基于神经网络的自动细胞试样分类系统和方法技术方案

一对细胞试样进行分类的自动筛选系统，其中的分类使用了神经网络，该系统还包括自动显微镜和有关的图像处理电路。（*该技术在2009年保护过期，可自由使用*）

【技术实现步骤摘要】

本专利技术总的涉及，如标题所指的那样细胞分类，更具体地说涉及利用神经网络和/或神经计数机以提高细胞分类速度和精确度。子宫颈部涂片(巴氏试验)是唯一大量筛选的细胞学检查，这种检查要求用肉眼检查在载片上的每一个细胞。由于目前的手工操作所固有的单调和疲劳，使得这种试验存在着很高的错误率。细胞分类一般是按“计件工作”来执行的，这种计件工作是由病理实验室雇用的和有些地方由按月付薪水的细胞学专家来进行的。由于高错误率有可能导致诊断不出子宫颈癌从而带来威胁生命后果。所以，美国癌症协会正在考虑把所建议巴氏涂片检查频率提高二倍。但是，这样势必使得已经超载的子宫颈癌普查业更加超载，因为越来越多人不愿意从事这种单调而紧张的手工子宫颈部涂片分类工作。美国癌症协会关于增加巴氏涂片频率的建议的结果只能是增加了错误率，因为增加巴氏涂片频率势必减少花在每张涂片上的手工检验的时间。每张涂片的详尽的手工检验至少要化费15分钟，而一个细胞学技术专家，尤其是在满负荷工作条件下，所花费的时间可能不到一半。美国病理研究院充分了解了这一问题并且将谋求用自动化来解决子宫颈涂片筛选问题手段。由于自动子宫颈涂片分析方法有明显的市场前景，在已有技术中已有好几种尝试，这种尝试均告失败，因为它们仅仅依赖于传统的图形识别技术(几何图形，符号关系学，样板，统计技术)或基于人工智能(AI)的图形识别，即基于规则的专家系统。但是，目前并没有明显的算法或完整、明显细胞学技术专家或病理学家利用他们的经验综合大量特征以格式塔(gestalt)方式进行分类的规则。因此，子宫颈涂片分类对于基于神经网络的图像识别来说是一个极好的应用。已有技术存在的局限性的例子可以在1987年的Tien等人的题为“自动子宫颈筛选分类”一文中看到。有关的背景材料如下鲁姆哈特(Rumelhart)，德维德(David).E，和姆科勒伦达(Moclelland)杰姆斯(James).L，“平行分布处理”，MIT出版社1986，第一卷。廷(Tien)，D.等，“自动颈部涂片分类”，电气与电子工程师协会/医学和生物学工程第九次年会会刊。1987，1457-1458页。赫克特-尼尔森，罗伯特(Hecht-Nielsen，Robert)，“神经计算模仿人脑”，电气与电子工程师协会谱，1988.3，36-41页;和李普曼(Lippman)，理查得(Richard)P，“关于神经网络计算初探”，电气与电子工程师协会ASSP杂志1987.4，4-22页。因此，本专利技术的主要目的在于提供一个关于把细胞试样分门别类的自动系统和方法，例如，显著特征的分门别类。简单地说，本专利技术包括一初级分类器(有时称作一级分类器)以初步地将细胞试样分类和一次级分类器(有时称作二级分类器)以把初级分类器挑选出来的细胞试样的部分进行分类以供以后进一步的分类，其中，该次级分类器包括一神经计算或神经网络。在一实施例中，一级分类器可以包括市场上可以购得的以标准显微镜形式出售的自动显微镜，这种显微镜带有摄像机或电荷耦合器件阵列，显微镜载片可加以控制以自动扫描载片。从摄像机中所得到的图像被数字化和输出到以计算系统存在的二级分类器中。该计算机系统包括一个下面将详细说明的神经网络，这种神经网络在这里援引的几个参数材料中也有所揭示。包括神经网络的计算系统用来识别细胞图像并把它们按有关诊断特征分成若干类别。在另一实施例中，该初级分类器可以包括一神经网络。下面还揭示了其他一些实施例。本专利技术的进一步目的在于在手工仔细筛透完成这项工作所花费的时间内执行对试样的分类工作。即约15分钟/试样。本专利技术的进一步目的在于对细胞试样进行的分类，还包括有关目的物的数目及类型，而不单是对在子宫涂片中可以找到的一般的单层细胞(例细胞群，重叠细胞，碎片，白血球，细菌，粘液)。本专利技术的进一步目的在于在进行上面描述的子宫颈涂片的分类时能探测前期恶性细胞和恶性细胞。本专利技术的进一步目的在于能以比传统的手工子宫颈涂片筛选错误率为小的错误率进行。本专利技术的细胞分类系统的一个优点在于它将细胞试样按医学显著特征的分类将更为可靠，即具有较小的差错率。本专利技术的细胞分类系统的一个进一步的优点在于它不需要在对从病人处得到细胞的试样的步骤上再作进一步的改变。本专利技术的细胞分类系统的一个进一步优点在于它将在允许经济地进行手术的操作时间限制内允许可靠的分类。对那些在该
内的具有普通技能的人来说，在阅读了下面所提到的实施例的详细说明后，本专利技术的种种目的，优点和特征将变得非常明显。这里所引用的已出版的文章在这里专供参考之用。此外，本专利技术在这里主要是针对以子宫颈涂片形式的细胞试样分类，即巴氏试验中所用的方式进行描述的。但是应当知道这是本专利技术原理运用的一个例子，本专利技术也可以用于许多其他细胞试样的分类。在附图中附图说明图1是根据本专利技术的基于神经网络的自动细胞试样筛选装置的示意性方框图;图2是实施例中所用的三层神经网络的示意图。图3是根据本专利技术的自动筛选装置的另一实施例的方框图。图4是根据本专利技术的自动筛选装置的又一个实施例的方框图。图5是根据本专利技术的自动筛选装置的再一个实施例的方框图。图6是根据本专利技术的自动筛选装置的又一个实施例的方框图，以及图7是根据本专利技术的自动筛选装置的再一个实施例的方框图。图1是根据本专利技术的基于神经网络的自动细胞试样筛选装置的示意图，图中该装置总的用码号10表示。该分类装置10包括一自动显微镜11，一摄像机或CCD元件12，一图像数字转换器13，和分类级14，15和17。该自动显微镜11使显微镜物镜和试样产生相对移动，而摄像机或CCD12得到一细胞试样的特定部分的图像或照片。该图像经图像数字转换器13加以数字化，从中得到的信息送到分类器14上。在所述的实施例中，分类器14是市场上可以买到的通过测量它们的总的光密度(核染色密度)而鉴定有关的细胞核的统计分类器。这是对光学误差进行校正过的物体象素灰值的总和。与正常细胞相比，恶性细胞趋向于具有一个较大而浓的染色的核。经过分类器14的物体包括前期恶性细胞和恶性细胞，但同时还包括其它诸如细胞群、鳞片、白血球和粘液等具有高度总光密度的物体。二级分类器15的任务就是将前期恶性细胞和恶性细胞与这些其他物体这分开来。在二级分类器15中采用了神经网络，适于二级分类器15的神经网络的设计和操作详细说明可以在这里引用的参考文献中找到。下面提供这种信息的简单的说明。以细胞试样初级分类器中得到的数据为基础，该二级分类器被用于检验，例如，决定需要进一步筛选或分类的该试样的特定的区城。二级分类器的这种进一步的检验可以根据已经取得的试样中被挑选出来的区城的数字化的图像数据来进行，或者根据由元件11-13或其他市场上可以买到的可以为二级分类器15的使用和分析提供可接受的数据的光学的或其他的仪器所得到的数据进行。神经网络是一个具有定向图表布局的高度平行分布系统，神经网络上的节点通称为“处理元件”或“神经层”，而其间的链接通称为“内连”，每一个处理元件接受多种输入而产生一单一的输出信号，它分成多个拷贝，然后这些拷贝再分布给其他处理元件作为输入信号。信息按称为“权重”的链接强度存储存储起来。每一个处理元件用不同步的方式计算着每一输入线上的权重乘以该线上信号电平(通常为0或1)的本文档来自技高网...

【技术保护点】
－自动细胞试样分类器，其特征在于包括：ａ．－自动显微镜，ｂ．－摄影－电荷耦合器件装置，ｃ．－图像数学转换器，ｄ．－用以探测细胞试样中超过－总光密度阈值的物质的初级统计分类器，和ｅ．－采用神经网络的、用以从经初级分类器鉴别 后的物质中检测出前期恶性细胞和恶性细胞的次级分类器。

【技术特征摘要】
...

【专利技术属性】
技术研发人员：马克R鲁滕贝格，
申请(专利权)人：神经医学系统公司，
类型：发明
国别省市：US[美国]