JP2018529103A - 組織認識のための方法および装置 - Google Patents
組織認識のための方法および装置 Download PDFInfo
- Publication number
- JP2018529103A JP2018529103A JP2018514780A JP2018514780A JP2018529103A JP 2018529103 A JP2018529103 A JP 2018529103A JP 2018514780 A JP2018514780 A JP 2018514780A JP 2018514780 A JP2018514780 A JP 2018514780A JP 2018529103 A JP2018529103 A JP 2018529103A
- Authority
- JP
- Japan
- Prior art keywords
- image
- data
- image data
- roi
- comparator
- 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.)
- Ceased
Links
Images
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
- G02—OPTICS
- G02B—OPTICAL ELEMENTS, SYSTEMS OR APPARATUS
- G02B21/00—Microscopes
- G02B21/36—Microscopes arranged for photographic purposes or projection purposes or digital imaging or video purposes including associated control and data processing arrangements
- G02B21/365—Control or image processing arrangements for digital or video microscopes
-
- 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
- G06V20/695—Preprocessing, e.g. image segmentation
-
- 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
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20161—Level set
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Optics & Photonics (AREA)
- Signal Processing (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Description
仮想顕微鏡法または仮想病理学とも称されることのできるデジタル病理学は、デジタル情報の管理、分析、解釈に関する。本開示は、「機械視覚(machine vision)」および「電算化画像理解(computerised image understanding)」の方法の、組織分析および癌検出における応用に関する。本開示は、複数解像度での問い合わせおよびパターン駆動の分析(たとえばデータ中のパターンが処理機能を方向付ける)ならびに選択的画像処理(グローバルな処理の低減およびデジタル画像処理機能の選択的適用)にも関する。
・ROIのサイズ、
・ROIの形状、
・ROIの光学密度、
・ROIの境界、
・ROIが何らかの識別可能な部分ROI構成要素を含んでいるか。
他のメトリックが使われてもよい。ROIのサイズを決定するために、コンピュータは、ROIを構成するピクセルの数を数えてもよい。ROIの形状を決定するために、コンピュータは、多様な異なる技法の任意のものを使ってもよい。たとえば、テンプレート・ベースの照合方法が使われてもよく、および/または(1)ROIの面積と(2)その境界の長さの二乗との比を使ってROIの円形性についての情報を得てもよい。テンプレート・ベースの照合方法は、コンピュータが、それぞれ異なる形状をもつ一連の畳み込みカーネルをROIに適用することを含んでいてもよい。これらの場合において、ROIの形状は、最大の全強度をもつ出力を生じる畳み込みカーネルを同定することによって、決定されてもよい。ROIの形状を同定する他の方法が使われてもよい。
・修正されたROIのサイズ、
・修正されたROIの形状、
・修正されたROIの光学密度、
・修正されたROIの境界、
・修正されたROIが何らかの識別可能な部分ROI構成要素を含んでいるか。
上記のように、他のメトリックが使われてもよい。修正されたROIにおけるこれらのメトリックから得られるデータ値が比較器データに対して再び比較される。その修正されたROIについてのそれらのメトリックの測定された値が(たとえば指定された許容差の範囲内で)ある型の構造についての比較器データに一致する場合、その修正されたROIはその型の構造に属するとして分類される。コンピュータは、その修正されたROIの画像ピクセルを、その型の構造に属するとしてラベル付けする(1214)。
・修正されたROIのサイズ、
・修正されたROIの形状、
・修正されたROIの光学密度、
・修正されたROIの境界、
・修正されたROIが何らかの識別可能な部分ROI構成要素を含んでいるか。
上記のように、他のメトリックが使われてもよい。修正されたROIにおけるこれらのメトリックから得られるデータ値が比較器データに対して再び比較される。そのマージされたROIについてのそれらのメトリックの測定された値が(たとえば指定された許容差の範囲内で)ある型の構造についての比較器データに一致する場合、その修正されたROIはその型の構造に属するとして分類される。コンピュータは、そのマージされたROIの画像ピクセルを、その型の構造に属するとしてラベル付けする。
Claims (50)
- ヘマトキシリンおよびエオシンで染色した組織試料の顕微鏡スライド画像を定義する顕微鏡画像データを取得する段階であって、前記顕微鏡スライド画像データは複数の画像ピクセルを含む、段階と;
前記組織試料が由来するもとになった組織の型を示す記述子データを取得する段階と;
前記記述子データに基づいて、前記画像データを変換するよう構成された画像処理を選択する段階と;
選択された画像処理を前記画像データに適用して、前記画像のいくつかの離散的な空間領域を識別する段階と;
定量的画像メトリックの集合をデータ記憶部から選択する段階であって、前記定量的画像メトリックは前記記述子データに基づいて選択される、段階と;
それぞれの離散的な空間領域について、そのまたはそれぞれの離散的な空間領域に関連付けられた画像データの部分集合に基づいて、前記集合の各定量的な画像メトリックについての試料領域データ値を決定する段階と;
前記記述子データを使って、前記データ記憶部から、組織モデル・データ値の少なくとも一つの比較器集合を選択する段階であって、各比較器集合は異なる対応する比較器組織構造に関連付けられており、各比較器集合は、対応する比較器組織構造についての前記集合の定量的画像メトリックのデータ値を含む、段階と;
それぞれの離散的な領域についての前記試料領域データ値を、前記少なくとも一つの比較器集合と比較する段階と;
そのまたはそれぞれの離散的な空間領域についての前記試料領域データ値が前記比較器集合にマッチする場合、その離散的な空間領域がそのマッチする比較器組織構造を有することを示す前記画像データのマップを提供する段階とを含む、
コンピュータ実装される画像処理方法。 - 前記画像処理が、前記画像の二状態マップを与えるよう構成された閾値処理を含む、請求項1記載の方法。
- 前記離散的な空間領域が、前記二状態マップの二つの状態のうちの第一の状態に属するピクセルの連続的な群を含み、たとえば、ピクセルの連続的な群は、閾値より上のピクセルを含む、請求項2記載の方法。
- 前記定量的画像メトリックは:前記離散的な空間領域(ROI)のサイズ、前記離散的な空間領域(ROI)の形状、前記離散的な空間領域(ROI)の光学密度、前記離散的な空間領域(ROI)境界および前記離散的な空間領域(ROI)が識別可能な部分ROI構成要素を含んでいるかどうかのうちの少なくとも一つを含む、請求項1ないし3のうちいずれか一項記載の方法。
- 離散的な空間領域(ROI)が前記比較器データにマッチしない場合、該前記離散的な空間領域(ROI)は未解決のROIとして分類され、該未解決のROIに対してさらなる画像処理が適用されて修正されたROIを提供する、請求項4記載の方法。
- 前記さらなる画像処理が、エロージョン、ダイレーションおよびオープニングのうちの少なくとも一つを含む、請求項5記載の方法。
- 前記修正されたROIについて、ROIのサイズ、ROIの形状、ROIの光学密度、ROIの境界およびROIが識別可能な部分ROI構成要素を含んでいるかどうかを含むリストから選択される少なくとも一つの定量的画像メトリックを計算することを含む、請求項5または6記載の方法。
- 前記修正されたROIについての前記少なくとも一つの定量的画像メトリックの値を、前記修正されたROIを識別するための比較器データと比較することを含む、請求項7記載の方法。
- 前記修正されたROIについての前記少なくとも一つの定量的画像メトリックの値(単数または複数)が前記修正されたROIを識別するための前記比較器データにマッチしない場合、当該方法は、(a)前記未解決のROIおよび(b)前記修正されたROIの少なくとも一方に第二のさらなる画像処理を適用することによって、第二の修正されたROIを得ることを含む、請求項8記載の方法。
- 前記第二の修正されたROIについて、ROIのサイズ、ROIの形状、ROIの光学密度、ROIの境界およびROIが識別可能な部分ROI構成要素を含んでいるかどうかを含むリストから選択される少なくとも一つの定量的画像メトリックを計算し;
前記第二の修正されたROIについての前記少なくとも一つの定量的画像メトリックの値を、前記第二の修正されたROIを識別するための比較器データと比較することを含む、
請求項9記載の方法。 - 前記第二の修正されたROIが前記第二の修正されたROIを識別するための前記比較器データにマッチしない場合、当該方法は:
(i)さらなる画像演算子を適用してさらなる修正されたROIを得て、
(ii)前記少なくとも一つの定量的画像メトリックを計算して、
(iii)前記さらなる修正されたROIについての前記少なくとも一つの定量的画像メトリックの値を、前記さらなる修正されたROIを識別するための比較器データと比較すること
を逐次反復することを含む、請求項10記載の方法。 - 前記画像処理が、選択された範囲内の空間的長さスケールをもつ構造を記述する構造化された画像データを識別するよう構成された空間フィルタを含む、請求項1ないし11のうちいずれか一項記載の方法。
- 前記空間フィルタが、前記記述子データに基づいて選択された構造化要素をもつ形態学的フィルタを含む、請求項12記載の方法。
- 前記構造化要素のサイズおよび形状の少なくとも一方が前記記述子データに基づいて選択される、請求項13記載の方法。
- 定量的画像メトリックの前記集合が、唯一のまたはそれぞれの離散的領域における光学密度に基づくメトリックを含む、請求項1ないし14のうちいずれか一項記載の方法。
- 定量的画像メトリックの前記集合が、唯一のまたはそれぞれの離散的領域における空間周波数の選択された範囲内の空間周波数データに基づくメトリックを含む、請求項1ないし15のうちいずれか一項記載の方法。
