专利名称：使用散点图分布对载玻片进行分类的系统的制作方法
技术领域：
本发明涉及用于分析生物样品的系统，更具体地，涉及用于使用散点图分布将生物样品分类为正常、异常、或可疑的系统。
背景技术：
在医疗工业中，经常需要化验室技术人员(例如，细胞学技士)对细胞样品检查特定细胞类型的存在。例如，目前需要对子宫颈阴道巴氏(Papanicolaou，Pap)涂片载玻片检查恶性细胞或恶变前细胞的存在。自从其在五十多年之前引入以来，Pap涂片已成为用于检查子宫颈癌和癌前病变的有力工具。在那段时间里，Pap涂片由于将子宫颈癌的死亡率减少了高达70％而得到了信任。然而，这种死亡率曾有的陡降减缓了，并且这种可以预防的疾病的死亡率在美国实质上已经保持恒定，并自八十年代中期以来大约每年5,000人。因此，由于癌症被发现得太晚，每年15,000个被诊断患有子宫颈癌的女性中，仍有大约三分之一死亡。引起关注的另一原因是，国家癌症协会(National Cancer Institute)数据显示，自1986年以来，50岁以下的白种女性的子宫颈癌发病率每年增加3％。
许多因素可能导致该当前阈值起，其中重要的因素在于许多女性，尤其是高危人群，仍然不参与常规的子宫颈癌筛查(screening)。另一已经引起很大关注的起作用的因素是传统的Pap涂片方法本身的局限性。
子宫颈筛查方法的可靠性和有效性通过其诊断癌症前病变的能力(灵敏性)同时避免假阳性诊断的能力(特异性)来衡量。进一步地，这些标准取决于细胞学解释的准确性。传统上，病理学家可通过观察各个细胞核的特性来对生物样品进行单细胞分析，或通过在呈现在载玻片上的细胞结构中寻找特征图案来对生物样品进行结构分析(contextual analysis)。
即使在既进行单细胞分析又进行结构分析时，传统的Pap涂片也具有10-50％之间范围的假阴性率。这很大程度上是由于技术人员必须检查大量的细胞和对象(通常是多达100,000到200,000个)以确定少量恶性或恶化前细胞的可能存在而导致的。因此，Pap涂片化验，以及其他需要详细检查生物材料的化验，由于技术人员承受的疲劳而蒙受了高假阴性率。
为了使这一检查过程容易，开发出了自动筛查系统。在一个典型系统中，操作成像器以提供细胞样品载玻片的一系列图像，每个图像示出载玻片的不同部分。处理器然后处理这些图像以提供关于该样品的定量和病情预断信息。处理器在提供该诊断信息期间可以执行单细胞分析或结构分析，或二者都执行。当执行单细胞分析时，处理器可以将这样的细胞特征确定为细胞质面积比(cytoplasmicarea ratio)、细胞核积分光密度(nuclear integrated optical density)、细胞核平均光密度(average nuclear optical density)、细胞核结构(nuclear texture)、和细胞质色调(cytoplasmic hue)。当执行结构分析时，处理器可以将这样的结构特征确定为(i)簇(cluster)内的细胞核平均间距离；(ii)细胞质灰度值的标准差；(iii)裸核(barenucleus)面积的平均值；(iv)裸核面积的标准差；(v)簇的平均细胞质面积；以及(vi)细胞间距离倒数。结合单细胞分析和结构分析的结果，以获得诊断结果。
在一些自动筛查系统中，处理器使用诊断信息来描述为“正常”或“可疑”载玻片。在检验科中，细胞学技士仅对标记为可疑的那些载玻片进行检查，这样减少了工作量。在其他自动筛查系统中，处理器使用诊断信息来在每个样本内描绘为正常或可疑生物材料。即，处理器将把细胞学技士的注意力集中到最有关的细胞，从而可能实现排除对剩余细胞的进一步检查。在此情况下，筛查装置使用诊断信息来确定最有关的生物对象(例如，最可能具有符合恶性细胞或恶化前细胞的属性的细胞和细胞核)，及其在载玻片上的位置。该位置信息然后传送到显微镜上，显微镜自动转向这些位置并将中心定于这些生物对象上，用于细胞学技士进行检查。细胞学技士然后将电子地标记最有关的生物对象(例如，具有符合恶性或恶化前细胞的属性的对象)，用于病理学家的进一步检查。
一般地，由于使技术人员的注意力集中在那些可疑载玻片或集中在每个载玻片内少数的比较有关的对象上，因此证明了自动筛查系统的使用是成功的。然而，实际上并不具有自动装置以充分低的成本达到了显著地消除了假阴性和假阳性的结果。此外，还必须考虑商业方面。由化验室负担的检查细胞样品(例如Pap涂片样品)的费用至少部分地取决于技术人员检查每个载玻片所花费的时间。即，细胞学技士必须检查的载玻片越多，或者技术人员检查每个载玻片花费的时间越多，则化验室承受的劳力成本就越多。相反地，技术人员必须检查的载玻片越少，以及技术人员检查载玻片花费的时间越少，则化验室能够节省的金钱越多。
