DE19801400C2 - Verfahren zur automatischen Erkennung, Eigenschaftsbeschreibung und Interpretation von Hep-2-Zellmustern - Google Patents

Verfahren zur automatischen Erkennung, Eigenschaftsbeschreibung und Interpretation von Hep-2-Zellmustern

Info

Publication number
DE19801400C2
DE19801400C2 DE19801400A DE19801400A DE19801400C2 DE 19801400 C2 DE19801400 C2 DE 19801400C2 DE 19801400 A DE19801400 A DE 19801400A DE 19801400 A DE19801400 A DE 19801400A DE 19801400 C2 DE19801400 C2 DE 19801400C2
Authority
DE
Germany
Prior art keywords
hep
image
cell
objects
cells
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 - Fee Related
Application number
DE19801400A
Other languages
English (en)
Other versions
DE19801400A1 (de
Inventor
Petra Perner
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.)
Individual
Original Assignee
Individual
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 Individual filed Critical Individual
Priority to DE19801400A priority Critical patent/DE19801400C2/de
Publication of DE19801400A1 publication Critical patent/DE19801400A1/de
Application granted granted Critical
Publication of DE19801400C2 publication Critical patent/DE19801400C2/de
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/155—Segmentation; Edge detection involving morphological operators
    • 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
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10064—Fluorescence image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Multimedia (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Image Processing (AREA)

Description

Die Erfindung betrifft Verfahren zur automatischen Erkennung, Eigenschaftsbeschreibung und Interpretation von Hep-2-Zell­ mustern.
Anordnungen zur automatischen Untersuchung von Zellen, Zellkom­ plexen und anderen biologischen Proben sind unter anderem in der DE OS 196 16 997 A1 (Verfahren zur automatisierten mikros­ kopunterstützten Untersuchung von Gewebeproben oder Körperflüs­ sigkeitsproben), "LEICA QWIN, Bildverarbeitungs- und Analyse­ software, Problemlösungen für die Quantitative Mikroskopie", 1997, Prospekt der Leica Vertriebs GmbH, Bensheim, DE 42 11 904 A1 (Verfahren und Vorrichtung zum Erstellen einer Arten­ liste für eine flüssige Probe) und DE 196 39 884 A1 (Muster­ erkennungssystem) aufgeführt. Aus diesen Druckschriften sind medizinische und biologische Anwendungen als Anordnungen und Verfahren von Bildverarbeitungssystemen bekannt.
In der DE 196 16 997 A1 werden über die Anwendung von Neuro­ nalen Netzen Gewebeproben oder Körperflüssigkeitsproben auf Zelltypen untersucht.
Kleinstlebewesen wie Würmer, Insekten oder Schnecken werden in der DE 42 11 904 A1 erfaßt und identifiziert. Die Identifi­ kation erfolgt über einen Vergleich mit in einem Referenzob­ jektspeicher enthaltenen Objekten. Gleichzeitig werden die identifizierten Objekte gezählt und in eine Artenliste einge­ tragen.
In der DE 196 39 884 A1 werden feste Bestandteile in einer Probenströmung nach ihrer Größe insbesondere entsprechend ihrer Projektionslänge im Bild entlang der X- und der Y-Achse, ihres Umfangs und ihrer mittleren Farbdichte erfaßt.
Die Diagnostik mittels Immunfluoreszenz nach dem Prinzip des fluoreszenzoptischen Nachweises von Autoantikörper-Bindung wird an Gefrierschnitten von Hep-2-Zellen durchgeführt. Diese Me­ thode liefert die verläßlichsten Ergebnisse und stellt eine sichere Grundlage für therapeutische Entscheidungen dar. Nachteilig ist die bisher fehlende Automatisierbarkeit, so daß ein hoher Personalaufwand verbunden mit einer gesundheitlich belastenden, zeitaufwendigen und viel Erfahrung erfordernden Auswertung notwendig ist.
Der in den Patentansprüchen 1 und 2 angegebenen Erfindung liegt das Problem zugrunde, Hep-2-Zellen von Hep-2-Zellschnitten automatisch zu erkennen und zu interpretieren.
Dieses Problem wird mit den in den Patentansprüchen 1 und 2 aufgeführten Merkmalen gelöst.
Die Verfahren dienen der automatischen Erkennung, Eigenschafts­ beschreibung und Interpretation von Hep-2-Zellschnitten. Damit sind Autoimmunerkrankungen nachweisbar. Autoimmunkrankheiten sind Krankheiten, die durch eine Reaktivität des Immunsystems gegen körpereigene Substanzen und Strukturen gekennzeichnet sind. Eine häufige Erscheinung bei Autoimmunkrankheiten ist das Auftreten von Autoantikörpern. Dabei handelt es sich um Immun­ globuline, die gegen körpereigene Strukturen gerichtet sind. Neben organspezifischen Autoantikörpern sind besonders nicht­ organspezifische mit Reaktivität gegen zelluläre Strukturen bedeutsam. Der Nachweis solcher Autoantikörper hat große diagnostische Bedeutung.
Zur Charakterisierung der Spezifität von Autoantikörpern wird untersucht, gegen welche Zielantigene sie gerichtet sind. Das ist mit mehreren Methoden möglich. Eine davon ist die Diagnos­ tik mittels Immunfluoreszenz. Diese wird an Hep-2-Zellen durch­ geführt, wobei die verläßlichsten Ergebnisse erzielt werden. Gleichzeitig stellt sie eine sichere Grundlage für therapeu­ tische Entscheidungen dar.
