[发明专利]用于生物图像中的联合细胞和区域分类的深度学习系统和方法

权利要求书

1.一种用于训练多层神经网络以从一组训练图像中检测和分类样品图像内的不同细胞类型和区域的方法，所述方法包括：

在生物样本的样品图像内识别出不同的组织区域；

基于所述样品图像内的特征对细胞进行检测和分类，以提供建议的细胞分类；

使用来自用户的输入来校正不正确分类的建议的细胞分类，以提供最终的细胞分类；

基于所识别的组织区域和最终细胞分类的组合，为每个样品图像内的每个像素指定标记，其中，仅为生物学上可行的那些细胞和区域组合指定像素标记；以及

使用所述样品图像和指定给所述样品图像内的每个像素的所述标记来训练所述多层神经网络。

2.根据权利要求1所述的方法，其中，由病理学家手动地和/或由一个或多个处理器(209)自动地执行对所述样品图像内不同区域的识别。

3.根据权利要求1或2所述的方法，其中，基于所述样品图像内的特征对细胞进行检测和分类包括：(i)检测细胞核；(ii)计算前景分割掩码；(iii)从所检测的细胞核导出特征；以及(iv)使用分类器基于所导出的特征对所述核进行分类。

4.根据权利要求1至3中任一项所述的方法，其中，为每个像素指定的标记是向量，所述向量包括所分类的细胞类型和所述像素在所述样品图像中所处的组织区域的标识。

5.根据权利要求1至4中任一项所述的方法，其中，所述组织区域包括肿瘤区域、基质区域、富含淋巴细胞的区域和坏死区域，并且其中，所述细胞类型包括肿瘤细胞、基质细胞和淋巴细胞。

6.根据权利要求5所述的方法，其中，生物学上可行的组合包括：(i)肿瘤区域中的肿瘤细胞；(ii)肿瘤区域中的基质细胞；(iii)肿瘤区域中的淋巴细胞；(iv)基质区域中的肿瘤细胞；(v)基质区域中的基质细胞；(vi)基质区域中的淋巴细胞；(vii)富含淋巴细胞的区域中的肿瘤细胞；以及

(viii)富含淋巴细胞的区域中的淋巴细胞。

7.根据权利要求1至6中任一项所述的方法，进一步包括：向经训练的多层神经网络提供未标记图像，并接收所述未标记图像内的每个像素的预测标记。

8.一种用于对生物样品的未标记图像内的细胞进行分类的方法，所述方法包括：

检测所述未标记图像中的细胞中心；

计算所述未标记图像的前景分割掩码；

通过利用计算出的前景分割掩码对所述未标记图像进行过滤来识别出所述未标记图像中的各个细胞；

将多层神经网络应用于所述未标记图像，所述多层神经网络被训练成联合地检测和分类不同的细胞类型和组织区域，其中，所述经训练的多层神经网络的应用为所述未标记图像内的每个像素提供了预测标记，每个预测标记指示(i)与对应像素相对应的细胞类型，以及(ii)与对应像素相对应的区域类型；以及

为每个识别出的单个细胞指定细胞标记。

9.根据权利要求8所述的方法，进一步包括量化不同地标记的各个细胞并计算表达分数。

10.根据权利要求9所述的方法，进一步包括量化肿瘤区域或基质区域中淋巴细胞的数量和其他空间分布特性。

11.根据权利要求10所述的方法，其中，为每个识别出的单个细胞指定细胞标记包括：(i)量化在所识别出的单个细胞内带有各个预测标记的像素的数量；以及(ii)将具有最大数量的预测标记指定为细胞标记。

12.一种系统(200)，包括：

一个或多个处理器(209)；以及

非暂态计算机可读存储器(201)，其存储指令，所述指令当由所述一个或多个处理器(209)执行时使所述一个或多个处理器(209)执行根据权利要求1至7中任一项所述的方法。