假阳性的发生有时是由使用了次品染色剂的生物样品导致的。例如，技术人员可能未能遵循用于向生物样品应用适当染色剂的正确规程，或者就算正确应用了，也可能已经超过了染色剂的保存期。经常地，样品直到它们被细胞学技士人工检查后才被标记为使用了次品染色剂，从而浪费了宝贵的时间。
发明内容
在本发明的一个实施例中，一种对生物样品进行分类的方法包括识别在生物样品内的多个感兴趣对象(obiects of interest，OOI)。这可以通过获取生物样品的图像并处理这些图像以识别OOI来实现。该方法还包括测量每个OOI的第一(例如，细胞核面积)和第二(例如，细胞核积分光密度(IOD))特征，然后生成所测量的第一特征对所测量的第二特征的散点图(scatter plot)。然后至少部分地基于散点图内点的分布来将样品分类(例如，分为正常或可疑)。在一个实施例中，基于点分布的范围(spread)来将样品分类为正常，该点分布的范围在样品具有正常细胞属性的情况下相对较小，并在样品具有异常细胞属性的情况下相对较大。在此情况下，如果点分布范围低于阈值，则样品将被分类为正常。还可以至少部分地基于散点图内点的分布来将样品分类为可疑。在此情况下，如果点分布范围超过阈值，则样品将被分类为可疑。这种分类可以被应用到各种情况中的任意一种中，例如，从随后的检查中去除正常载玻片或为其他装置提供标准。
在一个实施例中，正常样品被标记为不需要进一步检查，在此情况下，能够方便地跳过该样品的后续检查，从而减少了细胞学技士必须检查的载玻片的数量。相反，可疑样品被标记为需要进一步检查。可以以各种方式中的任意一种来执行样品的后续检查，但是优选地产生包括OOI的多个感兴趣域(field of interest)，以使细胞学技士的注意力集中到可疑对象。
在一个实施例中，使用各种技术中的任意一种来量度点分布范围。例如，量度步骤可以包括用一种几何形状(例如，椭圆形)来拟合(fit)这些点、确定该几何形状的至少一个维度(dimension)、以及计算维度的函数值。例如，(在二维的情况下)可以计算合成评分(composite score)。然后可将所计算的值与阈值相比较。
该方法可选地包括测量样品的至少一个另外的特征，其中，进一步基于另外的测量特征将样品分类为正常。作为非限制性实例，该另外的信息可以用于确定分散图是否是可靠的。另外的特征可以是包括样品中的OOI总数、样品中的人为假象(artifact)的总数、以及OOI的细胞核平均光密度中的任何一种特征。
在本发明的另一实施例中，提供了一种用于对生物样品进行分类的生物筛查系统。该系统包括成像站，用于获得样品的图像并从图像生成图像数据。该系统还包括至少一个处理器，用于处理(例如，过滤)图像数据以识别在生物样品内的多个OOI、测量每个OOI的第一特征、测量每个OOI的第二特征、生成第一测量特征对第二测量特征的散点图、以及至少部分地基于点分布的范围对样品进行分类。可以用与上述方式相同的方式来执行这些功能。如果可选地产生感兴趣域(FOI)，则该系统包括自动或半自动检查站，用于相对于每个FOI扫描视场(field of view，FOV)，以在每个FOI中呈现一个或多个OOI。
附图示出了本发明的实施例的设计和效用，其中，相同的参考标号指示类似的元件，并且在附图中图1是载有生物样品的标准显微镜载玻片的平面图；图2是根据本发明的一个实施例构造的生物筛查系统的平面图；图3是在正常生物样品中发现的感兴趣对象的细胞核面积(y-轴)对细胞核积分光密度(x-轴)的散点图；
图4是在可疑生物样品中发现的感兴趣对象的细胞核面积(y-轴)对细胞核积分光密度(x-轴)的散点图；图5是另一载有生物样品的标准显微镜载玻片的平面图；图6是根据本发明的另一实施例构造的生物筛查系统的平面图；以及图7是通过在图5的系统中使用的显微镜的视场示出的感兴趣域和标记指示器的视图。
具体实施例方式
参照图2，描述了根据本发明的一个实施例构造的生物筛查系统10。系统10被设定用于处理一系列显微镜载玻片12，以将生物样品14(在图1中最佳示出)分类为“正常”(将不需要细胞学技士的检查)或“可疑”(将需要细胞学技士的检查)。
