显微图像

摘要： 目的:探究开源软件ImageJ在显微图像细胞计数中应用的可行性。方法:使用ImageJ软件对荧光染料4',6-二脒基-2-苯基吲哚(4',6-diamidino-2-phenylindole,DAPI)标记的悬浮细胞和羧基荧光素二醋酸盐琥珀酰亚胺酯(5,6-carboxyfluorescein diacetate succinimidyl ester,CFSE)标记的半贴壁细胞进行手动计数和自动计数,对脂肪包备蛋白Perilipin标记的脂肪细胞进行手动计数并通过编写程序对其进行自动计数,分别统计2种计数方法的准确率(以手动计数作为金标准)和计数时长。结果:在计数准确率方面,悬浮细胞自动计数的准确率为(98.28±1.59)%,半贴壁细胞自动计数的准确率为(97.43±0.44)%,脂肪细胞自动计数的准确率为(94.11±0.76)%。在计数时长方面,悬浮细胞自动计数较手动计数耗时长[(225.56±7.83)s vs(185.45±8.09)s],P<0.05;半贴壁细胞和脂肪细胞自动计数时长明显短于手动计数时长[(65.66±2.01)s vs(550.10±18.01)s,(218.33±6.38)s vs(776.04±8.72)s],P均<0.05。结论:ImageJ软件能够实现多种类型显微图像的细胞计数,还可兼容各种标记类型细胞显微图像的自主分析,为科研人员的图像分析工作提供了便利。

摘要： 准确检测并去除刀具边缘粘连的附着物是刀具显微图像豁口检测领域的一个难题,目前仍存在刀具边缘恢复不完整、附着物去除失败等问题。提出一种附着物去除的ARNet网络,采用二值掩膜引导模块区分目标与背景特征,利用去除过程的学习模块提取递归过程中的时序信息,并通过自注意力精准分离模块中的编解码结构和自注意力机制,建立附着物特征在全局特征中的依赖关系,以精准去除附着物,从而整合特征并输出无附着物图像。从实际采集的刀具刃口显微图像中裁剪含附着物区域的图像并构成数据集,在此数据集上的实验结果表明,与PReNet网络相比,该网络的峰值信噪比提高了1.016 dB,交并比IOU提升了3.48%,参数量和计算量分别减少了86.5%、90.9%,能够精确聚焦附着物区域,完整地还原刀具的真实边缘,提高了豁口检测准确率,且增强了刀具豁口高精度检测系统的稳定性和可靠性。

摘要： 显微图像普遍具有背景复杂、细胞多重叠的特点,传统的图像处理方法由于其技术局限性,无法实时准确地完成识别任务。针对上述问题,本文提出一种采用注意力机制的显微图像智能检测方法,该方法对目标检测模型DETR进行改进,利用分组卷积机制对输入特征进行降维并分别训练不同卷积核实现特征提取,从而提高模型对于显微图像中目标物体的注意力,并增加了检测准确率。本文以阴道炎致病微生物检测为应用场景,实验结果表明,改进的模型平均查准率均值mAP为96.3%,比原模型提高约10%。同时,本方法在细胞重叠、粘连以及背景杂质繁多等场景下,仍具有高鲁棒性和强检测能力。每张显微图像检测耗时约为88.8 ms,可以满足实时检测的需求。因此,本文提出的模型可实时准确地对常见的阴道炎致病微生物进行实时高效自动检测,可满足显微镜检临床使用的实际需求。

摘要： [目的]小麦秸秆表皮结构完整性是判断其资源化利用效果的关键因素之一,目前尚难以对秸秆破碎程度进行量化分析,为了实现小麦秸秆表皮结构完整性的分类,本研究提出了一种改进的GhostNet轻量级卷积神经网络,用于对小麦秸秆表皮显微图像进行完整性分类。[方法]基于小麦秸秆表皮显微成像技术,将迁移学习引入GhostNet中,降低了模型过拟合的风险,同时采用了Dropout层以提升网络的分类准确率。为了验证该方法的有效性,利用4320幅小麦秸秆表皮显微图像进行训练和验证,同时与ShuffleNet V2、ResNet 50和AlexNet深度学习网络进行了对比。[结果]试验结果表明,改进的GhostNet网络模型的分类准确率为99.2%,分别比ShuffleNet V2、ResNet 50和AlexNet提高了14.55%、3.66%和3.44%,为了验证该模型的鲁棒性,分别对高斯噪声和不同亮暗程度影响进行了测试,测试结果表明,改进后的GhostNet网络模型依然可以取得最佳的分类效果。[结论]该方法应用于小麦秸秆表皮显微图像的完整性分类是有效的、可行的,该方法可为秸秆预处理技术效率的量化分析提供参考。

