WO2022250460A1 - 이미지 기반의 혈소판 카운팅 방법 및 카운팅 정보 출력방법 - Google Patents

이미지 기반의 혈소판 카운팅 방법 및 카운팅 정보 출력방법 Download PDF

Info

Publication number
WO2022250460A1
WO2022250460A1 PCT/KR2022/007447 KR2022007447W WO2022250460A1 WO 2022250460 A1 WO2022250460 A1 WO 2022250460A1 KR 2022007447 W KR2022007447 W KR 2022007447W WO 2022250460 A1 WO2022250460 A1 WO 2022250460A1
Authority
WO
WIPO (PCT)
Prior art keywords
platelet
image
sample
counting
platelets
Prior art date
Application number
PCT/KR2022/007447
Other languages
English (en)
French (fr)
Inventor
최종호
정보원
이주선
이광영
남병덕
이영득
Original Assignee
(주)유아이엠디
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 (주)유아이엠디 filed Critical (주)유아이엠디
Publication of WO2022250460A1 publication Critical patent/WO2022250460A1/ko

Links

Images

Classifications

    • 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
    • G01N1/00—Sampling; Preparing specimens for investigation
    • G01N1/28—Preparing specimens for investigation including physical details of (bio-)chemical methods covered elsewhere, e.g. G01N33/50, C12Q
    • 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
    • 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
    • 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
    • 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
    • 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
    • G01N15/1434—Optical arrangements
    • 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
    • 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
    • G01N33/4833—Physical analysis of biological material of solid biological material, e.g. tissue samples, cell cultures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • 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
    • G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
    • G01N2015/018—Platelets
    • 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

Definitions

  • the present invention relates to a method for counting platelets and a method for outputting counting information.
  • the method using a conventional image analyzer also has limitations in complementation because it is only at the level of simply presenting an image of a slide sample containing platelets to a diagnosis doctor.
  • the present invention was derived to solve the above problems, and the present invention is an image-based platelet capable of automatically counting platelets by taking a platelet image by making it into a slide sample despite the aggregation phenomenon of the CBC sample.
  • the present invention is intended to provide an image-based platelet counting method capable of accurately and quickly counting both a single platelet existing as a single platelet and individual platelets distributed in a platelet cluster.
  • the present invention is intended to provide an image-based platelet counting method capable of accurately counting platelets even under conditions of cell overlap and occlusion.
  • the present invention is intended to provide an image-based platelet counting method capable of accurately counting platelets using various approaches by providing pattern-based PLT detection or area-based PLT detection of a platelet image. .
  • An object of the present invention as described above is a sample preparation step (S10) of preparing a slide sample based on a complete blood cell count (CBC) sample; An image capturing step (S20) of capturing a sample image of the fabricated slide sample; Detecting a single platelet or a platelet aggregation of two or more clumped based on the captured sample image (S30); and a platelet counting step (S40) of counting single platelets and individual platelets distributed in a platelet cluster.
  • S10 sample preparation step
  • S20 image of capturing a sample image of the fabricated slide sample
  • a platelet counting step (S40) of counting single platelets and individual platelets distributed in a platelet cluster.
  • the whole blood cell test sample may be one in which an anticoagulant is injected in order to perform the whole blood cell test.
  • the captured sample image is a plurality of partial images obtained by capturing the slide sample
  • the detection step (S30) a plurality of captured partial images are mutually stitched to obtain a sample image.
  • the image-based platelet counting method further includes, after the foreground extraction step (S330), performing Connected Component Labeling (CCL) on pixels included in the extracted foreground (S332). it could be In this case, the platelet counting step ( S40 ) may be a step of counting single platelets and individual platelets distributed in platelet clusters based on the result of the connected component labeling.
  • CCL Connected Component Labeling
  • the platelet counting step ( S40 ) may be a step of counting the single platelet and individual platelets distributed in the platelet cluster based on the mask area compared to the size of the single platelet.
  • an object of the present invention is to include the above-described image-based platelet counting method, and after the platelet count step (S40), compare the counted platelet numerical information with previously obtained red blood cell count numerical information and output the result (S50 ) It can be achieved by providing a platelet counting information output method further comprising.
  • platelets can be accurately counted even under conditions of overlap and occlusion of cells.
  • FIG. 1 is a diagram showing an example of a sample image (a) and an enlarged image (b) of a portion thereof in which partial images captured at high magnification are stitched together with respect to a slide sample made from a CBC sample;
  • FIG. 2 is a flowchart sequentially showing an embodiment of an image-based platelet counting method of the present invention
  • FIG. 3 is a flowchart showing in detail an image pattern-based detecting step in an embodiment of an image-based platelet counting method of the present invention
  • FIG. 4 is diagrams showing an image (a) showing a state in which platelets are detected by box processing and an enlarged image (b) of a portion thereof;
  • FIG. 5 is a diagram schematically showing a process of performing binarization through thresholding on a platelet cluster in an embodiment of an image-based platelet counting method of the present invention
  • FIG. 6 is a flow chart sequentially showing detection steps based on an image area in an embodiment of an image-based platelet counting method of the present invention
  • FIG. 7 is a view showing an image of a platelet cluster shown to explain a detecting step based on an image area (a), an image in a state where a mask is applied to the image (b), and an image showing the mask area filled with platelets (c) admit.
  • An embodiment of the image-based platelet counting method of the present invention automatically counts platelets based on a sample image of a slide sample, but also detects and counts individual platelets distributed in a platelet cluster. .
  • FIG. 1 is diagrams showing an example of a sample image (a) and an enlarged image (b) of a portion of a slide sample prepared from a CBC sample, in which partial images captured at high magnification are stitched together.
  • the sample image shown in (a) of FIG. 1 is an image obtained by stitching partial images captured at high magnification, and white blood cells (WBC), red blood cells (RBC), and platelets (PLT) are distributed.
  • WBC white blood cells
  • RBC red blood cells
  • PLT platelets
  • FIG. 1 (b) which is an enlarged image of a portion of them, platelets distributed like smaller dots compared to red blood cells can be seen.
  • FIG. 1 (b) these platelets are not evenly distributed, but platelets It can be confirmed that platelet aggregation is formed.
  • FIG. 2 is a flowchart sequentially illustrating an embodiment of an image-based platelet counting method according to the present invention. Referring to Fig. 2, this embodiment will be described.
  • a sample production step (S10) of producing a slide sample based on the CBC sample is performed.
  • CBC complete blood cell count
  • peripheral blood is collected and put into a vacuum tube with EDTA anticoagulant to prepare a CBC sample.
  • the process proceeds by examining RBC, hemoglobin, hematocrit, three RBC indices, and platelets.
  • Such a whole blood cell test is mainly performed through spectrophotometry, electrical impedance, light scattering, and the like.
  • the sample preparation step (S10) is a step of preparing a slide sample along with staining the specimen for more accurate platelet count using the CBC sample used for the test to which the anticoagulant is injected.
  • an image capturing step (S20) of capturing a sample image of the fabricated slide sample is performed.
  • the sample images are high-magnification partial images obtained through high-magnification imaging.
  • one sample image may be completed by stitching high-magnification partial images.
  • High-magnification imaging of a region of interest may be performed using a high-magnification imaging device provided in an image analyzer.
  • the captured sample image may be one sample image obtained by stitching acquired high-magnification partial images using stitching software. And, as a preprocessing process for detection, down-scaling for removing noise may be performed on the sample image. Details of the detection step (S30) will be described later.
  • the present embodiment of the image-based platelet counting method may be performed by performing a platelet count step ( S40 ) of counting single platelets and individual platelets distributed in a platelet cluster.
  • FIG. 3 is a flowchart specifically illustrating an image pattern-based detecting step in an embodiment of an image-based platelet counting method according to the present invention.
  • an image stitching step (S310) of obtaining a sample image by mutually stitching a plurality of partially captured partial images is performed in the detection step (S30).
  • FIG. 4 (a) which is a boxed image of the platelet detection state
  • FIG. 4 (b) which is an enlarged image of a portion thereof
  • a general detection result is a platelet containing two or more individual platelets.
  • an error may occur in total platelet counting by detecting a single platelet cluster.
  • a normalization step (S320) of normalizing the sample image in a color space is performed.
  • the color space mainly uses the LAB color space, but is not limited thereto, and normalization is performed on the A channel in the LAB color space. Alternatively, normalization may be performed in a different color space and a different channel.
  • a foreground extraction step (S330) of extracting a foreground in which single platelets and platelet clusters exist by performing binarization on the normalized sample image is performed.
  • the binarization may proceed with a process of performing Local Binary Pattern (LBP) processing based on an intermediate value in a cross-correlation method and performing a validity check.
  • LBP Local Binary Pattern
  • a foreground in which a single platelet and a cluster of platelets exist may be extracted through background subtraction that removes a background such as red blood cells and white blood cells.
  • LBP Local Binary Pattern
  • the detection step (S30) may be performed by performing a step (S332) of performing connected component labeling (CCL) on a pixel included in the extracted foreground.
  • Connected component labeling can be performed by dividing a binary image into predetermined regions, determining similarities between adjacent regions, and grouping them into the same label.
  • robust features such as color, texture, and brightness of platelets may be used.
  • the steps from S310 to S330 described above are processes common to the image area-based detecting step to be described later.
  • the platelet count step (S40) is preferably a step of counting single platelets and individual platelets distributed in platelet clusters based on the result of connected component labeling.
  • FIG. 5 is a diagram schematically illustrating a process of performing binarization through thresholding on a platelet cluster in an embodiment of an image-based platelet counting method according to the present invention.
  • pixel values are processed as 1 or 0 through thresholding processing for peripheral values based on the intermediate value of 220 . Therefore, the pixel image corresponding to 1 can be extracted as the foreground.
  • FIG. 6 is a flow chart sequentially illustrating detection steps based on an image area in an embodiment of an image-based platelet counting method according to the present invention.
  • steps S310 to S330 of the image pattern-based detecting step described above are performed in the same manner.
  • a mask area measurement step (S334) of measuring the mask area occupied by the extracted foreground pixels in the mask by applying an N ⁇ M mask to the extracted foreground is further performed. (where N and M are integers greater than or equal to 1).
  • a mask is applied to the platelet cluster image (a) (b), and then the mask area (c) filled with platelets is measured relative to the total area of the mask It can be.
  • the detecting step based on the image area is a method of clustering individual platelets in the image and estimating the number of individual cells based on the cell size relative to the area of the clustered region.
  • the platelet count step (S40) is a step of counting single platelets and individual platelets distributed in a platelet cluster based on a mask area compared to the size of a single platelet.
  • the above-described image-based platelet counting method may further include, after the platelet counting step (S40), outputting counted platelet count information (S50).
  • red blood cell count count information may be used. For example, it can be output in the form of 5 platelets per 100 red blood cells.
  • the platelet count value in proportion to the red blood cell count value counted on the sample image. It is preferable that such output information is output to the end user as a result report.
  • a separate red blood cell counting method may be simultaneously or sequentially performed on the sample image, or previously acquired red blood cell count numerical information may be called through another route.

