【技术实现步骤摘要】
基于人工智能的细胞体监控方法、系统、装置和电子设备
本公开涉及计算机视觉
,具体而言,涉及一种基于人工智能的细胞体监控方法、系统及装置,以及计算机存储介质和电子设备。
技术介绍
细胞体体外培养(Invitrocultureofcells)是指将细胞体置于合适其生长发育的培养器件(如,培养皿)中,使细胞体体外持续发育,例如,胚胎提完培养。由于细胞体发育对培养液和无菌等条件要求比较严格,因此需要其发育状态进行监控,以提升细胞体存活率。相关技术提供的细胞体的体外培养存在监控方案中,一般是根据细胞体生长阶段、湿度、空气质量等因素的影响,而对最佳设定温度进行动态管理。然而,相关技术提供的细胞体监控方案的监控准确度较差且不能起到预警的作用。需要说明的是,上述
技术介绍
部分公开的信息仅用于加强对本公开的背景的理解。
技术实现思路
本公开的目的在于提供一种基于人工智能的细胞体监控方法、基于人工智能的细胞体监控系统、基于人工智能的细胞体监控装置,以及实现上述方法的计算机存储介质和电子设备,进而至少在一定程度上提升对细胞体发育过程的监控准确度且能够起到提前预警的作用。本公开的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本公开的实践而习得。根据本公开的一个方面,提供一种基于人工智能的细胞体监控方法,该方法包括:通过摄像镜头获取所述培养器件中待监控细胞体的原始图像,并根据上述原始图像确定发育特征数据;通过传感器获取所述培养器件的环境特征数据,其中所述 ...
【技术保护点】
1.一种基于人工智能的细胞体监控方法,其特征在于,所述方法包括:/n通过摄像镜头获取培养器件中待监控细胞体的原始图像,并根据所述原始图像确定发育特征数据;/n通过传感器获取所述培养器件的环境特征数据,其中所述环境特征数据影响所述待监控细胞体的发育状态;/n通过深度神经网络,融合所述发育特征数据和所述环境特征数据,得到预测结果;/n根据所述深度学习网络的预测结果监控所述待监控细胞体的发育状态。/n
【技术特征摘要】
1.一种基于人工智能的细胞体监控方法,其特征在于,所述方法包括:
通过摄像镜头获取培养器件中待监控细胞体的原始图像,并根据所述原始图像确定发育特征数据;
通过传感器获取所述培养器件的环境特征数据,其中所述环境特征数据影响所述待监控细胞体的发育状态;
通过深度神经网络,融合所述发育特征数据和所述环境特征数据,得到预测结果;
根据所述深度学习网络的预测结果监控所述待监控细胞体的发育状态。
2.根据权利要求1所述的基于人工智能的细胞体监控方法,其特征在于,所述通过摄像镜头获取培养器件中待监控细胞体的原始图像,包括:
通过显微摄像镜头对所述培养器件中的待监控细胞体进行光学成像,得到所述待监控细胞体的图像光信号;
通过转换电路,将所述图像光信号转化成图像电信号,得到所述待监控细胞体的原始图像。
3.根据权利要求1所述的基于人工智能的细胞体监控方法,其特征在于,所述根据所述原始图像确定发育特征数据,包括:
对所述原始图像进行灰度化处理得到对应的灰度图像;
对所述灰度图像进行以下处理方式中的一种或多种:去燥处理、图像增强处理和图像白平衡处理,得到所述发育特征数据。
4.根据权利要求1所述的基于人工智能的细胞体监控方法,其特征在于,所述通过传感器获取所述培养器件的环境特征数据,包括:
通过传感器获取所述培养器件的环境指标的参数数据,其中所述环境指标包括:温度数据、湿度数据、氧气浓度数据、光照亮度数据中的一种或多种;
对所述环境指标的参数数据进行数据预处理,得到所述环境指标的参数数据的向量表示作为所述环境特征数据。
5.根据权利要求4所述的基于人工智能的细胞体监控方法,其特征在于,所述环境指标的参数数据为离散类型,其中,
所述对所述环境指标的参数数据进行数据预处理,包括:
采用独热编码的方式确定所述环境指标参数数据的向量表示。
6.根据权利要求4所述的基于人工智能的细胞体监控方法,其特征在于,所述环境指标的参数数据为连续类型,其中,
所述对所述环境指标的参数数据进行数据预处理,包括:
采用旋转森林算法、计算欧氏距离或ResNet算法处理所述环境指标的参数数据,得到所述环境指标的参数数据的序列特征。
7.根据权利要求1至6中任意一项所述的基于人工智能的细胞体监控方法,其特征在于,所述方法还包括:
根据细胞体样本的发育特征样本、所述环境特征样本以及所述细胞体样本的实际发育状态以确定一组样本,得到样本集;
通过所述样本集中的第一部分样本训练所述深度神经网络;
通过所述样本集中的第二部分样本测试所述深度神经网络,以使所述深度神经网络满足预设测试指标。
8.根据权利要求7所述的基于人工智能的细胞体监控方法,其特征在于,所述通过所述样本集中的第一部分样本训练所述深度神经网络,包括:
将所述第一部分样本中每组样本的发育特征样本和所述环境特征样本输入至所述深度神经网络,得到所述细胞体样本的预测发育状态、输入层与所述隐藏层之间的第一中间权重矩阵,以及所述隐藏层与输出层之间的...
【专利技术属性】
技术研发人员:肖凯文,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东;44
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。