ES2298791T3 - Procedimiento para adquisicion de formas a partir de celulas hep-2 y de reconocimiento por casos de celulas hep-2. - Google Patents
Procedimiento para adquisicion de formas a partir de celulas hep-2 y de reconocimiento por casos de celulas hep-2. Download PDFInfo
- Publication number
- ES2298791T3 ES2298791T3 ES04762675T ES04762675T ES2298791T3 ES 2298791 T3 ES2298791 T3 ES 2298791T3 ES 04762675 T ES04762675 T ES 04762675T ES 04762675 T ES04762675 T ES 04762675T ES 2298791 T3 ES2298791 T3 ES 2298791T3
- Authority
- ES
- Spain
- Prior art keywords
- case
- image
- similarity
- images
- objects
- 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.)
- Active
Links
Classifications
-
- 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
Abstract
Proceso para la adquisición de formas obtenidas de imágenes que reproducen secciones celulares Hep2 como objetos, y para el aprendizaje de modelos de forma abstractos obtenidos de imágenes de secciones celulares Hep2, los que se utiliza para una base de datos comparativa destinada al reconocimiento puntual (caso por caso) de células Hep2 reproducidas en imágenes digitales, donde se puede asignar, a través de la exploración manual de los bordes de esas imágenes que a su vez quedan representadas en forma de contornos exteriores y/o interiores visibles de células Hep2, datos concretos a los bordes explorados y, por consiguiente, a las células Hep2 allí reproducidas como objetos, utilizando para ello una unidad de entrada manejada a mano y conectada a un ordenador, caracterizándose este proceso por la eliminación del desplazamiento de cado objeto, de tal modo que cada objeto será desplazado al punto de origen de un sistema de coordenadas, que cada objeto será clasificado por escalonamiento y en función de los datos asignados en este sistema de coordenadas, que al menos dos objetos serán comparados y alineados el uno con el otro, efectuándose al mismo tiempo una clasificación por escalonamiento y/o una rotación de dichos objetos, siendo determinadas las cotas de similitud como valores de distancia o de valores de similitud entre los objetos, hasta que se alcance sea un mínimo de valores de distancia, sea un máximo de valores de similitud, que en base de estos valores de distancia o de similitud serán obtenidos cantidades de objetos similares que a continuación serán clasificados, de modo jerárquico, en un dendrograma, y que este dendrograma se dividirá, en función de valores de distancia o de similitud prefijados, en varios grupos, y que será seleccionado, dentro de cada uno de esos grupos, un prototipo que a su vez consiste sea en una forma cortada en medias obtenida de las formas individuales del grupo, sea en la mediana obtenida del grupo de las formas individuales.
Description
Procedimiento para adquisición de formas a
partir de células Hep2 y de reconocimiento por casos de células
Hep2.
Proceso para la adquisición de formas obtenidas
de secciones celulares Hep2 y para reconocimiento puntual (caso por
caso) de células Hep2.
La presente invención se refiere a procesos para
la adquisición de formas obtenidas de imágenes que reproducen
secciones celulares Hep2 como objetos, y para el aprendizaje de
modelos de forma abstractos obtenidos de imágenes de secciones
celulares Hep2, los que se utiliza para una base de datos
comparativa destinada al reconocimiento puntual (caso por caso) de
células Hep2 reproducidas en imágenes digitales; a procesos para la
adquisición de formas obtenidas de imágenes que reproducen, en
forma de objetos, secciones celulares Hep2, y para la identificación
puntual (caso por caso) de células Hep2 reproducidas como objetos
en imágenes digitales; a programas informáticos contando con un
código de programa y productos de software instalados en soportes
procesables por máquina que permiten la realización de dichos
procesos.
Respecto de configuraciones destinadas al examen
automático de células, complejos celulares u otras muestras
biológicas, ya se conoce las patentes DE 196 16 997 A1 (proceso para
el examen automático e asistido por microscopio de muestras de
tejido o de líquidos orgánicos), la DE 42 11 904 A1 (proceso y
dispositivo para la elaboración de una lista de tipos para una
muestra líquida) y la DE 196 39 884 A1 (sistema de identificación de
muestras).
La DE 196 16 997 A1 se dedica, mediante la
aplicación de redes neuronales, a la detección de los diferentes
tipos de células en muestras de tejido o de líquidos orgánicas.
Por su parte, la DE 42 11 904 A1 permite
detectar e identificar hasta las más pequeños animales, tales como
gusanos, insectos o caracoles, siendo realizada dicha identificación
mediante una comparación con objetos almacenados en una memoria de
referencia. Al mismo tiempo, los objetos identificados vienen ser
contados e inscritos en una lista de tipos.
A su vez, la DE 196 39 884 A1 posibilita
detectar materias sólidas dentro de una corriente de muestras y
clasificarlas de acuerdo a su tamaño, sobre todo en función de su
longitud proyectada a lo largo de los ejes X e Y de la imagen, su
perímetro y su densidad de color media.
El diagnóstico por
inmuno-fluorescencia se basa en la visualización
por fluorescencia de enlaces de auto-anticuerpos en
secciones congeladas de células Hep2. Ese método permite obtener los
resultados más fiables, por lo que constituye una sólida base para
las decisiones vinculados con los diagnósticos terapéuticos.
Su desventaja actual consiste en que todavía no
está automatizado, lo que requiere, además de la gran cantidad de
personal y el tiempo que se necesitan para el análisis y la
evaluación de los datos recogidos, mucha experiencia profesional
por parte de las personas encargadas de dichos trabajos, los que
incluso pueden ser susceptibles de dañar a la salud de éstas.
Un procedimiento automático lo constituye la DE
198 01 400 C2 (proceso y dispositivo para la identificación
automática, descripción de propiedades e interpretación de muestras
de células Hep2), pero con la restricción de que en las imágenes
sólo pueden ser identificadas las formas, lo que no permite sacar
conclusiones automatizadas para demás casos.
De PERNER P: "Image mining: issues, framework,
a general tool and its application to medical-image
diagnosis" ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE,
ELSEVIER UK, tomo 15, Nº 2, de abril de 2002
(2002-04), páginas 205-216, se
conoce un proceso para la adquisición de formas obtenidas de
imágenes que reproducen secciones celulares Hep2 como objetos y
para el aprendizaje de un árbol de decisión necesario para una base
de datos comparativa que permite la identificación puntual (caso
por caso) de células Hep2 en imágenes digitales. Dicho proceso
posibilita visualizar, en forma de objetos y mediante la exploración
manual de los bordes de una imagen mediante una unidad de entrada
manejada a mano y conectada a un ordenador, contornos exteriores y/o
interiores visibles de células Hep2 que pueden ser atribuidos, en
forma de datos, a cada una de las imágenes exploradas. Los datos
así obtenidos sirven de base para un árbol de decisión, el cual se
obtiene mediante la repartición recursiva de las zonas que
presenten las mismas características.
Existe además un método de GDALYAHU Y ET
AL: "Flexible Syntactic Matching of Curves and Its Application
to Automatic Hierarchical Classification of Silhouettes" IEEE
TRANSACTIONS ON PATTERN ANALYSIS AND MACHINE INTELLIGENCE; IEEE
INC. NEW YORK, US, tomo 21, Nº 12, de diciembre de 1999
(1999-12), páginas 1312-1328, el
cual que permite clasificar formas en función de su similitud o la
distancia entre ellas y representarlas en un dendrograma en forma
de grupos de todo tipo de vectores de caracterización, al igual que,
durante la comparación de las formas, se aplica el principio de
rotación.
Y gracias a la EP 0 665 507 A1 (Position and
orientation estimation: neural network system and method), ya se
conoce una comparación de muestras efectuada por rotación
repetida.
La patente referida en las reivindicaciones 1,
4, 17 y 18 permite tanto la adquisición de modelos de forma
obtenidos de imágenes que reproducen secciones celulares Hep2, los
que serán utilizados en una base de datos comparativa, como la
determinación automática, mediante su comparación con casos, de
objetos reproducidos en imágenes digitales.
Esta tarea queda solucionada por las
características especificadas en las reivindicaciones 1, 4, 17 y
18.
Los procesos para la adquisición de formas
obtenidas de imágenes que reproducen secciones celulares Hep2 como
objetos, y para el aprendizaje de modelos de forma abstractos
obtenidos de imágenes de secciones celulares Hep2, los que se
utiliza para una base de datos comparativa destinada al
reconocimiento puntual (caso por caso) de células Hep2 reproducidas
en imágenes digitales, se destacan ante todo porque permiten obtener
objetos, en forma de objetos reproducidos en imágenes y de modo
semiautomática, formas individuales de secciones celulares Hep2, al
igual que posibilitan obtener de esas formas individuales, de modo
automático, modelos de forma abstractos situados en distintos
niveles de abstracción. Los modelos de forma abstractos así
aprendidos representan o formas cortadas en medias y obtenidas de
grupos de objetos, o medianas reproducidas como formas individuales
procedentes de grupos de células Hep2, siendo la mediana aquel
objeto que esté situado más cerca de todos los demás objetos. Por
tanto la mediana constituye la forma natural de una célula Hep2,
mientras que la forma cortada en medias representa un objeto
artificial que en realidad no existe.
La ventaja particular de ese método consiste en
que la adquisición del contorno o de la forma se efectúa de modo
digital, lo que permite archivar los datos así obtenidos en un
fichero. A continuación, esos datos sirven para realizar
determinadas operaciones, tal como el cálculo de las cotas de
similitud y la descripción de ésta.
Por tanto esos procedimientos son apropiados
para crear bases de datos comparativas que comprenden modelos de
forma obtenidos de células Hep2. Su ventaja es que posibilitan
formar automáticamente grupos de formas procedentes de células
Hep2, al igual que permiten determinar y representar, de modo
jerárquico, las similitudes entre ellas. Además, dichos grupos
sirven para crear una mayor cantidad de modelos en distintos niveles
de abstracción.
Lo posibilitan imágenes digitales que reproducen
secciones celulares Hep2 cuyo contorno y/o textura presentan
aspectos distintos. Mediante la exploración manual de los bordes de
una imagen que, ellos, forman contornos y/o texturas, utilizando
para ello una unidad de entrada manejada a mano y conectada a un
ordenador, se puede adquirir esos bordes y, por consiguiente, las
células Hep2 allí reproducidas, en forma de objetos que pueden ser
atribuidos a datos. A su vez, dichos datos permiten obtener modelos
de forma que sirven para adquirir determinados conocimientos sobre
los objetos, lo que ofrece la ventaja de poder ampliar la base de
datos comparativa.
Tal ampliación incluye la comparación de al
menos dos células Hep2 mediante su alineación directa, siendo
efectuada además una clasificación por escalamiento y/o una
rotación.
De preferencia, el cálculo de la similitud se
efectúa al mismo tiempo, siendo determinadas las cotas de similitud
como valores de distancia o de similitud entre los objetos, hasta
que se obtenga sea un mínimo de los valores de distancia, sea un
máximo de los valores de similitud.
Es posible aprender grupos con modelos de forma
similares procedentes de células Hep2, pero también unir los grupos
similares procedentes de células Hep2. Ambos casos permiten
determinar relaciones de similitud mediante la comparación de
dichos grupos.
Otra ventaja de ese procedimiento consiste en
que su aplicación permite asignar a la base de datos comparativa,
de modo constante y en forma de objetos reproducidos en imágenes
digitales, cada vez nuevos modelos de forma procedentes de células
Hep2 y obtenidos de secciones celulares Hep2, lo que de hecho
corresponde a una ampliación de la base de datos comparativa.
Por tanto, es posible generar una base de datos
comparativa para la identificación, descripción de propiedades e
interpretación automáticas de células Hep2 dentro de secciones
celulares Hep2, lo que a su vez sirve par comprobar enfermedades
autoinmunes. Allí se trata de enfermedades que se caracterizan por
una reactividad del sistema inmunitario en relación con sustancias
y estructuras orgánicas. Un fenómeno frecuente y típico de las
enfermedades autoinmunes es la aparición de
auto-anticuerpos. Se trata de inmunoglobulinas que
obran contra las estructuras orgánicas del cuerpo. Además de los
auto-anticuerpos cuya acción contrarresta las
estructuras orgánicas, ha de destacarse la importancia de
auto-anticuerpos cuya reactividad afecta las
estructuras celulares. Por eso le incumbe un gran significado
diagnóstico a la comprobación de ese tipo de
auto-anticuerpos.
Para poder caracterizar la especificidad de los
auto-anticuerpos, su examen se dedica a determinar
los antígenos destinatorios afectados por ellos. Existen varios
métodos. Uno de ellos lo constituye el diagnóstico obtenido por
inmunofluorescencia, el cual se efectúa en células Hep2 y que
permite conseguir los resultados más fiables. Sirve además de base
sólida para tomar todo tipo de decisiones terapéuticas.
La base de datos comparativa para la
identificación, descripción de propiedades e interpretación
automáticas de células Hep2 dentro de secciones celulares Hep2 es
también utilizada para comprobar enfermedades autoinmunes. Estas
últimas son enfermedades que se caracterizan por une reactividad del
sistema inmunitario con respecto a sustancias y estructuras
orgánicas. Se trata de inmunoglobulinas que obran contra las
estructuras orgánicas del cuerpo. Además de los
auto-anticuerpos cuya acción contrarresta las
estructuras orgánicas, ha de destacarse la importancia de
auto-anticuerpos cuya reactividad afecta las
estructuras celulares. Por eso le incumbe un gran significado
diagnóstico a la comprobación de ese tipo de
auto-anticuerpos.
Para poder caracterizar la especificidad de los
auto-anticuerpos, su examen se dedica a determinar
los antígenos destinatarios afectados por ellos. Existen varios
métodos. Uno de ellos lo constituye el diagnóstico obtenido por
inmunofluorescencia, el cual se efectúa en células Hep2 y que
permite conseguir los resultados más fiables. Sirve además de base
sólida para tomar todo tipo de decisiones terapéuticas.
Por tanto, las bases de datos comparativas
constituyen la base de la identificación puntual (caso por caso) y
la determinación automáticas, en forma de objetos reproducidos en
imágenes digitales, de células Hep2 dentro de secciones celulares
Hep2.
Entonces, la imagen del caso seleccionado y la
imagen de gradientes de la imagen digital contando con objetos
vienen ser convertidas en pirámides de varios planes focales. A
continuación, los planes focales están comparados entre ellos,
empezando con los que están situados en lo más alto. Resulta que los
planes focales situados más arriba son a la vez los más
desenfocados que cuentan con la menor cantidad de datos, de tal modo
que la comparación entre ellos requiere el menor volumen de
cálculos. Asimismo, la imagen del caso seleccionado viene ser
comparada sucesivamente con cada objeto de la imagen digital.
Durante la comparación entre los objetos de cada imagen y la imagen
del caso se efectúa una alineación y una clasificación por
escalonamiento y/o una rotación de la imagen del caso, siendo
calculada al mismo tiempo la similitud entre ellos.
La ventaja particular de dicho procedimiento
consiste en la adquisición digital del contorno o de la forma y en
la posibilidad de archivar los datos obtenidos en un fichero. A
continuación, esos datos permiten realizar varias operaciones,
tales como el cálculo de las cotas de similitud y/o la determinación
de la misma similitud como grado de concordancia entre la imagen
del caso y la del objeto. Dicho grado de concordancia va
reduciéndose en función de la cota de similitud descendiente, es
decir que la similitud de la imagen del objeto con la de la imagen
del caso va disminuyendo cada vez más.
De preferencia, los procesos de la presente
invención son disponibles para los usuarios en forma de un programa
informático, el cual cuenta con un código de programa que permite
ejecutar dichos procesos, así como en forma de productos de
software instalados en soportes procesables por máquina, los que
también permiten ejecutar esos procesos.
Las reivindicaciones 2, 3 y de 5 a 16 se
refieren a unas configuraciones ventajosas de la presente
invención.
La evolución de la reivindicación 2 ofrece la
ventaja de que los valores de distancia o de similitud van creando
una matriz de distancia o de similitud.
Por su parte, la evolución de la reivindicación
3 permite representar los valores de distancia o de similitud,
mediante el método "single-linkage" y de modo
jerárquico, en un dendrograma.
La evolución de la reivindicación 5 asegura la
comparación de al menos dos casos respectivos, los cuales serán
alineados el uno con el otro, al igual que se efectúa su
clasificación por escalonamiento y/o su rotación. Esto ofrece la
ventaja de que el cálculo de la similitud está realizado al mismo
tiempo, siendo determinados los valores de distancia o de similitud
como valores de distancia o de similitud, hasta que se obtenga sea
un mínimo de valores de distancia, sea un máximo de valores de
similitud.
Gracias a la evolución de la reivindicación 6,
la escala de similitud del dendrograma viene ser cortada
automáticamente y al menos una vez, de acuerdo con valores umbrales
prefijados o específicos del usuario, lo que conlleva la formación
de grupos. Tras asignar a estos grupos las formas individuales
correspondientes, se selecciona un prototipo en cada grupo, el cual
consiste o en una forma cortada en medias obtenida de las formas
individuales, o en la mediana obtenida del grupo de las formas
individuales. Eso permite un control visual de los diferentes
grupos y/o objetos. La forma cortada en medias o la mediana del
grupo serán visualizadas en la pantalla de la unidad de
visualización, mientras que sus puntos de contorno serán guardados
en forma de cantidad de datos en el ordenador.
La evolución de la reivindicación 7 tiene el
efecto positivo de que conlleva una reducción de los datos
adquiridos durante la exploración manual de los bordes y, por
consiguiente, de los puntos que constituyen los contornos
exteriores y/o interiores visibles, siendo obtenida la menor
cantidad de datos por su interpolación con un polinomio.
Gracias a la evolución de la reivindicación 8,
los casos asignados a los bordes explorados vienen ser transformados
de tal modo que el centro de cada caso corresponde al punto de
origen de coordenadas 0, 0. Asimismo, los casos serán alineados
dentro de un sistema de coordenadas, lo que facilita su comparación
destinada a determinar sus similitudes.
El cálculo de las similitudes se basa en la
determinación de cotas de similitud, comparando cada vez al menos
un caso con un objeto. Durante dicha operación, los casos están
alineados con los objetos, efectuándose al mismo tiempo su
clasificación por escalonamiento y/o su rotación, al igual que se
efectúa el cálculo de la similitud que a su vez será determinada
como valores de distancia o valores de similitud entre el caso y el
objeto. Según la evolución de la reivindicación 9, este cálculo dura
hasta que se obtenga sea un mínimo de valores de distancia, sea un
máximo de valores de similitud.
La evolución de la reivindicación 10 tiene la
ventaja de que, mediante una detección de bordes de los objetos de
cada imagen digital, se produce una imagen de gradientes, siendo
asignados dichos gradientes a los cambios importantes del tono
acromático, tanto en dirección vertical como horizontal, mientras
que ningún gradiente será asignado a las superficies homogéneas, ya
que las superficies homogéneas son de color negro. El resultado lo
constituye una imagen cuyos objetos presentan bordes blancos,
mientras que las superficies limitadas por los bordes de los
objetos y las superficies contiguas a los bordes de los objetos son
negras. En consecuencia, la cantidad de datos de la imagen digital
queda bastante inferior a la de una imagen digital que contiene
tonos acromáticos. Significa además una reducción considerable del
tiempo necesario para la comparación, la cual se obtiene por el
cálculo de la similitud efectuado mediante la determinación de las
cotas de similitud, de cada objeto con un caso seleccionado.
Asimismo, los objetos superpuestos e incluso parcialmente solapados
de una imagen digital pueden ser determinados con más facilidad, al
compararlos con un caso seleccionado.
Según la evolución de la reivindicación 11,
tanto la imagen del caso como la del objeto forman una imagen de
gradientes, la cual será convertida en una cadencia piramidal de
imágenes con varios planos focales, siendo sucesivamente
comparados, mediante la formación de productos, los vectores de
dirección pertenecientes a los planos focales con cada caso y con
cada objeto. El principio piramidal también aporta a disminuir
considerablemente el volumen de las operaciones de cálculo. Cada
uno de los planos focales reproducidos en cada pirámide vienen ser
representados con una trama que aparece dos veces más gruesa que la
normal, tomando en cuenta sólo cada segundo punto de una línea y
sólo cada segunda línea, los que serán ensamblados en forma de
planos focales de una nueva imagen. Por su parte, el teorema de
muestreo utilizado para dicha operación, asegura que la trama
inicial más fina podrá ser exactamente reconstruida desde la trama
más gruesa. De preferencia, la comparación entre el caso y el
objeto empieza con la trama más gruesa de los planes focales
situados en lo más alto de cada imagen. En función del resultado
obtenido durante la comparación de la similitud, se procede después
a comparar sucesivamente los planes focales con cada trama más fina.
Esta operación puede ser interrumpida en cualquier momento, por lo
que se obtiene una reducción considerable del tiempo necesario para
los cálculos respectivos.
La evolución de la reivindicación 12 permite una
clasificación ventajosa de casos individuales en un dendrograma
donde los casos individuales vienen ser jerárquicamente clasificados
por grupos. La imagen del caso constituye un prototipo de un grupo
de casos individuales, consistiendo dichos grupos en cantidades de
casos individuales similares con determinados valores de distancia
o de similitud. A su vez, el caso más similar va determinando la
rama del dendrograma que comprende los casos similares, los que a su
vez sirven para definir el objeto. El prototipo puede ser tanto una
forma cortada en medias obtenida de las formas individuales, como la
mediana del grupo procedente de las formas individuales. La mediana
es aquel caso que tenga la menor distancia de todos los demás
casos. Por tanto la mediana constituye la forma natural de una
célula Hep2, mientras que la forma cortada en medias representa un
objeto artificial que en realidad no existe. No obstante, la imagen
del caso también puede representar una imagen individual del
objeto.
Mediante la determinación del vector de
dirección entre dos puntos o entre los puntos contiguos de los
bordes de la imagen del caso o la del objeto, tal como lo
posibilita la evolución de la reivindicación 13, la dirección del
borde viene ser determinada como punto de orientación local, de tal
modo que los componentes de dirección de ese punto de orientación
local y las características respecto a la altitud y la pendiente del
borde también forman parte de la descripción del mismo. Eso ofrece
la ventaja de poder incluir en el cálculo de similitud hasta el
entorno de la compleja estructura ya existente de la información de
la imagen. Durante el cálculo de la similitud, las cotas de
similitud vienen ser determinadas tanto como vectores de dirección,
como en forma de valores de distancia o de similitud entre las
imágenes de cada caso y cada objeto. Dicho cálculo de la similitud
permite tomar en cuenta mayores cantidades de información
suministrada por la imagen digital.
La evolución de la reivindicación 14 comprende
un índice que sirve para clasificar los prototipos o los casos en
función de sus relaciones de similitud memorizadas en la base de
datos comparativa. Dicho índice es un registro que contiene los
prototipos y/o los casos individuales o agrupados, lo que permite
localizar rápidamente, dentro de una determinada cantidad de
prototipos y/o de casos, el prototipo o el caso más similar al
objeto de la imagen.
De preferencia, el cálculo de la similitud se
efectúa mediante la fórmula especificada en la evolución de la
reivindicación 15.
Finalmente, la evolución de la reivindicación 16
ofrece la ventaja de que se puede determinar, de modo manual, como
caso incluso objetos desiguales y asignarlos al dendrograma junto
con los casos determinados. Por tanto, la base de datos comparativa
puede ser constantemente ampliada.
Siguen en adelante algunos ejemplos de ejecución
de la presente invención, incluso las figuras que los ilustran. Son
los siguientes:
Fig. 1 muestra imágenes de contornos
etiquetados y aproximados de secciones celulares Hep2,
Fig. 2 muestra imágenes numeradas de las
secciones celulares Hep2 procedentes de la fig. 1, y la
Fig. 3 muestra un dendrograma con estas células
Hep2.
En un primer ejemplo de ejecución, un proceso
para la adquisición de formas obtenidas de imágenes digitales que
reproducen secciones celulares Hep2 numeradas de 1 a 8 con células
Hep2, las que vienen ser representadas como objetos, y para el
aprendizaje de modelos de forma abstractos obtenidos de células Hep2
que sirven para crear una base de datos comparativa destinada a la
identificación puntual (caso por caso) de células Hep2 dentro de
imágenes digitales, será explicado en forma más detallada como
ejemplo de la presente invención, significando las tres letras
"Hep" el término "Human Epithel".
Allí queda representada mediante una unidad de
visualización ya conocida que consiste en una pantalla conectada a
un ordenador, una imagen de una sección celular Hep2 numerada de 1 a
8 cuyos contornos pueden ser distintos.
La Fig. 1 muestra una imagen de contornos
etiquetados y aproximados de secciones celulares Hep2.
La exploración manual de los bordes de la imagen
digital mediante una unidad de entrada manejada a mano y conectada
a la pantalla de la unidad de visualización, permite obtener datos
que pueden ser asignados a los bordes explorados. En este caso, los
bordes constituyen contornos exteriores y/o interiores visibles de
secciones celulares Hep2 representadas como objetos.
Mediante la unidad de entrada que puede
consistir en el cursor manejado mediante un ratón o un teclado, en
un lápiz luminoso equipado con fotodetector, así como en un escáner
y/o en una combinación de un lápiz luminoso con un escáner, es
posible adquirir, en forma de coordenadas X e Y y/o de tonos
acromáticos o de color, los datos de los puntos de contorno de cada
borde de las células Hep2, los que a su vez pueden ser asignados a
objetos. Otro ejemplo de ejecución lo constituye la combinación de
un lápiz luminoso con una pantalla táctil. Como este tipo de
unidades de entrada ya es de conocimiento general, al igual que
varios procesos para la adquisición de datos que pueden ser
asignados a bordes, no serán evocados con más detalles.
La exploración de los contornos se efectúa de
modo manual y mediante la unidad de entrada también manejada a
mano, quedando visualizados sus resultados en forma de imágenes
reproducidas en la pantalla de la unidad de visualización. Además,
la unidad de visualización permite reproducir los contornos
explorados en forma etiquetada, quedando visualizados los contornos
y/o los bordes explorados, o por lo menos una parte de éstos, como
zonas, lo que facilita el control de los bordes explorados en la
pantalla de la unidad de visualización. Con ello se evita además
que se produzcan errores o disfunciones provocados, por ejemplo,
tanto por falta de concentración y atención, como por distracción o
cansancio de las personas encargadas de la exploración de los
contornos y/o bordes de los casos respectivos.
Entonces, cada una de las células Hep2
determinadas por dicha exploración de contornos será clasificada,
como objeto y mediante su escalonamiento, en un sistema de
coordenadas donde el centro de cada objeto corresponde al punto de
origen de coordenadas X = 0 et Y = 0.
La similitud de las secciones celulares Hep2
será calculada mediante su alineación por parejas, de tal modo que
la cota de similitud queda inalterada, al igual que se efectúa su
clasificación por escalonamiento y/o su rotación para calcular la
similitud. Durante el cálculo de la similitud, las cotas de
similitud serán determinadas como valores de distancia o de
similitud entre los objetos, hasta que se obtenga sea un mínimo de
los valores de distancia, sea un máximo de los valores de
similitud. Sirve de base para el cálculo de la similitud la fórmula
siguiente:
siendo
P y O - los objetos,
\Theta - la matriz de rotación,
\mu_{p} y \mu_{o} - los centros de los
objetos P y O así como
\delta_{p} y \delta_{o} - las sumas de
los cuadrados de las distancias entre cada punto y los centros.
A su vez, los valores de distancia o de
similitud van creando una matriz de distancia o de similitud.
Una vez calculados los valores de similitud,
éstos forman cantidades de objetos similares y los clasifican, de
forma jerárquica, en un dendrograma. La fig. 2 muestra imágenes
numeradas de las secciones celulares Hep2 procedentes de la fig. 1.
Entonces, el dendrograma será cortado en secciones que a su vez
vienen ser limitadas por valores umbrales prefijados o específicos
del usuario, lo que conlleva la formación de grupos. En caso de
haber valores umbrales prefijados, el corte seccional del
dendrograma viene ser efectuado automáticamente, siendo asignadas
las formas individuales a los grupos correspondientes, al igual que
se selecciona un prototipo dentro de cada uno de los grupos. Dicho
prototipo representa o una forma cortada en medias y obtenida de
formas individuales, o la mediana del grupo de la formas
individuales. El prototipo del grupo será visualizado en la
pantalla de la unidad de visualización, mientras que los puntos de
contorno del mismo prototipo serán memorizados en el ordenador. La
fig. 3 muestra un dendrograma de esta sección celular Hep2 numerada
de 1 a 8.
Dicho procedimiento también se aplica en otras
imágenes, por lo que se produce una base de datos comparativa que
comprende modelos de forma representados como prototipos con formas
cortadas en medias y obtenidas de formas individuales y/o con
medianas obtenidas de grupos de formas individuales.
En una versión del presente ejemplo de
ejecución, los datos de bordes exteriores y/o interiores visibles
cuya adquisición se efectúa con ayuda de las diferentes unidades de
entrada conectadas a la unidad de visualización, vienen ser
reducidos mediante su interpolación en la imagen digital. Dicha
interpolación se desarrolla como sigue:
- en una primera fase será asignado el punto
inicial al aquel punto del borde de cada objeto que anteriormente
haya sido determinado y clasificado por el sistema de
coordenadas,
- en una segunda fase será trazada, en forma de
un segundo punto, una línea virtual hacia un punto contiguo,
- en una tercera fase será determinada la
distancia entre esta línea virtual y el segmento correspondiente al
contorno del objeto anterior,
- en una cuarta fase esta distancia será
comparada como valor con un valor por defecto, y
- en una quinta fase el punto inicial será
asignado al segundo punto para poder trazar una línea virtual hacia
el punto siguiente.
Las fases tres, cuarto y cinco serán repetidas a
lo largo de todo el contorno del objeto.
Otra versión del mismo ejemplo de ejecución
posibilita representar los valores de distancia o de similitud
mediante el método "single-linkage" y de modo
jerárquico en un dendrograma.
Un segundo ejemplo de ejecución de la presente
invención comprende la descripción detallada de un proceso para la
adquisición de formas obtenidas de imágenes digitales, que
reproducen secciones celulares Hep2 numeradas de 1 a 8 con células
Hep2 representadas como objetos, y para el aprendizaje de modelos de
forma abstractos obtenidos de células Hep2.
La base de datos comparativa con los casos
representados como imágenes del caso, las que se obtiene mediante
un proceso para la adquisición de formas procedentes de imágenes
digitales que reproducen secciones celulares Hep2 numeradas de 1 a
8 con células Hep2 representadas como objetos, y para el aprendizaje
de modelos de forma abstractos obtenidos de células Hep2 del primer
ejemplo de ejecución, sirve de base para la identificación puntual
(caso por caso) de células Hep2 que a su vez vienen ser
representadas como objetos de imágenes digitales.
Entonces, una imagen del caso con su descripción
respectiva será seleccionada en la base de datos comparativa. La
imagen del caso puede ser o un prototipo de un grupo de casos
individuales, o una imagen individual de un caso. Los grupos de
casos individuales consisten en cantidades de casos individuales
similares que cuentan con determinantes valores de distancia o de
similitud, los cuales aparecen clasificadas de modo jerárquico en
un dendrograma. Es que el caso más similar va determinando la rama
del dendrograma donde aparecen los casos clasificados. El propio
prototipo constituye o una forma cortada en medias obtenida de las
formas individuales del grupo, o la mediana del grupo de las formas
individuales. La imagen del caso será convertida en una cadencia
piramidal de imágenes con planes focales de la imagen del caso.
Dicha cadencia de imágenes con varios planes focales ayuda a evitar
el crecimiento excesivo de las operaciones de cálculo. Mediante la
aplicación de operaciones de nivelado, las que aseguran que todos
los números de onda queden por debajo de la mitad del número de la
onda límite, y gracias al teorema del muestreo, las imágenes del
caso pueden ser representas, una tras otra, con una trama que está
dos veces más gruesa que su trama inicial, sin provocar la menor
pérdida de información. Durante esa operación se selecciona sólo
cada segundo punto de la misma línea y sólo cada segunda línea para
formar una nueva imagen, lo que garantiza que la trama inicialmente
más fina pueda exactamente ser reconstruida desde la trama más
gruesa. La aplicación de las operaciones de nivelado se efectúa de
modo iterativo, con el resultado de que se produce una secuencia de
imágenes cuya superficie va reduciéndose por el factor cuatro.
Paralelamente, los planes focales también disminuyen cada vez más
para finalmente tomar la forma de una pirámide que comprende planos
focales superpuestos.
A continuación, la actual imagen digital que
reproduce secciones celulares Hep2 representadas como objetos será
transformada en una imagen de gradientes. Dicha imagen de gradientes
viene ser generada mediante una detección de los bordes de los
objetos de la imagen digital, siendo asignados los cambios
importantes del valor acromático, tanto vertical como
horizontalmente, a gradientes, mientras que ningún gradiente será
asignado a las superficies homogéneas. Por eso las superficies
homogéneas son negras.
Asimismo, la imagen de gradientes será
transformada en una cadencia piramidal de imágenes con varios
focales.
Luego la imagen del caso será desplazada
sucesivamente hacia cada imagen del objeto perteneciente a la imagen
de gradientes, empezando con aquellos planes focales de las
imágenes del caso y del objeto que estén situados en lo más alto, y
comparando cada imagen del caso con la del objeto de la imagen de
gradientes. Durante dicha comparación, la imagen del caso viene ser
alineada con la imagen del objeto, produciéndose al mismo tiempo
una clasificación por escalonamiento y/o una rotación de la imagen
del caso. Será además calculada, mientras dure la comparación entre
las imágenes del caso y del objeto, la similitud entre las imágenes
del caso y del objeto, siendo determinadas las cotas de similitud
entre las imágenes del caso y del objeto como valores de distancia
o de similitud, hasta que se obtenga sea un mínimo de los valores de
distancia, sea un máximo de los valores de similitud. Son las cotas
de similitud que van determinando el grado de concordancia entre
las imágenes del caso y del objeto, siendo reducido este grado de
concordancia en función de la cota de similitud descendiente, es
decir que la imagen del objeto quedará siempre más distinta de la
imagen del caso.
La particularidad de otra versión de ese ejemplo
de ejecución consiste en que el vector de dirección entre dos
puntos ó dos puntos contiguos ya está calculado para la imagen del
caso, mientras que para la imagen del objeto este cálculo todavía
está pendiente. Durante el cálculo de la similitud, las cotas de
similitud vienen ser determinadas tanto como vectores de dirección
como en forma de valores de distancia o de similitud entre las
imágenes del caso y del objeto.
Entonces, las células Hep2 representadas como
casos serán clasificadas en la base de datos mediante un índice y
en función de sus relaciones de similitud, de tal modo que, dentro
de una cantidad de prototipos o casos, se podrá localizar
fácilmente el prototipo o el caso más similar a cada objeto de la
imagen.
Tanto el prototipo representado como forma
cortada en medias o como mediana del grupo, como la imagen
individual, serán visualizados en la pantalla de una unidad de
visualización conectada a un ordenador. Además, los puntos de
contorno de la forma cortada en medias o de la mediana de la imagen
serán almacenados por el ordenador como cantidad de datos.
Otra versión del mismo ejemplo de ejecución
permite convertir cada imagen del caso y del objeto en una imagen
de gradientes. Dichas imágenes de gradientes serán transformadas en
una cadencia piramidal de imágenes con varios planes focales, al
igual que serán comparados sucesivamente, mediante la formación de
productos, los vectores de dirección situados en los planes focales
de cada imagen del caso y del objeto.
Un tercer ejemplo de ejecución lo constituye un
programa informático contando con un código de programa que permite
realizar
- sea un proceso para la adquisición de formas
obtenidas de imágenes digitales que reproducen secciones celulares
Hep2 numeradas de 1 a 8, y para el aprendizaje de modelos de forma
obtenidos de células Hep2 y reproducidas en imágenes, tal que está
descrito en el primer ejemplo de ejecución,
- sea un proceso para la adquisición de formas
obtenidas de imágenes digitales que reproducen secciones celulares
Hep2 numeradas de 1 a 8 y representadas con casos, y para la
identificación puntual (caso por caso) de células Hep2
representadas como objetos en imágenes digitales, tal que está
descrito en el segundo ejemplo de ejecución, siempre y cuando que
el programa sea ejecutado por un ordenador.
Un cuarto ejemplo de ejecución consiste en un
producto de software instalado en un soporte procesable por
máquina, el cual permite realizar
- sea un proceso para la adquisición de formas
obtenidas de imágenes digitales que reproducen secciones celulares
Hep2 numeradas de 1 a 8, y para el aprendizaje de modelos de forma
obtenidos de células Hep2 y reproducidas en imágenes, tal que está
descrito en el primer ejemplo de ejecución,
- sea un proceso para la adquisición de formas
obtenidas de imágenes digitales que reproducen secciones celulares
Hep2 numeradas de 1 a 8 y representadas con casos, y para la
identificación puntual (caso por caso) de células Hep2
representadas como objetos en imágenes digitales, tal que está
descrito en el segundo ejemplo de ejecución, siempre y cuando que
el programa sea ejecutado por un ordenador.
\vskip1.000000\baselineskip
La lista de referencias citada por el
solicitante lo es solamente para utilidad del lector, no formando
parte de los documentos de patente europeos. Aún cuando las
referencias han sido cuidadosamente recopiladas, no pueden
excluirse errores u omisiones y la OEP rechaza toda responsabilidad
a este respecto.
- \bullet DE 19616997 Al [0002][0002]
- \bullet DE 19801400 C2 [0003]
- \bullet DE 4211904 Al [0002][0002]
- \bullet EP 0665507 Al [0003]
\bullet DE 19639884 Al [0002][0002].
\bullet Image mining: issues, framework,
a general tool and its application to medical-
image diagnosis. PERNER P. ENGINEERING
APPLICATIONS OF ARTIFICIAL INTELLIGENCE.
ELSEVIER, Abril 2002, vol. 15,
205-216 [0003]
\bullet Flexible Syntactic Matching of Curves
and Its Application to Automatic Hierarchical Classification of
Silhouettes. GDALYAHU Y y otros. IEEE TRANSACTIONS ON
PATTERN ANALYSIS ANS MACJ'HINE INTELLIGENCE, IEEE INC,
Diciembre 1999, vol. 21, 1312-1328
[0003].
Claims (18)
1. Proceso para la adquisición de formas
obtenidas de imágenes que reproducen secciones celulares Hep2 como
objetos, y para el aprendizaje de modelos de forma abstractos
obtenidos de imágenes de secciones celulares Hep2, los que se
utiliza para una base de datos comparativa destinada al
reconocimiento puntual (caso por caso) de células Hep2 reproducidas
en imágenes digitales, donde se puede asignar, a través de la
exploración manual de los bordes de esas imágenes que a su vez
quedan representadas en forma de contornos exteriores y/o
interiores visibles de células Hep2, datos concretos a los bordes
explorados y, por consiguiente, a las células Hep2 allí
reproducidas como objetos, utilizando para ello una unidad de
entrada manejada a mano y conectada a un ordenador,
caracterizándose este proceso por la eliminación del
desplazamiento de cada objeto, de tal modo que cada objeto será
desplazado al punto de origen de un sistema de coordenadas, que cada
objeto será clasificado por escalonamiento y en función de los
datos asignados en este sistema de coordenadas, que al menos dos
objetos serán comparados y alineados el uno con el otro,
efectuándose al mismo tiempo una clasificación por escalonamiento
y/o una rotación de dichos objetos, siendo determinadas las cotas de
similitud como valores de distancia o de valores de similitud entre
los objetos, hasta que se alcance sea un mínimo de valores de
distancia, sea un máximo de valores de similitud, que en base de
estos valores de distancia o de similitud serán obtenidos
cantidades de objetos similares que a continuación serán
clasificados, de modo jerárquico, en un dendrograma, y que este
dendrograma se dividirá, en función de valores de distancia o de
similitud prefijados, en varios grupos, y que será seleccionado,
dentro de cada uno de esos grupos, un prototipo que a su vez
consiste sea en una forma cortada en medias obtenida de las formas
individuales del grupo, sea en la mediana obtenida del grupo de las
formas individuales.
2. Proceso según la reivindicación 1,
caracterizado por la creación de una matriz de similitud en
base de los valores de distancia o de similitud.
3. Proceso según la reivindicación 1,
caracterizado por la representación jerárquica, mediante el
método "single-linkage" y en un dendrograma,
de los valores de distancia o de similitud.
4. Proceso para la adquisición de formas
obtenidas de imágenes que reproducen secciones celulares Hep2 como
casos, y para la identificación puntual (caso por caso) de células
Hep2 representadas como objetos en imágenes digitales, lo que sirve
de base para la adquisición de formas obtenidas de imágenes que
reproducen casos, y para el aprendizaje de modelos de forma
procedentes de esos casos que luego serán introducidos en una base
de datos comparativa, donde se obtiene, mediante una exploración y
con ayuda de una unidad de entrada manejada a mano y conectada a un
ordenador, de los bordes de esas imágenes que a su vez consisten en
contornos exteriores y/o interiores visibles de los cuales cada uno
representa un caso, datos concretos que pueden ser asignados a esos
bordes (casos), caracterizándose este proceso por la
comparación y la alineación simultáneas, mediante el
desplazamiento y la clasificación por escalonamiento de cada caso,
de al menos dos casos, que al mismo tiempo se calcula la similitud,
determinando las cotas de similitud correspondientes, que se
obtiene, en función de las cotas de similitud determinadas,
cantidades de casos similares que serán representadas de modo
jerárquico un dendrograma, que este dendrograma se dividirá, en
función de valores de distancia o de similitud prefijados, en
varios grupos, que será seleccionado un prototipo dentro de cada uno
de esos grupos, y que para identificar un objeto en una imagen
digital que reproduce objetos procedentes de la base de datos
comparativa, será seleccionado un caso como imagen del caso
contando con una descripción del mismo, produciéndose a la vez tanto
una cadencia piramidal de imágenes con los planes focales de la
imagen del caso, como una imagen de gradientes de la actual imagen
digital, la que también será transformada en una cadencia piramidal
de imágenes con varios planes focales, que la imagen del caso será
desplazada sucesivamente hacia cada imagen del objeto de la imagen
de gradientes, empezando con los planes focales situados en lo más
alto y comparando la imagen del caso con cada imagen del objeto de
la imagen de gradientes, efectuándose al mismo tiempo, mediante la
determinación de las cotas de similitud, el cálculo de la
similitud, siendo determinado el grado de concordancia entre las
imágenes del caso y del objeto por la cota de similitud.
5. Proceso según la reivindicación 4,
caracterizado por la eliminación del desplazamiento de cada
objeto, de tal modo que cada objeto será desplazado al punto de
origen de un sistema de coordenadas, que al menos dos objetos serán
comparados y alineados el uno con el otro, efectuándose al mismo
tiempo una clasificación por escalonamiento y/o una rotación de
dichos objetos, siendo determinadas las cotas de similitud como
valores de distancia o de valores de similitud entre los objetos,
hasta que se alcance sea un mínimo de valores de distancia, sea un
máximo de valores de similitud, que en base de estos valores de
distancia o de similitud serán obtenidas cantidades de objetos
similares que a continuación serán clasificados de modo jerárquico
en un dendrograma, que este dendrograma se dividirá, en función de
valores de distancia o de similitud prefijados, en varios grupos, y
que será seleccionado, dentro de cada uno de esos grupos, un
prototipo que a su vez consiste sea en una forma cortada en medias
obtenida de las formas individuales del grupo, sea en la mediana
obtenida del grupo de las formas individuales.
6. Proceso según la reivindicación 1 ó 4,
caracterizado en que la escala de similitud del dendrograma
será cortada automáticamente y al menos una vez, de acuerdo con
valores umbrales prefijados o específicos del usuario, lo que
conlleva la formación de grupos, que a estos grupos serán asignadas
las formas individuales correspondientes, que será seleccionado un
prototipo dentro de cada grupo, el cual consiste sea en una forma
cortada en medias obtenida de las formas individuales, sea en la
mediana obtenida del grupo de las formas individuales, que la forma
cortada en medias o la mediana del grupo serán visualizadas en la
pantalla de una o la unidad de visualización, y que los puntos de
contorno de la forma cortada en medias o de la mediana serán
almacenados como cantidad de datos en el ordenador.
7. Proceso según la reivindicación 1 ó 4,
caracterizado por una reducción que a su vez será obtenida
mediante la interpolación con un polinomio, de los datos obtenidos
durante la exploración de los bordes y, por consiguiente, de los
puntos que, ellos, aparecen como contornos exteriores y/o interiores
visibles.
8. Proceso según la reivindicación 1 ó 4,
caracterizado en que los datos del objeto serán normalizados
de tal modo que el centro del objeto corresponde al punto de origen
de coordenadas 0, 0.
9. Proceso según la reivindicación 4,
caracterizado en que será seleccionada, dentro de la base de
datos comparativa, una imagen del caso con una descripción del
mismo, siendo generada simultáneamente una cadencia piramidal de
imágenes que comprende los planes focales del caso, que se produce
una imagen de gradientes de la actual imagen digital, la cual
también será transformada en cadencia piramidal de imágenes que
comprende varios planes focales, que la imagen del caso será
desplazada sucesivamente hacia cada imagen del objeto de la imagen
de gradientes, empezando con los planes focales situados en lo más
alto y comparando y alineando cada imagen del caso con cada imagen
del objeto, efectuándose al mismo tiempo una clasificación y/o una
rotación de la imagen del caso y el cálculo de la similitud, siendo
determinadas las cotas de similitud sea como valores de distancia,
sea como valores de similitud entre las imágenes del caso y del
objeto, hasta que se obtenga sea un mínimo de los valores de
distancia, sea un máximo de los valores de similitud, y que el grado
de concordancia entre las imágenes del caso y del objeto depende de
la cota de similitud, es decir que dicho grado de concordancia se
reduce en función de la cota de similitud decreciente, al igual que
la similitud de la imagen del objeto con la del caso.
10. Proceso según la reivindicación 4,
caracterizado en que, mediante una detección de bordes de los
objetos de la imagen digital, será producida la imagen de
gradientes, siendo asignados dichos gradientes a los cambios
importantes del tono acromático, tanto en dirección vertical como
horizontal, mientras que ningún gradiente será asignado a las
superficies homogéneas, ya que las superficies homogéneas son de
color negro.
11. Proceso según la reivindicación 1 ó 4,
caracterizado en que se obtiene, tanto de cada imagen del
caso como las del objeto, una imagen de gradientes, que cada una de
esas imágenes de gradientes será transformada en cadencia piramidal
de imágenes que comprende varios planes focales, y que, mediante la
formación de productos, los vectores de dirección de los planes de
cada imagen del caso y las del objeto serán sucesivamente comparadas
entre ellos.
12. Proceso según la reivindicación 1 ó 4,
caracterizado en que la imagen del caso constituye un
prototipo, el cual consiste o en una forma cortada en medias
obtenida de las formas individuales de un grupo, o en la mediana
obtenida del grupo de las formas individuales, siendo clasificados
los grupos similares como casos individuales y en un dendrograma
con determinados valores de distancia o de similitud, donde el caso
más similar va determinando la rama dentro del dendrograma, o donde
la imagen del caso constituye una imagen individual de un caso.
13. Proceso según la reivindicación 1 ó 4,
caracterizado en que los vectores de dirección entre dos
puntos o entre los puntos contiguos de los bordes ya quedan
calculados para la imagen del caso, mientras que dicho cálculo
todavía está pendiente para la imagen del objeto, y que durante el
cálculo de la similitud, los valores de similitud serán
determinados tanto como vectores de dirección, como en forma de
valores de distancia o de similitud entre cada imagen del caso y
del objeto.
14. Proceso según la reivindicación 1 ó 4,
caracterizado en que, mediante un índice y en función de sus
relaciones de similitud, la clasificación de los casos dentro de la
base de datos comparativa será efectuada de tal modo que, dentro de
una cantidad de prototipos o casos, se podrá localizar fácilmente el
prototipo o el caso más similar a cada objeto de la imagen.
15. Proceso según la reivindicación 1 ó 4,
caracterizado en que el cálculo de la similitud se efectúa
mediante la siguiente fórmula:
siendo
P y O - los objetos,
\Theta - la matriz de rotación,
\mu_{p} y \mu_{o} - centros de los
objetos P y O
\delta_{p} y \delta_{o} - sumas de los
cuadrados que resultan de la distancia de cada punto de los
centros.
\newpage
16. Proceso según las reivindicaciones 4 y 5,
caracterizado en que el grado de concordancia y, por
consiguiente, el de la igualdad entre la imagen del caso y la del
objeto, consiste en un valor umbral determinado en función de la
cota de similitud, y que un objeto que no sea igual con el caso será
o rechazado, o visualizado como caso en la pantalla de la unidad de
visualización, de tal modo que la exploración, mediante la unidad
de entrada manejada a mano y conectada al ordenador, de los bordes
que a su vez serán representados como contornos exteriores y/o
interiores visibles, permite asignar datos concretos a cada caso y
clasificarlos en el dendrograma.
17. Programa informático con un código de
programa, el cual posibilita sea realizar el proceso para la
adquisición de formas obtenidas de imágenes que reproducen
secciones celulares Hep2 numeradas de 1 a 8 y representadas como
objetos, y para el aprendizaje de modelos de forma abstractos
obtenidos de células Hep2 según la reivindicación 1, sea realizar
el proceso para la adquisición de formas obtenidas de imágenes que,
ellas, representan casos, y para la identificación puntual (caso
por caso) de objetos reproducidos en imágenes digitales según la
reivindicación 4, siempre y cuando que el programa sea ejecutado en
un ordenador.
18. Producto de software instalado en un soporte
procesable por máquina y que sirve sea para realizar el proceso
para la adquisición de formas obtenidas de imágenes que reproducen
células Hep2 representadas como objetos, y para el aprendizaje de
modelos de forma abstractos obtenidos de secciones celulares Hep2
numeradas de 1 a 8 según la reivindicación 1, sea para la
adquisición de formas obtenidas de imágenes que reproducen casos, y
para la identificación puntual (caso por caso) de objetos
reproducidos en imágenes digitales según la reivindicación 4,
siempre y cuando que el programa sea ejecutado en un ordenador.
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| DE102004018172 | 2004-04-08 | ||
| DE102004018175A DE102004018175A1 (de) | 2004-04-08 | 2004-04-08 | Verfahren zur Akquisition von Formen aus Bildern mit Abbildungen von Hep-2-Zellschnitten und zum Lernen von abstrakten Formmodellen von Hep-2-Zellschnitten, Computer-Programm-Produkte und digitale Speichermedien mit diesem Verfahren |
| DE102004018172A DE102004018172A1 (de) | 2004-04-08 | 2004-04-08 | Verfahren zur Akquisition von Formen aus Bildern mit Abbildungen von Hep-2-Zellschnitten und zum fallbasierten Erkennen dieser als Objekte in digitalen Bildern, Computer-Programm-Produkte und digitales Speichermedium zur Ausführung dieses Verfahrens |
| DE102004018175 | 2004-04-08 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| ES2298791T3 true ES2298791T3 (es) | 2008-05-16 |
Family
ID=34958785
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| ES04762675T Active ES2298791T3 (es) | 2004-04-08 | 2004-08-16 | Procedimiento para adquisicion de formas a partir de celulas hep-2 y de reconocimiento por casos de celulas hep-2. |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US7895141B2 (es) |
| EP (1) | EP1733333B1 (es) |
| AT (1) | ATE381071T1 (es) |
| DE (1) | DE502004005734D1 (es) |
| ES (1) | ES2298791T3 (es) |
| WO (1) | WO2005101291A1 (es) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| US20130052662A1 (en) * | 2011-08-23 | 2013-02-28 | University Of Medicine And Dentistry Of New Jersey | Method for Automated Autoantibody Detection and Identification |
| US20150094830A1 (en) * | 2012-01-18 | 2015-04-02 | Rest Devices, Inc. | Network-based Care System |
| US9972085B2 (en) | 2013-12-11 | 2018-05-15 | Nec Corporation | Antinuclear antibody image analysis system, antinuclear antibody image analysis method, and antinuclear antibody image analysis program |
| WO2017109860A1 (ja) * | 2015-12-22 | 2017-06-29 | 株式会社ニコン | 画像処理装置 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE4211904C2 (de) | 1991-04-09 | 1994-03-17 | Werner Maier | Automatisches Verfahren zum Erstellen einer Liste unterschiedlicher Arten für eine flüssige Probe |
| US5459636A (en) * | 1994-01-14 | 1995-10-17 | Hughes Aircraft Company | Position and orientation estimation neural network system and method |
| JPH0991430A (ja) | 1995-09-27 | 1997-04-04 | Hitachi Ltd | パターン認識装置 |
| DE19616997A1 (de) | 1996-04-27 | 1997-10-30 | Boehringer Mannheim Gmbh | Verfahren zur automatisierten mikroskopunterstützten Untersuchung von Gewebeproben oder Körperflüssigkeitsproben |
| DE19801400C2 (de) | 1998-01-16 | 2001-10-18 | Petra Perner | Verfahren zur automatischen Erkennung, Eigenschaftsbeschreibung und Interpretation von Hep-2-Zellmustern |
| US7356367B2 (en) * | 2000-06-06 | 2008-04-08 | The Research Foundation Of State University Of New York | Computer aided treatment planning and visualization with image registration and fusion |
| US20030171873A1 (en) * | 2002-03-05 | 2003-09-11 | Bruce Hoff | Method and apparatus for grouping proteomic and genomic samples |
-
2004
- 2004-08-16 AT AT04762675T patent/ATE381071T1/de active
- 2004-08-16 DE DE502004005734T patent/DE502004005734D1/de active Active
- 2004-08-16 EP EP04762675A patent/EP1733333B1/de not_active Not-in-force
- 2004-08-16 ES ES04762675T patent/ES2298791T3/es active Active
- 2004-08-16 WO PCT/DE2004/001831 patent/WO2005101291A1/de active IP Right Grant
- 2004-08-16 US US10/599,644 patent/US7895141B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| EP1733333B1 (de) | 2007-12-12 |
| US7895141B2 (en) | 2011-02-22 |
| US20080016015A1 (en) | 2008-01-17 |
| ATE381071T1 (de) | 2007-12-15 |
| EP1733333A1 (de) | 2006-12-20 |
| WO2005101291A1 (de) | 2005-10-27 |
| DE502004005734D1 (de) | 2008-01-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105957066B (zh) | 基于自动上下文模型的ct图像肝脏分割方法及系统 | |
| US20190139227A1 (en) | Methods and systems for image segmentation | |
| CN104969260B (zh) | 用于3d计算机断层扫描的多个骨骼分割 | |
| Hoover et al. | An experimental comparison of range image segmentation algorithms | |
| CN100470560C (zh) | 图像像素编码方法和图像处理方法 | |
| Kim et al. | Blended intrinsic maps | |
| ES2337556T3 (es) | Analisis de imagenes asistido por erdenador. | |
| CN106373168A (zh) | 一种基于医疗图像的分割与三维重建方法、3d打印系统 | |
| Neal et al. | Measuring shape | |
| CN112258516B (zh) | 一种脊柱侧弯图像检测模型的生成方法 | |
| CN107077736A (zh) | 依据基于解剖学界标的特征分割医学图像的系统和方法 | |
| CN106504277B (zh) | 一种改进的icp点云自动配准方法 | |
| CN106529188B (zh) | 应用于手术导航的图像处理方法 | |
| CN106716487A (zh) | 确定从体数据提取的表面数据的局部质量的方法和系统 | |
| Palmer et al. | Discriminating between geographical groups of a Mediterranean commercial clam (Chamelea gallina (L.): Veneridae) by shape analysis | |
| JP2004527055A (ja) | 人体の輪郭を同定する方法 | |
| CN104537705A (zh) | 基于增强现实的移动平台三维生物分子展示系统和方法 | |
| ES2298791T3 (es) | Procedimiento para adquisicion de formas a partir de celulas hep-2 y de reconocimiento por casos de celulas hep-2. | |
| Harush et al. | On quantifying and visualizing the potter's personal style | |
| CN105678711A (zh) | 一种基于图像分割的衰减校正方法 | |
| Karl et al. | Advances in digital pottery analysis | |
| Ledley | Analysis of cells | |
| ES2923881T3 (es) | Detección de irregularidades superficiales en monedas | |
| Knyaz et al. | Photogrammetric techniques for paleoanthropological objects preserving and studying | |
| JP6593928B2 (ja) | 情報処理装置及びプログラム |