[發明專利]顯微鏡分析方法

在審

• 申請號: 201910657496.2
• 申請日: 2019-07-19
• 公開（公告）號: CN110806636A
• 公開（公告）日: 2020-02-18
• 發明（設計）人: 丹尼爾·克魯格;邁克·沃爾德曼;斯蒂芬·迪彭布魯克
• 申請（專利權）人: 奧林巴斯軟成像解決方案公司
• 主分類號: G02B21/00
• 分類號: G02B21/00;G02B21/08;G02B21/12;G02B21/14;G02B21/36;G06N3/04;G06T15/50
• 代理公司: 北京三高永信知識產權代理有限責任公司 11138
• 代理人: 唐述燦

本發明涉及用于樣本(2)尤其是至少一個未染色的對象樣本或細胞樣本(2)在光學采集系統(1)中的顯微鏡分析(120)的方法，其中進行如下步驟：尤其通過采集系統(1)提供至少兩個不同的關于樣本(2)的采集信息(110)，尤其通過分析裝置(60)依據機器學習的轉換信息(200)執行采集信息(110)的分析(120)以確定關于樣本(2)的結果信息(140)，其中轉換信息(200)針對采集信息(110)的不同采集參數化進行學習，在采集參數化中，采集信息(110)至少在采集系統(1)的照明參數方面編碼地、尤其是偏振編碼和/或顏色編碼地相互區分。

技術領域

本發明涉及用于樣本顯微鏡分析的方法。本發明還涉及光學采集系統、計算機程序以及計算機可讀介質。

背景技術

從現有技術中知道了，采集系統如顯微鏡被用于透光顯微術(Durchlichtmikroskopie)以分析細胞樣本。像透光顯微術這樣的方法提供了用于細胞樣本分析的可靠且經驗證的可行方案，并且大多基于技術較簡單、因而更廉價的結構。盡管如此，由此獲得的與待檢樣本相關的信息內容或許少于較復雜的顯微學技術如熒光顯微學或共焦顯微學的情況。

同類的顯微學技術例如由WO 2017/181044A1公開了。

發明內容

因此，本發明的任務是至少部分減少前述缺點。本發明的任務尤其是改善樣本分析，同時應減小為此所需的技術成本。

前述任務通過一種具有權利要求1的特征的方法、一種具有權利要求11的特征的光學采集系統、一種具有權利要求14的特征的計算機程序以及一種具有權利要求15的特征的計算機可讀介質完成。本發明的其它的特征和細節來自各從屬權利要求、說明書和附圖。在此，與本發明的方法相關所描述的特征和細節顯然也與本發明的光學采集系統、本發明的計算機程序以及本發明的計算機可讀介質相關地是適用的，反之亦然，因此關于各發明方面的公開內容，總是相互參照或可相互參照。

由WO 97/1 1350 A2、DE 10 2014 108044 A1、WO 91/20048 A1、WO 2016/191462A1、US 2015/185459 A1和LITJENS GEERT等人的“A Survey on deep learning inmedical Image analysis,MEDICAL IMAGE ANALYSIS”(MEDICAL IMAGE ANALYSIS，卷42，第60-88頁，XP085240547，出版號1361-8415，DOI:10.1016/J.MEDIA.2017.07.05)，公開了前言類型的方法。WO 97/11350A2公開了一種神經網絡輔助型多譜分割法，在此，針對一個樣本記錄下不同光學條帶的三幅圖像。

該任務尤其通過一種在該光學采集系統中顯微分析樣本(尤其是至少一個未染色的對象樣本或細胞樣本)的方法來解決。

有利地，在本發明的方法中可以執行以下步驟中的至少一個，這些步驟最好按照所給出的順序先后進行或按任意順序進行，或許可以重復一些步驟：

-尤其通過采集系統提供至少兩個不同的關于樣本的采集信息，

-尤其通過(尤其基于機器學習的)分析裝置對該采集信息進行分析，優選依據機器學習的轉換信息和/或通過神經網絡，以確定關于樣本的結果信息。

轉換信息在此例如是由學習過程(如根據機器學習)產生的數字非易失地存儲的信息。轉換信息例如可以具有分類器或模型等。在此，該轉換信息的特點是，它自動地通過人工智能等(即尤其在神經網絡的學習過程中)產生。