JP2018504674A - 早期癌予知のための計算病理学システム及び方法 - Google Patents
早期癌予知のための計算病理学システム及び方法 Download PDFInfo
- Publication number
- JP2018504674A JP2018504674A JP2017529789A JP2017529789A JP2018504674A JP 2018504674 A JP2018504674 A JP 2018504674A JP 2017529789 A JP2017529789 A JP 2017529789A JP 2017529789 A JP2017529789 A JP 2017529789A JP 2018504674 A JP2018504674 A JP 2018504674A
- Authority
- JP
- Japan
- Prior art keywords
- slide
- image
- images
- tissue
- score
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 206010028980 Neoplasm Diseases 0.000 title claims abstract description 146
- 238000000034 method Methods 0.000 title claims abstract description 112
- 201000011510 cancer Diseases 0.000 title claims abstract description 48
- 230000007170 pathology Effects 0.000 title claims abstract description 13
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 53
- 230000004083 survival effect Effects 0.000 claims abstract description 50
- 238000012549 training Methods 0.000 claims abstract description 45
- 239000003550 marker Substances 0.000 claims description 43
- 206010006187 Breast cancer Diseases 0.000 claims description 38
- 208000026310 Breast neoplasm Diseases 0.000 claims description 38
- 238000010186 staining Methods 0.000 claims description 32
- 238000013179 statistical model Methods 0.000 claims description 28
- 238000012545 processing Methods 0.000 claims description 21
- 238000001574 biopsy Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 17
- 238000012360 testing method Methods 0.000 claims description 12
- 239000002246 antineoplastic agent Substances 0.000 claims description 9
- 229940127089 cytotoxic agent Drugs 0.000 claims description 9
- 238000013507 mapping Methods 0.000 claims description 9
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 4
- 239000002671 adjuvant Substances 0.000 claims description 4
- 238000003672 processing method Methods 0.000 claims description 4
- 238000007635 classification algorithm Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000001325 log-rank test Methods 0.000 claims description 3
- 238000003703 image analysis method Methods 0.000 claims description 2
- 230000004044 response Effects 0.000 claims description 2
- 239000003814 drug Substances 0.000 claims 2
- 229940079593 drug Drugs 0.000 claims 2
- 238000007405 data analysis Methods 0.000 claims 1
- 210000002865 immune cell Anatomy 0.000 claims 1
- 210000002536 stromal cell Anatomy 0.000 claims 1
- 238000010191 image analysis Methods 0.000 abstract description 24
- 210000001519 tissue Anatomy 0.000 description 161
- 239000000090 biomarker Substances 0.000 description 40
- 239000000523 sample Substances 0.000 description 37
- 238000003364 immunohistochemistry Methods 0.000 description 34
- 102000015694 estrogen receptors Human genes 0.000 description 32
- 108010038795 estrogen receptors Proteins 0.000 description 32
- 102000003998 progesterone receptors Human genes 0.000 description 24
- 108090000468 progesterone receptors Proteins 0.000 description 24
- 101001012157 Homo sapiens Receptor tyrosine-protein kinase erbB-2 Proteins 0.000 description 23
- 102100030086 Receptor tyrosine-protein kinase erbB-2 Human genes 0.000 description 23
- 210000004940 nucleus Anatomy 0.000 description 21
- 239000002131 composite material Substances 0.000 description 19
- 210000004027 cell Anatomy 0.000 description 15
- 238000004458 analytical method Methods 0.000 description 12
- 230000002055 immunohistochemical effect Effects 0.000 description 12
- 102000004169 proteins and genes Human genes 0.000 description 12
- 108090000623 proteins and genes Proteins 0.000 description 12
- 230000008569 process Effects 0.000 description 9
- WZUVPPKBWHMQCE-UHFFFAOYSA-N Haematoxylin Chemical compound C12=CC(O)=C(O)C=C2CC2(O)C1C1=CC=C(O)C(O)=C1OC2 WZUVPPKBWHMQCE-UHFFFAOYSA-N 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 8
- 230000005055 memory storage Effects 0.000 description 8
- 238000003556 assay Methods 0.000 description 7
- 238000004393 prognosis Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 101000900567 Pisum sativum Disease resistance response protein Pi49 Proteins 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 230000009466 transformation Effects 0.000 description 5
- 239000012472 biological sample Substances 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000007246 mechanism Effects 0.000 description 4
- 102000005962 receptors Human genes 0.000 description 4
- 108020003175 receptors Proteins 0.000 description 4
- -1 tissue sections Substances 0.000 description 4
- 210000004881 tumor cell Anatomy 0.000 description 4
- 102100032887 Clusterin Human genes 0.000 description 3
- 210000003484 anatomy Anatomy 0.000 description 3
- 210000000481 breast Anatomy 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 210000004698 lymphocyte Anatomy 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 101000611441 Solanum lycopersicum Pathogenesis-related leaf protein 6 Proteins 0.000 description 2
- 238000011226 adjuvant chemotherapy Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 210000003850 cellular structure Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- YQGOJNYOYNNSMM-UHFFFAOYSA-N eosin Chemical compound [Na+].OC(=O)C1=CC=CC=C1C1=C2C=C(Br)C(=O)C(Br)=C2OC2=C(Br)C(O)=C(Br)C=C21 YQGOJNYOYNNSMM-UHFFFAOYSA-N 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000000799 fluorescence microscopy Methods 0.000 description 2
- 230000003054 hormonal effect Effects 0.000 description 2
- 230000036039 immunity Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 201000011519 neuroendocrine tumor Diseases 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000750 progressive effect Effects 0.000 description 2
- 210000002307 prostate Anatomy 0.000 description 2
- 238000004445 quantitative analysis Methods 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 230000004614 tumor growth Effects 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- VYZAMTAEIAYCRO-UHFFFAOYSA-N Chromium Chemical compound [Cr] VYZAMTAEIAYCRO-UHFFFAOYSA-N 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 206010052399 Neuroendocrine tumour Diseases 0.000 description 1
- 206010060862 Prostate cancer Diseases 0.000 description 1
- 208000000236 Prostatic Neoplasms Diseases 0.000 description 1
- 238000009098 adjuvant therapy Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000000941 bile Anatomy 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 238000004113 cell culture Methods 0.000 description 1
- 210000003855 cell nucleus Anatomy 0.000 description 1
- 210000001072 colon Anatomy 0.000 description 1
- 238000011498 curative surgery Methods 0.000 description 1
- 238000009109 curative therapy Methods 0.000 description 1
- 230000001086 cytosolic effect Effects 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000001647 drug administration Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012757 fluorescence staining Methods 0.000 description 1
- 239000007850 fluorescent dye Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 210000004907 gland Anatomy 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000002962 histologic effect Effects 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 238000001794 hormone therapy Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000011278 mitosis Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000003068 molecular probe Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 208000016065 neuroendocrine neoplasm Diseases 0.000 description 1
- 239000002547 new drug Substances 0.000 description 1
- 238000012758 nuclear staining Methods 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 239000013610 patient sample Substances 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000007447 staining method Methods 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012066 statistical methodology Methods 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 239000000439 tumor marker Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/53—Immunoassay; Biospecific binding assay; Materials therefor
- G01N33/574—Immunoassay; Biospecific binding assay; Materials therefor for cancer
- G01N33/57407—Specifically defined cancers
- G01N33/57415—Specifically defined cancers of breast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
- G06F18/2193—Validation; Performance evaluation; Active pattern learning techniques based on specific statistical tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/778—Active pattern-learning, e.g. online learning of image or video features
- G06V10/7796—Active pattern-learning, e.g. online learning of image or video features based on specific statistical tests
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/52—Predicting or monitoring the response to treatment, e.g. for selection of therapy based on assay results in personalised medicine; Prognosis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2800/00—Detection or diagnosis of diseases
- G01N2800/54—Determining the risk of relapse
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Urology & Nephrology (AREA)
- Chemical & Material Sciences (AREA)
- Hematology (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Food Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Hospice & Palliative Care (AREA)
- Cell Biology (AREA)
- Biotechnology (AREA)
- Oncology (AREA)
- Medicinal Chemistry (AREA)
- Microbiology (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
Abstract
Description
生物試料(例えば、組織)が配置される基板(例えば、ガラス)の色特性に少なくとも部分的に基づいて、組織及び組織の関心領域は、識別される。シードポイント(seed point)は、識別された組織の関心領域のために検出され、組織核物体は、識別された領域から抽出される。抽出された組織物体の各々のために、抽出された物体の特性は、識別され、訓練されたクラシファイアを用いて、抽出された物体を分類することができる。訓練されたクラシファイアは、ユーザ、医師等によって修正可能である。異なる訓練されたクラシファイアを用いて、異なるタイプの組織及びマーカーを分析することができる。コンピュータ可読の記憶媒体は、データ(例えば、クラシファイア、アルゴリズム等)及び命令を格納することができ、命令は、プロセッサを有する計算システムによって実行される場合、計算システムにこの種の方法を実行させることができる。
コホートからの患者の生検組織サンプル4は、隣接組織スライスにスライスされ、組織スライド、例えば、図6のステップ600に示されるように、組織スライド1、2、3を提供する。組織スライスは、マイクロメータ範囲の厚さ、例えば、1μmと10μmとの間、例えば6μmの厚さを有してもよい。
組織スライスは単一の染色、染色及び対比染色、又は、複数の染色によって染色される。このように、例えば、染色及び対比染色によって染色された画像及び/又はマルチチャネル画像が得られてもよい。
本発明の実施形態に従って、画像5は、H&Eスライドから得られる。腫瘍境界検出は、H&Eで染色されたスライドを用いて、腫瘍境界11を検出する画像処理アルゴリズムを画像5に適用することによって、又は、手動入力によって実行される。次に、腫瘍境界12及び13は、腫瘍境界11を用いて、画像6及び7においてそれぞれ識別される。例えば、画像6及び7は、異なる染色を有し、腫瘍境界の検出がH&E画像5においてより困難な組織スライドから得られる。
図7は、フィッティングされた統計モデル10が利用される画像処理方法を示す。図6の方法に類似して、生検組織サンプル4’は、患者のために処理される。統計モデル10を生成するように機能した、患者のコホートのために行われたのと同一の方法で、生検組織サンプル4’は、スライスされ、組織スライド1’、2’及び3’を提供する。
Claims (33)
- 所定のワークフローに従って、患者の癌生検組織サンプル(4’)を分析するデジタル病理学方法であって、
a)前記生検組織サンプルの組織病理に関する組織スライド(1’、2’、3’)から複数の画像(5’、6’、7’、8’)を取得するステップと、
b)前記画像(5’)の1つ内の腫瘍の境界(11’)を検出するステップであって、前記画像の前記1つに、画像処理アルゴリズムを実行することによって、又は、前記画像の前記1つのために、前記腫瘍の前記境界を表す注釈を手動で入力することによって、検出するステップと、
c)前記検出された境界(11’)を用いて、例えばマーカー間レジストレーションによって、他の画像(6’、7’、8’)のそれぞれ内の前記腫瘍の前記境界(11’、12’、13’)を識別するステップと、
d)前記画像のそれぞれのためのスライドスコア(A、B、C、D)を計算するステップであって、前記画像の1つのための前記スライドスコアの前記計算は、その画像の前記腫瘍の前記境界内の前記画像の前記1つの画像部分のみを用いて実行されるステップと、
e)前記スライドスコアを、癌再発リスクをモデル化する統計モデル(10)に入力するステップと、
f)前記スライドスコアを用いた前記統計モデル(10)によってリスク分類スコア(18)を計算するステップと、
g)前記リスク分類スコアの閾値化(19)によって信号(20)を生成するステップであって、前記信号は、補助化学療法剤のような薬の投与の要件を前記患者に癌再発の回避のために表すステップと、
を含む方法。 - 前記腫瘍が前記ステップb)において検出される前記画像の前記1つは、H&E画像であり、前記境界(11’)は、病理学者によって手動で注釈がつけられる、又は、前記H&E画像内でアルゴリズム的に検出され、さらなる境界(12’、13’)は、前記H&E画像内で検出される前記腫瘍境界(11’)を用いて、例えばマーカー間レジストレーションによって識別される、請求項1に記載の方法。
- 患者の癌生検組織サンプル(4’)を分析するデジタル病理学方法であって、
a)前記生検組織サンプルの組織スライド(1’、2’、3’)から複数の画像(5’、6’、7’、8’)を取得するステップと、
b)前記画像(5’)の1つのホットスポットを検出するステップであって、前記画像の前記1つに、画像処理アルゴリズムを実行することによって、又は、前記画像の前記1つのために、前記ホットスポットを表す注釈を手動で入力することによって、検出するステップと、
c)前記検出された境界(11’)を用いて、例えばマーカー間レジストレーションによって、他の画像(6’、7’、8’)のそれぞれ内の前記ホットスポットの前記境界(11’、12’、13’)を識別するステップと、
d)前記画像のそれぞれのためのスライドスコア(A、B、C、D)を計算するステップであって、前記画像の1つのための前記スライドスコアの前記計算は、その画像の前記ホットスポットの前記境界内の前記画像の前記1つの画像部分のみを用いて実行されるステップと、
e)前記スライドスコア(A、B、C、D)を、癌再発リスクをモデル化する統計モデル(10)に入力するステップと、
f)前記スライドスコアを用いた前記統計モデル(10)によってリスク分類スコア(18)を計算するステップと、
g)前記リスク分類スコアの閾値化(19)によって信号(20)を生成するステップであって、前記信号は、補助化学療法剤のような薬の投与の要件を前記患者に癌再発の回避のために表すステップと、
を含む方法。 - 前記ホットスポットが前記ステップb)において検出される前記画像の前記1つは、Ki−67画像であり、ステップc)の前記他の画像内の前記ホットスポット境界の識別は、前記Ki−67画像内で検出される前記腫瘍ホットスポット境界(11’)を用いて、例えばマーカー間レジストレーションによって実行される、請求項3に記載の方法。
- 前記組織スライドは、生物学的特徴の前記識別のために染色によってマークされる、請求項1から4のいずれか一項に記載の方法。
- 前記組織スライド(3’)の1つは、マルチチャネル画像の前記取得のために複数の染色によってマークされ、前記方法は、前記マルチチャネル画像を分解し、一組の分解画像(7’、8’)を提供するステップをさらに含み、前記腫瘍又はホットスポット境界検出は、前記分解画像のために一度だけ実行され、それによって、前記分解画像の1つ(7’)のために得られた前記境界検出の結果は、前記分解画像の他の1つ(8’)にマッピングされる、請求項5に記載の方法。
- 前記統計モデルは、比例ハザードモデルである、請求項1から6のいずれか一項に記載の方法。
- 前記統計モデルは、コックス比例ハザードモデルであり、前記方法は、前記コックス比例ハザードモデルのパラメータ(17)をデータベース(116)に格納するステップと、前記リスク分類スコアの入力に応答して、前記パラメータを前記データベースから読み出すステップと、癌再発リスク値を計算するために、前記パラメータを実行可能プログラムコード(114)に入力するステップと、をさらに含む、請求項1から7のいずれか一項に記載の方法。
- 癌生検組織サンプルの画像処理のために、癌患者のコホートのための統計モデル(10)を生成する方法であって、癌生検組織サンプル(4)は、患者の前記コホートの各患者から得られ、前記組織サンプルのそれぞれは、
a)前記生検組織サンプルの組織スライド(1、2、3)から複数の画像(5、6、7、8)を取得するステップと、
b)前記画像(5)の1つ内の腫瘍及び腫瘍境界(11)を検出するステップと、
c)他の画像内のそれぞれ内の前記腫瘍の前記境界(12、13)を識別するステップと、
d)前記画像のそれぞれのためのスコア(A、B、C、D)を計算するステップであって、前記画像の1つのための前記スライドスコアの前記計算は、その画像の前記腫瘍の前記境界内の前記画像の前記1つの画像部分のみを用いて実行されるステップと、
e)前記スコア及びそれぞれの患者の生存データ(16)を統計モデル(10)に入力するステップと、
によって処理され、前記方法は、
前記入力されたスコア及びそれぞれの生存データを用いて、前記統計モデルをフィッティングし、前記統計モデルのためのパラメータ値(17)を提供するステップと、
前記パラメータ値をメモリ(116)に格納するステップと、
をさらに含む方法。 - 癌生検組織サンプルの画像処理のために、癌患者のコホートのための統計モデルを生成する方法であって、癌生検組織サンプル(4)は、患者の前記コホートの各患者から得られ、前記組織サンプルのそれぞれは、
a)前記生検組織サンプルの組織スライド(1、2、3)から複数の画像(5、6、7、8)を取得するステップと、
b)前記画像(5)の1つ内のホットスポット及びホットスポット境界(11)を検出するステップと、
c)他の画像のそれぞれ内の前記ホットスポットの前記境界(12、13)を識別するステップと、
d)前記画像のそれぞれのためのスコア(A、B、C、D)を計算するステップであって、前記画像の1つのための前記スライドスコアの前記計算は、その画像の前記ホットスポットの前記境界内の前記画像の前記1つの画像部分のみを用いて実行されるステップと、
e)前記スコア及びそれぞれの患者の生存データ(16)を統計モデル(10)に入力するステップと、
によって処理され、前記方法は、
前記入力されたスコア及びそれぞれの生存データを用いて、前記統計モデルをフィッティングし、前記統計モデルのためのパラメータ値(17)を提供するステップと、
前記パラメータ値をメモリ(116)に格納するステップと、
をさらに含む方法。 - 請求項1から10のいずれか一項に記載の画像処理方法の実行のために構成される、患者の癌生検組織サンプルを分析するための画像処理システム(100)。
- 早期癌予知のためのコンピュータ実装方法であって、
第1の組織スライドの画像上の注釈がつけられた1つ又は複数の腫瘍領域を、組織病理に関する組織スライドの複数の他の画像の各々にマッピングするステップであって、組織スライドの前記複数の他の画像は、組織塊からの連続切片に対応するステップと、
各組織スライド上の1つ又は複数の腫瘍マーカー又は免疫細胞又は間質細胞の発現に基づいて、組織病理に関する組織スライドの前記複数の他の画像の各々をスコアリングするステップと、
リスク分類スコアを計算し、一組の係数を用いて、個々のマーカー組織スライドの含まれたサブセットから、前記スライドスコアを組み合わせるステップと、
を含み、
患者は、前記リスク分類スコアのカットオフポイントに基づいて、ロー再発リスク又はハイ再発リスクのグループに分類され得る、
コンピュータ実装方法。 - 前記第1の組織スライドの前記画像上の視野を選択し、スライドスコアを計算するステップをさらに含む、請求項12に記載の方法。
- 前記視野は、全腫瘍を備える、請求項13に記載の方法。
- 前記視野は、ホットスポット選択を備える、請求項13に記載の方法。
- スライドスコアリングは、前記画像を分析するステップと、前記視野に基づいて各スライドをスコアリングするステップと、をさらに含む、請求項13に記載の方法。
- 前記一組の係数の値は、前記視野に基づいて選択される、請求項13に記載の方法。
- 前記一組の係数の値は、訓練コホートに含まれる複数の患者のための実際の生存データに対して、考慮された組の組織スライドのために計算される前記スライドスコアに対して、コックス比例ハザードモデルをフィッティングすることから導出される、請求項17に記載の方法。
- 前記訓練コホートは、前記実際の生存データを備え、特定の染色及び走査プロトコル、注釈生成、複数の患者に対応する画像及びデータ分析ワークフローを有する組織マーカースライドを備える、請求項18に記載の方法。
- 前記カットオフポイントは、前記統計フィッティングに基づいて決定される、請求項18に記載の方法。
- 早期癌予知のためのシステムであって、
プロセッサと、
前記プロセッサに結合されるメモリと、
を備え、前記メモリは、コンピュータ可読命令を格納し、前記コンピュータ可読命令は、前記プロセッサによって実行されるとき、前記プロセッサに、
隣接組織スライドの複数の画像の各々によって、H&Eスライドの画像上の注釈がつけられた全腫瘍領域をレジストレーションするステップと、
マーカーに特有のスライド画像分析方法及びスコアリングアルゴリズムを用いて、前記H&Eスライドの前記画像及び隣接組織スライドの前記複数のIHC画像のための一組のスライドスコアを生成するステップと、
を含む動作を実行させ、
リスク分類アルゴリズムは、個々のスライド上で計算される前記スライドスコアの重みの組み合わせを、訓練コホート内の複数の患者のための生存データにフィッティングする統計的フィッティングに基づいて決定される、システム。 - 前記訓練コホートは、患者生存データを含み、前記複数の患者のための画像データを含み、前記画像データは、全腫瘍レジストレーションを用いて処理された組織スライドを表す、請求項21に記載のシステム。
- 前記動作は、前記H&Eスライドに関連付けられた患者を、ローリスク又はハイリスクのグループの1つに分類するステップをさらに含む、請求項21に記載のシステム。
- 前記分類するステップは、前記全スライドスコアのためのカットオフポイントに基づき、前記カットオフポイントは、前記生存データ及び前記スコアリングアルゴリズムを含むログランク検定に基づいて生成される、請求項23に記載のシステム。
- 前記H&Eスライド上の視野の選択を可能にするユーザインターフェースをさらに備える、請求項21に記載のシステム。
- コンピュータ可読コードを格納する有形の非一時的コンピュータ可読媒体であって、前記コンピュータ可読コードは、プロセッサによって実行され、
コックス比例ハザード回帰モデルを、注釈がつけられ、Ki−67ホットスポットに基づいてレジストレーションされ、複数の訓練患者に関連付けられた訓練用連続画像を用いて訓練するステップと、
前記コックス比例ハザード回帰モデルを、単一の患者に関連付けられた試験用連続画像に適用するステップであって、前記試験用連続画像もまた、前記Ki−67ホットスポットによって注釈がつけられるステップと、
を含む動作を実行する、
コンピュータ可読媒体。 - 前記訓練するステップは、前記コックス比例ハザードモデルを、前記複数の訓練患者のための生存データにフィッティングするステップと、スコアリングアルゴリズムを決定するステップと、をさらに含む、請求項26に記載のコンピュータ可読媒体。
- 前記コックス比例ハザードモデルを適用する前に、前記スコアリングアルゴリズムを用いて、前記試験用連続画像のためのスコアを生成する、請求項27に記載のコンピュータ可読媒体。
- 前記訓練するステップは、前記スコアリングアルゴリズムの1つ又は複数の係数を決定するステップをさらに含む、請求項27に記載のコンピュータ可読媒体。
- 前記コックス比例ハザード回帰モデルを適用するステップは、前記単一の患者を、ローリスク又はハイリスクの1つに分類するステップを含む、請求項26に記載のコンピュータ可読媒体。
- 前記分類するステップは、前記訓練用連続画像に基づいて生成されるカットオフポイントを用いるステップを含む、請求項30に記載のコンピュータ可読媒体。
- 早期癌予知のための乳癌予知方法であって、
H&E組織スライドの画像上の注釈がつけられた1つ又は複数の腫瘍領域を、IHC組織スライドの複数の画像の各々にマッピングするステップであって、IHC組織スライドの前記複数の画像は、組織塊からの連続切片に対応するステップと、
IHC組織スライドの前記複数の画像の各々内の1つ又は複数の腫瘍マーカーの発現に基づいて、IHC組織スライドの前記複数の画像の各々をスコアリングするステップと、
一組の係数を用いて、IHC組織スライドの前記複数の画像のための全スライドスコアを計算するステップであって、患者は、前記全スライドスコアのカットオフポイントに基づいて、ロー再発リスク又はハイ再発リスクのグループに分類され得るステップと、
を含む方法。 - 早期癌予知のための乳癌予知方法であって、
ki67組織スライドの画像上の注釈がつけられた1つ又は複数のFoVを、IHC組織スライドの複数の画像の各々にマッピングするステップであって、IHC組織スライドの前記複数の画像は、組織塊からの連続切片に対応するステップと、
IHC組織スライドの前記複数の画像の各々の1つ又は複数のFoVの発現に基づいて、IHC組織スライドの前記複数の画像の各々をスコアリングするステップと、
一組の係数を用いて、IHC組織スライドの前記複数の画像のための全スライドスコアを計算するステップであって、患者は、前記全スライドスコアのカットオフポイントに基づいて、ロー再発リスク又はハイ再発リスクのグループに分類され得るステップと、
を含む方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201462087229P | 2014-12-03 | 2014-12-03 | |
US62/087,229 | 2014-12-03 | ||
PCT/EP2015/078541 WO2016087592A1 (en) | 2014-12-03 | 2015-12-03 | Systems and methods for early-stage cancer prognosis |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018504674A true JP2018504674A (ja) | 2018-02-15 |
JP6650453B2 JP6650453B2 (ja) | 2020-02-19 |
Family
ID=54834807
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017529789A Active JP6650453B2 (ja) | 2014-12-03 | 2015-12-03 | 早期癌予知のための計算病理学システム及び方法 |
Country Status (6)
Country | Link |
---|---|
US (2) | US11257209B2 (ja) |
EP (1) | EP3227833A1 (ja) |
JP (1) | JP6650453B2 (ja) |
AU (1) | AU2015357091A1 (ja) |
CA (1) | CA2965431C (ja) |
WO (1) | WO2016087592A1 (ja) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112712875A (zh) * | 2019-10-25 | 2021-04-27 | 中国医药大学附设医院 | 迁移学习辅助预测系统、方法及电脑程式产品 |
TWI726459B (zh) * | 2019-10-25 | 2021-05-01 | 中國醫藥大學附設醫院 | 遷移學習輔助預測系統、方法及電腦程式產品 |
JP2021516106A (ja) * | 2018-03-08 | 2021-07-01 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 高リスクプラーク面積率評価のためのインタラクティブな自己改善アノテーションシステム |
JP2021525361A (ja) * | 2018-05-24 | 2021-09-24 | ユニバーシティ オブ ピッツバーグ−オブ ザ コモンウェルス システム オブ ハイヤー エデュケーションUniversity Of Pittsburgh Of The Commonwealth System Of Higher Education | 空間マルチパラメータ細胞亜細胞画像データからの癌再発の予測 |
TWI778718B (zh) * | 2021-07-21 | 2022-09-21 | 台達電子工業股份有限公司 | 用於檢體玻片的刮取指引系統及其方法 |
WO2022201415A1 (ja) * | 2021-03-25 | 2022-09-29 | 日本電気株式会社 | 検査支援装置、検査支援システム、検査支援方法、および記録媒体 |
JP7515144B2 (ja) | 2019-05-31 | 2024-07-12 | ペイジ.エーアイ インコーポレイテッド | デジタル病理学のためのスライドの画像を処理し、スライドの処理された画像を自動的に優先順位付けするためのシステムおよび方法 |
Families Citing this family (55)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014235494A (ja) * | 2013-05-31 | 2014-12-15 | 富士ゼロックス株式会社 | 画像処理装置及びプログラム |
WO2015069827A2 (en) * | 2013-11-06 | 2015-05-14 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Pathology case review, analysis and prediction |
EP3155592B1 (en) * | 2014-06-10 | 2019-09-11 | Leland Stanford Junior University | Predicting breast cancer recurrence directly from image features computed from digitized immunohistopathology tissue slides |
CN107924462A (zh) * | 2015-08-24 | 2018-04-17 | 皇家飞利浦有限公司 | 数字病理学中的服务器‑客户机架构 |
JP2017099616A (ja) * | 2015-12-01 | 2017-06-08 | ソニー株式会社 | 手術用制御装置、手術用制御方法、およびプログラム、並びに手術システム |
SG10201911357VA (en) * | 2016-03-14 | 2020-01-30 | Somalogic Inc | Compounds and methods for the synthesis of 5-(n-protected-tryptaminocarboxyamide)-2'-deoxyuridine phosphoramidate for incorporation into a nucleic sequence |
RU2019100441A (ru) * | 2016-06-13 | 2020-07-14 | Конинклейке Филипс Н.В. | Способ логического вывода об активности транскрипционного фактора пути сигнальной трансдукции у субъекта |
US10572996B2 (en) * | 2016-06-28 | 2020-02-25 | Contextvision Ab | Method and system for detecting pathological anomalies in a digital pathology image and method for annotating a tissue slide |
US10846850B2 (en) | 2016-07-25 | 2020-11-24 | The Doshisha | Morbidity diagnosis support system, morbidity diagnosis data-generating system, and morbidity diagnosis support method |
JP2019533149A (ja) * | 2016-09-23 | 2019-11-14 | ヴェンタナ メディカル システムズ, インク. | 腫瘍試料中の細胞外マトリックスバイオマーカーをスコアリングするための方法及びシステム |
WO2018065434A1 (en) * | 2016-10-07 | 2018-04-12 | Ventana Medical Systems, Inc. | Digital pathology system and associated workflow for providing visualized whole-slide image analysis |
EP3532984B1 (en) * | 2016-10-27 | 2024-05-08 | Koninklijke Philips N.V. | Apparatus for determining cellular composition information in one or more tissue samples |
JP6670222B2 (ja) * | 2016-11-01 | 2020-03-18 | 株式会社日立ハイテク | 画像診断支援装置及びシステム、画像診断支援方法 |
CN110088804B (zh) | 2016-12-22 | 2023-06-27 | 文塔纳医疗系统公司 | 基于原色和免疫组织化学图像的计算机评分 |
US10663711B2 (en) | 2017-01-04 | 2020-05-26 | Corista, LLC | Virtual slide stage (VSS) method for viewing whole slide images |
US10573003B2 (en) * | 2017-02-13 | 2020-02-25 | Amit Sethi | Systems and methods for computational pathology using points-of-interest |
US10108845B2 (en) | 2017-03-02 | 2018-10-23 | Hong Kong Applied Science and Technology Research Institute Company Limited | Anomaly detection for medical samples under multiple settings |
US10650520B1 (en) | 2017-06-06 | 2020-05-12 | PathAI, Inc. | Systems and methods for training a statistical model to predict tissue characteristics for a pathology image |
US11195274B2 (en) | 2017-08-03 | 2021-12-07 | Nucleai Ltd | Systems and methods for analysis of tissue images |
US11361868B2 (en) * | 2017-08-16 | 2022-06-14 | The Johns Hopkins University | Abnormal tissue detection via modal upstream data fusion |
GB2569103A (en) * | 2017-11-16 | 2019-06-12 | Univ Oslo Hf | Histological image analysis |
WO2019103912A2 (en) | 2017-11-22 | 2019-05-31 | Arterys Inc. | Content based image retrieval for lesion analysis |
EP3721406B1 (en) * | 2017-12-05 | 2024-01-24 | Ventana Medical Systems, Inc. | Method of computing tumor spatial and inter-marker heterogeneity |
WO2019121564A2 (en) | 2017-12-24 | 2019-06-27 | Ventana Medical Systems, Inc. | Computational pathology approach for retrospective analysis of tissue-based companion diagnostic driven clinical trial studies |
US11593656B2 (en) | 2017-12-31 | 2023-02-28 | Astrazeneca Computational Pathology Gmbh | Using a first stain to train a model to predict the region stained by a second stain |
WO2019197509A1 (en) | 2018-04-13 | 2019-10-17 | Ventana Medical Systems, Inc. | Systems for cell shape estimation |
EP3815040A4 (en) * | 2018-05-21 | 2022-03-02 | Corista LLC | MULTIPLE SAMPLE BULK SLIDE IMAGE PROCESSING USING MULTIPLE RESOLUTION REGISTRATION |
EP3611695A1 (en) * | 2018-08-15 | 2020-02-19 | Koninklijke Philips N.V. | Generating annotation data of tissue images |
US20210358585A1 (en) * | 2018-08-28 | 2021-11-18 | Koninklijke Philips N.V. | Method and system for cancer stage annotation within a medical text |
CN109379762B (zh) * | 2018-09-10 | 2021-09-14 | 中国联合网络通信集团有限公司 | 一种随机信号数据统计方法和系统 |
US11462325B2 (en) * | 2018-09-29 | 2022-10-04 | Roche Molecular Systems, Inc. | Multimodal machine learning based clinical predictor |
WO2020075172A1 (en) * | 2018-10-10 | 2020-04-16 | Ibex Medical Analytics Ltd. | System and method for personalization and optimization of digital pathology analysis |
WO2020081343A1 (en) | 2018-10-15 | 2020-04-23 | Ventana Medical Systems, Inc. | Systems and methods for cell classification |
JP7175158B2 (ja) * | 2018-10-29 | 2022-11-18 | アークレイ株式会社 | 情報処理装置、測定システム、及びプログラム |
KR20200117222A (ko) * | 2019-04-03 | 2020-10-14 | 서울대학교병원 | 병리 진단 지원 장치 및 방법 |
KR102237696B1 (ko) * | 2019-04-29 | 2021-04-08 | 계명대학교 산학협력단 | 자궁경부암 세포 영상 자동 분석을 위한 인공지능 컴퓨터 보조 진단 시스템 및 그 제어 방법 |
KR102403397B1 (ko) * | 2019-05-31 | 2022-05-31 | 페이지.에이아이, 인크. | 디지털 병리학을 위한 슬라이드들의 처리된 이미지들을 자동으로 우선순위화하기 위해 슬라이드들의 이미지들을 처리하기 위한 시스템들 및 방법들 |
EP3761032A1 (en) * | 2019-07-03 | 2021-01-06 | Xyall B.V. | Determining region(s) for tissue dissection in pathology slides |
US20210027890A1 (en) * | 2019-07-24 | 2021-01-28 | ConnSante BioTech, Inc. | Detecting, evaluating and predicting system for cancer risk |
US12008747B2 (en) * | 2019-07-29 | 2024-06-11 | Case Western Reserve University | Population-specific prediction of prostate cancer recurrence based on stromal morphology features |
EP4028990A1 (en) * | 2019-09-09 | 2022-07-20 | PAIGE.AI, Inc. | Systems and methods for processing images of slides to infer biomarkers |
US11482335B2 (en) * | 2019-12-18 | 2022-10-25 | Pathomiq Inc. | Systems and methods for predicting patient outcome to cancer therapy |
CA3161179C (en) * | 2020-01-28 | 2024-01-09 | Brandon Rothrock | Systems and methods for processing electronic images for computational detection methods |
CN111413504B (zh) * | 2020-04-03 | 2022-01-28 | 河北医科大学第四医院 | 一种辅助判读ki67增殖指数的标准比对卡 |
CN113628157A (zh) * | 2020-05-06 | 2021-11-09 | 德克萨斯大学体系董事会 | 利用病理图像来表征肿瘤微环境的系统和方法 |
CN111657945B (zh) * | 2020-06-16 | 2023-09-12 | 中南大学湘雅医院 | 一种基于增强mri影像组学的鼻咽癌预后辅助评估方法 |
US11721428B2 (en) * | 2020-07-06 | 2023-08-08 | Exini Diagnostics Ab | Systems and methods for artificial intelligence-based image analysis for detection and characterization of lesions |
AU2021325900A1 (en) * | 2020-08-13 | 2023-04-20 | PAIGE.AI, Inc. | Systems and methods to process electronic images for continuous biomarker prediction |
CN112289455A (zh) * | 2020-10-21 | 2021-01-29 | 王智 | 一种人工智能神经网络学习模型构建系统、构建方法 |
KR102246319B1 (ko) | 2021-01-07 | 2021-05-03 | 주식회사 딥바이오 | 병리 검체에 대한 판단 결과를 제공하는 인공 뉴럴 네트워크의 학습 방법, 및 이를 수행하는 컴퓨팅 시스템 |
CN113764101B (zh) * | 2021-09-18 | 2023-08-25 | 新疆医科大学第三附属医院 | 基于cnn的乳腺癌新辅助化疗多模态超声诊断系统 |
SE2151185A1 (en) * | 2021-09-28 | 2023-03-29 | Stratipath Ab | System for cancer progression risk determination |
WO2023201054A1 (en) * | 2022-04-15 | 2023-10-19 | Memorial Sloan-Kettering Cancer Center | Multi-modal machine learning to determine risk stratification |
CN114998348B (zh) * | 2022-08-03 | 2022-11-01 | 南方医科大学南方医院 | 一种计算机可读存储介质及直肠癌预后预测模型构建系统 |
CN116862861B (zh) * | 2023-07-04 | 2024-06-21 | 浙江大学 | 一种基于多组学的胃癌治疗疗效的预测模型训练、预测方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008108059A1 (ja) * | 2007-03-01 | 2008-09-12 | Nec Corporation | 乳癌病理画像診断支援システム、乳癌病理画像診断支援方法、乳癌病理画像診断支援プログラム、及び、乳癌病理画像診断支援プログラムを記録した記録媒体 |
US20120076390A1 (en) * | 2010-09-28 | 2012-03-29 | Flagship Bio | Methods for feature analysis on consecutive tissue sections |
WO2014102130A1 (en) * | 2012-12-28 | 2014-07-03 | Ventana Medical Systems, Inc. | Image analysis for breast cancer prognosis |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10408846B2 (en) * | 2012-05-15 | 2019-09-10 | Novartis Ag | Quantitative methods and kits for providing reproducible IHC4 scores |
EP2973396B1 (en) | 2013-03-14 | 2018-10-10 | Ventana Medical Systems, Inc. | Whole slide image registration and cross-image annotation devices, systems and methods |
WO2014140085A1 (en) | 2013-03-15 | 2014-09-18 | Ventana Medical Systems, Inc. | Tissue object-based machine learning system for automated scoring of digital whole slides |
-
2015
- 2015-12-03 WO PCT/EP2015/078541 patent/WO2016087592A1/en active Application Filing
- 2015-12-03 AU AU2015357091A patent/AU2015357091A1/en not_active Abandoned
- 2015-12-03 JP JP2017529789A patent/JP6650453B2/ja active Active
- 2015-12-03 CA CA2965431A patent/CA2965431C/en active Active
- 2015-12-03 EP EP15805448.6A patent/EP3227833A1/en active Pending
-
2017
- 2017-06-02 US US15/613,113 patent/US11257209B2/en active Active
-
2021
- 2021-12-09 US US17/546,735 patent/US20220156930A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008108059A1 (ja) * | 2007-03-01 | 2008-09-12 | Nec Corporation | 乳癌病理画像診断支援システム、乳癌病理画像診断支援方法、乳癌病理画像診断支援プログラム、及び、乳癌病理画像診断支援プログラムを記録した記録媒体 |
US20120076390A1 (en) * | 2010-09-28 | 2012-03-29 | Flagship Bio | Methods for feature analysis on consecutive tissue sections |
WO2014102130A1 (en) * | 2012-12-28 | 2014-07-03 | Ventana Medical Systems, Inc. | Image analysis for breast cancer prognosis |
Non-Patent Citations (1)
Title |
---|
辻谷 将明、左近 賢人: ""時間依存型共変量を伴う生存データの解析"", 応用統計学, vol. 34, no. 1, JPN6019024855, 30 August 2005 (2005-08-30), JP, pages 15 - 29, ISSN: 0004193211 * |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021516106A (ja) * | 2018-03-08 | 2021-07-01 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 高リスクプラーク面積率評価のためのインタラクティブな自己改善アノテーションシステム |
JP2021525361A (ja) * | 2018-05-24 | 2021-09-24 | ユニバーシティ オブ ピッツバーグ−オブ ザ コモンウェルス システム オブ ハイヤー エデュケーションUniversity Of Pittsburgh Of The Commonwealth System Of Higher Education | 空間マルチパラメータ細胞亜細胞画像データからの癌再発の予測 |
US11836998B2 (en) | 2018-05-24 | 2023-12-05 | University of Pittsburgh—of the Commonwealth System of Higher Education | Predicting cancer recurrence from spatial multi-parameter cellular and subcellular imaging data |
JP7398073B2 (ja) | 2018-05-24 | 2023-12-14 | ユニバーシティ オブ ピッツバーグ-オブ ザ コモンウェルス システム オブ ハイヤー エデュケーション | 空間マルチパラメータ細胞亜細胞画像データからの癌再発の予測 |
JP7515144B2 (ja) | 2019-05-31 | 2024-07-12 | ペイジ.エーアイ インコーポレイテッド | デジタル病理学のためのスライドの画像を処理し、スライドの処理された画像を自動的に優先順位付けするためのシステムおよび方法 |
CN112712875A (zh) * | 2019-10-25 | 2021-04-27 | 中国医药大学附设医院 | 迁移学习辅助预测系统、方法及电脑程式产品 |
TWI726459B (zh) * | 2019-10-25 | 2021-05-01 | 中國醫藥大學附設醫院 | 遷移學習輔助預測系統、方法及電腦程式產品 |
CN112712875B (zh) * | 2019-10-25 | 2022-12-02 | 台湾中国医药大学附设医院 | 迁移学习辅助预测系统及方法 |
WO2022201415A1 (ja) * | 2021-03-25 | 2022-09-29 | 日本電気株式会社 | 検査支援装置、検査支援システム、検査支援方法、および記録媒体 |
TWI778718B (zh) * | 2021-07-21 | 2022-09-21 | 台達電子工業股份有限公司 | 用於檢體玻片的刮取指引系統及其方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6650453B2 (ja) | 2020-02-19 |
WO2016087592A1 (en) | 2016-06-09 |
AU2015357091A1 (en) | 2017-04-27 |
CA2965431A1 (en) | 2016-06-09 |
US20170270666A1 (en) | 2017-09-21 |
US11257209B2 (en) | 2022-02-22 |
CA2965431C (en) | 2023-05-16 |
US20220156930A1 (en) | 2022-05-19 |
EP3227833A1 (en) | 2017-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220156930A1 (en) | Cancer risk stratification based on histopathological tissue slide analysis | |
JP7406745B2 (ja) | コンピュータ検出方法のための電子画像を処理するためのシステムおよび方法 | |
EP3155592B1 (en) | Predicting breast cancer recurrence directly from image features computed from digitized immunohistopathology tissue slides | |
Müller et al. | Explainability and causability for artificial intelligence-supported medical image analysis in the context of the European In Vitro Diagnostic Regulation | |
US9298968B1 (en) | Digital image analysis of inflammatory cells and mediators of inflammation | |
EP3839812A2 (en) | Systems and methods for generating regions in an image encompassing tumor cells | |
Viswanathan et al. | The state of the art for artificial intelligence in lung digital pathology | |
Song et al. | Artificial intelligence for digital and computational pathology | |
JP2017529513A (ja) | 複数の染色で染色されている生物組織サンプルから取得されるマルチチャネル画像を分析するための画像処理方法及びシステム | |
JP7376882B2 (ja) | バイオマーカ位置特定のための電子画像を処理するためのシステムおよび方法 | |
JP2018512072A (ja) | 自動化スライド全域解析の品質管理 | |
WO2017171720A1 (en) | Digital image analysis of inflammatory cells and mediators of inflammation | |
Puri et al. | Automated computational detection, quantitation, and mapping of mitosis in whole-slide images for clinically actionable surgical pathology decision support | |
CN111656393A (zh) | 组织学图像分析 | |
Ahmad et al. | Artificial intelligence in inflammatory bowel disease endoscopy: implications for clinical trials | |
Rakha et al. | Digital technology in diagnostic breast pathology and immunohistochemistry | |
Grote et al. | Exploring the spatial dimension of estrogen and progesterone signaling: detection of nuclear labeling in lobular epithelial cells in normal mammary glands adjacent to breast cancer | |
US20240212146A1 (en) | Method and apparatus for analyzing pathological slide images | |
Athelogou et al. | Tissue Phenomics For Diagnostic Pathology | |
Kung | Assessing a hyperspectral image analysis system to study tumor and immune cell spatial organizations within lung tumor microenvironments | |
Lu et al. | AI-Based Computational Pathology and Its Contribution to Precision Medicine | |
Shete et al. | EVALUATION OF IMMUNOHISTOCHEMISTRY (IHC) MARKER HER2 IN BREAST CANCER | |
Dubey et al. | Pathology for gastrointestinal and hepatobiliary cancers using artificial intelligence |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180618 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190621 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190701 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191001 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20200116 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200120 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6650453 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |