配置用于基于区域的组织病理学学习和预测的系统及其方法技术方案

组织病理学评分能够基于由生物测定识别的某些类型细胞的区域或这些细胞的基因型或表型特征的表达。使用图像分析算法自动化评分过程包括正确划定所关注区域，这一过程被称为分割。本系统和方法使用生成对抗网络完成这种分割，所述生成对抗网络被训练以生成覆盖每个所关注区域的掩膜。本发明专利技术能够通过对每个分类使用单独的图像带来执行分割和分类二者。通过解释每个区域的单独的图像带，评分算法可以利用例如肿瘤区域和免疫细胞染色区域的分类。具有更多图像带的分类问题将使用具有相等图像带数量的图像。对图像能够为每个像素编码的图像带数量没有限制。像带数量没有限制。像带数量没有限制。

【技术实现步骤摘要】
【国外来华专利技术】配置用于基于区域的组织病理学学习和预测的系统及其方法
[0001]相关申请
[0002]本申请要求于2020年2月5日提交的美国临时申请序列号62/970,348和于2021年2月5日提交的美国实用/专利技术申请序列号17/168,847的优先权，其全部内容通过引用并入本文。
[0003]版权声明
[0004]本专利文件的公开部分包含受版权保护的材料。如美国专利商标局专利文件或记录中所示，版权所有人不反对任何人传真复制专利文件或专利公开，但保留对版权的所有权利。以下声明适用于以下和构成本文件一部分的附图中描述的软件和数据：版权(Copyright)、起源实验室(Origin Labs)、保留的所有权利(All Rights Reserved)。


[0005]本公开一般涉及配置用于基于区域的组织病理学学习和预测的一个或更多个新技术应用的基于计算机的系统、设备和组件及其方法，例如，使用细胞、细胞培养物、组织或其他图像。

技术介绍

[0006]组织病理学评分能够基于通过生物测定识别的某些类型细胞的区域或这些细胞的基因型或表型特征的表达。评分一般由医学专家完成，该医学专家分析用适当的测定法染色的组织样本并估计所关注区域的比例。
附图说明
[0007]能够参考附图进一步解释本公开的各种实施例，其中类似的结构在几个视图中用类似的附图标记来表示。所示的附图不必按比例绘制，相反重点通常放在说明本公开的原理上。因此，本文所公开的具体结构和功能的细节不应被解释为限制性的，而应仅被解释为教导本领域技术人员以各种方式使用一个或更多个示例性实施例的代表性基础。
[0008]图1示出了根据本公开的一个或更多个实施例的使用组织病理学评分模型进行自动化的基于区域的组织病理学评分的示例性系统的框图。
[0009]图2示出了根据本公开的一个或更多个实施例的使用生成对抗网络进行自动化的基于区域的组织病理学评分的示例性架构的框图。
[0010]图3示出了根据本公开的一个或更多个实施例的用于训练生成对抗网络以预测自动化的基于区域的组织病理学评分(包括训练生成对抗网络)的示例性架构的框图。
[0011]图4示出了根据本公开的一个或更多个实施例的用于预测自动化的基于区域的组织病理学评分的生成对抗网络的示例性架构的框图。
[0012]图5示出了根据本公开的一个或更多个实施例的示例性基于计算机的系统和平台的框图。
[0013]图6示出了根据本公开的一个或更多个实施例的另一个示例性基于计算机的系统
和平台300的框图。
[0014]图7示出了云计算/架构的示例性实现的示意图，其中本公开的说明性基于计算机的系统或平台可以具体配置为运行。
[0015]图8示出了云计算/架构的另一个示例性实现的示意图，其中本公开的说明性基于计算机的系统或平台可以具体配置为运行。
[0016]图9示出了基于所关注区域并使用人类注释图像训练的组织病理学评分的说明性GAN。
[0017]图10示出了根据本公开的实施例的各个方面的用于基于区域的评分的所关注区域的说明性分割和分类。
具体实施方式
[0018]本文公开了结合附图进行的各种详细实施例；然而，应当理解，所公开的实施例仅仅是说明性的。此外，结合本公开的各个实施例给出的每个示例旨在说明而非限制。
[0019]在整个说明书中，除非上下文另有明确规定，否则以下术语具有本文明确关联的含义。本文使用的短语“在一个实施例中”和“在一些实施例中”，不一定指代相同的实施例，虽然可能是相同的实施例。此外，本文使用的短语“在另一个实施例中”和“在一些其他实施例中”并不一定指代不同的实施例，虽然可能是不同的实施例。因此，如下所述，在不脱离本公开的范围或精神的情况下，可以容易地组合各种实施例。
[0020]此外，除非上下文另有明确规定，否则术语“基于”不是排他性的，而是允许基于未描述的其他因素。此外，在整个说明书中，“一”、“一个”和“该”的含义包括多个引用。“在
……
中”的含义包括“在
……
中”和“在
……
上”。
[0021]如本文所用，术语“和”和“或”可以互换使用以指代连词和转折连词中的一组项，以便包括对项的组合和替代方案的全面描述。举例来说，一组项可以用转折连词“或”，或用连词“和”列出。在任何一种情况下，该组项都应被解释为意指每个项都是单独的替选项，以及所列项的任何组合。
[0022]图1至图10说明了例如在组织或其他细胞培养物中使用细胞图像进行组织病理学评分的系统和方法。使用图像分析算法的自动化评分过程需要正确划定所关注区域，这一过程称为分割。以下实施例提供了克服以下
中的技术问题、缺点和/或缺陷的技术方案和技术改进，该
涉及准确和有效地划定所关注区域并根据形态学和对测定的反应性来对细胞进行分类。如下文更详细解释的，本文的技术方案和技术改进包括通过使用生成对抗网络(或GAN)在单个步骤中自动完成所关注区域的分割任务和分类任务来改进划定和分类的各个方面，所述生成对抗网络使用覆盖每个所关注区域的掩膜。本专利技术类似地采用GAN，通过对每个类别使用单独的图像带来执行分割和分类。基于这些技术特征，这些系统和方法的用户和操作者可以获得其他技术益处。此外，还描述了所公开技术的各种实际应用，其为用户和操作者提供了进一步的实际益处，这也是本领域中新颖的且有用的改进。
[0023]图1示出了根据本公开的一个或更多个实施例的使用组织病理学评分模型的自动化的基于区域的组织病理学评分的示例性系统的框图。
[0024]在一些实施例中，组织分析系统100可以从例如一个或更多个成像设备120摄取组
织样本图像101。在一些实施例中，成像设备120可以包括例如数字显微镜、电子显微镜、数码相机或任何其他适合对组织样本的细胞成像的设备。
[0025]在一些实施例中，成像设备120与组织分析系统100通信。在一些实施例中，成像设备120可以通过物理接口连接到组织分析系统100，物理接口例如为总线、通用串行总线(USB)、串行ATA(SATA)、外设组件互连(PCI)、高速外设组件互联(PCIe)、非易失性存储器标准(non
‑
volatile memory express，NVME)、以太网或任何其他适当的有线数据通信方案。
[0026]在一些实施例中，成像设备120可以通过无线连接(例如通过一个或更多个适当的数据通信网络(例如，互联网、卫星等))并利用一个或更多个适当的数据通讯协议/模式来传输组织样本图像101，数据通讯协议/模式例如但不限于IPX/SPX、X.25、AX.25、AppleTalk(TM)、TCP/IP(如HTTP)、蓝牙
TM
、近场无线通信(NFC)、RFID、窄带物联网(NBIOT)、3G、4G、5G、GSM、GPRS、WiFi、WiMax、CDMA、卫星、ZigBee和其他适当的通本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，包括：由至少一个处理器接收包括组织的多个细胞的数字表示的组织图像；由所述至少一个处理器利用组织病理学评分模型基于所学习的组织病理学评分参数来预测至少一个掩膜，所述至少一个掩膜根据细胞类型或生物标志物来划定组织图像中的所关注区域；其中，所述至少一个掩膜的每个掩膜包括：i)由标记像素形成的至少一个多边形，其表示所述所关注区域的每个所关注区域的划定，以及ii)与所述标记像素相关联的至少一个标记，其表示所述所关注区域的每个所关注区域中的细胞类型或细胞类型的生物标志物；由所述至少一个处理器在所有像素上确定与每个掩膜相关联的值的总和；其中，所述值的总和表示至少部分地基于每个所关注区域的图像带的所述所关注区域的每个所关注区域的面积的度量；由所述至少一个处理器至少部分地基于每个所关注区域的面积的度量确定组织病理学评分；以及由所述至少一个处理器使得在与至少一个用户相关联的至少一个计算设备的至少一个屏幕上显示所述组织病理学评分。2.根据权利要求1所述的方法，其中，所述组织病理学评分模型包括生成对抗网络(GAN)。3.根据权利要求1所述的方法，其中，所述标记像素包括表示细胞类型或生物标志物的一组分类的一组图像带，其中，每个掩膜的至少一个标记包括所述一组图像带的图像带，该图像带表示按细胞类型或生物标志物的一组分类中的按细胞类型或生物标志物的分类。4.根据权利要求3所述的方法，其中，所述一组图像带包括多个灰度带。5.根据权利要求1所述的方法，还包括由所述至少一个处理器归一化每个掩膜，以产生对于每个掩膜中的每个像素等效的每个像素的像素值。6.根据权利要求5所述的方法，其中，所述像素值包括值1。7.根据权利要求1所述的方法，还包括由所述至少一个处理器至少部分地基于与所述细胞类型或生物标志物中的特定细胞类型或生物标志物相关联的掩膜的面积与所述至少一个掩膜的总面积之比来确定所述特定细胞类型或生物标志物的特定于细胞类型的组织病理学评分。8.一种系统，包括：至少一个处理器，其与至少一个存储器通信并配置为访问存储在所述存储器中的指令，其中，所述指令使所述至少一个处理器执行步骤，以：接收包括组织的多个细胞的数字表示的组织图像；利用组织病理学评分模型基于所学习的组织病理学评分参数来预测至少一个掩膜，所述至少一个掩膜根据细胞染色来划定组织图像中的所关注区域；其中，所述至少一个掩膜的每个掩膜包括：i)由标记像素形成的至少一个多边形，其表示所述所关注区域的每个所关注区域的划定，以及
ii)与所述标记像素相关联的至少一个标记，其表示所关注区域的每个所关注区域的图像带；在所有像素上确定与每个图像带相关联的值的总和；其中，所述值的总和表示至少部分地基于每个所关注区域的图像带的所述所关注区域的每个所关注区域的面积的度量；至少部分地基于每个所关注区域的面积的度量确定组织病理学评分；以及使得在与至少一个用户相关联的至少一个计算设备的至少一个屏幕上显示所述组织病理学评分。9.根据权利要求8所述的系统，其中，所述组织病理学评分模型包括生成对抗网络(GAN)。10...

【专利技术属性】
技术研发人员：达里克，
申请(专利权)人：起源实验室有限公司，
类型：发明
国别省市：