【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
1、无创诊断技术在过去十年间已取得重大进步，使人们能够捕获复杂生物和生理系统的丰富的代表性数据集。此类技术在提高信噪比和分子特异性方面已适当创新，但仍然只是在给定时间的快照。诊断平台处在发展的转折点，借此有必要利用预测模型的集成、机器学习或人工智能集成来在人类可以有能力达到的范围之外解读丰富的数据集，以提供有见解且可行的预测。因此，诊断平台在创新方面存在未满足的临床需要，以利用这样的丰富的数据集来提供生物或生理状态的范式转换预测。
技术实现思路
1、本文所提供的公开内容的方面包括一种用于确定生物样品的表面的形貌的方法，包括：(a)接收生物样品；(b)将生物样品装配到固定装置中；(c)使生物样品与可压缩体接触，该可压缩体光学耦合到至少一个光源和至少一个传感器，其中该至少一个光源生成由该至少一个传感器所检测的生物样品的表面的多维数据集；以及(d)从多维数据集确定生物样品的表面轮廓。在一些实施方式中，生物样品包括离体或体内牙齿。在一些实施方式中，可压缩体包括凝胶盒。在一些实施方式中，固定装置包括油灰、机械装配件、粘合化合物或其任何组合。在一些实施方式中，该方法进一步包括在标准玻璃、球栅阵列、凹槽靶或其任何组合上校准可压缩体。在一些实施方式中，至少一个光源包括至少一个相干激光器、非相干激光器、脉冲激光器、发光二极管、超发光二极管或其任何组合。在一些实施方式中，该方法进一步包括用水清洁生物样品。在一些实施方式中，可压缩体空间位置可释放地可锁定。在一些实施方式中，至少一个光源和至少
2、本文所提供的公开内容的方面包括一种用于确定生物样品的表面的形貌的方法，包括：(a)接收生物样品；(b)将生物样品装配到固定装置中；(c)用至少一个光源和至少一个传感器照亮生物样品，其中该至少一个光源生成由该至少一个传感器所检测的生物样品的表面的多维数据集；以及(d)从多维数据集确定生物样品的表面轮廓。在一些实施方式中，生物样品包括离体或体内牙齿。在一些实施方式中，固定装置包括油灰、机械装配件、稳定器、粘合化合物或其任何组合。在一些实施方式中，至少一个光源包括至少一个相干激光器、非相干激光器、脉冲激光器、发光二极管、超发光二极管或其任何组合。在一些实施方式中，该方法进一步包括用水清洁生物样品。在一些实施方式中，至少一个光源和至少一个传感器经由按钮、开关、触发器或其任何组合而与处理器电通信，该按钮、开关、触发器或其任何组合被配置成启动对生物样品的照明和对表面的多维数据集的检测。在一些实施方式中，多维数据集包括至少1个维度。在一些实施方式中，表面轮廓是从离体或体内牙齿的牙冠的切缘到颈端测量的。
3、本文所提供的公开内容的方面包括一种用于确定生物样品的表面的形貌的系统，包括：(a)被机械地配置成约束生物样品的三维位置的固定装置；(b)光学耦合到至少一个光源和至少一个传感器的可压缩体，其中该至少一个光源生成由该至少一个传感器所检测的生物样品的表面的多维数据集；和(c)电耦合到至少一个光源和至少一个传感器的处理器，其中该处理器包括储存在非暂时性存储介质上的一组程序化指令，该程序化指令被配置成使处理器从多维数据集确定生物样品的表面的形貌。在一些实施方式中，生物样品包括牙齿。在一些实施方式中，可压缩体包括凝胶盒。在一些实施方式中，固定装置包括油灰、机械装配件、粘合化合物或其任何组合。在一些实施方式中，至少一个光源包括至少一个相干激光器、非相干激光器、脉冲激光器、发光二极管、超发光二极管或其任何组合。在一些实施方式中，可压缩体空间位置可释放地可锁定。在一些实施方式中，至少一个光源和至少一个传感器经由按钮、开关、触发器或其任何组合而与处理器电通信，该按钮、开关、触发器或其任何组合被配置成启动对生物样品的照明和对表面的多维数据集的检测。在一些实施方式中，该系统进一步包括机械耦合到可压缩体的刚性导引构件，该刚性导引构件被配置成相对于生物样品而定位可压缩体。在一些实施方式中，可压缩体容纳在锁定机械构件中，该锁定机械构件被配置成固定可压缩体的三维位置。在一些实施方式中，多维数据集包括至少1个维度。
4、本文所提供的公开内容的方面包括一种训练预测模型以输出一个或多个对象的形貌数据集的表型表征的方法，包括：(a)从第一组对象接收一个或多个生物样品和表型表征；(b)从第一组对象的一个或多个生物样品确定第一形貌数据集；(c)计算第一形貌数据集的第一组特征；以及(d)用第一组对象的第一组特征和表型表征训练预测模型，从而生成经训练的预测模型，当向该经训练的预测模型输入第二形貌数据集的第二组特征时，该经训练的预测模型被配置成输出第二组一个或多个对象的表型表征。在一些实施方式中，一个或多个生物样品包括牙齿。在一些实施方式中，形貌数据集的第一组特征包括所检测的该形貌数据集的峰的数目、峰中的一个或多个的斜率、跨形貌数据的二维梯度或该形貌数据集的这些特征的任何组合。在一些实施方式中，预测模型包括机器学习算法。在一些实施方式中，机器学习算法包括支持向量机(svm)、朴素贝叶斯分类、随机森林、神经网络、深度神经网络(dnn)、递归神经网络(rnn)、深度rnn、长短期记忆(lstm)递归神经网络(rnn)、门控递归单元(gru)、监督学习算法、无监督机器学习算法或其任何组合。在一些实施方式中，表型表征包括疾病或病症的存在或不存在，其中疾病或病症包括自闭症谱系障碍(asd)、注意缺陷多动障碍(adhd)、肌萎缩侧索硬化(als)、精神分裂症、肠易激病(ibd)、儿科肾病、肾移植排斥、儿科癌症或其任何组合。
5、本文所提供的公开内容的方面包括一种训练预测模型以输出一个或多个对象的表型数据的表型表征的方法，包括：(a)对第一组对象的一个或多个生物样品进行成像，从而生成第一形貌数据集；(b)计算第一形貌数据集的第一组特征；以及(c)用第一组对象的第一组特征和表型表征训练预测模型，从而生成经训练的预测模型，当向该经训练的预测模型输入第二形貌数据集的第二组特征时，该经训练的预测模型被配置成输出第二组一个或多个对象的表型表征。在一些实施方式中，第一组和第二组对象相同或不同。在一些实施方式中，一个或多个生物样品包括牙齿。在一些实施方式中，形貌数据集的第一组或第二组特征包括所检测的该形貌数据集的峰的数目、峰中的一个或多个的斜率、跨形貌数据的二维梯度或该形貌数据集的这些特征的任何组合。在一些实施方式中，第一组或第二组表型表征包括疾病或病症的存在或不存在，其中疾病或病症包括自闭症谱系障碍(asd)、注意缺陷多动障碍(adhd)、肌萎缩侧索硬化(als)、精神分裂症、肠易激病(ibd)、儿科肾病、肾移植排斥、儿科癌症或其任何组合。在一些实施方式中，预测模型包括机器学习算法。在一些实施方式中，机器本文档来自技高网...
【技术保护点】
1.一种用于确定生物样品的表面的形貌的方法，所述方法包括：
2.根据权利要求1所述的方法，其中所述生物样品包括离体或体内牙齿。
3.根据权利要求1所述的方法，其中所述可压缩体包括凝胶盒。
4.根据权利要求1所述的方法，其中所述固定装置包括油灰、机械装配件、粘合化合物或其任何组合。
5.根据权利要求1所述的方法，进一步包括：在标准玻璃、球栅阵列、凹槽靶或其任何组合上校准所述可压缩体。
6.根据权利要求1所述的方法，其中所述至少一个光源包括至少一个相干激光器、非相干激光器、脉冲激光器、发光二极管、超发光二极管或其任何组合。
7.根据权利要求1所述的方法，进一步包括：用水清洁所述生物样品。
8.根据权利要求1所述的方法，其中所述可压缩体空间位置可释放地可锁定。
9.根据权利要求1所述的方法，其中所述至少一个光源和所述至少一个传感器经由按钮、开关、触发器或其任何组合而与处理器电通信，所述按钮、开关、触发器或其任何组合被配置成启动对所述生物样品的照明和对所述表面的所述多维数据集的检测。
<...【技术特征摘要】
【国外来华专利技术】
1.一种用于确定生物样品的表面的形貌的方法，所述方法包括：
2.根据权利要求1所述的方法，其中所述生物样品包括离体或体内牙齿。
3.根据权利要求1所述的方法，其中所述可压缩体包括凝胶盒。
4.根据权利要求1所述的方法，其中所述固定装置包括油灰、机械装配件、粘合化合物或其任何组合。
5.根据权利要求1所述的方法，进一步包括：在标准玻璃、球栅阵列、凹槽靶或其任何组合上校准所述可压缩体。
6.根据权利要求1所述的方法，其中所述至少一个光源包括至少一个相干激光器、非相干激光器、脉冲激光器、发光二极管、超发光二极管或其任何组合。
7.根据权利要求1所述的方法，进一步包括：用水清洁所述生物样品。