尽管系统10可以用于将任何生物样品分类为正常或异常，但是系统10特别适用于细胞子宫颈或阴道物质的呈现，诸如通常在Pap涂片载玻片上发现的那些。在此情况下，这些细胞可以反映异常性(例如，细胞溶解、萎缩、感染、受损)、恶性、或前期癌，诸如Low Grade Squamous Intraepithelial Lesions(LGSIL)或HighGrade Squamous Intraepithelial Lesions(HGSIL)，以及由TheBethesda System for Reporting Cervical/Vaginal Cytologic Diagnosis定义的其他细胞类型。生物样品14将通常作为薄细胞层放置在载玻片12上。优选地，盖玻片(未示出)附着到样品14，从而将样品14定位在载玻片12上。样品14可以用任何合适的染色剂染色，诸如巴氏染色剂(Papanicolaou stain)。
在处理过程中，系统10获得由载玻片12承载的生物样品14的图像，载玻片通常容纳在盒子(未示出)内。在成像过程中，载玻片12以连续的方式从各自的盒子中取出、数字成像、然后返回到盒子中。然后，系统10分析数字图像(在处理每个载玻片时连续地分析，或者当完成所有载玻片的处理时脱机分析)以将样品14分类为正常或可疑。
在执行成像操作过程中，系统10包括照相机16、显微镜18、以及电动台20。照相机16通过显微镜18捕获载玻片12的放大图像。照相机16可以是各种传统照相机中的任意一种，诸如电荷耦合器件(CCD)照相机，其单独或同其他元件(例如模数(A/D)转换器)协作，可以产生足够分辨率的数字输出以允许处理所捕获的图像，例如具有640×480像素的分辨率的数字图像。优选地，每个像素根据其光学透射比被转化成八位值(0到255)，“00000000”是用于透过像素的最小光量的指定值，以及“11111111”是用于透过像素的最大光量的指定值。载玻片12固定在电动台20上，电动台相对于显微镜18的观察区扫描载玻片12，同时照相机16在生物样品12的不同区域上方捕获图像。照相机16的快门速度优选地相对较高，使得扫描速度和/或获得的图像的数量可以最大化。
在执行分析功能的过程中，系统10包括图像处理器22，其对从照相机16获得的数字图像执行各种操作。例如，图像处理器22可以执行初步分割(primary segmentation)、二次分割(secondarysegmentation)、分类、以及结构分析操作，以确定各个载玻片12是正常还是可疑。
在初步分割操作中，图像处理器22从进一步考虑事项中去除人为假象。这由图像处理器22通过从进一步考虑事项中屏蔽(mask)数字图像中的那些由于其亮度而不太可能是细胞核的像素来完成。数字图像中的剩余像素形成具有各种形状和尺寸的“斑点(blob)”。然后图像处理器22对斑点执行侵蚀处理，以从进一步考虑事项中去除直径仅为较少的像素的斑点以及从斑点伸出或与相邻的斑点连接的窄带。图像处理器22然后根据斑点中像素的数量来确定图像中的每个像素是个体对象还是簇(clustered)对象。例如，具有多于590个像素的斑点可以被认为是簇对象，而具有590个或小于590个像素的斑点可以被认为是个体对象。对于个体对象而言，将不再进一步考虑不能满足特定标准的斑点，该特定标准涉及总面积、周长面积比、光密度标准差、以及灰度级平均像素值。
在二次分割操作中，图像处理器22去除不太可能是个体细胞或簇细胞的斑点。对于个体对象而言，图像处理器22执行从剩余斑点去除小对象和消除突出物(proiection)的一系列侵蚀操作，以及从剩余斑点去除孔的扩张操作。对于簇对象而言，图像处理器22锐化(sharpen)对象的边缘，以提供限定的边界。图像处理器22然后从限定的簇对象中选择具有最高的细胞核积分光密度(IOD)的个体对象以及满足特定的形状要求的个体对象。从簇对象中提取的个体对象将被标记为簇提取对象。
在分类操作中，图像处理器22为每个个体对象和簇对象测量各种特征，然后基于这些特征的测量值来计算每个对象的对象评分。基于该评分，图像处理器22去除可能是人为假象的个体对象和簇对象。那些剩余的个体对象被认为是感兴趣对象(OOI)。图像处理器22然后为其细胞核IOD评价OOI(修正的(corrected)或未修正的)，并根据IOD值将OOI评级。图像处理器22还为结构分析测量每个OOI的细胞核面积，这将在下文中描述。对于每个数字图像而言，图像处理器22然后在存储器24内存储OOI及其评级、以及测量的细胞核面积和细胞核IOD作为帧数据记录(FDR)。在示出的实施例中，为每个载玻片12获得大约2000个数字图像，并且因此在存储器24中将为每个载玻片12存储大约2000个FDR。
