[发明专利]用于数字完整载片的自动化评分的基于组织对象的机器学习系统

权利要求书

1.一种由包括处理器的计算系统执行的用于组织数据的数字化图像的完整载片解释的方法，所述方法包括：

接收组织样本的多个数字化图像，每个组织样本对应于绝对真实载片；

针对所述多个数字化图像中的每一个接收与数字化图像关联的至少一个分类；

使用组织样本的所接收的数字化图像来训练组织对象分类器；

接收与第一载片关联的数据的数字化图像，其中第一载片不是绝对真实载片；

自动地识别与第一载片关联的数据的数字化图像内的组织；

识别或估计完整第一载片中的所有识别出的组织内的主导染色剂颜色；

接收完整第一载片中的识别出的组织内的多个注释区域的指示；以及

针对所述多个注释区域中的每一个，

检测注释区域内的核种子点，

至少部分地基于检测到的核种子点和在完整第一载片中估计的主导染色剂颜色来从注释区域提取对象，

针对每一个提取出的对象，

至少部分地基于注释区域和完整载片情境来计算局部特征，

至少部分地基于注释图像区域和完整载片情境来计算全局特征，

至少部分地基于计算出的特征和经训练的组织对象分类器来对对象进行分类，

其中检测每个注释区域内的核种子点包括：

生成针对注释区域的图像梯度；

至少部分地基于所生成的图像梯度来生成针对注释区域的投票响应矩阵；

识别所生成的投票响应矩阵内的局部最大值；以及

针对每个识别出的局部最大值，

确定局部最大值是否超过阈值，

响应于确定局部最大值超过阈值，将对应像素识别为种子点，以及

响应于确定局部最大值未超过阈值，将对应像素识别为不是种子点。

2.根据权利要求1所述的方法，还包括：

针对每一个注释区域，

生成针对注释区域的得分；以及

生成针对第一载片的得分。

3.根据权利要求1所述的方法，其中从每个注释区域提取对象包括：

至少部分地基于检测到的核种子点来生成注释区域的棋盘格；以及

针对每个检测到的核种子点，

识别包含种子点的棋盘格的单元，以及

将识别出的单元的至少部分识别为对象。

4.根据权利要求1所述的方法，还包括：

对与第一载片关联的数字化图像数据进行分片。

5.根据权利要求1所述的方法，其中与数字化图像关联的至少一个分类是阳性染色核对象、阴性染色核对象、基质或淋巴细胞。

6.根据权利要求1所述的方法，还包括：

显示检测到的核种子点中的至少一个和提取出的对象中的至少一个的指示。

7.根据权利要求1所述的方法，其中所述训练包括至少部分地基于完整载片图像情境的特征计算；核对象提取、种子检测。

8.根据权利要求1所述的方法，还包括：

识别完整载片中的至少一个组织区域、至少一个基质区域和至少一个淋巴区域。

9.根据权利要求1所述的方法，其中针对至少一个提取出的对象计算的局部特征包括至少一个提取出的对象的图像、至少一个提取出的对象的形状和至少一个提取出的对象的大小。