專利名稱：聚集和使用物理樣本的制作方法
技術(shù)領(lǐng)域：
本發(fā)明在各種實(shí)施例中一般涉及數(shù)據(jù)分析領(lǐng)域，尤其涉及數(shù)字?jǐn)?shù)據(jù)中的模 式和對(duì)象識(shí)別。
背景技術(shù)：
隨著計(jì)算機(jī)和計(jì)算機(jī)化技術(shù)的增長(zhǎng)使用，數(shù)字表示的信息量已變得很龐 大。對(duì)這些大量數(shù)字?jǐn)?shù)據(jù)的分析一般涉及已知模式的識(shí)別。
在許多情形中，起源于數(shù)字形式的信息最終通過(guò)人的人工審閱來(lái)分析，通 常需要大量的訓(xùn)練。例如，醫(yī)療圖像分析典型地需要高水平的專家。為了使人 們與大量數(shù)據(jù)互動(dòng)，信息典型地被變換成視覺(jué)的、聽(tīng)覺(jué)的或人類可覺(jué)察到的其 它表示形式。然而，在將數(shù)字?jǐn)?shù)據(jù)從其原始形式變換成方便的輸出形式的過(guò)程 期間，某些信息可能被丟失。數(shù)據(jù)通常在分析之前被處理和濾波以便展示，導(dǎo) 致從原始數(shù)據(jù)丟失有效信息。例如，超聲、地震以及聲納信號(hào)等數(shù)據(jù)最初都是 基于聲音的。其中每一個(gè)的數(shù)據(jù)被典型地處理成圖形形式用于顯示，但該處理 通常出于人們的可讀性而犧牲了基本的意義和細(xì)節(jié)。
雖然人們可被訓(xùn)練以分析許多不同類型的數(shù)據(jù)，但人工手動(dòng)分析一般比自 動(dòng)化系統(tǒng)更昂貴。此外，錯(cuò)誤通常由于人類感知和注意廣度的限制而被引入。 這些數(shù)據(jù)通常包含比人類感官能辨別的更多的細(xì)節(jié)，并且重復(fù)導(dǎo)致錯(cuò)誤是公知 的。
為解決這些人力分析缺點(diǎn)，許多自動(dòng)模式識(shí)別系統(tǒng)已被開(kāi)發(fā)出來(lái)。然而，這些解決方案中的大多數(shù)都是高度因數(shù)據(jù)而異的。模式識(shí)別系統(tǒng)能夠處置的輸 入通常被設(shè)計(jì)為固定和有限的。在多數(shù)系統(tǒng)是根據(jù)在具體形態(tài)上使用來(lái)設(shè)計(jì)的
基礎(chǔ)上，許多系統(tǒng)固有地受設(shè)計(jì)限制。例如，醫(yī)療圖像分析系統(tǒng)在X光或MR 成像上表現(xiàn)良好，但對(duì)地震數(shù)據(jù)表現(xiàn)很差。反之亦然。評(píng)價(jià)數(shù)據(jù)的系統(tǒng)緊密地 與其被設(shè)計(jì)成要評(píng)價(jià)的特定數(shù)據(jù)源相耦合。因此，對(duì)寬范圍系統(tǒng)的改進(jìn)是非常
困難的。
在每個(gè)系統(tǒng)內(nèi)，模式和特征識(shí)別是處理密集的。例如，圖像分析一般使用 復(fù)雜的算法以找到形狀，要求數(shù)千個(gè)算法被處理。發(fā)現(xiàn)、開(kāi)發(fā)以及實(shí)現(xiàn)每個(gè)算 法的時(shí)間導(dǎo)致在部署和改進(jìn)該系統(tǒng)方面增加了延遲。
由此，在自動(dòng)模式識(shí)別系統(tǒng)領(lǐng)域中仍有相當(dāng)大的改進(jìn)余地。
發(fā)明概述
此系統(tǒng)被設(shè)計(jì)成并不被任何具體形態(tài)或被開(kāi)發(fā)該系統(tǒng)的那些人的有限知 識(shí)所限定。本發(fā)明提供一種自動(dòng)化模式識(shí)別和對(duì)象檢測(cè)系統(tǒng)，該系統(tǒng)能為數(shù)據(jù) 內(nèi)容使用最小數(shù)目的算法被快速開(kāi)發(fā)和改進(jìn)以完全地區(qū)別數(shù)據(jù)中的細(xì)節(jié)，同時(shí) 減少對(duì)人工分析的需要。本發(fā)明包括無(wú)需其適應(yīng)特定應(yīng)用、環(huán)境、或數(shù)據(jù)內(nèi)容 就能在數(shù)據(jù)中識(shí)別模式和檢測(cè)對(duì)象的數(shù)據(jù)分析系統(tǒng)。該系統(tǒng)評(píng)價(jià)天然形式的數(shù) 據(jù)，其獨(dú)立于表示形式或處理后的數(shù)據(jù)形式。
在本發(fā)明的一方面，該系統(tǒng)分析來(lái)自全部數(shù)據(jù)類型內(nèi)的任何或所有形態(tài)的 數(shù)據(jù)。示例數(shù)據(jù)形態(tài)包括成像、聲學(xué)、氣味、觸覺(jué)以及尚未發(fā)現(xiàn)的形態(tài)。在成 像范圍內(nèi)，應(yīng)用在藥學(xué)、國(guó)土安全、自然資源、農(nóng)業(yè)、食品科學(xué)、氣象學(xué)、空 間、軍事、數(shù)字版權(quán)管理及其他領(lǐng)域中時(shí)存在靜止和移動(dòng)圖像。在聲學(xué)范圍內(nèi)， 應(yīng)用在藥學(xué)、國(guó)土安全、軍事、自然資源、地質(zhì)學(xué)、空間、數(shù)字版權(quán)管理及其 他領(lǐng)域中時(shí)存在單個(gè)和多個(gè)信道音頻聲音、超聲波連續(xù)流、地震、聲納。其他 數(shù)字?jǐn)?shù)據(jù)流的示例包括雷達(dá)、氣味、觸覺(jué)、金融市場(chǎng)和統(tǒng)計(jì)數(shù)據(jù)、機(jī)械壓力、 環(huán)境數(shù)據(jù)、味道、和聲學(xué)、化學(xué)分析、電推動(dòng)、文本及其他。某些數(shù)據(jù)形態(tài)可 以是其他形態(tài)的組合，諸如有聲音的視頻或諸如對(duì)同一樣本采納不同類型的多 個(gè)圖像的單個(gè)形態(tài)的多種形式，例如互相關(guān)的MRI和CT成像；組合的SAR、 攝影和IR成像。在共同系統(tǒng)中作出的改進(jìn)使所有形態(tài)都受益。在本發(fā)明的其他方面，該系統(tǒng)使用相對(duì)較小數(shù)目的簡(jiǎn)單算法，這些算法捕 捉數(shù)據(jù)元素之間更基礎(chǔ)的關(guān)系以標(biāo)識(shí)數(shù)據(jù)內(nèi)的特征和對(duì)象。此組有限算法可在 每種形態(tài)和多種形態(tài)中快速實(shí)現(xiàn)。
在本發(fā)明的再其他方面，該系統(tǒng)提供在天然數(shù)據(jù)的全分辨率上操作的自動(dòng) 化系統(tǒng)。結(jié)果以及時(shí)方式產(chǎn)生，減輕了初步人工分析的乏味并且提醒操作員檢 查需要注意的數(shù)據(jù)組。
在本發(fā)明的又其他方面，該方法包括接收第一物理樣本，感測(cè)該第一樣本 的第一方面以生成第一樣本第一方面數(shù)據(jù)，在數(shù)據(jù)存儲(chǔ)中存儲(chǔ)該第一樣本第一 方面數(shù)據(jù)，感測(cè)該第一樣本的第二方面以生成第一樣本第二方面數(shù)據(jù)，在數(shù)據(jù) 存儲(chǔ)中存儲(chǔ)該第一樣本第二方面數(shù)據(jù)，通過(guò)使用第一樣本第一方面數(shù)據(jù)和第一 樣本第二方面數(shù)據(jù)中至少一者運(yùn)行第一系列算法來(lái)生成第一樣本變換數(shù)據(jù)，并 且在數(shù)據(jù)存儲(chǔ)中存儲(chǔ)第一樣本變換數(shù)據(jù)。
在本發(fā)明的進(jìn)一步方面，感測(cè)第二樣本的第一方面包括捕捉第二樣本的攝 影圖像。
