[发明专利]组织学图像分析

说明书

针对一定数量的显微图像和每幅图像的结果度量对机器学习算法进行训练。每幅图像被划分成图块。结果度量被分配给图像的每一图块。之后采用图块对机器学习算法进行训练。之后，采用经训练的算法评估图像。

技术领域

本发明涉及组织学图像的分析。本发明尤其涉及使用机器学习算法执行这样的分析，还涉及对机器学习算法进行训练，以执行分析。

背景技术

如本文所用，“组织学图像”是指示出了有机组织的微观结构的图像。“所研究的组织学特征”是指这一微观结构的特征。例如，该特征可以是为了达到诊断或治疗目的或者为了科研而研究的。

组织学样本通常用于检查结构，以确定诊断或者尝试确定预后。

在组织学图像涉及病理学时，可以使用“组织病理学图像”一词。

在宏观尺度上，细胞的研究特征中的很多不是自然可见的，因为它们是透明并且无色的。为了揭示这些特征，通常采用标记对样本染色，而后再在显微镜下对其成像。标记包括一种或多种着色剂(染料或颜料)，其被设计为专门与细胞结构的特定构成部分结合，从而揭示所研究的组织学特征。

一种常用的染色系统被称为HE(苏木精和曙红)。HE包含苏木精和曙红两种染料。曙红是一种酸性染料——其带负电。其将碱性(或嗜酸)结构染成红色或粉红色。苏木精可以被认为是基本染料。其用于将酸性(或嗜碱)结构染成藏蓝色。

细胞核内的DNA(异染色质和核仁)以及核糖体和糙面内质网内的RNA都是酸性的，因而苏木精与它们结合，并且将它们染成紫色。一些细胞外材料(例如，软骨内的碳水化合物)也是嗜碱的。细胞质内的大多数蛋白质是碱性的，因而曙红与这些蛋白质结合，并且将它们染成粉红色。其包括肌肉细胞内的胞质丝、细胞内膜和细胞外纤维。

本领域技术人员将意识到很多可以采用的替代性染色。

这样的组织学图像尤其可以用于评估可能患癌的组织。能够对图像分类以确定预期结果将是有用的。

就常规而言，由组织病理学家在组织学图像中识别所研究的组织学特征，组织病理学家是在对这些图像的解释方面受到过培训的医疗专家。

然而，已经有人做过实验，由组织病理学家所做的分类表现出不一致性，而且在很多情况下具有有限的预后价值，在比较不同组织病理学家的识别时，乃至在不同的场合向同一组织病理学家呈现相同的图像时均如此。这样的不一致性以及观察者之间和观察者本人的变化性可能具有严重的牵涉。

相应地，需要用于执行这一任务的自动化图像分析方案。

US 8,467,590教导了一种针对自动化图像分析的现有技术方案。其提出了使用各种各样的应用于图像的预定统计学测试和分析，并且结合了各种措施来生成输出。然而，设计适当的自动化图像分析方法和设备是困难的，因为有很宽范围的各种可能有用的统计学测试和分析，它们在原则上均可用于分析组织学图像和广泛的研究工作，并且往往需要测试来识别最佳方案。

相应地，需要改进的自动化组织病理学图像分析方法和设备。

发明内容

本发明由权利要求限定。

根据本发明的第一方面，提供了一种训练机器学习算法以执行组织学图像分析的计算机实施方法，该方法包括：

由计算机获得组织学样本的多幅显微图像以及对这些图像的每者的结果的度量；

将这多幅显微图像的每者划分成多个图块(tile)；以及

采用这多个瓦片图块以及每一瓦片图块的划分所源自的相应图像的结局结果作为训练输入对机器学习算法进行训练，以生成表示结局结果的评分。