+

ES2867811T3 - Sistema y método para obtener imágenes de muestras biológicas dispuestas en medios de cultivo - Google Patents

Sistema y método para obtener imágenes de muestras biológicas dispuestas en medios de cultivo Download PDF

Info

Publication number
ES2867811T3
ES2867811T3 ES15706696T ES15706696T ES2867811T3 ES 2867811 T3 ES2867811 T3 ES 2867811T3 ES 15706696 T ES15706696 T ES 15706696T ES 15706696 T ES15706696 T ES 15706696T ES 2867811 T3 ES2867811 T3 ES 2867811T3
Authority
ES
Spain
Prior art keywords
exposure time
image
photon flux
new
pixel
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
Application number
ES15706696T
Other languages
English (en)
Inventor
Raphael R Marcelpoil
Cedrick Orny
Didier Morel
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
BD Kiestra BV
Original Assignee
BD Kiestra BV
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by BD Kiestra BV filed Critical BD Kiestra BV
Application granted granted Critical
Publication of ES2867811T3 publication Critical patent/ES2867811T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/72—Combination of two or more compensation controls
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • 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
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
    • G01N21/274—Calibration, base line adjustment, drift correction
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/4833—Physical analysis of biological material of solid biological material, e.g. tissue samples, cell cultures
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/80—Camera processing pipelines; Components thereof
    • H04N23/81—Camera processing pipelines; Components thereof for suppressing or minimising disturbance in the image signal generation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing

Landscapes

  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Signal Processing (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Biophysics (AREA)
  • Hematology (AREA)
  • Molecular Biology (AREA)
  • Urology & Nephrology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Optics & Photonics (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Image Processing (AREA)
  • Studio Devices (AREA)

Abstract

Un sistema (100) para obtener imágenes de muestras biológicas dispuestas en medios de cultivo, comprendiendo el sistema: un módulo de calibración del sistema (110) que proporciona valores por defecto para un flujo de fotones y un tiempo de exposición para captar una imagen de una muestra biológica dispuesta en un medio de cultivo dispuesto en una placa en donde el flujo de fotones es un valor de consigna y el sistema controla la integración de sensor de cámara controlando el tiempo de exposición en donde el módulo de calibración determina el flujo de fotones por defecto y el tiempo de exposición para una variedad de placas y medios de cultivo; un módulo de adquisición de imágenes (120) que comprende una cámara en donde el módulo está adaptado para adquirir datos para una serie de imágenes en un intervalo de tiempo dado, en comunicación con el módulo de calibración del sistema, estando configurado el módulo de adquisición de imágenes i) para adquirir datos para una primera imagen utilizando los valores por defecto para el flujo de fotones y el tiempo de exposición del módulo de calibración del sistema y para crear un mapa píxel por píxel de los datos de la imagen, teniendo asociada con él cada píxel una intensidad de píxel, una relación señal/ruido, un flujo de fotones incidente y un tiempo de exposición; ii) para revisar los datos de la imagen para identificar píxeles saturados y seleccionar un nuevo flujo de fotones mayor, un nuevo tiempo de exposición mayor o bien un nuevo flujo de fotones y un nuevo tiempo de exposición mayores en la situación donde el número de píxeles saturados es menor que un umbral predeterminado o para seleccionar un nuevo flujo de fotones menor, un nuevo tiempo de exposición menor o un nuevo flujo de fotones y un nuevo tiempo de exposición menores donde el número de píxeles saturados es mayor que un umbral predeterminado y; iii) para utilizar el nuevo valor para el flujo de fotones, el nuevo valor para el tiempo de exposición o ambos para adquirir datos para una nueva imagen y iv) para actualizar el mapa de los datos de la imagen con los nuevos valores para la intensidad de píxel, la relación señal/ruido y el flujo de fotones o el tiempo de exposición o ambos; y v) para repetir iterativamente con sujeción a la etapa vi), las etapas ii) a iv) para converger hacia el umbral predeterminado, en donde el módulo de adquisición de imágenes asigna a cada intensidad de píxel un valor de gris para cada adquisición de imagen, y el valor de gris para cada píxel se actualiza después de cada adquisición de imagen; en donde, a partir del valor de gris actualizado se resta un valor de referencia predeterminado, en donde el valor de referencia predeterminado es un valor predeterminado en función de la placa, el medio de la placa y el tiempo de exposición; vi) para finalizar la adquisición de imágenes, en el intervalo de tiempo dado, cuando se ha obtenido una relación señal/ruido de umbral predeterminado para los píxeles no saturados, o ha transcurrido el tiempo asignado predeterminado para la adquisición de imágenes o se ha adquirido un número máximo predeterminado de imágenes; y un módulo de presentación de imágenes que transforma los datos de imágenes del módulo de adquisición de imágenes en una imagen para su visualización o análisis.

Description

DESCRIPCIÓN
Sistema y método para obtener imágenes de muestras biológicas dispuestas en medios de cultivo
Referencia cruzada con una solicitud relacionada
La presente solicitud reivindica el beneficio de la fecha de presentación de la solicitud provisional estadounidense con n.° 61/933.426, presentada el 30 de enero de 2014.
Antecedentes de la invención
La obtención de imágenes de alto intervalo dinámico (HDR) es una técnica de obtención de imágenes digitales que capta un intervalo dinámico mayor entre las áreas más claras y más oscuras de una imagen. Un proceso para optimizar automáticamente un intervalo dinámico de intensidad de píxeles obtenido de una imagen digital se describe en la patente de los Estados Unidos n.° 7.978.258 de Christiansen. etal. La HDR toma varias imágenes a diferentes niveles de exposición y usa un algoritmo para unirlas para crear una imagen que tiene puntos oscuros y claros, sin comprometer la calidad de ninguno de los dos. Sin embargo, la HDR puede presentar una distorsión de la realidad porque distorsiona la intensidad de la imagen en general. Por consiguiente, se siguen buscando técnicas de HDR que mejoren el contraste sin distorsionar la intensidad de la imagen.
Las técnicas para mejorar una imagen de una muestra biológica se describen en el documento WO 2012/152769 de Allano. et al. Entre los problemas con la obtención de imágenes de dichas muestras identificados en Allano et al. están:
i) el tamaño de las colonias que se están viendo;
ii) la proximidad de una colonia a otra;
iii) la mezcla de colores de las colonias;
iv) la naturaleza de la placa de Petri; y
v) la naturaleza del medio de cultivo; así como otros factores.
La solución propuesta en Allano et al. al problema de la obtención de imágenes de una muestra biológica es preparar una imagen fuente creada a partir de imágenes obtenidas en cada color, eliminar los efectos de absorción predeterminados para el medio de cultivo y el recipiente de cultivo y determinar un valor para el flujo de fotones y el tiempo de exposición usando una exposición predeterminada para obtener una imagen que luego se disecciona en zonas de luminosidad. A partir de eso, la luminosidad de la imagen se obtiene y se utiliza para determinar si el valor del flujo de fotones y el tiempo de exposición utilizados fue correcto o si se debe utilizar un nuevo valor para el flujo de fotones y el tiempo de exposición para la captación de imágenes.
El problema con las técnicas anteriores es que no proporcionan un sistema con la capacidad de proporcionar condiciones de formación de imágenes que puedan detectar cambios muy sutiles en el contraste que se requieren para la detección/identificación basada en imágenes de microbios en medios de crecimiento. Debido a que la evidencia de microbios basada en imágenes y/o su crecimiento en los medios es (o al menos puede ser) difícil de detectar, se buscan técnicas más sólidas para obtener imágenes de dichas muestras.
El documento US 2010/136549 A1 describe un sistema y un método para el análisis automatizado de la expresión de biomarcadores en muestras de tejido usando algoritmos para mejorar el análisis independiente del operador en ensayos de diagnóstico. El sistema y el método utilizan una técnica para corregir la exposición de la muestra, que adquiere iterativamente una nueva imagen con un tiempo de exposición mayor o menor que el de la imagen anterior hasta que se reducen al mínimo los píxeles saturados y se logra el intervalo dinámico óptimo. Este proceso iterativo permite un ajuste rápido en el tiempo de exposición para reducir la intensidad de los píxeles dentro del intervalo de detección para optimizar la exposición y el intervalo dinámico.
Breve compendio de la invención
En el presente documento, se describe un sistema y un método que mejoran la captación de imágenes para imágenes con contraste bajo o variable. Un ejemplo de un entorno de imágenes tan desafiante es el de las colonias bacterianas que crecen en placas de crecimiento de agar. Las colonias bacterianas reflejan la luz de manera diferente al agar. Adicionalmente, las colonias bacterianas pueden variar de colores claros a oscuros y reflejan la luz de manera diferente que el agar. El tiempo para captar una imagen de una colonia es corto (aproximadamente un segundo). Normalmente, se toma una imagen de la placa de crecimiento cada 3 a 6 horas.
Una imagen se adquiere en una serie de N adquisiciones de imágenes en cada intervalo de tiempo "x" (es decir, tü, t1 ... tx). La primera adquisición (N = 1) utiliza valores por defecto para la intensidad de la luz y el tiempo de exposición, lo que se denomina en el presente documento "flujo de fotones y tiempo de exposición". El valor del flujo de fotones define el número de fotones que llegan a la escena por unidad de tiempo y unidad de área ((cantidad de fotones) ■ (tiempo' 1) ■ (área' 1)). El momento es el tiempo de integración en el sensor de la cámara. El tiempo de exposición determina el número de fotones captados por el sensor para la adquisición de un cuadro. Dicho de otra manera, el flujo de fotones es el caudal de fotones de la fuente de luz y el tiempo de exposición influye en la cantidad de fotones recibidos por el sensor para la adquisición de imágenes. Para un flujo de fotones dado, el tiempo de exposición controla la intensidad de la imagen.
Un experto en la técnica conoce muchas formas diferentes de controlar el flujo de fotones para influir en la intensidad de la imagen. Como se ha indicado anteriormente, una técnica controla el tiempo de exposición de la imagen. Existen otras técnicas que se pueden utilizar para controlar la intensidad de la luz transmitida al sensor. Por ejemplo, filtros, aberturas, etc. se utilizan para controlar el flujo de fotones, que a su vez, controlan la intensidad. Dichas técnicas son sobradamente conocidas por el experto en la técnica y no se describen en detalle en el presente documento. Para los propósitos de las realizaciones de la invención descritas en el presente documento, la intensidad de la luz se establece constante y el tiempo de exposición es la variable utilizada para controlar la integración del flujo de fotones.
En las realizaciones en las que el flujo de fotones se controla controlando el tiempo de exposición, los valores del tiempo de exposición inicial se obtienen de la calibración del sistema. El sistema se calibra mediante una biblioteca de placas de calibración. La calibración de referencia se obtiene en función del tipo de placa y el tipo de medio. Cuando el sistema se utiliza para interrogar nuevas placas de crecimiento, se seleccionan los datos de calibración para un tipo de placa y de medio en particular. A este respecto, las placas de crecimiento pueden ser: monoplacas (es decir, para un medio); biplacas (dos medios); triplacas (tres medios), etc. Cada tipo de placa de crecimiento presenta desafíos de imagen únicos. La calibración proporciona un tiempo de exposición predeterminado para captar la primera imagen (imagen N = 1) de la placa de crecimiento. La calibración también hace posible que el sistema (o el operador del sistema) determine qué partes de la imagen son la placa (es decir, no el fondo) y, de las partes de la placa de la imagen, qué porciones son medios (los nutrientes utilizados para cultivar las colonias) y qué porciones son, al menos potencialmente, colonias.
La imagen N = 1 de una placa de crecimiento se capta utilizando los valores por defecto obtenidos de la calibración. Si se utiliza una técnica de promediado para captar las imágenes digitales de la placa de crecimiento, los píxeles brillantes tendrán una mejor relación señal/ruido (SNR) que los píxeles oscuros. En el método descrito en el presente documento, las señales están aisladas para píxeles individuales, independientemente de si los píxeles son claros u oscuros. Para un número predeterminado de píxeles, se determinan la intensidad, el tiempo de exposición y la SNR. Se prepara un "mapa" de estos valores en el contexto de la imagen. De este mapa, se selecciona un nuevo tiempo de exposición que preferiblemente no saturará más de una fracción predeterminada de píxeles para la adquisición de imágenes N+1. Preferiblemente, se determina un tiempo de exposición en el que solo una fracción muy pequeña de píxeles (o menos) está saturada y se utiliza para captar la imagen final.
A partir de esto, se genera un mapa de la SNR para cada píxel donde se actualiza la SNR (es decir, se refina el valor de gris y se mejora la SNR para los píxeles no saturados) para cada píxel no saturado. Se simula una imagen basada en este mapa.
Se utiliza un algoritmo de función de optimización para asignar cada intensidad de valor de gris para cada píxel al tiempo de exposición requerido correspondiente a la SNR óptima para el píxel. El algoritmo de optimización comienza mirando la imagen inicial (N=1), que se captó utilizando el tiempo de exposición por defecto predeterminado. Se genera un mapa de intensidad, exposición, y SNR para toda la imagen. El tiempo de exposición para cada píxel se ajusta en función de la imagen N y se capta otra imagen (N+1). Como se indicó anteriormente, se elige el nuevo tiempo de exposición que saturará las señales de las partes oscuras, resultando en una sobreexposición de las partes claras. El mapa de intensidad, el mapa de exposición y el mapa de SNR se actualizan para cada píxel. Este es un proceso iterativo y las imágenes se adquieren hasta que se alcanza la SNR máxima para cada píxel de la imagen, o se alcanza el número máximo de imágenes, o se alcanza el tiempo máximo asignado.
Esencialmente, los puntos oscuros permanecen oscuros, los puntos brillantes permanecen brillantes y se mejora la SNR. El medio de cultivo de agar actúa como fondo para las imágenes digitales. Un píxel en la imagen que es diferente de alguna manera (es decir, una intensidad diferente) de las imágenes anteriores indica que la colonia está creciendo o que hay contaminación (p. ej., polvo) en la placa. Esta técnica se puede utilizar para mirar varias placas a la vez.
Como la SNR se mejora significativamente, se pueden revelar detalles (con confianza) que no se podrían ver o en los que no se podría confiar, lo que permite la detección de colonias pequeñas muy tempranas en imágenes de placas cronometradas. Los sistemas y métodos también proporcionan imágenes correspondientes a un tiempo de exposición óptimo que corresponde a una saturación específica y controlada sobre la escena u objeto de interés.
Una vez que la adquisición de la imagen en el momento to ha finalizado, el proceso de adquisición de imágenes iterativa se detiene durante ese intervalo de tiempo. Cuando el intervalo de tiempo predeterminado de t0 a t1 ha transcurrido, el proceso iterativo de adquisición de imágenes se repite hasta que se obtiene la confianza deseada en la integridad de la imagen adquirida de este modo. La relación señal/ruido es inversamente proporcional a la desviación estándar (es decir, SNR = gv'/desviación estándar). Por lo tanto, una adquisición de imagen que produce una SNR máxima por píxel (es decir, una desviación estándar mínima por píxel) proporcionará una imagen con una alta confianza asociada con un tiempo "Tx ". Por ejemplo, de obtiene una imagen de SNR alta para una placa que se ha incubado durante cuatro horas (T1 = 4 horas). Se obtiene otra imagen de SNR alta de la misma placa después de que la placa se haya incubado durante cuatro horas más (Tx = 8 horas).
Una vez se obtiene una imagen asociada con un tiempo posterior (Tx+1), esa imagen (o al menos los píxeles seleccionados de la imagen asociada con un objeto de interés) se puede comparar con la imagen asociada con el tiempo anterior (Tx ) para determinar si la imagen posterior proporciona evidencia de crecimiento microbiano y para determinar el procesamiento posterior de la placa.
Breve descripción de los dibujos
La Figura 1 es una descripción esquemática de un sistema de tres módulos para la adquisición y presentación de imágenes de acuerdo con una realización de la presente invención;
la Figura 2 es un diagrama de flujo del funcionamiento del sistema para el sistema de tres módulos ilustrado en la Figura 1;
la Figura 3 es una descripción de las funciones del módulo de calibración ilustrado en la Figura 1 para calibración de iluminación, calibración de la óptica y calibración de la cámara de acuerdo con una realización de la presente invención;
la Figura 4 es una ilustración de los datos determinados a partir de las placas de calibración para calibrar el sistema de la Figura 1 de acuerdo con una realización;
la Figura 5 es una descripción de las funciones del módulo de adquisición de imágenes ilustrado en la Figura 1 de acuerdo con una realización de la presente invención;
la Figura 6 es un esquema del método de adquisición de imágenes usando el sistema de la Figura 1 de acuerdo con una realización;
la Figura 7 es una descripción más detallada de las funciones realizadas por el módulo de adquisición de imágenes ilustrado en la Figura 5,
la Figura 8 ilustra el método para elegir el siguiente tiempo de adquisición de imágenes de acuerdo con una realización;
la Figura 9 es una descripción de las etapas dadas para finalizar la adquisición de imágenes; y
la Figura 10 es un esquema de flujo de proceso de cómo determinar la integridad del sistema.
Descripción detallada
El sistema descrito en el presente documento puede implementarse en sistemas ópticos para obtener imágenes de muestras de microbiología para la identificación de microbios y la detección del crecimiento microbiano de dichos microbios. Hay muchos de estos sistemas disponibles comercialmente, que no se describen en detalle en este documento. Un ejemplo es el sistema de imágenes e incubación inteligente BD Kiestra™ ReadA Compact (incubador de 2a generación BD Kiestra™). Dichas plataformas de formación de imágenes ópticas han estado disponibles comercialmente durante muchos años (originalmente CamerA PrimerA de Kiestra® Lab Automation) y, por lo tanto, son sobradamente conocidas por los expertos en la técnica y no se describen en detalle en este documento. En una realización, el sistema es un medio legible por ordenador no transitorio (p. ej., un programa de software) que coopera con un dispositivo de adquisición de imágenes (p. ej., una cámara), que proporciona imágenes de alta calidad de una imagen al interactuar para proporcionar una relación señal/ruido (SNR) máxima para cada píxel de la imagen. Para cada píxel y cada color (p. ej., canal), la intensidad y el tiempo de exposición se registran y el sistema predice el siguiente mejor tiempo de exposición para mejorar la SNR de toda la escena o de los objetos de interés en la escena. Un experto en la técnica apreciará que los múltiples valores obtenidos por píxel dependerán de los píxeles y del sistema de formación de imágenes. Por ejemplo, en un sistema de imágenes RBG, se obtienen valores para cada canal (es decir, rojo, verde o azul). En otros sistemas, los valores se obtienen para diferentes bandas espectrales o longitudes de onda.
Inicialmente, el sistema está calibrado. El experto en la técnica conoce bien la calibración de sistemas de formación de imágenes como el que se describe en este documento. Se conocen varios enfoques de calibración. En este documento se describen ejemplos de calibración del sistema que proporcionan una línea de base contra la cual se evalúan las imágenes captadas. Durante la calibración, se utilizan placas de calibración (p. ej., placas con medio pero sin colonias) y la adquisición de imágenes del sistema se calibra frente a la entrada conocida. Se crea una biblioteca de valores de calibración para cada tipo de medio de placa y los datos de calibración utilizados para una placa en particular se seleccionan en función del medio en la placa de prueba. Tanto el sistema como los datos están calibrados. Para la calibración de datos, se determina la SNR, la linealidad, nivel de negro, etc. para cada píxel de la imagen captada de la placa de calibración. La calibración del sistema incluye, pero sin limitación, distorsión de la lente, aberraciones cromáticas, resolución espacial, etc.
Después de la calibración, se adquieren imágenes de nuevas placas. Los píxeles de la imagen se analizan en tiempo real para estimar el tiempo de exposición que mejorará la SNR de los píxeles con una SNR que esté por debajo de un umbral predeterminado o para aquellos píxeles con la SNR más baja. Los sistemas de obtención de imágenes típicos solo conservan los valores de intensidad de los píxeles de la imagen. En las realizaciones descritas en este documento, la intensidad y el tiempo de exposición se registran para cada píxel. Se obtienen imágenes del mismo píxel en diferentes tiempos de exposición y la información de intensidad se combina para generar datos de alta SNR. A partir de esta información, se puede generar una imagen para cualquier tiempo de exposición especificado, o se puede extraer el mejor tiempo de exposición para controlar la saturación de píxeles.
Desde un aspecto cuantitativo, debido a una alta SNR, la confianza en variaciones sutiles de intensidad, los colores y la textura se mejoran enormemente, lo que permite un mejor rendimiento del reconocimiento de objetos posterior o la comparación de bases de datos. El análisis se realiza en una escala de grises con comparación tanto con el valor de gris del píxel en una imagen anterior (es decir, para la imagen N, el valor del píxel en la imagen N-1). Además de la comparación del mismo valor de gris de píxeles en la imagen anterior, el valor de gris de píxel de los píxeles adyacentes también se compara con el valor de gris de píxel para determinar las diferencias (p. ej., la interfaz de colonia/medios).
La SNR de los objetos de colores oscuros es desigual en los diferentes canales o muy pobre en comparación con los objetos brillantes. Para mejorar esto, el sistema y el método descritos en este documento implementan un módulo de detección de imágenes en el que la detección de objetos se basa en el contraste, la SNR y el tamaño/resolución. La SNR se mejora tanto en las regiones oscuras como en las brillantes. La desviación estándar se reduce y, por lo tanto, el contraste local se vuelve significativo en las regiones brillantes y oscuras. El objetivo aquí es proporcionar un sistema que detecte incluso diferencias sutiles entre las imágenes de intervalo de tiempo x y x+1 de una placa que se sospecha que contiene un cultivo en crecimiento. Esas diferencias deben distinguirse del "ruido" que resulta de las variaciones de la señal, pero no de los cambios en la muestra atribuibles a un cultivo en crecimiento. Los sistemas y métodos descritos en el presente documento son especialmente valiosos cuando los objetos de interés en la escena pueden exhibir colores e intensidades muy diferentes (reflectancia o absorbancia).
Específicamente, el sistema y el método proporcionan una adaptación automática del intervalo dinámico (intervalo dinámico extendido) para adaptarse a la escena. El sistema y el método proporcionan tanto el tiempo de exposición mínimo para saturar el píxel más brillante como el tiempo de exposición máximo para saturar el píxel más oscuro (dentro de las limitaciones físicas y electrónicas del equipo de adquisición de imágenes (p. ej., la cámara)). El sistema y el método proporcionan una convergencia más rápida hacia una SNR mínima por píxel en comparación con el promedio de imágenes. El sistema y el método proporcionan una mayor confianza en los colores. Específicamente, la SNR para rojo, los valores de verde y azul se homogeneizan independientemente de las disparidades de intensidad en los colores rojo, verde y azul.
Los intervalos de confianza de intensidad se conocen por píxel, lo cual es muy valioso para cualquier esfuerzo de clasificación posterior. La optimización de SNR proporcionada por el sistema y el método se puede supervisar (ponderación de los objetos de interés detectados para calcular los tiempos de exposición de la siguiente adquisición de imágenes).
La intensidad, el tiempo de exposición y la SNR estimada se determinan a partir de la teoría de la física y la calibración para cada píxel. Para mejorar aún más la calidad de la imagen, la aberración cromática y la distorsión de la lente también se calibran y corrigen para hacer una imagen libre de dichos defectos.
El sistema y el método pueden controlar la SNR de píxeles para la imagen en un modo automático o en un modo supervisado donde ciertas partes de la imagen son de particular interés. En el modo automático, se optimiza toda la imagen de la escena y todos los píxeles se tratan por igual. En el modo supervisado, la escena se analiza más a fondo cuando se adquiere para detectar los objetos de interés. El aumento al máximo de la SNR favorece a los objetos de las regiones de interés.
En modo automático, la adquisición de imágenes se detendrá después de que ocurra la primera de las tres condiciones siguientes: (1) se alcanza un nivel mínimo de SNR para todos y cada uno de los píxeles; (2) se ha realizado un número predeterminado de adquisiciones en esta escena; o (3) se ha alcanzado el tiempo máximo de adquisición permitido.
En lo que respecta a la Figura 1, se ilustra un esquema del sistema de una realización. El sistema 100 tiene tres módulos. El primero es un módulo 110 de calibración del sistema. El módulo de calibración calibra la iluminación de la imagen, la óptica utilizada para recopilar la imagen y los datos de referencia para la nueva placa que está siendo evaluada por el sistema.
El módulo 120 de adquisición de imágenes está en comunicación con el módulo 110 de calibración del sistema. El módulo de adquisición de imágenes capta una imagen del objeto bajo análisis. La imagen se capta utilizando el tiempo de exposición y otros criterios determinados de la manera que se describe en detalle a continuación en el contexto de ejemplos específicos. Como se ha expuesto anteriormente, la adquisición de imágenes procede de manera iterativa hasta que se alcanza un umbral de SNR predeterminado para cada píxel o hasta que se ha captado un número predeterminado de imágenes. El módulo de presentación de imágenes proporciona la imagen con el mejor intervalo dinámico (es decir, los píxeles no saturados más brillantes que están justo por debajo de la saturación), ya sea globalmente (es decir, en modo automático) o de forma restringida a los objetos de interés (es decir, en modo supervisado).
En lo que respecta a la Figura 2, tanto los datos externos como las placas de calibración (es decir, el intervalo de combinaciones de placas de prueba y medios de cultivo) se utilizan para calibrar el sistema). A partir de la calibración, se determinan tanto la calibración del sistema como la calibración de los datos. Los valores de calibración del sistema y de los datos se utilizan en la adquisición de imágenes para una nueva placa. La calibración se utiliza para validar la nueva imagen en términos del mapa de imagen (es decir, qué píxeles son regiones fuera de la placa, cuáles están dentro de la placa pero medios sin colonias y qué regiones revelan colonias).
La Figura 3 ilustra, además, los aspectos específicos del equipo del sistema que se calibran. Para los uno o más componentes de iluminación 111, se determina el tiempo de calentamiento, la intensidad (A) = f (potencia de entrada) y la homogeneidad del campo. De nuevo, para las placas de prueba, el medio debe ser homogéneo para la región aplicable (es decir, toda la placa para una monoplaca, la mitad de la placa para una biplaca y un tercio de placa para una triplaca). Para la calibración de la óptica 112, se determina la alineación, las aberraciones cromáticas y las distorsiones geométricas. Para la calibración de la cámara 113, se determinan los niveles de referencia. Dichos datos de referencia son: tiempo de calentamiento; linealidad (relación fija de valores de gris y número de fotones que llegan al sensor) y nivel de negro en función del tiempo de exposición, la SNR en función de la intensidad de los píxeles; homogeneidad de campo; aberraciones cromáticas; y las distorsiones geométricas se determinan todas como una referencia frente a la cual se evalúa la imagen adquirida. Dichos datos de referencia son sobradamente conocidos por el experto en la técnica y no se describen con más detalle.
La Figura 4 hay más detalles sobre las entradas en el sistema de calibración (es decir, información del sistema, la biblioteca de placas de calibración y otras entradas). Para cada placa de calibración, se obtiene una imagen y a cada píxel se le asignan valores para el nivel de negro, la SNR, la linealidad y la iluminación. Para los valores del modelo del sistema (es decir, no píxel por píxel) que reflejan factores del sistema como la distorsión, se determinan aberraciones cromáticas, la resolución espacial y el balance de blancos. Todos estos valores se recopilan para proporcionar un sistema calibrado y datos calibrados para su uso en la evaluación de placas. Como se indica a continuación, estos valores se utilizan para finalizar la adquisición de imágenes.
Más detalles sobre el módulo de adquisición de imágenes se describen en la Figura 5. En la primera etapa, una imagen se adquiere utilizando valores por defecto. A partir de esta primera imagen, de determina la intensidad, el tiempo de exposición y la SNR para cada píxel. La intensidad se determina restando el "nivel de negro" del píxel de un valor de intensidad medido. El nivel de negro y la SNR se obtienen de la calibración descrita anteriormente.
La adquisición de imágenes se produce en los momentos t0, t 1 ... tx. En cada momento, una imagen se adquiere mediante una serie de N adquisiciones de imágenes. La serie de adquisiciones de imágenes N itera a una SNR para la imagen adquirida que se correlaciona con una alta confianza en la integridad de la imagen.
La adquisición de imágenes en un momento dado (p. ej., to) y la actualización se ilustra en la Figura 6. La imagen de una nueva placa 610 se adquiere en la etapa 620. La adquisición de imágenes es notificada por el sistema 630 y la calibración de datos 640. Las condiciones del tráfico de placas (es decir, el número de placas por unidad de tiempo) también se utilizan para calibrar y controlar el sistema. En un momento posterior durante el proceso de adquisición de imágenes, se adquiere una imagen posterior 650 y se compara con la imagen anterior (ya sea automáticamente o supervisada). Normalmente, habrá de cuatro a diez adquisiciones de imágenes en cada intervalo de tiempo para obtener una imagen con una confianza aceptable. Una vez que se obtiene la SNR deseada para el objeto seleccionado, el tiempo de exposición se determina para la adquisición de imagen final 660.
De acuerdo con una realización, los píxeles se actualizan de la siguiente manera. El valor de gris, el tiempo de exposición de referencia y la relación señal/ruido representan la información almacenada para cada configuración de iluminación (arriba, lateral, abajo, o una mezcla de ellos) por placa (objeto de imagen). Esta información se actualiza después de cada nueva adquisición. Para empezar, esta información se actualiza utilizando la primera adquisición de imagen (N=1).
El valor de gris, el tiempo de exposición de referencia y la relación señal/ruido representan la información almacenada para cada configuración de iluminación (arriba, lateral, abajo, o una mezcla de ellos) por placa. Esta información se actualiza después de cada nueva adquisición. para empezar, esta información se inicializa de acuerdo con la primera adquisición de imagen (N=1). En una realización, gvx, y,1 es un valor de gris (gv) en la posición de la imagen (x, y) correspondiente a la 1.a captación de imagen (N=1) de la placa usando el tiempo de exposición E1 y la respectiva relación señal/ruido (SNRgv). En esta realización:
• negroxy E l es el punto de valor de referencia de negro en (x, y) correspondiente al tiempo de exposición E1 ;
• E' x, y,i es el punto de tiempo de referencia actualizado en (x, y) después de 1 adquisición;
• 9 v 'x ,y ,E 1 el valor de gris actualizado en x, y después de 1 adquisición en E x, y,1 tiempo de exposición equivalente;
• SNR ' x, y, 1 es la SNR actualizada en x, y después de 1 adquisición;
E x ,y ,l = Ey
9 V x ,y X E ' Xiyil =gv Xiyil -n e g ro XiyiEl
Figure imgf000007_0001
El nivel de negro es ruidoso y el proceso de adquisición de imágenes iterativo obtiene una imagen que es "menos ruidosa" (es decir, una imagen con un nivel de confianza más alto). El valor de negro es un valor predeterminado que no se vuelve a calcular durante la adquisición de imágenes. El valor de negro es función del tiempo de exposición. SNR = 0 cuando un píxel se está saturando durante un tiempo de exposición determinado (por lo tanto, no mejora la SNR) y la intensidad de la fuente de luz. Solo se actualizan los valores de los píxeles no saturados.
N=1: El tiempo de exposición inicial es el tiempo de exposición predeterminado más conocido (a priori), o un valor arbitrario (p. ej.: 3 ). Esto se determina a partir de la calibración de la placa y el medio en particular para la nueva placa bajo análisis.
El valor de gris, el tiempo de exposición de referencia y la relación señal/ruido se actualizan después de cada nueva adquisición de imágenes (es decir, N=2, 3, 4 ... N) de acuerdo con la siguiente realización. El valor de gris gv x, y, n para la posición de la imagen (x, y) corresponde a la enésima captación de imagen de la placa usando el tiempo de exposición E n y la respectiva relación señal/ruido (SNR x, y, n ). En esta realización:
• es el punto de valor de referencia negro en (x, y) correspondiente al tiempo de exposición E n ;
• E ’ x, y, n es el punto de tiempo de referencia actualizado en (x, y) después de N adquisiciones;
• 9 v 'x,y,N,EN es el valor de gris actualizado en (x, y) después de N adquisiciones en E ’x , y , n tiempo de exposición equivalente; y
• SNR ’ x ,y ,n es la SNR actualizada en x, y después de N adquisiciones.
Figure imgf000007_0002
Por lo tanto, la SNR actualizada para un píxel en la adquisición de imagen enésima es la raíz cuadrada de la relación señal/ruido actualizada al cuadrado de la adquisición de imagen anterior y la relación señal/ruido al cuadrado de la adquisición de imagen actual. Cada adquisición proporciona un valor actualizado (p. ej., E'x, y, n) para cada píxel. Ese valor actualizado se utiliza luego para calcular el valor actualizado para la siguiente adquisición de imágenes. SNR = 0 para un píxel cuando un píxel se está saturando durante un tiempo de exposición y una intensidad de fuente de luz determinados. Solo se actualizan los píxeles no saturados. El N-ésimo tiempo de exposición corresponde a una optimización supervisada cuyo objetivo es aumentar al máximo la SNR para los objetos de interés. El objeto de interés puede ser la placa completa, las colonias, una parte de la placa, o la imagen completa.
Después de actualizar los datos de la imagen con una nueva adquisición, el sistema de adquisición es capaz de proponer el mejor tiempo de adquisición siguiente que aumentaría al máximo la SNR de acuerdo con las restricciones ambientales (SNR mínima requerida, restricciones de saturación, tiempo de adquisición máximo permitido, región de interés). En realizaciones en las que se supervisa la adquisición de imágenes: x, y e objeto implica que en modo supervisado, los píxeles del objeto solo se tienen en cuenta para las evaluaciones. En aquellas realizaciones en las que la adquisición de imágenes no está supervisada, el objeto predeterminado es la imagen completa.
Con referencia a la Figura 7, del análisis de la imagen adquirida, el tiempo de exposición para la siguiente imagen (N+1) en la serie de adquisición de imágenes en un intervalo de tiempo dado se determina utilizando el modo automático o el modo supervisado descrito anteriormente. En lo que respecta a la Figura 7, para el proceso automatizado, cada píxel se pondera por igual (es decir, se le asigna un valor de 1). Para el enfoque supervisado, los píxeles asociados con objetos (p. ej., cultivos) se ponderan de manera diferente. El proceso supervisado requiere etapas de imágenes adicionales. Si una fracción significativa (p. ej., más de 1 en 100000) de píxeles se satura y sus pesos no son 0, luego se propone un nuevo tiempo de exposición que es menor (p. ej., 1/5) que el tiempo de exposición mínimo anterior utilizado para captar la imagen. Este ajuste mejora la probabilidad de obtener información no saturada para los píxeles saturados. En realizaciones alternativas se calcula un nuevo tiempo de exposición. Si no hay una saturación de píxeles significativa, entonces, para cada píxel, a partir del mapa de exposición e intensidad, se determina el tiempo máximo de exposición que no dará como resultado la saturación de píxeles. A partir de esto, se determina un tiempo de exposición para la imagen y se simula una imagen de intensidad. A partir de esto, se determina el mapa de SNR ponderado correspondiente.
En lo que respecta a la Figura 8, la imagen de la muestra se utiliza para actualizar los datos de la imagen, píxel por píxel, en el mapa de imágenes. Luego, los datos de la muestra se envían al analizador de imágenes y el análisis de imágenes se realiza según las restricciones predeterminadas en la SNR para cada píxel, otras limitaciones de saturación, restricciones de objeto, etc. y limitaciones de tiempo o tráfico (es decir, la duración de la captación y el análisis).
En una realización específicamente, la imagen adquirida se analiza píxel a píxel en busca de píxeles saturados. Si En da como resultado una saturación de píxeles que supera los límites predeterminados, se selecciona un valor más bajo para En 1. Por ejemplo, si aún no se ha adquirido el tiempo de exposición mínimo y el % de píxeles saturados (gv'x ,y ,N ,E / x y N = g v s a t) excede el límite predeterminado (p. ej. > 1/105) se propone un nuevo tiempo de exposición con un incremento predeterminado (por ejemplo, una quinta parte del tiempo de exposición mínimo utilizado anteriormente). El límite inferior (es decir, el tiempo de exposición mínimo aceptable) también está predeterminado. Estas limitaciones en el tiempo de exposición permiten una convergencia más rápida hacia condiciones de adquisición de imágenes no saturadas.
Se adquiere una nueva imagen en el nuevo tiempo de exposición. Para la nueva imagen, las restricciones secundarias comprobadas son la SNR mínima deseada por píxel (este es el umbral de SNR más bajo) y el tiempo de adquisición general (o Nm á x .) permitido para esta imagen. Si el tiempo de adquisición total para esta escena ha alcanzado el límite de tiempo o si cada SNR actualizado para cada píxel es tal que SNRX ,y, n > MínSNR, entonces los datos de la imagen se consideran aceptables y la adquisición de la escena finaliza durante el intervalo de tiempo (p. ej., t0). Cuando la adquisición de imágenes comienza en el momento tX (p. ej., tiempo t 1 ) el mejor tiempo de exposición (En m ) que conduce a condiciones de subsaturación de la adquisición anterior (p. ej., en el tiempo t0) la exposición se utiliza como valor inicial para E. El proceso de adquisición de imágenes en tX por lo demás, es idéntico al proceso en el tiempo to .
Si se elimina la restricción de saturación (sin saturación significativa), se determina e investiga el siguiente tiempo de exposición óptimo. En primer lugar, los límites del límite del tiempo de exposición se calculan sobre la región de interés. Estos límites de tiempo de exposición son: i) el tiempo de exposición para saturar los píxeles más brillantes; y ii) el tiempo de exposición para saturar los píxeles más oscuros.
El tiempo de exposición para saturar los píxeles no saturados más brillantes, Emín se determina a partir del valor de gris gvmáx que corresponde a la intensidad máxima absoluta y E 'gVmÁx (su tiempo de exposición relacionado) de lo siguiente:
Figure imgf000008_0001
El tiempo de exposición para saturar los píxeles más oscuros, E máx se determina a partir del valor de gris gvmín que corresponde a la intensidad mínima absoluta y E'gVmín es su tiempo de exposición relacionado:
f gv
x,y,N’Ex’y’N es Mínimo
9 V m in = 9 v x y N>E'xvN C O n <¡ E*J’n ? E 9 vmtn = 9 V m [n rdacionado E x,y,N
9 \y ,N,Ex’^ ^ 9 v sat
Ejndx 9^sat
E gV x m _ jf áx(gvm{n, 1)
El siguiente tiempo de exposición óptimo se elige entre todos los tiempos de exposición candidatos dentro de Emáx y Emín por simulación. Específicamente, un tiempo de exposición se determina mediante simulación que aumentará al máximo la SNR media actualizada (para todos los píxeles por debajo del umbral mínimo de relación señal/ruido), después de agregar la imagen simulada en el tiempo de exposición probado E prueba,N+i .La imagen simulada en Eprueba, n i se genera de la siguiente manera (para todos y cada uno de los píxeles).
Valor de gris gvXiyiNiEfxyN son datos de píxeles correspondientes a los datos de imagen actualizados actuales. Si se selecciona un nuevo punto de tiempo Eprueba, n i , el valor de gris esperado es:
gv prueba , N l
* , y , E p r u e b a ,N l_ m í n T S v / x, y,N, E y ,N x x,y,N f n e g r O x y E p ru e b a )N i ' C V s a t )
Después de actualizar este valor con un valor para el píxel de la imagen simulada en el punto de tiempo Eprueba, n i imagen, la SNR para este píxel (x, y) será:
Figure imgf000009_0001
El siguiente mejor tiempo de exposición Emejor, n+i entonces se determina por:
Emejor,N+1 = Eprueba,N+1 £ [Emín, Emáx];
Y 'iE prueba,N+l
con ^ x ,y e objeto s n r :x,y ,N i s¡enc|o máximo.
Si se supervisa la adquisición y el análisis de imágenes x, y e objeto la SNR está integrada solo para los objetos de interés. En modo automático, el objeto es la imagen completa.
La Figura 9 describe las etapas finales para la adquisición de imágenes. Esas etapas son técnicas de procesamiento de imágenes convencionales bien conocidas por un experto en la técnica y no se describen en detalle en el presente documento.
La Figura 10 ilustra el método mediante el cual se determina la integridad del sistema durante la adquisición de imágenes. Cabe destacar que, una vez que se comprueba la integridad del sistema, las muestras se cargan en el sistema y se captan los datos de las muestras. La captación de datos es notificada por la información de calibración, como se comentó anteriormente. Los datos captados se proporcionan tanto a la verificación de integridad del sistema como a un analizador de eventos del sistema.
Una vez que se ha obtenido la imagen como se describe anteriormente, se compara con una imagen de la placa que se ha incubado durante un período de tiempo diferente. Por ejemplo, se obtiene una imagen de una placa como se describe en la presente memoria después de que la placa se haya incubado durante cuatro horas (T1=4). Después de cuatro horas o más, se obtiene otra imagen de la placa como se ha descrito anteriormente (Tx =8 horas). La alta imagen SNR obtenida en Tx+1 luego se puede comparar con la imagen de alta SNR en Tx . Los cambios en las dos imágenes se evalúan para determinar la evidencia de crecimiento microbiano. Decisiones sobre el procesamiento posterior (p. ej., la placa es positiva, la placa es negativa, la placa requiere más incubación) se basan en esta comparación.
Aunque la invención en este documento se ha descrito con referencia a realizaciones particulares, debe entenderse que estas realizaciones son meramente ilustrativas de los principios y aplicaciones de la presente invención. Por lo tanto, debe entenderse que se pueden realizar numerosas modificaciones a las realizaciones ilustrativas y que se pueden idear otras disposiciones sin apartarse del alcance de la presente invención, tal como se define en las reivindicaciones adjuntas.

Claims (10)

REIVINDICACIONES
1. Un sistema (100) para obtener imágenes de muestras biológicas dispuestas en medios de cultivo, comprendiendo el sistema:
un módulo de calibración del sistema (110) que proporciona valores por defecto para un flujo de fotones y un tiempo de exposición para captar una imagen de una muestra biológica dispuesta en un medio de cultivo dispuesto en una placa en donde el flujo de fotones es un valor de consigna y el sistema controla la integración de sensor de cámara controlando el tiempo de exposición en donde el módulo de calibración determina el flujo de fotones por defecto y el tiempo de exposición para una variedad de placas y medios de cultivo;
un módulo de adquisición de imágenes (120) que comprende una cámara en donde el módulo está adaptado para adquirir datos para una serie de imágenes en un intervalo de tiempo dado, en comunicación con el módulo de calibración del sistema, estando configurado el módulo de adquisición de imágenes i) para adquirir datos para una primera imagen utilizando los valores por defecto para el flujo de fotones y el tiempo de exposición del módulo de calibración del sistema y para crear un mapa píxel por píxel de los datos de la imagen, teniendo asociada con él cada píxel una intensidad de píxel, una relación señal/ruido, un flujo de fotones incidente y un tiempo de exposición; ii) para revisar los datos de la imagen para identificar píxeles saturados y seleccionar un nuevo flujo de fotones mayor, un nuevo tiempo de exposición mayor o bien un nuevo flujo de fotones y un nuevo tiempo de exposición mayores en la situación donde el número de píxeles saturados es menor que un umbral predeterminado o para seleccionar un nuevo flujo de fotones menor, un nuevo tiempo de exposición menor o un nuevo flujo de fotones y un nuevo tiempo de exposición menores donde el número de píxeles saturados es mayor que un umbral predeterminado y;
iii) para utilizar el nuevo valor para el flujo de fotones, el nuevo valor para el tiempo de exposición o ambos para adquirir datos para una nueva imagen y iv) para actualizar el mapa de los datos de la imagen con los nuevos valores para la intensidad de píxel, la relación señal/ruido y el flujo de fotones o el tiempo de exposición o ambos; y v) para repetir iterativamente con sujeción a la etapa vi), las etapas ii) a iv) para converger hacia el umbral predeterminado, en donde el módulo de adquisición de imágenes asigna a cada intensidad de píxel un valor de gris para cada adquisición de imagen, y
el valor de gris para cada píxel se actualiza después de cada adquisición de imagen;
en donde, a partir del valor de gris actualizado se resta un valor de referencia predeterminado, en donde el valor de referencia predeterminado es un valor predeterminado en función de la placa, el medio de la placa y el tiempo de exposición;
vi) para finalizar la adquisición de imágenes, en el intervalo de tiempo dado, cuando se ha obtenido una relación señal/ruido de umbral predeterminado para los píxeles no saturados, o ha transcurrido el tiempo asignado predeterminado para la adquisición de imágenes o se ha adquirido un número máximo predeterminado de imágenes; y un módulo de presentación de imágenes que transforma los datos de imágenes del módulo de adquisición de imágenes en una imagen para su visualización o análisis.
2. El sistema según la reivindicación 1, en donde la relación señal/ruido se determina para al menos una porción de la imagen de la muestra dispuesta en el medio de cultivo.
3. El sistema según la reivindicación 1, en donde el módulo de adquisición de imágenes adquiere datos de imagen de la cámara para al menos uno o más canales o una o más bandas espectrales.
4. El sistema según la reivindicación 1, en donde el nuevo valor para el flujo de fotones se obtiene usando un nuevo tiempo de exposición o un nuevo valor de intensidad de luz o ambos.
5. El sistema según la reivindicación 1, en donde el módulo de adquisición de imágenes está configurado para operar en al menos uno de un modo automático donde todos los píxeles se tratan por igual o en un modo supervisado, donde los píxeles analizados son los que se han identificado como asociados con uno o más objetos de interés.
6. El sistema según la reivindicación 1, en donde el flujo de fotones es un valor de consigna y el sistema controla la integración de sensor de cámara controlando el tiempo de exposición.
7. Un método para obtener imágenes de muestras biológicas dispuestas en medios de cultivo, comprendiendo el método:
determinar los valores por defecto del flujo de fotones y el tiempo de exposición para obtener una imagen de una muestra biológica dispuesta en un medio de cultivo soportado en una placa, en donde el flujo de fotones es un valor de consigna y la integración de sensor de cámara se controla controlando el tiempo de exposición en donde el flujo de fotones y el tiempo de exposición por defecto se determinan para una variedad de placas y medios de cultivo;
adquirir datos correspondientes a una serie de imágenes en un primer intervalo de tiempo, adquiriéndose los datos de la primera imagen de la serie usando los valores predeterminados por defecto para el flujo de fotones y el tiempo de exposición; crear un mapa píxel por píxel de los datos de la imagen en donde el mapa píxel por píxel comprende una intensidad, una relación señal/ruido, un tiempo de exposición y un flujo de fotones incidente para cada píxel;
actualizar al menos uno del valor del flujo de fotones de la imagen y el valor del tiempo de exposición:
i) revisando los datos de la imagen para identificar píxeles saturados y seleccionar un nuevo flujo de fotones mayor, un nuevo tiempo de exposición mayor o bien un nuevo flujo de fotones y un nuevo tiempo de exposición mayores en la situación donde el número de píxeles saturados es menor que un umbral predeterminado o para seleccionar un nuevo flujo de fotones menor, un nuevo tiempo de exposición menor o un nuevo flujo de fotones y un nuevo tiempo de exposición menores donde el número de píxeles saturados es mayor que un umbral predeterminado y ii) utilizando el nuevo valor para el flujo de fotones, el nuevo valor para el tiempo de exposición, o ambos para adquirir datos para una nueva imagen;
iii) actualizando el mapa de los datos de la imagen con los nuevos valores de intensidad de píxel, relación señal/ruido, flujo de fotones y tiempo de exposición, o ambos;
iv) repitiendo iterativamente, con sujeción a la etapa v), las etapas i) a iii) para converger hacia el umbral predeterminado, en donde la adquisición de imágenes asigna a cada intensidad de píxel un valor de gris para cada adquisición de imagen y el valor de gris para cada píxel se actualiza después de cada adquisición de imagen; en donde, a partir del valor de gris actualizado se resta un valor de referencia predeterminado, en donde el valor de referencia predeterminado es un valor de referencia predeterminado en función de la placa, el medio de la placa y el tiempo de exposición;
v) finalizando la adquisición de datos de imágenes, en el primer intervalo de tiempo cuando se ha obtenido una relación señal/ruido de umbral predeterminado para los píxeles no saturados o ha transcurrido un tiempo asignado máximo predeterminado para la adquisición de imágenes o se ha adquirido un número máximo predeterminado de imágenes; y
transformar los datos de la imagen adquiridos en el primer intervalo de tiempo en una primera imagen para su visualización y análisis.
8. El método según la reivindicación 7, en donde el valor del flujo de fotones es constante y el valor del tiempo de exposición se actualiza.
9. El método según la reivindicación 8, que comprende, además, determinar los píxeles para los que se creará el mapa de imagen, en donde los píxeles están asociados con un objeto de interés.
10. El método según la reivindicación 9, en donde los valores por defecto para el flujo de fotones y el tiempo de exposición comprenden un nivel de negro para los píxeles asociados con un objeto de interés en un tiempo de exposición por defecto.
ES15706696T 2014-01-30 2015-01-30 Sistema y método para obtener imágenes de muestras biológicas dispuestas en medios de cultivo Active ES2867811T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US201461933426P 2014-01-30 2014-01-30
PCT/EP2015/052017 WO2015114121A1 (en) 2014-01-30 2015-01-30 A system and method for image acquisition using supervised high quality imaging

Publications (1)

Publication Number Publication Date
ES2867811T3 true ES2867811T3 (es) 2021-10-20

Family

ID=52595270

Family Applications (2)

Application Number Title Priority Date Filing Date
ES15706696T Active ES2867811T3 (es) 2014-01-30 2015-01-30 Sistema y método para obtener imágenes de muestras biológicas dispuestas en medios de cultivo
ES21159681T Active ES2976049T3 (es) 2014-01-30 2015-01-30 Sistema y método para la adquisición de imágenes utilizando la formación de imágenes de alta calidad supervisada

Family Applications After (1)

Application Number Title Priority Date Filing Date
ES21159681T Active ES2976049T3 (es) 2014-01-30 2015-01-30 Sistema y método para la adquisición de imágenes utilizando la formación de imágenes de alta calidad supervisada

Country Status (11)

Country Link
US (2) US10200625B2 (es)
EP (2) EP3100025B1 (es)
JP (2) JP6687524B2 (es)
CN (2) CN111263076B (es)
AU (2) AU2015212758B2 (es)
BR (1) BR112016017321B1 (es)
CA (1) CA2936961C (es)
ES (2) ES2867811T3 (es)
MX (1) MX364965B (es)
WO (1) WO2015114121A1 (es)
ZA (1) ZA201604925B (es)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104939806B (zh) 2008-05-20 2021-12-10 大学健康网络 用于基于荧光的成像和监测的装置和方法
US11041871B2 (en) 2014-04-16 2021-06-22 Bd Kiestra B.V. System and method for incubation and reading of biological cultures
ES2894912T3 (es) 2014-07-24 2022-02-16 Univ Health Network Recopilación y análisis de datos con fines de diagnóstico
BR112017022830A2 (pt) 2015-04-23 2018-07-17 Bd Kiestra B.V. coleta de contraste de colônia
CA2985854C (en) 2015-04-23 2023-10-17 Bd Kiestra B.V. A method and system for automated microbial colony counting from streaked sample on plated media
EP4353813A3 (en) 2015-05-28 2024-07-10 BD Kiestra B.V. Automated method and system for obtaining and preparing microorganism sample for both identification and antibiotic susceptibility tests
EP3417762B1 (en) * 2016-02-16 2023-07-05 Sony Group Corporation Image processing device, image processing method, and program
US10853981B2 (en) 2016-11-10 2020-12-01 Becton, Dickinson And Company Timeline system for monitoring a culture media protocol
EP3688182B1 (en) 2017-09-28 2024-03-20 BD Kiestra B.V. Methods and systems for automated assessment of antibiotic sensitivity
CA3077590A1 (en) 2017-10-05 2019-04-11 Becton, Dickinson And Company Application development environment for biological sample assessment processing
AU2019402308A1 (en) 2018-12-20 2021-08-05 Edi BAHOUS System and method for classifier training and retrieval from classifier database for large scale product identification
JP2022514427A (ja) 2018-12-20 2022-02-10 ビーディー キエストラ ベスローテン フェンノートシャップ バクテリアコロニーのバクテリア増殖を監視しコロニーバイオマスを予測するシステム及び方法
EP3709628B1 (en) 2019-03-14 2020-12-23 Axis AB Control of an illuminator
CN110809122A (zh) * 2019-11-11 2020-02-18 中国电子科技集团公司第四十四研究所 应用于cmos图像传感器的动态扩展方法
EP4176298A1 (de) * 2020-08-05 2023-05-10 Leica Microsystems CMS GmbH Verfahren zur beleuchtungseinstellung bei einem fluoreszenzmikroskop und entsprechendes fluoreszenzmikroskop
CA3193299A1 (en) 2020-10-07 2022-04-14 Raphael R. MARCELPOIL System for obtaining image of a plated culture dish using an imaging device having a telecentric lens
CN112764358B (zh) * 2020-12-28 2022-04-15 中国人民解放军战略支援部队航天工程大学 一种地球同步轨道目标光学观测曝光时间动态控制方法
US12272136B2 (en) 2021-04-30 2025-04-08 Cnh Industrial America Llc Agricultural systems and methods using image quality metrics for vision-based detection of surface conditions
TWI802999B (zh) * 2021-09-23 2023-05-21 鴻海精密工業股份有限公司 細胞採收提醒方法及系統

Family Cites Families (104)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4700298A (en) 1984-09-14 1987-10-13 Branko Palcic Dynamic microscope image processing scanner
US4724215A (en) 1985-02-27 1988-02-09 Sherwood Medical Company Automated microbiological testing apparatus and method
JP3396237B2 (ja) * 1992-06-08 2003-04-14 セイコーインスツルメンツ株式会社 分光測定装置
EP0656938B1 (en) 1992-07-13 1997-10-29 Minnesota Mining And Manufacturing Company A technique to count objects in a scanned image
US5723308A (en) 1993-05-14 1998-03-03 Minnesota Mining And Manufacturing Company Culture medium for rapid count of coliform bacteria
DE69411268T2 (de) 1993-05-14 1999-03-04 Minnesota Mining And Mfg. Co., Saint Paul, Minn. Verfahren zur schnellen quantifizierung von microorganismenwachstum
FR2719602B1 (fr) 1994-05-05 1996-07-26 Biocom Sa Procédé et installation pour la numérisation de cellules et micro-organismes, notamment des produits alimentaires ou des fluides biologiques.
US5978497A (en) 1994-09-20 1999-11-02 Neopath, Inc. Apparatus for the identification of free-lying cells
US5694478A (en) 1994-12-15 1997-12-02 Minnesota Mining And Manufacturing Company Method and apparatus for detecting and identifying microbial colonies
US6122396A (en) 1996-12-16 2000-09-19 Bio-Tech Imaging, Inc. Method of and apparatus for automating detection of microorganisms
US7117098B1 (en) 1997-02-27 2006-10-03 Cellomics, Inc. Machine-readable storage medium for analyzing distribution of macromolecules between the cell membrane and the cell cytoplasm
GB9714347D0 (en) 1997-07-09 1997-09-10 Oxoid Ltd Image analysis systems and devices for use therewith
WO1999008233A1 (en) 1997-08-07 1999-02-18 Imaging Research Inc. A digital imaging system for assays in well plates, gels and blots
JP4448251B2 (ja) 1998-12-28 2010-04-07 サッポロビール株式会社 微生物計数方法及びそれを達成するための装置
US8131053B2 (en) 1999-01-25 2012-03-06 Amnis Corporation Detection of circulating tumor cells using imaging flow cytometry
US6153400A (en) 1999-03-12 2000-11-28 Akzo Nobel N.V. Device and method for microbial antibiotic susceptibility testing
US6453060B1 (en) 1999-06-29 2002-09-17 Tri Path Imaging, Inc. Method and apparatus for deriving separate images from multiple chromogens in a branched image analysis system
IL132687A0 (en) 1999-11-01 2001-03-19 Keren Mechkarim Ichilov Pnimit System and method for evaluating body fluid samples
US7065242B2 (en) 2000-03-28 2006-06-20 Viewpoint Corporation System and method of three-dimensional image capture and modeling
BR0003066A (pt) 2000-07-21 2002-04-30 Fundacao Oswaldo Cruz Método e dispositivo para detecção microrganismos à fibra óptica
GB0107155D0 (en) 2001-03-22 2001-05-09 Finecard Internat Ltd A play tunnel
WO2002097716A1 (en) 2001-05-29 2002-12-05 Tissueinformatics, Inc. Robust stain detection and quantification for histological specimens based on a physical model for stain absorption
US6884983B2 (en) 2002-06-10 2005-04-26 Palantyr Research, Llc Imaging system for examining biological material
US7863552B2 (en) 2001-07-06 2011-01-04 Palantyr Research Llc Digital images and related methodologies
AU2002365913A1 (en) 2001-09-06 2003-09-16 Genomic Profiling Systems, Inc. Rapid and sensitive detection of cells and viruses
US7065236B2 (en) 2001-09-19 2006-06-20 Tripath Imaging, Inc. Method for quantitative video-microscopy and associated system and computer software program product
US6605446B2 (en) 2001-10-18 2003-08-12 Gideon Eden Detecting airborne microorganisms
WO2003061266A2 (en) 2002-01-15 2003-07-24 Yissum Research Development Company Of The Hebrew University Of Jerusalem System and method for compressing the dynamic range of an image
US7133547B2 (en) 2002-01-24 2006-11-07 Tripath Imaging, Inc. Method for quantitative video-microscopy and associated system and computer software program product
US20040102903A1 (en) 2002-11-27 2004-05-27 Graessle Josef A. Biological growth plate scanner
BR0316660B1 (pt) 2002-11-27 2014-05-27 3M Innovative Properties Co Esquadrinhador biológico para esquadrinhar placas de cultivo biológico, e, métodos para configurar e usar o esquadrinhador biológico
US7319031B2 (en) * 2002-11-27 2008-01-15 3M Innovative Properties Company Mounting platform for biological growth plate scanner
AU2003295803A1 (en) * 2002-11-27 2004-06-23 3M Innovative Properties Company Biological growth plate scanner
US7351574B2 (en) 2002-11-27 2008-04-01 3M Innovative Properties Company Loading and ejection systems for biological growth plate scanner
US20040101954A1 (en) 2002-11-27 2004-05-27 Graessle Josef A. Back side plate illumination for biological growth plate scanner
US20040260782A1 (en) 2003-01-31 2004-12-23 Affleck Rhett L. Data communication in a laboratory environment
US20040253660A1 (en) 2003-06-12 2004-12-16 Giles Scientific, Inc. Automated microbiological testing apparatus and method
US7687239B2 (en) 2003-07-12 2010-03-30 Accelrs Technology Corporation Sensitive and rapid determination of antimicrobial susceptibility
US7341841B2 (en) 2003-07-12 2008-03-11 Accelr8 Technology Corporation Rapid microbial detection and antimicrobial susceptibility testing
US7496225B2 (en) 2003-09-04 2009-02-24 3M Innovative Properties Company Biological growth plate scanner with automated intake
US7298886B2 (en) 2003-09-05 2007-11-20 3M Innovative Properties Company Counting biological agents on biological growth plates
US7623728B2 (en) 2004-03-24 2009-11-24 General Electric Company Method and product for processing digital images
JP2005308504A (ja) 2004-04-21 2005-11-04 Yokogawa Electric Corp バイオチップ測定方法およびバイオチップ読取装置
US7854705B2 (en) 2004-12-16 2010-12-21 Olga Pawluczyk Ex vivo verification of biopsy tissue samples
US7060955B1 (en) * 2005-01-31 2006-06-13 Chemimage Corporation Apparatus and method for defining illumination parameters of a sample
WO2006094388A1 (en) 2005-03-07 2006-09-14 Novx Systems Inc. Automated analyzer
CN1703079A (zh) * 2005-04-11 2005-11-30 浙江大学 自适应扩展动态范围的成像方法及其装置
EP1975874A3 (en) 2005-05-13 2008-10-08 Tripath Imaging, Inc. Methods of chromogen separation-based image analysis
US7732743B1 (en) * 2005-06-03 2010-06-08 Michael Paul Buchin Low-photon-flux image acquisition and processing tool
US7796815B2 (en) 2005-06-10 2010-09-14 The Cleveland Clinic Foundation Image analysis of biological objects
US8131477B2 (en) 2005-11-16 2012-03-06 3M Cogent, Inc. Method and device for image-based biological data quantification
FI20051329A0 (fi) 2005-12-27 2005-12-27 Wallac Oy Laitteisto ja menetelmä näytteiden optista mittausta varten
JP4899523B2 (ja) 2006-02-20 2012-03-21 日本電産株式会社 遠心ファン
US8428331B2 (en) 2006-08-07 2013-04-23 Northeastern University Phase subtraction cell counting method
JP2008205530A (ja) 2007-02-16 2008-09-04 Seiko Epson Corp 撮像装置、撮像システム及び撮像方法
CN100515042C (zh) 2007-03-29 2009-07-15 上海交通大学 多曝光图像增强方法
US7884869B2 (en) 2007-04-30 2011-02-08 Motorola Mobility, Inc. Assignment of pixel element exposure times in digital camera modules and mobile communication devices
JP5188101B2 (ja) * 2007-06-01 2013-04-24 株式会社キーエンス 拡大観察装置、拡大画像撮影方法、拡大画像撮影プログラム及びコンピュータで読み取り可能な記録媒体
JP4863932B2 (ja) 2007-06-04 2012-01-25 株式会社エヌテック コロニー数の計数方法
WO2009029810A1 (en) * 2007-08-31 2009-03-05 Historx, Inc. Automatic exposure time selection for imaging tissue
WO2009091402A1 (en) 2008-01-17 2009-07-23 Gideon Eden Co2 optical sensor for detection and enumeration of microorganisms
US8417013B2 (en) 2008-03-04 2013-04-09 3M Innovative Properties Company Information management in automated processing of biological growth media
MX2010010415A (es) 2008-03-26 2010-11-04 3M Innovative Properties Co Analisis espectral de medios de crecimiento biologico.
CN104939806B (zh) 2008-05-20 2021-12-10 大学健康网络 用于基于荧光的成像和监测的装置和方法
WO2010022288A1 (en) 2008-08-20 2010-02-25 New York Blood Center, Inc. High throughput system for cfu assay by the use of high resolution digital imaging, differential staining and automated laboratory system
AU2009293380B2 (en) * 2008-09-16 2016-05-19 Novartis Ag Reproducible quantification of biomarker expression
RU2559909C2 (ru) 2009-05-15 2015-08-20 Биомерьё, Инк. Автоматизированное устройство для обнаружения микробов
EP2438554B1 (en) * 2009-06-01 2020-04-01 Bio-Rad Laboratories, Inc. Calibration of imaging device for biological/chemical samples
US8570370B2 (en) 2009-08-31 2013-10-29 Bio-Rad Laboratories, Inc. Compact automated cell counter
EP2510334B1 (en) 2009-12-08 2021-01-20 3M Innovative Properties Company Illumination apparatus and methods for a biological growth plate scanner
FR2958298B1 (fr) 2010-04-06 2014-10-17 Commissariat Energie Atomique Procede de detection d'amas de particules biologiques
TWI420413B (zh) 2010-07-15 2013-12-21 Chunghwa Picture Tubes Ltd 深度圖強化方法及其電腦可讀媒體
US8818069B2 (en) 2010-11-30 2014-08-26 General Electric Company Methods for scaling images to differing exposure times
CN102590087B (zh) 2011-01-10 2015-11-25 伊鲁米那股份有限公司 用于生物或化学分析的样品的成像方法
FR2971846B1 (fr) 2011-02-21 2013-12-06 Commissariat Energie Atomique Procede d'observation d'un echantillon
KR101900121B1 (ko) 2011-03-04 2018-09-18 엘비티 이노베이션스 리미티드 이미지 캡쳐 및 조명 장치
KR101886469B1 (ko) 2011-03-04 2018-08-07 엘비티 이노베이션스 리미티드 분류기의 분류결과의 개선방법
ES2693670T3 (es) 2011-03-04 2018-12-13 Lbt Innovations Limited Método de calibración de colores para un dispositivo de captura de imagen
CN103518224B (zh) 2011-03-04 2017-05-17 Lbt创新有限公司 用于分析微生物生长的方法
EP2520923A1 (en) 2011-05-06 2012-11-07 bioMérieux Bio-imaging method and system
JP2013066142A (ja) 2011-08-31 2013-04-11 Sony Corp 画像処理装置、および画像処理方法、並びにプログラム
EP2578693A1 (en) 2011-10-07 2013-04-10 Koninklijk Instituut voor de Tropen Method for detecting bacteria
US10475527B2 (en) * 2012-03-22 2019-11-12 Biomerieux, Inc. Method and system for detection of microbial growth in a specimen container
US9378545B2 (en) 2012-08-23 2016-06-28 Dai Nippon Printing Co., Ltd. Culture medium information registration system, colony detection device, program and sanitary management system
GB201216661D0 (en) 2012-09-18 2012-10-31 Spicer Consulting Ltd photobioreactor
FR2997502B1 (fr) 2012-10-29 2014-12-26 Commissariat Energie Atomique Procede d'observation d'especes biologiques.
EP2731051A1 (en) 2012-11-07 2014-05-14 bioMérieux Bio-imaging method
US9677108B2 (en) 2012-12-20 2017-06-13 3M Innovative Properties Company Method of differentiating microbial colonies in an image
US20140177494A1 (en) 2012-12-21 2014-06-26 Alexander W. Min Cloud-aware collaborative mobile platform power management using mobile sensors
FR3001227B1 (fr) 2013-01-21 2015-02-27 Biomerieux Sa Moyen, procede et produit-programme d’ordinateur pour determiner le taux de concentration de micro-organismes lors d’une analyse de fluide
US9677109B2 (en) 2013-03-15 2017-06-13 Accelerate Diagnostics, Inc. Rapid determination of microbial growth and antimicrobial susceptibility
CN203385649U (zh) * 2013-03-20 2014-01-08 上海交通大学 大尺度生物组织连续切片的自动化成像系统
ITMI20130692A1 (it) 2013-04-26 2014-10-27 Copan Italia Spa Dispositivo e procedimento per il processamento automatico di piastre di coltura per campioni microbiologici
CN105474261B (zh) 2013-05-23 2018-11-27 生物梅里埃公司 用于改进图像质量的方法、系统和计算机程序产品
WO2015101886A1 (en) 2014-01-03 2015-07-09 Copan Italia S.P.A. Apparatus and method for treatment of diagnostic information relating to samples of microbiological material
FR3020485A1 (fr) 2014-04-25 2015-10-30 Biomerieux Sa Procede, systeme et produit-programme d'ordinateur pour afficher une image d'un objet
FR3021054B1 (fr) 2014-05-14 2016-07-01 Biomerieux Sa Procede et systeme d’observation d’especes biologiques sur un milieu de culture
FR3022916B1 (fr) 2014-06-30 2018-04-06 Biomerieux Procede de detection d'une presence ou d'une absence de particules biologiques.
ES2894912T3 (es) 2014-07-24 2022-02-16 Univ Health Network Recopilación y análisis de datos con fines de diagnóstico
US9347082B2 (en) 2014-08-28 2016-05-24 Omnivision Technologies, Inc. Automated cell growth/migration detection system and associated methods
FR3028866B1 (fr) 2014-11-26 2018-03-09 bioMérieux Procede, systeme et produit-programme d'ordinateur pour determiner la croissance de micro-organismes
FR3030749B1 (fr) 2014-12-19 2020-01-03 Commissariat A L'energie Atomique Et Aux Energies Alternatives Methode d'identification de particules biologiques par piles d'images holographiques defocalisees
US10769409B2 (en) 2015-04-21 2020-09-08 Purdue Research Foundation Culture detection and measurement over time
FR3038620B1 (fr) 2015-07-09 2019-05-24 Biomerieux Procede de detection d'une presence ou d'une absence d'au moins une premiere zone d'inhibition

Also Published As

Publication number Publication date
EP3100025A1 (en) 2016-12-07
ES2976049T3 (es) 2024-07-22
CN111263076A (zh) 2020-06-09
US10200625B2 (en) 2019-02-05
EP3851832B1 (en) 2024-01-17
MX2016009829A (es) 2016-10-31
JP6687524B2 (ja) 2020-04-22
MX364965B (es) 2019-05-15
US20190116303A1 (en) 2019-04-18
JP7036858B2 (ja) 2022-03-15
EP3851832A1 (en) 2021-07-21
US10841503B2 (en) 2020-11-17
WO2015114121A1 (en) 2015-08-06
AU2015212758B2 (en) 2019-11-21
BR112016017321B1 (pt) 2021-03-16
CA2936961C (en) 2018-11-13
US20170013181A1 (en) 2017-01-12
CA2936961A1 (en) 2015-08-06
AU2020200895B2 (en) 2021-04-29
AU2020200895A1 (en) 2020-02-27
JP2020115148A (ja) 2020-07-30
ZA201604925B (en) 2020-02-26
CN105960586A (zh) 2016-09-21
AU2015212758A1 (en) 2016-08-11
JP2017505905A (ja) 2017-02-23
EP3100025B1 (en) 2021-03-03
CN105960586B (zh) 2020-03-03
CN111263076B (zh) 2021-06-18

Similar Documents

Publication Publication Date Title
ES2867811T3 (es) Sistema y método para obtener imágenes de muestras biológicas dispuestas en medios de cultivo
JP2021047207A (ja) 多重組織検定用の撮像デバイスまたはシステムを較正、構成、および有効性判断するためのシステムおよび方法
CN115032196B (zh) 一种全划片高通量彩色病理成像分析仪器及方法
JP2017505905A5 (es)
EP2943761A1 (en) Multispectral imaging system and methods
JP2014513292A (ja) 定量的ビデオ顕微鏡を準備する方法及び関連システム
Heintzmann et al. Calibrating photon counts from a single image
CN105445570B (zh) 一种广角镜头摄像机信噪比测试系统及测量方法
CN111383280A (zh) 一种空间遥感tdiccd相机非均匀性校正方法及装置
CN112823509B (zh) 用于估计成像设备的曝光时间的方法和系统
JP2014085377A (ja) 画像表示システム、撮像装置、画像表示装置及びその制御方法
Kibria et al. Smartphone-based point-of-care urinalysis assessment
JP6767981B2 (ja) 細胞測定方法
Freudling et al. Photometry with FORS at the ESO VLT
CN104634735A (zh) 一种细胞dna检测设备的非线性校正方法
JP6257294B2 (ja) 顕微鏡装置
点击 这是indexloc提供的php浏览器服务，不要输入任何密码和下载