【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种使用机器学习模型的预测方法，并且特别地涉及一种用于预测数字荧光图像的计算机实施的方法。本专利技术进一步涉及一种用于预测数字荧光图像的预测系统和一种计算机程序产品。
技术介绍
1、脑肿瘤涉及一种并不罕见的癌症，其侵袭性相对较强，并且治疗成功率相对较低，存活几率约为1/3。这种疾病的治疗通常需要手术干预去除、放射治疗和/或后续通常较漫长的化学治疗。活组织检查通常构成了相应治疗的决策基础，同时也使用分子测试。当然，这样的干预会带来医疗风险。对放射记录图像进行分析的可能性近来已经非常先进，因此，这样的肿瘤检查至少可以作为对活组织检查的补充。如果无法进行活组织检查或不期望进行活组织检查，就可以采用这种方式。最近，这些基于图像的诊断甚至已经可以在手术期间使用。然而，目前所需的计算能力极高，这就是迄今为止无法提供实际实时支持的原因。
2、不仅在脑肿瘤领域中，为了防止病变组织(即，包含肿瘤的组织)再次生长到健康组织中并且尽可能多地保留健康组织，必须完全且尽可能精确地去除病变组织区域。这种局部组织去除(切除术)通常由外科医生在配备有特殊器械的手术室中进行。手术显微镜通常也用于该目的。在这种情况下，健康组织与癌变组织之间的确切边界线只在典型的白色手术灯下是很难辨认的。因此，切除术之后，显然存在健康组织被去除过多或癌变组织被去除过少的风险。这两种结果都可被视为是不理想的。
3、此外，迄今为止，通常需要注射造影剂，以便在优化的光照(例如，blue400或yellow560)下相对清晰地区分健康组织与病变组织。因
4、现有技术确实披露了用于使用人工智能从在白光下记录的组织记录中确定荧光图像的初始方法。然而，为实现该目的，需要具有多个颜色通道的高分辨率相机。
5、因此，期望微创介入手术支持来帮助外科医生实时地——即，在没有明显时间延迟的情况下——并且在不会极大分散注意力的情况下——明确地区分健康组织与癌变组织，从而使患者只需接受少量的额外治疗(例如，化学治疗)。
技术实现思路
1、本专利技术的目的借助于根据独立权利要求这里提出的方法、对应的系统和相关联的计算机程序产品来实现。进一步的配置由相应的从属权利要求描述。
2、根据本专利技术的一个方面，提出了一种用于预测数字荧光图像的计算机实施的方法。在这种情况下，该方法可以包括通过显微外科光学系统使用白光和至少一个光学滤波器来捕获组织样本的第一数字图像，该显微外科光学系统具有第一数字图像捕获单元，该第一数字图像捕获单元具有第一数量的颜色通道信息——或颜色通道数量。此外，该方法可以包括通过经训练的机器学习系统来预测采用所捕获的第一数字图像的数字荧光表示的形式的第二数字图像，该经训练的机器学习系统包括用于预测输入图像的对应数字荧光表示的经训练的学习模型。在这种情况下，所捕获的第一数字图像可以被用作该经训练的机器学习系统的输入图像，并且该至少一个光学滤波器的参数值可以已经在该机器学习系统的训练期间被确定。
3、根据本专利技术的另一个方面，提出了一种用于预测数字荧光图像的预测系统。该预测系统可以包括显微外科光学系统和至少一个经训练的机器学习系统，该显微外科光学系统具有第一数字图像捕获单元，该第一数字图像捕获单元具有第一数量的颜色通道信息——或颜色通道数量——以及用于使用白光来捕获组织样本的第一数字图像的光学滤波器。在这种情况下，该机器学习系统可以包括用于预测输入图像的对应数字荧光表示的经训练的学习模型。该机器学习系统可以适于预测采用所捕获的第一数字图像的数字荧光表示的形式的第二数字图像。在这种情况下，所捕获的第一数字图像可以被用作该经训练的机器学习系统的输入图像，并且该至少一个光学滤波器的参数值可以已经在该机器学习系统的训练期间被确定。
4、所提出的用于预测数字荧光图像的计算机实施的方法具有多个优点和技术效果，这些优点和技术效果也可以相应地适用于相关联的系统：
5、性能水平不同的底层计算机系统被用于在训练阶段创建机器学习模型并在预测阶段使用机器学习模型的做法通过这里提出的方法得到了进一步发展。原则上，用于开发机器学习模型的可用时间在训练阶段比在预测阶段期间更长。在预测阶段，即，在生产性使用期间，机器学习系统的输出应当尽可能地具有最短的时间延迟。这主要是在实时情况下使用机器学习系统时至关重要，比如用于支持外科手术干预。
6、根据这里提出的概念，超光谱相机可以方便地用于创建训练数据，该相机可提供大量不同的颜色通道信息。从该出发点出发，在综合方法的训练过程期间，然后通过数字模拟光学滤波器使颜色通道数量显著减少，以便尽早在训练阶段期间就预期预测阶段期间的可用资源。为实现该目的，在集成优化过程中，机器学习系统及其集成机器学习模型和数字模拟光学滤波器的参数两者都会同时进行调整或训练。此外，可以考虑附加约束，比如用于由数字捕获系统照射的组织样本的照明光的光谱。
7、在训练结束之后，数字模拟光学滤波器的确定参数然后就可以在现实中存在的物理滤波器中采用。此外，可以使用数字捕获单元(例如，rgb相机)，该数字捕获单元的颜色通道数量和类型(例如，关于波长灵敏度)在训练过程期间尽可能地调整为减少的颜色通道数量。在这方面，数字捕获单元(例如，rgb相机)的约束(在以后的生产性使用期间可用)也可以在训练期间已经预先定义。这些措施显著降低了预测阶段期间所需的计算能力，并且有助于使所提出的方法和对应的系统可实时用于支持外科手术干预。先前提出的方法由于没有提供集成优化或者所需的计算能力不足以提供实时支持而未能跨越这一难关。
8、因此，可以向外科医生提供采用荧光表示的要进行手术的组织的表示，从而使外科医生能够明确地区分健康组织与病变组织，而无需进一步转移外科医生的注意力。即使在生产性操作中，即，在预测阶段(推断)期间，仅使用相对简单的相机(与训练阶段的超光谱相机相较而言)也是成立的。
9、以这种反式，会为外科医生实时呈现要进行手术的组织的非常有利的光学表示，而无需进行耗时的多维活组织检查。
10、从技术角度来看，也避免了以不同方式优化的单独机器学习系统的并置、学习系统之间的数据传输、以及单独机器学习系统在时间和优化方面的额外高支出。
11、这里提出的系统最终非常有利地基于采用在预测阶段实际生产的光学滤波器的形式的硬件的优化以及所使用的机器学习系统的软件，该光学滤波器的参数是在训练阶段期间在综合优化期间确定的。
12、下面呈现了进一步的示例性实施例，这些示例性实施例在结合该方法和对应的系统时都是有效的。
13、根据该方法的一个有利实施例，该经训练的机器学习系统的经训练的学习模型可以包括提供组织样本的多个第一数字训练图像，该多个第一数字训练图像是通过具有第二图像捕获单元的显微外科光学系统在白光下捕获的。在这种情况下，对于每个第一数字训练图像本文档来自技高网...
【技术保护点】
1.一种用于预测数字荧光图像(326)的计算机实施的方法(100)，该方法(100)包括
2.如权利要求1所述的方法(100)，其中，训练该经训练的机器学习系统的学习模型包括：
3.如权利要求1或2所述的方法(100)，其中，该至少一个光学滤波器(318)的这些参数值包括：第一颜色通道信息(310，322)的数量和/或该数字模拟光学滤波器(308)的滤波器形状。
4.如权利要求1或2所述的方法(100)，其中，该第二数量的颜色通道信息大于该第一数量的颜色通道信息。
5.如前述权利要求中任一项所述的方法(100)，其中，用于减少该第二数量的颜色通道(306)的这些参数值是选自由以下各项组成的组中的至少一个参数值：滤波器形状以及该第一数量的颜色通道信息(310，322)的相应中心频率。
6.如权利要求2所述的方法(100)，其中，在该机器学习系统(312)的训练已经结束之后，生成用于在捕获该第一数字图像期间控制该白光的来源的参数值，以作为该机器学习系统(312)的附加输出值。
7.如前述权利要求中任一项所述的方法
8.如前述权利要求中任一项所述的方法(100)，其中，该学习模型在其设置方面对应于编码器-解码器模型。
9.如前述权利要求中任一项所述的方法(100)，其中，该编码器-解码器模型是采用U-Net架构的形式的卷积网络。
10.一种用于预测数字荧光图像(326)的预测系统(600)，其中，该预测系统(600)包括以下各项：
11.一种用于预测数字荧光图像的计算机程序产品，该计算机程序产品包括计算机可读存储介质，该计算机可读存储介质包括其上存储的程序指令，这些程序指令能够由一个或多个计算机或控制单元执行并且使所述一个或多个计算机或控制单元执行根据权利要求1至9之一所述的方法。
...【技术特征摘要】
【国外来华专利技术】
1.一种用于预测数字荧光图像(326)的计算机实施的方法(100)，该方法(100)包括
2.如权利要求1所述的方法(100)，其中，训练该经训练的机器学习系统的学习模型包括：
3.如权利要求1或2所述的方法(100)，其中，该至少一个光学滤波器(318)的这些参数值包括：第一颜色通道信息(310，322)的数量和/或该数字模拟光学滤波器(308)的滤波器形状。
4.如权利要求1或2所述的方法(100)，其中，该第二数量的颜色通道信息大于该第一数量的颜色通道信息。
5.如前述权利要求中任一项所述的方法(100)，其中，用于减少该第二数量的颜色通道(306)的这些参数值是选自由以下各项组成的组中的至少一个参数值：滤波器形状以及该第一数量的颜色通道信息(310，322)的相应中心频率。
6.如权利要求2所述的方法(100)，其中，在该机器学习系统(312)的训练已经结束之后，生成用...
【专利技术属性】
技术研发人员：S·索尔，M·维尔巴赫，A·弗雷塔格，A·阿尔佩罗维奇，
申请(专利权)人：卡尔蔡司医疗技术股份公司，
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。