在结构分析操作中，图像处理器22从FDR获得100个最高评级的OOI的细胞核面积和细胞核IOD，并生成每个OOI的细胞核面积(y-轴)对细胞核IOD(x-轴)的散点图。例如，在图3中示出的散点图是从承载带有正常细胞的生物样品的载玻片生成的，而图4中示出的散点图是从承载带有异常细胞的生物样品的载玻片生成的。基于该散点图，图像处理器22将把样品14分类为正常并将生物样品14标记为不需要细胞学技士的进一步检查，或者把样品14分类为可疑并将生物样品14标记为需要细胞学技士的进一步检查。
一般而言，如图4所示，含有反映异常性的细胞的生物样品往往在细胞核面积和细胞核IOD两个方面均具有较宽广的分布(即，分散点趋向于形成松散地有界区域)。相反，如图3所示，含有正常细胞的生物样品趋向于在细胞核面积和细胞核IOD两个方面均具有狭小的分布(即，分散点趋向于形成紧密地有界区域)。因此，分散点分布的范围提供了位于载玻片12上的生物样品14是正常还是可疑的指示。图3和图4中示出的散点图的差异源于异常细胞将往往比正常细胞具有更大的细胞核面积和更高的细胞核IOD(由于染色质数量的增加)的事实，并且因此将使分散点的范围远离由正常细胞产生的分散点分布所限定的相反是明确限定的区域。
可以使用各种方式中的任意一种来量度分散点分布，但足在优选实施例中，如图3和图4所示，对分散点执行几何拟合。特别地，来自正常载玻片的分散点分布往往将略为椭圆形，因此椭圆形的拟合是优选的。随着分散点分布与该紧密地有界椭圆形不一样而使生物样品逐渐地变得更加可疑，利用该总的原理，由椭圆的短轴和长轴所测量的椭圆的尺寸将提供生物样品是正常还是可疑的指示。长轴和短轴的维度可以被加权并用于计算合成评分。
一旦计算出评分，则将其与阈值进行比较。假设以某种方式计算评分，使得生物样品的嫌疑随着评分的增加而增加，高于阈值的评分将指示生物样品是可疑的，而低于阈值的评分将指示生物样品是正常的。在此情况下，如果评分小于阈值，图像处理器22将把样品14分类为正常，并且如果评分大于阈值，将把样品14分类为可疑。
值得注意的是，阈值的选择取决于两个竞争因素假阴性(即，含有被识别为正常的异常细胞的载玻片)的产生和假阳性(即，含有被识别为可疑的正常细胞的载玻片)的产生。一般地，由于错误诊断疾病的可能性比需要细胞学技士进行不必要的检查的可能性要性质严重，因此假阴性的产生比假阳性的产生更不能容忍。由此，则阈值优选地选择为，使得假阴性的百分比保持在低水平(例如5％)，同时允许假阳性的百分比增加到高水平(例如50％)。在此情况下，尽管随后检查两倍于所需的载玻片，但是，实际上由细胞学技士检查的载玻片的数量成半地减少了。
特别地，由于散点图将可能从可疑OOI的浓缩组(enriched set)产生，因此分析的OOI的数量的有限性(即，只用100个OOI来生成散点图)不仅减少了处理需求，还有助于防止假阴性。
为了进一步使假阴性最小化，可以使用另外的信息以确保从最高评级的OOI生成的散点图是可靠的。例如，可以生成基于所有OOI的细胞核面积和细胞核IOD的散点图，并用于生成另一评分。同从最高评级的OOI生成的散点图所导出的评分一样，这个评分可以同阈值进行比较，并用于确定样品14应被分类为正常还是可疑。在此情况下，只要来自两个散点图的评分的任一个在各自的阈值之上，则样品14将被分类为可疑。因此，为了使样品14被分类为正常，两个评分必须均在各自的阈值之下。可选地，从两个散点图导出的评分可以被加权并合并成总评分，然后可将该总评分与单个阈值进行比较。
可以使用其它信息来确定从最高评级的OOI生成的散点图是否是可靠的。例如，可以测量生物样品中的人为假象的数量(其上升的数量可能导致假评分)并将其与阈值相比较。如果人为假象的数量高于该阈值，则样品14可以被分类为可疑，即使从散点图导出的评分可能指示载玻片12是正常的。
同样，可以测量OOI的数量并将其与阈值或阈值范围相比较。例如，较少数量的OOI可以指示从其生成散点图的OOI的集合(pool)在统计上太小而不能提供精确结果。或者相对较大量的OOI可能产生大量的人为假象，其可能使从散点图获得的结果失真。在此情况下，如果OOI数量小于低阈值或大于高阈值，即，OOI的数量在阈值范围之外，则样品14可以被分类为可疑，即使从散点图导出的评分可能指示载玻片12是正常的。
可以测量少量OOI或全部OOI的平均光密度(修正的(corrected)或未修正的)并将其与阈值或阈值范围相比较。例如，较低的光密度可能指示样品染色不够充分，而相对较高的光密度可能指示样品染色过度。任一种情况均可能使细胞核IOD测量失真，从而产生假评分。在此情况下，如果平均光密度小于低阈值或大于高阈值，即，平均光密度在阈值范围之外，则样品14可以被分类为可疑，即使从散点图导出的评分可能指示载玻片12是正常的。