- 前記定量的画像メトリックが、唯一のまたはそれぞれの離散的領域におけるテクスチャー・データに基づくメトリックを含む、請求項1ないし15のうちいずれか一項記載の方法。
- 対応する比較器組織構造が何であるかに基づいて、唯一のまたはそれぞれの離散的な領域をさらに解析するかどうかを決定することを含み、唯一のまたはそれぞれの離散的な領域がさらに解析されるのではない場合には、唯一のまたはそれぞれの離散的な領域は前記画像データのその後の解析からは除外される、請求項1ないし17のうちいずれか一項記載の方法。
- 唯一のまたはそれぞれの離散的な領域がさらに解析される場合、唯一のまたはそれぞれの離散的な領域における前記画像データに対して第一の形態学的フィルタを適用することを含み、前記形態学的フィルタは、細胞核を識別する細胞核データを与えるよう選択された構造化要素をもつ、請求項1ないし18のうちいずれか一項記載の方法。
- 定量的画像メトリックの前記集合が、前記記述子データに基づいて選択された長さスケールでの組織形態の少なくとも一つのメトリックを含む、請求項1ないし19のうちいずれか一項記載の方法。
- 複数の顕微鏡スライド画像から定量的画像メトリックの前記集合のデータ値を取得し、定量的画像メトリックの前記複数の集合のうちの前記少なくとも一つのメトリックのデータ値に基づいて、前記複数の顕微鏡スライド画像のシーケンスを選択することを含み、たとえば前記複数の顕微鏡スライド画像を選択されたシーケンスで人間のオペレーターに対して呈示することをさらに含む、請求項1ないし20のうちいずれか一項記載の方法。
- 前記画像データが光学密度データを含む、請求項1ないし21のうちいずれか一項記載の方法。
- 請求項1ないし21のうちいずれか一項記載の方法を実行するよう構成された診断装置であって、たとえば、当該装置は、(a)前記比較する諸段階のうちの少なくとも一つの段階の結果の指示を含む補強された画像および(b)前記比較する諸段階のうち少なくとも一つの段階の結果に基づく、前記組織における癌性細胞の存在の診断的な指示、の少なくとも一方を提供するよう構成されている、診断装置。
- 顕微鏡画像データを取得して該データを前記画像プロセッサに提供するよう構成された画像取得器であって、前記画像データはヘマトキシリンおよびエオシンで染色した組織試料の顕微鏡スライド画像を定義し、前記顕微鏡スライド画像データは複数の画像ピクセルを含む、画像取得器と;
前記画像データに対して処理を実行するためのプロセッサとを有する装置であって、前記プロセッサは:
前記組織試料が由来するもとになった組織の型を示す記述子データを取得する段階と;
前記記述子データに基づいて、選択された範囲内の空間的長さスケールをもつ構造を記述する構造化された画像データを識別するよう構成された空間フィルタを選択する段階と;
選択されたフィルタを前記画像データに適用して、前記画像のいくつかの離散的な空間領域を定義する画像データの部分集合を識別する段階であって、前記離散的な空間領域は前記画像のエリアの全部よりも少ない部分を含む、段階と;
定量的画像メトリックの集合を前記記述子データに基づいて選択する段階と;
それぞれの離散的な空間領域について、そのまたはそれぞれの離散的な空間領域に関連付けられた画像データの前記部分集合に基づいて、前記集合の各定量的な画像メトリックについての試料領域データ値を決定する段階と;
組織モデル・データ値の少なくとも一つの比較器集合を取得する段階であって、各比較器集合は異なる対応する比較器組織構造に関連付けられており、各比較器集合は、対応する比較器組織構造についての前記集合の定量的画像メトリックのデータ値を含む、段階と;
それぞれの離散的な領域についての前記試料領域データ値を、前記少なくとも一つの比較器集合と比較する段階とを実行するよう構成されており、
前記プロセッサは、そのまたはそれぞれの離散的な領域についての前記試料領域データ値が前記比較器集合にマッチする場合、前記プロセッサが、対応する比較器組織構造が何であるかに基づいて、そのまたはそれぞれの離散的な領域をさらに解析するかどうかを決定するよう構成されている、
装置。 - 前記プロセッサが、唯一のまたはそれぞれの離散的な領域がさらに解析される場合、唯一のまたはそれぞれの離散的な領域における前記画像データに対して第一の形態学的フィルタを適用するよう構成されており、前記形態学的フィルタは、細胞核を識別する細胞核データを与えるよう選択された構造化要素をもつ、請求項24記載の装置。
- 前記第一の形態学的フィルタの構造化要素が円形であり、20ミクロン未満、たとえば10ミクロン未満の直径をもつ、請求項25記載の装置。
- 前記プロセッサが、前記細胞核データに基づいて前記画像データを補強するよう構成されており、補強された画像データを、前記組織試料における癌性組織の存在の診断を支援するために提供するよう構成されている、請求項25または26記載の装置。
- 前記プロセッサが、前記細胞核データから決定される核形状または核サイズの少なくとも一方のメトリックに基づいて前記画像データを補強するよう構成されている、請求項27記載の装置。
- 前記プロセッサが、核形状または核サイズの前記少なくとも一方を比較器データと比較することに基づいて、前記少なくとも一つの離散的な領域が癌性細胞を含むかどうかを示すよう、前記画像データを補強するよう構成されている、請求項28記載の装置。
- 前記プロセッサが、唯一のまたはそれぞれの離散的な領域における細胞境界を同定する細胞境界データに基づいて前記画像データを補強するよう構成されている、請求項24ないし29のうちいずれか一項記載の装置。
- 前記プロセッサが、そのまたはそれぞれの離散的な領域の勾配画像データから、たとえば分水嶺法に基づいて前記細胞境界データを決定するよう構成されている、請求項30記載の装置。
- 前記細胞境界データが、細胞形状および細胞サイズの少なくとも一方を含む、請求項30または31記載の装置。
- 前記プロセッサが、複数の顕微鏡スライド画像から定量的画像メトリックの前記集合のデータ値を取得するよう構成されており、前記画像データを補強することが、定量的画像メトリックの前記複数の集合のうちの前記少なくとも一つのメトリックのデータ値に基づいて、前記複数の顕微鏡スライド画像のシーケンスを選択することを含む、請求項27ないし32のうちいずれか一項記載の装置。
- 前記プロセッサが、前記複数の顕微鏡スライド画像を選択されたシーケンスで人間のオペレーターに対して呈示するよう構成されている、請求項33記載の装置。
- 前記プロセッサが、唯一のまたはそれぞれの離散的な領域をハイライトすることによって前記画像データを補強するよう構成されている、請求項27ないし34のうちいずれか一項記載の装置。
- (a)前記比較する諸段階のうちの少なくとも一つの段階の結果の指示を含む補強された画像および(b)前記比較する諸段階のうち少なくとも一つの段階の結果に基づく、前記組織における癌性細胞の存在の診断的な指示、の少なくとも一方を提供するよう構成されている、請求項24ないし34のうちいずれか一項記載の装置。
- 構造を識別するためのコンピュータ実装される顕微鏡検査方法であって:
デジタル顕微鏡画像から第一の画像データを取得する段階と;
前記第一の画像データに画像変換を適用して第二の画像データを得る段階であって、前記第二の画像データの少なくともいくつかのピクセル・データ値が、前記第一の画像データの対応するピクセル・データ値とは異なる、段階と;
前記第二の画像データを少なくとも一つの比較器と比較して、該比較に基づいて前記顕微鏡画像における構造を分類する段階と;
前記第二の画像データにおける少なくとも一つの未分類の構造を同定する段階と;
前記画像変換を修正する段階と;
修正された画像変換を前記デジタル顕微鏡画像から得られた前記画像データに適用して第三の画像データを得る段階と;
前記第三の画像データを、前記少なくとも一つの未分類の構造を識別するために前記少なくとも一つの比較器と比較する段階とを含む、
方法。 - 構造を識別するためのコンピュータ実装される顕微鏡検査方法であって:
デジタル顕微鏡画像から第一の画像データを取得する段階と;
前記第一の画像データに画像変換を適用して第二の画像データを得る段階であって、前記第二の画像データの少なくともいくつかのピクセル・データ値が、前記第一の画像データの対応するピクセル・データ値とは異なる、段階と;
前記第二の画像データを少なくとも一つの比較器と比較して、該比較に基づいて前記顕微鏡画像における構造を分類する段階とを含む、
方法。 - 前記画像変換がコントラスト拡張処理を含み、当該方法は:
前記コントラスト拡張処理を修正する段階と;
修正されたコントラスト拡張処理を、前記デジタル顕微鏡画像から得られた前記画像データに適用して第三の強度データを得る段階と;
前記第三の強度データを、前記少なくとも一つの未分類の構造を識別するために前記少なくとも一つの比較器と比較する段階とを含む、
請求項38記載の方法。 - 前記画像変換が、前記画像変換が適用される前記画像データにおける一つまたは複数の選択された空間周波数帯域を減衰させるまたは強調するよう構成された処理を含む、請求項37ないし39のうちいずれか一項記載の方法。
- 前記画像変換を修正することが、前記一つまたは複数の空間周波数帯域のうちの一つまたは複数の帯域の減衰または強調を修正することを含む、請求項40記載の方法。
- (a)前記画像データの少なくとも一つの定量的画像メトリック;および
(b)前記顕微鏡画像が由来するもとになった組織の型を示す記述子データ
のうちの少なくとも一方に基づいて前記画像変換を選択することを含む、請求項37ないし41のうちいずれか一項記載の方法。 - 前記画像変換は、前記画像変換が適用される前記画像データの少なくとも一つの色チャネルの強度を修正するよう適応された強度変換を含む、請求項37ないし42のうちいずれか一項記載の方法。
- 前記画像変換がヒストグラム等化を含む、請求項43記載の方法。
- 前記ヒストグラム等化が、前記画像変換が適用される前記画像データの少なくとも一つの色チャネルの強度に対してマッピング関数を適用することを含み、前記画像変換を修正することが前記マッピング関数を修正することを含む、請求項44記載の方法。
- 前記画像変換がコントラスト拡張処理を含む、請求項37ないし45のうちいずれか一項記載の方法。
- 前記コントラスト拡張処理が、前記画像変換が適用される前記画像データの少なくとも一つの色チャネルの強度に対して線形スケーリングを適用することを含み、前記画像変換を修正することが前記線形スケーリングを修正することを含む、請求項46記載の方法。
- 前記修正された画像変換が、前記画像データの、少なくとも一つの未分類の構造を含む部分集合に適用される、請求項37または39ないし47のうちいずれか一項記載の方法。
- 前記修正された画像変換が、前記画像データの、少なくとも一つの分類済みの構造を除外する部分集合に適用される、請求項37または39ないし48のうちいずれか一項記載の方法。
- 未分類のまま残っているオブジェクトが選択された数未満になるまで修正する段階、比較する段階および分類する段階を逐次反復することを含む、請求項39ないし47のうちいずれか一項記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
GB1516869.3 | 2015-09-23 | ||
GB1516869.3A GB2542765A (en) | 2015-09-23 | 2015-09-23 | Method and apparatus for tissue recognition |
PCT/GB2016/052974 WO2017051191A2 (en) | 2015-09-23 | 2016-09-23 | Method and apparatus for tissue recognition |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2018529103A true JP2018529103A (ja) | 2018-10-04 |
