[發(fā)明專利]計(jì)算機(jī)支持的組織學(xué)圖像中的腫瘤審查和術(shù)后腫瘤切緣評(píng)估

在審

• 申請(qǐng)?zhí)枺?/td>: 202080011004.3
• 申請(qǐng)日: 2020-05-29
• 公開（公告）號(hào): CN113366530A
• 公開（公告）日: 2021-09-07
• 發(fā)明（設(shè)計(jì)）人: W·杰奧爾杰斯庫
• 申請(qǐng)（專利權(quán)）人: 徠卡生物系統(tǒng)成像股份有限公司
• 主分類號(hào): G06T7/00
• 分類號(hào): G06T7/00;G06T7/11;G06N3/04;G06N3/08
• 代理公司: 北京市金杜律師事務(wù)所 11256
• 代理人: 馬明月

提供了一種用于在組織學(xué)圖像中標(biāo)識(shí)和可視化腫瘤并且測(cè)量腫瘤切緣的計(jì)算機(jī)裝置和方法。CNN被用于根據(jù)它們被確定為與非腫瘤組織相關(guān)聯(lián)還是與腫瘤組織的一個(gè)或多個(gè)類別相關(guān)聯(lián)來對(duì)圖像中的像素進(jìn)行分類。分割是基于CNN結(jié)果執(zhí)行的以生成掩模，掩模標(biāo)記由各個(gè)腫瘤占據(jù)的區(qū)域。針對(duì)每個(gè)腫瘤的概要統(tǒng)計(jì)數(shù)據(jù)被計(jì)算并且供應(yīng)給過濾器，過濾器通過濾出被認(rèn)為不重要的腫瘤來編輯分割掩模。可選地，通過過濾器的腫瘤可以根據(jù)概要統(tǒng)計(jì)數(shù)據(jù)來排名，例如按照臨床相關(guān)性的順序或者通過病理學(xué)的合理審查順序。可視化應(yīng)用然后可以考慮到分割掩模、概要統(tǒng)計(jì)數(shù)據(jù)和/或排名來顯示組織學(xué)圖像。由切除提取的腫瘤塊是用著墨涂刷的，以突出顯示其表面區(qū)域。CNN被訓(xùn)練，以區(qū)分著墨與無無著墨組織以及腫瘤與無腫瘤組織。CNN被應(yīng)用于組織學(xué)圖像，以生成其像素被指派給組織類別的輸出圖像。組織切片的腫瘤切緣狀態(tài)是通過腫瘤并且著墨分類像素的存在或不存在來確定的。腫瘤切緣累及范圍和腫瘤切緣距離是通過基于分類指定的像素間距離參數(shù)計(jì)算附加參數(shù)來確定的。

背景

發(fā)明領(lǐng)域

本公開涉及利用卷積神經(jīng)網(wǎng)絡(luò)(CNN)對(duì)包含腫瘤的組織學(xué)圖像進(jìn)行圖像處理，以便由病理學(xué)家評(píng)估已通過切除而從患者去除的腫瘤塊的切緣來輔助審查和診斷。

相關(guān)領(lǐng)域

數(shù)字病理學(xué)持續(xù)改變病理學(xué)家查看和診斷載玻片的方式。病理學(xué)家檢查載玻片的傳統(tǒng)方法是在顯微鏡下觀察載玻片。病理學(xué)家將通過用低放大率物鏡查看載玻片來開始。當(dāng)具有潛在診斷價(jià)值的區(qū)域被觀察到時(shí)，病理學(xué)家將切換到高放大率物鏡，以更詳細(xì)地查看該區(qū)域。隨后，病理學(xué)家將切換回低放大率，以繼續(xù)檢查載玻片上的其他區(qū)域。這種低-高-低放大率查看序列可以在載玻片上重復(fù)多次，直到可以對(duì)載玻片做出明確和完整的診斷為止。

在過去二十年中，數(shù)字掃描儀的引入改變了該工作流。數(shù)字掃描儀可以獲取整個(gè)載玻片的圖像，即所謂的整個(gè)載玻片圖像(WSI)，并且在不需要病理學(xué)家的高度自動(dòng)化過程中將其保存為數(shù)字圖像數(shù)據(jù)文件。所得的圖像數(shù)據(jù)文件通常被存儲(chǔ)在載玻片數(shù)據(jù)庫中，經(jīng)由臨床網(wǎng)絡(luò)，病理學(xué)家在具有高分辨率顯示器的查看工作站處可以獲得該圖像數(shù)據(jù)文件，該工作站具有用于該目的的可視化應(yīng)用。

病理學(xué)的最新發(fā)展是CNN方法已成為越來越多的研究興趣。越來越多的報(bào)告稱，CNN方法在從組織學(xué)圖像中標(biāo)識(shí)和診斷腫瘤方面的表現(xiàn)與病理學(xué)家一樣好，甚或更好。

Wang等人在2016年描述了一種檢測(cè)乳腺癌淋巴結(jié)轉(zhuǎn)移的CNN方法。

US2015213302A1描述了如何在癌組織區(qū)域中檢測(cè)到細(xì)胞有絲分裂。在訓(xùn)練CNN之后，分類基于自動(dòng)核檢測(cè)系統(tǒng)執(zhí)行，該系統(tǒng)執(zhí)行有絲分裂計(jì)數(shù)，然后這被用于對(duì)腫瘤進(jìn)行分級(jí)。

Hou等人在2016年處理腦癌和肺癌圖像。來自WSI的圖像塊(patch)被用于進(jìn)行由塊級(jí)CNN給出的塊級(jí)預(yù)測(cè)。

Liu等人在2017年用CNN處理從十億像素乳腺癌組織學(xué)圖像中提取的圖像塊，以通過為圖像中的每個(gè)像素指派腫瘤概率來檢測(cè)和定位腫瘤。

Bejnordi等人在2017年應(yīng)用兩個(gè)堆疊的CNN，以對(duì)從用蘇木精和伊紅(HE)染色劑染色的乳房組織的WSI提取的圖像塊中的腫瘤進(jìn)行分類。性能被示出為有利于這些病理學(xué)圖像中的對(duì)象檢測(cè)和分割。我們還注意到，Bejnordi等人還提供了適用于乳腺癌樣本的其他基于CNN的腫瘤分類方法的概述(參見參考文獻(xiàn)10-13)。

Esteva等人在2017年應(yīng)用深度CNN來分析皮膚病變，并根據(jù)樹狀結(jié)構(gòu)分類法將病變分類為各種惡性類型、非惡性類型和非腫瘤類型，包括惡性類型的肢端黑色素瘤、無色素性黑色素瘤和雀斑黑色素瘤和非惡性型藍(lán)痣、暈痣和蒙古斑。皮膚病變(例如黑色素瘤)的圖像被按順序扭曲為臨床類別的概率分布，以執(zhí)行分類。