The use of a variety of imaging patterns in full slice image screening can be potentially used to reduce false positive. In order to use multiple imaging modes, the abnormal detection process is used for the abnormal location of medical samples to medical samples. The anomaly detection process includes single use of multiple base classifiers to classify interested objects that are suspected of being abnormal. Each base classifier extracts features of the interested objects respectively, and generates scores based on the extracted features to indicate the possibility that the interested objects are abnormal. The anomaly detection process further includes using the set classifier to merge the score generated by the base classifier to determine whether the interested object is abnormal. The set classifier determines the dependability measure for each base classifier according to the setting variable set (under the setting of the sample and the image), and then selectively combines the score of the base classifier according to the dependability measure.
【技术实现步骤摘要】
【国外来华专利技术】在多种设置下用于医学样品的异常检测
本专利技术涉及在计算机辅助诊断(CAD)中用于医学样品的异常检测。
技术介绍
异常检测对于CAD是至关重要的。全切片图像(WSI)搜索优选用于CAD以避免假阴性,但受其图像采集和处理速度限制。大多数现有的用于WSI筛选的方式使用低放大倍数图像以便减少图像采集时间。因此,图像质量变得劣化。低放大倍数图像中包含的信息少于高分辨率图像中的信息,因此限制了准确分割和对异常进行分类。而且,WSI筛选中的大搜索区域引入了更多的假阳性,这也影响了诊断结果。在WSI筛选中使用多种成像模式潜在地可用来减少假阳性。目前,大多数产品不提供WSI分析用于评价,并且不支持多种成像模式。他们仅使用来自单一设置的样品(例如,相同的曝光时间,相同的试验)用于分类。除此之外,它们中的大多数是机器依赖性的,这不容易适应于新的硬件设置。典型地,在目前的产品中使用两种成像模式用于图像分析:荧光(FL)模式和亮视野(BF)模式。然而,两种模式具有它们自己的缺点。对于FL模式,尽管在不同的成像模式之中具有相对高的灵敏度,但除了异常之外的物体在激发下也经常发射绿色荧光。其可以导致假阳性结果,由此影响诊断结果的准确度。对于BF模式,其与FL模式相比导致低对比度,由于来自不同实验的样品中染料的色差而需要校准。因此,在本领域中存在对支持多种成像模式并且在增强异常检测准确度中利用多模式结果的技术的需求,该技术尤其可在用于WSI的异常检测中使用。
技术实现思路
本专利技术的第一个方面是提供用于从医学样品的图像对所述医学样品上的一个或多个异常进行定位的计算机实现方法。所述医学样品和 ...
【技术保护点】
一种用于从医学样品的图像对所述医学样品上的一个或多个异常进行定位的计算机实现方法,所述医学样品和所述图像在包括一个或多个设置变量的设置下制备,所述方法包括:从所述图像对所述医学样品上的被怀疑是异常的任何感兴趣对象定位;以及当对一个或多个感兴趣对象定位时,通过异常检测进程确定单个感兴趣对象是否是单个异常并且对于所述一个或多个感兴趣对象中的每一个重复所述异常检测进程;其中所述异常检测进程包括:单个地使用多个基分类器对所述单个感兴趣对象进行分类,其中每个基分类器分别提取所述单个感兴趣对象的特征并且根据所提取的特征生成指示所述单个感兴趣对象为异常的可能性的评分;以及使用集合分类器来合并由所述基分类器生成的评分以确定所述单个感兴趣对象是否是单个异常,其中所述集合分类器根据所述一个或多个设置变量来确定对于每个基分类器的单个评分的可依赖性度量,并且根据所述评分的所述可依赖性度量选择性地合并所有所述基分类器的评分。
【技术特征摘要】
【国外来华专利技术】2017.03.02 US 15/447,3151.一种用于从医学样品的图像对所述医学样品上的一个或多个异常进行定位的计算机实现方法,所述医学样品和所述图像在包括一个或多个设置变量的设置下制备,所述方法包括:从所述图像对所述医学样品上的被怀疑是异常的任何感兴趣对象定位;以及当对一个或多个感兴趣对象定位时,通过异常检测进程确定单个感兴趣对象是否是单个异常并且对于所述一个或多个感兴趣对象中的每一个重复所述异常检测进程;其中所述异常检测进程包括:单个地使用多个基分类器对所述单个感兴趣对象进行分类,其中每个基分类器分别提取所述单个感兴趣对象的特征并且根据所提取的特征生成指示所述单个感兴趣对象为异常的可能性的评分;以及使用集合分类器来合并由所述基分类器生成的评分以确定所述单个感兴趣对象是否是单个异常,其中所述集合分类器根据所述一个或多个设置变量来确定对于每个基分类器的单个评分的可依赖性度量,并且根据所述评分的所述可依赖性度量选择性地合并所有所述基分类器的评分。2.权利要求1所述的方法,其中所述图像通过对上面驻留有所述医学样品的整个载玻片成像来获得。3.权利要求1所述的方法,其中所述基分类器之一配置成提取所述单个感兴趣对象的形态特征,并且配置成使用一个或多个决策树来对所述形态特征进行分类以生成所述评分。4.权利要求1所述的方法,其中所述基分类器之一配置成提取所述单个感兴趣对象的局部直方图特征,并且配置成使用支持向量机(SVM)来对所述局部直方图特征进行分类以生成所述评分。5.权利要求4所述的方法,其中当所述图像是彩色图像时,一个或多个彩色直方图用于提取所述局部直方图特征。6.权利要求4所述的方法,其中当所述图像是灰度图像时,一个或多个强度直方图用于提取所述局部直方图特征。7.权利要求1所述的方法,其中所述基分类器之一是卷积神经网络(CNN)。8.权利要求1所述的方法,其中:所述基分类器包括第一基分类器和第二基分类器;所述第一分类器配置成提取所述单个感兴趣对象的形态特征,并且配置成使用一个或多个决策树来对所述形态特征进行分类以生成所述评分;以及所述第二分类器配置成提取所述单个感兴趣对象的局部直方图特征,并且配置成使用支持向量机(SVM)来对所述局部直方图特征进行分类以生成所述评分。9.权利要求1...
【专利技术属性】
技术研发人员:吴晓华,罗恩妮,
申请(专利权)人:香港应用科技研究院有限公司,
类型:发明
国别省市:中国香港,81
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。