表征放射学图像中的病变制造技术

本发明专利技术涉及一种用于在表征放射学图像中的病变中使用的方法，包括：执行对象的病变的样本的病理学图像的基于计算机的分析，以便识别病变的组织和/或细胞特性，其中，分析产生表示识别的组织和/或细胞特性的导出的病理学图像；根据所述病变的放射学图像计算针对所述病变的一个或多个放射学特征；并且确定所计算的一个或多个放射学特征与所述识别的组织和/或细胞特性之间的相关性。利用该方法，生物学标准数据信息能够用于识别指示病变的某些组织和/或细胞特性并且因此可以更好地适于表征病变的放射学特征。此类放射学特征然后能够与对应的相关性一起被用于放射学图像中的病变的改进的表征。

【技术实现步骤摘要】
【国外来华专利技术】表征放射学图像中的病变
本专利技术涉及用于在表征放射学图像中的病变中使用的方法、装置和计算机程序。
技术介绍
癌症是全世界发病率和死亡率的主要原因之一；在2015年，其是造成全球8800万人死亡的原因。在癌症的诊断和监测中，无创放射学成像(诸如X射线放射摄影、磁共振(MR)成像、计算机断层摄影(CT)和正电子发射断层摄影(PET))常规地用于评估肿瘤和解剖组织特性。此外，放射学成像能够潜在地为被用于基于个体患者和其肿瘤的特性定制处置策略的个性化医学提供有价值的信息。典型的癌症呈现在放射学图像中可见地显现的强表型差异。在新兴的放射组学领域中，放射学图像通过应用大量定量图像特征来分析，以便客观地且定量地描述肿瘤表型(例如，参见AertsH.J.W.L.,“Decodingtumourphenotypebynoninvasiveimagingusingaquantitativeradiomicsapproach”,NatureCommunications,5:4006,2014)。尽管放射学图像能够提供关于患者身体中的整个病变和所有病变的信息，但是它们具有以下缺点：由于缺乏空间分辨率并且缺乏所测量的信号与组织的生物学的相关性，图像特征不能与疾病的生物学直接相关。出于该原因，放射组学基于例如通过与治疗响应相关而以数据驱动的方式将计算的图像特征相关。不存在关于相关的特征的意义的标准数据(groundtruth)信息，并且结果不能被容易地转变/推断为其他患者群组或癌症。另一方面，病理学图像能够提供亚细胞分辨率并且-经由免疫染色-提供关于肿瘤中的生物学的直接信息。然而，图像受限于从患者提取的样本的位置和尺寸。使用诸如高级图像分析、机器学习和人工智能的技术，病理学图像的丰富特征能够根据具有诊断相关性的细胞组成和组织(子)类型来进行解释(例如，参见HeindlA.etal.,“Mappingspatialheterogeneityinthetumormicroenvironment:anewerafordigitalpathology”,LaboratoryInvestigation，第95卷，2015年，第377至384页)。由于(数字)病理学能够分析并描述肿瘤组织的细胞组成和生物标记表达，因此其能够建立与治疗响应的基于知识的联系。然而，由于病理学样本通常不从所有病变可用，并且仅从可能不表示整个肿瘤的活检可用，因此发现的相关性能够显而易见比固有可能性的弱得多。因此，期望提供针对癌症的基于图像的表征的改进的方式。
技术实现思路
本专利技术的目的是提供一种用于在表征放射学图像中的病变中使用的方法，其允许病变的改进的表征。本专利技术的又一目的是提供对应的装置和计算机程序。在本专利技术的第一方面中，提出了一种用于在表征放射学图像中的病变中使用的方法，包括：执行对象的病变的样本的病理学图像的基于计算机的分析，以便识别病变的组织和/或细胞特性，其中，分析产生表示识别的组织和/或细胞特性的导出的病理学图像，根据病变的放射学图像计算针对病变的一个或多个放射学特征，并且确定计算的一个或多个放射学特征与识别的组织和/或细胞特性之间的相关性。放射组学方面的先前工作已经旨在通过以数据驱动的方式将计算的图像特征相关(例如，通过与治疗响应相关)来评估根据放射学图像导出的各种定量图像特征的预后值。然而，利用这种方法，这些特征的生物学意义在很大程度上保持未知，并且其变得难以将结果转变/外推到其他患者群组或癌症(例如，参见ParmarC.,“Radiomicfeatureclustersandprognosticsignaturesspecificforlungandhead&neckcancer”,Scientificreports,5:11044,2015)。通过执行对象的病变的样本的病理学图像的基于计算机的分析以便识别病变的组织和/或细胞特性，其中，分析产生表示识别的组织和/或细胞特性的导出的病理学图像，根据病变的放射学图像计算针对病变的一个或多个放射学特征，并且确定计算的一个或多个放射学特征与识别的组织和/或细胞特性之间的相关性。生物学标准数据信息能够用于识别指示病变的某些组织和/或细胞特性并且因此可以更好地适于表征病变的放射学特征。此类放射学特征然后能够与对应的相关性一起被用于放射学图像中的病变的改进的表征。病理学图像可以从病变样本的组织的薄切片生成，病变样本通过固定和石蜡包埋而从病变的活检或切除获得。这样的切片通常被放置在载玻片上，并且利用苏木精和伊红(H&E)染色来进行染色以增加用于可视化细胞和组织形态学的对比度，允许不同细胞类型基于形态学特征(如细胞核尺寸和形状)被识别。另外，特定的染色(如免疫组织化学(IHC)染色、免疫荧光(IF)染色或荧光原位杂交技术(FISH))能够被应用，以便例如分别使用抗体和杂交探针突出显示组织中的蛋白质和基因的过度表达。病理学图像然后可以通过数字地扫描染色的组织玻片来采集。这允许病理学图像的基于计算机的分析。病理学图像通常以大约0.25微米的空间分辨率来采集，即，数字图像的一个正方形像素对应于被放置在载玻片上的样本的0.25x0.25微米的区域。病理学图像的基于计算机的分析优选利用诸如高级图像分析、机器学习和人工智能(例如，深度神经网络)的技术，以便识别病变的组织和/或细胞特性。此类分析技术在本领域中是已知的，并且能够例如在HeindlA.等人的“Mappingspatialheterogeneityinthetumormicroenvironment:anewerafordigitalpathology”(LaboratoryInvestigation，第95卷、第377至384页(2015))中发现。由于基于计算机的分析能够独立于作为具体染色流程的结果的表观突出显示具体组织和/或细胞特性，因此能够实现与根据病变的放射学图像计算的一个或多个放射学特征的更好相关性，其中，着重指出病变的不同方面。病变的放射学图像可以利用在临床实践中使用的各种种类的放射学成像模态来采集，每个成像模态具有它们自己的优点和限制。范例包括计算机断层摄影(CT)、磁共振成像(MRI)(具体地，多参数MRI(mpMRI))、正电子发射断层摄影(PET)和单光子发射断层计算机摄影(SPECT)。任选地，能够使用对比剂，其富集在具体感兴趣区域(例如，肿瘤)中并且允许某些分子的存在(分子成像)或代谢过程(例如，FDG)或组织性质(如氧合或pH(MRI))的可视化。CT或PET/CT中的典型空间分辨率为大约4毫米。MRI分辨率能够依据位置而降至毫米(脑部是最受控的)。一个或多个放射学特征可以包括大量不同特征，包括不同的类型，诸如(i)基于强度的特征、(ii)基于形状的特征、(iii)基于纹理的特征以及(iv)基于小波的特征(例如，参见AertsH.J.W.L.的“Decodingtumourphenotypebynoninvasiveimagingusingaquan本文档来自技高网...

【技术保护点】
1.一种用于在表征放射学图像中的病变中使用的方法，包括：/n执行(101)对对象的病变的样本的病理学图像的基于计算机的分析以便识别所述病变的组织和/或细胞特性，所述基于计算机的分析包括以下项中的一项或多项：高级图像分析、机器学习或人工智能，其中，所述分析产生表示所识别的组织和/或细胞特性的导出的病理学图像，/n将所述病变的放射学图像与所述导出的病理学图像共配准；/n计算(103)针对所述病变的所述放射学图像的一个或多个放射学特征，/n确定(104)所计算的一个或多个放射学特征与所述导出的病理学图像中的所识别的组织和/或细胞特性之间的相关性；并且/n基于一个或多个计算的放射学特征和对应的确定的相关性的至少子集来表征所述放射学图像中的所述病变。/n

【技术特征摘要】
【国外来华专利技术】20181119 EP 18206936.91.一种用于在表征放射学图像中的病变中使用的方法，包括：
执行(101)对对象的病变的样本的病理学图像的基于计算机的分析以便识别所述病变的组织和/或细胞特性，所述基于计算机的分析包括以下项中的一项或多项：高级图像分析、机器学习或人工智能，其中，所述分析产生表示所识别的组织和/或细胞特性的导出的病理学图像，
将所述病变的放射学图像与所述导出的病理学图像共配准；
计算(103)针对所述病变的所述放射学图像的一个或多个放射学特征，
确定(104)所计算的一个或多个放射学特征与所述导出的病理学图像中的所识别的组织和/或细胞特性之间的相关性；并且
基于一个或多个计算的放射学特征和对应的确定的相关性的至少子集来表征所述放射学图像中的所述病变。


2.根据权利要求1所述的方法，其中，所述方法还包括：
(i)基于以下项的至少子集来表征与相同对象相关联的在相同或不同放射学图像中的所述病变的区域：针对所述病变的所述区域的所述一个或多个计算的放射学特征，以及在所计算的一个或多个放射学特征与所述导出的病理学图像中的所识别的组织和/或细胞特性之间的所确定的相关性，和/或
(ii)基于以下项的至少子集来表征在与相同对象或不同对象相关联的放射学图像中的不同病变和/或在与所述对象相关联的不同放射学图像中的相同病变：针对来自所述相同对象或所述不同对象的所述放射学图像的所述不同病变和/或针对来自所述对象的所述不同放射学图像的所述相同病变计算的所述一个或多个放射学特征，以及在所计算的一个或多个放射学特征与所述导出的病理学图像中的所识别的组织和/或细胞特性之间的所述对应的确定的相关性。


3.根据权利要求2所述的方法，其中，在(i)和/或(ii)中，所述一个或多个放射学特征的所述子集是基于所述对应的确定的相关性的强度来选择的。


4.根据权利要求1至3中的任一项所述的方法，其中，所述导出的病理学图像的空间分辨率被调节为基本上匹配一幅或多幅所述放射学图像的所述空间分辨率。


5.根据任一项前述权利要求所述的方法，其中，共配准步骤基于自动特征识别和/或采用通过对所述样本的图像引导的活检确定的空间信息。


6.根据任一项前述权利要求所述的方法，其中，确定步骤包括：选择所述导出的病理学图像中的表示具体的识别的组织和/或细胞特性的至少一个区域；并且分析针对共配准的放射学图像中的对应区域的所计算的一个或多个放射学特征。


7.根据任一项前述权利要求所述的方法，其中，所述确定步骤包括：计算针对来自所述导出的病理学图像的至少一个区域的一个或多个特征；并且将针对来自所述导出的病理学图像的所述至少一个区域计算的所述一个或多个特征与针对所述共配准的放射学图像中的对应区域的所计算的一个或多个放射学特征相关。


8.根据任一项前述权利要求...

【专利技术属性】
技术研发人员：R·温贝格尔弗里德尔，M·B·范莱文，
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