DE2903855A1 - Verfahren zum automatischen markieren von zellen und bestimmung der merkmale von zellen aus zytologischen abstrichpraeparaten - Google Patents
Verfahren zum automatischen markieren von zellen und bestimmung der merkmale von zellen aus zytologischen abstrichpraeparatenInfo
- Publication number
- DE2903855A1 DE2903855A1 DE19792903855 DE2903855A DE2903855A1 DE 2903855 A1 DE2903855 A1 DE 2903855A1 DE 19792903855 DE19792903855 DE 19792903855 DE 2903855 A DE2903855 A DE 2903855A DE 2903855 A1 DE2903855 A1 DE 2903855A1
- Authority
- DE
- Germany
- Prior art keywords
- images
- image
- carried out
- cells
- cell nuclei
- 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.)
- Withdrawn
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/36—Applying a local operator, i.e. means to operate on image points situated in the vicinity of a given point; Non-linear local filtering operations, e.g. median filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
Description
DR.-ING. H. H. WILHELM DIPL. ING. H. DAUSTER
D-70OO STUTTGART 1 - GYMNASIUMSTRASSE 31 B - TELEFON (0711) 29 11 33
Anmelder; -3- . ρ 5632
Prof. Dr.-Ing.
Werner H. Bloss
Lindenstrasse 45
Werner H. Bloss
Lindenstrasse 45
7065 Winterbach
Verfahren zum automatischen Markieren von Zellen und Bestimmung der Merkmale von Zellen aus zytologischen Abstrichpraparaten
Die Erfindung betrifft ein Verfahren zum automatischen Markieren von Zellen und Bestimmung der Merkmale von Zellen aus zytologischen
Abstrichpräparaten, die als mittels einer TV-Kamera an einem Mikroskop aufgenommene TV-Bilder abgebildet werden.
Die Zytoanalyse, die vorwiegend zur Früherkennung von Zervix-Karzinomen
eingesetzt wird, wird heute im wesentlichen noch durch visuelle Klassifikation durch besonders geschulte Personen durchgeführt,
insbesondere durch Mediziner. Die Klassifikationsleistung hängt in hohem Maß von der Erfahrung des Beurteilenden ab, der häufig
nach intuitiven Kriterien eine Einzelzelle einer bestimmten Klasse zuordnet.
Es sind auch schon Automaten für Zytoanalysen bekannt geworden, die
versuchen, die aus der visuellen Zellbeschreibung bekannten anschaulichen Merkmale in Algorithmen umzusetzen. Es ist nicht einfach, die
intuitiven Parameter einer die Zellen beurteilenden Person zu beschreiben und in Algorithmen umzusetzen. Zusätzlich bereitet es
Schwierigkeiten, diese visuellen Merkmale in einer datenverarbeitenden Maschine auszuwerten, da sie für eine numerische Klassifikation
nicht optimal sind.
Der Erfindung liegt die Aufgabe zugrunde, ein Verfahren der eingangs
genannten Art zu schaffen, das unabhängig von der bekannten visuellen Zellbeschreibung ein Erkennen von Zellen und eine Merk-
030033/OUJ" ~4~
malsextraktion durchführt, die sich besonders für eine numerische
Klassifikation in einer Datenverarbeitungsmaschine eignet. Diese Aufgabe wird dadurch gelöst, daß nur die Zellkerne zur Auswertung
herangezogen werden, wozu die TV-Bilder in wenigstens einem Digitalspeicher abgespeichert werden und mittels lokaler Operatoren
von unter einer vorgegebenen Größe liegenden Strukturen gereinigt werden, wonach durch eine Transformation der gereinigten Bilder
eine Glättung und gleichzeitige Lokalisierung der Zellkerne als Bildausschnitte durchgeführt wird, wonach die lokalisierten Ausschnitte
der Bilder einem Grenzfindungsprozeß unterzogen werden, worauf an den durch den Grenzfindungsprozeß gefundenen Zellkernen
eine Bestimmung von Merkmalen durch Messungen an dem Originalbild und transformierten Bildern und/oder an logischen oder arithmetischen
Verknüpfungen der transformierten Bilder erfolgt
Das erfindungsgemäße Verfahren erlaubt eine Zellerkennung und eine
Bestimmung der Merkmale von Zellen, die besonders gut an schnelle Parallelprozessoren angepaßt ist. Es hat sich gezeigt, daß für eine
Klassifizierung der Zellen eine Kernanalyse ausreicht. Die Beschränkung
auf die Kernanalyse führt zu entscheidenden Vorteilen. Es müssen einmal nur die Zellkerne lokalisiert werden, was die
Zellerkennung vereinfacht. Die Zelldichte auf dem Präparat kann größer sein, da sich die Plasmen überlagern können. Der zu untersuchende
Präparatausschnitt wird bei gleicher Zellenanzahl kleiner, wobei sich keine Probleme mit überlappenden Plasmen ergeben. Die
Verarbeitungszeiten für die Zellauffindung, die Grenzbestimmung
und die Merkmalsermittlung sind wesentlich kürzer. Auch ist die Auswertung von der vorgesehenen Einfärbung der Präparate unabhängig.
In Ausgestaltung der Erfindung sind zum Reinigen der TV-Bilder lokale Operatoren für Dilatation an den Bildern und den invertierten
Bildern vorgesehen. Damit werden zweidimensionale Filteroperationen
durchgeführt, die ohne Vorgabe eines Schwellwertes Störstrukturen und kleinere Kerne (z.B. von Lymphozyten usw.) von
vornherein unterdrücken. Außerdem werden Kerne, die sich berühren,
Ö3 00 33/0U3 _5_
vor der Zellkernfindung wieder in zwei getrennte Bereiche aufgespalten.
In weiterer Ausgestaltung der Erfindung werden zum Lokalisieren der Zellkerne Schwellwertprozesse zur Bestimmung relativer Grauwertmaxima
durchgeführt. Dadurch erfolgt eine Markierung der Zellkerne im gefilterten Bild durch eine Maximumsdetektion mit
Nachbarschaftsanalyse und Informationsunterdrückung unter einem
vorgegebenen Schwellwert. Auf diese Weise führen Kernstrukturen innerhalb eines Kerns nur zu einer einzigen und Plasmabereiche zu
keiner Markierung.
In weiterer Ausgestaltung der Erfindung wird als Grenzfindungsprozeß
zunächst eine Grobeingrenzung der Kerngebiete mittels einer zeilen- und spaltenweisen Integration der Grauwerte der Bilder
durchgeführt, auf die zur Bestimmung der Kerngrenzen eine Klassifikation
durchgeführt wird, bei welcher sämtliche Punkte der Bilder
zwei disjunkten Klassen zugeordnet werden. Aus diesen Werten wird ein je nach Zahl der Integrationsrichtungen zwei- oder mehrdimensionales
Histogramm gebildet. In diesem Histogramm sind die Bildkomponenten Kern, Plasma und Untergrund durch relative Minima
voneinander getrennt.
Überträgt man dann die zu den relativen Minima im Histogramm gehörenden
Grauwerte wieder in die Grauwert-Integral-Funktionen, so erhält man daraus eine grobe Ortsbestimmung für die drei relevanten
Bildkomponenten, die dann durch gerade Linien voneinander getrennt
werden können.
Die weitere Verarbeitung beschränkt sich dann auf den so grob eingeschränkten
Kernbereich, den man, um sicher zu gehen, daß die gesamte Kerninformation darin enthalten ist, in jeder Integrationsrichtung um einige Bildpunkte vergrößert. Schon durch die Grobeinsetzung
läßt sich wieder eine Datenreduktion durchführen, durch die Strukturen eliminiert werden, die mit Sicherheit keine Zellkerne
sind. An dieser Stufe kann eventuell auch das Verhältnis von Kern-
030033/0IU ~6~
— ο —
größen zur Plasmagröße eingeführt werden, das für die zu untersuchenden
Zellen normalerweise bekannt ist, um weiter Ereignisse zu eliminieren, die keine Zellen sind. Die exakte Markierung von
Kernen erfolgt dann durch die Klassifikation. Für die Kerngrenzbestimmung wurde ein Klassifikationsverfahren angewandt, bei dem
das Bild zweilenweise abgearbeitet werden kann. Bei der durchgeführten Klassifizierung wird versucht, sämtliche Punkte des Bildes
nacheinander zwei disjunkten Klassen zuzuordnen, nämlich
1 )-Ω- .. : Menge aller Kerngrenzpunkte.
2)/I „: Menge aller Punkte, die nicht Grenzpunkte sind.
Dabei wird-/L. noch einmal in vier paarweise disjunkte Untermengen
zerlegt, wobei linke und rechte, sowie obere und untere Randpunkte verschiedenen Untermengen zugeordnet werden.
Im Hinblick auf eine sichere Klassifizierung wird jeder Bildpunkt hinreichend durch einen achtdimensionalen Merkmalsvektor beschrieben.
Die für den Klassifikationsprozeß relevanten Merkmale sind die erste und zweite partielle Ableitung des Grauwertes in x- und y-Richtung,
die Differenz des gemittelten rechtsseitigen und linksseitigen, sowie oberen und unteren Grauwertes, die Wahrscheinlichkeit,
einen Kerngrenzpunkt am Ort des aktuellen Bildpunktes anzutreffen und die Wahrscheinlichkeit einen Kernpunkt mit dem Grauwert des aktuellen Bildpunktes anzutreffen. Aus diesen Merkmalen
wird für jeden Bildpunkt ein Maß für die Wahrscheinlichkeit für die Zugehörigkeit zu einer ganz bestimmten Klasse zu-gewonnen.
Um die Gradienbenmerkmale zuverlässig ermitteln zu können, wird das Bild vor der Merkmalsbestimmung einer Medianfilterung
unterworfen. Das Verfcihren benötigt vorteilhaft zu Beginn einen
Bildpunkt innerhalb des Zellkerns, der bei der Zellauffindung und
Markierung ohnehin vorliegen muß.
Für die Merkmalsextraktion ist es in weiterer Ausgestaltung der Erfindung vorteilhaft, wenn vor dem Bestimmen der Merkmale der
Zellkerne der Grauwertbereich gemessen und festgelegt wird, in
-7-
030 0 33/OUä
welchem die Information moduliert ist. Dies kann beispielsweise
über den Verlauf der Umfangsfunktion für den gesamten Grauwertbereich
erfolgen.
In weiterer Ausgestaltung werden innerhalb des vorgegebenen Grauwertbereiches
die Fläche, der Umfang und die Euler-Zahl an dem Originalbild und den transformierten Bildern und/oder an den logischen
oder arithmetischen Verknüpfungen der transformierten Bildern gemessen. Die damit gemessenen Merkmalsvektoren setzen sich aus
drei linear unabhängigen Minkowski-Maßen - Fläche, Umfang und Euler-Zahl
- sowie deren nichtlinearen Kombinationen zusammen.
Weitere Merkmale und Vorteile der Erfindung ergeben sich aus der nachfolgenden Beschreibung eines Verfahrens, das in der in einem
Blockschaltbild dargestellten Vorrichtung durchgeführt wird, und einem Beispiel einer Merkmalsbeschreibung.
Durch das Mikroskop-Objektiv 1 wird ein Gesichtsfeld des Präparats
auf die photoempfindliche Schicht der TV-Kamera 1 abgebildet und dort zeilenweise abgetastet. Die Signale werden so abgetastet und in
digitale Stufen gewandelt, daß das Feld in 288x 512 Bildpunkte mit je 256 Graustufen zerlegt wird. Der Bildpunktabstand beträgt 0,5 um.
Die verwendete TV-Meßkamera zeichnet sich durch sehr kleine Geometx'iefehler,
eine lineare Übertragungskennlinie, ein großes Signal/ Rauschverhältnis und gute Stabilität aus. Die Signalinhomogenitäten
durch ungleichmäßige Empfindlichkeiten auf der photoempfindlichen Schicht und die Mikroskopbeleuchtung werden on-line mit einem digitalen
Shading-Korrektor 3 kompensiert. Die kompensierten Bilddaten werden direkt in einen digitalen Bildspeicher 4 (288 χ 512)
Bildpunkte ä 8 bit zur weiteren Analyse abgespeichert.
Im Zellmarkierer 5 führt ein Arrayprozessor zunächst eine Bildtransformation
(Erosion mit Radius r , r = Radius der größten zu unterdrückenden Strukturen) durch 2-dimensionale örtlich begrenzte
Koppelfelder durch. Das transformierte Bild wird wieder abgespeichert. In einem zweiten Schritt erfolgt im transformierten
Bild die Detektion relativer Grauwertmaxima in Unterfeldern vorgegebener
Größe. Hierfür werden aus dem transformierten Bild nacheinander Schwellwertbilder erzeugt, die sich beim Durchlaufen der
Schwellwerte von hohen zu niederen Grauwerten ergeben. In einer Logikschaltung werden die Koordinaten der Bildpunkte ermittelt,
die über dem jeweiligen Schwellwert liegen. Beim zeilenweisen Ab-
0 3 Π !' 5 " / 0 1 U '}
-8-
2303855
tasten des ersten Schwellwertbildes werden die Koordinaten des
ersten detektierten Punktes abgespeichert und mit einem Rahmen vorgegebener Größe umgeben. Die weiteren detektierten Punkte
werden nur dann abgespeichert, wenn sie außerhalb des vorgegebenen Rahmens liegen. Alle abgespeicherten Markierungen werden mit einem
solchen Rahmen umgeben. Bei der Auswertung der nachfolgenden Schwellwertbilder werden wiederum nur dann neue Markierungen abgespeichert,
wenn diese nicht innerhalb bereits gefundener Rahmen liegen. Das letzte auszuwertende Schwellwertbild wird durch einen
Schwellwert erzeugt, der dem mittleren Grauwert der Zytoplasmen entspricht.
Die Markierungen liegen mit hoher Wahrscheinlichkeit innerhalb von Zellkernen. Ihre Koordinaten sind immer mehr als die halbe
Kantenlänge des vorgegebenen Rahmens voneinander entfernt. Sie markieren die interessanten Ereignisse im abgespeicherten Originalbild.
Im weiteren ist aus diesem Bild nur die Information zu verarbeiten, die innerhalb der gefundenen Rahmen liegt. Dazu werden,
die so definierten Bildfelder in digitalen Ereignisspeichern 6 abgelegt.
Danach erfolgt die zweistufige Segmentierung jedes Zellbildes aus den Ereignisspeichern 6. Die Verarbeitung wird mit dem beschriebenen
Verfahren durch schnelle Mikroprozessoren 7 durchgeführt. Zunächst werden die Grobeingrenzungen der Zellkerne und Zytoplasmen
ermittelt und damit die auszuwertenden Bildfelder verkleinert,
in diesen verkleinerten Bildfeldern kann die genaue Grenze des Zellkerns und der Zytoplasmen durch Mikroprogramme berechnet werden. Die isolierten Zellkerne werden über den na difolgenden Ereignisspeicher
8 sequentiell der Merkmalsermittlung zugeführt.
Die verschiedenen Bildtransformationen zur Merkmalsermittlung
lassen sich sehr schnell parallel durch spezielle Arrayprozessoren 9 durchführen. Sowohl das Originalkernbild als auch die transformierten
Kernbilder und deren arithmetische Verknüpfungen werden in digitalen Speichern abgelegt. Die Information der η abgelegten
-9—
030033/0U2
Kernbilder wird über einen Schwellwertprozeß mit einstellbarer Schwelle einer Meßlogik zugeführt, die die Merkmale "Fläche",
"Umfang"und "Euler-Zahl" durch logische Verknüpfungen und Zähloperationen im Schwellwertbild mißt. Es werden m Schwellen in
dem für jeden Kern zuvor berechneten Grauwertbereich nacheinander durch den Steuerprozessor 10 gesetzt. Man erhält so die 3 Merkmale
eines Zellkern für die gesetzten m diskreten Grauwerte (Schwellwerte) und damit 3 · η m -Merkmale. Durch nichtlineare Verknüpfungen
von Merkmals funktionen kann die Merkmalsanzahl weiter erhöht werden» Die Gesamtheit der Merkmale eines Zellkerns bildet
dessen Merkmalsvektor, der dem Klassifikationsprozessor 11
für die Einzelereignisse zugeführt wird=
Danach erfolgen die Segmentierung, Kerngrenzberechnung, Transformationen
und Merkmalsberechnung des nächsten markierten Ereignisses. Sind alle markierten Ereignisse eines Gesichtsfeldes
abgearbeitet, so transportiert ein Schrittmotor das Präparat um ein Gesichtsfeld weiter. Die Kamera 2 wird durch schnelles
Löschen der abklingenden Information des vorhergehenden Bildfeldes zur Aufnahme des neuen Bildfeldes vorbereitet. Durch stroboskopische
Beleuchtung des Präparats kann nach 120 ms die Information des neuen Bildfeldes abgespeichert werden. Durch die systematisch aufgebauten
und prozessororientierten Algrorithmen zur Markierung und Segmentierung von Zellen im Gesichtsfeld, sowie zur Merkmalserfassung aus den segmentierten Zellkernen und ihrer Klassifizierung
erfolgt die Analyse der Gesichtsfelder mit speziellen Parallelprozessoren
unter Verwendung modernster Halbleitertechnologien in einer Zeit von 120 ms schritthaltend (on-line). Dabei können bis
zu acht Ereignisse pro Gesichtsfeld erfaßt werden. Der gesamte Verarbeitungsablauf wird durch einen Steuerungsprozessor synchronisiert.
Eine Möglichkeit zur Berechnung der Merkmale soll im folgenden am Beispiel der Merkmalsermittlung eines bereits segmentierten und
eingegrenzten Zellkerns veranschaulicht werden.
-10-
Ö30033/0U2
Zunächst wird der Umfang des untransformierten Kernbildes für jeden
der 256 Grauwerte ermittelt. Man erhält so den Umfang in Abhängigkeit von diskreten 256 Grauwerten (Umfangsfunktion). Aus dieser Umfangsfunktion
wird der relevante Grauwertbereich für die weiteren Messungen so festgelegt, daß sie innerhalb dieses Berei dis nicht
konstant ist. In diesem Bereich ist also die Grautoninformation des Zellkerns moduliert. Der so ermittelte Grauwertbereich wird in 20
äquidistante Intervalle unterteilt, die als Schwellwerte zur Messung der Merkmale aus dem Kernbild verwendet werden. Nun wird das Kernbild
z.B. folgenden Bildtransformationen unterworfen:
Erosion mit Radius r = 1
Erosion mit Radius r = 2
Dilatation mit Radius r = 1
Dilatation mit Radius r = 2
(Dilatation mit Radius r = 1) -(Erosion mit
Radius r = 1)
(Dilatation mit Radius r = 3) -(Erosion mit
Radius r = 3)
.■!an erhält so das Originalbild und 6 unterschiedlich transformierte
Bilder. In diesen Bildern v/erden nun folgende drei Basismerkmalo zu
jedem der 20 vorher bestimmten Grauwerte ermittelt:
"Fläche"
- "Umfang"
- "Konnexität"
Außerdem werden folgende Kombinationen dieser Basismerkmale zu jedem
der 20 Grauwerte berechnet.
"Quotient aus der Konnexität (+) und der Fläche" (Konnexität (+) ist der positive Anteil der Konnexität)
- "Quotient aus der Konnexität (-) und der Fläche" (Konnexität (-) ist der negative Anteil der Konnexität)
"Quotient aus dem Quadrat des Umfangs und der Fläche"
-11-
030033/0142
Man erhält so 6 verschiedene Merkmalafunktionen mit je 20 Werten.
Dabei wird nicht jede Merkmalsfunktion in jedem transformierten
Bild ermittelt sondern so ausgewählt, wie in Tabelle 1 dargestellt. Diese Auswahl der Merkmals funktionen ergibt sich z.B. durch eine
Analyse des Merkmalsraums und durch Klassifikationsexperimente mit einer repräsentativen Anzahl von Zellen. Die Merkmalsfunktionen
werden so ausgewählt, daß sie möglichst viel Information zur Unterscheidung verschiedener Zellklassen voneinander aus den Bildern
extrahieren.
Man erhält damit einen Satz von 18 χ 20 = 360 Merkmalen, die durch
360 Zahlen beschrieben werden. Der auf diese Weise gewonnene Merkmalssa^.z
jeder Zelle wird noch normiert. Er stellt die datenreduzierte Beschreibung der Zelle dar, die für eine automatische Klassifikation
geeignet ist.
Tabelle 1 Beispiel der Merkmalsberechnung eines Zellkerns
Merkmalsfunktion | Bild in dem gemessen wird | 1 | - | I | - 1) |
(je 20 diskrete Werte) | 1 | -D | |||
1 Flache | Originalbild | 2 | -3) | ||
.2 Umfang | Originalbild | 2 | «3) | ||
3 Konnexitat (+) Flache | Originalbild | (Erosion mit r | |||
4 Konnexitat (-) Flache | Originalbild ' | (Erosion mit r | |||
5 Umfang | Erosion mit Radius r = 1 | (Erosion mit r | |||
6 Konnexitat | Erosion mit Radius r «= 1 | (Erosion mit r | |||
7 (Umfang)*/FlSche | Erosion mit Radius r * 1 | ||||
8 Umfang | Erosion mit Radius r = 2 | ||||
9 Konnexitat | Erosion mit Radius r = 2 | ||||
10 (Umfang)2/FlSche | Erosion mit Radius r = 2 | ||||
11 Umfang | Dilatation mit Radius r ·= | ||||
12 Konnexitat | Dilatation mit Radius r = | ||||
13 Umfang | Dilatation mit Radius r « | ||||
14 Konnexitat | Dilatation mit Radius r = | ||||
15 Umfang | (Dilatation mit r ·= 1) - | ||||
16 Konnexitat | (Dilatation mit r « 1) - | ||||
17 Umfang | (Dilatation mit r = 3) - | ||||
18 Konnexitat | (Dilatation mit r = 3) - | ||||
Ö30033/0Ut
Leerseite
Claims (8)
- DR.»ING. H. H. WILHELM - DIPL.-«NG. H. DAUSTERD-7000 STUTTGART 1 - GYMNASIUMSTRASSE 31B - TELEFON (0711) 29 11Anmelder; Stuttgart, den·."!. Februar 1979Prof. Dr.-Ing.
Werner H. Bloss
Lindenstrasse 45WinterbachAnsprücheVerfahren zum automatischen Markieren von Zellen und Bestimmung der Merkmale von Zellen aus zytologischen Abstrichpräparaten, die als mittels einer TV-Kamera an einem Mikroskop aufgenommene TV-Bilder abgebildet werden, dadurch gekennzeichnet, daßa) nur die Zellkerne zur Auswertung herangezogen werden, wozub) die TV-Bilder in wenigstens einem Digitalspeicher abgespeichert v/erden undc) mittels lokaler Operatoren von unter einer vorgegebenen Größe liegenden Strukturen gereinigt werden,d) wonach durch eine Transformation der gereinigten Bilder eine Glättung und gleichzeitige Lokalisierung der Zeilkerne als Bildausschnitte durchgeführt wird,e) wonach die lokalisierten Ausschnitte der Bilder einem Grenzfindungsprozeß unterzogen werden,f) worauf an den durch den Grenzfindungsprozeß gefundenen Zellkernen eine Bestimmung von Merkmalen durch Messungen an dem Originalbild und an transformierten Bildern und/oder an logischen oder arithmetischen Verknüpfungen der transformierten Bilder erfolgt. - 2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß zum Reinigen der TV-Bilder lokale Grauwert-Operatoren für Dilatration an den Bildern und invertierten Bildern vorgesehen sind.
- 3. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß zum Lokalisieren der Zellkerne Schwellwertprozesse zur Bestimmung relativer Grauwertmaxima durchgeführt werden.
- 4. Verfahren nach Anspruch 3, dadurch gekennzeichnet, daß der Schwellwertprozeß nach Lokalisieren eines Punktes auf in vorgegebenen Abstand zu diesem Punkt liegenden Bildbereiche beschränkt wird.
- 5. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß als Grenzfindungsprozeß zunächst eine Grobeingrenzung der Kerngebiete mittels zeilen- und spaltenweiser Integration der Grauwerte der Bilder durchgeführt wird, auf die zur Bestimmung der Kerngrenzen eine Klassifikation durchgeführt wird, bei welcher sämtliche Punkte eines Bildes zwei disjunkten Klassen zugeordnet werden.
- 6. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß vor dem Bestimmen der Merkmale der Zellkerne der Grauwertbereich gemessen und festgelegt wird, in welchem die Information moduliert ist.
- 7. Verfahren nach Anspruch 6, dadurch gekennzeichnet, daß innerhalb des vorgegebenen Grauwertbereiches die Fläche, der Umfang und die Euler-Zahl an dem Originalbild und den transformierten Bildern und/oder an den logischen oder arithmetischen Verknüpfungen der transformierten Bilder gemessen werden.
- 8. Verfahren nach Anspruch 7, dadurch gekennzeichnet, daß die Transformation der Bilder durch lokale Operatoren durchgeführt wird, die Nachbarschaftsbeziehungen auswerten.030033/0U1 ~3~
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19792903855 DE2903855A1 (de) | 1979-02-01 | 1979-02-01 | Verfahren zum automatischen markieren von zellen und bestimmung der merkmale von zellen aus zytologischen abstrichpraeparaten |
DE8080100376T DE3070567D1 (en) | 1979-02-01 | 1980-01-25 | Method for the automatic marking of cells and for feature determination of cells from cytological smears |
EP80100376A EP0014857B1 (de) | 1979-02-01 | 1980-01-25 | Verfahren zum automatischen Markieren von Zellen und zur Bestimmung der Merkmale von Zellen aus zytologischen Abstrichpräparaten |
US06/618,447 US4523278A (en) | 1979-02-01 | 1984-06-07 | Method of automatic detection of cells and determination of cell features from cytological smear preparations |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE19792903855 DE2903855A1 (de) | 1979-02-01 | 1979-02-01 | Verfahren zum automatischen markieren von zellen und bestimmung der merkmale von zellen aus zytologischen abstrichpraeparaten |
Publications (1)
Publication Number | Publication Date |
---|---|
DE2903855A1 true DE2903855A1 (de) | 1980-08-14 |
Family
ID=6061943
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19792903855 Withdrawn DE2903855A1 (de) | 1979-02-01 | 1979-02-01 | Verfahren zum automatischen markieren von zellen und bestimmung der merkmale von zellen aus zytologischen abstrichpraeparaten |
DE8080100376T Expired DE3070567D1 (en) | 1979-02-01 | 1980-01-25 | Method for the automatic marking of cells and for feature determination of cells from cytological smears |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE8080100376T Expired DE3070567D1 (en) | 1979-02-01 | 1980-01-25 | Method for the automatic marking of cells and for feature determination of cells from cytological smears |
Country Status (3)
Country | Link |
---|---|
US (1) | US4523278A (de) |
EP (1) | EP0014857B1 (de) |
DE (2) | DE2903855A1 (de) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4211904A1 (de) * | 1991-04-09 | 1992-11-19 | Werner Maier | Verfahren und vorrichtung zum erstellen einer artenliste fuer eine fluessige probe |
DE19709348A1 (de) * | 1996-05-29 | 1997-12-04 | Walter Dr Schubert | Automatisches Multi-Epitop-Ligand-Kartierungssystem |
Families Citing this family (68)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE3044883A1 (de) * | 1980-11-28 | 1982-07-01 | Fa. Carl Zeiss, 7920 Heidenheim | Verfahren und anordnung zum finden von ansammlungen von teilchen, bspw. metaphasenplatten |
US4700298A (en) * | 1984-09-14 | 1987-10-13 | Branko Palcic | Dynamic microscope image processing scanner |
US4724543A (en) * | 1985-09-10 | 1988-02-09 | Beckman Research Institute, City Of Hope | Method and apparatus for automatic digital image analysis |
US4741043B1 (en) * | 1985-11-04 | 1994-08-09 | Cell Analysis Systems Inc | Method of and apparatus for image analyses of biological specimens |
US5134662A (en) * | 1985-11-04 | 1992-07-28 | Cell Analysis Systems, Inc. | Dual color camera microscope and methodology for cell staining and analysis |
US5086476A (en) * | 1985-11-04 | 1992-02-04 | Cell Analysis Systems, Inc. | Method and apparatus for determining a proliferation index of a cell sample |
US5109429A (en) * | 1985-11-04 | 1992-04-28 | Cell Analysis Systems,Inc. | Apparatus and method for analyses of biological specimens |
US4998284A (en) * | 1987-11-17 | 1991-03-05 | Cell Analysis Systems, Inc. | Dual color camera microscope and methodology for cell staining and analysis |
US5016283A (en) * | 1985-11-04 | 1991-05-14 | Cell Analysis Systems, Inc. | Methods and apparatus for immunoploidy analysis |
US5216596A (en) * | 1987-04-30 | 1993-06-01 | Corabi International Telemetrics, Inc. | Telepathology diagnostic network |
US5544650A (en) * | 1988-04-08 | 1996-08-13 | Neuromedical Systems, Inc. | Automated specimen classification system and method |
US5740270A (en) * | 1988-04-08 | 1998-04-14 | Neuromedical Systems, Inc. | Automated cytological specimen classification system and method |
DE3934625A1 (de) * | 1988-10-19 | 1990-04-26 | Leitz Wild Gmbh | Automatisiertes "in vivo"-mikrokerntest-verfahren und vorrichtung zur durchfuehrung desselben |
US5072382A (en) * | 1989-10-02 | 1991-12-10 | Kamentsky Louis A | Methods and apparatus for measuring multiple optical properties of biological specimens |
US5107422A (en) * | 1989-10-02 | 1992-04-21 | Kamentsky Louis A | Method and apparatus for measuring multiple optical properties of biological specimens |
US5313532A (en) * | 1990-01-23 | 1994-05-17 | Massachusetts Institute Of Technology | Recognition of patterns in images |
US5067092A (en) * | 1990-01-24 | 1991-11-19 | Eastman Kodak Company | Prespot detection method and apparatus in an analyzer |
WO1991014235A1 (en) * | 1990-03-06 | 1991-09-19 | Massachusetts Institute Of Technology | Recognition of patterns in images |
US5235522A (en) * | 1990-10-10 | 1993-08-10 | Cell Analysis Systems, Inc. | Method and apparatus for automated analysis of biological specimens |
US5546323A (en) * | 1990-10-10 | 1996-08-13 | Cell Analysis Systems, Inc. | Methods and apparatus for measuring tissue section thickness |
US5257182B1 (en) * | 1991-01-29 | 1996-05-07 | Neuromedical Systems Inc | Morphological classification system and method |
US5259391A (en) * | 1991-06-03 | 1993-11-09 | Altshuler John H | Method and device for cell sampling |
WO1993016442A1 (en) * | 1992-02-18 | 1993-08-19 | Neopath, Inc. | Method for identifying objects using data processing techniques |
US5556764A (en) * | 1993-02-17 | 1996-09-17 | Biometric Imaging, Inc. | Method and apparatus for cell counting and cell classification |
US5352613A (en) * | 1993-10-07 | 1994-10-04 | Tafas Triantafillos P | Cytological screening method |
US6136540A (en) * | 1994-10-03 | 2000-10-24 | Ikonisys Inc. | Automated fluorescence in situ hybridization detection of genetic abnormalities |
CA2132269C (en) * | 1993-10-12 | 2000-02-01 | Rainer Hermann Doerrer | Interactive automated cytology method and system |
US5740269A (en) * | 1994-09-20 | 1998-04-14 | Neopath, Inc. | Method and apparatus for robust biological specimen classification |
WO1996009604A1 (en) * | 1994-09-20 | 1996-03-28 | Neopath, Inc. | Apparatus for automated identification of cell groupings on a biological specimen |
WO1996009600A1 (en) * | 1994-09-20 | 1996-03-28 | Neopath, Inc. | Apparatus for identification and integration of multiple cell patterns |
US5715327A (en) * | 1994-09-20 | 1998-02-03 | Neopath, Inc. | Method and apparatus for detection of unsuitable conditions for automated cytology scoring |
US5757954A (en) * | 1994-09-20 | 1998-05-26 | Neopath, Inc. | Field prioritization apparatus and method |
WO1996009602A1 (en) * | 1994-09-20 | 1996-03-28 | Neopath, Inc. | Biological analysis system self-calibration apparatus |
WO1996009594A1 (en) * | 1994-09-20 | 1996-03-28 | Neopath, Inc. | Apparatus for automated identification of thick cell groupings on a biological specimen |
US5978497A (en) * | 1994-09-20 | 1999-11-02 | Neopath, Inc. | Apparatus for the identification of free-lying cells |
AU3675495A (en) * | 1994-09-30 | 1996-04-26 | Neopath, Inc. | Method and apparatus for highly efficient computer aided screening |
US5619428A (en) * | 1995-05-31 | 1997-04-08 | Neopath, Inc. | Method and apparatus for integrating an automated system to a laboratory |
US5889880A (en) * | 1995-06-07 | 1999-03-30 | Autocyte, Inc. | Interactive automated cytology method incorporating both manual and automatic determinations |
US5787208A (en) * | 1995-06-07 | 1998-07-28 | Neopath, Inc. | Image enhancement method and apparatus |
US5724253A (en) * | 1996-03-26 | 1998-03-03 | International Business Machines Corporation | System and method for searching data vectors such as genomes for specified template vector |
US6396941B1 (en) * | 1996-08-23 | 2002-05-28 | Bacus Research Laboratories, Inc. | Method and apparatus for internet, intranet, and local viewing of virtual microscope slides |
US6404906B2 (en) * | 1997-03-03 | 2002-06-11 | Bacus Research Laboratories,Inc. | Method and apparatus for acquiring and reconstructing magnified specimen images from a computer-controlled microscope |
US6031930A (en) * | 1996-08-23 | 2000-02-29 | Bacus Research Laboratories, Inc. | Method and apparatus for testing a progression of neoplasia including cancer chemoprevention testing |
US6272235B1 (en) * | 1997-03-03 | 2001-08-07 | Bacus Research Laboratories, Inc. | Method and apparatus for creating a virtual microscope slide |
US6181811B1 (en) | 1998-01-13 | 2001-01-30 | Neopath, Inc. | Method and apparatus for optimizing biological and cytological specimen screening and diagnosis |
AUPP278698A0 (en) * | 1998-04-03 | 1998-04-30 | University Of Queensland, The | Method of cell nuclei segmentation |
US6143512A (en) * | 1998-08-17 | 2000-11-07 | Markovic; Nenad | Cap-pap test |
US6656683B1 (en) | 2000-07-05 | 2003-12-02 | Board Of Regents, The University Of Texas System | Laser scanning cytology with digital image capture |
US6466690C1 (en) * | 2000-12-19 | 2008-11-18 | Bacus Res Lab Inc | Method and apparatus for processing an image of a tissue sample microarray |
US7155049B2 (en) * | 2001-01-11 | 2006-12-26 | Trestle Acquisition Corp. | System for creating microscopic digital montage images |
US6993169B2 (en) * | 2001-01-11 | 2006-01-31 | Trestle Corporation | System and method for finding regions of interest for microscopic digital montage imaging |
US6798571B2 (en) | 2001-01-11 | 2004-09-28 | Interscope Technologies, Inc. | System for microscopic digital montage imaging using a pulse light illumination system |
US6816606B2 (en) | 2001-02-21 | 2004-11-09 | Interscope Technologies, Inc. | Method for maintaining high-quality focus during high-throughput, microscopic digital montage imaging |
US20030014133A1 (en) * | 2001-02-02 | 2003-01-16 | Laforge Laurence Edward | Algorithm and software computing minkowski quotients, products, and sums of polygons, and for generating feasible regions for robust compensators |
WO2002074055A2 (en) * | 2001-03-19 | 2002-09-26 | Ikonisys, Inc. | Epifluorecence microscope with improved image contrast |
KR100479271B1 (ko) * | 2001-09-13 | 2005-03-30 | 학교법인 한림대학교 | 자궁경부 세포진영상의 핵영역분할방법 |
AU2003217694A1 (en) * | 2002-02-22 | 2003-09-09 | Bacus Research Laboratories, Inc. | Focusable virtual microscopy apparatus and method |
DE10217858C1 (de) * | 2002-04-22 | 2003-10-02 | Fraunhofer Ges Forschung | Verfahren zur Trennung einer in einer Probe enthaltenen Zellgruppe in Einzelzellen |
DE102004022484B4 (de) | 2004-05-07 | 2007-12-20 | P.A.L.M. Microlaser Technologies Ag | Mikroskoptisch |
DE102004023262B8 (de) | 2004-05-11 | 2013-01-17 | Carl Zeiss Microimaging Gmbh | Verfahren zur Bearbeitung einer Masse mittels Laserbestrahlung und Steuersystem |
US7316904B1 (en) | 2004-06-30 | 2008-01-08 | Chromodynamics, Inc. | Automated pap screening using optical detection of HPV with or without multispectral imaging |
US7792338B2 (en) * | 2004-08-16 | 2010-09-07 | Olympus America Inc. | Method and apparatus of mechanical stage positioning in virtual microscopy image capture |
US7817841B2 (en) * | 2005-11-12 | 2010-10-19 | General Electric Company | Time-lapse cell cycle analysis of unstained nuclei |
US8135202B2 (en) * | 2008-06-02 | 2012-03-13 | Nec Laboratories America, Inc. | Automated method and system for nuclear analysis of biopsy images |
JP5438962B2 (ja) * | 2008-12-25 | 2014-03-12 | シスメックス株式会社 | 細胞画像表示装置 |
WO2012037482A1 (en) * | 2010-09-16 | 2012-03-22 | University Of Kansas | System and methods for digital evaluation of cellblock preparations |
US10540535B2 (en) | 2017-03-13 | 2020-01-21 | Carl Zeiss Microscopy Gmbh | Automatically identifying regions of interest on images of biological cells |
EP3973476A4 (de) * | 2019-05-23 | 2023-05-24 | Icahn School of Medicine at Mount Sinai | Systeme und verfahren zur verfolgung eines zellobjektdetektors |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3706071A (en) * | 1970-06-22 | 1972-12-12 | Information Int Inc | Binary image processor |
US3824393A (en) * | 1971-08-25 | 1974-07-16 | American Express Invest | System for differential particle counting |
US4207554A (en) * | 1972-08-04 | 1980-06-10 | Med-El Inc. | Method and apparatus for automated classification and analysis of cells |
US4122518A (en) * | 1976-05-17 | 1978-10-24 | The United States Of America As Represented By The Administrator Of The National Aeronautics & Space Administration | Automated clinical system for chromosome analysis |
US4097845A (en) * | 1976-11-01 | 1978-06-27 | Rush-Presbyterian-St. Luke's Medical Center | Method of and an apparatus for automatic classification of red blood cells |
US4199748A (en) * | 1976-11-01 | 1980-04-22 | Rush-Presbyterian-St. Luke's Medical Center | Automated method and apparatus for classification of cells with application to the diagnosis of anemia |
US4175860A (en) * | 1977-05-31 | 1979-11-27 | Rush-Presbyterian-St. Luke's Medical Center | Dual resolution method and apparatus for use in automated classification of pap smear and other samples |
US4213036A (en) * | 1977-12-27 | 1980-07-15 | Grumman Aerospace Corporation | Method for classifying biological cells |
US4210419A (en) * | 1978-02-17 | 1980-07-01 | California Institute Of Technology | Automated quantitative muscle biopsy analysis system |
-
1979
- 1979-02-01 DE DE19792903855 patent/DE2903855A1/de not_active Withdrawn
-
1980
- 1980-01-25 DE DE8080100376T patent/DE3070567D1/de not_active Expired
- 1980-01-25 EP EP80100376A patent/EP0014857B1/de not_active Expired
-
1984
- 1984-06-07 US US06/618,447 patent/US4523278A/en not_active Expired - Fee Related
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4211904A1 (de) * | 1991-04-09 | 1992-11-19 | Werner Maier | Verfahren und vorrichtung zum erstellen einer artenliste fuer eine fluessige probe |
DE19709348A1 (de) * | 1996-05-29 | 1997-12-04 | Walter Dr Schubert | Automatisches Multi-Epitop-Ligand-Kartierungssystem |
DE19709348C2 (de) * | 1996-05-29 | 1999-07-01 | Schubert Walter Dr Md | Automatisches Multi-Epitop-Ligand-Kartierungsverfahren |
US6150173A (en) * | 1996-05-29 | 2000-11-21 | Schubert; Walter | Automated determining and measuring device and method |
Also Published As
Publication number | Publication date |
---|---|
EP0014857A1 (de) | 1980-09-03 |
DE3070567D1 (en) | 1985-06-05 |
US4523278A (en) | 1985-06-11 |
EP0014857B1 (de) | 1985-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE2903855A1 (de) | Verfahren zum automatischen markieren von zellen und bestimmung der merkmale von zellen aus zytologischen abstrichpraeparaten | |
DE2823490C2 (de) | ||
DE60123378T2 (de) | Digitales Bildverarbeitungsverfahren mit verschiedenen Arbeitsweisen zum Erkennen von Augen | |
DE69630935T2 (de) | Bilverarbeitungsverfahren und -vorrichtung zur automatischen Erfassung von Bereichen eines vorbestimmten Krebstyps in einem Intensitätsbild | |
DE2831582C2 (de) | Verfahren zur Identifizierung einer Person und Vorrichtung zur Durchführung des Verfahrens | |
DE60008579T2 (de) | Verfahren zur untersuchung von zellproben durch bildherstellung und analysen | |
DE60307583T2 (de) | Auswertung der Schärfe eines Bildes der Iris eines Auges | |
DE60109278T2 (de) | Verfahren und Gerät zur Lokalisierung von Schriftzeichen in Bildern aus einer Digitalkamera | |
DE102007013971B4 (de) | Verfahren und Vorrichtung zur Ermittlung einer Zellkontur einer Zelle | |
DE3505331C2 (de) | Verfahren und Gerät zur Vermessung des bei der Eindringhärteprüfung in einer Probe hinterlassenen Eindrucks | |
EP1797533B1 (de) | Verfahren und vorrichtung zur segmentierung einer digitalen abbildung von zellen | |
DE10392259T5 (de) | Objektkorrespondenzidentifikation ohne volle Volumenregistration | |
DE10157958A1 (de) | Bildverarbeitungsverfahren und-vorrichtung | |
EP2400458B1 (de) | Verfahren und Vorrichtung zur Segmentierung von biologischen Zellen in einer Aufnahme | |
DE19636949A1 (de) | Verfahren zur Detektion von Kanten in einem Bildsignal | |
DE102012208625B4 (de) | Verfahren und System zur Verarbeitung von MRT-Daten des menschlichen Gehirns | |
DE112019005143T5 (de) | System zur co-registrierung medizinischer bilder unter verwendung eines klassifikators | |
DE60313662T2 (de) | Histologische bewertung des nuklearpleomorphismus | |
EP1685384A1 (de) | Verfahren und vorrichtung zur erfassung von verschiedenen zelltypen von zellen in einer biologischen probe | |
DE60026732T2 (de) | Zellenreihen-extraktionsverfahren | |
DE102009033927B4 (de) | Vorrichtung und Verfahren zum Lokalisieren eines validen Bereiches eines Blutausstriches | |
DE102005049017B4 (de) | Verfahren zur Segmentierung in einem n-dimensionalen Merkmalsraum und Verfahren zur Klassifikation auf Grundlage von geometrischen Eigenschaften segmentierter Objekte in einem n-dimensionalen Datenraum | |
EP1481371B1 (de) | Verfahren zur trennung einer in einem bild einer probe enthaltenen zellgruppe in einzelzellen | |
DE112009005102T5 (de) | Aufspaltung mehrteiliger Objekte | |
DE3826285C2 (de) | Verfahren und Anordnung zur Ermittlung von anormalen anatomischen Bereichen in einem digitalen Röntgenbild |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8141 | Disposal/no request for examination |