[发明专利]把样本的不同区域分类到相应类别的方法和设备

权利要求书

1.一种分类方法，用于把样本的不同区域分类到相应类别，该方法包含：

把样本的光谱图像集合分解为解混和图像集合，其中解混和图像集合的每一个成员对应于来自样本中不同成分的光谱贡献；

基于包含样本的一个或更多个图像的图像堆栈，把样本的不同区域分类到相应类别，

其中，用于分类的图像堆栈中的图像包含一个或更多个解混和图像。

2.如权利要求1所述的分类方法，其中用于分类的图像堆栈中的图像包含两个或更多个解混和图像。

3.如权利要求1或2所述的分类方法，其中神经网络被用于分类。

4.如权利要求中的任何一个所述的方法，其中图像堆栈中的一个或更多个图像包含一个或更多个光谱图像。

5.如权利要求1或2所述的分类方法，其中图像堆栈只包含一个图像。

6.如权利要求1或2所述的分类方法，还包含产生示出样本的被分类区域的输出图像。

7.如权利要求1或2所述的分类方法，还包含获取图像堆栈中的一个或更多个图像。

8.如权利要求7所述的分类方法，其中通过测量透射过样本或从样本反射的光来获取图像。

9.如权利要求7所述的分类方法，其中通过测量来自样本的荧光发射获取图像。

10.如权利要求1所述的分类方法，其中样本包含具有不同的吸收光谱的成分。

11.如权利要求1所述的分类方法，其中样本包含具有不同发射光谱的成分。

12.如权利要求1或2所述的分类方法，其中，样本是组织切片。

13.如权利要求10所述的分类方法，其中所述成分包含化学染料和荧光标记中的至少之一。

14.如权利要求11所述的分类方法，其中所述成分包含化学染料和荧光标记中的至少之一。

15.如权利要求3所述的分类方法，其中把样本的不同区域分类到相应类别包含：标识对应于各个类别中的每一个的图像堆栈的被选择区域，基于被选择的区域训练神经网络识别这些类别，和把训练过的神经网络应用于图像堆栈的额外区域。

16.如权利要求3所述的分类方法，其中对于神经网络的输入信息包含特征向量，该特征向量具有一个或更多个基于计算图像堆栈中对应的图像之一的至少一个并发矩阵的元素。

17.如权利要求3所述的分类方法，其中对于神经网络的输入信息包含特征向量，该特征向量具有一个或更多个基于计算图像堆栈中对应的一个图像的二维傅立叶变换的元素。

18.如权利要求4所述的分类方法，其中光谱图像是根据不同的用于发射的光谱指数的样本发射的图像。

19.如权利要求4所述的分类方法，其中光谱图像是根据不同的导致发射的样本的照射光谱指数的样本发射的图像。

20.一种分类设备，用于把样本的不同区域分类到相应类别，该设备包含：

用于获取包含样本的一个或更多个图像的图像堆栈的装置；和

电子处理器，该电子处理器包含：

用于把样本的光谱图像集合分解为解混和图像集合的装置，其中解混和图像集合的每一个成员对应于来自样本中不同成分的光谱贡献；

用于基于包含样本的一个或更多个图像的图像堆栈把样本的不同区域分类到相应类别的装置，其中，用于分类的图像堆栈中的图像包含一个或更多个解混和图像。

21.如权利要求21所述的分类设备，其中用于获取包含样本的一个或更多个图像的图像堆栈的装置包含用于从样本获取光谱分辨发射图像的装置。

22.如权利要求21所述的分类设备，其中用于获取包含样本的一个或更多个图像的图像堆栈的装置包含用于从样本获取对应于样本的不同光谱照射的图像的装置。

23.如权利要求21所述的分类设备，其中用于获取包含样本的一个或更多个图像的图像堆栈的装置包含一光学系统，并且其中样本的一个或更多个图像包含样本的一个或更多个光谱图像。