Eine morpholgische Filterung der geschnittenen Hep-2-Zellen nach der Bildsegmentierung in eine zweidimensionale Bildmaske mit der Belegung der Zellfläche mit "1" und des restlichen Bildes mit "0" stellt eine vorteilhafte Voraussetzung dar, um die Bilder der einzelnen Hep-2-Zellen zu erhalten. In Verbin­ dung mit einem UND-Vergleich des ursprünglich digitalisierten Bildes und der zweidimensionalen Bildmaske entstehen in vor­ teilhafter Weise die Bilder der geschnittenen Hep-2-Zellen in der ursprünglichen Farbe oder dem ursprünglichen Grauwert. Eine Markierung der Hep-2-Zelle durch den Nutzer ist nicht not­ wendig, die Verfahren ermitteln die Hep-2-Zellen selbständig. Die erfindungsgemäßen Verfahren zeichnen sich besonders durch die Automatisierbarkeit aus, wobei gleichzeitig der Personal­ aufwand sinkt. Weiterhin wird die für das Personal gesundheit­ lich belastende, zeitaufwendige und viel Erfahrung erfordernde fluoreszenzoptische Auswertung vermieden.
Vorteilhafte Ausgestaltungen der Erfindung sind in den Patent­ ansprüchen 3 bis 8 angegeben.
Eine Lerneinheit nach der Weiterbildung des Patentanspruchs 3 gestattet es, unbekannte Merkmale der Objekte durch eine Bewer­ tung des Nutzers und/oder Bedienpersonals aufzunehmen und auto­ matisch in die im Computer als Klassifikatorwissen vorhandenen, gespeicherten und bekannten Merkmalen ein- und zuzuordnen.
Eine Bildvorverarbeitung nach der Weiterbildung des Patentan­ anspruchs 4 dient der Eliminierung von Störungen. Außerdem er­ folgt eine Normierung, um die Farbe und Präparateunterschiede zwischen den Hep-2-Zellschnitten auszugleichen.
Die Weiterbildungen der Patentansprüche 5 und 6 führen zu einer Ausblendung oder Teilung sich überlappender Hep-2-Zellen des Hep-2-Zellschnitts. Ohne eine derartige Ausblendung oder Tei­ lung wäre eine Klassifizierung der Objekte der Bereiche der Hep-2-Zellen nicht gegeben. Damit wird eine Fehlerquelle bei der Beurteilung und Feststellung des Zustandes der Hep-2-Zellen und damit des Zustandes des Patienten ausgeschlossen.
Die Weiterbildungen der Patentansprüche 7 und 8 beschreiben die Merkmale, die für eine Beurteilung der Zellmuster der Hep-2- Zellen herangezogen werden. Neue Merkmale unbekannter oder un­ sicher klassifizierbarer Zellmuster werden den aufgeführten Merkmalen zugeordnet.
Ein Ausführungsbeispiel der Erfindung wird im folgenden näher beschrieben.
In diesem Ausführungsbeispiel wird ein Verfahren zur automa­ tischen Erkennung, Eigenschaftsbeschreibung und Interpretation von Hep-2-Zellmustern beschrieben.
Eine Probe in Form eines Hep-2-Zellschnitts wird mit einer körpereigenen Flüssigkeit versehen. Die Reaktion der Hep-2- Zellen auf die körpereigene Flüssigkeit stellt ein Maß für die Immunität dar. Die Probe befindet sich dabei auf einem Prä­ parateträger.
Das fluoreszenzoptische Bild des so behandelten Hep-2-Zell­ schnitts wird über eine Kamera aufgenommen und digitalisiert. Damit sind dem Bild des Hep-2-Zellschnitts äquivalente digita­ lisierte Daten vorhanden, die in einem datenverarbeitenden Computer abgelegt werden.
Mit einer Bildvorverarbeitung wird das aufgenommene Bild des Hep-2-Zellschnitts in ein Grauwertbild transformiert.
Gleichzeitig werden Störungen eliminiert. Weiterhin erfolgt in der Bildvorverarbeitung eine Normierung, um Farb- und Präpa­ rateunterschiede zwischen den Hep-2-Zellschnitten auszuglei­ chen.
Der Bildvorverarbeitung schließt sich eine Bildsegmentierung an. Dabei wird das digitalisierte Bild des Hep-2-Zellschnitts in den Hintergrund und die geschnittenen Hep-2-Zellen aufge­ teilt. Es entsteht ein Binärbild, wobei dem Hintergrund der Wert "0" und den geschnittenen Hep-2-Zellen der Wert "1" zu­ geordnet werden. Das Binärbild wird nachfolgend mit morpholo­ gischen Filtern wie Dilation und Erosion bearbeitet, in dessen Resultat für die geschnittenen Hep-2-Zellen geschlossene Flä­ chen gleicher Farbintensität entstehen. Das so bearbeitete Binärbild wird dazu benutzt, um aus dem ursprünglichen Grau­ wertbild die geschnittenen Hep-2-Zellen herauszuschneiden. Dazu werden das Grauwertbild und das Binärbild mittels einer UND- Operation miteinander verknüpft. Die herausgeschnittenen Hep-2- Zellen sind einzelne Bilder der Hep-2-Zellen.
