[发明专利]用于为数字病理学处理载玻片图像的系统和方法在审

专利信息
申请号: 202080077319.8 申请日: 2020-09-08
公开(公告)号: CN114616590A 公开(公告)日: 2022-06-10
发明(设计)人: J·洛克;J·苏伊;P·许夫勒;J·S·伊祖里塔-埃雷拉 申请(专利权)人: 佩治人工智能公司
主分类号: G06T7/00 分类号: G06T7/00;G06V10/25;G06N20/00;G06T11/00;G06T3/40
代理公司: 中国专利代理(香港)有限公司 72001 代理人: 任一方;陈岚
地址: 美国*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 数字 病理学 处理 载玻片 图像 系统 方法
【权利要求书】:

1.一种用于分析对应于样本的电子图像的计算机实现的方法,所述方法包括:

接收对应于目标样本的目标电子图像,所述目标样本包括患者的组织样本;

将机器学习系统应用于目标电子图像,以确定目标样本的至少一个特性和/或目标电子图像的至少一个特性,机器学习系统是通过处理多个训练图像以预测至少一个特性而生成的,训练图像包括人类组织的图像和/或算法生成的图像;和

输出基于目标样本的至少一个特性和/或目标电子图像的至少一个特性标识感兴趣区域的目标电子图像。

2.根据权利要求1所述的计算机实现的方法,其中,标识感兴趣区域包括在目标电子图像上显示热图叠覆。

3.根据权利要求1所述的计算机实现的方法,其中,标识感兴趣区域包括在目标电子图像上显示热图叠覆,所述热图叠覆包括基于位置包含异常的预测可能性的阴影和/或着色。

4.根据权利要求1所述的计算机实现的方法,其中,标识感兴趣区域包括在目标电子图像上显示热图叠覆,所述热图叠覆包括基于位置包含异常的预测可能性的阴影和/或着色,

其中热图叠覆是透明或半透明的。

5.根据权利要求1所述的计算机实现的方法,进一步包括在目标电子图像的至少一部分之上显示放大窗口,以及

在放大窗口中以不同于目标电子图像的放大级别的放大级别呈现目标样本的放大图像。

6.根据权利要求1所述的计算机实现的方法,进一步包括在目标电子图像的至少一部分之上显示放大窗口;和

在放大窗口中以不同于目标电子图像的放大级别的放大级别呈现目标样本的放大图像,

其中放大窗口包括用于将热图叠覆拨动到放大图像上的可选择图标。

7.根据权利要求1所述的计算机实现的方法,进一步包括:

在目标电子图像上显示标识目标样本的概览的载玻片托盘工具;

将机器学习系统应用于目标电子图像,以确定目标样本的一部分是否包含异常;和

响应于确定所述部分包含异常,在载玻片托盘工具中呈现异常的指示符。

8.根据权利要求1所述的计算机实现的方法,进一步包括:

显示注释日志,所述注释日志包括标识感兴趣区域的指示符和与感兴趣区域相关的咨询请求。

9.根据权利要求1所述的计算机实现的方法,进一步包括:

接收对应于目标样本的第二目标电子图像;

确定与目标电子图像相关联的目标样本的第一部分;

确定与第二目标电子图像相关联的目标样本的第二部分;

标识第一部分和第二部分是相同的还是叠覆的;

响应于标识所述第一部分和所述第二部分是相同的或叠覆的,以彼此预定的接近度显示目标电子图像的第一表示和第二目标电子图像的第二表示;

确定是否存在与目标电子图像相关联的感兴趣区域和/或与第二目标电子图像相关联的感兴趣区域;

响应于确定与目标电子图像相关联的感兴趣区域,显示与目标电子图像的第一表示相关联的指示符;和

响应于确定与第二目标电子图像相关联的感兴趣区域,显示与第二目标电子图像的第二表示相关联的指示符。

10. 一种用于分析对应于样本的电子图像的系统,所述系统包括:

存储指令的至少一个存储器;和

至少一个处理器,执行指令以执行包括以下各项的过程:

接收对应于目标样本的目标电子图像,所述目标样本包括患者的组织样本;

将机器学习系统应用于目标电子图像,以确定目标样本的至少一个特性和/或目标电子图像的至少一个特性,机器学习系统是通过处理多个训练图像以预测至少一个特性而生成的,训练图像包括人类组织的图像和/或算法生成的图像;和

输出基于目标样本的至少一个特性和/或目标电子图像的至少一个特性标识感兴趣区域的目标电子图像。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于佩治人工智能公司,未经佩治人工智能公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202080077319.8/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top