用于深度学习图像分析和虚拟染色的生物样本的组织染色和连续成像制造技术

提供了一种用于训练地面实况生成器机器学习模型的方法，所述方法包括：创建地面实况多记录训练数据集，其中记录包括：受试者组织样本的第一图像，所述第一图像描绘第一组生物对象；所述样本的第二图像，所述第二图像描绘呈现至少一个生物标志物的第二组生物对象；以及地面实况标签，所述地面实况标签指示所述第一组和所述第二组的生物对象成员在多个生物对象类别中的相应生物对象类别；以及在所述地面实况多记录训练数据集上训练所述地面实况生成器机器学习模型，以自动生成选自在与所述第一图像对应的第一类型和与所述第二图像对应的第二类型的图像输入集中描绘的生物对象的所述多个生物对象类别的地面实况标签。的所述多个生物对象类别的地面实况标签。的所述多个生物对象类别的地面实况标签。

【技术实现步骤摘要】
【国外来华专利技术】用于深度学习图像分析和虚拟染色的生物样本的组织染色和连续成像
[0001]相关申请
[0002]本申请要求于2020年8月18日提交的美国临时专利申请号63/067,302的优先权权益，其内容通过引用其整体并入本文。
[0003]相关申请的交叉引用
[0004]本申请可与由Elad Arbel等人于2020年4月10日提交的名称为“Deep Learning Based Instance Segmentation via Multiple Regression Layers”的美国专利申请序列号16/846,180(“'180申请”)(代理人档案号20190110
‑
02)和由Elad Arbel等人于2020年4月10日提交的名称为“User Interface Configured to Facilitate User Annotation for Instance Segmentation Within Biological Samples”的美国专利申请序列号16/846,181(“'181申请”)(代理人案卷号20190111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】1.一种用于训练地面实况生成器机器学习模型的计算机实现的方法，所述方法包括：创建地面实况多记录训练数据集，其中记录包括：受试者组织样本的第一图像，所述第一图像描绘第一组生物对象，所述组织样本的第二图像，所述第二图像描绘呈现至少一个生物标志物的第二组生物对象，以及地面实况标签，所述地面实况标签指示所述第一组和所述第二组的生物对象成员在多个生物对象类别中的相应生物对象类别；和在所述地面实况多记录训练数据集上训练所述地面实况生成器机器学习模型，以自动生成选自在与所述第一图像对应的第一类型和与所述第二图像对应的第二类型的图像输入集中描绘的生物对象的所述多个生物对象类别的地面实况标签。2.根据权利要求1所述的计算机的实现的方法，其中所述第一图像描绘呈现至少一个第一生物标志物的所述第一组生物对象，并且所述第二图像描绘呈现不同于所述至少一个第一生物标志物的至少一个第二生物标志物的所述第二组生物对象。3.根据前述权利要求中任一项所述的计算机实现的方法，其中所述第一图像包括明场图像，并且所述第二图像包括以下中的至少一者：(i)具有指示所述至少一个生物标志物的荧光标志物的荧光图像；(ii)指示所述至少一个生物标志物的光谱成像图像；和(iii)描绘所述至少一个生物标志物的非标记图像。4.根据前述权利要求中任一项所述的计算机实现的方法，其中所述第一图像描绘用第一染色剂染色的组织，所述第一染色剂被设计为对描绘所述至少一个第一生物标志物的所述第一组生物对象进行染色，其中所述第二图像描绘进一步用第二连续染色剂染色的经所述第一染色剂染色的组织，所述第二连续染色剂被设计为对描绘至少一个第二生物标志物的所述第二组生物对象进行染色，其中所述第二组包括所述第一组的第一亚组，并且其中所述第一组的第二亚组未被所述第二染色剂染色并且被排除在所述第二组之外。5.根据前述权利要求中任一项所述的计算机实现的方法，所述方法进一步包括：将多个样本个体的组织样本的非标记图像集馈送到所述地面实况生成器机器学习模型中以获得自动生成的地面实况标签，其中所述非标记图像集描绘分别呈现所述至少一个第一生物标志物和所述至少一个第二生物标志物的生物对象；以及创建合成多记录训练数据集，所述合成多记录训练数据集用获自所述地面实况生成器机器学习模型的所述自动生成的地面实况标签标记，其中合成记录包含描绘所述至少一个第一生物标志物的图像并且排除描绘所述至少一个第二生物标志物的图像。6.根据权利要求5所述的计算机实现的方法，所述方法进一步包括：在所述合成多记录训练数据集上训练生物对象机器学习模型，以生成针对相应靶生物对象的所述多个生物对象类别中的至少一者的结果，所述靶生物对象描绘于描绘呈现所述至少一个第一生物标志物的生物对象的靶图像中。7.根据权利要求6所述的计算机实现的方法，所述方法进一步包括：在包含描绘呈现所述至少一个第一生物标志物的生物对象的图像的生物对象类别多记录训练数据集上训练诊断机器学习模型，其中所述图像中描绘的所述生物对象由所述多
个生物对象类别中的至少一者标记，所述多个生物对象类别中的至少一者作为响应于所述图像的输入的生物对象机器学习模型的结果获得，其中所述图像由指示诊断的地面实况标签标记。8.根据权利要求5
‑
7中任一项所述的计算机实现的方法，其中在相应集的一个相应图像中描绘的呈现所述至少一个第二生物标志物的生物对象的地面实况标签被映射到在所述集的另一相应图像中描绘的呈现所述至少一个第一生物标志物的对应非标记生物对象，其中描绘所述至少一个第一生物标志物的生物对象的合成记录由映射自描绘所述至少一个第二生物标志物的生物对象的地面实况标签标记。9.根据前述权利要求中任一项所述的计算机实现的方法，所述方法进一步包括：创建成像多记录训练数据集，其中记录包括受试者组织样本的第一图像，所述第一图像描绘呈现所述至少一个第一生物标志物的第一组生物对象，以及由所述组织样本的对应第二图像指示的地面实况，所述对应第二图像描绘呈现所述至少一个第二生物标志物的第二组生物对象；以及在所述成像多记录训练数据集上训练虚拟染色器机器学习模型，以生成描绘生物对象的虚拟图像，所述生物对象呈现响应于描绘呈现所述至少一个第一生物标志物的生物对象的输入图像的所述至少一个第二生物标志物。10.根据权利要求9所述的计算机实现的方法，所述方法进一步包括：针对每条相应记录：辨识在所述第一图像中描绘的第一多个生物特征，辨识在所述第二图像中描绘的与所述辨识的第一多个生物特征相对应的第二多个生物特征；对所述相应的第二图像应用光流过程和/或非刚性配准过程以计算相应的对准图像，所述光流过程和/或非刚性配准过程使用在所述第二多个生物特征与所述第一多个生物特征之间计算的光流将所述第二图像的像素位置与所述第一图像的对应像素位置对准；其中所述地面实况包括所述对准的图像。11.根据权利要求9或权利要求10所述的计算机实现的方法，其中在所述地面实况训练数据集中所包括的所述同一样本的...

【专利技术属性】
技术研发人员：弗雷德里克，
申请(专利权)人：安捷伦科技有限公司，
类型：发明
国别省市：