JP7212339B1 - 品質制御のために電子画像を分析するためのシステムおよび方法 - Google Patents
品質制御のために電子画像を分析するためのシステムおよび方法 Download PDFInfo
- Publication number
- JP7212339B1 JP7212339B1 JP2022541219A JP2022541219A JP7212339B1 JP 7212339 B1 JP7212339 B1 JP 7212339B1 JP 2022541219 A JP2022541219 A JP 2022541219A JP 2022541219 A JP2022541219 A JP 2022541219A JP 7212339 B1 JP7212339 B1 JP 7212339B1
- Authority
- JP
- Japan
- Prior art keywords
- designation
- machine learning
- learning model
- disease
- digital image
- 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.)
- Active
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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/20—Supervised data analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Theoretical Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Bioethics (AREA)
- Quality & Reliability (AREA)
- Pathology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Image Processing (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
本願は、その全開示が、参照することによってその全体として本明細書に組み込まれる、2020年1月6日に出願された米国仮出願第62/957,517号の優先権を主張する。
本発明は、例えば、以下を提供する。
(項目1)
電子画像を処理するためのコンピュータ実装方法であって、上記方法は、
病理学カテゴリと関連付けられる標的試料に対応するデジタル画像を受信することであって、上記デジタル画像は、ヒト組織の画像および/またはヒト組織を複製するようにアルゴリズム的に発生される画像である、ことと、
1つまたはそれを上回るアーチファクトに基づいて、品質指定を予測するために、品質制御(QC)機械学習モデルを決定することであって、上記QC機械学習モデルは、上記病理学カテゴリと関連付けられる複数の訓練画像を処理することによって発生される、ことと、
上記QC機械学習モデルへの入力として上記デジタル画像を提供することと、
上記機械学習モデルからの出力として上記デジタル画像に関する上記品質指定を受信することと、
上記デジタル画像の品質指定を出力することと
を含む、コンピュータ実装方法。
(項目2)
上記品質指定は、承認されるか、または否認されるかのうちの1つである、項目1に記載のコンピュータ実装方法。
(項目3)
上記病理学カテゴリは、組織学、細胞学、凍結切片、または免疫組織化学のうちの1つである、項目1に記載のコンピュータ実装方法。
(項目4)
上記QC機械学習モデルは、そのパラメータが、各訓練画像内のアーチファクトの存在、不在、または程度を検出するように設定されるように訓練される、項目1に記載のコンピュータ実装方法。
(項目5)
品質特性に基づいて、通知を自動的に発生させることをさらに含み、上記通知は、アーチファクト存在、不在、または程度指定を備える、項目1に記載のコンピュータ実装方法。
(項目6)
上記デジタル画像の品質指定を出力することはさらに、上記デジタル画像のアーチファクトに対応する視覚的インジケータを含む、項目1に記載のコンピュータ実装方法。
(項目7)
上記デジタル画像の品質指定を出力することはさらに、見出されるアーチファクトのタイプ、見出されるアーチファクトの数、見出されるアーチファクトの臨床的影響、アーチファクトを改正する時間、潜在的パターン、または複数のアーチファクトにおける相関のうちの少なくとも1つを備える報告を発生させることを含む、項目1に記載のコンピュータ実装方法。
(項目8)
上記1つまたはそれを上回るアーチファクトは、欠損した組織、ガラス亀裂、気泡、ぼけ量、欠損した組織、折畳された組織、線、傷、粉塵、穿通、または染色量を備える、項目1に記載のコンピュータ実装方法。
(項目9)
電子画像を処理するためのコンピュータ実装方法であって、上記方法は、
病理学カテゴリと関連付けられる標的試料に対応する少なくとも1つのデジタル画像を受信することであって、上記デジタル画像は、ヒト組織の画像および/またはヒト組織を複製するようにアルゴリズム的に発生される画像である、ことと、
1つまたはそれを上回るバイオマーカに基づいて、疾患指定を予測するために、品質保証(QA)機械学習モデルを決定することであって、上記QA機械学習モデルは、上記病理学カテゴリと関連付けられる複数の訓練画像を処理することによって発生される、ことと、
上記QA機械学習モデルへの入力として上記デジタル画像を提供することと、
上記QA機械学習モデルからの出力として上記デジタル画像に関する上記疾患指定を受信することと、
上記デジタル画像または上記標的試料のうちの1つに関する外部指定を受信することと、
上記疾患指定を上記外部指定と比較することと、
上記疾患指定を上記外部指定と比較することに基づく比較結果を出力することと
を含む、コンピュータ実装方法。
(項目10)
上記比較結果は、矛盾インジケーションである、項目9に記載のコンピュータ実装方法。
(項目11)
上記矛盾インジケーションに基づいて、矛盾レベルを決定することと、
上記矛盾レベルが閾値を下回る場合、警告を発生させることと、
上記矛盾レベルが上記閾値を上回る場合、トリガを発生させることと
をさらに含む、項目10に記載のコンピュータ実装方法。
(項目12)
上記トリガは、上記デジタル画像の手動再指定またはアラートの発生のうちの少なくとも1つを備える、項目11に記載のコンピュータ実装方法。
(項目13)
上記疾患指定は、癌検出、癌悪性度、癌起源、診断、微生物の存在または不在、試料タイプ、癌タイプ、癌ステータス、腫瘍サイズ、病変リスクレベル、または悪性度のうちの少なくとも1つである、項目9に記載のコンピュータ実装方法。
(項目14)
上記QA機械学習モデルは、各訓練画像内の疾患指定の存在、不在、または程度に基づいて訓練される、項目13に記載のコンピュータ実装方法。
(項目15)
上記外部指定は、手動指定または自動化指定のうちの少なくとも1つである、項目9に記載のコンピュータ実装方法。
(項目16)
上記比較結果が矛盾指定である場合、上記比較結果に基づく通知を発生させることをさらに含む、項目9に記載のコンピュータ実装方法。
(項目17)
外部指定は、保健医療専門家、第三者実体、または二次システムによって提供される、項目9に記載のコンピュータ実装方法。
(項目18)
上記比較結果に対応する視覚的インジケータを出力することをさらに含む、項目9に記載のコンピュータ実装方法。
(項目19)
複数の付加的比較結果を受信することと、
上記比較結果および上記付加的比較結果に基づいて、報告を発生させることであって、上記報告は、不一致のタイプ、一致のタイプ、一致するように改正される不一致の数、またはフォローアップ不一致のうちの少なくとも1つを備える、ことと
をさらに含む、項目9に記載のコンピュータ実装方法。
(項目20)
電子画像を処理するためのシステムであって、上記システムは、
命令を記憶する少なくとも1つのメモリと、
少なくとも1つのプロセッサであって、上記少なくとも1つのプロセッサは、上記命令を実行し、
病理学カテゴリと関連付けられる標的試料に対応する少なくとも1つのデジタル画像を受信することであって、上記デジタル画像は、ヒト組織の画像および/またはヒト組織を複製するようにアルゴリズム的に発生される画像である、ことと、
1つまたはそれを上回るバイオマーカに基づいて、疾患指定を予測するために、品質保証(QA)機械学習モデルを決定することであって、上記QA機械学習モデルは、上記病理学カテゴリと関連付けられる複数の訓練画像を処理することによって発生される、ことと、
上記QA機械学習モデルへの入力として上記デジタル画像を提供することと、
上記QA機械学習モデルからの出力として上記デジタル画像に関する上記疾患指定を受信することと、
上記デジタル画像または上記標的試料のうちの1つに関する外部指定を受信することと、
上記疾患指定を上記外部指定と比較することと、
上記疾患指定を上記外部指定と比較することに基づく比較結果を出力することと
を含む動作を実施する、少なくとも1つのプロセッサと
を備える、システム。
ここで、本開示の例示的実施形態が、詳細に参照され、その実施例は、付随の図面に図示される。可能であるときは常に、同一の参照番号が、同一または同様の部分を指すために、図面全体を通して使用されるであろう。
Claims (19)
- 電子画像を処理するためのコンピュータ実装方法であって、前記方法は、
病理学カテゴリと関連付けられる標的試料に対応するデジタル画像を受信することであって、前記デジタル画像は、ヒトまたは動物の組織の画像および/またはヒトまたは動物の組織を複製するようにアルゴリズム的に発生される画像である、ことと、
1つまたはそれを上回るアーチファクトに基づいて、品質指定を予測するために、品質制御(QC)機械学習モデルを決定することであって、前記QC機械学習モデルは、前記病理学カテゴリと関連付けられる複数の訓練画像を処理することによって発生される、ことと、
前記QC機械学習モデルへの入力として前記デジタル画像を提供することと、
前記QC機械学習モデルからの出力として前記デジタル画像に関する前記品質指定を受信することと、
前記QC機械学習モデルとは異なる品質保証(QA)機械学習モデルを決定することであって、前記QA機械学習モデルは、1つまたはそれを上回るバイオマーカに基づいて、疾患指定を予測するために、前記病理学カテゴリに関連付けられる複数の訓練画像を処理することによって発生される、ことと、
承認された品質指定である前記品質指定に基づいて、前記QA機械学習モデルへの入力として前記デジタル画像を提供することと、
前記QA機械学習モデルからの出力として前記デジタル画像に関する前記疾患指定を受信することと、
前記デジタル画像または前記標的試料のうちの1つに関する外部指定を受信することであって、前記外部指定は、ユーザによって発生され、癌検出、癌悪性度、癌起源、診断、微生物の存在または不在、試料タイプ、癌タイプ、癌ステータス、腫瘍サイズ、病変リスクレベル、または悪性度のうちの少なくとも1つから選択される疾患性質を含む、ことと、
前記疾患指定を前記外部指定と比較することによって前記外部指定を評価することと、
前記疾患指定から逸脱している前記外部指定に基づいて、前記評価に基づく前記外部指定を否認することと、
前記疾患指定を前記外部指定と比較することによって前記外部指定を評価することに基づく比較結果を出力することと
を含む、コンピュータ実装方法。 - 前記病理学カテゴリは、組織学、細胞学、凍結切片、または免疫組織化学のうちの1つである、請求項1に記載のコンピュータ実装方法。
- 前記QC機械学習モデルは、そのパラメータが、各訓練画像内のアーチファクトの存在、不在、または程度を検出するように設定されるように訓練される、請求項1に記載のコンピュータ実装方法。
- 品質特性に基づいて、通知を自動的に発生させることをさらに含み、前記通知は、アーチファクト存在、不在、または程度指定を備える、請求項1に記載のコンピュータ実装方法。
- 前記デジタル画像の品質指定を出力することはさらに、前記デジタル画像のアーチファクトに対応する視覚的インジケータを含む、請求項1に記載のコンピュータ実装方法。
- 前記デジタル画像の品質指定を出力することはさらに、見出されるアーチファクトのタイプ、見出されるアーチファクトの数、見出されるアーチファクトの臨床的影響、アーチファクトを改正する時間、潜在的パターン、または複数のアーチファクトにおける相関のうちの少なくとも1つを備える報告を発生させることを含む、請求項1に記載のコンピュータ実装方法。
- 前記1つまたはそれを上回るアーチファクトは、欠損した組織、ガラス亀裂、気泡、ぼけ量、欠損した組織、折畳された組織、線、傷、粉塵、穿通、または染色量を備える、請求項1に記載のコンピュータ実装方法。
- 電子画像を処理するためのコンピュータ実装方法であって、前記方法は、
病理学カテゴリと関連付けられる標的試料に対応する少なくとも1つのデジタル画像を受信することであって、前記デジタル画像は、ヒトまたは動物の組織の画像および/またはヒトまたは動物の組織を複製するようにアルゴリズム的に発生される画像である、ことと、
1つまたはそれを上回るバイオマーカに基づいて、疾患指定を予測するために、品質保証(QA)機械学習モデルを決定することであって、前記QA機械学習モデルは、前記病理学カテゴリと関連付けられる複数の訓練画像を処理することによって発生される、ことと、
前記QA機械学習モデルへの入力として前記デジタル画像を提供することと、
前記QA機械学習モデルからの出力として前記デジタル画像に関する前記疾患指定を受信することと、
前記デジタル画像または前記標的試料のうちの1つに関する外部指定を受信することであって、前記外部指定は、ユーザによって発生され、癌検出、癌悪性度、癌起源、診断、微生物の存在または不在、試料タイプ、癌タイプ、癌ステータス、腫瘍サイズ、病変リスクレベル、または悪性度のうちの少なくとも1つから選択される疾患性質を含む、ことと、
前記疾患指定を前記外部指定と比較することによって前記外部指定を評価することと、
前記疾患指定から逸脱している前記外部指定に基づいて、前記評価に基づく前記外部指定を否認することと、
前記疾患指定を前記外部指定と比較することによって前記外部指定を評価することに基づく比較結果を出力することと
を含む、コンピュータ実装方法。 - 前記比較結果は、矛盾インジケーションである、請求項8に記載のコンピュータ実装方法。
- 前記矛盾インジケーションに基づいて、矛盾レベルを決定することと、
前記矛盾レベルが閾値を下回る場合、警告を発生させることと、
前記矛盾レベルが前記閾値を上回る場合、トリガを発生させることと
をさらに含む、請求項9に記載のコンピュータ実装方法。 - 前記トリガは、前記デジタル画像の手動再指定またはアラートの発生のうちの少なくとも1つを備える、請求項10に記載のコンピュータ実装方法。
- 前記疾患指定は、癌検出、癌悪性度、癌起源、診断、微生物の存在または不在、試料タイプ、癌タイプ、癌ステータス、腫瘍サイズ、病変リスクレベル、または悪性度のうちの少なくとも1つである、請求項8に記載のコンピュータ実装方法。
- 前記QA機械学習モデルは、各訓練画像内の疾患指定の存在、不在、または程度に基づいて訓練される、請求項12に記載のコンピュータ実装方法。
- 前記外部指定は、手動指定または自動化指定のうちの少なくとも1つである、請求項8に記載のコンピュータ実装方法。
- 前記比較結果が矛盾指定である場合、前記比較結果に基づく通知を発生させることをさらに含む、請求項8に記載のコンピュータ実装方法。
- 外部指定は、保健医療専門家、第三者実体、または二次システムによって提供される、請求項8に記載のコンピュータ実装方法。
- 前記比較結果に対応する視覚的インジケータを出力することをさらに含む、請求項8に記載のコンピュータ実装方法。
- 複数の付加的比較結果を受信することと、
前記比較結果および前記付加的比較結果に基づいて、報告を発生させることであって、前記報告は、不一致のタイプ、一致のタイプ、一致するように改正される不一致の数、またはフォローアップ不一致のうちの少なくとも1つを備える、ことと
をさらに含む、請求項8に記載のコンピュータ実装方法。 - 電子画像を処理するためのシステムであって、前記システムは、
命令を記憶する少なくとも1つのメモリと、
少なくとも1つのプロセッサであって、前記少なくとも1つのプロセッサは、前記命令を実行し、
病理学カテゴリと関連付けられる標的試料に対応する少なくとも1つのデジタル画像を受信することであって、前記デジタル画像は、ヒトまたは動物の組織の画像および/またはヒトまたは動物の組織を複製するようにアルゴリズム的に発生される画像である、ことと、
1つまたはそれを上回るバイオマーカに基づいて、疾患指定を予測するために、品質保証(QA)機械学習モデルを決定することであって、前記QA機械学習モデルは、前記病理学カテゴリと関連付けられる複数の訓練画像を処理することによって発生される、ことと、
前記QA機械学習モデルへの入力として前記デジタル画像を提供することと、
前記QA機械学習モデルからの出力として前記デジタル画像に関する前記疾患指定を受信することと、
前記デジタル画像または前記標的試料のうちの1つに関する外部指定を受信することであって、前記外部指定は、ユーザによって発生され、癌検出、癌悪性度、癌起源、診断、微生物の存在または不在、試料タイプ、癌タイプ、癌ステータス、腫瘍サイズ、病変リスクレベル、または悪性度のうちの少なくとも1つから選択される疾患性質を含む、ことと、
前記疾患指定を前記外部指定と比較することによって前記外部指定を評価することと、
前記疾患指定から逸脱している前記外部指定に基づいて、前記評価に基づく前記外部指定を否認することと、
前記疾患指定を前記外部指定と比較することによって前記外部指定を評価することに基づく比較結果を出力することと
を含む動作を実施する、少なくとも1つのプロセッサと
を備える、システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US202062957517P | 2020-01-06 | 2020-01-06 | |
US62/957,517 | 2020-01-06 | ||
PCT/US2020/065995 WO2021141757A1 (en) | 2020-01-06 | 2020-12-18 | Systems and methods for analyzing electronic images for quality control |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7212339B1 true JP7212339B1 (ja) | 2023-01-25 |
JP2023505386A JP2023505386A (ja) | 2023-02-08 |
Family
ID=74186945
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022541219A Active JP7212339B1 (ja) | 2020-01-06 | 2020-12-18 | 品質制御のために電子画像を分析するためのシステムおよび方法 |
Country Status (9)
Country | Link |
---|---|
US (4) | US11222424B2 (ja) |
EP (1) | EP4088280A1 (ja) |
JP (1) | JP7212339B1 (ja) |
KR (1) | KR102498686B1 (ja) |
CN (1) | CN115210817A (ja) |
AU (2) | AU2020421609A1 (ja) |
BR (1) | BR112022013004A2 (ja) |
CA (1) | CA3162251A1 (ja) |
WO (1) | WO2021141757A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3196713C (en) | 2020-09-23 | 2023-11-14 | Proscia Inc. | Critical component detection using deep learning and attention |
DE102020126554A1 (de) * | 2020-10-09 | 2022-04-14 | Carl Zeiss Microscopy Gmbh | Mikroskopiesystem und verfahren zum überprüfen von eingabedaten |
WO2024064338A1 (en) | 2022-09-22 | 2024-03-28 | Agilent Technologies, Inc. | Anti-human icos antibodies for use in immunohistochemistry (ihc) protocols and for diagnosing cancer |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006507875A (ja) | 2002-11-26 | 2006-03-09 | カーディアック・ペースメーカーズ・インコーポレーテッド | 患者の健康を自動診断するシステムおよび方法 |
US20200126207A1 (en) | 2017-05-11 | 2020-04-23 | The Research Foundation For The State University Of New York | System and Method Associated with Predicting Segmentation Quality of Objects in Analysis of Copious Image Data |
US20200272864A1 (en) | 2017-11-06 | 2020-08-27 | University Health Network | Platform, device and process for annotation and classification of tissue specimens using convolutional neural network |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2641480T3 (es) * | 2013-03-15 | 2017-11-10 | Ventana Medical Systems, Inc. | Sistema de aprendizaje automático basado en objetos de tejido para puntuación automatizada de portaobjetos digitales completos |
JP6796419B2 (ja) * | 2016-07-19 | 2020-12-09 | 株式会社トプコン | 医療情報処理システム及び医療情報処理方法 |
US20180060512A1 (en) | 2016-08-29 | 2018-03-01 | Jeffrey Sorenson | System and method for medical imaging informatics peer review system |
JP6799146B2 (ja) * | 2016-10-07 | 2020-12-09 | ベンタナ メディカル システムズ, インコーポレイテッド | 視覚化されたスライド全域画像分析を提供するためのデジタル病理学システムおよび関連するワークフロー |
CN110073404B (zh) * | 2016-10-21 | 2023-03-21 | 南坦生物组学有限责任公司 | 数字组织病理学和显微解剖 |
US10573003B2 (en) | 2017-02-13 | 2020-02-25 | Amit Sethi | Systems and methods for computational pathology using points-of-interest |
EP3629904A4 (en) * | 2017-06-02 | 2021-03-31 | Veracyte, Inc. | METHODS AND SYSTEMS FOR IDENTIFYING OR MONITORING LUNG DISEASE |
US10706328B2 (en) * | 2018-05-07 | 2020-07-07 | Google Llc | Focus-weighted, machine learning disease classifier error prediction for microscope slide images |
KR20210130179A (ko) * | 2019-02-22 | 2021-10-29 | 하트플로우, 인크. | 분산형 컴퓨팅 플랫폼을 사용하여 우선순위에 의해 지리적 영역들에 걸쳐 건강 데이터를 분석하기 위한 시스템 아키텍처 및 방법들 |
AU2020274091A1 (en) * | 2019-05-14 | 2021-12-09 | Tempus Ai, Inc. | Systems and methods for multi-label cancer classification |
US11705226B2 (en) * | 2019-09-19 | 2023-07-18 | Tempus Labs, Inc. | Data based cancer research and treatment systems and methods |
-
2020
- 2020-12-18 AU AU2020421609A patent/AU2020421609A1/en active Pending
- 2020-12-18 CA CA3162251A patent/CA3162251A1/en active Pending
- 2020-12-18 EP EP20842485.3A patent/EP4088280A1/en active Pending
- 2020-12-18 WO PCT/US2020/065995 patent/WO2021141757A1/en unknown
- 2020-12-18 JP JP2022541219A patent/JP7212339B1/ja active Active
- 2020-12-18 BR BR112022013004A patent/BR112022013004A2/pt active IP Right Grant
- 2020-12-18 KR KR1020227026853A patent/KR102498686B1/ko active IP Right Grant
- 2020-12-18 CN CN202080098085.5A patent/CN115210817A/zh active Pending
- 2020-12-18 US US17/126,596 patent/US11222424B2/en active Active
-
2021
- 2021-12-02 US US17/457,268 patent/US11615534B2/en active Active
-
2023
- 2023-02-24 US US18/174,284 patent/US11928820B2/en active Active
- 2023-11-20 US US18/514,504 patent/US20240087124A1/en active Pending
-
2024
- 2024-02-15 AU AU2024200999A patent/AU2024200999A1/en active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006507875A (ja) | 2002-11-26 | 2006-03-09 | カーディアック・ペースメーカーズ・インコーポレーテッド | 患者の健康を自動診断するシステムおよび方法 |
US20200126207A1 (en) | 2017-05-11 | 2020-04-23 | The Research Foundation For The State University Of New York | System and Method Associated with Predicting Segmentation Quality of Objects in Analysis of Copious Image Data |
US20200272864A1 (en) | 2017-11-06 | 2020-08-27 | University Health Network | Platform, device and process for annotation and classification of tissue specimens using convolutional neural network |
Also Published As
Publication number | Publication date |
---|---|
JP2023505386A (ja) | 2023-02-08 |
US11615534B2 (en) | 2023-03-28 |
EP4088280A1 (en) | 2022-11-16 |
KR102498686B1 (ko) | 2023-02-09 |
BR112022013004A2 (pt) | 2022-09-06 |
US20230222662A1 (en) | 2023-07-13 |
AU2024200999A1 (en) | 2024-03-07 |
AU2020421609A1 (en) | 2022-08-25 |
WO2021141757A1 (en) | 2021-07-15 |
US20210209760A1 (en) | 2021-07-08 |
US11928820B2 (en) | 2024-03-12 |
KR20220115627A (ko) | 2022-08-17 |
US20220092782A1 (en) | 2022-03-24 |
CA3162251A1 (en) | 2021-07-15 |
US11222424B2 (en) | 2022-01-11 |
CN115210817A (zh) | 2022-10-18 |
US20240087124A1 (en) | 2024-03-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11893510B2 (en) | Systems and methods for processing images to classify the processed images for digital pathology | |
JP7212339B1 (ja) | 品質制御のために電子画像を分析するためのシステムおよび方法 | |
US11494907B2 (en) | Systems and methods for processing electronic images for computational assessment of disease | |
JP7260119B2 (ja) | 一般化疾患検出のために電子画像を処理するためのシステムおよび方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220822 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220822 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220822 |
|
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: 20221201 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230104 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7212339 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |