数字化组织图像中诊断相关的组织学图案的参数化建模和推断

所公开的概念一般而言涉及数字病理学，并且具体地涉及用于对诊断相关的组织学图案的字典进行参数化建模并使用建模方案来量化数字病理图像中图案的存在以便能够对数字病理图像中的疾病状态进行分类的系统和方法。

背景技术：

1、数字成像技术和计算能力的进步现已为基于人工智能(ai)的病理学工作流程的重大转变铺平了道路。以临床体积对显微镜载玻片快速成像现在是可行的，并且在最近获得监管批准的情况下，现在允许使用这些数字病理图像进行真正的临床诊断。一个重要的补充是以新颖的机器学习(ml)工具的形式出现的计算病理学，病理学家可以使用这些工具来大大改善他们的诊断表现，尤其是在准确性和效率方面。此类工具还可以应用于整个病理实验室，用于其它应用，例如病例分类或自动实时质量保证。许多研究现在已经示出早期的希望，而且越来越清楚的是，病理学家和他们的患者可以从使用强大的计算病理学工具中获益匪浅。

2、ai在数字病理学领域中有着广泛的热情，但这种热情因对潜在风险的谨慎和合理担忧而受到强烈抑制。另外，几乎所有早期的计算病理学尝试都使用卷积神经网络，也称为深度学习。深度学习是强大的，但它是不透明的，就像“黑匣子”，人们无法打开它来窥视内部，看看它在做什么或它究竟是如何工作的，甚至它是否按预期工作。此类系统给出了答案，但不允许病理学家问“为什么？”。

技术实现思路

1、在一个实施例中，提供了一种计算病理学方法，其广泛适用于许多组织学，包括那些与高水平和器官特异性疾病实体相关的组织学，包括肿瘤和非肿瘤病理学。该方法包括接收用于组织样本的图像的多参数细胞和/或亚细胞成像数据，并且在多参数细胞和亚细胞成像数据中定位和分割组织样本的多个组织成分以生成分段的多参数细胞和亚细胞成像数据。该方法还包括将参数化特征建模方案应用于分段的多参数细胞和亚细胞成像数据中的某些组织成分，其中参数化特征建模方案是从预先存在的诊断相关组织学图案的字典生成的并且包括适用于定义疾病的多个疾病实体的多个结构特征，并且其中应用包括确定用于组织样本的每个结构特征的量化，以及基于确定的每个结构特征的量化对组织样本中疾病的状态进行分类。

2、在另一个实施例中，提供了一种计算机化的计算病理学系统，用于区分来自多个患者的多个组织样本或多个多细胞体外模型的多参数细胞和亚细胞成像数据中的诊断组织图案。与刚刚描述的方法一样，该系统广泛适用于许多组织学，包括那些与高水平和器官特异性疾病实体相关的组织学，包括肿瘤和非肿瘤病理学。该系统包括处理装置，其中该处理装置包括多个组件，被配置用于：(i)在多参数细胞和亚细胞成像数据中定位和分割组织样本的多个组织成分以生成分段的多参数化细胞和亚细胞成像数据；(ii)将参数化特征建模方案应用于分段的多参数细胞和亚细胞成像数据中的某些组织成分，其中参数化特征建模方案是从预先存在的诊断相关组织学图案的字典生成的并且包括适用于定义疾病的多个疾病实体的多个结构特征，并且其中应用包括确定用于组织样本的每个结构特征的量化；以及(iii)基于确定的每个结构特征的量化对组织样本中疾病的状态进行分类。

技术特征：

1.一种计算病理学方法，包括：

2.根据权利要求1所述的方法，其中结构特征包括多个细胞形态特征和多个空间细胞组织特征。

3.根据权利要求2所述的方法，其中定位和分割所述多个组织成分包括定位和分割组织样本中的多个细胞核，组织成分中的某些组织成分包括所述多个细胞核，并且其中所述多个细胞形态特征包括各自基于每个细胞核的细胞核尺寸的多个尺寸特征、各自基于每个细胞核的细胞核形状的多个形状特征，以及各自基于每个细胞核的细胞核间隔的程度的多个空间扩展特征。

4.根据权利要求3所述的方法，其中所述多个尺寸特征包括细胞核小度特征和细胞核大度特征，其中所述多个形状特征包括细胞核圆度特征和细胞核椭圆度特征，并且其中所述多个空间扩展特征包括细胞核拥挤度特征和细胞核隔开度特征。

5.根据权利要求4所述的方法，其中细胞核小度特征基于从包含包括小分类在内的第一尺寸分类的细胞核的原型区域获得的细胞核区域的第一直方图，其中第一直方图用伽马分布建模，并且其中细胞核大度特征基于从包含包括大分类在内的第二尺寸分类的细胞核的原型区域获得的细胞核区域的第二直方图，其中第二直方图用伽马分布建模。

6.根据权利要求4所述的方法，其中细胞核圆度特征基于各自由(4π×面积)/周长2给出的多个第一测量，并且其中细胞核椭圆度特征基于各自由短轴的长度与长轴的长度之比给出的多个第二测量。

7.根据权利要求6所述的方法，其中细胞核圆度特征的范围从0(指示不规则的星状外观)到1(指示完美的圆形)，并且其中细胞核椭圆度特征表征细胞核的平坦度，其中较低的值表示高度椭圆形的细胞核。

8.根据权利要求6所述的方法，其中细胞核圆度特征考虑每个细胞核周围的空间邻域并且用伽玛分布对圆度分布进行建模，并且其中细胞核椭圆度特征考虑每个细胞核周围的空间邻域并且用2分量混合高斯(mog)模型对椭圆度的分布进行建模。

9.根据权利要求4所述的方法，其中通过为每个细胞核计算到多个最近邻细胞核的平均距离来量化细胞核拥挤度特征。

10.根据权利要求4所述的方法，其中通过对每个细胞核放置以参考细胞核为中心的网格细胞并通过对网格细胞中细胞核的总体进行计数来测量多个相邻细胞核的密度来量化细胞核隔开度特征。

11.根据权利要求4所述的方法，其中在完全空间随机性假设下将所述总体与预期的细胞核数进行比较。

12.根据权利要求4所述的方法，其中所述多个空间细胞组织特征包括筛状特征和尖桩栅栏特征，筛状特征指示某些组织成分表现出筛状图案的程度，而尖桩栅栏特征指示某些组织成分表现出尖桩栅栏图案的程度。

13.根据权利要求1所述的方法，其中所述多个结构特征包含多个一元特征、包括一元特征中的两个特征的组合的多个二元特征，以及包括选自一元特征或其它结构特征的三个或更多个特征的组合的多个三元特征。

14.根据权利要求13所述的方法，其中每个二元特征包括来自其一元特征的z分数的联合分布，其具有双分量、二维混合高斯分布。

15.根据权利要求12所述的方法，其中所述多个结构特征包括多个一元特征、多个二元特征和多个三元特征，其中所述多个一元特征包括细胞核小度特征、细胞核大度特征，细胞核圆度特征、细胞核椭圆度特征、细胞核拥挤度特征和细胞核隔开度特征，其中所述多个二元特征包括细胞核大度-圆度特征、细胞核小度-椭圆度特征、细胞核隔开度-大度特征、细胞核拥挤度-小度特征、细胞核隔开度-小度特征、细胞核拥挤度-椭圆度特征和细胞核隔开度-圆度特征，并且其中所述多个三元特征包括细胞核大度-圆度-隔开度特征、筛状特征和尖桩栅栏特征。

16.一种非暂态计算机可读介质，其存储包括指令的一个或多个程序，指令在由计算机执行时使计算机执行权利要求1的方法。

17.一种计算机化的计算病理学系统，用于区分来自多个患者的多个组织样本或多个多细胞体外模型的多参数细胞和亚细胞成像数据中的诊断组织图案，包括：

18.根据权利要求17所述的系统，其中结构特征包括多个细胞形态特征和多个空间细胞组织特征。

19.根据权利要求18所述的系统，其中定位和分割所述多个组织成分包括定位和分割组织样本中的多个细胞核，组织成分中的某些组织成分包括所述多个细胞核，并且其中所述多个细胞形态特征包括各自基于每个细胞核的细胞核尺寸的多个尺寸特征、各自基于每个细胞核的细胞核形状的多个形状特征，以及各自基于每个细胞核的细胞核间隔的程度的多个空间扩展特征。

20.根据权利要求19所述的系统，其中所述多个尺寸特征包括细胞核小度特征和细胞核大度特征，其中所述多个形状特征包括细胞核圆度特征和细胞核椭圆度特征，并且其中所述多个空间扩展特征包括细胞核拥挤度特征和细胞核隔开度特征。

21.根据权利要求20所述的系统，其中细胞核小度特征基于从包含包括小分类在内的第一尺寸分类的细胞核的原型区域获得的细胞核区域的第一直方图，其中第一直方图用伽马分布建模，并且其中细胞核大度特征基于从包含包括大分类在内的第二尺寸分类的细胞核的原型区域获得的细胞核区域的第二直方图，其中第二直方图用伽马分布建模。

22.根据权利要求20所述的系统，其中细胞核圆度特征基于各自由(4π×面积)/周长2给出的多个第一测量，并且其中细胞核椭圆度特征基于各自由短轴的长度与长轴的长度之比给出的多个第二测量。

23.根据权利要求22所述的系统，其中细胞核圆度特征的范围从0(指示不规则的星状外观)到1(指示完美的圆形)，并且其中细胞核椭圆度特征表征细胞核的平坦度，其中较低的值表示高度椭圆形的细胞核。

24.根据权利要求22所述的系统，其中细胞核圆度特征考虑每个细胞核周围的空间邻域并且用伽玛分布对圆度的分布进行建模，并且其中细胞核椭圆度特征考虑每个细胞核周围的空间邻域并且用2分量混合高斯(mog)模型对椭圆度的分布进行建模。

25.根据权利要求20所述的系统，其中通过为每个细胞核计算到多个最近邻细胞核的平均距离来量化细胞核拥挤度特征。

26.根据权利要求20所述的系统，其中通过对每个细胞核放置以参考细胞核为中心的网格细胞并通过对网格细胞中细胞核的总体进行计数来测量多个相邻细胞核的密度来量化细胞核隔开度特征。

27.根据权利要求20所述的系统，其中在完全空间随机性假设下将所述总体与预期的细胞核数进行比较。

28.根据权利要求20所述的系统，其中所述多个空间细胞组织特征包括筛状特征和尖桩栅栏特征，筛状特征指示某些组织成分表现出筛状图案的程度，而尖桩栅栏特征指示某些组织成分表现出尖桩栅栏图案的程度。

29.根据权利要求17所述的系统，其中所述多个结构特征包含多个一元特征、包括一元特征中的两个特征的组合的多个二元特征，以及包括选自一元特征或其它结构特征的三个或更多个特征的组合的多个三元特征。

30.根据权利要求29所述的系统，其中每个二元特征包括来自其一元特征的z分数的联合分布，其具有双分量、二维混合高斯分布。

31.根据权利要求28所述的系统，其中所述多个结构特征包括多个一元特征、多个二元特征和多个三元特征，其中所述多个一元特征包括细胞核小度特征、细胞核大度特征，细胞核圆度特征、细胞核椭圆度特征、细胞核拥挤度特征和细胞核隔开度特征，其中所述多个二元特征包括细胞核大度-圆度特征、细胞核小度-椭圆度特征、细胞核隔开度-大度特征、细胞核拥挤度-小度特征、细胞核隔开度-小度特征、细胞核拥挤度-椭圆度特征和细胞核隔开度-圆度特征，并且其中所述多个三元特征包括细胞核大度-圆度-隔开度特征、筛状特征和尖桩栅栏特征。

32.根据权利要求1所述的方法，其中所述多个疾病实体包括多个器官特异性疾病实体，包括肿瘤和非肿瘤病理。

33.根据权利要求17所述的方法，其中所述多个疾病实体包括多个器官特异性疾病实体，包括肿瘤和非肿瘤病理。

技术总结
计算病理学方法包括接收用于组织样本的图像的多参数细胞和/或亚细胞成像数据，以及在多参数细胞和亚细胞成像数据中定位和分割组织样本的多个组织成分数据以生成分段的多参数细胞和亚细胞成像数据。该方法还包括将参数化特征建模方案应用于分段的多参数细胞和亚细胞成像数据中的某些组织成分，其中参数化特征建模方案是从预先存在的诊断相关组织学图案的字典生成的并且包括适于定义疾病的多个疾病实体的多个结构特征，并且其中应用包括确定用于组织样本的每个结构特征的量化，以及基于确定的每个结构特征的量化来对组织样本中的疾病的状态进行分类。

技术研发人员：S·C·彻努博特拉,A·B·托松,J·法恩
受保护的技术使用者：匹兹堡大学高等教育联邦体系
技术研发日：
技术公布日：2024/1/11