[发明专利]使用深度学习评定体外组织样品中的皮肤毒性

权利要求书

1.一种方法，其包括由数字病理图像处理系统：

接收与在使用药物化合物的治疗之后的组织样品相关联的查询图像；

基于经训练以识别组织样品的层的机器学习模型来识别所述组织样品的目标层；

计算识别的目标层的归一化厚度；以及

基于所述识别的目标层的所述归一化厚度来确定使用所述药物化合物的所述治疗的毒性指示。

2.根据权利要求1所述的方法，其中所述组织样品包括重建人类表皮(RHE)样品，并且其中所述识别的目标层包括表皮层。

3.根据权利要求2所述的方法，其进一步包括基于多个训练图像来训练所述机器学习模型，其中每个训练图像与RHE样品相关联，其中每个训练图像包括多个图像块，其中所述多个图像块中的每一个包括多个像素，并且其中所述多个像素中的每一个与指示对应像素属于角蛋白层还是表皮层的注释相关联。

4.根据权利要求1所述的方法，其进一步包括基于多个训练图像来训练所述机器学习模型，其中每个训练图像与组织样品相关联，其中每个训练图像包括多个图像块，其中所述多个图像块中的每一个包括多个像素，并且其中所述多个像素中的每一个与指示对应像素是否属于所述目标层的注释相关联。

5.根据权利要求1所述的方法，其中所述组织样品包括重建眼睛样品，并且其中所述识别的目标层包括视网膜层。

6.根据权利要求5所述的方法，其进一步包括基于多个训练图像来训练所述机器学习模型，其中每个训练图像与重建眼睛样品相关联，其中每个训练图像包括多个图像块，其中所述多个图像块中的每一个包括多个像素，并且其中所述多个像素中的每一个与指示对应像素是否属于视网膜层的注释相关联。

7.根据权利要求1所述的方法，其进一步包括：

接收对使用所述药物化合物的所述治疗的毒性的确认；以及

基于所述确认来重新训练所述机器学习模型。

8.根据权利要求1所述的方法，其中所述机器学习模型基于深度学习算法，并且其中所述深度学习算法的架构基于U-net、Resnet U-net或深度残差神经网络中的一者或多者。

9.根据权利要求1所述的方法，其中识别所述目标层包括：

将所述查询图像裁剪成多个图像块；

将所述多个图像块输入到所述机器学习模型；以及

将所述机器学习模型的输出调整成所述查询图像的形状。

10.根据权利要求1所述的方法，其中计算所述识别的目标层的所述归一化厚度包括：

确定所述识别的目标层的中心线；

识别与所述识别的目标层相关联的多个位置；

基于所述中心线来量化所述多个位置中的每一个的厚度值；

基于所述多个位置的多个厚度值来确定所述识别的目标层的平均厚度值；以及

将所述识别的目标层的所述平均厚度值除以来自对照组的组织样品的平均厚度值。

11.根据权利要求1所述的方法，其中基于所述识别的目标层的所述归一化厚度来确定使用所述药物化合物的所述治疗的所述毒性指示包括：

将所述归一化厚度与阈值厚度值进行比较。

12.一种系统，其包括：一个或多个处理器；以及耦接至所述处理器的非暂时性存储器，所述非暂时性存储器包括可由所述处理器执行的指令，所述处理器当执行所述指令时可操作以：

接收与在使用药物化合物的治疗之后的重建人类表皮(RHE)样品相关联的查询图像；

基于经训练以识别RHE样品的层的机器学习模型来识别所述RHE样品的表皮层；

计算识别的表皮层的归一化厚度；以及

基于所述识别的表皮层的所述归一化厚度来确定使用所述药物化合物的所述治疗的毒性指示。