【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种适于液体样本中的颗粒的分类的颗粒分类器系统、一种用于训练包括人工智能处理系统的颗粒分类器系统的方法、一种针对目标颗粒的存在而分析测试液体样本的方法、以及一种液体样本中的颗粒的分类的方法。颗粒分类器系统和方法可以用于诸如水、血液、尿液、牛奶和类似流体之类的流体中的颗粒的自动分类。
技术介绍
在来自2006年的美国申请第0249082号中,Holmertz等人公开了一种用于对牛奶中的体细胞和脂肪滴进行计数的方法和装置。装置采集流过管中的相机的生牛奶的图像。图像包括脂肪滴、体细胞和牛奶的其它部分的颗粒。以高空间分辨率对颗粒清晰成像,并且在图像的采集之后,对其数字处理-优选地通过使用神经网络。来自装置的输出是脂肪滴计数或体细胞计数,根据其使用测量室的大小的估计值来计算浓度。装置要求大量图像(数千个)以得到足够高准确度的浓度。在来自1998年的美国专利第5,715,182号中,Asai等人公开了一种用于流体中的颗粒的分类和检查的设备。在所呈现的设备中,诸如尿液之类的流体在流动池中向下流过相机,其中相机清晰采集尿液的图像。一次仅对一个颗粒进行成像,并且在采集之后,单元提取清晰成像的颗粒的特性。然后,将特性馈给到被训练为在所讨论的颗粒之间进行区分的神经网络。在所提到的现有技术分类设备中,流体中的颗粒必须一次一个地通过相机。这是非常耗费时间的,因为必须针对所得分类的合理良好统计而采集许多图像。而且,仅采集每个颗粒的一个图像(清晰),但是由于若干不同颗粒可能看起来非常相同,因而可能难以精确地对其进行分类。在 ...
【技术保护点】
一种适于液体样本中的颗粒的分类的颗粒分类器系统,所述颗粒分类器系统包括:‑ 光学检测组件,其包括具有光轴的至少一个图像采集设备,所述图像采集设备被配置为采集垂直于所述光轴的图像采集区域的图像;‑ 样本设备,其包括适于保持液体形式的样本的至少一个样本容器;‑ 平移布置,其被配置为使所述图像采集区域平移通过所述样本容器的至少一部分;‑ 控制系统,其被配置为控制所述光学检测组件和所述平移单元以采集多个图像采集区域的图像;‑ 图像分析处理系统,其被编程为通过包括以下各项的方法来分析所述所采集的图像:创建由所述所采集的图像捕获的单独颗粒的对象(子图像),创建每个单独颗粒的对象的堆叠,识别包括其中所述颗粒清晰的至少一个对象和其中所述颗粒模糊的两个对象的对象的完整堆叠,以及针对对象的所述完整堆叠中的每一个确定至少N个特征的特征的集合的值的集合,其中N大于或等于1,并且其中特征的所述集合的所述值的确定涉及从其中所述颗粒清晰的所述至少一个对象和/或其中所述颗粒模糊的所述至少两个对象所获得的数据;以及‑ 人工智能处理系统,其被编程为将每个单独颗粒的特征的所述所确定的集合的值的所述集合与颗粒分类相关联。
【技术特征摘要】
【国外来华专利技术】2012.12.19 DK PA201270800;2012.12.19 US 61/7393231.一种适于液体样本中的颗粒的分类的颗粒分类器系统,所述颗粒分类器系统包括:
-光学检测组件,其包括具有光轴的至少一个图像采集设备,所述图像采集设备被配置为采集垂直于所述光轴的图像采集区域的图像;
-样本设备,其包括适于保持液体形式的样本的至少一个样本容器;
-平移布置,其被配置为使所述图像采集区域平移通过所述样本容器的至少一部分;
-控制系统,其被配置为控制所述光学检测组件和所述平移单元以采集多个图像采集区域的图像;
-图像分析处理系统,其被编程为通过包括以下各项的方法来分析所述所采集的图像:
创建由所述所采集的图像捕获的单独颗粒的对象(子图像),
创建每个单独颗粒的对象的堆叠,
识别包括其中所述颗粒清晰的至少一个对象和其中所述颗粒模糊的两个对象的对象的完整堆叠,以及
针对对象的所述完整堆叠中的每一个确定至少N个特征的特征的集合的值的集合,其中N大于或等于1,并且其中特征的所述集合的所述值的确定涉及从其中所述颗粒清晰的所述至少一个对象和/或其中所述颗粒模糊的所述至少两个对象所获得的数据;以及
-人工智能处理系统,其被编程为将每个单独颗粒的特征的所述所确定的集合的值的所述集合与颗粒分类相关联。
2.根据权利要求1所述的颗粒分类器系统,其中所述颗粒分类器系统包括两个操作模式,其包括训练模式和分类模式。
3.根据权利要求2所述的颗粒分类器系统,其中所述颗粒分类器系统在其训练模式中被编程为将特征的所述集合的所述值与由所述颗粒分类器系统的用户所提供的分类相关联。
4.根据权利要求2或3所述的颗粒分类器系统,其中所述颗粒分类器系统在其分类模式中被编程为基于来自所述颗粒的对象的堆叠的特征的集合并且使用包括存储在所述存储器上的与相应分类相关联的特征的多个集合的所述人工智能处理系统对颗粒进行分类。
5.根据前述权利要求中任一项所述的颗粒分类器系统,其中所述图像采集设备是被配置为扫描通过所述样本容器中的流体的至少一部分的相机,所述图像采集设备优选地被配置为在与所述光轴不同的扫描方向上扫描通过所述样本容器中的流体的至少一部分。
6.根据前述权利要求中任一项所述的颗粒分类器系统,其中所述样本设备包括多个相同或不同的样本容器。
7.根据前述权利要求中任一项所述的颗粒分类器系统,其中所述平移布置被配置为以每个所采集的图像之间的步长使所述图像采集区域平移,所述步长优选地是预选择的步长。
8.根据权利要求7所述的颗粒分类器系统,其中所述步长被用于确定对象的所述堆叠中的对象之间的距离。
9.根据前述权利要求中任一项所述的颗粒分类器系统,其中所述平移布置被配置为使所述样本设备和所述光学检测组件相对于彼此移动。
10.根据前述权利要求中任一项所述的颗粒分类器系统,其中所述图像分析处理系统被编程为通过包括创建由所述所采集的图像捕获的单独颗粒的对象的方法来分析所述所采集的图像,其中通过复制围绕单独颗粒的对象外围线内的所有像素并且使所述经复制的像素经受至少一个滤波器中的滤波来创建每个对象,所述滤波器优选地包括形状滤波器、大小滤波器、对比度滤波器或强度滤波器。
11.根据权利要求10所述的颗粒分类器系统,其中围绕单独颗粒的所述对象外围线是矩形、二次型、圆形,优选地所述对象外围线被成形为多边形。
12.根据前述权利要求中任一项所述的颗粒分类器系统,其中所述图像分析处理系统被编程为通过包括创建由所述所采集的图像捕获的单独颗粒的对象并且提供所述单独颗粒的所述对象的堆叠的方法来分析所述所采集的图像,其中所述对象各自仅包括一个颗粒。
13.根据前述权利要求中任一项所述的颗粒分类器系统,其中所述图像分析处理系统被编程为通过包括创建由所述所采集的图像捕获的单独颗粒的对象并且提供所述单独颗粒的所述对象的堆叠的方法来分析所述所采集的图像,其中所述对象包括围绕所述颗粒的无颗粒区域。
14.根据前述权利要求中任一项所述的颗粒分类器系统,其中所述图像分析处理系统被编程为识别对象的完整堆叠,其中对象的所述完整堆叠包括在清晰对象的任一侧上所采集的至少一个模糊对象。
15.根据前述权利要求中任一项所述的颗粒分类器系统,其中所述图像分析处理系统被编程为识别对象的完整堆叠,其中对象的所述完整堆叠包括至少5个对象,诸如至少9个对象、诸如至少15个对象、诸如至少25个对象、诸如至少49个对象。
16.根据前述权利要求中任一项所述的颗粒分类器系统,其中所述图像分析处理系统被编程为针对对象的所述完整堆叠中的每一个确定至少N个特征的特征的预定集合的值,其中N是2或更多,诸如3或更多、诸如4或更多、诸如多达大约100。
17.根据前述权利要求中任一项所述的颗粒分类器系统,其中所述图像分析处理系统被编程为确定包括以下各项中的至少一项的特征的集合的值:
涉及模糊对象的特征,和/或
涉及清晰对象的灰度版本的特征,和/或
涉及清晰对象的阈值化版本的特征,和/或
涉及清晰和模糊对象二者的特征。
18.根据前述权利要求中任一项所述的颗粒分类器系统,其中所述分类器系统适于对选自以下各项的组的颗粒的分类:细菌、古生菌、酵母、真菌、花粉、病毒、白细胞、诸如粒性白细胞、单核细胞、红血球、血小板、卵细胞、精子、受精卵、干细胞、体细胞、结晶体、脂肪滴和其混合物。
19.根据前述权利要求中任一项所述的颗粒分类器系统,其中所述人工智能处理系统能够将特征的集合与颗粒的特定种类相关联,从颗粒的对象的完整堆叠获得特征的集合,并且特征的集合与颗粒的所述特定种类的关联基于与颗粒的所述种类相关联的特征的多个集合和与颗粒的至少一个其它种类相关联的特征的多个集合的统计方法和处理。
20.根据前述权利要求中任一项所述的颗粒分类器系统,其中所述人工智能处理系统包括神经网络。
21.根据前述权利要求中任一项所述的颗粒分类器,其中所述人工智能处理系统被编程为应用统计方法。
22.根据前述权利要求中任一项所述的颗粒分类器,其中所述神经网络是前馈人工神经网络。
23.根据前述权利要求中任一项所述的颗粒分类器系统,其中所述系统适于顺序地采集图像的集合并且对由图像的第一集合捕获的颗粒和由至少图像的第二集合捕获的颗粒进行分类,从而从图像的所述第一集合创建对象的堆叠的第一整体并且从图像的所述第二集合创建对象的堆叠的第...
【专利技术属性】
技术研发人员:MC瓦维克,NA拉森,TW伯格,
申请(专利权)人:皇家飞利浦有限公司,
类型:发明
国别省市:荷兰;NL
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。