[發(fā)明專利]用于細(xì)胞圖像的分析的計算機(jī)實現(xiàn)的方法、計算機(jī)程序產(chǎn)品以及系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201980058085.X
• 申請日: 2019-09-05
• 公開（公告）號: CN112655003A
• 公開（公告）日: 2021-04-13
• 發(fā)明（設(shè)計）人: 里卡德·舍格倫;約翰·特利格
• 申請（專利權(quán)）人: 賽多利斯司特蒂姆數(shù)據(jù)分析公司
• 主分類號: G06N3/04
• 分類號: G06N3/04
• 代理公司: 北京英賽嘉華知識產(chǎn)權(quán)代理有限責(zé)任公司 11204
• 代理人: 王達(dá)佐;王艷春

1.一種用于細(xì)胞圖像的分析的計算機(jī)實現(xiàn)的方法，其包括：

獲得深度神經(jīng)網(wǎng)絡(luò)(100)和用于訓(xùn)練所述深度神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù)集的至少一部分，所述深度神經(jīng)網(wǎng)絡(luò)包括多個隱藏層并通過使用所述訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練，所述訓(xùn)練數(shù)據(jù)集包括能夠輸入到所述深度神經(jīng)網(wǎng)絡(luò)的多個可能細(xì)胞圖像；

獲得從所述多個隱藏層中的至少一個輸出的第一中間輸出值集，通過輸入所述訓(xùn)練數(shù)據(jù)集的所述至少一部分中包括的所述可能細(xì)胞圖像中的不同一者來獲得所述第一中間輸出值集中的每一個；

使用所述第一中間輸出值集來構(gòu)建/擬合潛變量模型，所述潛變量模型提供所述第一中間輸出值集到子空間中的第一投影值集的映射，所述子空間具有低于所述中間輸出集的維度的維度；

接收要輸入到所述深度神經(jīng)網(wǎng)絡(luò)的新細(xì)胞圖像；

將所述潛變量模型和所述第一投影值集存儲在存儲介質(zhì)中。

2.一種計算機(jī)實現(xiàn)的方法，其包括：

接收要輸入到深度神經(jīng)網(wǎng)絡(luò)(100)的新細(xì)胞圖像，所述深度神經(jīng)網(wǎng)絡(luò)具有多個隱藏層并且使用訓(xùn)練數(shù)據(jù)集進(jìn)行訓(xùn)練，所述訓(xùn)練數(shù)據(jù)集包括能夠輸入到所述深度神經(jīng)網(wǎng)絡(luò)的可能細(xì)胞圖像；

獲得通過將接收到的所述新細(xì)胞圖像輸入到所述深度神經(jīng)網(wǎng)絡(luò)而從所述深度神經(jīng)網(wǎng)絡(luò)的所述多個隱藏層中的至少一個輸出的第二中間輸出值集；

使用存儲在所述存儲介質(zhì)中的潛變量模型來將所述第二中間輸出值集映射到第二投影值集；以及

基于所述潛變量模型和所述第二投影值集來確定接收到的所述新細(xì)胞圖像相對于所述訓(xùn)練數(shù)據(jù)集是否為異常值，

其中通過以下操作來構(gòu)建存儲在所述存儲介質(zhì)中的所述潛變量模型：

獲得從所述深度神經(jīng)網(wǎng)絡(luò)的所述多個隱藏層中的所述一個輸出的第一中間輸出值集，通過輸入所述訓(xùn)練數(shù)據(jù)集的所述至少一部分中包括的所述可能細(xì)胞圖像中的不同一者來獲得所述第一中間輸出值集中的每一個；以及

使用所述第一中間輸出值集來構(gòu)建所述潛變量模型，所述潛變量模型提供所述第一中間輸出值集到所述潛變量模型的子空間中的第一投影值集的映射，所述子空間具有低于所述中間輸出集的維度的維度。

3.根據(jù)權(quán)利要求1所述的用于細(xì)胞圖像的分析的計算機(jī)實現(xiàn)的方法，其還包括：

獲得通過將接收到的所述新細(xì)胞圖像輸入所述深度神經(jīng)網(wǎng)絡(luò)而從所述深度神經(jīng)網(wǎng)絡(luò)的所述多個隱藏層中的所述至少一個輸出的第二中間輸出值集；

使用所述潛變量模型來將所述第二中間輸出值集映射到第二投影值集；以及

基于所述潛變量模型和所述第二投影值集來確定接收到的所述新細(xì)胞圖像相對于所述訓(xùn)練數(shù)據(jù)集是否為異常值。

4.根據(jù)權(quán)利要求2或3所述的方法，其中確定接收到的所述新細(xì)胞圖像是否為異常值的步驟包括：

相對于所述第一投影值集的分布來確定所述第二投影值集的距離；以及

如果所計算的距離大于所確定的距離的閾值，則確定接收到的所述新細(xì)胞圖像相對于所述訓(xùn)練數(shù)據(jù)集是異常值。

5.根據(jù)權(quán)利要求4所述的方法，其中基于距離來確定所述距離的所述閾值，所述距離中的每一個是相對于所述第一投影值集的所述分布而針對所述第一投影值集中的不同一者計算的。

6.根據(jù)權(quán)利要求4或5所述的方法，其中所述距離是綜合距離、殘差平方和、馬氏距離或局部異常因子中的一個。

7.根據(jù)權(quán)利要求2至6中任一項所述的方法，其中確定接收到的所述新細(xì)胞圖像是否為異常值的步驟包括：

使用所述潛變量模型和所述第二投影值集來確定與所述第二中間輸出值集相對應(yīng)的中間輸出值的近似集；

計算所述第二中間輸出值集和所述中間輸出值的近似集的平方近似殘差；以及

如果所計算的平方近似殘差大于所述平方近似殘差的閾值，則確定接收到的所述觀測值相對于所述訓(xùn)練數(shù)據(jù)集是異常值。

8.根據(jù)權(quán)利要求7所述的方法，其中基于平方近似殘差來確定所述平方近似殘差的所述閾值，所述平方近似殘差中的每一個是針對所述第一中間輸出值集中的不同一者和與所述第一中間輸出值集中的所述一者相對應(yīng)的中間輸出值的近似集計算的。