利用重新缩放的输入图像的细胞计数或细胞汇合的制作方法

技术特征：
1.一种方法，包括：获取对多样细胞成像的光显微镜图像，调整所述光显微镜图像的尺寸，使得所述多样细胞的预定义细胞结构的尺寸对应于预定义参考值，以及在调整所述尺寸之后：基于所述光显微镜图像确定所述细胞的数目或汇合度中的至少一个的估计。2.根据权利要求1所述的方法，还包括：使用第一机器学习算法，所述第一机器学习算法通过基于所述光显微镜图像的图像到图像转换来调整所述光显微镜图像的尺寸。3.根据权利要求1所述的方法，还包括：使用第一机器学习算法，所述第一机器学习算法通过基于所述光显微镜图像的图像到标量转换来确定用于调整尺寸的缩放因子。4.根据权利要求3所述的方法，其中，所述第一机器学习算法获取所述光显微镜图像的多个图像摘录，并且其中，基于与所述光显微镜图像的所述多个图像摘录相关的求平均来确定所述缩放因子。5.根据权利要求1所述的方法，还包括：在所述光显微镜图像中定位所述细胞结构，基于所述定位，确定所述光显微镜图像中的细胞结构的平均尺寸，以及基于所述平均尺寸与所述预定义参考值的比率来确定用于调整所述尺寸的缩放因子。6.根据权利要求5所述的方法，其中，针对所述光显微镜图像的多个图像摘录执行对所述细胞结构的定位和对所述平均尺寸的确定，并且，基于与所述光显微镜图像的多个图像摘录相关的求平均来确定所述平均尺寸。7.根据权利要求1所述的方法，还包括：执行与对所述光显微镜图像的尺寸的调整相关联的缩放因子的合理性检查。8.根据权利要求1所述的方法，其中，以多次迭代的方式执行对所述光显微镜图像的尺寸的调整，其中，以多次迭代的方式实现对所述光显微镜图像的尺寸的调整，直到与对所述光显微镜图像的尺寸的调整相关联的缩放因子的合理性检查成功。9.根据权利要求1所述的方法，其中，所述多样细胞具有不同尺寸的多种细胞类型，其中，对所述光显微镜图像的尺寸的调整还包括：针对每个细胞类型：确定所述光显微镜图像的相关联的实例，并且调整所述光显微镜图像的相应实例的尺寸，使得相应细胞类型的预定义细胞结构的尺寸对应于所述预定义参考值，由此获取所述光显微镜图像的相应经重新缩放的实例，其中，基于所述光显微镜图像的经重新缩放的实例来执行所述细胞的数目和/或汇合度的估计的确定。10.根据权利要求9所述的方法，其中，所述方法还包括：每种情况下的实例对应于所述光显微镜图像的其中对应细胞类型占主导的分区。
11.根据权利要求1所述的方法，其中，所述方法还包括：基于捕获所述光显微镜图像的成像装置的操作模式或所述光显微镜图像的成像模态中的至少一个来可选地激活所述细胞数目的估计和/或所述细胞的汇合度的估计。12.根据权利要求1所述的方法，其中，所述方法还包括：根据所述细胞的数目和/或汇合度的估计来可选地启动显微镜测量的至少一个动作，其中，所述至少一个动作包括基于所述数目和/或汇合度的估计的分析操作，其中，所述分析操作可选地选自以下组：纵向分析；总数目估计；细胞周期分析；细胞生长分析。13.根据权利要求1所述的方法，所述方法还包括：确定另外的光显微镜图像中的细胞数目的估计，如果所述细胞数目的估计低于预定义阈值：丢弃所述另外的光显微镜图像，其中，所述光显微镜图像是响应于所述另外的光显微镜图像的丢弃而获取的。14.根据权利要求1所述的方法，其中，确定所述细胞数目和所述细胞的汇合度二者的估计，其中，使用至少一个第二机器学习算法的第一机器学习处理路径来确定所述细胞数目的估计，其中，使用所述至少一个第二机器学习算法的第二机器学习处理路径来确定所述细胞的汇合度的估计，其中，基于损失函数对所述至少一个第二机器学习算法的所述第一机器学习处理路径和所述至少一个第二机器学习算法的所述第二机器学习处理路径进行训练，所述损失函数惩罚汇合区域中细胞的不存在和/或奖励汇合区域中细胞的存在。15.根据权利要求1所述的方法，其中，确定所述细胞数目和所述细胞的汇合度的估计，其中，使用至少一个第二机器学习算法的第一机器学习处理路径来确定所述细胞数目的估计，其中，使用所述至少一个第二机器学习算法的第二机器学习处理路径来确定所述细胞的汇合度的估计，其中，基于损失函数对所述至少一个第二机器学习算法的第一机器学习处理路径和所述至少一个第二机器学习算法的第二机器学习处理路径进行训练，所述损失函数惩罚汇合区域内细胞的位置空间密度的变化。16.一种方法，包括：获取对多样细胞进行成像的光显微镜图像，基于所述光显微镜图像确定细胞数目的估计和所述细胞的汇合度的估计，执行所述细胞数目的估计和所述细胞的汇合度的估计的交叉合理性检查。17.根据权利要求16所述的方法，其中，所述交叉合理性检查包括来自以下中的至少一个：与细胞在每种情况下是否排列在汇合区域中有关的检查；或对汇合区域内细胞的位置空间密度的绝对值和/或变化的确定。18.根据权利要求16所述的方法，其中，使用第二机器学习算法确定所述细胞数目的估计，
其中，所述第二机器学习算法基于所述光显微镜图像提供密度图，其中，所述密度图对细胞存在或不存在的概率进行编码，其中，基于所述密度图确定所述细胞数目。19.根据权利要求16所述的方法，其中，使用第二机器学习算法确定所述细胞的汇合度的估计，其中，所述第二机器学习算法基于所述光显微镜图像提供汇合图，其中，所述汇合图掩蔽汇合区域，其中，基于所述汇合图来确定所述汇合度。20.一种设备，包括处理器，所述处理器被配置成执行以下步骤：获取对多样细胞进行成像的光显微镜图像，调整所述光显微镜图像的尺寸，使得预定义细胞结构的尺寸对应于预定义参考值，以及在调整所述尺寸之后：基于所述光显微镜图像确定所述细胞的数目或汇合度中的至少一个的估计。21.一种设备，包括处理器，所述处理器被配置成执行以下步骤：获取对多样细胞进行成像的光显微镜图像，基于所述光显微镜图像确定所述细胞数目的估计和所述细胞的汇合度的估计，以及执行所述细胞数目的估计和所述细胞的汇合度的估计的交叉合理性检查。

技术总结
各种实施例涉及确定显微镜图像中细胞的数目和/或汇合度。为此，首先对显微镜图像进行重新缩放，并且然后进行处理。并且然后进行处理。并且然后进行处理。


技术研发人员：曼纽尔
受保护的技术使用者：卡尔蔡司显微镜有限责任公司
技术研发日：2022.03.02
技术公布日：2022/9/1