Family
ID=54544702
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018514780A Ceased JP2018529103A (ja) | 2015-09-23 | 2016-09-23 | 組織認識のための方法および装置 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10671832B2 (ja) |
EP (1) | EP3353743A2 (ja) |
JP (1) | JP2018529103A (ja) |
CN (1) | CN108140239A (ja) |
GB (1) | GB2542765A (ja) |
RU (1) | RU2018110079A (ja) |
WO (1) | WO2017051191A2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022103227A (ja) * | 2018-12-03 | 2022-07-07 | アクセンチュア グローバル ソリューションズ リミテッド | テキストドメイン画像検索 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3081643A1 (en) | 2017-11-06 | 2019-05-09 | University Health Network | Platform, device and process for annotation and classification of tissue specimens using convolutional neural network |
WO2020182710A1 (en) | 2019-03-12 | 2020-09-17 | F. Hoffmann-La Roche Ag | Multiple instance learner for prognostic tissue pattern identification |
CN111144244B (zh) * | 2019-12-13 | 2023-07-11 | 唐美(北京)文化科技发展有限公司 | 家具木材类别识别方法及装置 |
CN113066080A (zh) * | 2021-04-19 | 2021-07-02 | 广州信瑞医疗技术有限公司 | 切片组织识别方法、装置,细胞识别模型及组织分割模型 |
WO2024011111A1 (en) * | 2022-07-06 | 2024-01-11 | Memorial Sloan-Kettering Cancer Center | Determining predicted outcomes of subjects with cancer based on segmentations of biomedical images |
CN117853932B (zh) * | 2024-03-05 | 2024-05-14 | 华中科技大学 | 一种基于光电吊舱的海面目标检测方法、检测平台及系统 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005530138A (ja) * | 2002-06-18 | 2005-10-06 | ライフスパン バイオサイエンス,インク. | 組織標本の中の重要な構造のコンピュータを利用した画像捕捉 |
WO2015113895A1 (en) * | 2014-01-28 | 2015-08-06 | Ventana Medical Systems, Inc. | Adaptive classification for whole slide tissue segmentation |
Family Cites Families (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6466687B1 (en) * | 1997-02-12 | 2002-10-15 | The University Of Iowa Research Foundation | Method and apparatus for analyzing CT images to determine the presence of pulmonary tissue pathology |
US8406498B2 (en) * | 1999-01-25 | 2013-03-26 | Amnis Corporation | Blood and cell analysis using an imaging flow cytometer |
US6993169B2 (en) * | 2001-01-11 | 2006-01-31 | Trestle Corporation | System and method for finding regions of interest for microscopic digital montage imaging |
US7864380B2 (en) * | 2001-03-19 | 2011-01-04 | Dmetrix, Inc. | Slide-borne imaging instructions |
GB2398379A (en) * | 2003-02-11 | 2004-08-18 | Qinetiq Ltd | Automated digital image analysis |
EP1636752A2 (en) * | 2003-05-30 | 2006-03-22 | Andrew M. Rabinovich | Color unmixing and region of interest detection in tissue samples |
RU2295297C2 (ru) | 2003-12-02 | 2007-03-20 | Александр Васильевич Жукоцкий | Способ исследования и диагностики состояния биологического объекта или его части |
CN1296699C (zh) * | 2003-12-19 | 2007-01-24 | 武汉大学 | 显微多光谱骨髓及外周血细胞自动分析仪和分析骨髓及外周血细胞的方法 |
US20060127880A1 (en) * | 2004-12-15 | 2006-06-15 | Walter Harris | Computerized image capture of structures of interest within a tissue sample |
US20070135999A1 (en) * | 2005-12-13 | 2007-06-14 | Applied Spectral Imaging Ltd. | Method, apparatus and system for characterizing pathological specimen |
US8077958B2 (en) * | 2006-06-30 | 2011-12-13 | University Of South Florida | Computer-aided pathological diagnosis system |
CA2683134A1 (en) | 2007-05-07 | 2008-11-13 | Ge Healthcare Bio-Sciences Corp. | System and method for the automated analysis of cellular assays and tissues |
RU2353295C2 (ru) | 2007-05-08 | 2009-04-27 | Государственное учреждение Научный центр клинической и экспериментальной медицины Сибирского отделения Российской академии медицинских наук (ГУ НЦКЭМ СО РАМН) | Способ дифференциальной диагностики фолликулярной аденомы и фолликулярного рака щитовидной железы |
WO2009003198A1 (en) | 2007-06-28 | 2008-12-31 | Mayo Foundation For Medical Education And Research | System and method for automatically detecting change in a series of medical images of a subject over time |
US8600135B2 (en) | 2007-06-28 | 2013-12-03 | Mayo Foundation For Medical Education And Research | System and method for automatically generating sample points from a series of medical images and identifying a significant region |
US8116551B2 (en) * | 2007-12-04 | 2012-02-14 | University College, Dublin, National University of Ireland | Method and system for image analysis |
JP2011022131A (ja) | 2009-06-18 | 2011-02-03 | Olympus Corp | 医療診断支援装置、画像処理方法、画像処理プログラム、およびバーチャル顕微鏡システム |
US20100329535A1 (en) | 2009-06-26 | 2010-12-30 | Marc Macenko | Methods, Systems and Computer Program Products for Analyzing Histology Slide Images |
RU2014102672A (ru) | 2011-07-28 | 2015-09-10 | Медетект Аб | Способ получения изображений среза ткани |
WO2013022688A1 (en) * | 2011-08-05 | 2013-02-14 | Siemens Healthcare Diagnostics Inc. | Automated detection of diagnostically relevant regions in pathology images |
WO2013049153A2 (en) * | 2011-09-27 | 2013-04-04 | Board Of Regents, University Of Texas System | Systems and methods for automated screening and prognosis of cancer from whole-slide biopsy images |
CN104919299A (zh) * | 2012-10-03 | 2015-09-16 | 皇家飞利浦有限公司 | 组合的样品检查 |
US9946953B2 (en) * | 2013-05-10 | 2018-04-17 | Koninklijke Philips N.V. | Apparatus and method for processing images of tissue samples |
US10776606B2 (en) * | 2013-09-22 | 2020-09-15 | The Regents Of The University Of California | Methods for delineating cellular regions and classifying regions of histopathology and microanatomy |
US9092691B1 (en) * | 2014-07-18 | 2015-07-28 | Median Technologies | System for computing quantitative biomarkers of texture features in tomographic images |
CN104745670A (zh) * | 2015-04-16 | 2015-07-01 | 黄小军 | 一种细胞芯片的制备方法及其在肿瘤筛查领域的应用 |
-
2015
- 2015-09-23 GB GB1516869.3A patent/GB2542765A/en not_active Withdrawn
-
2016
- 2016-09-23 WO PCT/GB2016/052974 patent/WO2017051191A2/en active Application Filing
- 2016-09-23 EP EP16805169.6A patent/EP3353743A2/en not_active Withdrawn
- 2016-09-23 RU RU2018110079A patent/RU2018110079A/ru not_active Application Discontinuation
- 2016-09-23 JP JP2018514780A patent/JP2018529103A/ja not_active Ceased
- 2016-09-23 CN CN201680055803.4A patent/CN108140239A/zh active Pending
- 2016-09-23 US US15/761,940 patent/US10671832B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005530138A (ja) * | 2002-06-18 | 2005-10-06 | ライフスパン バイオサイエンス,インク. | 組織標本の中の重要な構造のコンピュータを利用した画像捕捉 |
WO2015113895A1 (en) * | 2014-01-28 | 2015-08-06 | Ventana Medical Systems, Inc. | Adaptive classification for whole slide tissue segmentation |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2022103227A (ja) * | 2018-12-03 | 2022-07-07 | アクセンチュア グローバル ソリューションズ リミテッド | テキストドメイン画像検索 |
Also Published As
Publication number | Publication date |
---|---|
GB201516869D0 (en) | 2015-11-04 |
WO2017051191A2 (en) | 2017-03-30 |
US20190073511A1 (en) | 2019-03-07 |
WO2017051191A3 (en) | 2017-04-27 |
EP3353743A2 (en) | 2018-08-01 |
US10671832B2 (en) | 2020-06-02 |
RU2018110079A3 (ja) | 2020-03-13 |
GB2542765A (en) | 2017-04-05 |
RU2018110079A (ru) | 2019-10-23 |
CN108140239A (zh) | 2018-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6745874B2 (ja) | 組織認識のための方法および装置 | |
US10671832B2 (en) | Method and apparatus for tissue recognition | |
US9946953B2 (en) | Apparatus and method for processing images of tissue samples | |
Silva-Rodríguez et al. | Going deeper through the Gleason scoring scale: An automatic end-to-end system for histology prostate grading and cribriform pattern detection | |
US9842391B2 (en) | Method and apparatus for processing an image of a tissue sample | |
AU2015307296B2 (en) | Method and device for analysing an image | |
Belsare et al. | Histopathological image analysis using image processing techniques: An overview | |
Bhattacharjee et al. | Review on histopathological slide analysis using digital microscopy | |
Goceri et al. | Quantitative validation of anti‐PTBP1 antibody for diagnostic neuropathology use: Image analysis approach | |
Win et al. | Comparative study on automated cell nuclei segmentation methods for cytology pleural effusion images | |
JP6659832B2 (ja) | 正規化及びアーチファクト補正のための画像処理方法及び画像処理装置 | |
WO2017051195A1 (en) | Pattern driven image processing method & apparatus for tissue recognition | |
Anari et al. | Computer-aided detection of proliferative cells and mitosis index in immunohistichemically images of meningioma | |
Riasatian et al. | A comparative study of U-net topologies for background removal in histopathology images | |
Oswal et al. | An Entropy‐Based Automated Cell Nuclei Segmentation and Quantification: Application in Analysis of Wound Healing Process | |
Shih | A precise automatic system for the hair assessment in hair‐care diagnosis applications | |
Alomari et al. | Iterative randomized irregular circular algorithm for proliferation rate estimation in brain tumor Ki-67 histology images | |
Sáez et al. | Neuromuscular disease classification system | |
Mazo et al. | Automatic recognition of fundamental tissues on histology images of the human cardiovascular system | |
Guatemala-Sanchez et al. | Nuclei segmentation on histopathology images of breast carcinoma | |
Susan et al. | Improvising grading of cervical cancer using quality assessment method in smart colposcopy images | |
Alomari et al. | Adaptive Localization of Focus Point Regions via Random Patch Probabilistic Density from Whole‐Slide, Ki‐67‐Stained Brain Tumor Tissue | |
Irshad | Automated mitosis detection in color and multi-spectral high-content images in histopathology: application to breast cancer grading in digital pathology | |
Miranda Ruiz | Automatic segmentation of epithelium in cervical whole slide images to assist diagnosis of cervical intraepithelial neoplasia | |
Altunbay | Color graph representation for structural analysis of tissue images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180326 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190919 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200714 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200710 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20201007 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210106 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210330 |
|
A045 | Written measure of dismissal of application [lapsed due to lack of payment] |
Free format text: JAPANESE INTERMEDIATE CODE: A045 Effective date: 20210831 |