描述了用于监测培养中的细胞群的方法和系统。方法包括以下步骤：获取在细胞培养过程中使用无标签成像获得的所述细胞群的一个或多个图像，处理所述一个或多个图像以获取一个或多个无标签图像衍生特征，以及使用统计模型预测指示所述细胞群中的细胞状态转化...

提供了用于监测、控制、优化和模拟生物过程的方法，该生物过程包括生物反应器中的细胞培养物。该方法包括：获得状态空间模型的一个或多个成熟度的一个或多个状态变量的值，以及使用机器学习模型预测生物过程的产物的一个或多个关键质量属性的值，该机器学...

提供了一种计算机实现的方法。该方法可以包括：获得待分类的至少一个文档；使用包括人工神经网络(ANN)和注意机制的机器学习模型，将所述至少一个文档分类为至少两个类；对于所述至少一个文档中的每个，基于包括于所述ANN中的一个或多个节点的一个...

本说明书涉及细胞生长的单克隆质量的计算机实现的监测，其特别适用于开发用于制造生物药物的细胞系。在一个方面，提供了计算机实现的方法，包括：获取(ST10)在细胞生长期间的不同时间拍摄的细胞培养物的图像序列(10)；处理(ST20)图像序列...

描述了一种用于检测容器中容纳的液体介质表面上的泡沫的计算机实现的方法。该方法包括以下步骤：接收包括液

本文提供了一种用于监测生物过程的计算机实现的方法，生物过程包括生物反应器中的细胞培养物。该方法包括以下步骤：获得生物反应器中随生物过程成熟度变化的生物质的量和一种或多种代谢物的量的测量结果，使用该测量结果来确定一个或多个代谢条件变量；使...

提供了一种用于分析用显微成像捕获的生命系统的视频的计算机实现的方法。该方法包括：获得(S10)包括用显微成像捕获的一个或多个视频的基础数据集，一个或多个视频中的至少一个包括细胞性活动；从基础数据集中裁剪(S30)包括细胞性活动中可能涉及...

提供了一种用于处理图像的计算机实现的方法。该方法包括：对具有第一分辨率的多个第一图像进行下采样，以获得具有第二分辨率的多个第二图像，第一分辨率高于第二分辨率，多个第二图像中的每一个第二图像均为多个第一图像中的一个第一图像的下采样版本；训...

提供了一种用于数据分析的计算机实现的方法。该方法包括：获得(S10)多个第一观测值，多个第一观测值中的每一个包括一个或多个第一参数的一个或多个值，多个第一观测值被分组为多个组；使用包括在多个第一观测值中的一个或多个第一参数中的至少一个的...

提供了用于监测、控制和模拟生物过程的方法，该生物过程包括生物反应器中的细胞培养物。该方法包括：获得在一个或多个成熟度的生物过程的一个或多个过程条件的值，并使用获得的值作为机器学习模型的输入，确定细胞培养物中一个或多个代谢物的单位转运速率...

提供了用于模拟细胞培养过程的计算机执行的方法。所述方法包括：获得(S10)针对细胞培养过程的至少一项操作测量的可测量参数值，所述可测量参数值是细胞培养过程模型中可测量参数的值，其中可测量参数中的一个或多个涉及细胞培养过程的一个或多个操作...

提供了用于相对于起始培养基调整对生产规模的容器中的细胞培养的控制的计算机实现的方法和系统。所述方法包括提供多个生产规模的过程轨迹，每个生产规模的过程轨迹来自成功控制的细胞培养。所述方法还包括接收用于细胞培养的培养基集合。所述方法还包括从...

一种基于拉曼光谱学预测生物过程中待观察的介质的参数的方法包括以下步骤：使用第一测量组件获取水性介质的第一系列制备拉曼光谱；基于来自利用第一测量组件获取的至少一个拉曼光谱的特征水带对第一系列制备拉曼光谱进行归一化；基于经归一化的制备拉曼光...

各方面涉及一种用于存储从生产化学、制药、生物制药和/或生物产品的过程确定的离散时间数据的异构序列的计算机实现方法、计算机程序和系统。方法包括接收离散时间数据，离散时间数据包括来自第一科学仪器的第一数据，第一数据包括对应于第一数字信号的第...

根据一个方面，提供了用于从多组候选细胞中选择至少一组目标细胞的计算机实现的方法、计算机程序和过程控制装置。所述方法包括接收从多个过程收集的数据，其中每个所述过程产生一组独特的候选细胞。所述方法还包括接收的数据，其包括所述过程的过程参数值...

提供了一种用于异常检测和/或预测性维护的计算机实现的方法和相应的系统。该方法包括：接收新观测值，该新观测值表征实体的至少一个参数；将新观测值输入到深度神经网络(100)，该深度神经网络具有多个隐藏层并且使用训练数据集进行训练，该训练数据...

提供了一种用于细胞图像的分析的计算机实现的方法。该方法包括：获得用于处理图像的深度神经网络(100)和用于训练深度神经网络的训练数据集的至少一部分，该深度神经网络包括多个隐藏层并使用训练数据集进行训练，训练数据集包括可以输入到深度神经网...

提供了一种用于数据分析的计算机实现的方法。该方法包括：获得用于处理图像的深度神经网络(100)和用于训练深度神经网络的训练数据集的至少一部分，该深度神经网络包括多个隐藏层，训练数据集包括可以输入到深度神经网络的多个可能观测值；获得从多个...