СПОСОБ ОПРЕДЕЛЕНИЯ МЕСТОНАХОЖДЕНИЯ ЛЕЙКОЦИТОВ КОСТНОГО МОЗГА НА ОСНОВЕ АГРЕГАЦИИ НАСЫЩЕНИЯ Российский патент 2021 года по МПК G06T7/00 G06K9/00 

Описание патента на изобретение RU2755553C1

ПЕРЕКРЕСТНАЯ ССЫЛКА НА РОДСТВЕННЫЕ ЗАЯВКИ

При патентовании изобретения по настоящей заявке испрашивается конвенционный приоритет по патентной заявке No. 201810495118.4, поданной 22 мая 2018 г., которая включена в настоящую заявку в полном объеме.

ОБЛАСТЬ ТЕХНИКИ

Изобретение относится к области медицинской обработки изображений и, в частности, к способу локализации лейкоцитов костного мозга, основанному на агрегации насыщения.

УРОВЕНЬ ТЕХНИКИ

В костном мозге существуют различные типы белых кровяных телец, и разница в цвете различных типов белых кровяных телец после окрашивания также велика. По сравнению с периферической кровью плотность лейкоцитов в костном мозге выше, и у некоторых пациентов в мазке крови имеется неспецифическая адгезия клеток. Поэтому позиционирование лейкоцитов костного мозга всегда было сложной задачей. В последние годы эксперты и большое количество технического персонала предложили множество эффективных решений. Однако большинство решений может решить только конкретные проблемы, и нет никакого общего решения, которое может быть применено к большинству ситуаций.

Текущее определение местонахождения лейкоцитов костного мозга основано на алгоритме вычисления порога, которое отделяет лейкоциты от периферии и эритроцитов. Например, Wu et al., "Новый метод сегментации цветного изображения и его применение к анализу изображений белых кровяных телец" (Signal Processing, 2006 8-я Международная конференция по) использует алгоритм вычисления порога Оцу для сегментации и определения положения белых кровяных телец. Ko et al., "Автоматическая сегментация лейкоцитов с использованием пошаговых правил сортировки и градиент вектора волнового потока" (Микрон, 2011, 42(7): 695-705) сначала используется алгоритм вычисления порога для приблизительной оценки местоположения клетки, а затем используется сдвиг среднего значения для дальнейшей оптимизации. В то же время некоторые ученые предложили и другие эффективные схемы, такие как метод применения морфологической обработки, охарактеризованный в статье "Сегментация лейкоцитов с использованием морфологических операторов и масштабно-пространственного анализа" (Компьютерная графика и обработка изображений, 2007: 294-304.) Дорини Л.Б. и др. Существуют также такие методы, как группировка по общему признаку. Однако эти методы имеют определенные ограничения. Например, в алгоритм вычисления порога Оцу одно из условий состоит в том, что площадь периферии и площадь передней части примерно одинаковы. Фактическое цифровое изображение костного мозга может иметь большую долю лейкоцитов или не иметь их, а цвет белых кровяных телец может быть распределен по Большой области, даже перекрываясь с более темными красными кровяными тельцами. Поэтому, хотя порог может быть применен к большинству цифровых изображений, в некоторых особых случаях это решение может не очень хорошо определять положение лейкоцитов. Алгоритм агрегации может также иметь ту же проблему, когда цветовое распределение белых кровяных телец сравнительно рассеяно.

РАСКРЫТИЕ СУЩНОСТИ ИЗОБРЕТЕНИЯ

Задачей настоящего изобретения является обеспечение способом локализации лейкоцитов костного мозга на основе обеспечения агрегации, который обеспечивает алгоритм определения местонахождения лейкоцитов при более высокой плотности лейкоцитов в костном мозге, а явление неспецифической адгезии клеток происходит в мазках крови некоторых пациентов. Проблема заключается в том, что площадь лейкоцитов может быть выбрана более точно.

Настоящее изобретение осуществляется таким образом, что способ определения местонахождения лейкоцитов костного мозга основан на агрегации насыщения, включающий следующие этапы:

1) медианная фильтрация изображения лейкоцитов костного мозга для удаления некоторого шума;

(2) изменение цвета изображения лейкоцитов костного мозга, преобразование изображения из канала КЗС (аддитивной цветомодели) (красный, зеленый и синий) в канал ЦНЗ ("цвет-насыщенности-значения") (цвет, насыщенность, яркость);

(3) применение алгоритма поиска K-средних к каналу S-насыщения, разделения его на три части, выбора первой части Р1 или первой части и второй части Р1+Р2 для получения площади лейкоцитов. Следующим является этап отбора;

(4) вычисление среднего значения (H1, Н2) первых двух частей канала Н в (3) и вычисление первых двух частей (3) в соответствии со средней точкой (S1, S2) первых двух частей (3) Отношение площадей (соотношение);

(5) расчет составной части лейкоцитов на нескольких изображениях и запись значения Н1-Н2, S1-S2 и соотношения при записи в части Р1 или Р2;

(6) в соответствии с записанными результатами в (5) применяют алгоритм дерева решений, чтобы установить условия для выполнения выбора;

(7) морфологическая обработка результата (6) для удаления несвязанной области при заполнении точечного отверстия;

(8) установление расположения белых кровяных телец, выделенных в (7).

При этом на этапе (3) алгоритм поиска K-средних применяется к каналу S (насыщения), и метод разделяют на три части. Частично первая часть Р1, скорее всего, будет областью белых кровяных телец, вторая часть Р2 может быть областью красных кровяных телец или как красных кровяных телец, так и белых кровяных телец, а третья часть РЗ обычно является периферийной областью, поэтому нужно только выбрать часть Р1 или (Р1+Р2). Получают площадь белых кровяных телец.

При этом среднее значение (H1, Н2) первых двух частичных каналов Н в (3) вычисляют на этапе (4). Вычисляют среднюю точку (S1, S2) первых двух частей (3) и вычисляют отношение площадей (соотношение) первых двух частей (3). Формула расчета HI приведена ниже:

где Р1 это двоичное изображение, значение пикселя, принадлежащее первой части, равно 1, а остальные равны 0. Сумма значений пикселей Р1 составляет Σ(p1), P1.*H, показывающая результат умножения пикселей в одной и той же позиции;

Р1 это двоичное изображение, значение пикселя, принадлежащее первой части, равно 1, а остальные равны 0. Сумма значений пикселей Р1 равна Σ(p2), P2.*H, показывающая результат умножения пикселей в одной и той же позиции.

На этапе (6), в соответствии с результатом записи на этапе (5), применяют алгоритм дерева решений для определения правила формулировки. Выбранное условие, при котором функцию потерь алгоритма дерева решений с добавлением количества оконечных листовых узлов используют для сокращения, чтобы предотвратить чрезмерной аппроксимации.

Кроме того, на этапе (7) результат (6) подвергают морфологической обработке для удаления несвязанной области и заполнения области лейкоцитов. Точечное отверстие, специфический процесс заключается в следующем: сначала выбирают соответствующий структурный элемент b, чтобы выполнить операцию обтравки на двоичном изображении, полученном на этапе (6), удаляют несвязанную область, а затем выполняют операцию расширения,

где f является двоичным изображением, полученным на этапе (6), которое является операцией расширения и операцией обтравки;

В результате, точечное отверстие в f заполняется при морфологической реконструкции;

- результат рефакторинга, - операция логического умножения. По сравнению с недостатками и неточностями предшествующего уровня техники настоящее изобретение имеет следующие преимущества:

1. Последовательность действий способа проста, изобретение эффективно и имеет широкий диапазон применения. По сравнению с существующими пороговыми алгоритмами последовательность действий настоящего изобретения обладает более высокой адаптивностью.

2. Решает проблему широкого спектра цветового распределения различных типов лейкоцитов, а также темного цвета эритроцитов, вызванного окрашиванием. Комбинируя алгоритм K-средних и алгоритм дерева решений настоящего изобретения, область лейкоцитов может быть выбрана более точно.

Вне зависимости от этой части заявки преимущества более подробно раскрыты для метода позиционирования лейкоцитов, известного из уровня техники.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

Фиг. 1 - пример изображения лейкоцитов костного мозга;

Фиг. 2 - медианно-фильтрованное изображение лейкоцитов костного мозга, согласно варианту осуществления;

Фиг. 3 - состоящее из трех частей изображение, полученное в результате применения алгоритма K-средних к S каналу цветного преобразованного изображения, согласно варианту осуществления;

Фиг. 4 - изображение, полученное в результате применения алгоритма выбора дерева решений, согласно варианту осуществления;

Фиг. 5 - изображение, полученное в результате удаления нерелевантных областей и заполнения точечных отверстий, согласно варианту осуществления;

Фиг. 6 - изображение, полученное в результате локализации лейкоцитов после разделения, согласно варианту осуществления;

Фиг. 7 - блок-схема устройства для локализации лейкоцитов костного мозга, согласно варианту осуществления.

ОСУЩЕСТВЛЕНИЕ ИЗОБРЕТЕНИЯ

Настоящее изобретение будет дополнительно подробно раскрыто далее со ссылкой на прилагаемые чертежи и варианты осуществления изобретения. Очевидно, что конкретные варианты осуществления изобретения, изложенные в описании, являются лишь пояснением для понимания сущности изобретения и не предназначены для ограничения объема правовой охраны.

Способ определения местоположения лейкоцитов костного мозга, основанный на агрегации насыщения, включает в себя следующие этапы.

На этапе 1 осуществляют медианную фильтрацию изображения лейкоцитов костного мозга для удаления некоторого шума. На Фиг. 1 приведен пример изображения лейкоцитов костного мозга, а результат фильтрации изображения лейкоцитов костного мозга показан на Фиг. 2. При медианной фильтрации размер шаблона фильтрации может быть равен (5*5).

На этапе 2 выполняют цветовое преобразование изображения лейкоцитов костного мозга с медианной фильтрацией, полученного на этапе 1, для преобразования изображения с медианной фильтрацией из канала КЗС (аддитивной цветомодели) (красный, зеленый и синий) в канал ЦНЗ ("цвет-насыщенности-значения") (цвет, насыщенность, яркость). Конкретная формула, используемая на этапе 2, выглядит следующим образом:

где диапазон КЗС значений составляет [0, 1].

На этапе 3 алгоритм K-средних применяется к каналу S (насыщенности) цветопреобразованного изображения, чтобы разделить цветопреобразованное изображение на три части. Фиг. 3 представляет собой состоящее из трех частей изображение, полученное в результате применения алгоритма K-средних к каналу S. Как показано на Фиг. 3, первая часть Р1 может быть областью белых кровяных телец, вторая часть Р2 может быть областью красных кровяных телец или областью, включающей красные кровяные тельца и белые кровяные тельца, а третья часть Р3 обычно может быть периферийной областью (фоном). Поэтому для получения площади лейкоцитов необходимо выбрать только первую часть Р1 или первую и вторую части Р1+Р2. Ниже приведены этапы отбора.

На этапе 4 вычисляют средние значения (H1, Н2) канала Н в первой части Р1 и второй части Р2 на этапе 3 и вычисляют отношение площадей первой части Р1 и второй части Р2 на этапе 3 в соответствии со средними точками (S1, S2) первой части Р1 и второй части Р2 на этапе 3. Формула расчета H1 и Н2 приведена ниже:

где Р1 представляет двоичное изображение первой части Р1, значение пикселя первой части Р1 равно 1, а остальные - 0. представляет собой сумму значений пикселей в первой части P1, и Р1.*Н представляет собой результат умножения значений пикселей в одной и той же позиции; и

где Р2 представляет двоичное изображение второй части Р2, значение пикселя второй части Р2 равно 1, а остальные - 0. представляет собой сумму значений пикселей во второй части Р2, а также P2*H представляет собой результат умножения значений пикселей в одной и той же позиции.

На этапе 5 выполняют статистический анализ нескольких изображений для идентификации первых частей и вторых частей, в которые включены белые кровяные клетки, и фиксируют значения Н1-Н2, S1-S2 и отношения площадей идентифицированных первых частей (Р1) и вторых частей (Р2). Например, статистический процесс выполняют на 230 изображениях. На 120 из 230 изображений лейкоциты включены в первую часть (Р1). На НО из 230 изображений лейкоциты включены в первую часть и вторую часть (Р1+Р2). Также подбирают изображения без лейкоцитов.

На этапе 6, в соответствии с зафиксированными результатами на этапе 5, применяют алгоритм дерева решений для определения условий для выполнения выбора. Функция потерь алгоритма дерева решений добавляется с количеством оконечных листовых узлов, которые будут использоваться для сокращения, чтобы предотвратить чрезмерной аппроксимации. Затем на цветопреобразованном изображении производится выбор в соответствии с условиями получения двоичного изображения. После выбора результат отображен на Фиг 4.

На этапе 7 результат этапа 6 морфологически обрабатывают для удаления нерелевантных областей и заполнения точечных отверстий в области лейкоцитов на морфологически обработанном изображении. Результат показан на Фиг. 5. Конкретный процесс заключается в следующем.

Первоначально выбирают соответствующий структурный элемент Ь для выполнения операции обтравки на двоичном изображении, полученном на этапе 6, удаления нерелевантных областей, а затем выполняют операцию расширения.

где f представляет двоичное изображение, полученное на этапе 6, ⊕ представляет собой операцию расширения, и представляет собой операцию обтравки;

Наконец, точечные отверстия на изображении f заполняются морфологической реконструкцией.

где представляет собой результат реконструкции, и - операция логического умножения.

После морфологической обработки и заполнения точечных отверстий белые кровяные тельца выделяют из изображения.

На этапе 8 установлены расположение лейкоцитов, выделенных на этапе 7, и результаты показаны на Фиг. 6.

Фиг. 7 представляет собой блок-схему устройства 700 для локализации лейкоцитов костного мозга, согласно варианту осуществления. Например, устройство 700 может быть компьютером, облачным сервером и т.п.

Ссылаясь на фиг.7, устройство 700 включает в себя один или несколько из следующих компонентов: процессор 702, память 704, элемент питания 706, компонент для аудиовизуального представления 708, интерфейс ввода-вывода 710.

Процессор 702 сконфигурирован для управления общими операциями устройства 700, например, операции, связанные с локализацией лейкоцитов костного мозга. Процессор 702 сконфигурирован для выполнения команд по осуществлению всего способа или его части. В некоторых вариантах осуществления изобретения процессор 702 включает в себя мультимедийный модуль, сконфигурированный для облегчения взаимодействия между компонентом для аудиовизуального представления 708 и процессором 702.

Память 704 сконфигурирована для хранения различных типов данных для поддержки работы устройства 700. Примеры таких данных включают инструкции для любых приложений или методов, реализуемых устройством 700, изображения клеток, базы данных и т.д. Память 704 может быть реализована с использованием любого типа энергонезависимых или энергонезависимых запоминающих устройств или их комбинации, таких как статическая оперативная память (SRAM), электрически стираемая программируемая постоянная память (EEPROM), стираемая программируемая постоянная память (EPROM), программируемая постоянная память (PROM), память, доступная только для чтения (ROM), магнитная память, флэш-память или магнитный или оптический диск.

Элемент питания 706 сконфигурирован для обеспечения питанием различных компонентов устройства 700. Элемент питания 706 включает в себя систему управления питанием, один или несколько источников питания и любые другие компоненты, связанные с генерацией, управлением и распределением мощности в устройстве 700.

Компонент для аудиовизуального представления 708 включает в себя экран, обеспечивающий выходной интерфейс между устройством 700 и пользователем устройства 700. В некоторых вариантах осуществления экран может включать жидкокристаллический дисплей и сенсорную панель.

Интерфейс 710 ввода-вывода выполнен для обеспечения интерфейса для процессора 702 и периферийных интерфейсных модулей, таких как клавиатура, колесико-кнопка мыши, кнопки и тому подобное.

В некоторых вариантах осуществления изобретения устройство 700 может быть реализовано с одной или несколькими прикладными интегральными схемами (ASIC), процессорами для цифровой обработки сигналов (DSPs), устройствами цифровой обработки сигналов (DSPDs), программируемыми логическими устройствами (PLDs), программируемой пользователем матрицей логических элементов (FPGA), контроллерами, микроконтроллерами, микропроцессорами или другими электронными компонентами для выполнения описанных способов.

Настоящее изобретение также обеспечивает долговременный машиночитаемый носитель информации, включающий инструкции, включенные в память 704. Команды выполняются процессором 702 устройства 700 для осуществления способа локализации лейкоцитов. Например, долговременным машиночитаемым носителем информации может быть ПЗУ, ОЗУ, CD-ROM, магнитная лента, дискета, оптическое устройство хранения данных и тому подобное.

Описанный выше метод локализации лейкоцитов костного мозга на основе агрегации насыщения имеет преимущества в связи с его простотой, эффективностью и широким диапазоном применения. По сравнению с существующим пороговым алгоритмом, принцип осуществления имеет более высокую адаптивность. Во-вторых, применение алгоритма K-средних и алгоритма дерева решений позволяет более точно выбрать площадь лейкоцитов.

Другие варианты изобретения будут очевидны для специалистов в данной области техники из описания и примеров осуществления, приведенных в заявке. Настоящая заявка предназначена для охвата любых изменений, любой специалист в данной области может внести изменения посредством эквивалентных признаков и дополнений в пределах технической сущности настоящего изобретения, раскрытой в описании, при этом все изменения подпадают в объем испрашиваемой правовой охраны. Предполагается, все упомянутое выше является только примером конкретного осуществления настоящего изобретения и не ограничивает объем испрашиваемой правовой охраны, а объем охраны настоящего изобретения определяется формулой изобретения.

Следует понимать, что настоящее изобретения не ограничивается конструктивным выполнением, которое было описано выше и проиллюстрировано на прилагаемых чертежах, и что различные модификации и изменения могут быть сделаны без изменения сущности настоящего изобретения. Предполагается, что объем представленной информации будет ограничен только формулой изобретения.

Похожие патенты RU2755553C1

название год авторы номер документа
Способ распознавания структуры ядер бластов крови и костного мозга 2021
  • Никитаев Валентин Григорьевич
  • Проничев Александр Николаевич
  • Тупицын Николай Николаевич
  • Сельчук Владимир Юрьевич
  • Дмитриева Валентина Викторовна
  • Палладина Александра Дмитриевна
  • Козырева Александра Вячеславовна
  • Соломатин Михаил Андреевич
  • Дружинина Екатерина Александровна
  • Майоров Михаил Сергеевич
  • Поляков Евгений Валерьевич
  • Батуев Булат Базаржапович
  • Будадин Олег Николаевич
RU2785607C1
Способ детализации структурных элементов медико-биологических объектов исследования 2023
  • Поляков Евгений Валерьевич
  • Дмитриева Валентина Викторовна
  • Тупицын Николай Николаевич
  • Палладина Александра Дмитриевна
  • Сурконт Дина Олеговна
RU2803277C1
СПОСОБ И УСТРОЙСТВО ЗАПОЛНЕНИЯ ЗОН ЗАТЕНЕНИЯ КАРТЫ ГЛУБИН ИЛИ НЕСООТВЕТСТВИЙ, ОЦЕНИВАЕМОЙ НА ОСНОВАНИИ ПО МЕНЬШЕЙ МЕРЕ ДВУХ ИЗОБРАЖЕНИЙ 2009
  • Алессандрини Давид
  • Балте Рафаэль
  • Патё Стефан
RU2504010C2
Способ распознавания структуры ядер бластов крови и костного мозга с применением световой микроскопии в сочетании с компьютерной обработкой данных для определения В- и Т-линейных острых лимфобластных лейкозов 2017
  • Никитаев Валентин Григорьевич
  • Нагорнов Олег Викторович
  • Проничев Александр Николаевич
  • Поляков Евгений Валерьевич
  • Дмитриева Валентина Викторовна
  • Зайцев Сергей Михайлович
  • Сельчук Владимир Юрьевич
  • Тупицын Николай Николаевич
  • Френкель Марина Абрамовна
  • Моженкова Анна Васильевна
  • Безнос Ольга Алексеевна
RU2659217C1
СПОСОБ СИГНАЛЬНОЙ АДАПТИВНОЙ ФИЛЬТРАЦИИ, СИГНАЛЬНЫЙ АДАПТИВНЫЙ ФИЛЬТР И МАШИННО-СЧИТЫВАЕМЫЙ НОСИТЕЛЬ (ВАРИАНТЫ) ДЛЯ ХРАНЕНИЯ ИХ ПРОГРАММ 1998
  • Ли Йунг Лиул
  • Парк Хиун Воок
RU2215376C2
СПОСОБ МАРКИРОВКИ КЛЕТОК КОСТНОГО МОЗГА И СИСТЕМА ДЛЯ ЕГО ОСУЩЕСТВЛЕНИЯ 2018
  • Ли, Цян
  • Лу, Цзюй
  • Ли, Шунь
RU2739974C1
СИСТЕМЫ И СПОСОБЫ ОПРЕДЕЛЕНИЯ ХАРАКТЕРИСТИК ЦЕНТРАЛЬНОЙ ОСИ КОСТИ НА ОСНОВАНИИ ТРЕХМЕРНОГО АНАТОМИЧЕСКОГО ИЗОБРАЖЕНИЯ 2016
  • Бехруз, Али
  • Кемпнер, Джошуа
RU2703699C1
МЕТОД ДЛЯ ВЫДЕЛЕНИЯ И КЛАССИФИКАЦИИ ТИПОВ КЛЕТОК КРОВИ С ПОМОЩЬЮ ГЛУБОКИХ СВЕРТОЧНЫХ НЕЙРОННЫХ СЕТЕЙ 2019
  • Громов Александр Михайлович
  • Конушин Вадим Сергеевич
RU2732895C1
Способ диагностики онкологического заболевания крови 2022
  • Никитаев Валентин Григорьевич
  • Проничев Александр Николаевич
  • Нагорнов Олег Викторович
  • Тупицын Николай Николаевич
  • Сельчук Владимир Юрьевич
  • Дмитриева Валентина Викторовна
  • Палладина Александра Дмитриевна
  • Поляков Евгений Валерьевич
RU2803281C1
СПОСОБ, НОСИТЕЛЬ И СИСТЕМА ДЛЯ ОБНАРУЖЕНИЯ ВИРУСА КАРТОФЕЛЯ НА ИЗОБРАЖЕНИИ СЕЛЬСКОХОЗЯЙСТВЕННОЙ КУЛЬТУРЫ 2017
  • Бель, Ришен
  • Росс, Уилльям
RU2749033C2

Иллюстрации к изобретению RU 2 755 553 C1

Реферат патента 2021 года СПОСОБ ОПРЕДЕЛЕНИЯ МЕСТОНАХОЖДЕНИЯ ЛЕЙКОЦИТОВ КОСТНОГО МОЗГА НА ОСНОВЕ АГРЕГАЦИИ НАСЫЩЕНИЯ

Изобретение относится к области обработки медицинских изображений. Техническим результатом является повышение точности определения местоположения лейкоцитов костного мозга на изображении. Способ определения местонахождения лейкоцитов костного мозга включает следующие этапы: осуществляют медианную фильтрацию изображения лейкоцитов костного мозга; производят изменение цвета изображения лейкоцитов костного мозга; применяют алгоритм поиска K-средних к каналу S-насыщения; производят вычисление среднего значения первых двух частей канала H и вычисление первых двух частей в соответствии со средними точками первых двух частей; рассчитывают составные части лейкоцитов на нескольких изображениях и записывают значения; в соответствии с записанными результатами применяют алгоритм дерева решений; осуществляют морфологическую обработку результатов предыдущего этапа; устанавливают расположения лейкоцитов, выделенных на предыдущем этапе. 3 з.п. ф-лы, 7 ил.

Формула изобретения RU 2 755 553 C1

1. Способ определения местонахождения лейкоцитов костного мозга, включающий следующие этапы:

на этапе 1 осуществляют медианную фильтрацию изображения лейкоцитов костного мозга для удаления некоторого шума;

на этапе 2 осуществляют изменение цвета изображения лейкоцитов костного мозга медианной фильтрацией с преобразованием изображения из канала аддитивной цветомодели в канал модели "цвет-насыщенности-значения";

на этапе 3 осуществляют применение алгоритма поиска K-средних к каналу S-насыщения, разделение цветоизмененного изображения на три части, при этом первая часть является областью белых кровяных телец, вторая часть является областью красных кровяных телец или областью, включающей красные кровяные тельца и белые кровяные тельца, а третья часть является периферийной областью;

на этапе 4 производят вычисление средних значений (H1, Н2) канала Н в первой части и второй части, полученных на этапе 3, и вычисление отношения площадей первой части и второй части в соответствии со средними точками (S1, S2) первой части и второй части;

на этапе 5 осуществляют статистический анализ на нескольких изображениях для определения первых частей и вторых частей, которые включают лейкоциты, и фиксируют значения Н1-Н2, S1-S2 и отношения площадей идентифицированных первых частей и вторых частей;

на этапе 6 в соответствии с зафиксированными результатами на этапе 5 применяют алгоритм дерева решений, чтобы установить условия для выполнения выбора и осуществления выбора на цветоизмененном изображении в соответствии с условиями для получения двоичного изображения;

на этапе 7 осуществляют морфологическую обработку результата этапа 6 для удаления несвязанной области при заполнении точечных отверстий в области лейкоцитов в морфологически обработанном изображении и выделении лейкоцитов на изображении;

на этапе 8 устанавливают расположение лейкоцитов, выделенных на этапе 7.

2. Способ по п. 1, характеризующийся тем, что для расчета H1 применяют формулу:

где P1 представляет двоичное изображение первой части, значение пикселя первой части равно 1, а остальные - 0, Σ(P1) представляет собой сумму значений пикселей в первой части, P1. * H представляет собой результат умножения значений пикселей в одной и той же позиции, и

где Р2 представляет двоичное изображение второй части, значение пикселя второй части равно 1, а остальные - 0, Σ(P2) представляет собой сумму значений пикселей во второй части, а P2. * H представляет собой результат умножения значений пикселей в одной и той же позиции.

3. Способ по п. 1, характеризующийся тем, что на этапе 6 функцию потерь алгоритма дерева решений добавляют с количеством оконечных листовых узлов, чтобы использовать для сокращения с предотвращением чрезмерной аппроксимации.

4. Способ по п. 1, характеризующийся тем, что этап 7 содержит:

выбор соответствующего структурного элемента b для выполнения операции обтравки на двоичном изображении, полученном на этапе 6, удаления несвязных областей и выполнения операции расширения, выполненной с использованием формулы:

где f представляет двоичное изображение, полученное на этапе 6, представляет собой операцию расширения, и представляет собой операцию обтравки; и

заполнение точечных отверстий на изображении f морфологической реконструкцией, где заполнение выполняют с использованием формулы:

где представляет собой результат реконструкции, и - операция логического умножения.

Документы, цитированные в отчете о поиске Патент 2021 года RU2755553C1

CN 106780522 A, 31.05.2017
Станок для изготовления деревянных ниточных катушек из цилиндрических, снабженных осевым отверстием, заготовок 1923
  • Григорьев П.Н.
SU2008A1
CN 102298700 A, 28.12.2011
CN 104484877 A, 01.04.2015
СПОСОБ МИКРОСКОПИЧЕСКОГО ИССЛЕДОВАНИЯ ОБРАЗЦА, СОДЕРЖАЩЕГО МИКРООБЪЕКТЫ С РАЗНОРОДНЫМИ ЗОНАМИ 2006
  • Никитаев Валентин Григорьевич
  • Проничев Александр Николаевич
  • Чистов Кирилл Сергеевич
  • Зайцев Сергей Михайлович
  • Филиппенко Мария Владимировна
  • Воробьев Иван Андреевич
  • Харазишвили Дмитрий Викторович
  • Зубрихина Галина Николаевна
  • Блиндарь Валентина Николаевна
RU2308745C1
СПОСОБ РАСПОЗНАВАНИЯ И ПОДСЧЕТА КЛЕТОК В БИОЛОГИЧЕСКИХ СРЕДАХ ЧЕЛОВЕКА И ЖИВОТНЫХ И УСТРОЙСТВО ДЛЯ ЕГО ОСУЩЕСТВЛЕНИЯ 2004
  • Козлов Альберт Анатольевич
  • Голиков Эдуард Вячеславович
  • Сидоров Михаил Александрович
  • Ибрагимова Ирина Тагировна
RU2303812C2

RU 2 755 553 C1

Авторы

Фан, Фэнци

Ли, Цян

Лу, Цзюй

Ли, Шунь

Лю, Юнтао

Ху, Цзяцзя

Хуан, Чжэнь

Даты

2021-09-17Публикация

2019-05-22Подача