ES2465740A1 - Procedimiento de visión artificial para la detección de gotas citoplasmáticas proximales en espermatozoides - Google Patents
Procedimiento de visión artificial para la detección de gotas citoplasmáticas proximales en espermatozoides Download PDFInfo
- Publication number
- ES2465740A1 ES2465740A1 ES201331386A ES201331386A ES2465740A1 ES 2465740 A1 ES2465740 A1 ES 2465740A1 ES 201331386 A ES201331386 A ES 201331386A ES 201331386 A ES201331386 A ES 201331386A ES 2465740 A1 ES2465740 A1 ES 2465740A1
- Authority
- ES
- Spain
- Prior art keywords
- image
- proximal
- vector
- sperm
- drops
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Processing (AREA)
Abstract
Procedimiento de visión artificial para la detección de gotas citoplasmáticas proximales en espermatozoides a partir de una imagen digital. Se trata de un procedimiento automatizado de clasificación de semen basado en la captura de imágenes digitales de la muestra a clasificar. Dicho procedimiento hace uso de técnicas de manipulación de las imágenes digitales capturadas para detectar gotas citoplasmáticas proximales y a partir de ahí, utilizando una función denominada IndiceProximal, determina la presencia o no de una gota citoplasmática proximal en el espermatozoide estudiado.
Description
El objeto de la presente invención es crear un procedimiento automatizado para clasificar muestras de semen de forma automática en función del número y 10 tipo de gotas proximales presentes en las colas de los espermatozoides.
En la actualidad, la valoración de semen en función de las gotas presentes
15 en la cola de espermatozoides tiene mucha importancia para algunas especies animales, como es el caso del ganado porcino. Esta valoración se realiza habitualmente en los centros de producción de semen o en las granjas o centros donde se realiza la inseminación artificial por un operario especializado, normalmente un veterinario. Además, es habitual que los centros de producción o
20 de inseminación guarden un histórico de la valoración realizada para ir clasificando al donante en función de la calidad de su semen durante un periodo de tiempo.
Fundamentalmente, la valoración basada en gotas citoplasmáticas
25 consiste en contar el número de gotas e identificar su posición en la cola para un número limitado de muestras, clasificándolas como proximales o distales en función de la distancia a la que las gotas se encuentren de la cabeza del espermatozoide. Al tratarse de un proceso manual, se evalúan únicamente unas pocas muestras por individuo, y además el procedimiento está sujeto a los típicos
30 errores de la inspección visual humana: errores debidos al cansancio, a la falta de
2
atención o a la disparidad de criterio entre operarios.
El análisis digital de imagen aplicado al estudio de imágenes médicas en general, y a la valoración de espermatozoides en particular, empezó a utilizarse 5 hace más de una década. La mayoría de los trabajos realizados hasta el momento en este campo se limitan a analizar los resultados obtenidos al evaluar el semen con los sistemas CASA (Computer-Assisted Sperm Analysis, según sus siglas en inglés) existentes (C. Soler, J. J. de Montserrat, R. Gutiérrez, J. Núñez,
M. Núñez, M. Sancho, F. Pérez-Sánchez, y T.G. Cooper, “Use of the Sperm
10 Class Analyser for objective assessment of human sperm morphology”, International Journal of Andrology, Vol. 26, No. 5, 2003, pp. 262-270), o bien comparan las medidas proporcionadas por distintos sistemas (J.-Z. Chan, W. Krause, y C. Bohring, “Computer assisted analysis of sperm morphology with the aid of lectin staining”, Andrologia, Vol. 34, 2002, pp. 379-383). Otros trabajos
15 analizan la morfometría de la cabeza del espermatozoide de distintas especies o bien estudian las subpoblaciones que aparecen en el semen de cerdo. Sin embargo, no se describe específicamente un método para realizar el estudio de las gotas citoplasmáticas proximales presentes en la cola de los espermatozoides.
El procedimiento de la invención permite realizar la valoración seminal automática en función del número y tipo de gotas proximales presentes en la 25 imagen digital de una muestra, disminuyendo el tiempo necesario para el análisis y mejorando además su fiabilidad. Las gotas proximales son aquellas que se encuentran en la zona de la cola que está en contacto con la cabeza. Este procedimiento es aplicable a la industria de producción animal, donde el empleo de controles de calidad en los principales parámetros seminales es indispensable 30 para lograr un procesamiento preciso y eficiente de los eyaculados. El
3
procedimiento de detección de gotas proximales en colas de la invención es aplicable a distintas especies animales, aunque tiene una especial incidencia en la industria porcina. Por otro lado, en la industria de la reproducción humana el procedimiento de la invención se puede utilizar para valorar la calidad seminal de
5 los pacientes en tecnologías relacionadas con la reproducción asistida.