应当注意，系统10可以将样品分类用于除确定载玻片是否应该由细胞学技士进一步检查之外的其他目的。例如，由系统10分类得到的正常样品可以用于使设备(诸如需要细胞学技士检查所有载玻片的筛查系统)标准化。例如，可以通过筛查系统处理正常样品以提供标准化的细胞核平均光密度。然后可以通过筛查系统处理随后的未被处理的样品。如果随后的样品具有不同于标准化的细胞核平均光密度某一给定量的测量细胞核平均光密度(例如，如果随后的样品被过度染色或染色不够)，则将拒绝该结果。
散点图的用途还可以用作在每个样品内描述为正常或可疑细胞核物质的筛查系统。特别地，参照图6，示出了根据本发明的另一实施例构造的生物筛查系统110。除了系统110需要细胞学技士随后检查所有载玻片112(在图5中示出了一个)以外，筛查系统110同先前描述的系统10大致相同，使细胞学技士的注意力仅集中到样品114的那些可疑区域(称为感兴趣域(FOI))。换言之，在细胞学技士检查之前没有载玻片112(即使是可疑的)被排除。系统110使用散点图来指示哪些载玻片112是可疑的，从而使细胞学技士特别注意可疑载玻片。
系统110通常包括(1)成像站118，用于获得在载玻片112上容纳的生物材料的扫描图像，并从该图像生成电子图像数据；(2)服务器120，用于过滤图像数据以获得OOI并用于为每个FOI分配一个或多个OOI；以及(3)多个检查站122(示出了3个)，其每个都提供了被相对于每个FOI进行扫描以向细胞学技士呈现OOI的视场(FOV)(在图7中示出)。系统110还可以包括用户接口(未示出)，包括监视器、键盘、和鼠标(都未示出)，使得细胞学技士可以与系统110交互。
成像站118被设定用于以与前述关于筛查系统10的方式类似的方式来使载玻片112成像。因此，成像站118包括与上述的照相机16、显微镜18、以及电动台20类似的照相机124、显微镜126、以及电动台128。然而，电动台128还追踪图像被照相机124捕获时的x-y坐标。例如，可以将编码器(未示出)耦合到电动台128的各个电动机，以追踪在成像期间在x方向和y方向上移动的净距离。相对于粘贴到载玻片112(在图5中示出)的基准点116测量这些坐标。正如将在下文中详细描述的，这些基准点116还将被每个检查站122使用，以确保在检查过程期间的载玻片112的x-y坐标能够与在成像过程期间获得的载玻片112的x-y坐标相关联。
服务器120包括(1)图像处理器130，被设定用于从由照相机124获得的图像数据中获得OOI；(2)FOI处理器132，被设定用于向每个FOI分配OOI；(3)路径处理器134，被设定用于绘制路径路线，检查站122将使用该路径路线来从一个FOI扫描到下一个；以及(4)存储器136，被设计用于存储OOI和FOI、OOI的评级和x-y坐标、以及FOI的路径路线。应当理解，由各个处理器130、132、和134执行的功能可以由单个处理器来执行，或者可选地，由多于三个的处理器来执行。同样地，还可以理解，存储器136可以分成多个存储器。
图像处理器130类似于先前描述的图像处理器22，除了其将ABC(即，异常簇)评级并将ABC连同其评级用FDR存储以外。图像处理器130另外地在FDR内存储OOI和ABC的坐标。图像处理器130以与图像处理器22相同的方式，从FDR获得100个最高评级的OOI的细胞核面积和细胞核IOD，并生成每个OOI的细胞核面积(y-轴)对细胞核IOD(x-轴)的散点图。图像处理器130然后基于散点图以及可选地任何另外的信息来将载玻片112分类为正常或可疑。如果载玻片112被分类为可疑，则图像处理器130将在存储器136中存储做出这种指示的标记。
FOI处理器132基于OOI的x-y坐标来限定FOI。在示出的实施例中，限定了22个FOI，其中20个是为OOI保留的，2个是为ABC(即，异常簇)保留的。在最简单的情况下，20个FOI居中于20个最高评级的OOI之上，并且剩余的2个FOI居中于2个最高评级的ABC之上。可选地，以避免在该FOI中包括已经包括在另一FOI中的OOI和ABC的方式来限定FOI。通过这种方式，OOI和ABC可以在FOI内以坐标方式分组，从而包括在FOI内的OOI和ABC的数量可以最大化。可选地，如果FOI的数量不固定，则包括所有OOI和ABC所需的FOI的数量可以最小化。
在生成FOI之后，FOI处理器132将所有的FOI的x-y坐标存储在存储器136中，以便于路径处理器134的稍后使用。特别地，路径处理器134使用适当的路径算法(诸如，“旅行推销员(travelingsalesman)”算法)绘制FOI的x-y坐标，其决定了用于在检查站122呈现FOI的最有效观察路径。路径处理器134然后将FOI的x-y坐标连同路径方案(在示出的实施例中，其通过简单的将FOI按照其将被检查的顺序放在列表中来实现)存储在存储器136中，以便于检查站122的后续访问。
仍然参照图6，在一个实施例中，示出了与服务器120耦合的共三个检查站122，使得多达三个细胞学技士可以同时访问存储在服务器120中的有关信息。特别地，系统110通常能够比细胞学技士能够观察载玻片更快地处理载玻片112。即使系统110的样品处理速度低于细胞学技士的样品检查速度，系统110一般地一天可以工作24小时，而典型的细胞学技士一天仅能工作8小时。因此，筛查过程中的瓶颈出现在人类层次，即，容纳在载玻片112上的生物材料的详细检查。因此，能够理解，多个检查站122的使用减轻了这种瓶颈，从而提供了更加有效的过程。
在描述检查站122的细节之前，参照图7，其示出了每个检查站122居中在FOI上方的示例性FOV。在示出的实施例中，FOV的直径为2.2mm，并且FOI由被限定为由FOV所圈起来的一个0.4mm×0.4mm正方形。在实际实施例中，FOI的边界是虚构的以及不可见的，从而细胞学技士对任何OOI的观察均不会被阻隔。为了更快地将细胞学技士的注意力贯注到FOI并提供通常指示由FOI的虚构边界限定的准确区域范围的参考，提供了L形的标记指示器142。标记指示器142捕获FOI(即，标记指示器142的开口方形部分144与FOI的左边和底边邻接)。在标记指示器142的边界和FOI的虚边界之间设置0.05mm的空隙，使得OOI延伸到FOI的左边界和底边界的外部的部分(由包括在FOI内但是居中于FOI的左边界和底边界附近的OOI产生)不会被标记指示器142妨碍。标记指示器142还用于提供一种方法，用于当需要病理学家进一步检查时(例如，如果OOI具有恶性属性或恶变前属性)，使细胞学技士电子地标记FOI(例如，通过按下给标记指示器52电子地上色的按钮)。
回过头来参照图6，每个检查站122包括显微镜138和电动台140。将载玻片112(在图像处理之后)置于电动台140上，使电动台基于从存储器136获得的路径方案和FOI的x-y坐标，相对于显微镜138的观察区移动载玻片112。将载玻片112(在图像处理之后)置于电动台140上，使电动台基于从存储器136获得的路径方案和FOI的x-y坐标的变换，相对于显微镜138的观察区移动载玻片112。特别地，这些相对于成像站118的x-y坐标系获得的x-y坐标，将使用附加到载玻片112的基准点116(在图5中示出)，转化成检查站122的x-y坐标系。因此，确保了在检查过程期间的载玻片112的x-y坐标与在成像过程期间的载玻片112的x-y坐标相关联。电动台140然后将如路径方案指示的那样根据FOI变换后的x-y坐标移动。在示出的实施例中，为了从一个FOI前进到另一个，细胞学技士按下启动开关(未示出)。在此意义上，检查站122是半自动的。可选地，自动地将一个FOI前进到下一个。在此情况下，自动台140可以对每个FOI随意地暂停预定量的时间。在此意义上，检查站122是全自动的。
当选择的FOI呈现在显微镜138的FOV中时，细胞学技士检查FOI并对细胞异常(如果有的话)的程度作出判定。细胞学技士然后将电子地标记可疑的FOI。细胞学技士能够返回到以前观察过的FOI，并手动地移动到(并观察)在载玻片上的未被FOI包围的位置。接下来检查载玻片112，如果FOI的任一个已经被细胞学技士做了标记，则检查站122自动扫描整个生物样品112，从而确保了100％的观察范围。如果需要，细胞学技士能够中止自动扫描并移动台140，以重新定位并访问载玻片112上的位置。
特别地，如果样品114已经被分类为可疑，则检查站122将通知细胞学技士(例如，通过提供可听或可视信号)，而在此情况下，同细胞学技士将对承载有被分类为正常的样品的载玻片进行的检查相比较而言，将促使细胞学技士对载玻片执行更加彻底的检查。
散点图的使用也能够用于确定对一批样品的染色质量的量度。已经发现，低质量染色的生物样品(例如，没有遵循染色规程或染色剂的使用年限已经超过了其保存期并已经变质)往往在细胞核面积和细胞核IOD两方面均具有较宽分布(即，分散点趋向于形成松散有界区域)。相反地，高质量染色的生物样品往往在细胞核面积和细胞核IOD两方面均具有较狭小分布(即，分散点趋向于形成紧密有界区域)。因此，分散点分布的范围提供了对位于载玻片12上的生物样品14的染色质量的指示。从高质量染色和低质量染色生成的散点图之间的差异源于低质量染色不均匀的事实，并且因此将使分散点远离明确限定的区域，该区域由相对于细胞质而均匀和限定明确的细胞核产生。
可以使用各种方法中的任意一种来量度每个样品的分散点分布。在一个实施例中，对分散点执行几何拟合并以与上述的确定样品是正常还是可疑中相同的方式来计算值。然后从一批样品(例如，100个样品)的计算值来计算合并值，从而能够整体地量度该批样品的染色质量。可以计算这些样品的点分布值的中值(median)。可选地，可以计算一定百分比的样品的点分布值(例如，最少10个点分布值)的中值。可以使用点分布值的众数(mode)或平均数，而不使用中值。
一旦计算出中值，其可以用于确定当前的样品是否被适当地染色。这可以用各种方式来实现。例如，可以将中值与由已知为染色正确的样品计算的基线值(例如，通过取点分布值的平均数)相比较。优选地，用于计算基线中值的样品的数量足够大，以提供通过设置有成像系统的位置所处理的样品的正规取样。
假设以某方式计算点分布值，使得值随着样品的染色质量的降低而升高，则高出基线值给定量的中值将指示当前批样品可能具有低质量的染色。在此情况下，图像处理器22将产生用于指示最近分析的样品可能没有被正确地染色的错误消息或标记。然后可以人工地检查这些可疑样品的子组，以在视觉上确认染色的质量。
可选地，可以使用卡方(Chi-Square)统计方法来评估同前面批次样品的中值相比较的当前批次样品的中值。例如，给出下列等式c2＝∑(fo-fe)2/fe，其中，c2等于卡方，fo等于获得的平均值，并且fe等于期望平均值，可确定是否最近一批样品具有低质量染色。例如，如果最后五批样品的平均值分别是130、150、110、100、和170，则fe等于130+150+110+100+1705=132,]]>并且c2=(130-132)2132+(150-132)2132+(110-132)2132+(100-132)2132+(170-132)2132=]]>0.0303+2.4545+3.6667+7.7575+10.9393＝24.8483使用标准统计手册，然后可以用给定地置信水平将卡方c2同截止值相比较，以确定多批样品的平均值是否在正常的分布之内。如果不在，则确定最近的一批样品具有低质量的染色。
可选地，点分布值可以直接同基线值相比较，而不是从计算的点分布值确定平均值然后再将平均值同基线值相比较。在此情况下，可以计算超过基线值的给定数量的点分布值的数量，并将其与阈值数相比较。例如，如果20％的点分布值超过阈值给定数，则可以确定染色剂的质量是可疑的，从而促使产生错误消息或标记。
权利要求
1.一种用于对生物样品进行分类的生物筛查系统，包括成像站，用于获得所述样品的扫描图像，并从所述扫描图像生成图像数据；以及至少一个处理器，用于过滤所述图像数据以获得感兴趣对象，识别在所述生物样品内的多个感兴趣对象，测量每个感兴趣对象的细胞核面积，测量每个感兴趣对象的细胞核积分光密度，生成所测量的细胞核面积对所述细胞核积分光密度的散点图，以及至少部分地基于所述散点图内点的分布来将所述样品分类为正常。
2.根据权利要求1所述的生物筛查系统，其中，所述至少一个处理器还用于将正常样品标记为不需要进一步检查。
3.根据权利要求1所述的生物筛查系统，其中，所述至少一个处理器还用于基于所述点分布来将所述样品分类为正常或可疑。
4.根据权利要求3所述的生物筛查系统，其中，所述至少一个处理器还用于将正常样品标记为不需要进一步检查，并将可疑样品标记为需要进一步检查。
5.根据权利要求1所述的生物筛查系统，其中，将所述样品基于所述点分布的范围分类为正常。
6.根据权利要求5所述的生物筛查系统，其中，如果所述点分布范围低于阈值，则将所述样品分类为正常。
7.根据权利要求5所述的生物筛查系统，其中，所述至少一个处理器还用于量度所述点分布范围，限定阈值，以及将所量度的点分布范围与所述阈值相比较，其中，将所述样品基于所述比较来分类为正常。
8.根据权利要求7所述的生物筛查系统，其中，所述至少一个处理器通过对所述点拟合几何形状、确定所述几何形状的至少一个维度、并计算是所述至少一个维度的函数的值，来量度所述点分布范围，并且其中，所述至少一个处理器通过将所计算的值与所述阈值相比较，来将所量度的点分布范围与所述阈值相比较。
9.根据权利要求8所述的生物筛查系统，其中，所述几何形状是椭圆形。
10.根据权利要求7所述的生物筛查系统，其中，所述至少一个处理器通过计算出值来量度所述点分布范围，其中，将所计算的值与所述阈值相比较。
