[发明专利]组织学图像分析

权利要求书

1.一种对机器学习算法进行训练以执行组织学图像分析的计算机实施方法，包括：

由所述计算机获得组织学样本的多幅显微图像以及对所述图像的每者的结果的度量；

将所述多幅显微图像的每者划分成多个图块；以及

采用所述显微图像的多个图块作为训练输入并且采用每个图块划分所源自的相应图像的结果的度量对机器学习算法进行训练，以生成图像图块的结果评分。

2.根据权利要求1所述的计算机实施训练方法，其中，所述机器学习算法是神经网络。

3.根据权利要求2所述的计算机实施训练方法，其中，所述神经网络是卷积神经网络。

4.根据任一前述权利要求所述的计算机实施训练方法，其中，所述多幅显微图像中的每者被划分成至少200个图块。

5.根据任一前述权利要求所述的计算机实施训练方法，进一步包括获得已经采用标记染色的组织学样本的多幅显微图像，所述图像是采用至少两件不同的图像扫描设备获得的。

6.根据权利要求5所述的计算机实施训练方法，进一步包括使采用至少两件不同的图像扫描设备采集的组织学样本的多幅图像对准的步骤。

7.根据任一前述权利要求所述的计算机实施训练方法，其中，每幅显微图像是由一个、两个或三个颜色通道构成的彩色图像。

8.根据任一前述权利要求所述的计算机实施训练方法，进一步包括：

通过下述操作确定第一阈值和第二阈值：

对于所述多幅显微图像，将所述多个图块的结果评分的每者与第一阈值进行比较，

对高于或低于第一阈值的评分的数量进行计数；以及

将所计的评分数量与第二阈值进行比较，从而依据所计的评分数量高于还是低于第二阈值而获得单个二进制预测结果值；以及

优化第一阈值和第二阈值，从而使所述单个二进制预测结果值与所述多幅图像的相应结果度量之间的变化最小化。

9.一种用于组织病理学图像分析的计算机实施分析方法，所述计算机实施分析方法采用根据任一前述权利要求所述的方法训练的机器学习算法，所述分析方法包括：

由计算机获得已经采用标记染色的组织学样本的测试显微图像；

由所述计算机提供所述经训练的机器学习算法；

将第一显微图像划分成多个图块；

采用所述经训练的机器学习算法对所述多个图块进行评估，以递交对应于所述多个图块的多个评分；以及

输出所述多个评分的表示。

10.根据权利要求9所述的计算机实施分析方法，其中：

所述的输出所述多个评分的表示的步骤包括输出所述图块的图像，其中，每一图块由对应于相应评分的灰度级或颜色表示。

11.根据权利要求9或10所述的计算机实施分析方法，其中：

所述的输出所述多个评分的表示的步骤包括输出单个结果值，所述单个结果值是通过合并所述多个评分以取得测试显微图像的单个预测结果值而获得的。

12.根据权利要求11所述的计算机实施分析方法，其中，所述单个预测结果值是通过下述操作获得的：

将所述评分的每者与第一阈值进行比较，

对高于或低于所述第一阈值的评分的数量进行计数；以及

将所计的评分数量与第二阈值进行比较，从而依据所计的评分数量高于还是低于第二阈值而获得单个二进制预测结果值。

13.根据权利要求11所述的计算机实施分析方法，其中，所述单个预测结果值是通过下述操作获得的：

将所述评分的每者与第一阈值进行比较，

对高于或低于所述第一阈值的评分的数量进行计数；以及

将所计的评分数量的表示作为所述单个预测结果值输出。