Sich überlappende Zellen werden anschließend aussortiert. Zum Ersten erfolgt das durch eine Überprüfung der Größenver­ hältnisse. Bei Überschreiten eines Vorgabewertes der Größe wird das zusammenhängende Hep-2-Zellengebilde verworfen und aus der weiteren Betrachtung ausgeschlossen.
Zum Zweiten wird eine Bildanalyse durchgeführt, in deren Ergeb­ nis sich überlappende Hep-2-Zellen automatisch getrennt und vereinzelt werden.
Die einzelnen Bilder der Hep-2-Zellen werden anschließend in Klassenbilder überführt, indem das Grauwertbild der Hep-2-Zel­ le, der einen Wertebereich von 0 bis 255 besitzt, in 16 dis­ krete Stufen unterteilt wird. Jede der 16 diskreten Stufen repräsentiert eine Klasse. In dem daraus resultierenden Klas­ senbild werden die einzelnen Bildpunkte jeder Klasse mit Hilfe eines Objektisolierungsverfahrens als Objekt zusammengefaßt. Anschließend werden Merkmale für die Objekte der einzelnen Klassenbilder und damit einzelne Zellmuster, die die Charakteristiken der in dem jeweiligen Klassenbild sich ausprägenden Objekte beschreiben, bestimmt.
Die Merkmale sind:
  • - Objekte in der Klasse vorhanden oder nicht (Boolesches Merk­ mal),
  • - Anzahl der Objekte in einer Klasse,
  • - Fläche der Objekte,
  • - mittlere Fläche der Objekte in einer Klasse,
  • - relativ mittlere Fläche in einer Klasse,
  • - mittlerer Formfaktor für Objekte in einer Klasse nach der Beziehung f = 10 × U/A (mit f - Faktor, U - Umfang des Objekts und A - Fläche des Objekts),
  • - mittlere Konturlänge für die Objekte in einer Klasse,
  • - mittlere Abweichung der Position der Objekte bezogen auf den Schwerpunkt der Hep-2-Zelle und
  • - Texturmerkmale für das Objekt.
Das Zellmuster des Klassenbildes als Merkmal wird mit Merk­ malen, die im Computer als Klassifikatorwissen enthalten sind, verglichen. Der Vergleich wird in Form des Zellmusters und der wahrscheinlichen oder übereinstimmenden Klasse angezeigt. Das aufgenommene Bild, die ermittelten Merkmale, die bestimmte Klasse und eventuelle Bemerkungen und/oder Änderungen des Nutzers und/oder Bedienpersonals werden weiterhin in einem Speicher des Computers abgelegt. Diese Daten stehen für weitere Untersuchungen und/oder der Verbesserung der Anordnung zur Verfügung.
Unbekannte oder unsicher klassifizierte Zellmuster werden auto­ matisch erkannt und über eine Lerneinheit auf dem Datensicht­ gerät dem Nutzer und/oder Bedienpersonals angezeigt. Dieser oder diese vergeben einen Namen für dieses Zellmuster. Das neue Merkmal und der Name des Zellmusters werden über die Lernein­ heit automatisch dem Klassifikatorwissen zu- und einordnet.
Eine Aufnahmevorrichtung für das fluoreszenzoptische Bild des Hep-2-Zellschnitts kann ein Mikroskop sein, mit dem optisch eine Kamera verbunden ist, die das aufgenommene fluoreszenz­ optische Bild gleichzeitig digitalisiert. Damit steht ein in dem datenverarbeitenden Computer weiterverarbeitbares fluo­ reszenzoptisches Bild zur Verfügung.
Der Hep-2-Zellschnitt kann sich auf einem Präparateträger be­ finden. Dieser ist in einer ersten Variante fest zur Aufnahme­ optik plaziert oder wird in einer zweiten Variante manuell oder automatisch zu und im Bereich der Aufnahmeoptik des Mikroskops geführt. In der zweiten Variante befindet sich der Präparate­ träger auf einem in x- und y- Richtung verfahrbaren Positio­ niertisch. Die Bewegungen in x- und y- Richtung erfolgen mit­ tels translatorisch wirkender Antriebe. Vorteilhafterweise sind diese mit dem datenverarbeitenden Computer verbunden und werden über diesen gesteuert.

Claims (8)

1. Verfahren zur automatischen Erkennung, Eigenschafts­ beschreibung und Interpretation von Hep-2-Zellmustern mit folgenden Schritten:
  • - zweidimensionale Aufnahme und Digitalisierung des fluoreszenzoptischen Bildes des Hep-2-Zellschnitts in der Schnittebene,
  • - Bildsegmentierung, bei der eine zweidimensionale Bildmaske, wobei die Zellfläche mit "1" und das restliche Bild mit "0" belegt ist, erzeugt wird,
  • - morphologische Filterung, bei der eine geschlossene Fläche gleicher Farbintensität für die geschnittenen Hep-2-Zellen in der Bildmaske entsteht,
  • - UND-Vergleich des digitalisierten Bildes des Hep-2-Zell­ schnitts und der Bildmaske, über den Bilder der Hep-2-Zellen so entstehen, dass die Bilder der geschnittenen Hep-2-Zellen die ursprüngliche Farbe und der Hintergrund den Wert "0" enthalten,
  • - Einteilung eines jeden Bildes der geschnittenen Hep-2-Zelle entsprechend der Farbe in eine Anzahl diskreter Klassenbilder,
  • - Isolierung einzelner Objekte der sich in den Klassenbildern ausprägenden Bildpunkte,
  • - Bestimmen von Merkmalen für die sich in den Klassenbildern ausprägenden Objekte,
  • - Vergleichen der Merkmale der Objekte mit gespeicherten und bekannten als Klassifikatorwissen abgelegten Merkmalen und
  • - Anzeigen und/oder Speichern des Zellmusters und der zugeordneten Klasse des Zellmusters.
2. Verfahren zur automatischen Erkennung, Eigenschafts­ beschreibung und Interpretation von Hep-2-Zellmustern mit folgenden Schritten:
  • - zweidimensionale Aufnahme und Digitalisierung des fluoreszenzoptischen Bildes des Hep-2-Zellschnitts in der Schnittebene,
  • - Wandlung des digitalisierten Bildes des Hep-2-Zellschnitts in ein Grauwertbild,
  • - Bildsegmentierung, bei der nach der Wandlung des digitalisierten Bildes des Hep-2-Zellschnitts eine zweidimensionale Bildmaske, wobei die Zellfläche mit "1" und das restliche Bild mit "0" belegt ist, erzeugt wird,
  • - morphologische Filterung, bei der eine geschlossene Fläche gleicher Farbintensität für die geschnittenen Hep-2-Zellen in der Bildmaske entsteht,
  • - UND-Vergleich des digitalisierten Bildes des Hep-2-Zell­ schnitts und der Bildmaske, über den Bilder der Hep-2-Zellen so entstehen, daß die Bilder der geschnittenen Hep-2-Zellen den ursprünglichen Grauwert und der Hintergrund den Wert "0" enthalten,
  • - Einteilung eines jeden Bildes der geschnittenen Hep-2-Zelle entsprechend des Grauwertbildes in eine Anzahl diskreter Klassenbilder,
  • - Isolierung einzelner Objekte der sich in den Klassenbildern ausprägenden Bildpunkte,
  • - Bestimmen von Merkmalen für die sich in den Klassenbildern ausprägenden Objekte,
  • - Vergleichen der Merkmale der Objekte mit gespeicherten und bekannten als Klassifikatorwissen abgelegten Merkmalen und
  • - Anzeigen und/oder Speichern des Zellmusters und der zugeordneten Klassen des Zellmusters.
3. Verfahren nach einem der Patentansprüche 1 oder 2, dadurch gekennzeichnet, daß ein unbekanntes oder unsicher klassifi­ ziertes Zellmuster automatisch erkannt, daß das Zellmuster auf dem Datensichtgerät angezeigt, daß durch den Nutzer und/oder das Bedienpersonal der Name des Zellmusters festgelegt und daß die Merkmale und der Name über eine Lerneinheit automatisch dem Klassifikatorwissen zu- und eingeordnet wird.
4. Verfahren nach einem der Patentansprüche 1 oder 2, dadurch gekennzeichnet, daß das Bild des Hep-2-Zellschnitts nach der Digitalisierung in einer Bildvorverarbeitung von Störungen befreit und normiert wird.
5. Verfahren nach einem der Patentansprüche 1 oder 2, dadurch gekennzeichnet, daß über vorgegebene Größenverhältnisse sich überlappende und geschnittene Hep-2-Zellen des digitalisierten Farbbildes oder des Grauwertbildes ausgeblendet werden.
6. Verfahren nach einem der Patentansprüche 1 oder 2, dadurch gekennzeichnet, daß über eine Bildanalyse sich überlappende und geschnittene Hep-2-Zellen des digitalisierten Bildes oder des Grauwertbildes getrennt werden.
7. Verfahren nach einem der Patentansprüche 1 oder 2, dadurch gekennzeichnet, daß wenigstens eines der Merkmale
  • - Objekt im Klassenbild vorhanden oder nicht,
  • - Anzahl der Objekte,
  • - Fläche der Objekte,
  • - mittlere Fläche der Objekte je Bereich,
  • - relativ mittlere Fläche der Objekte je Bereich,
  • - mittlerer Formfaktor,
  • - mittlere Konturlänge,
  • - mittlere Abweichung der Position der Objekte bezogen auf den Schwerpunkt der Hep-2-Zelle und
  • - Textur
dem Zellmuster zugeordnet wird.
8. Verfahren nach Patentanspruch 6, dadurch gekennzeichnet, daß der Formfaktor sich nach der Beziehung f = 10 × U/A (f - Faktor; U - Umfang des Objekts und A - Fläche des Objekts) bestimmt.
DE19801400A 1998-01-16 1998-01-16 Verfahren zur automatischen Erkennung, Eigenschaftsbeschreibung und Interpretation von Hep-2-Zellmustern Expired - Fee Related DE19801400C2 (de)

