[发明专利]用于基于阵列的PCR的图像驱动质量控制在审

专利信息
申请号: 201980056111.5 申请日: 2019-08-29
公开(公告)号: CN113039560A 公开(公告)日: 2021-06-25
发明(设计)人: 楚勇;N·玛朱姆巴;M·阿里米那提;陈永智;K·帕潘弗斯 申请(专利权)人: 生命科技股份有限公司
主分类号: G06N3/04 分类号: G06N3/04;G06N3/08;G01N35/00;G01N35/02;G06T7/00
代理公司: 上海专利商标事务所有限公司 31100 代理人: 周全;陈洁
地址: 美国加利*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 基于 阵列 pcr 图像 驱动 质量 控制
【说明书】:

提供了一种用于基于阵列的PCR的图像驱动质量控制的系统和方法。所述系统包括PCR单元、反应阵列板、被配置成接收PCR系统中的所述反应阵列板的图像序列的卷积神经网络(CNN),以及耦合到用于所述反应阵列板的控制的所述CNN的输出。所述方法包括:在所述反应板阵列上的所述PCR系统的操作期间,将来自所述反应阵列板的多个子阵列的图像序列应用到多个CNN;操作所述CNN以基于所述图像序列生成对所述反应板的故障模式预测;以及将所述CNN的输出耦合到用于制造所述反应阵列板或控制所述PCR系统的设置中的一个或多个。

背景技术

深度学习是用大量数据训练以直接从非结构化原始数据中学习复杂和抽象化图案的大型深度神经网络。传统机器学习算法很大程度上依赖于手工制作特征,这是特定于任务的且由具有广泛域专门知识的工程师设计。相比之下,深度学习具有直接从原始数据发现有效特征且通过组合更简单的特征来学习复杂特征的强大能力。深度学习已经在例如图像分类、计算机视觉、语音识别、自然语言处理(natural language processing;NLP)和医疗图像诊断等等各种领域中展现目前先进技术性能。例如,谷歌(Google)和微软(Microsoft)已经对ImageNet图像分类任务应用卷积神经网络(Convolution NeuralNetwork;CNN),且报告4.9%和4.6%错误率,这在图像分类上击败了人类。

目前,测定反应板(例如,用于进行聚合酶链反应(Polymerase Chain Reaction;PCR)的那些板)的制造质量控制对重新格式化和质量控制(quality control;QC)图像执行手动目视检查以识别问题并且确定在制造测定反应板中故障的根本原因。然而,对于人类来说,在制造过程期间对图像进行目视检查是费时、易出错且繁琐的工作。这也限制了生产能力,且通常延迟向客户交付反应板阵列产品。

一些PCR系统被设计用于最大吞吐量,其可在约四小时内同时运行多达四个3,072反应板。此类系统和反应板通常利用仅仅纳升的样品体积,需要具有复杂工作流程的专用仪器将样品和测定物装载到板阵列上。复杂的工作流程和具有挑战性的消耗品使用可通过降低灵敏度和准确性来影响阵列反应质量。此复杂性的另一副作用是较低的阵列制造成品率。与薄板涂层,重新格式化或样品装载有关的阵列制造故障很常见。例如,运行PCR的阵列板可具有某些与装载有关的伪影,包含但不限于:

1.桥接-其中流体在一些相邻的反应单元周围溢出并在它们之间形成桥,从而损害反应的完整性;

2.泄漏-用于反应板的密封单元可能破裂,导致流体逸出到外腔中;以及

3.测定物点样问题-对于预先点样的测定物格式,一些反应单元可能未装载所述测定物。

这些薄板涂层、重新格式化或样品装载问题可以通过目视检查重新格式化和质量控制(QC)图像来检测。因此,从QC图像中自动识别问题并快速确定制造过程中故障的根本原因是非常重要的。由于PCR反应可能显示异常行为,例如在运行OpenArray或其它基于阵列的PCR平台的PCR之前、期间或之后拍摄的图像中出现的样品装载问题,因此期望在面向客户的软件中自动检测这些类型的故障模式,且使故障排除步骤更加有效,客户也更轻松。

发明内容

本系统利用诸如卷积神经网络(CNN)之类的深度神经网络来检测阵列板重新格式化和QC图像中的异常以识别故障模式。从制造数据服务器检索QC图像,包含在设定的时间段内合格和不合格的薄板两者。基于合格或不同的故障模式对数据进行分类。由于每个QC图像可能具有与一个或多个子阵列相关联的多于一个故障模式,因此将QC图像划分为(例如48个)子阵列图像,并将每个子阵列注释为合格或五个故障模式,包含:亮Rox、Rox点样、Rox剥离、停止点桥接和重新格式化错误。带注释的子阵列图像用于训练、评估和测试CNN模型。然后,经过训练和检验的模型可用于辨识阵列板重新格式化和QC图像中的故障及其模式。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于生命科技股份有限公司,未经生命科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201980056111.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top