示确定为淋巴细胞的细胞图像,并且用于显示预分类为淋巴细胞、但预分类可信度不高的细胞图像。类型显示区93配置用于显示确定为单核细胞的细胞图像,并且用于显示预分类为单核细胞、但预分类可信度不高的细胞图像。在此不再赘述。
在一些实施例中,控制器130可以配置用于使显示装置120输出待审核成分图像的预分类类型。例如,控制器130可以配置用于对于每个待审核成分图像,提供至少一种预分类类型显示在显示装置120上。
优选地,控制器130进一步配置用于,对于每个待审核成分图像,提供至少两种预分类类型显示在显示装置120上,或者,提供至少两种与预分类类型及与各预分类类型对应的概率显示在显示装置120上。例如,可将概率排在前三的类型和概率显示在显示装置120上。
请继续参考图8,控制器130可以进一步配置用于使显示装置120以概率大小为顺序依次显示待审核成分图像的至少两种预分类类型。例如,假设待审核成分图像为细胞图像D,控制器130可以使显示装置120按照概率从高到低的顺序依次显示细胞图像D中的细胞属于单核细胞的概率0.54、属于异型淋巴细胞的概率0.41以及属于幼稚单核细胞的概率0.12。
如此,可以使得用户对每个待审核成分图像可能归属的预分类类型的概率大小有清楚的认识,进而在后续复核时,能够优先根据最大概率的预分类类型对成分图像进行复核,若符合,则无需继续复核,进而能够有效降低用户的审核工作量,并能够进一步提高审核效率。
在一些实施例中,控制器130可以进一步配置用于:
接收第三指令,所述第三指令指示用户选择了待审核成分图像的预分类类型;以及,
响应于所述第三指令,仅将至少一个参考图像中属于所述预分类类型的参考图像显示在显示装置120上,或者将至少一个参考图像中属于所述预分类类型的参考图像突出显示在显示装置120上。
例如,在显示装置120上显示待审核成分图像可能为单核细胞、异型淋巴细胞或幼稚单核细胞,此时,用户可以选择待审核成分图像为幼稚单核细胞以触发第三指令,则控制器130响应于第三指令仅将参考图像中属于幼稚单核细胞的参考图像显示在显示装置120上,或者将参考图像中属于幼稚单核细胞的参考图像突出显示在显示装置120上。
在一些实施例中,突出显示的方式可以包括放大、高亮或者打标签中的至少一种。例如,若第三指令指示用户选择了待审核图像A的预分类类型(例如为单核细胞),则控制器130响应于第三指令,可以通过将参考图像中属于单核细胞的参考图像的周围增加高亮的边框的方式显示在显示装置120上,或者通过将参考图像中属于单核细胞的参考图像放大的方式显示在显示装置120上,又或者通过在参考图像中属于单核细胞的参考图像上或靠近该属于单核细胞的参考图像的位置设置特殊的标签的方式显示在显示装置120上。
如此,控制器130能够基于用户的选择输出显示属于用户选择的预分类类型的参考图像以供用户参考,进而用户能够优先基于属于所选择的预分类类型的参考图像进行复核,进一步有助于提高用户的审核准确度,也能够进一步有效地降低用户的审核工作量,从而进一步提高审核效率。
在一些实施例中,控制器130可以进一步配置用于:
接收第四指令,所述第四指令指示所述用户从至少一个参考图像中选择了目标参考图像;以及,
响应于所述第四指令,将所述目标参考图像的成分类型确定为所述待审核成分图像的成分类型。
在一些实施例中,控制器130可以进一步配置用于在第四指令指示某个参考图像处于选中状态时,以虚拟弹窗的方式在该参考图像旁边显示该参考图像的成分类型。如此,用户能够直观地获知每个参考图像的成分类型并进行目标参考图像的选择,进而生物样本分析仪能够基于用户的选择将该目标参考图像的成分类型确定为待审核成分图像的成分类型。
在一些实施例中,控制器130可以进一步配置用于:当所查找出的所述至少一个参考图像的数量大于预设阈值时,按照预设规则从所述至少一个参考图像中选择并输出一部分参考图像。例如,预设阈值为10个,当所查找出的所述至少一个参考图像的数量大于10个时,控制器130可以从所述至少一个参考图像中按照相似度从高到低的顺序选择排在前10的10个参考图像并输出。
本申请还提供了一种生物样本分析方法,如图10所示,该生物样本分析方法1000包括如下步骤:
S1100:获取生物样本中所包含的成分的至少一个成分图像;
S1200:接收第一指令,第一指令指示用户从至少一个成分图像中选择了待审核成分图像;
S1300:响应于第一指令,从预设的数据库中查找与待审核成分图像相匹配的至少一个参考图像,其中,待审核成分图像与相匹配的每个参考图像的相似度大于预设阈值;
S1400:将待审核成分图像和至少一个参考图像关联输出并显示。
在一些实施例中,步骤S1400可以包括:按照待审核成分图像和至少一个参考图像中每个参考图像的相似度,对至少一个参考图像进行排序,将至少一个参考图像按照排序输出并显示。
在一些实施例中,如图11所示,步骤S1300可以包括:
S1310:提取待审核成分图像的第一特征和数据库中每个参考图像的第二特征;
S1320:根据第一特征和第二特征确定待审核成分图像和数据库中每个参考图像的相似度;以及,
S1330:将数据库中相似度大于预设阈值的参考图像确定为与待审核成分图像相匹配的至少一个参考图像。
在一些实施例中,步骤S1320可以包括:根据第一特征和第二特征之间的特征距离,确定待审核成分图像和数据库中每个参考图像的相似度。
在备选于图11的另一些实施例中,步骤S1300可以包括:响应于第一指令,根据AI算法从预设的数据库中查找与待审核成分图像相匹配的至少一个参考图像。
在一些实施例中,生物样本分析方法1000还可以包括:接收更新指令,并基于更新指令对数据库进行更新。
进一步地,生物样本分析方法1000可以包括:
接收第二指令,第二指令指示用户从至少一个成分图像中选择了已审核成分图像,并且第二指令为更新指令;以及,
响应于第二指令,将已审核成分图像存储到数据库中,以更新数据库。
在一些实施例中,所述数据库可以包括标准库和/或自定义库,其中,标准库中存储有通用的标准参考图像,自定义库中存储有经用户审核的成分图像。
在一些实施例中,所述数据库可以包括存储在生物样本分析设备中的经用户审核的成分图像中的至少一部分。
备选或附加地,所述数据库可以包括存储在与生物样本分析设备通信连接的服务器上的经用户审核的成分图像中的至少一部分。
在一些实施例中,生物样本分析方法1000还可以包括:
接收第三指令,第三指令指示用户选择了待审核成分图像的预分类类型;以及,
响应于第三指令,仅显示至少一个参考图像中属于预分类类型的参考图像,或者突出显示至少一个参考图像中属于预分类类型的参考图像。
在一些实施例中,生物样本分析方法1000还可以包括:对至少一个成分图像进行分类;以及,输出并显示无法分类的成分图像。在这些实施例中,所述第一指令指示用户从无法分类的成分图像中选择了待审核成分图像。
在一些实施例中,所述生物样本可以为血液样本或体液样本,这种情况下,所述至少一个成分图像为细胞图像。
在另一些实施例中,所述生物样本可以为尿液样本,这种情况下,至少一个成分图像为有形成分图像。
本申请提供的生物样本分析方法尤其适用于上述本申请提供的生物样本分析设备。本申请提供的生物样本分析方法的优点和更多实施例可参考上述对生物样本分析设备的描述,在此不再赘述。
需要说明的是,本申请实施例所涉及的术语“第一\第二\第三”仅仅是区别类似的对象,不代表针对对象的特定排序,可以理解地,“第一\第二\第三”在允许的情况下可以互换特定的顺序或先后次序。
以上在说明书、附图以及权利要求书中提及的特征或者特征组合,只要在本申请的范围内是有意义的并且不会相互矛盾,均可以任意相互组合使用或者单独使用。针对本申请提供的生物样本分析设备所说明的优点和特征以相应的方式适用于本申请提供的生物样本分析方法,反之亦然。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是在本申请的发明构思下,利用本申请说明书及附图内容所作的等效变换,或直接/间接运用在其他相关的技术领域均包括在本申请的专利保护范围内。
Claims (27)
1.一种生物样本分析设备,其特征在于,包括:
图像获取装置,配置为对获取生物样本中所包含的成分进行拍摄,以得到至少一个成分图像;
显示装置,配置用于显示所述至少一个成分图像;
控制器,配置用于:
对所述至少一个成分图像进行分类;
将无法分类的成分图像输出并显示在所述显示装置上;
通过所述显示装置接收第一指令,所述第一指令指示用户从所述无法分类的成分图像中选择了待审核成分图像,
响应于所述第一指令,从预设的数据库中查找与所述待审核成分图像相匹配的至少一个参考图像,其中,所述待审核成分图像与相匹配的每个所述参考图像的相似度大于预设阈值,
将所述待审核成分图像和所述至少一个参考图像关联输出并显示在所述显示装置上。
2.一种生物样本分析设备,其特征在于,包括:
图像获取装置,配置为对获取生物样本中所包含的成分进行拍摄,以得到至少一个成分图像;
显示装置,配置用于显示所述至少一个成分图像;
控制器,配置用于:
接收第一指令,所述第一指令指示用户从所述至少一个成分图像中选择了待审核成分图像,
响应于所述第一指令,从预设的数据库中查找与所述待审核成分图像相匹配的至少一个参考图像,其中,所述待审核成分图像与相匹配的每个所述参考图像的相似度大于预设阈值,
将所述待审核成分图像和所述至少一个参考图像关联输出并显示在所述显示装置上,
接收第四指令,所述第四指令指示所述用户从所述至少一个参考图像中选择了目标参考图像;以及,
响应于所述第四指令,将所述目标参考图像的成分类型确定为所述待审核成分图像的成分类型。
3.根据权利要求1或2所述的生物样本分析设备,其特征在于,所述控制器进一步配置用于:
按照所述待审核成分图像和所述至少一个参考图像中每个参考图像的相似度,对所述至少一个参考图像进行排序,将所述至少一个参考图像输出并按照所述排序显示在所述显示装置上。
4.根据权利要求1至3任意一项所述的生物样本分析设备,其特征在于,所述控制器进一步配置用于:
提取所述待审核成分图像的第一特征和所述数据库中每个参考图像的第二特征;
根据所述第一特征和所述第二特征确定所述待审核成分图像和所述数据库中每个参考图像的相似度;以及,
将所述数据库中相似度大于所述预设阈值的参考图像确定为与所述待审核成分图像相匹配的至少一个参考图像。
5.根据权利要求3所述的生物样本分析设备,其特征在于,所述控制器进一步配置用于:
根据所述第一特征和所述第二特征之间的特征距离,确定所述待审核成分图像和所述数据库中每个参考图像的相似度。
6.根据权利要求1至3任意一项所述的生物样本分析设备,其特征在于,所述控制器进一步配置用于:
响应于所述第一指令,根据人工智能AI算法从预设的数据库中查找与所述待审核成分图像相匹配的至少一个参考图像。
7.根据权利要求1至6任意一项所述的生物样本分析设备,其特征在于,所述控制器进一步配置用于:
接收更新指令,并基于所述更新指令对所述数据库进行更新。
8.根据权利要求7所述的生物样本分析设备,其特征在于,所述控制器进一步配置用于:
接收第二指令,所述第二指令指示用户从所述至少一个成分图像中选择了已审核成分图像,并且所述第二指令为所述更新指令;以及,
响应于所述第二指令,将所述已审核成分图像存储到所述数据库中,以更新所述数据库。
9.根据权利要求1至8任意一项所述的生物样本分析设备,其特征在于,所述数据库包括标准库和/或自定义库,所述标准库中存储有通用的标准参考图像,所述自定义库中存储有经用户审核的成分图像。
10.根据权利要求1至9任意一项所述的生物样本分析设备,其特征在于,所述数据库包括存储在所述生物样本分析设备中的经用户审核的成分图像中的至少一部分,和/或所述数据库包括存储在与所述生物样本分析设备通信连接的服务器上的经用户审核的成分图像中的至少一部分。
11.根据权利要求1至10任意一项所述的生物样本分析设备,其特征在于,所述控制器进一步配置用于:
接收第三指令,所述第三指令指示所述用户选择了所述待审核成分图像的预分类类型;以及,
响应于所述第三指令,仅将所述至少一个参考图像中属于所述预分类类型的参考图像显示在所述显示装置上,或者将所述至少一个参考图像中属于所述预分类类型的参考图像突出显示在所述显示装置上。
12.根据权利要求1所述的生物样本分析设备,其特征在于,所述控制器进一步配置用于:
接收第四指令,所述第四指令指示所述用户从所述至少一个参考图像中选择了目标参考图像;以及,
响应于所述第四指令,将所述目标参考图像的成分类型确定为所述待审核成分图像的成分类型。
13.根据权利要求1至12中任意一项所述的生物样本分析设备,其特征在于,所述控制器进一步配置用于:
当所查找出的所述至少一个参考图像的数量大于预设阈值时,按照预设规则从所述至少一个参考图像中选择并输出一部分参考图像。
14.根据权利要求1至13任意一项所述的生物样本分析设备,其特征在于,所述图像获取装置包括承载机构和成像机构;其中,
所述承载机构配置用于承载玻片,在所述玻片上承载有作为所述生物样本的血液样本或体液样本;以及,
成像机构配置用于,拍摄在所述玻片上承载的血液样本或体液样本中的细胞,以获取所述至少一个成分图像。
15.根据权利要求1至13任意一项所述的生物样本分析设备,其特征在于,所述图像获取装置包括承载机构和成像机构;其中,
所述承载机构配置用于承载计数池,在所述计数池中承载有作为所述生物样本的尿液样本;以及,
成像机构配置用于,拍摄在所述计数池中的尿液样本中的有形成分,以获取所述至少一个成分图像。
16.一种生物样本分析方法,包括:
获取生物样本中所包含的成分的至少一个成分图像;
接收第一指令,所述第一指令指示用户从所述至少一个成分图像中选择了待审核成分图像;
响应于所述第一指令,从预设的数据库中查找与所述待审核成分图像相匹配的至少一个参考图像,其中,所述待审核成分图像与相匹配的每个所述参考图像的相似度大于预设阈值;
将所述待审核成分图像和所述至少一个参考图像关联输出并显示。
17.根据权利要求16所述的生物样本分析方法,其特征在于,将所述待审核成分图像和所述至少一个参考图像关联输出并显示,包括:
按照所述待审核成分图像和所述至少一个参考图像中每个参考图像的相似度,对所述至少一个参考图像进行排序,将所述至少一个参考图像按照所述排序输出并显示。
18.根据权利要求16或17所述的生物样本分析方法,其特征在于,响应于所述第一指令,从预设的数据库中查找与所述待审核成分图像相匹配的至少一个参考图像,包括:
提取所述待审核成分图像的第一特征和所述数据库中每个参考图像的第二特征;
根据所述第一特征和所述第二特征确定所述待审核成分图像和所述数据库中每个参考图像的相似度;以及,
将所述数据库中相似度大于所述预设阈值的参考图像确定为与所述待审核成分图像相匹配的至少一个参考图像。
19.根据权利要求18所述的生物样本分析方法,其特征在于,根据所述第一特征和所述第二特征确定所述待审核成分图像和所述数据库中每个参考图像的相似度,包括:
根据所述第一特征和所述第二特征之间的特征距离,确定所述待审核成分图像和所述数据库中每个参考图像的相似度。
20.根据权利要求16或17所述的生物样本分析方法,其特征在于,响应于所述第一指令,从预设的数据库中查找与所述待审核成分图像相匹配的至少一个参考图像,包括:
响应于所述第一指令,根据AI算法从预设的数据库中查找与所述待审核成分图像相匹配的至少一个参考图像。
21.根据权利要求16至20任意一项所述的生物样本分析方法,其特征在于,所述方法还包括:
接收更新指令,并基于所述更新指令对所述数据库进行更新。
22.根据权利要求21所述的生物样本分析方法,其特征在于,接收更新指令,并基于所述更新指令对所述数据库进行更新,包括:
接收第二指令,所述第二指令指示所述用户从所述至少一个成分图像中选择了已审核成分图像,并且所述第二指令为所述更新指令;以及,
响应于所述第二指令,将所述已审核成分图像存储到所述数据库中,以更新所述数据库。
23.根据权利要求16至22任意一项所述的生物样本分析方法,其特征在于,所述数据库包括标准库和/或自定义库,所述标准库中存储有通用的标准参考图像,所述自定义库中存储有经用户审核的成分图像。
24.根据权利要求16至23任意一项所述的生物样本分析方法,其特征在于,所述数据库包括存储在生物样本分析设备中的经用户审核的成分图像中的至少一部分,和/或所述数据库包括存储在与所述生物样本分析设备通信连接的服务器上的经用户审核的成分图像中的至少一部分。
25.根据权利要求16至24任意一项所述的生物样本分析方法,其特征在于,所述方法还包括:
接收第三指令,所述第三指令指示所述用户选择了所述待审核成分图像的预分类类型;以及,
响应于所述第三指令,仅显示所述至少一个参考图像中属于所述预分类类型的参考图像,或者突出显示所述至少一个参考图像中属于所述预分类类型的参考图像。
26.根据权利要求16至25任意一项所述的生物样本分析方法,其特征在于,所述方法还包括:
对所述至少一个成分图像进行分类;以及,
输出并显示无法分类的成分图像;
其中,所述第一指令指示用户从所述无法分类的成分图像中选择了待审核成分图像。
27.根据权利要求16至26任意一项所述的生物样本分析方法,其特征在于,所述生物样本为血液样本或体液样本,并且所述至少一个成分图像为细胞图像;或者
所述生物样本为尿液样本,并且所述至少一个成分图像为有形成分图像。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211334089 | 2022-10-28 | ||
CN2022113340896 | 2022-10-28 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117952897A true CN117952897A (zh) | 2024-04-30 |
Family
ID=90799298
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311216052.8A Pending CN117952897A (zh) | 2022-10-28 | 2023-09-19 | 生物样本分析设备以及生物样本分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117952897A (zh) |
-
2023
- 2023-09-19 CN CN202311216052.8A patent/CN117952897A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2020200835B2 (en) | System and method for reviewing and analyzing cytological specimens | |
US6148096A (en) | Specimen preview and inspection system | |
CN111325103B (zh) | 一种细胞标注系统和方法 | |
US6430309B1 (en) | Specimen preview and inspection system | |
JP5380026B2 (ja) | 標本撮像装置 | |
WO1996009598A1 (en) | Cytological slide scoring apparatus | |
JP3916395B2 (ja) | 検体の予備処理機能を備えた検査体系 | |
US6535626B1 (en) | Inspection system with specimen preview | |
RU2308745C1 (ru) | Способ микроскопического исследования образца, содержащего микрообъекты с разнородными зонами | |
JP2010151523A (ja) | 粒子画像解析方法および装置 | |
CN111656247B (zh) | 一种细胞图像处理系统、方法、自动读片装置与存储介质 | |
CN117952897A (zh) | 生物样本分析设备以及生物样本分析方法 | |
EP0995102B1 (en) | Inspection system with specimen preview | |
CN111684279B (zh) | 一种细胞分析方法、细胞分析装置及存储介质 | |
GB2610426A (en) | System and method for identifying and counting biological species | |
CN113869124A (zh) | 基于深度学习的血细胞形态学分类方法及系统 | |
CN113330311A (zh) | 细胞图像分析装置和样本分析方法 | |
CN115578316A (zh) | 样本图像分析设备、样本分析系统及样本图像分析方法 | |
CN113039551A (zh) | 分析细胞的方法、细胞分析设备与计算机可读存储介质 | |
Geronimo et al. | Chronic Myelogenous Leukemia Detection Using Otsu’s Thresholding and Sobel Edge Detection with AI | |
Medovyĭ et al. | Development and testing of an automated microscopy complex | |
CN114660057A (zh) | 生成用于细胞分析的图形用户界面的方法、装置和系统 | |
CN114660058A (zh) | 生成用于细胞分析的图形用户界面的方法、装置和系统 | |
CN114187290A (zh) | 一种病理样本采集监测系统 | |
Kaga et al. | OPEN Evaluation of two semi-supervised learning methods and their |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |