CN107945156A - 一种自动评价数字病理扫描图像画质的方法 - Google Patents
一种自动评价数字病理扫描图像画质的方法 Download PDFInfo
- Publication number
- CN107945156A CN107945156A CN201711122806.8A CN201711122806A CN107945156A CN 107945156 A CN107945156 A CN 107945156A CN 201711122806 A CN201711122806 A CN 201711122806A CN 107945156 A CN107945156 A CN 107945156A
- Authority
- CN
- China
- Prior art keywords
- image
- mark
- digital
- digital pathological
- pathological
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 52
- 238000011156 evaluation Methods 0.000 title claims abstract description 39
- 230000007170 pathology Effects 0.000 title claims abstract description 27
- 230000001575 pathological effect Effects 0.000 claims abstract description 111
- 238000013441 quality evaluation Methods 0.000 claims abstract description 49
- 239000003550 marker Substances 0.000 claims description 36
- 201000010099 disease Diseases 0.000 claims 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims 1
- 238000010827 pathological analysis Methods 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003321 amplification Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000007704 transition 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
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及一种自动评价数字病理扫描图像画质的方法，包括病理切片扫描仪，所述病理切片扫描仪内置有识别程序，包括以下步骤：步骤S1、将病理切片放入数字病理切片扫描仪进行扫描以得到数字病理图像；步骤S2、采用识别程序对所述数字病理图像进行识别，辨认所述数字病理图像中的图像模糊部位；步骤S3、对所述图像模糊部位进行标注以获得对应的标记；步骤S4、根据所述数字病理图像上的所述标记，进行处理得到所述数字病理图像的画质评价结果。其优点在于，利用识别程序对数字图像自动标注，提高工作效率；通过不同评价方式，对数字病理图像进行有效筛选，可有效减少画质评价时间。
Description
技术领域
本发明涉及医学图像检测领域，尤其涉及一种自动评价数字病理扫描图像画质的方法。
背景技术
数字病理是指将计算机和网络应用于病理学领域，是一种现代数字系统与传统光学放大装置有机结合的技术。它是通过全自动显微镜或光学放大系统扫描采集得到高分辨率数字图像，再应用计算机对得到的图像自动进行高精度多视野无缝隙拼接和处理，获得优质的可视化数据以应用于病理学的各个领域。
数字病理的核心就是将病理切片转化为数字切片的数字病理切片扫描仪，而数字病理切片扫描仪扫出的数字图像的图像质量(简称画质)是评价数字病理切片扫描仪性能的一项重要指标。
现有的评价方法是：将一张病理切片用数字病理切片扫描仪扫描出数字图像，然后人为对于数字切片进行画质评价并得出评价结果。
当前评价数字病理切片的图像画质还依赖人眼观察判断，人眼判断后手动标识出切片不清晰的位置。但是数字化切片太大，因此评价整个切片所需要花费的时间就会比较多。而且人工评价图像的标准难以衡量，受各人主观因素的影响较强，同样的切片各人判断的结果会有所差别。
用现有评价方法评价数字图像画质，耗时多，工作效率低，且无法客观准确得出评价结果。
中国发明专利CN201610780784.3，公开日为2017.02.15，公开了一种全切片数字病理图像处理分析方法，其步骤为第一步将整张切片图像分割成几个区域，分别分析每个区域；第二步拼接区域边界附近的对象。该方法自动借助计算机以及精细的算法将整张切片图像分割成多区域，自动尽兴高精度多视野无缝隙拼接和处理，缩短分析时间和精度，获得可视化数据。然而该方法仍需要对整张数字图像进行扫描切割再拼接，耗时较多。
中国发明专利CN201410658039.2，公开日为2015.01.28，公开了一种全自动的用于数字病理图像扫描的实时画质评价方法，包括将病理切片放入数字切片扫描仪进行扫描；数字切片扫描仪扫描得到单条线图像；扫描程序对单条线图像进行画质评价；如果单条线图像的画质不合格，扫描程序停止对该病理切片的扫描并直接给出画质评价结果；如果单条线图像的画质合格，则继续扫描下一条，并对下一条进行画质判断；扫完整张病理切片再进行一次画质评价，并自动给出最终评价结果。该方法能自动评价画质结果，节约时间，减轻测试人员工作负担。然而该方法评价方法比较激进，若图像有某个单条线图像不合格，则整个图像均不合格，容易遗漏部分图像，导致需重新进行病理切片扫描，从而浪费时间。
因此，亟需一种能够减少人为评价、节约时间、提高自动化的评价数字病理图像画质的方法，而目前关于这种方法还未见报道。
发明内容
本发明的目的是针对现有技术中的不足，提供一种自动评价数字病理扫描图像画质的方法。
为实现上述目的，本发明采取的技术方案是：
一种自动评价数字病理扫描图像画质的方法，包括病理切片扫描仪，所述病理切片扫描仪内置有识别程序，所述自动评价数字病理扫描图像画质的方法包括：
步骤S1、将病理切片放入数字病理切片扫描仪进行扫描以得到数字病理图像；
步骤S2、采用识别程序对所述数字病理图像进行识别，辨认所述数字病理图像中的图像模糊部位；
步骤S3、对所述图像模糊部位进行标注以获得对应的标记；
步骤S4、根据所述数字病理图像上的所述标记，进行处理得到所述数字病理图像的画质评价结果。
优选的，所述步骤S2中，采用所述识别程序，利用基于边缘清晰度的方法对所述数字病理图像进行识别。
优选的，所述步骤S2中，采用所述识别程序，利用基于图像频域和/或空域的方法对所述数字病理图像进行识别。
优选的，所述步骤S4中，处理得到所述画质评价结果的方法具体包括：
步骤S41a、对所述标记进行计数以获得标记数量；
步骤S42a、将所述标记数量与设定的一标记数量阈值进行比较，若所述标记数量超过所述标记数量阈值，则输出所述数字病理图像的所述画质评价结果为不清晰；
使用者参照用于表示不清晰的所述画质评价结果，对所述病理切片进行重新扫描。
优选的，所述步骤S4中，处理得到所述画质评价结果的方法具体包括：
步骤S41b、计算一标记面积比例，所述标记面积比例为所有标记对应的模糊部位的面积与所述数字病理图像的总面积的比值；
步骤S42b、将所述标记面积比例与设定的一标记面积比例阈值进行比较，若所述标记面积比例超过所述标记面积比例阈值，则输出所述数字病理图像的所述画质评价结果为不清晰；
使用者参照用于表示不清晰的所述画质评价结果，对所述病理切片进行重新扫描。
优选的，所述步骤S4中，处理得到所述画质评价结果的方法具体包括：
步骤S41c、对所述标记进行识别定位以获得标记位置；
步骤S42c、对所述数字病理图像的组织部位进行识别定位以获得重点部位；
步骤S43c、将所述标记位置与所述重点部位进行匹配，若匹配成功，则输出所述数字病理图像的所述画质评价结果为不清晰；
使用者参照用于表示不清晰的所述画质评价结果，对所述病理切片进行重新扫描。
优选的，所述步骤S4中，处理得到所述画质评价结果的方法具体包括以下步骤：
S41d、对所述标记进行计数以获得标记数量；
S42d、计算一标记面积比例，所述标记面积比例为所有标记对应的模糊部位的面积与所述数字病理图像的总面积的比值；
S43d、对所述标记进行识别定位以获得标记位置；
S44d、对所述数字病理图像的组织部位进行识别定位以获得重点部位；
S45d、同时将所述标记数量、所述标记面积比例、所述标记位置分别与其相对应的一设定的标记数量阈值、一设定的标记面积比例阈值、重点部位进行比较或匹配，若同时满足所述标记数量超过所述标记数量阈值、所述标记面积比例超过所述标记面积比例阈值、所述标记位置与重点部位匹配，则输出所述数字病理图像的所述画质评价结果为不清晰；
使用者参照用于表示不清晰的所述画质评价结果，对所述病理切片进行重新扫描。
优选的，所述的标注形状根据需要进行调节。
优选的，所述的标注形状为矩形或者圆形或者椭圆形。
本发明采用以上技术方案，与现有技术相比，具有如下技术效果：
本发明的一种自动评价数字病理扫描图像画质的方法，通过软件，利用识别程序对数字图像进行标注，并自动标注，提高工作效率；通过不同评价方式，对数字病理图像进行有效筛选，可有效减少画质评价时间；将自动化与人工进行结合，在提高画质评价效率的基础上，同时无须进行多次重复扫描，无须因某一部位画质不合格导致整张图像不合格；可根据需要对标注形状进行调节，减少识别部位非模糊图像比例。
附图说明
图1是本发明一种自动评价数字病理扫描图像画质的方法的流程图。
图2是本发明识别标注前的示意图。
图3是本发明一个较佳实施例的识别标注后的示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
下面结合附图和具体实施例对本发明作优选的说明，但不作为本发明的限定。
实施例1
如图1所示，一种自动评价数字病理扫描图像画质的方法，包括病理切片扫描仪，所述病理切片扫描仪内置有识别程序，包括以下步骤：
步骤S1、将病理切片放入数字病理切片扫描仪进行扫描以得到数字病理图像；
步骤S2、采用识别程序对所述数字病理图像进行识别，辨认所述数字病理图像中的图像模糊部位；
步骤S3、对所述图像模糊部位进行标注以获得对应的标记；
步骤S4、根据所述数字病理图像上的所述标记，进行处理得到所述数字病理图像的画质评价结果。
作为一个优选的实施例，所述步骤S2中，采用所述识别程序，利用基于边缘清晰度的方法对所述数字病理图像进行识别。
采用上述技术方案，通过基于边缘清晰度的方法，如使用图像边缘梯度分布的拟合标准差与梯度幅度作为模糊测度来判断图像边缘的模糊程度，或对数字图像进行再次模糊并计算前后图像边缘位置的梯度比来判断边缘的模糊程度，可有效识别整幅数字图像中的模糊区域。
在具体应用中，采用所述识别程序对所述数字病理图像进行处理以获得所述病理图像的图像灰度函数，对所述图像灰度函数进行矢量运算以获得所述图像灰度函数的梯度幅度分布，若某一区域梯度幅度分布大部分集中在小值或零值附近，则表明该区域为模糊区域。
作为一个优选的实施例，所述步骤S2中，采用所述识别程序，利用基于图像频域和/或空域的方法对所述数字病理图像进行识别。
采用上述技术方案，通过基于图像频域的方法，利用模糊部位在频谱上高频信号少、低频信号多这一特性，可有效识别数字图像中的模糊区域。
采用上述技术方案，通过基于图像空域的方法，如利用图像的局部标准差并采用多次分块的方法来判断图像块的模糊程度，或使用像素奇异值来判断模糊区域，可有效识别数字图像的模糊区域。
采用上述技术方案，通过基于图像空域与频域结合的方法，如使用贝叶斯分类器并通过综合局部功率谱曲线、梯度分布曲线和最大色彩饱和度三个指标对模糊区域进行检测识别，或通过图像梯度分布和频谱来识别数字图像的模糊区域，可有效将数字图像的模糊区域与非模糊区域进行区分。
在具体应用中，采用所述识别程序对所述数字病理图像进行处理以获得所述数字病理图像的频谱，根据计算公式S(f)＝A/f-α，计算获得频谱中的图像锐度指数α，若某一区域的图像锐度指数超过一设定的阈值，则说明该区域为模糊区域。
作为一个优选的实施例，所述步骤S4中，处理得到所述画质评价结果的方法具体包括：
步骤S41a、对所述标记进行计数以获得标记数量；
步骤S42a、将所述标记数量与设定的一标记数量阈值进行比较，若所述标记数量超过所述标记数量阈值，则输出所述数字病理图像的所述画质评价结果为不清晰；
使用者参照用于表示不清晰的所述画质评价结果，对所述病理切片进行重新扫描。
采用上述技术方案，通过标记数量可直观评价图像画质，若标记数量超过标记数量阈值，则说明该数字图像模糊区域较多，画质较差，无须进行查看标注内图像画质，直接舍弃，不适于进行切片病理诊断，重新对病理切片进行扫描；若标记数量未超过标记数量阈值，可对标注内图像画质进行查看，若标注内图像画质较佳，则可以用于切片病理诊断；反之，若标注内图像画质较差，则可以舍弃，不用于切片病理诊断，重新对病理切片进行扫描。
作为一个优选的实施例，所述步骤S4中，处理得到所述画质评价结果的方法具体包括：
步骤S41b、计算一标记面积比例，所述标记面积比例为所有标记对应的模糊部位的面积与所述数字病理图像的总面积的比值；
步骤S42b、将所述标记面积比例与设定的一标记面积比例阈值进行比较，若所述标记面积比例超过所述标记面积比例阈值，则输出所述数字病理图像的所述画质评价结果为不清晰；
使用者参照用于表示不清晰的所述画质评价结果，对所述病理切片进行重新扫描。
采用上述技术方案，通过标记面积比例的大小可直观评价图像画质，标记面积比例为所有标记对应的模糊部位的面积与数字病理图像总面积的比值。若标记面积比例超过标记面积比例阈值，则说明该数字图像模糊区域较多，画质较差，无须进行查看标注内图像画质，直接舍弃，不适于进行切片病理诊断，重新对病理切片进行扫描；若标记面积比例未超过标记面积比例阈值，则说明该数字图像模糊区域较少，可对标注内图像画质进行查看，若标注内图像画质较佳，则可以用于切片病理诊断；反之，若标注内图像画质较差，则可以舍弃，不用于切片病理诊断，重新对病理切片进行扫描。
作为一个优选的实施例，所述步骤S4中，处理得到所述画质评价结果的方法具体包括：
步骤S41c、对所述标记进行识别定位以获得标记位置；
步骤S42c、对所述数字病理图像的组织部位进行识别定位以获得重点部位；
步骤S43c、将所述标记位置与所述重点部位进行匹配，若匹配成功，则输出所述数字病理图像的所述画质评价结果为不清晰；
使用者参照用于表示不清晰的所述画质评价结果，对所述病理切片进行重新扫描。
采用上述技术方案，对所述数字病理图像的组织部位进行识别定位以获得重点部位的方法具体可参照现有技术中对组织细胞的连通域进行判断的方法来实现，在此不再赘述。
采用上述技术方案，通过标记位置可直观评价图像画质。若标记位置在数字病理图像重点部位，则说明该数字图像不适于进行切片病理诊断，直接舍弃，重新对病理切片进行扫描；若标记位置不在数字病理图像重点部位，可以用于切片病理诊断。
作为一个优选的实施例，所述步骤S4中，处理得到所述画质评价结果的方法具体包括以下步骤：
S41d、对所述标记进行计数以获得标记数量；
S42d、计算一标记面积比例，所述标记面积比例为所有标记对应的模糊部位的面积与所述数字病理图像的总面积的比值；
S43d、对所述标记进行识别定位以获得标记位置；
S44d、对所述数字病理图像的组织部位进行识别定位以获得重点部位；
S45d、同时将所述标记数量、所述标记面积比例、所述标记位置分别与其相对应的一设定的标记数量阈值、一设定的标记面积比例阈值、重点部位进行比较或匹配，若同时满足所述标记数量超过所述标记数量阈值、所述标记面积比例超过所述标记面积比例阈值、所述标记位置与重点部位匹配，则输出所述数字病理图像的所述画质评价结果为不清晰；
使用者参照用于表示不清晰的所述画质评价结果，对所述病理切片进行重新扫描。
采用上述技术方案，通过综合多种评价方式，更快速、便利的对数字图像进行画质评价，节约时间，提高效率。
本发明优选的技术方案，所述标注的形状根据需要进行调节。
由于图像画质模糊边缘区域存在过渡，则可以根据模糊部位形状进行标注形状调节，以减少画质清晰部分落入标注的概率，从而提高画质评价效率。
采用上述技术方案，所述标注的形状是矩形或者圆形或者椭圆形。
本发明采用以上技术方案，与现有技术相比，具有如下效果：
本发明的一种自动评价数字病理扫描图像画质的方法，能够有效的识别数字图像的模糊部位，并根据模糊部位的轮廓选择合适的标注形状；通过不同评价方法，可快速对数字图像进行评价，及时去除无法进行切片病理诊断的数字图像，重新扫描，节约时间，提高效率。
实施例2
如图2、3所示，本发明的一种自动评价数字病理扫描图像画质的方法应用如下：
步骤S1、将病理切片放入数字病理切片扫描仪进行扫描以得到数字病理图像(图2所示)；
步骤S2、采用识别程序对所述数字病理图像进行识别，辨认所述数字病理图像中的图像模糊部位；
步骤S3、对所述图像模糊部位进行标注以获得对应的标记(图3所示)；
步骤S4、根据所述数字病理图像上的所述标记，进行处理得到所述数字病理图像的画质评价结果。
可以通过三种不同的方式对数字图像进行评价：该数字图像有1个细胞组织A，该数字图像共有2个标记B，未超过设定的标记数量阈值(如设定标记数量阈值为10)；或该数字图像标记面积比例为5％，未超过设定的标记面积比例阈值(如设定标记面积比例阈值为15％)；或2个标记位置均未在重要区域；表明该数字图像符合要求，可以用于后续切片病理诊断。
以上所述仅为本发明较佳的实施例，并非因此限制本发明的实施方式及保护范围，对于本领域技术人员而言，应当能够意识到凡运用本发明说明书及图示内容所作出的等同替换和显而易见的变化所得到的方案，均应当包含在本发明的保护范围内。
Claims (8)
1.一种自动评价数字病理扫描图像画质的方法，其特征在于，包括病理切片扫描仪，所述病理切片扫描仪内置有识别程序，包括以下步骤：
步骤S1、将病理切片放入数字病理切片扫描仪进行扫描以得到数字病理图像；
步骤S2、采用识别程序对所述数字病理图像进行识别，辨认所述数字病理图像中的图像模糊部位；
步骤S3、对所述图像模糊部位进行标注以获得对应的标记；
步骤S4、根据所述数字病理图像上的所述标记，进行处理得到所述数字病理图像的画质评价结果。
2.根据权利要求1所述的自动评价数字病理扫描图像画质的方法，其特征在于，所述步骤S2中，采用所述识别程序，利用基于边缘清晰度的方法对所述数字病理图像进行识别。
3.根据权利要求1所述的自动评价数字病理扫描图像画质的方法，其特征在于，所述步骤S2中，采用所述识别程序，利用基于图像频域和/或空域的方法对所述数字病理图像进行识别。
4.根据权利要求1所述的自动评价数字病理扫描图像画质的方法，其特征在于，所述步骤S4中，处理得到所述画质评价结果的方法具体包括以下步骤：
步骤S41a、对所述标记进行计数以获得标记数量；
步骤S42a、将所述标记数量与设定的一标记数量阈值进行比较，若所述标记数量超过所述标记数量阈值，则输出所述数字病理图像的所述画质评价结果为不清晰；
使用者参照用于表示不清晰的所述画质评价结果，对所述病理切片进行重新扫描。
5.根据权利要求1所述的自动评价数字病理扫描图像画质的方法，其特征在于，所述步骤S4中，处理得到所述画质评价结果的方法具体包括以下步骤：
步骤S41b、计算一标记面积比例，所述标记面积比例为所有标记对应的模糊部位的面积与所述数字病理图像的总面积的比值；
步骤S42b、将所述标记面积比例与设定的一标记面积比例阈值进行比较，若所述标记面积比例超过所述标记面积比例阈值，则输出所述数字病理图像的所述画质评价结果为不清晰；
使用者参照用于表示不清晰的所述画质评价结果，对所述病理切片进行重新扫描。
6.根据权利要求1所述的自动评价数字病理扫描图像画质的方法，其特征在于，所述步骤S4中，处理得到所述画质评价结果的方法具体包括以下步骤：
步骤S41c、对所述标记进行识别定位以获得标记位置；
步骤S42c、对所述数字病理图像的组织部位进行识别定位以获得重点部位；
步骤S43c、将所述标记位置与所述重点部位进行匹配，若匹配成功，则输出所述数字病理图像的所述画质评价结果为不清晰；
使用者参照用于表示不清晰的所述画质评价结果，对所述病理切片进行重新扫描。
7.根据权利要求1所述的自动评价数字病理扫描图像画质的方法，其特征在于，所述步骤S4中，处理得到所述画质评价结果的方法具体包括以下步骤：
S41d、对所述标记进行计数以获得标记数量；
S42d、计算一标记面积比例，所述标记面积比例为所有标记对应的模糊部位的面积与所述数字病理图像的总面积的比值；
S43d、对所述标记进行识别定位以获得标记位置；
S44d、对所述数字病理图像的组织部位进行识别定位以获得重点部位；
S45d、同时将所述标记数量、所述标记面积比例、所述标记位置分别与其相对应的一设定的标记数量阈值、一设定的标记面积比例阈值、重点部位进行比较或匹配，若同时满足所述标记数量超过所述标记数量阈值、所述标记面积比例超过所述标记面积比例阈值、所述标记位置与重点部位匹配，则输出所述数字病理图像的所述画质评价结果为不清晰；
使用者参照用于表示不清晰的所述画质评价结果，对所述病理切片进行重新扫描。
8.根据权利要求1-7任一所述的自动评价数字病理扫描图像画质的方法，其特征在于，所述标注的形状为矩形或者圆形或者椭圆形。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711122806.8A CN107945156A (zh) | 2017-11-14 | 2017-11-14 | 一种自动评价数字病理扫描图像画质的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711122806.8A CN107945156A (zh) | 2017-11-14 | 2017-11-14 | 一种自动评价数字病理扫描图像画质的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107945156A true CN107945156A (zh) | 2018-04-20 |
Family
ID=61932023
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711122806.8A Pending CN107945156A (zh) | 2017-11-14 | 2017-11-14 | 一种自动评价数字病理扫描图像画质的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107945156A (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108766556A (zh) * | 2018-04-24 | 2018-11-06 | 宁波江丰生物信息技术有限公司 | 一种病理质控系统 |
| CN109978833A (zh) * | 2019-03-05 | 2019-07-05 | 上海扩博智能技术有限公司 | 图像质量自动检测方法、系统、设备及存储介质 |
| CN110473180A (zh) * | 2019-07-31 | 2019-11-19 | 南方医科大学南方医院 | 胸部呼吸运动的识别方法、系统及存储介质 |
| CN110853006A (zh) * | 2019-11-05 | 2020-02-28 | 华南理工大学 | 一种使用扫描仪获取的数字病理图像质量评价的方法 |
| CN111462075A (zh) * | 2020-03-31 | 2020-07-28 | 湖南国科智瞳科技有限公司 | 一种全切片数字病理图像模糊区域的快速重聚焦方法及系统 |
| CN111986157A (zh) * | 2020-07-21 | 2020-11-24 | 万达信息股份有限公司 | 一种数字病理图像质量评价系统 |
| CN112102247A (zh) * | 2020-08-18 | 2020-12-18 | 广州金域医学检验中心有限公司 | 基于机器学习的病理切片质量评价方法及相关设备 |
| CN112750121A (zh) * | 2021-01-20 | 2021-05-04 | 赛维森(广州)医疗科技服务有限公司 | 用于病理玻片数字图像质量检测的系统及其方法 |
| CN113256573A (zh) * | 2021-05-12 | 2021-08-13 | 山东志盈医学科技有限公司 | 判定数字切片质量的方法和装置 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013105245A (ja) * | 2011-11-11 | 2013-05-30 | Ikutoku Gakuen | 画像処理方法、装置及びプログラム |
| CN104867128A (zh) * | 2015-04-10 | 2015-08-26 | 浙江宇视科技有限公司 | 图像模糊检测方法和装置 |
| CN105574839A (zh) * | 2014-10-16 | 2016-05-11 | 中兴通讯股份有限公司 | 一种图像的处理方法和装置 |
| CN106096605A (zh) * | 2016-06-02 | 2016-11-09 | 史方 | 一种基于深度学习的图像模糊区域检测方法及装置 |
| CN106228568A (zh) * | 2016-10-11 | 2016-12-14 | 北京京东尚科信息技术有限公司 | 模糊图片检测方法和装置 |
| CN106780488A (zh) * | 2017-01-16 | 2017-05-31 | 宁波江丰生物信息技术有限公司 | 一种数字病理切片清晰度的检测系统及方法 |
-
2017
- 2017-11-14 CN CN201711122806.8A patent/CN107945156A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013105245A (ja) * | 2011-11-11 | 2013-05-30 | Ikutoku Gakuen | 画像処理方法、装置及びプログラム |
| CN105574839A (zh) * | 2014-10-16 | 2016-05-11 | 中兴通讯股份有限公司 | 一种图像的处理方法和装置 |
| CN104867128A (zh) * | 2015-04-10 | 2015-08-26 | 浙江宇视科技有限公司 | 图像模糊检测方法和装置 |
| CN106096605A (zh) * | 2016-06-02 | 2016-11-09 | 史方 | 一种基于深度学习的图像模糊区域检测方法及装置 |
| CN106228568A (zh) * | 2016-10-11 | 2016-12-14 | 北京京东尚科信息技术有限公司 | 模糊图片检测方法和装置 |
| CN106780488A (zh) * | 2017-01-16 | 2017-05-31 | 宁波江丰生物信息技术有限公司 | 一种数字病理切片清晰度的检测系统及方法 |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108766556A (zh) * | 2018-04-24 | 2018-11-06 | 宁波江丰生物信息技术有限公司 | 一种病理质控系统 |
| CN109978833A (zh) * | 2019-03-05 | 2019-07-05 | 上海扩博智能技术有限公司 | 图像质量自动检测方法、系统、设备及存储介质 |
| CN110473180A (zh) * | 2019-07-31 | 2019-11-19 | 南方医科大学南方医院 | 胸部呼吸运动的识别方法、系统及存储介质 |
| CN110853006A (zh) * | 2019-11-05 | 2020-02-28 | 华南理工大学 | 一种使用扫描仪获取的数字病理图像质量评价的方法 |
| CN111462075B (zh) * | 2020-03-31 | 2023-12-15 | 湖南国科智瞳科技有限公司 | 一种全切片数字病理图像模糊区域的快速重聚焦方法及系统 |
| CN111462075A (zh) * | 2020-03-31 | 2020-07-28 | 湖南国科智瞳科技有限公司 | 一种全切片数字病理图像模糊区域的快速重聚焦方法及系统 |
| CN111986157A (zh) * | 2020-07-21 | 2020-11-24 | 万达信息股份有限公司 | 一种数字病理图像质量评价系统 |
| CN111986157B (zh) * | 2020-07-21 | 2024-02-09 | 万达信息股份有限公司 | 一种数字病理图像质量评价系统 |
| CN112102247A (zh) * | 2020-08-18 | 2020-12-18 | 广州金域医学检验中心有限公司 | 基于机器学习的病理切片质量评价方法及相关设备 |
| CN112102247B (zh) * | 2020-08-18 | 2024-05-14 | 广州金域医学检验中心有限公司 | 基于机器学习的病理切片质量评价方法及相关设备 |
| CN112750121A (zh) * | 2021-01-20 | 2021-05-04 | 赛维森(广州)医疗科技服务有限公司 | 用于病理玻片数字图像质量检测的系统及其方法 |
| CN113256573B (zh) * | 2021-05-12 | 2023-03-14 | 山东志盈医学科技有限公司 | 判定数字切片质量的方法和装置 |
| CN113256573A (zh) * | 2021-05-12 | 2021-08-13 | 山东志盈医学科技有限公司 | 判定数字切片质量的方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107945156A (zh) | 一种自动评价数字病理扫描图像画质的方法 | |
| CN103907023B (zh) | 检测生物学样品中的异常的系统和方法 | |
| CN113855079B (zh) | 基于乳腺超声影像的实时检测和乳腺疾病辅助分析方法 | |
| Bai et al. | Automatic segmentation of cervical region in colposcopic images using K-means | |
| CN113781455B (zh) | 宫颈细胞图像异常检测方法、装置、设备及介质 | |
| CN108186051B (zh) | 一种从超声图像中自动测量胎儿双顶径长度的图像处理方法及处理系统 | |
| US9607372B2 (en) | Automated bone marrow cellularity determination | |
| CN110974306B (zh) | 一种超声内镜下识别和定位胰腺神经内分泌肿瘤的系统 | |
| CN109785310A (zh) | 一种基于乳腺淋巴结全景图像计算的自动分期系统 | |
| CN103767728A (zh) | 影像辨识方法及影像辨识系统 | |
| CN104615915A (zh) | 一种针对医疗放射影像的计算机辅助图像质量分析控制方法及系统 | |
| JP6161146B2 (ja) | 病理組織画像解析方法、病理組織画像解析装置及び病理組織画像解析プログラム | |
| CN111986157A (zh) | 一种数字病理图像质量评价系统 | |
| CN113723441B (zh) | 一种唇腺病理智能分析系统及方法 | |
| CN112837271B (zh) | 一种甜瓜种质资源性状提取方法及系统 | |
| CN116364229B (zh) | 宫颈癌前病变锥切标本的智能可视化病理报告系统 | |
| CN110051384B (zh) | 结合医学统计信息的胎儿颈背透明物位置检测方法及系统 | |
| CN113936005A (zh) | 一种dna指数计算方法、装置、计算机设备及存储介质 | |
| CN114511559B (zh) | 染色鼻息肉病理切片质量多维评价方法、系统及介质 | |
| US12014830B2 (en) | System and method for automation of surgical pathology processes using artificial intelligence | |
| CN116703843A (zh) | 一种急性髓系白血病亚型的ai辅助诊断系统 | |
| CN115829968A (zh) | 一种口腔黏膜上皮的癌前病变、不典型增生图像检测系统 | |
| CN116258844A (zh) | 一种棉花叶片表型性状快速精准鉴定方法 | |
| CN109993754B (zh) | 从图像上进行颅骨分割的方法和系统 | |
| CN111325732B (zh) | 面部残留物检测方法及相关设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180420 |
|
| RJ01 | Rejection of invention patent application after publication |