摘要： 显微图像处理技术是数字图像处理的一个重要研究分支,它为探索和研究微观世界提供了重要的手段。通过对显微图像处理技术发展历程的总结,阐述了显微图像处理的一般流程,综述了显微图像分割、显微图像增强、显微图像识别及特征提取、显微图像检测等不同显微图像处理技术的研究方面,以及这些研究技术在现代医疗科技、材料科学及生物医学等不同研究领域的广泛应用,最后对显微图像处理技术的研究现状、面临问题及发展趋势做了探讨与展望。

摘要： 传统单视图三维重建方法不能满足人工关节磨屑三维信息提取要求,为提高重建精度,提出一种基于SA-UNet网络的人工关节磨屑显微单视图深度估计方法,实现从单一视图下磨屑三维信息的快速获取。该方法首先构建一个融合自注意力机制的U-Net深度估计网络,然后使用光学显微镜和激光共聚焦显微镜分别收集磨屑的二维图像和深度图,再通过图像语义分割提取目标磨屑区域,消除图像背景的干扰,最后利用透视变换使二维图像和深度图相对应,获得训练样本。采用该方法对TC4材料磨屑显微单视图进行深度估计,以激光共聚焦显微镜的三维信息作为参考。结果表明,该方法预测深度的平均相对误差为7.35%,均方根相对误差为3.93,效果优于U-Net、BTS和ACAN。

摘要： 为了探究柑橘黄龙病病原菌对宿主叶片主脉显微结构的影响并建立基于叶片主脉显微图像的快速诊断方法,该研究以健康、染病未显症、染病显症和缺镁4类柑橘叶片主叶脉的显微图像为研究对象,提出了一个适用于小样本显微图像数据集的增强特征的无监督训练柑橘黄龙病检测模型(Enhanced Huanglongbing Unsupervised Pre-training Detect Transformer,E-HLBUP-DETR)。该模型首先采用无监督训练结合迁移学习构成上游网络(unsupervised pre-training model),再利用Yolact模型设计出增强特征网络(Enhanced Feature Network,EFN)与DETR(Detect Transformer)相结合构成下游网络,最终建立E-HLBUP-DETR诊断模型。研究结果表明,E-HLBUP-DETR模型检测的准确率可达96.2%,能够解决采用小规模数据集训练的模型存在过拟合和准确率低的问题。相较于未改进的DETR模型,E-HLBUP-DETR具有更高的检测准确率,识别准确率也优于CNN架构ResNext的92.1%与MobileNet的76.3%。研究结果可为显微尺度下柑橘黄龙病的早期快速诊断提供技术支持。

摘要： 总结了几十年来国内外使用显微图像分析法对焦炭孔结构进行研究的历程,指出了显微图像分析法表征焦炭孔结构没有在指导配煤炼焦生产中发挥重要作用的原因以及显微图像分析法在表征焦炭孔结构方面的先进性,提出了用调整焦炭孔结构的方法来精确控制焦炭热性质的设想.

摘要： 前言PCB的微观结构表征和失效分析,通常需要借助扫描电镜,实现显微图像(电子铜箔、IMC、爆板等)、成分(Ni元素腐蚀、CAF、焊盘异物)等分析。而由于终端设备尺寸不断减小,促使PCB结构细化、集成度提升,导致其制造难度也在显著增加,这使得PCB在制造过程中产生的不良问题越来越多,愈发凸显了SEM-EDS(扫描电镜-能谱)系统在PCB分析中的重要价值。另一方面,随着PCB数字化工厂智能制造的投入和普及,对配套的检测仪器智能化同样提出了更高的要求,正是在这种背景下,赛默飞于2019年新推出了SEM-EDS实时元素分析技术,几乎在获取图像的瞬间,元素分析即刻自动完成,将PCB的微观失效分析带入了全新的高效智能时代。

摘要： 陶瓷文物修复是文物保护研究中一项重要内容,对碎片分类可提高修复效率.针对人工标注分类耗时长、效率低、主观因素大等问题,该文基于对比学习方法对陶瓷显微图像进行分类,然而,传统的SimCLR(a simple framework for contrastive learning of visual rep-resentations)对比学习网络不能精准提取陶瓷显微图像细节,因此,该文将SimCLR网络与多尺度方法结合,对陶瓷显微图像进行分类.首先,将采集到的陶瓷显微图像进行增强并提取特征,在特征提取模块使用多尺度卷积操作替换SimCLR中的标准卷积,使得网络具有更大的感受野,提取到更加准确的特征信息;其次,使用多层感知机(MLP)将提取到的特征进行降维处理,提高后续计算效率;最后,使用归一化温度标度的交叉熵损耗对模型进行优化.实验结果表明,改进后的网络在陶瓷显微图像分类中比原始网络准确率提高1.8％,达到98.6％,且网络参数只增加了0.11m.该方法能以较小的代价有效对陶瓷碎片分类,辅助文物修复.

摘要： 岩石薄片显微图像能够直观地反映显微镜下矿物的结晶特点、光性特征与变化程度和岩石的矿物组合、粒度大小、结构构造、古生物类型等特征.国土资源实物地质资料中心经过多年不断的探索与研究测试,基本掌握了岩石薄片全幅面显微图像自动采集技术,并开始实验性批量采集,为岩石薄片全信息显微图像的长期保管保存、提供原始信息社会化服务奠定了工作基础.

摘要： 岩石薄片鉴定是地质工作中一项常用的、重要的基础工作方法,21世纪前产生的岩矿鉴定报告均为鉴定人员手写,其后有电子版鉴定报告的出现,但鉴定报告内显微镜下图像没有或很少见.系统采集岩石薄片显微图像的信息,直观而真实地反映鉴定报告描述的显微镜下岩石薄片微观现象,目前只有国土资源实物地质资料中心正在开展的岩石薄片照相工作.根据实际工作经验,提出了岩石薄片显微图像采集人员及仪器、设备等的要求,总结了采集技术流程及其工作方法.所有采集实物薄片显微图像信息均提交到实物中心网络室进行备份，使大批岩石薄片资料信息得到有效保护，并由网络室统一发布到“中国实物地质资料信息网”上，直观地反映了鉴定报告所描述的矿物特征和微观现象等，为高校教学、地质科研、生产实践等地学工作人员提供服务利用，为地质找矿和地质人才培养发挥着重要的作用。

摘要： 图像分析是砂岩薄片研究的重要手段,研究适用于砂岩薄片的图像分析的方法并进行工具实现,在岩石学研究、油气勘探等方面具有重要意义.本文设计开发了砂岩显微图像分析软件系统.首先,提出基于超像素分割和聚类的图像分割方法分割砂岩薄片显微图像,形成只具有单一矿物成分的超像素;然后,采用矿物显微图像作为训练数据,提取颜色和局部等特征参数训练分类器分类超像素;最后合并相邻超像素形成完整的矿物颗粒,标定其类别成分.在对方法进行研究的基础上,进行软件设计实现,对砂岩薄片显微图像中的矿物组分和组构特征进行分析.通过对一些采自西藏的典型砂岩薄片显微图像的分析,该方法具有良好的实用价值,但还需要进一步完善和优化.

摘要： 基于形态学差异的图像分析技术近年来成为藻种鉴定的一种重要手段.为了识别硅藻门内角毛藻属显微图像,提出了一种骨架树相似度匹配方法.构建目标曲面矢量模型,在保留微弱角毛信息的前提下精确分割角毛藻细胞;利用骨架表征目标,采用竞争式跟踪策略将目标骨架层次性分解,根据拓扑关系将各基元映射至骨架树结构;通过构建细胞拓扑和局部特征将角毛藻辨识任务转化为骨架树相似度匹配问题,实验证明该方法对常见的若干种角毛藻有较高的识别准确率.

摘要： 本文使用水平集方法分割线束端子显微图像内径轮廓.根据线束端子显微图像的固有特点,首先对显微图像进行增强处理,然后将其转换至Lab空间,利用黄蓝颜色信息使用水平集方法进行分割,最后用数学形态学方法进行处理,得到最终的内径轮廓.实验结果表明,本文方法可以获得较好的线束端子显微图像内径轮廓,有利于后续的数据提取和质量检测.

摘要： 光学显微镜由于独特的成像方式，显微图象对比度小，对光强变化敏感，显微图像处理的结果严重依赖于光强的变化；本文面向后期显微图像处理对最佳光照条件的需求，1）利用图像纹理信息，结合轮廓追踪效果，探讨光强评价标准，量化光强改变对显微图像的影响2）在此基础上给出最优光照条件的获取方法，3）并将其应用于显微操作中的卵母细胞极体定位，达到了很好的效果；也进一步验证了本文基于纹理特征的二维光强评价标准及最优光强的获取方法的有效性。

摘要： 针对显微图像序列中粘连细胞的跟踪问题,提出了一种基于Mean shift和蚁群的粘连细胞跟踪方法.首先利用基本Mean shift算法估计目标区域位置,利用颜色和位置特征相融合的相似度量作为启发式函数,引导蚂蚁集中于目标的高似然区域,提高蚂蚁的搜索效率,从而提高跟踪的精确度.仿真结果表明该方法能可靠跟踪多个粘连细胞并给出了细胞的轨迹、速度等运动参数.

摘要： Otsu方法是一种常用的自适应阈值分割方法.Otsu方法通过求得的最佳的阈值来分割目标图像和背景,但是目标和背景间往往存在一定的相交灰度,这为目标边界的提取造成了一定困难.为了解决这个问题,笔者提出了一种基于Otsu方法的提取目标图像边界曲线的方法.实验结果表明,该方法能够精确地提取出目标图像的边界曲线,且计算速度很快.

摘要： 本文通过介绍岩石薄片的重要性及应用现状,应用实例——物玛幅拉布错概况,展示了蛇绿岩不同岩石类型薄片显微图像特征,以此探讨岩石薄片服务方式,为实物岩石薄片的存储、再利用及提供便捷服务方面发挥作用.

摘要： 以水稻淀粉牲光学显微镜和扫描电子显微镜图像为研究对象，介绍了图像分析软件Ⅱmasc j在淀粉粒表面特征分析中的应用。图像分析结果以轮廓困(叫tIinc)和拟合椭圆(c!!jpse 6tting)两种方式呈现，分析指标选择了面积、周长、长轴、短轴、圃度及最大切直径。最后还对颗粒图像的获取和图像前处理进行了探讨。

摘要： 本发明涉及一种用于显微镜(2)的显微图像控制器装置(1)、显微镜(2)以及显微方法(100)。通过允许在检测到没有变化或仅有很小的变化时的从第一图像处理模式(110)到第二图像处理模式(120)，特别是采用多图像处理的自动切换，显微镜(2)的操作被简化。

摘要： 显微图像获取装置快速对焦方法及显微图像获取方法中，包括两个阶段的对焦过程；即以短波颜色分量数据为依据进行的第一阶段的短波对焦过程，若实时显微放大数字图像的清晰度值达到设定的第一清晰度值范围，此时显微成像组件到达第一目标位置；以长波颜色分量数据为依据进行的第二阶段对焦过程，或直接移动焦距差距离到目标位置的第二阶段对焦过程，实时显微放大数字图像的清晰度值落入设定的第二清晰度值范围，此时显微成像组件到达第二目标位置；完成快速对焦过程。分阶段地进行快速对焦，能更快更精准完成对焦过程。

摘要： 一种显微图像采集系统，其包括：显微镜设备，该显微镜设备用于扫描多种波长的光并将该多种波长的光传递到物镜，以及检测在从体内组织反射后返回到物镜的荧光信号；内腔探头，该内腔探头包括插入到被植入体内的可植入设备中的透镜，将来自物镜的入射光传递到内腔探头的下端处的侧开口部分中，并且将从用荧光材料标记的体内发射的荧光信号光传递到物镜上；以及可旋转探头移动设备，该可旋转探头移动设备用于固定内腔探头以及旋转或垂直移动所固定的内腔探头。

摘要： 经训练的深层神经网络将利用全息显微镜获得的样本的图像转换成与利用具有不同显微图像模态的显微镜获得的显微图像基本上类似的图像。不同成像模态的示例包括明场、荧光和暗场。对于明场应用，深度学习将明场显微术对比度带入样本的全息图像、将全息术的体积成像能力与明场显微术的无散斑和无伪影图像对比度联系起来。利用全息显微镜获得的全息显微图像被输入到经训练的深层神经网络中，以执行从与样本体积内的特定深度相对应的数字反向传播全息图到与利用具有不同显微图像模态的显微镜在相同特定深度获得的样本的显微图像类似的图像的跨模态图像转换。

摘要： 本申请提供一种浮游植物显微图像采集设备及显微图像观测系统，涉及光学显微拍摄领域。本申请通过在容置壳体上开设与双目显微镜的目镜筒匹配的两个容置槽，并通过两个容置槽将该容置壳体套设在双目显微镜上，接着在每个容置槽底部开设安装通孔，使每个摄像头对应安装在一个安装通孔内，而后通过将安装在中空腔体内的图像处理单元与两个摄像头电性连接，使图像处理单元通过两个摄像头分别采集左目镜显微图像及右目镜显微图像进行图像合并，得到待显示显微图像，最后使图像处理单元通过通信单元将待显示显微图像传输给显示设备进行显示，从而在提高采集到的浮游植物显微图像的图像清晰度的同时，降低实现成本及操作难度，提高设备兼容性。

摘要： 本发明涉及一种用于显微镜(2)的显微图像控制器装置(1)、显微镜(2)以及显微方法(100)。通过允许在检测到没有变化或仅有很小的变化时的从第一图像处理模式(110)到第二图像处理模式(120)，特别是采用多图像处理的自动切换，显微镜(2)的操作被简化。

摘要： 本发明涉及一种用于产生由多个单幅显微图像合成的图像的方法和显微镜。提供一种显微镜，其中，存在于显微镜的图像拍摄单元与显微镜的载物台之间的扭转角度(δ)的测量值包括该测量值的测量精度在内是已知的。用显微镜拍摄样本的第一单幅显微图像(01)，以及使图像拍摄单元和载物台相对彼此移动，然后用显微镜拍摄样本的第二单幅显微图像(02)。在第二或第一单幅显微图像中确定搜索区域，在搜索区域中预期有单幅显微图像(01、02)之间的重叠区域。基于扭转角度(δ)的测量值及其测量精度来确定搜索区域。在搜索区域之内搜索重叠区域(07)。基于所获知的重叠区域(07)，将单幅显微图像(01、02)拼合成样本的合成图像。

摘要： 本发明涉及一种用于形成具有扩展景深的显微图像的显微镜和方法，该方法借助于显微镜来产生具有扩展景深的显微图像。该显微镜包括图像传感器，该图像传感器包括布置为由线形成的矩阵的像素。在该方法的一个步骤中，在改变焦点位置(z)的同时获取样本的多个显微帧。逐线获取显微帧。在获取显微帧的个体的过程中改变焦点位置(z)。在进一步的步骤中，识别所获取的线的个体的部分。这些部分对样本锐利地成像。组成线的被识别的部分以便形成具有扩展景深的样本的显微图像。此外，本发明涉及显微镜。

摘要： 本发明涉及显微镜和用于产生具有扩展的景深的显微图像的方法。本发明首先涉及一种借助显微镜产生具有扩展的景深的显微图像的方法，显微镜的聚焦位置能通过能手动改变显微镜的至少一个透镜与要拍摄的样品之间的距离的方式来手动改变。在该方法的一个步骤中，识别显微镜的用户是否根据周期函数(01)手动改变聚焦位置。在识别出用户根据周期函数(01)改变聚焦位置之后，以不同的聚焦位置拍摄样品的多个显微单图。将多个显微单图处理成具有扩展的景深的显微图像。此外，本发明还涉及一种显微镜，其具有用于对待显微检测的样品进行成像的至少一个光学透镜。

摘要： 显微镜包括显微镜支架(40)、用于记录显微图像(51‑58)的照相机(20、30)和计算设备(50)，该计算设备配置为，对记录的显微图像(51‑58)进行图像处理。计算设备(50)配置为：定义(S2)相关图像结构；以及在显微图像(51‑58)中定位(S3)相关图像结构(21‑23)；从相关图像结构的位置导出(S4)拼接参数(21‑23)；并在考虑了拼接参数的情况下，借助显微图像(51‑58)创建(S7)结果图像(60)。此外，描述了相应的方法。