JPWO2020191387A5 - - Google Patents

Claims (15)

1. クラスターをベースコールするコンピュータ実装方法であって、
   入力データをニューラルネットワークによって処理し、前記入力データの代替表現を生成することであって、前記入力データが、
   （ｉ）配列決定実行の１つ又はそれ以上の配列決定サイクルのそれぞれについてのサイクルごとのデータであって、前記配列決定サイクルのうちのそれぞれ１つにおける前記１つ又はそれ以上のクラスターを示している強度発光を表現するピクセルを含む、サイクルごとのデータと、
   （ｉｉ）前記サイクルごとのデータの前記ピクセル間の距離を識別する補足的な距離情報と、を含み、
   前記ニューラルネットワークによる前記サイクルごとのデータの前記ピクセルの前記処理中に、前記補足的な距離情報が、前記サイクルごとのデータに付随し、前記サイクルごとのデータの前記ピクセルのうちのどれが前記クラスターの中心を含んでいるか、及び前記サイクルごとのデータの前記ピクセルのうちのどれが前記クラスターの前記中心からより遠く離れているかを前記ニューラルネットワークに伝える、ことと、
   前記代替表現を出力層によって処理し、出力を生成することと、
   前記出力に基づいて、前記配列決定サイクルのうちの１つ又はそれ以上における前記クラスターのうちの１つ又はそれ以上をベースコールすることと、を含む、コンピュータ実装方法。
2. 前記サイクルごとのデータが、前記配列決定サイクルのうちの前記それぞれ１つにおける周囲背景を示している、請求項１に記載のコンピュータ実装方法。
3. 前記補足的な距離情報が、前記ベースコールすることの精度を改善する、請求項１又は２に記載のコンピュータ実装方法。
4. 前記ニューラルネットワークが、周辺クラスターピクセル、背景ピクセル、及びそれらから導出される代替表現よりも、中央クラスターピクセル、それらの隣接ピクセル、及びそれらから導出される代替表現に着目することによって配列決定信号をその適切なソースクラスターに割り当てるために、前記補足的な距離情報を使用する、請求項３に記載のコンピュータ実装方法。
5. 前記サイクルごとのデータの前記ピクセルにスケーリング値を割り当てる補足的なスケーリング情報を前記サイクルごとのデータに添付することを更に含む、請求項１に記載のコンピュータ実装方法。
6. 前記サイクルごとのデータが、前記それぞれの配列決定サイクルにおいて検出された電圧変化を示している、請求項１に記載のコンピュータ実装方法。
7. 前記サイクルごとのデータが、前記それぞれの配列決定サイクルにおいて測定された電流信号を示している、請求項１に記載のコンピュータ実装方法。
8. 複数の配列決定サイクルを含む配列決定実行中に合成されたクラスターをベースコールするニューラルネットワーク実装方法であって、
   入力データを畳み込みニューラルネットワークによって畳み込んで、前記入力データの畳み込み表現を生成することであって、
   前記入力データが、前記配列決定実行の現在の配列決定サイクルにおいて生成された現在の画像セットの、前記現在の配列決定サイクルに先行する前記配列決定実行の１つ又はそれ以上の配列決定サイクルにおいてそれぞれ生成された１つ又はそれ以上の先行する画像セットの、及び前記現在の配列決定サイクルの後に続く前記配列決定実行の１つ又はそれ以上の配列決定サイクルにおいてそれぞれ生成された１つ又はそれ以上の後続の画像セットのそれぞれで１つ又はそれ以上の画像から抽出された画像パッチを含み、
   前記画像パッチのそれぞれが、ベースコールされているターゲットクラスターの強度発光を表現し、
   前記入力データが、前記画像パッチの中心ピクセルからの前記画像パッチのピクセルのそれぞれの距離を示す距離情報を更に含む、ことと、
   前記畳み込み表現を出力層によって処理して、出力を生成することと、
   前記現在の配列決定サイクルにおける前記ターゲットクラスターを前記出力に基づいてベースコールすることと、を含む、ニューラルネットワーク実装方法。
9. 前記畳み込みニューラルネットワークへの入力として、それぞれのクラスターを表す画像領域の中心の位置座標を提供することを更に含み、
   前記入力が、前記畳み込みニューラルネットワークの第１の層に提供され、
   前記入力が、前記畳み込みニューラルネットワークの１つ又はそれ以上の中間層に提供され、
   前記入力が、前記畳み込みニューラルネットワークの最終層に提供される、請求項８に記載のニューラルネットワーク実装方法。
10. 前記畳み込みニューラルネットワークへの入力として、前記画像パッチのピクセルに対応するスケーリング値を有する強度スケーリングチャネルを提供することを更に含み、
    前記スケーリング値が、特定のターゲットクラスターをそれぞれ含む前記画像パッチの中心ピクセルの平均強度に基づいている、請求項８～９のいずれか一項に記載のニューラルネットワーク実装方法。
11. 前記強度スケーリングチャネルが、前記画像パッチの全ての前記ピクセルについてピクセル単位で同じスケーリング値を含む、請求項８～１０のいずれか一項に記載のニューラルネットワーク実装方法。
12. 各画像パッチが、それぞれのピクセルと前記複数のクラスターのうちの最も近いクラスターとの間の距離を示すピクセル距離データを更に含み、前記複数のクラスターのうちの前記最も近いクラスターは、前記ピクセルと前記クラスターのそれぞれとの間の中心間距離に基づいて選択される、請求項８に記載のニューラルネットワーク実装方法。
13. 各画像パッチが、前記クラスターのうちの１つのみに対して各クラスターピクセルを分類することに基づいて選択された前記複数のクラスターのうちの割り当てられたクラスターからの各クラスターピクセルの距離を識別するクラスター距離データを更に含む、請求項８に記載のニューラルネットワーク実装方法。
14. 前記入力データを前記畳み込みニューラルネットワークによって畳み込んで、前記入力データの前記畳み込み表現を生成することが、
    前記畳み込みニューラルネットワークの第１の畳み込みサブネットワークによって各サイクルごとの画像パッチセットを別個に処理して、各配列決定サイクルのための中間畳み込み表現を生成することであって、前記強度及び距離情報を組み合わせ、かつ結果として得られる畳み込み表現を配列決定サイクル内でのみ組み合わせ、かつ配列決定サイクル間では組み合わせない畳み込みを適用することを含む、ことと、
    前記畳み込みニューラルネットワークの第２の畳み込みサブネットワークによって一連内の継続的な配列決定サイクルのための中間畳み込み表現をグループ単位で処理して、前記一連のための最終畳み込み表現を生成することであって、前記中間畳み込み表現を組み合わせ、かつ結果として得られる畳み込み表現を前記配列決定サイクルの間で組み合わせる畳み込みを適用することを含む、ことと、を含み、
    前記出力層によって前記畳み込み表現を処理して前記出力を生成することが、前記出力層によって前記最終畳み込み表現を処理することを含む、請求項８～１３のいずれか一項に記載のニューラルネットワーク実装方法。
15. 前記ターゲットクラスターの中心を中心ピクセルの中心に配置するように各画像パッチの前記ピクセルをリフレームして、リフレームされた画像パッチを生成することを更に含み、
    前記入力データを前記畳み込みニューラルネットワークによって畳み込んで、前記入力データの前記畳み込み表現を生成することが、前記リフレームされた画像パッチを前記畳み込みニューラルネットワークによって畳み込んで、前記畳み込み表現を生成することを含み、前記リフレームすることが、前記リフレームすることを補正するための各画像パッチの前記ピクセルの強度補間を更に含む、請求項８～１４のいずれか一項に記載のニューラルネットワーク実装方法。