JP2020537781A - 骨髄細胞標識方法及びシステム - Google Patents
骨髄細胞標識方法及びシステム Download PDFInfo
- Publication number
- JP2020537781A JP2020537781A JP2020519364A JP2020519364A JP2020537781A JP 2020537781 A JP2020537781 A JP 2020537781A JP 2020519364 A JP2020519364 A JP 2020519364A JP 2020519364 A JP2020519364 A JP 2020519364A JP 2020537781 A JP2020537781 A JP 2020537781A
- Authority
- JP
- Japan
- Prior art keywords
- cell
- classification
- image
- labeling
- contour
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
- G06K7/00—Methods or arrangements for sensing record carriers, e.g. for reading patterns
- G06K7/0013—Methods or arrangements for sensing record carriers, e.g. for reading patterns by galvanic contacts, e.g. card connectors for ISO-7816 compliant smart cards or memory cards, e.g. SD card readers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G06V20/698—Matching; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—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
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
- G06T2207/10061—Microscopic image from scanning electron microscope
-
- 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
- G06T2207/30008—Bone
-
- 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
-
- 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
- G06T2207/30242—Counting objects in image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
Description
標本画像を取得し、画像処理アルゴリズムを用いて標本画像に対して細胞輪郭抽出を行い、抽出結果に対して標識枠で標識を行い、輪郭細胞画像を得るステップ;
前記輪郭細胞画像を予め設定された分類モデルに入力し、分類細胞画像及び対応する分類細胞情報を得るステップ;
色情報と名称情報を取得し、予め設定されたクラスに基づいて前記色情報を分類し、分類色情報を得るステップ;
分類細胞情報に基づいて対応する名称情報及び分類色情報を抽出して分類細胞画像に組み合わせ標識を施し、組み合わせ標識後の可視画像を表示するステップ。
前記輪郭細胞画像を予め設定された分類モデルに入力する前に、分類フロー又は分類器により分類モデルを構築する。
前記輪郭細胞画像を予め設定された分類モデルに入力し、前記輪郭細胞画像に予め設定されたクラスの確率を分配するステップ;
前記輪郭細胞画像に対応する確率及び予め設定された閾値に基づいて前記輪郭細胞画像に分類標識を行うことにより、分類細胞画像を得るステップ;
前記分類細胞画像に対して識別判断を行って、対応する分類細胞情報を得るステップ。
前記標本画像に対してそれぞれグレースケール、ノイズ除去処理を行い、
最大分散法(判別分析2値化法ともいう)を用いてノイズ除去後のグレースケール画像に対する最適閾値を算出し、ノイズ除去後のグレースケール画像を前記最適閾値で分割して2値化画像に変換し、細胞輪郭抽出を完了する。
分類色情報が得られた後、前記名称情報と前記分類色情報を記憶し、標識データベースを構築する。
前記輪郭抽出モジュールは、標本画像を取得し、画像処理アルゴリズムを用いて標本画像に対して細胞輪郭抽出を行い、抽出結果に対して標識枠で標識を行い、輪郭細胞画像を得る;
前記分類処理モジュールは、前記輪郭細胞画像を予め設定された分類モデルに入力し、分類細胞画像と対応する分類細胞情報を得る;
前記色前処理モジュールは、色情報と名称情報を取得し、予め設定されたクラスに基づいて前記色情報を分類し、分類色情報を得る;
前記標識処理モジュールは、分類細胞情報に基づいて、対応する名称情報及び分類色情報を抽出して分類細胞画像に組み合わせ標識を施し、組み合わせ標識後の可視画像を表示する。
前記モデル構築モジュールは、前記輪郭細胞画像を予め設定された分類モデルに入力する前に、分類フロー又は分類器により分類モデルを構築する。
前記分配ユニットは、前記輪郭細胞画像を予め設定された分類モデルに入力し、前記輪郭細胞画像に対して予め設定されたクラスの確率を分配するように構成され、
前記分配標識ユニットは、前記輪郭細胞画像に対応する確率と予め設定された閾値とに基づいて前記輪郭細胞画像に分類標識を行うことにより、分類細胞画像を得るように構成され、
前記識別判断ユニットは、前記分類細胞画像に対して識別判断を行い、対応する分類細胞情報を得るように構成される。
前記処理ユニットは、前記標本画像に対してグレースケール、ノイズ除去処理をそれぞれ施す;
前記計算変換ユニットは、最大分散法を用いてノイズ除去後のグレースケール画像に対する最適閾値を算出し、該最適閾値でノイズ除去後のグレースケール画像を分割して2値化画像に変換し、細胞輪郭抽出を完了する。
前記記憶ユニットは、分類色情報を取得した後に、前記名称情報と前記分類色情報とを記憶し、標識データベースを構築する。
本発明は、骨髄細胞標識方法及びシステムを提供する。その方法は、画像処理アルゴリズムにより標本画像に処理標識を施して輪郭細胞画像を取得してから、輪郭細胞画像を予め設定した分類モデルに入力して分類細胞画像と対応する分類細胞情報とを取得し、取得した色情報を予め設定した分類クラスに基づいて分類して分類色情報を取得し、最後に分類細胞情報に基づいて対応する名称情報及び分類色情報を抽出して分類細胞画像に組み合わせ標識を行い、組み合わせ標識後の可視画像を表示する。本発明は、処理された分類細胞の画像に、対応する名称情報及び分類色情報に基づいて、細胞の名称情報を標識するとともに、そのような細胞の分類色情報を標識する、という組み合わせた標識を行う。各クラスの細胞が特定の、かつ重複しないカラー標識を有することが達成され、判読が容易であるだけでなく、名前の衝突を回避し、参照を容易にする。
S100:標本(サンプル)画像を取得し、画像処理アルゴリズムを用いて標本画像に対して細胞の輪郭抽出を行い、抽出結果に対して標識枠で標識を行い、輪郭細胞画像を得る。
S200:輪郭細胞画像を予め設定された分類モデルに入力し、分類細胞画像及び対応する分類細胞情報を得る。
S300:色情報と名称情報を取得し、予め設定されたカテゴリー(クラス)に基づいて色情報を分類し、分類色情報を得る。
S400:分類細胞情報に基づいて、対応する名称情報及び分類色情報を抽出して分類細胞画像に組み合わせ標識を施し、組み合わせ標識後の可視画像を表示する。
他の実施形態において、用いられる色系は限定されない。例えば、大クラスに属する顆粒球系は、対応する色が#159845のRGB値と定義される;また、大クラスに属する赤血球系は、対応する色が#e30b20のRGB値と定義される;原始顆粒球(ブラスト顆粒球)は顆粒球系の子クラスに属するので、その対応する色は、#159845および#07f363というRGB値と定義される;原始赤血球は、赤血球系の子クラスに属するので、その対応する色は、#e30b20及び#159848のRGB値と定義される。大クラスは1つの色パッチを有し、子クラスは2つの色パッチを有し、子クラスのサブクラスは3つの色パッチを有し、左から右に並ぶように、大クラスの色パッチ、子クラスの色パッチ、子クラスのサブクラスの色パッチが順に表示される。
S110:標本画像に対してグレースケール(階調)、ノイズ除去処理をそれぞれ行う。
S120:最大分散法を用いてノイズ除去後のグレースケール画像に対する最適閾値を算出し、ノイズ除去後のグレースケール画像を最適閾値で分割して2値化画像に変換し、細胞輪郭抽出を完了する。
S210:輪郭細胞画像を予め設定された分類モデルに入力し、輪郭細胞画像に予め設定されたクラスの確率を分配する。
S220:輪郭細胞画像に対応する確率及び予め設定された閾値に基づいて輪郭細胞画像を分類標識して分類細胞画像を得る。
S230:分類細胞画像に対して識別判断を行うことにより、対応する分類細胞情報を得る。
分類色情報が得られた後、名称情報と分類色情報を記憶し、標識データベースを構築する。
輪郭抽出モジュール100は、標本画像を取得し、画像処理アルゴリズムを用いて標本画像に対して細胞輪郭抽出を行い、抽出結果に対して標識枠で標識を行って輪郭細胞画像を得るために用いられる。
分類処理モジュール200は、輪郭細胞画像を予め設定された分類モデルに入力し、分類細胞画像及び対応する分類細胞情報を得るために用いられる。
色前処理モジュール300は、色情報と名称情報を取得し、予め設定されたクラスに基づいて色情報を分類し、分類色情報を得るために用いられる。
標識処理モジュール400は、分類細胞情報に基づいて、対応する名称情報及び分類色情報を抽出して分類細胞画像に対する組み合わせ標識を行い、組み合わせ標識後の可視画像を表示する。
モデル構築モジュール500は、予め設定された分類モデルに輪郭細胞画像を入力する前に、分類フロー又は分類器によって分類モデルを構築するように構成される。
処理ユニット110は、標本画像に対してグレースケール、ノイズ除去処理をそれぞれ行う。
計算変換ユニット120は、最大分散法を用いて、ノイズ除去後のグレースケール画像の最適な閾値を算出し、最適な閾値でノイズ除去後のグレースケール画像を分割して2値化画像に変換し、細胞輪郭抽出を完了する。
