一種高內涵成像系統包括載物臺、控制器、機器學習系統和圖像生成器。控制器接收包括輸出成像配置的請求，并且作為響應，控制器：(1)選擇與輸出成像配置相關聯的訓練模型、(2)確定與訓練模型相關聯的輸入成像配置、以及(3)根據輸入成像配置來配置高內涵成像系統。使用訓練模型配置機器學習系統，使得當向機器學習系統提供使用輸入成像配置獲取的圖像時，機器學習系統根據輸出成像配置生成輸出圖像。圖像生成器生成載物臺上的樣本的圖像并將生成的圖像提供給機器學習系統，并且作為響應，機器學習系統根據輸出成像配置生成輸出圖像。學習系統根據輸出成像配置生成輸出圖像。學習系統根據輸出成像配置生成輸出圖像。
【技術實現步驟摘要】
【國外來華專利技術】用于生成增強圖像的高內涵成像系統及其操作方法
[0001]相關申請
[0002]本申請要求于2019年10月24日提交的美國臨時申請No.62/925,554的優先權的權益，其全部內容通過引用并入本文。
[0003]本主題涉及顯微鏡系統，并且更具體地，涉及用于生成增強圖像的高內涵(high
?
content)成像系統和操作這種系統的方法。
技術介紹
[0004]高內涵成像系統(HCIS)可以用于獲得一種或多種生物樣本(例如DNA、蛋白質、細胞等)的顯微圖像。可以將(一個或多個)生物樣本置于具有孔(well)的二維圖案的微孔板(microplate)的這種孔中。這種微孔板通常有96或384個孔，但可能有更多或更少的孔。為了獲取設置在這種微孔板中的(一個或多個)生物樣本的圖像，HCIS的自動聚焦系統聚焦在微孔板的每個孔或其一部分上并獲取圖像。為了開發特定孔中的(一個或多個)生物樣本的高分辨率圖像，成像傳感器可以相對于孔的不同部分進行定位，聚焦在這樣的部分上，并獲取圖像。可以組合(例如連接)這些不同部分的圖像以產生整個孔的圖像。此外，HCIS可以開發孔的多個圖像，其中使用不同的成像配置來捕獲多個圖像中的每一個。這種成像配置指定了在捕獲圖像時使用的照明源、設置在孔(或其部分)和成像傳感器之間的光路中的一個或多個濾光器等。
[0005]應該清楚的是，將重復的上述聚焦和定位操作與對板進行掃描相結合以產生高分辨率圖像可能需要大量時間。此外，如果必須成像多個微孔板、或者如果HCIS的用戶必須在成像過程中驗證和/或調整樣本的定位和/或HCIS的焦點，則這種時間會顯著增加。此外，通常可以使用接收由HCIS生成的圖像的計算機來應用諸如去卷積、降噪等圖像處理操作，這進一步增加了從HCIS產生適合進一步分析的(一個或多個)生物樣本的圖像所必需的時間量。
技術實現思路
[0006]根據一個方面，一種高內涵成像系統包括：適于在其上設置樣本的載物臺、控制器、機器學習系統和圖像生成器。控制器接收包括輸出成像配置的規范的請求，并且作為響應，控制器：(1)選擇與輸出成像配置相關聯的訓練模型，(2)確定與訓練模型相關聯的輸入成像配置，以及(3)根據輸入成像配置來配置高內涵成像系統。使用訓練模型來配置機器學習系統，使得當向機器學習系統提供根據輸入成像配置獲取的圖像時，機器學習系統根據輸出成像配置生成輸出圖像。圖像生成器生成設置在載物臺上的樣本的圖像，自動將生成的圖像提供給機器學習系統，并且作為響應，機器學習系統根據輸出成像配置生成輸出圖像。
[0007]根據另一方面，一種操作高內涵成像系統的方法，該高內涵成像系統包括可以在
其上設置樣本的載物臺、機器學習系統和圖像生成器，該方法包括步驟：由一個或多個處理器接收包括輸出成像配置的規范的請求。該方法還包括步驟：由一個或多個處理器選擇與輸出成像配置相關聯的訓練模型；響應于接收到請求，由一個或多個處理器確定與訓練模型相關聯的輸入成像配置；以及由一個或多個處理器根據輸入成像配置來配置高內涵成像系統。此外，該方法包括使用訓練模型開發在一個或多個處理器上操作的經過訓練的機器學習系統，使得當向經過訓練的機器學習系統提供根據輸入成像配置獲取的圖像時，經過訓練的機器學習系統根據輸出成像配置生成輸出圖像。該方法包括以下額外的步驟：使用一個或多個處理器和圖像捕獲器件自動生成設置在載物臺上的樣本的圖像；將樣本的圖像自動提供給經過訓練的機器學習系統；并且操作經過訓練的機器學習系統響應于接收到樣本的圖像來根據輸出成像配置自動產生輸出圖像。
[0008]在考慮以下詳細描述和附圖后，其它方面和優點將變得清楚，其中在整個說明書中，相同的附圖標記表示相同的結構。
附圖說明
[0009]圖1是根據本公開的高內涵成像系統(HCIS)的示意圖；
[0010]圖2是圖1的HCIS的控制器為生成輸出圖像而采取的步驟的流程圖；
[0011]圖3是圖1的HCIS的機器學習系統訓練器采取的步驟的流程圖；
[0012]圖4是由圖1的HCIS的控制器為自動生成其中裝載的多個微孔板的圖像而采取的步驟的流程圖；以及
[0013]圖5是圖1的HCIS的機器學習系統的示意圖。
具體實施方式
[0014]如下文詳細描述的，根據本公開的高內涵成像系統(HCIS)包括其上可以設置樣本或具有樣本的微孔板的載物臺、一個或多個照明源、一個或多個物鏡、一個或多個濾光器、聚焦裝置、成像傳感器、機器學習系統、控制器、和可以與機器學習系統一起使用的一個或多個機器學習系統訓練模型。每個訓練模型都與輸入成像配置和輸出成像配置相關聯，并且包括配置和訓練未經訓練的機器學習系統(例如神經網絡或其它深度學習系統)所必需的數據。例如，如果未經訓練的機器學習系統是神經網絡，則訓練模型包括關于一個或多個卷積層、一個或多個神經元層、以及它們之間的一個或多個池化層的互連的參數。訓練模型還包括與這些層相關聯的縮放因子、內核權重等。
[0015]可以用特定訓練模型配置未經訓練的機器學習系統，以開發經過訓練的機器學習系統。此后，當向經過訓練的機器學習系統提供在用與特定訓練模型相關聯的輸入成像配置配置HCIS時捕獲的輸入(或源)圖像時，機器學習系統產生輸出(或目標)圖像，該輸出(或目標)圖像表示如果已經用與特定訓練模型相關聯的輸出成像配置配置HCIS則將會生成的圖像。
[0016]在操作期間，用戶使用與HCIS通信的計算機向HCIS的控制器發送請求，以產生設置在其中的微孔板的孔中的生物樣本的輸出圖像。此類請求可以包括在產生圖像時使用的輸出成像配置的規范，并且識別例如物鏡、分辨率、照明源、一個或多個濾光器、聚焦精度、和/或應該在輸出圖像中校正的成像像差或偽影的類型。這種像差/偽影校正可以包括校正
物鏡的場曲、圖像去卷積，以提高對比度和/或分辨率等。
[0017]控制器分析輸出圖像規范并選擇與這種輸出圖像規范相關聯的訓練模型。然后控制器確定與所選訓練模型相關聯的輸入圖像規范，用訓練模型配置未經訓練的機器學習系統以產生經過訓練的機器學習系統，根據輸入成像配置來配置HCIS，并捕獲圖像。控制器將捕獲的圖像作為輸入提供給經過訓練的機器學習系統，經過訓練的機器學習系統生成輸出圖像，該輸出圖像表示如果已使用輸出成像配置來配置HCIS則將會捕獲的圖像，并且控制器將HCIS生成的輸出圖像傳輸到用戶的計算機。
[0018]在一些實施例中，訓練模型可以與需要安裝在HCIS中的第一組物理組件(例如物鏡、照明源等)的輸入配置和需要第二組物理組件的輸出配置相關聯，第二組物理組件中的一些可以不存在于HCIS中。如果用這種訓練模型來配置HCIS的未經訓練的機器學習系統，以開發經過訓練的機器學習系統，則HCIS(具有經過訓練的機器學習系統)將從使用第一組物理組件獲取的輸入圖像產生輸出圖像，該輸出圖像表示利用第二組物理組件將會獲取的圖像。因此，例如，在這種實施例中，HCIS能夠產生輸出圖像，如同HCIS包括本文檔來自技高網...
【技術保護點】
【技術特征摘要】
【國外來華專利技術】1.一種高內涵成像系統，包括：載物臺，所述載物臺適于在所述載物臺上設置樣本；控制器，所述控制器接收包括輸出成像配置的規范的請求，并且作為響應，所述控制器：(1)選擇與所述輸出成像配置相關聯的訓練模型、(2)確定與所述訓練模型相關聯的輸入成像配置、以及(3)根據所述輸入成像配置來配置所述高內涵成像系統；圖像生成器，所述圖像生成器根據所述輸入成像配置生成設置在所述載物臺上的所述樣本的圖像；和機器學習系統，所述機器學習系統自動接收由所述圖像生成器生成的所述樣本的圖像，并且作為響應，自動生成輸出圖像，其中使用所述訓練模型來配置所述機器學習系統，使得當向所述機器學習系統提供根據所述輸入成像配置獲取的輸入圖像時，所述機器學習系統根據所述輸出成像配置來生成輸出圖像。2.根據權利要求1所述的高內涵成像系統，其中所述機器學習系統包括機器學習系統控制器和多個圖形處理單元，并且所述機器學習系統控制器從圖像生成器接收所生成的圖像，并作為響應，自動選擇所述多個圖形處理單元中的一個來生成所述輸出圖像。3.根據權利要求1所述的高內涵成像系統，還包括多個訓練模型的數據庫，其中所述控制器接收包括另一輸出成像配置的另一請求，所述控制器確定所述多個訓練模型都不與所述另一輸出成像配置相關聯，并且作為響應，所述控制器根據所述另一輸出成像配置來配置所述高內涵成像系統。4.根據權利要求1所述的高內涵成像系統，還包括接收另一輸入成像配置和另一輸出成像配置的機器學習系統訓練器，并且所述機器學習系統訓練器訓練所述機器學習系統，以在提供有使用所述另一輸入成像配置獲取的另一輸入圖像時，根據所述另一輸出成像配置來開發另一輸出圖像。5.根據權利要求5所述的高內涵成像系統，其中所述機器學習系統訓練器指示所述圖像生成器使用所述另一輸入成像配置來產生設置在所述載物臺上的訓練樣本的多個訓練圖像、并且使用所述另一輸出成像配置來產生所述訓練樣本的多個地面實況圖像。6.根據權利要求1所述的高內涵成像系統，其中所述控制器自動指示所述圖像生成器根據所述輸入成像配置來自動生成設置在設置于所述載物臺上的微孔板中的多個樣本的多個輸入圖像，并且自動指示所述機器學習系統根據所述輸出成像配置來從所述多個輸入圖像中的每一個自動生成輸出圖像。7.根據權利要求6所述的高內涵成像系統，還包括機器人微孔板裝載器，其中所述控制器指示：(1)所述機器人微孔板裝載器在已經生成所述多個輸入圖像后將另一微孔板裝載到所述載物臺上；(2)所述圖像生成器自動生成所述另一微孔板的另一多個輸入圖像；以及(3)所述機器學習系統從所述輸入圖像自動生成另一多個輸出圖像。8.根據權利要求1所述的高內涵成像系統，其中所述控制器指示：(1)所述圖像生成器根據所述輸入成像配置來開發在不同焦點處獲得的所述樣本的一系列輸入圖像；以及(2)將所述一系列圖像同時提供給所述機器學習系統，以根據所述輸出成像配置來生成一系列輸出圖像。9.根據權利要求1所述的高內涵成像系統，還包括執行以下各項中的至少一個的圖像處理器：(1)在將所生成的圖像作為輸入提供給所述機器學習系統之前，對所生成的圖像進
行圖像處理，以及(2)對由所述機器學習系統開發的所述輸出圖像進行圖像處理。10.根據權利要求1所述的高內涵成像系統，其中所述輸入成像配置指定存在于所述高內涵成像系統中的第一組物理組件，并且所述輸出成像配置指定第二組物理組件，其中所述第二組物理組件中的至少一個不存在于所述高內涵成像系統中。11.一種操作高內涵成像系統的方法，所述高內涵成像系統包括可在其上設置樣本的載物臺和圖像生成器，所述方法包括以下步驟：由一...
【專利技術屬性】
技術研發人員：阿夫魯，
申請(專利權)人：分子裝置有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。