Обследующее устройство для обработки и анализа изображения

Изобретение относится к обследующему устройству, способу и машиночитаемому носителю для обработки и анализа изображения биологического образца для цифровой патологии. Технический результат заключается в повышении точности анализа области изображения. Обследующее устройство содержит блок интерфейса, блок анализа изображения, блок отображения и блок обнаружения ядер, в котором блок интерфейса выполнен с возможностью предоставлять изображение биологического образца, в котором блок анализа изображения выполнен с возможностью указывать область, представляющую интерес, на изображении в качестве эталонной области, чтобы извлекать характеристику клеток и/или ткани эталонной области из изображения и анализировать изображение на предмет альтернативных областей с характеристикой, схожей с характеристикой, извлеченной из эталонной области, в котором блок отображения выполнен с возможностью отображать результат анализа на предмет альтернативных областей со схожей характеристикой, в котором биологический образец представляет собой образец ткани и в котором блок обнаружения ядер выполнен с возможностью обнаружения ядер. 3 н. и 9 з.п. ф-лы, 5 ил.

 

ОБЛАСТЬ ИЗОБРЕТЕНИЯ

Настоящее изобретение относится к обследующему устройству для обработки и анализа изображения биологического образца, способу обследования для обработки и анализа изображения биологического образца, компьютерному программному элементу для управления таким устройством и соответствующему машиночитаемому носителю. Это изобретение создано в рамках программы Life Science for Health («LSH»).

УРОВЕНЬ ТЕХНИКИ ИЗОБРЕТЕНИЯ

Диагностическое исследование патологии в материале пациента (тканях и клетках) представляет собой основу для принятия многих решений о лечении, в частности, в онкологии. Стандартные тонкие срезы биоптата представляют на предметных стеклах и окрашивают в соответствии с определенными протоколами для того, чтобы визуализировать морфологию ткани. Оценка обычно происходит в светлопольном микроскопе.

В WO 01/39122 A1 раскрыт способ модификации данных, включающий этапы хранения в первой памяти представления объекта с использованием множества дискретных элементов данных, которые представляют соответствующие местоположения в объекте; присвоения значения сходства каждому элементу данных, значение сходства представляет свойство объекта; организации значений сходства дискретных элементов данных в паттерн, в котором элементы данных, которые смежны друг с другом в паттерне, представляют смежные местоположения внутри объекта; модификации значения сходства выбранного элемента данных на основании его взвешенного значения сходства и множества смежных элементов данных; хранения модифицированных значений сходства элементов данных; и формирования изображения, которое может просматривать пользователь, которое состоит из множества дискретных визуальных пикселей, свойства отображения которых основаны на модифицированных значениях сходства элементов данных. В статье «Automatic nuclei segmentation and spatial FISH analysis for cancer detection» Nandy K; Gudla P R; Meaburn K J; Misteli T; Lockett S J, PROCEEDINGS OF THE 31ST ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY: ENGINEERING THE FUTURE OF BIOMEDICINE, EMBC 2009, 20090903 IEEE - ISBN 978-1-4244-3296-7, ISBN 1-4244-3296-0, страницы 6718-6721, раскрыт пространственный анализ местоположения гена с использованием мечения флуоресцентной гибридизации in situ (FISH) для раннего обнаружения злокачественной опухоли. В US 2012/045790 A1 раскрыт способ использования в биопсии, гистологии и патологии. Он включает предоставление цифрового первого изображения первого среза объекта, который содержит биологический материал; генерацию цифрового второго изображения второго среза объекта; определение области, представляющей интерес, на втором изображении на основании области, представляющей интерес, на первом изображении; определение области, представляющей интерес, во втором срезе на основании области, представляющей интерес, на втором изображении; и извлечение материала из области, представляющей интерес, во втором срезе.

В настоящее время, выбор области, представляющей интерес (ROI), выполняют вручную, что является неточным, а также утомительным. Кроме того, в ткани можно пропускать более хорошие или альтернативные области. Другие области могут быть лучше в силу различных причин. Одна причина может состоять в том, что область содержит более релевантные клетки/материал для последующего анализа. Другая причина может быть в том, что область является более гомогенной, что повышает чувствительность и специфичность, а также воспроизводимость.

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

Таким образом, может существовать необходимость предоставить обследующее устройство для обработки и анализа изображения биологического образца, в котором, в частности, усовершенствован выбор области, представляющей интерес (ROI).

Цель настоящего изобретения достигают с помощью объектов изобретения в соответствии независимыми пунктами формулы изобретения, где дополнительные варианты осуществления включены в зависимые пункты формулы изобретения.

В соответствии с настоящим изобретением, представлено обследующее устройство для обработки и анализа изображения биологического образца. Оно содержит блок интерфейса, блок анализа изображения и блок отображения. Блок интерфейса выполнен с возможностью предоставлять изображение биологического образца и может представлять собой, например, интерфейс для устройства сканера для того, чтобы оцифровывать биологический образец. Блок анализа изображения выполнен с возможностью указывать область, представляющую интерес, на изображении в качестве эталонной области, чтобы извлекать характеристику эталонной области из изображения и анализировать изображение на предмет альтернативных областей со схожей характеристикой. Блок отображения выполнен с возможностью отображать результат анализа на предмет альтернативных областей со схожей характеристикой.

Другими словами и в качестве примера, предложено помогать, например, патологу во время выбора ROI. Патолог может вручную указывать (грубо) местоположение ROI. Ткань в этой ROI можно использовать в качестве эталона для характеристики клеток/ткани, которая представляет интерес для патолога.

