[发明专利]用于处理显微镜图像的显微系统、方法和计算机程序在审

专利信息
申请号: 202110789253.1 申请日: 2021-07-13
公开(公告)号: CN113947562A 公开(公告)日: 2022-01-18
发明(设计)人: 曼努埃尔·阿姆托尔;丹尼尔·哈泽;托马斯·奥尔特 申请(专利权)人: 卡尔蔡司显微镜有限责任公司
主分类号: G06T7/00 分类号: G06T7/00;G06V20/69;G06V10/774;G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;G06N20/00;G02B21/36
代理公司: 上海雍灏知识产权代理事务所(普通合伙) 31368 代理人: 沈汶波
地址: 德国*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 处理 显微镜 图像 显微 系统 方法 计算机 程序
【权利要求书】:

1.一种用于处理显微镜图像(10)的方法,包括:

获得(S1)由显微镜(1)拍摄的显微镜图像(10);

借助于图像处理程序(B)识别(S4)在所述显微镜图像(10)内的至少一个具有敏感信息的图像部分(11),所述图像处理程序使用关于敏感信息的给定的参考信息(i);

隐藏(S6)所述至少一个具有敏感信息的识别的图像部分(11),以生成匿名图像(20);和

输出(S7)所述匿名图像(20)。

2.根据权利要求1所述的方法,

其特征在于,所述显微镜图像(10)是样品载体(12)的全景图像或显微样品(15)的样品图像。

3.根据权利要求1所述的方法,

其特征在于,所述关于敏感信息的参考信息(i)涉及以下各项中的一项或多项:在样品载体(12)上的文字说明、标签或标记、样品载体(12)的盖玻片区域(13);一个或多个样品室区域;在样品载体(12)上的一个或多个样品区域和在样品载体(12)外部的背景区域;

其中,所述显微镜图像(10)是全景图像并且其中,所述具有敏感信息的至少一个图像部分(11)是在样品载体(12)上的文字说明、标签、标记、盖玻片区域(13)、一个或多个样品室区域、在样品载体(12)上的一个或多个样品区域、或在样品载体(12)外部的背景区域。

4.根据权利要求1所述的方法,

其特征在于,所述关于敏感信息的预先给定的参考信息(i)涉及一种或多种样品类型,特别是生物细胞、细胞器、组织切片、病理数据或制造商或产品名称。

5.根据权利要求1所述的方法,

其特征在于,向用户提供选择选项(S2),要针对哪种敏感信息对相应的图像部分(11)进行隐藏,

其中,所述给定的参考信息(i)涉及不同类型的敏感信息,

其中,所述识别和隐藏仅包括针对已由用户选择的那些类型的敏感信息的图像部分(11)。

6.根据权利要求1所述的方法,

其特征在于,所述图像处理程序(B)基于所述显微镜图像(10)的图像内容或针对所述显微镜图像(10)的上下文信息来选择针对哪些类型的敏感信息对相应的图像部分(11)进行隐藏。

7.根据权利要求6所述的方法,

其特征在于,所述图像处理程序(B)根据以下因素中的一个或多个来进行敏感信息的类型的选择:

-根据所述显微镜图像(10)是全景图像还是样品图像;

-根据在显微镜支架(5)或显微镜组件上的参数和设置;

-根据所述显微镜图像(10)的文件名或与所述显微镜图像(10)的文件链接的信息;

-根据在拍摄所述显微镜图像(10)时使用的样品类型或样品载体类型;

-根据在样品载体(12)上的文字内容。

8.根据权利要求1所述的方法,

其特征在于,预先给定用于所述至少一个图像部分(11)的形状,由此将所述至少一个图像部分(11)的形状与与所述敏感信息相关联的形状分开。

9.根据权利要求1所述的方法,

其特征在于,所述图像处理程序(B)包括机器学习算法(M)的训练参考模型(R),所述训练参考模型执行对所述具有敏感信息的至少一个图像部分(11)的识别,其中,所述关于敏感信息的参考信息(i)作为模型参数被包含在所述训练参考模型(R)中。

10.根据权利要求9所述的方法,其进一步包括:

训练所述机器学习算法(M)的参考模型(R),以确定模型参数,其中,所述训练通过各由一个训练图像(30)和一个相关联的目标图像(T)组成的配对来进行,其中,训练图像(30)包含具有敏感信息的图像部分(11)并且在所述相关联的目标图像(T)中局部地标记或隐藏与这些图像部分(11)相对应的区域。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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卡尔蔡司显微镜有限责任公司,未经卡尔蔡司显微镜有限责任公司许可,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/202110789253.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top