用于分析电子图像以进行质量控制的系统和方法技术方案

公开了系统和方法，用于接收对应于与病理学类别相关联的目标样本的数字图像；确定质量控制（QC）机器学习模型以基于一个或多个伪影来预测质量指定；提供数字图像作为QC机器学习模型的输入；接收数字图像的质量指定作为来自机器学习模型的输出；以及输出数字图像的质量指定。质量保证（QA）机器学习模型可以基于一个或多个生物标志物来预测疾病指定。该数字图像可以被提供给QA模型，该QA模型可以输出疾病指定。可以将外部指定与疾病指定进行比较，并且可以输出比较结果。可以输出比较结果。可以输出比较结果。

【技术实现步骤摘要】
【国外来华专利技术】用于分析电子图像以进行质量控制的系统和方法
[0001]（一个或多个）相关申请本申请要求2020年1月6日提交的美国临时申请第62/957,517号的优先权，其全部公开内容通过引用以其整体合并到本文中。


[0002]本公开的各种实施例一般涉及基于图像的样本质量控制（QC）和用于质量保证（QA）的相关图像处理方法。更具体地，本公开的特定实施例涉及用于处理图像的系统和方法，以在评估样本之前提供QC反馈，并且还提供QA以补充样本评估和诊断。

技术介绍

[0003]实验室质量控制和数字病理学质量保证对于患者样本的成功摄取、处理、诊断和存档至关重要。用于质量保证的当前方法包括(1)第一次诊断癌症病例的第二审查，(2)质量保证委员会对不一致或改变的诊断的定期审查，或(3)病例子集的随机审查。这些方法并不详尽，大多是回顾性的和手动的。
[0004]可以通过更系统的质量控制和保证来改进用于质量控制和保证的常规技术。然而，系统的质量保证在今天是不切实际和低效的，因为它将需要两个病理学家的重复努力。这样的重复努力将过分耗费资源和时间。结果，存在对可本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于处理电子图像的计算机实现的方法，所述方法包括：接收对应于与病理学类别相关联的目标样本的数字图像，其中所述数字图像是人类组织的图像和/或通过算法生成以复制人类组织的图像；确定质量控制（QC）机器学习模型，所述QC机器学习模型是通过处理与病理学类别相关联的多个训练图像来生成的，以基于一个或多个伪影来预测质量指定；将数字图像作为输入提供给QC机器学习模型；接收数字图像的质量指定作为来自机器学习模型的输出；以及输出数字图像的质量指定。2.根据权利要求1所述的计算机实现的方法，其中所述质量指定是批准或拒绝之一。3.根据权利要求1所述的计算机实现的方法，其中所述病理学类别是组织学、细胞学、冰冻切片或免疫组织化学之一。4.根据权利要求1所述的计算机实现的方法，其中所述QC机器学习模型被训练，使得其参数被设置为检测每个训练图像中伪影的存在、不存在或程度。5.根据权利要求1所述的计算机实现的方法，进一步包括基于质量特性自动生成通知，所述通知包括伪影存在、不存在或程度指定。6.根据权利要求1所述的计算机实现的方法，其中输出数字图像的质量指定进一步包括对应于数字图像的伪影的视觉指示器。7.根据权利要求1所述的计算机实现的方法，其中输出数字图像的质量指定进一步包括生成报告，所述报告包括发现的伪影的类型、发现的伪影的数量、发现的伪影的临床影响、纠正伪影的时间、潜在模式或多个伪影的相关性中的至少一个。8.根据权利要求1所述的计算机实现的方法，其中所述一个或多个伪影包括缺失组织、玻璃裂纹、气泡、模糊量、缺失组织、折叠组织、线条、划痕、灰尘、笔或染色量。9.一种用于处理电子图像的计算机实现的方法，所述方法包括：接收对应于与病理学类别相关联的目标样本的至少一个数字图像，其中所述数字图像是人类组织的图像和/或通过算法生成以复制人类组织的图像；确定质量保证（QA）机器学习模型，所述QA机器学习模型通过处理与病理学类别相关联的多个训练图像来生成，以基于一个或多个生物标志物来预测疾病指定；将数字图像作为输入提供给QA机器学习模型；接收数字图像的疾病指定作为来自QA机器学习模型的输出；接收针对数字图像或目标样本之一的外部指定；将疾病指定与外部指定进行比较；以及基于将疾病指定与外部指定进行比较来输出比较结...

【专利技术属性】
技术研发人员：J，
申请(专利权)人：佩治人工智能公司，
类型：发明
国别省市：