ES2851391T3 - Registro de sistema de coordenadas de portaobjetos de microscopio - Google Patents

Registro de sistema de coordenadas de portaobjetos de microscopio Download PDF

Info

Publication number
ES2851391T3
ES2851391T3 ES11701913T ES11701913T ES2851391T3 ES 2851391 T3 ES2851391 T3 ES 2851391T3 ES 11701913 T ES11701913 T ES 11701913T ES 11701913 T ES11701913 T ES 11701913T ES 2851391 T3 ES2851391 T3 ES 2851391T3
Authority
ES
Spain
Prior art keywords
image
imaging station
reference image
cells
images
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
Application number
ES11701913T
Other languages
English (en)
Inventor
Michael Zahniser
Russell Zahniser
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Roche Diagnostics Hematology Inc
Original Assignee
Roche Diagnostics Hematology Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Roche Diagnostics Hematology Inc filed Critical Roche Diagnostics Hematology Inc
Application granted granted Critical
Publication of ES2851391T3 publication Critical patent/ES2851391T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B21/00—Microscopes
    • G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
    • G02B21/365—Control or image processing arrangements for digital or video microscopes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G—PHYSICS
    • G02—OPTICS
    • G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
    • G02B21/00—Microscopes
    • G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695—Preprocessing, e.g. image segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20036—Morphological image processing
    • G06T2207/20041—Distance transform
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Analytical Chemistry (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Optics & Photonics (AREA)
  • Pathology (AREA)
  • Hematology (AREA)
  • Urology & Nephrology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Biochemistry (AREA)
  • Immunology (AREA)
  • Biophysics (AREA)
  • Image Processing (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Microscoopes, Condenser (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Image Analysis (AREA)

Abstract

Un procedimiento para volver a localizar un objeto de interés en un segundo puesto de formación de imágenes (120b) en base a las coordenadas para el objeto de interés en un primer puesto de formación de imágenes (120a), comprendiendo el procedimiento: adquirir un primer par de imágenes que incluye una imagen de referencia (210) de una muestra biológica (112) que comprende células en el primer puesto de formación de imágenes (120a) y una segunda imagen de la muestra (112) en el segundo puesto de formación de imágenes (120b); identificar un grupo de células que aparece tanto en la imagen de referencia (210) como en la segunda imagen (220); determinar las coordenadas de platina del grupo de células en el primer puesto de formación de imágenes (120a) a partir de las coordenadas de platina en las que se adquirió la imagen de referencia (210); determinar las coordenadas de platina del grupo de células en el segundo puesto de formación de imágenes (120b) a partir de las coordenadas de platina en las que se adquirió la segunda imagen (220); y calcular una transformación afín que convierte las coordenadas de platina del primer puesto de formación de imágenes (120a) en las coordenadas de platina del segundo puesto de formación de imágenes (120b), en el que adquirir el primer par de imágenes incluye seleccionar la imagen de referencia (210) de una pluralidad de candidatos de imágenes de referencia obtenidos durante una exploración de la muestra (112) en el primer puesto de formación de imágenes (120a), asignar una puntuación de idoneidad a cada uno de una pluralidad de candidatos de imágenes de referencia y seleccionar un candidato de imagen de referencia con una puntuación de idoneidad más alta como imagen de referencia (210), en el que asignar la puntuación de idoneidad incluye asignar una puntuación que corresponde a una probabilidad de que una imagen de un tamaño predeterminado tomada desde dentro de la imagen de referencia (210) incluya células excepcionalmente identificables.

Description

DESCRIPCIÓN
Registro de sistema de coordenadas de portaobjetos de microscopio
CAMPO TÉCNICO
La materia objeto de la presente solicitud se refiere en general al procesamiento de imágenes.
ANTECEDENTES
Un sistema de formación de imágenes automatizado que incluye óptica de microscopio, una cámara, una platina motorizada y un sistema de control por ordenador puede adquirir automáticamente imágenes de células de una muestra biológica depositada en un portaobjetos de microscopio. A continuación, el sistema puede procesar estas imágenes para identificar las células de interés. Es posible que sea necesario reexaminar estas células más tarde; por ejemplo, para adquirir imágenes de mayor aumento de dichas células o para presentar determinadas células de interés para su revisión manual. Esta reexaminación a menudo se produce en un puesto de formación de imágenes separado. Para localizaciones de platinas correspondientes a células de interés encontradas en el primer puesto de formación de imágenes, este segundo puesto de formación de imágenes debe volver a localizar esas células exactas para otra revisión.
Si los sistemas de coordenadas de los dos puestos de formación de imágenes fueran idénticos, el segundo puesto podría simplemente mover su platina a la posición de platina informada para una célula en el primer puesto de formación de imágenes, y esa célula estaría centrada en el campo visual en el segundo puesto de formación de imágenes. Sin embargo, debido a diferencias de platina a platina o inexactitudes en cómo se carga o asegura el portaobjetos en un puesto de formación de imágenes particular, las mismas coordenadas de platina en dos puestos de formación de imágenes diferentes a menudo corresponden a diferentes regiones de la muestra presentada en el campo visual para la óptica del puesto de formación de imágenes. Se puede producir un error cuando el portaobjetos, tras colocarse en una platina móvil de un puesto de formación de imágenes, se inclina ligeramente o no se apoya apropiadamente contra el soporte de portaobjetos. Además, se puede producir un error cuando la posición cero nominal de la platina cambia gradualmente de día a día debido a inexactitudes en los interruptores de inicio de la platina. Pequeños errores de este tipo tienen un efecto notable porque un campo visual de mayor aumento en un segundo puesto de formación de imágenes puede ser menos de una décima de milímetro en la muestra. Un error de incluso la mitad de esa cantidad es suficiente para desplazar la célula de interés de la imagen. Por lo tanto, es ventajoso, para cada portaobjetos, medir y corregir cualquier error en el posicionamiento del portaobjetos.
Tradicionalmente, los portaobjetos de microscopio usados en sistemas de formación de imágenes o para revisión manual tienen una o más “marcas de referencia” impresas en ellos que establecen un sistema de coordenadas estándar para el portaobjetos que es independiente de la platina. En cada uno de los puestos de formación de imágenes, el sistema de formación de imágenes localiza estas marcas en el portaobjetos y las diferencias en sus coordenadas se usan para determinar una transformación que se puede aplicar para convertir las coordenadas del primer puesto de formación de imágenes en coordenadas para el segundo puesto de formación de imágenes. Este procedimiento es eficaz, pero requiere marcas especiales impresas en los portaobjetos, lo que potencialmente incrementa los costes de fabricación de los portaobjetos. Además, el procedimiento lleva mucho tiempo, porque puede ser necesario buscar varias localizaciones antes de que se localice la marca de referencia en una imagen. Esto es especialmente difícil con un gran aumento porque el campo visual es más pequeño en comparación con un puesto de formación de imágenes que usa un aumento menor. Por lo tanto, existe una necesidad de procedimientos y sistemas que traduzcan coordenadas de platina para un objeto de interés o campo visual en un puesto de formación de imágenes a coordenadas para otros puestos de formación de imágenes, sin el uso de marcas de referencia preimpresas en portaobjetos de microscopio.
El documento US 6489625 B1 divulga un procedimiento para la transformación rápida y fácil de coordenadas para la designación de la posición entre un primer y segundo aparato de observación que tiene medios para designar posiciones en una muestra.
El documento US 2007/076983 A1 divulga un procedimiento para volver a localizar un objeto en una muestra para un portaobjetos previamente explorado que tiene determinados objetos, cada uno con las correspondientes coordenadas almacenadas y una imagen almacenada, correlacionándose los objetos entre sí.
El documento US 2002/085744 A1 divulga un medio para registrar y correlacionar dos o más imágenes microscópicas sin imponer requisitos extraordinariamente rigurosos de exactitud, precisión y resolución en el sistema microscópico.
El documento US 5 933 519 A divulga un procedimiento de detección de áreas de interés con poco aumento, localización de posibles células anómalas u otras células de interés usando técnicas de procesamiento de imágenes y reconocimiento de patrones estadísticos, y con gran aumento donde se reexaminan las áreas identificadas con poco aumento.
SUMARIO
La presente invención se refiere a un procedimiento para volver a localizar un objeto de interés en un segundo puesto de formación de imágenes en base a las coordenadas del objeto de interés en un primer puesto de formación de imágenes. El procedimiento incluye adquirir un primer par de imágenes que incluye una imagen de referencia de una muestra biológica que comprende células en el primer puesto de formación de imágenes y una segunda imagen de la muestra en el segundo puesto de formación de imágenes; identificar un grupo de células que aparece tanto en la imagen de referencia como en la segunda imagen; determinar las coordenadas de platina del grupo de células en el primer puesto de formación de imágenes a partir de las coordenadas de platina en las que se adquirió la imagen de referencia; determinar las coordenadas de platina del grupo de células en el segundo puesto de formación de imágenes a partir de las coordenadas de platina en las que se adquirió la segunda imagen; y calcular una transformación afín que convierte las coordenadas de platina del primer puesto de formación de imágenes en las coordenadas de platina del segundo puesto de formación de imágenes, en el que adquirir el primer par de imágenes incluye seleccionar la imagen de referencia de una pluralidad de candidatos de imágenes de referencia obtenidos durante una exploración de la muestra en el primer puesto de formación de imágenes, asignar una puntuación de idoneidad a cada uno de una pluralidad de candidatos de imágenes de referencia y seleccionar un candidato de imagen de referencia con una puntuación de idoneidad más alta como imagen de referencia, en el que asignar la puntuación de idoneidad incluye asignar una puntuación que corresponde a una probabilidad de que una imagen de un tamaño predeterminado tomada desde dentro de la imagen de referencia incluya células excepcionalmente identificables.
También se proporciona un sistema para implementar el procedimiento anterior que incluye un primer puesto de formación de imágenes para adquirir una imagen de referencia de una muestra en el primer puesto de formación de imágenes; y un segundo puesto de formación de imágenes para: adquirir una segunda imagen de la muestra en el segundo puesto de formación de imágenes; identificar un grupo de células que aparece tanto en la imagen de referencia como en la segunda imagen; determinar las coordenadas de platina del grupo de células en el primer puesto de formación de imágenes a partir de las coordenadas de platina en las que se adquirió la imagen de referencia; determinar las coordenadas de platina del grupo de células en el segundo puesto de formación de imágenes a partir de las coordenadas de platina en las que se adquirió la segunda imagen; y calcular una transformación afín que convierte las coordenadas de platina del primer puesto de formación de imágenes en las coordenadas de platina del segundo puesto de formación de imágenes, en el que las instrucciones provocan que el aparato de procesamiento de datos adquiera la imagen de referencia de una pluralidad de candidatos de imágenes de referencia obtenidos durante una exploración de la muestra en el primer puesto de formación de imágenes; en el que la memoria incluye además instrucciones ejecutables por el aparato de procesamiento de datos y, tras dicha ejecución, provoca que el aparato de procesamiento de datos realice operaciones que comprenden: asignar una puntuación de idoneidad a cada uno de una pluralidad de candidatos de imágenes de referencia y seleccionar un candidato de imagen de referencia con una puntuación de idoneidad más alta como imagen de referencia; y en el que la puntuación de idoneidad incluye una puntuación que corresponde a una probabilidad de que una imagen de un tamaño predeterminado tomada desde dentro de la imagen de referencia incluya células excepcionalmente identificables.
La invención también se refiere a un medio legible por ordenador para implementar el procedimiento anterior, como se especifica además en las reivindicaciones.
Los detalles de uno o más modos de realización de la invención se exponen en los dibujos adjuntos y la descripción a continuación. Otros rasgos característicos, objetivos y ventajas de la invención serán evidentes a partir de la descripción y los dibujos, y a partir de las reivindicaciones.
DESCRIPCIÓN DE LOS DIBUJOS
La FIG. 1A muestra un ejemplo de un sistema de formación de imágenes de muestras biológicas.
La FIG. 1B muestra una vista ampliada de un portaobjetos de microscopio que incluye múltiples marcas de referencia.
La FIG. 2 muestra imágenes adquiridas de la misma región de células por dos puestos de formación de imágenes diferentes.
La FIG. 3A muestra un ejemplo de una imagen tomada con poco aumento.
La FIG. 3B muestra un ejemplo de una imagen tomada con gran aumento.
La FIG. 3C muestra una imagen tomada con poco aumento superpuesta con una imagen tomada con gran aumento en diversas regiones.
La FIG. 3D muestra tres regiones en un mapa de contorno enmascaradas por una imagen tomada con gran aumento.
La FIG. 4A muestra un ejemplo de una imagen a partir de la que se puede determinar una segunda imagen.
La FIG. 4B muestra un ejemplo de una imagen con una puntuación de cobertura mayor a la mostrada en la FIG. 4A. La FIG. 5A muestra un ejemplo de un área de exploración con tres secciones que se han definido de las que se puede elegir una imagen de referencia de cada región.
La FIG. 5B muestra una región enmascarada en el centro de un área de exploración.
La FIG. 6 muestra un ejemplo de un procedimiento para determinar una transformación de coordinación que correlaciona las coordenadas asociadas con un primer puesto de formación de imágenes con las coordenadas asociadas con un segundo puesto de formación de imágenes.
La FIG. 7 muestra un ejemplo de un dispositivo informático que puede estar formado como parte o además del sistema de cribado biológico mostrado en la FIG. 1.
Los símbolos de referencia similares en los diversos dibujos indican elementos similares.
DESCRIPCIÓN DETALLADA
Visión general del sistema
La FIG. 1A muestra un ejemplo de un sistema de formación de imágenes de muestras biológicas 100 controlado por un ordenador 130. El ordenador 130 incluye una unidad central de procesamiento (CPU) 132, un disco duro 134, una memoria 136 y otros componentes de equipo informático conocidos convencionalmente (por ejemplo, interfaces de comunicación). El ordenador 130 se puede comunicar con un puesto de formación de imágenes de poco aumento 120a y un puesto de formación de imágenes de gran aumento 120b por medio de protocolos de comunicación conocidos usando conexiones de equipo informático estándar entre el ordenador y los puestos de formación de imágenes. Esta capacidad de comunicación permite que el ordenador 130 ordene a las platinas 128a y 128b que se muevan a diferentes posiciones (x, y) en el plano horizontal, para mover las lentes de los objetivos 126a y 126b hacia arriba y hacia abajo del eje vertical con respecto a la superficie de un portaobjetos de microscopio 110, y recibir imágenes captadas desde las cámaras 124a y 124b.
El sistema 100 puede captar y procesar imágenes de una muestra biológica 112 depositada en un portaobjetos de microscopio 110. Por ejemplo, la muestra biológica 112 puede comprender una fina monocapa de glóbulos sanguíneos en la superficie del portaobjetos 110. Las etapas de captación de imágenes comienzan con un primer puesto de formación de imágenes 120a que explora toda la muestra depositada en el portaobjetos 110 bajo un objetivo de baja potencia 126a. El ordenador 130 selecciona una pluralidad de imágenes de referencia obtenidas de la exploración de poco aumento de la muestra. Además, el ordenador 130 puede procesar las imágenes de poco aumento para identificar objetos de interés que requieren formación de imágenes bajo un objetivo de mayor potencia 126b como se incluye en el segundo puesto de formación de imágenes 120b.
Después de completar las etapas de exploración, captación de imágenes y procesamiento de imágenes realizadas en conexión con el primer puesto de formación de imágenes 120a, un sistema de transporte automatizado (no mostrado en la FIG. 1) mueve el portaobjetos 110 al puesto de formación de imágenes de gran aumento 120b. Para cada una de las imágenes de referencia obtenidas en el primer puesto de formación de imágenes 120a, el puesto de formación de imágenes de gran aumento 120b mueve el portaobjetos 110 por medio de la segunda platina 128b a las coordenadas de platina donde el primer puesto de formación de imágenes captó la imagen de referencia, y adquiere una segunda imagen. Como se describe además a continuación, y usando diversos rasgos característicos de la muestra depositada en el portaobjetos 110, el ordenador 130 hace coincidir la segunda imagen con la imagen de referencia y convierte el desplazamiento de píxeles entre la imagen de referencia y la segunda imagen en un valor de desplazamiento (por ejemplo, en micrómetros) entre los sistemas de coordenadas del primer puesto de formación de imágenes 120a (primera platina 128a) y el segundo puesto de formación de imágenes 120b (segunda platina 128b).
El ordenador 130 puede convertir el valor de desplazamiento en una distancia en micrómetros porque son conocidos los valores de aumento de la imagen de referencia y la segunda imagen. A modo de ejemplo, el sistema 100 adquiere una imagen de referencia de la muestra 112 en las coordenadas de platina (54000 pm, 18000 pm) en un primer puesto de formación de imágenes. Cuando el sistema adquiere una segunda imagen en esas mismas coordenadas en el segundo puesto de formación de imágenes, el ordenador 130 determina que la segunda imagen coincide con una localización 200 píxeles por debajo y 300 píxeles a la derecha del centro de la localización de la imagen de referencia. Si la imagen de referencia tiene un aumento de 0,88 pm por píxel, este desplazamiento se puede traducir a micrómetros (por ejemplo, 264 pm, 176 pm). Esto significa que para obtener imágenes de las células que estaban en las coordenadas (54000 pm, 18000 pm) en el primer puesto, el segundo puesto debe mover su platina a las coordenadas en (54264 pm, 18176 pm).
El sistema 100 completa este procedimiento para cualquier imagen de referencia restante seleccionada por el ordenador y, como se detalla además a continuación, el ordenador 130 calcula una transformación afín que correlaciona el primer sistema de coordenadas (es decir, del primer puesto de formación de imágenes 120a y la primera platina 128a) con el segundo sistema de coordenadas (por ejemplo, del segundo puesto de formación de imágenes 120b y la segunda platina 128b). Después de esto, cuando se requiere captar una imagen de una célula con coordenadas que se indicaron en el primer puesto de formación de imágenes, el sistema 100 aplica esta transformación a esas coordenadas para obtener las coordenadas de platina equivalentes en el segundo puesto de formación de imágenes.
Visión general de la exploración de portaobjetos
En determinadas aplicaciones, la muestra biológica 112 puede comprender una muestra de sangre depositada en el portaobjetos 110 como una monocapa de células y preparada por un modo de realización del sistema divulgado, por ejemplo, en la solicitud de EE. UU. en tramitación n.° 12/430.885, titulada “Method of Determining a Complete Blood Count and a White Blood Cell Differential”. Después de una o más etapas de fijación, tinción, enjuague y/o secado, un sistema de transporte automatizado o un técnico de laboratorio carga el portaobjetos 110 en la primera platina 128a del puesto de formación de imágenes de poco aumento 120a. A continuación, el ordenador 130 ordena a la primera platina 128a que mueva el portaobjetos 110 de modo que una localización deseada de la muestra se sitúe directamente debajo del objetivo de baja potencia 126a.
El “campo visual” de la cámara 124a a través del objetivo 126a incluye una región de la muestra en el portaobjetos 110 que la cámara 124a captó en una o más imágenes. En un modo de realización del sistema 100, el objetivo de baja potencia 126a incluye un objetivo 10x, y óptica adicional (no mostrada) entre el objetivo de baja potencia 126a y la cámara 124a que puede reducir la imagen a un 50 % de su tamaño original. La cámara 124a incluye una matriz CCD de 1624 por 1224 píxeles, donde cada píxel de la matriz es de 4,4 pm por 4,4 pm. Por tanto, las dimensiones del campo visual para el primer puesto de formación de imágenes 120a se pueden calcular como sigue [1]:
ancho = (l624 píxeles •
Figure imgf000005_0001
1429 pm
altura = (l224 píxeles •
Figure imgf000005_0002
Un portaobjetos de microscopio estándar tiene unas dimensiones de aproximadamente 1 pulgada por 3 pulgadas, o 25400 pm por 76200 pm. El sistema de formación de imágenes 100 debe, por tanto, adquirir varias imágenes para cubrir la parte del portaobjetos 110 que contiene la muestra biológica 112. Cuando una aplicación particular requiere obtener imágenes de toda la muestra, el procedimiento de exploración puede comenzar con la primera platina 128a situando una esquina de la muestra biológica 112 debajo del objetivo de baja potencia 126a. A continuación, la primera platina 128a se puede mover en el sentido “X” en incrementos iguales al ancho del campo visual de la cámara 124a (por ejemplo, 1429 pm), y se pueden adquirir una o más imágenes en cada incremento. Por ejemplo, en cada localización, la cámara 124a puede captar una serie de imágenes a diferentes alturas focales y/o con diferentes colores de iluminación. Cuando se ha explorado todo el ancho de la muestra biológica 112, la primera platina 128a se puede mover en el sentido “Y” en una cantidad igual a la altura del campo visual de la cámara 124a (por ejemplo, 1077 pm). También se puede adquirir una nueva serie de imágenes trasladando gradualmente la primera platina 128a en el sentido opuesto “X” en la misma cantidad de incrementos hasta que la cámara 124a alcance el otro borde de la muestra biológica 112. El sistema 100 repite este procedimiento hasta que la cámara 124a haya obtenido imágenes de toda la muestra biológica 112 en el portaobjetos 110.
En el procedimiento de exploración descrito anteriormente, el sistema 100 puede adquirir varios cientos o más de imágenes de la muestra biológica 112. Estas imágenes se usan para realizar determinadas mediciones en la muestra, para elegir regiones de la muestra o determinadas células de interés para reexaminar con un mayor aumento, y para identificar una o más imágenes de referencia para correlacionar las coordenadas de platina del primer puesto de formación de imágenes 120a con el segundo puesto de formación de imágenes 120b. Por ejemplo, el sistema 100 puede usar las imágenes obtenidas en el primer puesto de formación de imágenes 120a para contar glóbulos rojos y blancos en la muestra. Además, el sistema 100 puede seleccionar una parte de la población de glóbulos blancos para reexaminarla con un gran aumento para otra clasificación.
Una vez que se ha explorado el portaobjetos 110 en el puesto de formación de imágenes de poco aumento 120a, el portaobjetos 110 se puede mover al segundo puesto de formación de imágenes 120b. La cámara 124b, junto con un objetivo de mayor aumento 126b en comparación con el objetivo 126a, tendrá un campo visual más pequeño que la cámara 124a en el primer puesto de formación de imágenes. Por ejemplo, con un objetivo 50x como lente de aumento 126b, e incluyendo la cámara 124b un CCD de 640 por 480 píxeles, el tamaño de píxel en el segundo puesto de formación de imágenes es de 7,4 pm. Por tanto, las dimensiones del campo visual en el segundo puesto de formación de imágenes 120b se pueden calcular como [2]:
( pm \
ancho = (640 píxeles • 7,4 ^J /50 = 95 pm
í
altura = (480 píxeles • 7,4
Figure imgf000006_0001
Como se analiza anteriormente, una o más localizaciones o células de interés en la muestra 112 de la que se obtuvieron imágenes durante la exploración de poco aumento se pueden reexaminar en el segundo puesto de formación de imágenes 120b. Para acelerar el procedimiento de adquisición de imágenes en el segundo puesto de formación de imágenes 120b, el ordenador 130 puede ordenar a la platina 128b que mueva el portaobjetos 110 y presente solo las localizaciones específicas en la muestra 112 para la captación de imágenes en lugar de realizar una exploración completa de la muestra en el segundo puesto de formación de imágenes 120b. Por tanto, el segundo puesto de formación de imágenes 120b debe situar el portaobjetos 110 con respecto al campo visual de la cámara 124b de modo que la cámara 124b adquiera imágenes de las localizaciones deseadas o células de interés identificadas durante la exploración realizada en el primer puesto de formación de imágenes. Si bien las coordenadas de dichas localizaciones o células son conocidas en el sistema de coordenadas de la primera platina 128a del primer puesto de formación de imágenes 120a, el sistema debe correlacionar estas coordenadas con las coordenadas de la segunda platina 128b en el segundo puesto de formación de imágenes 120b para volver a obtener imágenes de forma precisa de esas células exactas. Por tanto, el sistema 100 debe determinar la diferencia entre los dos sistemas de coordenadas (por ejemplo, el sistema de coordenadas del primer sistema de formación de imágenes 120a y el del segundo sistema de formación de imágenes 120b), y tener en cuenta dicha diferencia cuando se obtienen imágenes de localizaciones seleccionadas en el segundo puesto de formación de imágenes. Como una variedad de factores influyen en esta diferencia, la diferencia típicamente no se puede medir una vez durante la fabricación y almacenarse en el ordenador 130 del sistema 100. En su lugar, el sistema 100 mide la diferencia de nuevo para cada portaobjetos 110 del que se obtuvieron imágenes en el primer y segundo puestos de formación de imágenes 120 y 120b. Este procedimiento de medición típicamente comienza seleccionando imágenes de referencia para la muestra 112.
Selección de imágenes de referencia
El ordenador 130 selecciona una o más imágenes adquiridas durante la exploración de poco aumento de la muestra 112 para usar como imagen de referencia 210 para correlacionar las coordenadas de platina entre el primer puesto de formación de imágenes 120a y el segundo puesto de formación de imágenes 120b. La selección de imágenes de referencia con un recuento de células adecuado garantiza que la imagen de referencia 210 contiene información suficiente para realizar una coincidencia inequívoca con una segunda imagen 220 adquirida en un segundo puesto de formación de imágenes 120b con un aumento incrementado (por ejemplo, al menos tres o cuatro células). Además, la parte de la muestra representada en la imagen de referencia 210 es más grande que la mayoría de, si no todos, los errores de posicionamiento del portaobjetos o los desplazamientos de coordenadas entre el primer y segundo puestos de formación de imágenes 120a y 120b. Por ejemplo, si el campo visual de poco aumento es de 1429 pm por 1077 pm, la posición del portaobjetos en el segundo puesto de formación de imágenes debería ser mayor de medio milímetro para que la segunda imagen 220 tomada en las coordenadas de la imagen de referencia no contenga ninguna célula encontrada dentro de la imagen de referencia 210. Como es probable que se produzca algún error de posicionamiento, la segunda imagen 220 puede, en la práctica, coincidir con cualquier parte de la imagen de referencia 210.
El ordenador 130 puede asignar puntuaciones de cobertura a las imágenes tomadas en el primer puesto de formación de imágenes para evaluar si dichas imágenes son aceptables para usar como imágenes de referencia. La FIG. 4A muestra un candidato de imagen de referencia 400 captada durante la exploración de poco aumento de la muestra 112. La imagen 400 se puede dividir en una serie de regiones más pequeñas superponiendo una cuadrícula sobre la imagen como se muestra en la FIG. 4A. En este ejemplo, el tamaño de cuadrícula es de 8 por 6 cuadrados, aunque son posibles otros tamaños de cuadrícula u otros procedimientos para evaluar la cobertura celular. La FIG. 4A muestra que el candidato de imagen de referencia contiene dos cuadrados de cuadrícula, 404a y 404b, que no contienen células, y tres cuadrados de cuadrícula adicionales, 406a, 406b y 406c, que contienen solo pequeñas porciones de células. En este ejemplo, el ordenador 130 asigna a la imagen 400 una puntuación de cobertura de -5; es decir, cinco de los cuadrados de la cuadrícula son inaceptables.
La FIG. 4B representa un candidato de imagen de referencia 410 con una puntuación de cobertura mayor que la imagen mostrada en la FIG. 4A. Cada cuadrado de cuadrícula de la imagen 410 contiene al menos unas pocas células y, por lo tanto, el sistema 100 asigna a la imagen 410 una puntuación de cobertura de cero (es decir, la imagen 410 no contiene ningún cuadrado de la cuadrícula en blanco). Como la imagen 410 tiene un valor de puntuación de cobertura mayor que la imagen 400, el sistema 100 preferirá la imagen 410 sobre la imagen 400 cuando seleccione imágenes de referencia.
Los expertos en la técnica apreciarán que se pueden usar otras métricas u otras convenciones de puntuación para evaluar la cobertura celular de candidatos de imágenes de referencia. Por ejemplo, el sistema 100 puede asignar una puntuación mayor a una región de una imagen que está llena al 50 % en comparación con una región que está llena al 100 % de células. En esta última región, las células pueden estar empaquetadas tan estrechamente que es posible que el sistema no pueda distinguir entre células individuales, lo que puede ser tan problemático para el algoritmo de registro como una región completamente vacía dentro de la muestra depositada en el portaobjetos.
Aparte de seleccionar imágenes de referencia con una cobertura aceptable, el ordenador 130 también puede garantizar que las imágenes de referencia seleccionadas estén suficientemente separadas unas de otras. Además, cuando selecciona tres o más imágenes de referencia, el sistema 100 puede seleccionar imágenes de referencia de regiones no colineales de la muestra 112. Si el sistema 100 seleccionó imágenes de referencia de puntos demasiado juntos en la muestra 112, cualquier pequeña inexactitud en la medición de las localizaciones de la imagen de referencia se ampliaría cuando se extrapole la medición de transformada de coordenadas a las regiones de la muestra fuera de la vecindad de las localizaciones de la imagen de referencia.
Los modos de realización de la presente invención minimizan de forma ventajosa el número de candidatos de imágenes de referencia evaluados para el registro y, a su vez, reducen la carga sobre el sistema 100 para guardar todas las imágenes captadas durante una exploración de poco aumento de la muestra 112 para candidatos de imágenes de referencia. El ordenador 130 puede preseleccionar determinadas regiones de exploración de la muestra 112 para identificar imágenes de referencia. Como se describe además a continuación, el ordenador 130 puede definir tres secciones diferentes de la muestra 112 de modo que cualquier localización de la imagen con una sección particular esté a una distancia suficiente de las localizaciones de la imagen de referencia en las otras dos regiones de la muestra 112.
La FIG. 5A muestra un ejemplo de un área de exploración 500 de la muestra 112 con tres secciones definidas para identificar imágenes de referencia. El área de exploración 500 puede representar varios cientos de imágenes de poco aumento y, por ejemplo, puede cubrir una parte significativa o toda la muestra biológica 112 depositada en el portaobjetos 110. Tres líneas, es decir, 542a, 542b y 542c, dividen el área de exploración 500 en seis regiones, y las tres líneas 542a-542c trisecan los bordes del área de exploración 500. Como se muestra en la FIG. 5A, las seis regiones definidas tendrán igual área independientemente de las dimensiones del área de exploración 500. Por ejemplo, la región superior 510b puede ser un triángulo con una longitud base 2/ 3 el ancho del área de exploración 500 y una altura ^/2 la altura del área de exploración 500, con un área 1(2. ancho) ■ (1 ■ altura) = 1 ■ ancho ■ altura, o un sexto del área del área de exploración 500. Seleccionando las regiones alternas 510a, 510b y 510c de igual área, se pueden obtener tres regiones del área de exploración 500 que tienen cada una la misma área. El ordenador 130 puede restringir el sistema 100 cuando selecciona la imagen de referencia de modo que el sistema seleccione cada una de las tres imágenes de referencia de las diferentes regiones sombreadas 510a, 510b y 510c.
Sin embargo, el procedimiento anterior no eliminará la posibilidad de que se puedan elegir tres imágenes de referencia muy juntas, ya que el sistema 100 puede seleccionar imágenes de referencia cerca del centro del área de exploración 500, más cercano al punto donde las tres regiones 510a, 510b y 510c convergen. En consecuencia y como se muestra en la FIG. 5B, el sistema 100 puede enmascarar una región en el centro del área de exploración 500 para restringir las tres regiones 510a, 510b y 510c a regiones a lo largo de los bordes del área de exploración 500. Si la región enmascarada 540 tiene el mismo centro que el área de exploración 500 y la misma proporción de aspecto, las tres regiones 510 fuera de las áreas de enmascaramiento todavía tienen igual área. Esta técnica de enmascaramiento es un procedimiento que el sistema 100 puede emplear para garantizar que las imágenes de referencia están suficientemente separadas en el área de exploración 500 de la muestra 112.
Durante la exploración de poco aumento descrita anteriormente, el sistema 100 puede rastrear las imágenes con la puntuación de cobertura más alta en cada una de las tres regiones 510a-510c. Como se muestra en la FIG. 5B, los cuadrados 512a, 512b y 512c representan el campo visual de la cámara 124a con respecto a toda el área de exploración 500. Cuando se adquiere una nueva imagen desde dentro de una de las tres regiones 510a-510c durante la exploración de poco aumento de la muestra 112, el ordenador 130 calcula la puntuación de cobertura de la imagen. Si la puntuación de cobertura es mejor que la mejor imagen actual en esa región, el sistema 100 reemplaza la imagen con la nueva imagen. De esta manera, el sistema 100 solo necesita guardar una copia de la mejor imagen de cada región para propósitos de imagen de referencia, en lugar de guardar todas las imágenes adquiridas durante la exploración de poco aumento. La división del área de exploración 500 como se muestra en la FIG. 5A y FIG. 5B es solo ilustrativa y no excluye el uso de otros procedimientos para segregar el área de exploración 500 en tres regiones o para seleccionar las imágenes de referencia.
Cuando el portaobjetos 110 se ha explorado por completo en el puesto de formación de imágenes de poco aumento 120a, las imágenes seleccionadas y sus respectivas coordenadas se pueden conservar en la memoria 136 o en el disco duro 134 para su uso cuando se obtienen imágenes del portaobjetos 110 en el puesto de formación de imágenes de gran aumento 120b.
Registro de constelaciones
En el segundo puesto de formación de imágenes 120b, el ordenador 130 ordena al equipo informático de formación de imágenes que adquiera imágenes en las coordenadas de platina correspondientes a las localizaciones de la imagen de referencia identificadas durante la exploración de poco aumento. A continuación, el ordenador 130 realiza un procedimiento de coincidencia para registrar la imagen de gran aumento en una parte de la imagen de referencia 210 de la muestra 112 depositada en el portaobjetos 110. Después de hacer coincidir las imágenes, el sistema 100 puede calcular la diferencia entre los dos sistemas de coordenadas del primer puesto de formación de imágenes 120a y el segundo puesto de formación de imágenes 120b, y tener en cuenta dicha diferencia cuando se obtienen imágenes de localizaciones seleccionadas en el portaobjetos 110 identificadas durante la exploración de poco aumento a un mayor aumento del segundo puesto de formación de imágenes 120b.
Cuando se registran imágenes de gran aumento como imágenes de referencia, los modos de realización de la presente invención se pueden basar de forma ventajosa en la forma circular y el tamaño aproximadamente equivalente de las células de las que se obtuvieron imágenes. Debido a que las células tienen apariencia similar, el patrón de puntos centrales de las células es suficiente para caracterizar un grupo de células. Esto es similar a como se reconoce una constelación consabida por la disposición de sus estrellas constituyentes, en lugar de por rasgos característicos tales como el brillo y el color que varían poco entre las estrellas. Los expertos en la técnica reconocerán que existen muchos algoritmos conocidos para hacer coincidir patrones de puntos. Muchos de estos compensan bien la rotación y perturbación de esos puntos. Sin embargo, en el presente caso de registro de células, es poco probable que la imagen que se está registrando se gire o distorsione significativamente, y se puede usar un algoritmo más simple, como se muestra en la FIG. 3.
El sistema 100 procesa la imagen de gran aumento 340 para identificar los puntos centrales de las células (por ejemplo, 342c, 344c, 346c, marcados con X en la FIG. 3B) y también los puntos profundos en las regiones de fondo (342b, 344b, 346b, marcados con O en la FIG. 3B). A continuación, este patrón de puntos se superpone en diversas localizaciones en la imagen de referencia 330, como se muestra en la FIG. 3C. En una localización que coincida bien, tal como 352a, los puntos centrales de células del patrón se encuentran completamente dentro de las células de la imagen de referencia, y los puntos de fondo en el patrón se encuentran completamente fuera de las células en la región de fondo de la imagen de referencia. Una localización menos ideal tal como la 352b todavía tiene los puntos del patrón localizados correctamente en las células o las regiones de fondo, aunque mucho más cerca de los bordes de las células y las regiones de fondo como se muestra en la FIG. 3C. Una coincidencia deficiente tal como la 352c tiene unos pocos de los puntos localizados apropiadamente en las regiones celulares y de fondo. Al realizar una coincidencia con este patrón de puntos en cada localización posible en la imagen de referencia 330, el sistema puede identificar la localización que mejor coincide o determinar que ninguna localización es una buena coincidencia y, por tanto, la imagen objetivo 340 contiene células no encontradas en la imagen de referencia 330.
Cuando se evalúa cuán bien el patrón de puntos de la imagen objetivo 340 coincide con una región de la imagen de referencia 330, el sistema puede calcular una puntuación en base a cuán cerca están esos puntos del borde de las células o las regiones de fondo. A partir de la imagen de referencia 330, el ordenador 130 construye un campo escalar llamado transformada de distancia en el que los puntos en los bordes de la célula (por ejemplo, los puntos 342a, 344a, 346a en la FIG. 3B o los indicadores de coincidencia X del marco de imagen 352b en la FIG. 3C) tienen una valor de cero, los puntos dentro de las células tienen un valor correspondiente a su distancia desde el borde, y los puntos fuera de las células tienen un valor que es el negativo de su distancia desde el borde. Por tanto, los puntos centrales de células (por ejemplo, 342c, 344c y 346c del marco de imagen 352a mostrado en la FIG. 3C) son máximos locales positivos, y los puntos de fondo profundos (por ejemplo, 342b, 344b y 346b del marco de imagen 352a mostrado en la FIG. 3C) son mínimos locales negativos. Cuando el patrón de puntos de la imagen objetivo 340 se superpone en diversas localizaciones en una imagen de referencia, un campo escalar de transformada de distancia, como se muestra en la FIG. 3D, para una buena coincidencia, tendrá cada punto de patrón central de célula (X) en una localización con un valor positivo grande, y cada punto de patrón de fondo profundo (O) en una localización con un valor negativo grande. Por lo tanto, se puede computar una puntuación de coincidencia para cada localización simplemente sumando los valores de campo en los puntos de patrón centrales de células y restando de eso los valores del campo en los puntos de patrón de fondo profundos. Las puntuaciones para las localizaciones mostradas en la FIG. 3D se dan en la tabla 1 a continuación.
TABLA 1
Figure imgf000008_0001
En la práctica, la imagen objetivo 340 contendrá varias células, por ejemplo, entre diez y cuarenta células. Por lo tanto, el patrón de coincidencia puede contener hasta cuarenta puntos centrales de célula y hasta cuarenta puntos de fondo profundos. Para la mayoría de las localizaciones sometidas a prueba, no es necesario sumar todas estas localizaciones. Si se suman primero solo unos pocos de los puntos más destacados de cada tipo, se encontrará que la puntuación para la mayoría de las localizaciones es lo suficientemente baja como para que no sea necesario sumar los valores de transformada de distancia restantes. Si los puntos del patrón se identifican como máximos y mínimos locales de la transformada de distancia de la imagen objetivo 340, entonces los puntos más destacados son los mínimos más negativos y los máximos más positivos Al hacer eso, no es necesario que el procedimiento de coincidencia de patrones prosiga a través de cada conjunto de puntos en la imagen explorada, incluyendo los que proporcionan poco o ningún valor significativo a la puntuación de coincidencia, para acelerar de este modo el procedimiento de coincidencia de patrones sin afectar la fiabilidad de la puntuación de coincidencia.
Transformación de coordenadas
Una vez que el sistema localiza las células en una imagen del segundo puesto de formación de imágenes y hace coincidir dichas células con una localización en una imagen de referencia adquirida en el primer puesto de formación de imágenes, el ordenador 130 puede calcular las coordenadas de esas células en el segundo puesto de formación de imágenes. El ordenador hace este cálculo usando el tamaño conocido, en micrómetros, de un píxel en la imagen de referencia. Repitiendo este procedimiento para todas las localizaciones de la imagen de referencia, el ordenador obtiene varios pares de coordenadas que localizan las mismas células en los dos puestos de formación de imágenes diferentes. A continuación, el ordenador puede calcular las coordenadas de correlación de una transformación afín del primer puesto de formación de imágenes con respecto a las coordenadas del segundo puesto de formación de imágenes. En un modo de realización, el primer puesto de formación de imágenes 120a y el segundo puesto de formación de imágenes 120b se calibran con antelación de modo que los ejes de las cámaras 124a y 124b estén alineados con los ejes de las platinas 128a y 128b, respectivamente. A continuación, la transformada es simplemente un desplazamiento constante que se puede añadir a las coordenadas en las que se observó una célula en el primer puesto de formación de imágenes, para obtener las coordenadas donde esas células se pueden encontrar en el segundo puesto de formación de imágenes.
En un ejemplo donde el ordenador 130 determinó puntos de coincidencia para tres imágenes de referencia diferentes, el resultado puede incluir tres pares de coordenadas de platina, cada una en la forma (primera X, primera Y) y (segunda X, segunda Y). Dados estos tres pares de coordenadas, la transformación para correlacionar un conjunto de coordenadas con el otro puede venir dada por [4]:
segunda X1 segunda X2 segunda X3 'primera X1 primera X2 primera X3 -i transformada = segunda Y1 segunda Y2 segunda Y3 primera Y1 primera Y2 primera Y3
1 1 1 1 1 1
[4]
Dada esta matriz de transformación, un conjunto de coordenadas de la primera platina 128a se puede correlacionar con un conjunto de coordenadas para la segunda platina 128b por multiplicación de matrices como puede venir dado por [5]:
segunda X' primera X'
segunda Y = transformada ■ primera Y
1 1
[5]
Procedimiento de ejemplo
La FIG. 6 ilustra un ejemplo de un procedimiento 600 para registrar coordenadas para células de interés depositadas en un portaobjetos de microscopio y de las que se obtuvieron imágenes con un primer puesto de formación de imágenes con respecto a coordenadas asociadas con un segundo puesto de formación de imágenes como se describe para el sistema de formación de imágenes 100 de la FIG. 1. El procedimiento 600 se puede usar para realizar un análisis de imágenes en el primer puesto de formación de imágenes de una muestra biológica 112 depositada en un portaobjetos 110 (por ejemplo, el puesto de formación de imágenes de poco aumento 120a), y a continuación volver a localizar los objetos seleccionados en el segundo puesto de formación de imágenes (por ejemplo, el puesto de formación de imágenes de gran aumento 120b) usando imágenes de referencia del primer puesto de formación de imágenes para traducir entre las coordenadas de una primera platina (por ejemplo, la primera platina 128a del puesto de formación de imágenes de poco aumento 120a) y una segunda platina (por ejemplo, la segunda platina 128b del puesto de formación de imágenes de gran aumento 120b). En este ejemplo, la muestra 112 comprende una fina monocapa de glóbulos sanguíneos depositados en el portaobjetos 110.
En algunas implementaciones, el primer puesto de formación de imágenes recibe un portaobjetos 110 que contiene la muestra 112. En algunas implementaciones, esto se puede realizar por un mecanismo de carga de portaobjetos automático.
En referencia a la FIG. 6, en 602, se puede adquirir un primer par de imágenes que incluye una imagen de referencia de una muestra en el primer puesto de formación de imágenes y una segunda imagen de la muestra en el segundo puesto de formación de imágenes. En algunas implementaciones, el equipo informático de formación de imágenes del primer puesto de formación de imágenes 120a explora múltiples localizaciones en el portaobjetos, y las imágenes de una o más localizaciones se guardan como candidatos de imágenes de referencia. Para simplificar los números en el siguiente análisis, el primer puesto de formación de imágenes 120a de este sistema de ejemplo tiene un campo visual de 1000 pm por 1000 pm, y el tamaño de píxel es de 1 pm. Además, el área de exploración del portaobjetos 110 que contiene la muestra 112 es de 5000 pm por 5000 pm y la esquina superior izquierda del área de exploración tiene las coordenadas de platina (50000, 10000) en pm. Cuando el sistema 100 adquiere una primera imagen de la muestra 112, la primera imagen se centra en la posición del platina (50500, 10500), de modo que el píxel (0, 0) en la esquina superior izquierda de la primera imagen corresponde a la localización de platina (50000, 10000) y el píxel (999, 999) en la parte inferior derecha de la primera imagen corresponde a la localización de platina (50999, 10999).
El ordenador 130 envía órdenes para mover la primera platina 129a a una primera localización y adquiere una imagen enfocada. A continuación, el ordenador 130 determina el número de glóbulos rojos en la imagen, mientras que también identifica y localiza cualquier glóbulo blanco. En este ejemplo, la muestra 112 contiene glóbulos blancos en las coordenadas de imagen (200, 800), (500, 400) y (900, 700). Estas coordenadas de imagen se pueden guardar para su eventual traducción a coordenadas de platina para reexaminar en el puesto de formación de imágenes de gran aumento 120b: (50200, 10800), (50500, 10400) y (50900, 10700).
Se selecciona una imagen de referencia en base a una puntuación de cobertura de los uno o más candidatos de imágenes de referencia. Como se describe previamente, la cobertura del candidato de imagen de referencia se puede evaluar, por ejemplo, superponiendo una cuadrícula sobre la imagen y contando el número de cuadrados de cuadrícula vacíos. En este ejemplo, el ordenador 130 determina que tres cuadrados de cuadrícula están vacíos en el primer candidato de imagen de referencia y, por lo tanto, el ordenador 130 asigna una puntuación de cobertura de tres al candidato de imagen de referencia. Debido a que aún no existe ninguna otra opción para la primera imagen de referencia, se almacenan el candidato de imagen de referencia y la puntuación de cobertura, junto con la localización de imagen (50500, 10500).
El ordenador 130 repite el procedimiento anterior para la siguiente localización en el portaobjetos 110 de la que se obtuvo la imagen en el primer puesto de formación de imágenes. Si la muestra se explora en un patrón de trama, la siguiente localización de platina puede ser (51500, 10500). La esquina superior izquierda de la imagen puede corresponder a la localización de platina (51000, 10000), que es directamente contigua a la esquina superior derecha de la localización previa (50999, 10000). Es decir, si las dos imágenes se colocan una al lado de la otra, las dos imágenes forman una imagen continua más grande de la muestra 112. De esta manera, el sistema 100 puede cubrir toda el área de exploración adquiriendo múltiples imágenes de la muestra 112. El procesamiento de imágenes y el análisis de cobertura se pueden repetir para el segundo candidato de imagen de referencia. En este ejemplo, el segundo candidato de imagen de referencia tiene solo dos cuadrados de cuadrícula vacíos en la prueba de cobertura (en comparación con tres del primer candidato de imagen de referencia). El segundo candidato de imagen de referencia, por lo tanto, desplaza al candidato de imagen de referencia previo para la primera imagen de referencia, y se puede almacenar una nueva localización de imagen de referencia en (51500, 10500) con una puntuación de cobertura de dos. En este modo de realización, el procedimiento anterior se puede repetir para un total de veinticinco localizaciones de exploración; al final de este procedimiento, el sistema 100 ha identificado tres imágenes de referencia, una para cada área de exploración predeterminada seleccionada para identificar imágenes de referencia.
El sistema 100 transfiere el portaobjetos 110 a un segundo puesto de formación de imágenes; por ejemplo, por un mecanismo de transferencia de portaobjetos automático. En este ejemplo, el segundo puesto de formación de imágenes tiene un campo visual de 100 pm por 100 pm con un tamaño de píxel de 0,1 pm.
El segundo puesto de formación de imágenes adquiere la segunda imagen en las mismas coordenadas de platina donde el primer puesto de formación de imágenes adquirió la imagen de referencia. Por ejemplo, la platina se puede mover a la primera localización de referencia (51500, 10500). En esta localización, el sistema adquiere una segunda imagen. A continuación, busca en la imagen de referencia para localizar las células vistas en el centro de esta segunda imagen. Se pueden explorar una o más localizaciones de referencia adicionales para obtener una o más segundas imágenes.
En 604, se puede identificar un grupo de células que aparece tanto en la imagen de referencia como en la segunda imagen. En algunas implementaciones, para identificar el grupo de células, el sistema 100 crea un conjunto de indicadores de coincidencia para la segunda imagen. Por ejemplo, el conjunto de indicadores de coincidencia incluye un primer indicador de coincidencia correspondiente a un punto central del objeto en la segunda imagen, y un segundo indicador de coincidencia correspondiente a un punto central de fondo en la segunda imagen. Como se describe previamente, los indicadores de coincidencia “X” se pueden usar para representar diversas localizaciones dentro de las células de referencia en una imagen de referencia, y los indicadores de coincidencia “O” se pueden usar para representar una región en blanco próxima a las células de referencia.
La segunda imagen puede coincidir con una localización dentro de la imagen de referencia. El sistema repite el procedimiento anterior hasta que se encuentra una coincidencia, adquiriendo una imagen e intentando hacer coincidir la imagen adquirida con una localización en la imagen de referencia. Si la coincidencia falla, el sistema continúa la búsqueda hasta que se encuentre una localización que coincida, por ejemplo, trasladando gradualmente el platina hacia afuera desde la primera localización en un patrón en espiral.
En 606, se pueden determinar las coordenadas de platina del grupo de células en el primer puesto de formación de imágenes a partir de las coordenadas de platina en las que se adquirió la imagen de referencia. De forma similar, en 608, se pueden determinar las coordenadas de platina del grupo de células en el segundo puesto de formación de imágenes a partir de las coordenadas de platina en las que se adquirió la segunda imagen. Supóngase que la segunda imagen adquirida por el segundo puesto de formación de imágenes coincide con la región de la imagen de referencia centrada en las coordenadas de píxeles (900, 300). Puesto que un píxel en la imagen de referencia es 1 pm, las coordenadas de platina (51500, 10500) en la segunda platina corresponden, por tanto, a las coordenadas de platina (51900, 10300) en la primera platina.
Después de determinar una coincidencia entre la segunda imagen y una localización dentro de la imagen de referencia, en 610, se puede calcular una transformación de coordenadas que convierta las coordenadas de platina del primer puesto de formación de imágenes en las coordenadas de platina del segundo puesto de formación de imágenes. Como se analiza previamente, esto se puede hacer calculando una matriz de transformación afín. Usando el ejemplo dado anteriormente, la transformación simplemente añadiría (-400, 200) a las coordenadas de la primera platina para obtener las coordenadas de las mismas células en la segunda platina.
Para las localizaciones restantes identificadas durante la exploración de poco aumento que el sistema necesita reexaminar con mayor aumento, el ordenador 130 transforma las coordenadas del primer puesto de formación de imágenes en el sistema de coordenadas de la segunda platina del segundo sistema de imágenes. Por ejemplo, los glóbulos blancos en la primera imagen están localizados en las coordenadas de platina (50200, 10800), (50500, 10400) y (50900, 10700). Estas coordenadas se pueden traducir al sistema de coordenadas de la segunda platina: (49800, 11000), (50100, 10600) y (50500, 10900). A continuación, el ordenador 130 puede dar instrucciones al equipo informático de formación de imágenes para que mueva la segunda platina a cada una de estas coordenadas, más otras que se añadieron previamente a la lista cuando se procesaron otras imágenes durante la exploración de poco aumento. En cada localización, se pueden adquirir una o más imágenes de gran aumento y se puede realizar el procesamiento de imágenes. Por ejemplo, se pueden obtener otras imágenes de los glóbulos blancos elegidos con poco aumento y analizar para determinar los tipos respectivos de glóbulos blancos.
Sistema informático genérico
La FIG. 7 muestra un ejemplo de un dispositivo informático 700 que se puede formar como parte o además del sistema de cribado biológico 100 para implementar la materia objeto aquí descrita. Por ejemplo, cada uno del puesto de formación de imágenes 118a/118b, el servidor 120 y el puesto de revisión 122 puede incluir un dispositivo informático 700 para ejecutar, por ejemplo, diversas instrucciones o rutinas. El dispositivo informático 700 puede representar diversas formas de ordenadores digitales, tales como ordenadores portátiles, ordenadores de escritorio, puestos de trabajo, asistentes digitales personales, servidores, servidores Blade, ordenadores centrales y otros ordenadores apropiados.
Como se muestra en la FIG. 7, el dispositivo informático 700 puede incluir un procesador 702, una memoria 704, un dispositivo de almacenamiento 706, una interfaz de alta velocidad 708 que se conecta a la memoria 704 y a múltiples puertos de expansión de alta velocidad 710, y una interfaz 712 de baja velocidad que se conecta a un puerto de expansión de baja velocidad 714 y al dispositivo de almacenamiento 706. Cada uno del procesador 702, la memoria 704, el dispositivo de almacenamiento 706, la interfaz de alta velocidad 708, los puertos de expansión de alta velocidad 710 y la interfaz de baja velocidad 712, están interconectados usando diversos buses, y se pueden montar en una placa base común o de otras maneras como sea apropiado. El procesador 702 puede procesar instrucciones para su ejecución dentro del dispositivo informático 700, incluyendo las instrucciones almacenadas en la memoria 704 o en el dispositivo de almacenamiento 706 para mostrar información gráfica para una GUI en un dispositivo de entrada/salida externo, tal como una pantalla 716 acoplada a la interfaz de alta velocidad 708. En otras implementaciones, se pueden usar múltiples procesadores y/o múltiples buses, como sea apropiado, junto con múltiples memorias y tipos de memoria. Además, se pueden conectar múltiples dispositivos informáticos, proporcionando cada dispositivo partes de las operaciones necesarias (por ejemplo, como un banco de servidores, un grupo de servidores Blade o un sistema multiprocesador).
La memoria 704 almacena información dentro del dispositivo informático 700. En algunas implementaciones, la memoria 704 es una unidad o unidades de memoria volátil. En algunas implementaciones, la memoria 704 es una unidad o unidades de memoria no volátil. La memoria 704 también puede ser otra forma de medio legible por ordenador, tal como un disco magnético u óptico.
El dispositivo de almacenamiento 706 puede proporcionar almacenamiento masivo para el dispositivo informático 700. En algunas implementaciones, el dispositivo de almacenamiento 706 puede ser o contener un medio legible por ordenador, tal como un dispositivo de disquete, un dispositivo de disco duro, un dispositivo de disco óptico o un dispositivo de cinta, una memoria flash u otro dispositivo de memoria de estado sólido similar o una serie de dispositivos, incluyendo los dispositivos en una red de área de almacenamiento u otras configuraciones. Las instrucciones se pueden almacenar en un soporte de información. Las instrucciones, cuando se ejecutan por uno o más dispositivos de procesamiento (por ejemplo, el procesador 702), realizan uno o más procedimientos, tales como los descritos anteriormente. Las instrucciones también se pueden almacenar por uno o más dispositivos de almacenamiento tales como medios legibles por ordenador o máquina (por ejemplo, la memoria 704, el dispositivo de almacenamiento 706 o la memoria en el procesador 702).
La interfaz de alta velocidad 708 gestiona operaciones intensivas en ancho de banda para el dispositivo informático 700, mientras que la interfaz de baja velocidad 712 gestiona operaciones intensivas en ancho de banda menor. Dicha asignación de funciones es solo un ejemplo. En algunas implementaciones, la interfaz de alta velocidad 708 se acopla a la memoria 704, la pantalla 716 (por ejemplo, a través de un procesador gráfico o acelerador) y a los puertos de expansión de alta velocidad 710, que pueden aceptar diversas tarjetas de expansión (no mostradas). En la implementación, la interfaz de baja velocidad 712 se acopla al dispositivo de almacenamiento 706 y al puerto de expansión de baja velocidad 714. El puerto de expansión de baja velocidad 714, que puede incluir diversos puertos de comunicación (por ejemplo, USB, Bluetooth, Ethernet, Ethernet inalámbrico) se puede acoplar a uno o más dispositivos de entrada/salida, tales como un teclado, un dispositivo señalador, un escáner o un dispositivo de red tal como un conmutador o enrutador, por ejemplo, a través de un adaptador de red.
El dispositivo informático 700 se puede implementar en varias formas diferentes, como se muestra en la figura. Por ejemplo, se puede implementar como un servidor estándar 720, o múltiples veces en un grupo de dichos servidores. Además, se puede implementar en un ordenador personal tal como un ordenador portátil 722. También se puede implementar como parte de un sistema de servidor Rack 724. De forma alternativa, un sistema completo puede estar constituido por múltiples dispositivos informáticos que se comunican entre sí.
Se pueden realizar diversas implementaciones de los sistemas y técnicas aquí descritos en circuitos electrónicos digitales, circuitos integrados, ASIC (circuitos integrados específicos de la aplicación) especialmente diseñados, equipo informático, microprograma, programa informático y/o combinaciones de los mismos. Estas diversas implementaciones pueden incluir la implementación en uno o más programas informáticos que son ejecutables y/o interpretables en un sistema programable que incluye al menos un procesador programable, que puede ser de propósito especial o general, acoplado para recibir datos e instrucciones desde, y para transmitir datos e instrucciones a, un sistema de almacenamiento, al menos un dispositivo de entrada y al menos un dispositivo de salida.
Estos programas informáticos (también conocidos como programas, programas informáticos, aplicaciones o código de programa informático) incluyen instrucciones de máquina para un procesador programable, y se pueden implementar en un lenguaje de programación orientado a objetos y/o de procedimiento de alto nivel, y/o en lenguaje de conjunto/máquina. Como se usa en el presente documento, los términos medio legible por máquina y medio legible por ordenador se refieren a cualquier producto de programa informático (por ejemplo, medio legible por ordenador no transitorio), aparato y/o dispositivo (por ejemplo, discos magnéticos, discos ópticos, memoria, dispositivos de lógica programable (PLD)) usados para proporcionar instrucciones de máquina y/o datos a un procesador programable, incluyendo un medio legible por máquina (por ejemplo, medio legible por ordenador no transitorio) que recibe instrucciones de máquina como una señal legible por máquina. El término señal legible por máquina se refiere a cualquier señal usada para proporcionar instrucciones de máquina y/o datos a un procesador programable.
Los procesadores adecuados para la ejecución de un programa de instrucciones incluyen, a modo de ejemplo, microprocesadores de propósito tanto general como especial, y el procesador único o uno de múltiples procesadores de cualquier tipo de ordenador. En general, un procesador recibirá instrucciones y datos de una memoria de solo lectura o una memoria de acceso aleatorio o ambas. Los elementos esenciales de un ordenador son un procesador para ejecutar instrucciones y una o más memorias para almacenar instrucciones y datos. En general, un ordenador también incluirá, o se acoplará de forma operativa para comunicarse con, uno o más dispositivos de almacenamiento masivo para almacenar archivos de datos; dichos dispositivos incluyen discos magnéticos, tales como discos duros internos y discos extraíbles; discos magneto-ópticos; y discos ópticos. Los dispositivos de almacenamiento adecuados para incorporar de forma tangible instrucciones y datos de programa informático incluyen todas las formas de memoria no volátil, incluyendo, a modo de ejemplo, dispositivos de memoria semiconductores, tales como EPROM, EEPROM y dispositivos de memoria flash; discos magnéticos tales como discos duros internos y discos extraíbles; discos magneto-ópticos; y discos CD-ROM y DVD-ROM. El procesador y la memoria se pueden complementar con, o incorporar en, ASIC (circuitos integrados específicos de la aplicación).
Para proporcionar la interacción con un usuario, los sistemas y técnicas aquí descritos se pueden implementar en un ordenador que tenga un dispositivo de visualización (por ejemplo, un monitor CRT (tubo de rayos catódicos) o LCD (pantalla de cristal líquido)) para mostrar información al usuario y un teclado y un dispositivo señalador (por ejemplo, un ratón o una bola de seguimiento) por los que el usuario puede proporcionar información al ordenador. Asimismo se pueden usar otros tipos de dispositivos para proporcionar interacción con un usuario; por ejemplo, la retroalimentación proporcionada al usuario puede ser cualquier forma de retroalimentación sensorial (por ejemplo, retroalimentación visual, retroalimentación auditiva o retroalimentación táctil); y la entrada del usuario se puede recibir de cualquier forma, incluyendo entrada acústica, de voz o táctil.
Los sistemas y técnicas aquí descritos se pueden implementar en un sistema informático que incluye un componente de la capa de soporte (por ejemplo, como un servidor de datos), o que incluye un componente de la capa intermedia (por ejemplo, un servidor de aplicaciones), o que incluye un componente de la capa de usuario (por ejemplo, un ordenador cliente que tiene una interfaz gráfica de usuario o un navegador web a través del que un usuario puede interactuar con una implementación de los sistemas y técnicas aquí descritos), o cualquier combinación de dichos componentes de capa de soporte, capa intermedia o de capa de usuario. Los componentes del sistema se pueden interconectar por cualquier forma o medio de comunicación de datos digitales (por ejemplo, una red de comunicación). Los ejemplos de redes de comunicación incluyen una red de área local (LAN), una red de área amplia (WAN) e Internet.
El sistema informático puede incluir clientes y servidores. En general, un cliente y un servidor están alejados uno del otro y típicamente interactúan a través de una red de comunicación. La relación del cliente y el servidor surge en virtud de programas informáticos que se ejecutan en los ordenadores respectivos y que tienen una relación clienteservidor entre sí.
Aunque anteriormente se han descrito en detalle unas pocas implementaciones, son posibles otras modificaciones. Por ejemplo, si bien se describe una aplicación cliente como que accede al/a los delegado(s), en otras implementaciones, el/los delegado(s) se puede(n) emplear por otras aplicaciones implementadas por uno o más procesadores, tales como una aplicación que se ejecuta en uno o más servidores.
Además, los flujos lógicos representados en las figuras no requieren el orden particular mostrado, o un orden secuencial, para lograr resultados deseables. Además, se pueden proporcionar otras etapas, o se pueden eliminar etapas, de los flujos descritos, y otros componentes se pueden añadir a, o eliminar de, los sistemas descritos. En consecuencia, otras implementaciones están dentro del alcance de las siguientes reivindicaciones.
Si bien esta memoria descriptiva contiene muchos detalles, estos no se deben interpretar como limitaciones en el alcance de lo que se puede reivindicar, sino más bien como descripciones de rasgos característicos que pueden ser específicos de implementaciones particulares. Determinados rasgos característicos que se describen en esta memoria descriptiva en el contexto de implementaciones separadas también se pueden implementar en combinación en una única implementación. A la inversa, diversos rasgos característicos que se describen en el contexto de una única implementación también se pueden implementar en múltiples implementaciones por separado o en cualquier subcombinación adecuada. Además, aunque se pueden describir los rasgos característicos anteriormente como que actúan en determinadas combinaciones e incluso inicialmente se reivindican como tales, uno o más rasgos característicos de una combinación reivindicada se pueden, en algunos casos, eliminar de la combinación, y la combinación reivindicada se puede dirigir a una subcombinación o variación de una subcombinación.
De forma similar, aunque se representan las operaciones en los dibujos en un orden particular, esto no se debe entender como que se requiere que dichas operaciones se realicen en el orden particular mostrado o en un orden secuencial, o que se realicen todas las operaciones ilustradas, para lograr resultados deseables. En determinadas circunstancias, la multitarea y el procesamiento en paralelo pueden resultar ventajosos. Además, no se debe entender que la separación de diversos componentes del sistema en las implementaciones descritas anteriormente requiere dicha separación en todas las implementaciones.
Se han descrito varios modos de realización de la invención. No obstante, se entenderá que se pueden realizar diversas modificaciones y otros modos de realización están dentro del alcance de las siguientes reivindicaciones.

Claims (13)

REIVINDICACIONES
1. Un procedimiento para volver a localizar un objeto de interés en un segundo puesto de formación de imágenes (120b) en base a las coordenadas para el objeto de interés en un primer puesto de formación de imágenes (120a), comprendiendo el procedimiento:
adquirir un primer par de imágenes que incluye una imagen de referencia (210) de una muestra biológica (112) que comprende células en el primer puesto de formación de imágenes (120a) y una segunda imagen de la muestra (112) en el segundo puesto de formación de imágenes (120b);
identificar un grupo de células que aparece tanto en la imagen de referencia (210) como en la segunda imagen (220);
determinar las coordenadas de platina del grupo de células en el primer puesto de formación de imágenes (120a) a partir de las coordenadas de platina en las que se adquirió la imagen de referencia (210);
determinar las coordenadas de platina del grupo de células en el segundo puesto de formación de imágenes (120b) a partir de las coordenadas de platina en las que se adquirió la segunda imagen (220); y
calcular una transformación afín que convierte las coordenadas de platina del primer puesto de formación de imágenes (120a) en las coordenadas de platina del segundo puesto de formación de imágenes (120b), en el que adquirir el primer par de imágenes incluye seleccionar la imagen de referencia (210) de una pluralidad de candidatos de imágenes de referencia obtenidos durante una exploración de la muestra (112) en el primer puesto de formación de imágenes (120a), asignar una puntuación de idoneidad a cada uno de una pluralidad de candidatos de imágenes de referencia y seleccionar un candidato de imagen de referencia con una puntuación de idoneidad más alta como imagen de referencia (210), en el que asignar la puntuación de idoneidad incluye asignar una puntuación que corresponde a una probabilidad de que una imagen de un tamaño predeterminado tomada desde dentro de la imagen de referencia (210) incluya células excepcionalmente identificables.
2. El procedimiento de la reivindicación 1, que comprende además:
adquirir un segundo par de imágenes que incluye una imagen de referencia (210) adquirida en el primer puesto de formación de imágenes (120a) y una segunda imagen (220) adquirida en el segundo puesto de formación de imágenes (120b);
para el segundo par de imágenes, identificar un grupo de células que aparece tanto en la imagen de referencia (210) como en la segunda imagen (220); determinar las coordenadas de platina del grupo de células asociado con el segundo par de imágenes en el primer puesto de formación de imágenes (120a) y el segundo puesto de formación de imágenes (120b); y
calcular la transformación afín en base al primer y segundo pares de imágenes.
3. El procedimiento de la reivindicación 1, en el que asignar la puntuación de idoneidad incluye: segmentar cada candidato de imagen de referencia en una pluralidad de áreas de la imagen;
identificar el número de áreas desprovistas de células en cada área de la imagen; y
asignar la puntuación de idoneidad en base al número identificado.
4. El procedimiento de la reivindicación 1, que comprende además adquirir, en el primer puesto de formación de imágenes (120a), la pluralidad de candidatos de imágenes de referencia de cada una de una pluralidad de regiones predeterminadas dentro de un área de exploración de la muestra obtenida durante la exploración.
5. El procedimiento de la reivindicación 4, que comprende además identificar la pluralidad de regiones predeterminadas que incluye:
dividir el área de exploración de la muestra en segmentos de cuña iguales; y
eliminar una parte central del área de exploración de cada segmento de cuña.
6. El procedimiento de la reivindicación 1, que comprende además adquirir una o más imágenes adicionales en el segundo puesto de formación de imágenes en localizaciones cercanas a la segunda imagen si la segunda imagen no contiene el grupo de células identificado en la imagen de referencia.
7. Un sistema informático para implementar el procedimiento de una cualquiera de las reivindicaciones 1 a 6 cuando está conectado a un primer y segundo puestos de formación de imágenes (120a, 120b) para adquirir imágenes de una muestra (112) y que incluye cada uno una platina (128a, 128b), comprendiendo el sistema: un aparato de procesamiento de datos; y
una memoria en comunicación de datos con el aparato de procesamiento de datos y que almacena instrucciones ejecutables por el aparato de procesamiento de datos y tras dicha ejecución provocan que el aparato de procesamiento de datos realice operaciones que comprenden:
adquirir un primer par de imágenes que incluye una imagen de referencia (210) de una muestra biológica (112) que contiene células en el primer puesto de formación de imágenes (120a) y una segunda imagen (220) de la muestra (112) en el segundo puesto de formación de imágenes (120b);
identificar un grupo de células que aparece tanto en la imagen de referencia (210) como en la segunda imagen (220);
determinar las coordenadas de platina del grupo de células en el primer puesto de formación de imágenes (120a) a partir de las coordenadas de platina en las que se adquirió la imagen de referencia (210);
determinar las coordenadas de platina del grupo de células en el segundo puesto de formación de imágenes (120b) a partir de las coordenadas de platina en las que se adquirió la segunda imagen (220); y
calcular una transformación afín que convierte las coordenadas de platina del primer puesto de formación de imágenes (120a) en las coordenadas de platina del segundo puesto de formación de imágenes (120b), en el que las instrucciones provocan que el aparato de procesamiento de datos adquiera la imagen de referencia (210) a partir de una pluralidad de candidatos de imágenes de referencia obtenidos durante una exploración de la muestra (112) en el primer puesto de formación de imágenes (120a);
en el que la memoria incluye además instrucciones ejecutables por el aparato de procesamiento de datos y, tras dicha ejecución, provocan que el aparato de procesamiento de datos realice operaciones que comprenden: asignar una puntuación de idoneidad a cada uno de una pluralidad de candidatos de imágenes de referencia, y seleccionar un candidato de imagen de referencia con una puntuación de idoneidad más alta como imagen de referencia (210); y
en el que la puntuación de idoneidad incluye una puntuación que corresponde a una probabilidad de que una imagen de un tamaño predeterminado tomada desde dentro de la imagen de referencia (210) incluya células excepcionalmente identificables.
8. El sistema de la reivindicación 7, en el que la memoria incluye además instrucciones ejecutables por el aparato de procesamiento de datos y tras dicha ejecución provocan que el aparato de procesamiento de datos realice operaciones que comprenden:
adquirir un segundo par de imágenes que incluye una imagen de referencia (210) adquirida en el primer puesto de formación de imágenes (120a) y una segunda imagen (220) adquirida en el segundo puesto de formación de imágenes (120b);
para el segundo par de imágenes, identificar un grupo de células que aparece tanto en la imagen de referencia (210) como en la segunda imagen (220);
determinar las coordenadas de platina del grupo de células asociado con el segundo par de imágenes en el primer puesto de formación de imágenes (120a) y el segundo puesto de formación de imágenes (120b); y calcular la transformación afín en base al primer y segundo pares de imágenes.
9. El sistema de la reivindicación 7, en el que las instrucciones provocan que el aparato de procesamiento de datos:
segmente cada candidato de imagen de referencia en una pluralidad de áreas de la imagen;
identifique el número de áreas desprovistas de células en cada área de la imagen; y
asigne la puntuación de idoneidad en base al número identificado.
10. El sistema de la reivindicación 7, en el que la memoria incluye además instrucciones ejecutables por el aparato de procesamiento de datos y tras dicha ejecución provocan que el aparato de procesamiento de datos realice operaciones que comprenden:
adquirir, en el primer puesto de formación de imágenes, la pluralidad de candidatos de imágenes de referencia de cada una de una pluralidad de regiones predeterminadas dentro de un área de exploración de la muestra obtenida durante la exploración.
11. El sistema de la reivindicación 10, en el que la memoria incluye además instrucciones ejecutables por el aparato de procesamiento de datos y tras dicha ejecución provocan que el aparato de procesamiento de datos realice operaciones que comprenden:
identificar la pluralidad de regiones predeterminadas que incluye:
dividir el área de exploración de la muestra en segmentos de cuña iguales; y
eliminar una parte central del área de exploración de cada segmento de cuña.
12. El sistema de la reivindicación 7, en el que la memoria incluye además instrucciones ejecutables por el aparato de procesamiento de datos y tras dicha ejecución provocan que el aparato de procesamiento de datos realice operaciones que comprenden:
adquirir una o más imágenes adicionales en el segundo puesto de formación de imágenes en localizaciones cercanas a la segunda imagen si la segunda imagen no contiene el grupo de células identificado en la imagen de referencia.
13. Un medio legible por ordenador para implementar el procedimiento de una cualquiera de las reivindicaciones 1 a 6 que tiene instrucciones almacenadas en el mismo, que, cuando se ejecutan por uno o más procesadores cuando están conectados al primer y segundo puestos de formación de imágenes (120a, 120b) para adquirir imágenes de una muestra (112) y que incluye cada uno una platina (128a, 128b),
provocan que uno o más procesadores realicen operaciones que comprenden:
adquirir un primer par de imágenes que incluye una imagen de referencia (210) de una muestra biológica (112) que contiene células en el primer puesto de formación de imágenes (120a) y una segunda imagen (220) de la muestra (112) en el segundo puesto de formación de imágenes (120b);
identificar un grupo de células que aparece tanto en la imagen de referencia (210) como en la segunda imagen (220);
determinar las coordenadas de platina del grupo de células en el primer puesto de formación de imágenes (120a) a partir de las coordenadas de platina en las que se adquirió la imagen de referencia (210);
determinar las coordenadas de platina del grupo de células en el segundo puesto de formación de imágenes (120b) a partir de las coordenadas de platina en las que se adquirió la segunda imagen (220); y
calcular una transformación afín que convierte las coordenadas de platina del primer puesto de formación de imágenes (120a) en las coordenadas de platina del segundo puesto de formación de imágenes (120b), en el que adquirir el primer par de imágenes incluye seleccionar la imagen de referencia de una pluralidad de candidatos de imágenes de referencia obtenidos durante una exploración de la muestra en el primer puesto de formación de imágenes (120a), asignar una puntuación de idoneidad a cada uno de una pluralidad de candidatos de imágenes de referencia y seleccionar un candidato de imagen de referencia con una puntuación de idoneidad más alta como imagen de referencia (210), en el que asignar la puntuación de idoneidad incluye asignar una puntuación que corresponde a una probabilidad de que una imagen de un tamaño predeterminado tomada desde dentro de la imagen de referencia (210) incluya células excepcionalmente identificables.
ES11701913T 2011-01-18 2011-01-18 Registro de sistema de coordenadas de portaobjetos de microscopio Active ES2851391T3 (es)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/US2011/021546 WO2012099574A1 (en) 2011-01-18 2011-01-18 Microscope slide coordinate system registration

Publications (1)

Publication Number Publication Date
ES2851391T3 true ES2851391T3 (es) 2021-09-06

Family

ID=44625059

Family Applications (1)

Application Number Title Priority Date Filing Date
ES11701913T Active ES2851391T3 (es) 2011-01-18 2011-01-18 Registro de sistema de coordenadas de portaobjetos de microscopio

Country Status (9)

Country Link
EP (2) EP3800495A1 (es)
JP (1) JP5775606B2 (es)
KR (1) KR101781670B1 (es)
CN (1) CN103430077B (es)
AU (1) AU2011355697B2 (es)
CA (1) CA2825040C (es)
ES (1) ES2851391T3 (es)
HK (1) HK1192014A1 (es)
WO (1) WO2012099574A1 (es)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2796917A1 (en) * 2013-04-26 2014-10-29 Baden-Württemberg Stiftung gGmbH A method for automated platform and/or reference object independent acquisition of positional information and localization of objects of interest in a microscope
JP6480713B2 (ja) 2014-11-18 2019-03-13 オリンパス株式会社 顕微鏡システム
CN114972548A (zh) * 2015-09-02 2022-08-30 文塔纳医疗系统公司 用于显示生物标本的多个图像的图像处理系统和方法
CN106291897A (zh) * 2016-08-23 2017-01-04 宁波江丰生物信息技术有限公司 一种组织切片扫描装置以及组织切片扫描方法
CN106331411A (zh) * 2016-08-23 2017-01-11 宁波江丰生物信息技术有限公司 一种数字切片制作装置
EP3507768B1 (en) 2016-08-31 2020-09-30 Molecular Devices, LLC System and method for template-based image analysis
DE102017214189A1 (de) * 2017-08-15 2019-02-21 Carl Zeiss Microscopy Gmbh Verfahren zum Betrieb einer Mikroskopieranordnung und Mikroskopieranordnung mit einem ersten Mikroskop und mindestens einem weiteren Mikroskop
US10896316B2 (en) * 2019-02-04 2021-01-19 Tokitae, LLC Automated microscopy scanning systems and methods
KR102227604B1 (ko) * 2019-05-21 2021-03-12 신한대학교 산학협력단 의료진단용 세포검체분석장치 및 그 장치의 구동방법
CN110208190A (zh) * 2019-07-17 2019-09-06 四川沃文特生物技术有限公司 一种用于显微镜镜检追踪的方法及系统
CN110736747B (zh) * 2019-09-03 2022-08-19 深思考人工智能机器人科技（北京）有限公司 一种细胞液基涂片镜下定位的方法及系统
CN113066121A (zh) * 2019-12-31 2021-07-02 深圳迈瑞生物医疗电子股份有限公司 图像分析系统和识别重复细胞的方法
CN113125434A (zh) * 2019-12-31 2021-07-16 深圳迈瑞生物医疗电子股份有限公司 图像分析系统和控制拍摄样本图像的方法
CN112505083B (zh) * 2020-11-20 2023-01-31 北京工业大学 扫描电镜内原位蠕变与疲劳测试点追踪定位方法及系统
WO2022266121A1 (en) * 2021-06-15 2022-12-22 Ruby Robotics Inc. Sample processing systems, methods, and devices
AU2023263579A1 (en) * 2022-05-04 2024-01-25 Peter Cumpson System and method for analysis of specimens

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU3490695A (en) * 1994-09-20 1996-04-09 Neopath, Inc. Cytological slide scoring apparatus
JP3689584B2 (ja) * 1999-03-31 2005-08-31 サッポロビール株式会社 観察装置の位置設定手段における座標変換方法及び座標変換手段を備える観察装置
JP2001283190A (ja) 2000-03-30 2001-10-12 Fuji Photo Film Co Ltd 画像処理装置
US20020085744A1 (en) * 2000-11-17 2002-07-04 Molecular Diagnostics, Inc. Evaluation of microscope slides
US7305112B2 (en) * 2002-10-15 2007-12-04 The Scripps Research Institute Method of converting rare cell scanner image coordinates to microscope coordinates using reticle marks on a sample media
DE10336803A1 (de) * 2003-08-11 2005-03-24 Leica Microsystems Wetzlar Gmbh Verfahren und System zur geräteunabhängigen Bestimmung von Koordinaten eines mittels eines Mikroskops abgebildeten Punktes
CN101194263B (zh) * 2005-06-13 2012-02-22 三路影像公司 利用显微镜成像装置再定位载片上样品中的目标的系统和方法
JP4558047B2 (ja) * 2008-01-23 2010-10-06 オリンパス株式会社 顕微鏡システム、画像生成方法、及びプログラム
EP2441827B1 (en) * 2009-06-12 2016-04-13 Nikon Corporation Technique for determining the state of a cell mass, image processing program and image processing device using said technique, and method for producing a cell mass

Also Published As

Publication number Publication date
JP5775606B2 (ja) 2015-09-09
KR101781670B1 (ko) 2017-09-25
EP2666050B1 (en) 2020-12-16
WO2012099574A1 (en) 2012-07-26
EP2666050A1 (en) 2013-11-27
CA2825040C (en) 2018-06-12
JP2014504763A (ja) 2014-02-24
CN103430077B (zh) 2016-03-16
AU2011355697B2 (en) 2015-07-30
KR20140006891A (ko) 2014-01-16
HK1192014A1 (zh) 2014-08-08
CA2825040A1 (en) 2012-07-26
EP3800495A1 (en) 2021-04-07
CN103430077A (zh) 2013-12-04
AU2011355697A1 (en) 2013-05-02

Similar Documents

Publication Publication Date Title
ES2851391T3 (es) Registro de sistema de coordenadas de portaobjetos de microscopio
US9280699B2 (en) Microscope slide coordinate system registration
Gilbank et al. The Red-sequence Cluster Survey-2 (RCS-2): survey details and photometric catalog construction
US7398928B2 (en) Coded target and photogrammetry method using such targets
ES2283347T3 (es) Aparato y procedimiento para verificar la localizacion de areas de interes dentro de una muestra en un sistema de formacion de imagenes.
Herráez et al. 3D modeling by means of videogrammetry and laser scanners for reverse engineering
US11960073B2 (en) System and method for template-based image analysis
US10088658B2 (en) Referencing in multi-acquisition slide imaging
US9253449B2 (en) Mosaic picture generation
US9972076B2 (en) Method and system for image correction using a quasiperiodic grid
CN109215016B (zh) 一种编码标志的识别定位方法
KR102140385B1 (ko) 골수 판독을 위한 셀존 레이블링 장치 및 이를 포함하는 셀존 검출 시스템
JP2018503855A (ja) 顕微鏡でのスライドガラスの配置を検出するためのスライドガラスホルダ
ES2647224T3 (es) Método y sistema para identificar portaobjetos de muestras biológicas usando impresiones únicas de portaobjetos
WO2016134671A1 (zh) 基底预对准方法
US7970197B2 (en) System and method for preventing sample misidentification in pathology laboratories
ES2939244T3 (es) Identificación de puntos clave
PT2898449T (pt) Resumo
EP3548865B1 (en) Slide holding in digital pathology
BR102014025597A2 (pt) método e sistema de referência de um objeto imageado
CN112862872B (zh) 一种质谱成像数据的自动配准方法
US11808808B2 (en) Testing a single chip in a wafer probing system
CN105654489A (zh) 一种用于包含多个柱状目标的工业ct图像的分割方法