JPWO2020191391A5 - - Google Patents

Claims (15)

1. テンプレート生成及びベースコールを含む、エンドツーエンド配列決定のコンピュータ実装の方法であって、
   光学ピクセル解像度でピクセルを含む第１の画像データ及び第２の画像データにアクセスすることであって、
   前記第１の画像データが、配列決定動作の配列決定サイクルのうちの初期の１つで、配列決定システムによって捕捉される、クラスター及びクラスターの周囲の背景の画像を含み、
   前記第２の画像データが、前記配列決定動作の前記配列決定サイクルで、前記配列決定システムによって捕捉される、前記クラスター及びクラスターの周囲の背景の画像を含む、アクセスすることと、
   ニューラルネットワークベースのテンプレート生成器を介して前記第１の画像データを処理し、クラスターメタデータを識別するクラスターマップを生成することであって、
   前記クラスターメタデータが、クラスター中心、クラスター形状、クラスターサイズ、クラスター背景、及び／又はクラスター境界を含み、
   前記ニューラルネットワークベースのテンプレート生成器が、前記クラスターメタデータへの前記クラスターの前記画像のマッピングのタスクで訓練される、生成することと、
   アップサンプリングされたサブピクセル解像度でテンプレート画像内の前記クラスターメタデータを符号化することであって、
   前記テンプレートのサブピクセル及び前記クラスターの前記画像の前記ピクセルが、同じ画像領域を表す、符号化することと、
   前記テンプレート画像に基づいて、前記第２の画像データの前記ピクセルの強度値を修正し、前記クラスターの前記クラスターメタデータを考慮する強度分布を有する前記第２の画像データの強度修正バージョンを生成することと、
   ニューラルネットワークベースのベースコーラーを介して前記第２の画像データの前記強度修正バージョンを処理し、前記配列決定動作の１つ又はそれ以上の配列決定サイクルで、前記クラスターのうちの１つ又はそれ以上に対するベースコールを生成することであって、
   前記ニューラルネットワークベースのベースコーラーが、前記ベースコールへの前記クラスターの前記画像のマッピングのタスクで訓練される、生成することと、を含む、コンピュータ実装の方法。
2. 前記第２の画像データを前記テンプレート画像に補うことと、
   前記ニューラルネットワークベースのベースコーラーを介して、前記テンプレート画像に補われる前記第２の画像データを処理し、前記配列決定動作の１つ又はそれ以上の配列決定サイクルで、前記クラスターのうちの１つ又はそれ以上に対するベースコールを生成することと、を更に含む、請求項１に記載のコンピュータ実装の方法。
3. 前記テンプレート画像内の各サブピクセルが、背景サブピクセル、クラスター中心サブピクセル、又はクラスター内部サブピクセルのいずれかとして識別される、請求項１に記載のコンピュータ実装の方法。
4. 前記第２の画像データの前記ピクセルの強度値を修正することが、前記第２の画像データの前記画像内のピクセルに対応する前記テンプレート画像内のどれくらい多くのサブピクセルが、前記クラスターのうちの１つ又はそれ以上の一部を含むかに基づいて、前記第２の画像データ内の１つ又はそれ以上のピクセルに対する領域重み付け係数を計算することと、前記領域重み付け係数に基づいて、前記ピクセルの強度を修正することと、を含み、
   前記第２の画像データの前記ピクセルの強度値を修正することが、クラスター及びクラスターの周囲の背景の前記画像を前記アップサンプリングされたサブピクセル解像度にアップサンプリングして、アップサンプリングされた画像を生成することと、前記テンプレート画像内の背景サブピクセルに対応する前記アップサンプリングされた画像内のサブピクセルに背景強度を割り当てることと、前記テンプレート画像内のクラスター中心サブピクセル及びクラスター内部サブピクセルに対応する前記アップサンプリングされた画像内のサブピクセルにクラスター強度を割り当てることと、を含み、前記背景強度が、ゼロ値を有し、
   前記第２の画像データの前記ピクセルの強度値を修正することが、クラスター及びクラスターの周囲の背景の前記画像を前記アップサンプリングされたサブピクセル解像度にアップサンプリングして、アップサンプリングされた画像を生成することと、前記テンプレート画像内の前記クラスター中心サブピクセル及び前記クラスター内部サブピクセルに対応する前記アップサンプリングされた画像内の前記ピクセルの構成サブピクセルのみの間で、光学ピクセルドメイン内のピクセルの全体の強度を分散させることと、を含む、請求項１～３のいずれか一項に記載のコンピュータ実装の方法。
5. クラスター強度が、前記光学ピクセル解像度で前記ピクセルの強度を補間することによって決定される、請求項１～４のいずれか一項に記載のコンピュータ実装の方法。
6. 第１のニューラルネットワークを使用して、クラスターに関するテンプレート画像を決定することであって、前記テンプレート画像が、前記クラスターの空間分布、クラスター形状、前記クラスターの中心、及びクラスター境界からなる群から選択される特性のうちの少なくとも１つを識別する、決定することと、
   第２のニューラルネットワークを使用して、前記テンプレート画像に基づいて前記クラスターをベースコールすることと、を含む、コンピュータ実装のベースコール方法。
7. 前記テンプレート画像が、前記クラスターの空間分布、クラスター形状、前記クラスターの中心、及びクラスター境界からなる前記群から選択される前記特性のうちの少なくとも１つを識別するための修正強度値と、
   前記第２のニューラルネットワークを介して前記修正強度値を処理して、前記クラスターをベースコールすることと、を含む、請求項６に記載のコンピュータ実装のベースコール方法。
8. 少なくとも１つの特定のクラスターに対してアップサンプリングされたサブピクセルドメイン内の前記テンプレート画像を評価して、前記少なくとも１つの特定のクラスターの一部を含むピクセル、及び前記少なくとも１つの特定のクラスターの一部も含む、前記ピクセルに隣接するピクセルを識別することと、
   前記識別されたピクセルの各々でのどれくらい多くのサブピクセルが、前記少なくとも１つの特定のクラスターの一部を含むかに基づいて、各ピクセルに対する領域重み付け係数を計算することと、
   それぞれのピクセルに対する前記領域重み付け係数に基づく処理のために、前記識別されたピクセル及び前記隣接するピクセルのピクセル強度値を修正することと、を更に含む、請求項７に記載のコンピュータ実装のベースコール方法。
9. 前記テンプレート画像を評価することが、
   前記第１のニューラルネットワークを介して、複数の配列決定サイクルのうちの１つ又はそれ以上の初期配列決定サイクルでそれぞれ生成される１つ又はそれ以上の初期画像セットを処理して、前記テンプレート画像を生成して、前記アップサンプリングされたサブピクセル解像度で前記クラスターの前記中心、形状、及び境界を識別することであって、各画像セットが、１つ又はそれ以上の画像を含み、前記画像の各々が、光学ピクセル解像度で捕捉される１つ又はそれ以上の撮像チャネルのうちのそれぞれの１つでの前記クラスター及びクラスターの周囲の背景の強度放射を示す、識別することを更に含む、請求項８に記載のコンピュータ実装のベースコール方法。
10. アップサンプリングされたサブピクセルドメイン内の前記テンプレート画像を評価して、任意のクラスターの一部を含むサブピクセルを識別することと、
    いかなるクラスターにも寄与しないとして前記テンプレート画像で識別されるサブピクセルに背景強度を割り当てることと、を更に含む、請求項６に記載のコンピュータ実装のベースコール方法。
11. アップサンプリングされたサブピクセルドメイン内の前記テンプレート画像を評価することが、
    少なくとも１つのピクセル内のどれくらい多くのサブピクセルが、任意のクラスターの一部を含むかを計算することと、前記少なくとも１つのピクセル内の前記サブピクセルに対するサブピクセルごとの領域重み付け係数を計算することと、を更に含む、請求項１０に記載のコンピュータ実装のベースコール方法。
12. 前記第１のニューラルネットワークを介して、複数の配列決定サイクルのうちの１つ又はそれ以上の初期配列決定サイクルでそれぞれ生成される１つ又はそれ以上の初期画像セットを処理して、前記アップサンプリングされたサブピクセル解像度で前記テンプレート画像を生成することであって、各画像セットが、１つ又はそれ以上の画像を含み、前記画像の各々が、光学ピクセル解像度で捕捉される１つ又はそれ以上の撮像チャネルのうちのそれぞれの１つでの前記クラスター及びクラスターの周囲の背景の強度放射を示し、前記テンプレート画像が、クラスター中心、背景、及びクラスター内部を含むクラスにサブピクセルを分類する、生成することと、
    前記光学ピクセル解像度で捕捉される前記画像の各々をサブピクセルドメインにアップサンプリングすることと、いかなるクラスターにも寄与しないとして前記テンプレート画像で識別される前記画像の各々のサブピクセルに背景強度を割り当てることと、
    前記第２のニューラルネットワークを介して前記アップサンプリングされた画像を処理して、前記アップサンプリングされた画像の代替表現を生成することと、
    前記代替表現を使用して、複数の前記クラスターをベースコールすることと、を更に含む、請求項１０又は１１に記載のコンピュータ実装のベースコール方法。
13. 前記テンプレート画像を評価することが、
    前記少なくとも１つの特定のクラスターの前記クラスター形状及び境界を評価して、前記少なくとも１つの特定のクラスターの一部を含む少なくとも１つのピクセル、及び前記少なくとも１つの特定のクラスターの一部も含む、前記ピクセルに隣接するピクセルを識別することを更に含み、前記方法が、
    前記テンプレート画像内に前記領域重み付け係数を記憶することと、
    修正ピクセル強度値を有するピクセルを有する前記画像の各々の修正バージョンを生成することと、
    前記第２のニューラルネットワークを介して前記画像の修正バージョンを処理して、前記修正バージョンの代替表現を生成することと、
    前記代替表現を使用して、前記少なくとも１つの特定のクラスターをベースコールすることと、を更に含む、請求項１０に記載のコンピュータ実装のベースコール方法。
14. 前記ベースコールすることが、
    複数の配列決定サイクルのうちの現在の１つで生成される現在の画像セット、
    前記複数の配列決定サイクルのうちの前記現在の１つに先行する前記複数の配列決定サイクルのうちの１つ又はそれ以上でそれぞれ生成される１つ又はそれ以上の先行する画像セット、及び
    前記複数の配列決定サイクルのうちの前記現在の１つに続く前記複数の配列決定サイクルのうちの１つ又はそれ以上でそれぞれ生成される１つ又はそれ以上の後続の画像セットの各々で光学ピクセル解像度で１つ又はそれ以上の画像にアクセスすることと、
    前記画像の各々でのピクセルに対して、それぞれのピクセルに対する前記テンプレート画像内の前記領域重み付け係数に基づいて、ピクセル強度値を修正することと、
    修正ピクセル強度値を有するピクセルを有する前記画像の各々の修正バージョンを生成することと、
    前記少なくとも１つの特定のクラスターに対して、各画像パッチが、
    ピクセルのアレイを有し、かつ
    アレイの中心ピクセルで、前記テンプレート画像で識別される前記特定のクラスターの中心を含むように、各修正バージョンから画像パッチを抽出することと、
    前記第２のニューラルネットワークの畳み込みニューラルネットワークを介して、前記画像の修正バージョンから抽出される画像パッチを畳み込んで、前記画像パッチの畳み込み表現を生成することと、
    出力層を介して前記畳み込み表現を処理して、前記中心ピクセルに対して、Ａ、Ｃ、Ｔ、及びＧである、前記複数の配列決定サイクルのうちの前記現在の１つで前記少なくとも１つの特定のクラスターに組み込まれる塩基の尤度を生成することと、
    前記尤度に基づいて、前記塩基をＡ、Ｃ、Ｔ、又はＧと分類することと、を更に含む、請求項１３に記載のコンピュータ実装のベースコール方法。
15. 前記ピクセル強度値を修正する前に、サイクル固有及び撮像チャネル固有の変換を使用して、光学ピクセル解像度で捕捉される前記画像の各々を前記テンプレート画像と位置合わせすることを更に含む、請求項１３又は１４に記載のコンピュータ実装のベースコール方法。