Используя анализ изображения, можно извлекать характеристические признаки (клетка/ядра) выбранного участка. Кроме того, в этой области можно извлекать характеристики морфологии ткани, например, такие как плотность ядер или вариации формы или типа клетки/ядер.

В данном контексте «схожая» характеристика обозначает, что отклонение между характеристикой, извлеченной из эталонной области, и той, что извлечена из альтернативной области, составляет меньше чем±30%, предпочтительно меньше чем±20%, более предпочтительно меньше чем±10% и даже более предпочтительно меньше чем±5%.

Затем весь образец ткани сканируют на предмет участков, которые демонстрируют схожие характеристики. Кроме того, гетерогенность образца можно определять, например, посредством измерения процентной доли опухолевых клеток в каждой альтернативной области. Поскольку большая процентная доля опухолевых клеток оказывает негативное влияние на качество последующего анализа, такие области можно избегать.

Если обнаруживают альтернативные кандидатные области, пользователя можно предупреждать о них посредством визуальной обратной связи. Альтернативные области можно подсвечивать на экране с использованием конкретного цвета. Различные цвета можно использовать для того, чтобы указывать причину, по которой эти области рассматривают в качестве альтернативы. Например, чтобы привлекать дополнительное внимание к альтернативным областям, которые демонстрируют более хорошую однородность, дополнительную детализированную информацию (например, о размере или однородности) для каждой области можно представлять пользователю через текстовые окна или посредством наложения.

В значении по изобретению, биологический образец, подлежащий исследованию, может представлять собой какой-либо биологический материал, образец ткани, мазок, цитологический образец, образец из организма или тому подобное. Его можно брать, например, из кожи, слизистой поверхности глаза или тому подобного. Источником может быть человек, животное или растение. В дополнение к приложениями in vitro, термин биологический образец охватывает приложения in vivo. Например, настоящее изобретение находит интересные приложения при визуализации, например, органа в организме, с использованием каких-либо хорошо известных систем визуализации, таких как ультразвуковая, рентгеновская, MR система или тому подобное.

Возвращаясь к приложениям in vitro, биологический образец, в частности, может представлять собой срез ткани организма. Кроме того, образец можно окрашивать прежде, чем изображение генерируют, чтобы сделать конкретные признаки, представляющие интерес, (более) заметными. Соответственно, устройство по изобретению, необязательно может содержать блок подготовки образцов, в котором можно выполнять эти этапы. Способ по изобретению также необязательно может включать создание среза ткани организма и/или окрашивание образца.

Характеристика может относиться к признакам клетки или ядер, признакам морфологии ткани, плотности ядер, типу ядер, вариациям формы клетки или ядер и т. п. Характеристика, кроме того, может относиться к параметру гетерогенности для каждой альтернативной области, предпочтительно к процентной доле опухолевых клеток. Характеристика образца в целом может представлять собой характеристику любого типа, которую можно определять по изображению образца, например, локальную концентрацию заданного химического вещества (обнаруживаемого, например, с помощью цвета вещества). В предпочтительном варианте осуществления параметр образца указывает на локальное количество/процентную долю конкретного типа клеток или типа ткани. Параметр образца, например, может выражать абсолютное или относительное число опухолевых клеток в данной области. В частности, он может представлять собой число и/или фракцию опухолевых клеток в ROI изображения. Зная это число для ROI изображения, можно предоставлять важные ключи для правильной интерпретации данных анализа, которые относятся к этой области.

Генерируемое изображение образца предпочтительно представляет собой микроскопическое изображение, т. е. оно раскрывает детали, не видимые для невооруженного глаза. Изображение также может представлять собой гистологическое изображение. Дополнительно или альтернативно, предпочтительно оно представляет собой цифровое изображение, таким образом делая возможным применение универсальных процедур обработки цифровых изображений. Кроме того, изображение можно генерировать посредством сканирования, т. е. посредством последовательной генерации подизображений меньших частей образца. Соответственно, аппарат может содержать цифровой микроскоп, в частности, цифровой сканирующий микроскоп, чтобы сделать возможными указанные выше признаки варианта осуществления. Кроме того, генерируемое микроскопическое изображение может представлять собой светлопольное или флуоресцентное изображение или комбинацию различных изображений.

В примере блок анализа изображения содержит блок автоматического выбора и указания и/или пользовательский интерфейс, выполненный с возможностью выбирать и указывать область, представляющую интерес, на изображении в качестве эталонной области. Блок анализа изображения, блок автоматического выбора и указания и/или пользовательский интерфейс также выполнены с возможностью позволять пользователю корректировать, например, результаты автоматического выбора. Другими словами, выбор и указание ROI на изображении можно осуществлять автоматически посредством подходящих подпрограмм обработки изображений, посредством ручного ввода пользователя или посредством смеси этих двух. Обычно возможно генерировать ROI изображения почти произвольной формы и размера. Устройство предпочтительно может содержать модуль анализа изображений, например, цифровой микропроцессор с ассоциированным программным обеспечением для анализа цифровых изображений. Дополнительно или альтернативно, оно может содержать пользовательский интерфейс, содержащий средства ввода, с помощью которых пользователь может вводить данные, касающиеся выбора ROI изображения. Типично, пользовательский интерфейс также содержит средства вывода, например, дисплей (монитор), на котором можно показывать изображение образца, необязательно вместе с представлением ROI изображения, определяемой в настоящее время. Эти средства вывода предпочтительно могут делать возможным представление изображения образца с корректируемым фактором увеличения. Анализатор изображений типично представляет собой блок обработки цифровых данных с подходящим программным обеспечением обработки изображений, с помощью которого можно автоматически определять параметр образца.

