CN115690785B - 一种应用于冻干细胞存储的温度控制方法及系统 - Google Patents
一种应用于冻干细胞存储的温度控制方法及系统 Download PDFInfo
- Publication number
- CN115690785B CN115690785B CN202211571620.1A CN202211571620A CN115690785B CN 115690785 B CN115690785 B CN 115690785B CN 202211571620 A CN202211571620 A CN 202211571620A CN 115690785 B CN115690785 B CN 115690785B
- Authority
- CN
- China
- Prior art keywords
- cell
- image
- damage
- acquisition
- frozen
- 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.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明涉及冻干细胞存储技术领域,涉及一种应用于冻干细胞存储的温度控制方法及系统。在本发明中,在第一温度下对待冻存干细胞进行图像采集,输出待冻存干细胞对应的细胞图像集合,细胞图像集合包括至少一帧细胞采集图像。利用预先更新形成的细胞损伤识别神经网络,对细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出待冻存干细胞对应的细胞损伤识别结果,细胞损伤识别结果用于反映待冻存干细胞在第一温度下的损伤程度。依据待冻存干细胞对应的细胞损伤识别结果,对待冻存干细胞在第二温度下的冰冻处理进行管控,第二温度小于第一温度。基于上述内容的实现,可以提高对冻干细胞存储的管控效果。
Description
技术领域
本发明涉及冻干细胞存储技术领域,具体而言,涉及一种应用于冻干细胞存储的温度控制方法及系统。
背景技术
造血干细胞移植已经是非常成熟的用于多种恶性疾病的治疗手段,尤其对于血液恶性疾病,具有非常好的治疗效果。其中,在造血干细胞移植的过程中,一般,可以先采集干细胞,然后,可以冻存干细胞,当病人的各项机能调整完成后,通过复苏干细胞以进行移植治疗。但是,在对干细胞进行冻存的时候,温度会有一个逐渐下降的过程,而在现有技术中,一般是直接基于经验不断对温度进行调整,在这个过程中,不会对干细胞的损伤情况进行监控,使得存在对冻干细胞存储的管控效果不佳的问题。
发明内容
有鉴于此,本发明的目的在于提供一种应用于冻干细胞存储的温度控制方法及系统,以提高对冻干细胞存储的管控效果。
为实现上述目的,本发明实施例采用如下技术方案:
一种应用于冻干细胞存储的温度控制方法,应用于冻干细胞监管服务器,所述应用于冻干细胞存储的温度控制方法包括:
在第一温度下对待冻存干细胞进行图像采集,输出所述待冻存干细胞对应的细胞图像集合,所述细胞图像集合包括至少一帧细胞采集图像;
利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞对应的细胞损伤识别结果,所述细胞损伤识别结果用于反映所述待冻存干细胞在所述第一温度下的损伤程度;
依据所述待冻存干细胞对应的细胞损伤识别结果,对所述待冻存干细胞在第二温度下的冰冻处理进行管控,所述第二温度小于所述第一温度。
在一些优选的实施例中,在上述应用于冻干细胞存储的温度控制方法中,所述在第一温度下对待冻存干细胞进行图像采集,输出所述待冻存干细胞对应的细胞图像集合的步骤,包括:
获取到依据所述待冻存干细胞在第三温度下对应的历史细胞图像集合进行细胞损伤识别处理得到的历史细胞损伤识别结果,所述第三温度大于所述第一温度,且所述第三温度对应的冰冻处理和所述第一温度的冰冻处理在时间上具有相邻关系;
依据所述历史细胞损伤识别结果,确定出在第一温度下对待冻存干细胞进行图像采集的目标采集参数,再依据所述目标采集参数在第一温度下对待冻存干细胞进行图像采集,输出所述待冻存干细胞对应的细胞图像集合,所述目标采集参数包括采集帧率,所述采集帧率与所述历史细胞损伤识别结果反映的历史损伤程度之间具有正相关的对应关系。
在一些优选的实施例中,在上述应用于冻干细胞存储的温度控制方法中,所述利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞对应的细胞损伤识别结果的步骤,包括:
利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果;
对所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果反映的损伤程度进行损伤趋势特征提取处理,以输出所述待冻存干细胞对应的损伤趋势特征信息,以及,将所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果中的最后一帧细胞采集图像对应的细胞损伤识别结果标记为候选细胞损伤识别结果;
依据所述损伤趋势特征信息对所述候选细胞损伤识别结果反映的损伤程度进行调整,以输出目标损伤程度,再将所述目标损伤程度标记为述待冻存干细胞对应的细胞损伤识别结果反映的损伤程度,所述损伤趋势特征信息表征的损伤趋势变化幅度与进行调整的幅度之间具有正相关关系。
在一些优选的实施例中,在上述应用于冻干细胞存储的温度控制方法中,所述利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果的步骤,包括:
将所述细胞图像集合包括的每一帧细胞采集图像,分别加载至所述预先更新形成的细胞损伤识别神经网络中;
利用所述预先更新形成的细胞损伤识别神经网络包括的图像特征信息挖掘单元,分别对每一帧所述细胞采集图像进行信息挖掘,输出对每一帧所述细胞采集图像对应的图像信息特征分布;
利用所述预先更新形成的细胞损伤识别神经网络包括的图像特征信息比较单元,分别对每一帧所述细胞采集图像对应的图像信息特征分布进行对比识别,输出所述每一帧所述细胞采集图像与每一帧参考细胞采集图像之间的图像相似度,以及,针对每一帧所述细胞采集图像,依据该细胞采集图像和每一帧参考细胞采集图像之间的图像相似度,对每一帧所述参考细胞采集图像对应的细胞损伤标注结果进行融合,以输出所述待冻存干细胞在该细胞采集图像下对应的细胞损伤识别结果。
在一些优选的实施例中,在上述应用于冻干细胞存储的温度控制方法中,所述利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果的步骤,还包括对所述预先更新形成的细胞损伤识别神经网络进行更新的步骤,其中,对所述预先更新形成的细胞损伤识别神经网络进行更新的步骤,包括:
提取到X个示例图像集合,每一个所述示例图像集合包括示例细胞采集图像和Y帧参考细胞采集图像;
对于第x个示例图像集合包括的示例细胞采集图像,确定该示例细胞采集图像与所述第x个示例图像集合包括的第y帧参考细胞采集图像之间的图像相似度标注值,以形成针对于所述第x个示例图像集合包括的细胞采集图像对应的图像相似度标注值集合;
利用待更新的细胞损伤识别神经网络包括的待更新图像特征信息处理单元,确定所述第x个示例图像集合包括的示例细胞采集图像与所述第x个示例图像集合包括的第y帧参考细胞采集图像之间的图像相似度计算值,以形成针对于所述第x个示例图像集合包括的细胞采集图像对应的图像相似度计算值集合;
基于所述图像相似度标注值集合和所述图像相似度计算值集合分析输出对应的图像相似度计算学习代价值,再按照所述图像相似度计算学习代价值对所述待更新图像特征信息处理单元进行更新,以输出更新形成的细胞损伤识别神经网络。
在一些优选的实施例中,在上述应用于冻干细胞存储的温度控制方法中,所述利用待更新的细胞损伤识别神经网络包括的待更新图像特征信息处理单元,确定所述第x个示例图像集合包括的示例细胞采集图像与所述第x个示例图像集合包括的第y帧参考细胞采集图像之间的图像相似度计算值,以形成针对于所述第x个示例图像集合包括的细胞采集图像对应的图像相似度计算值集合的步骤,包括:
利用待更新的细胞损伤识别神经网络包括的图像特征信息挖掘单元,对所述第x个示例图像集合包括的示例细胞采集图像进行信息挖掘,输出所述示例细胞采集图像对应的示例图像信息特征分布;
利用所述待更新的细胞损伤识别神经网络包括的图像特征信息比较单元,对所述示例图像信息特征分布进行对比识别,输出所述第x个示例图像集合包括的示例细胞采集图像与所述第x个示例图像集合包括的第y帧参考细胞采集图像之间的图像相似度计算值。
在一些优选的实施例中,在上述应用于冻干细胞存储的温度控制方法中,所述利用待更新的细胞损伤识别神经网络包括的图像特征信息挖掘单元,对所述第x个示例图像集合包括的示例细胞采集图像进行信息挖掘,输出所述示例细胞采集图像对应的示例图像信息特征分布的步骤,包括:
依据预设的目标图像尺寸,对所述示例细胞采集图像进行分割,形成Z个示例细胞采集图像块;对于所述Z个示例细胞采集图像块中的每一个示例细胞采集图像块,对该示例细胞采集图像块包括的每一个像素特征点进行提取,以形成该示例细胞采集图像块对应的像素特征点集合;对于每一个示例细胞采集图像块,依据该示例细胞采集图像块对应的像素特征点集合包括的每一个像素特征点,从该示例细胞采集图像块中,识别出由该像素特征点包围的包围区域,再将该包围区域具有的图像信息,标记为该示例细胞采集图像块对应的显著性区域图像信息;
利用待更新的细胞损伤识别神经网络包括的特征提取网络组合包括的图像特征信息挖掘单元对第z条显著性区域图像信息进行信息挖掘,输出所述第z条显著性区域图像信息对应的特征分布组合,所述特征提取网络组合包括多个依次连接的特征提取网络,前一个特征提取网络的输出作为后一个特征提取网络的输出,所述特征分布组合包括多个显著性区域图像信息特征分布,所述多个显著性区域图像信息特征分布与所述多个依次连接的特征提取网络一一对应;融合所述第z条显著性区域图像信息对应的特征分布组合包括的多个显著性区域图像信息特征分布,形成所述第z条显著性区域图像信息对应的融合图像信息特征分布,并融合Z条所述显著性区域图像信息分别对应的融合图像信息特征分布,形成所述示例细胞采集图像对应的示例图像信息特征分布。
在一些优选的实施例中,在上述应用于冻干细胞存储的温度控制方法中,所述应用于冻干细胞存储的温度控制方法还包括:
利用所述特征提取网络组合包括的图像特征信息挖掘单元,对待更新细胞采集图像的显著性区域图像信息进行信息挖掘,输出对应的示例显著性区域图像信息特征分布;
利用所述特征提取网络组合包括的图像特征信息挖掘单元,对所述待更新细胞采集图像的相关待更新细胞采集图像的显著性区域图像信息进行信息挖掘,输出对应的相关示例显著性区域图像信息特征分布;利用所述特征提取网络组合包括的图像特征信息挖掘单元,对所述待更新细胞采集图像的非相关待更新细胞采集图像的显著性区域图像信息进行信息挖掘,输出对应的非相关示例显著性区域图像信息特征分布,所述待更新细胞采集图像和所述相关待更新细胞采集图像通过对同一待冻存干细胞在相同温度下进行图像采集得到,所述待更新细胞采集图像和所述非相关待更新细胞采集图像通过对不同待冻存干细胞和/或不同温度下进行图像采集得到;
依据所述示例显著性区域图像信息特征分布、所述相关示例显著性区域图像信息特征分布和所述非相关示例显著性区域图像信息特征分布,分析输出对应的组合图像相似度计算学习代价值,再依据所述组合图像相似度计算学习代价值更新所述图像特征信息挖掘单元。
在一些优选的实施例中,在上述应用于冻干细胞存储的温度控制方法中,所述依据所述待冻存干细胞对应的细胞损伤识别结果,对所述待冻存干细胞在第二温度下的冰冻处理进行管控的步骤,包括:
对所述待冻存干细胞对应的细胞损伤识别结果反映的损伤程度和预先配置的参考损伤程度进行大小比较处理;
倘若所述细胞损伤识别结果反映的损伤程度大于或等于所述参考损伤程度,则确定不对所述待冻存干细胞在第二温度下进行冰冻处理;
倘若所述细胞损伤识别结果反映的损伤程度小于所述参考损伤程度,则依据该损伤程度确定出第二温度值,再依据所述第二温度值对所述待冻存干细胞在第二温度下进行冰冻处理,所述第二温度值与预先配置的第二温度参考值之间的差值与该损伤程度之间具有正相关的关系,所述第二温度值大于或等于所述第二温度参考值。
本发明实施例还提供一种应用于冻干细胞存储的温度控制系统,应用于冻干细胞监管服务器,所述应用于冻干细胞存储的温度控制系统包括:
图像采集模块,用于在第一温度下对待冻存干细胞进行图像采集,输出所述待冻存干细胞对应的细胞图像集合,所述细胞图像集合包括至少一帧细胞采集图像;
细胞损伤识别模块,用于利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞对应的细胞损伤识别结果,所述细胞损伤识别结果用于反映所述待冻存干细胞在所述第一温度下的损伤程度;
冰冻处理管控模块,用于依据所述待冻存干细胞对应的细胞损伤识别结果,对所述待冻存干细胞在第二温度下的冰冻处理进行管控,所述第二温度小于所述第一温度。
本发明实施例提供的一种应用于冻干细胞存储的温度控制方法及系统,第一温度下对待冻存干细胞进行图像采集,输出待冻存干细胞对应的细胞图像集合。利用预先更新形成的细胞损伤识别神经网络,对细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出待冻存干细胞对应的细胞损伤识别结果,细胞损伤识别结果用于反映待冻存干细胞在第一温度下的损伤程度。依据待冻存干细胞对应的细胞损伤识别结果,对待冻存干细胞在第二温度下的冰冻处理进行管控。通过前述的步骤,在温度下降的过程中对干细胞当前的损伤程度进行确定,以基于确定的损伤程度进行冰冻处理的管控,可以在一定程度上提高对冻干细胞存储的管控效果,从而改善现有技术中存在的对冻干细胞存储的管控效果不佳的问题。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
