【技术实现步骤摘要】
【国外来华专利技术】生物组织的计算机分类
本公开涉及使用计算系统对生物组织进行分类,包括方法以及相应计算机程序和计算机系统。
技术介绍
生物组织的检查和分类是癌症筛查程序的一部分。例如,在筛查宫颈癌的情况下,可以执行阴道镜检查,其中直接观察子宫颈并捕获其一张或多张图像。这使得可以根据子宫颈的病变风险来对子宫颈的病变进行标识和分类,从而可以执行适当的活检或治疗。这种分类通常由医学专业人员来执行。在国际专利公开号WO-01/72214中已经描述了一种特别良好执行的阴道镜检查技术,在该阴道镜检查技术中将病理学鉴别剂(pathologydifferentiatingagent)(特别是稀乙酸)施加到生物组织。这会导致短暂的光学效应,特别是组织的变白,这可以直接观察到,并且也可以在捕获图像中观察到。此外,可以执行对一张或多张捕获图像的瞬态和/或光谱分析,特别是对漫反射率的测量,并且可以将这种数据提供给医学专业人员以帮助其分析。使用该技术的阴道镜检查由狄希斯医疗有限公司(DysisMedicalLimited)销售。基于计算机的人工智能已经在许多领域应用于医学分类,例如磁共振成像(MRI)和放射学图像。还考虑了将人工智能技术应用于生物组织的分类,例如宫颈病变分类。Hu等人发表在JNatlCancerInst2019(doi:10.1093/jnci/djy225)的“深度学习和自动评估子宫颈图像以进行癌症筛查的观察性研究(AnObservationalStudyofDeepLearningandAutomatedEvaluation ...
【技术保护点】
1.一种使用计算系统对生物组织进行分类的方法,所述方法包括:/n在所述计算系统处接收图像数据,所述图像数据包括生物组织的检查区域的多张图像,所述多张图像中的每张图像是在将病理学鉴别剂局部施加到所述组织的检查区域而引起瞬态光学效应的时间段期间的不同时间处捕获的;以及/n将接收到的图像数据作为输入提供给在所述计算系统上运行的机器学习算法,所述机器学习算法被配置为将多个分类中的一个分类分配给所述组织的多个片段中的每个片段。/n
【技术特征摘要】
【国外来华专利技术】20180724 GB 1812050.11.一种使用计算系统对生物组织进行分类的方法,所述方法包括:
在所述计算系统处接收图像数据,所述图像数据包括生物组织的检查区域的多张图像,所述多张图像中的每张图像是在将病理学鉴别剂局部施加到所述组织的检查区域而引起瞬态光学效应的时间段期间的不同时间处捕获的;以及
将接收到的图像数据作为输入提供给在所述计算系统上运行的机器学习算法,所述机器学习算法被配置为将多个分类中的一个分类分配给所述组织的多个片段中的每个片段。
2.根据权利要求1所述的方法,其中,所述生物组织包括子宫颈。
3.根据权利要求1或权利要求2所述的方法,其中,所述机器学习算法包括神经网络或深度神经网络。
4.根据前述权利要求中任一项所述的方法,其中:
所述多张图像中的至少一张图像是在所述时间段开始时在发生所述瞬态光学效应之前捕获的;和/或
所述多张图像中的至少一些图像是在局部施加所述病理学鉴别剂的时间段期间以预定持续时间的间隔捕获的。
5.根据前述权利要求中任一项所述的方法,其中,所述检查区域在将病理学鉴别剂局部施加到所述组织的检查区域而引起瞬态光学效应的时间段期间被暴露于光辐射。
6.根据前述权利要求中任一项所述的方法,其中,所述病理学鉴别剂包括酸。
7.根据前述权利要求中任一项所述的方法,还包括:
使用图像收集模块来捕获所述生物组织的检查区域的多张光学图像,所述图像数据的多张图像是从所述多张光学图像中导出的。
8.根据前述权利要求中任一项所述的方法,其特征在于以下各项中的一项或多项:
所述多张图像中的每张图像是从被变换以便在所述多张图像内提供所述检查区域的对准的相应初始图像中导出的;
所述多张图像中的每张图像是从被处理以去除一个或多个伪影的相应初始图像中导出的;以及
作为输入提供给所述机器学习算法的所述图像数据包括针对所述多张图像中的每张图像的从相应初始图像中导出的多个小块。
9.根据前述权利要求中任一项所述的方法,其中,所述生物组织包括子宫颈,所述方法还包括对所述多张图像进行处理以识别所述多张图像中与所述子宫颈相对应的部分。
10.根据前述权利要求中任一项所述的方法,其中,所述多张图像中的每张图像由相应像素组定义,所述像素组中的每一个像素组具有相同的像素布置,所述方法还包括:
在所述计算系统处获得图数据,所述图数据包括针对所述像素布置的每个像素的相应分析指标,所述分析指标是从所述多张图像中导出的;以及
将所述图数据作为输入提供给所述机器学习算法。
11.根据权利要求10所述的方法,其中,针对像素的所述分析指标是基于从所述多张图像中导出的至少一个参数生成的,所述至少一个参数包括以下各项中的一项或多项:所述像素在所述多张图像上的最大强度;达到所述像素的最大强度的时间;和所述像素在所述多张图像上的强度的总和或加权总和。
12.根据权利要求11所述的方法,其特征在于以下各项中的一项或多项:
所述至少一个参数中的参数被限制为预定光谱带宽;
所述至少一个参数中的每个参数是通过将所述像素在所述多张图像的数据拟合到一条直线或曲线并从所述直线或曲线确定所述至少一个参数来确定的;并且
其中,每个像素的所述分析指标是基于所述至少一个参数中的多个参数的加权组合的。
13.根据前述权利要求中任一项所述的方法,还包括:
对所述多张图像进行处理以识别至少一个形态特征和/或至少一个提取特征。
14.根据权利要求13所述的方法,还包括:
将所述至少一个形态特征和/或提取特征作为输入提供给所述机器学习算法。
15.根据前述权利要求中任一项所述的方法,其中,所述机器学习算法包括神经网络,所述方法的特征在于以下两者中的一项或两项:
所述神经网络包括以下各项中的一项或组合:卷积神经网络;全连接神经网络;和递归神经网络;以及
所述神经网络是多模式的。
16.根据前述权利要求中任一项所述的方法,还包括:将一个或多个受试者特征作为输入提供给所述机器...
【专利技术属性】
技术研发人员:埃马努伊尔·帕帕吉安纳基斯,阿拉斯泰尔·阿特金森,
申请(专利权)人:狄希斯医药有限公司,
类型:发明
国别省市:英国;GB
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。