JP2021508127A - 自律顕微鏡システムの制御方法、顕微鏡システム、および、コンピュータ可読記憶媒体 - Google Patents
自律顕微鏡システムの制御方法、顕微鏡システム、および、コンピュータ可読記憶媒体 Download PDFInfo
- Publication number
- JP2021508127A JP2021508127A JP2020536747A JP2020536747A JP2021508127A JP 2021508127 A JP2021508127 A JP 2021508127A JP 2020536747 A JP2020536747 A JP 2020536747A JP 2020536747 A JP2020536747 A JP 2020536747A JP 2021508127 A JP2021508127 A JP 2021508127A
- Authority
- JP
- Japan
- Prior art keywords
- neural network
- autonomous
- microscope system
- controlling
- magnification image
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 238000013528 artificial neural network Methods 0.000 claims abstract description 116
- 230000002787 reinforcement Effects 0.000 claims abstract description 30
- 238000000386 microscopy Methods 0.000 claims abstract description 15
- 238000013527 convolutional neural network Methods 0.000 claims description 18
- 230000003287 optical effect Effects 0.000 claims description 15
- 230000011218 segmentation Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 8
- 238000003709 image segmentation Methods 0.000 claims description 3
- 239000012472 biological sample Substances 0.000 abstract description 16
- 238000010586 diagram Methods 0.000 abstract description 3
- 210000002798 bone marrow cell Anatomy 0.000 description 23
- 238000004458 analytical method Methods 0.000 description 12
- 210000004027 cell Anatomy 0.000 description 9
- 206010028980 Neoplasm Diseases 0.000 description 8
- 210000001185 bone marrow Anatomy 0.000 description 8
- 201000011510 cancer Diseases 0.000 description 8
- 210000001165 lymph node Anatomy 0.000 description 6
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000003325 follicular Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1429—Signal processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1429—Signal processing
- G01N15/1433—Signal processing using image recognition
-
- G—PHYSICS
- 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
- 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
- G02B21/367—Control or image processing arrangements for digital or video microscopes providing an output produced by processing a plurality of individual source images, e.g. image tiling, montage, composite images, depth sectioning, image comparison
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1006—Investigating individual particles for cytology
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- 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
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Analytical Chemistry (AREA)
- Medical Informatics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Dispersion Chemistry (AREA)
- Pure & Applied Mathematics (AREA)
- Algebra (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Probability & Statistics with Applications (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
Abstract
Description
(付記1)
自律顕微鏡システムを制御する方法であって、
装置で低倍率画像を得るステップと、
前記低倍率画像を第1のニューラルネットワークに入力して関心領域を選択するステップであって、前記第1のニューラルネットワークは強化学習スキームにおいて訓練される、ステップと、
前記関心領域を拡大して高倍率画像を生成するステップと、
前記高倍率画像を第2のニューラルネットワークに入力して前記高倍率画像が目標特徴を備えるかを分析し、前記目標特徴に関する統計結果を生成するステップと、
前記統計結果に従ってフィードバック信号を生成すると共に、前記フィードバック信号を前記第1のニューラルネットワークに送って、前記強化学習スキームにおいて前記第1のニューラルネットワークを訓練するステップと、
を備える方法。
前記第1のニューラルネットワークは、第1の畳み込みニューラルネットワークまたは完全に接続されたニューラルネットワークである、
付記1に記載の自律顕微鏡システムを制御する方法。
前記低倍率画像を前記第1のニューラルネットワークに入力して前記関心領域を選択するステップは、前記低倍率画像を複数の領域に分割することをさらに備える、
付記2に記載の自律顕微鏡システムを制御する方法。
前記第1のニューラルネットワークは、前記第1の畳み込みニューラルネットワークまたは完全に接続されたニューラルネットワークであり、前記複数の領域は、前記第1のニューラルネットワークに入力されて確率分布モデルを生成し、前記確率分布モデルは、前記複数の領域のうちのいずれか1つが関心領域である確率を表す、
付記3に記載の自律顕微鏡システムを制御する方法。
前記第1のニューラルネットワークが、前記複数の領域のうちのいずれか1つが前記関心領域であることを見いだすとき、正のフィードバック信号が生成されると共に、前記第1のニューラルネットワークに送られて、前記強化学習スキームにおいて前記第1のニューラルネットワークを訓練する、
付記3に記載の自律顕微鏡システムを制御する方法。
前記第1のニューラルネットワークが前記複数の領域のうちのいずれか1つを前記関心領域として選択するとき、特定の期間ごとに負のフィードバック信号が生成されると共に、前記第1のニューラルネットワークに送られて、前記強化学習スキームにおいて前記第1のニューラルネットワークを訓練する、
付記3に記載の自律顕微鏡システムを制御する方法。
前記第1のニューラルネットワークは、教師あり学習アルゴリズム、教師なし学習アルゴリズム、模倣学習アルゴリズムまたはこれらの組み合わせによりさらに訓練される、
付記1に記載の自律顕微鏡システムを制御する方法。
前記統計結果が全体目的を満たすかを判断すること
をさらに備える付記1に記載の自律顕微鏡システムを制御する方法。
前記統計結果が前記全体目的を満たさないとき、負のフィードバック信号が生成されると共に、前記第1のニューラルネットワークに送られて、前記強化学習スキームにおいて前記第1のニューラルネットワークを訓練する、
付記8に記載の自律顕微鏡システムを制御する方法。
前記高倍率画像が前記目標特徴を備えないとき、負のフィードバック信号が生成されると共に、前記第1のニューラルネットワークに送られて、前記強化学習スキームにおいて前記第1のニューラルネットワークを訓練する、
付記1に記載の自律顕微鏡システムを制御する方法。
前記第2のニューラルネットワークは、第2の畳み込みニューラルネットワークまたは完全に接続されたニューラルネットワークである、
付記1に記載の自律顕微鏡システムを制御する方法。
前記第2のニューラルネットワークは、インスタンスセグメンテーションモデル、セマンティックセグメンテーションモデルまたは画像分類モデルであるように構成され、前記高倍率画像が前記目標特徴を備えるかを分析する、
付記1に記載の自律顕微鏡システムを制御する方法。
付記1〜10のいずれか1つに記載の自律顕微鏡システムを制御する方法を実行するプロセッサを備えること
により特徴づけられる顕微鏡システム。
光学ユニット、ステージ、電子制御ユニット、記憶ユニットまたはこれらの組み合わせ、
をさらに備える付記13に記載の顕微鏡システム。
プログラムがコンピュータにロードされたとき、前記コンピュータが、付記1〜12のいずれか1つに記載の自律顕微鏡システムを制御する方法を実行できる、
プログラムが記憶されたコンピュータ可読記憶媒体。
Claims (15)
- 自律顕微鏡システムを制御する方法であって、
装置で低倍率画像を得るステップと、
前記低倍率画像を第1のニューラルネットワークに入力して関心領域を選択するステップであって、前記第1のニューラルネットワークは強化学習スキームにおいて訓練される、ステップと、
前記関心領域を拡大して高倍率画像を生成するステップと、
前記高倍率画像を第2のニューラルネットワークに入力して前記高倍率画像が目標特徴を備えるかを分析し、前記目標特徴に関する統計結果を生成するステップと、
前記統計結果に従ってフィードバック信号を生成すると共に、前記フィードバック信号を前記第1のニューラルネットワークに送って、前記強化学習スキームにおいて前記第1のニューラルネットワークを訓練するステップと、
を備える方法。 - 前記第1のニューラルネットワークは、第1の畳み込みニューラルネットワークまたは完全に接続されたニューラルネットワークである、
請求項1に記載の自律顕微鏡システムを制御する方法。 - 前記低倍率画像を前記第1のニューラルネットワークに入力して前記関心領域を選択するステップは、前記低倍率画像を複数の領域に分割することをさらに備える、
請求項2に記載の自律顕微鏡システムを制御する方法。 - 前記第1のニューラルネットワークは、前記第1の畳み込みニューラルネットワークまたは完全に接続されたニューラルネットワークであり、前記複数の領域は、前記第1のニューラルネットワークに入力されて確率分布モデルを生成し、前記確率分布モデルは、前記複数の領域のうちのいずれか1つが関心領域である確率を表す、
請求項3に記載の自律顕微鏡システムを制御する方法。 - 前記第1のニューラルネットワークが、前記複数の領域のうちのいずれか1つが前記関心領域であることを見いだすとき、正のフィードバック信号が生成されると共に、前記第1のニューラルネットワークに送られて、前記強化学習スキームにおいて前記第1のニューラルネットワークを訓練する、
請求項3に記載の自律顕微鏡システムを制御する方法。 - 前記第1のニューラルネットワークが前記複数の領域のうちのいずれか1つを前記関心領域として選択するとき、特定の期間ごとに負のフィードバック信号が生成されると共に、前記第1のニューラルネットワークに送られて、前記強化学習スキームにおいて前記第1のニューラルネットワークを訓練する、
請求項3に記載の自律顕微鏡システムを制御する方法。 - 前記第1のニューラルネットワークは、教師あり学習アルゴリズム、教師なし学習アルゴリズム、模倣学習アルゴリズムまたはこれらの組み合わせによりさらに訓練される、
請求項1に記載の自律顕微鏡システムを制御する方法。 - 前記統計結果が全体目的を満たすかを判断すること
をさらに備える請求項1に記載の自律顕微鏡システムを制御する方法。 - 前記統計結果が前記全体目的を満たさないとき、負のフィードバック信号が生成されると共に、前記第1のニューラルネットワークに送られて、前記強化学習スキームにおいて前記第1のニューラルネットワークを訓練する、
請求項8に記載の自律顕微鏡システムを制御する方法。 - 前記高倍率画像が前記目標特徴を備えないとき、負のフィードバック信号が生成されると共に、前記第1のニューラルネットワークに送られて、前記強化学習スキームにおいて前記第1のニューラルネットワークを訓練する、
請求項1に記載の自律顕微鏡システムを制御する方法。 - 前記第2のニューラルネットワークは、第2の畳み込みニューラルネットワークまたは完全に接続されたニューラルネットワークである、
請求項1に記載の自律顕微鏡システムを制御する方法。 - 前記第2のニューラルネットワークは、インスタンスセグメンテーションモデル、セマンティックセグメンテーションモデルまたは画像分類モデルであるように構成され、前記高倍率画像が前記目標特徴を備えるかを分析する、
請求項1に記載の自律顕微鏡システムを制御する方法。 - 請求項1〜10のいずれか1項に記載の自律顕微鏡システムを制御する方法を実行するプロセッサを備えること
により特徴づけられる顕微鏡システム。 - 光学ユニット、ステージ、電子制御ユニット、記憶ユニットまたはこれらの組み合わせ、
をさらに備える請求項13に記載の顕微鏡システム。 - プログラムがコンピュータにロードされたとき、前記コンピュータが、請求項1〜12のいずれか1項に記載の自律顕微鏡システムを制御する方法を実行できる、
プログラムが記憶されたコンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762610491P | 2017-12-26 | 2017-12-26 | |
US62/610,491 | 2017-12-26 | ||
PCT/CN2018/123401 WO2019128971A1 (zh) | 2017-12-26 | 2018-12-25 | 自动化显微镜系统的控制方法、显微镜系统及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021508127A true JP2021508127A (ja) | 2021-02-25 |
JP7277886B2 JP7277886B2 (ja) | 2023-05-19 |
Family
ID=67063178
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020536747A Active JP7277886B2 (ja) | 2017-12-26 | 2018-12-25 | 自律顕微鏡システムの制御方法、顕微鏡システム、および、コンピュータ可読記憶媒体 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11287634B2 (ja) |
EP (1) | EP3734515A4 (ja) |
JP (1) | JP7277886B2 (ja) |
TW (1) | TWI699816B (ja) |
WO (1) | WO2019128971A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11694331B2 (en) | 2019-01-22 | 2023-07-04 | Applied Materials, Inc. | Capture and storage of magnified images |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108776834B (zh) * | 2018-05-07 | 2021-08-06 | 上海商汤智能科技有限公司 | 系统增强学习方法和装置、电子设备、计算机存储介质 |
JP7181001B2 (ja) * | 2018-05-24 | 2022-11-30 | 日本電子株式会社 | 生物組織画像処理システム及び機械学習方法 |
US11614511B2 (en) * | 2020-09-17 | 2023-03-28 | Infineon Technologies Ag | Radar interference mitigation |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007133859A (ja) * | 1996-04-27 | 2007-05-31 | 3D Histech Kft | 生体組織の試料および体液の試料の自動顕微鏡支援検査方法 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4965725B1 (en) * | 1988-04-08 | 1996-05-07 | Neuromedical Systems Inc | Neural network based automated cytological specimen classification system and method |
TW200538734A (en) * | 2004-03-12 | 2005-12-01 | Aureon Biosciences Corp | Systems and methods for treating, diagnosing and predicting the occurrence of a medical condition |
EP1789923A1 (en) * | 2004-08-11 | 2007-05-30 | Aureon Laboratories, Inc. | Systems and methods for automated diagnosis and grading of tissue images |
JP4288323B1 (ja) * | 2008-09-13 | 2009-07-01 | 独立行政法人科学技術振興機構 | 顕微鏡装置及びそれを用いた蛍光観察方法 |
WO2014093838A2 (en) * | 2012-12-14 | 2014-06-19 | The J. David Gladstone Institutes | Automated robotic microscopy systems |
DK2997353T3 (da) * | 2013-05-15 | 2023-01-16 | The Administrators Of The Tulane Educational Fund | Mikroskopi af en vævsprøve under anvendelse af struktureret belysning |
WO2015069824A2 (en) * | 2013-11-06 | 2015-05-14 | Lehigh University | Diagnostic system and method for biological tissue analysis |
CN104846054A (zh) * | 2015-05-22 | 2015-08-19 | 电子科技大学 | 一种基于形态学特征的白带中霉菌的自动检测方法 |
US9971966B2 (en) * | 2016-02-26 | 2018-05-15 | Google Llc | Processing cell images using neural networks |
EP3552389A4 (en) * | 2016-11-11 | 2021-07-28 | University of South Florida | AUTOMATED STEREOLOGY FOR DETERMINING FABRIC CHARACTERISTICS |
US10345218B2 (en) * | 2016-12-06 | 2019-07-09 | Abbott Laboratories | Automated slide assessments and tracking in digital microscopy |
DE102017111718A1 (de) * | 2017-05-30 | 2018-12-06 | Carl Zeiss Microscopy Gmbh | Verfahren zur Erzeugung und Analyse eines Übersichtskontrastbildes |
CN107369160B (zh) * | 2017-06-28 | 2020-04-03 | 苏州比格威医疗科技有限公司 | 一种oct图像中脉络膜新生血管分割算法 |
-
2018
- 2018-12-20 TW TW107146020A patent/TWI699816B/zh active
- 2018-12-25 JP JP2020536747A patent/JP7277886B2/ja active Active
- 2018-12-25 EP EP18894641.2A patent/EP3734515A4/en active Pending
- 2018-12-25 US US16/957,467 patent/US11287634B2/en active Active
- 2018-12-25 WO PCT/CN2018/123401 patent/WO2019128971A1/zh unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007133859A (ja) * | 1996-04-27 | 2007-05-31 | 3D Histech Kft | 生体組織の試料および体液の試料の自動顕微鏡支援検査方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11694331B2 (en) | 2019-01-22 | 2023-07-04 | Applied Materials, Inc. | Capture and storage of magnified images |
Also Published As
Publication number | Publication date |
---|---|
EP3734515A4 (en) | 2021-10-13 |
TWI699816B (zh) | 2020-07-21 |
US20200326526A1 (en) | 2020-10-15 |
JP7277886B2 (ja) | 2023-05-19 |
EP3734515A1 (en) | 2020-11-04 |
TW201929026A (zh) | 2019-07-16 |
US11287634B2 (en) | 2022-03-29 |
WO2019128971A1 (zh) | 2019-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7277886B2 (ja) | 自律顕微鏡システムの制御方法、顕微鏡システム、および、コンピュータ可読記憶媒体 | |
JP6981533B2 (ja) | 細胞画像解析装置、細胞画像解析システム、学習データの生成方法、学習モデルの生成方法、学習データの生成プログラム、および、学習データの製造方法 | |
JP2022513494A (ja) | 病理標本の自動撮像および分析のための計算顕微鏡ベースシステムおよび方法 | |
Ligabue et al. | Evaluation of the classification accuracy of the kidney biopsy direct immunofluorescence through convolutional neural networks | |
JP2020057391A (ja) | 画像セグメント化を使用した物体追跡 | |
CN112861958A (zh) | 对肾脏病免疫荧光图片进行识别分类的方法及装置 | |
CN115937078A (zh) | 对用于细胞计数或用于测定细胞融合的机器学习算法的训练 | |
Albayrak | Classification of analyzable metaphase images using transfer learning and fine tuning | |
Liu et al. | Automatic identification of fungi under complex microscopic fecal images | |
Freitas-Andrade et al. | Unbiased analysis of mouse brain endothelial networks from two-or three-dimensional fluorescence images | |
Imbrosci et al. | Automated detection and localization of synaptic vesicles in electron microscopy images | |
Wijesinghe et al. | Experimentally unsupervised deconvolution for light-sheet microscopy with propagation-invariant beams | |
Narmatha et al. | Ovarian cysts classification using novel deep reinforcement learning with Harris Hawks Optimization method | |
US20230288354A1 (en) | Deep reinforcement learning-enabled cryo-em data collection | |
US20140192178A1 (en) | Method and system for tracking motion of microscopic objects within a three-dimensional volume | |
CN111462005A (zh) | 处理显微图像的方法、装置、计算机设备及存储介质 | |
Jiang et al. | Focus prediction of medical microscopic images based on lightweight densely connected with squeeze-and-excitation network | |
van Eekelen et al. | Multi-class semantic cell segmentation and classification of aplasia in bone marrow histology images | |
US20230055377A1 (en) | Automated training of a machine-learned algorithm on the basis of the monitoring of a microscopy measurement | |
Dave | A Multiple Input Multiple Output Framework for the Automatic OpticalFractionator-Based Cell Counting in Z-Stacks Using Deep Learning | |
CN111684279A (zh) | 一种细胞分析方法、细胞分析装置及存储介质 | |
EP4202523A1 (en) | System, method and computer program for a surgical microscope system and corresponding surgical microscope system | |
US20230259003A1 (en) | Apparatus and method for an imaging device | |
Tran et al. | Advancing Embryo Selection: A Comparative Study of State-of-the-Art Deep Learning Models for IVF Embryo Quality Assessment | |
WO2024083692A1 (en) | Toxicity prediction of compounds in cellular structures |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211223 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221108 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230208 |
|
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: 20230418 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230426 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7277886 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |