通过利用类比例数据的卷积字典学习对对象群体进行分类制造技术

披露了一种用于对图像中的对象(例如，细胞)进行分类和/或计数的方法，该图像包含若干种类型的对象的混合物。使用有关对象混合物的先验统计信息(类比例数据)来改善分类结果。本技术可以针对包含多种对象类型的混合物的图像使用生成模型，以便利用类比例数据和经分类的对象模板两者来推导出用于对细胞进行分类和/或计数的方法。该生成模型将图像描述为许多具有单个细胞的图像的总和，其中，每个细胞的类选自某一统计分布。本技术的实施例已经成功地用于对来自正常血液供体和异常血液供体两者的经裂解血液的图像中的白细胞进行分类。

Classification of object groups by using convolution dictionary learning of scale like data

【技术实现步骤摘要】
【国外来华专利技术】通过利用类比例数据的卷积字典学习对对象群体进行分类相关申请的交叉引用本申请要求现在未决的于2017年11月14日提交的美国临时申请号62/585,872和2018年6月1日提交的美国临时申请号62/679,757的优先权，这些申请的披露内容通过援引并入本文。
本披露涉及图像处理，并且具体地涉及图像(比如全息无透镜图像)中的对象分类和/或计数。
技术介绍
许多领域受益于确定对象的类的能力、并且尤其是对图像中的对象进行分类和计数的能力。例如，生物样本图像中的对象检测和分类在诊断疾病和预测患者结果方面具有许多潜在的应用。然而，由于各种各样的可能的成像模态，生物数据可能潜在地会受到低分辨率图像或患者之间的显著生物变异性的影响。此外，计算机视觉中的许多现有技术的对象检测和分类方法需要大量的带注释的数据以进行训练，但是对于生物图像而言通常不容易获得此类注释，因为注释者必须是特定生物数据类型方面的专家。另外，许多现有技术的对象检测和分类方法是针对每个类包含少量对象实例的图像进行设计的，而生物图像可能包含成千上万个对象实例。突显出这些挑本文档来自技高网...

【技术保护点】
1.一种用于基于模板字典和类比例数据对对象群体进行分类的方法，该方法包括：/n获得其中描绘有一个或多个对象的图像；/n确定该图像中对象的总数(N)；/n获得类比例数据和包括至少一个对象类的至少一个对象模板的模板字典；/n提取一个或多个图像补丁(e

【技术特征摘要】
【国外来华专利技术】20171114 US 62/585,872;20180601 US 62/679,7571.一种用于基于模板字典和类比例数据对对象群体进行分类的方法，该方法包括：
获得其中描绘有一个或多个对象的图像；
确定该图像中对象的总数(N)；
获得类比例数据和包括至少一个对象类的至少一个对象模板的模板字典；
提取一个或多个图像补丁(ei)，该一个或多个图像补丁中的每个图像补丁包含该图像中的相应对象(i)；以及
基于该相应图像补丁(ei)与每个对象模板的匹配强度(αi)并且受该类比例数据的影响来确定每个对象的类。


2.如权利要求1所述的方法，其中，该图像是全息图像。


3.如权利要求1所述的方法，其中，该匹配强度是根据来确定的，其中，i是对象，是第ki个对象模板的图像，并且ei是与第i个对象相对应的图像补丁。


4.如权利要求1所述的方法，其中，每个对象的类受在给定对象总数为N的情况下对象在类c中的概率pc|N的影响，并且其中，该概率pc|N基于该类比例数据。


5.如权利要求1所述的方法，其中，该类比例数据通过预定值(λ)进行加权。


6.如权利要求1所述的方法，其中，每个对象(i)的对象模板的索引(k)是根据来确定的，其中，dj是第j个对象模板的图像，K是对象模板的总数，ei是与第i个对象相对应的图像补丁，c是类，C是类的总数，dj是第j个对象模板的图像，并且pc|N是在给定对象总数为N的情况下对象在类c中的概率，并且λ是预定的加权值。


7.如权利要求6所述的方法，其中，类c的比例是根据来确定的，其中，N是对象总数，是属于类c的对象的数量，是第ki个对象模板的图像。


8.如权利要求1所述的方法，其中，该模板字典包括针对单核细胞、淋巴细胞和粒细胞中的一个或多个的图像模板。


9.一种用于对样本中的对象进行分类的系统，该系统包括：
腔室，该腔室用于保持该样本的至少一部分；
图像传感器，该图像传感器用于获得位于该腔室中的该样本的该部分的图像；以及
处理器，该处理器与该图像传感器通信，该处理器被编程用于：
获得其中描绘有一个或多个对象的图像；
确定该图像中对象的总数(N)；
获得类比例数据和包括至少一个对象类的至少一个对象模板的模板字典；

【专利技术属性】
技术研发人员：弗洛伦斯·耶林，本杰明·哈菲勒，雷内·威尔达，
申请(专利权)人：医学诊断公司，
类型：发明
国别省市：比利时;BE