深度学习体积定量方法和设备技术

一种用于对样本的体积进行定量的基于神经网络的方法。所述方法包括：提供样本；捕获所述样本的图像；以及使用训练后的神经网络来直接地分类为多个体积类或体积中的一个。描述了被适配成执行体积定量方法的质量检查模块和样本测试设备以及其他方面。

【技术实现步骤摘要】
【国外来华专利技术】深度学习体积定量方法和设备相关申请的交叉引用本申请要求于2017年7月28日提交的美国临时申请序号62/538,460的优先权，其内容通过引用整体地并入本文。
本公开涉及用于测试样本的方法和设备，并且更具体地，本公开涉及用于确定样本中的一种或多种成分的量的方法和设备。
技术介绍
自动化测试系统可以使用一种或多种试剂来进行化验或临床分析以识别样本中的分析物或其他组分，诸如尿液、血清、血浆、间质液、脑脊髓液等。出于方便和安全原因，此类样本通常被包含在样本容器(例如，样本收集管)内。测试反应生成各种变化，所述各种变化可以被读取和/或操纵以确定包含在样本中的分析物或其他组分的浓度，该浓度可以在一些实施例中指示患者的疾病状态。自动测试技术中的改进已伴随着由称作实验室自动化系统(LAS)的自动化样本制备系统进行的预分析样本制备和处理操作中的对应进步，所述预分析样本制备和处理操作诸如分选、批制备、将样本容器离心以使样本成分分开、移除盖以便于流体进入等。LAS还可以将样本容器中的样本自动地输送到许多样本处理站，使得可以在其上执行各种操作(例如，预分析或分析测试)。LAS可以处理包含在可以具有不同大小(例如，直径和高度)的标准贴条形码标签的样本容器中的许多不同的样本。条形码标签可以包含登记编号，所述登记编号可以包含患者信息或者与患者信息相关，同时其他信息可能已连同测试订单一起被送入到医院的实验室信息系统(LIS)中。操作者可以将贴标签的样本容器放置到LAS系统上，所述LAS系统可以自动地为样本容器规定路线以进行预分析操作(诸如离心、去盖和/或等分试样制备)，并且全部都在样本实际地通过也可以是LAS的一部分的一个或多个分析器(临床化学或化验仪器)经受临床分析或化验之前进行。对于某些测试，诸如血清或血浆部分(通过离心从全血获得)之类的生物液体可以经受分析。在其中样本是全血的情况下，可以将分离胶（gelseparator）添加到样本容器以帮助使沉降血部分与血清或血浆部分分开。在预处理之后，可以将样本容器输送到适当的分析器，所述适当的分析器可以从样本容器中提取样本的生物流体的一部分(例如，血清或血浆部分)并且在反应器皿中(例如，比色杯)将该流体与一种或多种试剂及可能其他材料组合。然后可以通过使用光度或荧光吸收读数、使用询问辐射的射束等来执行分析测量。测量允许确定端点或速率或其他值，据此使用众所周知的技术来确定生物流体中的分析物或其他组分的量。知道存在于样本容器中的生物流体的体积是有利的，使得可以确定是否存在足够的流体来进行订制的测试，但是还可以在一些情况下使用这样的体积来指示有关患者的疾病状态的信息。在一些生物流体中，样本中的各个部分(例如，沉降部分、血清或血浆部分和分离胶(若使用的话))之间的界限可能难以使用现有方法来确定。因此，所得血清或血浆部分的体积或沉降血部分(SBP)和血清或血浆部分(SPP)的相对量可能难以确定。此外，当有如此多不同类型和大小的样本容器被呈现给LAS时，准确地确定包含在样本容器中的生物流体的体积是有挑战性的。此外，使这种情形恶化的是在某些情况下，生物流体可能被一个或多个包含信息的标签完全地或部分地隐藏。为了解决这种标签遮挡问题，一些系统(诸如Miller的美国专利公开No.2012/0140230中描述的那些)描述了使样本容器旋转以找到未被标签遮挡的观察窗口并且然后使用光学成像系统来测量成分的相对量。然而，此类系统可能不太容易实现自动化。由于在确定包含在样本中的各种成分的量时遇到的困难，所以存在对于被适配成容易地确定生物流体的一种或多种成分的体积的方法和设备的未满足需要。
技术实现思路
根据第一方面，提供了一种对包含在样本容器内的样本进行定量的方法。所述方法包括：在成像位置处提供样本容器，所述样本容器包含所述样本；捕获所述样本的多个高动态范围图像并且将所述多个高动态范围图像存储为图像数据；利用神经网络对所述图像数据进行操作；以及利用所述神经网络将所述样本分类成以下各项中的一个：多个体积类，以及所述样本的体积。根据另一方面，提供了一种被适配成对样本的体积进行定量的质量检查模块。所述质量检查模块包括：一个或多个图像捕获装置，所述一个或多个图像捕获装置被配置成在具有不同标称波长的多个光谱下、在多次曝光下并从一个或多个视点捕获所述样本的图像；以及计算机，所述计算机可操作地耦合到所述一个或多个图像捕获装置并可操作来：从在所述不同曝光下且在所述多个光谱中的每一个下的所述图像中选择最佳曝光像素并且针对所述多个光谱中的每一个生成最佳曝光图像数据，利用神经网络对所述图像数据进行操作；并且利用所述神经网络将所述样本分类成以下各项中的一个：多个体积类，以及所述样本的体积。在又一个方面，提供了一种样本测试设备。所述样本测试设备包括：轨道；以及位于所述轨道上的质量检查模块。所述质量检查模块包括：一个或多个图像捕获装置，所述一个或多个图像捕获装置被配置成在具有不同标称波长的多个光谱下、在多次曝光下并从一个或多个视点捕获所述样本的图像，以及计算机，所述计算机被配置并可操作来：从在所述多次不同曝光下且在所述多个光谱中的每一个下的所述图像中选择最佳曝光像素以针对所述多个光谱和一个或多个视点中的每一个生成最佳曝光图像数据，并且利用神经网络对所述图像数据进行操作以利用所述神经网络将所述样本分类成以下各项中的一个：多个体积类，以及所述样本的体积。通过图示许多示例实施例和实施方式，包括为了执行本专利技术而设想的最佳模式，本专利技术的其他的方面、特征和优点可以容易地显而易见。本专利技术还可以有其他和不同的实施例，并且完全在不脱离本公开的范围的情况下，可以在各个方面修改本专利技术的若干细节。因此，附图和描述将被认为在性质上是说明性的，而不认为是限制性的。本公开将涵盖落入权利要求的范围内的所有修改、等同物和替代方案。附图说明在下面描述的附图仅用于说明性目的，而不一定按比例绘制。附图不旨在以任何方式限制本专利技术的范围。图1图示根据一个或多个实施例的样本测试设备的顶部示意图，所述样本测试设备包括被配置成确定样本体积的一个或多个质量检查模块以及一个或多个分析器。图2图示根据一个或多个实施例的包括样本的贴标签的样本容器的侧视图，所述样本可以是通过使用样本体积定量方法所定量的体积。图3A图示根据一个或多个实施例的贴标签的样本容器的侧视图，所述贴标签的样本容器包括血清或血浆部分、沉降血部分和分离胶的样本成分，其中的每一种均可以通过样本定量方法来进行定量。图3B图示根据一个或多个实施例的实际的样本容器的侧视图相片，所述实际的样本容器包括血清或血浆部分、沉降血部分和分离胶，其中的每一种均可以被成像并且是通过样本体积定量方法所定量的体积。图4A图示根据一个或多个实施例的质量检查模块的示意顶视图，所述质量检查模块被配置成捕获并分析多个图像以便对样本的体积进行定量。图4B图示根据一个或多个实施例的沿着截面线4B-4B截取的图4A的质量检查模块的示意侧视图。本文档来自技高网...

【技术保护点】
1.一种对样本进行定量的方法，包括：/n在成像位置处提供样本容器，所述样本容器包含所述样本；/n捕获所述样本的多个高动态范围图像并且将所述多个高动态范围图像存储为图像数据；/n利用神经网络对所述图像数据进行操作；以及/n利用所述神经网络将所述样本分类成以下各项中的一个：/n多个体积类，以及/n所述样本的体积。/n

【技术特征摘要】
【国外来华专利技术】20170728 US 62/5384601.一种对样本进行定量的方法，包括：
在成像位置处提供样本容器，所述样本容器包含所述样本；
捕获所述样本的多个高动态范围图像并且将所述多个高动态范围图像存储为图像数据；
利用神经网络对所述图像数据进行操作；以及
利用所述神经网络将所述样本分类成以下各项中的一个：
多个体积类，以及
所述样本的体积。


2.根据权利要求1所述的方法，其中，所述捕获多个高动态范围图像包括在具有不同标称波长的多个光谱下捕获所述样本的一系列图像。


3.根据权利要求2所述的方法，其中，所述一系列图像包括在所述不同标称波长中的每一个下的多次不同曝光。


4.根据权利要求3所述的方法，包括从在所述多次不同曝光下和在所述多个光谱中的每一个下的所述多个高动态范围图像中选择最佳曝光像素以针对所述多个光谱中的每一个生成最佳曝光图像数据。


5.根据权利要求1所述的方法，其中，所述捕获多个高动态范围图像从多个不同的视点进行，其中在每个视点处提供图像捕获装置。


6.根据权利要求5所述的方法，其中，所述多个体积类的数量包括介于10与1,000之间。


7.根据权利要求1所述的方法，其中，所述神经网络包括卷积神经网络。


8.根据权利要求1所述的方法，其中，所述神经网络被从多个训练集训练，其中，所述多个训练集中的每个训练集包括针对所述多个体积类中的每一个的训练图像和标量体积注释。


9.根据权利要求8所述的方法，其中，所述标量体积注释是体积或者血清或血浆部分、沉降血部分和分离胶中的一个或多个。


10.根据权利要求1所述的方法，其中，所述多个体积类中的一个通过查找表被映射到体积。


11.根据权利要求10所述的方法，根据确定的体积来确定血清或血浆部分的体积与沉降血部分的体积的比率。


12.根据权利要求1所述的方法，其中，所述神经网络被配置和训练成确定血清或血浆部分、沉降血部分或分离胶...

【专利技术属性】
技术研发人员：S克卢克纳，张耀仁，马锴，V辛格，陈德仁，BS波拉克，
申请(专利权)人：美国西门子医学诊断股份有限公司，
类型：发明
国别省市：美国;US