图1为本发明实施例提供的冻干细胞监管服务器的结构框图。
图2为本发明实施例提供的应用于冻干细胞存储的温度控制方法包括的各步骤的流程示意图。
图3为本发明实施例提供的应用于冻干细胞存储的温度控制系统包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例只是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参阅图1所示的内容,本发明实施例提供了一种冻干细胞监管服务器。其中,所述冻干细胞监管服务器可以包括存储器和处理器。
举例来说,在一种可以实现的示例中,所述存储器和处理器之间直接或间接地电性连接,以实现数据的传输或交互。例如,相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件(firmware)的形式,存在的软件功能模块(计算机程序)。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序,从而实现本发明实施例提供的应用于冻干细胞存储的温度控制方法。
举例来说,在一种可以实现的示例中,所述存储器可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-Only Memory,PROM),可擦除只读存储器(ErasableProgrammable Read-Only Memory,EPROM),电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory,EEPROM)等。所述处理器可以是一种通用处理器,包括中央处理器(Central Processing Unit,CPU)、网络处理器(Network Processor,NP)、片上系统(System on Chip,SoC)等;还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
举例来说,在一种可以实现的示例中,图1所示的结构仅为示意,所述冻干细胞监管服务器还可包括比图1中所示更多或者更少的组件,或具有与图1所示不同的配置,例如,可以包括用于与其它设备(如图像采集设备、温度控制设备等)进行信息交互的通信单元。
结合图2,本发明实施例还提供一种应用于冻干细胞存储的温度控制方法,可应用于上述冻干细胞监管服务器。其中,所述应用于冻干细胞存储的温度控制方法有关的流程所定义的方法步骤,可以由所述冻干细胞监管服务器实现。下面将对图2所示的具体流程,进行详细阐述。
步骤S110,在第一温度下对待冻存干细胞进行图像采集,输出所述待冻存干细胞对应的细胞图像集合。
在本发明实施例中,所述冻干细胞监管服务器可以在第一温度下对待冻存干细胞进行图像采集,输出所述待冻存干细胞对应的细胞图像集合。所述细胞图像集合包括至少一帧细胞采集图像。
步骤S120,利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞对应的细胞损伤识别结果。
在本发明实施例中,所述冻干细胞监管服务器可以利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞对应的细胞损伤识别结果。所述细胞损伤识别结果用于反映所述待冻存干细胞在所述第一温度下的损伤程度(即当前的损伤程度)。
步骤S130,依据所述待冻存干细胞对应的细胞损伤识别结果,对所述待冻存干细胞在第二温度下的冰冻处理进行管控。
在本发明实施例中,所述冻干细胞监管服务器可以依据所述待冻存干细胞对应的细胞损伤识别结果,对所述待冻存干细胞在第二温度下的冰冻处理进行管控。所述第二温度小于所述第一温度。
通过前述的步骤(如步骤S110、步骤S120和步骤S130),在温度下降的过程中对干细胞当前的损伤程度进行确定,以基于确定的损伤程度进行冰冻处理的管控,可以在一定程度上提高对冻干细胞存储的管控效果,从而改善现有技术中存在的对冻干细胞存储的管控效果不佳的问题。
举例来说,在一种可以实现的示例中,对于步骤S110包括的具体内容,可以根据以下详细的描述进行理解:
获取到依据所述待冻存干细胞在第三温度下对应的历史细胞图像集合进行细胞损伤识别处理得到的历史细胞损伤识别结果,所述第三温度大于所述第一温度,且所述第三温度对应的冰冻处理和所述第一温度的冰冻处理在时间上具有相邻关系(即上一个温度下的冰冻处理);
依据所述历史细胞损伤识别结果,确定出在第一温度下对待冻存干细胞进行图像采集的目标采集参数,再依据所述目标采集参数在第一温度下对待冻存干细胞进行图像采集,输出所述待冻存干细胞对应的细胞图像集合,所述目标采集参数包括采集帧率,所述采集帧率与所述历史细胞损伤识别结果反映的历史损伤程度之间具有正相关的对应关系(也就是说,倘若历史损伤程度越大,本次采集的细胞采集图像的数量就越多)。
举例来说,在一种可以实现的示例中,对于步骤S120包括的具体内容,可以根据以下详细的描述进行理解:
利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果;
对所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果反映的损伤程度进行损伤趋势特征提取处理,以输出所述待冻存干细胞对应的损伤趋势特征信息(例如,可以对各细胞损伤识别结果反映的损伤程度按照对应时间,进行曲线拟合,以输出对应的损伤趋势特征信息,如此,所述损伤趋势特征信息既可以通过对应的拟合曲线表示,也可以通过该拟合曲线对应的函数关系来表示),以及,将所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果中的最后一帧细胞采集图像对应的细胞损伤识别结果标记为候选细胞损伤识别结果;
依据所述损伤趋势特征信息对所述候选细胞损伤识别结果反映的损伤程度进行调整,以输出目标损伤程度,再将所述目标损伤程度标记为述待冻存干细胞对应的细胞损伤识别结果反映的损伤程度,所述损伤趋势特征信息表征的损伤趋势变化幅度与进行调整的幅度之间具有正相关关系(例如,所述损伤趋势变化幅度越大,确定出的目标损伤程度就越小)。
举例来说,在一种可以实现的示例中,对于上述描述中“利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果”包括的具体内容,可以根据以下详细的描述进行理解:
将所述细胞图像集合包括的每一帧细胞采集图像,分别加载至所述预先更新形成的细胞损伤识别神经网络中;
利用所述预先更新形成的细胞损伤识别神经网络包括的图像特征信息挖掘单元,分别对每一帧所述细胞采集图像进行信息挖掘,输出对每一帧所述细胞采集图像对应的图像信息特征分布;
利用所述预先更新形成的细胞损伤识别神经网络包括的图像特征信息比较单元,分别对每一帧所述细胞采集图像对应的图像信息特征分布进行对比识别,输出所述每一帧所述细胞采集图像与每一帧参考细胞采集图像之间的图像相似度,以及,针对每一帧所述细胞采集图像,依据该细胞采集图像和每一帧参考细胞采集图像之间的图像相似度,对每一帧所述参考细胞采集图像对应的细胞损伤标注结果进行融合(所述细胞损伤标注结果可以用于反映对应的细胞损伤程度,如此,可以通过对应的图像相似度进行加权求和,以输出对应的细胞损伤识别结果),以输出所述待冻存干细胞在该细胞采集图像下对应的细胞损伤识别结果。
举例来说,在一种可以实现的示例中,对于上述描述中“利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果”包括的具体内容,还包括对所述预先更新形成的细胞损伤识别神经网络进行更新的步骤,其中,该步骤可以根据以下详细的描述进行理解:
提取到X个示例图像集合(示例性地,可以是多个示例图像集合),每一个所述示例图像集合包括示例细胞采集图像和Y帧参考细胞采集图像(示例性地,可以是多帧参考细胞采集图像);
对于第x个示例图像集合(x属于[1,X])包括的示例细胞采集图像,确定该示例细胞采集图像与所述第x个示例图像集合包括的第y帧参考细胞采集图像(y属于[1,Y])之间的图像相似度标注值,以形成针对于所述第x个示例图像集合包括的细胞采集图像对应的图像相似度标注值集合;
利用待更新的细胞损伤识别神经网络包括的待更新图像特征信息处理单元,确定所述第x个示例图像集合包括的示例细胞采集图像与所述第x个示例图像集合包括的第y帧参考细胞采集图像之间的图像相似度计算值,以形成针对于所述第x个示例图像集合包括的细胞采集图像对应的图像相似度计算值集合;
基于所述图像相似度标注值集合和所述图像相似度计算值集合分析输出对应的图像相似度计算学习代价值,再按照所述图像相似度计算学习代价值对所述待更新图像特征信息处理单元进行更新,以输出更新形成的细胞损伤识别神经网络(示例性地,可以对所述图像相似度计算值标注值集合和所述图像相似度计算值集合的交叉熵损失,即CrossEntropy Loss,并将基于该交叉熵损失对上述的待更新图像特征信息处理单元,即上述的图像特征信息挖掘单元和图像特征信息比较单元进行更新)。
举例来说,在一种可以实现的示例中,对于上述描述中“利用待更新的细胞损伤识别神经网络包括的待更新图像特征信息处理单元,确定所述第x个示例图像集合包括的示例细胞采集图像与所述第x个示例图像集合包括的第y帧参考细胞采集图像之间的图像相似度计算值,以形成针对于所述第x个示例图像集合包括的细胞采集图像对应的图像相似度计算值集合”包括的具体内容,可以根据以下详细的描述进行理解:
利用待更新的细胞损伤识别神经网络包括的图像特征信息挖掘单元,对所述第x个示例图像集合包括的示例细胞采集图像进行信息挖掘,输出所述示例细胞采集图像对应的示例图像信息特征分布;
利用所述待更新的细胞损伤识别神经网络包括的图像特征信息比较单元,对所述示例图像信息特征分布进行对比识别,输出所述第x个示例图像集合包括的示例细胞采集图像与所述第x个示例图像集合包括的第y帧参考细胞采集图像之间的图像相似度计算值(例如,可以是计算所述示例细胞采集图像对应的示例图像信息特征分布和所述参考细胞采集图像对应的参考图像信息特征分布之间的相似度,作为所述图像相似度计算值)。
举例来说,在一种可以实现的示例中,对于上述描述中“利用待更新的细胞损伤识别神经网络包括的图像特征信息挖掘单元,对所述第x个示例图像集合包括的示例细胞采集图像进行信息挖掘,输出所述示例细胞采集图像对应的示例图像信息特征分布”包括的具体内容,可以根据以下详细的描述进行理解:
依据预设的目标图像尺寸(如10*10、20*20、15*18等),对所述示例细胞采集图像进行分割,形成Z个示例细胞采集图像块(示例性地,可以是多个示例细胞采集图像块);对于所述Z个示例细胞采集图像块中的每一个示例细胞采集图像块,对该示例细胞采集图像块包括的每一个像素特征点进行提取(像素特征点的提取方式可以参照相关的现有技术,例如,作为一种示例,可以依据一个像素点与周围区域的像素点之间的像素值之间的差异,来确定是否属于像素特征点,例如,一个像素点与周围区域的像素点之间的像素值差异较大,且周围区域的像素点之间的像素值差异较小,可以确定属于像素特征点),以形成该示例细胞采集图像块对应的像素特征点集合;对于每一个示例细胞采集图像块,依据该示例细胞采集图像块对应的像素特征点集合包括的每一个像素特征点,从该示例细胞采集图像块中,识别出由该像素特征点包围的包围区域(也就是说,将所述像素特征点进行首尾连接,再通过形成的连接线可以围合形成一个包围区域,且按照区域面积最大的原则进行连接),再将该包围区域具有的图像信息,标记为该示例细胞采集图像块对应的显著性区域图像信息;
利用待更新的细胞损伤识别神经网络包括的特征提取网络组合包括的图像特征信息挖掘单元对第z条显著性区域图像信息进行信息挖掘,输出所述第z条显著性区域图像信息对应的特征分布组合,所述特征提取网络组合包括多个依次连接的特征提取网络(所述特征提取网络可以是一种卷积神经网络,用于进行特征提取或特征挖掘,并且,在该连接关系中,在前的特征提取网络的卷积核的尺寸可以大于在后的特征提取网络的卷积核的尺寸),前一个特征提取网络的输出作为后一个特征提取网络的输出,所述特征分布组合包括多个显著性区域图像信息特征分布,所述多个显著性区域图像信息特征分布与所述多个依次连接的特征提取网络一一对应;融合(如相加等)所述第z条显著性区域图像信息对应的特征分布组合包括的多个显著性区域图像信息特征分布,形成所述第z条显著性区域图像信息对应的融合图像信息特征分布,并融合(如相加等)Z条所述显著性区域图像信息分别对应的融合图像信息特征分布,形成所述示例细胞采集图像对应的示例图像信息特征分布。
举例来说,在一种可以实现的示例中,所述应用于冻干细胞存储的温度控制方法还可以包括其它的网络更新步骤,该步骤可以包括:
利用所述特征提取网络组合包括的图像特征信息挖掘单元,对待更新细胞采集图像的显著性区域图像信息进行信息挖掘(例如,可以是进行编码处理,也就是说,所述图像特征信息挖掘单元可以是一种编码网络),输出对应的示例显著性区域图像信息特征分布;
利用所述特征提取网络组合包括的图像特征信息挖掘单元,对所述待更新细胞采集图像的相关待更新细胞采集图像的显著性区域图像信息进行信息挖掘,输出对应的相关示例显著性区域图像信息特征分布;利用所述特征提取网络组合包括的图像特征信息挖掘单元,对所述待更新细胞采集图像的非相关待更新细胞采集图像的显著性区域图像信息进行信息挖掘,输出对应的非相关示例显著性区域图像信息特征分布,所述待更新细胞采集图像和所述相关待更新细胞采集图像通过对同一待冻存干细胞在相同温度下进行图像采集得到,所述待更新细胞采集图像和所述非相关待更新细胞采集图像通过对不同待冻存干细胞和/或不同温度下进行图像采集得到;
依据所述示例显著性区域图像信息特征分布、所述相关示例显著性区域图像信息特征分布和所述非相关示例显著性区域图像信息特征分布,分析输出对应的组合图像相似度计算学习代价值,再依据所述组合图像相似度计算学习代价值更新所述图像特征信息挖掘单元(基于此,通过更新可以使得所述示例显著性区域图像信息特征分布和所述相关示例显著性区域图像信息特征分布之间的相似度逐渐增大,即差异减小,并使得所述示例显著性区域图像信息特征分布和所述非相关示例显著性区域图像信息特征分布之间的相似度逐渐减小,即差异增大)。
举例来说,在一种可以实现的示例中,对于上述描述中“对所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果反映的损伤程度进行损伤趋势特征提取处理,以输出所述待冻存干细胞对应的损伤趋势特征信息”包括的具体内容,可以根据以下详细的描述进行理解:
依据对应的细胞采集图像的图像采集时间,对所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果反映的损伤程度进行曲线拟合,以输出所述待冻存干细胞对应的第一拟合曲线,再将与所述第一拟合曲线之间的偏离度大于预设值的每一个细胞损伤识别结果标记为异常细胞损伤识别结果(所述偏离度可以是指与所述第一拟合曲线之间的距离,预设值可以根据精度需求配置),再依据对应的细胞采集图像的图像采集时间,对所述细胞损伤识别结果进行排序,以形成细胞损伤识别结果有序集合;
对所述细胞损伤识别结果有序集合进行指定窗口大小的分割处理,以形成所述细胞损伤识别结果有序集合对应的多个细胞损伤识别结果有序子集合,每相邻的两个所述细胞损伤识别结果有序子集合包括的细胞损伤识别结果之间具有重合的细胞损伤识别结果(可以是不完全重合,即部分重合,如所述指定窗口大小为10,可以是2-5个细胞损伤识别结果属于重合的细胞损伤识别结果,即前一个细胞损伤识别结果有序子集合包括的最后2-5个细胞损伤识别结果与后一个细胞损伤识别结果有序子集合包括的前2-5个细胞损伤识别结果重合),每一个所述细胞损伤识别结果有序子集合包括的细胞损伤识别结果的数量依据所述指定窗口大小确定;
对于相邻的每两个细胞损伤识别结果有序子集合,将该两个细胞损伤识别结果有序子集合标记为对应的第一细胞损伤识别结果有序子集合和第二细胞损伤识别结果有序子集合,所述第一细胞损失识别结果有序子集合为相邻两个细胞损伤识别结果有序子集合中的前者;
对于每一个所述第一细胞损失识别结果有序子集合,对该第一细胞损失结果有序子集合对应的第二细胞损失识别结果有序子集合包括的细胞损失结果的顺序进行至少一次调整(调整的幅度可以预先配置,如2、3、4、5等),以形成新的第二细胞损失识别结果有序子集合,使得该第一细胞损失识别结果有序子集合对应有多个第二细胞损失识别结果有序子集合,在进行多次调整时,任意两次调整的幅度相同,调整的幅度是指所述第二细胞损失识别结果有序子集合中顺序位置调整的细胞损失结果的数量;
对于每一个所述第一细胞损失识别结果有序子集合和该第一细胞损失识别结果有序子集合对应的多个第二细胞损失识别结果有序子集合中的每一个第二细胞损失识别结果有序子集合,对该第一细胞损失识别结果有序子集合和该第二细胞损失识别结果有序子集合进行对比,以确定出具有相同的细胞损失识别结果的每一个目标顺序位置(即一个顺序位置对应的两个细胞损失识别结果相同,则将该顺序位置标记为目标顺序位置),以形成该第二细胞损失识别结果有序子集合对应的位置集合;
对于每一个所述第一细胞损失识别结果有序子集合,对该第一细胞损失识别结果有序子集合对应的多个第二细胞损失识别结果有序子集合对应的多个位置集合进行取交集处理,以输出该第一细胞损失识别结果有序子集合对应的位置交集集合,再依据每一个所述第一细胞损失识别结果有序子集合对应的位置交集集合,对所述异常细胞损伤识别结果进行召回处理,以将对应的顺序位置属于所述位置交集集合的每一个异常细胞损伤识别结果重新标记为非异常细胞损伤识别结果;
依据当前具有的每一个非异常细胞损伤识别结果(包括与所述第一拟合曲线之间的偏离度不大于预设值的每一个细胞损伤识别结果)反映的损伤程度进行曲线拟合,以输出所述待冻存干细胞对应的第二拟合曲线,再将该第二拟合曲线标记为所述待冻存干细胞对应的损伤趋势特征信息。
举例来说,在一种可以实现的示例中,对于步骤S130包括的具体内容,可以根据以下详细的描述进行理解:
对所述待冻存干细胞对应的细胞损伤识别结果反映的损伤程度和预先配置的参考损伤程度进行大小比较处理;
倘若所述细胞损伤识别结果反映的损伤程度大于或等于所述参考损伤程度(表明损伤程度已经较大,不适宜继续降温),则确定不对所述待冻存干细胞在第二温度下进行冰冻处理(此时,可以采用其它的现有的冰冻处理的方式,在此不做具体限定);
倘若所述细胞损伤识别结果反映的损伤程度小于所述参考损伤程度,则依据该损伤程度确定出第二温度值,再依据所述第二温度值对所述待冻存干细胞在第二温度下进行冰冻处理,所述第二温度值与预先配置的第二温度参考值之间的差值与该损伤程度之间具有正相关的关系,所述第二温度值大于或等于所述第二温度参考值。
结合图3,本发明实施例还提供一种应用于冻干细胞存储的温度控制系统,可应用于上述冻干细胞监管服务器。其中,所述应用于冻干细胞存储的温度控制系统可以包括图像采集模块、细胞损伤识别模块和冰冻处理管控模块,以及,可能的其它软件功能模块。
举例来说,在一种可以实现的示例中,所述图像采集模块,用于在第一温度下对待冻存干细胞进行图像采集,输出所述待冻存干细胞对应的细胞图像集合,所述细胞图像集合包括至少一帧细胞采集图像。
举例来说,在一种可以实现的示例中,所述细胞损伤识别模块,用于利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞对应的细胞损伤识别结果,所述细胞损伤识别结果用于反映所述待冻存干细胞在所述第一温度下的损伤程度。
举例来说,在一种可以实现的示例中,所述冰冻处理管控模块,用于依据所述待冻存干细胞对应的细胞损伤识别结果,对所述待冻存干细胞在第二温度下的冰冻处理进行管控,所述第二温度小于所述第一温度。
综上所述,本发明提供的一种应用于冻干细胞存储的温度控制方法及系统,第一温度下对待冻存干细胞进行图像采集,输出待冻存干细胞对应的细胞图像集合。利用预先更新形成的细胞损伤识别神经网络,对细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出待冻存干细胞对应的细胞损伤识别结果,细胞损伤识别结果用于反映待冻存干细胞在第一温度下的损伤程度。依据待冻存干细胞对应的细胞损伤识别结果,对待冻存干细胞在第二温度下的冰冻处理进行管控。通过前述的步骤,在温度下降的过程中对干细胞当前的损伤程度进行确定,以基于确定的损伤程度进行冰冻处理的管控,可以在一定程度上提高对冻干细胞存储的管控效果,从而改善现有技术中存在的对冻干细胞存储的管控效果不佳的问题。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种应用于冻干细胞存储的温度控制方法,其特征在于,应用于冻干细胞监管服务器,所述应用于冻干细胞存储的温度控制方法包括:
在第一温度下对待冻存干细胞进行图像采集,输出所述待冻存干细胞对应的细胞图像集合,所述细胞图像集合包括至少一帧细胞采集图像;
利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞对应的细胞损伤识别结果,所述细胞损伤识别结果用于反映所述待冻存干细胞在所述第一温度下的损伤程度;
依据所述待冻存干细胞对应的细胞损伤识别结果,对所述待冻存干细胞在第二温度下的冰冻处理进行管控,所述第二温度小于所述第一温度;
其中,所述利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞对应的细胞损伤识别结果的步骤,包括:
利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果;
对所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果反映的损伤程度进行损伤趋势特征提取处理,以输出所述待冻存干细胞对应的损伤趋势特征信息,以及,将所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果中的最后一帧细胞采集图像对应的细胞损伤识别结果标记为候选细胞损伤识别结果;
依据所述损伤趋势特征信息对所述候选细胞损伤识别结果反映的损伤程度进行调整,以输出目标损伤程度,再将所述目标损伤程度标记为述待冻存干细胞对应的细胞损伤识别结果反映的损伤程度,所述损伤趋势特征信息表征的损伤趋势变化幅度与进行调整的幅度之间具有正相关关系;
其中,所述利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果的步骤,包括:
将所述细胞图像集合包括的每一帧细胞采集图像,分别加载至所述预先更新形成的细胞损伤识别神经网络中;
利用所述预先更新形成的细胞损伤识别神经网络包括的图像特征信息挖掘单元,分别对每一帧所述细胞采集图像进行信息挖掘,输出对每一帧所述细胞采集图像对应的图像信息特征分布;
利用所述预先更新形成的细胞损伤识别神经网络包括的图像特征信息比较单元,分别对每一帧所述细胞采集图像对应的图像信息特征分布进行对比识别,输出所述每一帧所述细胞采集图像与每一帧参考细胞采集图像之间的图像相似度,以及,针对每一帧所述细胞采集图像,依据该细胞采集图像和每一帧参考细胞采集图像之间的图像相似度,对每一帧所述参考细胞采集图像对应的细胞损伤标注结果进行融合,以输出所述待冻存干细胞在该细胞采集图像下对应的细胞损伤识别结果。
2.如权利要求1所述的应用于冻干细胞存储的温度控制方法,其特征在于,所述在第一温度下对待冻存干细胞进行图像采集,输出所述待冻存干细胞对应的细胞图像集合的步骤,包括:
获取到依据所述待冻存干细胞在第三温度下对应的历史细胞图像集合进行细胞损伤识别处理得到的历史细胞损伤识别结果,所述第三温度大于所述第一温度,且所述第三温度对应的冰冻处理和所述第一温度的冰冻处理在时间上具有相邻关系;
依据所述历史细胞损伤识别结果,确定出在第一温度下对待冻存干细胞进行图像采集的目标采集参数,再依据所述目标采集参数在第一温度下对待冻存干细胞进行图像采集,输出所述待冻存干细胞对应的细胞图像集合,所述目标采集参数包括采集帧率,所述采集帧率与所述历史细胞损伤识别结果反映的历史损伤程度之间具有正相关的对应关系。
3.如权利要求1所述的应用于冻干细胞存储的温度控制方法,其特征在于,所述利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果的步骤,还包括对所述预先更新形成的细胞损伤识别神经网络进行更新的步骤,其中,对所述预先更新形成的细胞损伤识别神经网络进行更新的步骤,包括:
提取到X个示例图像集合,每一个所述示例图像集合包括示例细胞采集图像和Y帧参考细胞采集图像;
对于第x个示例图像集合包括的示例细胞采集图像,确定该示例细胞采集图像与所述第x个示例图像集合包括的第y帧参考细胞采集图像之间的图像相似度标注值,以形成针对于所述第x个示例图像集合包括的细胞采集图像对应的图像相似度标注值集合;
利用待更新的细胞损伤识别神经网络包括的待更新图像特征信息处理单元,确定所述第x个示例图像集合包括的示例细胞采集图像与所述第x个示例图像集合包括的第y帧参考细胞采集图像之间的图像相似度计算值,以形成针对于所述第x个示例图像集合包括的细胞采集图像对应的图像相似度计算值集合;
基于所述图像相似度标注值集合和所述图像相似度计算值集合分析输出对应的图像相似度计算学习代价值,再按照所述图像相似度计算学习代价值对所述待更新图像特征信息处理单元进行更新,以输出更新形成的细胞损伤识别神经网络。
4.如权利要求3所述的应用于冻干细胞存储的温度控制方法,其特征在于,所述利用待更新的细胞损伤识别神经网络包括的待更新图像特征信息处理单元,确定所述第x个示例图像集合包括的示例细胞采集图像与所述第x个示例图像集合包括的第y帧参考细胞采集图像之间的图像相似度计算值,以形成针对于所述第x个示例图像集合包括的细胞采集图像对应的图像相似度计算值集合的步骤,包括:
利用待更新的细胞损伤识别神经网络包括的图像特征信息挖掘单元,对所述第x个示例图像集合包括的示例细胞采集图像进行信息挖掘,输出所述示例细胞采集图像对应的示例图像信息特征分布;
利用所述待更新的细胞损伤识别神经网络包括的图像特征信息比较单元,对所述示例图像信息特征分布进行对比识别,输出所述第x个示例图像集合包括的示例细胞采集图像与所述第x个示例图像集合包括的第y帧参考细胞采集图像之间的图像相似度计算值。
5.如权利要求4所述的应用于冻干细胞存储的温度控制方法,其特征在于,所述利用待更新的细胞损伤识别神经网络包括的图像特征信息挖掘单元,对所述第x个示例图像集合包括的示例细胞采集图像进行信息挖掘,输出所述示例细胞采集图像对应的示例图像信息特征分布的步骤,包括:
依据预设的目标图像尺寸,对所述示例细胞采集图像进行分割,形成Z个示例细胞采集图像块;对于所述Z个示例细胞采集图像块中的每一个示例细胞采集图像块,对该示例细胞采集图像块包括的每一个像素特征点进行提取,以形成该示例细胞采集图像块对应的像素特征点集合;对于每一个示例细胞采集图像块,依据该示例细胞采集图像块对应的像素特征点集合包括的每一个像素特征点,从该示例细胞采集图像块中,识别出由该像素特征点包围的包围区域,再将该包围区域具有的图像信息,标记为该示例细胞采集图像块对应的显著性区域图像信息;
利用待更新的细胞损伤识别神经网络包括的特征提取网络组合包括的图像特征信息挖掘单元对第z条显著性区域图像信息进行信息挖掘,输出所述第z条显著性区域图像信息对应的特征分布组合,所述特征提取网络组合包括多个依次连接的特征提取网络,前一个特征提取网络的输出作为后一个特征提取网络的输出,所述特征分布组合包括多个显著性区域图像信息特征分布,所述多个显著性区域图像信息特征分布与所述多个依次连接的特征提取网络一一对应;融合所述第z条显著性区域图像信息对应的特征分布组合包括的多个显著性区域图像信息特征分布,形成所述第z条显著性区域图像信息对应的融合图像信息特征分布,并融合Z条所述显著性区域图像信息分别对应的融合图像信息特征分布,形成所述示例细胞采集图像对应的示例图像信息特征分布。
6.如权利要求5所述的应用于冻干细胞存储的温度控制方法,其特征在于,所述应用于冻干细胞存储的温度控制方法还包括:
利用所述特征提取网络组合包括的图像特征信息挖掘单元,对待更新细胞采集图像的显著性区域图像信息进行信息挖掘,输出对应的示例显著性区域图像信息特征分布;
利用所述特征提取网络组合包括的图像特征信息挖掘单元,对所述待更新细胞采集图像的相关待更新细胞采集图像的显著性区域图像信息进行信息挖掘,输出对应的相关示例显著性区域图像信息特征分布;利用所述特征提取网络组合包括的图像特征信息挖掘单元,对所述待更新细胞采集图像的非相关待更新细胞采集图像的显著性区域图像信息进行信息挖掘,输出对应的非相关示例显著性区域图像信息特征分布,所述待更新细胞采集图像和所述相关待更新细胞采集图像通过对同一待冻存干细胞在相同温度下进行图像采集得到,所述待更新细胞采集图像和所述非相关待更新细胞采集图像通过对不同待冻存干细胞和/或不同温度下进行图像采集得到;
依据所述示例显著性区域图像信息特征分布、所述相关示例显著性区域图像信息特征分布和所述非相关示例显著性区域图像信息特征分布,分析输出对应的组合图像相似度计算学习代价值,再依据所述组合图像相似度计算学习代价值更新所述图像特征信息挖掘单元。
7.如权利要求1-6任意一项所述的应用于冻干细胞存储的温度控制方法,其特征在于,所述依据所述待冻存干细胞对应的细胞损伤识别结果,对所述待冻存干细胞在第二温度下的冰冻处理进行管控的步骤,包括:
对所述待冻存干细胞对应的细胞损伤识别结果反映的损伤程度和预先配置的参考损伤程度进行大小比较处理;
倘若所述细胞损伤识别结果反映的损伤程度大于或等于所述参考损伤程度,则确定不对所述待冻存干细胞在第二温度下进行冰冻处理;
倘若所述细胞损伤识别结果反映的损伤程度小于所述参考损伤程度,则依据该损伤程度确定出第二温度值,再依据所述第二温度值对所述待冻存干细胞在第二温度下进行冰冻处理,所述第二温度值与预先配置的第二温度参考值之间的差值与该损伤程度之间具有正相关的关系,所述第二温度值大于或等于所述第二温度参考值。
8.一种应用于冻干细胞存储的温度控制系统,其特征在于,应用于冻干细胞监管服务器,所述应用于冻干细胞存储的温度控制系统包括:
图像采集模块,用于在第一温度下对待冻存干细胞进行图像采集,输出所述待冻存干细胞对应的细胞图像集合,所述细胞图像集合包括至少一帧细胞采集图像;
细胞损伤识别模块,用于利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞对应的细胞损伤识别结果,所述细胞损伤识别结果用于反映所述待冻存干细胞在所述第一温度下的损伤程度;
冰冻处理管控模块,用于依据所述待冻存干细胞对应的细胞损伤识别结果,对所述待冻存干细胞在第二温度下的冰冻处理进行管控,所述第二温度小于所述第一温度;
其中,所述利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞对应的细胞损伤识别结果,包括:
利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果;
对所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果反映的损伤程度进行损伤趋势特征提取处理,以输出所述待冻存干细胞对应的损伤趋势特征信息,以及,将所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果中的最后一帧细胞采集图像对应的细胞损伤识别结果标记为候选细胞损伤识别结果;
依据所述损伤趋势特征信息对所述候选细胞损伤识别结果反映的损伤程度进行调整,以输出目标损伤程度,再将所述目标损伤程度标记为述待冻存干细胞对应的细胞损伤识别结果反映的损伤程度,所述损伤趋势特征信息表征的损伤趋势变化幅度与进行调整的幅度之间具有正相关关系;
其中,所述利用预先更新形成的细胞损伤识别神经网络,对所述细胞图像集合包括的每一帧细胞采集图像进行细胞损伤识别处理,以输出所述待冻存干细胞在每一帧细胞采集图像下对应的细胞损伤识别结果,包括:
将所述细胞图像集合包括的每一帧细胞采集图像,分别加载至所述预先更新形成的细胞损伤识别神经网络中;
利用所述预先更新形成的细胞损伤识别神经网络包括的图像特征信息挖掘单元,分别对每一帧所述细胞采集图像进行信息挖掘,输出对每一帧所述细胞采集图像对应的图像信息特征分布;
利用所述预先更新形成的细胞损伤识别神经网络包括的图像特征信息比较单元,分别对每一帧所述细胞采集图像对应的图像信息特征分布进行对比识别,输出所述每一帧所述细胞采集图像与每一帧参考细胞采集图像之间的图像相似度,以及,针对每一帧所述细胞采集图像,依据该细胞采集图像和每一帧参考细胞采集图像之间的图像相似度,对每一帧所述参考细胞采集图像对应的细胞损伤标注结果进行融合,以输出所述待冻存干细胞在该细胞采集图像下对应的细胞损伤识别结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211571620.1A CN115690785B (zh) | 2022-12-08 | 2022-12-08 | 一种应用于冻干细胞存储的温度控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211571620.1A CN115690785B (zh) | 2022-12-08 | 2022-12-08 | 一种应用于冻干细胞存储的温度控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115690785A CN115690785A (zh) | 2023-02-03 |
CN115690785B true CN115690785B (zh) | 2023-06-06 |
Family
ID=85055504
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211571620.1A Active CN115690785B (zh) | 2022-12-08 | 2022-12-08 | 一种应用于冻干细胞存储的温度控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115690785B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116806814B (zh) * | 2023-06-30 | 2024-04-12 | 广东美赛尔细胞生物科技有限公司 | 一种间充质干细胞外泌体保存温度控制方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104673752A (zh) * | 2015-03-14 | 2015-06-03 | 李�根 | 一种人脑干细胞库构建方法 |
