医学图像检测制造技术

本发明专利技术涉及检测医学图像中的对象。为了提供对医学图像中的对象的改进的检测，提供了医学图像检测设备(10)，其包括图像数据输入部(12)和处理单元(14)。图像数据输入部被配置为接收生物样本的图像数据。处理单元包括检测器(16)和分类器(18)。检测器被配置为通过在图像数据中检测至少一个预定对象特征来检测样本中的感兴趣对象。检测到的对象是候选对象，其中，候选对象包括真阳性和可能的假阳性。此外，分类器被配置为将可能的假阳性分类为假阳性或真阳性。分类器是经训练的分类器，其经过专门训练以识别检测器的假阳性。

【技术实现步骤摘要】
【国外来华专利技术】医学图像检测
本专利技术涉及检测医学图像中的对象。特别地，本专利技术涉及医学图像检测设备、医学成像系统以及用于在数字成像中检测预定生物学特征的方法。
技术介绍
分析医学图像(例如组织探头的医学图像)可以用于诊断目的。例如，提供图像分析以选择样本以供进一步研究。图像数据可以用于通过计算步骤来检测对象。例如，提供了肿瘤细胞数量和纯度的估计。还可以提供图像分析以检测淋巴细胞。为了提供图像数据，可以对探头进行预处置，并且例如可以提供探头作为H&E染色的切片，分别是H&E染色的图像。然后可以将图像用于进一步的分析步骤，例如质量和数量评估。然而，已经表明，用于检测医学图像中的对象的图像分析中的量化能够导致复杂且耗时的计算流程。
技术实现思路
因此，能够需要提供对医学图像中的对象的改进的检测。本专利技术的目的通过独立权利要求的主题解决；从属权利要求中并入了其他实施例。应当注意，本专利技术的以下描述的方面也适用于医学图像检测设备、医学成像系统以及用于在数字成像中检测预定生物学特征的方法。根据本专利技术，提供了一种医学图像检测设备。该设备包括图像数据输入部和处理单元。图像数据输入部被配置为接收生物样本的图像数据。处理单元包括检测器和分类器。该检测器是感兴趣点检测器，其被配置为通过在图像数据中对至少一个预定对象特征进行检测来检测样本中的感兴趣对象。检测到的对象是候选对象，并且候选对象包括真阳性和可能的假阳性。此外，分类器被配置为将可能的假阳性分类为假阳性或真阳性。分类器是经训练的分类器。专门训练分类器以识别检测器的假阳性。因此，在第一步骤中检测到的感兴趣对象包括可能的真阳性和可能的假阳性。由第二步骤提供验证，以区分两组以导致假阳性或真阳性。候选对象(作为第一步骤的结果)因此包括(作为第二步骤的结果)真正检测到的感兴趣对象和错误或不实地检测到的感兴趣对象。所提供的分类器基于检测器与分类器之间的紧密耦合。术语“紧密”耦合是指直接耦合，例如，排他地通过使用第一步骤的结果来馈送第二步骤。本文中，检测器也称为第一检测器。第一检测器是感兴趣点检测器，其被配置为通过在图像数据中对至少一个预定第一对象特征进行第一检测来将感兴趣对象检测为样本中的候选对象。术语“接收生物样本的图像数据”也可以被称为“提供生物样本的图像数据”。通过两步流程，使图像数据可用于进一步的数据处理。在第一步骤中检测到的感兴趣对象是候选对象。因此，在第一步骤中检测到的感兴趣对象也可以称为“可能的感兴趣对象”或“候选感兴趣对象”。因此，“真阳性”是“真阳性对象”或“真的感兴趣对象”，并且“可能的假阳性”因此是“可能的假阳性对象”或“可能的假感兴趣对象”。例如，为分类器提供了基于学习的分类器或经训练的分类器。在图像数据中对至少一个预定第一对象特征进行检测也被称为在图像数据中对至少一个预定第一目标特征进行第一检测。由于分类仅应用于检测的识别位置，因此这提供了以减少的努力揭示，特别是计算努力，即数据处理努力。在两级算法中使用特定类型的特定优势(其中，第二级是关于假阳性的经训练的模型)是，第一步骤提供了快速选择，而第二步骤则以全面方式提供了改进。因此，两步检测提供了对图像中对象的改进的发现。该两步流程提供了(第一)检测(例如，其提供(第一)量的检测到的感兴趣对象或位置)和分类(即第二步骤)，所述分类提供了(第二)量的分类的感兴趣对象或位置。由于分类仅适用于例如由应用感兴趣点检测提供的检测的结果，由于第一算法与第二算法的组合，减少了用于验证检测到的位置的努力。图像数据输入单元被布置为从服务器或数据存储单元或其他合适的数据提供单元接收图像数据。因此，提供图像数据输入单元以使图像数据可用于处理单元。图像数据也可以由成像系统提供。在示例中，提供了识别数据输出部，该识别数据输出部被配置为提供真的候选位置。在示例中，医学图像检测设备是数字病理图像检测设备。术语“感兴趣对象”涉及在样本或其图像中寻找的对象/实体。这样的对象具有特定位置并且具有至少一个预定特征，例如一个特定图像图案。例如，淋巴细胞可以被认为是具有相对较小的紧凑和圆形形状的对象。术语“候选对象”涉及通过图像算法识别为感兴趣对象的对象。由于某些识别可能是错误的，所以候选对象可以包括“真对象”(或者，换句话说，“真阳性”)和可能的“假对象”(或者，换句话说，可能的“假阳性”)。因此，术语“真阳性”或“真对象”是图像处理领域中非常公知的术语，当与参考标准(groundtruth)(例如病理学家的意见)进行比较时，涉及实际上被正确识别或分类的候选对象。对于更多信息，请参阅机器学习分类领域中该术语的通常含义，例如在EncyclopediaofMachineLearning,C.Sammut和G.I.Webb,SpringerreferenceBusinessMediaLLC2011中。此外，术语“假阳性”或“假对象”在图像处理领域也是公知的术语，当与参考标准(例如病理学家的意见)进行比较时涉及被错误检测并且实际上被识别或分类为特定不同类别的候选对象。对于更多信息，请参阅机器学习分类领域中该术语的通常含义，例如在EncyclopediaofMachineLearning,C.Sammut和G.I.Webb,SpringerreferenceBusinessMediaLLC2011中。在示例中，分类基于在正确识别的对象的训练集可用的情况下进行学习。在示例中，优选地，分类器是基于学习的模型，例如机器学习或深度学习。可以利用良好的假阳性训练数据库正确训练模型。因此，其也可以称为“基于学习的分类器”或“经训练的分类器”。术语“可能的假阳性”涉及尚未能被认为是假阳性的候选对象，因为它们的识别产生于算法的中间分析，并且因此能够不被认为是最终的。关于本专利技术，中间分析可以由第一检测器执行，而随后使用的分类器可以实现最终识别。分类器的分类是通过第二选择(即第一选择的分类)来验证第一步的结果。换句话说，第一检测器识别第一组候选对象，其可以包括真选择和假选择。由分类器将第一组验证为第二级，其确认(即选择)真选择，并取消选择假选择。分类器被配置为验证和确认哪些候选对象是真阳性的，哪些是假阳性。该验证基于通过作为至少一个预定第二特征的第二识别的分类来验证可能的候选对象。将可能的候选对象的未验证的候选对象取消选择为假的候选位置，并且例如将可能的候选位置的经验证的候选位置选择为真的候选位置。换句话说，在第一步骤中，在整个图像中或至少在图像的整个部分中检测候选对象(具有可能的位置)。这些能够包括真对象(真位置)和假对象(假位置)。在第二步骤中，对候选者进行分类，即，对经验证和假的位置进行识别以仅实现真对象(或真位置)。在一个示例中，不同的分辨率水平用于两级处理，即用于作为第一级(或第一步骤)的候选对象的检测和作为第二级(或第二步骤)的分类。为第一级提供了较低的分辨率水平，以实本文档来自技高网...

【技术保护点】
1.一种医学图像检测设备(10)，包括：/n图像数据输入部(12)；以及/n处理单元(14)；/n其中，所述图像数据输入部被配置为接收生物样本的图像数据；/n其中，所述处理单元包括检测器(16)和分类器(18)；其中：/n所述检测器是感兴趣点检测器，所述感兴趣点检测器被配置为通过在所述图像数据中对至少一个预定对象特征进行检测来检测所述样本中的感兴趣对象；检测到的对象是候选对象，其中，所述候选对象包括真阳性和可能的假阳性，其中，真阳性涉及当与参考标准进行比较时被正确识别为真的感兴趣对象的候选对象；并且/n其中，可能的假阳性涉及这样的候选对象：其尚未能被认为是假阳性，因为由所述检测器对它们的识别产生于算法的中间分析，并且其当与所述真实数据进行比较时不能被认为针对假阳性是最终的；其中，假阳性涉及当与参考标准进行比较时被识别为假的感兴趣对象的候选对象，并且；/n并且/n其中，所述分类器被配置为将所述可能的假阳性分类为假阳性或真阳性，其中，所述分类器是经训练的分类器，所述经训练的分类器包括在假阳性上训练的模型。/n

【技术特征摘要】
【国外来华专利技术】20170421 EP 17167554.91.一种医学图像检测设备(10)，包括：
图像数据输入部(12)；以及
处理单元(14)；
其中，所述图像数据输入部被配置为接收生物样本的图像数据；
其中，所述处理单元包括检测器(16)和分类器(18)；其中：
所述检测器是感兴趣点检测器，所述感兴趣点检测器被配置为通过在所述图像数据中对至少一个预定对象特征进行检测来检测所述样本中的感兴趣对象；检测到的对象是候选对象，其中，所述候选对象包括真阳性和可能的假阳性，其中，真阳性涉及当与参考标准进行比较时被正确识别为真的感兴趣对象的候选对象；并且
其中，可能的假阳性涉及这样的候选对象：其尚未能被认为是假阳性，因为由所述检测器对它们的识别产生于算法的中间分析，并且其当与所述真实数据进行比较时不能被认为针对假阳性是最终的；其中，假阳性涉及当与参考标准进行比较时被识别为假的感兴趣对象的候选对象，并且；
并且
其中，所述分类器被配置为将所述可能的假阳性分类为假阳性或真阳性，其中，所述分类器是经训练的分类器，所述经训练的分类器包括在假阳性上训练的模型。


2.根据权利要求1所述的设备，其中，所述处理单元被配置为对分类后的假阳性进行取消选择。


3.根据权利要求1或2中的任一项所述的设备，其中，所述分类器被配置为进行操作的分辨率水平高于所述检测器被配置为进行操作的分辨率水平。


4.根据权利要求1-3中的任一项所述的设备，其中，所述模型是在来自所述检测器的假阳性上训练的。


5.一种医学成像系统(50)，包括：
组织探头扫描器设备(52)；以及
根据前述权利要求中的一项所述的医学图像检测设备(10)；
其中，所述组织探头扫描器设备被配置为扫描生物样本并且将所述扫描的图像数据提供给所述图像数据输入部。


6.一种用于在数字成像中检测预定生物学特征的方法(100)，所述方法包括以下步骤：
a)接收(102)生物样本的图像数据；
b)通过在所述图像数据中对至少一个预定对象特征进行检测来检测(104)所述样本中的感兴趣对象；检测到的对象是候选对象，其中，所述候选对象包括真阳性和可能的假阳性，其中，真阳性...

【专利技术属性】
技术研发人员：左菲，R·温贝格尔弗里德尔，A·派里克，M·B·范莱文，K·德拉特，
申请(专利权)人：皇家飞利浦有限公司，
类型：发明
国别省市：荷兰;NL