[发明专利]在高通量系统中应用机器学习以分析显微图像的系统和方法

权利要求书

1.一种应用机器学习来检测和分析高通量系统中液体悬浮液中颗粒的方法，包括：

-使用包括以下内容的训练数据集来训练具有多个层的神经网络：

-至少一个参考数据集，所述至少一个参考数据集通过使包括液体悬浮液中颗粒的参考样本通过高通量流动成像显微镜(FIM)仪器并从来自所述参考样本的多个图像中提取相关相关特征来生成，以及任选地一个或多个附加参考数据集，所述一个或多个附加参考数据集通过使包括由污染物或过程异常引起的附加的颗粒液体悬浮液的一个或多个附加样本通过高通量FIM仪器并捕获通过所述高通量FIM仪器的各个成分的多个图像以及从来自所述一个或多个附加样本的所述多个图像中提取相关特征来生成；

-通过嵌入从来自所述至少一个参考样本的所述多个图像中提取的相关特征来生成参考分布以将所提取的相关特征转换为低维特征集，并且任选地通过嵌入从来自所述一个或多个附加样本的所述多个图像中提取的相关特征来生成一个或多个附加参考分布，以将所提取的相关特征转换为通过使用损失函数来分离与每个参考分布相关联的嵌入的低维特征集而定义的低维特征集；

-估计来自所述参考样本的所述低维特征群体分布输出的各个提取特征嵌入的概率密度，并且任选地估计嵌入空间上一个或多个所述附加样本的概率密度；

-通过使测试样本通过高通量FIM仪器并捕获通过所述FIM仪器的各个成分的多个图像以及从来自所述测试样本的多个图像中提取相关特征来获得测试数据集，从而生成所嵌入的从来自所述测试样本的所述多个图像中提取的相关特征的测试分布；

-应用故障检测算法，以通过定量地比较嵌入的所述测试分布与嵌入的所述参考分布或嵌入的所述一个或多个附加参考分布之间的统计相似性来评估来自测试样本的嵌入的测试分布是否与相关特征的群体密度相一致，或者评估嵌入的所述测试分布是否并不对应于嵌入的先验已知群体密度分布。

2.根据权利要求1所述的方法，其中所述颗粒的液体悬浮液中的所述颗粒包括聚集蛋白质分子。

3.根据权利要求1所述的方法，其中所述颗粒的液体悬浮液包括生物医药制剂。

4.根据权利要求1所述的方法，其中通过所述FIM仪器的所述各个成分的所述多个图像包括通过所述FIM仪器的所述各个成分的10⁴至10⁷个图像。

5.根据权利要求1和3所述的方法，其中所述液体样本或所述生物医药制剂包括选自由以下项构成的群组的经受一种或多种污染物或过程异常影响的生物医药制剂：经受冻融的生物医药样本、经受摇动的生物医药样本、经受搅拌的生物医药样本、经受高温的生物医药样本、经受冷应力的生物医药样本、经受化学应力的生物医药样本、经受辐射的生物医药样本、经受泵送作用的生物医药样本、经受振动的生物医药样本、经受液体机械冲击的生物医药样本、经受污染的生物医药样本及其组合。

6.根据权利要求3所述的方法，其中所述聚集蛋白质分子包括通过药物填充加工操作生成的聚集蛋白质分子。

7.根据权利要求1所述的方法，进一步包括任选地应用融合模块，所述融合模块结合了通过其他模态确定的特征，以生成更多的附加相关特征或附加的提取特征嵌入。

8.根据权利要求1所述的方法，其中所述颗粒的液体悬浮液包括饮用水中的颗粒。

9.根据权利要求8所述的方法，其中液体样本中的颗粒包括微晶颗粒。