本申请提出了多次不同物镜下拍摄细胞重定位方法、装置及其应用，包括以下步骤：S000、在第一设定倍率物镜下，对玻片进行单通道图像采集，并对图像中目标细胞进行分组初筛，以获取目标细胞的位置；S100、基于目标细胞的位置，在比第一设定倍率大的第二设定倍率物镜下，通过特征描述子的优势特征点匹配对图像中目标细胞进行重定位；S200、重定位后，在第二设定倍率物镜下采集多通道图片，以进行目标细胞的分析。本申请可更加精准快速地定位到目标细胞。本申请可更加精准快速地定位到目标细胞。本申请可更加精准快速地定位到目标细胞。
【技术实现步骤摘要】
多次不同物镜下拍摄细胞重定位方法、装置及其应用
[0001]本申请涉及图像识别
，特别是涉及多次不同物镜下拍摄细胞重定位方法、装置及其应用。
技术介绍
[0002]非血源细胞分型检测中非目标细胞选型占比较小，白细胞占比较多；本产品通过系统分组后，针对性的非血源细胞对荧光信号进行图谱分析，所以需要更为自动化的方式定位到目标细胞进行分析。由于荧光场景下，细胞稀疏且形态相近；人们普遍定位物体的方式会采用多种参照物来准确定位某一位置，显微也通过多种参照的方式来定位物体的位置，显微视野比宏观视野显得更大，通过待重定位细胞区域搜索的方式耗时且易错。
[0003]目前有存在基于所采集的图片对目标细胞进行准确的定位后再对目标细胞在重定位位置不同焦平面采集多通道细胞图像进行细胞杂交信号进行分析，但是存在以下技术问题：
[0004]1.形态差异：在高倍镜下细胞的形态细节更多，采集的图片可能表现得不一致。
[0005]2.对焦导致的尺度差异：电机受运动的影响，每个视野的对焦位置不同，可能导致目标细胞在视野中的相对位置也不同，在已初步确定得相对位置不可能呈完全相同的比例通过计算得到。
[0006]3.曝光差异：由于玻片中出现的杂质、视野太大或相机成像本身的原因影响对焦结果，一个视野中有多个目标细胞，导致20X物镜下部分目标细胞与40X曝光相差非常大，单纯的一种方式处理可能导致部分细胞无法定位。
[0007]4.玻片中细胞疏密不一，不同细胞可能与低倍物镜下形态非常接近或者相同细胞在高倍镜下形态不一，通过目标细胞制作模板进行模板匹配等处理可能出现选中多个细胞、选错细胞或选不中细胞。取重定位细胞则需要对所选细胞进行准确的定位。
[0008]因此，亟待一种能够解决上述问题的多次不同物镜下拍摄细胞重定位方法、装置及其应用。
技术实现思路
[0009]本申请实施例提供了多次不同物镜下拍摄细胞重定位方法、装置及其应用，针对目前技术存在较多缺陷的问题。
[0010]本专利技术核心技术主要是通过特征描述子的优势特征点匹配对图像中目标细胞进行重定位。
[0011]第一方面，本申请提供了多次不同物镜下拍摄细胞重定位方法，所述方法包括以下步骤：
[0012]S000、在第一设定倍率物镜下，对玻片进行单通道图像采集，并对图像中目标细胞进行分组初筛，以获取目标细胞的位置；
[0013]S100、基于目标细胞的位置，在比第一设定倍率大的第二设定倍率物镜下，通过特
征描述子的优势特征点匹配对图像中目标细胞进行重定位；
[0014]S200、重定位后，在第二设定倍率物镜下采集多通道图片，以进行目标细胞的分析。
[0015]进一步地，S100步骤中，在重定位之前还包括：
[0016]S110、将第二设定倍率物镜下采集的图像缩放到第一设定倍率同尺度下，得到缩放图；
[0017]S120、扩大第一设定倍率物镜下采集的单通道图像中目标细胞的感兴趣区域，以使得待重定位区域代入更多感兴趣区域的环境参照信息；
[0018]S130、通过特征描述子的优势特征点匹配对缩放图中目标细胞进行重定位。
[0019]进一步地，S100步骤中，重定位的具体步骤包括：
[0020]S131、分别计算缩放图和扩大感兴趣区域后的单通道图像的特征信息；
[0021]S132、通过关键点特征描述子获取缩放图和单通道图像的初步匹配关键点；
[0022]S133、对匹配关键点的样本进行筛选，以排除误匹配关键点对；
[0023]S134、处理上述步骤无法处理的点，并选取包含更多参照信息的区域作为模板图，以计算出缩放图各点对应第二设定倍率下的图像的坐标。
[0024]进一步地，S133步骤中，筛选的具体步骤为：
[0025]S1331、将已匹配的关键点对的坐标值归一化，并存储为索引对；
[0026]S1332、将裁剪后的缩放图和扩大感兴趣区域后的单通道图像按各自图像的尺度映射到设定网格中，以产生关键点聚集现象；
[0027]S1333、将设定网格的二维坐标值转换成一维索引值，以构建索引关系R图并将索引对映射到R中；
[0028]其中，定义R的横坐标x为源的匹配下标索引，纵坐标y为目标的匹配索引；
[0029]S1334、选取索引关系R图中R每一行的最大值作为正确匹配值，其余为误匹配；
[0030]S1335、将扩大感兴趣区域后的单通道图像的关键点映射到设定网络后，再将映射后的横坐标和纵坐标分别加上设定值后再组合，并重复S1333～1334步骤得到最终结果，该最终结果对应的索引下标为正确匹配的关键点；
[0031]S1336、只取第一设定倍率下单通道图像中待重定位的细胞区域中的特征点，将该特征点作为重定位后在新坐标中的坐标值。
[0032]进一步地，S134步骤中，处理的具体步骤为：
[0033]S1341、对缩放图和第一设定倍率下的单通道图像同时进行降采样；
[0034]S1342、对降采样后的缩放图进行多次分块，并对出现在降采样的单通道图像中的块计算中心点；
[0035]S1343、对中心点做聚类，以选取最大的类作为新的中心点，并计算出目标细胞在降采样的单通道图像中与新的中心点的偏移量；
[0036]S1344、通过该偏移量计算出目标细胞在第二设定倍率下图像的对应坐标。
[0037]进一步地，处理的具体步骤还包括：
[0038]S1345、将感兴趣区域扩大作为模板图片，并对该模板图片所在区域收集平均灰度和标准差，以对模板图片进行灰度统计，按比例提升灰度值；
[0039]S1346、根据重定位后第二设定倍率中目标细胞所在视野范围，取视野中心偏上的
区域截取作为搜索区域图像；
[0040]S1347、将搜索区域图像和模板图片的灰度值保持到同一水平后进行模板匹配；
[0041]S1348、选取设定匹配阈值的点作为匹配位置，并计算该匹配位置为第二设定倍率物镜下图像的新坐标值；若不满足设定匹配阈值，则包含中心点在内的区域作为匹配位置，并计算该匹配位置为第二设定倍率物镜下图像的新坐标值。
[0042]进一步地，S131步骤中，通过ORB算法分别计算缩放图和扩大感兴趣区域后的单通道图像的特征信息；S132步骤中，关键点特征描述子通过最近邻方式得到初步的匹配关键点。
[0043]第二方面，本申请提供了一种多次不同物镜下拍摄细胞重定位装置，包括：
[0044]采集模块，用于在第一设定倍率物镜下，对玻片进行单通道图像采集，并对图像中目标细胞进行分组初筛，以获取目标细胞的位置；
[0045]重定位模块，用于基于目标细胞的位置，在比第一设定倍率大的第二设定倍率物镜下，通过特征描述子的优势特征点匹配对图像中目标细胞进行重定位；
[0046]分析模块，用于在重定位后，在第二设定倍率物镜下采集多通道图片，以本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.多次不同物镜下拍摄细胞重定位方法，用于非血源细胞分型检测，其特征在于，包括以下步骤：S000、在第一设定倍率物镜下，对玻片进行单通道图像采集，并对图像中目标细胞进行分组初筛，以获取目标细胞的位置；S100、基于目标细胞的位置，在比第一设定倍率大的第二设定倍率物镜下，通过特征描述子的优势特征点匹配对图像中目标细胞进行重定位；S200、重定位后，在第二设定倍率物镜下采集多通道图片，以进行目标细胞的分析。2.如权利要求1所述的多次不同物镜下拍摄细胞重定位方法，其特征在于，S100步骤中，在重定位之前还包括：S110、将第二设定倍率物镜下采集的图像缩放到第一设定倍率同尺度下，得到缩放图；S120、扩大第一设定倍率物镜下采集的单通道图像中目标细胞的感兴趣区域，以使得待重定位区域代入更多感兴趣区域的环境参照信息；S130、通过特征描述子的优势特征点匹配对缩放图中目标细胞进行重定位。3.如权利要求2所述的多次不同物镜下拍摄细胞重定位方法，其特征在于，S100步骤中，重定位的具体步骤包括：S131、分别计算缩放图和扩大感兴趣区域后的单通道图像的特征信息；S132、通过关键点特征描述子获取缩放图和单通道图像的初步匹配关键点；S133、对匹配关键点的样本进行筛选，以排除误匹配关键点对；S134、处理上述步骤无法处理的点，并选取包含更多参照信息的区域作为模板图，以计算出缩放图各点对应第二设定倍率下的图像的坐标。4.如权利要求3所述的多次不同物镜下拍摄细胞重定位方法，其特征在于，S133步骤中，筛选的具体步骤为：S1331、将已匹配的关键点对的坐标值归一化，并存储为索引对；S1332、将裁剪后的缩放图和扩大感兴趣区域后的单通道图像按各自图像的尺度映射到设定网格中，以产生关键点聚集现象；S1333、将设定网格的二维坐标值转换成一维索引值，以构建索引关系R图并将索引对映射到R中；其中，定义R的横坐标x为源的匹配下标索引，纵坐标y为目标的匹配索引；S1334、选取索引关系R图中R每一行的最大值作为正确匹配值，其余为误匹配；S1335、将扩大感兴趣区域后的单通道图像的关键点映射到设定网络后，再将映射后的横坐标和纵坐标分别加上设定值后再组合，并重复S1333～1334步骤得到最终结果，该最终结果对应的索引下标为正确匹配的关键点；S1336、只取第一设定倍率下单通道图像中待重定位的细胞区域中的关键点，并且所取关键点knn描述子计算的距离小于设定阈值，再从剩余的关键点中取knn描述子计算的距离最小的特征匹配点，将该特征匹配点作为重定...
【专利技术属性】
技术研发人员：黄强，王子晗，张军，邝国涛，靳杰，
申请(专利权)人：深圳市生强科技有限公司，
类型：发明
国别省市：
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。