CN103959038B - 用于图像数据处理的方法和系统 - Google Patents
用于图像数据处理的方法和系统 Download PDFInfo
- Publication number
- CN103959038B CN103959038B CN201280058181.2A CN201280058181A CN103959038B CN 103959038 B CN103959038 B CN 103959038B CN 201280058181 A CN201280058181 A CN 201280058181A CN 103959038 B CN103959038 B CN 103959038B
- Authority
- CN
- China
- Prior art keywords
- particulate
- image
- transformation parameter
- module
- transformation
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000012545 processing Methods 0.000 title claims description 16
- 230000009466 transformation Effects 0.000 claims abstract description 73
- 239000000463 material Substances 0.000 claims abstract description 11
- 230000010354 integration Effects 0.000 claims description 18
- 238000003384 imaging method Methods 0.000 claims description 17
- 238000013519 translation Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000003287 optical effect Effects 0.000 description 33
- 239000000758 substrate Substances 0.000 description 18
- 230000008859 change Effects 0.000 description 9
- 239000011859 microparticle Substances 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 239000012491 analyte Substances 0.000 description 6
- 239000002245 particle Substances 0.000 description 6
- 230000004075 alteration Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000004043 dyeing Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 239000007850 fluorescent dye Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000011324 bead Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 239000004005 microsphere Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000011469 building brick Substances 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000004816 latex Substances 0.000 description 2
- 229920000126 latex Polymers 0.000 description 2
- 238000011002 quantification Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 239000004793 Polystyrene Substances 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- -1 nanometerPoint Substances 0.000 description 1
- 239000002105 nanoparticle Substances 0.000 description 1
- 239000002078 nanoshell Substances 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 229920002223 polystyrene Polymers 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Classifications
-
- G06T3/14—
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Electro-optical investigation, e.g. flow cytometers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
- G01P5/18—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the time taken to traverse a fixed distance
- G01P5/20—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft by measuring the time taken to traverse a fixed distance using particles entrained by a fluid stream
-
- 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
- G06T7/20—Analysis of motion
- G06T7/262—Analysis of motion using transform domain methods, e.g. Fourier domain methods
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/64—Fluorescence; Phosphorescence
- G01N2021/6497—Miscellaneous applications
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10064—Fluorescence image
Abstract
计算机实现的方法、存储介质和系统的实施例可被配置成确定微粒在第一微粒图像中的位置。微粒可具有与之关联的荧光材料。这些实施例可包括计算变换参数,并且变换参数可定义微粒位置在第一微粒图像和第二微粒图像之间的估计移动。实施例可进一步包括将该变换参数施加至微粒在第一图像中的位置以确定微粒在第二图像中的移动位置。
Description
发明背景
优先权要求
本申请要求2011年10月18日提交的题为“MethodsandSystemsforImageDataProcessing(用于图像数据处理的方法和系统)”的美国临时专利申请61/627,851的优先权。
技术领域
本发明总地涉及用于图像数据处理的方法和系统。某些实施例涉及用于执行处理微粒的多个图像的一个或多个步骤以说明图像间的微粒移动的方法和系统。
关联技术的描述
以下的描述和示例不因为包括在本节中而被认为是现有技术。
使用诸如电荷耦合器件(CCD)检测器的检测器的成像在生物技术应用中被应用于若干种当前可用的仪器。这些应用可能需要对微粒进行多次成像。在这些微粒的多个图像中,微粒可能表现为移动。在时间上靠在一起拍摄的微粒图像(或在同一时间拍摄的)中,微粒可能表现出平移或移动。因此,需要研发出用于微粒图像的数据处理以说明微粒在图像之间的移动的方法和系统。
发明内容
前面列出的问题可大部分地通过用于执行与微粒的数据图像处理关联的一个或多个步骤的计算机实现方法、存储介质和系统来解决。下面给出的仅仅是无论如何不被解释成对权利要求书的主题构成限制的计算机实现方法、存储介质和系统的示例性实施例。
计算机实现方法、存储介质和系统的实施例可被配置成:确定微粒在第一微粒图像中的位置,其中微粒具有与之关联的荧光材料;计算变换参数,其中该变换参数定义在第一微粒图像和第二微粒图像之间微粒位置的估计移动;以及将变换参数作用至微粒在第一图像中的位置以确定微粒在第二图像中的移动位置。
在这些方法、存储介质和系统的一些实施例中,变换参数包括径向分量和恒定分量。径向分量可与微粒在第一图像中的位置和第一图像的中心之间的距离成正比。
在这些方法、存储介质和系统的一些实施例中,计算变换参数可包括估计微粒在第二图像中的估计位置并基于微粒在第一图像中的位置和微粒在第二图像中的估计位置来计算潜在的变换参数。在一些实施例中,计算变换参数可进一步包括基于潜在的变换参数确定最佳变换参数。
在这些方法、存储介质和系统的一些实施例中,估计微粒在第二图像中的估计位置可包括基于第二图像以及微粒在第一图像中的位置确定最大积分位置。另外,在一些实施例中,确定最佳变换参数包括使用霍夫(Hough)变换。
在这些方法、存储介质和系统的一些实施例中,可进一步包括基于微粒之间的力来计算误差分量。
术语“一”和“一个”被定义为一个或多个,除非本公开中另有明确要求。
术语“基本上”及其变化形式被定义为很大程度但不一定全部地,它被规定为由本领域内技术人员理解的那样,并且在一个非限定性实施例中,“基本上”指在规定内容的10%之内的范围,优选地在5%之内,更优选地在1%之内,并且最优选地在0.5%之内。
术语“包容”(以及任何形式的包容,例如“包涵”和“由……构成”)、“具有”(以及任何形式的具有,例如“具备”和“有”)、“包括”(以及任何形式的包括,例如“包含”和“涵盖”)以及包含(以及任何形式的包含,例如“含有”和“含”)是开放式的动词。结果,“包容”、“具有”、“包括”或“包含”一个或多个步骤或要素的方法或设备拥有这些一个或多个步骤或要素,但不限于仅拥有这些一个或多个要素。同样,“包容”、“具有”、“包括”或“包含”一个或多个特征的方法步骤或设备要素拥有这些一个或多个特征,但不限于仅拥有这些一个或多个特征。此外,以某种方式配置的设备或结构至少以这种方式配置,但也可以未列出的方式配置。
其它特征和关联的优势通过结合附图参照下面对具体实施例的详细描述而变得明显。
附图简述
下面的附图构成本说明书的一部分并被包括以进一步阐述本发明的某些方面。本发明可通过结合对本文给出的具体实施例的详细描述参照这些附图中的一张或多张附图而得到更好的理解。
图1是示出被配置成获取或处理微粒图像的系统的一个实施例的横截面图的示意图;
图2是列出处理微粒图像的方法的流程图;
图3示出在第一微粒图像和第二微粒图像之间的潜在栅格变形;
图4示出微粒的自由体图;
图5示出确定最大积分位置的具体实施例;
图6示出用于确定最佳变换参数的投票空间;以及
图7示出微粒的另一自由体图;
具体实施方式
尽管本文已针对微粒对诸实施例进行了描述,然而要理解本文描述的系统和方法也可与微球体、聚苯乙烯珠、微观微粒、金纳米微粒、量子点、纳米点、纳米微粒、纳米壳、小珠、微珠、乳胶颗粒、乳胶珠、荧光珠、荧光微粒、染色微粒、染色珠、组织、细胞、微观有机物、有机物质、无机物质或业内已知的任何其它离散物质一起使用。这些微粒可用作分子反应的载体。合适的微粒的例子在Fulton的美国专利5,736,330、Chandler等人的5,981,180、Fulton的6,057,107、Chandler等人的6,268,222、Chandler等人的6,449,562、Chandler等人的6,514,295、Chandler等人的6,524,793以及Chandler的6,528,165中被示出和描述,这些文献被全篇地援引包含于此。本文描述的系统和方法可与这些专利描述的任何微粒一起使用。另外,用于本文描述的方法和系统实施例的微粒可从例如德克萨斯州奥斯汀的Luminex公司的制造商那里获得。术语“微粒”和“微球体”和“珠”在本文中可互换地使用。
另外,可与本文描述的系统和方法兼容的微粒类型包括具有附于或关联于微粒表面的荧光材料的微粒。这些类型的微粒——其中荧光染料或荧光微粒被直接耦合至微粒表面以提供分类荧光(即测量荧光发射并将其用来确定微粒或微粒所属子集的身份)——在Chandler等人的美国专利6,268,222和Chandler等人的6,649,414中示出和描述,这些文献被全篇地援引包含于此。可在本文描述的方法和系统中使用的微粒类型也包括具有纳入到微粒芯内的一种或多种荧光色素或荧光染料的微粒。
可用于本文描述的方法和系统的微粒进一步包括本身一旦暴露于一种或多种合适的光源即表现出一种或多种荧光信号的微粒。此外,可制造微粒,由此一旦激励,这些微粒表现出多个荧光信号,其每一个信号可单独或结合地使用以确定微粒的身份。如下文描述的,图像数据处理可包括微粒的分类(尤其是对多分析物流体)以及束缚于微粒的分析物的量的确定。由于表征束缚于微粒的分析物的量的报告信号在操作期间一般是未知的,因此可结合本文描述的系统使用特别染色的微粒,这种特别染色的微粒不仅发出分类波长或波带下的荧光也发出报告波长或波带下的荧光。
本文描述的方法一般包括分析微粒图像并处理从该图像测得的数据以确定微粒在图像中的位置。接下去对微粒的一个或多个特征的处理可根据Fulton的美国专利5,736,330、Chandler等人的5,981,180、Chandler等人的6,449,562、Chandler等人的6,524,793、Chandler的6,592,822、Chandler等人的6,939,720以及Roth等人的美国专利申请11/534,166中描述的方法来执行,这些文献被全篇地援引包含于此。
现在参见附图,要注意图1不是按比例绘制的。具体地说,附图中的某些要素的比例被很大程度地放大以突出这些要素的特性。为清楚起见,系统的一些要素未被包含在附图中。
根据本文描述的方法的实施例配置成产生、获取或提供微粒图像并处理图像的系统的一个实施例示出于图1中。图1中示出的系统可用于诸如微粒的多个分析物测量的应用。系统包括成像子系统,该成像子系统包括光源10。光源10可包括一个或多个光源,例如发光二极管(LED)、激光器、弧光灯、白炽灯或业内已知的任何其它合适的光源。作为附加或替代,光源可包括一个以上的光源(未示出),其每一个被配置成产生在不同波长或不同波带下的光。用于图1所示系统的光源的合适组合的一个例子包括,但不限于,两个或更多个LED。来自一个以上光源的光可通过分束器(未示出)或业内已知的任何其它合适光学元件合并到共同照明路径中,以使来自光源的光可被同时引导至微粒。替代地,成像子系统可包括例如反射镜的光学元件(未示出)以及配置成根据使用哪些光源来照射微粒来将光学元件移入和移出照明路径的设备(未示出)。如此,这些光源可用来以不同光波长或光波带顺序地照射微粒。光源也可从上方照射衬底,而不是衬底(未示出)下方。
可选择光源以提供多个波长或波带下的光,这使耦合于此的微粒或材料发射出荧光。例如,可选择多个波长或波带以激励纳入到微粒中和/或耦合至微粒表面的荧光染料或其它荧光材料。如此,可选择波长或波带以使微粒发射出荧光,该荧光用于微粒的分类。另外,可选择多个波长或波带以激励经由微粒表面上的试剂耦合至微粒的荧光染料或其它荧光材料。因此,可选择多个波长或波带以使微粒发射出荧光,该荧光用来检测和/或量化发生在微粒表面上的反应。
如图1所示,成像子系统可包括光学元件12,该光学元件12被配置成将光从光源10引导至其上微粒16不移动的衬底14。在一个例子中,光学元件12可以是准直透镜。然而,光学元件12可包括可用于将来自光源10的光成像到衬底14上的任何其它合适的光学元件。另外,尽管光学元件在图1中表示为单个光学元件,但要理解光学元件12可包括一个以上的折射元件。此外,尽管光学元件12在图1中图示为折射光学元件,但要理解可使用一个或多个反射光学元件(可能与一个或多个折射光学元件结合)以将来自光源10的光成像到衬底14上。
微粒16可包括前述微粒中的任何一种。衬底14可包括业内已知的任何合适衬底。在衬底14上不移动的微粒可被设置在成像腔(未示出)或用于保持衬底14和在其上不移动的微粒16相对于成像子系统的位置的任何其它设备。用于维持衬底14位置的设备也可被配置成在成像前改变衬底的位置(例如将成像子系统聚焦到衬底上)。微粒在衬底上的不移动性可使用磁吸引、真空过滤板或业内已知的任何其它合适的方法来实现。用于定位微球体以成像的方法和系统的例子示出于2005年11月9日Pempsell提交的美国专利申请11/270,786,该文献全篇的援引包含于此。微粒不移动方法本身对于本文描述的方法和系统而言不是特别重要的。然而,微粒优选是不移动的,由此微粒在检测器积分周期期间没有可察觉的移动,所述积分周期可以是几秒长。
如图1所示,成像子系统可包括光学元件18和分束器20。光学元件18被配置成将光从衬底14和在其上不移动的微粒16聚焦到分束器20。光学元件18可进一步如前所述地相对于光学元件12配置。分束器20可包括业内已知的任何合适分束器。分束器20可被配置基于光波长成将光从光学元件18引导至不同的检测器。例如,具有第一波长或波带的光可通过分束器20传输,而具有不同于第一波长或波带的第二波长或波带的光可由分束器20反射。成像子系统也可包括光学元件22和检测器24。通过分束器20传输的光可被引向到光学元件22。光学元件22被配置成将通过分束器传输的光聚焦到检测器24上。成像子系统可进一步包括光学元件26和检测器28。由分束器20反射的光可被引向到光学元件26。光学元件26被配置成将通过分束器反射的光聚焦到检测器28上。光学元件22、26可如前所述地相对于光学元件12配置。
检测器24、28可包括例如电荷耦合器件(CCD)检测器或业内已知的任何其它合适成像检测器,例如CMOS检测器、光敏元件的二维阵列、时间延迟积分(TDI)检测器等等。在一些实施例中,可使用例如二维CCD成像阵列的检测器来同时获取整个衬底或衬底上不移动的全部微粒的图像。如此,来自衬底被照射区域的所有光子可同时地被聚集,由此消除由于其它当前可用系统中使用的采样孔造成的误差,所述当前可用系统包括光电倍增管(PMT)和扫描器件。另外,系统中包括的检测器的数量可等于感兴趣的波长或波带的数目,以使每个检测器被用来产生在其中一个波长或波带下的图像。
由检测器产生的每个图像可使用光带通元件(未示出)或业内已知的任何其它合适的元件进行光谱滤光,所述元件被设置在从分束器至检测器的光路中。对于每个捕捉的图像可使用不同的滤光“带”。在其上获取图像的每个波长或波带的检测波长中心和宽度可与感兴趣的荧光发射匹配,不管它是用于微粒分类还是报告信号。如此,图1所示系统的成像子系统可被配置成同时产生在不同波长或波带下的多个图像。尽管图1所示的系统包括两个检测器,然而要理解,该系统可包括两个以上的检测器(例如三个检测器、四个检测器等等)。如前所述,每个检测器可被配置成通过包括一个或多个光学元件同时地和/或顺序地产生在不同波长或波带下的图像,所述光学元件用于将不同波长或波带下的光同时地和/或顺序地引向至不同的检测器。
另外,尽管图1示出系统包括多个检测器,但要理解系统也可包括单个检测器。单个检测器可用来顺序地产生在多个波长或波带下的多个图像。例如,不同波长或波带的光可顺序地被引向至衬底,并可在用不同波长或波带的每一个照射衬底期间产生不同的图像。在另一例子中,用于选择被引向至单个检测器的光的波长或波带的不同滤光器可改变(例如通过将不同滤光器移入和移出成像路径)以顺序地产生在不同波长或波带下的图像。
因此,图1所示的成像子系统被配置成产生多个或一系列图像,这些图像表征微粒16在若干感兴趣波长下的荧光发射。另外,系统可被配置成向处理器(例如处理引擎)提供多个或一系列数字图像,所述数字图像表征微粒的荧光发射。在一个这样的例子中,系统可包括处理器30。处理器30可被配置成从检测器24、28获取(例如接收)图像数据。例如,处理器30可以业内已知的任何合适方式耦合至检测器24、28(例如经由传输介质(未示出),每个传输介质经由例如模数转换器的一个或多个电子组件(未示出)将检测器之一耦合至处理器,每个电子组件耦合在检测器和处理器之间,等等)。优选地,处理器30至少被配置成处理和分析这些图像以确定微粒16的一种或多种特性,例如微粒分类以及与发生在微粒表面上的反应有关的信息。这一个或多个特征可通过处理器以任何合适格式输出,所述合适格式例如是具有对于每个波长的每种微粒的荧光量级的表项的数据阵列。具体地说,处理器也可(替代地或附加地)配置成执行本文描述的方法实施例的一个或多个步骤以处理和分析图像。
处理器30可以是例如通常包含在典型个人计算机、大型机计算机系统、工作站等中的那些处理器。一般来说,术语“计算机系统”可广泛地定义为涵盖具有一个或多个处理器的任何设备,这些处理器执行来自存储器介质的指令。处理器可使用任何其它合适功能硬件来实现。例如,处理器可包括固件中具有固定程序的数字信号处理器(DSP)、现场可编程门阵列(FPGA)或在高级编程语言中采用顺序逻辑“写入”的其它可编程逻辑器件(PLD),所述高级编程语言例如是超高速集成电路(VHSIC)硬件描述语言(VHDL)。在另一例子中,可在处理器30上执行以执行本文描述的计算机实现方法的一个或多个步骤的程序指令(未示出)可在例如C#(可按需在C++下对其一部分编码)、ActiveX控件、JavaBeans、MicrosoftFoundationClasses("MFC")的高级语言下或其它技术或方法下(按照需要)被编码。程序指令可以多种方式中的任何一种来实现,包括基于过程的技术、基于组件的技术和/或面向对象的技术及其它。
例如本文描述的那些程序指令实现方法可在存储介质上传输或被存储在存储介质上。存储介质可包括但不限于只读存储器、随机读取存储器、磁盘或光盘或者磁带。对于每个图像,全部就位的微粒以及对每个标识的微粒确定的值和/或统计可被存储在存储介质内的存储器介质中。本文描述的图像处理方法可使用一种或多种算法来执行。如下文中更详细描述的,算法可能是复杂的,并因此最好通过计算机(例如处理设备)来实现。因而,本文中并且尤其参照图2描述的方法可被称为“计算机实现方法”,并因此,术语“方法”和“计算机实现方法”在本文中可互换地使用。注意,本文描述的计算机实现方法和系统的程序指令在一些情形下可被配置成执行那些关联于本文描述的方法以外的过程,因此,本文描述的计算机实现方法和系统的程序指令不一定仅限于附图中的描述。
根据一个实施例,用于图像数据处理的计算机实现方法包括下列步骤中的一个或多个(即高级操作):确定微粒在第一图像中的位置;计算变换参数;并将所述变换参数施加至微粒在第一图像中的位置以确定微粒在第二图像中的移动位置。在一些实施例中,这些步骤可顺序地以前面列出的顺序执行。
图2示出一种方法200,该方法200示出用于图像处理的步骤的示例性顺序。如图所示,方法200可包括:获取202对具有与之关联的荧光材料的微粒的多个图像的数据,其中所述多个图像中的每一个对应于不同的波带。在一些情形下,数据可直接从成像系统获得,但在其它情形下,数据可从存储介质获得。在任一情形下,数据可以是在前面提到的不同波长下得到的多个图像的表征。可使用的示例性波长可对应于不同颜色通道,例如但不限于,分类通道1对应红色,分类通道2对应红色(例如相同或不同波长的红色)、报告通道对应绿色。如前面进一步描述的,为了适应每个颜色通道,用于本文描述的方法的微粒可被特别染色以在感兴趣的所有波长或所有波带下发射光。具体地说,为了测量多个图像中的分类和报告信号两者,本文描述的方法可使用特别染色的微粒来实现,所述特别染色的微粒不仅在分类波长或波带下而且在报告波长或波带下发射出荧光。
在一些实施例中,取第一带宽的图像可被称为“第一图像”,而在相同或不同带宽下取得的后继/同步图像可被称为“第二图像”。在优选实施例中,第一图像可关联于分类通道(例如CL1或CL2),而第二图像可关联于报告通道(RP)。如前所述,第一图像和第二图像可连续地(以任何顺序)或同时地被取得。
在结合图1描述的子系统的实施例中,当横跨一个或多个图像观察时,为了可表现为移动。微粒在图像之间的移动可至少由透镜变形和/或色象差造成。也就是说,即便微粒实际上没有在多个图像之间平移或移动,它们仍然会基于透镜变形或色象差而看上去移动的。参见图1,透镜变形和/或色象差可可能是由滤光器(例如滤光轮)、光源10和/或光学元件12、18、22和26中的一个或多个造成的。图3(a)、3(b)和3(c)展示出可能由于栅格变形造成的移动。图3(a)示出由于透镜变形在分类通道图像(例如第一图像)中的栅格变形。如图所示,图像中的最大变形出现在角落。图3(b)示出报告通道图像(例如第二图像)中的栅格变形。如该图所示,图像中的最大变形也发生在角落。图3(c)示出报告通道图像和分类通道图像的一个角落的覆盖。如图所示,图3(c)示出从分类通道图像至报告通道图像朝向图像中心的明显移动。由此,作为透镜变形和色象差的结果,微粒可表现为在分类通道图像和报告通道图像之间移动。如图3所示,透镜变形是径向移动的一个成因。经过任何玻璃(例如光学元件、腔等等)的光可以不同方式折射不同的波长——类似于棱镜。腔(例如顶板)或其它光学元件的变化可能使色象差也发生变化。
在获取202多个(例如至少两个)图像的数据后,方法200可通过确定微粒在第一微粒图像中的位置而前进。如贯穿全文讨论的,微粒可具有与之关联的荧光材料。另外,在一些实施例中,“第一图像”可特别指分类通道图像。本领域内技术人员将发现众多图像处理技术以确定微粒在分类通道图像中的位置,包括峰搜索和类似的方法。例如,在Roth等人的美国专利申请11/534,166中讨论了多种方法。
在一些实施例中,确定微粒在分类通道图像中的位置可以比确定微粒在报告通道图像中的位置更为容易。如前所述,分类通道图像可被配置成照射微粒本身,而报告通道图像可被配置成照亮束缚于微粒的物质(例如分析物)。因而,分类通道图像中的峰搜索(或类似算法)可紧密地揭露微粒的位置。同时,峰搜索(或类似算法)可揭露分析物的位置——这可以关联于或可以不关联于微粒的位置。相反,在一些情形下,这一算法可揭露分析物在微粒边缘或甚至在不同微粒上的位置。
在方法200的一些实施例中,该方法可包括计算206变换参数。变换参数定义在第一微粒图像和第二微粒图像之间的微粒位置的估计移动。使用变换参数将允许人们因变于微粒在第一图像中的位置而确定微粒在第二图像中的位置。
在某些实施例中,变换参数可包括径向分量和恒定分量。例如,图4示出可用来定义变换参数的径向移动和恒定移动的一个实施例。恒定移动可以由滤光轮的光学效应诱发。如图4所示,p0表示微粒在第一图像中的位置,类似地,p1表示微粒在第二图像中的位置。这种移动可被定义为两个分量的组合:(1)s,恒定移动的矢量,以及(2)a,径向移动。径向分量可与微粒在第一图像中的位置和该图像的中心O之间的距离成正比。因此,pl的位置可使用方程1来确定:
p1=T(p0)=p0|s|α(Op0)(1)
使用方程1和变换参数(例如由a和s定义),可确定微粒在第一图像中的位置。如前面定义的,方程1(使用分量a和s)反映了所披露方法的特定实施例。变换参数可仅包括一个分量或甚至多个分量。p0和p1之间的关系不一定是线性的,并且甚至可以是非线性的。
在一些实施例中,计算206变换参数可包括对微粒在第二图像中的估计位置进行估计208。如前所述,例如峰搜索算法的算法可以寻找微粒在第二图像中的位置或者可以不那样。这种算法可用来估计微粒在第二图像中的位置。被称为“最大积分位置”的另一方法将在下文中更详细地予以讨论。
基于这些估计位置中的一个或多个,可计算210潜在的变换参数。例如,可使用一对点(例如p0和估计的p1)来定义一个或多个潜在的变换参数。然而,在包含一个以上分量的变换参数的实施例中,可能需要一对以上的点来确定潜在的变换参数。可使用一对以上的点来定义一组潜在的变换参数——其中每对可定义一个潜在的变换参数。在一些实施例中,通过分析这组潜在的变换参数,可确定212最佳变换参数。在一个简单的实施例中,确定最佳变换参数可包括取这组潜在的变换参数的平均值、中值、模等等。使用霍夫变换的另一方法在下文中更详细地描述。
在一些实施例中,估计208微粒在第二图像中的位置可包括基于第二图像和微粒在第一图像中的位置来确定最大积分位置。图5(a)示出寻找最大积分位置(例如估计的p1)的一个实施例。寻找最大积分位置包括基于p0在第一图像中的位置来估计p1在第二图像中的位置。在一些实施例中,寻找最大积分位置包括寻找点p0在第二图像中的位置。微粒p0的最初位置示出于图5(a)中。寻找最大积分位置可进一步包括分析p0周围的某一距离的图像。p0周围的该某一距离可定义要被分析的面积。在图5(a)中,包含在方格内的图像部分可被分析。更具体地,在附图中,该方格是从p0开始沿每个方向上的三个像素定义的。在各实施例中,该距离可以是任何数量的像素或其它度量。在一些实施例中,p0周围的某个距离或者可通过p0周围的圆(例如基于半径)来定义。
寻找最大积分位置可进一步包括该面积中的一个或多个点q以计算以q为中心的积分密度。如图所示,面积中拟被分析的这组像素(例如方块)可定义一组点q。对于每个点q,计算其积分密度。在附图的特定实施例中,被积分的面积是由圆(例如具有2.5个像素的半径)定义的。在其它实施例中,拟被积分的面积可由方格(例如2.5像素的半边长)定义。在一些实施例中,使积分密度最大的q值被估计为微粒在第二图像中的位置(例如p1)。
如图5(a)所示,在该特定实施例中,最大积分位置方法正确地标识微粒在第二图像中的位置(例如p1)。相反,在图5(b)中,最大积分位置方法不正确地标识微粒在第二图像中的位置。在该图中,在第二图像中既有“暗”微粒又有“亮”微粒。给出暗微粒在第一图像中的位置p0,微粒在第二图像中的实际位置在图中被标识为“正确珠中心”。然而,由于来自相邻微粒的干扰,点p1被发现为最大积分位置。估计的微粒位置在图5(b)中示出为外层(outlier)。而来自图5(a)的一对点(p0和p1)可被用来计算“正确的”变换参数,来自图5(b)的一对点可导致“不正确的”变换参数。
上面结合图5讨论的方法步骤是在结合方程2、3的特定实施例中讨论的。方程2定义了第二图像(例如RP)中在点p周围在积分半径r的像素和f(p)。方程3将K(p0,m)定义为离p0的距离小于m的所有点p1在第二图像(例如RP)中的一组积分密度。
f(p)=Σ{q:||q-p||<r}RP(q)(2)
给出第一图像中的微粒p0的中心,该微粒在第二图像中的最大积分位置(在该特定实施例)中可被定义为位置p1,其中f(p1)是k(p0,m)的最大值。这里,m是微粒从第一图像至第二图像的最大可拆分移动。
在估计208微粒在第二图像中的位置之后,可计算一组潜在变换参数,并可使用这组变换参数来确定最佳变换参数。如参照图5讨论的,一些对的点(例如p0和估计的p1)可以是“正确的”。也就是说,估计的p1对应于微粒在第二图像中的实际位置。同样,一些对的点将是“不正确的”。由于许多对的点将是正确的(例如在所有对的组中,p1被正确地估计是很可能的但不是最可取的),因此对于这个组的分析可揭示最佳变换参数。
在一特定实施例中,可基于每对点计算潜在变换参数。此外,可使用一种变换(例如霍夫变换),其中每对点对于潜在变换参数进行“投票”。由此,最佳变换参数将是获得最多总票数的潜在变换参数。可使用替代的算法,包括:1)p0、p1对的随机采样合意(RANSAC);以及2)通过首先专门地选择接近0的p0、p1以消除a的影响,求解s,并随后使用s和剩下的p0、p1对两者求解a的变量消除。
210计算潜在变换参数和确定212最佳变换参数的特定实施例在下面参照方程4、5来描述。该实施例使用具有如方程1定义的径向分量和恒定分量的变换参数。方程4对s求解方程1,而方程5对a求解方程1。
s=p1-p0-α(O-p0)(4)
下面给出的伪代码介绍参数V(例如霍夫空间或投票空间)。
在一特定实施例中,矢量s可在S的组中变动。例如,组S可被定义为从<-3,-3>至<3,3>地变动,并且S可在每1/5个像素被量化。这样的一组S将得出30种可能的变化。本领域内技术人员将理解,组S可或者通过增大/减小S的范围或者改变量化因数被定义为更大或更小。标度a可在A组中变化。例如,组A可被定义为从-.0004至.0004变动并在每个.0001阶被量化。这样的组A具有80的尺寸。在图像具有2048x2048像素的实施例中,a中每.001变化粗略地对应于在图像边缘1像素的径向移动(由于从O至图像边缘的距离为1024像素)。-.004至.004的范围可允许检测大约4像素的径向移动。本领域内技术人员将认识到,可通过改变量化的范围来改变组A。增加S或A的范围可能导致检测径向移动和标量移动的较大分量。另外,使用较细的量化可能导致最佳变换参数的较精细确定。
图6示出阵列V的一些部分的特殊例子。由于s是二维矢量,它被表示在x轴和y轴上。如图所示,S沿两个轴从-3至3地变化。分量a被(垂直地)表示在z轴上,并且A从-.004至.004地变化。图(a)、(b)、(c)和(d)中的每一幅表征阵列A的一个片段。如图所示,图6(c)表示投票空间中的最高峰。该峰出现在量化位置a=0.0009,s=<-0.4,0.4>。然而,量化的位置可以不是“最佳变换参数”。在一些实施例中,计算峰位置周围的投票空间体积内的质心得出最佳变换参数:a*=9.07x10-4并且s*=<-.3684,.3800>。
在一些实施例中,方法200可进一步包括将变换参数施加214至第二图像。在这一实施例中,计算出的变换参数(例如最佳变换参数)可用来基于微粒在第一图像中的位置确定微粒在第二图像中的位置。例如使用方程1,可使用最佳变换参数值a、s来确定每个微粒的移动。
在一些实施例中,在将变换参数施加214至第二图像之前,可计算误差矢量。因此,误差矢量可考虑变换参数计算中的至少一个误差来源。具体地说,该误差矢量可将相邻微粒的影响考虑在内。另外,相邻微粒可对给定微粒施加作用力,从而使它们相对于时间移动。误差矢量在方程6中被定义。
ε=p1-T(p0;α*;s*)=p1-p0-s*-α*(O-p0)(6)
如图7所示,每个微粒q可在p0上施加一作用力。更具体地,该作用力可包括微粒之间的磁力。由微粒q作用的力可具有如方程7定义的方向,并且由微粒q作用的力可具有由方程8定义的大小。由微粒q作用的力的大小反比于从q至p0的距离的平方。除了计算q和p0之间的距离的平方,方程8引入变量g。对通过所有相邻珠q施加在p0上的力进行组合的总误差矢量在方程9中被一起求和。
方向=±(q-p0)(7)
一旦已找到g的最佳值,则可修正方程1以考虑误差矢量。下面的方程10考虑径向分量、恒定分量和误差分量:
类似于最佳变换参数的计算,可通过估计误差分量的一组潜在值并计算误差分量的最佳值来确定误差分量。方程11示出如何基于在给定半径内由微粒q包围的给定点p来计算g以形成组Q。
令
则
可使用下列伪代码来计算g的最佳值:
如前所述,随后可使用a、s和g的最佳值来确定微粒在第一图像和第二图像之间的移动。
已细阅本公开的本领域内技术人员将理解,本发明相信能提供用于图像数据处理的计算机实现方法、存储介质和系统。鉴于本说明书,本发明的各个方面的进一步修改和替代实施例对于本领域技术人员将显而易见。因此,本说明书应被理解为仅仅是解说性的,且用于教导本领域技术人员实施本发明的一般方式。应当理解,本文中所示和描述的本发明的形式应被理解为当前优选实施例。可替换本文中示出和描述的元件和材料,零件和过程可颠倒,以及本发明的某些特征可单独利用,以上所有对获知本发明描述的本领域技术人员都显而易见。可对本文中所描述的要素作出修改,而不背离如所附权利要求中所描述的本发明的精神和范围。
Claims (11)
1.一种处理图像数据的方法,包括:
确定微粒在第一微粒图像中的位置(p0),其中所述微粒具有与之关联的荧光材料,并且其中,第一微粒图像具有中心(O);
计算变换参数(a,s),其中所述变换参数(a,s)定义在第一微粒图像内的微粒的位置(p0)和在第二微粒图像内的微粒的移动位置(p1)之间的估计的平移,并且其中,所述变换参数包括径向分量(a)和恒定分量(s);
将所述变换参数施加至微粒在第一微粒图像中的位置(p0)以通过确定p1=T(p0)=p0+s+a(O-p0)来确定微粒在第二微粒图像中的移动位置(p1)。
2.如权利要求1所述的方法,其特征在于,计算变换参数包括:
估计微粒在第二微粒图像中的估计的位置;
基于微粒在第一微粒图像中的位置(p0)和微粒在第二微粒图像中的估计的位置来计算潜在的变换参数。
3.如权利要求2所述的方法,其特征在于,计算所述变换参数进一步包括:基于所述潜在的变换参数确定最佳变换参数。
4.如权利要求2所述的方法,其特征在于,估计所述微粒在所述第二微粒图像中的估计的位置包括:基于所述第二微粒图像和微粒在第一微粒图像中的位置(p0)来确定最大积分位置。
5.如权利要求3所述的方法,其特征在于,确定所述最佳变换参数包括计算霍夫变换。
6.如权利要求1所述的方法,其特征在于,还包括:基于所述微粒之间的力来计算误差分量。
7.一种配置成获取和处理图像数据的系统,包括:
在不同波带处对设置在所述系统中的微粒进行成像的第一模块;
存储对多个微粒图像获取的数据的第二模块,其中多个图像中的每一个对应于不同的波带;
确定微粒在第一微粒图像中的位置(p0)的第三模块,其中所述微粒具有与之关联的荧光材料,并且其中,第一微粒图像具有中心(O);
计算变换参数(a,s)的第四模块,其中所述变换参数(a,s)定义在第一微粒图像内的微粒的位置(p0)和第二微粒图像内的微粒的移动位置(p1)之间的估计的移动,并且其中,所述变换参数包括径向分量(a)和恒定分量(s);
将所述变换参数施加至微粒在第一微粒图像中的位置(p0)以通过确定p1=T(p0)=p0+s+a(O-p0)来确定微粒在第二微粒图像中的移动位置(p1)的第五模块。
8.如权利要求7所述的系统,其特征在于,所述第四模块进一步:
估计微粒在第二微粒图像中的估计的位置;以及
基于微粒在第一微粒图像中的位置(p0)和微粒在第二微粒图像中的估计的位置来计算潜在的变换参数。
9.如权利要求8所述的系统,其特征在于,所述第四模块进一步基于所述潜在的变换参数确定最佳变换参数。
10.如权利要求8所述的系统,其特征在于,所述第四模块进一步基于所述第二微粒图像和微粒在第一微粒图像中的位置(p0)来确定最大积分位置。
11.如权利要求9所述的系统,其特征在于,所述第四模块进一步计算霍夫变换。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610213240.9A CN105894515B (zh) | 2011-10-18 | 2012-10-17 | 用于图像数据处理的方法和系统 |
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201161627851P | 2011-10-18 | 2011-10-18 | |
US61/627,851 | 2011-10-18 | ||
PCT/US2012/060639 WO2013059338A1 (en) | 2011-10-18 | 2012-10-17 | Methods and systems for image data processing |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610213240.9A Division CN105894515B (zh) | 2011-10-18 | 2012-10-17 | 用于图像数据处理的方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103959038A CN103959038A (zh) | 2014-07-30 |
CN103959038B true CN103959038B (zh) | 2016-05-04 |
Family
ID=48141311
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610213240.9A Active CN105894515B (zh) | 2011-10-18 | 2012-10-17 | 用于图像数据处理的方法和系统 |
CN201280058181.2A Active CN103959038B (zh) | 2011-10-18 | 2012-10-17 | 用于图像数据处理的方法和系统 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610213240.9A Active CN105894515B (zh) | 2011-10-18 | 2012-10-17 | 用于图像数据处理的方法和系统 |
Country Status (10)
Country | Link |
---|---|
US (3) | US8859996B2 (zh) |
EP (1) | EP2769198B1 (zh) |
JP (1) | JP5873183B2 (zh) |
KR (1) | KR101979287B1 (zh) |
CN (2) | CN105894515B (zh) |
AU (1) | AU2012326198B2 (zh) |
BR (1) | BR112014009408B1 (zh) |
CA (1) | CA2852915C (zh) |
HK (2) | HK1200209A1 (zh) |
WO (1) | WO2013059338A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6547903B2 (ja) * | 2015-09-30 | 2019-07-24 | 日本電気株式会社 | 画像処理装置、画像処理方法及び記憶媒体 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5841148A (en) * | 1996-02-02 | 1998-11-24 | Fuji Photo Film Co., Ltd. | Image processing apparatus |
CN1200657A (zh) * | 1995-10-23 | 1998-12-02 | 斯托迈奇克公司 | 用于反射成象分析的方法与装置 |
WO2000029984A2 (en) * | 1998-11-13 | 2000-05-25 | Cellomics, Inc. | Methods and system for efficient collection and storage of experimental data |
WO2001011340A1 (en) * | 1999-08-05 | 2001-02-15 | Cellomics, Inc. | Optical system analysis of cells |
CN1288713A (zh) * | 1999-05-21 | 2001-03-28 | 沃尔德马连接股份有限公司 | 具有带齿连接板的椎间内用假体 |
US6524793B1 (en) * | 1995-10-11 | 2003-02-25 | Luminex Corporation | Multiplexed analysis of clinical specimens apparatus and method |
WO2004055505A1 (en) * | 2002-12-12 | 2004-07-01 | Aura Biosystems Inc. | Dielectrophoretic particle profiling system and method |
EP1439384A2 (en) * | 1997-02-27 | 2004-07-21 | Cellomics, Inc. | A system for screening biological cells |
CN1556497A (zh) * | 2003-12-31 | 2004-12-22 | 厦门大学 | 赤潮生物图像自动识别装置与识别方法 |
CN101268355A (zh) * | 2005-09-21 | 2008-09-17 | 卢米尼克斯股份有限公司 | 图像数据处理的方法和系统 |
Family Cites Families (74)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5206699A (en) | 1988-05-06 | 1993-04-27 | Gersan Establishment | Sensing a narrow frequency band of radiation and gemstones |
US6610256B2 (en) | 1989-04-05 | 2003-08-26 | Wisconsin Alumni Research Foundation | Image processing and analysis of individual nucleic acid molecules |
US5016173A (en) | 1989-04-13 | 1991-05-14 | Vanguard Imaging Ltd. | Apparatus and method for monitoring visually accessible surfaces of the body |
US6040138A (en) | 1995-09-15 | 2000-03-21 | Affymetrix, Inc. | Expression monitoring by hybridization to high density oligonucleotide arrays |
US5107422A (en) | 1989-10-02 | 1992-04-21 | Kamentsky Louis A | Method and apparatus for measuring multiple optical properties of biological specimens |
US5162990A (en) | 1990-06-15 | 1992-11-10 | The United States Of America As Represented By The United States Navy | System and method for quantifying macrophage phagocytosis by computer image analysis |
US5579409A (en) | 1991-09-27 | 1996-11-26 | E. I. Du Pont De Nemours And Company | Methods for determining the exterior points of an object in a background |
JPH05164687A (ja) | 1991-12-18 | 1993-06-29 | Hamamatsu Photonics Kk | レシオイメージング装置 |
DE69331982T2 (de) | 1992-11-27 | 2003-01-23 | Fuji Photo Film Co Ltd | Verfahren zur Lageanpassung von Röntgenbildern |
US6090555A (en) | 1997-12-11 | 2000-07-18 | Affymetrix, Inc. | Scanned image alignment systems and methods |
US5715334A (en) | 1994-03-08 | 1998-02-03 | The University Of Connecticut | Digital pixel-accurate intensity processing method for image information enhancement |
JP3347865B2 (ja) | 1994-03-17 | 2002-11-20 | 富士写真フイルム株式会社 | 放射線画像の位置合せ方法 |
DE69417899T2 (de) | 1994-11-17 | 1999-11-04 | Chemunex Maisons Alfort | Vorrichtung und Verfahren zum Erkennen und Zählen von selten vorkommenden Säugerzellen |
US5828766A (en) | 1994-12-15 | 1998-10-27 | Anthony Gallo Acoustics, Inc. | Acoustic speaker system |
US5981180A (en) | 1995-10-11 | 1999-11-09 | Luminex Corporation | Multiplexed analysis of clinical specimens apparatus and methods |
US5736330A (en) | 1995-10-11 | 1998-04-07 | Luminex Corporation | Method and compositions for flow cytometric determination of DNA sequences |
US6165734A (en) | 1995-12-12 | 2000-12-26 | Applied Spectral Imaging Ltd. | In-situ method of analyzing cells |
JPH09200508A (ja) * | 1996-01-16 | 1997-07-31 | Olympus Optical Co Ltd | 画像処理装置 |
DE19629141A1 (de) | 1996-07-19 | 1998-04-16 | Bayer Ag | Verfahren und Vorrichtung zum Screening von Molekülen bezüglich ihres individuellen Bindungsverhaltens zu mindestens einem vorgegebenen Ligand |
US6506564B1 (en) | 1996-07-29 | 2003-01-14 | Nanosphere, Inc. | Nanoparticles having oligonucleotides attached thereto and uses therefor |
US6449562B1 (en) | 1996-10-10 | 2002-09-10 | Luminex Corporation | Multiplexed analysis of clinical specimens apparatus and method |
US6416959B1 (en) | 1997-02-27 | 2002-07-09 | Kenneth Giuliano | System for cell-based screening |
EP0985142A4 (en) | 1997-05-23 | 2006-09-13 | Lynx Therapeutics Inc | SYSTEM AND APPARATUS FOR THE SEQUENTIAL TREATMENT OF ANALYTES |
AU1080999A (en) | 1997-10-14 | 1999-05-03 | Luminex Corporation | Precision fluorescently dyed particles and methods of making and using same |
JPH11161773A (ja) * | 1997-11-28 | 1999-06-18 | Konica Corp | 画像処理方法及び画像入力装置 |
KR100593712B1 (ko) | 1998-01-22 | 2006-06-30 | 루미넥스 코포레이션 | 다수의 형광 시그널을 갖는 마이크로입자 |
CA2331897C (en) | 1998-05-14 | 2008-11-18 | Luminex Corporation | Multi-analyte diagnostic system and computer implemented process for same |
GB9903555D0 (en) | 1999-02-16 | 1999-04-07 | The Technology Partnership Plc | Chemical and biological assay method and apparatus |
JP2000299874A (ja) | 1999-04-12 | 2000-10-24 | Sony Corp | 信号処理装置及び方法並びに撮像装置及び方法 |
US6284465B1 (en) | 1999-04-15 | 2001-09-04 | Agilent Technologies, Inc. | Apparatus, systems and method for locating nucleic acids bound to surfaces |
US6876760B1 (en) | 2000-12-04 | 2005-04-05 | Cytokinetics, Inc. | Classifying cells based on information contained in cell images |
US7151847B2 (en) | 2001-02-20 | 2006-12-19 | Cytokinetics, Inc. | Image analysis of the golgi complex |
US6307959B1 (en) | 1999-07-14 | 2001-10-23 | Sarnoff Corporation | Method and apparatus for estimating scene structure and ego-motion from multiple images of a scene using correlation |
US6687395B1 (en) | 1999-07-21 | 2004-02-03 | Surromed, Inc. | System for microvolume laser scanning cytometry |
US6986993B1 (en) | 1999-08-05 | 2006-01-17 | Cellomics, Inc. | System for cell-based screening |
US6649414B1 (en) | 1999-08-17 | 2003-11-18 | Luminex Corporation | Microparticles with multiple fluorescent signals and methods of using same |
WO2001013119A1 (en) | 1999-08-17 | 2001-02-22 | Luminex Corporation | Encapsulation of fluorescent particles |
JP2001103358A (ja) * | 1999-09-30 | 2001-04-13 | Mitsubishi Electric Corp | 色収差補正装置 |
US6716588B2 (en) | 1999-12-09 | 2004-04-06 | Cellomics, Inc. | System for cell-based screening |
JP4193342B2 (ja) * | 2000-08-11 | 2008-12-10 | コニカミノルタホールディングス株式会社 | 3次元データ生成装置 |
US6545758B1 (en) | 2000-08-17 | 2003-04-08 | Perry Sandstrom | Microarray detector and synthesizer |
US6829376B2 (en) | 2000-10-24 | 2004-12-07 | Affymetrix, Inc. | Computer software system, method, and product for scanned image alignment |
US7050620B2 (en) | 2001-03-30 | 2006-05-23 | Heckman Carol A | Method of assaying shape and structural features in cells |
WO2002086416A2 (en) | 2001-04-25 | 2002-10-31 | Amnis Corporation | Method and apparatus for correcting crosstalk and spatial resolution for multichannel imaging |
JP2002344978A (ja) | 2001-05-17 | 2002-11-29 | Ichikawa Soft Laboratory:Kk | 画像処理装置 |
US6879708B2 (en) | 2001-05-24 | 2005-04-12 | Case Western Reserve University | Planar particle/droplet size measurement technique using digital particle image velocimetry image data |
JP4571763B2 (ja) * | 2001-07-18 | 2010-10-27 | 株式会社新川 | 画像処理装置、およびボンディング装置 |
US20040071328A1 (en) | 2001-09-07 | 2004-04-15 | Vaisberg Eugeni A. | Classifying cells based on information contained in cell images |
US6885440B2 (en) | 2001-11-07 | 2005-04-26 | S31, Llc | System and method for detecting and classifying biological particles |
KR100407821B1 (ko) * | 2001-11-23 | 2003-12-01 | 한국전자통신연구원 | 활성이온의 상향전이를 이용한 도파로-플라즈몬 공명 센서및 이미징 시스템 |
JP4043925B2 (ja) | 2001-12-05 | 2008-02-06 | 三菱レイヨン株式会社 | 生体関連物質マイクロアレイの読取装置及び方法 |
US7133547B2 (en) | 2002-01-24 | 2006-11-07 | Tripath Imaging, Inc. | Method for quantitative video-microscopy and associated system and computer software program product |
WO2003069421A2 (en) | 2002-02-14 | 2003-08-21 | Immunivest Corporation | Methods and algorithms for cell enumeration in a low-cost cytometer |
JP4409426B2 (ja) | 2002-05-28 | 2010-02-03 | オウトジエノミクス・インコーポレーテツド | マイクロアレイ検出器および方法 |
EP1508027A4 (en) | 2002-05-28 | 2009-04-22 | Autogenomics Inc | MICROARRAY DETECTOR AND ASSOCIATED METHODS |
US7236620B1 (en) | 2002-06-24 | 2007-06-26 | Icad, Inc. | Computer-aided detection methods in volumetric imagery |
JP2004038728A (ja) | 2002-07-05 | 2004-02-05 | Noritsu Koki Co Ltd | 画像処理方法、画像処理プログラム、および、画像処理プログラムを記録した記録媒体 |
AU2003252254A1 (en) | 2002-07-26 | 2004-05-04 | Olympus Corporation | Image processing system |
GB2419406B (en) | 2003-06-26 | 2007-04-18 | Secr Defence | Improvements to fluid borne particle analysers |
US20050009032A1 (en) | 2003-07-07 | 2005-01-13 | Cytokinetics, Inc. | Methods and apparatus for characterising cells and treatments |
US7362920B2 (en) * | 2003-09-22 | 2008-04-22 | Siemens Medical Solutions Usa, Inc. | Method and system for hybrid rigid registration based on joint correspondences between scale-invariant salient region features |
JP4102286B2 (ja) | 2003-10-22 | 2008-06-18 | シスメックス株式会社 | 粒子画像分析方法と装置およびそのプログラムと記録媒体 |
WO2006027738A1 (en) * | 2004-09-10 | 2006-03-16 | Philips Intellectual Property & Standards Gmbh | Compounds and methods for combined optical-ultrasound imaging |
CN101072992A (zh) | 2004-11-12 | 2007-11-14 | 卢米尼克斯股份有限公司 | 用于定位成像用微球的方法和系统 |
JP2006187470A (ja) * | 2005-01-06 | 2006-07-20 | Olympus Corp | 医療画像処理装置 |
WO2006127692A2 (en) * | 2005-05-23 | 2006-11-30 | Hess Harald F | Optical microscopy with phototransformable optical labels |
JP2008187935A (ja) * | 2007-02-02 | 2008-08-21 | Matsushita Electric Ind Co Ltd | 微生物計数装置および点検用チップ |
JP2009010674A (ja) * | 2007-06-28 | 2009-01-15 | Panasonic Corp | 色収差測定方法 |
WO2009035571A2 (en) * | 2007-09-07 | 2009-03-19 | Qlt Plug Delivery, Inc | Lacrimal implant detection |
GB0802084D0 (en) * | 2008-02-05 | 2008-03-12 | Univ Dublin City | Microfluidic device for assessing cell surface interactions |
EP2194506B1 (en) * | 2008-12-02 | 2016-03-09 | Samsung Medison Co., Ltd. | Image based registration |
CN102042846B (zh) * | 2009-10-12 | 2012-07-25 | 中国科学院理化技术研究所 | 热声过程测试系统及其测试方法 |
CN101710131B (zh) * | 2009-12-01 | 2011-06-01 | 西安交通大学 | 离焦数字三维微流场荧光测试仪 |
JP2012013804A (ja) | 2010-06-29 | 2012-01-19 | Sony Corp | 画像処理装置、画像処理システム、画像処理方法及びプログラム |
-
2012
- 2012-10-17 CN CN201610213240.9A patent/CN105894515B/zh active Active
- 2012-10-17 KR KR1020147013263A patent/KR101979287B1/ko active IP Right Grant
- 2012-10-17 CN CN201280058181.2A patent/CN103959038B/zh active Active
- 2012-10-17 US US13/653,789 patent/US8859996B2/en active Active
- 2012-10-17 WO PCT/US2012/060639 patent/WO2013059338A1/en active Application Filing
- 2012-10-17 BR BR112014009408-0A patent/BR112014009408B1/pt active IP Right Grant
- 2012-10-17 AU AU2012326198A patent/AU2012326198B2/en active Active
- 2012-10-17 CA CA2852915A patent/CA2852915C/en active Active
- 2012-10-17 EP EP12842618.6A patent/EP2769198B1/en active Active
- 2012-10-17 JP JP2014537182A patent/JP5873183B2/ja active Active
-
2014
- 2014-10-13 US US14/512,780 patent/US9063088B2/en active Active
-
2015
- 2015-01-15 HK HK15100484.6A patent/HK1200209A1/zh unknown
- 2015-01-15 HK HK16114615A patent/HK1227526A1/zh unknown
- 2015-06-18 US US14/743,927 patent/US9292938B2/en active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6524793B1 (en) * | 1995-10-11 | 2003-02-25 | Luminex Corporation | Multiplexed analysis of clinical specimens apparatus and method |
CN1200657A (zh) * | 1995-10-23 | 1998-12-02 | 斯托迈奇克公司 | 用于反射成象分析的方法与装置 |
US5841148A (en) * | 1996-02-02 | 1998-11-24 | Fuji Photo Film Co., Ltd. | Image processing apparatus |
EP1439384A2 (en) * | 1997-02-27 | 2004-07-21 | Cellomics, Inc. | A system for screening biological cells |
WO2000029984A2 (en) * | 1998-11-13 | 2000-05-25 | Cellomics, Inc. | Methods and system for efficient collection and storage of experimental data |
CN1288713A (zh) * | 1999-05-21 | 2001-03-28 | 沃尔德马连接股份有限公司 | 具有带齿连接板的椎间内用假体 |
WO2001011340A1 (en) * | 1999-08-05 | 2001-02-15 | Cellomics, Inc. | Optical system analysis of cells |
WO2004055505A1 (en) * | 2002-12-12 | 2004-07-01 | Aura Biosystems Inc. | Dielectrophoretic particle profiling system and method |
CN1556497A (zh) * | 2003-12-31 | 2004-12-22 | 厦门大学 | 赤潮生物图像自动识别装置与识别方法 |
CN101268355A (zh) * | 2005-09-21 | 2008-09-17 | 卢米尼克斯股份有限公司 | 图像数据处理的方法和系统 |
Non-Patent Citations (1)
Title |
---|
多源图像配准技术分析与展望;倪国强等;《光电工程》;20040930;第3卷(第9期);1-6 * |
Also Published As
Publication number | Publication date |
---|---|
CN105894515A (zh) | 2016-08-24 |
JP2014532188A (ja) | 2014-12-04 |
HK1200209A1 (zh) | 2015-07-31 |
CN103959038A (zh) | 2014-07-30 |
CA2852915A1 (en) | 2013-04-25 |
US8859996B2 (en) | 2014-10-14 |
HK1227526A1 (zh) | 2017-10-20 |
EP2769198A4 (en) | 2015-01-28 |
AU2012326198A2 (en) | 2014-05-22 |
AU2012326198B2 (en) | 2014-12-11 |
US9063088B2 (en) | 2015-06-23 |
CA2852915C (en) | 2018-05-15 |
AU2012326198A1 (en) | 2014-05-01 |
US9292938B2 (en) | 2016-03-22 |
EP2769198B1 (en) | 2016-05-25 |
US20130126758A1 (en) | 2013-05-23 |
US20150287212A1 (en) | 2015-10-08 |
EP2769198A1 (en) | 2014-08-27 |
KR101979287B1 (ko) | 2019-08-28 |
BR112014009408B1 (pt) | 2021-03-09 |
JP5873183B2 (ja) | 2016-03-01 |
KR20140084206A (ko) | 2014-07-04 |
US20150108368A1 (en) | 2015-04-23 |
BR112014009408A2 (pt) | 2017-06-13 |
WO2013059338A1 (en) | 2013-04-25 |
CN105894515B (zh) | 2019-03-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Gopalakrishnan | Deep learning in data-driven pavement image analysis and automated distress detection: A review | |
Ghaznavi et al. | Digital imaging in pathology: whole-slide imaging and beyond | |
Menanteau et al. | The optical—infrared colour distribution of a statistically complete sample of faint field spheroidal galaxies | |
CN101916359B (zh) | 把样本的不同区域分类到相应类别的方法和设备 | |
CN104285175B (zh) | 使用小波分析进行单颗粒定位的方法和装置 | |
Nurullayev et al. | Generalized parking occupancy analysis based on dilated convolutional neural network | |
KR20120071405A (ko) | 단일 칩 상에서의 비간섭성 무렌즈 세포 홀로그래피 및 검경 | |
CN104764684A (zh) | 用于通过使用光分布来提高粒子成像设备中的测量精确度的装置、系统和方法 | |
Abdellatif et al. | Pavement crack detection from hyperspectral images using a novel asphalt crack index | |
Koay et al. | YOLO-RTUAV: Towards real-time vehicle detection through aerial images with low-cost edge devices | |
Pala et al. | Fractal dimension-based viability analysis of cancer cell lines in lens-free holographic microscopy via machine learning | |
Lopez-Betancur et al. | Convolutional neural network for measurement of suspended solids and turbidity | |
CN112200264B (zh) | 基于散射复用的高通量免成像分类方法与装置 | |
CN103959038B (zh) | 用于图像数据处理的方法和系统 | |
Liu et al. | Assessing Environmental Oil Spill Based on Fluorescence Images of Water Samples and Deep Learning. | |
Haeffele et al. | Generative optical modeling of whole blood for detecting platelets in lens-free images | |
Madali et al. | Psdfh: A phase-space-based depth from hologram extraction method | |
Dong et al. | Application of Transfer Learning and Convolutional Neural Networks for Autonomous Oil Sheen Monitoring | |
Encío et al. | Visual Parking Occupancy Detection Using Extended Contextual Image Information via a Multi-Branch Output ConvNeXt Network | |
Govindaraju | Application of convolutional neural network for leukocyte quantification from a smartphone based microfluidic biosensor | |
Reinhard | Improving Super-Resolution Microscopy Data Reconstruction and Evaluation by Developing Advanced Processing Algorithms and Artifcial Neuronal Networks | |
Haeffele et al. | An optical model of whole blood for detecting platelets in lens-free images | |
Anastasiadis et al. | GAN-regularized augmentation strategy for spectral datasets | |
Nomqupu et al. | Integrating Sigmoid Calibration Function into Entropy Thresholding Segmentation for Enhanced Recognition of Potholes Imaged Using a UAV Multispectral Sensor | |
Liu et al. | Sub-Bottom Sediment Classification Employing a Multi-Attribute Temporal Convolutional Network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1200209 Country of ref document: HK |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: GR Ref document number: 1200209 Country of ref document: HK |