Priority Applications (1)

Application Number Priority Date Filing Date Title
DE19801400A DE19801400C2 (de) 1998-01-16 1998-01-16 Verfahren zur automatischen Erkennung, Eigenschaftsbeschreibung und Interpretation von Hep-2-Zellmustern

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE19801400A DE19801400C2 (de) 1998-01-16 1998-01-16 Verfahren zur automatischen Erkennung, Eigenschaftsbeschreibung und Interpretation von Hep-2-Zellmustern

Publications (2)

Publication Number Publication Date
DE19801400A1 DE19801400A1 (de) 1999-07-29
DE19801400C2 true DE19801400C2 (de) 2001-10-18

Family

ID=7854763

Family Applications (1)

Application Number Title Priority Date Filing Date
DE19801400A Expired - Fee Related DE19801400C2 (de) 1998-01-16 1998-01-16 Verfahren zur automatischen Erkennung, Eigenschaftsbeschreibung und Interpretation von Hep-2-Zellmustern

Country Status (1)

Country Link
DE (1) DE19801400C2 (de)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE202009011850U1 (de) 2009-08-28 2011-01-05 Perner, Petra, Dr.-Ing. Einrichtung zur automatischen Erfassung der dynamischen Prozesse von Zellen von Zellproben
DE102010035908A1 (de) 2009-08-28 2011-03-10 Perner, Petra, Dr.-Ing. Einrichtung und Verfahren zur automatischen Erfassung der dynamischen Prozesse von Zellen von Zellproben

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1267305B1 (de) * 2000-03-23 2006-03-15 Japan Science and Technology Agency Zellenreihen-extraktionsverfahren
JP3889361B2 (ja) * 2000-12-01 2007-03-07 独立行政法人科学技術振興機構 核領域認識法および細胞系譜作成法
GB2397423B (en) * 2001-09-17 2005-06-01 Ca Minister Agriculture & Food A method and apparatus for identifying and quantifying characteristics of seeds and other small objects
US7895141B2 (en) 2004-04-08 2011-02-22 Petra Perner Methods for case-based recognition of HEp-2 cells in digital images of HEp-2 cell sections
DE102006027516B4 (de) * 2006-06-09 2021-10-07 Euroimmun Medizinische Labordiagnostika Ag Verfahren zur Optimierung der automatischen Fluoreszenzmustererkennung in der Immundiagnostik
US20100267168A1 (en) * 2007-11-13 2010-10-21 Medipan Gmbh Method for end titre determination and the evaluation thereof by means of an indirect immunoflurescence assay
US9672629B2 (en) 2013-12-04 2017-06-06 Koninklijke Philips N.V. Fluorescence image processing apparatus and method
US11822067B2 (en) 2019-06-27 2023-11-21 Medipan Gmbh XYZ microscope stage with a vertically translatable carriage

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4211904A1 (de) * 1991-04-09 1992-11-19 Werner Maier Verfahren und vorrichtung zum erstellen einer artenliste fuer eine fluessige probe
DE19639884A1 (de) * 1995-09-27 1997-04-03 Hitachi Ltd Mustererkennungssystem
DE19616997A1 (de) * 1996-04-27 1997-10-30 Boehringer Mannheim Gmbh Verfahren zur automatisierten mikroskopunterstützten Untersuchung von Gewebeproben oder Körperflüssigkeitsproben

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE4211904A1 (de) * 1991-04-09 1992-11-19 Werner Maier Verfahren und vorrichtung zum erstellen einer artenliste fuer eine fluessige probe
DE19639884A1 (de) * 1995-09-27 1997-04-03 Hitachi Ltd Mustererkennungssystem
DE19616997A1 (de) * 1996-04-27 1997-10-30 Boehringer Mannheim Gmbh Verfahren zur automatisierten mikroskopunterstützten Untersuchung von Gewebeproben oder Körperflüssigkeitsproben

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"LEICA QWin", Bildverarbeitungs- und Analysesoftware, Problemlösungen für die Quantitative Mikroskopie", 1997, Prospekt der Leica Vertriebs GmbH, Bensheim *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE202009011850U1 (de) 2009-08-28 2011-01-05 Perner, Petra, Dr.-Ing. Einrichtung zur automatischen Erfassung der dynamischen Prozesse von Zellen von Zellproben
DE102010035908A1 (de) 2009-08-28 2011-03-10 Perner, Petra, Dr.-Ing. Einrichtung und Verfahren zur automatischen Erfassung der dynamischen Prozesse von Zellen von Zellproben

Also Published As

Publication number Publication date
DE19801400A1 (de) 1999-07-29

Similar Documents

Publication Publication Date Title
DE19747415C2 (de) Verfahren zur Unterstützung eines Betrachters bei der Durchmusterung einer Probe und zytologisches Probenanalysiersystem
DE69629292T2 (de) Verfahren zum feststellen der preparationsgüte von objektträgern und proben
DE69126839T2 (de) Automatisches zellenklassifikationssystem und verfahren
EP1181525B1 (de) Verfahren zur automatischen analyse von mikroskopaufnahmen
DE60226043T2 (de) Verfahren für quantitative video-mikroskopie und vorrichtung und programm zur durchführung des verfahrens
DE102008059788B4 (de) Analyse und Klassifizierung insbesondere biologischer oder biochemischer Objekte auf Basis von Zeitreihen-Bildern, anwendbar bei der zytometrischen Time-Lapse-Zellanalyse in der bildbasierten Zytometrie
WO1997041416A1 (de) Verfahren zur automatisierten mikroskopunterstützten untersuchung von gewebeproben oder körperflüssigkeitsproben
EP2656277B1 (de) Vorrichtung und verfahren zur bestimmung von objekten in einer farbaufnahme
DE4211904C2 (de) Automatisches Verfahren zum Erstellen einer Liste unterschiedlicher Arten für eine flüssige Probe
DE3313789A1 (de) Selbsttaetige mikroskopische untersuchungseinrichtung und verfahren zur ermittlung und wiederfindung von objekten in einem bild
DE69532276T2 (de) Automatisiertes cytologisches probenklassifizierungsverfahren
DE19801400C2 (de) Verfahren zur automatischen Erkennung, Eigenschaftsbeschreibung und Interpretation von Hep-2-Zellmustern
DE2903625C2 (de)
DE3921257A1 (de) Verfahren und vorrichtung zur digitalen analyse von auf stratigraphische daten bezogenen abbildungen
DE112007001907T5 (de) Verfahren für die Zellanalyse
WO2017158560A1 (de) Verfahren zur untersuchung verteilter objekte unter segmentierung eines übersichtbildes
EP2440920B1 (de) Lokalisierung eines validen bereiches eines blutausstriches
DE10347123B4 (de) Verfahren zur automatischen Bestimmung auf einem Träger gesammelter luftgetragener Partikel insbesondere Pilzsporen
DE102005022156A1 (de) Verfahren und Vorrichtung zum Einstufen von Pixeln in medizinischer Bildgebung
DE69831573T2 (de) Inspektionssystem mit probenvorschau
DE19637741B4 (de) Automatisches Zytologisches Probenanalysesystem unter Verwendung von individualisierten Patientendaten
DE102022206025A1 (de) Populationsklassifikation mittels Punktwolken-Merkmalen
DE10221124A1 (de) Verfahren und Vorrichtung zur automatischen Auszählung und Klassifizierung von tierischen Schädlingen
DE102010035908A1 (de) Einrichtung und Verfahren zur automatischen Erfassung der dynamischen Prozesse von Zellen von Zellproben
DE4244708C2 (de) Verfahren und Vorrichtung zum Erstellen einer Artenliste für eine flüssige Probe

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
D2 Grant after examination
8364 No opposition during term of opposition
R082 Change of representative
R119 Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee