用于数字病理学的用于处理图像以针对所处理的图像制备载片的系统和方法与流程

技术特征：
1.一种用于处理对应于样本的电子图像的计算机实现方法，该方法包括：接收对应于目标样本的载片的目标电子图像，目标样本包括来自患者的组织采样；将机器学习系统应用于目标电子图像以确定与目标样本相关联的缺陷，机器学习系统是通过处理多个训练图像以预测染色缺陷和/或预测所需重切而生成的，训练图像包括人类组织的图像和/或通过算法生成的图像；以及基于与目标样本相关联的缺陷，确定自动命令制备额外的载片。2.根据权利要求1所述的计算机实现方法，其中，确定缺陷包括基于目标样本的样本信息来确定要制备额外载片的可能性，以及响应于可能性大于或等于预定量，自动命令制备额外的载片。3.根据权利要求1所述的计算机实现方法，其中，响应于机器学习系统识别出自动发起额外测试的诊断而自动命令额外的载片。4.根据权利要求1所述的计算机实现方法，其中，响应于机器学习系统识别出自动发起额外测试的诊断而自动命令额外的载片，并且其中，自动发起额外测试的诊断包括肺腺癌、乳腺癌、子宫内膜样腺癌、结肠腺癌、其他组织中的腺癌、肉瘤、预后生物标志物、疑似病变、淀粉样蛋白的存在和/或真菌生物体中的任何一种或其任何组合。5.根据权利要求1所述的计算机实现方法，其中，响应于机器学习系统识别出自动触发基因测试的形态而自动命令额外的载片。6.根据权利要求1所述的计算机实现方法，其中，命令额外的载片包括针对对应于目标样本的载片命令制备新的染色。7.根据权利要求1所述的计算机实现方法，其中，命令额外的载片包括针对对应于目标样本的载片命令重切。8.根据权利要求1所述的计算机实现方法，还包括在显示器上输出指示正在制备额外的载片的警报。9.一种用于处理对应于样本的电子图像的系统，该系统包括：存储指令的至少一个存储器；以及至少一个处理器，其被配置成执行所述指令以实行包括以下的操作：接收对应于目标样本的载片的目标电子图像，目标样本包括来自患者的组织采样；将机器学习系统应用于目标电子图像以确定与目标样本相关联的缺陷，机器学习系统是通过处理多个训练图像以预测染色缺陷和/或预测所需重切而生成的，训练图像包括人类组织的图像和/或通过算法生成的图像；以及基于与目标样本相关联的缺陷，确定自动命令制备额外的载片。10.根据权利要求9所述的系统，其中，确定缺陷包括基于目标样本的样本信息来确定要制备额外载片的可能性，以及响应于可能性大于或等于预定量，确定自动命令制备额外的载片。11.根据权利要求9所述的系统，其中，响应于机器学习系统识别出自动发起额外测试的诊断而自动命令额外的载片。12.根据权利要求9所述的系统，其中，响应于机器学习系统识别出自动发起额外测试的诊断而自动命令额外的载片，并且
其中，自动发起额外测试的诊断包括肺腺癌、乳腺癌、子宫内膜样腺癌、结肠腺癌、其他组织中的腺癌、肉瘤、预后生物标志物、疑似病变、淀粉样蛋白的存在和/或真菌生物体中的任何一种或其任何组合。13.根据权利要求9所述的系统，其中，响应于机器学习系统识别出自动触发基因测试的形态而自动命令额外的载片。14.根据权利要求9所述的系统，其中，命令额外的载片包括针对对应于目标样本的载片命令制备新的染色。15.根据权利要求9所述的系统，其中，命令额外的载片包括针对对应于目标样本的载片命令重切。16.根据权利要求9所述的系统，还包括在显示器上输出指示正在制备额外的载片的警报。17.一种存储指令的非暂时性计算机可读介质，所述指令当由处理器执行时使得所述处理器实行用于处理对应于样本的电子图像的方法，该方法包括：接收对应于目标样本的载片的目标电子图像，目标样本包括来自患者的组织采样；将机器学习系统应用于目标电子图像以确定与目标样本相关联的缺陷，机器学习系统是通过处理多个训练图像以预测染色缺陷和/或预测所需重切而生成的，训练图像包括人类组织的图像和/或通过算法生成的图像；以及基于与目标样本相关联的缺陷，确定自动命令制备额外的载片。18.根据权利要求17所述的非暂时性计算机可读介质，其中，确定缺陷包括基于目标样本的样本信息来确定要制备额外载片的可能性，以及响应于可能性大于或等于预定量，确定自动命令制备额外的载片。19.根据权利要求17所述的非暂时性计算机可读介质，其中，响应于机器学习系统识别出自动发起额外测试的诊断而自动命令额外的载片。20.根据权利要求17所述的非暂时性计算机可读介质，其中，响应于机器学习系统识别出自动发起额外测试的诊断而自动命令额外的载片，并且其中，自动发起额外测试的诊断包括肺腺癌、乳腺癌、子宫内膜样腺癌、结肠腺癌、其他组织中的腺癌、肉瘤、预后生物标志物、疑似病变、淀粉样蛋白的存在和/或真菌生物体中的任何一种或其任何组合。

技术总结
公开了用于处理对应于样本的电子图像的系统和方法。一种用于处理电子图像的方法包括：接收对应于目标样本的载片的目标电子图像，目标样本包括来自患者的组织采样；将机器学习系统应用于目标电子图像以确定与目标样本相关联的缺陷，机器学习系统是通过处理多个训练图像以预测染色缺陷和/或预测所需重切而生成的，训练图像包括人类组织的图像和/或通过算法生成的图像；以及基于与目标样本相关联的缺陷，确定自动命令制备额外的载片。确定自动命令制备额外的载片。确定自动命令制备额外的载片。


技术研发人员：R
受保护的技术使用者：佩治人工智能公司
技术研发日：2020.05.27
技术公布日：2022/3/18