示例涉及用于训练机器学习模型的系统、方法和计算机程序，涉及用于检测有机组织样本的至少一种性质的机器学习模型、方法和计算机程序，以及涉及显微镜系统。系统包括一个或多个存储模块以及一个或多个处理器。系统被配置为获得有机组织样本的多个图像。使用多个不同的成像特性获取多个图像。系统被配置为使用多个图像训练机器学习模型。多个图像被用作训练样本，并且关于有机组织样本的至少一种性质的信息被用作机器学习模型的期望输出。训练机器学习模型，使得机器学习模型适用于在(仅)对多个不同成像特性的真子集再现的图像输入数据中检测有机组织样本的至少一种性质。系统被配置为提供机器学习模型。为提供机器学习模型。为提供机器学习模型。
【技术实现步骤摘要】
【国外来华专利技术】用于训练或使用机器学习模型的系统、显微镜系统、方法和计算机程序
[0001]示例涉及用于训练机器学习模型的系统、方法和计算机程序，涉及用于检测有机组织样本的至少一种性质的机器学习模型、方法和计算机程序，以及涉及显微镜系统。
技术介绍
[0002]显微镜的主要用途在于分析有机组织。例如，可以使用显微镜获得有机组织的详细视图，使从业人员和外科医生能够检测组织的特征，诸如在健康有机组织中发现病理(即“不健康”)组织。
技术实现思路
[0003]可能需要一种用于分析有机组织的改进方法，该方法能够更好地检测组织的特征。
[0004]此期望通过独立权利要求的主题来解决。
[0005]本公开的实施例提供了一种系统，包括一个或多个存储模块以及一个或多个处理器。该系统被配置为获得有机组织样本的多个图像。多个图像是使用多个不同的成像特性获取的。该系统被配置为使用多个图像训练机器学习模型。多个图像被用作训练样本，并且关于有机组织样本的至少一种性质的信息被用作机器学习模型的期望输出。训练机器学习模型，使得机器学习模型适用于在(仅)对多个不同成像特性的真子集进行再现的图像输入数据中检测有机组织样本的至少一种性质。
[0006]该系统被配置为提供机器学习模型。
[0007]有机组织的某些特征，诸如特征的形状或诸如病理组织，可能更容易在以不同图像特性获取的图像中检测到。例如，在某些光谱带，部分有机组织的反射、荧光或生物发光可能是病理组织的特性。通过使用相同有机组织的多个图像，这些图像是使用不同的图像特性(例如，在不同的光谱带处、以不同的成像模式、使用不同偏振等)获取的，机器学习模型可以提供人工智能的形式，可以被训练成甚至从仅匹配不同图像特性的真子集的图像中推断出至少一个特征，诸如病理组织的出现。例如，除了具有可见光谱或反射成像作为图像特性的白光反射图像(彩色图像)之外，由于其反射或荧光，附加图像可以用作已经在诸如病理组织等性质突出的光谱带处被获取的训练样本。机器学习模型可以“学习”使用输入样本来检测性质，所述输入样本是使用多个成像特性采集的，使得，如果将仅对成像特性的子集进行再现的输入数据馈送到机器学习模型，则对于诸如病理或健康组织的特征的检测依旧是可行的。
[0008]本专利技术的实施例进一步提供了用于机器学习模型的训练的方法。该方法包括获得有机组织样本的多个图像。使用多个不同的成像特性获取多个图像。该方法包括使用多个图像训练机器学习模型。在机器学习模型的训练中，将多个图像用作训练样本，并且关于有机组织样本的至少一种性质的信息用作机器学习模型的期望输出。机器学习被训练，使得
机器学习模型适用于在对多个不同成像特性的真子集进行再现的图像输入数据中检测有机组织样本的至少一种性质。该方法包括提供机器学习模型。本公开的实施例进一步提供了使用该系统或方法训练的机器学习模型。
[0009]本专利技术的实施例进一步提供了检测有机组织样本的至少一种性质的方法。该方法包括使用由上述具有对多个不同成像特性的真子集进行再现的图像输入数据的系统或方法生成的机器学习模型。
[0010]实施例进一步提供了具有程序代码的计算机程序，该程序代码用于当计算机程序在处理器上执行时执行上述方法中的至少一个。
[0011]这样的实施例可以在显微镜中使用，诸如手术显微镜，例如以在手术过程中帮助检测至少一个特征。本公开的实施例提供了显微镜系统，包括上述系统或被配置为执行至少一种方法。
附图说明
[0012]以下将仅以示例的方式并参考附图来描述装置和/或方法的一些示例，其中
[0013]图1示出了系统的实施例的框图；
[0014]图2a示出了用于训练机器学习模型的方法的实施例的流程图；
[0015]图2b示出了用于检测有机组织样本的至少一种性质的方法的实施例的流程图；
[0016]图3示出了显微镜系统的框图；以及
[0017]图4a至6b示出了检测有机组织样本的至少一种性质的示意图。
具体实施方式
[0018]现在将参考附图更全面地描述各种示例，其中示出了一些示例。在图中，为了清楚起见，线、层和/或区域的厚度可能被夸大了。
[0019]因此，虽然进一步的示例能够进行各种修正和替代形式，但其一些特定示例在附图中示出并且随后将被详细描述。然而，此详细描述并不将进一步的示例限制为所描述的特定形式。进一步的示例可以涵盖落入本公开范围内的所有修正、等同物和替代物。相同或相似的数字在整个附图的描述中指代相似或相似的元件，当提供相同或相似的功能时，它们可以在彼此比较时相同地或以修正的形式实现。
[0020]应当理解，当元件被称为“连接”或“耦接”到另一个元件时，这些元件可以直接连接或耦接或经由一个或多个中间元件。如果两个元件A和B使用“或”组合，如果没有明确或隐含定义，则这应理解为公开所有可能的组合，即仅A、仅B以及A和B。相同组合的替代措辞是“A和B中的至少一个”或“A和/或B”。经修正，这同样适用于两个元件以上的组合。
[0021]在此使用的用于描述特定示例的术语不旨在限制进一步的示例。每当使用诸如“一个”、“一个”和“这个”的单数形式并且仅使用单个元件既不明确也不隐含地定义为强制性的，进一步的示例也可以使用多个元件来实现相同的功能。同样，当随后将功能描述为使用多个元件来实现时，进一步的示例可以使用单个元件或处理实体来实现相同的功能。将进一步理解，术语“包括”、“包括”、“包括”和/或“包括”在使用时指定了所述特征、整数、步骤、操作、过程、动作、元件和/或组件的存在，但不排除存在或添加一个或多个其他特征、整数、步骤、操作、过程、动作、元件、组件和/或其任何组。
[0022]除非另有定义，否则所有术语(包括技术和科学术语)在本文中以其示例所属领域的通常意义使用。
[0023]图1示出了用于训练机器学习模型的系统100的实施例的框图。系统包括一个或多个存储模块110以及一个或多个处理器120，其耦接到一个或多个存储模块110。可选地，系统100包括一个或多个接口130，其可以耦接到一个或多个处理器120，用于获取和/或提供信息，例如用于提供机器学习模型和/或用于获得多个图像。通常，系统的一个或多个处理器120可以被配置为执行以下任务，例如与一个或多个存储模块110和/或一个或多个接口130结合。
[0024]系统被配置为获得有机组织样本的多个图像。使用多个不同的成像特性获取多个图像。系统被配置为使用多个图像训练机器学习模型。多个图像被用作训练样本。关于有机组织样本的至少一种性质的信息被用作机器学习模型的期望输出。训练机器学习模型，使得机器学习模型适用于在(仅)对多个不同成像特性的真子集(例如，不是整个多个不同的成像特性)进行再现的图像输入数据中检测有机组织样本的至少一种性质。系统被配置为提供机器学习模型。例如，系统可以是计算机实现的系统。
[0025]实施例提供了用于训练机器学习模型的系统、方法和计算机程序。机器学习可以指计算机系本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种系统(100)，包括一个或多个存储模块(110)以及一个或多个处理器(120)，其中所述系统被配置为：获得有机组织样本的多个图像，所述多个图像是使用多个不同的成像特性获取的；使用所述多个图像训练机器学习模型，所述多个图像被用作训练样本，并且关于有机组织样本的至少一种性质的信息被用作机器学习模型的期望输出，使得机器学习模型适用于在对所述多个不同成像特性的真子集进行再现的图像输入数据中检测所述有机组织样本的所述至少一种性质；以及提供所述机器学习模型。2.根据权利要求1所述的系统，其中关于所述有机组织样本的所述至少一种性质的所述信息指示所述有机组织样本的至少一部分是健康的或病理的，和/或，其中关于所述有机组织样本的所述至少一种性质的所述信息指示所述有机组织样本的一个或多个特征的形状。3.根据权利要求1或2中任一项所述的系统，其中关于病理或健康组织的信息被用作机器学习模型的训练的期望输出，其中机器学习模型被训练使得机器学习模型适用于在对多个不同成像特性的真子集进行再现的图像输入数据中检测病理或健康组织。4.根据权利要求1至3中任一项所述的系统，其中关于有机组织样本的一个或多个特征的形状的信息被用作机器学习模型的训练的期望输出，其中机器学习模型被训练，使得机器学习模型适用于在对多个不同成像特性的真子集进行再现的图像输入数据中确定一个或多个特征的形状。5.根据权利要求1至4中任一项所述的系统，其中，所述多个不同的成像特性与时间分辨的成像系列中的不同光谱带、不同成像模式、不同偏振和不同时间点中的至少一个相关。6.根据权利要求1至5中任一项所述的系统，其中，所述多个图像包括在以下显微图像的组中的一个或多个元素：在不同光谱带处获取的显微图像，在不同成像模式下获取的显微图像，利用不同偏振获取的显微图像，以及表示时间分辨的成像系列中的不同时间点的显微图像。7.根据权利要求1至6中任一项所述的系统，其中所述多个图像包括所述有机组织样本的一个或多个三维表示，和/或，其中关于所述有机组织样本的所述至少一种性质的所述信息是基于所述有机组织样本的所述三维表示。8.根据权利要求1至7中任一项所述的系统，其中关于所述有机组织样本的所述至少一种性质的所述信息是基于所述多个图像中的图像，其中所述系统被配置为处理所述图像以获得关于所述有机组织样本的所述至少一种性质的所述信息。9.根据权利要求8所述的系统，其中所述图像是使用指示特定类型的病理组织的成像特性获取的，和/或，其中所述图像是使用指示所述有机组织样本的一个或多个特征的形状的成像特性获取的，和/或，其中所述图像是荧光光谱图像，和/或，其中所述图像被排除作为训练样本。10.根据权利要求8至10中任一项所述...
【专利技术属性】
技术研发人员：乔治，
申请(专利权)人：徕卡仪器新加坡有限公司，
类型：发明
国别省市：
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。