[发明专利]多重免疫荧光染色组织的数字图像中坏死区域的自动化识别

权利要求书

1.一种用于识别数字病理学图像的坏死组织的方法，其包括：

访问包括针对细胞核标志物的第一通道和针对上皮肿瘤标志物的第二通道的样本切片的多重免疫荧光图像，其中所述样本切片包括一个或多个坏死组织区域；

将所述多重免疫荧光图像提供给机器学习模型；

接收所述机器学习模型的输出，所述输出对应于以下预测：所述多重免疫荧光图像在所述多重免疫荧光图像的一个或多个特定部分处包括一个或多个坏死组织区域；

基于所述机器学习模型的所述输出，生成用于所述多重免疫荧光图像的后续图像处理的掩膜；以及

输出用于所述后续图像处理的所述掩膜。

2.根据权利要求1所述的方法，其中所述细胞核标志物包括4',6-二脒基-2-苯基吲哚(DAPI)，并且所述上皮肿瘤标志物包括广谱细胞角蛋白(PanCK)。

3.根据权利要求1所述的方法，其中所述机器学习模型包括U-Net模型。

4.根据权利要求1所述的方法，其进一步包括：

在将所述多重免疫荧光图像提供给所述机器学习模型之前，使用伽马校正和归一化来预处理所述多重免疫荧光图像。

5.根据权利要求1所述的方法，其中所述后续图像处理包括：

通过将所述掩膜应用于所述多重免疫荧光图像来生成所述多重免疫荧光图像的经修改版本；

处理所述多重免疫荧光图像的所述经修改版本；以及

输出处理所述多重免疫荧光图像的所述经修改版本的结果，所述结果对应于所述样本切片中一组肿瘤细胞的检测到的描绘，其中所述后续图像处理的结果表征所述一组肿瘤细胞的存在、数量和/或大小。

6.根据权利要求1所述的方法，其进一步包括：

从所述多重免疫荧光图像生成多个图块图像；以及

将所述多个图块图像提供给所述机器学习模型作为所述多重免疫荧光图像。

7.根据权利要求1所述的方法，其中所述后续图像处理包括：

访问所述样本切片的第二图像；

将所述掩膜应用于所述第二图像；

通过用所述掩膜处理所述第二图像来确定所述样本切片中一组肿瘤细胞的存在、数量和/或大小；以及

输出所述样本切片中所述一组肿瘤细胞的所述存在、数量和/或大小。

8.一种系统，其包括：

一个或多个数据处理器；以及

非暂时性计算机可读存储介质，其包含指令，所述指令当在所述一个或多个数据处理器上被执行时，使所述一个或多个数据处理器进行包括以下的操作：

接收包括至少两个通道的样本切片的多重免疫荧光图像，其中所述多重免疫荧光图像包括一个或多个坏死组织区域；

用伽马校正来预处理所述多重免疫荧光图像；

将经预处理的多重免疫荧光图像提供给机器学习模型，以识别所述一个或多个坏死组织区域；

基于所述机器学习模型的输出，生成用于所述多重免疫荧光图像的后续图像处理的掩膜；以及

输出用于所述后续图像处理的所述掩膜。

9.根据权利要求8所述的系统，其中所述至少两个通道包括4',6-二脒基-2-苯基吲哚(DAPI)通道和广谱细胞角蛋白(PanCK)通道。

10.根据权利要求8所述的系统，其中所述机器学习模型包括U-Net模型。

11.根据权利要求8所述的系统，其中所述非暂时性计算机可读存储介质进一步包含指令，所述指令当在所述一个或多个数据处理器上被执行时，使所述一个或多个数据处理器进行包括以下的操作：

在将所述多重免疫荧光图像提供给所述机器学习模型之前，使用伽马校正和归一化来预处理所述多重免疫荧光图像。