[发明专利]用于检测数字病理图像中的病理异常的方法和系统以及用于注释组织载玻片的方法

说明书

本发明涉及一种用于注释组织载玻片图像的方法、一种用于检测数字病理图像中的病理异常的系统和由计算系统执行的方法。由计算系统执行的用于检测数字病理图像中的病理异常的方法包括向计算系统提供数字病理图像并使用布置在计算系统上的识别模块分析数字病理图像。识别模块使用机器学习模块使用加载在所述识别模块中的识别模型执行辨认包含异常图像模式的对象，并使用识别模型识别异常图像模式是否对应于病理异常。

技术领域

本发明涉及一种由计算系统执行的用于检测数字病理图像中的病理异常的方法和一种用于检测数字病理图像中的病理异常的系统。本发明还涉及一种用于注释组织载玻片图像的方法。

背景技术

检测病理异常(例如感染、炎症或癌症肿瘤)的常用方法是通过使用活组织检查来获取组织样本，在该活组织检查期间从身体的一部分移除少量组织样本。组织样本也可来自切除的组织/肿瘤，以验证或补充初始诊断。然后处理移除的组织样本并切割成薄切片，将其染色以显现组织样本的结构特征。用于此目的最常用的染色剂是H&E，它是两种化合物苏木素和曙红的组合。然后用数码相机结合显微镜检索染色的组织样本的图像，并将其连接到具有用于观察组织样本的监视器的计算机。病理学家通过视觉检查诊断性地解释组织样本的图像，以便研究疾病的表现。病理学家还通过标记假定的病理异常区域(例如癌症区域)来手动注释图像，所述病理区域包括异常图像模式。

组织样品含有大量细胞和其他广泛且不均匀分布的结构。因此，解释和注释组织载玻片是高度视觉和主观的过程，其耗时、，昂贵，需要训练有素的专家，并且涉及人为错误的风险。例如，如果由几位病理学家评估组织载玻片，则他们将以不同方式评估(相同)组织载玻片的风险很高，导致评估的显著变化。

因此，鉴于上述缺点，需要一种用于检测数字病理图像中的病理异常的改进方法和系统，以及一种用于注释组织载玻片图像的改进方法，其降低了错误风险，耗时较少而且更便宜。

发明内容

本发明的主题是消除根据现有技术的缺点。

根据权利要求，已经通过用于注释组织载玻片图像的方法、由用于检测数字病理图像中的病理异常的系统和计算系统执行的方法来实现该主题。

更具体地，由计算系统执行的用于检测数字病理图像中的病理异常的方法包括向计算系统提供数字病理图像并使用布置在计算系统上的识别模块分析数字病理图像。识别模块使用机器学习模块使用加载在所述识别模块中的识别模型执行包含异常图像模式的对象的识别，并使用识别模型识别异常图像模式是否对应于病理异常。由此，可以自动检测数字病理图像中的病理异常。

根据本发明的另一方面，识别异常图像模式是否对应于病理异常包括使用识别模型中的分类器对异常图像模式进行分类，以根据至少两个类别对异常图像模式进行分类，并确定异常图像模式是否对应于基于分类的病理异常。

根据本发明的另一方面，该方法还包括使用在多个带注释的数字病理图像上训练的机器学习算法来提供识别模型。

根据本发明的又一方面，提供识别模型包括生成组织载玻片的至少一个第一图像，其包括病理异常的染色形态特征，以及使用染色区域注释至少一个第一图像。用至少一种生物标志物和至少一种第一组织化学染料或至少一种生物标志物和至少一种荧光染料或至少一种荧光生物标志物染色组织载玻片。由此，组织载玻片图像被客观地并因此正确地注释。这导致该方法将正确地检测数字病理图像中的病理异常。这反过来又可以更好地治疗病理异常。

根据本发明的一个方面，提供识别模型包括将注释图像提供给机器学习模块，并使用病理异常的不同形态特征训练识别模型以获得分类器。