[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

说明书

公开了用于接收对应于目标样本的目标电子图像的系统和方法，该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，该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，所述训练图像包括人体组织的图像和/或算法生成的图像，以及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。

（一个或多个）相关申请

本申请要求2019年9月9日提交的美国临时申请No. 62/897,745的优先权，该美国临时申请的全部公开内容特此通过引用以其整体并入本文。

技术领域

本公开的各种实施例总体上涉及基于图像的样本分析和相关图像处理方法。更具体地，本公开的特定实施例涉及用于基于组织样本的处理图像来标识样本属性并提供综合病理学工作流程的系统和方法。

背景技术

为了在医院内或研究环境中使用数字病理学图像，对样本的组织类型、样本获取的性质（例如，前列腺穿刺活检、乳腺活检、乳腺切除等）以及样本或图像的其他相关属性进行标识和分类可能很重要。

期望存在一种基于处理组织样本图像来提供综合病理学工作流程的方式。以下公开针对用于提供用户接口和人工智能（AI）工具的系统和方法，其可以被集成到工作流程中以加速和改进病理学家的工作解决方案。

前述一般描述和以下详细描述仅是示例性和解释性的，并且不对本公开限制。本文提供的背景描述是为了总体呈现本公开上下文的目的。除非本文另有指示，否则本节中描述的材料不是本申请中权利要求的现有技术，并且不通过包含在本节中而被承认为现有技术或现有技术的建议。

发明内容

根据本公开的某些方面，公开了用于标识样本属性并基于组织样本的处理图像提供综合病理学工作流程的系统和方法。

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，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，训练图像包括人类的图像和/或算法生成的图像；以及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。

一种用于分析对应于样本的电子图像的系统，包括：存储指令的存储器；以及处理器，该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，该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；以及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。

一种存储指令的非暂时性计算机可读介质，所述指令当由处理器执行时，使得处理器执行用于分析对应于样本的图像的方法，所述方法包括接收对应于目标样本的目标电子图像，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，训练图像包括人类的图像和/或算法生成的图像；以及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。

应理解，前述一般描述和以下详细描述仅是示例性和解释性的，并且不对如权利要求书的公开实施例限制。

附图说明

并入本说明书中并构成其一部分的附图图示了各种示例性实施例，并与说明书一起用于解释所公开实施例的原理。