System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
【国外来华专利技术】
技术介绍
1、人工智能模型和系统提高了图像处理系统的准确性、效率和能力。人工神经网络被广泛应用于从交通运输到医学的各领域,因为它们提供了转化复杂数据的机会,从而产生相关且实用的输出信息。
2、特别是,生物医学领域从这两种ai模型的进步中受益匪浅。疾病诊断、治疗策略、药物开发、研究等越来越依赖和融入ai,以加速提高对解剖学和生理学的理解。然而,当前与生物样本的数字图像处理相关的系统在识别重要的细胞结构和功能方面存在缺陷。存在于当前技术中的这些缺陷促使人们继续依赖经验方法来理解复杂的结构和相关联的功能。例如,可以使用基因组定序而非对特定结构或事件进行视觉确认,并且通常需要综合研究来证明量化的测定结果的合理性。这是很费力的,并且可能会降低结果的准确性。
3、显微镜技术的进步可能允许细胞生物学之更详细的视觉化,但要求使用者接受大量的教育和训练;且仍然会导致准确性和效率下降。基于使用者的显微镜法具有主观性,即使具备了相关的染料和探针,也可能导致误判或错过新的机会。精准识别可靶向的异常可有助于诊断和治疗。
4、由于这些原因,需要提供改进的用于训练人工智能模型和相关联的人工神经网络的方法、系统和工具。特别需要提供与电脑实现的图像处理人工智能模型相关的简化系统和方法,其中的人工智能模型可用于产生用于光化学照射的掩模图案(mask patterns)。这些目标中的至少一些将通过以下各种实施方案来实现。
技术实现思路
1、本文描述的是用于训练ai模型的系统和方法,
2、提供了一种训练用于基于显微镜的图案的光照射的人工智能模型的方法,该方法包括以下步骤:获得基于显微镜的系统捕捉的样本图像,其中该图像具有与关注区域相对应的目标图案;将该图像输入到人工智能模型架构的输入层,该人工智能模型架构在输入层和输出层之间具有多个层;利用人工智能模型架构的输出层输出与关注区域相对应的建议图案;将建议图案与目标图案进行比较,以计算建议图案与目标图案之间的损失;根据计算出的损失更新人工智能模型架构的该多个层的权重;以及重复输入、输出、比较和更新的步骤,直到计算出的损失低于损失阈值。
3、在一个方面,该方法包括预处理图像的步骤,以标准化整张图像上的图像像素值。
4、在一些方面,在被引入人工智能模型架构之前,在图像上标注多个关注区域。
5、在一些方面,以一个或多个探针对关注区域进行标记,该一个或多个探针被配置为与关注区域结合。
6、在一些方面,以探针对多个关注区域进行标记。
7、在一个方面,以不同的探针对多个关注区域中的各区域进行标记。
8、在一些实施方式中,该基于显微镜的系统被配置为对关注区域进行照射。
9、在一些方面,所选择的人工智能模型架构包括相互通讯的人工智能模型的网络。
10、在一些方面,该方法包括第一人工智能模型对基于显微镜的系统捕捉的图像内的一个或多个特征进行分割的步骤。
11、在一些实施方式中,该方法包括训练网络内的其他人工智能模型。
12、在一些方面,从基于显微镜的系统获得的一个或多个图像中的各图像是以不同的视野捕捉的。
13、提供了一种使用基于显微镜的系统产生用于样本的图案照射的掩模的方法,该方法包括:使用基于显微镜的系统的图像捕捉系统,以捕捉样本的目标视野(fov)的图像;将图像输入到经过训练的人工智能模型中;使用经过训练的人工智能模型输出与样本中的一个或多个关注区域相对应的掩模图案;以及控制基于显微镜的系统的照射组件,以使用掩模图案照射样本的一个或多个关注区域。
14、在一些方面,该方法包括将图像的图像像素值标准化。
15、在一些方面,输入图像的步骤还包括将经过标准化的图像像素值输入到人工智能模型中。
16、在一个方面,掩模图案包括多个关注区域。
17、在另一方面,经过训练的人工智能模型被配置为从输入图像分割一个或多个关注区域。
18、在一个方面,样本是生物样本。
19、在另一方面,基于显微镜的系统被配置为捕捉样本的多个目标fov的图像。
20、在一些方面,该方法包括将样本与一个或多个探针结合,该一个或多个探针被配置为接合样本内的一个或多个元素,并且其中该一个或多个探针对来自照射组件的光产生反应。
21、提供了一种在基于显微镜的系统中使用人工智能模型产生掩模图案的方法,该方法包括:将一个或多个光可活化探针引入基于显微镜的系统的样本,该一个或多个光可活化探针被配置为结合样本的一个或多个关注区域;使用基于显微镜的系统的照射系统捕捉样本的图像;将图像输入到经过训练的人工智能模型的输入层;使用经过训练的人工智能模型输出与样本中的一个或多个关注区域相对应的掩模图案;以及控制基于显微镜的系统的照射组件,以使用掩模图案照射样本的一个或多个关注区域,并且该照射组件被配置为活化该一个或多个光可活化探针。
22、在一个方面,掩模图案基于一个或多个光可活化探针在样本内的分布。
23、在另一方面,掩模图案包括多个关注区域。
24、在一些方面,经过训练的人工智能模型已使用来自训练图像的关注区域的经过验证的范例进行了训练。
25、在另一方面,经过训练的人工智能模型已使用基于显微镜的系统输入进行了训练,并且其中经过训练的人工智能模型被配置为从训练图像的像素值数据分割一个或多个关注区域。
26、在一些方面,样本是生物样本。
27、在一些方面,基于显微镜的系统被配置为捕捉样本的多个图像。
28、在另一方面,基于显微镜的系统以不同的视野(fov)捕捉一个或多个图像中的各个图像。
29、在一些方面,一个或多个光可活化探针对来自照射组件的光产生反应。
本文档来自技高网...【技术保护点】
1.一种训练用于基于显微镜的图案光照射的人工智能模型的方法,所述方法包括以下步骤:
2.如权利要求1所述的方法,其还包括预处理所述图像以标准化所述图像上的图像像素值的步骤。
3.如权利要求1所述的方法,其中在所述图像被引入所述人工智能模型架构之前,在其上标注多个关注区域。
4.如权利要求1所述的方法,其中使用一个或多个配置为结合所述关注区域的探针对所述关注区域进行标记。
5.如权利要求1所述的方法,其中使用探针对多个关注区域进行标记。
6.如权利要求1所述的方法,其中使用不同的探针对所述多个关注区域中的各区域进行标记。
7.如权利要求1所述的方法,其中所述基于显微镜的系统被配置为照射所述关注区域。
8.如权利要求1所述的方法,其中所选择的所述人工智能模型包括相互通讯的人工智能模型的网络。
9.如权利要求8所述的方法,其还包括第一人工智能模型对所述基于显微镜的系统捕捉的所述图像内的一个或多个特征进行分割的步骤。
10.如权利要求8所述的方法,其还包括训练所述网络内的其他人工智
11.如权利要求1所述的方法,其中由所述基于显微镜的系统获取的一个或多个图像中的各个图像是以不同的视野捕捉的。
12.一种使用基于显微镜的系统产生用于样本之图案照射的掩模的方法,所述方法包括:
13.如权利要求12所述的方法,其还包括标准化所述图像的图像像素值。
14.如权利要求12所述的方法,其中输入所述图像还包括将所述经过标准化的图像像素值输入到所述经过训练的人工智能模型中。
15.如权利要求12所述的方法,其中所述掩模图案包括多个关注区域。
16.如权利要求12所述的方法,其中所述经过训练的人工智能模型被配置为从所述输入图像分割所述一个或多个关注区域。
17.如权利要求12所述的方法,其中所述样本是生物样本。
18.如权利要求12所述的方法,其中所述基于显微镜的系统被配置为捕捉所述样本的多个目标F OV的图像。
19.如权利要求12所述的方法,其还包括将所述样本与一个或多个探针组合,所述一个或多个探针被配置为接合所述样本内的一个或多个元素,并且其中所述一个或多个探针对来自所述照射系统的光产生反应。
20.一种在基于显微镜的系统中使用人工智能模型产生掩模图案的方法,所述方法包括:
21.如权利要求20所述的方法,其中所述掩模图案为基于所述一个或多个光可活化探针在所述样本内的分布。
22.如权利要求20所述的方法,其中所述掩模图案包括多个关注区域。
23.如权利要求20所述的方法,其中所述经过训练的人工智能模型已使用来自训练图像的关注区域的经过验证的范例进行了训练。
24.如权利要求20所述的方法,其中所述经过训练的人工智能模型已使用基于显微镜的系统输入进行了训练,并且其中所述人工智能模型被配置为从训练图像的像素值数据分割一个或多个关注区域。
25.如权利要求20所述的方法,其中所述样本是生物样本。
26.如权利要求20所述的方法,其中所述基于显微镜的系统被配置为捕捉所述样本的多个图像。
27.如权利要求20所述的方法,其中所述一个或多个图像中的各个图像是由所述基于显微镜的系统以不同的视野(FOV)捕捉的。
28.如权利要求20所述的方法,其中一个或多个光可活化探针对来自所述照射系统的光产生反应。
...【技术特征摘要】
【国外来华专利技术】
1.一种训练用于基于显微镜的图案光照射的人工智能模型的方法,所述方法包括以下步骤:
2.如权利要求1所述的方法,其还包括预处理所述图像以标准化所述图像上的图像像素值的步骤。
3.如权利要求1所述的方法,其中在所述图像被引入所述人工智能模型架构之前,在其上标注多个关注区域。
4.如权利要求1所述的方法,其中使用一个或多个配置为结合所述关注区域的探针对所述关注区域进行标记。
5.如权利要求1所述的方法,其中使用探针对多个关注区域进行标记。
6.如权利要求1所述的方法,其中使用不同的探针对所述多个关注区域中的各区域进行标记。
7.如权利要求1所述的方法,其中所述基于显微镜的系统被配置为照射所述关注区域。
8.如权利要求1所述的方法,其中所选择的所述人工智能模型包括相互通讯的人工智能模型的网络。
9.如权利要求8所述的方法,其还包括第一人工智能模型对所述基于显微镜的系统捕捉的所述图像内的一个或多个特征进行分割的步骤。
10.如权利要求8所述的方法,其还包括训练所述网络内的其他人工智能模型。
11.如权利要求1所述的方法,其中由所述基于显微镜的系统获取的一个或多个图像中的各个图像是以不同的视野捕捉的。
12.一种使用基于显微镜的系统产生用于样本之图案照射的掩模的方法,所述方法包括:
13.如权利要求12所述的方法,其还包括标准化所述图像的图像像素值。
14.如权利要求12所述的方法,其中输入所述图像还包括将所述经过标准化的图像像素值输入到所述经过训练的人工智能模型中。
15.如权利要求12所述的方法,其中所述掩模图案包括多个关注区域。
【专利技术属性】
技术研发人员:廖仲麒,黄俊凯,
申请(专利权)人:新析生物科技股份有限公司,
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。