CN112233061A (zh) * | 2020-09-07 | 2021-01-15 | 中国人民解放军海军军医大学第一附属医院 | 一种基于深度学习的皮肤基底细胞癌和鲍温病识别方法 |
WO2021231978A1 (en) * | 2020-05-14 | 2021-11-18 | New York Stem Cell Foundation, Inc. | Method and system for predicting cellular aging |
CN114359899A (zh) * | 2021-12-09 | 2022-04-15 | 首都医科大学附属北京天坛医院 | 细胞共培养模型及细胞模型构建方法、计算机设备及存储介质 |
CN114463746A (zh) * | 2021-12-24 | 2022-05-10 | 天翼云科技有限公司 | 目标识别模型训练以及细胞识别方法、装置及电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3426602B1 (en) * | 2016-03-07 | 2021-12-08 | X-Zell Inc. | Compositions and methods for identifying rare cells |
-
2022
- 2022-12-08 CN CN202211571620.1A patent/CN115690785B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104673752A (zh) * | 2015-03-14 | 2015-06-03 | 李�根 | 一种人脑干细胞库构建方法 |
WO2021231978A1 (en) * | 2020-05-14 | 2021-11-18 | New York Stem Cell Foundation, Inc. | Method and system for predicting cellular aging |
CN112233061A (zh) * | 2020-09-07 | 2021-01-15 | 中国人民解放军海军军医大学第一附属医院 | 一种基于深度学习的皮肤基底细胞癌和鲍温病识别方法 |
CN114359899A (zh) * | 2021-12-09 | 2022-04-15 | 首都医科大学附属北京天坛医院 | 细胞共培养模型及细胞模型构建方法、计算机设备及存储介质 |
CN114463746A (zh) * | 2021-12-24 | 2022-05-10 | 天翼云科技有限公司 | 目标识别模型训练以及细胞识别方法、装置及电子设备 |
Non-Patent Citations (2)
Title |
---|
Mindaugas Norkus et al.On the Application of Active Learning and Gaussian Processes in Postcryopreservation Cell Membrane Integrity Experiments.《IEEE/ACM TRANSACTIONS ON COMPUTATIONAL BIOLOGY AND BIOINFORMATICS》.2012,第9卷(第3期),第846-856页. * |
存储条件对骨髓间充质干细胞的生物学特性和修复脊髓损伤效能的影响;许凤燕 等;《解剖科学进展》;第23卷(第4期);第411-419页 * |
Also Published As
Publication number | Publication date |
---|---|
CN115690785A (zh) | 2023-02-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115690785B (zh) | 一种应用于冻干细胞存储的温度控制方法及系统 | |
CN116597343A (zh) | 基于集成学习算法的高速公路气象识别方法及装置 | |
CN114139016A (zh) | 一种智慧小区的数据处理方法及系统 | |
CN116109988B (zh) | 基于人工智能和无人机的异常监控方法及系统 | |
CN116821729A (zh) | 用于驱动测量标定的数据处理系统 | |
CN116757870A (zh) | 一种能源物联网的智慧能源监控数据处理方法及系统 | |
CN116566766A (zh) | 一种智慧电力网关管控方法及系统 | |
CN116738261A (zh) | 基于聚类分箱的数值型特征离散化归因分析方法及装置 | |
CN115616408A (zh) | 电池热管理数据处理方法及系统 | |
CN115205687A (zh) | 用于污水处理的远程控制方法及系统 | |
CN114720812A (zh) | 一种配电网故障处理与故障定位的方法及系统 | |
CN115001394A (zh) | 基于人工智能的太阳能电池状态监测方法及系统 | |
CN117149846B (zh) | 一种基于数据融合的电力数据分析方法和系统 | |
CN114827538B (zh) | 一种智慧工地的施工进度监控方法及系统 | |
CN115700821B (zh) | 一种基于图像处理的细胞识别方法及系统 | |
CN117878929B (zh) | 基于多源数据融合的负荷控制终端预测方法 | |
CN116996403B (zh) | 应用ai模型的网络流量诊断方法及系统 | |
CN116437057B (zh) | 乙硼烷生产监控系统的系统优化方法及系统 | |
CN116662415B (zh) | 基于数据挖掘的智能匹配方法及系统 | |
CN116994609B (zh) | 应用于智能生产线的数据分析方法及系统 | |
CN114297441B (zh) | 视频对象检索方法、装置、计算机设备及可读存储介质 | |
CN117035429A (zh) | 基于大数据和多特征融合的风控处理方法及系统 | |
CN117351422A (zh) | 一种智慧楼宇的监控方法及系统 | |
CN117496198A (zh) | 一种智慧小区楼宇自控方法及系统 | |
CN116957851A (zh) | 光伏发电功率的预测方法、装置、计算机设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |