公开(公告)号：CN115088022A

公开(公告)日：2022-09-20

申请号：CN202180013185.8

申请日：2021-02-10

Applicant: 文塔纳医疗系统公司

Inventor： F·阿盖伊 ,  N·穆拉里 ,  J·F·马丁 ,  J·施密德 ,  F·谢赫扎德 ,  A·索姆

IPC: G06V10/94 ,  G06V20/69

Abstract: 本公开提供一种用于在数字病理学中使用联邦学习分类器的方法，所述方法包括通过集中式服务器将全局模型分发给多个客户端装置。所述客户端装置使用样本的多个图像和对应注释来进一步训练所述全局模型，以生成至少一个进一步训练的模型。所述客户端装置向所述集中式服务器提供进一步训练的模型，所述集中式服务器将所述进一步训练的模型与所述全局模型聚合以生成更新的全局模型。然后将所述更新的全局模型分发给所述多个客户端装置。

公开(公告)号：CN117378015A

公开(公告)日：2024-01-09

申请号：CN202280035189.0

申请日：2022-05-14

Applicant: 基因泰克公司 ,  豪夫迈·罗氏有限公司 ,  文塔纳医疗系统公司

Inventor： P·S·S·奥坎波 ,  B·斯蒂姆皮尔 ,  聂垚 ,  F·谢赫扎德 ,  李骁 ,  P·斯佐斯塔克 ,  P·波瓦尔 ,  F·阿加伊

IPC: G16H50/20

Abstract: 本公开提供了一种方法，所述方法包括：访问描绘从受试者采样的肿瘤细胞的数字病理学图像。可从所述数字病理学图像选择多个图块，其中所述图块中的每一者描绘肿瘤细胞。可针对所述图块中的每一者生成突变预测，其中所述突变预测表示对可操作突变出现在所述图块中的可能性的预测。基于多个突变预测，可生成与针对所述受试者的一个或多个治疗方案相关的预后预测。所述预后预测可基于将所述数字病理学图像的一个或多个突变背景确定为未知驱动因子或肿瘤抑制因子、致癌基因驱动因子突变、或基因融合。

公开(公告)号：CN116113983A

公开(公告)日：2023-05-12

申请号：CN202180056819.8

申请日：2021-08-11

Applicant: 文塔纳医疗系统公司

Inventor： J·鲍曼 ,  M·霍贾斯特 ,  F·谢赫扎德 ,  A·佐姆 ,  A·B·B·塔伊布

IPC: G06T7/00 ,  G06V10/82 ,  G06V10/40

Abstract: 本文公开的实施方案总体涉及在样本切片的多重免疫荧光图像中识别坏死组织。特别地，本公开的方面涉及：访问包括针对细胞核标志物的第一通道和针对上皮肿瘤标志物的第二通道的样本切片的多重免疫荧光图像，其中所述样本切片包括一个或多个坏死组织区域；将所述多重免疫荧光图像提供给机器学习模型；接收所述机器学习模型的输出，所述输出对应于以下预测：所述多重免疫荧光图像在所述多重免疫荧光图像的一个或多个特定部分处包括一个或多个坏死组织区域；基于所述机器学习模型的所述输出，生成用于所述多重免疫荧光图像的后续图像处理的掩膜；以及输出用于所述后续图像处理的所述掩膜。

公开(公告)号：CN116057585A

公开(公告)日：2023-05-02

申请号：CN202180056644.0

申请日：2021-07-29

Applicant: 文塔纳医疗系统公司

Inventor： H·费洛斯 ,  M·霍贾斯特 ,  J·拉森 ,  J·F·马丁 ,  N·穆拉里 ,  F·谢赫扎德

IPC: G06V10/778 ,  G06V10/82 ,  G06N20/00 ,  G06T7/00

Abstract: 访问一种机器学习模型，所述机器学习模型配置成使用一个或多个参数来处理图像以生成标记。执行所述机器学习模型以将至少一个数字病理学图像中的每一个的至少一部分转换成多个预测标记；并且为所述多个预测标记中的每一个生成置信度度量。利用一种界面，所述界面描绘所述至少一个数字病理学图像的所述至少一部分并且基于对应的置信度度量差异性地表示预测标记。响应于所述界面的利用，接收确认、拒绝或替换所述多个预测标记中的至少一个的标记输入。基于所述标记输入更新所述机器学习模型的所述一个或多个参数。