【技术实现步骤摘要】
【国外来华专利技术】基于距离的组织状态确定
[0001]本专利技术涉及图像分析领域,尤其涉及组织样品的生物医学状态的基于图像的分类领域。
技术介绍
[0002]如今,多种不同的图像分析方法被用于自动确定组织样品的生物医学特征。例如,图像分析用于自动识别细胞,用于将数字病理图像分割成背景和组织区,以及用于自动识别和/或量化生物医学状况,例如特定疾病。
[0003]一个例子是生物标记的检测,例如肿瘤标记,例如在白血病、乳腺癌、结肠癌和其他类型癌症的诊断中。它包括用针对特定类型细胞(如肿瘤细胞或其他类型细胞)中特异性表达或过度表达的蛋白质的抗体来标记细胞。通过选择合适的抗体,可以准确地确定不同类型的细胞。
[0004]免疫表型是一种常用于基础科学研究和实验室诊断的技术。它使用针对特定目标分子的抗体,根据一种或多种蛋白质的表达水平来鉴定细胞的“表型”。组织中一种或多种细胞的细胞表型也可用于获得对组织的生物医学状况的洞察,例如该组织是健康组织、原发性肿瘤组织还是转移性组织。
[0005]与目前用于分析数字病理图像的许多图像分析算法相关的一个常见问题是,仅某些蛋白质的表达水平可能允许正确识别特定细胞类型的细胞,但可能不足以准确、可再现和自动地确定组织的生物医学状态。
[0006]Steele KE等在“Measuring multiple parameters of CD8+tumor
‑
infiltrating lymphocytes in human cancers by image analy ...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种用于确定组织样品的生物医学状态的图像分析方法,所述方法由图像分析系统(100)实现并且包括:
‑
接收(202)组织样品的数字图像(118);
‑
分析(204)所接收到的图像以识别在所接收到的图像的区域中观察到的A型细胞(504)和B型细胞(506)的数量和位置,其中所述A型细胞和所述B型细胞是不同的细胞类型;
‑
分析(206)所述区域中的所述A型和B型细胞的位置,以获得观察相对分布(708、706),所述观察相对分布指示所述区域中的所述A型细胞和所述B型细胞之间的观察距离;
‑
获得(208)参考相对分布(710、714),所述参考相对分布指示参考A型细胞和参考B型细胞之间的预期距离;
‑
计算(210)作为所述参考相对分布和所述观察相对分布的差异的接近度得分(718、720);
‑
计算(212)组合得分(912),所述组合得分包括所述接近度得分并且包括所述A型细胞的密度和/或所述B型细胞的密度;
‑
使用(214)所述组合得分来确定所述组织样品的生物医学状态和/或输出(216)所述组合得分,以使用户能够确定所述组织样品的生物医学状态。2.根据权利要求1所述的图像分析方法,所述观察相对分布的获得包括:
‑
对于在所述图像区域中观察到的每个所述识别的A型细胞:a)选择所述A型细胞作为半径为0的圆的圆心;b)将所述半径增加一步以产生增大的圆圈;c)确定在步骤b)中产生的所述圆圈中包含的B型细胞的数量;d)将与步骤b)中确定的与所述B型细胞数量相关联的圆的当前半径存储在存储介质中,并重复步骤b)、c)和d),直到达到终止标准;e)选择一个未被选择的所述A型细胞,并使用所述新选择的A型细胞继续进行a)步骤,直到所有的A型细胞都被选择;
‑
提供所观察到的B型细胞的关联半径和数量作为所述观察相对分布。3.根据前述权利要求中任一项所述的图像分析方法,其中所述观察相对分布被计算为K
i,j
(r)或K
i,j
(r)的导数函数,其中K
i,j
(r)根据下式计算:
‑
其中K
i,j
(r)是二元里普利K(t)函数,
‑
其中i是对象类型“观察到的A型细胞”的出现;
‑
其中j是对象类型“观察到的B型细胞”的出现;
‑
其中λ
j
是观察到的B型细胞的密度(每图像面积的数量);
‑
其中X
i
是在所述图像区域内识别的观察到的A型细胞的总数;
‑
其中X
j
是在所述图像区域内识别的观察到的B型细胞的总数;
‑
其中u∈X
(i)
表示细胞为观察到的A型细胞;
‑
其中r是以观察到的A型细胞为圆心的步进增加的半径;
‑
其中t是u、r和X
j
的函数,并且对所述图像区域中围绕观察到的A型细胞u的半径为r的圆内观察到的B型细胞的数量进行计数;
‑
其中“|u∈X
(i)”表示“在所有观察到的A型细胞u上”;
‑
其中E是在所有u上获得的t的期望值。4.根据前述权利要求中任一项所述的方法,所述参考相对分布的获得(208)包括:
‑
以计算方式模拟所述区域中模拟参考A型细胞的分布,所述模拟参考A型细胞的数量与在所述图像区域中观察到的A型细胞的识别数量相同;
‑
以计算方式模拟所述区域中模拟参考B型细胞的分布,所述模拟参考B型细胞的数量与在所述图像区域中观察到的B型细胞的识别数量相同;
‑
计算作为所述以计算方式模拟的参考A型细胞和参考B型细胞的分布的函数的所述参考相对分布,所述参考相对分布指示所述区域中所述模拟参考A型细胞和所述模拟参考B型细胞之间的距离。5.根据权利要求4所述的图像分析方法,所述模拟参考A型细胞的分布是泊松分布,并且其中所述模拟参考B型细胞的分布是泊松分布。6.根据前述权利要求4
‑
5中任一项所述的图像分析方法,计算作为所述以计算方式模拟的参考A型和参考B型细胞的分布的函数的所述参考相对分布包括:
‑
对于每个随机分布的模拟参考A型细胞:a)选择所述模拟参考A型细胞作为半径为0的圆的圆心;b)将所述半径增加一步以产生增大的圆圈;c)确定在步骤b)中产生的所述圆圈中包含的模拟参考B型细胞的数量;d)将与步骤b)中确定的与模拟参考B型细胞数量相关联的圆的当前半径存储在存储介质中,并重复步骤b)、c)和d),直到达到终止标准;e)选择一个未被选择的所述模拟参考A型细胞,并使用所述新选择的模拟参考A型细胞继续进行a)步骤,直到所有的模拟参考A型细胞都被选择。
‑
提供模拟参考B型细胞的关联半径和数量作为所述参考相对分布。7.根据前述权利要求4
‑
6中任一项所述的图像分析方法,其中所述参考相对分布被计算为K
i,j
(r)或K
i,j
(r)的导数函数,其中K
i,j
(r)根据下式计算:
‑
其中K
i,j
(r)是二元里普利K(t)函数,
‑
其中i是对象类型“模拟参考A型细胞”的出现;
‑
其中j是对象类型“模拟参考B型细胞”的出现;
‑
其中λ
j
是模拟参考B型细胞的密度(每图像面积的数量);
‑
其中X
i
是所述图像区域内模拟参考A型细胞的总数;
‑
其中X
j
是所述图像区域内模拟参考B型细胞的总数;
‑
其中u∈X
(i)
表示细胞为模拟参考A型细胞;
‑
其中r是以模拟参考A型细胞为圆心的步进增加的半径;
‑
其中t是u、r和X
j
的函数,并且对所述图像区域中围绕模拟参考A型细胞u的半径为r的圆内模拟参考B型细胞的数量进行计数;
‑
其中“|u∈X
(i)”表示“在所有模拟参考A型细胞u上”;
‑
其中E是在所有u上获得的t的期望值。
8.根据前述权利要求中任一项所述的图像分析方法,其进一步包括:
‑
根据权利要求4
‑
7中任一项计算多个初始参考相对分布;
‑
从所述多个初始参考相对分布计算出平均参考相对分布;以及
‑
使用所述平均参考相对分布作为所述参考相对分布。9.根据权利要求1
‑
3中任一项所述的方法,所述参考相对分布的所述获得(208)包括:
‑
接收一个或多个进一步的组织样品中的每一个组织样品的进一步的数字图像,每个进一步的组织样品源自已知生物医学状态的组织;
‑
分析每个接收到的进一步的图像,以识别在所述接收到的进一步的图像的区域中观察到的参考A型细胞和观察到的参考B型细胞的数量和位置;
‑
分析在每个进一步的图像的所述区域中观察到的参考A型细胞和观察到的参考B型细胞的所述位置,以获得进一步的观察相对分布,所述进一步的观察相对分布指示在所述进一步的数字图像的区域中已经观察到的所述观察到的参考A型细胞和所述观察到的参考B型细胞之间的观察距离;以及
‑
使用所述述观察到的参考相对分布作为所述参考相对分布。10.根据前述权利要求中任一项所述的图像分析方法,作为所述参考相对分布和所述观察相对分布的差异的接近度得分的所述计算(210)包括:
‑
提供代表预定最小数量的B型细胞的预定数量;
‑
在所述观察相对分布内识别观察半径r
o
‑
min
,其中所述观察半径r
o
‑
min
是这样的半径:如果围绕每个所述观察到的A型细胞画出,则将限定平均包括预定数量的所述观察到的B型细胞的圆;
‑
在所述参考相对分布内...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。