CN110129198A - 一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统 - Google Patents
一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统 Download PDFInfo
- Publication number
- CN110129198A CN110129198A CN201910403656.0A CN201910403656A CN110129198A CN 110129198 A CN110129198 A CN 110129198A CN 201910403656 A CN201910403656 A CN 201910403656A CN 110129198 A CN110129198 A CN 110129198A
- Authority
- CN
- China
- Prior art keywords
- prediction
- neural network
- stem cell
- data
- sent
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/12—Means for regulation, monitoring, measurement or control, e.g. flow regulation of temperature
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/40—Means for regulation, monitoring, measurement or control, e.g. flow regulation of pressure
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/44—Means for regulation, monitoring, measurement or control, e.g. flow regulation of volume or liquid level
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
- C12M41/48—Automatic or computerized control
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Organic Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Analytical Chemistry (AREA)
- Sustainable Development (AREA)
- Microbiology (AREA)
- Biotechnology (AREA)
- Biomedical Technology (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Computer Hardware Design (AREA)
- Physics & Mathematics (AREA)
- Thermal Sciences (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统,涉及干细胞培养环境监控技术领域。本发明是为了解决干细胞培养过程中,环境数据采集实时性差、环境参数调节可靠性差的问题。本发明中,压力计、温度计、液位计输出的实际参数一路发送至预测装置;第二路作为子系统的输出;第三路发送至压力计、温度计以及液位计;预测装置采用Zynq系列处理器实现,根据设定的目标参数及实际参数采用神经网络进行预测,并将结果作为反馈数据发送至运算器的一号输入端口;运算器的二号输入端口用于接收设定的目标参数,运算结果发送至调温装置和调压装置。适用于干细胞培养。
Description
技术领域
本发明涉及干细胞培养环境监控技术。属于干细胞培养领域。
背景技术
传统的干细胞培养依赖于利用培养基的二维培养技术,干细胞的克隆程度受限,并且在长期的增殖分化后会丧失克隆和分化能力;本发明所处的培养环境是模拟人体内部环境的三维培养系统,能够保证干细胞能在接近人体的环境下进行增殖。
为了模拟人体内部的环境,使其适宜干细胞的增殖,对系统环境的温度、压力、血液量等环境参数提出了严苛的要求。需要对环境数据进行实时监控,并对数据未来的变换趋势进行预测,实现执行器对环境参数的调节,保证干细胞生存在适宜的培养环境。
传统的数据采集系统在精度和实时性上有一定的欠缺,一般落后几个时钟周期;如果需要对数据进行复杂的处理和分析,实时性更加难以满足要求;模拟环境是模拟人体内部的环境,若某些参数出现问题,不能及时调节回正常水准,很有可能导致干细胞活性下降或死亡,甚至会导致设备故障。
现有的三维干细胞培养模拟环境系统中的数据反馈只是单纯的通过传感器采集数据,与期望数据区间进行比较,来进行参数调节,方法简单但缺少可靠性,依靠当前的数据很难把握系统的运行状态以及需要调节的趋势,很难对一些数据的突然变化情况做出及时应对。
发明内容
本发明是为了解决干细胞培养过程中,环境数据采集实时性差、环境参数调节可靠性差的问题。现提供一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统。
本发明所述的一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统包括:预测装置1、调温装置2、调压装置3、压力计4、温度计5、液位计6以及运算器7;
所述压力计4、温度计5、液位计6分别用于测量干细胞培养环境中的血压、温度以及液位,压力计4、温度计5、液位计6输出的实际参数均分成三路:第一路发送至预测装置1;第二路作为子系统的输出,用于显示;第三路发送至运算器7的三号输入端口;
所述预测装置1采用Zynq系列处理器实现,根据设定的目标参数及压力计4、温度计5、液位计6输出的实际参数采用训练好的神经网络进行预测,并将结果作为反馈数据发送至运算器7的一号输入端口;
运算器7的二号输入端口用于接收设定的目标参数,所述运算器7用于对三个输入端口输入的数据进行计算,并将计算结果发送至调温装置2和调压装置3,调温装置2和调压装置3根据计算结果进行调温和调压。
进一步地,所述预测装置1包括主控器和DDR存储器,所述主控器内嵌入基于神经网络的预测模型和比较器,
所述预测模型包括压力预测模型、温度预测模型、液位预测模型,压力预测模型用于:以血压数据训练集进行人工神经网络的训练,使用深度压缩方法将神经网络模型进行压缩,利用训练得到的神经网络预测血压的变化,将预测数据缓存到DDR存储器上,经过数据的时间同步,对血压的预测值和实际测量值进行比较,将结果作为反馈数据发送至运算器7的一号输入端口,温度预测模型、液位预测模型与压力预测模型训练方法相同。
本发明设计了一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统。首先,调温装置2、调压装置3等执行机构、以及压力计、温度计和液位计组成一个标准的多入多出反馈系统,处理器使用Xilinx的Zynq系列,利用FPGA逻辑门的低延迟特性以及数据传输加速算法(并行传输、流水线操作)实现模拟环境的实时监控,理论延时为若干个逻辑门的延时(15ns左右),实际延时在一个周期(20ns)之内。
另外,由于高低压变化范围较大,以历史血压数据为训练集进行人工神经网络的训练,并使用深度压缩方法将神经网络模型压缩,使其能在移动设备上以较低功耗运行,并不会影响其精度。训练得到的神经网络能够预测血压的变化,即未来一段时间内的血压值,将预测数据缓存到DDR存储器上,经过数据的时间同步,对血压的预测值和实际测量值进行比较,将结果同样反馈,来减少血压突变带来的影响,提升系统的鲁棒性。
运算器的运算规则为:out=ax+by+cz,其中,out为运算器的输出结果,x、y、z分别为一号、二号、三号输入端口输入的数据,a、b、c为系数,根据经验来确定。
综上所述,本发明对人体模拟环境中的温度、压强、溶液液位等环境参数进行实时性监控,相比于传统的干细胞培养环境数据采集系统,由于利用FPGA门电路的低延迟和流水线操作,使数据采集-接收延迟在一个时钟周期内,更具有实时性。同时引入了应用于FPGA的嵌入式神经网络,根据历史的监测数据或系统测试数据对环境内部压强进行了可靠地预测,将预测结果和实际采集结果的比较结果作为反馈的一部分作用于控制器,使模拟系统能够更好地适应突发的变化,提升了系统的容错性和鲁棒性。
附图说明
图1为本发明所述的一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统的原理示意图;
图2为预测装置的原理示意图;
图3为本发明所述的一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统在使用时的结构示意图。
具体实施方式
具体实施方式一:参照图1至图3具体说明本实施方式,本实施方式所述的一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统包括:预测装置1、调温装置2、调压装置3、压力计4、温度计5、液位计6以及运算器7;
所述压力计4、温度计5、液位计6分别用于测量干细胞培养环境中的血压、温度以及液位,压力计4、温度计5、液位计6输出的实际参数均分成三路:第一路发送至预测装置1;第二路作为子系统的输出,用于显示;第三路发送至运算器7的三号输入端口;
所述预测装置1采用Zynq系列处理器实现,根据设定的目标参数及压力计4、温度计5、液位计6输出的实际参数采用训练好的神经网络进行预测,并将结果作为反馈数据发送至运算器7的一号输入端口;
运算器7的二号输入端口用于接收设定的目标参数,所述运算器7用于对三个输入端口输入的数据进行计算,并将计算结果发送至调温装置2和调压装置3,调温装置2和调压装置3根据计算结果进行调温和调压。
所述预测装置1包括主控器和DDR存储器,所述主控器内嵌入基于神经网络的预测模型和比较器;
所述预测模型包括压力预测模型、温度预测模型、液位预测模型,三个预测模型的原理相同。以压力预测模型为例,该压力预测模型用于:以血压数据训练集进行人工神经网络的训练,使用深度压缩方法将神经网络模型进行压缩,利用训练得到的神经网络预测血压的变化,将预测数据缓存到DDR存储器上,经过数据的时间同步,对血压的预测值和实际测量值进行比较,将结果作为反馈数据发送至运算器7的一号输入端口,如图2所示。温度预测模型、液位预测模型与压力预测模型训练方法相同。
本实施方式所述的一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统在使用时的实物连接示意图如图3所示。暂存装置用于存放细胞培养液,调压装置3采用调压阀,调压阀和调温装置为执行机构。图中实线表示管道连接,虚线表示电气连接。
采用温度计、压力计以及液位计分别进行温度、压强和液位高度的测量,作为三个反馈回路;执行机构包括调温装置和调压阀,负责调节温度和压强;由以上装置构成基本的多入多出系统,并设计该系统的基本控制律;Zynq中的Arm处理器负责控制律的实现,FPGA部分负责数据的AD转换和接收读取。
模拟环境的内部压强的变化规律具有高度的复杂性,是一个非线性模型,传统的预测方式对于非线性系统具有一定局限性,而神经网络对于非线性问题的处理具有很强的鲁棒性和普适性。通过温度计、压力计以及液位计的历史数据和测试时获得的数据,使用BP神经网络模型对其进行训练,获得压强的时间序列预测模型。
神经网络模型虽然适用于非线性系统且鲁棒性较高,但由于大量的模型参数和复杂的计算会导致过高的功耗。使用深度压缩算法,即神经网络经过剪枝-量化-霍夫曼编码步骤,能够在精度丢失很小的前提下获得压缩至十分之一甚至更小的网络模型,同时利用FPGA强大的定点计算和流水线并行处理能力,在Zynq芯片上实现神经网络的边缘计算,获得压强的预测结果。
本实施方式利用现代控制理论方法设计多入多出系统的控制器,并使用Matlab仿真保证控制器性能;
利用GPU和已有的血压变化数据集,进行神经网络的训练,得到初步的血压时序预测模型;
对训练好的模型应用深度压缩算法,依次进行剪枝、量化和霍夫曼编码,压缩模型尺寸;
在Zynq芯片上实现多入多出系统控制器,利用FPGA部分现成的AD转换器实现模数转换完成数据的采集;
在Zynq上实现神经网络的边缘计算,利用并行计算和流水线操作对网络进行加速;
运行整个系统,传感器采集的数据和Predict运算得到的数据作为多入多出系统的反馈,实现基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统的功能。
注:若成本受限或对实时性要求不高,可以将Zynq芯片替换为其他移动处理器,此时仅能实现系统的鲁棒性。
Claims (2)
1.一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统,其特征在于,它包括:预测装置(1)、调温装置(2)、调压装置(3)、压力计(4)、温度计(5)、液位计(6)以及运算器(7);
所述压力计(4)、温度计(5)、液位计(6)分别用于测量干细胞培养环境中的血压、温度以及液位,压力计(4)、温度计(5)、液位计(6)输出的实际参数均分成三路:第一路发送至预测装置(1);第二路作为子系统的输出,用于显示;第三路发送至运算器(7)的三号输入端口;
所述预测装置(1)采用Zynq系列处理器实现,根据设定的目标参数及压力计(4)、温度计(5)、液位计(6)输出的实际参数采用训练好的神经网络进行预测,并将结果作为反馈数据发送至运算器(7)的一号输入端口;
运算器(7)的二号输入端口用于接收设定的目标参数,所述运算器(7)用于对三个输入端口输入的数据进行计算,并将计算结果发送至调温装置(2)和调压装置(3),调温装置(2)和调压装置(3)根据计算结果进行调温和调压。
2.根据权利要求1所述的一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统,其特征在于,所述预测装置(1)包括主控器和DDR存储器,所述主控器内嵌入基于神经网络的预测模型和比较器,
所述预测模型包括压力预测模型、温度预测模型、液位预测模型,压力预测模型用于:以血压数据训练集进行人工神经网络的训练,使用深度压缩方法将神经网络模型进行压缩,利用训练得到的神经网络预测血压的变化,将预测数据缓存到DDR存储器上,经过数据的时间同步,对血压的预测值和实际测量值进行比较,将结果作为反馈数据发送至运算器(7)的一号输入端口,温度预测模型、液位预测模型与压力预测模型训练方法相同。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910403656.0A CN110129198A (zh) | 2019-05-15 | 2019-05-15 | 一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910403656.0A CN110129198A (zh) | 2019-05-15 | 2019-05-15 | 一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110129198A true CN110129198A (zh) | 2019-08-16 |
Family
ID=67574319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910403656.0A Pending CN110129198A (zh) | 2019-05-15 | 2019-05-15 | 一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110129198A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104893974A (zh) * | 2015-06-03 | 2015-09-09 | 深圳市太空科技南方研究院 | 可在线动态实时监测的便捷式干细胞扩增培养设备 |
CN106978341A (zh) * | 2017-05-11 | 2017-07-25 | 冯瑞 | 一种新型细胞培养系统 |
CN107603877A (zh) * | 2017-08-17 | 2018-01-19 | 重庆斯德姆生物技术有限公司 | 一种用于干细胞制备环境具有温度预测的高精度温控系统 |
CN107686811A (zh) * | 2016-08-04 | 2018-02-13 | 发那科株式会社 | 干细胞的制造系统、信息管理系统、输送和冷冻保存设备 |
CN108102914A (zh) * | 2017-12-27 | 2018-06-01 | 深圳北科赛动生物机器人有限公司 | 干细胞自动培养系统 |
WO2019082617A1 (ja) * | 2017-10-26 | 2019-05-02 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム及び観察システム |
-
2019
- 2019-05-15 CN CN201910403656.0A patent/CN110129198A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104893974A (zh) * | 2015-06-03 | 2015-09-09 | 深圳市太空科技南方研究院 | 可在线动态实时监测的便捷式干细胞扩增培养设备 |
CN107686811A (zh) * | 2016-08-04 | 2018-02-13 | 发那科株式会社 | 干细胞的制造系统、信息管理系统、输送和冷冻保存设备 |
CN106978341A (zh) * | 2017-05-11 | 2017-07-25 | 冯瑞 | 一种新型细胞培养系统 |
CN107603877A (zh) * | 2017-08-17 | 2018-01-19 | 重庆斯德姆生物技术有限公司 | 一种用于干细胞制备环境具有温度预测的高精度温控系统 |
WO2019082617A1 (ja) * | 2017-10-26 | 2019-05-02 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム及び観察システム |
CN108102914A (zh) * | 2017-12-27 | 2018-06-01 | 深圳北科赛动生物机器人有限公司 | 干细胞自动培养系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105975749B (zh) | 一种轴承健康评估与预测的方法及系统 | |
CN110296833B (zh) | 一种面向液压缸综合测试台的软测量方法及系统 | |
CN105158723B (zh) | 一种数字化电能计量系统的误差评估系统及方法 | |
CN106600000A (zh) | 人‑机器人运动数据映射的方法及系统 | |
CN114048790B (zh) | 一种基于耦合双向lstm和卷积结构网络的道路基层应变分析方法 | |
CN103335814A (zh) | 风洞中实验模型倾角测量误差数据修正系统及修正方法 | |
CN113378329A (zh) | 基于数字孪生的轴向柱塞泵状态监测方法 | |
CN112051002A (zh) | 一种压力变送器批量自动标定系统及其标定方法 | |
CN201866014U (zh) | 一种电液伺服阀测控系统 | |
CN109992885A (zh) | 一种铸件疲劳寿命有限元预测方法及系统 | |
CN117189713A (zh) | 基于数字孪生驱动的液压系统故障诊断方法 | |
CN109165770A (zh) | 基于AFSA-Elman的新型光伏功率预测方法 | |
CN110129198A (zh) | 一种基于神经网络的干细胞培养模拟环境数据监控及预测嵌入式子系统 | |
CN110889207A (zh) | 一种基于深度学习的体系组合模型可信度智能评估方法 | |
CN103279030B (zh) | 基于贝叶斯框架的动态软测量建模方法及装置 | |
Zhang et al. | A new method based on encoding data probability density and convolutional neural network for rotating machinery fault diagnosis | |
CN111856967A (zh) | 一种用于自持式剖面浮标的半实物仿真系统及方法 | |
CN117090831A (zh) | 具有孪生应用层的液压系统故障诊断框架 | |
CN202903814U (zh) | 加速度传感器温度补偿与时漂修正装置 | |
CN115758867A (zh) | 一种基于数字孪生模型的燃料喷射系统寿命预测方法及电子设备 | |
CN115330082A (zh) | 一种基于注意力机制的lstm网络的pm2.5浓度预测方法 | |
CN102944688A (zh) | 加速度传感器温度补偿与时漂修正装置及方法 | |
CN114690102A (zh) | 一种时变电流产生装置、参数校准系统与方法 | |
CN202041228U (zh) | 一种基于热工参数场监测的建筑群能耗监测装置 | |
CN115793439A (zh) | 基于高斯预测模型的航空发动机喘振压力模拟系统及方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200313 Address after: 1500001 Room 101, building 10, no.1616, Chuangxin Road, Songbei District, Harbin City, Heilongjiang Province Applicant after: Harbin University of Technology International Stem Cell Engineering Research Institute Co.,Ltd. Address before: 150090 No. 130 Changjiang Road, Nangang District, Heilongjiang, Harbin, China Applicant before: Lin Weiyang |
|
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190816 |