MACHINE LEARNING ENABLED HEPATOCELLULAR CARCINOMA MOLECULAR SUBTYPE CLASSIFICATION

A method for image-based hepatocellular carcinoma (HCC) molecular subtype classification may include determining, within an image depicting a plurality of cells of a biological sample, a plurality of tiles with each tile depicting a portion of the plurality of cells comprising the sample. A machine...

Ausführliche Beschreibung

Gespeichert in:
Bibliographische Detailangaben
Hauptverfasser: RUDERMAN, Daniel, KOZLOWSKI, Cleopatra
Format: Patent
Sprache:eng ; fre
Schlagworte:
Online-Zugang:Volltext bestellen
Tags: Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
container_end_page
container_issue
container_start_page
container_title
container_volume
creator RUDERMAN, Daniel
KOZLOWSKI, Cleopatra
description A method for image-based hepatocellular carcinoma (HCC) molecular subtype classification may include determining, within an image depicting a plurality of cells of a biological sample, a plurality of tiles with each tile depicting a portion of the plurality of cells comprising the sample. A machine learning model may be applied to determine a molecular subtype for the portion of the plurality of cells depicted in each tile. Moreover, an overall molecular subtype for the plurality of cells depicted in the image of the biological sample may be determined based on the molecular subtype of the portion of the plurality of cells depicted in each tile of the plurality of tiles. For example, another machine learning model may be applied to determine the overall molecular subtype of the plurality of cells depicted in the image of the biological sample. Related systems and computer program products are also provided. L'invention concerne un procédé de classification de sous-types moléculaires de carcinome hépatocellulaire (HCC) basé sur des images, pouvant comprendre la détermination, au sein d'une image représentant une pluralité de cellules d'un échantillon biologique, d'une pluralité de pavés, chaque pavé représentant une partie de la pluralité de cellules constituant l'échantillon. Un modèle d'apprentissage automatique peut être appliqué pour déterminer un sous-type moléculaire pour la partie de la pluralité de cellules représentée dans chaque pavé. En outre, un sous-type moléculaire global pour la pluralité de cellules représentée dans l'image de l'échantillon biologique peut être déterminé d'après le sous-type moléculaire de la partie de la pluralité de cellules représentée dans chaque pavé de la pluralité de pavés. Par exemple, un autre modèle d'apprentissage automatique peut être appliqué pour déterminer le sous-type moléculaire global de la pluralité de cellules représentée dans l'image de l'échantillon biologique. L'invention concerne également des systèmes et des produits-programmes informatiques apparentés.
format Patent
fullrecord <record><control><sourceid>epo_EVB</sourceid><recordid>TN_cdi_epo_espacenet_WO2023212107A1</recordid><sourceformat>XML</sourceformat><sourcesystem>PC</sourcesystem><sourcerecordid>WO2023212107A1</sourcerecordid><originalsourceid>FETCH-epo_espacenet_WO2023212107A13</originalsourceid><addsrcrecordid>eNqNyrEKwjAQgOEsDqK-Q8BZaNLB-XpezcElKWmKOJUicRIt1PdHEB_A6YePf62SB3QcSAtBChzOmgI0QiftqIMckUQGgaQREnKIHrSPQvi1fmjytSONAn3PLSNkjmGrVvfpsZTdrxu1bymjO5T5NZZlnm7lWd7jJdrK1tZYUx3B1P9dH5tYMJ8</addsrcrecordid><sourcetype>Open Access Repository</sourcetype><iscdi>true</iscdi><recordtype>patent</recordtype></control><display><type>patent</type><title>MACHINE LEARNING ENABLED HEPATOCELLULAR CARCINOMA MOLECULAR SUBTYPE CLASSIFICATION</title><source>esp@cenet</source><creator>RUDERMAN, Daniel ; KOZLOWSKI, Cleopatra</creator><creatorcontrib>RUDERMAN, Daniel ; KOZLOWSKI, Cleopatra</creatorcontrib><description>A method for image-based hepatocellular carcinoma (HCC) molecular subtype classification may include determining, within an image depicting a plurality of cells of a biological sample, a plurality of tiles with each tile depicting a portion of the plurality of cells comprising the sample. A machine learning model may be applied to determine a molecular subtype for the portion of the plurality of cells depicted in each tile. Moreover, an overall molecular subtype for the plurality of cells depicted in the image of the biological sample may be determined based on the molecular subtype of the portion of the plurality of cells depicted in each tile of the plurality of tiles. For example, another machine learning model may be applied to determine the overall molecular subtype of the plurality of cells depicted in the image of the biological sample. Related systems and computer program products are also provided. L'invention concerne un procédé de classification de sous-types moléculaires de carcinome hépatocellulaire (HCC) basé sur des images, pouvant comprendre la détermination, au sein d'une image représentant une pluralité de cellules d'un échantillon biologique, d'une pluralité de pavés, chaque pavé représentant une partie de la pluralité de cellules constituant l'échantillon. Un modèle d'apprentissage automatique peut être appliqué pour déterminer un sous-type moléculaire pour la partie de la pluralité de cellules représentée dans chaque pavé. En outre, un sous-type moléculaire global pour la pluralité de cellules représentée dans l'image de l'échantillon biologique peut être déterminé d'après le sous-type moléculaire de la partie de la pluralité de cellules représentée dans chaque pavé de la pluralité de pavés. Par exemple, un autre modèle d'apprentissage automatique peut être appliqué pour déterminer le sous-type moléculaire global de la pluralité de cellules représentée dans l'image de l'échantillon biologique. L'invention concerne également des systèmes et des produits-programmes informatiques apparentés.</description><language>eng ; fre</language><subject>CALCULATING ; COMPUTING ; COUNTING ; PHYSICS</subject><creationdate>2023</creationdate><oa>free_for_read</oa><woscitedreferencessubscribed>false</woscitedreferencessubscribed></display><links><openurl>$$Topenurl_article</openurl><openurlfulltext>$$Topenurlfull_article</openurlfulltext><thumbnail>$$Tsyndetics_thumb_exl</thumbnail><linktohtml>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&amp;date=20231102&amp;DB=EPODOC&amp;CC=WO&amp;NR=2023212107A1$$EHTML$$P50$$Gepo$$Hfree_for_read</linktohtml><link.rule.ids>230,308,776,881,25542,76290</link.rule.ids><linktorsrc>$$Uhttps://worldwide.espacenet.com/publicationDetails/biblio?FT=D&amp;date=20231102&amp;DB=EPODOC&amp;CC=WO&amp;NR=2023212107A1$$EView_record_in_European_Patent_Office$$FView_record_in_$$GEuropean_Patent_Office$$Hfree_for_read</linktorsrc></links><search><creatorcontrib>RUDERMAN, Daniel</creatorcontrib><creatorcontrib>KOZLOWSKI, Cleopatra</creatorcontrib><title>MACHINE LEARNING ENABLED HEPATOCELLULAR CARCINOMA MOLECULAR SUBTYPE CLASSIFICATION</title><description>A method for image-based hepatocellular carcinoma (HCC) molecular subtype classification may include determining, within an image depicting a plurality of cells of a biological sample, a plurality of tiles with each tile depicting a portion of the plurality of cells comprising the sample. A machine learning model may be applied to determine a molecular subtype for the portion of the plurality of cells depicted in each tile. Moreover, an overall molecular subtype for the plurality of cells depicted in the image of the biological sample may be determined based on the molecular subtype of the portion of the plurality of cells depicted in each tile of the plurality of tiles. For example, another machine learning model may be applied to determine the overall molecular subtype of the plurality of cells depicted in the image of the biological sample. Related systems and computer program products are also provided. L'invention concerne un procédé de classification de sous-types moléculaires de carcinome hépatocellulaire (HCC) basé sur des images, pouvant comprendre la détermination, au sein d'une image représentant une pluralité de cellules d'un échantillon biologique, d'une pluralité de pavés, chaque pavé représentant une partie de la pluralité de cellules constituant l'échantillon. Un modèle d'apprentissage automatique peut être appliqué pour déterminer un sous-type moléculaire pour la partie de la pluralité de cellules représentée dans chaque pavé. En outre, un sous-type moléculaire global pour la pluralité de cellules représentée dans l'image de l'échantillon biologique peut être déterminé d'après le sous-type moléculaire de la partie de la pluralité de cellules représentée dans chaque pavé de la pluralité de pavés. Par exemple, un autre modèle d'apprentissage automatique peut être appliqué pour déterminer le sous-type moléculaire global de la pluralité de cellules représentée dans l'image de l'échantillon biologique. L'invention concerne également des systèmes et des produits-programmes informatiques apparentés.</description><subject>CALCULATING</subject><subject>COMPUTING</subject><subject>COUNTING</subject><subject>PHYSICS</subject><fulltext>true</fulltext><rsrctype>patent</rsrctype><creationdate>2023</creationdate><recordtype>patent</recordtype><sourceid>EVB</sourceid><recordid>eNqNyrEKwjAQgOEsDqK-Q8BZaNLB-XpezcElKWmKOJUicRIt1PdHEB_A6YePf62SB3QcSAtBChzOmgI0QiftqIMckUQGgaQREnKIHrSPQvi1fmjytSONAn3PLSNkjmGrVvfpsZTdrxu1bymjO5T5NZZlnm7lWd7jJdrK1tZYUx3B1P9dH5tYMJ8</recordid><startdate>20231102</startdate><enddate>20231102</enddate><creator>RUDERMAN, Daniel</creator><creator>KOZLOWSKI, Cleopatra</creator><scope>EVB</scope></search><sort><creationdate>20231102</creationdate><title>MACHINE LEARNING ENABLED HEPATOCELLULAR CARCINOMA MOLECULAR SUBTYPE CLASSIFICATION</title><author>RUDERMAN, Daniel ; KOZLOWSKI, Cleopatra</author></sort><facets><frbrtype>5</frbrtype><frbrgroupid>cdi_FETCH-epo_espacenet_WO2023212107A13</frbrgroupid><rsrctype>patents</rsrctype><prefilter>patents</prefilter><language>eng ; fre</language><creationdate>2023</creationdate><topic>CALCULATING</topic><topic>COMPUTING</topic><topic>COUNTING</topic><topic>PHYSICS</topic><toplevel>online_resources</toplevel><creatorcontrib>RUDERMAN, Daniel</creatorcontrib><creatorcontrib>KOZLOWSKI, Cleopatra</creatorcontrib><collection>esp@cenet</collection></facets><delivery><delcategory>Remote Search Resource</delcategory><fulltext>fulltext_linktorsrc</fulltext></delivery><addata><au>RUDERMAN, Daniel</au><au>KOZLOWSKI, Cleopatra</au><format>patent</format><genre>patent</genre><ristype>GEN</ristype><title>MACHINE LEARNING ENABLED HEPATOCELLULAR CARCINOMA MOLECULAR SUBTYPE CLASSIFICATION</title><date>2023-11-02</date><risdate>2023</risdate><abstract>A method for image-based hepatocellular carcinoma (HCC) molecular subtype classification may include determining, within an image depicting a plurality of cells of a biological sample, a plurality of tiles with each tile depicting a portion of the plurality of cells comprising the sample. A machine learning model may be applied to determine a molecular subtype for the portion of the plurality of cells depicted in each tile. Moreover, an overall molecular subtype for the plurality of cells depicted in the image of the biological sample may be determined based on the molecular subtype of the portion of the plurality of cells depicted in each tile of the plurality of tiles. For example, another machine learning model may be applied to determine the overall molecular subtype of the plurality of cells depicted in the image of the biological sample. Related systems and computer program products are also provided. L'invention concerne un procédé de classification de sous-types moléculaires de carcinome hépatocellulaire (HCC) basé sur des images, pouvant comprendre la détermination, au sein d'une image représentant une pluralité de cellules d'un échantillon biologique, d'une pluralité de pavés, chaque pavé représentant une partie de la pluralité de cellules constituant l'échantillon. Un modèle d'apprentissage automatique peut être appliqué pour déterminer un sous-type moléculaire pour la partie de la pluralité de cellules représentée dans chaque pavé. En outre, un sous-type moléculaire global pour la pluralité de cellules représentée dans l'image de l'échantillon biologique peut être déterminé d'après le sous-type moléculaire de la partie de la pluralité de cellules représentée dans chaque pavé de la pluralité de pavés. Par exemple, un autre modèle d'apprentissage automatique peut être appliqué pour déterminer le sous-type moléculaire global de la pluralité de cellules représentée dans l'image de l'échantillon biologique. L'invention concerne également des systèmes et des produits-programmes informatiques apparentés.</abstract><oa>free_for_read</oa></addata></record>
fulltext fulltext_linktorsrc
identifier
ispartof
issn
language eng ; fre
recordid cdi_epo_espacenet_WO2023212107A1
source esp@cenet
subjects CALCULATING
COMPUTING
COUNTING
PHYSICS
title MACHINE LEARNING ENABLED HEPATOCELLULAR CARCINOMA MOLECULAR SUBTYPE CLASSIFICATION
url https://sfx.bib-bvb.de/sfx_tum?ctx_ver=Z39.88-2004&ctx_enc=info:ofi/enc:UTF-8&ctx_tim=2025-01-30T19%3A52%3A41IST&url_ver=Z39.88-2004&url_ctx_fmt=infofi/fmt:kev:mtx:ctx&rfr_id=info:sid/primo.exlibrisgroup.com:primo3-Article-epo_EVB&rft_val_fmt=info:ofi/fmt:kev:mtx:patent&rft.genre=patent&rft.au=RUDERMAN,%20Daniel&rft.date=2023-11-02&rft_id=info:doi/&rft_dat=%3Cepo_EVB%3EWO2023212107A1%3C/epo_EVB%3E%3Curl%3E%3C/url%3E&disable_directlink=true&sfx.directlink=off&sfx.report_link=0&rft_id=info:oai/&rft_id=info:pmid/&rfr_iscdi=true