CN116926241A - 一种免疫细胞培养控制方法及系统 - Google Patents
一种免疫细胞培养控制方法及系统 Download PDFInfo
- Publication number
- CN116926241A CN116926241A CN202310794507.8A CN202310794507A CN116926241A CN 116926241 A CN116926241 A CN 116926241A CN 202310794507 A CN202310794507 A CN 202310794507A CN 116926241 A CN116926241 A CN 116926241A
- Authority
- CN
- China
- Prior art keywords
- immune cell
- cell culture
- state data
- culture state
- model
- 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
- 210000002865 immune cell Anatomy 0.000 title claims abstract description 416
- 238000004113 cell culture Methods 0.000 title claims abstract description 415
- 238000000034 method Methods 0.000 title claims abstract description 33
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 210000004698 lymphocyte Anatomy 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 210000001539 phagocyte Anatomy 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q3/00—Condition responsive control processes
Landscapes
- Organic Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Biotechnology (AREA)
- Molecular Biology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Microbiology (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Genetics & Genomics (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
Abstract
本发明实施例提供了一种免疫细胞培养控制方法及系统，先对初始化的免疫细胞培养控制决策模型进行模型权重参数更新，再基于积极参考免疫细胞培养状态数据的培养状态向量和消极参考免疫细胞培养状态数据的培养状态向量对模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新，使得生成的免疫细胞培养控制决策模型可以更好地拟合免疫细胞培养状态数据，从而提高免疫细胞培养控制决策模型的决策精准度。
Description
技术领域
本发明涉及AI技术领域，具体而言，涉及一种免疫细胞培养控制方法及系统。
背景技术
免疫细胞俗称白细胞，包括淋巴细胞和各种吞噬细胞等，淋巴细胞是免疫系统的基本成分，在体内分布很广泛，随着医疗行业的不断发展，需要在免疫细胞培养过程中，实时对免疫细胞培养数据进行控制，例如可以通过基于AI技术的免疫细胞培养控制决策模型进行控制，而现有技术中免疫细胞培养控制决策模型的决策精准度较低。
发明内容
有鉴于此，本发明实施例的目的在于提供一种免疫细胞培养控制方法及系统，先对初始化的免疫细胞培养控制决策模型进行模型权重参数更新，再基于积极参考免疫细胞培养状态数据的培养状态向量和消极参考免疫细胞培养状态数据的培养状态向量对模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新，使得生成的免疫细胞培养控制决策模型可以更好地拟合免疫细胞培养状态数据，从而提高免疫细胞培养控制决策模型的决策精准度。
依据本发明实施例的一个方面，提供一种免疫细胞培养控制方法，所述方法包括：
获取第一参考免疫细胞培养状态数据序列；所述第一参考免疫细胞培养状态数据序列包括参考免疫细胞培养状态数据的培养状态向量和参考培养控制特征；
基于所述参考免疫细胞培养状态数据的培养状态向量以及参考培养控制特征，对初始化的免疫细胞培养控制决策模型进行模型权重参数更新，生成模型权重参数更新后的免疫细胞培养控制决策模型；
基于第二参考免疫细胞培养状态数据序列，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新；所述第二参考免疫细胞培养状态数据序列包括积极参考免疫细胞培养状态数据的培养状态向量和消极参考免疫细胞培养状态数据的培养状态向量；
若更新后的免疫细胞培养控制决策模型符合模型更新终止要求，则将所述更新后的免疫细胞培养控制决策模型作为可部署使用的免疫细胞培养控制决策模型。
在一种可能的实施方式中，所述基于所述参考免疫细胞培养状态数据的培养状态向量以及参考培养控制特征，对初始化的免疫细胞培养控制决策模型进行模型权重参数更新，包括：
将所述参考免疫细胞培养状态数据的培养状态向量输入初始化的免疫细胞培养控制决策模型中，生成所述初始化的免疫细胞培养控制决策模型生成的所述参考免疫细胞培养状态数据的预测培养控制特征；
基于所述初始化的免疫细胞培养控制决策模型生成的所述参考免疫细胞培养状态数据的预测培养控制特征以及对应的参考培养控制特征，获取所述初始化的免疫细胞培养控制决策模型的决策误差值；
基于所述决策误差值更新所述初始化的免疫细胞培养控制决策模型的模型权重参数信息，直至所述决策误差值低于第一设定值时，将所述初始化的免疫细胞培养控制决策模型作为所述模型权重参数更新后的免疫细胞培养控制决策模型。
在一种可能的实施方式中，所述基于第二参考免疫细胞培养状态数据序列，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新，包括：
基于所述积极参考免疫细胞培养状态数据的培养状态向量和所述消极参考免疫细胞培养状态数据的培养状态向量，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新，生成所述模型权重参数更新后的免疫细胞培养控制决策模型的决策误差值；
基于所述决策误差值，对所述模型权重参数更新后的免疫细胞培养控制决策模型的模型权重参数信息进行更新；
重新训练模型权重参数信息更新后的免疫细胞培养控制决策模型，直至基于更新后的免疫细胞培养控制决策模型得到的所述决策误差值小于第二设定值，则确认所述更新后的免疫细胞培养控制决策模型符合所述模型更新终止要求。
在一种可能的实施方式中，所述方法还包括：
获取云服务中部署的免疫细胞培养控制决策模型解析出的免疫细胞培养状态数据，将所述免疫细胞培养状态数据发送至对应的训练评估节点，触发所述训练评估节点返回所述免疫细胞培养状态数据的培养控制标签；
从所述免疫细胞培养状态数据中，将所述培养控制标签与预设培养控制标签匹配成功的免疫细胞培养状态数据确定为所述积极参考免疫细胞培养状态数据，将所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据确定为所述消极参考免疫细胞培养状态数据。
在一种可能的实施方式中，所述免疫细胞培养状态数据携带对应的参考培养控制特征；
所述将所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据确定为所述消极参考免疫细胞培养状态数据，包括：
从所述免疫细胞培养状态数据中，提取所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据；
基于所述参考培养控制特征，将提取的所述免疫细胞培养状态数据进行分类，生成多个免疫细胞培养状态数据序列；
分别从各个所述免疫细胞培养状态数据序列中选取出预设数量的免疫细胞培养状态数据，作为所述消极参考免疫细胞培养状态数据。
在一种可能的实施方式中，所述方法还包括：
获取目标免疫细胞培养状态数据的培养状态向量；
将所述目标免疫细胞培养状态数据的培养状态向量输入可部署使用的免疫细胞培养控制决策模型，生成所述目标免疫细胞培养状态数据在预设培养控制标签下的预测培养控制特征；
基于所述目标免疫细胞培养状态数据在预设培养控制标签下的预测培养控制特征对所述目标免疫细胞培养状态数据的对应的免疫细胞培养设备进行控制。
依据本发明实施例的另一个方面，提供一种免疫细胞培养控制系统，包括：
获取单元，用于获取第一参考免疫细胞培养状态数据序列；所述第一参考免疫细胞培养状态数据序列包括参考免疫细胞培养状态数据的培养状态向量和参考培养控制特征；
第一更新单元，用于基于所述参考免疫细胞培养状态数据的培养状态向量以及参考培养控制特征，对初始化的免疫细胞培养控制决策模型进行模型权重参数更新，生成模型权重参数更新后的免疫细胞培养控制决策模型；
第二更新单元，用于基于第二参考免疫细胞培养状态数据序列，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新；所述第二参考免疫细胞培养状态数据序列包括积极参考免疫细胞培养状态数据的培养状态向量和消极参考免疫细胞培养状态数据的培养状态向量；
输出单元，用于若更新后的免疫细胞培养控制决策模型符合模型更新终止要求，则将所述更新后的免疫细胞培养控制决策模型作为可部署使用的免疫细胞培养控制决策模型。
在一种可能的实施方式中，所述基于所述参考免疫细胞培养状态数据的培养状态向量以及参考培养控制特征，对初始化的免疫细胞培养控制决策模型进行模型权重参数更新，包括：
将所述参考免疫细胞培养状态数据的培养状态向量输入初始化的免疫细胞培养控制决策模型中，生成所述初始化的免疫细胞培养控制决策模型生成的所述参考免疫细胞培养状态数据的预测培养控制特征；
基于所述初始化的免疫细胞培养控制决策模型生成的所述参考免疫细胞培养状态数据的预测培养控制特征以及对应的参考培养控制特征，获取所述初始化的免疫细胞培养控制决策模型的决策误差值；
基于所述决策误差值更新所述初始化的免疫细胞培养控制决策模型的模型权重参数信息，直至所述决策误差值低于第一设定值时，将所述初始化的免疫细胞培养控制决策模型作为所述模型权重参数更新后的免疫细胞培养控制决策模型；
所述基于第二参考免疫细胞培养状态数据序列，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新，包括：
基于所述积极参考免疫细胞培养状态数据的培养状态向量和所述消极参考免疫细胞培养状态数据的培养状态向量，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新，生成所述模型权重参数更新后的免疫细胞培养控制决策模型的决策误差值；
基于所述决策误差值，对所述模型权重参数更新后的免疫细胞培养控制决策模型的模型权重参数信息进行更新；
重新训练模型权重参数信息更新后的免疫细胞培养控制决策模型，直至基于更新后的免疫细胞培养控制决策模型得到的所述决策误差值小于第二设定值，则确认所述更新后的免疫细胞培养控制决策模型符合所述模型更新终止要求；
所述获取单元，还用于获取云服务中部署的免疫细胞培养控制决策模型解析出的免疫细胞培养状态数据，将所述免疫细胞培养状态数据发送至对应的训练评估节点，触发所述训练评估节点返回所述免疫细胞培养状态数据的培养控制标签；
从所述免疫细胞培养状态数据中，将所述培养控制标签与预设培养控制标签匹配成功的免疫细胞培养状态数据确定为所述积极参考免疫细胞培养状态数据，将所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据确定为所述消极参考免疫细胞培养状态数据；
所述免疫细胞培养状态数据携带对应的参考培养控制特征；
所述将所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据确定为所述消极参考免疫细胞培养状态数据，包括：
从所述免疫细胞培养状态数据中，提取所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据；
基于所述参考培养控制特征，将提取的所述免疫细胞培养状态数据进行分类，生成多个免疫细胞培养状态数据序列；
分别从各个所述免疫细胞培养状态数据序列中选取出预设数量的免疫细胞培养状态数据，作为所述消极参考免疫细胞培养状态数据；
所述输出单元，还用于获取目标免疫细胞培养状态数据的培养状态向量；
将所述目标免疫细胞培养状态数据的培养状态向量输入可部署使用的免疫细胞培养控制决策模型，生成所述目标免疫细胞培养状态数据在预设培养控制标签下的预测培养控制特征；
基于所述目标免疫细胞培养状态数据在预设培养控制标签下的预测培养控制特征对所述目标免疫细胞培养状态数据的对应的免疫细胞培养设备进行控制。
依据本发明实施例的另一个方面，提供一种电子设备，包括存储器和处理器；所述存储器，用于存储程序；所述处理器，用于执行所述程序，实现以上任一项所述的免疫细胞培养控制方法的各个步骤。
依据本发明实施例的另一个方面，提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现以上任一项所述的免疫细胞培养控制方法的各个步骤。
为使本发明实施例的上述目的、特征和优点能更明显易懂，下面将结合实施例，并配合所附附图，作详细说明。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以依据这些附图获得其他相关的附图。
图1示出了本发明实施例所提供的服务器的组件示意图；
图2示出了本发明实施例所提供的免疫细胞培养控制方法及系统的流程示意图；
图3示出了本发明实施例所提供的免疫细胞培养控制系统的功能模块框图。
具体实施方式
为了使本技术领域的学员更好地理解本发明方案，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，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。依据本发明中的实施例，本领域普通技术人员在没有做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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
图1示出了服务器100的示例性组件示意图。服务器100可以包括一个或多个处理器104，诸如一个或多个中央处理单元(CPU)，每个处理单元可以实现一个或多个硬件线程。服务器100还可以包括任何存储介质106，其用于存储诸如代码、设置、数据等之类的任何种类的信息。非限制性的，比如，存储介质106可以包括以下任一项或多种组合：任何类型的RAM，任何类型的ROM，闪存设备，硬盘，光盘等。更一般地，任何存储介质都可以使用任何技术来存储信息。进一步地，任何存储介质可以提供信息的易失性或非易失性保留。进一步地，任何存储介质可以表示服务器100的固定或可移除部件。在一种情况下，当处理器104执行被存储在任何存储介质或存储介质的组合中的相关联的指令时，服务器100可以执行相关联指令的任一操作。服务器100还包括用于与任何存储介质交互的一个或多个驱动单元108，诸如硬盘驱动单元、光盘驱动单元等。
服务器100还包括输入/输出110（I/O），其用于接收各种输入(经由输入单元112)和用于提供各种输出(经由输出单元114))。一个具体输出机构可以包括呈现设备116和相关联的图形用户接口(GUI)118。服务器100还可以包括一个或多个网络接口120，其用于经由一个或多个通信单元122与其他设备交换数据。一个或多个通信总线124将上文所描述的部件耦合在一起。
通信单元122可以以任何方式实现，例如，通过局域网、广域网(例如，因特网)、点对点连接等、或其任何组合。通信单元122可以包括由任何协议或协议组合支配的硬连线链路、无线链路、路由器、网关功能、名称服务器100等的任何组合。
图2示出了本发明实施例提供的免疫细胞培养控制方法及系统的流程示意图，该免疫细胞培养控制方法及系统可由图1中所示的服务器100执行，该免疫细胞培养控制方法及系统的详细步骤介绍如下。
步骤S110，获取第一参考免疫细胞培养状态数据序列；所述第一参考免疫细胞培养状态数据序列包括参考免疫细胞培养状态数据的培养状态向量和参考培养控制特征；
步骤S120，基于所述参考免疫细胞培养状态数据的培养状态向量以及参考培养控制特征，对初始化的免疫细胞培养控制决策模型进行模型权重参数更新，生成模型权重参数更新后的免疫细胞培养控制决策模型；
步骤S130，基于第二参考免疫细胞培养状态数据序列，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新；所述第二参考免疫细胞培养状态数据序列包括积极参考免疫细胞培养状态数据的培养状态向量和消极参考免疫细胞培养状态数据的培养状态向量；
步骤S140，若更新后的免疫细胞培养控制决策模型符合模型更新终止要求，则将所述更新后的免疫细胞培养控制决策模型作为可部署使用的免疫细胞培养控制决策模型。
基于以上步骤，本实施例先对初始化的免疫细胞培养控制决策模型进行模型权重参数更新，再基于积极参考免疫细胞培养状态数据的培养状态向量和消极参考免疫细胞培养状态数据的培养状态向量对模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新，使得生成的免疫细胞培养控制决策模型可以更好地拟合免疫细胞培养状态数据，从而提高免疫细胞培养控制决策模型的决策精准度。
在一种可能的实施方式中，所述基于所述参考免疫细胞培养状态数据的培养状态向量以及参考培养控制特征，对初始化的免疫细胞培养控制决策模型进行模型权重参数更新，包括：
将所述参考免疫细胞培养状态数据的培养状态向量输入初始化的免疫细胞培养控制决策模型中，生成所述初始化的免疫细胞培养控制决策模型生成的所述参考免疫细胞培养状态数据的预测培养控制特征；
基于所述初始化的免疫细胞培养控制决策模型生成的所述参考免疫细胞培养状态数据的预测培养控制特征以及对应的参考培养控制特征，获取所述初始化的免疫细胞培养控制决策模型的决策误差值；
基于所述决策误差值更新所述初始化的免疫细胞培养控制决策模型的模型权重参数信息，直至所述决策误差值低于第一设定值时，将所述初始化的免疫细胞培养控制决策模型作为所述模型权重参数更新后的免疫细胞培养控制决策模型。
在一种可能的实施方式中，所述基于第二参考免疫细胞培养状态数据序列，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新，包括：
基于所述积极参考免疫细胞培养状态数据的培养状态向量和所述消极参考免疫细胞培养状态数据的培养状态向量，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新，生成所述模型权重参数更新后的免疫细胞培养控制决策模型的决策误差值；
基于所述决策误差值，对所述模型权重参数更新后的免疫细胞培养控制决策模型的模型权重参数信息进行更新；
重新训练模型权重参数信息更新后的免疫细胞培养控制决策模型，直至基于更新后的免疫细胞培养控制决策模型得到的所述决策误差值小于第二设定值，则确认所述更新后的免疫细胞培养控制决策模型符合所述模型更新终止要求。
在一种可能的实施方式中，所述方法还包括：
获取云服务中部署的免疫细胞培养控制决策模型解析出的免疫细胞培养状态数据，将所述免疫细胞培养状态数据发送至对应的训练评估节点，触发所述训练评估节点返回所述免疫细胞培养状态数据的培养控制标签；
从所述免疫细胞培养状态数据中，将所述培养控制标签与预设培养控制标签匹配成功的免疫细胞培养状态数据确定为所述积极参考免疫细胞培养状态数据，将所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据确定为所述消极参考免疫细胞培养状态数据。
在一种可能的实施方式中，所述免疫细胞培养状态数据携带对应的参考培养控制特征；
所述将所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据确定为所述消极参考免疫细胞培养状态数据，包括：
从所述免疫细胞培养状态数据中，提取所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据；
基于所述参考培养控制特征，将提取的所述免疫细胞培养状态数据进行分类，生成多个免疫细胞培养状态数据序列；
分别从各个所述免疫细胞培养状态数据序列中选取出预设数量的免疫细胞培养状态数据，作为所述消极参考免疫细胞培养状态数据。
在一种可能的实施方式中，所述方法还包括：
获取目标免疫细胞培养状态数据的培养状态向量；
将所述目标免疫细胞培养状态数据的培养状态向量输入可部署使用的免疫细胞培养控制决策模型，生成所述目标免疫细胞培养状态数据在预设培养控制标签下的预测培养控制特征；
基于所述目标免疫细胞培养状态数据在预设培养控制标签下的预测培养控制特征对所述目标免疫细胞培养状态数据的对应的免疫细胞培养设备进行控制。
图3示出了本发明实施例提供的免疫细胞培养控制系统200的功能模块图，该免疫细胞培养控制系统200实现的功能可以对应上述方法执行的步骤。该免疫细胞培养控制系统200可以理解为上述服务器100，或服务器100的处理器，也可以理解为独立于上述服务器100或处理器之外的在服务器100控制下实现本发明功能的组件，如图3所示，下面分别对该免疫细胞培养控制系统200的各个功能模块的功能进行详细阐述。
获取单元210，用于获取第一参考免疫细胞培养状态数据序列；所述第一参考免疫细胞培养状态数据序列包括参考免疫细胞培养状态数据的培养状态向量和参考培养控制特征；
第一更新单元220，用于基于所述参考免疫细胞培养状态数据的培养状态向量以及参考培养控制特征，对初始化的免疫细胞培养控制决策模型进行模型权重参数更新，生成模型权重参数更新后的免疫细胞培养控制决策模型；
第二更新单元230，用于基于第二参考免疫细胞培养状态数据序列，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新；所述第二参考免疫细胞培养状态数据序列包括积极参考免疫细胞培养状态数据的培养状态向量和消极参考免疫细胞培养状态数据的培养状态向量；
输出单元240，用于若更新后的免疫细胞培养控制决策模型符合模型更新终止要求，则将所述更新后的免疫细胞培养控制决策模型作为可部署使用的免疫细胞培养控制决策模型。
在一种可能的实施方式中，所述第一更新单元220，具体还用于：
将所述参考免疫细胞培养状态数据的培养状态向量输入初始化的免疫细胞培养控制决策模型中，生成所述初始化的免疫细胞培养控制决策模型生成的所述参考免疫细胞培养状态数据的预测培养控制特征；
基于所述初始化的免疫细胞培养控制决策模型生成的所述参考免疫细胞培养状态数据的预测培养控制特征以及对应的参考培养控制特征，获取所述初始化的免疫细胞培养控制决策模型的决策误差值；
基于所述决策误差值更新所述初始化的免疫细胞培养控制决策模型的模型权重参数信息，直至所述决策误差值低于第一设定值时，将所述初始化的免疫细胞培养控制决策模型作为所述模型权重参数更新后的免疫细胞培养控制决策模型。
在一种可能的实施方式中，所述第二更新单元230，具体还用于：
基于所述积极参考免疫细胞培养状态数据的培养状态向量和所述消极参考免疫细胞培养状态数据的培养状态向量，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新，生成所述模型权重参数更新后的免疫细胞培养控制决策模型的决策误差值；
基于所述决策误差值，对所述模型权重参数更新后的免疫细胞培养控制决策模型的模型权重参数信息进行更新；
重新训练模型权重参数信息更新后的免疫细胞培养控制决策模型，直至基于更新后的免疫细胞培养控制决策模型得到的所述决策误差值小于第二设定值，则确认所述更新后的免疫细胞培养控制决策模型符合所述模型更新终止要求。
在一种可能的实施方式中，所述第二更新单元230，具体还用于：
获取云服务中部署的免疫细胞培养控制决策模型解析出的免疫细胞培养状态数据，将所述免疫细胞培养状态数据发送至对应的训练评估节点，触发所述训练评估节点返回所述免疫细胞培养状态数据的培养控制标签；
从所述免疫细胞培养状态数据中，将所述培养控制标签与预设培养控制标签匹配成功的免疫细胞培养状态数据确定为所述积极参考免疫细胞培养状态数据，将所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据确定为所述消极参考免疫细胞培养状态数据。免疫细胞培养状态数据携带对应的参考培养控制特征；
在一种可能的实施方式中，所述第二更新单元230，还用于：
从所述免疫细胞培养状态数据中，提取所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据；
基于所述参考培养控制特征，将提取的所述免疫细胞培养状态数据进行分类，生成多个免疫细胞培养状态数据序列；
分别从各个所述免疫细胞培养状态数据序列中选取出预设数量的免疫细胞培养状态数据，作为所述消极参考免疫细胞培养状态数据。
在一种可能的实施方式中，所述第一更新单元220，具体还用于：
获取目标免疫细胞培养状态数据的培养状态向量；
将所述目标免疫细胞培养状态数据的培养状态向量输入可部署使用的免疫细胞培养控制决策模型，生成所述目标免疫细胞培养状态数据在预设培养控制标签下的预测培养控制特征；
基于所述目标免疫细胞培养状态数据在预设培养控制标签下的预测培养控制特征对所述目标免疫细胞培养状态数据的对应的免疫细胞培养设备进行控制。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征时，能够以其它的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图进销存确认视为限制所涉及的权利要求。
Claims (10)
1.一种免疫细胞培养控制方法，其特征在于，包括：
获取第一参考免疫细胞培养状态数据序列；所述第一参考免疫细胞培养状态数据序列包括参考免疫细胞培养状态数据的培养状态向量和参考培养控制特征；
基于所述参考免疫细胞培养状态数据的培养状态向量以及参考培养控制特征，对初始化的免疫细胞培养控制决策模型进行模型权重参数更新，生成模型权重参数更新后的免疫细胞培养控制决策模型；
基于第二参考免疫细胞培养状态数据序列，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新；所述第二参考免疫细胞培养状态数据序列包括积极参考免疫细胞培养状态数据的培养状态向量和消极参考免疫细胞培养状态数据的培养状态向量；
若更新后的免疫细胞培养控制决策模型符合模型更新终止要求，则将所述更新后的免疫细胞培养控制决策模型作为可部署使用的免疫细胞培养控制决策模型。
2.根据权利要求1所述的免疫细胞培养控制方法，其特征在于，所述基于所述参考免疫细胞培养状态数据的培养状态向量以及参考培养控制特征，对初始化的免疫细胞培养控制决策模型进行模型权重参数更新，包括：
将所述参考免疫细胞培养状态数据的培养状态向量输入初始化的免疫细胞培养控制决策模型中，生成所述初始化的免疫细胞培养控制决策模型生成的所述参考免疫细胞培养状态数据的预测培养控制特征；
基于所述初始化的免疫细胞培养控制决策模型生成的所述参考免疫细胞培养状态数据的预测培养控制特征以及对应的参考培养控制特征，获取所述初始化的免疫细胞培养控制决策模型的决策误差值；
基于所述决策误差值更新所述初始化的免疫细胞培养控制决策模型的模型权重参数信息，直至所述决策误差值低于第一设定值时，将所述初始化的免疫细胞培养控制决策模型作为所述模型权重参数更新后的免疫细胞培养控制决策模型。
3.根据权利要求1所述的免疫细胞培养控制方法，其特征在于，所述基于第二参考免疫细胞培养状态数据序列，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新，包括：
基于所述积极参考免疫细胞培养状态数据的培养状态向量和所述消极参考免疫细胞培养状态数据的培养状态向量，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新，生成所述模型权重参数更新后的免疫细胞培养控制决策模型的决策误差值；
基于所述决策误差值，对所述模型权重参数更新后的免疫细胞培养控制决策模型的模型权重参数信息进行更新；
重新训练模型权重参数信息更新后的免疫细胞培养控制决策模型，直至基于更新后的免疫细胞培养控制决策模型得到的所述决策误差值小于第二设定值，则确认所述更新后的免疫细胞培养控制决策模型符合所述模型更新终止要求。
4.根据权利要求1至3任一项所述的免疫细胞培养控制方法，其特征在于，所述方法还包括：
获取云服务中部署的免疫细胞培养控制决策模型解析出的免疫细胞培养状态数据，将所述免疫细胞培养状态数据发送至对应的训练评估节点，触发所述训练评估节点返回所述免疫细胞培养状态数据的培养控制标签；
从所述免疫细胞培养状态数据中，将所述培养控制标签与预设培养控制标签匹配成功的免疫细胞培养状态数据确定为所述积极参考免疫细胞培养状态数据，将所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据确定为所述消极参考免疫细胞培养状态数据。
5.根据权利要求4所述的免疫细胞培养控制方法，其特征在于，所述免疫细胞培养状态数据携带对应的参考培养控制特征；
所述将所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据确定为所述消极参考免疫细胞培养状态数据，包括：
从所述免疫细胞培养状态数据中，提取所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据；
基于所述参考培养控制特征，将提取的所述免疫细胞培养状态数据进行分类，生成多个免疫细胞培养状态数据序列；
分别从各个所述免疫细胞培养状态数据序列中选取出预设数量的免疫细胞培养状态数据，作为所述消极参考免疫细胞培养状态数据。
6.根据权利要求1-5中任意一项所述的免疫细胞培养控制方法，其特征在于，所述方法还包括：
获取目标免疫细胞培养状态数据的培养状态向量；
将所述目标免疫细胞培养状态数据的培养状态向量输入可部署使用的免疫细胞培养控制决策模型，生成所述目标免疫细胞培养状态数据在预设培养控制标签下的预测培养控制特征；
基于所述目标免疫细胞培养状态数据在预设培养控制标签下的预测培养控制特征对所述目标免疫细胞培养状态数据的对应的免疫细胞培养设备进行控制。
7.一种免疫细胞培养控制系统，其特征在于，包括：
获取单元，用于获取第一参考免疫细胞培养状态数据序列；所述第一参考免疫细胞培养状态数据序列包括参考免疫细胞培养状态数据的培养状态向量和参考培养控制特征；
第一更新单元，用于基于所述参考免疫细胞培养状态数据的培养状态向量以及参考培养控制特征，对初始化的免疫细胞培养控制决策模型进行模型权重参数更新，生成模型权重参数更新后的免疫细胞培养控制决策模型；
第二更新单元，用于基于第二参考免疫细胞培养状态数据序列，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新；所述第二参考免疫细胞培养状态数据序列包括积极参考免疫细胞培养状态数据的培养状态向量和消极参考免疫细胞培养状态数据的培养状态向量；
输出单元，用于若更新后的免疫细胞培养控制决策模型符合模型更新终止要求，则将所述更新后的免疫细胞培养控制决策模型作为可部署使用的免疫细胞培养控制决策模型。
8.根据权利要求7所述的免疫细胞培养控制方法，其特征在于，所述基于所述参考免疫细胞培养状态数据的培养状态向量以及参考培养控制特征，对初始化的免疫细胞培养控制决策模型进行模型权重参数更新，包括：
将所述参考免疫细胞培养状态数据的培养状态向量输入初始化的免疫细胞培养控制决策模型中，生成所述初始化的免疫细胞培养控制决策模型生成的所述参考免疫细胞培养状态数据的预测培养控制特征；
基于所述初始化的免疫细胞培养控制决策模型生成的所述参考免疫细胞培养状态数据的预测培养控制特征以及对应的参考培养控制特征，获取所述初始化的免疫细胞培养控制决策模型的决策误差值；
基于所述决策误差值更新所述初始化的免疫细胞培养控制决策模型的模型权重参数信息，直至所述决策误差值低于第一设定值时，将所述初始化的免疫细胞培养控制决策模型作为所述模型权重参数更新后的免疫细胞培养控制决策模型；
所述基于第二参考免疫细胞培养状态数据序列，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新，包括：
基于所述积极参考免疫细胞培养状态数据的培养状态向量和所述消极参考免疫细胞培养状态数据的培养状态向量，对所述模型权重参数更新后的免疫细胞培养控制决策模型进行进阶模型权重参数更新，生成所述模型权重参数更新后的免疫细胞培养控制决策模型的决策误差值；
基于所述决策误差值，对所述模型权重参数更新后的免疫细胞培养控制决策模型的模型权重参数信息进行更新；
重新训练模型权重参数信息更新后的免疫细胞培养控制决策模型，直至基于更新后的免疫细胞培养控制决策模型得到的所述决策误差值小于第二设定值，则确认所述更新后的免疫细胞培养控制决策模型符合所述模型更新终止要求；
所述获取单元，还用于获取云服务中部署的免疫细胞培养控制决策模型解析出的免疫细胞培养状态数据，将所述免疫细胞培养状态数据发送至对应的训练评估节点，触发所述训练评估节点返回所述免疫细胞培养状态数据的培养控制标签；
从所述免疫细胞培养状态数据中，将所述培养控制标签与预设培养控制标签匹配成功的免疫细胞培养状态数据确定为所述积极参考免疫细胞培养状态数据，将所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据确定为所述消极参考免疫细胞培养状态数据；
所述免疫细胞培养状态数据携带对应的参考培养控制特征；
所述将所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据确定为所述消极参考免疫细胞培养状态数据，包括：
从所述免疫细胞培养状态数据中，提取所述培养控制标签与所述预设培养控制标签匹配失败的免疫细胞培养状态数据；
基于所述参考培养控制特征，将提取的所述免疫细胞培养状态数据进行分类，生成多个免疫细胞培养状态数据序列；
分别从各个所述免疫细胞培养状态数据序列中选取出预设数量的免疫细胞培养状态数据，作为所述消极参考免疫细胞培养状态数据；
所述输出单元，还用于获取目标免疫细胞培养状态数据的培养状态向量；
将所述目标免疫细胞培养状态数据的培养状态向量输入可部署使用的免疫细胞培养控制决策模型，生成所述目标免疫细胞培养状态数据在预设培养控制标签下的预测培养控制特征；
基于所述目标免疫细胞培养状态数据在预设培养控制标签下的预测培养控制特征对所述目标免疫细胞培养状态数据的对应的免疫细胞培养设备进行控制。
9.一种电子设备，其特征在于，包括存储器和处理器； 所述存储器，用于存储程序； 所述处理器，用于执行所述程序，实现如权利要求1至7中任一项所述的免疫细胞培养控制方法的各个步骤。
10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时，实现如权利要求1至7中任一项所述的免疫细胞培养控制方法的各个步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310794507.8A CN116926241A (zh) | 2023-06-30 | 2023-06-30 | 一种免疫细胞培养控制方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310794507.8A CN116926241A (zh) | 2023-06-30 | 2023-06-30 | 一种免疫细胞培养控制方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116926241A true CN116926241A (zh) | 2023-10-24 |
Family
ID=88383520
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310794507.8A Pending CN116926241A (zh) | 2023-06-30 | 2023-06-30 | 一种免疫细胞培养控制方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116926241A (zh) |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3145252A1 (en) * | 2019-08-14 | 2021-02-18 | F. Hoffmann-La Roche Ag | Method for determining process variables in cell cultivation processes |
| CN112662551A (zh) * | 2020-12-29 | 2021-04-16 | 上海药明生物医药有限公司 | 一种细胞培养控制方法以及系统 |
| US20230035766A1 (en) * | 2019-12-24 | 2023-02-02 | Nihon Kohden Corporation | Cell culture evaluation system |
-
2023
- 2023-06-30 CN CN202310794507.8A patent/CN116926241A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CA3145252A1 (en) * | 2019-08-14 | 2021-02-18 | F. Hoffmann-La Roche Ag | Method for determining process variables in cell cultivation processes |
| US20230035766A1 (en) * | 2019-12-24 | 2023-02-02 | Nihon Kohden Corporation | Cell culture evaluation system |
| CN112662551A (zh) * | 2020-12-29 | 2021-04-16 | 上海药明生物医药有限公司 | 一种细胞培养控制方法以及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105808619B (zh) | 基于影响分析的任务重做的方法、影响分析计算装置及一键重置装置 | |
| CN110276243A (zh) | 分数映射方法、人脸比对方法、装置、设备及存储介质 | |
| CN106909492B (zh) | 业务数据的追踪方法及装置 | |
| CN115439192A (zh) | 医疗商品信息的推送方法及装置、存储介质、计算机设备 | |
| CN113962401A (zh) | 联邦学习系统、联邦学习系统中的特征选择方法及装置 | |
| CN113222554A (zh) | 基于大数据的智慧办公协同方法及系统 | |
| CN109241042A (zh) | 数据处理方法、装置以及电子设备 | |
| CN108959009A (zh) | 一种服务器故障分析方法及其故障分析装置 | |
| CN116926241A (zh) | 一种免疫细胞培养控制方法及系统 | |
| CN111611326A (zh) | 一种客户关系管理数据库建立方法及系统 | |
| KR20190069637A (ko) | 멀티 클라우드 환경에서 동일 방식의 과금 부과 방법 및 시스템 | |
| CN116391177A (zh) | 带优先级的非活动存储器设备更新 | |
| CN117031421A (zh) | 雷达信号模拟系统的异常分析方法及系统 | |
| CN117033052B (zh) | 基于模型识别的对象异常诊断方法及系统 | |
| CN117076221A (zh) | 数据中心扫描处理方法及系统 | |
| CN117953977A (zh) | 一种重组间充质干细胞培养控制方法及系统 | |
| CN117077809A (zh) | 基于风控决策和可视化的异常数据分析方法及系统 | |
| CN117325164A (zh) | 依据人工智能的按摩机器人控制方法及系统 | |
| CN116796174A (zh) | 用于微服务的内容识别方法及系统 | |
| CN110472523A (zh) | 用于生成虚拟形象的表情采集方法、系统、装置和介质 | |
| CN117519035A (zh) | 应用于管桩生产控制系统的优化方法及系统 | |
| CN117729119A (zh) | 针对边缘计算网关的设备运行数据处理方法及系统 | |
| CN117033052A (zh) | 基于模型识别的对象异常诊断方法及系统 | |
| CN117540253A (zh) | 正方盒质量检测系统的数据分析方法及系统 | |
| CN113591458B (zh) | 基于神经网络的医学术语处理方法、装置、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 |