处理电子图像以识别诊断测试的系统和方法技术方案

公开了用于处理数字图像以识别诊断测试的系统和方法，所述方法包括：接收与病理标本相关联的一个或多个数字图像；确定多个诊断测试；将机器学习系统应用于所述一个或多个数字图像以识别所述多个诊断测试中的每一个将适用的任何先决条件，所述机器学习系统已经通过处理多个训练图像而被训练；使用所述机器学习系统基于所述一个或多个数字图像和所述先决条件识别所述多个诊断测试中的适用的诊断测试；以及将所述适用的诊断测试输出到数字存储装置和/或显示器。装置和/或显示器。

【技术实现步骤摘要】
【国外来华专利技术】处理电子图像以识别诊断测试的系统和方法
[0001]相关申请
[0002]本申请要求2020年10月23日提交的美国临时申请号63/104,923的优先权，其全部公开内容全文以引用方式并入本文。


[0003]本公开的各种实施方案总体涉及图像处理方法。更具体地，本公开的具体实施方案涉及用于处理电子图像以将诊断测试进行优先级排序和/或识别诊断测试的系统和方法。

技术介绍

[0004]用于识别患病组织的疗法和疗程的诊断测试方法继续被开发并使其可用于临床实践。诊断测试具有通过排除无效治疗和/或通过经由检测生物标志物的不存在和/或存在来识别最可能为治疗患者的疾病提供显著益处的疗法(例如，称为“精准医学”的实践)而使患者受益的潜力。然而，由于各种因素，包括医生对测试不熟悉、设施内测试不可用、缺乏成功执行推荐测试的可行标本、测试前对特定测试可能对该患者产生积极效果的预期低或测试所识别出的治疗的成本高，所以可能无法对患者进行重要的诊断测试。本文提供的技术可通过识别哪些测试可能对患者有益并将这些测试进行优先级排序并将此信息提供给患者和医生来解决此临床需要。
[0005]本文提供的
技术介绍
描述是为了大致呈现本公开的上下文。除非本文另有说明，否则本部分中描述的材料不是本申请的权利要求的现有技术，并且不因包括在本部分中而被承认为现有技术或现有技术的建议。

技术实现思路

[0006]根据本公开的某些方面，公开了用于处理电子图像以基于组织标本推荐诊断测试的系统和方法。
[0007]一种用于处理数字图像以识别诊断测试的方法，该方法包括：接收与病理标本相关联的一个或多个数字图像；确定多个诊断测试；将机器学习系统应用于所述一个或多个数字图像以识别多个诊断测试中的每一个将适用的任何先决条件，机器学习系统已经通过处理多个训练图像而被训练；使用机器学习系统基于一个或多个数字图像和先决条件识别所述多个诊断测试中适用的诊断测试；以及将适用的诊断测试输出到数字存储装置和/或显示器。
[0008]一种用于处理数字图像以识别诊断测试的系统，该方法包括：接收与病理标本相关联的一个或多个数字图像；确定多个诊断测试；将机器学习系统应用于所述一个或多个数字图像以识别多个诊断测试中的每一个将适用的任何先决条件，机器学习系统已经通过处理多个训练图像而被训练；使用机器学习系统基于一个或多个数字图像和先决条件识别所述多个诊断测试中适用的诊断测试；以及将适用的诊断测试输出到数字存储装置和/或
显示器。
[0009]一种存储指令的非暂时性计算机可读介质，所述指令在由处理器执行时使处理器执行用于处理数字图像以识别诊断测试的方法，该方法包括：接收与病理标本相关联的一个或多个数字图像；确定多个诊断测试；将机器学习系统应用于所述一个或多个数字图像以识别多个诊断测试中的每一个将适用的任何先决条件，机器学习系统已经通过处理多个训练图像而被训练；使用机器学习系统基于一个或多个数字图像和先决条件识别所述多个诊断测试中适用的诊断测试；以及将适用的诊断测试输出到数字存储装置和/或显示器。
[0010]应当理解，前面的一般性描述和下面的详细描述仅是示例性和说明性的，而不是对所要求保护的所公开的实施方案的限制。
附图说明
[0011]结合在本说明书中并构成其一部分的附图示出了各种示例性实施方案，并与说明书一起用于解释所公开的实施方案的原理。
[0012]图1A示出了根据本公开的示例性实施方案的用于识别适用于病理标本的诊断测试的系统和网络的示例性框图。
[0013]图1B示出了根据本公开的示例性实施方案的治疗分析平台100的示例性框图。
[0014]图2A是示出根据本公开的示例性实施方案的用于识别应用于病理标本的诊断测试的示例性方法的流程图。
[0015]图2B是示出根据本公开的示例性实施方案的用于训练机器学习系统以识别相关诊断测试的示例性方法的流程图。
[0016]图2C是示出根据本公开的示例性实施方案的用于训练机器学习系统的示例性方法的流程图。
[0017]图2D是示出根据本公开的示例性实施方案的使用经训练的系统来识别病理标本的适用测试的示例性方法的流程图。
[0018]图3是根据本公开的示例性实施方案的用于确定测试适用性的示例性工作流。
[0019]图4描绘了可执行本文提出的技术的示例系统。
具体实施方式
[0020]现在将详细参考本公开的示例性实施方案，其示例在附图中示出。在可能的情况下，将在所有附图中使用相同的附图标记来表示相同或相似的零件。
[0021]本文公开的系统、装置和方法通过示例的方式并参考附图来详细描述。本文讨论的示例仅是示例，并且被提供以帮助解释本文描述的设备、装置、系统和方法。除非特别指定为强制性的，否则对于这些装置、系统或方法中的任一者的任何特定实现方式，附图中示出的或下面讨论的特征或部件都不应被视为强制性的。
[0022]此外，对于所描述的任何方法，不管该方法是否结合流程图来描述，应当理解，除非上下文另有规定或要求，否则在方法的执行中所执行的步骤的任何明确或隐含的顺序并不意味着这些步骤必须以所呈现的顺序来执行，而是可以不同的顺序或并行地执行。
[0023]如本文所用，术语“示例性”是以“示例”而不是“理想”的意义来使用的。此外，本文中的术语“一个”和“一种”不表示数量的限制，而是表示存在一个或多个所提及的项目。
[0024]在一些情况下，使用机器学习的计算分析可直接确定诊断测试的结果，而在其他情况下，它们可用于排除不太可能有价值的测试或将这些测试进行优先级排序和/或帮助在可用测试之间进行优先级排序。本公开的一个或多个实施方案实现了该功能以及基于辅助信息诸如它们的可用性和成本对未排除测试进行排序。
[0025]虽然现有的计算分析集中于识别疾病/生物标志物的存在或不存在，但本文中提出的技术可包括识别可更好地为治疗提供信息的诊断测试，同时还识别不可能为临床医生提供信息的测试。
[0026]图1A示出了根据本公开的示例性实施方案的用于识别适用于病理标本的诊断测试的系统和网络的示例性框图。
[0027]具体地，图1A示出了可连接到医院、实验室和/或医生办公室等处的服务器的电子网络120。例如，医生服务器121、医院服务器122、临床试验服务器123、研究实验室服务器124和/或实验室信息系统125等可各自通过一个或多个计算机、服务器和/或手持移动装置连接到电子网络120诸如互联网。根据本申请的示例性实施方案，电子网络120还可以连接到服务器系统110，根据本公开的示例性实施方案，该服务器系统可包括被配置为实现治疗分析平台100的处理装置，该治疗分析平台包括载玻片分析工具101，用于确定与数字病理图像有关的标本特性或图像特性信息，并使用机器学习来确定是否存在疾病或传染性病原体。载玻片分析工具101还可以预测用于病理标本的合适诊断测试。
[0028]医生服务器121、医院服务器122、临床试本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于处理数字图像以识别诊断测试的计算机实现的方法，所述方法包括：接收与病理标本相关联的一个或多个数字图像；确定多个诊断测试；将机器学习系统应用于所述一个或多个数字图像，以识别所述多个诊断测试中的每一个将适用的任何先决条件，所述机器学习系统已经通过处理多个训练图像而被训练；使用所述机器学习系统基于所述一个或多个数字图像和所述先决条件来识别所述多个诊断测试中的适用的诊断测试；以及将所述适用的诊断测试输出到数字存储装置和/或显示器。2.如权利要求1所述的计算机实现的方法，其还包括：确定关于患者和/或疾病的附加患者信息、附加诊断测试信息和/或与所述病理标本相关联的附加测试偏好信息。3.如权利要求1所述的计算机实现的方法，其中识别所述适用的诊断测试还包括预测所述多个诊断测试中的每一个的阴性预测值(NPV)。4.如权利要求3所述的计算机实现的方法，其中处理多个训练图像包括：接收与至少一个先前病理标本相关联的多个数字图像，所述数字图像与诊断测试信息配对，所述诊断测试信息是关于在所述先前病理标本上运行的一个或多个过去诊断测试的结果或值，或关于为所述先前病理标本确立诊断测试的适用性的测试；使用所述多个数字图像和所述诊断测试信息训练所述机器学习系统，所述机器学习系统包括多二进制标签机器学习系统，以预测所述过去诊断测试的适用性；确定用于所述多二进制标签机器学习系统的一个或多个二进制输出的至少一个阈值；以及将一组参数从所述多二进制标签机器学习系统输出到数字存储装置，所述一组参数包括所述至少一个阈值。5.如权利要求1所述的计算机实现的方法，其还包括：过滤所述一个或多个数字图像以识别感兴趣的组织区域以用于分析；以及从所述一个或多个数字图像中移除未被识别为所述感兴趣的组织区域的一个或多个区域。6.如权利要求1所述的计算机实现的方法，其还包括：向所述机器学习系统提供评分阈值；基于所述评分阈值确定评分高于所述评分阈值的一个或多个适用的诊断测试；以及输出评分高于所述评分阈值的所述一个或多个适用的诊断测试。7.如权利要求1所述的计算机实现的方法，其还包括：基于所述适用的诊断测试，确定可能适用于患者的一种或多种疗法；以及将所述一种或多种疗法输出到显示器。8.如权利要求1所述的计算机实现的方法，其还包括向用户显示所述适用的诊断测试。9.一种用于处理数字图像以识别诊断测试的系统，所述系统包括：至少一个存储器，所述存储器存储指令；和至少一个处理器，所述处理器被配置为执行所述指令以执行操作，所述操作包括：接收与病理标本相关联的一个或多个数字图像；
确定多个诊断测试；将机器学习系统应用于所述一个或多个数字图像，以识别所述多个诊断测试中的每一个将适用的任何先决条件，所述机器学习系统已经通过处理多个训练图像而被训练；使用所述机器学习系统基于所述一个或多个数字图像和所述先决条件来识别所述多个诊断测试中的适用的诊断测试；以及将所述适用的诊断测试输出到数字存储装置和/或显示器。10.如权利要求9所述的系统，其还包括：确定关于患者和/或疾病的附加患者信息、附加诊断测试信息和/或与所述病理标本相关联的附加测试偏好信息。11.如权利要求10所述的系统，其中识别所述...

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