En el presente documento, se entiende que las operaciones basadas en los tamaños de espermatozoides, cabezas o gotas se realizan teniendo en cuenta la especie y los aumentos a los que se toma la imagen en cada aplicación
10 concreta. Resulta evidente que no es igual el tamaño de un espermatozoide de cerdo que el de un espermatozoide humano, así como tampoco tiene el mismo tamaño la imagen de un espermatozoide de cerdo a 10 aumentos que a 20 aumentos. Por otro lado, se empleará de manera general el término “imagen” para hacer referencia tanto a imágenes fijas (o fotografías) como a cada una de
15 las imágenes presentes en una secuencia (o vídeo).
El procedimiento para la detección de gotas distales en colas de espermatozoide de la presente invención comprende las siguientes etapas:
20 1. Adquisición y preprocesamiento de la imagen
Se adquiere una imagen de la muestra de esperma que se desea analizar, capturada como una imagen fija o procedente de una secuencia de vídeo, utilizando una cámara digital acoplada al microscopio acoplado a una cámara
25 digital. La cámara digital está conectada a un ordenador en el cual se analiza la imagen digital adquirida. Preferentemente las imágenes se capturan en contraste de fases negativo, aunque el sistema también podría funcionar en contraste de fases positivo. Esta imagen, por tanto, contiene espermatozoides y artefactos (se denominará artefacto a cualquier objeto de una imagen que no forma parte de un
30 espermatozoide, como restos de suciedad o cuerpos extraños).
4
De acuerdo con una realización preferida de la invención, a continuación se realiza un pre-procesamiento de la imagen con el objeto de mejorar el contraste o simplemente reducir la profundidad de color de la imagen capturada.
La imagen resultante al término de esta primera etapa se denominará en el presente documento “imagen preprocesada”, tanto si se ha realizado una etapa de pre-procesamiento como si no se ha hecho.
10 2. Segmentación de la imagen preprocesada
Seguidamente, la imagen se segmenta de manera que se eliminen las colas. Es decir, puesto que la imagen está en campo oscuro, las cabezas, gotas y algunos artefactos aparecen casi en blanco, mientras que las colas presentan
15 niveles de gris sensiblemente más oscuros. Por lo tanto, aplicando un umbral de segmentación adecuado a la imagen inicial se consigue eliminar las colas y obtener una imagen binaria con fondo negro que solo contiene cabezas, gotas y algunos artefactos, todos en blanco.
20 3. Obtención de las cabezas candidatas
Habitualmente, la imagen binaria obtenida después de la segmentación contiene, además de cabezas y gotas, artefactos que podrían confundirse con cabezas o gotas. En este paso, se eliminan todas las regiones obtenidas
25 previamente cuyo tamaño difiera ostensiblemente del tamaño promedio de una cabeza. Ese tamaño promedio es diferente para cada especie animal y depende de los aumentos a los que se ha capturado la imagen.
Posteriormente se eliminan también aquellas regiones cuya forma no es 30 similar a la de la cabeza de un espermatozoide utilizando para ello la relación de
5
aspecto obtenida a partir del tamaño de sus ejes mayor y menor.
Una vez obtenidas en blanco y negro las regiones que se consideran cabezas, se enmascara la imagen original con ellas. Con esta máscara se
5 obtienen las mismas regiones sobre la imagen original, donde el fondo aparecerá en color negro y la zona del interior de la cabeza contendrá los niveles de gris presentes en la imagen original.
4. Determinación de la presencia de gotas proximales
10 La presencia de una gota proximal se estudia sobre la región enmascarada obtenida previamente. Dada una región que contiene la cabeza de un espermatozoide, se determina que dicha región tiene una gota proximal si aparecen dos zonas brillantes con las características que se indican a
15 continuación. Una zona pertenecerá a la cabeza y la otra corresponderá con la gota. En primer lugar se localizan las dos zonas más claras de la cabeza determinando para ello el valor de su nivel de gris y la posición en relación al eje mayor de la región. Se estudia que el contraste entre esas dos zonas y los píxeles que las rodean cumplan una condición establecida mediante la ecuación
20 que se presenta posteriormente cuando se explica la realización preferente de la invención. El procedimiento se basa en considerar que es más posible que exista una gota cuanto menor sea la diferencia entre los niveles de gris de la zona más brillante de la cabeza y de la zona que se evalúa como posible gota. Al mismo tiempo, también se tiene en cuenta que es más probable que la zona considerada
25 como posible gota lo sea, cuanto mayor sea la diferencia de los niveles de gris de esas dos zonas brillantes con la región que se encuentra en medio de ellas.
El procedimiento concluye cuando se han analizado todas las regiones, determinándose de esta manera el número de gotas proximales presentes en la 30 imagen.
6
Para cada imagen analizada se obtiene como resultado el número de gotas proximales y una imagen en la que se marcan las gotas detectadas para que pueda ser visualizada y evaluada por la persona que utiliza el sistema.
Por último, se entiende de la presente descripción que la invención se extiende también a programas de ordenador, particularmente los programas de ordenador que se encuentran situados sobre o dentro de una portadora, adaptados para llevar a la práctica el procedimiento descrito. El programa
10 puede tener la forma de código fuente, código objeto, una fuente intermedia de código y código objeto, por ejemplo, como en forma parcialmente compilada, o en cualquier otra forma adecuada para uso en la puesta en práctica de los procesos según la invención. La portadora puede ser cualquier entidad o dispositivo capaz de soportar el programa.
15 Por ejemplo, la portadora podría incluir un medio de almacenamiento, como una memoria ROM, una memoria CD ROM o una memoria ROM de semiconductor, una memoria flash, un soporte de grabación magnética, por ejemplo, un disco duro o una memoria de estado sólido (SSD, del inglés solid
20 state drive). Además, la portadora puede ser una portadora transmisible, por ejemplo, una señal eléctrica u óptica que podría transportarse a través de cable eléctrico u óptico, por radio o por cualquier otro medio.
Cuando el programa va incorporado en una señal que puede ser 25 transportada directamente por un cable u otro dispositivo o medio, la portadora puede estar constituida por dicho cable u otro dispositivo o medio.
Como variante, la portadora podría ser un circuito integrado en el que va incluido el programa, estando el circuito integrado adaptado para ejecutar, o 30 para ser utilizado en la ejecución de los procesos correspondientes.
7
La Fig. 1 muestra un esquema simplificado de un sistema capaz de llevar 5 a cabo el procedimiento de la invención.
La Fig. 2 muestra de un modo simplificado la imagen original.
La Fig. 3 muestra la imagen original después de una operación de 10 segmentación.
La Fig. 4 muestra la imagen de la Fig. 3 después de haber eliminado objetos muy grandes y muy pequeños.
15 La Fig. 5 muestra, en binario y en escala de grises, las regiones seleccionadas procedentes de la Fig. 4, elementos enumerados desde a.1 hasta a.5, y las regiones que finalmente se estudiarán por tener una relación de aspecto similar al de una cabeza de espermatozoide, elementos numerados desde b.1 hasta b.3.
20 La Fig. 6 muestra una representación numérica de una cabeza en la que se ve, a modo de ejemplo, los valores que pueden tener los píxeles de dicha región.
25 La Fig. 7 presenta los diferentes vectores que se van obteniendo consecutivamente para determinar los valores que se utilizan en la ecuación que determina la presencia de una gota proximal.
REALIZACIÓN PREFERENTE DE LA INVENCIÓN
8
Se describe a continuación un ejemplo de procedimiento de acuerdo con la invención, haciendo referencia a las figuras adjuntas. La Fig. 1 muestra un sistema de captura que comprende a un microscopio óptico (2), que podría ser, por ejemplo, un modelo Nikon E50i, donde se dispone la muestra (1). El
5 microscopio óptico (2) está acoplado a una cámara digital (3), como la Basler scoout sc A780, la Basler A312fc u otra, que a su vez está conectada a un ordenador (4), bien mediante una tarjeta digitalizadora, mediante una conexión FireWire, o bien de la forma que la cámara digital (3) requiera para que la imagen capturada llegue al ordenador (4) como una imagen digital. Un archivo de datos
10 (5) permite almacenar los resultados obtenidos, que se pueden mostrar a través de una pantalla de visualización (6). A continuación se describe cada paso del procedimiento de la invención.
15 En primer lugar, siguiendo el esquema presentado en la Figura 1, se deposita en el microscopio (2) la muestra (1) de semen que se quiere analizar y se ilumina y enfoca apropiadamente para que la imagen aparezca nítida. El sistema se ha evaluado con imágenes y vídeos tomados a 10x en contraste de
20 fases negativo, pero el mismo método puede funcionar con otras configuraciones. La ventaja de utilizar 10x es que permite analizar un mayor número de gotas en cada imagen.
25 A continuación, se realiza un preprocesamiento de la imagen obtenida. Si la imagen adquirida es una imagen RGB o en color indexado, se convierte a una imagen en escala de grises. Adicionalmente, para mejorar el contraste, se realiza un estiramiento del histograma de manera que el rango dinámico de la imagen
30 corresponda con el rango estático. Este estiramiento puede consistir en una
9
simple ampliación del contraste, una ecualización, o cualquier otro método de ajuste del contraste que se elegirá dependiendo del contraste de las imágenes con las que se trabaje. En este ejemplo, el resultado del preprocesamiento es la imagen representada de modo simplificado en la Fig. 2, a la que se hará
5 referencia como “imagen preprocesada”.
3. Segmentación de la imagen preprocesada
En principio, se puede emplear cualquier método clásico de
10 segmentación, aunque en el procedimiento de este ejemplo el umbral para la segmentación se obtiene mediante el método de Otsu. Otra opción sería calcular el umbral experimentalmente: estudiando el resultado obtenido tras segmentar algunas docenas de imágenes con distintos umbrales. Aunque podría automatizarse la búsqueda de este umbral empleando relaciones de aspecto (eje
15 mayor/eje menor) de las regiones segmentadas, para un tipo de imagen (especie animal, aumentos de la captura, contraste de la imagen) se considera que es más operativo que este umbral se establezca a priori, antes de que el sistema inicie su producción.
20 Como resultado de la segmentación, se obtiene una imagen binaria como la de la Fig. 3, que contiene cabezas, gotas y otros artefactos que en la imagen preprocesada tenían similar nivel de gris, todos ellos ahora en color blanco con el fondo de la imagen en negro y donde ya no aparecen las colas.
El objeto de esta operación es conseguir una imagen que contenga únicamente las cabezas. Para ello, y partiendo de la imagen segmentada de la Fig. 3, se eliminarán todos los objetos que por su tamaño o por su relación de
30 aspecto no puedan ser cabezas.
10
El tamaño de una cabeza se establece experimentalmente dependiendo de la especie y de los aumentos con los que se han tomado las imágenes. Para espermatozoides de verraco cuando se capturan las imágenes a 10x, el tamaño
5 típico de las cabezas es de alrededor de 40 píxeles. En función de dicho tamaño, se eliminan todos los objetos de la imagen binaria, Fig. 3, que no tengan un tamaño similar al establecido como tamaño promedio. Se estable una tolerancia para no eliminar cabezas que sean anormalmente pequeñas o anormalmente grandes. La tolerancia puede ser un 20% del tamaño promedio de la cabeza,
10 aunque esto puede variar con la especie:
FT x APC
T= (ec.l)
l00
donde, FT es el Factor de Tolerancia. Varía con la especie y aumentos. APC es el Área Promedio de la Cabeza.
15 T es la Tolerancia obtenida.
En el caso de las gotas proximales, la gota aparece unida a la cabeza por lo que el área de la gota ha de sumarse al área de la cabeza. Eso implica que la tolerancia para cabezas grandes debe ser mayor que para cabezas pequeñas.
20 El criterio de aceptación de una región como posible cabeza vendrá determinado por que el área de la región estudiada se encuentre en el intervalo:
[APC + (2 x T),APC -T](ec.2)
25 donde, APC es el Área Promedio de la Cabeza. T es la Tolerancia establecida en la ecuación 1.
11
El resultado de aplicar este criterio es una imagen donde aparecerán todas las regiones cuya área sea similar a la de las cabezas, según se puede ver en la Figura 4.
5 La relación de aspecto se obtiene como el ratio entre el eje mayor y el eje
menor de la región. Se eliminarán aquellas regiones que no cumplan dicho ratio,
como es el caso de las regiones a.1 y a.4 de la Figura 5, aplicando una tolerancia
de forma similar al caso anterior. Al finalizar esta etapa quedarán regiones
similares a las b.1, b.2 y b.3 de la Figura 5.
10 Para poder determinar, en el paso posterior, si en una cabeza aparece o no una gota proximal, se obtiene el rectángulo circunscrito de las regiones obtenidas y se almacenan sus coordenadas. Con dicha información, y con la región obtenida, se enmascara la imagen original obteniendo las regiones
15 conteniendo la cabeza donde el fondo de la región está en negro y los píxeles de la cabeza presentan los niveles de gris de la imagen original, según aparece en la Figura 5.
20 Para determinar si en una región aparece una gota proximal, se aplica la siguiente ecuación:
DMm+DSm
DSm x e 10
IndiceProximal = -Factor (ec.3)
l0
donde,
25 DSm= S -m DMm= M – m M es el valor máximo del VectordeMáximos S es el valor máximo secundario del VectordeMáximos m es el mínimo del VectordeMáximosCompacto
12
Factor es una constante, que depende de cada especie y de los aumentos con los que se trabaje
Cuando IndiceProximal devuelva un valor mayor que cero, la región contendrá una gota proximal.
Para explicar cómo se realiza la valoración de la región se considerará que dicha región se encuentra rotada de manera que su eje mayor está horizontal, de forma similar a la región b.1 de la Figura 5. La valoración podría realizarse sin esta rotación obteniendo los valores que se explican a continuación sobre el eje mayor de la región.
La obtención del VectordeMáximos y del VectordeMáximosCompacto se realiza como se describe a continuación.
Dada la región a evaluar se obtiene un vector fila que contiene los valores máximos de los niveles de gris de cada una de las columnas. Si, por ejemplo, la región tuviera ocho columnas, como en la Figura 6, se obtendría un vector fila de ocho elementos, como en la Figura 7.a. Este es el VectordeMáximos y el valor M es el máximo valor de nivel de gris de este vector. En este caso puede observarse que es el elemento que ocupa la segunda posición. Utilizando esta posición se crea un nuevo vector denominado VectordeMáximosM, Figura 7.b, que incluirá los valores del VectordeMáximos menos los elementos que queden desde el inicio del vector hasta la posición de M, si M está a la izquierda de la mitad del VectordeMáximos, o en otro caso se eliminarán los elementos que se encuentren desde la posición de M hasta el final del VectordeMáximos.
A continuación se divide el VectordeMáximosM en dos mitades, Figura 7.c y 7.d, y se obtienen los valores máximos de ambos vectores reducidos. En el ejemplo de la Figura 7.c el valor máximo coincide con el valor M previamente obtenido, y en la Figura 7.d el valor máximo corresponde con el nivel de gris que
13
ocupa la segunda posición, empezando por la derecha, en el vector derecho, con un valor S = 158.
El VectordeMáximosCompacto se obtiene concatenando los valores del
5 VectordeMáximosM que van desde la posición de M hasta la posición de S, como puede verse en la Figura 7.e. Finalmente se obtiene el valor m como el valor mínimo del VectordeMáximosCompacto, recién obtenido, en este caso m=140 como se observa en la figura 7.f.
10 Si el índice proximal (IndiceProximal) según se define en la ecuación 3, devuelve un valor igual o menor que cero, la región estudiada no contiene una gota proximal.
El procedimiento concluye cuando se evalúan todas las regiones
15 candidatas y se determinan aquellas que contienen gotas proximales, obteniendo un listado con todas las cabezas con gota proximal presentes en la imagen o en la secuencia y una imagen en la que se presentan las gotas detectadas para que pueda ser visualizada y evaluada por la persona que utiliza el sistema.
14
Claims (16)
- R E I V I N D I CA C I O N E S1. Procedimiento de visión artificial para la detección de gotas citoplasmáticas proximales en espermatozoides a partir de una imagen digital inicial de una muestra (1) de semen que contiene espermatozoides y artefactos, caracterizado porque comprende los siguientes pasos:
- -
- adquisición y preprocesamiento de la imagen;
- -
- segmentar la imagen inicial empleando un umbral de segmentación para eliminar únicamente las colas de los espermatozoides;
- -
- seleccionar las cabezas candidatas eliminando para ello todos los objetos cuyo tamaño o relación de aspecto sea diferente al tamaño promedio y la relación de aspecto de una cabeza de espermatozoide, dado un margen de tolerancia;
- -
- analizar las cabezas candidatas para determinar si pegada a ellas aparece una gota proximal.
- 2. Procedimiento de acuerdo con la reivindicación 1, donde el paso de selección de las cabezas candidatas comprende:
- -
- determinar el tamaño promedio de las cabezas de espermatozoides en función de los aumentos a los que se ha tomado la imagen y de la especie animal que se esté estudiando;
- -
- determinar la relación de aspecto promedio de las cabezas de espermatozoides, obtenida como el cociente entre el eje mayor y el eje menor de la región de la cabeza. También se determinará en función de los aumentos a los que se ha tomado la imagen y de la especie animal que se esté estudiando;
- -
- establecer un valor de tolerancia para el tamaño promedio de las cabezas de manera que no se eliminen cabezas ya contengan éstas gotas proximales o no;
- -
- establecer una tolerancia para la relación de aspecto de las cabezas, eliminando aquellas regiones que no cumplan dicha tolerancia;
- -
- eliminar de la lista de objetos a estudiar aquellos cuya área sea mayor o menor que el área promedio más o menos la tolerancia, dejando una lista de cabezas candidatas a contener una gota proximal;
- 3. Procedimiento de acuerdo con la reivindicación 1 y 2, donde el paso de análisis comprende:
- -
- extraer el rectángulo circunscrito a cada cabeza candidata a contener una gota proximal y obtener sus niveles de gris;
- -
- obtener el vector de máximos como el vector conteniendo los máximos valores de niveles de gris de los píxeles que se encuentran en la columna (o fila, dependiendo de la rotación realizada) ortogonal al eje mayor longitudinal de la cabeza;
- -
- obtener un vector secundario de máximos a partir del vector anterior, donde se han eliminado los píxeles que se encuentran entre la posición del vector en la que se encuentra el máximo valor de niveles de gris del vector y el extremo más cercano del vector a esa posición;
- -
- dividir el vector anterior por su mitad y localizar los valores máximos de ambas partes;
- -
- obtener un nuevo vector que sólo contenga los valores del vector de máximos inicial que se encuentran entre los dos máximos hallados en ambas mitades, incluyendo también en ese vector los valores de esos máximos;
- obtener el valor mínimo del vector anterior; - obtener un índice proximal de acuerdo a la siguiente ecuación:DMm+DSmDSm x e 10IndiceProximal = -Factor (ec. 3)l0donde, DSm= S -m DMm= M – m M es el valor máximo del VectordeMáximos S es el valor máximo secundario del VectordeMáximos m es el mínimo del VectordeMáximosCompacto Factor es una constante que depende de cada especie y de los aumentos con losque se trabaje- -
- determinar que una cabeza tiene una gota proximal si su índice proximal es estrictamente mayor que cero.
5 4. Procedimiento de acuerdo con la reivindicación 3, que además comprende el paso de mostrar un listado de gotas citoplasmáticas proximales detectadas. - 5. Procedimiento de acuerdo con cualquiera de las reivindicaciones10 anteriores, que además comprende mostrar una imagen con todas las gotas citoplasmáticas proximales detectadas.
- 6. Procedimiento de acuerdo con cualquiera de las reivindicacionesanteriores, que además comprende un paso previo de preprocesamiento de la 15 imagen inicial.
- 7. Procedimiento de acuerdo con la reivindicación 6, donde el preprocesamiento comprende alguna de las siguientes operaciones: conversión de la imagen original a escala de grises o estiramiento del histograma para que el20 rango dinámico de la imagen corresponda con el rango estático.
- 8. Programa de ordenador que comprende instrucciones de programa para hacer que un ordenador lleve a la práctica el procedimiento de cualquiera de las reivindicaciones 1 a 7.
- 9. Programa de ordenador según la reivindicación 8, incorporado en medios de almacenamiento.
- 10. Programa de ordenador según la reivindicación 8, soportado en una 30 señal portadora.(4) (6) Ordenador
- (3) Cámara
- (2)
- Microscopio óptico
(5)Archivo datos(1) MuestraPantalla visualizaciónImagen gotas Gotas prox. analizadas detectadasFig. 1. Diagrama de funcionamiento del sistema.18Fig. 2. Imagen original en escala de grises19Fig. 3 Imagen segmentada20Fig. 4 Imagen con regiones de tamaño similar al de una cabeza21a.1 a.2 a.3 a.4 a.5b.1 b.2 b.3Fig. 5 Regiones de tamaño y forma similar al de una cabeza2212 3456781 100 100 23 140 155 169 140 140 150 140 120 4 140 172 168 140 153 153 158 140 5 140 140 170 140 140 155 140 120 6140 140 140 140 140 100 7 100 100Fig. 6 Ejemplo numérico de una región conteniendo una cabeza con gota proximal23 - 7.a 140 172 170 140 153 155 158 140 VeetordeMaximos
- 7.b 172 170 140 153 155 158 140 VeetordeMaximosM
- 7.e 172 170 140 Parte izquierda
- 7.d 153 155 158 140 Parte dereeha
- 7.e 172 170 140 153 155 158 VeetordeMaximosCompaeto
- 7.f 172 170 140 153 155 158Fig. 7 Obtención de los diferentes vectores de máximos24OFICINA ESPAÑOLA DE PATENTES Y MARCASN.º solicitud: 201331386ESPAÑAFecha de presentación de la solicitud: 24.09.2013Fecha de prioridad:INFORME SOBRE EL ESTADO DE LA TECNICA51 Int. Cl. : G06T7/00 (2006.01)DOCUMENTOS RELEVANTES
- Categoría
- 56 Documentos citados Reivindicaciones afectadas
- A
- US 2012148141 A1 (OZCAN AYDOGAN et al.) 14.06.2012, 1-10
- párrafos [0006-0091].
- A
- WO 2005080944 A1 (UNIV GLASGOW et al.) 01.09.2005, 1-10
- página 1, línea 3 – página 33, línea 7.
- A
- WO 2007061971 A2 (VALA SCIENCES INC et al.) 31.05.2007, 1-10
- párrafos [0010-0067].
- A
- EP 1624411 A2 (GENDEX CORP) 08.02.2006, 1-10
- párrafos [0001-0111].
- Categoría de los documentos citados X: de particular relevancia Y: de particular relevancia combinado con otro/s de la misma categoría A: refleja el estado de la técnica O: referido a divulgación no escrita P: publicado entre la fecha de prioridad y la de presentación de la solicitud E: documento anterior, pero publicado después de la fecha de presentación de la solicitud
- El presente informe ha sido realizado • para todas las reivindicaciones • para las reivindicaciones nº:
- Fecha de realización del informe 28.05.2014
- Examinador A. Casado Fernández Página 1/4
INFORME DEL ESTADO DE LA TÉCNICANº de solicitud: 201331386Documentación mínima buscada (sistema de clasificación seguido de los símbolos de clasificación) G06T Bases de datos electrónicas consultadas durante la búsqueda (nombre de la base de datos y, si es posible, términos debúsqueda utilizados) INVENES, EPODOCInforme del Estado de la Técnica Página 2/4OPINIÓN ESCRITANº de solicitud: 201331386Fecha de Realización de la Opinión Escrita: 28.05.2014Declaración- Novedad (Art. 6.1 LP 11/1986)
- Reivindicaciones Reivindicaciones 1-10 SI NO
- Actividad inventiva (Art. 8.1 LP11/1986)
- Reivindicaciones Reivindicaciones 1-10 SI NO
Se considera que la solicitud cumple con el requisito de aplicación industrial. Este requisito fue evaluado durante la fase de examen formal y técnico de la solicitud (Artículo 31.2 Ley 11/1986).Base de la Opinión.-La presente opinión se ha realizado sobre la base de la solicitud de patente tal y como se publica.Informe del Estado de la Técnica Página 3/4OPINIÓN ESCRITANº de solicitud: 2013313861. Documentos considerados.-A continuación se relacionan los documentos pertenecientes al estado de la técnica tomados en consideración para la realización de esta opinión.- Documento
- Número Publicación o Identificación Fecha Publicación
- D01
- US 2012148141 A1 (OZCAN AYDOGAN et al.) 14.06.2012
- D02
- WO 2005080944 A1 (UNIV GLASGOW et al.) 01.09.2005
- D03
- WO 2007061971 A2 (VALA SCIENCES INC et al.) 31.05.2007
- D04
- EP 1624411 A2 (GENDEX CORP) 08.02.2006
- 2. Declaración motivada según los artículos 29.6 y 29.7 del Reglamento de ejecución de la Ley 11/1986, de 20 de marzo, de Patentes sobre la novedad y la actividad inventiva; citas y explicaciones en apoyo de esta declaraciónEl documento D01 se considera el más próximo del estado de la técnica a la invención solicitada.D01 describe un método de análisis de espermatozoides, donde se ilumina una muestra de espermatozoides, se adquieren imágenes de la muestra, se realiza un tratamiento de la imagen digital, se aíslan las cabezas de los espermatozoides y se identifica cada una de ellas. Este método permite contabilizar el número de espermatozoides en la muestra.D02 detalla un método para determinar la morfología y la motilidad de los espermatozoides capturando una imagen e identificando las diferentes partes de la imagen.D03 describe un método para procesar una imagen de material biológico para identificar las diferentes partes aplicando filtros a la imagen.D04 describe un método para analizar una imagen digital que permite distinguir las características de la imagen. El método incluye las etapas de determinar un histograma de la imagen y analizarlo con el fin de determinar una distinción entre los elementos de la imagen.La diferencia principal entre el documento D01 y la reivindicación 1 es que D01 no analiza las cabezas candidatas para determinar si pegada a ellas aparece una gota proximal. El problema técnico es cómo analizar las cabezas de los espermatozoides para detectar gotas citoplasmáticas proximales. Este problema no está indicado, ni resuelto en D01.A la vista de lo mencionado anteriormente se concluye que la reivindicación 1 es nueva e implica actividad inventiva (Artículos 6 y 8 LP.).Las reivindicaciones 2 a 7, dependientes de la reivindicación 1, son por tanto nuevas e implican actividad inventiva (Artículos 6 y 8 LP.).Las reivindicaciones 8 a 10 son reivindicaciones declarativas e implican novedad y actividad inventiva en la medida en la que las reivindicaciones 1 a 7 son nuevas e implican actividad inventiva (artículos 6 y 8 LP.).Informe del Estado de la Técnica Página 4/4
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ES201331386A ES2465740B2 (es) | 2013-09-24 | 2013-09-24 | Procedimiento de visión artificial para la detección de gotas citoplasmáticas proximales en espermatozoides |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ES201331386A ES2465740B2 (es) | 2013-09-24 | 2013-09-24 | Procedimiento de visión artificial para la detección de gotas citoplasmáticas proximales en espermatozoides |
Publications (2)
Publication Number | Publication Date |
---|---|
ES2465740A1 true ES2465740A1 (es) | 2014-06-06 |
ES2465740B2 ES2465740B2 (es) | 2014-10-07 |
Family
ID=50843177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES201331386A Active ES2465740B2 (es) | 2013-09-24 | 2013-09-24 | Procedimiento de visión artificial para la detección de gotas citoplasmáticas proximales en espermatozoides |
Country Status (1)
Country | Link |
---|---|
ES (1) | ES2465740B2 (es) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005080944A1 (en) * | 2004-02-18 | 2005-09-01 | The University Court Of The University Of Glasgow | Analysis of cell morphology and motility |
EP1624411A2 (en) * | 2004-08-06 | 2006-02-08 | Gendex Corporation | Soft tissue filtering in medical images |
WO2007061971A2 (en) * | 2005-11-21 | 2007-05-31 | Vala Sciences, Inc. | System, method and kit for processing a magnified image of biological material to identify components of a biological object |
US20120148141A1 (en) * | 2010-12-14 | 2012-06-14 | Aydogan Ozcan | Compact automated semen analysis platform using lens-free on-chip microscopy |
-
2013
- 2013-09-24 ES ES201331386A patent/ES2465740B2/es active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005080944A1 (en) * | 2004-02-18 | 2005-09-01 | The University Court Of The University Of Glasgow | Analysis of cell morphology and motility |
EP1624411A2 (en) * | 2004-08-06 | 2006-02-08 | Gendex Corporation | Soft tissue filtering in medical images |
WO2007061971A2 (en) * | 2005-11-21 | 2007-05-31 | Vala Sciences, Inc. | System, method and kit for processing a magnified image of biological material to identify components of a biological object |
US20120148141A1 (en) * | 2010-12-14 | 2012-06-14 | Aydogan Ozcan | Compact automated semen analysis platform using lens-free on-chip microscopy |
Also Published As
Publication number | Publication date |
---|---|
ES2465740B2 (es) | 2014-10-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108288027B (zh) | 一种图像质量的检测方法、装置及设备 | |
CN107527028B (zh) | 目标细胞识别方法、装置及终端 | |
US10453195B2 (en) | Method of detecting tissue area of interest in digital pathology imaging by executing computer-executable instructions stored on a non-transitory computer-readable medium | |
JP2018534605A5 (es) | ||
JP6560757B2 (ja) | 検査室自動化のためのトップビューサンプルチューブ画像からのバーコードタグ状態の分類 | |
CN101187982B (zh) | 一种用于从图像中分割出对象的方法及装置 | |
US20150186755A1 (en) | Systems and Methods for Object Identification | |
KR102140385B1 (ko) | 골수 판독을 위한 셀존 레이블링 장치 및 이를 포함하는 셀존 검출 시스템 | |
JP2018512567A5 (es) | ||
CN104700620B (zh) | 一种基于交通卡口的套牌车辆识别方法和装置 | |
US10591402B2 (en) | Image processing apparatus, image processing method, and image processing program | |
Son et al. | Morphological change tracking of dendritic spines based on structural features | |
Choi et al. | Skin texture aging trend analysis using dermoscopy images | |
CN110866932A (zh) | 多通道舌体边缘检测装置、方法及存储介质 | |
JP6059271B2 (ja) | 画像処理装置及び画像処理方法 | |
Mahanta et al. | Cervix cancer diagnosis from pap smear images using structure based segmentation and shape analysis | |
Kim et al. | Evaluation of hair and scalp condition based on microscopy image analysis | |
JP2022000642A (ja) | 架線摩耗検査方法 | |
CN115439398A (zh) | 用于在图像数据中检测显微检查对象的方法和装置 | |
US20150260973A1 (en) | Focus determination apparatus, focus determination method, and imaging apparatus | |
US10943350B2 (en) | Automated segmentation of histological sections for vasculature quantification | |
ES2465740A1 (es) | Procedimiento de visión artificial para la detección de gotas citoplasmáticas proximales en espermatozoides | |
WO2023061162A1 (en) | Systems and methods for label-free multi-histochemical virtual staining | |
Alvarez-Ramos et al. | Automatic classification of Nosema pathogenic agents through machine vision techniques and kernel-based vector machines | |
KR101509991B1 (ko) | 피부 나이 측정 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
FG2A | Definitive protection |
Ref document number: 2465740 Country of ref document: ES Kind code of ref document: B2 Effective date: 20141007 |
|
GD2A | Contractual licences |
Effective date: 20150325 |