[发明专利]使用基于距离的相似性标签的机器学习

权利要求书

1.一种用于数字病理学的计算机实现的自监督学习方法，所述方法包括：

-接收(102)多个数字图像，每个数字图像描绘组织样品；

-将每个所接收的图像分割(104)成多个图块；

-自动生成(106)图块对(312、313、314、315、422)，每个图块对分配有标签(403)，所述标签指示在所述对的两个图块中描绘的两个组织图案的相似度，其中将所述相似度计算为所述对中的所述两个图块的空间接近度(d1、d2、d3、d4)的函数，其中距离与相异性正相关，其中所述图块对(313、315)的至少一个子集包括描绘包含在一堆相邻组织切片中的两个不同组织切片中的两个组织区域的图块对，所述组织切片中的每一个组织切片是在所接收的数字图像(300、332、334)中的相应一个数字图像中描绘的组织样品，其中描绘一堆相邻组织切片中的组织切片的所接收的图像在3D坐标系中彼此对准，并且其中在所述3D坐标系内计算所述子集的所述图块对的所述图块之间的距离(d3、d4)；

-使用带标签的图块对作为训练数据来训练机器学习模块—MLM—(400、402、403、600)以生成经过训练的MLM，所述经过训练的MLM适于执行数字组织病理学图像的图像分析。

2.根据权利要求1所述的计算机实现的方法，

-其中所述图块对(312、314)中的至少一些图块对描绘包含在相同组织切片中的两个组织区域，所述组织切片中的每个组织切片被描绘在所接收的数字图像中的相应一个数字图像中，其中图块之间的距离在由已经从中导出所述对中的所述图块的所接收的数字图像(300)的x维度和y维度定义的2D坐标系内计算。

3.根据前述权利要求中任一项所述的计算机实现的方法，

-其中所述图块对(313、315)的至少另一个子集包括描绘相同组织切片的两个组织区域的图块对，其中所述另一个子集的图块对的图块之间的距离(d1、d2)基于与描绘不同组织切片的所导出的图块对的子集的图块对之间的距离相同的空间接近度函数来计算。

4.根据前述权利要求中任一项所述的计算机实现的方法，每个图块描绘具有小于0.5mm、优选地小于0.3mm的最大边缘长度的组织或背景区域。

5.根据前述权利要求中任一项所述的计算机实现的方法，所述图块对的所述自动生成包括：

-使用第一空间接近度阈值(308、336)生成第一组图块对(312、313)，其中由所述第一组中的每个图块对的两个图块描绘的两个组织区域彼此分开小于所述第一空间接近度阈值的距离；

-使用第二空间接近度阈值(310、338)生成第二组图块对(314、315)，其中由所述第二组中的每个图块对的两个图块描绘的两个组织区域彼此分开大于所述第二空间接近度阈值的距离。

6.根据权利要求5所述的计算机实现的方法，所述第二空间接近度阈值比所述第一空间接近度阈值大至少2mm。

7.根据前述权利要求5至6中任一项所述的计算机实现的方法，

-其中所述第一空间接近度阈值是小于2mm、优选地小于1.5mm、特别是1.0mm的距离，并且/或者

-其中所述第二空间接近度阈值是大于4mm、优选地大于8mm、特别是10.0mm的距离。

8.根据前述权利要求中任一项所述的计算机实现的方法，

-其中所述MLM为孪生神经元网络(400)，其包括由公共输出层(424)连接的两个相同的神经元子网络(402、403)，所述两个神经子网络中的每一个神经子网络都适于从作为输入提供给所述MLM的图块对(422)的两个图块(404、414)中的相应一个图块提取特征向量(410、420)，

-其中经过训练的孪生神经元网络(400')的所述输出层适于作为所述两个特征向量(410、420)的函数计算作为输入提供的每个图块对(502)的标签(508)，所述标签指示作为输入提供的所述图块对(502)中描绘的两个组织图案的预测的相似性。