Landscapes

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

Abstract

본 발명의 일 실시예에 의하면, CBC 샘플의 응집 현상에도 불구하고 슬라이드 샘플의 샘플 이미지에 기반하여 자동으로 혈소판 카운팅이 가능한 효과가 있다. 이를 위해 특히 본 발명의 일 실시예는, 전체혈구검사(CBC, Complete Blood Cell Count) 샘플에 기반하여 슬라이드 샘플을 제작하는 샘플 제작 단계(S10); 제작된 슬라이드 샘플에 대한 샘플 이미지를 촬상하는 이미지 촬상 단계(S20); 촬상된 샘플 이미지에 기반하여 싱글로 존재하는 싱글 혈소판이나 2 이상 뭉친(clumped) 혈소판 군집(Platelet Aggregation)을 디텍션하는 단계(S30); 및 싱글 혈소판 및 혈소판 군집에 분포하는 개별 혈소판을 카운트하는 혈소판 카운트 단계(S40)를 포함하는 이미지 기반의 혈소판 카운팅 방법을 포함한다.

Description

이미지 기반의 혈소판 카운팅 방법 및 카운팅 정보 출력방법
본 발명은 혈소판 카운팅 방법 및 카운팅 정보 출력방법에 관한 것이다.
종래 전체혈구검사(CBC, Complete Blood Cell count)에서 샘플의 혈소판(PLT, Platelet)을 카운트(또는 계수)하는 경우에 카운트가 부정확한 상황이 빈번하게 발생한다. 즉 샘플에 혈액의 응고를 방지하기 위해 EDTA(Ethylene-diamine-tetraacetic acid)와 같은 항응고제가 투입되고 이로 인해 혈소판이 응집되거나 군집되는 현상이 발생하는데, 결국 CBC 검사에서 이러한 혈소판의 응집 또는 군집 현상으로 인해 혈소판의 카운트가 부정확해지는 것이다.
종래 혈소판 응집에 따른 혈소판 수치 오류는, 물리적인 방법으로 응집을 풀어주거나, 항응고제의 종류를 변경하여 혈소판 수치만 교정하거나, 아니면 항생제 등을 첨가 후 재검하는 등의 방법을 통해 수정하려는 노력이 있었다.
그러나 전술한 수정을 위한 작업들은 CBC 샘플의 변질이나 검체 불량을 초래하거나 혈소판이 과도하게 많이 측정되는 문제가 있었고, 혈소판 카운트 부정확 문제를 궁극적으로 해결하는 데에는 한계가 있었다.
종래 이미지 분석기(Image Analyzer)를 이용하는 방법 또한 혈소판을 포함하는 슬라이드 샘플의 이미지를 단순히 진단의 등에게 제시하는 수준의 것에 불과하여 보완에 한계가 있었다.
결국 임상병리사 또는 진단의가 촬상 이미지를 직접 보면서 혈소판을 카운트해야 하므로 많은 수의 혈소판을 카운트하는 불편함이 존재하고, 혈소판의 응집 또는 군집으로 인해 이를 육안으로 카운트하는 경우 사람의 주관적인 판단이 개입하여 부정확해지는 문제도 있었다.
본 발명은 상기와 같은 문제를 해결하기 위해 도출된 것으로서, 본 발명은, CBC 샘플의 응집 현상에도 불구하고 슬라이드 샘플로 제작하여 혈소판 이미지를 촬상하고, 이로부터 자동으로 혈소판 카운팅이 가능한 이미지 기반의 혈소판 카운팅 방법을 제공하고자 한다.
또한 본 발명은, 싱글로 존재하는 싱글 혈소판과 혈소판 군집에 분포하는 개별 혈소판 모두를, 정확하게 그리고 빠르게 카운팅할 수 있는 이미지 기반의 혈소판 카운팅 방법을 제공하고자 한다.
그리고 본 발명은, 세포의 오버랩(Overlap) 및 오클루전(Occlusion) 환경 하에서도 혈소판을 정확하게 카운팅할 수 있는 이미지 기반의 혈소판 카운팅 방법을 제공하고자 한다.
아울러 본 발명은, 혈소판 이미지의 패턴 기반 디텍션(Pattern-base PLT detection) 또는 면적 기반 디텍션(Area-base PLT detection)을 제공함으로써 다양한 접근으로 정확한 혈소판 카운팅이 가능한 이미지 기반의 혈소판 카운팅 방법을 제공하고자 한다.
상기와 같은 본 발명의 목적은, 전체혈구검사(CBC, Complete Blood Cell Count) 샘플에 기반하여 슬라이드 샘플을 제작하는 샘플 제작 단계(S10); 제작된 슬라이드 샘플에 대한 샘플 이미지를 촬상하는 이미지 촬상 단계(S20); 촬상된 샘플 이미지에 기반하여 싱글로 존재하는 싱글 혈소판이나 2 이상 뭉친(clumped) 혈소판 군집(Platelet Aggregation)을 디텍션하는 단계(S30); 및 싱글 혈소판 및 혈소판 군집에 분포하는 개별 혈소판을 카운트하는 혈소판 카운트 단계(S40)를 포함하는 이미지 기반의 혈소판 카운팅 방법을 제공함으로써 달성될 수 있다.
샘플 제작 단계(S10)에서, 전체혈구검사 샘플은 전체혈구검사를 수행하기 위해 항응고제가 투입된 것일 수 있다.
한편 이미지 촬상 단계(S20)에서, 촬상된 샘플 이미지는 슬라이드 샘플을 촬상한 복수의 부분 이미지이고, 그리고 디텍션 단계(S30)는, 촬상된 복수의 부분 이미지를 상호 스티칭하여 샘플 이미지를 획득하는 이미지 스티칭 단계(S310); 샘플 이미지를 색공간(Color space)에서 노말라이즈(Normalize)하는 노말라이제이션 단계(S320); 및 노말라이즈된 샘플 이미지에서 바이나리제이션(Binarization)을 수행하여 싱글 혈소판 및 혈소판 군집이 존재하는 포어그라운드(Foreground)를 추출하는 포어그라운드 추출단계(S330)를 포함하는 것일 수 있다.
이미지 기반의 혈소판 카운팅 방법은, 포어그라운드 추출단계(S330) 이후에, 추출된 포어그라운드에 포함된 픽셀에 대하여 커넥티드 컴포넌트 레이블링(CCL, Connected Component Labeling)을 수행하는 단계(S332)를 더 포함하는 것일 수 있다. 이때, 혈소판 카운트 단계(S40)는, 커넥티드 컴포넌트 레이블링의 결과값에 기반하여 싱글 혈소판 및 혈소판 군집에 분포하는 개별 혈소판을 카운트하는 단계일 수 있다.
이미지 기반의 혈소판 카운팅 방법은, 포어그라운드 추출단계(S330) 이후에, 추출된 포어그라운드에 대하여 N×M 마스크를 적용하여 추출된 포어그라운드의 픽셀이 마스크 내에서 차지하는 마스크 면적을 측정하는 마스크 면적 측정단계(S334)를 더 포함하는 것일 수 있다(여기서, N과 M은 1 이상의 정수이다). 이때, 혈소판 카운트 단계(S40)는, 싱글 혈소판의 사이즈 대비 마스크 면적(Mask area)에 기반하여 싱글 혈소판 및 혈소판 군집에 분포하는 개별 혈소판을 카운트하는 단계일 수 있다.
한편 본 발명의 목적은, 전술한 이미지 기반의 혈소판 카운팅 방법을 포함하고, 혈소판 카운트 단계(S40) 이후에, 카운트된 혈소판의 수치 정보를 기 획득된 적혈구 카운트 수치 정보와 비교하여 출력하는 단계(S50)를 더 포함하는 혈소판 카운팅 정보 출력 방법을 제공함으로써 달성될 수 있다.
상기와 같은 본 발명의 일 실시예에 의하면, CBC 샘플의 응집 현상에도 불구하고 슬라이드 샘플의 샘플 이미지에 기반하여 자동으로 혈소판 카운팅이 가능한 효과가 있다.
또한 싱글로 존재하는 싱글 혈소판과 혈소판 군집에 분포하는 개별 혈소판 모두를, 정확하게 그리고 빠르게 카운팅할 수 있다.
그리고 세포의 오버랩(Overlap) 및 오클루전(Occlusion) 환경 하에서도 혈소판을 정확하게 카운팅할 수 있다.
아울러 혈소판 이미지의 패턴 기반 디텍션(Pattern-base PLT detection) 또는 면적 기반 디텍션(Area-base PLT detection)을 통해 정확한 혈소판 카운팅이 가능하다.
도 1은 CBC 샘플로부터 제작된 슬라이드 샘플에 대하여 고배율로 촬상한 부분 이미지들을 서로 스티칭한 샘플 이미지의 일 예(a)와 그 일 부분의 확대 이미지(b)를 나타낸 도면들이고,
도 2는 본 발명인 이미지 기반의 혈소판 카운팅 방법의 일 실시예를 순차적으로 나타낸 순서도이고,
도 3은 본 발명인 이미지 기반의 혈소판 카운팅 방법의 일 실시예 중 이미지 패턴 기반의 디텍팅 단계를 구체적으로 나타낸 순서도이고,
도 4는 혈소판을 디텍팅한 상태를 박스 처리하여 나타낸 이미지(a)와, 그 일 부분의 확대 이미지(b)를 나타낸 도면들이고,
도 5는 본 발명인 이미지 기반의 혈소판 카운팅 방법의 일 실시예 중 혈소판 군집에 대하여 쓰레스홀딩을 통한 바이나리제이션(Binarization)을 수행하는 과정을 개략적으로 나타낸 도면이고,
도 6은 본 발명인 이미지 기반의 혈소판 카운팅 방법의 일 실시예 중 이미지 면적 기반의 디텍팅 단계를 순차적으로 나타낸 순서도이고,
도 7은 이미지 면적 기반의 디텍팅 단계를 설명하기 위해 나타낸 혈소판 군집 이미지(a)와, 여기에 마스크를 적용한 상태의 이미지(b)와, 혈소판으로 채워진 마스크 면적을 나타낸 이미지(c)를 나타낸 도면들이다.
이하 첨부 도면들 및 첨부 도면들에 기재된 내용들을 참조하여 본 발명의 실시예를 상세하게 설명하지만, 본 발명이 실시예에 의해 제한되거나 한정되는 것은 아니다.
아래 설명하는 실시예들에는 다양한 변경이 가해질 수 있다. 아래 설명하는 실시예들은 실시 형태에 대해 한정하려는 것이 아니며, 이들에 대한 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다.
한편, 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는, 그 상세한 설명을 생략할 것이다. 그리고, 본 명세서에서 사용되는 용어(terminology)들은 본 발명의 실시예를 적절히 표현하기 위해 사용된 용어들로서, 이는 사용자, 운용자의 의도 또는 본 발명이 속하는 분야의 관례 등에 따라 달라질 수 있다. 따라서, 본 용어들에 대한 정의는 본 명세서 전반에 걸친 내용을 토대로 내려져야 할 것이다
이미지 기반의 혈소판 카운팅 방법
본 발명인 이미지 기반의 혈소판 카운팅 방법의 일 실시예는, 슬라이드 샘플(slide sample)의 샘플 이미지에 기반하여 혈소판을 자동으로 카운트하되, 혈소판 군집에 분포하는 개별 혈소판까지 디텍팅하고 카운트할 수 있도록 작용한다.
이하 도 1 내지 7을 참조하여 본 실시예에 대하여 상술한다.
도 1은 CBC 샘플로부터 제작된 슬라이드 샘플에 대하여 고배율로 촬상한 부분 이미지들을 서로 스티칭한 샘플 이미지의 일 예(a)와 그 일 부분의 확대 이미지(b)를 나타낸 도면들이다. 도 1의 (a)에 도시된 샘플 이미지는, 고배율로 촬상한 부분 이미지들을 스티칭한 이미지로서 백혈구(WBC), 적혈구(RBC), 혈소판(PLT)이 분포하고 있다. 그 중 일 부분을 확대한 이미지인 도 1의 (b)에서는 적혈구와 비교하여 더 작은 점처럼 분포하고 있는 혈소판을 볼 수 있는데, 특히 도 1의 (b)에서는 이들 혈소판이 균등하게 분포하기보다는 혈소판 군집(Platelet aggregation)을 이루고 있는 것을 확인할 수 있다.
도 2는 본 발명인 이미지 기반의 혈소판 카운팅 방법의 일 실시예를 순차적으로 나타낸 순서도이다. 도 2를 참조하여 본 실시예에 대하여 설명한다.
우선 CBC 샘플에 기반하여 슬라이드 샘플을 제작하는 샘플 제작 단계(S10)가 수행된다. 전체혈구검사(CBC, Complete Blood Cell count)는, 말초혈액(Peripheral Blood)을 채취하여 진공 채혈관에 EDTA 항응고제와 함께 넣어 CBC 샘플을 제작하고 제작된 CBC 샘플에 대하여 전통적으로 백혈구(WBC), 적혈구(RBC), 혈색소(hemoglobin), 적혈구용적(hematocrit), 3종의 적혈구지수(RBC indeces), 그리고 혈소판(platelet) 등을 검사함으로써 그 프로세스가 진행된다. 이러한 전체혈구검사는 주로 분광광도법(spectrophotometry), 전기저항(electrical impedence), 광산란(light scattering) 등을 통해 수행된다.
즉 샘플 제작 단계(S10)는, 항응고제가 투입되어 검사에 이용된 CBC 샘플을 이용하여 더 정확한 혈소판 카운트를 위해 검체 염색과 함께 슬라이드 샘플을 제작하는 단계이다.
다음, 제작된 슬라이드 샘플에 대한 샘플 이미지를 촬상하는 이미지 촬상 단계(S20)가 수행된다. 여기서 샘플 이미지는 고배율 촬상을 통해 획득된 고배율의 부분 이미지들이다. 이후 고배율의 부분 이미지들을 스티칭하여 하나의 샘플 이미지를 완성할 수 있다. 이미지 분석기(Image analyzer)에 구비된 고배율 촬상 장치를 이용하여 관심 영역에 대한 고배율 촬상이 이루어질 수 있다.
다음, 촬상된 샘플 이미지에 기반하여 싱글로 존재하는 싱글 혈소판이나 2 이상 뭉친(clumped) 혈소판 군집(Platelet Aggregation)을 디텍션하는 단계(S30)가 수행된다. 여기서 촬상된 샘플 이미지는 획득된 고배율의 부분 이미지들을 스티칭 소프트웨어를 이용하여 스티칭한 하나의 샘플 이미지일 수 있다. 그리고 디텍션을 위한 전처리 과정으로 샘플 이미지에 대하여 노이즈 제거를 위한 다운 스케일링(Down-Scaling)이 수행될 수 있다. 디텍션 단계(S30)의 구체적인 내용은 후술한다.
마지막으로, 싱글 혈소판 및 혈소판 군집에 분포하는 개별 혈소판을 카운트하는 혈소판 카운트 단계(S40)를 수행함으로써 이미지 기반의 혈소판 카운팅 방법의 본 실시예가 수행될 수 있다.
도 3은 본 발명인 이미지 기반의 혈소판 카운팅 방법의 일 실시예 중 이미지 패턴 기반의 디텍팅 단계를 구체적으로 나타낸 순서도이다. 도 3을 참조하면, 디텍션 단계(S30)는, 우선적으로 촬상된 복수의 부분 이미지를 상호 스티칭하여 샘플 이미지를 획득하는 이미지 스티칭 단계(S310)가 수행된다. 혈소판을 디텍팅한 상태를 박스 처리하여 나타낸 이미지인 도 4 (a)와, 그 일 부분의 확대 이미지인 도 4 (b)를 통해 알 수 있듯이, 일반적인 디텍팅 결과는 2 이상의 개별 혈소판을 포함하는 혈소판 군집을 싱글로 디텍팅하여 전체 혈소판 카운팅에 오류가 발생할 수 있음은 전술한 바와 같다.
다음, 샘플 이미지를 색공간(Color space)에서 노말라이즈(Normalize)하는 노말라이제이션 단계(S320)가 수행된다. 여기서 색공간은 LAB 색공간을 주로 이용하지만 이에 한정하는 것은 아니며, LAB 색공간 중에 A 채널에 대하여 노말라이제이션을 수행한다. 이와 달리 다른 색공간과 다른 채널로 노말라이제이션이 수행될 수도 있다.
다음, 노말라이즈된 샘플 이미지에서 바이나리제이션(Binarization)을 수행하여 싱글 혈소판 및 혈소판 군집이 존재하는 포어그라운드(Foreground)를 추출하는 포어그라운드 추출단계(S330)가 수행된다. 여기서 바이나리제이션은 크로스 코릴레이션(Cross Correlation) 방식으로 중간 값 기준으로 LBP(Local Binary Pattern) 처리를 수행하고 유효성 체크를 수행하는 프로세스로 진행될 수 있다. 그리고 적혈구 및 백혈구 등의 백그라운드를 제거하는 백그라운드서브트랙션(Background subtration)을 통해 싱글 혈소판 및 혈소판 군집이 존재하는 포어그라운드(Foreground)를 추출할 수 있다. LBP에 대한 구체적인 예시는 후술한다.
마지막으로 추출된 포어그라운드에 포함된 픽셀에 대하여 커넥티드 컴포넌트 레이블링(CCL, Connected Component Labeling)을 수행하는 단계(S332)를 수행함으로써 본 디텍션 단계(S30)가 수행될 수 있다. 커넥티드 컴포넌트 레이블링은 바이너리 이미지(binary image)를 일정한 구역들로 나누고 인접한 구역들끼리의 유사성을 판단하여 같은 레이블로 묶음으로써 수행될 수 있다. 이 밖에도 이미지 패턴 기반의 디텍팅 단계는, 혈소판의 컬러, 질감, 밝기 등에 강인한 특징들을 이용할 수 있다.
여기서 전술한 S310 내지 S330까지의 단계들은 후술하는 이미지 면적 기반의 디텍팅 단계와 공통되는 프로세스이다.
전술한 이미지 패턴 기반의 디텍팅 단계가 수행되면, 혈소판 카운트 단계(S40)는, 커넥티드 컴포넌트 레이블링의 결과값에 기반하여 싱글 혈소판 및 혈소판 군집에 분포하는 개별 혈소판을 카운트하는 단계인 것이 바람직하다.
도 5는 본 발명인 이미지 기반의 혈소판 카운팅 방법의 일 실시예 중 혈소판 군집에 대하여 쓰레스홀딩을 통한 바이나리제이션(Binarization)을 수행하는 과정을 개략적으로 나타낸 도면이다. 도 5에 도시된 바와 같이, 전술한 바이나리제이션은 예를 들어, 중간 값인 220을 기준으로 주변값에 대해 쓰레스홀딩(Thresholding) 처리를 통해 1 또는 0으로 픽셀 값을 처리한다. 따라서 1에 해당하는 픽셀 이미지는 포어그라운드로 추출될 수 있다.
도 6은 본 발명인 이미지 기반의 혈소판 카운팅 방법의 일 실시예 중 이미지 면적 기반의 디텍팅 단계를 순차적으로 나타낸 순서도이다. 도 6을 참조하면, 이미지 면적 기반의 디텍팅 단계는, 전술한 이미지 패턴 기반의 디텍팅 단계의 S310 내지 S330까지의 단계들이 동일하게 수행된다. 그리고 이어서 포어그라운드 추출단계(S330) 이후에, 추출된 포어그라운드에 대하여 N×M 마스크를 적용하여 추출된 포어그라운드의 픽셀이 마스크 내에서 차지하는 마스크 면적을 측정하는 마스크 면적 측정단계(S334)가 더 수행될 수 있다(여기서, N과 M은 1 이상의 정수이다).
도 7의 도면을 통해 이미지 면적 기반의 디텍팅 단계에 대하여 설명하면, 혈소판 군집 이미지(a)에 대하여 마스크를 적용하고(b), 이후 마스크의 전체 면적 대비 혈소판으로 채워진 마스크 면적(c)이 측정될 수 있다.
이러한 이미지 면적 기반의 디텍팅 단계는, 이미지 내에 개별적인 혈소판을 클러스터링 처리하고 군집된 영역 면적 대비 세포의 크기를 기준으로 개별적인 세포의 수를 추정하는 방법이다.
전술한 이미지 면적 기반의 디텍팅 단계가 수행되면, 혈소판 카운트 단계(S40)는, 싱글 혈소판의 사이즈 대비 마스크 면적(Mask area)에 기반하여 싱글 혈소판 및 혈소판 군집에 분포하는 개별 혈소판을 카운트하는 단계일 수 있다.
슬라이드 샘플의 카운팅 정보 출력 방법
전술한 이미지 기반의 혈소판 카운팅 방법은, 혈소판 카운트 단계(S40) 이후에, 카운트된 혈소판 수치 정보를 출력하는 단계(S50)를 더 포함할 수도 있다. 카운트된 혈소판 수치 정보를 출력하는 경우에는, 적혈구 카운트 수치 정보가 이용될 수 있다. 예를 들어, 적혈구 100 개당 혈소판 5 개와 같은 형태로 출력될 수 있다.
결국 샘플 이미지 상에서 카운팅된 적혈구 카운트 수치 대비 혈소판 카운트 수치를 비율적으로 출력할 수 있다. 이러한 출력 정보는 최종 유저에게 결과 리포팅으로 출력되는 것이 바람직하다. 이를 위해 샘플 이미지에 대하여 별도의 적혈구 카운팅 방법이 동시 또는 순차적으로 진행되거나 다른 루트를 통해 기 획득된 적혈구 카운트 수치 정보를 호출할 수도 있을 것이다.
이상 첨부된 도면을 참조하여 본 발명의 실시 예를 설명하였지만, 상술한 본 발명의 기술적 구성은 본 발명이 속하는 기술 분야의 당 업자가 본 발명의 그 기술적 사상이나 필수적 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로 이상에서 기술한 실시 예들은 모든 면에서 예시적인 것이며 한정적인 것이 아닌 것으로서 이해되어야 한다. 아울러, 본 발명의 범위는 상기의 상세한 설명보다는 후술하는 특허청구범위에 의하여 나타내어진다. 또한, 특허청구범위의 의미 및 범위 그리고 그 등가 개념으로부터 도출되는 모든 변경 또는 변형된 형태가 본 발명의 범위에 포함되는 것으로 해석되어야 한다.

Claims (8)

  1. CBC 샘플에 기반하여 슬라이드 샘플을 제작하는 샘플 제작 단계(S10);
    상기 제작된 슬라이드 샘플에 대한 샘플 이미지를 촬상하는 이미지 촬상 단계(S20);
    상기 촬상된 샘플 이미지에 기반하여 싱글로 존재하는 싱글 혈소판이나 2 이상 뭉친 혈소판 군집(Platelet Aggregation)을 디텍션하는 단계(S30); 및
    상기 싱글 혈소판 및 상기 혈소판 군집에 분포하는 개별 혈소판을 카운트하는 혈소판 카운트 단계(S40)를 포함하는
    이미지 기반의 혈소판 카운팅 방법.
  2. 제1 항에 있어서,
    상기 샘플 제작 단계(S10)에서,
    상기 CBC 샘플은 전체혈구검사를 수행하기 위해 항응고제가 투입된 것인
    이미지 기반의 혈소판 카운팅 방법.
  3. 제1 항에 있어서,
    상기 이미지 촬상 단계(S20)에서, 상기 촬상된 샘플 이미지는 상기 슬라이드 샘플을 촬상한 복수의 부분 이미지이고,
    상기 디텍션 단계(S30)는,
    상기 촬상된 복수의 부분 이미지를 상호 스티칭하여 상기 샘플 이미지를 획득하는 이미지 스티칭 단계(S310);
    상기 샘플 이미지를 색공간(Color space)에서 노말라이즈(Normalize)하는 노말라이제이션 단계(S320); 및
    상기 노말라이즈된 샘플 이미지에서 바이나리제이션(Binarization)을 수행하여 상기 싱글 혈소판 및 상기 혈소판 군집이 존재하는 포어그라운드(Foreground)를 추출하는 포어그라운드 추출단계(S330)를 포함하는 것인
    이미지 기반의 혈소판 카운팅 방법.
  4. 제3 항에 있어서,
    상기 포어그라운드 추출단계(S330) 이후에,
    상기 추출된 포어그라운드에 포함된 픽셀에 대하여 커넥티드 컴포넌트 레이블링(CCL, Connected Component Labeling)을 수행하는 단계(S332)를 더 포함하는 것인
    이미지 기반의 혈소판 카운팅 방법.
  5. 제4 항에 있어서,
    상기 혈소판 카운트 단계(S40)는,
    상기 커넥티드 컴포넌트 레이블링의 결과값에 기반하여 상기 싱글 혈소판 및 상기 혈소판 군집에 분포하는 개별 혈소판을 카운트하는 단계인 것인
    이미지 기반의 혈소판 카운팅 방법.
  6. 제3 항에 있어서,
    상기 포어그라운드 추출단계(S330) 이후에,
    상기 추출된 포어그라운드에 대하여 N×M 마스크를 적용하여 상기 추출된 포어그라운드의 픽셀이 상기 마스크 내에서 차지하는 마스크 면적을 측정하는 마스크 면적 측정단계(S334)를 더 포함하는 것인
    이미지 기반의 혈소판 카운팅 방법.
    (여기서, N과 M은 1 이상의 정수이다)
  7. 제6 항에 있어서,
    상기 혈소판 카운트 단계(S40)는,
    상기 싱글 혈소판의 사이즈 대비 상기 마스크 면적(Mask area)에 기반하여 상기 싱글 혈소판 및 상기 혈소판 군집에 분포하는 개별 혈소판을 카운트하는 단계인 것인
    이미지 기반의 혈소판 카운팅 방법.
  8. 제1 항 내지 제7 항에 따른 이미지 기반의 혈소판 카운팅 방법을 포함하고,
    상기 혈소판 카운트 단계(S40) 이후에, 상기 카운트된 혈소판의 수치 정보를 기 획득된 적혈구 카운트 수치 정보와 비교하여 출력하는 단계(S50)를 더 포함하는 혈소판 카운팅 정보 출력 방법.
PCT/KR2022/007447 2021-05-27 2022-05-25 이미지 기반의 혈소판 카운팅 방법 및 카운팅 정보 출력방법 WO2022250460A1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020210068480A KR102496468B1 (ko) 2021-05-27 2021-05-27 이미지 기반의 혈소판 카운팅 방법 및 카운팅 정보 출력방법
KR10-2021-0068480 2021-05-27

Publications (1)

Publication Number Publication Date
WO2022250460A1 true WO2022250460A1 (ko) 2022-12-01

Family

ID=84228920

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/KR2022/007447 WO2022250460A1 (ko) 2021-05-27 2022-05-25 이미지 기반의 혈소판 카운팅 방법 및 카운팅 정보 출력방법

Country Status (2)

Country Link
KR (1) KR102496468B1 (ko)
WO (1) WO2022250460A1 (ko)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101050651B1 (ko) * 2006-07-17 2011-07-19 헤모큐에이비 혈소판들의 계산
JP5184697B2 (ja) * 2008-03-21 2013-04-17 アボット ポイント オブ ケア インコーポレイテッド 血小板を個々に、及び凝集塊として検出及び計数するための方法及び装置
JP6581965B2 (ja) * 2013-03-13 2019-09-25 タホ インスティチュート フォー ルーラル ヘルス リサーチ， エルエルシー 携帯用血液計数モニタ
JP2019533005A (ja) * 2016-09-06 2019-11-14 デビナ・ダイアグノスティクス・インコーポレイテッドＤｅｂｉｎａ Ｄｉａｇｎｏｓｔｉｃｓ， Ｉｎｃ． ナノダイヤモンド粒子及び関連する装置及び方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5948686A (en) 1998-03-07 1999-09-07 Robert A. Leuine Method for performing blood cell counts
CA2469843A1 (en) 2001-06-04 2002-12-12 Ikonisys Inc. Method for detecting infectious agents using computer controlled automated image analysis
AU2015301303B2 (en) 2014-08-07 2021-07-15 The General Hospital Corporation Stabilization of whole blood samples

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101050651B1 (ko) * 2006-07-17 2011-07-19 헤모큐에이비 혈소판들의 계산
JP5184697B2 (ja) * 2008-03-21 2013-04-17 アボット ポイント オブ ケア インコーポレイテッド 血小板を個々に、及び凝集塊として検出及び計数するための方法及び装置
JP6581965B2 (ja) * 2013-03-13 2019-09-25 タホ インスティチュート フォー ルーラル ヘルス リサーチ， エルエルシー 携帯用血液計数モニタ
JP2019533005A (ja) * 2016-09-06 2019-11-14 デビナ・ダイアグノスティクス・インコーポレイテッドＤｅｂｉｎａ Ｄｉａｇｎｏｓｔｉｃｓ， Ｉｎｃ． ナノダイヤモンド粒子及び関連する装置及び方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
VéRONIQUE BACCINI, FRANCK GENEVIèVE, HUGUES JACQMIN, BERNARD CHATELAIN, SANDRINE GIRARD, SORAYA WUILLEME, AURéLIE V: "Platelet Counting: Ugly Traps and Good Advice. Proposals from the French-Speaking Cellular Hematology Group (GFHC)", JOURNAL OF CLINICAL MEDICINE, vol. 9, no. 3, pages 808, XP055738246, DOI: 10.3390/jcm9030808 *

Also Published As

Publication number Publication date
KR102496468B1 (ko) 2023-02-06
KR20220160354A (ko) 2022-12-06

Similar Documents

Publication Publication Date Title
US11880974B2 (en) Method and device for detecting circulating abnormal cells
US9355445B2 (en) Breast cancer pathological image diagnosis support system, breast cancer pathological image diagnosis support method, and recording medium recording breast cancer pathological image diagnosis support program
US20070014460A1 (en) Method and apparatus for detecting various cell types of cells in a biological sample
CN103345654B (zh) 一种基于形态学分类计数白细胞的方法
WO2020141812A1 (ko) 골수 판독을 위한 관심영역 레이블링 장치 및 이를 포함하는 관심영역 검출 시스템
CN101339185A (zh) 用于脱落细胞检测的自动显微成像仪及检测方法
JPS60162955A (ja) 血球自動分析装置
WO2019074172A1 (ko) Pet 뇌 영상 아밀로이드 측정을 위한 부피 기반 정량지표 분석 방법 및 컴퓨터 프로그램
CN111863118B (zh) 基于tct制片进行tct和dna倍体分析的方法
López et al. Digital image analysis in breast cancer: an example of an automated methodology and the effects of image compression
US4562593A (en) Method for determination of percentage T cell content of lymphocyte
KR101559798B1 (ko) 디지털 병리학의 이미지 표준화 방법
RU2548399C2 (ru) Способ получения обработанного виртуального изображения анализа
WO2022250460A1 (ko) 이미지 기반의 혈소판 카운팅 방법 및 카운팅 정보 출력방법
CN102297833A (zh) 一种测定人体血液或骨髓中各类细胞含量的方法
WO2015046668A1 (ko) 복합매질로 이루어진 시편에 대한 Ｘ－ｒａｙ ＣＴ 영상의 최소 단위에 존재하는 각 순수매질의 부피비 측정방법
WO2021075785A1 (ko) 골수 이미지 분석기를 이용한 골수세포 이미지 촬상 방법
RU2515429C2 (ru) Способ подготовки обработанной виртуальной аналитической пластинки
WO2022124832A1 (ko) 골수가 도말된 슬라이드 샘플 이미지의 셀 존 결정 방법 및 셀 존의 고배율 촬상 방법
WO2022164215A1 (ko) 인공지능 기반 진단키트 검사 결과 이미지에서 비정형 이물질 배제를 통한 진단 검사 장치 및 방법
CN114152557A (zh) 基于图像分析的血细胞计数方法和系统
CN109919924B (zh) 一种适用于大批量he染色图片细胞数字化处理的方法
WO2023234602A1 (ko) 혈액 샘플의 이미지 분석 정보 제공 방법
WO2022164214A1 (ko) 진단키드 결과 이미지 내 스팟 검출 장치 및 방법
Murakami et al. Color processing in pathology image analysis system for liver biopsy

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22811651

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE