[发明专利]显微镜分析方法

说明书

本发明涉及用于样本(2)尤其是至少一个未染色的对象样本或细胞样本(2)在光学采集系统(1)中的显微镜分析(120)的方法，其中进行如下步骤：尤其通过采集系统(1)提供至少两个不同的关于样本(2)的采集信息(110)，尤其通过分析装置(60)依据机器学习的转换信息(200)执行采集信息(110)的分析(120)以确定关于样本(2)的结果信息(140)，其中转换信息(200)针对采集信息(110)的不同采集参数化进行学习，在采集参数化中，采集信息(110)至少在采集系统(1)的照明参数方面编码地、尤其是偏振编码和/或颜色编码地相互区分。

技术领域

本发明涉及用于样本显微镜分析的方法。本发明还涉及光学采集系统、计算机程序以及计算机可读介质。

背景技术

从现有技术中知道了，采集系统如显微镜被用于透光显微术(Durchlichtmikroskopie)以分析细胞样本。像透光显微术这样的方法提供了用于细胞样本分析的可靠且经验证的可行方案，并且大多基于技术较简单、因而更廉价的结构。尽管如此，由此获得的与待检样本相关的信息内容或许少于较复杂的显微学技术如荧光显微学或共焦显微学的情况。

同类的显微学技术例如由WO 2017/181044A1公开了。

发明内容

因此，本发明的任务是至少部分减少前述缺点。本发明的任务尤其是改善样本分析，同时应减小为此所需的技术成本。

前述任务通过一种具有权利要求1的特征的方法、一种具有权利要求11的特征的光学采集系统、一种具有权利要求14的特征的计算机程序以及一种具有权利要求15的特征的计算机可读介质完成。本发明的其它的特征和细节来自各从属权利要求、说明书和附图。在此，与本发明的方法相关所描述的特征和细节显然也与本发明的光学采集系统、本发明的计算机程序以及本发明的计算机可读介质相关地是适用的，反之亦然，因此关于各发明方面的公开内容，总是相互参照或可相互参照。

由WO 97/1 1350 A2、DE 10 2014 108044 A1、WO 91/20048 A1、WO 2016/191462A1、US 2015/185459 A1和LITJENS GEERT等人的“A Survey on deep learning inmedical Image analysis,MEDICAL IMAGE ANALYSIS”(MEDICAL IMAGE ANALYSIS，卷42，第60-88页，XP085240547，出版号1361-8415，DOI:10.1016/J.MEDIA.2017.07.05)，公开了前言类型的方法。WO 97/11350A2公开了一种神经网络辅助型多谱分割法，在此，针对一个样本记录下不同光学条带的三幅图像。

该任务尤其通过一种在该光学采集系统中显微分析样本(尤其是至少一个未染色的对象样本或细胞样本)的方法来解决。

有利地，在本发明的方法中可以执行以下步骤中的至少一个，这些步骤最好按照所给出的顺序先后进行或按任意顺序进行，或许可以重复一些步骤：

-尤其通过采集系统提供至少两个不同的关于样本的采集信息，

-尤其通过(尤其基于机器学习的)分析装置对该采集信息进行分析，优选依据机器学习的转换信息和/或通过神经网络，以确定关于样本的结果信息。

转换信息在此例如是由学习过程(如根据机器学习)产生的数字非易失地存储的信息。转换信息例如可以具有分类器或模型等。在此，该转换信息的特点是，它自动地通过人工智能等(即尤其在神经网络的学习过程中)产生。