【技术实现步骤摘要】
本专利技术涉及通用人工智能和图像数据处理，具体涉及一种基于人工智能（ai）智能体分析高内涵图像的系统和方法。
技术介绍
1、创新药物的发现方法一般可以分为两类：基于靶点和表型的药物发现。基于靶点的药物发现侧重于研究候选药物与已知的药物靶分子（一般为功能蛋白）的抑制和促进作用。在基于表型的药物发现方法中，表型指的是细胞或组织在形态学、生理学或行为特性上的可观察特征。因此，基于表型的药物发现方法关注在相关疾病模型中引发期望表型的候选化合物（比如某候选化合物可以帮助有疾病表现的细胞恢复成正常细胞表型）。近二十年中，基于靶点的药物发现占据主导地位。然而，这种趋势导致近十年药物开发生产力的下降。已有研究表明，基于表型的药物发现方法在发现首创化合物方面比基于靶点的方法更成功。
2、在基于表型的药物发现的过程中，显微成像技术被用来描述细胞表型，该过程也称为高内涵筛选。目前最先进的高内涵筛选过程中，细胞被六种燃料染色，从而可以实现八种细胞成分和细胞器（包括细胞核、内质网、核仁和rna、f-肌动蛋白骨架、高尔基体、质膜和线粒体）的相对独立观察。该过程极大的提高了细胞形态学描述的多样性，从而揭示了微妙的细胞表型变化。有研究表明，基于上述高内涵技术的药物筛选能够具有更高的化合物-细胞敏感性，从而提高临床前药物筛选的成功率。
3、根据上面对表型药物筛选的描述，在高内涵成像过程中，考虑到多种染料的应用和不同化合物剂量的细胞处理，每一轮高内涵筛选会产生大量的高内涵图像数据。这类大数据分析包含去噪、去卷积、跟踪、分离、特征提取和聚类等
4、总的来说，软件和算法开发者和湿实验研发人员在当下存在一定的障碍，阻碍了表型药物发现的进展。为了克服这些障碍，需要加强跨学科合作、提高数据质量和一致性、优化算法开发和验证流程等方面的努力。
5、上述对
技术介绍
的陈述仅是为了方便对本专利技术技术方案（使用的技术手段、解决的技术问题以及产生的技术效果等方面）的深入理解，而不应当被视为承认或以任何形式暗示该消息构成已为本领域技术人员所公知的现有技术。
技术实现思路
1、针对现有技术中存在的缺陷，本专利技术提出了一种新颖的基于ai智能体分析高内涵图像的系统和方法，ai智能体的构成是大语言模型、提示词和内部工具（高内涵数据分析算法和软件）。用户向此系统输入高内涵数据的文件和自然语言的任务描述后，ai智能体可以基于大语言模型分析用户需求、制定计划、生成代码、执行代码调用内部工具，并利用精心设计的提示词工程对数据进行后续分析，最终实现端到端的高内涵数据多样化分析。
2、根据本专利技术的实施方案，提供了一种基于ai智能体分析高内涵图像的方法，其包括：构建ai智能体的推理行动协同；将自然语言和高内涵图像数据输入到构建的推理行动协同中进行任务分析，以获得任务描述并理解和分析用户意图；对推理行动协同的任务分析结果执行推理行动循环，以调用各种工具对高内涵图像数据进行处理；输出ai智能体的最终处理结果。
3、优选地，所述推理行动协同包括大语言模型、提示词和输出解析器；所述大语言模型是预先训练的深度学习模型，包括非开源大语言模型和开源大语言模型，所述大语言模型配置为对自然语言进行理解；所述提示词配置为包含对高内涵图像的内容、结构或特征进行处理的信息，辅助大语言模型理解和分析用户意图；所述输出解析器配置为对大语言模型产生的输出进行后处理。
4、优选地，对推理行动协同的任务分析结果执行推理行动循环包括：思考子步骤，其利用推理行动协同中设置的规则或知识库来分析基于推理行动协同的任务分析结果输入的任务，确定任务是通过单步骤数据处理完成的高内涵图像分析任务或者通过多步骤数据处理完成的高内涵图像分析任务；行动子步骤，其根据思考子步骤的结果，从构建的工具库中选择与预定的行动相对应的工具；行动输入子步骤，其将相应的处理对象输入至行动子步骤中选择的工具，从而得到工具处理后的输出结果；观察子步骤，其根据思考子步骤的结果和工具处理后的输出结果，结合历史信息进行解析；循环子步骤，其基于观察子步骤的解析内容，决定是结束任务还是继续执行新的行动。
5、优选地，所述工具库包括用于分析高内涵图像的各种工具；所述工具库包括去噪工具、去卷积工具、分离工具、特征提取工具和数据分析工具。
6、优选地，所述自然语言包括文本、视频、音频的至少一种。
7、优选地，ai智能体的最终处理结果包括：处理后的高内涵成像图片、图像转化后的数字特征、对数字特征的进一步分析处理结果、自然语言描述。
8、根据本专利技术的实施方案，提供了一种基于ai智能体分析高内涵图像的系统，其包括：构建模块，其配置为构建ai智能体的推理行动协同；任务分析模块，其配置为将自然语言和高内涵图像数据输入到构建的推理行动协同中进行任务分析，以获得任务描述并理解和分析用户意图；推理行动循环模块，其配置为对推理行动协同的任务分析结果执行推理行动循环，以调用各种工具对高内涵图像数据进行处理；输出模块，其配置为输出ai智能体的最终处理结果。
9、优选地，所述推理行动协同包括大语言模型、提示词和输出解析器；所述大语言模型是预先训练的深度学习模型，包括非开源大语言模型和开源大语言模型，所述大语言模型配置为对自然语言进行理解；所述提示词配置为包含对高内涵图像的内容、结构或特征进行处理的信息，辅助大语言模型理解和分析用户意图；所述输出解析器配置为对大语言模型产生的输出进行后处理。
10、优选地，所述推理行动循环模块包括：思考子模块，其利用推理行动协同中设置的规则或知识库来分析基于推理行动协同的任务分析结果输入的任务，确定任务是通过单步骤数据处理完成的高内涵图像分析任务或者通过多步骤数据处理完成的高内涵图像分析任务；行动子模块，其根据思考子步骤的结果，从构建的工具库中选择与预定的行动相对应的工具；行动输入子模块，其将相应的处理对象输入至行动子步骤中选择的工具，从而得到工具处理后的输出结果；观察子模块，其根据思考子步骤的结果和工具处理后的输出结果，结合历史信息进行解析；循环子模块，其基于观察子步骤的解析内容，决定是结束任务还是继续执行新的行动。
11、根据本专利技术的实施方案，提供了一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该计算机指令被处理器执行时实现以下步骤：构建ai智能体的推理行动协同；将自然语言和高内涵图像数据输入到构建的推理行动协同中进行任务分析，以获得任务描述并理解和分析用户意图；对推理行动协同的任务分析结果执行推理行动循环，以调用各种工具对高内涵图像数据进行处理；输出ai智能体的最终处理结果。
1本文档来自技高网...
【技术保护点】
1.一种基于AI智能体分析高内涵图像的方法，其包括：
2.根据权利要求1所述的基于AI智能体分析高内涵图像的方法，其中，所述推理行动协同包括大语言模型、提示词和输出解析器；
3.根据权利要求1所述的基于AI智能体分析高内涵图像的方法，其中，对推理行动协同的任务分析结果执行推理行动循环包括：
4.根据权利要求3所述的基于AI智能体分析高内涵图像的方法，其中，
5.根据权利要求1所述的基于AI智能体分析高内涵图像的方法，其中，所述自然语言包括文本、视频、音频的至少一种。
6.根据权利要求1所述的基于AI智能体分析高内涵图像的方法，其中，
7.一种基于AI智能体分析高内涵图像的系统，其包括：
8.根据权利要求7所述的基于AI智能体分析高内涵图像的系统，其中，所述推理行动协同包括大语言模型、提示词和输出解析器；
9.根据权利要求7所述的基于AI智能体分析高内涵图像的系统，其中，所述推理行动循环模块包括：
10.一种计算机可读存储介质，其上存储有计算机指令，其特征在于，该计算机指令被
...【技术特征摘要】
1.一种基于ai智能体分析高内涵图像的方法，其包括：
2.根据权利要求1所述的基于ai智能体分析高内涵图像的方法，其中，所述推理行动协同包括大语言模型、提示词和输出解析器；
3.根据权利要求1所述的基于ai智能体分析高内涵图像的方法，其中，对推理行动协同的任务分析结果执行推理行动循环包括：
4.根据权利要求3所述的基于ai智能体分析高内涵图像的方法，其中，
5.根据权利要求1所述的基于ai智能体分析高内涵图像的方法，其中，所述自然语言包括文本、视频、音频的至...
【专利技术属性】
技术研发人员：余奕，宗利斌，郑宜，于晓辉，
申请(专利权)人：华润医药研究院深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。