Блок анализа изображения можно выполнять с возможностью определять частично перекрывающиеся окна на изображении, где для каждого окна характеристику извлекают и сравнивают с характеристикой эталонной области. Изображение можно сегментировать, используя локальный ответ в форме накопления красителя для одного или нескольких использованных и/или комбинированных иммуногистохимических красителей. Альтернативно или дополнительно, блок анализа изображения можно выполнять с возможностью сегментировать изображение в соответствии с локальным количеством и/или типом опухолевых клеток на различные подобласти, где для каждой подобласти характеристику извлекают и сравнивают с характеристикой эталонной области. Альтернативно или дополнительно, блок анализа изображения можно выполнять с возможностью сегментировать изображение в соответствии с локальными значениями HER2 (рецептор эпидермального фактора роста 2 человека) на различные подобласти, где для каждой подобласть характеристику извлекают и сравнивают с характеристикой эталонной области. Это дополнительно описано со ссылкой на фиг.

В дополнительном примере блок анализа изображения содержит блок переноса, выполненный с возможностью переносить местоположение эталонной области, которое определили в первом биологическом образце, в соответствующую область во втором биологическом образце и/или на соответствующее изображение.

В примере обследующее устройство для обработки и анализа изображения биологического образца дополнительно содержит блок обнаружения ядер, выполненный с возможностью обнаруживать ядра. Тем самым, клетки извлекают с помощью алгоритма обнаружения ядер. Блок обнаружения ядер можно выполнять с возможностью различать ядра различных типов (т. е. лимфоциты, эпителиальные клетки, жировые клетки и т. д.) и показывать ядра с помощью различного внешнего вида.

В дополнительном примере блок отображения выполнен с возможностью отображать результат анализа, который представляет собой сходство в терминах наблюдаемой характеристики с помощью цвета, интенсивности цвета, текста, буквы, числа, символа и т. п. Также характеристику саму по себе и/или параметр гетерогенности можно отображать с помощью цвета, интенсивности цвета, текста, буквы, числа, символа и т. п. Также возможен обзор снимков различных областей. Снимки можно упорядочивать или не упорядочивать в соответствии с наблюдаемой характеристикой.

В дополнительном примере по настоящему изобретению представлен способ обследования для обработки и анализа изображения биологического образца. Он включает следующие этапы, необязательно в этом порядке:

a) предоставление изображения биологического образца,

b) указание области, представляющей интерес, на изображении в качестве эталонной области,

c) извлечение характеристики эталонной области из изображения,

d) анализ изображения на предмет альтернативных областей со схожей характеристикой, и

e) отображение результата анализа на предмет альтернативных областей со схожей характеристикой.

Другими словами и в качестве примера, способ основан на следующих этапах: ручной и/или автоматический выбор (эталонной) области, представляющей интерес, идентификация клеток, идентификация или определение характеристик области, представляющей интерес, используя извлеченные признаки, идентификация альтернативных областей в биологическом образце, которые демонстрируют характеристики, схожие с выбранной областью, представляющей интерес, оценка каждой альтернативной области (например, измерение процентной доли лимфоцитов или опухолевых клеток и/или измерение гетерогенности), и визуальная обратная связь об альтернативных областях на экране.

В примере также возможно предоставлять изображение биологического образца, чтобы извлекать из изображения характеристику для нескольких областей, включая будущую эталонную область, чтобы выбирать область, представляющую интерес, на основании характеристик, чтобы указывать область, представляющую интерес, на изображении в качестве эталонной области, чтобы сканировать или анализировать изображение на предмет альтернативных областей со схожей характеристикой на основании или извлеченных характеристик или нового измерения и отображать результат сканирования на предмет альтернативных областей со схожей характеристикой.

В дополнительном примере по настоящему изобретению представлена компьютерная программа, где компьютерная программа содержит средства программного кода для управления устройством, как определено в независимом пункте формулы изобретения об устройстве, чтобы осуществлять этапы способа, как определено в независимом пункте формулы изобретения о способе, когда компьютерную программу запускают на компьютере, управляющем устройством.

Применения изобретения могут представлять собой применения в молекулярной патологии, в частности, применения в онкологии для стратификации пациентов на основании идентификации молекулярных изменений в клетках злокачественной опухоли, а также для диагностики/мониторинга других заболеваний.

Следует понимать, что обследующее устройство для обработки и анализа изображения биологического образца, способ обследования для обработки и анализа изображения биологического образца, компьютерный программный элемент для управления таким устройством и машиночитаемый носитель, который хранит такой компьютерный программный элемент в соответствии с независимыми пунктами формулы изобретения имеют схожие и/или идентичные предпочтительные варианты осуществления, в частности, как определено в зависимых пунктах формулы изобретения. Кроме того, следует понимать, что предпочтительный вариант осуществления изобретения также может представлять собой какую-либо комбинацию зависимых пунктов формулы изобретения с соответствующим независимым пунктом формулы изобретения.

Эти и другие аспекты настоящего изобретения видны из и разъяснены со ссылкой на варианты осуществления, описанные далее в настоящем документе.

КРАТКОЕ ОПИСАНИЕ ФИГУР

Образцовые варианты осуществления изобретения описаны в дальнейшем со ссылкой на сопроводительные рисунки.

На фиг. 1 представлен схематически и в качестве примера вариант осуществления способа обследования для обработки и анализа изображения биологического образца в соответствии с изобретением.

На фиг. 2 представлены схематически и в качестве примера детали выходных данных алгоритма обнаружения ядер.

На фиг. 3 представлен схематически и в качестве примера пример создания областей на основании вычисления локальной оценки HER2.

На фиг. 4 представлен схематически и в качестве примера визуальная обратная связь с эталонной областью и альтернативными областями на экране.

На фиг. 5 представлен схематически и в качестве примера обследующее устройство для обработки и анализа изображения биологического образца в соответствии с изобретением

ПОДРОБНОЕ ОПИСАНИЕ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ

Настоящее изобретение представлено в настоящем документе далее со ссылкой на практический случай в области цифровой патологии, который представляет собой одно из нескольких применений, предпочтительных для использования. Однако, как уже объяснено, цифровую патологию следует толковать как один неограничивающий пример применения.

Диагностическое исследование патологии в материале пациента (ткань и клетки) является основой многих решений о лечении, в частности, в онкологии. Стандартные тонкие срезы из биопсии располагают на предметных стеклах и окрашивают в соответствии с определенными протоколами для того, чтобы визуализировать морфологию ткани. Совсем недавно разрабатывали окрашивание биологических маркеров, специфичных для заболеваний, in situ для сопроводительной диагностики направленных лекарственных средств. Оценка обычно происходит с использованием светлопольного микроскопа.

Наряду с этой формой анализа, биоптаты тканей и клеток также исследуют молекулярными способами, такими как количественная ПЦР (полимеразная цепная реакция) и секвенирование. Значение этой так называемой молекулярной диагностики (MDx) возрастает с появлением новых молекулярных биологических маркеров. Часто патолог на основании морфологической информации принимает решение о выполнении молекулярного теста для того, чтобы идентифицировать биологические характеристики (злокачественной) ткани для правильного выбора терапии. Поскольку многие молекулярные биологические маркеры нельзя количественно определять in situ в ткани, или по меньшей мере не с необходимой воспроизводимостью, осуществляют отдельный молекулярный диагностический тест. Например, ПЦР или секвенирование осуществляют на образце, который берут из биоптата. Обычно используют вторую пробу, которую уже взяли из биопсии. Этот тканевой срез обрабатывают посредством лизиса клеток перед измерением ДНК или мРНК маркеров. Как следствие, утрачивают пространственную информацию.

Опухолевые ткани в целом состоят из многих различных типов клеток, не только клеток злокачественной опухоли, и даже клетки злокачественной опухоли могут значительно различаться по молекулярному составу в различных участках опухоли. Результат молекулярного анализа зависит от точной композиции тканевого среза, который используют в качестве образца для молекулярного теста. Чем более разбавленной является выбранная область, тем более нечувствительными и неубедительными будут результаты теста. Кроме того, гетерогенность среди популяции клеток злокачественной опухоли также будет вызывать шум в MDx анализах, снижение чувствительности и специфичности, а также воспроизводимости. В настоящее время не существует практического решения для точного выбора материала образца для молекулярного тестирования на основании изображения патологии. Ручной выбор, который выполняют во многих случаях, является неточным.

В настоящее время, выбор ROI выполняют вручную, что является неточным, а также утомительным. Кроме того, в ткани можно пропускать более хорошие или альтернативные области. Другие области могут быть лучше по различным причинам. Одна причина может быть в том, что область содержит больше клеток/материала для MDx. Другая причина может быть в том, что область является более гомогенной, что повышает чувствительность и специфичность, а также воспроизводимость.

На фиг. 1 представлен схематически и в качестве примера вариант осуществления способа обследования для обработки и анализа изображения образца ткани в соответствии с изобретением. Он включает следующие этапы, необязательно в этом порядке:

a) этап S1, предоставление изображения образца ткани,

b) этап S2, указание области, представляющей интерес, на изображении в качестве эталонной области,

c) этап S3, извлечение характеристики эталонной области из изображения,

d) этап S4, анализ изображения для альтернативных областей со схожей характеристикой, и

e) этап S5, отображение результата анализа на предмет альтернативных областей со схожей характеристикой.

На этапы S1 изображение образца ткани представляют с помощью блока интерфейса, формирующего интерфейс, например, для цифрового микроскопа или сканера.

Этап S2 включает выбор и указание области, представляющей интерес, на изображении в качестве эталонной области. Существует по меньшей мере два сценария выбора эталонной области, представляющей интерес: b1) область выбирают автоматически и/или вручную в образце ткани, который используют для молекулярного анализа, и/или b2) область выбирают автоматически и/или вручную в окрашенном образце (например, H&E, IHC или т. п.), который всегда создают в стандартной практике. Затем окрашенный образец топологически выравнивают со вторым образцом ткани, который используют для молекулярного анализа. После выравнивания известно местоположение соответствующей ROI во втором образце.

На потенциальном подэтапе S21, см. также фиг. 2, клетки извлекают с помощью алгоритма обнаружения ядер. Алгоритм обеспечивает грубое указание ядер различных типов, например, ядер с компактным внешним видом (например, как у лимфоцитов) и/или ядер с более прозрачным внешним видом (типичны для эпителиальных клеток и клеток злокачественных опухолей).

На этапе S3 характеристику эталонной области извлекают из изображения, или другими словами, определяют характеристики области, представляющей интерес, с использованием по меньшей мере одного извлеченного признака. На потенциальном подэтапе S31, возможная реализация опосредована определением плотности объектов в ROI, классифицированных как опухолевые клетки (например, как «ядро с прозрачным внешним видом»). Плотность вычисляют по участку, «окруженному» помеченными границами и по всему участку ткани в ROI.

Этап S4 включает анализ изображения для альтернативных областей со схожей характеристикой. Возможный подход d1) для получения альтернативных областей состоит в использовании реализации скользящего окна: прямоугольное окно определяют в частично перекрывающихся местоположениях. Характеристики вычисляют для каждого скользящего окна. Эти характеристики сравнивают с характеристиками эталонной области, представляющей интерес. Области с характеристиками, схожими до некоторой степени, отбирают в качестве кандидатных областей. Затем присваивают оценку каждой кандидатной области. Для применения MDx, например, вычисляют процентную долю эпителиальных клеток в каждой области.

На потенциальном подэтапе S41 оценивают процентную долю опухолевых клеток и/или процентную долю лимфоцитов по числу ядер в ROI, которые классифицировали как «ядро с прозрачным внешним видом», и общему числу обнаруженных ядерных объектов (т. е. сумме числа ядер, классифицированных как «ядро с прозрачным внешним видом», и ядер, классифицированных как «ядро с компактным внешним видом»). Области с равной или более высокой процентной долей по сравнению с эталонной областью отбирают для конечного этапа визуализации.

Дополнительный возможный подход d2) для выбора альтернативных областей с использованием реализации скользящего окна состоит в том, чтобы сначала сегментировать препарат. Возможная реализация состоит в использовании областей, создаваемых алгоритмом локальной IHC оценки (также алгоритм оценки HER2 см. на фиг. 3). Затем для каждого сегмента характеристики вычисляют и сравнивают с характеристиками эталонной области, представляющей интерес, (по аналогии с вышеприведенной процедурой).

Этап S5 содержит визуальную обратную связь для альтернативных областей на экране, другими словами для результата сканирования на предмет альтернативных областей со схожей характеристикой. Один путь e1) для того, чтобы иллюстрировать альтернативные области, опосредован окрашиванием границ альтернативных областей с использованием контрастирующего цвета на цифровом изображении ткани. Цвет или интенсивность цвета, используемые для того, чтобы иллюстрировать области, могут представлять собой, например, функцию процентной доли опухолевых клеток, вычисленных в этой области. Другой или дополнительный путь e2) состоит в том, чтобы подсвечивать релевантные области поверх. Также возможен обзор миниатюр, каждая из который представляет потенциально интересующую ROI.

На фиг. 2 только для иллюстрации представлены детали выходных данных алгоритма обнаружения ядер. Существуют альтернативные реализации с различными подходами. Фиг. 2 связана с потенциальным подэтапом S21, где клетки извлекают с помощью алгоритма обнаружения ядер. Алгоритм предоставляет грубое указание на ядра с компактным внешним видом (например, как у лимфоцитов) в сравнении с ядрами с более прозрачным внешним видом (типичным для эпителиальных клеток и клеток злокачественной опухоли). Алгоритм основан на очень гетерогенном характере ядер и связан с двумя детекторами, один сосредоточен на внутренней структуре ядер, а другой сосредоточен на линейной структуре границы эпителиальных клеток. Выходные данные детекторов объединяют и переносят в затравки с использованием связанных компонентов. Глобально оптимальный активный алгоритм контуров используют для того, чтобы уточнять границу обнаруживаемых ядер.

В наложении, показанном на фиг. 2, внутреннюю структуру и границу ядер помечают, например, различными цветами или, как здесь, различными оттенками серого. Центральные части 14 обозначают ядра, которые обнаружены в качестве «ядер с компактным внешним видом» (типично лимфоциты) и граничные части 15 обозначают границы ядер, которые обнаружены в качестве «ядер с прозрачным внешним видом» (типично эпителиальные клетки). На потенциальном подэтапе S41 процентную долю опухолевых клеток оценивают по числу ядер в ROI, которые классифицированы как «ядро с прозрачным внешним видом», и общему числу обнаруженных ядерных объектов (т. е. сумме числа ядер, классифицированных как «ядро с прозрачным внешним видом», и ядер, классифицированных как «ядро с компактным внешним видом»).

Фиг. 3 связана с этапом S4 анализа изображения на предмет альтернативных областей со схожей характеристикой, используя IHC-окрашенный препарат (например, HER2-окрашенный препарат). Возможная реализация состоит в использовании областей, созданных с помощью алгоритма локальной HER2 оценки. Оценка HER2 имеет важное диагностическое значение для злокачественной опухоли молочной железы. Интерпретация окрашенной ткани с мембранами с HER2 требует дифференциации между окрашиванием и контр-окрашиванием, идентификации количества и полноты накопления окрашивания клеточной мембраной и определения процентной доли опухолевых клеток, которые демонстрируют сверхэкспрессию. Кроме того, в случае, когда образец содержит множество гетерогенных опухолевых областей, оценку каждой из этих областей следует комбинировать в одной оценке. Входные данные алгоритма представляют собой область ткани, выбранную вручную.

На фиг. 3 представлен пример создания областей 16 на основании вычисления локальной оценки HER2. Каждую область 16, содержащую подобласти со схожими оценками HER2, окружают наложенной граничной линией 17. Тем самым, можно дифференцировать области 16 с отличающейся локальной оценкой HER2. Границу 17 области 16 можно указывать уникальным цветом с тем, чтобы области 16 с отличающейся локальной оценкой HER2 можно было указывать различными цветами. Также возможно наложение прозрачных областей одного или нескольких цветов.

Фиг. 4 связана с этапом S5 и показывает визуальную обратную связь для эталонной области 10 и альтернативных областей 11 на экране, другими словами для результата сканирования на предмет альтернативных областей 11 со схожей характеристикой. Альтернативные области 11 проиллюстрированы посредством обозначения, например, окрашивания их границ контрастирующим цветом на цифровом изображении ткани. Толщина граничной линии 12, цвет или интенсивность у цвета, используемого для того, чтобы иллюстрировать области, могут представлять собой, например, функцию процентной доли опухолевых клеток, вычисленной в этой области. Кроме того, возможно подсвечивать релевантные области в наложении 13.

На фиг. 5 представлено обследующее устройство 1 для обработки и анализа изображения образца ткани в соответствии с изобретением. Оно содержит блок 2 интерфейса, блок 3 анализа изображения и блок 4 отображения. Блок 2 интерфейса выполнен с возможностью предоставлять изображение образца ткани. Блок 3 анализа изображения выполнен с возможностью указывать область, представляющую интерес, на изображении в качестве эталонной области, чтобы извлекать характеристику эталонной области из изображения и анализировать изображение на предмет альтернативных областей со схожей характеристикой. Блок 4 отображения выполнен с возможностью отображать результат анализа на предмет альтернативных областей со схожей характеристикой. Обследующее устройство 1 для обработки и анализа изображения образца ткани дополнительно может содержать блок 5 обнаружения ядер, блок 31 автоматического выбора и указания, пользовательский интерфейс 32 и блок 33 переноса. Блок 33 переноса, представленный в качестве примера в виде части блока 3 анализа изображения, также можно располагать в другом месте.

В другом образцовом варианте осуществления настоящего изобретения предусмотрены компьютерная программа или компьютерный программный элемент, которые отличаются тем, что адаптированы для того, чтобы исполнять этапы способа в способе согласно одному из предшествующих вариантов осуществления в подходящей системе.

Следовательно, компьютерный программный элемент можно хранить в блоке компьютера, который также может быть частью варианта осуществления настоящего изобретения. Этот вычислительный блок можно адаптировать для того, чтобы осуществлять или вызывать осуществление этапов описанного выше способа. Кроме того, его можно адаптировать для управления компонентами описанного выше аппарата. Вычислительный блок можно адаптировать для автоматического управления и/или исполнения приказов пользователя. Компьютерную программу можно загружать в рабочую память процессора данных. Процессор данных, таким образом, можно оборудовать для того, чтобы осуществлять способ по изобретению.

Этот образцовый вариант осуществления изобретения покрывает как компьютерную программу, которая с самого начала использует изобретение, так и компьютерную программу, которая посредством обновления превращает существующую программу в программу, которая использует изобретение.

Кроме того, компьютерный программный элемент может быть способен предоставлять все необходимые этапы для того, чтобы выполнять процедуру по образцовому варианту осуществления способа, как описано выше.

Согласно дополнительному образцовому варианту осуществления настоящего изобретения представлен машиночитаемый носитель, такой как CD-ROM, где машиночитаемый носитель имеет компьютерный программный элемент, хранящийся в нем, этот компьютерный программный элемент описан в предыдущем разделе.

Компьютерную программу можно хранить и/или распространять на подходящем носителе, таком как оптический запоминающий носитель или твердотельный носитель, поставляемый вместе с или в качестве части другого аппаратного обеспечения, а также можно распространять в других формах, например, через интернет или другие проводные или беспроводные телекоммуникационные системы.

Однако, компьютерную программу также можно представлять через сеть, такую как World Wide Web, и можно загружать в рабочую память процессора данных из такой сети. Согласно дополнительному образцовому варианту осуществления настоящего изобретения предусмотрен носитель для того, чтобы делать компьютерный программный элемент доступным для загрузки, этот компьютерный программный элемент устроен для того, чтобы осуществлять способ согласно одному из ранее описанных вариантов осуществления изобретения.

Следует отметить, что варианты осуществления изобретения описаны со ссылкой на различные объекты изобретения. В частности, некоторые варианты осуществления описаны со ссылкой на пункты формулы изобретения о способе, тогда как другие варианты осуществления описаны со ссылкой на пункты формулы изобретения об устройстве. Однако специалисту в данной области из приведенного выше и последующего описания будет ясно, что пока не указано иное, в дополнение к какой-либо комбинации признаков, относящихся к одному типу объекта изобретения, также какую-либо комбинацию между признаками, относящимися к различным объектам изобретения, считают раскрытой в этой заявке. Однако можно комбинировать все признаки, обеспечивающие синергические эффекты, которые являются больше чем просто суммой признаков.

Хотя изобретение иллюстрировано и описано подробно на рисунках и в приведенном выше описании, такие иллюстрации и описание следует рассматривать как иллюстративные или образцовые и не ограничивающие. Изобретение не ограничено раскрытыми вариантами осуществления. Другие вариации в раскрытых вариантах осуществления могут понять и реализовать специалисты в данной области при практическом осуществлении описываемого в заявке изобретения, изучив рисунки, раскрытие и зависимые пункты формулы изобретения.

В формуле изобретения слово «содержит» не исключает другие элементы или этапы, а формы единственного числа не исключают множественного числа. Один процессор или другой блок может выполнять функции всех элементов, перечисленных в формуле изобретения. Сам факт того, что определенные меры перечислены во взаимно различных зависимых пунктах формулы изобретения, не указывает на то, что комбинацию этих средств нельзя использовать с пользой. Любые ссылочные позиции в формуле изобретения не следует толковать в качестве ограничения объема.

