DE69322498T2

DE69322498T2 - Verfahren zur identifizierung von normalen biomedizinischen proben

Info

Publication number: DE69322498T2
Application number: DE69322498T
Authority: DE
Inventors: Richard S. Issaquah Wa 98027 Johnston; Shih-Jong James Bellevue Wa 98006 Lee; Alan C. Redmond Wa 98053 Nelson
Original assignee: Neopath Inc
Current assignee: Neopath Inc
Priority date: 1992-02-18
Filing date: 1993-02-18
Publication date: 1999-07-01
Anticipated expiration: 2013-02-19
Also published as: EP0628186A1; WO1993016436A1; DE69322498D1; JP3050406B2; AU3722893A; CA2130338A1; JPH07504283A; US5787188A; CA2130338C; AU670938B2; ES2127810T3; EP0628186A4; EP0628186B1

Description

Technisches Gebiet

Die vorliegende Erfindung bezieht sich auf ein Verfahren zum Analysieren von. Daten, die das Bild von biomedizinischen Proben wiedergeben, und spezieller auf ein Verfahren zum Analysieren von Daten, die das Bild von biomedizinischen Proben wiedergeben, um normale (negative) biomedizinische Proben zu identifizieren.

Hintergrund der Erfindung

Mit wachsendem Fortschritt in der Datenverarbeitungstechnologie, sowohl hardware- als auch softwareseitig, werden biomedizinische Bildverarbeitungssysteme mehr und mehr vorherrschend. Derzeit sind Bildaufnahmesystem entwickelt worden zum Bereitstellen von Bildern der menschlichen Anatomie, wie z. B. Magnetresonanzabbildungsvorrichtungen, Ultraschallabbildungen, Computertomographieabbildungen usw. Bildaufbereitungssysteme werden typischerweise verwendet, um Daten zu verarbeiten, die verwendet werden, um ein verbessertes Bild der Organe eines Patienten, wie z. B. von dem Herz, der Lunge usw. des Patienten bereitzustellen. Bildaufbereitungssysteme machen jedoch keinen Versuch, den biomedizinischen Zustand des funktionellen Systems des Patienten zu diagnostizieren.
Andere Bildanalysesysteme sind entwickelt worden zum Analysieren von Bilddaten von Proben, die von einem Patienten genommen wurden, um die Diagnose des biomedizinischen Zustands des Patienten durch einen Mediziner zu unterstützen. Zum Beispiel sind Bildanalysesysteme bereitgestellt worden für die Aufnahme von Bilddaten, die Blutzellen, Knochenmarkzellen, Gehirnzellen und dgl. wiedergeben. Bildanalysesysteme sind typischerweise vorgesehen, um Bilddaten zu verarbeiten, um Charakteristika der Probe zu bestimmen, wie z. B. eine Blutzellenanzahl. Obwohl diese Systeme gewisse Versuche unternehmen, die gesammelten Daten zu analysieren, sind diese Systeme bislang noch nicht nennenswert verwendet worden, um die Gesamtqualität oder den Zustand der Probe zu diagnostizieren, z. B. entweder als normal (negativ) oder abnormal. Im Gegenteil sind diese Systeme vornehmlich als Vorscreeningsysteme verwendet worden, um solche Bereiche einer Probe zu identifizieren, die weitere Inspektion durch einen Menschen erfordern.
Zum Beispiel sind Bildanalysesysteme bereitgestellt worden, zum Screenen von Bereichen eines Cervikalabstrichs nach Papanicolaou. Diese Systeme erfordern typischerweise eine spezielle (nicht standardgemäße) Präparation der Cervikalabstrichprobe nach Papanicolaou, bevor die Probe untersucht werden kann. Dies liegt daran, daß eine typische Cervikalabstrichprobe nach Papanicolaou, die von einem Zytotechniker ohne die Hilfe eines Abbildungssystems untersucht werden kann, Schichten und Brocken von Zellen umfaßt, die unter Verwendung von verfügbarer Datenverarbeitungstechnologie nicht einfach abgebildet werden können. Die spezielle Präparation, die für diese Bildanalysesysteme erforderlich ist, fügt der Präparation einen zusätzlichen Schritt hinzu, und erhöht deshalb die Gesamtkosten und die Komplexität der Analyse.
Darüberhinaus identifizieren Bildanalysesysteme, die derzeit verfügbar sind, um Bilduntersuchungen durchzuführen, auf dem Probenträger vorliegende Objekte, die keine normalen Objekte der Probe zu sein scheinen. Zum Beispiel würde eine solche Vorrichtung, die zum Durchführen einer Cervikalabstrichanalyse nach Papanicolaou konstruiert wäre, Objekte anzeigen, die keine regulären Zellen zu sein scheinen, z. B. irreguläre Zellen oder Artefakte. Diese irregulären Zellen und Artefakte werden dann einem Zytotechniker angezeigt, der den Probenträger weiter untersuchen muß, um zu bestimmen, ob die auf dem Probenträger befindliche Probe normal oder abnormal ist. Das Vorscreening des Probenträgers auf diese Weise ermöglicht es dem Zytotechniker, schnell die Zellen zu lokalisieren, die im Detail untersucht werden müssen, weil der Zytotechniker nicht den gesamten Probenträger untersuchen muß. Bei der Anwendung dieser Prozedur muß der Zytotechniker jedoch weiterhin jeden einzelnen Probenträger untersuchen. Weiterhin bleibt die Arbeit, die von dem Zytotechniker abgefordert wird, um jeden einzelnen Probenträger zu überprüfen, erheblich. Solch ein Bildvorscreeningsystem ist z. B. in der US-A-4 513 438 (Graham et al.) offenbart, wobei Objekte (O&sub1;-O&sub3;) in einer ersten "Lokalisiere"-Phase als möglicherweise abnormal klassifiziert werden; die Orte von benachbarten Objekten (N&sub1;-N&sub7;) werden ebenfalls gespeichert. Dies erlaubt es, in einer zweiten "Lokalisiere wieder"-Phase jene möglicherweise abnormalen Objekte auf der Basis der Orte ihrer benachbarten Objekte für eine Untersuchung durch einen menschlichen Techniker leicht wiederzufinden. Entsprechend sind diese Bildscreeningsysteme, obwohl sie die Zeit reduzieren, die ein Zytotechniker benötigt, um irreguläre Zellen und Artefakte zu lokalisieren, nichts desto trotz unzureichend, da sie keine wesentliche Reduktion bei dem Aufwand für die Untersuchung von irregulären Zellen und Artefakten erbringen, den ein Zytotechniker aufwenden muß, um zu bestimmen, ob eine Probe normal oder abnormal ist.
Dementsprechend ist es wünschenswert, ein Bildanalysesystem bereitzustellen, das in der Lage ist, Daten, die ein Bild einer biomedizinischen Probe wiedergeben, zu analysieren. Weiter ist es wünschenswert, ein Bildanalysesystem bereitzustellen, das in der Lage ist, Daten zu analysieren, die ein Bild einer Probe wiedergeben, wobei das Bildanalysesystem in der Lage ist, den Gesamtzustand der Probe zu bestimmen. Noch weiter ist es wünschenswert, ein Bildanalysesystem für die Analyse biomedizinischer Proben bereitzustellen, wobei das Bildanalysesystem in der Lage ist, zu bestimmen, ob eine Gruppe von Zellen, die nicht normal erscheint, für eine normale oder eine abnormale Probe steht, und ultimativ zu bestimmen, ob die Probe insgesamt normal ist.

Zusammenfassung der Erfindung

Die vorliegende Erfindung stellt ein Verfahren zum Analysieren von Daten bereit, die das Bild einer biomedizinischen oder anderen Probe wiedergeben. Das Verfahren umfaßt den Schritt des Verarbeitens der Bilddaten, um Objekte des Bilds zu identifizieren und um Objektdaten bereitzustellen, wobei die Objektdaten die identifizierten Objekte wiedergeben. Das Verfahren umfaßt weiterhin den Schritt des Analysierens der Objektdaten, um das Maß von bestimmten Merkmalen der Objekte, die durch die Objektdaten wiedergegeben werden, zu bestimmen. Die Merkmalsmaße werden verwendet, um einen Vertrauensfaktor für jedes Objekt zu erhalten, wobei der Vertrauensfaktor die Wahrscheinlichkeit anzeigt, daß das Objekt bezüglich der vorbestimmten Merkmale normal ist, und wobei der Vertrauensfaktor deshalb verwendet wird, um die Objekte als normal oder abnormal zu klassifizieren. Letztlich umfaßt das Verfahren den Schritt des Kombinierens des Vertrauensfaktors von allen Objekten der Probe, um eine Gesamteinstufung der Probe vorzunehmen und um zu bestimmen, ob die Gesamteinstufung innerhalb eines vorbestimmten Bereichs liegt, und, falls die zutrifft, des Identifizierens der Probe als normal.
In einer derzeit bevorzugten Ausführungsform der Erfindung werden die Objektdaten durch Untersuchen der Objekte, die nahe einem Zielobjekt angeordnet sind, analysiert, um Merkmalsmaße und einen Vertrauensfaktor für das Zielobjekt bereitzustellen, die aus den Charakteristika der Objekte bestimmt werden, welche in der Nähe des Zielobjekts angeordnet sind. In einer noch anderen alternativen Ausführungsform werden die Objekte, die in der Nähe des Zielobjekts angeordnet sind, durch Beibringen eines Nachbarschaftsmerkmalsmaßes und eines Anzahlmerkmalsmaßes untersucht, wobei das Nachbarschaftsmerkmalsmaß die Merkmale der Objekte angibt, die das Zielobjekt umgeben, und wobei das Anzahlmerkmalsmaß die Anzahl der Objekte angibt, die nahe dem Zielobjekt angeordnet sind.

Kurzbeschreibung der Zeichnungen

Fig. 1 ist ein erläuterndes Blockdiagramm eines Bildanalysesystems, das gemäß der vorliegenden Erfindung ausgebildet ist;
Fig. 2 ist ein Diagramm, das die allgemeine Methodik des Verfahrens der vorliegenden Erfindung erläutert; und
Fig. 3 ist ein erläuterndes Flußdiagramm, das das Verfahren der vorliegenden Erfindung detaillierter erläutert.

Detaillierte Beschreibung der Erfindung

Ein Bildaufnahme- und -analysesystem 100 ist in Fig. 1 dargestellt. Das Bildanalysesystem ist vorgesehen zum Aufnehmen und Analysieren von Daten, die das Bild einer biomedizinischen Probe wiedergeben, um normale biomedizinische Proben zu identifizieren. In einer derzeit bevorzugten Ausführungsform der Erfindung ist das Bildaufnahme- und -analysesystem 100 ausgebildet, um Bilder zu analysieren, die eine Cervikalabstrichprobe nach Papanicolaou, welche auf einem Mikroskopprobenträger vorliegt, wiedergeben. Der Fachmann wird erkennen, daß das Verfahren der vorliegenden Erfindung auf alle biomedizinischen Analysen anwendbar ist, was Monolagenpräparationen einschließt. Noch weiter wird der Fachmann erkennen, daß die vorliegende Erfindung in Kombination mit einer Analyse von biomedizinischen Proben in verschiedenen anderen Bereichen der Zytologie und Histologie angewendet werden könnte. Zum Beispiel könnte die vorliegende Erfindung leicht ausgelegt werden, um im Zusammenhang mit Blutproben, Urinproben, Faecesproben, Sputumproben, Hautschabproben usw. verwendet werden zu können. Weiterhin könnte die vorliegende Erfindung für hystologische Analysen verwendet werden, z. B. für Biopsien, Gewebehaufen oder andere massive biologische Proben. Noch weiter kann die vorliegende Erfindung angewendet werden auf verschiedene andere Abbildungssysteme, wie z. B. Bildaufbereitungssysteme oder wissenschaftliche Bildanalysesysteme.
Das Bildaufnahme- und -analysesystem 100 umfaßt ein Bildaufnahmesystem 102, das eine Kamera 104, einen Bewegungscontroller 106, ein Beleuchtungssystem 108 und eine Schnittstelle 110 aufweist. Das Bildaufnahmesystem 102 ist zum Aufnehmen von Bilddaten ausgebildet, die ein Bild einer Probe wiedergeben, welche auf einem Probenträger 112 angebracht ist. Die gesammelten Bilddaten umfassen typischerweise eine Mehrzahl von Datenworten, wobei jedes Datenwort mit einem Pixel der Kamera 104 assoziiert ist und wobei jedes Datenwort ein binäres Mehrbitwort ist, das einen binären Wert aufweist, welcher die Transmissibilität eines jeweiligen Bereichs der Probe anzeigt.
Die Kamera 104 ist ausgelegt, um die Bilddaten an einer Schnittstelle 110 bereitzustellen, die die Bilddaten einsammelt und die Bilddaten zur Verwendung durch das Bildanalysesystem 100 aufbereitet. Der Bewegungscontroller 106 gehorcht dem Bildaufnahme- und -analysesystem 100 bei der Positionierung des Probenträgers 112, so daß die Kamera 104 Bilddaten bereitstellen kann, die unterschiedliche Blickfelder des Probenträgers 112 wiedergeben. In einer derzeit bevorzugten Ausführungsform der Erfindung ist der Bewegungskontroller 106 ausgebildet, um 15.000 Blickfeldbilder zu jedem Probenträger 112 bereitzustellen.
Das Beleuchtungssystem 108 ist für die Beleuchtung des Probenträgers 112 vorgesehen, um den Graustufengehalt und die Geschwindigkeit der von der Kamera 104 bereitgestellten Bilddaten zu erhöhen. Wie oben erwähnt, ist die vorliegende Erfindung vorzugsweise ausgebildet, um ohne die Notwendigkeit einer speziellen Nichtstandardpräparation der Probe auf dem Probenträger 112 effektiv verwendet werden zu können. Zu diesem Zweck ist das Bildaufnahmesystem 112 zur Präzisionsfokussierung eines im wesentlichen dreidimensionalen Objekts, das auf dem Probenträger 112 angeordnet ist, ausgelegt.
Das Bildaufnahmesystem 102 ist an ein Datenverarbeitungssystem 114 angeschlossen, um diesem die Bilddaten bereitzustellen. Das Datenverarbeitungssystem 114 ist zum Analysieren der Bilddaten ausgelegt, um Probenträger zu identifizieren, die nur normale biomedizinische Proben enthalten, wie unten detaillierter beschrieben werden wird. Es ist anzumerken, daß das Datenverarbeitungssystem 114 zwar ausgelegt ist, um Objekte zu identifizieren, die abnormal erscheinen können, wie es auch von Bildscreeningvorrichtungen nach dem Stand der Technik gemacht wird. Der Datenprozessor 114 ist jedoch weiterhin ausgelegt, um die Mehrzahl der Objekte auf dem Probenträger 112 zu analysieren, die abnormal erscheinen, um zu bestimmen, ob die Probe auf dem Probenträger 12 tatsächlich normal oder abnormal ist. Dementsprechend ist das Datenverarbeitungssystem 114 in der Lage, zu bestimmen, daß Proben, die Objekte enthalten, welche abnormal erscheinen, nichts desto trotz normale biomedizinische Proben sind.
Das Datenverarbeitungssystem 114 umfaßt einen Datenprozessor 116, der an einen Speicher 120 angeschlossen ist. Der Speicher 120 ist zum Speichern von Programmdaten und Anweisungen zur Verwendung durch den Datenprozessor 116 bei der Durchführung des Bildanalyseverfahrens, das unten detaillierter diskutiert werden wird, ausgelegt. Weiterhin kann der Speicher 120 zum Speichern der Bilddaten, die von der Schnittstelle 110 bereitgestellt werden, zusätzlich zu Zwischenanalysedaten vorgesehen werden. Zum Beispiel erfordert die Analyse eines Blickfeldbilds typischerweise, daß die Bilddaten, die das Blickfeldbild wiedergeben, in eine Form umgewandelt werden, die sich von derjenigen unterscheidet, welche von dem Bildaufnahmesystem 102 bereitgestellt wird. Der Speicher 120 muß eine Kapazität aufweisen, um die Daten, die eine Anzahl von Blickfeldern wiedergeben, zu speichern und auch um Zwischendaten für jedes Blickfeld zu speichern.
Der Datenprozessor kann jegliche Mehrzahl von kommerziell verfügbaren Vorrichtungen für die Durchführung der Daten verarbeitung bei Bilddaten aufweisen. In einer derzeit bevorzugten Ausführungsform der Erfindung weist der Datenprozessor 116 eine Mehrzahl von Bildverarbeitungskarten in Kombination mit Standardmikroprozessorschaltungen auf, um parallele und serielle Bildanalysefunktionen auszuführen.
Das Bildaufnahme- und -analysesystem 100 stellt eine Verbesserung gegenüber Bildscreeningsystemen nach dem Stand der Technik dar, da das Bildanalysesystem in der Lage ist, zu bestimmen, ob die Probe insgesamt normal ist. Im Gegensatz dazu sind Bildscreeningsysteme nach dem Stand der Technik nur in der Lage, akzeptable Objekte zu identifizieren, die auf einem Probenträger auftreten können. Bezugnehmend auf Fig. 2, kann der Probenträger 112 einen Barcodebereich 200, der einen Barcode oder einen anderen darauf angebrachten maschinenlesbaren Identifizierer aufweist, und einen Probenbereich 202 umfassen, auf dem die Probe angeordnet ist. Wie in dem Schritt A in Fig. 2 dargestellt, kann die Probe eine Mehrzahl von Objekten 204· umfassen. Vorrichtungen nach dem Stand der Technik zur Durchführung eines Bildvorscreenings sind ausgelegt, um Daten aufzunehmen, die das Bild des Objekts 204 auf dem Probenträger 112 wiedergeben, und um die aufgenommenen Bilddaten zu analysieren, um Objekte 206 (Schritt B) zu identifizieren, die nicht normal erscheinen. Diese Vorrichtungen nach dem Stand der Technik können die aufgenommenen Bilder der lokalisierten Objekte für eine Untersuchung auf einem Bildschirm durch den Zytotechniker speichern.
Demgegenüber geht das Bildaufnahme- und -analysesystem 100 der vorliegenden Erfindung über die Schritte A und B hinaus, um die Bilddaten, die die Objekte 206 wiedergeben, zu analysieren und um eine Entscheidung zu fällen, ob die auf dem Probenträger 112 angeordnete Probe normal ist, wie bei Schritt 208 illustriert ist. Falls der Probenträger normal ist, Schritt 210, muß der Zytotechniker den Probenträger nicht untersuchen. Wenn jedoch die Entscheidung 208 nicht entscheidet, daß der Probenträger normal ist, wird er von dem Zytotechniker analysiert, Schritt 212, zum Zweck einer unabhängigen Meinung, ob der Probenträger normal ist, Schritt 214, oder ob der Probenträger weitere Untersuchungen, Schritt 216, erfordert.
Dem Fachmann wird bewußt werden, daß die vorliegende Erfindung eine signifikante Verbesserung gegenüber dem Stand der Technik, beispielsweise gemäß der oben zitierten US-A-4 513 438, darstellt, da der Zytotechniker nicht jeden einzelnen Probenträger oder irgendwelche Zieldaten von jedem einzelnen Probenträger untersuchen muß, um eine Bestimmung durchzuführen, ob die Probe normal ist. Apparaturen, die die vorliegende Erfindung implementieren, können ausgebildet werden, um 50 bis 80% der gesamten untersuchten Probenträger als normale Probenträger zu identifizieren. Dies steht für eine entsprechende 50 bis 80%ige Reduktion bei der Arbeitsbelastung des Zytotechnikers und dementsprechend für die Möglichkeit den Durchsatz des biomedizinischen Analyselabors deutlich zu steigern.
Um die Methodik, die in Fig. 2 illustriert ist, zu implementieren, führt die vorliegende Erfindung die Verfahrensschritte aus, welche in den Fig. 3A und 3B illustriert sind. Dabei stellt das Datenverarbeitungssystem 114 Steuersignale für das Bildaufnahmesystem 102 (Fig. 1) bereit, um den Probenträger 11 abzutasten, um die Bilddaten bereitzustellen. Das Datenverarbeitungssystem 114 verarbeitet dann die Bilddaten, um Objekte der Probe auf dem Probenträger zu identifizieren. Es wird dem Fachmann klar sein, daß jedes Objekt eine Zelle, eine Gruppe von Zellen oder ein Artefakt aufweisen kann. In einer derzeit bevorzugten Ausführungsform der Erfindung steuert das Datenverarbeitungssystem 114 das Bildaufnahmesystem 102, um den Probenträger ein erstes Mal bei einer ersten Vergrößerung abzutasten, um zu bestimmen, welche Blickfelder Objekte enthalten. Das Datenverarbeitungssystem 114 steuert das Bildaufnahmesystem 102 dann an, um den Probenträger ein zweites Mal bei einer größeren zweiten Vergrößerung abzutasten, um Blickfeldbilddaten zu erhalten, die die Blickfelder wiedergeben, welche während des ersten Abtastens identifiziert wurden. Auf diese Weise werden verschiedene Auflösungen der Bilddaten erhalten.
Für jeden Satz von bereitgestellten Blickfeldbilddaten erzeugt das Bildverarbeitungssystem 114 eine Maske, um jedes interessierende Objekt innerhalb des Blickfelds zu identifizieren. Die so erzeugte Maske umfaßt eine Anzahl von Objektidentifizierern OB(x), so daß die Maske mit den originalen Blickfelddaten kombiniert werden kann, um Daten zu erzeugen, die jedes Objekt OB charakterisieren.
Nachdem die Maske erzeugt worden ist, um die Objekte OB(x) in dem Blickfeld zu identifizieren, werden zur Verwendung in dem Verfahren Variablen initiiert, Schritt 302. Die Variablen k, i und g sind Indexvariablen und anfänglich gleich 1 gesetzt. Die Variable j wird verwendet, um die Anzahl der Objekte x in der Maske der interessierenden Objekte zu identifizieren. Bei der derzeit bevorzugten Ausführungsform der Erfindung werden die interessierenden Objekte in 3 Stufen klassifiziert. Dementsprechend wird eine Variable Stufe gleich g gesetzt, Schritt 301, um die derzeitige Stufe der Auswertung festzuhalten. Die Maske der interessierenden Objekte OB für die erste Stufe wird deshalb als Stufe 1 Maske bezeichnet.
Jedes Objekt wird dann untersucht, um festzustellen, ob das Objekt als normal oder abnormal erscheint, Schritt 304. Die Bestimmung, ob das Objekt als normal oder abnormal erscheint, wird durch Messen einer Anzahl von Merkmalen des Objekts durchgeführt, um das Objekt zu charakterisieren. Beispiele für Merkmale, die gemessen werden, um das Objekt zu charakterisieren und damit festzustellen, ob das Objekt normal ist, schließen die Objektgröße, -form, -dichte und -textur ein. In einer derzeit bevorzugten Ausführungsform der Erfindung, bei der das Bildaufnahme- und -analysesystem 100 für die Analyse von Cervikalabstrichen nach Papanicolaou verwendet wird, werden Merkmale von benachbarten Objekten gemessen, um zu bestimmen, ob ein Zielobjekt normal ist. Beispiele von Merkmalen von benachbarten Objekten, die gemessen werden können, sind die Anzahl von abnormalen Objekten in der Nähe des Zielobjekts zusätzlich zu der Anzahl der gesamten Objekte in der Nähe des Zielobjekts. Zusätzliche Merkmale der benachbarten Objekte können bei anderen Anwendungen gemessen werden, um zu bestimmen, ob das Zielobjekt normal ist.
Es wird dem Fachmann klar sein, daß obwohl hier bestimmte Merkmale zur Verwendung beim Bestimmen beschrieben worden sind, ob eine Zelle in einem Cervikalabstrich nach Papanicolaou normal ist, andere Merkmale hierfür substituiert werden können. Weiterhin können verschiedene andere Merkmale und Merkmalskombinationen wünschenswert sein, um zu bestimmen, ob ein gegebenes Objekt normal oder abnormal ist, wenn die vorliegende Erfindung auf andere Felder der Zytologie, Histologie oder andere Bildanalysebereiche angewendet wird.
Unabhängig von den ausgewählten Merkmalen werden die Merkmalsmaße kombiniert, wie unten beschrieben werden wird, und eine Bestimmung wird durchgeführt, ob das Objekt normal oder abnormal erscheint, Schritt 304. Falls das Objekt abnormal erscheint, dann werden die Bilddaten, die eine Maske des Objekts wiedergeben, in einem Feld AB(k) aufgezeichnet, Schritt 306. Anschließend wird die Indexvariable k um eins erhöht, Schritt 308. Alternativ, wenn das Objekt normal erscheint, Schritt 304, wird die Indexvariable i um eins erhöht, Schritt 310, und die Variable i wird mit der Variable j verglichen, um festzustellen, ob alle Objekte der Maske der interessierenden Objekte untersucht worden sind, Schritt 312. Die Schritte 304 bis 312 werden wiederholt, bis alle Objekte untersucht worden sind, zu welchem Zeitpunkt das Feld AB(k) Bilddaten umfaßt, die jedes Objekt in dem Blickfeld identifizieren, das nicht normal erscheint.
Die Bilddaten, die die abnormalen Objekte repräsentieren, werden verwendet, um eine Stufe 2 Maske zu erzeugen, um die Größe, Form und den Ort der abnormalen Objekte aus der Stufe 1 Maske zu identifizieren. Dem Fachmann wird bewußt werden, daß die Stufe 2 Maske, die die abnormalen Objekte identifiziert, auf eine Anzahl von Wegen erzeugt werden kann. Zum Beispiel können die normalen Objekte von der Stufe 1 Maske abgezogen werden, so daß die als abnormal identifizierten Objekte zurückbleiben. Alternativ kann die Stufe 2 Maske durch Hinzufügen der Daten, die abnormale Objekte in der Stufe 1 Maske wiedergeben, zu einer leeren Maske erzeugt werden. Als noch andere Alternative kann die Stufe 1 Maske durch zusätzliche Bildverarbeitung des originalen Graustufenbildes verfeinert werden, um die Stufe 2 Maske herzustellen. Andere Verfahren zur Herstellung der Stufe 2 Maske werden dem Fachmann rasch ersichtlich werden.
Damit die Schritte 301 bis 312 für drei Stufen durchgeführt werden, wird die Variable Stufe mit drei verglichen, um zu bestimmen, ob die dritte Stufe abgeschlossen worden ist, Schritt 303, und, falls nicht, wird die Indexvariable g um eins erhöht, Schritt 305, und die Objekte der Stufe 2 Maske werden in dem Feld OB der interessierenden Objekte gespeichert (Fig. 3B).
Gemäß einer derzeit bevorzugten Ausführungsform der Erfindung werden verschiedene Merkmale während jeder sequenziellen Stufe gemessen, um zu bestimmen, ob Objekte normal oder abnormal sind. Zum Beispiel können abnormale Objekte durch Messen ihrer Größe und Form während der Stufe 1 identifiziert werden. Jedes Objekt, das während der Stufe 1 als abnormal identifiziert wurde, wird während der Stufe 2 gemessen, um zu bestimmen, ob es tatsächlich abnormal ist. Während der Stufe 2 können die Textur und die Dichte des Objekts gemessen werden, um zu bestimmen, ob das Objekt normal oder abnormal ist. Jedes Objekt, das in der Stufe 2 als abnormal identifiziert wurde, wird während der Stufe 3 gemessen, um zu bestimmen, ob es normal oder abnormal ist. Während der Stufe 3 können die Anzahl der abnormalen Objekte in der Nähe des Zielobjekts und die Gesamtanzahl der Objekte in der Nähe des Zielobjekts gemessen werden, um zu bestimmen, ob das Objekt normal oder abnormal ist.
Bei der Bestimmung, ob ein Objekt normal oder abnormal ist, werden entweder in Stufe 1, Stufe 2 oder Stufe 3 die Merkmalsmaße für das Objekt in einen modifizierten binären Entscheidungsbaum eingegeben, wobei der Endknoten des Entscheidungsbaums einen Bereich des Merkmalsraums identifiziert, der als Entscheidungsbaumeingabe verwendet wurde. Im speziellen ist jeder Endknoten einem vorgegebenen Vertrauenswert zugeordnet, so daß, falls die Maße eines Objektes in einen speziellen Endknoten des binären Baums resultieren, die vorgegebenen Vertrauenswerte diesem Objekt zugeordnet werden. In der derzeit bevorzugten Ausführungsform der Erfindung ordnet jeder Endknoten jedem Objekt drei Vertrauenswerte zu. Ein Wert wird zugeordnet, um die Wahrscheinlichkeit anzuzeigen, daß das Objekt ein Artefakt ist, ein anderer Vertrauenswert wird zugeordnet, um die Wahrscheinlichkeit anzuzeigen, daß das Objekt eine normale Zelle ist, und ein dritter Vertrauenswert wird zugeordnet, um die Wahrscheinlichkeit anzuzeigen, daß das Objekt abnormal ist. In einer derzeit bevorzugten Ausführungsform der Erfindung wird der größte Vertrauenswert verwendet, um zu bestimmen, ob das Objekt ein Artefakt, eine normale Zelle oder eine abnormale Zelle ist. Dem Fachmann wird jedoch klar sein, daß die Vertrauenswerte verglichen, kombiniert oder auf verschiedene Weise verwendet werden können, um die Objekte als normal, abnormal oder Artefakte zu klassifizieren. Weiterhin ist ersichtlich, daß andere Vertrauenswerte zugeordnet werden können, um andere oder unterschiedliche Klassifikationen bereitzustellen. Außerdem können hier auch andere Datenverarbeitungsverfahren substituiert werden, obwohl ein binärer Entscheidungsbaum verwendet wird, um die Merkmalsmaße zu kombinieren.
In dieser Hinsicht werden die Objekte bezüglich von Merkmalen, die auf andere Objekte auf dem Probenträger bezogen sind, klassifiziert, zusätzlich dazu, daß sie bezüglich von Merkmalen, so wie den oben diskutierten klassifiziert werden, die sich auf das Objekt selbst beziehen. Zum Beispiel kann ein Objekt ein Nachbarschaftsmerkmalsmaß erhalten, das auf seine benachbarten Objekte bezogen ist. Falls die Objekte, die dem Zielobjekt benachbart sind, abnormal in ihrer Größe oder Form erscheinen, dann wird das Nachbarschaftsmerkmalsmaß des Zielobjekts die relative Abnormalität anzeigen. Umgekehrt wird, wenn die benachbarten Objekte alle als normale Zellen erscheinen, das Nachbarschaftsmerkmalsmaß des Zielobjekts eine relative Normalität anzeigen. Ähnlich kann jedem Objekt ein Anzahlmerkmalsmaß gegeben werden, das die Normalität des Objekts bezüglich der Anzahl der Zellen, die dem Objekt benachbart sind, anzeigt. Diesbezüglich wird, falls die Anzahl der Zellen, die dem Objekt benachbart sind, innerhalb eines vorgegebenen Bereichs liegt, dem Objekt ein Anzahlmerkmalsmaß gegeben, das relative Normalität anzeigt. Umgekehrt wird, wenn die Anzahl der Objekte, die dem Zielobjekt benachbart ist, aus dem vorgegebenen Bereich herausfällt, dem Objekt ein Anzahlmerkmalsmaß gegeben, das relative Abnormalität anzeigt.
Bezüglich der Merkmalsmaße, die für die Mehrzahl von Objekten AB(k) bereitgestellt werden, die nicht normal erscheinen, kann jedes Maß über einen vorgegebenen Bereich variieren, so daß ein Bereich von Werten dem Objekt zugeordnet werden kann. Weiterhin wird der Fachmann leicht feststellen, daß andere Merkmale, sowohl bezüglich der Merkmale, die sich auf das Objekt, als auch der Merkmale, die sich auf benachbarte Objekte oder Zustände beziehen, zusätzlich zu den hier diskutierten Merkmalen bereitgestellt werden können. Es ist jedoch ein wichtiger Aspekt der vorliegenden Erfindung, daß das Zielobjekt nicht nur gemäß Merkmalen, die sich auf das Zielobjekt selbst beziehen, klassifiziert wird, sondern daß das Zielobjekt auch gemäß Merkmalen klassifiziert wird, die dem Zielobjekt extern sind. Dies erlaubt eine genauere Bestimmung, ob die Probe als ganzes normal oder abnormal ist.
Zurückkehrend zu den Fig. 3A und 3B enthält der Datenprozessor 116 des Bildaufnahme- und -analysesystems 100, nachdem die Stufe 3 abgeschlossen worden ist, Klassifizierungsdaten für jede Stufe, wobei die Klassifizierungsdaten die Anzahl der normalen Objekte, die während der Stufe identifiziert wurden, die Anzahl der abnormalen Objekte, die während der Stufe identifiziert wurden, und der Anzahl der Artefakte, die während der Stufe identifiziert wurden, identifizieren. Um die Entscheidung zu fällen, ob der Probenträger insgesamt normal erscheint, werden die Klassifizierungsdaten kombiniert, um eine Gesamteinstufung N für jeden Probenträger bereitzustellen, Schritt 316. Die Gesamteinstufung wird dann mit einem vorgegebenen Normalwert PNV verglichen, und, falls die Gesamteinstufung kleiner als der vorgegebene Normalwert ist, wird der Probenträger als normal identifiziert, Schritt 320. Falls jedoch die Gesamteinstufung N größer oder gleich dem vorgegebenen Normalwert ist, dann wird der Probenträger als ein Probenträger identifiziert, der weitere Untersuchungen erfordert, Schritt 322, und er muß von einem Zytotechniker untersucht werden.
Die Klassifizierungsdaten können auf vielfache Weise kombiniert werden, um die Gesamteinstufung N bereitzustellen. Gleichermaßen kann eine Vielzahl von Normalwerten, PNV, ausgewählt werden, wobei die relative Größe des Normalwerts zum Teil die Genauigkeit des Verfahrens festlegen wird. Ein derzeit bevorzugtes Verfahren zum Kombinieren der Klassifizierungsdaten, um zu bestimmen, ob der Probenträger normal ist, besteht darin, zwei Klassifizierungsfaktoren f&sub1; und f&sub2; bereitzustellen, wobei die Klassifizierungsfaktoren wie folgt definiert sind:
f&sub1; = Anzahl der Stufe 3 abnormalen Objekte/Anzahl der Stufe 2 abnormalen Objekte
und
f&sub2; = Anzahl der Stufe 3 abnormalen Objekte/Anzahl der Stufe 1 normalen Objekte + Anzahl der Stufe 2 normalen Objekte + Anzahl der Stufe 3 normalen Objekte
Die Gesamteinstufung N für den Probenträger wird dann wie folgt als ein Abnormalitätsergebniswert definiert:
Abnormalitätsergebniswert = Ω&sub1;f&sub1; + Ω&sub2;f&sub2;,
wobei Ω&sub1; und Ω&sub2; vorbestimmte Konstanten sind.
Es wird dem Fachmann offensichtlich sein, daß die Klassifizie rungsdaten in einer Anzahl von Wegen kombiniert werden können, um die Gesamteinstufung für den Probenträger zu bestimmen. Zum Beispiel kann die Anzahl der normalen Objekte für jede Stufe verglichen werden mit der Anzahl der Artefakte und/oder der Anzahl der abnormalen Objekte. Als anderes Beispiel kann die Anzahl der abnormalen Objekte für die verschiedenen Stufen mit der Anzahl der normalen Objekte für die verschiedenen Stufen verglichen werden. Noch weiter können die Vertrauensfaktoren in Kombination mit den Klassifizierungsdaten verwendet werden, um die Gesamteinstufung für den Probenträger bereitzustellen. Dem Fachmann wird bewußt sein, daß eine große Vielfalt von Wegen des Kombinierens der Klassifizierungsdaten und der Vertrauensfaktoren gegangen werden kann, um eine Gesamteinstufung für den Probenträger bereitzustellen.
Aus dem Vorangehenden wird deutlich werden, daß obwohl hier bestimmte Ausführungsformen der Erfindung zum Zwecke der Erläuterung beschrieben worden sind, unterschiedliche Modifikationen durchgeführt werden können. Entsprechend ist die Erfindung außer durch die beigefügten Ansprüche nicht beschränkt. Was beansprucht ist, ist:

Claims

1. Verfahren zum Bestimmen, ob ein biomedizinisches Probenbild (120) normal ist, wobei es sich um das Bild eines ersten Objekts (204) handelt, das auf einem biologischen Probenträger (112) einer Mehrzahl von anderen Objekten (204) benachbart ist, wobei das Verfahren die Schritte des Verwendens eines Bildaufnahmesystems (102) aufweist, das von einem Datenverarbeitungssystem (114) gesteuert wird zum

a) Erhalten (300) des Bilds mit dem Bildaufnahmesystem und Identifizieren der Objekte in dem Bild mit dem Datenverarbeitungssystem, wobei das Verfahren gekennzeichnet ist durch

b) Messen (304) eines Merkmalswerts für jedes der Mehrzahl der anderen Objekte mit dem Datenverarbeitungssystem,

c) Klassifizieren (304, 314) der Mehrzahl der anderen Objekte mit dem Datenverarbeitungssystem entweder als normal oder als abnormal basierend auf den Merkmalswerten,

d) Verwenden des Datenverarbeitungssystem, um die Klassifizierungen der Mehrzahl von anderen Objekten zu kombinieren (316), um für das biomedizinische Bild eine Normal- oder Abnormaleinstufung des ersten Objekts bereitzustellen, und

e) Identifizieren (320) des Bild als normal, falls die Einstufung als normal bestimmt wurde.

2. Verfahren nach Anspruch 1, das umfaßt:

f) Messen eines Merkmalswerts für das erste Objekt mit dem Datenverarbeitungssystem,

g) Klassifizieren des ersten Objekts mit dem Datenverarbeitungssystem entweder als normal oder als abnormal basierend auf dem zugeordneten Merkmalswert und

h) Kombinieren der Klassifikation des ersten Objekts mit den Klassifikationen der Mehrzahl der anderen Objekte im Schritt (d), um die Einstufung bereitzustellen.

3. Verfahren nach Anspruch 1 oder 2, wobei der Schritt (a) das Aufnehmen eines Blickfelds des ersten Objekts und der Mehrzahl der anderen Objekte mit dem Bildaufnahmesystem und das Erzeugen einer Maske von Objektidentifizierern [OB(x)] für das Blickfeld aufweist, um das erste Objekt (OB) und die Mehrzahl der anderen Objekte (OB) innerhalb des Blickfelds zu identifizieren.

4. Verfahren nach Anspruch 1, 2 oder 3, wobei der Merkmalswert für jedes der Mehrzahl von anderen Objekten einem Bereich eines Merkmalsraums entspricht und wobei Schritt (c) für jedes der Mehrzahl der anderen Objekte die Schritte aufweist:

Eingeben des zugehörigen Merkmalswerts in einen modifizierten binären Entscheidungsbaum, wobei jeder Endknoten des modifizierten binären Entscheidungsbaums eine Region des Merkmalsraums identifiziert, wobei jeder Endknoten ihm zugeordnete vorbestimmte Vertrauenswerte aufweist,

Auswählen eines Endknotens des modifizierten binären Entscheidungsbaums entsprechend dem Bereich des Merkmalsraums, der dem zugeordneten Merkmalswert entspricht,

Zuordnen der Mehrzahl der vorbestimmten Vertrauenswerte für den ausgewählten Endknoten zu dem zugehörigen Objekt der Mehrzahl der anderen Objekte, und

Klassifizieren des zugehörigen Objekts entweder als normal oder als abnormal auf der Basis der Vertrauenswerte, die dem zugehörigen Objekt zugeordnet wurden.

5. Verfahren nach Anspruch 4, wobei jedem Endknoten ein Vertrauenswert, der die Wahrscheinlichkeit anzeigt, daß das Objekt ein Artefakt ist, ein zweiter Vertrauenswert, der die Wahrscheinlichkeit anzeigt, daß das Objekt eine normale Zelle ist, und ein dritter Vertrauenswert zugeordnet ist, der die Wahrscheinlichkeit anzeigt, daß das Objekt abnormal ist.

6. Verfahren nach einem der vorangehenden Ansprüche, wobei das Merkmal aus der Gruppe ausgewählt ist, die Größe, Form, Dichte und Textur aufweist.

7. Verfahren nach einem der vorangehenden Ansprüche, wobei die Mehrzahl der anderen Objekte Zellen, Kerne und Artefakte aufweist.

8. Verfahren nach Anspruch 2, wobei die Schritte (b) bis (h) aufweisen:

(A) die Verwendung des Datenverarbeitungssystems, um eine erste Stufe auszuführen durch:

(i) Messen eines ersten Objektwerts für jedes Objekt,

(ii) Klassifizieren des Objekts entweder als normal oder als abnormal basierend auf dem jeweiligen ersten Merkmalswert, um abnormale Objekte und normale Objekte der Stufe eins zu identifizieren,

(iii) Zählen der Anzahl der abnormalen Objekte der Stufe eins und der Anzahl der normalen Objekte der Stufe eins,

(B) die Verwendung des Datenverarbeitungssystem, um eine zweite Stufe für jedes abnormale Objekt der Stufe eins auszuführen durch:

(i) Messen eines jeweiligen zweiten Merkmalswerts für jedes einer Mehrzahl von Objekten, die dem abnormalen Objekt der Stufe eins benachbart sind, wobei das zweite Merkmal Objektgröße, Objektform, Objekttextur oder Objektdichte ist, und

(ii) Neuklassifizieren der abnormalen Objekte der Stufe eins, basierend auf dem zweiten Merkmalswert für die benachbarten Objekte entweder als normales oder abnormales Objekt der Stufe zwei, und

(iii) Zählen der Anzahl der normalen Objekte der Stufe zwei und der Anzahl der abnormalen Objekte der Stufe zwei,

(C) die Verwendung des Datenverarbeitungssystems, um eine dritte Stufe für jedes abnormale Objekt der Stufe eins auszuführen durch:

(i) Messen eines Dritten und eines vierten Werts für das abnormale Objekt der Stufe eins, wobei der dritte Wert die absolute Anzahl von anderen abnormalen Objekten der Stufe eins ist, die dem abnormalen Objekt der Stufe eins benachbart sind, und wobei das vierte Merkmal die absolute Anzahl der Objekte ist, die dem abnormalen Objekt der Stufe eins benachbart ist,

(ii) Vergleichen des dritten Merkmalswerts mit dem vierten Merkmalswert,

(iii) auf der Basis des Vergleichs, Neuklassifizieren der abnormalen Objekte der Stufe eins entweder als normale oder als abnormale Objekte der Stufe drei, und

(iv) Zählen der Anzahl der normalen Objekte der Stufe drei und der Anzahl der abnormalen Objekte der Stufe drei,

(D) die Berechnung einer Gesamteinstufung des biomedizinischen Bilds mit dem Datenverarbeitungssystem auf der Basis einer Kombination der Anzahlen von normalen und abnormalen Objekten der Stufen eins, zwei und drei, und

(E) mit dem Datenverarbeitungssystem das Vergleichen der Gesamteinstufung mit einem vorgegebenen Normalwert und das Bestimmen, daß das Probenbild normal ist, falls die Gesamteinstufung kleiner als der vorgegebene Normalwert ist.

9. Verfahren nach Anspruch 8, wobei das erste Merkmal Objektgröße, Objektform, Objekttextur oder Objektdichte ist.

10. Verfahren nach einem der voranstehenden Ansprüche, wobei die Objekte von einer biologischen Probe bereitgestellt werden, die von einem Patient genommen und auf einem mikroskopischen Probenträger angeordnet wurde.

11. Verfahren nach Anspruch 10, wobei die biologische Probe einen Cervikalabstrich nach Papanicolaou aufweist.