CN1795375B - 用于组织感兴趣域中的多个感兴趣对象的系统 - Google Patents

用于组织感兴趣域中的多个感兴趣对象的系统 Download PDF

Info

Publication number
CN1795375B
CN1795375B CN2004800144661A CN200480014466A CN1795375B CN 1795375 B CN1795375 B CN 1795375B CN 2004800144661 A CN2004800144661 A CN 2004800144661A CN 200480014466 A CN200480014466 A CN 200480014466A CN 1795375 B CN1795375 B CN 1795375B
Authority
CN
China
Prior art keywords
interested
interest
fields
master
inferior
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.)
Expired - Lifetime
Application number
CN2004800144661A
Other languages
English (en)
Other versions
CN1795375A (zh
Inventor
戴维·J·扎赫尼塞尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Cytyc Corp
Original Assignee
Cytyc Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Cytyc Corp filed Critical Cytyc Corp
Publication of CN1795375A publication Critical patent/CN1795375A/zh
Application granted granted Critical
Publication of CN1795375B publication Critical patent/CN1795375B/zh
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B21/00—Microscopes
    • G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
    • G02B21/365—Control or image processing arrangements for digital or video microscopes
    • G02B21/367—Control or image processing arrangements for digital or video microscopes providing an output produced by processing a plurality of individual source images, e.g. image tiling, montage, composite images, depth sectioning, image comparison
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1429—Signal processing
    • G01N15/1433—Signal processing using image recognition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • 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
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N2015/1006—Investigating individual particles for cytology

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • Signal Processing (AREA)
  • Dispersion Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Image Processing (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Studio Devices (AREA)
  • Telephone Function (AREA)

Abstract

本发明公开了一种用于筛查和帮助筛查生物样品的系统。获得生物样品的图像，然后从图像中产生图像数据。从图像数据中识别感兴趣对象(OOI)。至少部分地基于到其它FOI的OOI分配，将OOI分配给多个感兴趣域(FOI)中的每个。例如，以前没有分配给其它FOI的OOI可以分配给所选FOI。OOI可在FOI内分组，以最大化在FOI内包括的OOI的数量，或者可选地，以最小化所需的包括所有OOI的FOI的数量。一旦完成OOI的分配，就可以相对于每个FOI来扫描视场(FOV)，以将OOI呈现给技术人员用于检查。

Description

用于组织感兴趣域中的多个感兴趣对象的系统
技术领域
本发明的领域主要涉及用于分析细胞样品(specimen)的系统，更具体地，涉及用于组织感兴趣域(field of interest)内的细胞材料以显示给细胞学技士的系统。 
背景技术
在医疗工业中，常常需要化验室技术人员(例如，细胞学技士)对细胞样品检查特定细胞类型的存在。例如，目前需要对子宫颈阴道巴氏(Papanicolaou，Pap)涂片载玻片检查恶性细胞或恶变前细胞的存在。自从其在五十多年前引入以来，Pap涂片已成为用于检查子宫颈癌和癌前病变的有力工具。在那段时间里，Pap涂片由于使子宫颈癌导致的死亡率减少了高达70％而获得了信赖。然而，这种死亡率曾有的陡降减缓了，并且这种可预防的疾病的死亡率在美国实际上已经保持恒定，自从八十年代中期以来每年约5,000人。因此，由于癌症被发现得太迟，每年诊断患有子宫颈癌的15,000个女性仍有约三分之一死亡。引起关注的另一原因是，国家癌症学会(National Cancer Institute)数据显示，自从1986年以来，50岁以下白人女性的子宫颈癌发病率每年增加3％。 
许多因素可能导致该当前阈值，其中重要的因素在于许多女性，特别是高危人群，仍然不参加常规子宫颈癌筛查(screening)。 另一已经引起很大关注的起作用的因素是传统Pap涂片方法的局限性。 
子宫颈筛查方法的可靠性和有效性根据其诊断癌症前病变的能力(灵敏性)同时避免假阳性诊断的能力(特异性)来衡量。进一步地，这些标准取决于细胞学解释的准确性。常规Pap涂片具有10-50％范围的假阴性率。这很大部分是由于技术人员必须检查大量的细胞和对象(通常多达100,000至200,000个)来确定少量恶性细胞或恶变前细胞的可能存在而导致的。因此，Pap涂片化验，以及其它需要对生物材料的详细检查的化验，由于技术人员承受疲劳而蒙受了高假阴性率。 
为了使该检查过程容易，已开发了自动系统，以使技术人员的注意力集中在最相关的细胞上，从而可能实现排除对剩余细胞的进一步检查(further review)。典型自动系统包括成像器和自动光学显微镜。简而言之，可操作成像器来提供细胞样品载玻片的一系列多个图像，每个图像示出载玻片的不同部分。成像器然后处理这些图像，以确定载玻片上用于检查的最相关的生物对象，以及它们在载玻片上的位置(x-y坐标)。然后将该信息传送到显微镜上，其自动行进到x-y坐标，并集中在生物对象上，用于技术人员的检查。在该检查过程期间，显微镜将顺序地步进经历x-y坐标的生物对象，将生物对象放在视场(field of view)的中心内。例如，如果将要检查的相关的生物对象的数量等于22，则技术人员随着显微镜自动或半自动地移动视场到限定x-y坐标的生物对象，将检查载玻片上的22个区域。然后技术人员可以标记(mark)他或她认为需要由病理学家进一步检查的载玻片上任何对象，例如，具有符合恶性细胞或恶变前细胞的属性的任何对象。 
通常，因为使技术人员的注意力集中在有限数量的对象上，消除了技术人员检查样品上的大量对象(生物的或非生物的)的需要， 所以该自动程序被证明是成功的。然而，因为技术人员通常必须每天检查数百个载玻片，并因此数万个生物对象，所以技术人员仍然可能承受到疲劳。此外，还存在必须考虑的商业方面。化验室负担的用于检查细胞样品(例如Pap涂片样品)的成本至少部分地取决于技术人员检查每个载玻片所花费的时间。即，技术人员检查载玻片花费的时间越多，则化验室承受的劳力成本越多。相反，技术人员检查载玻片花费的时间越少，化验室可节约的金钱越多。 
发明内容
本发明的一个实施例中，提供了一种用于呈现OOI(object ofinterest，感兴趣对象)的生物筛查系统。系统包括成像站(station)，用于获得样品载玻片的图像，并从图像产生图像数据。系统还包括至少一个处理器，用于过滤和/或处理图像数据以获得OOI，以及用于至少部分地基于对其它FOI的OOI分配来将一个或多个OOI分配给每个FOI(field of interest，感兴趣域)。可以用与上述相同的方式来完成对每个FOI的OOI分配。系统还包括自动或半自动显微镜，用于扫描与每个FOI相关的视场(FOV)，以呈现每个FOI中的一个或多个OOI。 
附图说明
附图示出本发明的实施例的设计和应用，其中类似的元件用相同的参考标记指示，附图中： 
图1是承载生物样品的标准显微镜载玻片的平面图； 
图2是根据本发明的一个实施例构造的生物筛查系统的平面图； 
图3是如通过在图2所示系统中使用的显微镜的视场(FOV)所示的感兴趣域(FOI)和标记指示器的视图； 
图4是由图2的系统的FOI处理器使用的用于分配感兴趣对象(OOI)给FOI的过程的流程图； 
图5是由FOI处理器使用的用于确定OOI是否可与以前分配给FOI的OOI放在一起(collocatable)的一个过程的流程图； 
图6是扩展到包括一个OOI的一个边界框(box)的视图； 
图7是扩展到包括另一OOI的图6所示边界框的视图；以及 
图8是扩展到包括又一OOI的图6所示边界框的视图。 
具体实施方式
参照图2，描述了根据本发明的一个实施例构造的生物筛查系统10。系统10用于将位于显微镜载玻片14上的生物样品12(图1中最佳地示出)呈现给技术人员，例如细胞学技士，其然后可检查位于生物样品12中的感兴趣对象(OOI)。OOI分布于覆盖载玻片14的一部分的多个感兴趣域(FOI)(其中一个在图3中示出)中，使得细胞学技士的注意力可随后集中在FOI内的OOI上，而不是不相关的载玻片区域。载玻片14具有基准点(fiducial mark)16，其功能将在后面更详细地描述。 
尽管系统10可用于呈现需要进一步检查的任何生物样品(乃至非生物样品，例如计算机芯片)，系统10尤其适用于呈现细胞学的子宫颈或阴道细胞材料，例如典型地基于Pap涂片载玻片。在此情况下，OOI表现为个体细胞和细胞群集的形式，其被检查以检验是否可能存在异常情况，例如恶性或前期癌。生物样品12通常将 作为薄细胞层放置于载玻片14上。优选地，盖玻片(未示出)附在样品12上，从而将样品12的位置固定于载玻片14上。样品12可用任何合适的染色剂染色，例如巴氏染色剂(Papanicolaou stain)。 
系统10通常包括(1)成像站18，用于获得载玻片14上包含的生物材料的图像，并从图像产生电子图像数据；(2)服务器20，用于过滤和处理图像数据以识别OOI，以及用于分配一个或多个OOI给每个FOI；以及(3)多个检查站22(示出3个)，每个检查站提供视场(FOV)(在图3中示出)，视场相对于每个FOI被扫描，以呈现OOI用于细胞学技士观察。系统10还可包括用户接口(未示出)，包括监视器、键盘、和鼠标(都未示出)，使得细胞学技士可与系统10交互。 
成像站18被设置用于取载玻片14的图像，该载玻片典型地与其它载玻片一起包含在盒子(未示出)内。在成像过程期间，载玻片以连续的方式从各自的盒子中移出，取完像，然后回到盒子。在所述实施例中，成像站18在大约16个小时中，能够处理多达10个盒子，每个容纳多达25个载玻片。 
成像站18包括照相机24、显微镜26、以及电动台28。照相机24通过显微镜26捕获载玻片14的放大图像。照相机24可为多种常规照相机的任何一种，例如电荷耦合器件(CCD)照相机，其单独或与其它元件(例如模数(A/D)转换器)一起，能够产生足够分辨率的数字输出，以允许处理获取的图像，例如，具有640×480像素的分辨率的数字图像。优选地，每个像素根据其光学透射比被转换成八位值(0至255)，其中“00000000”为通过像素的最小光量的指定值，以及“11111111”为通过像素的最大光量的指定值。 
载玻片14安置于电动台28上，电动台扫描与显微镜26的观察区相关的载玻片14，同时照相机24在生物样品12的不同区域上方捕获图像。照相机24的快门速度优选地较高，使得扫描速度和/或拍摄的图像的数量可以达到最大。电动台28追踪图像在被照相机24捕获时的x-y坐标。例如，编码器(未示出)可耦合至电动台28的各个马达，以追踪在成像期间沿x和y方向行进的净距离。这些坐标相对于附在载玻片14上的基准点16(在图1中示出)来测量。如后面将更详细描述的，检查站22也将使用这些基准点16，以确保载玻片14在检查过程期间的x-y坐标可与载玻片14在成像过程期间获得的x-y坐标相关联。
在其它不与本发明的理解密切相关的处理部件中，服务器20包括(1)图像处理器30，其用于从照相机24获取的图像数据中识别OOI；(2)FOI处理器32，其用于分配OOI给对每个FOI；(3)路径处理器34，其用于绘制检查站22将用来从一个FOI扫描到下一个的路径路线；以及(4)存储器36，用于存储OOI和FOI、OOI的评级和x-y坐标、以及用于FOI的路径路线。应该理解，由各个处理器30、32、和34执行的功能可由单个处理器来执行，或者可选地，由多于三个的处理器来执行。同样，可以理解，存储器36可分成多个存储器。 
图像处理器30通过以适当方式处理从照相机24接收的数字图像来识别生物样品12内的OOI。在该实施例中，这由图像处理器30使用初步分割操作和二次分割操作(primary and secondarysegmentation operations)来完成。 
在初步分割操作中，图像处理器30从进一步考虑中去除人为假象。图像处理器30通过从进一步考虑中屏蔽数字图像数据中的那些由于它们的亮度而不太可能是细胞核的像素来实现该去除。数字图像中的剩余像素形成具有各种形状和大小的“斑点(blob)”。然后图像处理器30在班点上执行侵蚀处理，以从进一步考虑中去除那些直径仅为较少的像素和从斑点伸出或与相邻的斑点连接的窄带。图像处理器30然后根据斑点中像素的数量确定图像中的每个斑点是个体对象还是簇(clustered)对象。例如，具有超过500个像素的斑点可能被认为是簇对象，而具有500个或更少像素的斑点可能被认为是个体对象。对于个体对象，不再考虑不满足特定标准的斑点，该特定标准与总面积、周长面积比、光密度标准差、和灰度级平均像素值相关。 
在二次分割操作中，图像处理器30去除不太可能是个体细胞或簇细胞的斑点。对于个体对象，图像处理器30执行一系列侵蚀操作，其从剩余斑点中去除小对象和消除突出物(projection)，以及膨胀操作(dilation operation)，其从剩余斑点中去除孔。对于簇对象，图像处理器30锐化(sharpen)对象的边缘，以提供清楚的边界。图像处理器30然后从限定的簇对象中选择具有最高积分光密度的一个或多个个体对象。从簇对象中提取的个体对象将标记(flag)为簇提取(cluster-extracted)对象。 
在分类操作中，图像处理器30为每个个体对象和簇对象测量各种特征，然后基于这些特征的测量值来为每个对象计算对象评分。基于该评分，图像处理器30去除可能是人为假象的个体对象和簇对象。那些剩余的被认为是OOI，其中个体对象代表个体OOI(IOOI)，以及簇对象代表簇OOI(COOI)。图像处理器30然后估算OOI的细胞核积分光密度或细胞核平均光密度，并根据它们的光密度值来将OOI评级。对于每个数字图像，图像处理器30在存储器36内存储OOI以及其相关评级和坐标作为帧数据记录(FDR)。在所述实施例中，为每个载玻片14获得约2000个数字图像，以及因此将为每个载玻片14在存储器36中存储约2000个FDR。在所述实施例中，图像处理器30限制每个FDR中包含的OOI的数量，对于个体OOI而言为10个，对于簇OOI而言为3个。 
FOI处理器32基于OOI的评级来分配OOI给每个FOI。用避免已分配到另一FOI内的OOI分配给FOI的方式来完成OOI的分配。以此方式，OOI可以坐标(coordinated)方式在FOI(其在本实施例中具有固定数量)内分组，使得包括在FOI内的OOI的数量最大化。可选地，如果FOI的数量不固定，则包括所有OOI所需的FOI的数量可以最小化。在一个实施例中，将产生20个IOOI优先的(preferential)FOI和2个COOI优先的FOI。因此，可确保IOOI和COOI都将被包括在FOI内，用于细胞学技士的后续检查。 
现在参照图4，将详细描述由FOI处理器32使用的用于产生IOOI优先的FOI(此例中，为20个)的过程。首先，FOI处理器32访问当前载玻片14存储在存储器36中的FDR，并提取IOOI和COOI以创建IOOI列表和COOI列表(执行框50)。可选地，个体和簇OOI可合并成单个列表。簇提取IOOI(即，从簇中提取的IOOI)将被同样标记。在一个实施例中，这些表包括预定数量的OOI，例如，各个列表有100个IOOI和20个COOI。以此方式，通过由FOI处理器32和细胞学技士从进一步考虑中排除低风险OOI来最小化后续处理和人工检查时间。 
FOI处理器32然后通过基于OOI的x-y坐标和评级来分配x-y坐标给FOI，来产生具有预定尺寸的FOI。特别地，FOI处理器32分配最高级IOOI(即，列表中的第一IOOI)给初始FOI(执行框52)。然后FOI处理器32选择下一级别IOOI(在此情况下，第二级IOOI)作为当前IOOI(执行框54)，并确定当前IOOI和以前分配给初始FOI的IOOI是否可一起放在初始FOI内(判定框56)。值得注意地，在第一遍中，第二级IOOI将为当前IOOI，以及以前分配的IOOI将仅包括初始(即，第一级)IOOI。 
如果当前IOOI可与以前分配的IOOI放在一起，则当前IOOI被识别为可放在一起的IOOI，并被分配给初始FOI(执行框58)。 如果当前IOOI不能与以前分配的IOOI放在一起，则当前IOOI被识别为不可放在一起的IOOI，并且不被分配给初始FOI(执行框60)。然后FOI处理器32确定当前IOOI是否是最低级IOOI(判定框62)。如果不是，则过程返回到方框54，其中下一级IOOI被选择作为当前IOOI。因此，可以理解，FOI处理器32将重复进行方框54-60，以将所有可放在一起的IOOI分配给初始FOI。重复的数量将等于列表中的IOOI数量减去一(即，减去初始IOOI)，在这里，将为99次。 
如果当前IOOI是最低级IOOI，则FOI处理器32将重复经历COOI列表，以分配任何可放在一起的COOI给初始FOI。特别地，FOI处理器32选择下一级COOI作为当前COOI(执行框64)，并确定当前COOI是否可与以前分配的IOOI和COOI放在一起(判定框66)。当然，如果最高级COOI是下一级COOI，则FOI处理器32仅需要确定当前COOI是否可与以前分配的IOOI放在一起，因为在初始FOI中将没有以前分配的COOI。无论如何，如果当前COOI可与以前分配的IOOI放在一起，则当前COOI被识别为可放在一起的IOOI，并被分配给初始FOI(执行框68)。如果当前COOI不能与以前分配的IOOI放在一起，则当前COOI被识别为不可放在一起的IOOI，并且不被分配给初始FOI(执行框70)。 
FOI处理器32然后确定当前COOI是否是最低级COOI(判定框72)。如果不是，则过程回到方框64，其中下一级COOI被选择作为当前COOI。因此，可以理解，FOI处理器32将重复进行方框64-70，以将所有可放在一起的COOI分配给初始FOI。重复的数量将等于列表中的COOI的数量，在这里，将为20次。 
如果当前COOI是最低级COOI，则将通过以包括所有可放在一起的OOI(IOOI和COOI)的方式来分配x-y坐标给初始FOI，来限定初始FOI(执行框74)。如下面将更详细描述的，将x-y坐 标分配给初始FOI的方式将在很大部分上取决于用于OOI被确定为可放在一起的方式。 
接着，FOI处理器32通过将以前未分配的可放在一起的IOOI分配给FOI来限定下一FOI。特别地，FOI处理器32选择下一FOI作为当前FOI(执行框76)，并将最高级的以前未分配的IOOI分配给当前FOI(执行框78)。例如，如果第一和第二级IOOI以前已被分配，但第三级IOOI还没有，则第三级IOOI将被分配给当前FOI。FOI处理器32然后选择下一级的以前未分配的IOOI作为当前IOOI(执行框80)。例如，如果第五、第六、和第七IOOI以前已被分配，但第八级IOOI还没有，则第八级IOOI将被选为当前IOOI。 
FOI处理器32将以与上述关于初始FOI相同的方式，来确定当前IOOI是否可与以前分配给当前FOI的IOOI放在一起(判定框82)。值得注意地，在第一遍中，以前分配的IOOI将仅包括最初分配给当前FOI的IOOI。如果可放在一起，则当前IOOI将被分配给当前FOI(执行框84)，以及如果不可放在一起，则当前IOOI将不被分配给当前FOI(执行框86)。FOI处理器32然后确定当前IOOI是否是最低级的以前未分配的IOOI(判定框88)。如果不是，则过程回到执行框80，其中下一级的以前未分配的IOOI被选为当前IOOI。因此，可以理解，FOI处理器32将重复进行方框80-86，以将所有以前未分配的可放在一起的IOOI分配给当前FOI。 
如果当前IOOI是最低级IOOI，则FOI处理器32将以与上述关于初始FOI相同的方式，重复经历COOI列表，以分配任何以前未分配的可放在一起的COOI给当前FOI。特别地，FOI处理器32选择下一级的以前未分配的COOI作为当前COOI(执行框90)，并确定当前COOI是否可与以前分配的IOOI和COOI放在一起(判定框92)。再又，如果最高级的以前未分配的COOI是下一级COOI，则FOI处理器32仅需要确定当前COOI是否可与以前分配的IOOI 放在一起，因为在FOI中将没有以前分配的COOI。如果可放在一起，则当前COOI将被分配给当前FOI(执行框94)，以及如果不可放在一起，则当前COOI将不被分配给当前FOI(执行框96)。FOI处理器32然后确定当前COOI是否是最低级的以前未分配的COOI(判定框98)。如果不是，则过程回到方框90，其中下一级的以前未分配的COOI被选择作为当前COOI。因此，可以理解，FOI处理器32将重复进行方框90-96，以将所有以前未分配的可放在一起的COOI分配给当前FOI。如果当前COOI是最低级COOI，则将通过以包括所有可放在一起的OOI(IOOI和COOI)的方式分配x-y坐标给当前FOI，来限定当前FOI(执行框100)。 
FOI处理器32然后将确定当前FOI是否是最低IOOI优先的FOI(在此情况下，第20个FOI)(判定框102)。如果不是，则过程回到方框76，其中下一FOI被选为当前FOI，然后以前未分配的可放在一起的IOOI和COOI被分配给它。 
如果当前FOI是最低IOOI优先的FOI，则过程结束(执行框104)，然后FOI处理器32将以类似于在方框76-100中示出的用于产生FOI的方式，来产生COOI优先的FOI(在此例中，最后2个FOI)。显著的不同在于以前未分配的可放在一起的COOI将在以前未分配的可放在一起的IOOI被分配之前分配给FOI。另一不同源于在20个IOOI优先的FOI产生之后可能剩下少于2个以前未分配的COOI的事实，并因此，至少一个COOI优先的FOI不能用COOI来初始化。在此情况下，FOI处理器32将企图分配以前未分配的簇提取IOOI(即，已被标记为从簇中提取的IOOI)给FOI。如果没有足够的以前未分配的簇提取IOOI，则FOI处理器32将分配不是从簇中提取的以前未分配的IOOI给FOI。 
如上面所简述的，确定OOI为可放在一起的方式，与分配x-y坐标给FOI的方式，两者是相关的。例如，如果x-y坐标被分配给 FOI，使得其居中于分配给它的初始OOI上，则FOI将被固定在适当位置，以及落入该固定的FOI的边界内的OOI将简单地被认为可放在一起，而落在固定的FOI的边界的外部的OOI将简单地被认为不可放在一起。如果x-y坐标被分配给FOI，使得其最终居中于一组OOI上，并因此被允许从初始分配的OOI移开，则落入动态可移动FOI(假设移动FOI以容纳该OOI和当前可放在一起的OOI)的边界内的、不造成当前可放在一起的OOI落在FOI的边界的外部的OOI，将被认为可放在一起，而落在动态可移动FOI的边界的外部或者造成当前可放在一起的OOI落在FOI的边界的外部的OOI，将被认为不可放在一起。后面的方法优于前者，因为其通常允许将更多OOI一起放在给定的FOI内。 
通过使用可扩展边界框，可方便地使FOI居中于一组可放在一起的OOI(IOOI或COOI，或IOOI和COOI)上。具体地，参照图5-8，下面将描述利用可扩展边界框150以重复地确定FOI是否可放在一起。首先，作为一个点开始的边界框150将通过使边界框150的x-y坐标等于初始OOI的坐标(图6所示的OOI0)来进行初始化(执行框160)。下一OOI(图6所示的OOI1)被识别为当前OOI(执行框162)，然后边界框150被扩展以包括当前OOI(执行框164)。 
重要地，仅扩展包括当前OOI所必需的边界框150的边。换言之，如果当前OOI的x坐标小于边界框150的最小x坐标，则边界框150的左边将被扩展，使得边界框150的最小x坐标与当前OOI的x坐标相匹配。同样地，如果当前OOI的y坐标小于边界框150的最小y坐标，则边界框150的底边将被扩展，使得边界框150的最小y坐标与当前OOI的y坐标相匹配。如果当前OOI的x坐标大于边界框150的最大x坐标，则边界框150的右边将被扩展，使得边界框150的最大x坐标与当前OOI的x坐标相匹配。如果当前OOI的y坐标大于边界框150的最大y坐标，则边界框150的顶边 将被扩展，使得边界框150的最大y坐标与当前OOI的y坐标相匹配。 
在图6示出的示例性情况下，OOI1的x坐标小于边界框150(其实质上为点)的最小x坐标，并因此边界框150的左边被往外扩展，使得边界框150的最小x坐标与OOI1的x坐标相匹配。OOI1的y坐标也大于边界框150的最大y坐标，并因此边界框150的顶边被往外扩展，使得边界框150的最大y坐标与OOI1的y坐标相匹配。 
然后对扩展后边界框150是否存在任何维度(dimension)超过当前FOI的维度做出判断(判定框166)。如果不是，则当前OOI被识别为是可放在一起的(执行框168)，并且扩展的边界框将设置为用于下一重复(iteration)的新边界框(执行框172)。相反，如果扩展后边界框150超过当前FOI的维度，则当前OOI被识别为是不可放在一起的(执行框170)，并且扩展的边界框将还原成以前的边界框(即，以前的边界框将保持为用于下一重复的新边界框)(执行框174)。在示例中，当扩展到包括OOI1时，边界框的维度为200μm×100μm。假设FOI具有400μm×400μm的预定维度，则该边界框的两个维度都小于当前FOI的维度，并因此，OOI1将被识别为可放在一起，并且扩展的边界框将被设置为用于下一重复的新边界框。 
然后对当前OOI是否是分配给FOI的最终OOI做出判断(判定框176)。如果是，则过程结束(执行框178)。如果不是，则过程将返回到执行框162，以确定下一OOI(图7所示的OOI2)是否是可放在一起的。例如，在图7所示的示例性情况下，OOI2的x坐标小于新边界框150的最小x坐标，并因此边界框150的左边向外扩展，使得边界框150的最小x坐标与OOI2的x坐标相匹配。OOI2 的y坐标小于边界框150的最小y坐标，并因此新边界框150的底边向外扩展，使得边界框150的最小y坐标与OOI2的y坐标相匹配。如图7所示，新边界框的维度当扩展到包括OOI2时，为600μm ×350μm。在此情况下，边界框的x维度大于当前FOI的x维度。因此，OOI2将被识别为是不可放在一起的，并且以前的边界框将保持为用于下一重复的新边界框。 
在图8所示的示例性情况中，下一OOI作为OOI3示出。OOI3的x坐标大于新边界框150的最大x坐标，并因此边界框150的右边向外扩展，使得边界框150的最大x坐标与OOI3的x坐标相匹配。如图8所示，新边界框的维度当扩展到包括OOI3时，为300μm×100μm。在此情况下，边界框的两个维度都小于当前FOI的维度，因此，OOI3将被识别为是可放在一起的，并且扩展的边界框将被设置为用于下一重复的新边界框。应该注意到，一旦边界框被最终设置，FOI处理器32就可通过将等于边界框150的最小和最大x坐标的平均值的x坐标分配给FOI，以及同样地将等于边界框150的最小和最大y坐标的平均值的y坐标分配给FOI，来容易地使FOI居中于放在一起的OOI上。 
在产生了全部22个FOI之后，FOI处理器32在存储器36中存储所有FOI的x-y坐标，用于路径处理器34将来的使用。特别地，路径处理器34使用合适的路径算法来绘制FOI的x-y坐标，例如改良的“旅行推销员(traveling salesman)”算法，其确定用于在检查站22中呈现FOI的最有效观察路线。然后路径处理器34在存储器36中存储FOI的x-y坐标连同路径方案(在所述实施例中，通过简单地将FOI以它们将被检查的顺序放入列表里来完成)，用于检查站22的后续访问。 
回过头来参照图2，在一个实施例中，示出与服务器20耦合的共三个检查站22，使得多达三个细胞学技士可以同时访问存储在服务器20中的相关信息。值得注意地，系统10通常能够比细胞学技士能够检查载玻片快得多地来处理载玻片14。即使系统10的样品处理速度比细胞学技士的样品检查速度慢，但系统10通常可一天 运行24小时，而典型的细胞学技士一天将只工作8小时。因此，筛查过程的瓶颈发生在人类层次，即，包含在载玻片14上的生物材料的详细检查。因此，可以理解，使用多个检查站22减轻该瓶颈，从而为更多有效过程作准备。 
在讨论检查站22的细节之前，参照图3，其示出每个检查站居中于FOI上的示例性FOV。在所示实施例中，FOV直径为2.2mm，以及FOI被限定为由FOV所圈起来的一个0.4mm×0.4mm正方形。在实际实施例中，FOI的边界是虚构的以及不可见的，使得细胞学技士对任何OOI的观察均不会受妨碍。为了更快引起细胞学技士对FOI的注意，并提供大致上指示由FOI的虚构边界限定的精确区域的参考，提供了L型标记指示器152。标记指示器152捕获FOI(即，标记指示器152的开口方形部154与FOI的左边和底边邻接)。在标记指示器152边界和FOI的虚构边界之间设置0.05mm空隙，使得OOI延伸到FOI的左边界和底边界的外部的部分(由包括在FOI内但其居中于FOI的左边界和底边界附近的OOI产生)将不被标记指示器152妨碍。标记指示器152还用于提供一种方法，使得细胞学技士在需要由病理学家进一步检查时(例如，如果OOI具有恶性属性或恶变前属性)电子地标记FOI(例如，通过按下给标记指示器152电子地上色的按钮)。 
回过头来参照图2，每个检查站22包括显微镜38和电动台40。将载玻片14(图像处理后)置于电动台40上，使该电动台基于从存储器36获得的路径方案和FOI的x-y坐标的变换，相对于显微镜38的观察区域移动载玻片14。特别地，相对于成像站18的x-y坐标系获得的这些x-y坐标，将使用附加到载玻片14的基准点16(图1中所示)，转换成检查站22的x-y坐标系。因此，确保载玻片14在检查过程期间的x-y坐标与载玻片14在成像过程期间的x-y坐标相关联。然后电动台40将按照路径方案所指示的，根据FOI的变换后的x-y坐标移动。 
在所示实施例中，为了从一个FOI前进到另一个，细胞学技士按下触发开关(未示出)。在这个意义上，检查站22是半自动的。可选地，FOI自动从一个前进到下一个。在此情况下，电动台40可随意地对于每个FOI暂停预定量时间。在这个意义上，检查站22是全自动的。 
当所选FOI呈现在显微镜38的FOV中时，细胞学技士检查FOI，并做出关于细胞异常(如果有的话)的程度的判定。细胞学技士将电子地标注任何可疑的FOI。细胞学技士能够返回到以前观察过的FOI，并手动移动到(和观察)载玻片上未被FOI包围的位置。在检查载玻片14之后，如果任何FOI已被细胞学技士标记，则检查站22优选地自动扫描整个生物样品12，使得确保100％观察范围。如果需要，细胞学技士能够随意地暂停自动扫描并移动台40以重新定位和访问载玻片14上的位置。 

Claims (13)

1.一种用于呈现位于显微镜载玻片上的感兴趣域内的感兴趣对象的生物筛查系统，其中所述感兴趣域覆盖所述载玻片的一部分，所述生物筛查系统包括：
成像站，用于获得所述载玻片的扫描图像，并从所述扫描图像产生图像数据；
至少一个处理器，用于过滤所述图像数据以获得感兴趣对象，以及用于分配一个或多个感兴趣对象给每个感兴趣域；以及
自动或半自动显微镜，用于相对于每个感兴趣域来扫描视场，以呈现每个感兴趣域中的所述一个或多个感兴趣对象；
其中，所述至少一个处理器通过以下步骤分配一个或多个感兴趣对象给每个感兴趣域：
顺序地选择还没有分配给任何感兴趣域的感兴趣对象；
分配初始选择的感兴趣对象给所述感兴趣域；
确定每个后续选择的感兴趣对象是否能够与以前分配给所述感兴趣域的感兴趣对象放在一起；以及
将每个可放在一起的感兴趣对象分配给所述感兴趣域，
其中，所述至少一个处理器通过以下步骤确定每个后续选择的感兴趣对象是否能够与以前分配给所述感兴趣域的感兴趣对象放在一起：
初始限定包括所述初始选择的感兴趣对象的当前边界，其中所述边界在几何学上相似于所述感兴趣域；以及
对于每个后续选择的感兴趣对象，扩展所述当前边界以包括所述后续选择的感兴趣对象，以及如果所扩展的边界的每个维度等于或小于所述感兴趣域的相应维度，则将所述后续选择的感兴趣对象识别为可放在一起的，并设置所扩展的边界为新当前边界。
2.根据权利要求1所述的生物筛查系统，其中，所述感兴趣域具有预定维度。
3.根据权利要求1所述的生物筛查系统，其中，感兴趣域的数量是固定的。
4.根据权利要求1所述的生物筛查系统，其中，所述至少一个处理器还用于使每个感兴趣域居中于初始分配的感兴趣对象上。
5.根据权利要求1所述的生物筛查系统，其中，所述至少一个处理器还用于使每个感兴趣域居中于一组放在一起的感兴趣对象上。
6.根据权利要求1所述的生物筛查系统，其中，所述感兴趣对象是细胞。
7.根据权利要求1所述的生物筛查系统，其中，所述至少一个处理器还用于将所述感兴趣对象评级，其中所述感兴趣对象根据所述感兴趣对象的所述评级由高到低来选择，其中，所述感兴趣对象是细胞，其中，所述评级包括估算所述感兴趣对象的细胞核积分光密度或细胞核平均光密度，并根据它们的光密度值来对感兴趣对象进行评级。
8.根据权利要求7所述的生物筛查系统，其中，所述细胞根据所述细胞处于具有异常情况的风险中的可能性来评级。
9.根据权利要求8所述的生物筛查系统，其中，所述异常情况是恶性或前期癌。
10.根据权利要求1所述的生物筛查系统，其中，所述感兴趣域分成主感兴趣域和次感兴趣域，并且感兴趣对象分成主感兴趣对象和次感兴趣对象，以及所述至少一个处理器用于分配一个或多个主感兴趣对象给每个主感兴趣域，以及用于分配一个或多个次感兴趣对象给每个次感兴趣域；
其中，所述至少一个处理器：
通过以下分配一个或多个主感兴趣对象给每个主感兴趣域：
顺序地选择还没有分配给任何主感兴趣域的主感兴趣对象；
分配初始选择的主感兴趣对象给所述主感兴趣域；
确定每个后续选择的主感兴趣对象是否可与以前分配给所述主感兴趣域的主感兴趣对象放在一起；以及
基于所述确定，将每个后续选择的主感兴趣对象识别为可放在一起的主感兴趣对象；以及
分配每个可放在一起的主感兴趣对象给所述主感兴趣域；以及
通过以下步骤分配一个或多个次感兴趣对象给每个次感兴趣域：
顺序地选择还没有分配给任何次感兴趣域的次感兴趣对象；
分配初始选择的次感兴趣对象给所述次感兴趣域；
确定每个后续选择的次感兴趣对象是否可与以前分配给所述感兴趣域的次感兴趣对象放在一起；
基于所述确定，将每个后续选择的次感兴趣对象识别为可放在一起的次感兴趣对象；以及
分配每个可放在一起的次感兴趣对象给所述次感兴趣域。
11.根据权利要求10所述的生物筛查系统，其中，所述至少一个处理器还用于分配一个或多个次感兴趣对象给每个主感兴趣域；
其中，所述至少一个处理器：
通过以下步骤分配一个或多个主感兴趣对象给每个主感兴趣域：
顺序地选择还没有分配给任何主感兴趣域的主感兴趣对象；
分配初始选择的主感兴趣对象给所述主感兴趣域；
确定每个后续选择的主感兴趣对象是否可与以前分配给所述主感兴趣域的主感兴趣对象放在一起；以及
基于所述确定，将每个后续选择的主感兴趣对象识别为可放在一起的主感兴趣对象；以及
分配每个可放在一起的主感兴趣对象给所述主感兴趣域；
通过以下分配一个或多个次感兴趣对象给每个次感兴趣域：
顺序地选择还没有分配给任何次感兴趣域的次感兴趣对象；
分配初始选择的次感兴趣对象给所述次感兴趣域；
确定每个后续选择的次感兴趣对象是否可与以前分配给所述感兴趣域的次感兴趣对象放在一起；
基于所述确定，将每个后续选择的次感兴趣对象识别为可放在一起的次感兴趣对象；以及
分配每个可放在一起的次感兴趣对象给所述次感兴趣域；以及
通过以下分配一个或多个次感兴趣对象给每个主感兴趣域：
顺序地选择还没有分配给任何主或次感兴趣域的次感兴趣对象，所述次感兴趣对象是在所述主感兴趣对象之后被选择的；
确定每个后续选择的次感兴趣对象是否可与以前分配给所述主感兴趣域的主或次感兴趣对象放在一起；
基于所述确定，将每个选择的次感兴趣对象识别为次可放在一起的感兴趣对象；以及
分配每个可放在一起的次感兴趣对象给所述主感兴趣域。
12.根据权利要求10所述的生物筛查系统，其中，所述至少一个处理器还用于分配一个或多个主感兴趣对象给每个次感兴趣域；
其中，所述至少一个处理器：
通过以下分配一个或多个主感兴趣对象给每个主感兴趣域：
顺序地选择还没有分配给任何主感兴趣域的主感兴趣对象；
分配初始选择的主感兴趣对象给所述主感兴趣域；
确定每个后续选择的主感兴趣对象是否可与以前分配给所述主感兴趣域的主感兴趣对象放在一起；以及
基于所述确定，将每个后续选择的主感兴趣对象识别为可放在一起的主感兴趣对象；以及
分配每个可放在一起的主感兴趣对象给所述主感兴趣域；
通过以下分配一个或多个次感兴趣对象给每个次感兴趣域：
顺序地选择还没有分配给任何次感兴趣域的次感兴趣对象；
分配初始选择的次感兴趣对象给所述次感兴趣域；
确定每个后续选择的次感兴趣对象是否可与以前分配给所述感兴趣域的次感兴趣对象放在一起；
基于所述确定，将每个后续选择的次感兴趣对象识别为可放在一起的次感兴趣对象；以及
分配每个可放在一起的次感兴趣对象给所述次感兴趣域；以及
通过以下分配一个或多个主感兴趣对象给每个次感兴趣域：
顺序地选择还没有分配给任何主或次感兴趣域的主感兴趣对象，所述主感兴趣对象是在所述次感兴趣对象之后被选择的；
确定每个后续选择的主感兴趣对象是否可与以前分配给所述次感兴趣域的主或次感兴趣对象放在一起；
基于所述确定，将每个选择的主感兴趣对象识别为可放在一起的主感兴趣对象；以及
分配每个可放在一起的主感兴趣对象给所述次感兴趣域。
13.根据权利要求10所述的生物筛查系统，其中，所述主感兴趣对象是个体细胞，以及所述次感兴趣对象是簇细胞。
CN2004800144661A 2003-06-12 2004-06-02 用于组织感兴趣域中的多个感兴趣对象的系统 Expired - Lifetime CN1795375B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US47843103P 2003-06-12 2003-06-12
US60/478,431 2003-06-12
PCT/US2004/017414 WO2005024395A1 (en) 2003-06-12 2004-06-02 System for organizing multiple objects of interest in field of interest

Publications (2)

Publication Number Publication Date
CN1795375A CN1795375A (zh) 2006-06-28
CN1795375B true CN1795375B (zh) 2013-09-11

Family

ID=34272437

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2004800144661A Expired - Lifetime CN1795375B (zh) 2003-06-12 2004-06-02 用于组织感兴趣域中的多个感兴趣对象的系统

Country Status (11)

Country Link
US (1) US7590492B2 (zh)
EP (1) EP1631817B1 (zh)
JP (1) JP4391527B2 (zh)
KR (1) KR101106358B1 (zh)
CN (1) CN1795375B (zh)
AT (1) ATE539342T1 (zh)
AU (1) AU2004271106C1 (zh)
BR (1) BRPI0411242A (zh)
CA (1) CA2524687C (zh)
HK (1) HK1083368A1 (zh)
WO (1) WO2005024395A1 (zh)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7796815B2 (en) * 2005-06-10 2010-09-14 The Cleveland Clinic Foundation Image analysis of biological objects
US7636465B2 (en) * 2005-12-09 2009-12-22 Cytyc Corporation Cross-frame object reconstruction for image-based cytology applications
US8326014B2 (en) * 2007-09-28 2012-12-04 Cytyc Corporation Methods and systems for processing biological specimens utilizing multiple wavelengths
CN101910907B (zh) * 2007-12-27 2013-05-22 西泰克公司 用于可控地扫描细胞样本的方法和系统
WO2009085707A1 (en) * 2007-12-27 2009-07-09 Cytyc Corporation Apparatus for single-handed control of microscope functions
EP2652537B1 (de) * 2010-12-15 2021-02-03 Carl Zeiss Microscopy GmbH Automatisierte abbildung vorbestimmter bereiche in schnittserien
JP6453298B2 (ja) * 2013-03-15 2019-01-16 ホロジック, インコーポレイテッドHologic, Inc. 細胞診標本を観察および解析するためのシステムおよび方法
WO2015172025A1 (en) 2014-05-08 2015-11-12 The Cleveland Clinic Foundation Systems and methods for detection, analysis, isolation and/or harvesting of biological objects
JP6562625B2 (ja) * 2014-12-10 2019-08-21 キヤノン株式会社 スライドおよび当該スライドを用いる顕微鏡システム
TWI599793B (zh) * 2015-11-23 2017-09-21 財團法人金屬工業研究發展中心 組織玻片影像掃描系統
JP6643072B2 (ja) * 2015-12-10 2020-02-12 キヤノン株式会社 顕微鏡システムおよびその制御方法
IL251134B (en) * 2016-05-17 2018-03-29 Sheena Haim A system and method for monitoring and managing laboratory procedures
SG11201906814YA (en) 2017-03-09 2019-09-27 Hologic Inc Systems and methods for automated preparation of biological specimens
US11977215B2 (en) 2018-11-02 2024-05-07 Hologic, Inc. Digital imaging system and method
KR20220104155A (ko) 2019-11-25 2022-07-26 홀로직, 인크. 디지털 이미징 시스템 및 방법
CN112528887B (zh) * 2020-12-16 2022-10-28 蚂蚁胜信(上海)信息技术有限公司 审核方法及装置
WO2023053103A1 (en) * 2021-10-03 2023-04-06 Imageprovision Technology Private Limited Method and system for automatic scanning and focusing of uneven surfaces for identification and classification of particulates
WO2023164664A1 (en) 2022-02-28 2023-08-31 Hologic, Inc. Digital imaging system and method
CN115375674B (zh) * 2022-10-21 2023-02-03 武汉楚精灵医疗科技有限公司 胃白光瘤变图像识别方法、装置及存储介质

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4513438A (en) * 1982-04-15 1985-04-23 Coulter Electronics, Inc. Automated microscopy system and method for locating and re-locating objects in an image
US6252979B1 (en) * 1995-06-07 2001-06-26 Tripath Imaging, Inc. Interactive method and apparatus for sorting biological specimens
WO2002037158A2 (en) * 2000-11-03 2002-05-10 Cytyc Corporation Cytological imaging systems and methods
CN1403970A (zh) * 2001-09-07 2003-03-19 昆明利普机器视觉工程有限公司 基于电视信号数字图像识别的信息挖掘系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU4347900A (en) * 1999-04-14 2000-11-14 Tripath Imaging, Inc. Automatic slide classification using microscope slide preparation type

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4513438A (en) * 1982-04-15 1985-04-23 Coulter Electronics, Inc. Automated microscopy system and method for locating and re-locating objects in an image
US6252979B1 (en) * 1995-06-07 2001-06-26 Tripath Imaging, Inc. Interactive method and apparatus for sorting biological specimens
WO2002037158A2 (en) * 2000-11-03 2002-05-10 Cytyc Corporation Cytological imaging systems and methods
CN1403970A (zh) * 2001-09-07 2003-03-19 昆明利普机器视觉工程有限公司 基于电视信号数字图像识别的信息挖掘系统

Also Published As

Publication number Publication date
EP1631817B1 (en) 2011-12-28
AU2004271106A1 (en) 2005-03-17
US20040254738A1 (en) 2004-12-16
KR101106358B1 (ko) 2012-01-18
ATE539342T1 (de) 2012-01-15
US7590492B2 (en) 2009-09-15
KR20060022265A (ko) 2006-03-09
JP4391527B2 (ja) 2009-12-24
AU2004271106B2 (en) 2009-04-02
CA2524687A1 (en) 2005-03-17
CA2524687C (en) 2013-03-12
EP1631817A1 (en) 2006-03-08
HK1083368A1 (en) 2006-06-30
JP2007516429A (ja) 2007-06-21
CN1795375A (zh) 2006-06-28
WO2005024395A1 (en) 2005-03-17
BRPI0411242A (pt) 2006-07-18
AU2004271106C1 (en) 2009-10-29

Similar Documents

Publication Publication Date Title
CN1795375B (zh) 用于组织感兴趣域中的多个感兴趣对象的系统
US7636465B2 (en) Cross-frame object reconstruction for image-based cytology applications
JP2016517515A (ja) 細胞診標本を観察および解析するためのシステムおよび方法
AU2009251162B2 (en) Method for classifying slides using scatter plot distributions
US20210264595A1 (en) System and Method for Detection and Classification of Objects of Interest in Microscope Images by Supervised Machine Learning
JP4864709B2 (ja) 分散プロット分布を用いてスライドの染色品質を決定するシステム
WO2016189469A1 (en) A method for medical screening and a system therefor
Moazzen et al. Metaphase finding with deep convolutional neural networks
Krappe et al. Automated classification of bone marrow cells in microscopic images for diagnosis of leukemia: a comparison of two classification schemes with respect to the segmentation quality
CN114223016A (zh) 载玻片的扫描/预扫描质量控制
CN100588941C (zh) 使用散点图分布对载玻片进行分类的系统
US7906337B2 (en) Method of generating and using biological qualification slides to qualify biological screening devices
MXPA05013442A (en) System for organizing multiple objects of interest in field of interest
Wood A microscopy scanning system for clinical chromosome diagnostics
BRPI0411242B1 (pt) Biological exam system

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant