[发明专利]病理切片显示方法及装置有效
| 申请号: | 201510975748.8 | 申请日: | 2015-12-21 |
| 公开(公告)号: | CN105590295B | 公开(公告)日: | 2019-05-21 |
| 发明(设计)人: | 贾欣宇;黄红 | 申请(专利权)人: | 玖壹叁陆零医学科技南京有限公司 |
| 主分类号: | G06T3/00 | 分类号: | G06T3/00;G06T3/40 |
| 代理公司: | 北京超凡志成知识产权代理事务所(普通合伙) 11371 | 代理人: | 王术兰 |
| 地址: | 210000 江苏省南京市雨花*** | 国省代码: | 江苏;32 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 病理 切片 显示 方法 装置 | ||
本发明提供了病理切片显示方法和装置,涉及医疗领域。本申请所提供的病理切片显示方法,通过先计算出切片照片的中心坐标,再计算出该切片照片中指定图像碎片的行列数,并且通过计算出影响层数进一步确定实际层数,最后,确定图像碎片的显示层数和显示横纵坐标,并按照该显示层数和显示横纵坐标显示图像碎片,进而显示出全部的切片照片。能够将不同的规格的切片照片使用同一套方法进行显示,提高了显示设备的兼容性。
技术领域
本发明涉及医疗领域,具体而言,涉及病理切片显示方法及装置。
背景技术
病理切片技术,通常是先取一定大小的病变组织,用病理组织学方法制成病理玻片,之后将玻片进行拍摄,进而制成切片照片,最后,将这些切片照片进行分解,以形成图像碎片,在需要显示的时候,只需要将这些图像碎片拼接,便可以形成能够直接观看的照片了。其中,针对同一个玻片所拍摄出的照片是有着不同分片率的,或者说是在每个图像碎片的大小均相同的情况下,不同分辨率的照片的图像碎片个数不同。
在生成图像碎片之后,每次需要显示图像的时候,首先调取同一分辨率下的图像碎片,之后,按照图像碎片的相对位置,将这些图像碎片拼接起来,进而形成一个完整的图像。由此可见,在显像的时候,会涉及到图像拼接技术,针对病理切片的图像拼接也是当前图像处理领域的研究热点。
由于目前在倍率类图形还在探索区,目前比较成熟的技术也仅仅是地图类相关,对于非地图类的倍率类图片还在探索区域,技术尚不成熟,所以在进行图像拼接时会造成误配的现象。目前,一般会采用全局优化的方法在图像碎片进行拼接的时候来修正,进而保证拼接后的图像的完整性。此种全局优化的方法,在理论上较为合理,但是速度和效果方面都欠佳。
目前,由于病理切片的显示技术都基本是各家只能使用各家的浏览工具,由于各家的浏览工具的工作原理和工作机制有差别,导致了某一家的病理切片在其他家浏览工具中无法读取(主要问题是出现在图像碎片的拼接方面),或者说是无法正常的显示出来。如图1所示,为一个碎图流(图像碎片),将每一张这样的碎图流拼接出来,也就能够形成一个完整的切片照片。
但在进行图像拼接的时候,由于难以确定某个图像碎片(碎图流)的具体坐标,导致拼接出现错误。
发明内容
本发明的目的在于提供病理切片显示方法,以使不同规格的病理切片,均能够在同一个浏览器中显示。
第一方面,本发明实施例提供了病理切片显示方法,包括:
根据切片照片的物理宽、高和参考点坐标,计算切片照片的中心坐标;
根据预先获取的像素宽、高计算切片照片中指定图像碎片的行列数;
根据所述行列数、当前切片照片的倍率,计算影响层数;
若所述影响层数满足预设的条件,则通过比较当前调用的层数与所述影响层数,确定实际层数;
根据参考点坐标、实际层数和中心坐标,计算所述指定图像碎片所对应的显示层数和显示横纵坐标;
按照显示层数和显示横纵坐标显示所述指定图像碎片。
结合第一方面,本发明实施例提供了第一方面的第一种可能的实施方式,其中,步骤所述根据切片照片的物理宽、高和参考点坐标,计算切片照片的中心坐标包括:
根据切片照片的物理高度值和参考点纵坐标,计算切片照片的中心点纵坐标;
根据切片照片的物理宽度值和参考点横坐标,计算切片照片的中心点横坐标。
结合第一方面,本发明实施例提供了第一方面的第二种可能的实施方式,其中,步骤所述根据切片照片的物理高度值和参考点纵坐标,计算切片照片的中心点纵坐标包括:
使用如下公式计算中心点纵坐标,中心点纵坐标=物理高度值/2-参考点纵坐标;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于玖壹叁陆零医学科技南京有限公司,未经玖壹叁陆零医学科技南京有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201510975748.8/2.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于双字典学习的单帧图像超分辨率复原方法
- 下一篇:多功能桌子