8.根据权利要求1所述的方法，其中所述可压缩体空间位置可释放地可锁定。
9.根据权利要求1所述的方法，其中所述至少一个光源和所述至少一个传感器经由按钮、开关、触发器或其任何组合而与处理器电通信，所述按钮、开关、触发器或其任何组合被配置成启动对所述生物样品的照明和对所述表面的所述多维数据集的检测。
10.根据权利要求1所述的方法，其中所述多维数据集包括至少1个维度。
11.根据权利要求2所述的方法，其中所述表面轮廓是从所述离体或体内牙齿的牙冠的切缘到颈端测量的。
12.一种用于确定生物样品的表面的形貌的方法，所述方法包括：
13.根据权利要求12所述的方法，其中所述生物样品包括离体或体内牙齿。
14.根据权利要求12所述的方法，其中所述固定装置包括油灰、机械装配件、稳定器、粘合化合物或其任何组合。
15.根据权利要求12所述的方法，其中所述至少一个光源包括至少一个相干激光器、非相干激光器、脉冲激光器、发光二极管、超发光二极管或其任何组合。
16.根据权利要求12所述的方法，进一步包括：用水清洁所述生物样品。
17.根据权利要求12所述的方法，其中所述至少一个光源和所述至少一个传感器经由按钮、开关、触发器或其任何组合而与处理器电通信，所述按钮、开关、触发器或其任何组合被配置成启动对所述生物样品的照明和对所述表面的所述多维数据集的检测。
18.根据权利要求12所述的方法，其中所述多维数据集包括至少1个维度。
19.根据权利要求13所述的方法，其中所述表面轮廓是从所述离体或体内牙齿的牙冠的切缘到颈端测量的。
20.一种用于确定生物样品的表面的形貌的系统，所述系统包括：
21.根据权利要求20所述的系统，其中所述生物样品包括牙齿。
22.根据权利要求20所述的系统，其中所述可压缩体包括凝胶盒。
23.根据权利要求20所述的系统，其中所述固定装置包括油灰、机械装配件、粘合化合物或其任何组合。
24.根据权利要求20所述的系统，其中所述至少一个光源包括至少一个相干激光器、非相干激光器、脉冲激光器、发光二极管、超发光二极管或其任何组合。
25.根据权利要求20所述的系统，其中所述可压缩体空间位置可释放地可锁定。
26.根据权利要求20所述的系统，其中所述至少一个光源和所述至少一个传感器经由按钮、开关、触发器或其任何组合而与处理器电通信，所述按钮、开关、触发器或其任何组合被配置成启动对所述生物样品的照明和对所述表面的所述多维数据集的检测。
27.根据权利要求20所述的系统，进一步包括机械耦合到所述可压缩体的刚性导引构件，所述刚性导引构件被配置成相对于所述生物样品而定位所述可压缩体。
28.根据权利要求27所述的系统，其中所述可压缩体容纳在锁定机械构件中，所述锁定机械构件被配置成固定所述可压缩体的三维位置。
29.根据权利要求20所述的系统，其中所述多维数据集包括至少1个维度。
30.一种训练预测模型以输出一个或多个对象的形貌数据集的表型表征的方法，所述方法包括：
31.根据权利要求30所述的方法，其中所述一个或多个生物样品包括牙齿。
32.根据权利要求30所述的方法，其中所述形貌数据集的所述第一组特征包括所检测的所述形貌数据集的峰的数目、所述峰中的一个或多个的斜率、跨所述形貌数据的二维梯度或所述形貌数据集的这些特征的任何组合。
33.根据权利要求30所述的方法，其中所述预测模型包括机器学习算法。
34.根据权利要求33所述的方法，其中所述机器学习算法包括支持向量机(svm)、朴素贝叶斯分类、随机森林、神经网络、深度神经网络(dnn)、递归神经网络(rnn)、深度rnn、长短期记忆(lstm)递归神经网络(rnn)、门控递归单元(gru)、监督学习算法、无监督机器学习算法或其任何组合。
35.根据权利要求30所述的方法，其中所述表型表征包括疾病或病症的存在或不存在，其中所述疾病或病症包括自闭症谱系障碍(asd)、注意缺陷多动障碍(adhd)、肌萎缩侧索硬化(als)、精神分裂症、肠易激病(ibd)、儿科肾病、肾移植排斥、儿科癌症或...
【专利技术属性】
技术研发人员：马尼什·阿罗拉，保罗·科廷，克里斯汀·奥斯丁，
申请(专利权)人：莱纳斯生物科技公司，
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。