TW201835800A - 用於確定/校正缺陷的方法和相關的裝置 - Google Patents
用於確定/校正缺陷的方法和相關的裝置 Download PDFInfo
- Publication number
- TW201835800A TW201835800A TW106141797A TW106141797A TW201835800A TW 201835800 A TW201835800 A TW 201835800A TW 106141797 A TW106141797 A TW 106141797A TW 106141797 A TW106141797 A TW 106141797A TW 201835800 A TW201835800 A TW 201835800A
- Authority
- TW
- Taiwan
- Prior art keywords
- sample
- image
- slice
- defect
- determining
- Prior art date
Links
- 230000007547 defect Effects 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000003384 imaging method Methods 0.000 claims abstract description 31
- 239000000126 substance Substances 0.000 claims abstract description 16
- 238000012937 correction Methods 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 230000005855 radiation Effects 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 3
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 3
- 238000002600 positron emission tomography Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims 1
- 239000000284 extract Substances 0.000 claims 1
- 238000004611 spectroscopical analysis Methods 0.000 abstract description 11
- 239000000523 sample Substances 0.000 description 116
- 210000001519 tissue Anatomy 0.000 description 49
- 238000004458 analytical method Methods 0.000 description 9
- 230000006835 compression Effects 0.000 description 7
- 238000007906 compression Methods 0.000 description 7
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 238000001727 in vivo Methods 0.000 description 5
- 210000000056 organ Anatomy 0.000 description 5
- 238000011160 research Methods 0.000 description 5
- 238000003860 storage Methods 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 4
- 210000004556 brain Anatomy 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 4
- 238000000338 in vitro Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 239000004744 fabric Substances 0.000 description 3
- 238000003364 immunohistochemistry Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 229920000642 polymer Polymers 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000010186 staining Methods 0.000 description 3
- 238000003325 tomography Methods 0.000 description 3
- 238000004566 IR spectroscopy Methods 0.000 description 2
- 238000001069 Raman spectroscopy Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 239000012472 biological sample Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000001311 chemical methods and process Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004949 mass spectrometry Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 238000012014 optical coherence tomography Methods 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000010183 spectrum analysis Methods 0.000 description 2
- 238000005211 surface analysis Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 238000012285 ultrasound imaging Methods 0.000 description 2
- 238000004876 x-ray fluorescence Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000013626 chemical specie Substances 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000008045 co-localization Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000011496 digital image analysis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 238000011503 in vivo imaging Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 238000010603 microCT Methods 0.000 description 1
- 239000011368 organic material Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/4795—Scattering, i.e. diffuse reflection spatially resolved investigating of object in scattering medium
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/80—Geometric correction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
- G01N2021/8854—Grading and classifying of flaws
- G01N2021/8861—Determining coordinates of flaws
- G01N2021/8864—Mapping zones of defects
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
-
- 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
- G06T2207/10116—X-ray image
- G06T2207/10121—Fluoroscopy
-
- 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
- G06T2207/30016—Brain
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- Immunology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Optics & Photonics (AREA)
- Quality & Reliability (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本發明涉及一種用於確定/校正樣本的切片中的缺陷的方法，該缺陷在將樣本切成樣本的切片時產生，該方法基於兩種成像模式，其中一種是光譜成像模式。本發明能夠重構樣本的三維定量化學圖像。
Description
本發明涉及一種用於確定樣本的切片中的缺陷的方法。本發明還涉及一種用於校正樣本的切片中的缺陷的方法。本發明還描述了一種成像方法。本發明還涉及一種相關的電腦程式產品、相關的電腦可讀媒體、相關的用於確定缺陷的裝置、相關的用於校正缺陷的設備以及相關的成像系統。
許多研究領域使用樣本的切片來作研究。
作為特定示例，組織切片是在以微觀尺度表示組織樣本的細胞構築區域、層以及細胞網路的情況下對組織樣本進行分析的前提。特別是用於組織病理學的組織切片指的是組織的顯微鏡檢查，以研究疾病的臨床表現。具體地，在臨床醫學中，組織病理學指的是在標本已經處理過且組織切片已經置於載玻片上之後，通過病理學家對活組織或手術標本的檢查。與此相反，細胞病理學檢查游離細胞或組織塊。
作為另一示例，在植物領域，對內部結構進行分析以確認樣本功能和成分，意味著使用植物的切片。
這種要求也適用於複合材料、聚合物或織物。
在之前的示例中的每一個中，需要對樣本切片以獲得待分析的切片。對切片的分析能夠獲得關於樣本的資訊。
然而，當執行切片時，樣本可被壓縮或拉伸，這導致相對於樣本在體內的初始尺寸而言，樣本形狀產生全域缺陷。
因此期望的是，獲得並操縱樣本切片影像來校正這些缺陷。
由樣本操縱和切片引起的對組織切片缺陷的校正目前限制了三維（3D）數位組織學方法的開發，例如限制了有時候也稱為e-病理學（e-pathology）的自動病理學或診斷學的開發。校正也必須自動進行，以允許開發高通量數位組織學，即在這種情況下，對於二維（2D）和3D分析兩者，不再需要對校正的系統控制。
因此，需要一種能夠確定和/或校正在將樣本切成樣本的切片時產生的缺陷的方法。
3D重構方法的一個關鍵特徵在於校正由樣本切片引起的缺陷，需要樣本切片以允許切片的精確對齊用於可靠的3D體積繪製。
為此，提出一種用於確定對象的樣本的切片中的缺陷的方法，該缺陷在將樣本切成樣本的切片時產生，用於確定的方法至少包括構造切片的第一影像的階段，構造第一影像的階段至少包括提供由樣本的切片的至少一部分產生的處於數個波長的輻射的訊號測量值以用於獲得全域訊號的步驟、將該至少一部分劃分成待分析的像素的步驟、以及給每個像素分配期望訊號的步驟，用於每個像素的期望訊號通過將全域訊號分佈在每個像素上而獲得，期望訊號與每個像素的關聯限定切片的第一影像。用於確定的方法包括構造相同切片的第二影像。構造第二影像的階段至少包括提供樣本的影像的步驟，樣本的影像是三維影像並通過使用第一成像模式獲得，並且包括通過使用與切片相對於樣本的位置相關的資料，從樣本的影像提取切片的二維影像的步驟，二維影像是第二影像。用於確定的方法包括確定失真缺陷的存在的階段，確定的階段至少包括獲得第一影像中的切片的第一邊界的步驟、獲得第二影像中的切片的第二邊界的步驟、對邊界相對於參考點的距離作比較的步驟，如果比較的距離之比與1之間的差的絕對值高於預定閾值，則確定失真缺陷的存在。
與扭曲技術相比，用於確定缺陷的這種方法能夠以更好的精度獲得在將樣本切成樣本的切片時產生的缺陷。
根據用於確定缺陷的方法的、有利的但不是強制性的進一步的方面，用於確定缺陷的方法可包含以任何技術上可容許的組合採用的以下特徵中的一個或數個：
- 在由磁共振成像、X射線成像和正電子發射斷層成像組成的組中選擇第一成像模式。
- 輻射的波長包括在一波長範圍內，提供步驟包括計算測量的訊號在該波長範圍內的積分，全域訊號是積分的結果。
說明書還涉及一種用於校正對象的樣本的切片中的缺陷的方法，該缺陷在將樣本切成樣本的切片時產生，用於校正的方法至少包括校正失真缺陷的階段，校正失真缺陷的階段至少包括通過執行如之前描述的用於確定樣本的切片中的缺陷的方法來確定失真缺陷的存在的步驟、以及通過使用比較的距離之比而將轉換應用於第一影像的步驟。
還提出一種成像方法，該成像方法至少包括針對對象的樣本的每個切片，通過使用如之前描述的用於校正的方法獲得校正的第一影像的步驟、以及基於每個切片的校正的第一影像重構三維影像的步驟，三維影像對應於樣本的定量化學影像。
說明書還涉及一種電腦程式產品，該電腦程式產品包括用於當在合適的電腦裝置上運行所述電腦程式產品時，執行如之前描述的方法的至少一個步驟的指令。
說明書還涉及一種電腦可讀媒體，在該電腦可讀媒體上編碼有如之前描述的電腦程式產品。
還提出一種用於確定對象的樣本的切片中的缺陷的裝置，該缺陷在將樣本切成樣本的切片時產生，用於確定的裝置包括光譜儀、三維成像儀和計算器，用於確定的裝置適於執行用於確定對象的樣本的切片中的缺陷的方法，用於確定的方法至少包括構造切片的第一影像的階段，構造第一影像的階段至少包括提供由樣本的切片的至少一部分產生的處於數個波長的輻射的訊號測量值以用於獲得全域訊號的步驟、將該至少一部分劃分成待分析的像素的步驟、以及給每個像素分配期望訊號的步驟，用於每個像素的期望訊號通過將全域訊號分佈在每個像素上而獲得，期望訊號與每個像素的關聯限定切片的第一影像。用於確定的方法包括構造相同切片的第二影像。構造第二影像的階段至少包括提供樣本的影像的步驟，樣本的影像是三維影像並通過使用第一成像模式獲得，並且包括通過使用與切片相對於樣本的位置相關的資料，從樣本的影像提取切片的二維影像的步驟，二維影像是第二影像。用於確定的方法包括確定失真缺陷的存在的階段，確定的階段至少包括獲得第一影像中的切片的第一邊界的步驟、獲得第二影像中的切片的第二邊界的步驟、對邊界相對於參考點的距離作比較的步驟，如果比較的距離之比與1之間的差的絕對值高於預定閾值，則確定失真缺陷的存在。
說明書還涉及一種用於校正對象的樣本的切片中的缺陷的設備，該缺陷在將樣本切成樣本的切片時產生，用於校正的設備包括如之前描述的用於確定的裝置，該裝置確定失真缺陷的存在，該設備進一步適於執行用於校正對象的樣本的切片中的缺陷的方法，用於校正的方法至少包括校正失真缺陷的階段，校正失真缺陷的階段至少包括通過使用比較的距離之比而將轉換應用於第一影像的步驟。
本發明還涉及一種成像系統，該成像系統包括如之前描述的設備，該成像系統進一步適於執行一種成像方法，該成像方法至少包括針對對象的樣本的每個切片，通過使用該設備獲得校正的第一影像的步驟、以及基於每個切片的校正的第一影像重構三維影像的步驟，三維影像對應於樣本的定量化學影像。
為讓本發明的上述特徵和優點能更明顯易懂，下文特舉實施例，並配合所附圖式作詳細說明如下。
[由申請人執行的研究的背景]
前言：本段用於介紹為了獲得本發明而由申請人執行的研究的背景。本段不應該被申請人解釋為公認的現有技術，相反，應該被解釋為初步思考以重述一般問題並獲得由本發明解決的問題的要素。
生物樣本是包括多種多樣的細胞群和嵌入解剖組織中的化合物的生物組織。因此，期望研究這些組織子結構的分佈。
組織學分析仍然是組織定徵(tissue characterization)的黃金標準，以驗證由無損成像技術揭露的變化的意義。組織切片與體內或體外三維影像的配准可潛在地提供在切片分析之後樣本體積的更精確的三維重構。
然而，組織切片與三維影像的精確配准具有挑戰性。理想地，三維（3D）組織體積（或者等效地，連續二維切片的密集樣本集合）可用於允許真實的三維與重構的三維的匹配。
然而，不同成像模式的空間分割（體素尺寸與切片厚度之比）通常是高度不一致的，訊息量（組織染色與訊號密度之比）顯示複雜關係。
不同技術還可導致可影響配准的成像偽影（例如，訊號失真、異類染色、光學像差）的產生。由於樣本處理和切片，導致組織影像通常受到主要變形（例如，與定影相關的組織收縮）和二次變形（例如，切割偽影、缺少切片）。使用二維組織影像的塊-面採集方法避免了二次失真，在該方法中在切取每個切片之前獲取影像。
然而，該方法不是隨時可用於大多數實驗室，不考慮由於術後樣本失真（柔軟的組織在體外不會自己保持在正規形狀）、嵌入和冷凍處理（樣本體積改變）、免疫組織化學（例如，組織撕裂）或其他項導致的主要變形或偽影。其僅僅是被避免的後處理步驟（例如，冷凍切片術）。
為了使染色之後的獨立的切片對齊，遮蔽影像上的無關資訊是多步驟過程的一部分，以從二維切片創建三維體積。由於器官不是幾何學上的線形狀，所以僅僅使合適的解剖切片的輪廓對齊將不會重構器官的精確表示。
因此，結構成分（換句話說，訊號強度的變化）是有價值的資訊源，以使獨立的切片適當地對齊；然而，體內資料表示最終的幾何參考。因此，全部樣本三維資料可用於提煉三維組織資料集。
還必須考慮大多數組織學方法需要從身體移除組織或器官以用於定位和切片過程。因此，器官受到由從身體移除和設置在平坦的樣本架上所引起的形狀改變。其結果是，從樣本切片獲得的二維影像而來的三維重構不能與在原位置（體內或體外）獲得的三維影像匹配。這使得組織影像和原位置影像不能混合或合併以用於樣本的多峰分析。因此，組織影像必須被校正以與從原位置影像獲得的形狀匹配。
對齊的組織體積的配准可潛在地使用外表面特徵；然而，這可產生內部結構的錯位。重構的組織學大腦與3D影像的基於地標的配准可與內部點和外部點匹配，但是基於最多就是稀疏地分佈的用戶定義的點。地標的選擇取決於解剖結構；因此，配準將根據其對比和一致性而改變。在高度異常的病變環境的情況下，這些地標中的一些甚至可能不存在或移位。因此，更一般的基於強度的方法是優選的，該方法可始終使用來自大腦體積的資訊以實現更精確的配准。
替代性地，二維組織學技術仍然不能在大系列的切片上保持普通訊號強度等級，原因是該技術通常不是基於給定訊號的定量採集。大多數組織學技術不能聲稱它們提供定量分析，原因是它們僅在樣本切片的表面上工作，因此失去了來自組織切片的內部部分的資訊。其他技術基於源於標記的訊號，例如免疫組織化學，但是這些技術主要也是基於表面分析，因此禁止組織體積的定量分析。另一方面，光譜法（由於光譜法在從傳輸測量獲得訊號的同時提供樣本的定量和全域化學資訊，所以光譜法橫跨整個樣本容量）可滿足組織切片的定量校正的要求，從而允許進一步的與組織或器官在原位置的真實形狀匹配的三維樣本重構。
這種初步思考致使要研究樣本的切片的缺陷。
針對對象的樣本10，在圖1中示出了一個示例。在這種情況下，樣本10是大腦，對象是老鼠。
如示意性地示出的，樣本10切成多個切片12。
當將樣本10切成樣本10的切片12時，產生缺陷。
待分析的一個切片14被示出並包括這種缺陷。
特別地，切片14受到失真缺陷16和局部缺陷18。
失真缺陷16被邊界20加重，邊界20對應於待分析的切片的捲繞（reel）邊界。
對於該特定示例，切片14由於壓縮而受到影響，這導致具有與實際尺寸不同的尺寸的區域22。
更一般地，組織切片是在以顯微解析度表示組織樣本的細胞構築區域、層以及細胞網路的情況下對組織樣本進行分析的前提。一旦體內/體外成像技術不能提供足以深入樣本中以檢查組織微觀特徵所需要的解析度，則需要切片。這還由於以下事實：一些分析技術（特別是光譜儀）不能分析處於特定深度的樣本。相同對象適用於植物樣本，其中必須分析內部結構以確認樣本功能和不能另外限定的成分。複合材料、聚合物、織物……也遵循相同的原理，其中內部結構表示關於對象的性質的基本資訊。在這些情況下，可能尤其需要對柔軟的樣本的切片，微觀特徵可提供關於其結構的無價資訊。然而，這些微觀細節必須謹慎地作解釋，原因是柔軟的樣本可在應用切片過程時遭受形態失真。樣本的柔軟度減輕這些失真，這些失真可在切片或將切片置於載玻片以用於觀察時發生。
典型的情況是組織病理學，即以診斷和研究為目的的生物組織切片分析的科學。然而，有時候，顯微切片中某些偽影的存在可導致誤解，造成診斷誤區，該診斷誤區可導致增加的患者患病率。由於甚至從樣本的最小限度的壓縮導致的柔軟的樣本失真，所以出現粉碎偽影。在移除期間通過手術器械切斷組織，而最常見地出現該最小限度的壓縮，但是可通過撕裂組織而非切割組織的鈍的解剖刀片產生該最小限度的壓縮。還可在將樣本切片置於組織載玻片上時出現該最小限度的壓縮。粉碎產生主要類型的偽影，該偽影重新佈置樣本形態，為了對樣本成分進行正確的講解和解釋，必須校正該偽影。
樣本切片缺陷通常是壓縮、拉伸、裂紋、撕裂，但是樣本材料既不堆疊又不完全分離，該缺陷可被校正以重構樣本的初始形態。需要獲得並操縱樣本切片影像以用於校正缺陷。然而，僅基於由樣本操縱和切片引起的組織切片缺陷限制了數位組織學方法的開發，例如限制了有時候也稱為e-病理學的自動病理學或診斷學的開發，這些校正才有效。基於組織學影像分類的自動診斷系統對於改善診所的治療決策是重要的。之前的方法已經提出用於這種系統的組織和形態特徵。這些特徵捕捉組織學影像中對於病理識別和潛在地對於其階段或等級有用的圖案。然而，由於這些特徵中的許多缺少清楚的生物解釋，所以病理學家可能不願意採用這些特徵進行臨床診斷。
隨著最近出現的全載玻片數位掃描器，組織的組織病理學載玻片現在可以數位化並以數位影像形式存儲。因此，數位化的組織的組織病理學現在變得服從於電腦影像分析和機器學習技術的應用。必須開發組織切片缺陷的系統計算，以使得e-病理學針對自動診斷學和其他生物醫學應用是可行的。然而，組織切片的可視影像不會高亮顯示所有組織缺陷。如果裂紋和撕裂清楚地出現，則這不是針對組織的壓縮和拉伸的情況。樣本的表面視覺化不能揭露所有的缺陷。同樣地，化學表面分析（通過免疫組織化學、著色……）將不會提供關於可能要用於這種校正的組織成分的定量資訊。因此，對切片缺陷進行校正以再現樣本的初始形狀，應該基於樣本成分的定量測量。這可通過在切片的所有點（表示為體積，因此表示為體素）處樣本的厚度限定，或者替代性地，考慮到給定的體素是由化學物種填充的有限空間，這通過樣本的原子品質限定。
特別地，樣本成分的這種定量測量可通過光譜分析提供，光譜分析可被認為是揭露樣本的全域化學資訊的化學技術。按照定義，光譜學是對在寬的波長區域內的輻射能量和物質之間的相互作用的研究。因此，多種實驗技術是光譜技術。紅外光譜法、拉曼光譜學、質譜分析法、X射線螢光是提供樣本化學成分的定量測量的光譜技術的主要示例。
所有這些思考引導申請人作出本發明，現在描述本發明。
[具體實施方式]
圖2示出了用於確定對象的樣本10的切片14中的缺陷16的裝置24。
裝置24適於執行用於確定對象的樣本10的切片14中的缺陷16、18的方法。
裝置24包括光譜儀26、三維成像儀28和計算器30。
光譜儀26適於從處於數個波長的輻射獲得測量的訊號，該輻射從對象發出。
在當前示例中，對象是樣本10的切片的至少一部分。
測量的訊號對應於通過光譜分析獲得的訊號，光譜分析可被認為是揭露樣本的全域化學資訊的化學技術。按照定義，光譜學是對在寬的波長區域內的輻射能量和物質之間的相互作用的研究。因此，多種實驗技術是光譜技術。紅外光譜法、拉曼光譜學、質譜分析法、X射線螢光是提供樣本化學成分的定量測量的光譜技術的主要示例。
因此，作為特定示例，訊號是在吸收訊號、擴散訊號和螢光訊號之中選擇的訊號。
三維成像儀28適於對樣本以三維成像。
三維成像儀28適於實施允許訪問樣本10的解剖結構的第一成像模式。
計算器30包括適於對資料執行操作的處理器32和適於存儲資料的記憶體34。
現在參照圖3描述裝置24的操作，圖3是執行用於確定對象的樣本10的切片14中的缺陷16的方法的示例的流程圖。
用於確定缺陷的方法包括第一階段P1和第二階段P2，第一階段P1（在切片之後）構造切片14的第一影像I1和（在切片之前）構造切片14的第二影像I2，第二階段P2確定失真缺陷16的存在。
根據描述的特定示例，構造的第一階段P1包括標記為S10、S12和S14的三個步驟。
對於第一影像I1，三個第一步驟是提供步驟S10、劃分步驟S12和分配步驟S14。
在提供步驟S10，提供由切片14的至少一部分產生的處於數個波長的輻射的測量訊號以用於獲得全域訊號Sglobal
。
作為示例，獨立地執行測量，且結果只提供給計算器30。
在本實施例中，通過光譜儀26執行測量。
輻射的波長包括在一波長範圍內。該波長範圍的跨度被足夠大地選擇，以針對每個像素確定全部樣本物質。
應用於紅外光譜儀的情況，這導致高於或等於100納米且低於700納米的跨度。
在這種情況下，波長的數量介於20個波長和30個波長之間。
在詳細說明的特定示例中，提供步驟S10包括計算測量的訊號在波長範圍內的積分。
積分的結果是全域訊號Sglobal
。
這種計算通過處理器32實現。
在提供步驟S10結束時，計算器30的記憶體34存儲切片14的全域訊號Sglobal
。
在劃分步驟S12期間，切片14劃分成待分析的像素。
在劃分步驟S12結束時，計算器30的記憶體34存儲切片14成像素的劃分。
通過使用由光譜儀26實施的物理劃分來實現劃分。
在分配步驟S14期間，給每個像素分配期望訊號Sexpected
。
用於每個像素的期望訊號Sexpected
通過將全域訊號Sglobal
分佈在每個像素上而獲得。
根據描述的特定示例，在分配步驟S14，對於每個像素，期望訊號Sexpected
相同。
換句話說，這意味著以下公式可適用：
期望訊號Sexpected
與每個像素的關聯限定切片14的第一影像I1。
在分配步驟S14結束時，計算器30的記憶體34儲存切片14的第一影像I1。
對於第二影像I2，三個第一步驟是提供影像步驟S10、存儲步驟S12和提取步驟S14。
在提供步驟S10，提供樣本10的影像。
樣本的影像是三維影像。
例如，通過使用由三維成像儀28提供的第一成像模式獲得影像。
第一成像模式在特別是由磁共振成像（MRI）、電腦斷層掃描（CT）技術、X射線成像、正電子發射斷層成像（PET）、單光子發射電腦斷層掃描（SPECT）、光學相干斷層成像（OCT）和超聲成像（U.S.）組成的組中選擇。
在提供步驟S10結束時，提供樣本10的三維影像。
然後在存儲步驟S12期間，這種影像存儲在計算器30的記憶體34中。
在提取步驟S14期間，從樣本10的三維影像提取切片14的二維影像。
為此，使用與切片14相對於樣本10的位置相關的資料。
然後應用切割操作，以從三維影像提取切片14的影像。
切片14的該二維影像是第二影像I2。
在提取步驟S14結束時，切片14的第二影像I2存儲在計算器30的記憶體34中。
在圖3的特定示例中，確定失真缺陷16的存在的第二階段P2包括第一獲得步驟S20、第二獲得步驟S22和比較步驟S24。
在第一獲得步驟S20，獲得第一影像I1中的切片14的第一邊界36。
為此，由於邊界檢測技術而提取邊界。
這種技術的示例是可由機器學習技術輔助的自動分割方法。
在第一獲得步驟S20結束時，第一邊界36存儲在計算器30的記憶體34中。
第二獲得步驟S22類似於第一獲得步驟S20，除了第二獲得步驟S22應用於第二影像I2而非第一影像I1之外。
在第二獲得步驟S22結束時，第二邊界38存儲在計算器30的記憶體34中。
在比較步驟S24期間，對邊界36和38相對於參考點的距離作比較。
例如，由處理器32計算距離之比。
如果發現距離位於參考和組織切片邊界之間、具有高於預定閾值的值，則確定失真缺陷的存在。典型地，將通過提供邊界線的影像的像素解析度限定邊界之間可接受的距離。閾值通常設置在樣本的總尺寸（例如，組織切片的高度和寬度）的1%或者覆蓋這些距離的像素的1%。可根據期望的精度調節閾值水準。換句話說，對於不要求特定精度的全域分析，5%可能是可接受的，而對於組織結構的非常薄的細節的三維重構，可能需要小於1%。
換句話說，比較的距離之比與1之間的差的絕對值是失真缺陷的幅度，如果該缺陷的幅度與測量的精度相比是足夠的，則檢測失真缺陷。
在比較步驟S24結束時，確定失真缺陷的存在以及該失真缺陷的幅度。
在第二階段P2結束時，由裝置10的計算器30知道每個失真缺陷16的存在。
這種資訊可有利地用於校正方法。
為此，如圖4所示，示出了用於校正切片14中的缺陷的設備50。
設備50包括與裝置10相同的元件。
因此，設備50包括光譜儀26、三維成像儀28和計算器30。
計算器30進一步適於執行校正失真缺陷16的階段。
現在參照圖5描述設備50的操作，圖5是執行用於校正對象的樣本10的切片14中的缺陷16的方法的示例的流程圖。
用於校正的方法包括校正失真缺陷16的階段P3，該階段P3跟隨如之前描述的確定方法的第一階段P1和第二階段P2。
階段P3僅包括應用步驟S52。
在應用步驟S52期間，通過使用計算的比率將重新分佈應用於第一影像I1。
“重新分佈”其意思是，缺少的像素填充有來自具有高訊號的相鄰像素的訊號，同時待消除的像素被消除且它們的訊號分配到具有低訊號的相鄰像素。
用於校正的方法能夠獲得校正的切片。
圖6至圖10示出了當使用微型電腦斷層掃描時獲得的結果。
圖6和圖7示出了通過微型電腦斷層掃描獲得的老鼠的大腦的三維成像。
圖8示出了通過紅外光譜儀獲得的切片的影像。
在圖8上，表示了通過紅外光譜儀獲得的切片的邊界和通過微型電腦斷層掃描獲得的切片的邊界。這兩個邊界不同，這是失真缺陷的徵兆。
在圖8的情況下，通過紅外光譜儀獲得的切片的表面包括153.9 mm²的面積，以任意單位表示的訊號強度為0.824×1023
。
圖9示出了在執行用於校正的方法之後獲得的切片的校正影像。
在圖9的情況下，在校正之後獲得的切片的表面包括153.9 mm²的面積，以任意單位表示的訊號強度為0.821×1023
。
這示出了在幾乎恒定的訊號強度的情況下，邊界被修改以符合通過微型電腦斷層掃描獲得的切片的邊界。
另外，正確地重新分佈化學資訊。
通過校正每個切片。獲得圖10中的樣本10的三維影像。該影像與圖7中獲得的影像作比較。
顯然，與圖7的影像相比，圖10的影像包含更多的資訊。
用於校正的這種方法能夠在操作者不干預的情況下以自動的方式操作，原因是它基於影像的數位資訊。它還允許體內影像、二維組織學結果和三維組織學結果交叉匹配，因此提供相關事件的精確的共定位（根據使用的體內成像方法，解剖的和化學的或功能的）。
用於校正的這種方法能夠獲得校正的切片14，對於校正的切片14，化學量的資訊是可靠的。
這打開了通向一種成像方法的路，該成像方法能夠基於每個切片的校正的第一影像重構三維影像，三維影像對應於樣本的定量化學影像。
此外，這種成像方向可應用於任何種類的樣本，特別是柔軟的樣本和生物樣本。
還可考慮其他示例，例如織物或基質、植物物種、聚合物和任何其他有機材料，可通過光譜法分析全域化學資訊。
另外，將考慮能夠獲得之前提到的結果中的至少一個的任何裝置或設備或方法。
另外，之前提出的方法可通過伺服器實施，測量資料提供給該伺服器。
在這種情況下，可考慮如下系統和電腦程式產品，它們的交互能夠執行與樣本的切片中的缺陷相關的方法。
用於確定樣本中的缺陷的方法和用於校正樣本中的缺陷的方法是與樣本的缺陷相關的方法的特定示例。
系統是電腦。在當前的情況下，系統是筆記型電腦。
更一般地，系統是電腦或計算系統或類似的電子計算裝置，其適於操縱和/或轉換在計算系統的寄存器和/或記憶體內表示為物理量例如電子量的資料，使之成為在計算系統的記憶體、寄存器或其他這種資訊存儲、傳輸或顯示裝置內類似地表示為物理量的其他資料。
系統包括處理器、鍵盤和顯示單元。
處理器包括資料處理單元、記憶體和讀取器。讀取器適於讀取電腦可讀媒體。
電腦程式產品包括電腦可讀媒體。
電腦可讀媒體是可被處理器的讀取器讀取的媒體。電腦可讀媒體是適於存儲電子指令並能夠耦合到電腦系統匯流排的媒體。
這種電腦可讀存儲媒體例如是磁片、軟碟、光碟、CD-ROM、磁光碟、唯讀記憶體（ROM）、隨機存取記憶體（RAM）、電可程式設計唯讀記憶體（EPROM）、電可擦除可程式設計唯讀記憶體（EEPROM）、磁卡或光卡、或適於存儲電子指令並能夠耦合到電腦系統匯流排的任何其他類型的媒體。
電腦程式存儲在電腦可讀存儲媒體中。電腦程式包括電腦指令的一個或多個存儲的序列。
電腦程式可載入到資料處理單元中並適於當電腦程式被資料處理單元運行時使得與柔軟的樣本的切片中的缺陷相關的方法運行。
更一般地，上文考慮的實施例和替代實施例可組合以產生本發明的進一步的實施例。
雖然本發明已以實施例揭露如上，然其並非用以限定本發明，任何所屬技術領域中具有通常知識者，在不脫離本發明的精神和範圍內，當可作些許的更動與潤飾，故本發明的保護範圍當視後附的申請專利範圍所界定者為準。
無。
基於與所附的附圖對應地且作為說明性示例給出的但是不限制本發明的對象的以下描述，本發明將被更好地理解。在所附的附圖中： 圖1示意性地示出了樣本、樣本的切片、以及具有在將柔軟的樣本切成切片時產生的缺陷的樣本切片， 圖2示意性地示出了用於確定對象的樣本的切片中的缺陷的裝置， 圖3示出了通過使用圖2的裝置執行用於確定對象的樣本的切片中的缺陷的方法的示例的流程圖， 圖4示意性地示出了用於校正對象的樣本的切片中的缺陷的設備， 圖5示出了通過使用圖4的設備執行用於校正對象的樣本的切片中的缺陷的方法的示例的流程圖，以及 圖6至圖10示出了當執行圖5的方法時獲得的實驗圖。
Claims (10)
- 一種用於確定對象的樣本的切片中的缺陷的方法，所述缺陷在將所述樣本切成所述樣本的切片時產生，所述用於確定的方法至少包括以下階段： - 構造切片的第一影像，所述構造第一影像的階段至少包括以下步驟： - 提供由所述樣本的切片的至少一部分產生的處於數個波長的輻射的訊號測量值以用於獲得全域訊號， - 將所述至少一部分劃分成待分析的像素，以及 - 給每個像素分配期望訊號，用於每個像素的所述期望訊號通過將所述全域訊號分佈在每個像素上而獲得，所述期望訊號與每個像素的關聯限定所述切片的第一影像， - 構造相同切片的第二影像，所述構造第二影像的階段至少包括以下步驟： - 提供所述樣本的影像，所述樣本的所述影像是三維影像並通過使用第一成像模式獲得，以及 - 通過使用與所述切片相對於所述樣本的位置相關的資料，從所述樣本的所述影像提取所述切片的二維影像，所述二維影像是所述第二影像，以及 - 確定失真缺陷的存在，所述確定的階段至少包括以下步驟： - 獲得所述第一影像中的所述切片的第一邊界， - 獲得所述第二影像中的所述切片的第二邊界，以及 - 對所述邊界相對於參考點的距離作比較，如果比較的距離之比與1之間的差的絕對值高於預定閾值，則確定失真缺陷的存在。
- 如申請專利範圍第1項所述的用於確定的方法，其中，在由磁共振成像、X射線成像和正電子發射斷層成像組成的組中選擇所述第一成像模式。
- 如申請專利範圍第1或2項所述的用於確定的方法，其中，所述輻射的波長包括在一波長範圍內，所述提供步驟包括計算測量的訊號在所述波長範圍內的積分，所述全域訊號是所述積分的結果。
- 一種用於校正對象的樣本的切片中的缺陷的方法，所述缺陷在將所述樣本切成所述樣本的切片時產生，所述用於校正的方法至少包括校正失真缺陷的階段，所述校正失真缺陷的階段至少包括以下步驟： - 通過執行根據申請專利範圍第1至3項中任一項所述的用於確定樣本的切片中的缺陷的方法來確定失真缺陷的存在，以及 - 通過使用比較的距離之比而將轉換應用於所述第一影像。
- 一種成像方法，至少包括以下步驟： - 針對對象的樣本的每個切片，通過使用根據申請專利範圍第4項所述的用於校正的方法獲得校正的第一影像，以及 - 基於每個切片的校正的第一影像重構三維影像，所述三維影像對應於所述樣本的定量化學影像。
- 一種電腦程式產品，包括用於當在合適的電腦裝置上運行所述電腦程式產品時，執行根據申請專利範圍第1至5項中任一項所述的方法的至少一個步驟的指令。
- 一種電腦可讀媒體，在所述電腦可讀媒體上編碼有根據申請專利範圍第6項所述的電腦程式產品。
- 一種用於確定對象的樣本的切片中的缺陷的裝置，所述缺陷在將所述樣本切成所述樣本的切片時產生，所述用於確定的裝置包括光譜儀、三維成像儀和計算器，所述用於確定的裝置適於執行用於確定對象的樣本的切片中的缺陷的方法，所述用於確定的方法至少包括以下階段： - 構造切片的第一影像，所述構造第一影像的階段至少包括以下步驟： - 提供由所述樣本的切片的至少一部分產生的處於數個波長的輻射的測量訊號以用於獲得全域訊號， - 將所述至少一部分劃分成待分析的像素，以及 - 給每個像素分配期望訊號，用於每個像素的所述期望訊號通過將所述全域訊號分佈在每個像素上而獲得，所述期望訊號與每個像素的關聯限定所述切片的第一影像， - 構造相同切片的第二影像，所述構造第二影像的階段至少包括以下步驟： - 提供所述樣本的影像，所述樣本的所述影像是三維影像並通過使用第一成像模式獲得，以及 - 通過使用與所述切片相對於所述樣本的位置相關的資料，從所述樣本的所述影像提取所述切片的二維影像，所述二維影像是所述第二影像，以及 - 確定失真缺陷的存在，所述確定的階段至少包括以下步驟： - 獲得所述第一影像中的所述切片的第一邊界， - 獲得所述第二影像中的所述切片的第二邊界，以及 - 對所述邊界相對於參考點的距離作比較，如果比較的距離之比與1之間的差的絕對值高於預定閾值，則確定失真缺陷的存在。
- 一種用於校正對象的樣本的切片中的缺陷的設備，所述缺陷在將所述樣本切成所述樣本的切片時產生，所述用於校正的設備包括根據申請專利範圍第8項所述的用於確定的裝置，所述裝置確定失真缺陷的存在，所述設備進一步適於執行用於校正對象的樣本的切片中的缺陷的方法，所述用於校正的方法至少包括校正所述失真缺陷的階段，所述校正失真缺陷的階段至少包括通過使用比較的距離之比而將轉換應用於所述第一影像的步驟。
- 一種成像系統，包括根據申請專利範圍第9項所述的設備，所述成像系統進一步適於執行一種成像方法，所述成像方法至少包括以下步驟： - 針對對象的樣本的每個切片，通過使用所述設備獲得校正的第一影像，以及 - 基於每個切片的所述校正的第一影像重構三維影像，所述三維影像對應於所述樣本的定量化學影像。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| ??16306600.4 | 2016-12-01 | ||
| EP16306600 | 2016-12-01 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TW201835800A true TW201835800A (zh) | 2018-10-01 |
Family
ID=57755104
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW106141797A TW201835800A (zh) | 2016-12-01 | 2017-11-30 | 用於確定/校正缺陷的方法和相關的裝置 |
Country Status (2)
| Country | Link |
|---|---|
| TW (1) | TW201835800A (zh) |
| WO (1) | WO2018100173A1 (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102019127680A1 (de) | 2019-10-15 | 2021-04-15 | Kurtz Gmbh | Werkzeug, Werkzeugsystem und Verfahren zum Herstellen von Partikelschaumstoffteilen |
| CN111060528B (zh) * | 2019-12-31 | 2023-02-07 | 塔里木大学 | 水果缺陷发展规律光学检测系统及检测方法 |
| CN114343565B (zh) * | 2021-11-30 | 2022-10-11 | 图湃(北京)医疗科技有限公司 | 一种光学相干层析视网膜图像校正方法及装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7831075B2 (en) * | 2005-10-20 | 2010-11-09 | Case Western Reserve University | Imaging system |
-
2017
- 2017-11-30 TW TW106141797A patent/TW201835800A/zh unknown
- 2017-12-01 WO PCT/EP2017/081216 patent/WO2018100173A1/en active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| WO2018100173A1 (en) | 2018-06-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11696701B2 (en) | Systems and methods for estimating histological features from medical images using a trained model | |
| KR20220119447A (ko) | Ai를 이용한 병리 진단 지원 방법, 및 지원 장치 | |
| Hieber et al. | Tomographic brain imaging with nucleolar detail and automatic cell counting | |
| TW202001804A (zh) | 用精細解析進行資料管理和機器學習的方法 | |
| JP5596923B2 (ja) | 被調査脳の変化の局所解剖図的表示方法 | |
| US20080292164A1 (en) | System and method for coregistration and analysis of non-concurrent diffuse optical and magnetic resonance breast images | |
| US9194775B2 (en) | Guided slicing system for obtaining histological samples and methods thereof | |
| Sawyer et al. | Three-dimensional texture analysis of optical coherence tomography images of ovarian tissue | |
| JP2023544466A (ja) | Ｐｅｔ／ｃｔに基づく肺腺癌扁平上皮癌診断モデルの訓練方法及び装置 | |
| TW201835800A (zh) | 用於確定/校正缺陷的方法和相關的裝置 | |
| Verboven et al. | Measurement and visualization of food microstructure: Fundamentals and recent advances | |
| Mertzanidou et al. | 3D volume reconstruction from serial breast specimen radiographs for mapping between histology and 3D whole specimen imaging | |
| Rusu et al. | Co-registration of pre-operative CT with ex vivo surgically excised ground glass nodules to define spatial extent of invasive adenocarcinoma on in vivo imaging: a proof-of-concept study | |
| Obando et al. | Multi-staining registration of large histology images | |
| Oros-Peusquens et al. | Automatic segmentation of tissue sections using the multielement information provided by LA-ICP-MS imaging and k-means cluster analysis | |
| Ajantha Devi et al. | Fusion of deep learning and image processing techniques for breast cancer diagnosis | |
| Nazib et al. | Performance of registration tools on high-resolution 3D brain images | |
| Liang et al. | A framework for 3D vessel analysis using whole slide images of liver tissue sections | |
| Germann et al. | Strain fields in histological slices of brain tissue determined by synchrotron radiation-based micro computed tomography | |
| Ogunleke et al. | 3D chemical imaging of the brain using quantitative IR spectro-microscopy | |
| CN116310367A (zh) | 基于Gabor乳腺影像组学特征提取及筛选系统和方法 | |
| Guzmán et al. | Slice correspondence estimation using SURF descriptors and context-based search for prostate whole-mount histology MRI registration | |
| Perdigão et al. | Okapi-EM: A napari plugin for processing and analyzing cryogenic serial focused ion beam/scanning electron microscopy images | |
| Lawson et al. | Immunofluorescence-guided segmentation of three-dimensional features in micro-computed tomography datasets of human lung tissue | |
| Plancoulaine et al. | Building of a composite virtual slide from contiguous tissue samples |