[发明专利]识别染色的组织图像中的感兴趣区域的方法

说明书

本公开涉及识别染色的组织图像中的感兴趣区域的方法。用于分割HE染色的组织图像中组织学结构的图论分割方法。该方法依赖表征图像中的局域空间统计信息。而且，用于量化肿瘤内空间异质性的方法可以与单一生物标志物、多路复用或超复合免疫荧光(IF)数据一起使用。该方法就其做法而言是整体性的，使用TMA中整个肿瘤组织切片和/或斑点的表达和空间信息来表征空间关联。该方法生成二维异质性图，以明确阐明主要和次要亚群的空间关联。

本申请是申请日为2016年6月10日，申请号为201680046884.1，发明名称为“用于在多路复用/超复合荧光组织图像中查找苏木精和曙红(HE)染色的组织图像中的感兴趣区域并量化肿瘤内细胞空间异质性的系统和方法”的申请的分案申请。

相关申请的交叉引用

本申请依据35 U.S.C.§119(e)要求于2015年6月11日提交的标题为“A CommonFramework for Finding Regions of Interest in Hematoxylin and Eosin(HE)Stained Tissue Images and Quantifying Intratumor Cellular SpatialHeterogeneity in Multiplexed/Hyperplexed Fluorescence Tissue Images”的美国临时专利申请No.62/174,187的优先权，该申请的内容通过引入并入本文。

发明背景

技术领域

本发明涉及数字病理学，尤其涉及用于在多路复用/超复合荧光组织图像中查找苏木精和曙红(HE)染色的组织图像中的感兴趣区域并量化肿瘤内细胞空间异质性的常见框架。

背景技术

数字病理学是指组织学染色的组织样本的获取、存储和显示，并且最初在诸如第二意见远程病理学、免疫解释和术中远程病理学等小生境(niche)应用中获得吸引力。通常，从活检样本生成大量患者数据，由3-50张载玻片组成，并由病理学家在显微镜下进行视觉评估，但是通过在高清晰度监视器上观看利用数字技术进行评估。由于涉及手工劳动，因此目前的工作流程实践是耗时、易出错且主观的。

癌症是一种异质性疾病。在苏木精和曙红(HE)染色的组织图像中，异质性的特征在于存在各种组织学结构，诸如原位癌、浸润癌、脂肪组织、血管和正常导管。针对肿瘤内和肿瘤间的异质性的一种精确医学做法是对活检组织进行测序并识别一组与疾病有关的基因组签名，具体而言是针对每个患者和单个患者的肿瘤的不同区域。但是，基因组/表观基因组分析(profiling)需要或者使组织破碎或者从肿瘤中取出多个核心样本，从而产生了对异质性的耗时和低分辨率的理解。各种组织学结构之间的空间相互作用可以预测疾病。例如，长入(侵入)血管的肿瘤巢指示增加的转移(metastasis)风险。因此组织学结构的准确分割可以帮助建立空间相互作用图，以促进组合蛋白质、DNA和RNA生物标志物进行深度分子分析的精确的药物研究。这种空间相互作用图还可以用作病理学家的探索工具或用作进一步分子分析的微观解剖指南。

组织学结构分割是一项非常具有挑战性的任务，因为诸如正常的导管和原位癌之类的结构具有明确的界限，但许多其它结构(诸如浸润癌和基质)则没有。结构形态也依赖于组织来源(例如，乳房相对于肺)以及组织制备和染色实践而显著变化。历史上，生物医学图像分析文献集中于分割细胞核，因为细胞核是所有更高层组织结构的基石。利用基于细胞核-内腔关联、区域生长、基于区域的主动轮廓结合马尔可夫随机场和深度学习的做法，最近的方法已经扩展到分割其它组织学结构，诸如前列腺和乳房组织图像中的腺体。其它一些做法涉及工程疾病和器官特异性提取器，以促进分析公开可用的数据集，诸如MITOS(有丝分裂图)和GlaS(腺体)。例如，典型的腺体分割策略可以涉及首先识别内腔，然后搜索细胞周围的上皮层。但是，在原位乳腺癌的情况下，这种策略是不可行的，其中导管内腔可以被肿瘤细胞完全填充。已经为HE图像的监督分割开发了基本的数学基础，但那个基础还没有对多于两个示例进行测试。