1. Обследующее устройство (1) для обработки и анализа изображения биологического образца для цифровой патологии, которое содержит

- блок (2) интерфейса,

- блок (3) анализа изображения,

- блок (4) отображения и

- блок (5) обнаружения ядер,

в котором блок (2) интерфейса выполнен с возможностью предоставлять изображение биологического образца,

в котором блок (3) анализа изображения выполнен с возможностью указывать область, представляющую интерес, на изображении в качестве эталонной области (10), чтобы извлекать характеристику клеток и/или ткани эталонной области из изображения и анализировать изображение на предмет альтернативных областей (11) с характеристикой, схожей с характеристикой, извлеченной из эталонной области,

в котором блок (4) отображения выполнен с возможностью отображать результат анализа на предмет альтернативных областей (11) со схожей характеристикой,

в котором биологический образец представляет собой образец ткани и

в котором блок (5) обнаружения ядер выполнен с возможностью обнаружения ядер.

2. Устройство (1) по предшествующему пункту, в котором блок (5) обнаружения ядер выполнен с возможностью различать различные типы ядер.

3. Устройство (1) по любому из предшествующих пунктов, в котором блок (3) анализа изображения содержит блок (31) автоматического выбора и указания и/или пользовательский интерфейс (32), выполненные с возможностью выбирать и указывать область, представляющую интерес, на изображении в качестве эталонной области (10).

4. Устройство (1) по любому из предшествующих пунктов, в котором блок (3) анализа изображения содержит блок (33) переноса, выполненный с возможностью переносить местоположение эталонной области (10) с первого биологического образца на соответствующую область во втором биологическом образце и/или на соответствующем изображении.

5. Устройство (1) по любому из предшествующих пунктов, в котором блок (3) анализа изображения выполнен с возможностью определять частично перекрывающиеся окна на изображении, в котором для каждого окна характеристику извлекают и сравнивают с характеристикой эталонной области (10).

6. Устройство (1) по одному из предшествующих пп. 1-3, в котором блок (3) анализа изображения выполнен с возможностью сегментировать изображение в соответствии с количеством и типом опухолевых клеток и/или в соответствии с локальным ответом на IHC окрашивание на различные подобласти, в котором для каждой подобласти характеристику извлекают и сравнивают с характеристикой эталонной области (10).

7. Устройство (1) по любому из предшествующих пунктов, в котором блок (4) отображения выполнен с возможностью отображать результат анализа с помощью цвета, интенсивности цвета, текста, буквы, числа, символа и т.п.

8. Устройство (1) по любому из предшествующих пунктов, в котором изображение представляет собой гистологическое изображение.

9. Устройство (1) по любому из предшествующих пунктов, в котором характеристика относится к признакам клеток или ядер, типам ядер, признакам морфологии ткани, плотности ядер, вариациям формы клеток или ядер и т.п.

10. Устройство (1) по любому из предшествующих пунктов, в котором характеристика дополнительно относится к параметру гетерогенности для каждой альтернативной области, предпочтительно к процентной доле опухолевых клеток.

11. Способ обработки и анализа изображения биологического образца для цифровой патологии, осуществляемый устройством по любому из пп. 1–10, включающий этапы:

a) предоставления изображения биологического образца, при этом биологический образец представляет собой образец ткани,

b) указания области, представляющей интерес, на изображении в качестве эталонной области (10),

c) обнаружения ядер и извлечения характеристики клеток и/или ткани эталонной области (10) из изображения,

d) анализа изображения на предмет альтернативных областей (11) с характеристикой, схожей с характеристикой, извлеченной из эталонной области, и

e) отображения результата анализа на предмет альтернативных областей (11) со схожей характеристикой.

12. Машиночитаемый носитель, который имеет сохраненный на нем исполняемый код, который при выполнении его процессором обеспечивает осуществление способа по п. 11.



 

Похожие патенты:

Изобретение относится к медицине, а именно к медицинской визуализации и лечению, и может быть использовано для автоматического построения контуров на медицинском изображении.

Изобретение относится к вычислительной технике. Технический результат − повышение скорости поиска необходимого события или объекта в импортированном видео, полученном от стороннего устройства.

Изобретение относится к анализу и обработке цифровых изображений, точнее видеоконтроля качества идентичных объектов. Технический результат заключается в улучшении качества контроля.

Группа изобретений относятся к медицинской технике, а именно к средствам медицинской диагностики, реализуемым с помощью компьютеров. Способ ранжирования случаев заболеваний пациентов в соответствии с уровнями сложности диагностирования содержит: извлечение из базы данных визуализирующего исследования пациента, установление патологии на изображении, анализ демографических и клинических данных, расчет показателя компьютерной стратификации для каждого случая заболевания в зависимости от установленной патологии и демографических и клинических данных и выдачу ранжированного списка случаев заболеваний пациентов согласно соответствующим оценкам стратификации, присвоенным каждому случаю заболевания, хранение ранее диагностированных случаев заболеваний в базе данных, оценку точности ранее установленного диагноза, выполнение классификатора, который генерирует показатель точности, указывающий на точность диагноза, прием информации о типе каждого случая заболевания и генерацию показателя стратификации.

Изобретение относится к средствам виртуальной реальности игровых устройств. Технический результат заключается в расширении арсенала средств игровых устройств.

Изобретение относится к способу и устройству для сравнения схожих элементов высокоразмерных признаков изображений. Технический результат заключается в повышении скорости и точности определения схожих элементов изображений.

Изобретение относится к медицине, а именно к онкологии, и может быть использовано для диагностики меланомы кожи. Предложен способ ранней автоматизированной дистанционной диагностики меланомы кожи, заключающийся в выполнении цифровых фотографий, компьютерном картрировании кожных покровов пациента с созданием базы данных всех выявленных пигментных новообразований кожи, при этом выявляются очаги, подозрительные на меланому, отличающийся тем, что анализируют исходные изображения подозрительных участков кожи, производят уменьшение изображений до размера 512×512 пикселей, проводят автоматическую диагностику меланомы по исходным изображениям участков кожи с помощью трехслойной компьютерной программы типа «нейронные сети», предварительно обученной различать меланому кожи на основе эталонных изображений, включающей предобработчик, автоматически выделяющий на основе анализа спектра Фурье исходные изображения существенных признаков, позволяющих разделить эти изображения на два класса, соответствующие наличию диагноза меланомы кожи или его отсутствию; с помощью данной компьютерной программы каждому эталонному изображению обучающей выборки ставят в соответствие нейрон третьего слоя; в пространстве преобразованных изображений нейроны третьего слоя оценивают эвклидово расстояние от каждого эталонного изображения обучающей выборки до тестируемого изображения, при этом полученным оценкам присваивают положительный или отрицательный знак в зависимости от класса - наличие или отсутствие меланомы, к которому отнесено эталонное изображение; среди 70-ти нейронов первого слоя в каждом из двух классов выявляют «победителей» по минимуму эвклидова расстояния от эталонного изображения до тестируемого; с помощью 20-ти нейронов второго слоя суммируют обратные величины эвклидовых расстояний, взятых с соответствующим знаком, в группах «победителей» и на основе сравнения суммы с нулевой пороговой величиной определяют класс тестируемого изображения, соответствующий диагнозу меланомы кожи либо его отсутствию.

Группа изобретений относится к медицине, а именно к системе и способу анализа изображения структуры аортального клапана. Рабочая станция и устройство визуализации содержат систему для реализации способа, причем система содержит интерфейс визуализации для получения изображения структуры аортального клапана, содержащей створки аортального клапана и аортальную луковицу; подсистему сегментации для разбиения структуры аортального клапана на сегменты на изображении для получения разбивки структуры аортального клапана на сегменты; подсистему распознавания для распознавания кальциноза на створках аортального клапана посредством анализа изображения структуры аортального клапана; - подсистему анализа, выполненную с возможностью: i) определения срединной линии аортальной луковицы посредством анализа разбивки структуры аортального клапана на сегменты; ii) проецирования кальциноза от срединной линии на аортальную луковицу, с получением, таким образом, проекции, отображающей местоположение кальциноза, спроецированное на аортальную луковицу, после замещения клапана; блок вывода для выработки данных, представляющих проекцию, причем изображение структуры аортального клапана представляет собой трехмерное изображение, с получением, таким образом, трехмерной проекции в качестве указанной проекции.

Группа изобретений направлена на обнаружение взгляда на основе нескольких камер и/или источников света вместе с моделью адаптивного гомографического сопоставления.

Изобретение относится к вычислительной технике для определения и приведения к заданным значениям параметров видеокамер. Техническим результатом является обеспечение возможности совмещения изображений камер видимого и инфракрасного диапазонов, не требующего механической юстировки.

Изобретение относится к области вычислительной техники. Технический результат - повышение оперативности и надежности контроля телеметрической информации.

Изaобретение относится к области видеонаблюдения, а именно к технологиям, направленным на обнаружение тревожных траекторий движения объектов. Технический результата заключается в расширении арсенала технических средств в части обнаружения тревожных траекторий движения объектов за счет проверки на предмет тревожности каждой траектории движения объектов по заданным правилам обнаружения тревожных траекторий.

Изобретение относится к анализу и обработке цифровых изображений, точнее видеоконтроля качества идентичных объектов. Технический результат заключается в улучшении качества контроля.

Изобретение относится к средствам наведения на воздушную цель. Способ предназначен для наведения носителя с оптической головкой самонаведения на цель.

Изобретение относится к средствам наведения на воздушную цель. Способ предназначен для наведения носителя с оптической головкой самонаведения на цель.

Изобретение относится к области обработки изображений. Технический результат − повышение качества выходного изображения в условиях недостаточной освещенности, содержащего элементы изображений одной и той же сцены, полученные в видимом и инфракрасном спектральном диапазоне.

Изобретение относится к способу и устройству для обнаружения давления, прикладываемого к датчику распознавания отпечатков пальцев, имеющим отношение к области технологии терминалов.

Изобретение относится к области фотограмметрической обработки космических изображений (КИ) местности. Техническим результатом является сокращение времени идентификации опорных точек и количества ложно идентифицированных опорных точек, что приводит к уменьшению ошибки геодезической привязки КИ местности.

Изобретение относится к области фотограмметрической обработки космических изображений (КИ) местности. Техническим результатом является сокращение времени идентификации опорных точек и количества ложно идентифицированных опорных точек, что приводит к уменьшению ошибки геодезической привязки КИ местности.

Изобретение относится к области радиосистем наблюдения. Технический результат – уменьшение вычислительных затрат за счёт введения правила выбора сопряженных пар точек или ортов направлений на эти точки.

Система и способ, предназначенные для осуществления мониторинга связи и выявления мошенников tx, притворяющихся, что связываются с конечным пользователем rx по телефонной линии, связанной с организацией, к которой мошенник tx не имеет отношения.
Наверх