記憶モジュール600は、分類色情報を取得した後、名称情報と分類色情報とを記憶し、標識データベースを構築するために用いられる。
分配ユニット210は、予め設定された分類モデルに輪郭細胞画像を入力し、輪郭細胞画像に予め設定されたクラスの確率を分配するように構成される。
分配標識ユニット220は、輪郭細胞画像に対応する確率と予め設定された閾値とに基づいて、輪郭細胞画像に対して分類標識を行うことにより、分類細胞画像を得るように構成される。
識別判断ユニット230は、分類細胞画像を識別判断して、対応する分類細胞情報を得るためのものである。
110 処理ユニット
120 計算変換ユニット
200 分類処理モジュール
210 分配ユニット
220 標識分配ユニット
230 識別判断ユニット
300 色前処理モジュール
400 標識処理モジュール
500 モデル構築モジュール
600 記憶モジュール
602 処理コンポーネント
604 メモリ
606 パワーモジュール
608 マルチメディアコンポーネント
610 入力/出力(I/O)インターフェース
Claims (10)
- 標本画像を取得し、画像処理アルゴリズムを用いて標本画像に対して細胞輪郭抽出を行い、抽出結果に対して標識枠で標識を行い、輪郭細胞画像を得るステップと、
前記輪郭細胞画像を予め設定された分類モデルに入力し、分類細胞画像及び対応する分類細胞情報を得るステップと、
色情報と名称情報を取得し、予め設定されたクラスに基づいて前記色情報を分類し、分類色情報を得るステップと、
分類細胞情報に基づいて対応する名称情報及び分類色情報を抽出して分類細胞画像に組み合わせ標識を施し、組み合わせ標識後の可視画像を表示するステップと、を含むことを特徴とする骨髄細胞標識方法。 - 前記輪郭細胞画像を予め設定された分類モデルに入力する前に、分類フロー又は分類器により分類モデルを構築するステップをさらに含むことを特徴とする請求項1に記載の骨髄細胞標識方法。
- 前記輪郭細胞画像を予め設定された分類モデルに入力し、分類細胞画像および対応する分類細胞情報を得るステップは、
前記輪郭細胞画像を予め設定された分類モデルに入力し、前記輪郭細胞画像に予め設定されたクラスの確率を分配するステップと、
前記輪郭細胞画像に対応する確率及び予め設定された閾値に基づいて前記輪郭細胞画像に分類標識を行うことにより、分類細胞画像を得るステップと、
前記分類細胞画像に対して識別判断を行い、対応する分類細胞情報を得るステップと、を含むことを特徴とする請求項1又は2に記載の骨髄細胞標識方法。 - 前記画像処理アルゴリズムを用いて標本画像に対して細胞輪郭抽出を行うことは、
前記標本画像に対してそれぞれグレースケール、ノイズ除去処理を行うステップと、
最大分散法を用いてノイズ除去後のグレースケール画像に対する最適閾値を算出し、ノイズ除去後のグレースケール画像を前記最適閾値で分割して2値化画像に変換し、細胞輪郭抽出を完了するステップと、を含むことを特徴とする請求項1に記載の骨髄細胞標識方法。 - 分類色情報が得られた後、前記名称情報と前記分類色情報を記憶し、標識データベースを構築するステップをさらに含むことを特徴とする請求項1に記載の骨髄細胞標識化方法。
- 輪郭抽出モジュール、分類処理モジュール、色前処理モジュールおよび標識処理モジュールを備える骨髄細胞標識システムであって、
前記輪郭抽出モジュールは、標本画像を取得し、画像処理アルゴリズムを用いて標本画像に対して細胞輪郭抽出を行い、抽出結果に対して標識枠で標識を行い、輪郭細胞画像を得るように構成され、
前記分類処理モジュールは、前記輪郭細胞画像を予め設定された分類モデルに入力し、分類細胞画像および対応する分類細胞情報を得るように構成され、
前記色前処理モジュールは、色情報と名称情報を取得し、予め設定されたクラスに基づいて前記色情報を分類し、分類色情報を得るように構成され、
前記標識処理モジュールは、分類細胞情報に基づいて、対応する名称情報及び分類色情報を抽出して分類細胞画像に組み合わせ標識を施し、組み合わせ標識後の可視画像を表示するように構成されることを特徴とする骨髄細胞標識システム。 - 前記輪郭細胞画像を予め設定された分類モデルに入力する前に、分類フロー又は分類器により分類モデルを構築するためのモデル構築モジュールをさらに含むことを特徴とする請求項6に記載の骨髄細胞標識システム。
- 前記分類処理モジュールは、分配ユニットと、分配標識ユニットと、識別判断ユニットと、を備え、
前記分配ユニットは、前記輪郭細胞画像を予め設定された分類モデルに入力し、前記輪郭細胞画像に対して予め設定されたクラスの確率を分配するように構成され、
前記分配標識ユニットは、前記輪郭細胞画像に対応する確率と予め設定された閾値とに基づいて前記輪郭細胞画像に分類標識を行うことにより、分類細胞画像を得るように構成され、
前記識別判断ユニットは、前記分類細胞画像に対して識別判断を行い、対応する分類細胞情報を得るように構成されることを特徴とする請求項6又は7に記載の骨髄細胞標識システム。 - 前記輪郭抽出モジュールは、処理ユニットと計算変換ユニットとを含み、
前記処理ユニットは、前記標本画像に対してそれぞれグレースケール、ノイズ除去処理を行うように構成され、
