[发明专利]表征放射学图像中的病变

说明书

本发明涉及一种用于在表征放射学图像中的病变中使用的方法，包括：执行对象的病变的样本的病理学图像的基于计算机的分析，以便识别病变的组织和/或细胞特性，其中，分析产生表示识别的组织和/或细胞特性的导出的病理学图像；根据所述病变的放射学图像计算针对所述病变的一个或多个放射学特征；并且确定所计算的一个或多个放射学特征与所述识别的组织和/或细胞特性之间的相关性。利用该方法，生物学标准数据信息能够用于识别指示病变的某些组织和/或细胞特性并且因此可以更好地适于表征病变的放射学特征。此类放射学特征然后能够与对应的相关性一起被用于放射学图像中的病变的改进的表征。

技术领域

本发明涉及用于在表征放射学图像中的病变中使用的方法、装置和计算机程序。

背景技术

癌症是全世界发病率和死亡率的主要原因之一；在2015年，其是造成全球8800万人死亡的原因。在癌症的诊断和监测中，无创放射学成像(诸如X射线放射摄影、磁共振(MR)成像、计算机断层摄影(CT)和正电子发射断层摄影(PET))常规地用于评估肿瘤和解剖组织特性。此外，放射学成像能够潜在地为被用于基于个体患者和其肿瘤的特性定制处置策略的个性化医学提供有价值的信息。

典型的癌症呈现在放射学图像中可见地显现的强表型差异。在新兴的放射组学领域中，放射学图像通过应用大量定量图像特征来分析，以便客观地且定量地描述肿瘤表型(例如，参见Aerts H.J.W.L.,“Decoding tumour phenotype by noninvasive imagingusing a quantitative radiomics approach”,Nature Communications,5:4006,2014)。

尽管放射学图像能够提供关于患者身体中的整个病变和所有病变的信息，但是它们具有以下缺点：由于缺乏空间分辨率并且缺乏所测量的信号与组织的生物学的相关性，图像特征不能与疾病的生物学直接相关。出于该原因，放射组学基于例如通过与治疗响应相关而以数据驱动的方式将计算的图像特征相关。不存在关于相关的特征的意义的标准数据(ground truth)信息，并且结果不能被容易地转变/推断为其他患者群组或癌症。

另一方面，病理学图像能够提供亚细胞分辨率并且-经由免疫染色-提供关于肿瘤中的生物学的直接信息。然而，图像受限于从患者提取的样本的位置和尺寸。使用诸如高级图像分析、机器学习和人工智能的技术，病理学图像的丰富特征能够根据具有诊断相关性的细胞组成和组织(子)类型来进行解释(例如，参见Heindl A.et al.,“Mapping spatialheterogeneity in the tumor microenvironment:a new era for digital pathology”,Laboratory Investigation，第95卷，2015年，第377至384页)。由于(数字)病理学能够分析并描述肿瘤组织的细胞组成和生物标记表达，因此其能够建立与治疗响应的基于知识的联系。然而，由于病理学样本通常不从所有病变可用，并且仅从可能不表示整个肿瘤的活检可用，因此发现的相关性能够显而易见比固有可能性的弱得多。

因此，期望提供针对癌症的基于图像的表征的改进的方式。

发明内容

本发明的目的是提供一种用于在表征放射学图像中的病变中使用的方法，其允许病变的改进的表征。本发明的又一目的是提供对应的装置和计算机程序。

在本发明的第一方面中，提出了一种用于在表征放射学图像中的病变中使用的方法，包括：

执行对象的病变的样本的病理学图像的基于计算机的分析，以便识别病变的组织和/或细胞特性，其中，分析产生表示识别的组织和/或细胞特性的导出的病理学图像，

根据病变的放射学图像计算针对病变的一个或多个放射学特征，并且

确定计算的一个或多个放射学特征与识别的组织和/或细胞特性之间的相关性。