显微镜工作流程的优化制造技术

本发明专利技术涉及用于优化至少一个显微镜或显微镜系统(210；330、350；500；1050；1212、1214、1216)的工作流程的一种方法(1300)和一种装置(100)。现有技术的解决方案具有如下缺点：工作流程只能以大的代价予以优化。根据本发明专利技术的方法(1300)和根据本发明专利技术的装置(100)通过以下步骤改进了现有技术的解决方案：a)由至少一个显微镜和/或显微镜系统(210；330、350；500；1050；1212、1214、1216)的一个或多个组件(260、270)执行(1310)工作流程，其中，所述工作流程包括检测第一数据(510、520)；b)至少部分地基于所检测的第一数据(510、520)确定(1320)用于所述工作流程的训练模型(420、430、440；530；1220)。

【技术实现步骤摘要】
【国外来华专利技术】显微镜工作流程的优化
本专利技术涉及用于通过训练后的模型来优化一个或多个显微镜的工作流程的方法和装置、显微镜系统或显微镜系统的复合体，这些模型可以在显微镜的测量中用于预测(推理)。
技术介绍
显微镜用于各种不同的领域，且可以用于检查各种不同的样本和物体。特别是在基础研究或临床应用中，样本会有很大差异，并且获取的数据具有高度的可变性。另外，用显微镜进行的实验或测量正变得越来越广泛和复杂，以便从测量中获得尽可能多的新信息和知识。利用显微镜的自动测量能实现在持久地无人情况下进行这些测量。然而，现有技术表现出了现有系统的下面将考察的一些缺点和问题。以前的显微镜例如可以根据预编程的方案进行实验。但是，由此要么采集太多的非信息性的数据，要么可能会遗漏重要的生物学现象，因为如果生物学现象不是预编程方案的一部分，则预编程方案不允许在未彻底终止实验的情况下对工作流程进行干预。这导致数据存储和评估的高成本，因为必须进行大量实验才能观察到生物现象。此外，以前的系统只能支持有限的、先前确定好的应用程序池，尤其是在涉及图像处理时。因此，系统变得老旧，应用本文档来自技高网...

【技术保护点】
1.一种用于优化至少一个显微镜或显微镜系统(210；330、350；500；1050；1212、1214、1216)的工作流程的方法(1300)，包括以下步骤：/na)由至少一个显微镜和/或显微镜系统(210；330、350；500；1050；1212、1214、1216)的一个或多个组件(260、270)执行(1310)工作流程，其中，所述工作流程包括检测第一数据(510、520)；和/nb)至少部分地基于所检测的第一数据(510、520)确定(1320)用于所述工作流程的训练模型(420、430、440；530；1220)。/n

【技术特征摘要】
【国外来华专利技术】20181018 DE 102018217901.81.一种用于优化至少一个显微镜或显微镜系统(210；330、350；500；1050；1212、1214、1216)的工作流程的方法(1300)，包括以下步骤：
a)由至少一个显微镜和/或显微镜系统(210；330、350；500；1050；1212、1214、1216)的一个或多个组件(260、270)执行(1310)工作流程，其中，所述工作流程包括检测第一数据(510、520)；和
b)至少部分地基于所检测的第一数据(510、520)确定(1320)用于所述工作流程的训练模型(420、430、440；530；1220)。


2.如权利要求1所述的方法，其特征在于，对所述训练模型的确定包括借助训练的主模型(400)来分析所述第一数据。


3.如权利要求2所述的方法，其特征在于，把训练的所述主模型(400)作为网络服务应用在工作站计算机上、应用在至少一个显微镜或显微镜系统(210；330、350；500；1050；1212、1214、1216)上、或者应用在至少一个显微镜或显微镜系统(210；330、350；500；1050；1212、1214、1216)的附接组件上。


4.如权利要求1～3中任一项所述的方法，其特征在于，确定所述训练模型(420、430、440；530；1220)的步骤包括从多个训练模型中选出按一定的方式训练的模型。


5.如权利要求4所述的方法，其特征在于，
多个训练模型按应用领域进行分类；和/或，
多个训练模型层级地组织；和/或，
使得来自大量训练模型的各个训练模型特定于各种样本、实验、测量、采集模块或设备设定。


6.如权利要求1～5中任一项所述的方法，其特征在于，所述方法还包括自动应用特定的所述训练模型(420、430、440；530；1220)的步骤。


7.如权利要求6所述的方法，其特征在于，将特定的所述训练模型(420、430、440；530；1220)自动应用于所检测的第一数据和/或新检测的数据。


8.如权利要求6和7中任一项所述的方法，其特征在于，基于应用所述训练模型(420、430、440；530；1220)，做出关于工作流程的至少一个决定。


9.如权利要求1～8中任一项所述的方法，其特征在于，所述方法还包括调整所述训练模型(420、430、440；530；1220)的步骤，其中，调整所述训练模型(420、430、440；530；1220)包括至少一个如下步骤：
训练所述训练模型(420、430、440；530；1220)的一部分；和/或，
借助聚合数据来训练所述训练模型(420、430、440；530；1220)，其中，所述聚合数据源自一个或多个来源，其中，所述聚合数据包括自动、半自动或手动地上传到云(300；730；930；1240)、服务器(870)或工作站计算机(860)的数据。


10.如权利要求2和3中任一项所述的方法，其特征在于，所述方法还包括以下步骤：通过借助第二类的被注释的数据训练一部分所述训练的主模型(400)来调整所述训练的主模型(400)，从而调整后的所述训练的主模型的预测准确性与应用于所检测的第一数据(510、520)的所述训练的主模型(400)的预测准确性相比提高了，其中，针对第一类的数据训练所述训练的主模型，并且所检测的第一数据(510、520)是与第一类不同的第二类的数据。


11.如权利要求1～10中任一项所述的方法，其特征在于，在由一个或多个显微镜和/或显微镜系统(210；330、350；500；1050；1212、1214、1216)执行的测量过程中确定所述训练模型(420、430、440；530；1220)。


12.如权利要求1～11中任一项所述的方法，其特征在于，通过深度学习在云、服务器或工作站计算机上针对来自一个或多个来源的数据训练所述训练模型，并加载到至少一个显微镜或显微镜系统(210；330、350；500；1050；1212、1214、1216)上和/或加载到至少一个显微镜或显微镜系统(210；330、350；500；1050；1212、1214、1216)的附接组件上。


13.一种用于优化一个或多个显微镜和/或显微镜系统(210；330、350；500；1050；1212、1214、1216)的工作流程的装置(100)，包括：
一个或多个处理器(110)；
一个或多个计算机可读的存储介质(120)，在其上存储着计算机可执行的指令，这些指令在它们由所述一个或多个处理器(110)执行时引起，
a)一个或多个显微镜和/或显微镜系统(210；330、350；500；1050；1212、1214、1216)的一个或多个组件(260、270)执行工作流程，其中，所述工作流程包括检测第一数据(510、520)；和
b)至少部分地基于所检测的第一数据(510、520)来确定用于所述工作流程的一个或多个训练模型(420、430、440；530；1220)。


14.如权利要求13所述的装置，其特征在于，所述工作流程包括把训练的主模型(400)应用于所检测的第一数据(510、520)，并且，对用于所述工作流程的所述一个或多个训练模型(420、430、440；530；1220)的确定至少部分地基于把所述训练的主模型(400)应用于所检测的第一数据(510、520)来进行。


15.如权利要求14所述的装置，其特征在于，应用所述训练的主模型(400)包括分析所检测的第一数据(510、520)，其中，所述训练的主模型(400)基于来自对所检测的第一数据(510、520)的分析的信息来确定用于所述工作...

【专利技术属性】
技术研发人员：弗兰克·西克曼，康斯坦丁·卡佩尔，
申请(专利权)人：莱卡微系统CMS有限责任公司，
类型：发明
国别省市：德国;DE