前記計算変換ユニットは、最大分散法を用いてノイズ除去後のグレースケール画像に対する最適閾値を算出し、ノイズ除去後のグレースケール画像を前記最適閾値で分割して2値化画像に変換し、細胞輪郭抽出を完了するように構成されることを特徴とする請求項6に記載の骨髄細胞標識システム。 - 記憶モジュールをさらに備え、
前記記憶モジュールは、分類色情報を取得した後、前記名称情報と前記分類色情報とを記憶し、標識データベースを構築するように構成されることを特徴とする請求項6に記載の骨髄細胞標識システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710935207.1 | 2017-10-10 | ||
CN201710935207.1A CN107729932B (zh) | 2017-10-10 | 2017-10-10 | 骨髓细胞标记方法和系统 |
PCT/CN2018/109544 WO2019072181A1 (zh) | 2017-10-10 | 2018-10-10 | 骨髓细胞标记方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6777354B1 JP6777354B1 (ja) | 2020-10-28 |
JP2020537781A true JP2020537781A (ja) | 2020-12-24 |
Family
ID=61210034
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020519364A Active JP6777354B1 (ja) | 2017-10-10 | 2018-10-10 | 骨髄細胞標識方法及びシステム |
Country Status (10)
Country | Link |
---|---|
US (1) | US20200242759A1 (ja) |
EP (1) | EP3696728A4 (ja) |
JP (1) | JP6777354B1 (ja) |
KR (1) | KR102380493B1 (ja) |
CN (1) | CN107729932B (ja) |
AU (2) | AU2018102232A4 (ja) |
IL (1) | IL273483A (ja) |
RU (1) | RU2739974C1 (ja) |
TW (1) | TWI715877B (ja) |
WO (1) | WO2019072181A1 (ja) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107729932B (zh) * | 2017-10-10 | 2019-07-26 | 杭州智微信息科技有限公司 | 骨髓细胞标记方法和系统 |
CN109360198A (zh) * | 2018-10-08 | 2019-02-19 | 北京羽医甘蓝信息技术有限公司 | 基于深度学习的骨髓细胞分类方法及分类装置 |
CN113039551B (zh) * | 2018-11-19 | 2024-01-23 | 深圳迈瑞生物医疗电子股份有限公司 | 分析细胞的方法、细胞分析设备与计算机可读存储介质 |
CN109545375A (zh) * | 2018-12-13 | 2019-03-29 | 张民庆 | 一种用于临检细胞骨髓专业的多功能试验平台 |
CN109633143B (zh) * | 2018-12-28 | 2022-05-17 | 广东省心血管病研究所 | 一种测定造血干细胞移植后患者骨髓微循环环境检测的系统和方法 |
CN109754398A (zh) * | 2019-01-14 | 2019-05-14 | 武汉兰丁医学高科技有限公司 | 一种基于计算机的骨髓白细胞自动标记方法及系统 |
CN109893732B (zh) * | 2019-02-28 | 2021-04-06 | 杭州智瑞思科技有限公司 | 一种基于循环神经网络的机械通气人机不同步检测方法 |
CN109977888A (zh) * | 2019-03-29 | 2019-07-05 | 上海健康医学院 | 一种外周血中红细胞识别标记系统和方法 |
CN110135271A (zh) * | 2019-04-19 | 2019-08-16 | 上海依智医疗技术有限公司 | 一种细胞分类方法及装置 |
CN110378920B (zh) * | 2019-07-17 | 2022-10-14 | 福建师范大学 | 一种基于视觉模型的图像轮廓提取方法 |
CN116097391A (zh) * | 2020-08-07 | 2023-05-09 | 纳米电子成像有限公司 | 用于在低信噪比成像条件下去噪的深度学习模型 |
CN113096096B (zh) * | 2021-04-13 | 2023-04-18 | 中山市华南理工大学现代产业技术研究院 | 一种融合形态特征的显微图像骨髓细胞计数方法与系统 |
CN113409923B (zh) * | 2021-05-25 | 2022-03-04 | 济南大学 | 骨髓图像个体细胞自动标记中的纠错方法及系统 |
TWI793865B (zh) | 2021-11-18 | 2023-02-21 | 倍利科技股份有限公司 | Ai自動輔助標記之系統及方法 |
CN114187480A (zh) * | 2022-01-05 | 2022-03-15 | 北京瀚远医药科技有限公司 | 一种基于深度学习的骨髓象细胞影像图检测分类方法及其系统 |
CN114419041B (zh) * | 2022-03-29 | 2022-06-21 | 武汉大学 | 病灶颜色的识别方法及装置 |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8406498B2 (en) * | 1999-01-25 | 2013-03-26 | Amnis Corporation | Blood and cell analysis using an imaging flow cytometer |
US7236623B2 (en) * | 2000-04-24 | 2007-06-26 | International Remote Imaging Systems, Inc. | Analyte recognition for urinalysis diagnostic system |
US7993908B2 (en) * | 2001-07-17 | 2011-08-09 | Parsortix, Inc. | Microstructure for particle and cell separation, identification, sorting, and manipulation |
US7371736B2 (en) * | 2001-11-07 | 2008-05-13 | The Board Of Trustees Of The University Of Arkansas | Gene expression profiling based identification of DKK1 as a potential therapeutic targets for controlling bone loss |
US7298902B2 (en) * | 2004-01-20 | 2007-11-20 | Educational Testing Service | Method and system for performing image mark recognition |
US8077958B2 (en) * | 2006-06-30 | 2011-12-13 | University Of South Florida | Computer-aided pathological diagnosis system |
US8071395B2 (en) * | 2007-12-12 | 2011-12-06 | The Board Of Trustees Of The Leland Stanford Junior University | Methods and apparatus for magnetic separation of cells |
EP2335221B8 (en) * | 2008-09-16 | 2016-05-25 | Novartis AG | Reproducible quantification of biomarker expression |
US8369585B2 (en) * | 2008-10-17 | 2013-02-05 | Siemens Aktiengesellschaft | Automatic classification of information in images |
WO2011016189A1 (ja) * | 2009-08-07 | 2011-02-10 | 株式会社ニコン | 細胞の分類手法、この手法を用いた画像処理プログラム及び画像処理装置、並びに細胞塊の製造方法 |
JP5490568B2 (ja) * | 2010-02-26 | 2014-05-14 | オリンパス株式会社 | 顕微鏡システム、標本観察方法およびプログラム |
US20150293026A1 (en) * | 2010-10-15 | 2015-10-15 | Dong-Guk Shin | Automated system for tissue histomorphometry |
DE102011004805A1 (de) * | 2011-02-28 | 2012-08-30 | Siemens Aktiengesellschaft | Miniaturisierte magnetische Durchflusszytometrie |
CN102298700A (zh) * | 2011-06-09 | 2011-12-28 | 华东师范大学 | 一种骨髓病理图像中细胞识别与定位方法 |
EP2737454B1 (en) * | 2011-07-28 | 2019-01-23 | Medetect AB | Method for providing images of a tissue section |
US20130094750A1 (en) * | 2011-10-12 | 2013-04-18 | Tolga Tasdizen | Methods and systems for segmentation of cells for an automated differential counting system |
SG11201407768QA (en) * | 2012-04-24 | 2015-01-29 | Brigham & Womens Hospital | Generating pluripotent cells de novo |
CN103473739B (zh) * | 2013-08-15 | 2016-06-22 | 华中科技大学 | 一种基于支持向量机的白细胞图像精确分割方法与系统 |
CN105849274B (zh) * | 2013-10-28 | 2020-01-21 | 分子装置有限公司 | 用于显微图像中的单独细胞的分类和识别的方法和系统 |
CN104331712B (zh) * | 2014-11-24 | 2017-08-25 | 齐齐哈尔格林环保科技开发有限公司 | 一种藻类细胞图像自动分类方法 |
CN105205804B (zh) * | 2015-08-18 | 2018-10-30 | 爱威科技股份有限公司 | 血细胞图像中白细胞的核浆分离方法、分类方法及装置 |
CN106022303B (zh) * | 2016-06-06 | 2019-07-19 | 南昌航空大学 | 基于无透镜全息成像的淡水藻类粗分类与计数方法 |
CN106780522B (zh) * | 2016-12-23 | 2019-08-30 | 杭州华卓信息科技有限公司 | 一种基于深度学习的骨髓液细胞分割方法 |
CN107729932B (zh) * | 2017-10-10 | 2019-07-26 | 杭州智微信息科技有限公司 | 骨髓细胞标记方法和系统 |
-
2017
- 2017-10-10 CN CN201710935207.1A patent/CN107729932B/zh active Active
-
2018
- 2018-10-05 TW TW107135287A patent/TWI715877B/zh active
- 2018-10-10 AU AU2018102232A patent/AU2018102232A4/en active Active
- 2018-10-10 AU AU2018349026A patent/AU2018349026A1/en active Pending
- 2018-10-10 RU RU2020112849A patent/RU2739974C1/ru active
- 2018-10-10 EP EP18866988.1A patent/EP3696728A4/en not_active Withdrawn
- 2018-10-10 WO PCT/CN2018/109544 patent/WO2019072181A1/zh unknown
- 2018-10-10 JP JP2020519364A patent/JP6777354B1/ja active Active
- 2018-10-10 KR KR1020207010423A patent/KR102380493B1/ko active IP Right Grant
- 2018-10-10 US US16/652,668 patent/US20200242759A1/en not_active Abandoned
-
2020
- 2020-03-22 IL IL273483A patent/IL273483A/en unknown
Also Published As
Publication number | Publication date |
---|---|
AU2018349026A2 (en) | 2022-01-06 |
KR102380493B1 (ko) | 2022-03-29 |
EP3696728A4 (en) | 2021-07-14 |
EP3696728A1 (en) | 2020-08-19 |
IL273483A (en) | 2020-05-31 |
TWI715877B (zh) | 2021-01-11 |
TW201915832A (zh) | 2019-04-16 |
CN107729932B (zh) | 2019-07-26 |
KR20200052932A (ko) | 2020-05-15 |
JP6777354B1 (ja) | 2020-10-28 |
AU2018349026A1 (en) | 2020-04-09 |
AU2018102232A4 (en) | 2022-02-10 |
US20200242759A1 (en) | 2020-07-30 |
RU2739974C1 (ru) | 2020-12-30 |
CN107729932A (zh) | 2018-02-23 |
WO2019072181A1 (zh) | 2019-04-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6777354B1 (ja) | 骨髄細胞標識方法及びシステム | |
Tizhoosh et al. | Artificial intelligence and digital pathology: challenges and opportunities | |
CN108831559B (zh) | 一种中文电子病历文本分析方法与系统 | |
Xiao et al. | APP2: automatic tracing of 3D neuron morphology based on hierarchical pruning of a gray-weighted image distance-tree | |
Tomari et al. | Computer aided system for red blood cell classification in blood smear image | |
Peng et al. | Automatic 3D neuron tracing using all-path pruning | |
CN110705403A (zh) | 细胞分类方法、装置、介质及电子设备 | |
Faure et al. | scFates: a scalable python package for advanced pseudotime and bifurcation analysis from single-cell data | |
Mungle et al. | Automated characterization and counting of Ki-67 protein for breast cancer prognosis: A quantitative immunohistochemistry approach | |
He et al. | CycleGAN with an improved loss function for cell detection using partly labeled images | |
CN113723513A (zh) | 多标签图像分类方法、装置及相关设备 | |
Navlakha et al. | A high-throughput framework to detect synapses in electron microscopy images | |
Jahani et al. | Centromere and length detection in artificially straightened highly curved human chromosomes | |
CN112634889A (zh) | 基于人工智能的电子病例录入方法、装置、终端及介质 | |
CN105354405A (zh) | 基于机器学习的免疫组化图像自动化判读系统 | |
CN104268562A (zh) | 一种有效多尺度纹理识别方法 | |
Jahani et al. | Automatic identification of overlapping/touching chromosomes in microscopic images using morphological operators | |
CN115661141A (zh) | 基于cbct图像牙齿和牙槽骨分割方法及系统 | |
CN111161881A (zh) | 一种疾病共现关系的识别方法、装置及存储介质 | |
Kavitha et al. | Enhanced clustering technique for segmentation on dermoscopic images | |
CN109994171B (zh) | 一种用于临床路径对比的流形可视化方法及系统 | |
Gräbel et al. | State of the art cell detection in bone marrow whole slide images | |
Brent et al. | Contemporary advances in computer-assisted bone histomorphometry and identification of bone cells in culture | |
US10900950B2 (en) | Apparatus and analytical evaluation methods using morphological feature parameters of a cell or cell population | |
Gamarra et al. | A service-oriented architecture for bioinformatics: An application in cell image analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200331 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200331 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20200331 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20200904 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200910 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201001 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6777354 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |