首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于机器视觉的细胞学标本样片染色效果检测方法及系统 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:齐鲁工业大学

摘要:本发明公开了基于机器视觉的细胞学标本样片染色效果检测方法及系统,包括:图像处理步骤:图像采集,对细胞学标本样片进行图像处理,识别染色结果;如果染色效果好,就进入染色均匀度识别步骤;如果染色效果差,就根据图像处理结果决定第二次染色的时间;如果连续三次染色效果都是差,则视为染色失败,将细胞学标本样片作为废片处理;染色均匀度识别步骤:利用均匀度算法进行计算,识别细胞成团导致的染色均匀度;细胞团位置识别步骤:采用细胞学标本玻片细胞附着的实际位置比对算法,对细胞团位置进行计算,识别细胞团位置。

主权项:1.基于机器视觉的细胞学标本样片染色效果检测方法,其特征是,包括:图像处理步骤:图像采集,对细胞学标本样片进行图像处理,识别染色结果;如果染色效果好,就进入染色均匀度识别步骤;如果染色效果差,就根据图像处理结果决定第二次染色的时间;如果连续三次染色效果都是差,则视为染色失败,将细胞学标本样片作为废片处理;染色均匀度识别步骤:利用均匀度算法进行计算,识别细胞成团导致的染色均匀度;细胞团位置识别步骤:采用细胞学标本玻片细胞附着的实际位置比对算法,对细胞团位置进行计算,识别细胞团位置;所述细胞团位置识别步骤,具体包括:步骤41:对前景图像,采用最小二乘法形成拟合圆;步骤42:定位拟合圆圆心位置到玻片左边界、右边界以及下边界的距离;步骤43:计算细胞附着位置的左右准确度,如果左右准确度大于设定阈值,则表示细胞附着位置左右方向偏差大,就将玻片信息保存到细胞位置偏差大的染色缺陷数据库中;如果左右准确度小于设定阈值,则表示细胞附着位置左右方向准确无偏差,结束;步骤44:计算细胞附着位置的上下准确度,如果上下准确度大于设定阈值,则表示细胞附着位置上下方向偏差大,就将玻片信息保存到细胞位置偏差大的染色缺陷数据库中;如果上下准确度小于设定阈值,则表示细胞附着位置上下方向准确无偏差,结束。

全文数据:基于机器视觉的细胞学标本样片染色效果检测方法及系统技术领域本公开涉及细胞学标本制作领域,特别是涉及基于机器视觉的细胞学标本样片染色效果检测方法及系统。背景技术本部分的陈述仅仅是提到了与本公开相关的背景技术,并不必然构成现有技术。随着人工智能的快速发展,各行各业的智能化越来越明显。在涉及细胞观察前的准备工作在智能化程度上存在着不足。在医院、生物或医疗研究所等一些需要大量观察分析细胞的场所,细胞染色制片的过程完全需要人工进行操作,这样不仅浪费了大量的人力财力,而且在操作的过程中可能会因为一些误操作导致细胞样本污染或者损坏。在实现本发明的过程中,发明人发现现有技术中存在以下技术问题:1:现有技术中,不能对染色效果好坏通过图像处理来进行精细化评价,不能通过图像处理的结果来进一步指导二次染色的时间;2:现有技术中,不能对细胞成团导致的染色不均匀问题进行识别与处理;3:现有技术中,不能对细胞沉降过程中,沉降位置与标准位置存在的偏差进行精准识别。发明内容为了解决现有技术的不足,本公开提供了基于机器视觉的细胞学标本样片染色效果检测方法及系统;第一方面,本公开提供了基于机器视觉的细胞学标本样片染色效果检测方法;基于机器视觉的细胞学标本样片染色效果检测方法,包括:图像处理步骤:图像采集,对细胞学标本样片进行图像处理,识别染色结果;如果染色效果好,就进入染色均匀度识别步骤;如果染色效果差,就根据图像处理结果决定第二次染色的时间;如果连续三次染色效果都是差,则视为染色失败,将细胞学标本样片作为废片处理;染色均匀度识别步骤:利用均匀度算法进行计算,识别细胞成团导致的染色均匀度;细胞团位置识别步骤:采用细胞学标本玻片细胞附着的实际位置比对算法,对细胞团位置进行计算,识别细胞团位置。作为一种可能的实现方式,所述图像处理步骤,具体包括:步骤21:采集细胞学标本样片的图像,对图像进行预处理,将图像分割为前景图像和背景图像;步骤22:对预处理后的图像进行图形模板匹配,判断是否匹配成功,如果匹配成功,就视为染色结果好;如果匹配失败,则进行第二次染色,并根据前景图像的平均灰度值确定第二次染色的时长;第二次染色结束后,再次进入步骤21;如果第二次染色的图像在图形模板匹配过程中匹配成功,就视为染色结果好;如果匹配再次失败,则进行第三次染色;如果第三次染色的图像在图形模板匹配过程中匹配成功,就视为染色结果好;如果第三次染色匹配失败,则视为染色失败,结束。作为一种可能的实现方式,所述步骤22具体步骤为:通过模板匹配在前景图像中寻找正圆;所述正圆为标准圆;其直径为设定值;如果在前景图像中能找到正圆,说明染色效果较好;如果找不到正圆,说明染色效果较差;进行第二次染色,并根据前景图像的平均灰度值确定第二次染色的时长;假设前景图像的平均灰度值为n,染色总时长为T;二次染色时长t为:t=T*0.3*256-n;第二次染色结束后,再次进入步骤21;如果第二次染色的图像在图形模板匹配过程中匹配成功,就视为染色结果好;如果匹配再次失败,则进行第三次染色;并根据二次染色后时长的计算方式确定第三次染色的时长;同理,如果第三次染色的图像在图形模板匹配过程中匹配成功,就视为染色结果好;如果第三次染色匹配失败,则视为染色失败,结束。作为一种可能的实现方式,所述染色均匀度识别步骤,具体包括:步骤31:计算前景图像感兴趣区域的平均灰度值g1;步骤32:计算前景图像感兴趣区域的最高灰度值g2;步骤33:计算大型成团细胞度G:G=g1-g2256;步骤34:将大型成团细胞度G与设定阈值进行比较,判断染色是否均匀,如果大于设定阈值,就认为染色不均匀,如果不均匀就将图像存入染色缺陷数据库;否则就认为染色均匀,结束。作为一种可能的实现方式,所述细胞团位置识别步骤,具体包括:步骤41:对前景图像,采用最小二乘法形成拟合圆;步骤42:定位拟合圆圆心位置到玻片左边界、右边界以及下边界的距离;步骤43:计算细胞附着位置的左右准确度,如果左右准确度大于设定阈值,则表示细胞附着位置左右方向偏差大,就将玻片信息保存到细胞位置偏差大的染色缺陷数据库中;如果左右准确度小于设定阈值,则表示细胞附着位置左右方向准确无偏差,结束;步骤44:计算细胞附着位置的上下准确度,如果上下准确度大于设定阈值,则表示细胞附着位置上下方向偏差大,就将玻片信息保存到细胞位置偏差大的染色缺陷数据库中;如果上下准确度小于设定阈值,则表示细胞附着位置上下方向准确无偏差,结束。第二方面,本公开还提供了基于机器视觉的细胞学标本样片染色效果检测系统;基于机器视觉的细胞学标本样片染色效果检测系统,包括:图像处理模块:图像采集,对细胞学标本样片进行图像处理,识别染色结果;如果染色效果好,就进入染色均匀度识别步骤;如果染色效果差,就根据图像处理结果决定第二次染色的时间;如果连续三次染色效果都是差,则视为染色失败,将细胞学标本样片作为废片处理;染色均匀度识别模块:利用均匀度算法进行计算,识别细胞成团导致的染色均匀度;细胞团位置识别模块:采用细胞学标本玻片细胞附着的实际位置比对算法,对细胞团位置进行计算,识别细胞团位置。第三方面,本公开还提供了一种电子设备;一种电子设备,包括:存储器、处理器以及存储在存储器上并在处理器上执行的计算机指令,所述计算机指令被处理器运行时,完成上述第一方面的方法所述的步骤。第四方面,本公开还提供了一种计算机可读存储介质;一种计算机可读存储介质,其上存储有计算机指令,所述计算机指令被处理器运行时,完成上述第一方面的方法所述的步骤。与现有技术相比,本公开的有益效果是:运用改进后的自动阈值分割算法,将原始图像分割为前景图像和背景图像,然后,根据前景图像的平均灰度值确定第二次染色的时长,节省二次染色的时间;提出了针对细胞成团导致的染色不均匀提出了着色效果的均匀度分析算法;针对细胞沉降过程中,沉降位置与标准位置存在的偏差的染色缺陷,提出了细胞学标本玻片细胞团位置准确性比对算法,将这两种染色缺陷在染色过程中通过算法识别出来,并在程序界面提示用户,自行将缺陷信息保存到对应的缺陷数据库中去。从而大大节省了人力物力,实现用机器视觉辅助机械臂完成细胞学标本样片的染色过程。附图说明构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。图1为本发明的染色整体流程图;图2为本发明的染色评定算法流程图;图3为着色效果的均匀度分析算法流程图;图4为本发明的细胞学标本玻片细胞团位置准确性比对算法流程图。具体实施方式应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和或“包括”时,其指明存在特征、步骤、操作、器件、组件和或它们的组合。实施例一:提供了基于机器视觉的细胞学标本样片染色效果检测方法;如图1所示,基于机器视觉的细胞学标本样片染色效果检测方法,包括:图像处理步骤:图像采集,对细胞学标本样片进行图像处理,识别染色结果;如果染色效果好,就进入染色均匀度识别步骤;如果染色效果差,就根据图像处理结果决定第二次染色的时间;如果连续三次染色效果都是差,则视为染色失败,将细胞学标本样片作为废片处理;染色均匀度识别步骤:利用均匀度算法进行计算,识别细胞成团导致的染色均匀度;细胞团位置识别步骤:采用细胞学标本玻片细胞附着的实际位置比对算法,对细胞团位置进行计算,识别细胞团位置。作为一种实施例,所述图像处理步骤之前,还包括预处理步骤;所述预处理步骤,具体包括:将细胞学标本样片放置在玻片架上,机械臂抓取玻片架,将玻片架放置到BS固定液中M分钟,然后将玻片架清洗后放置到酸解液中N分钟;然后将玻片架清洗后放置到染色液中L分钟;取出玻片架。作为一种实施例,所述细胞团位置识别步骤之后,还包括:脱水步骤;所述脱水步骤,具体包括:对玻片架进行清洗后,对样片进行梯度脱水,染色完成。脱水阶段依次使用的染缸为不同浓度的梯度酒精。分别为:50%乙醇500ml250ml无水乙醇、250ml蒸馏水、75%乙醇500ml375ml无水乙醇、125ml蒸馏水、95%乙醇500ml475ml无水乙醇、25ml蒸馏水、无水乙醇500ml500ml无水乙醇。除无水酒精外,其余梯度各浸泡1.5min,无水乙醇浸泡两分钟。实现梯度脱水。作为一种实施例,所述BS固定液具体是由体积比为80%的甲醇、15%的甲醛和5%的冰醋酸配置而成;BS固定液BSfixingsolution:主要由甲醇、甲醛、冰醋酸等混合而成,主要用于细胞核的染色固定,尤其适用于细胞核DNA的染色固定。其染色的主要内容为其第一个染色缸放置BS固定液甲醇80%甲醛15%冰醋酸5%配置而成,在其中固定三十分钟。所述酸解液具体是由体积比为58%的蒸馏水和42%的盐酸配置而成;机械臂将玻片架整体拿至水槽进行浸泡清洗。第二个染色缸为5N盐酸蒸馏水58%浓盐酸42%,进行酸解25min。结束后机械臂将玻片架整体拿至水槽进行浸泡清洗。所述染色液具体是由体积比为1%的硫堇、1%的叔丁醇和98%的蒸馏水配置而成。第三个染缸为染色试剂硫堇1%叔丁醇1%蒸馏水98%放置1H。作为一种实施例,如图2所示,所述图像处理步骤,具体包括:步骤21:本公开采用单目视觉来对染色后进行简单漂洗并通过机械臂送到镜头前的细胞学标本样片进行正面拍照,采集细胞学标本样片的图像,拍照后,对图像进行预处理,将图像分割为前景图像和背景图像;提取前景图像;步骤22:对预处理后的图像进行图形模板匹配,判断是否匹配成功,如果匹配成功,就视为染色结果好;如果匹配失败,则进行第二次染色,并根据前景图像的平均灰度值确定第二次染色的时长;第二次染色结束后,再次进入步骤21;如果第二次染色的图像在图形模板匹配过程中匹配成功,就视为染色结果好;如果匹配再次失败,则进行第三次染色;如果第三次染色的图像在图形模板匹配过程中匹配成功,就视为染色结果好;如果第三次染色匹配失败,则视为染色失败,结束。通过多次对比实验,我们认定一般二次染色的时间不超过总时长的百分之50。如果超出时间太多,从实验结果来看,原因基本都为在制片的沉降过程或者标本采集过程中细胞数量不足导致的。所以我们选择第一次复染时间选择为总时长的百分之30.这样可以解决大部分因为染色时间不足导致的染色效果差的问题。根据前景的平均灰度值来确定二次染色的时间。灰度图像共计256个灰度级,假设前景的平均灰度为n,染色总时长为T,二次染色时长为:t=T*0.3*256-n。二次染色完成后继续判断染色效果,最高进行三次复染,三次之后效果仍不理想,系统自动标记为“染色效果差,建议重做标本样片”。我们选择三次复染。作为一种实施例,所述对图像进行预处理具体步骤为:将图像转换成灰度图像;通过设定位置信息获取一个矩形的感兴趣区域;通过对感兴趣区域做降噪和均值滤波处理;利用最大类间方差法确定阈值,通过阈值将灰度图像的前景图像和背景图像进行分割,灰度值小于阈值的灰度图像为前景图像,灰度值大于阈值的灰度图像为背景图像,提取出前景图像,完成对图像的预处理过程。作为一种实施例,所述最大类间方差法:记t为前景图像与背景图像的分割阈值,前景图像像素点数占图像比例为w0,平均灰度为u0;背景图像像素点数占图像比例为w1,平均灰度为u1,则图像的总平均灰度为:u=w0*u0+w1*u1;1前景图像和背景图象的差:g=w0*u0-u*u0-u+w1*u1-u*u1-u;=w0*w1*u0-u1*u0-u1;2公式2为方差公式。当方差g最大时,认为此时前景图像和背景图像的差异最大,此时的灰度t是最佳阈值;将低于阈值t的灰度图像作为前景图像,将高于阈值t的灰度图像作为背景图像,将高于阈值t的灰度值全部判定为255,即为白色。从而在实现自适应阈值分割的同时,也保存了其灰度信息。为后续实验提供了数据支持。作为一种实施例,所述步骤22具体步骤为:通过模板匹配在前景图像中寻找正圆;所述正圆为标准圆;其直径为设定值;通过对正圆的模板匹配,来定性的确定染色效果的好坏:如果在前景图像中能找到正圆,说明染色效果较好;如果找不到正圆,说明染色效果较差;进行第二次染色,并根据前景图像的平均灰度值确定第二次染色的时长;假设前景图像的平均灰度值为n,染色总时长为T;二次染色时长t为:t=T*0.3*256-n;第二次染色结束后,再次进入步骤21;如果第二次染色的图像在图形模板匹配过程中匹配成功,就视为染色结果好;如果匹配再次失败,则进行第三次染色;并根据二次染色后时长的计算方式确定第三次染色的时长;同理,如果第三次染色的图像在图形模板匹配过程中匹配成功,就视为染色结果好;如果第三次染色匹配失败,则视为染色失败,结束。进一步地,该方法旨在实现对细胞学标本样片染色效果做出评估,通过对染色效果的量化来确定下一步所执行的操作。也就是根据图像进行转灰度图像,在灰度图像上阈值分割,通过改进的自适应阈值分割算法来确定一个合适的阈值,来将前景与背景分割开来。通过模板匹配来在前景中找到一个正圆。我们如果模板匹配能找到正圆,说明染色效果较好。如果找不到正圆,说明染色效果较差。对染色效果较差的标本进行二次染色,每次复染不超过标准时长的百分之30。根据前景的平均灰度值来确定二次染色的时间。灰度图像共计256个灰度级,假设前景的平均灰度为n,染色总时长为T,二次染色时长为:t=T*0.3*256-n。二次染色完成后继续判断染色效果,最高进行三次复染,三次之后效果仍不理想,系统自动标记为“染色效果差,建议重做标本样片”。应理解的,我们在染色过程在添加了基于机器视觉的对细胞学标本样片染色效果的识别,如果识别效果较好,就可以认定染色完成,如果染色效果较差,我们会计算第二次染色时间。运用这种方式,实现对细胞学标本样片的染色效果的闭环控制,从而达到较好的染色效果。作为一种实施例,在染色中,因为细胞沉降过程中可能会发生标本样片中的细胞分布不均匀的情况,该情况会导致标本样片经过染色后着色效果不均匀,在经过摄像头的图像采集后,体现到图像上为目标识别区域的灰度值分布不均匀。如图3所示,所述染色均匀度识别步骤,具体包括:步骤31:计算前景图像感兴趣区域的平均灰度值g1;步骤32:计算前景图像感兴趣区域的最高灰度值g2;步骤33:计算大型成团细胞度G:G=g1-g2256;在前期的震荡、沉降等工作中,有时会因为操作不规范,会导致细胞团难以均匀打散,反映到细胞学标本样片中就是大型成团细胞,这种大型成团细胞在后期的细胞学标本样片的识别中是难以识别的,他们之间相互粘连,相互堆叠,难以分割,影像后期的阅片效果,我们定义G为大型成团细胞度,则G=g1-g2256。步骤34:将大型成团细胞度G与设定阈值进行比较,判断染色是否均匀,如果大于设定阈值,就认为染色不均匀,如果不均匀就将图像存入染色缺陷数据库;否则就认为染色均匀,结束。经过试验,当G超过0.2时,我们就可以认定大型成团细胞度较高,即细胞成团度高,可能会影响后期的阅片效果,在程序中标记出来,并将该片的图像信息存入细胞成团度高的数据库。应理解的,在细胞沉降过程中,出现的问题可以分为细胞经过沉降在指定区域附着效果不均匀或数量较少以及在沉降过程中因为操作的问题,导致细胞标本玻片上细胞附着位置与标准位置有较大的偏差这两种问题。针对沉降后附着效果不均匀的情况我们添加对着色不均匀情况的识别,通过着色效果的均匀度分析算法来定性分析着色效果。作为一种实施例,针对细胞沉降过程中,沉降位置与标准位置存在的偏差的染色缺陷,我们提出了细胞学标本玻片细胞团位置准确性比对算法:如图4所示,所述细胞团位置识别步骤,具体包括:步骤41:对前景图像,采用最小二乘法形成拟合圆;步骤42:定位拟合圆圆心位置到玻片左边界、右边界以及下边界的距离;步骤43:计算细胞附着位置的左右准确度,如果左右准确度大于设定阈值,则表示细胞附着位置左右方向偏差大,就将玻片信息保存到细胞位置偏差大的染色缺陷数据库中;如果左右准确度小于设定阈值,则表示细胞附着位置左右方向准确无偏差,结束;步骤44:计算细胞附着位置的上下准确度,如果上下准确度大于设定阈值,则表示细胞附着位置上下方向偏差大,就将玻片信息保存到细胞位置偏差大的染色缺陷数据库中;如果上下准确度小于设定阈值,则表示细胞附着位置上下方向准确无偏差,结束。作为一种实施例,所述步骤42具体步骤为:拟合圆圆心到玻片左边界的垂直位置为h1,拟合圆圆心到玻片右边界的垂直位置为h2,拟合圆圆心到玻片下边界的距离为h3;作为一种实施例,计算细胞附着位置的左右准确度的具体步骤为:细胞附着位置的左右准确度A1:A1=h1-h2h1+h2*100%;作为一种实施例,计算细胞附着位置的上下准确度的具体步骤为:细胞附着位置的上下准确度A2:A2=h3-2020*100%。在沉降过程中,可能会因为操作人员的误操作,导致细胞附着的实际位置和理想位置存在较大的偏差。在染色成功的基础上,我们可以通过图像处理检测到拟合圆,通过几何形态我们可以找到拟合圆的圆心,再通过边缘检测算法,我们可以定位到载玻片的左右两条边界以及下边界。我们定义拟合圆心到左边界的垂直位置为h1,拟合圆心到右边界的垂直位置为h2,我们定义细胞附着位置左右准确度为A1,A1=h1-h2h1+h2*100%,当A10.15时,程序提示细胞附着点位置左右方向偏差较大,并将该片信息传入细胞附着位置偏差的染色缺陷数据库。同理,我们定义拟合圆心到下边界的距离为h3,经过多次多标准位置到下边界的垂直距离的测量,我们认为20mm为最佳位置,我们定义细胞附着位置上下准确度为A2,A2=h3-2020*100%,当A20.15时,程序提示细胞附着点位置上下方向偏差较大,并将该片信息传入细胞附着位置偏差的染色缺陷数据库。应理解的,针对细胞学标本玻片上的细胞团的位置,我们采用细胞学标本玻片细胞附着的实际位置准确性比对算法,通过对图像采集后经过预处理的拟合圆的圆心位置的定位,来和标准位置对比,来确定圆心的偏移量。偏移量超出规定范围即可认定沉降位置存在偏差,在程序上进行标注并存入数据库。我们针对于医学上常用的沉降式制片方式,其制片的效果为标准圆形,我们对圆形进行识别,通过能否识别到几何圆形,来定性的分析染色的效果。实施例二:提供了基于机器视觉的细胞学标本样片染色效果检测系统;基于机器视觉的细胞学标本样片染色效果检测系统,包括:图像处理模块:图像采集,对细胞学标本样片进行图像处理,识别染色结果;如果染色效果好,就进入染色均匀度识别步骤;如果染色效果差,就根据图像处理结果决定第二次染色的时间;如果连续三次染色效果都是差,则视为染色失败,将细胞学标本样片作为废片处理;染色均匀度识别模块:利用均匀度算法进行计算,识别细胞成团导致的染色均匀度;细胞团位置识别模块:采用细胞学标本玻片细胞附着的实际位置比对算法,对细胞团位置进行计算,识别细胞团位置。实施例三:提供了一种电子设备;一种电子设备,包括:存储器、处理器以及存储在存储器上并在处理器上执行的计算机指令,所述计算机指令被处理器运行时,完成上述第一实施例中方法所述的步骤。实施例四:提供了一种计算机可读存储介质;一种计算机可读存储介质,其上存储有计算机指令,所述计算机指令被处理器运行时,完成上述第一实施例中方法所述的步骤。可以排除近乎所有的因为染色时长不够导致的染色效果差。从而保证染色效果的良好性与一致性,为后期的病理学检测提供优质样本。针对最终染色效果差的细胞学标本样片,我们在程序中提醒用户并自动保存该记录。该系列样片会被统一由机械臂安置到废片区,不再进行下一步操作。以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。

权利要求:1.基于机器视觉的细胞学标本样片染色效果检测方法,其特征是,包括:图像处理步骤:图像采集,对细胞学标本样片进行图像处理,识别染色结果;如果染色效果好,就进入染色均匀度识别步骤;如果染色效果差,就根据图像处理结果决定第二次染色的时间;如果连续三次染色效果都是差,则视为染色失败,将细胞学标本样片作为废片处理;染色均匀度识别步骤:利用均匀度算法进行计算,识别细胞成团导致的染色均匀度;细胞团位置识别步骤:采用细胞学标本玻片细胞附着的实际位置比对算法,对细胞团位置进行计算,识别细胞团位置。2.如权利要求1所述的方法,其特征是,所述图像处理步骤之前,还包括预处理步骤;所述预处理步骤,具体包括:将细胞学标本样片放置在玻片架上,机械臂抓取玻片架,将玻片架放置到BS固定液中M分钟,然后将玻片架清洗后放置到酸解液中N分钟;然后将玻片架清洗后放置到染色液中L分钟;取出玻片架;所述细胞团位置识别步骤之后,还包括:脱水步骤;所述脱水步骤,具体包括:对玻片架进行清洗后,对样片进行梯度脱水,染色完成。3.如权利要求1所述的方法,其特征是,所述图像处理步骤,具体包括:步骤21:采集细胞学标本样片的图像,对图像进行预处理,将图像分割为前景图像和背景图像;步骤22:对预处理后的图像进行图形模板匹配,判断是否匹配成功,如果匹配成功,就视为染色结果好;如果匹配失败,则进行第二次染色,并根据前景图像的平均灰度值确定第二次染色的时长;第二次染色结束后,再次进入步骤21;如果第二次染色的图像在图形模板匹配过程中匹配成功,就视为染色结果好;如果匹配再次失败,则进行第三次染色;如果第三次染色的图像在图形模板匹配过程中匹配成功,就视为染色结果好;如果第三次染色匹配失败,则视为染色失败,结束。4.如权利要求3所述的方法,其特征是,所述对图像进行预处理具体步骤为:将图像转换成灰度图像;通过设定位置信息获取一个矩形的感兴趣区域;通过对感兴趣区域做降噪和均值滤波处理;利用最大类间方差法确定阈值,通过阈值将灰度图像的前景图像和背景图像进行分割,灰度值小于阈值的灰度图像为前景图像,灰度值大于阈值的灰度图像为背景图像,提取出前景图像,完成对图像的预处理过程。5.如权利要求1所述的方法,其特征是,所述步骤22具体步骤为:通过模板匹配在前景图像中寻找正圆;所述正圆为标准圆;其直径为设定值;如果在前景图像中能找到正圆,说明染色效果较好;如果找不到正圆,说明染色效果较差;进行第二次染色,并根据前景图像的平均灰度值确定第二次染色的时长;假设前景图像的平均灰度值为n,染色总时长为T;二次染色时长t为:t=T*0.3*256-n;第二次染色结束后,再次进入步骤21;如果第二次染色的图像在图形模板匹配过程中匹配成功,就视为染色结果好;如果匹配再次失败,则进行第三次染色;并根据二次染色后时长的计算方式确定第三次染色的时长;同理,如果第三次染色的图像在图形模板匹配过程中匹配成功,就视为染色结果好;如果第三次染色匹配失败,则视为染色失败,结束。6.如权利要求4所述的方法,其特征是,所述染色均匀度识别步骤,具体包括:步骤31:计算前景图像感兴趣区域的平均灰度值g1;步骤32:计算前景图像感兴趣区域的最高灰度值g2;步骤33:计算大型成团细胞度G:G=g1-g2256;步骤34:将大型成团细胞度G与设定阈值进行比较,判断染色是否均匀,如果大于设定阈值,就认为染色不均匀,如果不均匀就将图像存入染色缺陷数据库;否则就认为染色均匀,结束。7.如权利要求1所述的方法,其特征是,所述细胞团位置识别步骤,具体包括:步骤41:对前景图像,采用最小二乘法形成拟合圆;步骤42:定位拟合圆圆心位置到玻片左边界、右边界以及下边界的距离;步骤43:计算细胞附着位置的左右准确度,如果左右准确度大于设定阈值,则表示细胞附着位置左右方向偏差大,就将玻片信息保存到细胞位置偏差大的染色缺陷数据库中;如果左右准确度小于设定阈值,则表示细胞附着位置左右方向准确无偏差,结束;步骤44:计算细胞附着位置的上下准确度,如果上下准确度大于设定阈值,则表示细胞附着位置上下方向偏差大,就将玻片信息保存到细胞位置偏差大的染色缺陷数据库中;如果上下准确度小于设定阈值,则表示细胞附着位置上下方向准确无偏差,结束。8.基于机器视觉的细胞学标本样片染色效果检测系统,其特征是,包括:图像处理模块:图像采集,对细胞学标本样片进行图像处理,识别染色结果;如果染色效果好,就进入染色均匀度识别步骤;如果染色效果差,就根据图像处理结果决定第二次染色的时间;如果连续三次染色效果都是差,则视为染色失败,将细胞学标本样片作为废片处理;染色均匀度识别模块:利用均匀度算法进行计算,识别细胞成团导致的染色均匀度;细胞团位置识别模块:采用细胞学标本玻片细胞附着的实际位置比对算法,对细胞团位置进行计算,识别细胞团位置。9.一种电子设备,其特征是,包括:存储器、处理器以及存储在存储器上并在处理器上执行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-7任一项方法所述的步骤。10.一种计算机可读存储介质,其特征是,其上存储有计算机指令,所述计算机指令被处理器运行时,完成权利要求1-7任一项方法所述的步骤。

百度查询: 齐鲁工业大学 基于机器视觉的细胞学标本样片染色效果检测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。