CN106127738B - 凝集试验判读方法 - Google Patents
凝集试验判读方法 Download PDFInfo
- Publication number
- CN106127738B CN106127738B CN201610427645.2A CN201610427645A CN106127738B CN 106127738 B CN106127738 B CN 106127738B CN 201610427645 A CN201610427645 A CN 201610427645A CN 106127738 B CN106127738 B CN 106127738B
- Authority
- CN
- China
- Prior art keywords
- agglutination test
- sample
- picture
- image
- boundary
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012360 testing method Methods 0.000 title claims abstract description 80
- 230000004520 agglutination Effects 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000006243 chemical reaction Methods 0.000 claims abstract description 27
- 230000004523 agglutinating effect Effects 0.000 claims abstract description 23
- 238000000605 extraction Methods 0.000 claims abstract description 14
- 230000009466 transformation Effects 0.000 claims abstract description 10
- 239000000284 extract Substances 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 239000000203 mixture Substances 0.000 claims abstract description 4
- 238000001914 filtration Methods 0.000 claims description 14
- 238000013519 translation Methods 0.000 claims description 4
- 230000003628 erosive effect Effects 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 2
- 238000012545 processing Methods 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 13
- 238000003556 assay Methods 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 239000000427 antigen Substances 0.000 description 3
- 102000036639 antigens Human genes 0.000 description 3
- 108091007433 antigens Proteins 0.000 description 3
- ZLFVRXUOSPRRKQ-UHFFFAOYSA-N chembl2138372 Chemical compound [O-][N+](=O)C1=CC(C)=CC=C1N=NC1=C(O)C=CC2=CC=CC=C12 ZLFVRXUOSPRRKQ-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 241000589884 Treponema pallidum Species 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 238000009589 serological test Methods 0.000 description 2
- 208000006379 syphilis Diseases 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- RZZPDXZPRHQOCG-OJAKKHQRSA-O CDP-choline(1+) Chemical compound O[C@@H]1[C@H](O)[C@@H](COP(O)(=O)OP(O)(=O)OCC[N+](C)(C)C)O[C@H]1N1C(=O)N=C(N)C=C1 RZZPDXZPRHQOCG-OJAKKHQRSA-O 0.000 description 1
- 238000002965 ELISA Methods 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000023555 blood coagulation Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000035931 haemagglutination Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000012128 rapid plasma reagin Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 210000002966 serum Anatomy 0.000 description 1
- 150000004992 toluidines Chemical class 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
一种凝集试验判读方法，先进行图像预处理，获取凝集试验结果的数字化影像，同时对图片的明亮度和对比度参数进行处理；然后采用“霍夫变换”提取算法，在计算机视觉平台上对图片的凝集试验区域的边界进行检测，提取边界后，进一步根据色彩分布进行边界的提取，获得提取图片的直方图；提取凝集试验区域的边界内的试样；根据所得阈值提取试样图片；过滤试样图片的图像噪声，获得试样图像；提取试样图像中凝集反应斑点，计算凝集反应斑点个数和面积；最后，依据获得的凝集反应斑点个数和面积给出试样所属的级别。本发明提供的凝集试验判读方法，采用影像学和计算机图像处理为手段，大大提高了凝集试验判读的可靠性，降低了人眼观察的随意性。
Description
技术领域
本发明涉及一种影像数据处理方法，尤其涉及一种对凝集试验结果的数字化影像进行处理和辨别，并据此判读给出试验结论的方法，以实现凝集试验检测的自动化。
背景技术
凝集实验颗粒性抗原与相应抗体结合后发生凝集的血清学试验。抗原与抗体复合物在电解质作用下，经过一定时间，形成肉眼可见的凝集团块。试验可在玻板上进行，称为玻板凝集试验，试验可在卡片上进行，称为卡片凝集试验，可用于细菌的鉴定和抗体的定性检测；亦可在试管中进行，称试管凝集试验，主要用于抗血清效价测定。
血清学试验是目前梅毒检测应用最广泛的技术手段，其又分为快速血浆反应素试验(RPR)、甲苯胺红不加热试验(TRUST)、梅毒螺旋体血凝试验(TPHA)、梅毒螺旋体ELISA实验和荧光密螺旋体抗体吸附试验(FTA-ABS)等。其中，TRUST试验是采用VDRL抗原于甲苯胺红溶液中检测梅毒患者血清中存在的反应素，出现肉眼可见的粉红色凝集块，即可进行判定，在结合样本的稀释倍数，可以达到半定量的目的。该方法由于快速、直观、操作简便的特性在大多数医院得到应用。
凝集试验的自动化水平较低，在进行凝集反应时，通常在一张检测纸上进行人工操作和判读，由此增加了医务人员的劳动和时间。
发明内容
本发明的一个目的在于提供一种凝集试验判读方法，对凝集试验结果所得的数字化影像进行处理，并据此进行计算机判读，以实现凝集试验检测的自动化。
本发明的另一个目的在于提供一种凝集试验判读方法，对凝集试验结果所得的数字化影像进行处理，并据此进行计算机判读和给出试验结论的方法，实现凝集试验检测的自动化。
本发明提供的一种凝集试验判读方法，其步骤包括：
先进行图像预处理，获取凝集试验结果的数字化影像(如：采用数码相机对凝集试验板进行拍摄)，同时对图片的明亮度(Brightness)和对比度(Contrast)参数进行处理，以强化图片有效信息；
然后，提取凝集试验区域的边界(如：黑圈)，采用“霍夫变换”提取算法，在计算机视觉平台(如：OpenCV平台)上对图片的凝集试验区域的边界进行检测，提取边界后，进一步根据色彩分布进行边界的提取，获得提取图片的直方图。
接着，提取凝集试验区域的边界内的试样；
之后，根据所得阈值提取试样图片；
接着，过滤试样图片的图像噪声，获得试样图像；
之后，提取试样图像中凝集反应斑点，计算凝集反应斑点个数和面积；
最后，依据获得的凝集反应斑点个数和面积给出试样所属的级别，如：2+、3+和4+等。
本发明技术方案实现的有益效果：
本发明提供的凝集试验判读方法，适用于凝集试验检测仪，而将试样取样、检测、影像摄取和结果判断等集于一体，使得样本的获取、试剂的加入、凝集反应和结果判断自动完成。
本发明提供的凝集试验判读方法，采用影像学和计算机图像处理为手段，大大提高了凝集试验判读的可靠性，降低了人眼观察的随意性。
本发明提供的凝集试验判读方法，进一步提高了凝集试验的自动化水平，使得数据的采集、存储、读取和传送等环节的全流程实现自动化。
本发明提供的凝集试验判读方法，采用数字化手段，可以进一步实现凝集试验的定量检测，以及试验数据的近程和远程传递，降低了人工的参与，降低劳动强度。
附图说明
图1为本发明凝集试验分析仪一实施例的结构示意图；
图2为本发明凝集试验分析仪罩壳一实施例的结构示意图；
图3为计算机视觉平台上获得的绿色通道灰度直方图；
图4为黑圈检测提取效果图；
图5为试样1经黑圈提取后的试样图；
图6为试样1的Otsu算法自适应阈值和分割后的图片；
图7为试样1根据Otsu阈值提取图像信息；
图8为试样1过滤图像部分噪声；
图9为试样2经黑圈提取后的试样图；
图10为试样2的Otsu算法自适应阈值和分割后的图片；
图11为试样2根据Otsu阈值提取图像信息；
图12为试样2过滤图像部分噪声；
图13为试样3经黑圈提取后的试样图；
图14为试样3的Otsu算法自适应阈值和分割后的图片；
图15为试样3根据Otsu阈值提取图像信息；
图16为试样3过滤图像部分噪声；
图17为试样4经黑圈提取后的试样图；
图18为试样4的Otsu算法自适应阈值和分割后的图片；
图19为试样4根据Otsu阈值提取图像信息；
图20为试样4过滤图像部分噪声。
具体实施方式
以下结合附图详细描述本发明的技术方案。本发明实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围中。
本发明以甲苯胺红不加热试验为例，对判读方法进行举例和说明。
首先按甲苯胺红不加热试验的操作规范在试验检测纸上对各种梅毒阳性试样进行凝集反应。
将所得的试验结果进行图像预处理，获取凝集试验结果的数字化影像(如：采用数码相机对凝集试验板进行拍摄)，同时对图片的明亮度(Brightness)和对比度(Contrast)参数进行处理。
通过对图像进行灰度平移和灰度拉伸等方式实现图片有效信息的强化。灰度平移是将图像的整体灰度值进行线性平移，可用来调整图像的亮度。灰度拉伸是对图像的灰度直方图进行线性或者非线性的变换，有助于改善图像的灰度动态范围，将原来低对比度的图像拉伸为高对比度的图像。处理前后的影像分别如图1和图2所示。
“霍夫变换”可以检测直线和线段，对于矩形的检测可以使用直线或者线段的组合完成。对于图像检测的OpenCV平台而言，没有直接的函数库(霍夫变换)支持矩形，需要调用霍夫变换直线或霍夫变换线段重新编程完成矩形检测。矩形检测是霍夫变换检测的应用。
本实施例中，黑圈内的区域作为完成凝集试验的区域，黑圈即为凝集试验区域的边界。采用“霍夫变换-圆形”提取算法，在OpenCV计算机视觉平台上对图片中的黑圈进行检测，提取圆形边界后，进一步根据色彩分布进行黑色圆圈的提取，提取图片的绿色通道灰度直方图(参见图3)。图3中，直方图呈现三个峰，最左侧高度较低，宽度较大的波峰即为黑圈分部，并就该分部内进一步筛选黑圈信息。黑圈检测提取效果如图4所示，图中蓝色部分为检测到的黑圈，其余红色部分为剩余图像部分。
以试样1为例，然后，提取凝集试验区域的边界内的试样(参见图5)。如图6所示，其第一排从左至右分别为“原始含噪图像”、“直方图”和“全局阈值”，第二排从左至右分别为“原始含噪图像”、“直方图”和“OTSU阈值”，第三排从左至右分别为“高斯滤波后图像”、“直方图”和“OTSU阈值”。有这些图形可见，经过高斯滤波后图像的OTSU算法阈值更优(消除异常值干扰)。在不采用OTSU算法时，当图像信号边沿或特征足够强烈时，全局阈值可获得理想图像感兴趣区域(ROI)，但当图像信号边沿或者特征不足够强烈时，全局阈值无法获得理想图像感兴趣区域。而OTSU算法在两种情况下均能获得足够理想的图像感兴趣区域。另外，根据我们的实际应用情况而言，含噪图像的边沿干扰过大(在直方图中可见毛刺)，对OTSU阈值计算不够准确，包含过多的环形边沿信息。因此，根据Otsu算法(进行了高斯滤波)计算试样的灰度直方图差分阈值后，根据所得阈值对试样的图像进行二值化处理；
接着，根据所得阈值提取试样图片(参见图7)，
之后，通过图像空间滤波(如：高斯滤波)和形态学滤波(如：图像的二值腐蚀算法)等方式过滤试样图片的图像噪声，获得试样图像(参见图8)；
接着，提取试样图像中凝集反应斑点，计算凝集反应斑点个数和面积；
最后，依据获得的凝集反应斑点个数(数值为121.98)和面积(数值为425)给出试验的级别为4+。
本实施例采用的高斯滤波是一种线性平滑滤波，适用于消除高斯噪声，广泛应用于图像处理的减噪过程。高斯滤波就是对整幅图像进行加权平均的过程，每一个像素点的值，都由其本身和领域内的其他像素值经过加权平均后得到。主要用来消除图像上的加性随机噪声。
本实施例采用的图像的二值腐蚀算法是一种消除边界点，使边界向内部收缩的过程。可以用来消除小且无意义的物体，主要用来消除边沿干扰和离散随机颗粒噪声等。
本实施例采用的级别判断是根据图像上提取的“斑点”的大小和斑点的个数多少进行等级划分。对于4+，3+，2+的样本，认为阳性越强的样本，其斑点越大而个数相对较少。但在2+以上的样本，主要依据斑点分布的个数决定级别，因为强阳性样本图像上仍有细小红点，对于斑点大小的计算没有一致规律性，空间分布个数及其离散程度可信度更高。对于阴性样本和阳性样本，首先根据斑点的个数大小进行划分。级别判断的数值范围来源于算法训练集的结果，级别判断时直接与该算法训练集的结果进行比对。随着检测样本数量的提高，算法训练集的结果则更趋近于真实的检测结果，级别判断的结果也就越准确。
按上述相同的方法，对试样2进行判读。将所得的试验结果进行图像预处理等步骤后，提取凝集试验区域的边界内的试样(参见图9)，根据Otsu算法计算试样的灰度直方图差分阈值后，根据所得阈值对试样的图像进行二值化处理(参见图10)。根据所得阈值提取试样图片(参见图11)，过滤试样图片的图像噪声，获得试样图像(参见图12)提取试样图像中凝集反应斑点，计算凝集反应斑点个数和面积。最后，依据获得的凝集反应斑点个数(数值为64.95)和面积(数值为558)给出试验的级别为3+。
按上述相同的方法，对试样3进行判读。将所得的试验结果进行图像预处理等步骤后，提取凝集试验区域的边界内的试样(参见图13)，根据Otsu算法计算试样的灰度直方图差分阈值后，根据所得阈值对试样的图像进行二值化处理(参见图14)。根据所得阈值提取试样图片(参见图15)，过滤试样图片的图像噪声，获得试样图像(参见图16)提取试样图像中凝集反应斑点，计算凝集反应斑点个数和面积。最后，依据获得的凝集反应斑点个数(数值为87.087)和面积(数值为583)给出试验的级别为2+。
按上述相同的方法，对试样4进行判读。将所得的试验结果进行图像预处理等步骤后，提取凝集试验区域的边界内的试样(参见图17)，根据Otsu算法计算试样的灰度直方图差分阈值后，根据所得阈值对试样的图像进行二值化处理(参见图18)。根据所得阈值提取试样图片(参见图19)，过滤试样图片的图像噪声，获得试样图像(参见图20)提取试样图像中凝集反应斑点，计算凝集反应斑点个数和面积。最后，依据获得的凝集反应斑点个数(数值为6.926)和面积(数值为982)给出试验的级别为1+。
Claims (10)
1.一种凝集试验判读方法，其特征在于包括：
先进行图像预处理，获取凝集试验结果的数字化影像，同时对图片的明亮度和对比度参数进行处理，以强化图片有效信息；
然后，提取凝集试验区域的边界，采用“霍夫变换”提取算法，在计算机视觉平台上对图片的凝集试验区域的边界进行检测，提取边界后，再次根据色彩分布进行边界的提取，获得提取图片的直方图；
接着，提取凝集试验区域的边界内的试样；
之后，根据阈值提取试样图片；
接着，过滤试样图片的图像噪声，获得试样图像；
之后，提取试样图像中凝集反应斑点，计算凝集反应斑点个数和面积；
最后，依据获得的凝集反应斑点个数和面积给出试样所属的级别。
2.根据权利要求1所述的凝集试验判读方法，其特征在于所述数字化影像的获取方法为采用数码相机对凝集试验板进行拍摄。
3.根据权利要求1所述的凝集试验判读方法，其特征在于使用黑圈示出凝集试验区域的边界。
4.根据权利要求1所述的凝集试验判读方法，其特征在于所述的“霍夫变换”为“霍夫变换-圆形”。
5.根据权利要求1所述的凝集试验判读方法，其特征在于所述的计算机视觉平台为OpenCV平台。
6.根据权利要求1所述的凝集试验判读方法，其特征在于使用灰度平移和灰度拉伸的方式强化图片有效信息。
7.根据权利要求1所述的凝集试验判读方法，其特征在于采用OTSU算法所得阈值提取试样图片时对图像进行了高斯滤波。
8.根据权利要求1所述的凝集试验判读方法，其特征在于通过图像空间滤波和形态学滤波实施所述的过滤试样图片的图像噪声。
9.根据权利要求8所述的凝集试验判读方法，其特征在于所述的图像空间滤波为高斯滤波。
10.根据权利要求8所述的凝集试验判读方法，其特征在于所述的形态学滤波为图像的二值腐蚀算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610427645.2A CN106127738B (zh) | 2016-06-16 | 2016-06-16 | 凝集试验判读方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610427645.2A CN106127738B (zh) | 2016-06-16 | 2016-06-16 | 凝集试验判读方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN106127738A CN106127738A (zh) | 2016-11-16 |
| CN106127738B true CN106127738B (zh) | 2018-12-11 |
Family
ID=57469510
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610427645.2A Active CN106127738B (zh) | 2016-06-16 | 2016-06-16 | 凝集试验判读方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN106127738B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106980860A (zh) * | 2017-04-07 | 2017-07-25 | 广州誉康医药有限公司 | 一种用于液体介质交叉配血的结果自动判读方法 |
| CN107064503B (zh) * | 2017-05-16 | 2020-07-31 | 上海兰卫医学检验所股份有限公司 | 一种梅毒螺旋体抗体检测结果的判断方法及装置 |
| CN107992851B (zh) * | 2017-12-20 | 2020-05-01 | 闫鸿远 | 一种凝集试验的识别方法 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1450796A (zh) * | 2002-04-08 | 2003-10-22 | 三菱电机株式会社 | 检测和/或追踪图像或图像序列中颜色区域的方法和装置 |
| CN1543572A (zh) * | 2001-05-25 | 2004-11-03 | ������ķϵͳ֪ʶ��Ȩ����˾ | 用于切割装置的成像设备 |
| CN1849514A (zh) * | 2003-07-08 | 2006-10-18 | 因韦尔尼斯医药瑞士股份有限公司 | 颗粒凝集的检测方法和装置 |
| CN101390129A (zh) * | 2006-02-28 | 2009-03-18 | 仁爱米拉索莱有限公司 | 用于分析对象聚群的方法和设备 |
| CN101980785A (zh) * | 2008-01-30 | 2011-02-23 | 奥索临床诊断有限公司 | 具有指示标记的免疫诊断试验卡 |
| CN102243171A (zh) * | 2011-04-13 | 2011-11-16 | 北京农产品质量检测与农田环境监测技术研究中心 | 显微近红外成像技术检测面粉中石灰类物质的方法 |
| CN102438529A (zh) * | 2008-12-22 | 2012-05-02 | 美的派特恩公司 | 自动检测医学图像中的病变的方法和系统 |
| CN102446353A (zh) * | 2010-09-30 | 2012-05-09 | 广州阳普医疗科技股份有限公司 | 用于血型分析的机器视觉判读方法与装置 |
| CN103424555A (zh) * | 2012-05-18 | 2013-12-04 | 林妈利 | 一种输血前配合试验的试剂组及其试验方法 |
| CN103673872A (zh) * | 2012-09-10 | 2014-03-26 | 中国科学院空间科学与应用研究中心 | 液滴体积的测量方法和测量系统 |
| CN103743486A (zh) * | 2014-01-02 | 2014-04-23 | 上海大学 | 一种基于海量烟叶数据的自动定级系统和方法 |
| US8953855B2 (en) * | 2008-03-05 | 2015-02-10 | Hitachi High-Technologies Corporation | Edge detection technique and charged particle radiation equipment |
-
2016
- 2016-06-16 CN CN201610427645.2A patent/CN106127738B/zh active Active
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1543572A (zh) * | 2001-05-25 | 2004-11-03 | ������ķϵͳ֪ʶ��Ȩ����˾ | 用于切割装置的成像设备 |
| CN1450796A (zh) * | 2002-04-08 | 2003-10-22 | 三菱电机株式会社 | 检测和/或追踪图像或图像序列中颜色区域的方法和装置 |
| CN1849514A (zh) * | 2003-07-08 | 2006-10-18 | 因韦尔尼斯医药瑞士股份有限公司 | 颗粒凝集的检测方法和装置 |
| CN101390129A (zh) * | 2006-02-28 | 2009-03-18 | 仁爱米拉索莱有限公司 | 用于分析对象聚群的方法和设备 |
| CN101980785A (zh) * | 2008-01-30 | 2011-02-23 | 奥索临床诊断有限公司 | 具有指示标记的免疫诊断试验卡 |
| US8953855B2 (en) * | 2008-03-05 | 2015-02-10 | Hitachi High-Technologies Corporation | Edge detection technique and charged particle radiation equipment |
| CN102438529A (zh) * | 2008-12-22 | 2012-05-02 | 美的派特恩公司 | 自动检测医学图像中的病变的方法和系统 |
| CN102446353A (zh) * | 2010-09-30 | 2012-05-09 | 广州阳普医疗科技股份有限公司 | 用于血型分析的机器视觉判读方法与装置 |
| CN102243171A (zh) * | 2011-04-13 | 2011-11-16 | 北京农产品质量检测与农田环境监测技术研究中心 | 显微近红外成像技术检测面粉中石灰类物质的方法 |
| CN103424555A (zh) * | 2012-05-18 | 2013-12-04 | 林妈利 | 一种输血前配合试验的试剂组及其试验方法 |
| CN103673872A (zh) * | 2012-09-10 | 2014-03-26 | 中国科学院空间科学与应用研究中心 | 液滴体积的测量方法和测量系统 |
| CN103743486A (zh) * | 2014-01-02 | 2014-04-23 | 上海大学 | 一种基于海量烟叶数据的自动定级系统和方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN106127738A (zh) | 2016-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hore et al. | Finding contours of hippocampus brain cell using microscopic image analysis | |
| CA2130340C (en) | Method for identifying objects using data processing techniques | |
| CN109903284B (zh) | 一种her2免疫组化图像自动判别方法及系统 | |
| CN111079620B (zh) | 基于迁移学习的白细胞图像检测识别模型构建方法及应用 | |
| WO2008005426A2 (en) | Computer-aided pathological diagnosis system | |
| CN106295588A (zh) | 一种白带显微图像中白细胞的自动识别方法 | |
| Goceri et al. | Quantitative validation of anti‐PTBP1 antibody for diagnostic neuropathology use: Image analysis approach | |
| Ghazali et al. | Automated system for diagnosis intestinal parasites by computerized image analysis | |
| CN112215790A (zh) | 基于深度学习的ki67指数分析方法 | |
| CN108416774A (zh) | 一种基于细粒度神经网络的织物种类识别方法 | |
| Bibiloni et al. | A real-time fuzzy morphological algorithm for retinal vessel segmentation | |
| CN109583364A (zh) | 图像识别方法及设备 | |
| CN106914428A (zh) | 一种基于机器视觉的钢球表面缺陷差分检测的新型算法 | |
| CN106127738B (zh) | 凝集试验判读方法 | |
| CN109899281A (zh) | 一种基于红外热像的压裂设备微弱故障诊断方法及装置 | |
| CN116563237A (zh) | 一种基于深度学习的鸡胴体缺陷高光谱图像检测方法 | |
| WO2014066231A1 (en) | Cell identification method and device, and urine analyzer | |
| KR20200136004A (ko) | 세포 샘플 내에서 적어도 하나의 기형을 가지는 세포를 검출하기 위한 방법 | |
| Rachna et al. | Detection of Tuberculosis bacilli using image processing techniques | |
| Deepak et al. | Computer assisted pap smear analyser for cervical cancer screening using quantitative microscopy | |
| Huang et al. | HEp-2 cell images classification based on textural and statistic features using self-organizing map | |
| CN113940702A (zh) | 一种甲状腺结节回声分析装置 | |
| Sreng et al. | Feature extraction from retinal fundus image for early detection of diabetic retinopathy | |
| CN104102911A (zh) | 一种基于aoi的子弹表观缺陷检测系统的图像处理算法 | |
| Vanitha et al. | Segmentation of tuberculosis bacteria: Evaluation and comparison |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP01 | Change in the name or title of a patent holder | ||
| CP01 | Change in the name or title of a patent holder |
Address after: 201108 No. 888 Xiangyang Road, Shanghai, Minhang District Patentee after: Shanghai Rongsheng Biological Pharmaceutical Co.,Ltd. Address before: 201108 No. 888 Xiangyang Road, Shanghai, Minhang District Patentee before: SHANGHAI RONGSHENG BIOTECH CO.,LTD. |