组织学图像的自动化图案识别和评分方法技术

本发明专利技术涉及一种新型的组织学图像自动化图案识别和评分方法。

Automatic pattern recognition and scoring of histological images

【技术实现步骤摘要】
【国外来华专利技术】组织学图像的自动化图案识别和评分方法
本专利技术涉及一种组织学图像的自动化图案识别和评分方法。
技术介绍
非酒精性脂肪性肝炎(NASH)的发病率正在快速增长，并且代表了重要的公共卫生问题，因为已知NASH会驱动进行性纤维化积累，最终导致肝硬化和肝细胞癌(HCC)。尽管可以通过使用超声技术检测肝脏中脂肪堆积的存在来诊断非酒精性脂肪性肝病(NAFLD)，但NASH和与NASH相关的肝纤维化当前只能通过对肝组织活检的组织学检查来诊断。已经开发了组织学评分/分期系统，用于评估NAFLD活动水平和纤维化分期并估算演变为临床肝结果的风险。已开发了NALFD活动评分(NAS)用于评估所述疾病的活动。所述NAS是活检组织的脂肪变性(0到3)、小叶炎症(0到2)、肝细胞气球样变(0到2)的各个评分的总和，或者是未加权的各个活检组织的各个评分的总和。根据Kleiner等(Hepatology,2005；41:1313-21)(Kleiner等，2005)，NAS是从肝活检组织切片做出的三种组织学评分的总和：-脂肪变性评分：0：<本文档来自技高网...

【技术保护点】
1.一种对来自于对象的肝活检组织中的肝细胞气球样变进行确定和评分的方法，所述方法包括：/n-提供来自于所述对象的肝活检组织载片；/n-将所述载片提交到深度学习模型，以识别肝细胞气球样变的图案并对来自于所述肝活检组织载片的肝细胞气球样变进行评分；/n其中肝细胞气球样变如下在0至2的范围内评分：HB＝0，无肝细胞气球样变；HB＝1，中度肝细胞气球样变；和HB＝2，重度肝细胞气球样变。/n

【技术特征摘要】
【国外来华专利技术】20171020 EP 17197623.6;20180409 EP 18166425.11.一种对来自于对象的肝活检组织中的肝细胞气球样变进行确定和评分的方法，所述方法包括：
-提供来自于所述对象的肝活检组织载片；
-将所述载片提交到深度学习模型，以识别肝细胞气球样变的图案并对来自于所述肝活检组织载片的肝细胞气球样变进行评分；
其中肝细胞气球样变如下在0至2的范围内评分：HB＝0，无肝细胞气球样变；HB＝1，中度肝细胞气球样变；和HB＝2，重度肝细胞气球样变。


2.根据权利要求1所述的方法，其中所述深度学习模型事先基于训练数据进行训练，所述训练数据从包含正常肝细胞和气球样变肝细胞的肝活检组织成像数据获得。


3.一种对来自于对象的肝活检组织中的肝细胞小叶炎症进行确定和评分的方法，所述方法包括：
-提供来自于所述对象的肝活检组织载片；
-将所述载片提交到深度学习模型，以识别肝细胞小叶炎症的图案并对来自于所述肝活检组织载片的肝细胞小叶炎症进行评分；
其中小叶炎症如下在0至3的范围内评分：LI＝0，无炎症；LI＝1，轻度炎症；LI＝2，中度炎症；和LI＝3，重度炎症。


4.根据权利要求3所述的方法，其中所述深度学习模型事先基于训练数据进行训练，所述训练数据从包含炎性细胞和正常肝细胞的肝活检组织成像数据获得。


5.根据权利要求3所述的方法，其中FOV的选择还包括由一个或多个用户手动指定的FOV。


6.一种在对象中诊断NASH的方法，其中将根据权利要求1或2所确定的HB评分与根据权利要求3或4所确定的LI评分相加以确定从0至5分级的活动性指数(AI)，其中如果AI≥2并且HB≥1且LI≥1，则所述对象被诊断为NASH对象。


7.一种在对象中诊断NASH的方法，其中当根据权利要求1或2所确定的HB评分为至少1、根据权利要求3或4所确定的LI评分为至少1、并且来自于同一对象的脂肪变性评分为至少1时，确诊NASH。


8.一种对对象中的NASH纤维化或肝纤维化进行确定和评分的方法，所述方法包括：
-提供来自于所述对象的肝活检组织载片；
-将所述载片提交到深度学习模型，以识别肝纤维化的图案和/或测量胶原比例面积(CPA)，并对来自于所述肝活检组织载片的肝纤维化进行评分；
其中肝纤维化如下评分：F＝0，无肝纤维化；F＝1，极少肝纤维化；F＝2，显著肝纤维化；F＝3，中度肝纤维化；和F＝4，重度肝纤维化。


9.根据权利要求8所述的方法，其中所述深度学习模型事先基于训练数据进行训练，所述训练数据从包含正常组织和含胶原组织的肝活检组织成像数据获得。


10.根据权利要求9所述的方法，训练数据来自于：
正常视野(FOV)(无胶原)；
窦周FOV(围绕窦分支的胶原)；
门周FOV(围绕门区分支的胶原)；
门FOV(存在于门区内的胶原)；和
桥接FOV(以桥的形式存在于主要血管结构门区与中央静脉之间的胶原)。


11.一种对对象中的肝脏脂肪变性或肝脂肪变性进行确定和评分的方法，所述方法包括：
-提供来自于所述对象的肝活检组织载片；
-将所述载片提交到自动化过程，以识别来自于所述肝活检组织载片的肝脂肪变性或肝脏脂肪变性的图案；
其中肝脂肪变性或肝脏脂肪变性如下评分：S＝0，小于5％的脂肪变性；S＝1，6％-33％的脂肪变性；S＝2，34％-66％的脂肪变性；和S＝3，大于66％的脂肪变性。


12.一种对对象中的肝脏脂肪变性或肝脂肪变性进行确定和评分的方法，所述方法包括：
-提供来自于所述对象的肝活检组织载片；
-将所述载片提交到深度学习模型，以识别来自于所述肝活检组织载片的肝脂肪变性或肝脏脂肪变性的图案；
其中肝脂肪变性或肝脏脂肪变性如下评分：S＝0，小于5％的脂肪变性；S＝1，6％-33％的脂肪变性；S＝2，34％-66％的脂肪变性；和S＝3，大于66％的脂肪变性。


13.一种基于脂肪变性细胞图案识别、细胞大小和形态分析来表征对象中的微观脂肪变性和宏观脂肪变性并在肝活检组织中进行评分的方法。


14.一种指定与门静脉、窦、小叶静脉或其他亚结构相关的特定组织学图案的定位和分布并提供关于肝脏病理的补充信息的工具。


15.一种基于使用深度学习模型对来自于对象的肝活检组织进行图案识别和评分来将所述对象分类为用于NASH和/或NASH纤维化或肝纤维化治疗的潜在接受者(TBT)或非接受者(NTBT)的方法。


16.根据权利要求15所述的方法，其中所述深度学习模型是在权利要求1至13所述的方法中执行的深度学习模型。


17.根据权利要求16所述的方法，其中TBT对象和NTBT对象具有下述肝活检组织等级：
a)TBT1：
脂肪变性评分≥1
肝细胞气球样变评分≥1
小叶炎症评分≥1
NAS(NAFLD活动评分)≥4
纤维化分期≥1(例如纤维化分期等于1、2、3或4)

NTBT1：

与TBT1的差异在于在任何的脂肪变性评分、肝细胞气球样变评分、小叶炎症评分、NAS或纤维化分期中低至少一级；
或
b)TBT2：
脂肪变性评分≥1
肝细胞气球样变评分≥1
小叶炎症评分≥1
NAS(NAFLD活动评分)≥4
纤维化分期≥2(例如纤维化分期等于2、3或4，特别是2或3)

N...

【专利技术属性】
技术研发人员：约翰·布罗泽克，娜塔莉·德加莱克斯，伯诺伊特·诺埃尔，埃尔顿·雷克斯帕杰，
申请(专利权)人：基恩菲特公司，
类型：发明
国别省市：法国;FR