[发明专利]图像分析

说明书

技术领域

本发明大体上涉及图图像分析。更具体地，本发明涉及用于提高自动图像分析以鉴别可在各种图像中看到的某些表型(例如微核)存在的设备和方法。

背景技术

荧光探头技术的新发展、落射荧光显微镜和图像分析的自动化的组合使高含量筛选(HCS)能够成为化合物毒性评估的有用工具。例如，体外微核(MN)检测可用作遗传毒性测试以用于生物监测、诱变性测试以及用来评估DNA修复[1]能力。

目前，制药遗传毒性单位由监管要求来管理并且体外微核测试可在已经造成高成本的情况下对晚期发展的药物具有显著影响。例如，FDA/ICH目前要求：i)对细菌中基因突变的测试(埃姆斯，或类似物)；ii)用哺乳动物细胞的染色体损伤的细胞遗传学评价的体外测试(通常是MN或染色体畸变检验，MN可用作小鼠淋巴瘤检验的预测)或体外小鼠淋巴瘤检验；和iii)使用啮齿类动物造血细胞的染色体损伤体内测试(小鼠体内骨髓MN)。体外MN结果可从而影响关于进一步向下游的毒性测试以及进入临床试验从而导致修改或停药的决策。

受限于监管部门批准的团体遵守准则并且结合许多遗传毒性检验以确保对检测灵敏性和明确性的顺应和高的置信。即使在可疑并且对互动机制没有认识的情况下，如果存在遗传毒性的迹象，化合物不再进展。MN评分的准确性和精确度是首要的以提供灵敏和明确的方案。

尽管各种常规系统[2，3]可以帮助这样的团体进行筛选过程，更通用的常规系统和方法[4]可高度依赖专家用户输入来帮助对各种图像特征是否是例如微核进行分类。

用于将生物标本分类的其他自动系统在现有领域内是已知的。Lee等人[5]描述自动显微镜系统，其包括计算机和高速处理领域处理器以鉴别自由放置的细胞。Long等人[6]涉及自动识别活细胞的算法。该文献公开鉴别对象并且使对象局部化为属于三个或以上类中的一个的方法，其中包括推导向量，每个向量映射到这些对象中的一个，其中这些向量的每个是来自N维空间的元素。该方法包括用CISS技术训练二元分类器的整体，其中使用用ECOC技术生成的训练集。Rutenberg[7]描述用于提高宫颈涂片分析的速度和准确性的自动细胞样本分类系统和方法。然而，在分类基于预设判据并且从而系统和方法没有随着使用而改进这种意义上说，上文的系统和方法[5，6和7]的全部是“预先训练的”。

因此，需要提供改进的系统和方法，其可以例如在自动筛选过程或装置中更快速并且准确地鉴别感兴趣的潜在显著特征。具体地，需要有改进的系统和方法，这些系统和方法在它们使用算法(其通过例如人为干涉而持续学习或持续从其他处理器学习)并且从而变得随时间更准确这种意义上说能动态地修改。

发明内容

从而设计本发明同时解决上文提到的与常规装置和技术关联的缺点。

根据本发明的第一方面，从而提供有用于遗传毒理筛选的设备。该设备包括：处理器，其配置成提供用于在图像中鉴别目标细胞的鉴别器模块；用于根据一个或多个表型将鉴别的细胞分类的分类器模块；和用于对分类的细胞指定相应的置信测度的评分模块。

根据本发明的第二方面，提供有用于在图像中根据一个或多个表型将细胞分类的方法。该方法包括在图像中鉴别候选目标细胞、根据一个或多个表型将鉴别的目标细胞分类和对分类的细胞评分。

本发明的某些方面和实施例还提供用于将数据处理设备配置成实现根据前面提到的本发明的第一和第二方面提供设备和方法所需要的各种功能的各种计算机程序产品。

如在下文进一步详细论述的，本发明的各种方面和实施例能够通过相当大地降低在图像中检测的假阴性鉴别的数量而例如在HCS中提高自动特征鉴别的准确性。例如，当筛选图像以检测指示潜在的毒性药物化合物的微核时，这样的假阴性读数可意味着可能有用的化合物被错误地从进一步测试中排除。从而假阴性鉴别的数量的降低是高度可取的。

附图说明

现在将连同附图描述的本发明的各种方面和实施例，其中：

图1示出根据本发明的实施例的用于遗传毒理筛选的设备；以及

图2示出根据本发明的各种方面和实施例的用于在图像中根据一个多个表型将细胞分类的方法。

具体实施方式