11.根据权利要求1所述的生物筛查系统，其中，所述至少一个处理器还用于测量所述生物样品的至少一个另外的特征，其中，将所述样品进一步基于所述至少一个另外的测量特征来分类为正常。
12.根据权利要求11所述的生物筛查系统，其中，所述至少一个处理器还用于基于所述至少一个另外的测量特征来确定所述散点图是可靠的。
13.根据权利要求11所述的生物筛查系统，其中，所述至少一个另外的测量特征是所述生物样品中的感兴趣对象的总数。
14.根据权利要求11所述的生物筛查系统，其中，所述至少一个另外的测量特征是所述生物样品中的人为假象的总数。
15.根据权利要求11所述的生物筛查系统，其中，所述至少一个另外的测量特征是所述感兴趣对象的细胞核平均光密度。
16.根据权利要求1所述的生物筛查系统，其中，所述感兴趣对象的数量是预定的。
17.根据权利要求3所述的生物筛查系统，其中，所述至少一个处理器还用于如果所述样品被分类为可疑则产生多个感兴趣域以包括所述感兴趣对象，所述系统还包括自动或半自动检查站，用于相对于每个感兴趣域扫描视场以呈现所述感兴趣对象。
18.一种用于对生物样品进行分类的生物筛查系统，包括成像站，用于获得所述样品的扫描图像，并从所述扫描图像生成图像数据；以及至少一个处理器，用于过滤所述图像数据以获得感兴趣对象，识别所述生物样品内的多个感兴趣对象，测量每个感兴趣对象的第一特征，测量每个感兴趣对象的第二特征，生成所述第一测量特征对所述第二测量特征的散点图，所述散点图具有带有范围的点分布，并将所述样品至少部分地基于所述点分布的所述范围来分类为正常。
19.根据权利要求18所述的生物筛查系统，其中，所述至少一个处理器还用于将正常样品标记为不需要进一步检查。
20.根据权利要求18所述的生物筛查系统，其中，所述至少一个处理器还用于基于所述点分布来将所述样品分类为正常或可疑。
21.根据权利要求20所述的生物筛查系统，其中，所述至少一个处理器还用于将正常样品标记为不需要进一步检查，并将可疑样品标记为需要进一步检查。
22.根据权利要求18所述的生物筛查系统，其中，如果所述点分布范围低于阈值，则将所述样品分类为正常。
23.根据权利要求18所述的生物筛查系统，其中，所述至少一个处理器还用于量度所述点分布范围，定义阈值，以及将所量度的点分布范围与所述阈值相比较，其中，将所述样品基于所述比较来分类为正常。
24.根据权利要求23所述的生物筛查系统，其中，所述至少一个处理器通过对所述点拟合几何形状、确定所述几何形状的至少一个维度、并计算是所述至少一个维度的函数的值，来量度所述点分布范围，并且其中，所述至少一个处理器通过将所计算的值与所述阈值相比较，来将所量度的点分布范围与所述阈值相比较。
25.根据权利要求24所述的生物筛查系统，其中，所述几何形状是椭圆形。
26.根据权利要求23所述的生物筛查系统，其中，所述至少一个处理器通过计算出值来量度所述点分布范围，其中，将所计算的值与所述阈值相比较。
27.根据权利要求18所述的生物筛查系统，其中，所述至少一个处理器还用于测量所述生物样品的至少一个另外的特征，其中，将所述样品进一步基于所述至少一个另外的测量特征来分类为正常。
28.根据权利要求27所述的生物筛查系统，其中，所述至少一个处理器还用于基于所述至少一个另外的测量特征来确定所述散点图是可靠的。
29.根据权利要求27所述的生物筛查系统，其中，所述至少一个另外的测量特征是所述生物样品中的感兴趣对象的总数。
30.根据权利要求27所述的生物筛查系统，其中，所述至少一个另外的测量特征是所述生物样品中的人为假象的总数。
31.根据权利要求27所述的生物筛查系统，其中，所述至少一个另外的测量特征是所述感兴趣对象的细胞核平均光密度。
32.根据权利要求18所述的生物筛查系统，其中，所述感兴趣对象的数量是预定的。
33.根据权利要求18所述的生物筛查系统，其中，所述至少一个处理器还用于在所述样品被分类为可疑的情况下产生多个感兴趣域以包括所述感兴趣对象，所述系统还包括自动或半自动检查站，用于相对于每个感兴趣域扫描视场以呈现所述感兴趣对象。
全文摘要
用于对生物样品进行分类的系统。在生物样品中识别多个感兴趣对象。测量每个感兴趣对象的第一特征(例如，细胞核面积)和每个感兴趣对象的第二特征(例如，细胞核积分光密度)，并生成第一和第二特征的散点图。基于散点图内点的分布来将样品分类为正常或可疑。
文档编号G06K9/00GK1806166SQ200480016334
公开日2006年7月19日 申请日期2004年5月19日 优先权日2003年6月12日
发明者卡姆·L·翁, 路易丝·伊森施泰因, 戴维·扎赫尼塞尔 申请人:西泰克公司