【技术实现步骤摘要】
【国外来华专利技术】
本公开涉及自动诊断分析系统。
技术介绍
1、在医学测试中，自动诊断分析系统可以用于分析生物样品，以标识样品中包含的分析物或其他成分。生物样品可以是例如尿液、全血、血清、血浆、间质液、脑脊液以及诸如此类。这样的样品通常包含在样品容器(其也可以称为收集管、试管、小瓶等)中。样品容器可以经由自动轨道上的容器载体往返于自动诊断分析系统内的各种成像站、处理站和分析仪站运输。
2、自动诊断分析系统通常包括样品预处理或预筛选程序，以“表征”样品容器和/或其中的样品的各种特征。表征(例如，特征的标识或分类)可以通过在自动诊断分析系统的系统控制器、处理器或类似设备上执行的人工智能(ai)算法来执行。ai算法可以执行“分割”，其中样品容器和/或其中的样品的各个区域可以被标识和/或分类。使用ai算法表征样品也可以执行hiln确定。hiln确定标识待分析的样品中是否存在干扰物，诸如溶血(h)、黄疸(i)和/或脂血症(l)，其可能不利地影响测试结果；或者样品是否正常(n)并是否可以进一步处理。如果存在干扰物，则也可以通过ai算法对干扰物的程度进行分类。
3、通常使用样品容器和其中的样品的成像数据进行表征。也就是说，样品容器和其中的样品的图像可以首先在自动诊断分析系统的成像站被捕获，并且然后使用ai算法被分析。
4、在ai算法用于表征之前，ai算法被“训练”以表征成像样品数据中可能要遇到的特征。通过向ai算法提供其中具有注释的(标识的)特征的训练数据(例如，成像样品数据)来执行训练。该训练数据可以被称为“基础真值”。p>
5、为了确保自动诊断分析系统在部署的任何地方都一致地执行，可以用标准的训练数据集来训练ai算法，所述标准的训练数据集包括要由ai算法表征的共同特征的采样。
6、然而，ai算法可能不能够或不太可能准确表征可能尚未包括在用于训练ai算法的训练数据中的某些特征或特征的某些变体。
7、因此，期望供在自动诊断分析系统中使用的ai算法的改进的训练。
技术实现思路
1、在一些实施例中，提供了一种在自动诊断分析系统中表征样品容器或样品的方法。该方法包括：通过使用成像设备捕获包含样品的样品容器的图像；使用在自动诊断分析系统的系统控制器上执行的第一人工智能(ai)算法表征该图像；使用系统控制器确定该图像的表征置信度水平；以及响应于表征置信度水平被确定为低于预选阈值，用再训练数据触发第一ai算法的再训练。触发由系统控制器发起，并且再训练数据包括由成像设备捕获的图像数据或包括在自动诊断分析系统的当前位置处普遍存在的特征的非图像数据，所述特征没有被充分地包括在或者根本没有被包括在用于初始训练第一ai算法的训练数据中。
2、在一些实施例中，提供了一种自动诊断分析系统，其包括被配置为捕获包含样品的样品容器的图像的成像设备，和耦合到成像设备的系统控制器。该系统控制器被配置为：使用在系统控制器上执行的第一人工智能(ai)算法表征由成像设备捕获的图像；使用系统控制器确定图像的表征置信度水平；以及响应于表征置信度水平被确定为低于预选阈值，触发第一ai算法的再训练。该再训练由系统控制器用再训练数据来执行，该再训练数据包括由成像设备捕获的图像数据或包括在自动诊断分析系统的当前位置处普遍存在的特征的非图像数据，所述特征没有被充分地包括在或者根本没有被包括在用于初始训练第一ai算法的训练数据中。
3、在一些实施例中，提供了一种在自动诊断分析系统中表征样品容器或样品的方法。该方法包括：通过使用光学、声学、湿度、液体体积、振动、重量、光度、热、温度、电流或电压感测设备中的一个或多个来捕获表示包含样品的样品容器的数据；使用在自动诊断分析系统的系统控制器上执行的第一人工智能(ai)算法来表征数据；使用系统控制器来确定数据的表征置信度水平；以及响应于表征置信度水平被确定为低于预选阈值，用再训练数据来触发第一ai算法的再训练。触发由系统控制器发起，并且再训练数据包括在自动诊断分析系统的当前位置处普遍存在的特征，所述特征没有被充分地包括在或者根本没有被包括在用于初始训练第一ai算法的训练数据中。
4、本公开的仍其他方面、特征和优点可以从多个示例实施例和实现方式(包括被设想用于实行本专利技术的最佳模式)的以下详细描述和说明中容易显而易见。本公开还可以能够有其他和不同的实施例，并且其若干细节可以在各个方面中进行修改，所有这些都不脱离本专利技术的范围。例如，尽管下面的描述涉及用于基于成像数据预处理/预筛选样品容器和其中的样品的ai算法，但是本文中描述的方法和系统可以容易地适配为用于基于传感器、文本、和/或其他非图像数据分析测量结果和/或其他应用的ai算法，其中在执行ai算法的位点处普遍存在的特征、条件和约束没有被充分地包括在原始训练数据中。
5、本公开意图覆盖落入所附权利要求范围内的所有修改、等同物和替代物(进一步参见下文)。
本文档来自技高网...【技术保护点】
1.一种在自动诊断分析系统中表征样品容器或样品的方法，包括：
2.根据权利要求1所述的方法，其中所述触发进一步包括：
3.根据权利要求1所述的方法，其中所述表征包括确定由成像设备成像的包含在样品容器中的样品中溶血、黄疸或脂血症的存在。
4.根据权利要求1所述的方法，其中所述表征包括确定由成像设备成像的样品容器上是否存在盖子。
5.根据权利要求1所述的方法，进一步包括存储具有所确定的低于预选阈值的表征置信度水平的捕获图像。
6.根据权利要求1所述的方法，其中在自动诊断分析系统的当前位置处普遍存在的特征包括样品容器配置或类型，所述样品容器配置或类型没有被充分地包括在或者根本没有被包括在用于初始训练第一AI算法的训练数据中。
7.根据权利要求1所述的方法，其中在自动诊断分析系统的当前位置处普遍存在的特征包括样品HILN子类，所述样品HILN子类没有被充分地包括在或者根本没有被包括在用于初始训练第一AI算法的训练数据中。
8.根据权利要求1所述的方法，其中所述再训练数据具有由系统控制器自动生成的注释或者由
9.根据权利要求1所述的方法，其中所述再训练数据附加地包括由用户经由自动诊断分析系统的用户接口提供的数据。
10.根据权利要求1所述的方法，其中再训练第一AI算法产生第二AI算法，所述方法进一步包括用验证数据集验证第二AI算法。
11.根据权利要求1所述的方法，其中再训练第一AI算法产生第二AI算法，所述方法进一步包括经由自动诊断分析系统的用户接口向用户报告第二AI算法的可用性。
12.根据权利要求1所述的方法，其中再训练第一AI算法产生第二AI算法，所述方法进一步包括响应于经由自动诊断分析系统的用户接口接收的用户输入，用第二AI算法替换第一AI算法。
13.根据权利要求12所述的方法，进一步包括响应于经由用户接口接收的另外的用户输入，用第一AI算法替换第二AI算法。
14.一种自动诊断分析系统，包括：
15.根据权利要求14所述的自动诊断分析系统，其中所述系统控制器进一步被配置为：
16.根据权利要求14所述的自动诊断分析系统，其中所述系统控制器进一步被配置为将捕获的图像存储在自动诊断分析系统的存储设备中，所述捕获的图像具有所确定的低于预选阈值的表征置信度水平。
17.根据权利要求14所述的自动诊断分析系统，其中在自动诊断分析系统的当前位置处普遍存在的特征包括：
18.根据权利要求14所述的自动诊断分析系统，其中第一AI算法的再训练产生第二AI算法，并且所述系统控制器进一步被配置为用验证数据集来验证第二AI算法。
19.根据权利要求14所述的自动诊断分析系统，其中第一AI算法的再训练产生第二AI算法，并且所述系统控制器进一步被配置为经由自动诊断分析系统的用户接口向用户报告第二AI算法的可用性。
20.根据权利要求14所述的自动诊断分析系统，其中第一AI算法的再训练产生第二AI算法，并且所述系统控制器进一步被配置为响应于经由自动诊断分析系统的用户接口接收的用户输入，用第二AI算法替换第一AI算法。
21.根据权利要求14所述的自动诊断分析系统，其中所述非图像数据是从当前位置处的一个或多个测量传感器接收的。
22.根据权利要求21所述的自动诊断分析系统，其中所述一个或多个测量传感器是一个或多个温度传感器、声学传感器、湿度传感器、液体体积传感器、重量传感器、振动传感器、电流传感器或电压传感器。
23.根据权利要求14所述的自动诊断分析系统，其中包括在当前位置处普遍存在的特征的非图像数据是文本数据。
24.根据权利要求23所述的自动诊断分析系统，其中所述文本数据是由第一AI算法执行的表征的自我评估和分析报告、与正在执行的测试相关的数据、或患者信息。
25.一种在自动诊断分析系统中表征样品容器或样品的方法，包括：
...【技术特征摘要】
【国外来华专利技术】
1.一种在自动诊断分析系统中表征样品容器或样品的方法，包括：
2.根据权利要求1所述的方法，其中所述触发进一步包括：
3.根据权利要求1所述的方法，其中所述表征包括确定由成像设备成像的包含在样品容器中的样品中溶血、黄疸或脂血症的存在。
4.根据权利要求1所述的方法，其中所述表征包括确定由成像设备成像的样品容器上是否存在盖子。
5.根据权利要求1所述的方法，进一步包括存储具有所确定的低于预选阈值的表征置信度水平的捕获图像。
6.根据权利要求1所述的方法，其中在自动诊断分析系统的当前位置处普遍存在的特征包括样品容器配置或类型，所述样品容器配置或类型没有被充分地包括在或者根本没有被包括在用于初始训练第一ai算法的训练数据中。
7.根据权利要求1所述的方法，其中在自动诊断分析系统的当前位置处普遍存在的特征包括样品hiln子类，所述样品hiln子类没有被充分地包括在或者根本没有被包括在用于初始训练第一ai算法的训练数据中。
8.根据权利要求1所述的方法，其中所述再训练数据具有由系统控制器自动生成的注释或者由用户手动注释。
9.根据权利要求1所述的方法，其中所述再训练数据附加地包括由用户经由自动诊断分析系统的用户接口提供的数据。
10.根据权利要求1所述的方法，其中再训练第一ai算法产生第二ai算法，所述方法进一步包括用验证数据集验证第二ai算法。
11.根据权利要求1所述的方法，其中再训练第一ai算法产生第二ai算法，所述方法进一步包括经由自动诊断分析系统的用户接口向用户报告第二ai算法的可用性。
12.根据权利要求1所述的方法，其中再训练第一ai算法产生第二ai算法，所述方法进一步包括响应于经由自动诊断分析系统的用户接口接收的用户输入，用第二ai算法替换第一ai算法。
13.根据权利要求12所述的方法，进一步包括响应于经由用户接口接收的另外的用户输入，用第一ai算法替...
【专利技术属性】
技术研发人员：V·纳拉西姆哈穆蒂，V·辛格，张耀仁，B·S·波拉克，A·卡普尔，R·R·P·纳拉姆文卡特，
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：
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。