[发明专利]自动无创式确定禽蛋的生育力

权利要求书

1.一种自动无创式确定禽蛋(14)的生育力的方法，包括以下步骤：

将多个禽蛋(14)依次或并行地输送至NMR装置(18)中；

使所述禽蛋(14)经受NMR测量，以产生所述禽蛋(14)中的每个的至少部分的3-D NMR图像，所述3-D NMR图像在至少一个维度上具有1.0mm或更小的空间分辨率，优选为具有0.50mm或更小的空间分辨率，其中，所述禽蛋(14)的所述部分包括相应禽蛋(14)的胚盘，

根据以下两个过程中的至少一个确定对生育力的预测：

(i)从所述3-D NMR图像中的每个导出至少一个特征，并且在基于特征的分类器中使用所述至少一个特征来确定对生育力的预测，其中，所述至少一个特征选自包括以下项的组：所述胚盘的直径、所述胚盘的体积、所述胚盘的形状、所述胚盘的质地、所述胚盘在所述禽蛋中的位置、蛋黄的质地、所述蛋黄中NMR-可见环的数目和/或位置、所述蛋黄内环的对比度、蛋黄心的质地、体积或形状、所述蛋黄心的颈部的长度以及所述蛋黄、所述蛋黄心、所述胚盘和蛋白中的两个或更多个的体积或表面之间的比率，以及

(ii)使用深度学习算法，所述深度学习算法具体为基于卷积神经网络、生成式对抗网络、递归神经网络或长期短期记忆网络的深度学习算法。

2.根据权利要求1所述的方法，其中，在过程(i)中，从所述3-D NMR图像导出至少两个特征，并在所述基于特征的分类器中使用所述至少两个特征，其中，所述至少两个特征中的至少一个选自权利要求1所述的组，其中，优选地，所述至少两个特征中的至少一个选自包括所述胚盘的直径、所述胚盘的体积和所述胚盘的形状的组，其中，所述过程优选为基于机器学习的过程。

3.根据权利要求1或2所述的方法，其中，所述确定对生育力的预测的步骤由分类模块(38)执行，其中，所述方法还包括以下步骤：将所述多个禽蛋(14)输送出所述NMR装置(18)，并根据由所述分类模块(38)提供的生育力预测对所述禽蛋(14)进行分选。

4.根据前述权利要求中任一项所述的方法，其中，所述基于特征的分类器采用内核方法，具体为支持向量机或相关性向量机、内核感知、二次判别分析或线性判别分析、分类树、随机森林或朴素贝叶斯分类器。

5.根据权利要求4所述的方法，其中，所述方法包括：应用增强技术，具体是自适应增强技术、逻辑增强技术或概率增强树技术。

6.根据前述权利要求中任一项所述的方法，其中，在所述NMR测量中，进一步确定所述禽蛋中不同位置处的扩散系数的直方图，以及其中，所述生育力的预测进一步基于所述直方图的形状。

7.根据权利要求6所述的方法，其中，基于所述扩散系数直方图的形状来确定所述生育力包括：比较至少两个不同扩散系数或扩散系数范围的出现频率，

其中，所述至少两个不同的扩散系数或所述至少两个扩散系数范围的中心优选分开0.5-2.5mm²/s，更优选分开0.75-1.5mm²/s，和/或

其中，在所述至少两个不同的扩散系数或所述至少两个扩散系数范围的中心中，其中一个优选位于0.6至1.3mm²/s的范围内，更优选位于0.7至1.2mm²/s的范围内，并且其中另一个优选位于1.5至2.5mm²/s的范围内，更优选地位于1.7至2.3mm²/s的范围内，和/或

其中，所述禽蛋中的所述各个位置均匀分布在所述禽蛋中，具体地，对应于扩散系数图像的体素。

8.根据前述权利要求中任一项所述的方法，其中，在所述NMR测量中，获得包括对应于水和脂肪的峰的、所述蛋黄的NMR光谱，并且对所述生育力的预测进一步基于所述NMR光谱。

9.根据权利要求8所述的方法，其中，所述基于所述NMR光谱确定对所述生育力的预测的步骤包括：基于所述NMR光谱中对应于水和脂肪的峰的比率确定对所述生育力的预测。