用于处理全切片图像以检测癌的计算机系统和诊断癌病例的分拣系统技术方案

本发明专利技术公开了一种用于处理全切片图像(WSI)以检测癌(CA)的计算机系统，包括用于依据WSI检测CA的机器学习模型，该模型可处理在WSI上识别出的细胞的平均细胞特征。每个细胞特征是对细胞的描述性统计，从而有利地允许构建训练和测试数据集，而无需在WSI训练样本上逐像素标记每个细胞的昂贵注释过程。除了针对WSI预测是CA病例还是非CA病例外，该模型还可用于：如果针对WSI预测是非CA病例，则识别可疑CA病例以进行优先级评估；生成WSI的肿瘤概率热图，以用于在WSI上将潜在CA区域可视化，从而协助病理评估；以及在临床环境中实施之前评估分拣系统的质量控制。本发明专利技术还公开了一种用于诊断CA病例的分拣系统。诊断CA病例的分拣系统。诊断CA病例的分拣系统。

【技术实现步骤摘要】
用于处理全切片图像以检测癌的计算机系统和诊断癌病例的分拣系统
[0001]相关申请的交叉引用
[0002]本申请要求2022年6月8日提交的美国临时专利申请序列号63/366,019的优先权和权益，所述美国临时专利申请的公开内容通过引用以其全文并入本文中。
[0003]缩略词
[0004]AP
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
解剖病理学
[0005]AUC
ꢀꢀꢀꢀꢀꢀꢀꢀ
接收器操作特性曲线下方的面积
[0006]CA
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
癌
[0007]CAD
ꢀꢀꢀꢀꢀꢀꢀꢀ
计算机辅助诊断
[0008]CNN
ꢀꢀꢀꢀꢀꢀꢀꢀ
卷积神经网络
[0009]GastroFLOW 胃部特定工作流程优先排序网络
[0010]GC
ꢀꢀꢀꢀꢀꢀꢀꢀꢀ
胃癌
[0011]GCNet
ꢀꢀꢀꢀꢀꢀ
胃癌分类网络
[0012]H&E
ꢀꢀꢀꢀꢀꢀꢀꢀ
>苏木精和曙红...

【技术保护点】

【技术特征摘要】
1.一种用于处理全切片图像WSI以检测癌CA的计算机系统，所述计算机系统包括机器学习模型，所述机器学习模型被建立，以将所述WSI分类为CA病例或非CA病例，所述机器学习模型使用分类决策被实现为多个集合网络，所述分类决策是由所述机器学习模型根据所述多个集合网络分别生成的多个患有恶性肿瘤的概率来做出的，单个集合网络被实现为由多个超参数配置的多层感知MLP网络，所述多个超参数是能够学习的，其中，所述机器学习模型被布置为处理多个平均细胞特征以用于CA检测，并且其中，单个平均细胞特征是在WSI上识别出的细胞的描述性统计，这允许构建用于训练所述机器学习模型的训练数据集以及用于验证经过训练的机器学习模型的测试数据集，而无需涉及在WSI训练样本上逐像素标记每个细胞的昂贵注释过程；以及使用所述训练和测试数据集来学习所述多个集合网络的相应多个超参数并训练所述多个集合网络。2.如权利要求1所述的计算机系统，其中，形成所述多个平均细胞特征的多个描述性统计包括多个统计参数，所述多个统计参数关于所述识别出的细胞的几何尺寸以及关于应用于所述识别出的细胞的染色试剂的光密度。3.如权利要求1所述的计算机系统，其中，所述多个超参数选自由以下组成的群组：激活函数的选择、L2规则化的选择、随机失活率、隐藏层的数量、隐藏层的形状、最后神经元激活函数的选择、优化算法的选择、损失函数的选择、历时大小和批次大小。4.如权利要求1所述的计算机系统，其中：所述多个集合网络由预定数量的集合网络组成；并且所学习的相应多个超参数是多个优化后的超参数，使得所述多个集合网络由在多个集合网络候选者中争夺包含在所述多个集合网络中的预定数量的表现最佳的集合网络组成。5.如权利要求4所述的计算机系统，其中，所述预定数量选择为奇数。6.如权利要求1所述的计算机系统，其中，由所述机器学习模型做出的分类决策是由所述多个集合网络做出的相应分类决策的多数投票，并且其中，所述单个集合网络根据由所述单个集合网络生成的对应患有恶性肿瘤的概率做出对应的分类决策。7.如权利要求1所述的计算机系统，其中，所述机器学习模型根据在所述多个集合网络中患有恶性肿瘤的平均概率做出分类决策。8.如权利要求1所述的计算机系统，其中，所述计算机系统进一步依据所述WSI预测是CA病例还是非CA病例，其中，依据所述WSI预测是CA病例还是非CA病例包括：识别所述WSI上的多个细胞；提取单个细胞的不同类型的多个细胞特征，借此获得所述多个细胞的相应不同类型的多个细胞特征；将所述相应不同类型的多个细胞特征下采样为多个平均细胞特征，其中，单个平均细胞特征是通过对所述相应不同类型的多个细胞特征中对应类型的细胞特征进行平均而获得的；以及使用经过训练的机器学习模型来处理所述多个平均细胞特征以预测在所述WSI上识别出的所述多个细胞构成CA病例还是非CA病例。9.如权利要求8所述的计算机系统，其中，识别所述WSI上的多个细胞包括使用分水岭算法将所述WSI分隔成所述多个细胞。
10.如权利要求8所述的计算机系统，其中，识别所述WSI上的多个细胞包括在训练卷积神经网络CNN之后使用所述CNN将所述WSI分割成所述多个细胞。11.如权利要求8所述的计算机系统，其中，在使用经过训练的机器学习模型来处理多个平均细胞特征以预测是CA病例还是非CA病例时，所述机器学习模型将在所述多个集合网络中患有恶性肿瘤的平均概率计算为恶性肿瘤预测评分，所述恶性肿瘤预测评分用于针对所述WSI指示存在潜在CA细胞的可能性，所述患有恶性肿瘤的平均概率是...

【专利技术属性】
技术研发人员：杨灏贤，黄毅力，刘瀞鲜，陈昌坚，杜家辉，
申请(专利权)人：香港中文大学，
类型：发明
国别省市：