在本發(fā)明的再其他方面，該系統(tǒng)包括處理器、與處理器進(jìn)行數(shù)據(jù)通信的存 儲(chǔ)器、與處理器進(jìn)行數(shù)據(jù)通信的用戶接口、以及用于存儲(chǔ)在所述存儲(chǔ)器中并由 所述處理器操作的軟件模塊。在示例實(shí)施例中，該軟件模塊被配置成在存儲(chǔ)器 中存儲(chǔ)以前生成的與第一物理樣本的第一方面相關(guān)的數(shù)據(jù)、在存儲(chǔ)器中存儲(chǔ)以 前生成的與第一物理樣本的第二方面相關(guān)的數(shù)據(jù)、通過(guò)使用第一樣本第一方面 數(shù)據(jù)和第一樣本第二方面數(shù)據(jù)中至少一者運(yùn)行算法來(lái)生成第一樣本變換數(shù)據(jù)、 以及在存儲(chǔ)器中存儲(chǔ)第一樣本變換數(shù)據(jù)。


以下參照下列附圖來(lái)詳細(xì)描述本發(fā)明的優(yōu)選和替換實(shí)施例。
圖1示出本發(fā)明的一個(gè)實(shí)施例的概覽；
圖2示出用于執(zhí)行藪據(jù)分析和特征識(shí)別系統(tǒng)的示例系統(tǒng)；
圖3示出用于使用數(shù)據(jù)分析和特征識(shí)別系統(tǒng)的示例方法；
圖4示出用于創(chuàng)建數(shù)據(jù)存儲(chǔ)的示例方法；
圖5示出用于創(chuàng)建已知特征的示例方法；圖6示出用于通過(guò)訓(xùn)練或不訓(xùn)練修改突觸網(wǎng)絡(luò)的示例方法； 圖7示出用于生成算法值高速緩存的示例方法； 圖8示出用于訓(xùn)練已知特征的示例方法；
圖9示出用于從正和負(fù)訓(xùn)練值組創(chuàng)建訓(xùn)練路徑集合的示例方法； 圖10示出用于從訓(xùn)練路徑集合移除負(fù)訓(xùn)練值組的示例方法； 圖11示出用于從訓(xùn)練路徑創(chuàng)建突觸路徑的示例方法； 圖12示出用于將突觸葉與已知特征相關(guān)聯(lián)的示例方法； 圖13示出用于不訓(xùn)練已知特征的示例方法；
圖14示出用于使用一組算法值來(lái)檢索突觸網(wǎng)絡(luò)中的突觸葉的示例方法；
圖15示出用于將突觸葉與已知特征斷開(kāi)關(guān)聯(lián)的示例方法；
圖16示出用于標(biāo)識(shí)已知特征的示例方法；
圖17示出用于確定是否已找到已知特征的示例方法；
圖18示出用于評(píng)價(jià)群集和閾值檢測(cè)的示例方法；
圖19示出用于評(píng)價(jià)閾值檢測(cè)的示例方法；
圖20示出用于評(píng)價(jià)群集檢測(cè)的示例方法；
圖21示出用于處理對(duì)某區(qū)域標(biāo)識(shí)出的己知特征的示例方法； 圖22示出用于執(zhí)行已知特征動(dòng)作的示例方法； 圖23示出灰度圖像數(shù)據(jù)的示例10 X 10像素陣列； 圖24示出包含均值算法的輸出的示例10 X 10陣列； 圖25示出包含中值算法的輸出的示例10 X 10陣列；
圖26示出包含值展距算法的輸出的示例10x 10陣列；
圖27示出包含標(biāo)準(zhǔn)偏差算法的輸出的示例10x 10陣列；
圖28示出包含使用圖24-27中計(jì)算出的值的單條突觸路徑的示例突觸網(wǎng)
絡(luò)；
圖29示出包含使用圖24-27中計(jì)算出的值的兩條突觸路徑的示例突觸網(wǎng)
絡(luò)；
圖30示出包含使用圖24-27中計(jì)算出的值的許多突觸路徑的示例突觸網(wǎng)
絡(luò)；
圖31示出來(lái)自圖30的添加有下一條突觸路徑的示例突觸網(wǎng)絡(luò)，示出突觸網(wǎng)絡(luò)可如何分支；
圖32示出包含所有使用圖24-27中計(jì)算出的值的突觸路徑的示例突觸網(wǎng)
絡(luò)；
圖33示出結(jié)果得到具有多個(gè)已知特征的突觸葉的突觸路徑；
圖34示出一系列用于6x6灰度圖像的陣列；
圖35示出在設(shè)置數(shù)據(jù)存儲(chǔ)時(shí)的介紹屏幕的屏幕截圖36示出輸入一組初始值的屏幕截圖37示出展開(kāi)的子形態(tài)組合框的屏幕截圖38示出一系列用于添加可任選的描述性參數(shù)的文本框的屏幕截圖； 圖39示出選擇目標(biāo)數(shù)據(jù)區(qū)域形狀和為該形狀選擇一組算法的屏幕截圖； 圖40示出以前選擇的數(shù)據(jù)存儲(chǔ)性質(zhì)的概覽的屏幕截圖； 圖41示出圖40中顯示的概述的延續(xù)；
圖42示出完成數(shù)據(jù)存儲(chǔ)的創(chuàng)建之后的示例應(yīng)用的屏幕截圖； 圖43示出灰毗鄰像素目標(biāo)數(shù)據(jù)區(qū)域的算法的屏幕截圖； 圖44示出"創(chuàng)建或編輯已知特征"向?qū)У钠聊唤貓D； 圖45示出為已知特征選擇名稱和檢測(cè)方法的屏幕截圖； 圖46示出來(lái)自圖45的展開(kāi)的組合框的屏幕截圖47示出用于已知特征的訓(xùn)練計(jì)數(shù)值的屏幕截圖48示出用于已知特征的群集范圍值的屏幕截圖49示出已知特征的動(dòng)作值的屏幕截圖50示出以前選擇的已知特征性質(zhì)的概覽的屏幕截圖51示出具有所選擇的感興趣地區(qū)的森林圖像的屏幕截圖52示出訓(xùn)練向?qū)Ы榻B屏幕的屏幕截圖53示出從數(shù)據(jù)存儲(chǔ)中選擇森林作為已知特征的屏幕截圖54示出選擇區(qū)域訓(xùn)練選項(xiàng)的屏幕截圖55示出以前選擇的訓(xùn)練性質(zhì)的概覽的屏幕截圖56示出訓(xùn)練結(jié)果的屏幕截圖57示出有森林區(qū)域的圖像的屏幕截圖58示出訓(xùn)練圖57中的圖像的結(jié)果的屏幕截圖；圖59示出用于已知特征處理的向?qū)У钠聊唤貓D60示出用戶可能想處理的已知特征列表的屏幕截圖61示出已知特征的有效性值的屏幕截圖62示出對(duì)于單個(gè)處理運(yùn)行可任選忽略的訓(xùn)練計(jì)數(shù)值的屏幕截圖； 圖63示出對(duì)于單個(gè)處理運(yùn)行可任選忽略的群集值的屏幕截圖； 圖64示出以前選擇的處理性質(zhì)的概覽的屏幕截圖； 圖65示出處理結(jié)果的屏幕截圖66示出用綠色層顯示系統(tǒng)標(biāo)識(shí)為森林的像素的圖像的屏幕截圖67示出有森林層的復(fù)合圖像的屏幕截圖68示出為森林已知特征處理的第二圖像的屏幕截圖69示出用綠色層顯示系統(tǒng)標(biāo)識(shí)為已知特征森林的像素的圖像的屏幕截
圖70示出有森林層的復(fù)合圖像的屏幕截圖71示出選擇了水面的圖像的屏幕截圖72示出使用以前選擇的水面的訓(xùn)練結(jié)果的屏幕截圖73示出有森林和水面兩者的圖像的屏幕截圖74示出以前選擇的處理性質(zhì)的概覽的屏幕截圖75示出處理結(jié)果的屏幕截圖76示出水面層的屏幕截圖77示出有森林層和水面層兩者的復(fù)合圖像的屏幕截圖； 圖78是根據(jù)本發(fā)明實(shí)施例的方法的框圖。 圖79是根據(jù)本發(fā)明實(shí)施例形成的虛擬病理學(xué)庫(kù)的框圖。 圖80是根據(jù)本發(fā)明實(shí)施例形成的系統(tǒng)的框圖。
優(yōu)選實(shí)施例的詳細(xì)描述
雖然參考諸如圖像數(shù)據(jù)和音頻數(shù)據(jù)等的具體數(shù)據(jù)類型來(lái)描述數(shù)據(jù)分析和 特征識(shí)別系統(tǒng)的下列實(shí)施例和示例中的幾個(gè)，但本發(fā)明并非被限定于對(duì)這些數(shù) 據(jù)類型的分析。本文中描述的系統(tǒng)和方法可用于識(shí)別數(shù)據(jù)組或可在可量化數(shù)據(jù) 存儲(chǔ)中表示的任何其它信息集合中的離散特征。本文中描述的數(shù)據(jù)分析和特征識(shí)別系統(tǒng)的實(shí)施例一般涉及數(shù)字?jǐn)?shù)據(jù)流的 分析和組織以學(xué)習(xí)和重復(fù)識(shí)別數(shù)據(jù)內(nèi)的模式和對(duì)象。數(shù)字?jǐn)?shù)據(jù)流可以是模擬源 到數(shù)字形式的變換。在某些實(shí)施例中，系統(tǒng)使用的數(shù)據(jù)組織結(jié)構(gòu)涉及用于描述 所定義對(duì)象的要素的互連數(shù)據(jù)字段的網(wǎng)絡(luò)(本文中稱為"突觸網(wǎng)絡(luò)")。
在例如圖1中所示的一個(gè)實(shí)施例中，數(shù)據(jù)分析和特征識(shí)別系統(tǒng)被配置成接
受包含已知和預(yù)先標(biāo)識(shí)的特征"X" 81 (例如，已知模式、形狀或?qū)ο?的源 數(shù)據(jù)組80。該系統(tǒng)被一般配置成使得用戶能夠"訓(xùn)練"(82)該系統(tǒng)識(shí)別該已 知特征"X"。此訓(xùn)練通過(guò)執(zhí)行多個(gè)算法以分析(83)表示特征"X"的數(shù)據(jù) 從而標(biāo)識(shí)定義該特征的特性的多組值來(lái)完成。定義特征"X"的幾組值隨后存 儲(chǔ)(84)在本文中稱為"突觸網(wǎng)絡(luò)"85的組織性結(jié)構(gòu)中，其由通過(guò)多條"突觸 路徑"互連的多個(gè)"突觸葉"組成。
一旦對(duì)于已知特征該系統(tǒng)已被訓(xùn)練，可向系統(tǒng)展示包含一組未知特征87 的新數(shù)據(jù)組86。該系統(tǒng)可被配置成接受用戶請(qǐng)求88以使用相同的多個(gè)算法來(lái) 分析(89)該新數(shù)據(jù)組的選擇部分，并將結(jié)果與突觸網(wǎng)絡(luò)85中存儲(chǔ)的信息進(jìn) 行比較(90)以標(biāo)識(shí)該新數(shù)據(jù)組中包含的任何已知特征(諸如特征"X"、或 任何以前訓(xùn)練過(guò)的其他特征)。 一旦在新數(shù)據(jù)組中找到已知特征，該系統(tǒng)就可 通知(91)用戶已知特征已被標(biāo)識(shí)的事實(shí)和/或該系統(tǒng)就可向用戶展示(92)已 知特征的表示(例如，以圖形圖像的形式、可聽(tīng)到的聲音、或任何其它形式)。
如本文中所使用的，術(shù)語(yǔ)"數(shù)據(jù)存儲(chǔ)"表達(dá)其本意，并且在本文中一般用 于指至少能夠暫時(shí)存儲(chǔ)數(shù)據(jù)的任何軟件或硬件單元。在幾個(gè)實(shí)施例中，本文所 稱的數(shù)據(jù)存儲(chǔ)包含由多個(gè)突觸網(wǎng)絡(luò)表示的多個(gè)已知特征，每個(gè)突觸網(wǎng)絡(luò)包含由 突觸路徑聯(lián)結(jié)的多個(gè)突觸葉，如以下進(jìn)一步例示說(shuō)明的。
如本文中所使用的，術(shù)語(yǔ)"目標(biāo)數(shù)據(jù)元素"(TDE)是指被使用算法來(lái)評(píng) 估特性的給定介質(zhì)中較大數(shù)據(jù)組的離散部分。目標(biāo)數(shù)據(jù)元素可以是適合特定類 型的數(shù)據(jù)的任何尺寸。例如，在一組圖形數(shù)據(jù)中，TDE可由單個(gè)像素組成，或 其可包括局部化的像素群或任何其它離散像素群。在幾個(gè)實(shí)施例中，不管其大 小，TDE是在移動(dòng)到下一個(gè)TDE之前在單個(gè)離散步驟中被評(píng)價(jià)的"點(diǎn)"。
如本文中所使用的，"目標(biāo)數(shù)據(jù)區(qū)域"(TDA)是緊圍著目標(biāo)數(shù)據(jù)元素的 數(shù)據(jù)的集合。TDA的尺寸和形狀取決于被評(píng)價(jià)的數(shù)據(jù)或介質(zhì)的類型可變化。TDA的尺寸和形狀定義可用于算法執(zhí)行的計(jì)算的數(shù)據(jù)點(diǎn)。
如本文中所使用的，使用術(shù)語(yǔ)"已知特征"來(lái)指表示在訓(xùn)練期間已知在特 定數(shù)據(jù)組中存在的條目、對(duì)象、模式、或其它可離散定義的信息片段的數(shù)據(jù)元 素。在處理時(shí)，系統(tǒng)為一個(gè)或以上以前定義過(guò)的已知特征搜索新數(shù)據(jù)組。
如本文中所使用的，術(shù)語(yǔ)"突觸網(wǎng)絡(luò)"是指在有根的固定深度樹(shù)的實(shí)現(xiàn)中 用于存儲(chǔ)關(guān)于離散特征、模式、對(duì)象或其他已知數(shù)據(jù)組的信息的組織性結(jié)構(gòu)。 突觸網(wǎng)絡(luò)有利地允許關(guān)于已知特征的信息被很快添加，并允許未知數(shù)據(jù)組被很 快評(píng)價(jià)以標(biāo)識(shí)其中包含的任何已知特征。
如本文中所使用的，術(shù)語(yǔ)"突觸葉" 一般是指表示由用于到達(dá)葉的一組算 法值標(biāo)識(shí)出的多個(gè)已知特征的突觸網(wǎng)絡(luò)中的終端節(jié)點(diǎn)。
如本文中所使用的，術(shù)語(yǔ)"突觸路徑"是指來(lái)自所有這些算法的多個(gè)值。 突觸路徑被用于基于對(duì)目標(biāo)數(shù)據(jù)元素的計(jì)算到達(dá)突觸葉。
如本文中所使用的，"訓(xùn)練事件"是通過(guò)創(chuàng)建或更新突觸路徑和突觸葉將 多個(gè)算法值與已知特征相關(guān)聯(lián)的過(guò)程。
如本文中所使用的，術(shù)語(yǔ)"算法"表達(dá)其本意，并且不限于指結(jié)果得到離 散"值"的任何系列可重復(fù)步驟。例如，算法包括任何數(shù)學(xué)計(jì)算。在幾個(gè)實(shí)施 例中，對(duì)與以前定義的目標(biāo)數(shù)據(jù)區(qū)域相關(guān)的目標(biāo)數(shù)據(jù)元素執(zhí)行各種算法以產(chǎn)生 單個(gè)有意義的值。
如本文中所使用的，術(shù)語(yǔ)"命中檢測(cè)"是指基于將處理期間遭遇的突觸路 徑與對(duì)某已知特征訓(xùn)練過(guò)的任何路徑相匹配來(lái)確定該已知特征是否存在于測(cè) 試數(shù)據(jù)組中的方法。
如本文中所使用的，術(shù)語(yǔ)"群集檢測(cè)"是指基于命中檢測(cè)和對(duì)目標(biāo)數(shù)據(jù)元 素的預(yù)定義"群集距離"內(nèi)指定數(shù)目的附加命中的檢測(cè)兩者來(lái)確定已知特征是 否存在于測(cè)試數(shù)據(jù)組中的方法。
如本文中所使用的，術(shù)語(yǔ)"群集距離"是指一個(gè)或以上用于評(píng)價(jià)目標(biāo)數(shù)據(jù) 元素的用戶定義的距離規(guī)格。群集距離可指實(shí)際物理距離，或可表示離散數(shù)據(jù) 元素之間的數(shù)學(xué)關(guān)系。
如本文中所使用的，術(shù)語(yǔ)"閾值檢測(cè)"是指基于命中檢測(cè)和命中檢測(cè)中使 用的突觸路徑作為已知特征已被訓(xùn)練的次數(shù)兩者來(lái)確定該已知特征是否存在于測(cè)試數(shù)據(jù)組中的方法。
如本文中所使用的，術(shù)語(yǔ)"正訓(xùn)練值組"是指在被訓(xùn)練成用戶定義的已知 特征的數(shù)據(jù)區(qū)域中的幾組算法值。
如本文中所使用的，術(shù)語(yǔ)"負(fù)訓(xùn)練值組"是指在被訓(xùn)練為用戶定義的己知 特征的數(shù)據(jù)的區(qū)域外的幾組算法值。
如本文中所使用的，術(shù)語(yǔ)"區(qū)域訓(xùn)練"是指在訓(xùn)練事件中使用的過(guò)程，其 中在正訓(xùn)練值組中找到的每組算法值都被用于為該已知特征生成突觸路徑。
如本文中所使用的，術(shù)語(yǔ)"相對(duì)調(diào)整的訓(xùn)練"是指在訓(xùn)練事件中使用的過(guò) 程，其中在負(fù)訓(xùn)練值組中找到的每組算法值使正訓(xùn)練值組內(nèi)找到的一組匹配算 法值無(wú)效。隨后可使用其余正訓(xùn)練值組為該已知特征生成突觸路徑。
如本文中所使用的，術(shù)語(yǔ)"絕對(duì)調(diào)整的訓(xùn)練"是指在訓(xùn)練事件中使用的過(guò) 程，其中在負(fù)訓(xùn)練值組中找到的每組算法值使正訓(xùn)練值組內(nèi)找到的算法值匹配
的所有組無(wú)效。隨后可使用其余正訓(xùn)練值組為該已知特征生成突觸路徑。
如本文中所使用的，術(shù)語(yǔ)"形態(tài)"以其本意使用，并且一般是指可被處理 的數(shù)字?jǐn)?shù)據(jù)的各種不同形式或格式中的一種。例如，圖像數(shù)據(jù)表示一種形態(tài)， 而音頻數(shù)據(jù)表示另一種形態(tài)。除描述符合一種或以上人類感知形態(tài)的數(shù)據(jù)類型 外，該術(shù)語(yǔ)還旨在涵蓋與人類感知可能只有很少或沒(méi)有關(guān)系的數(shù)據(jù)類型和格 式。例如，金融數(shù)據(jù)、人口統(tǒng)計(jì)數(shù)據(jù)和文學(xué)數(shù)據(jù)在本文中使用時(shí)也表示該術(shù)語(yǔ) 意義內(nèi)的形態(tài)。
如本文中所使用的，術(shù)語(yǔ)"子形態(tài)"是指形態(tài)的子分類。在某些實(shí)施例中， 子形態(tài)是指用于數(shù)據(jù)的能夠影響如何處理該數(shù)據(jù)的應(yīng)用或源之一。例如，x光 和衛(wèi)星攝像是成像的子形態(tài)。來(lái)自不同廠商(諸如通用電氣或西門(mén)子)的用于 產(chǎn)生X光圖像的系統(tǒng)在其將被描述成不同子形態(tài)的數(shù)據(jù)格式方面明顯不同。
圖2示出用于執(zhí)行數(shù)據(jù)分析和特征識(shí)別系統(tǒng)的示例系統(tǒng)100。在一個(gè)實(shí)施 例中，系統(tǒng)100包括單個(gè)計(jì)算機(jī)101。在替換實(shí)施例中，系統(tǒng)100包括與多個(gè) 其它計(jì)算機(jī)103通信的計(jì)算機(jī)101。在替換實(shí)施例中，計(jì)算機(jī)101被連接到多 個(gè)計(jì)算機(jī)103、服務(wù)器104、數(shù)據(jù)存儲(chǔ)106和/或諸如內(nèi)聯(lián)網(wǎng)或因特網(wǎng)等的網(wǎng)絡(luò) 108。在又一替換實(shí)施例中，可使用服務(wù)器排、無(wú)線設(shè)備、蜂窩電話和/或另一 數(shù)據(jù)輸入設(shè)備來(lái)代替計(jì)算機(jī)IOI。在一個(gè)實(shí)施例中，數(shù)據(jù)存儲(chǔ)106存儲(chǔ)數(shù)據(jù)分析和特征識(shí)別數(shù)據(jù)存儲(chǔ)。該數(shù)據(jù)存儲(chǔ)可本地存儲(chǔ)在計(jì)算機(jī)101上或存儲(chǔ)在任何
遠(yuǎn)程位置但可被計(jì)算機(jī)101檢索。在一個(gè)實(shí)施例中，應(yīng)用程序由服務(wù)器104或 計(jì)算機(jī)101運(yùn)行，其隨后創(chuàng)建該數(shù)據(jù)存儲(chǔ)。計(jì)算機(jī)101或服務(wù)器104可包括訓(xùn) 練已知特征的應(yīng)用程序。例如，計(jì)算機(jī)101或服務(wù)器104可包括標(biāo)識(shí)數(shù)字介質(zhì) 中以前定義的已知特征的應(yīng)用程序。在一個(gè)實(shí)施例中，該介質(zhì)是圖像數(shù)據(jù)中的 一個(gè)或以上像素或聲音記錄中的一個(gè)或以上樣本。
圖3示出根據(jù)本發(fā)明的實(shí)施例形成的方法。在框112處，創(chuàng)建數(shù)據(jù)存儲(chǔ)， 其將在以下圖4和5中更詳細(xì)地描述。在框114中，訓(xùn)練已知特征。以下關(guān)于 圖6-15更詳細(xì)地描述該訓(xùn)練。在框116處，標(biāo)識(shí)出已知特征，其將在圖16-20 中更詳細(xì)地描述。在框118處，執(zhí)行已知特征動(dòng)作，其將在圖20中進(jìn)一步例 示說(shuō)明。
圖4示出用于創(chuàng)建數(shù)據(jù)存儲(chǔ)的示例方法(框112)。該方法(框112)在 框120處通過(guò)指派多個(gè)數(shù)據(jù)存儲(chǔ)性質(zhì)開(kāi)始。在一個(gè)實(shí)施例中，數(shù)據(jù)存儲(chǔ)性質(zhì)包 括形態(tài)和子形態(tài)。在每個(gè)形態(tài)內(nèi)，有多個(gè)子形態(tài)。在一個(gè)實(shí)施例中，在框122 處創(chuàng)建已知特征，其將在圖5中進(jìn)一步例示說(shuō)明。在一個(gè)實(shí)施例中，在框124 處指派目標(biāo)數(shù)據(jù)區(qū)域。在一個(gè)實(shí)施例中，選擇目標(biāo)數(shù)據(jù)區(qū)域。對(duì)于成像形態(tài)的 一個(gè)示例目標(biāo)數(shù)據(jù)區(qū)域是圍繞目標(biāo)像素的近鄰和遠(yuǎn)鄰像素的模式。在一個(gè)實(shí)施 例中，在框126處選擇目標(biāo)數(shù)據(jù)區(qū)域算法。在框128處，將數(shù)據(jù)存儲(chǔ)106保存 到計(jì)算機(jī)101或網(wǎng)絡(luò)108。框120、 122以及124與126的組合可按任何次序執(zhí) 行。
圖5示出用于創(chuàng)建已知特征的示例方法(框122)。在框140處，用戶輸 入已知特征的名稱。在一個(gè)實(shí)施例中，在框142處，用戶向該已知特征指派一 種用于檢測(cè)的方法。在一個(gè)實(shí)施例中，該檢測(cè)方法可被選擇為命中檢測(cè)。在一 個(gè)實(shí)施例中，可使用群集檢測(cè)。在一個(gè)實(shí)施例中，可使用閾值檢測(cè)。在一個(gè)實(shí) 施例中，可使用群集和閾值檢測(cè)。在一個(gè)實(shí)施例中，在框144處，可為通知找 到已知特征的方法選取處理動(dòng)作。在一個(gè)實(shí)施例中，用戶可不選擇動(dòng)作，執(zhí)行 系統(tǒng)聲音、或涂抹多個(gè)像素?？?40、 142和144可按任何次序執(zhí)行。
圖6示出用于通過(guò)訓(xùn)練或不訓(xùn)練修改突觸網(wǎng)絡(luò)的示例方法(框114)。在 一個(gè)實(shí)施例中，該方法在框150處以生成算法值高速緩存開(kāi)始，其在圖7中進(jìn)一步描述。在一個(gè)實(shí)施例中，該方法在框152處當(dāng)用戶選擇已知包含要被訓(xùn)練
的特征的數(shù)據(jù)區(qū)域時(shí)開(kāi)始。在框153處，檢索正訓(xùn)練值組。在一個(gè)實(shí)施例中， 在框154處，作出關(guān)于用戶是否正在執(zhí)行經(jīng)調(diào)整的訓(xùn)練的判定。如果是，則在 框156處，檢索負(fù)訓(xùn)練值組。在一個(gè)實(shí)施例中，在框158處作出關(guān)于用戶是否 正在訓(xùn)練或不訓(xùn)練已知特征的判定。如果在訓(xùn)練，則在框159處訓(xùn)練該已知特 征，其將在圖8中進(jìn)一步例示說(shuō)明。在一個(gè)實(shí)施例中，在框160處，向用戶給 出顯示被添加和更新的獨(dú)特突觸路徑的數(shù)目的報(bào)告。如果不在訓(xùn)練，則不訓(xùn)練 已知特征，其將在圖13中進(jìn)一步解釋。在一個(gè)實(shí)施例中，在框162處，向用
戶報(bào)告被移除的獨(dú)特突觸路徑的數(shù)目?？?50和152可按任何次序執(zhí)行?？?53 以及154與156的組合可按任何次序執(zhí)行。
在某些境況下，用戶能夠很好地調(diào)諧感興趣地區(qū)的限制可能導(dǎo)致某些正訓(xùn)
練值組實(shí)際上包含用戶知曉其不是他/她希望訓(xùn)練的數(shù)據(jù)部分。這些情形由經(jīng)調(diào) 整的訓(xùn)練來(lái)處置，其可由用戶選擇。靜止圖像中感興趣地區(qū)之外的這一區(qū)域經(jīng) 常是用戶不想作為已知特征來(lái)訓(xùn)練的背景或普通區(qū)域。通過(guò)標(biāo)識(shí)負(fù)訓(xùn)練值組， 來(lái)自感興趣地區(qū)(正訓(xùn)練值組)內(nèi)的實(shí)際上不是用戶希望作為己知特征來(lái)訓(xùn)練 的特征的那些算法值組可被移除。
圖7示出用于生成算法值高速緩存的示例方法(框150)。在一個(gè)實(shí)施例 中，算法值高速緩存由存儲(chǔ)以前選擇的算法的數(shù)字結(jié)果的陣列組成。該方法(框 150)在框170處以該方法檢索數(shù)據(jù)中的第一個(gè)TDE開(kāi)始。在框176處，在 TDE的TDA上計(jì)算算法值。在框180處，將該算法值存儲(chǔ)在該TDE的算法值 高速緩存中。在框174處，作出該數(shù)據(jù)中是否有更多TDE可用的判定。如果 是假，則在框172處，完成該算法高速緩存。如果為真，則在框178處，檢索 下一個(gè)TDE并且處理返回到框176。
圖8示出用于訓(xùn)練已知特征的示例方法159。方法159在框190處開(kāi)始， 在此檢索已知特征用于訓(xùn)練并且建立訓(xùn)練突觸路徑陣列。在框192處，從正和 負(fù)訓(xùn)練值組發(fā)展出訓(xùn)練突觸路徑陣列。在框194處，—?jiǎng)?chuàng)建并遵循新突觸路徑。 在框196處，將突觸路徑與已知特征相關(guān)聯(lián)，其將在圖12中進(jìn)一步解釋。在 框202處，作出關(guān)于訓(xùn)練路徑陣列中是否有更多條目的判定。如果是，則返回 至框194。如果否，則在一個(gè)實(shí)施例中，更新訓(xùn)練計(jì)數(shù)。在一個(gè)實(shí)施例中，在框200處，分序突觸葉。在框204處，該方法(框159)完成?？?90和192
可按任何次序執(zhí)行。
圖9示出用于從正和負(fù)訓(xùn)練值組開(kāi)發(fā)訓(xùn)練突出路徑陣列的示例方法(框 192)。在框210處，檢索訓(xùn)練類型以及正和負(fù)訓(xùn)練值組。在框212處，將正 訓(xùn)練值組指派給訓(xùn)練陣列。在框214處，作出關(guān)于用戶是否正在執(zhí)行經(jīng)調(diào)整的 訓(xùn)練的判定。如果是，則在框216處，從訓(xùn)練陣列中移除負(fù)訓(xùn)練值組，其將在 圖10中進(jìn)一步解釋。在框218處，開(kāi)發(fā)訓(xùn)練突觸路徑完成。
圖10示出用于執(zhí)行調(diào)整訓(xùn)練的示例方法(框216)。在一個(gè)實(shí)施例中， 相對(duì)和/或絕對(duì)調(diào)整訓(xùn)練都是可用的。在框220處，從各負(fù)訓(xùn)練值組之一中選擇 突觸路徑。在框222處，作出訓(xùn)練類型是否是絕對(duì)調(diào)整訓(xùn)練的判定。如果是， 則在框226處，從訓(xùn)練陣列中移除與當(dāng)前突觸路徑匹配的所有突觸路徑。如果 否，則在框228處，從訓(xùn)練陣列中移除與當(dāng)前突觸路徑匹配的一條突觸路徑。 在框230處，選擇下一條突觸路徑，并且如果不再有突觸路徑，則在框218處， 該方法返回到圖9，即框216。
圖11示出用于創(chuàng)建和跟隨突觸路徑的示例方法(框194)。在框240處， 該過(guò)程將當(dāng)前節(jié)點(diǎn)設(shè)置到突觸網(wǎng)絡(luò)的根節(jié)點(diǎn)。在框242處，選擇突觸路徑中的 算法值。在框244處，作出關(guān)于當(dāng)前節(jié)點(diǎn)對(duì)于當(dāng)前算法值是否有下一個(gè)節(jié)點(diǎn)鏈 接的判定。如果是，則在框248處將當(dāng)前節(jié)點(diǎn)設(shè)置到該下一個(gè)節(jié)點(diǎn)。如果否， 則在框246處創(chuàng)建新節(jié)點(diǎn)；用當(dāng)前算法值將當(dāng)前節(jié)點(diǎn)鏈接到該新節(jié)點(diǎn)。在框248 處，當(dāng)前節(jié)點(diǎn)被設(shè)置到該下一個(gè)節(jié)點(diǎn)。在框250處，選擇下一個(gè)算法值。在框 252處，結(jié)果所得突觸葉被返回給圖8中的框194。
圖12示出用于將突觸路徑與已知特征相關(guān)聯(lián)的示例方法(框1%)。在 框260處，將當(dāng)前突觸葉設(shè)置到從圖11返回到圖7的框194的突觸葉。在框 266處，作出關(guān)于當(dāng)前突觸葉是否包含被訓(xùn)練的已知特征的索引值的判定。如 果是，則在框268處更新當(dāng)前突觸葉命中計(jì)數(shù)。如果否，則在框270處，作出 關(guān)于當(dāng)前突觸葉是否具有下一個(gè)突觸葉的判定。如果是，則在框276處將當(dāng)前 突觸葉設(shè)置到該下一個(gè)突觸葉。如果否，則在框272處，創(chuàng)建包含被訓(xùn)練已知 特征的索引的新突觸葉，并將其鏈接到當(dāng)前突觸葉。在框280處，該過(guò)程返回 到圖7中的框196。圖13示出用于不訓(xùn)練已知特征的示例方法(框161)。在框320處，檢 索不訓(xùn)練的已知特征和多個(gè)正訓(xùn)練值組。在框322處，選擇當(dāng)前值組。在框324 處，跟隨該當(dāng)前正訓(xùn)練值組的突觸路徑。在框326處，測(cè)試該突觸路徑看其是 否存在。如果是，則在框328處將該突觸路徑與已知特征斷開(kāi)關(guān)聯(lián)。如果否， 則在框330處前進(jìn)到下一組正訓(xùn)練值。 一旦所有正訓(xùn)練值組已被評(píng)價(jià)，則在框 332處，返回到圖6中的框161。
圖14示出用于跟隨突觸路徑以基于一組算法值來(lái)標(biāo)識(shí)葉的示例方法(框 324)。在框340處，將當(dāng)前節(jié)點(diǎn)設(shè)置到突觸網(wǎng)絡(luò)的根節(jié)點(diǎn)。在框342處，為 用于當(dāng)前節(jié)點(diǎn)的算法從突觸路徑中選擇算法值。在框344處，作出關(guān)于當(dāng)前節(jié) 點(diǎn)對(duì)于當(dāng)前算法值是否有下一個(gè)節(jié)點(diǎn)鏈接的判定。如果是，則在框346處將當(dāng) 前節(jié)點(diǎn)設(shè)置到該下一個(gè)節(jié)點(diǎn)。在框348處，選擇下一個(gè)算法值。如果不再有算 法值，則在框350處，在突觸路徑結(jié)束處返回突觸葉。如果否，則在框352處， 該突觸路徑不存在。該過(guò)程返回至圖13的框324。
圖15示出用于將突觸路徑與已知特征斷開(kāi)關(guān)聯(lián)的示例方法(框328)。 在框360處，將當(dāng)前突觸葉設(shè)置到由圖14返回到框324的突觸葉。在框362 處作出關(guān)于當(dāng)前突觸葉是否包含該已知特征的索引值的判定。如果是，則在框 364處移除該葉。如果否，則在框365處作出關(guān)于當(dāng)前突觸葉是否具有下一個(gè) 葉的判定。如果是，則將當(dāng)前突觸葉設(shè)置到該下一個(gè)葉并且該過(guò)程被重復(fù)。如 果否，則該過(guò)程在框370處返回到圖13中的框328。
圖16示出用于標(biāo)識(shí)已知特征的示例方法(框116)。在一個(gè)實(shí)施例中， 在框390處生成算法值高速緩存。(參見(jiàn)圖7)在框392處，在當(dāng)前數(shù)據(jù)中選 擇一個(gè)區(qū)域。在框393處，選擇第一個(gè)TDE。在框394處，作出該TDE是否 在所選擇區(qū)域中的判定。如果是，則在框398處，如果可用就從算法值高速緩 存中檢索該TDE的算法值；如果不可用，就為該TDE計(jì)算算法值。在框400 處，用這些算法值來(lái)査詢數(shù)據(jù)存儲(chǔ)。(參見(jiàn)圖14)在框404處作出對(duì)于這些算 法值的路徑是否存在的判定。如果是，則在框406處^l定該匹配是否是已知特 征的命中，其在圖17中進(jìn)一步解釋。如果否，則在框402處檢索下一個(gè)TDE。 如果從框394為否，則在框396處返回標(biāo)識(shí)出的已知特征?？?90和392可按 任何次序執(zhí)行。圖17示出用于確定已知特征是否是葉命中的示例方法(框406)。在框 420處，對(duì)于為該葉找到的已知特征中的每一個(gè)執(zhí)行下列處理。在框426處， 檢査該特征看是否有用戶選擇它用于標(biāo)識(shí)。如果是，則在框428處，檢査該特 征看命中方法是否被設(shè)置為命中檢測(cè)。如果在框428處為否，則在框434處， 檢查該特征看命中檢測(cè)方法是否被設(shè)置為閾值。如果在框434處為否，則在框 440處，檢査該已知特征看己知特征命中方法是否被設(shè)置為群集化。如果在框 428處為是，則在框430處，將該已知特征添加到為當(dāng)前一組算法值標(biāo)識(shí)的特 征列表中。如果從框434為是，則在框436處針對(duì)閾值命中檢查該已知特征， 其在圖19中進(jìn)一步解釋。如果從框400為是，則在框442處執(zhí)行對(duì)群集化命 中的檢查，其在圖20中進(jìn)一步解釋。如果從框440為否，則在框444處系統(tǒng) 檢査群集化和閾值命中，其在圖18中進(jìn)一步解釋。在框436、 442和444處， 對(duì)于命中返回的數(shù)據(jù)或?yàn)檎婊驗(yàn)榧?。在?38處，分析該返回值以確定在此位 置是否有命中。如果是，則在框430處，將該已知特征添加到當(dāng)前一組算法值 的已標(biāo)識(shí)特征列表中。如果否，則在一個(gè)實(shí)施例中，在框424處確定該方法是 否僅處理最顯著的已知特征。如果是，則該方法完成；如果否，則在框422或 框426處，檢査是否有與當(dāng)前葉相關(guān)聯(lián)的附加已知特征。如果是，則前進(jìn)到框 420;如果否，則該方法現(xiàn)在完成并且通過(guò)框432返回至圖16中的框406。
圖18示出用于檢查群集化和閾值命中的示例方法(框444)。在框450 處，該方法執(zhí)行對(duì)閾值命中的檢查。在框452處，檢查是否找到閾值命中。如 果否，則該方法前進(jìn)到框459。如果是，則該方法前進(jìn)至框454。在框454處， 該方法執(zhí)行對(duì)群集化命中的檢查。在框456處，檢査是否找到群集化命中。如 果否，則該方法前進(jìn)到框459。如果是，則該方法前進(jìn)至框458。在框458處， 在閾值和群集化處理中檢測(cè)到命中，且因此將真返回給圖17中的框444。在框 459處，在閾值或群集化處理之一中未檢測(cè)到命中，且因此將假返回給圖17 中的框444?？?50和452以及454與456的組合可按任何次序執(zhí)行。
圖19示出用于檢査閾值命中的示例方法(框436)。在框460處，系統(tǒng) 檢測(cè)看是否設(shè)置了處理閾值。如果是，則在框462處，作出對(duì)突觸葉的已知特 征命中計(jì)數(shù)是否在處理最小值與最大值之間的判定。如果是，則在框468處返 回真；如果否，則在框466處返回假。如果從框460為否，則在框464處檢査該已知特征以確定對(duì)突觸葉的命中計(jì)數(shù)是否在已知特征最小值與最大值之間。
如果是，則在框468處返回真；如果否，則在框466處返回假。
圖20示出用于檢査群集化命中的示例方法(框442)。在框470處，系 統(tǒng)檢測(cè)看是否設(shè)置了處理群集距離。如果否，則在框472處，該方法用已知特 征群集距離執(zhí)行群集化檢査。如果是，則在框474處，用處理群集化距離來(lái)執(zhí) 行群集化檢查。隨后在框476處，作出檢査看是否找到群集。如果是，則在框 478處返回真。如果否，則在框480處返回假。
圖21示出用于處理對(duì)某區(qū)域標(biāo)識(shí)出的已知特征的示例方法(框118)。在框 492處，檢索在所選擇區(qū)域中的第一個(gè)TDE。在框496處，檢查該TDE以確 定其是否在該所選擇區(qū)域之內(nèi)。如果否，則處理動(dòng)作完成。如果是，則在框500 處檢索對(duì)該TDE標(biāo)識(shí)出的特征列表。在框501處，對(duì)該特征列表執(zhí)行動(dòng)作。 這一旦完成，就在框502處檢索下一個(gè)TDE。
圖22示出一個(gè)實(shí)施例中用于對(duì)己知特征列表執(zhí)行動(dòng)作的示例方法(框 501)。該方法(框501)在框503處開(kāi)始。在框503處，將當(dāng)前已知特征設(shè)置 到TDE列表中的第一個(gè)巳知特征。在框504處，檢査已知特征動(dòng)作以確定該 動(dòng)作是否為聲音。設(shè)置已知特征動(dòng)作曾在圖5中例示說(shuō)明。如果是，則在框506 處，系統(tǒng)確定該聲音以前是否已被播放過(guò)至少一次。如果從框506為否，則在 框508處播放由已知特征動(dòng)作數(shù)據(jù)指定的聲音。如果從框504為否，則在框510 處檢查該已知特征動(dòng)作以確定其是否為涂抹。如果是，則按照該已知特征動(dòng)作 數(shù)據(jù)設(shè)置該TDE的圖像色彩。在框511處，作出檢查看TDE列表中是否存在 更多己知特征。如果是，則將當(dāng)前已知特征設(shè)置到下一個(gè)巳知特征(框515)， 并且該方法在框504處繼續(xù)。如果否，則該方法在框513處返回。其他實(shí)施例 需要的附加動(dòng)作或動(dòng)作組合是可能的。這些動(dòng)作可按任何次序來(lái)檢査和執(zhí)行。
圖23是10 x 10像素圖像的示例陣列600。像素的X坐標(biāo)由諸行604中的 數(shù)字來(lái)表示。像素的Y坐標(biāo)由諸列602中的數(shù)字來(lái)表示。在一個(gè)實(shí)施例中，陣 列600內(nèi)示出的藪字是該10 x 10像素圖像的原始灰度值。示—出的數(shù)字是使用 包括圍繞目標(biāo)像素的八個(gè)像素的毗鄰像素TDA使用預(yù)先選擇的算法來(lái)操縱的 數(shù)字。在此示例中，選取的算法為均值、中值、值展距和標(biāo)準(zhǔn)偏差。進(jìn)一步， 圖24-34示出圖3中描述的訓(xùn)練已知特征的示例。圖24示出對(duì)毗鄰像素TDA使用均值算法的10 x 10像素圖像的示例陣列 605。如陣列605中所示，第一行和最后一行609被打上了陰影，并且第一列 和最后一列607被打上了陰影。這些區(qū)域被打上陰影是因?yàn)樗鼈儾话匾?劃界像素。第一個(gè)有效像素——所有側(cè)都被另一像素界定的第一個(gè)像素——是 (2, 2)，并且該算法結(jié)果所得為153。結(jié)果153將在圖28開(kāi)始被進(jìn)一步使用。
圖25示出對(duì)毗鄰像素TDA使用中值算法的該10 x 10像素圖像的示例陣 列610。該算法為第一個(gè)有效像素結(jié)果所得為159。結(jié)果159將在圖28開(kāi)始被 進(jìn)一步使用。
圖26示出對(duì)毗鄰像素TDA使用值展距算法的該10 x 10像素圖像的示例 陣列620。該算法為第一個(gè)有效像素結(jié)果所得為217。結(jié)果217將在圖28開(kāi)始
被進(jìn)一步使用。
圖27示出使用標(biāo)準(zhǔn)偏差算法的該10 x 10像素圖像的示例陣列630。該算 法為第一個(gè)有效像素結(jié)果所得為64。結(jié)果64將在圖28開(kāi)始被進(jìn)一步使用。
圖28示出在一個(gè)實(shí)施例中包含根據(jù)圖24-27中計(jì)算出的第一有效像素值 形成的單條突觸路徑的示例突觸網(wǎng)絡(luò)640。為153的第一值(642)來(lái)自第一算 法(縮寫(xiě)為ALG)(圖24像素2， 2處)。因此，642顯示153，計(jì)數(shù)l。計(jì) 數(shù)1表示在訓(xùn)練期間第一算法具有結(jié)果153的次數(shù)。第二節(jié)點(diǎn)644示出第二算 法(圖25像素2， 2處)為159的結(jié)果。因此，644顯示159，計(jì)數(shù)1。第三節(jié) 點(diǎn)646示出第三算法(圖26像素2， 2處)為217的結(jié)果。因此，646顯示217， 計(jì)數(shù)1。第四節(jié)點(diǎn)648示出第四算法(圖27像素2， 2處)為64的結(jié)果。因此， 648顯示64，計(jì)數(shù)l。隨后此突觸路徑通向包含已知特征(縮寫(xiě)為KF) 1的突 觸葉。這是首次此突觸路徑已被創(chuàng)建，且因此計(jì)數(shù)也為1，參見(jiàn)框650。在此 示例中，突觸葉640是該突觸網(wǎng)絡(luò)中的第一突觸葉。
圖29示出在一個(gè)實(shí)施例中包含使用圖24-27中計(jì)算出的值的兩條突觸路 徑的示例突觸網(wǎng)絡(luò)660。突觸葉664曾在圖28中示出和描述。突觸葉666表示 來(lái)自圖24-27中所示每個(gè)表的像素(2, 3)的算法值。因此，在分析兩個(gè)像素之后， 有兩條不同的標(biāo)識(shí)同一已知特征的突觸路徑。
圖30示出在一個(gè)實(shí)施例中使用圖24-27中計(jì)算出的值的示例突觸網(wǎng)絡(luò) 670。從圖24-27中所示各表計(jì)算出的值表示像素(2, 2)到(3,4)。這些值在各行內(nèi)從左到右被采納。在計(jì)算中的此時(shí)，來(lái)自第一算法的值沒(méi)有重復(fù)；因此，對(duì) 于每個(gè)計(jì)算的像素，全新的突觸路徑和新的突觸葉被添加到該突觸網(wǎng)絡(luò)。
圖31示出在一個(gè)實(shí)施例中使用圖24-27中計(jì)算出的值的示例突觸網(wǎng)絡(luò) 720。在突觸網(wǎng)絡(luò)720中，有在722處示出的重復(fù)值。第一算法值151在(2, 8) 和(3,5)兩處找到，因此將該位置處的計(jì)數(shù)增大到等于2。在722處，該突觸路 徑分裂，因?yàn)閺牡诙惴z索到不同值。對(duì)該組值生成新突觸路徑的一部分和 新突觸葉。
圖32示出在一個(gè)實(shí)施例中使用圖24-27中計(jì)算出的值的示例突觸網(wǎng)絡(luò) 730。此示例示出在732、 734和736處第一算法值重復(fù)的更被填充的突觸網(wǎng)絡(luò) 730。這些重復(fù)顯示出在突觸網(wǎng)絡(luò)中的任何節(jié)點(diǎn)都可形成新分支并且將形成新 突觸路徑。如節(jié)點(diǎn)732中所示，有三個(gè)仍得到同一己知特征的分歧結(jié)果。圖32 進(jìn)一步演示訓(xùn)練已知特征之后被完全填充的突觸網(wǎng)絡(luò)可能看起來(lái)像什么的圖
形表示。
圖33示出結(jié)果得到具有多個(gè)已知特征742的突觸葉的突觸路徑740。當(dāng) 多個(gè)已知特征與突觸路徑相關(guān)聯(lián)時(shí)，這些特征被存儲(chǔ)在按特征的命中計(jì)數(shù)來(lái)排 序的分序列表中。最經(jīng)常與突觸模式相關(guān)聯(lián)的已知特征在該列表中首先出現(xiàn)， 后面是按命中計(jì)數(shù)降序排列的其他已知特征。在平局的情形中，第一個(gè)與該突 觸路徑相關(guān)聯(lián)的已知特征將首先出現(xiàn)。
圖34示出一系列對(duì)于6 x 6黑白圖像的陣列。該頁(yè)面頂部的陣列示出該圖 像中所有像素的亮度值。下一陣列680示出向頂陣列應(yīng)用毗鄰像素TDA的均 值算法的結(jié)果。陣列690示出向頂陣列應(yīng)用毗鄰像素TDA之后中值算法的結(jié) 果。陣列700示出向頂陣列應(yīng)用毗鄰像素TDA之后值展距算法的結(jié)果。陣列 710示出向頂陣列應(yīng)用毗鄰像素TDA之后標(biāo)準(zhǔn)偏差算法的結(jié)果。作為示例， 陣列680-710的結(jié)果被應(yīng)用到圖32中的突觸網(wǎng)絡(luò)。來(lái)自陣列680的(2， 2)中所 示的結(jié)果所得值為164。現(xiàn)在參考圖32，在圖32中的突觸網(wǎng)絡(luò)732處的第一 節(jié)點(diǎn)中找到值164。接下來(lái)，使用在(2,2)處找到的值——值152，圖32中顯示 跟隨164的下一個(gè)節(jié)點(diǎn)為152。因此，前兩個(gè)值沿著已知突觸路徑。沿著此突 觸路徑并且陣列700和710中(2, 2)處的值表明在像素(2， 2)處，該突觸網(wǎng)絡(luò)中 被訓(xùn)練的已知特征存在匹配。在圖35-37中，屏幕截圖表示界面的一個(gè)示例；存在無(wú)限的替換。 圖35是在設(shè)置數(shù)據(jù)存儲(chǔ)時(shí)的介紹屏幕的屏幕截圖800。這顯示向?qū)?02 的介紹，其將引導(dǎo)用戶通過(guò)此應(yīng)用中的各步驟來(lái)創(chuàng)建和/或編輯數(shù)據(jù)存儲(chǔ)。此圖 中還示出一系列選項(xiàng)卡804。這些選項(xiàng)卡示出用戶在該向?qū)?nèi)的位置。右上角 是提供關(guān)閉和退出向?qū)?02的能力的按鈕。在該屏幕截圖的底部是執(zhí)行取消的 選項(xiàng)按鈕808、執(zhí)行回退的選項(xiàng)按鈕810、執(zhí)行到下一步的選項(xiàng)按鈕812以及 執(zhí)行完成的選項(xiàng)按鈕814。以上描述的一般布局是在大多數(shù)屏幕截圖中盛行的。 圖36是示出輸入定義數(shù)據(jù)存儲(chǔ)的初始值的屏幕截圖。選擇選項(xiàng)卡"必需" 804，示出在此應(yīng)用中必要的一組值。在此階段，用戶正標(biāo)識(shí)將被處理的數(shù)字 數(shù)據(jù)的類型。形態(tài)組合框820包含一系列指定數(shù)字?jǐn)?shù)據(jù)流的格式的形態(tài)。子形 態(tài)組合框822包含一系列指定信息的使用或形態(tài)的具體應(yīng)用的子形態(tài)。記錄由 復(fù)選框824表示。
圖37示出顯示展開(kāi)的子形態(tài)組合框822的屏幕截圖。子形態(tài)組合框822 已被展開(kāi)，以在一個(gè)實(shí)施例中示出當(dāng)前已對(duì)兩維圖像形態(tài)作了設(shè)置的子形態(tài)的 可配置列表。此組合框822向用戶示出之前選擇的數(shù)字?jǐn)?shù)據(jù)形式內(nèi)的多個(gè)子分 類，以使得用戶能夠處理一個(gè)形態(tài)內(nèi)數(shù)字?jǐn)?shù)據(jù)的差別。
圖38是示出此應(yīng)用中一系列用于添加可任選的描述性參數(shù)的文本框的屏 幕截圖。"任選"選項(xiàng)卡已被選中?？墒褂脕?lái)自此屏幕截圖的信息來(lái)分類通過(guò) 網(wǎng)絡(luò)接收和存儲(chǔ)的數(shù)據(jù)存儲(chǔ)。在文本框830中輸入廠商名稱。在文本框832中 輸入機(jī)器類型。在文本框834中輸入該機(jī)器類型的型號(hào)。在文本框836中輸入 訓(xùn)練者的姓名。在文本框838中描述數(shù)據(jù)存儲(chǔ)的使用。
圖39是允許選擇TDA形狀和為該形狀選擇一組算法的屏幕截圖。"目標(biāo) 數(shù)據(jù)形狀"選項(xiàng)卡804被選中。組合框840允許用戶選擇目標(biāo)數(shù)據(jù)形狀以確定 如何緊圍該TDE收集數(shù)據(jù)。在一個(gè)實(shí)施例中，選擇"灰毗鄰像素"。在一個(gè) 實(shí)施例中，選擇算法的過(guò)程通過(guò)選取TDA形狀開(kāi)始。在圖39的情形中，選取 的TDA形狀是中心像素為該TDE的9像素的正方形(此處稱為"灰毗鄰像素"， 因?yàn)樗械钠溆鄶?shù)據(jù)元素都接觸該TDE)。接下來(lái)，選取一組三個(gè)算法。在此 示例中，使用算法2、算法3和算法4 (算法可簡(jiǎn)單或復(fù)雜)來(lái)提取將在突觸 網(wǎng)絡(luò)內(nèi)的訓(xùn)練中使用的數(shù)據(jù)。應(yīng)注意在此示例中，突觸網(wǎng)絡(luò)用來(lái)訓(xùn)練和處理的是這三個(gè)算法的結(jié)果的組合，而非單個(gè)算法。
在此點(diǎn)處，選擇該圖像中包含其內(nèi)容將在訓(xùn)練中使用的圖像部分的一個(gè)區(qū) 域(如圖51中所示)。此區(qū)域被稱為選擇區(qū)域。有了該選取的選擇區(qū)域，系
統(tǒng)就使TDA移步到該選擇區(qū)域上，使TDE在該選擇區(qū)域中的第一像素處。在 此位置，對(duì)該TDA運(yùn)行選取用于訓(xùn)練的該組三個(gè)算法。算法2 (各TDA值的 均值)將TDA中全部像素的值相加并將該總和除以像素?cái)?shù)目9，結(jié)果得到TDA 的均值。此平均值被輸入到突觸網(wǎng)絡(luò)中供其在訓(xùn)練會(huì)話中使用，如在突觸網(wǎng)絡(luò) 節(jié)中所描述的。算法3 (各TDA值的中值)確定該TDA中全部9個(gè)像素的中 間值。此中間值被輸入到突觸網(wǎng)絡(luò)中供其在訓(xùn)練會(huì)話中使用，如在突觸網(wǎng)絡(luò)節(jié) 中所描述的。算法4 (TDA值的展距)確定該TDA中全部9個(gè)像素的最低像 素值和最高像素值。其隨后從最高值中減去最低值，得到該TDA值的展距。 此展距被輸入到突觸網(wǎng)絡(luò)中供其在訓(xùn)練會(huì)話中使用，如在突觸網(wǎng)絡(luò)節(jié)中所描述 的。在此點(diǎn)，系統(tǒng)使TDA形狀移步一個(gè)位置，在此TDE現(xiàn)在是下一個(gè)具有8 個(gè)毗鄰像素的像素。對(duì)此新TDA運(yùn)行同一組三個(gè)算法并且結(jié)果輸入到突觸網(wǎng) 絡(luò)中供其使用。系統(tǒng)將每次使TDA移步一個(gè)位置并運(yùn)行該組算法，直到該選 擇區(qū)域中的全部像素都已成為T(mén)DE。以上用于訓(xùn)練的過(guò)程類似于標(biāo)識(shí)過(guò)程。為 標(biāo)識(shí)使用與訓(xùn)練相同的TDA形狀和算法。選取選擇區(qū)域并且TDA在該選擇區(qū) 域中移位，并在每個(gè)新點(diǎn)都運(yùn)行該組算法。在此點(diǎn)，這些算法的結(jié)果并不被突 觸網(wǎng)絡(luò)用于訓(xùn)練，而是與已知特征進(jìn)行比較以用于標(biāo)識(shí)。
設(shè)計(jì)用戶可用的算法以分析圍繞目標(biāo)像素的區(qū)域的可能特性。某些示例是 諸如相加或值展距等的算術(shù)算法，或諸如標(biāo)準(zhǔn)偏差等的統(tǒng)計(jì)算法。對(duì)于某些 TDA形狀，可開(kāi)發(fā)考慮該形狀的幾何的其他算法。例如，可實(shí)現(xiàn)用于2D成像 的算法，當(dāng)圍繞目標(biāo)像素的特定像素在已知值之上時(shí)其將位值設(shè)為1，由此創(chuàng) 建反映圍繞目標(biāo)像素的相鄰像素的從0到255的數(shù)字。算法類型和對(duì)于給定范 圍的輸入值返回的值范圍是用戶考慮對(duì)于給定過(guò)程選取哪些算法來(lái)選擇時(shí)的 因素。例如，值的展距和總和幾乎在任何應(yīng)用中都是有用的，而相鄰像素算法 可能只在期望高對(duì)比度并且已知或期望像素的具體定向的圖像處理中有用。在 大多數(shù)實(shí)施例中，單個(gè)算法一般不足以標(biāo)識(shí)特征；使用算法值的組合來(lái)學(xué)習(xí)和 /或標(biāo)識(shí)特征。圖40是示出以前選擇的數(shù)據(jù)存儲(chǔ)性質(zhì)的概覽的屏幕截圖。概述選項(xiàng)卡804 已被選中，表示此屏幕向用戶顯示他/她的全部設(shè)置的概述。該屏幕允許用戶通 過(guò)按下"完成"按鈕或通過(guò)選擇"后退"按鈕編輯他/她的特征來(lái)確認(rèn)他/她的 全部選擇。此表中顯示的是形態(tài)被設(shè)為2D成像851。子形態(tài)被設(shè)為X光852。 記錄被選擇為真854。圖41示出顯示圖40中向下滾動(dòng)的表850的屏幕截圖。 圖41中進(jìn)一步示出的是選擇了 "灰毗鄰像素"TDA的目標(biāo)數(shù)據(jù)形狀860以及 選擇了7的算法數(shù)目862。
圖42示出完成數(shù)據(jù)存儲(chǔ)的創(chuàng)建之后的應(yīng)用的屏幕截圖。作為向?qū)?圖 35-41)的結(jié)論，向用戶顯示屏幕900。屏幕900包含本領(lǐng)域公知的菜單欄910、 一組圖標(biāo)914以及査閱多個(gè)數(shù)據(jù)存儲(chǔ)的區(qū)域912。打上陰影的區(qū)域926可顯示 用戶可用來(lái)訓(xùn)練這些數(shù)據(jù)存儲(chǔ)并標(biāo)識(shí)不同特征的一組圖片。在區(qū)域916中，顯 示由用戶在該點(diǎn)作出的選擇的列表。在一個(gè)實(shí)施例中，有用于2D成像的一個(gè) 數(shù)據(jù)存儲(chǔ)918。 一組己知特征若被定義就存儲(chǔ)在己知特征文件夾920中。在924 處顯示"灰毗鄰像素"TDA。
圖43是示出TDA 924的展開(kāi)的屏幕截圖。如圖43中所示，TDA 924現(xiàn) 在被展開(kāi)以示出可聯(lián)合TDA使用的可能算法。在此應(yīng)用中，被選擇的算法具 有表示它們己被選擇的填滿框。
圖44是示出"創(chuàng)建或編輯已知特征"向?qū)?50的屏幕截圖。向?qū)?50中 是一組選項(xiàng)卡952。"開(kāi)始"選項(xiàng)卡被選中，表示這是對(duì)向?qū)У慕榻B。此向?qū)?將引導(dǎo)用戶通過(guò)此應(yīng)用中的步驟來(lái)創(chuàng)建和編輯已知特征，參見(jiàn)區(qū)域954。
圖45是示出"創(chuàng)建或編輯已知特征"向?qū)У?標(biāo)識(shí)"選項(xiàng)卡952的屏幕 截圖。文本框960包含該已知特征的名稱。在一個(gè)實(shí)施例中，用戶輸入描述該 已知特征的名稱；在此示例中輸入了 "森林"。組合框962示出用戶選擇的命 中檢測(cè)的方法。復(fù)選框964允許用戶確定在已找到該特定特征的首次出現(xiàn)后該 過(guò)程是否應(yīng)該停止。用戶可選擇復(fù)選框964——如果僅為找出該已知特征的實(shí) 例，諸如在食物安全應(yīng)用中食物樣本中的雜質(zhì)。圖46是示出來(lái)自圖45的組合 框962的展開(kāi)的屏幕截圖。標(biāo)識(shí)方法組合框962包含用于確定特征將被如何標(biāo) 識(shí)的方法。
圖47是示出"創(chuàng)建或編輯已知特征"向?qū)У?訓(xùn)練計(jì)數(shù)"選項(xiàng)卡952的屏幕截圖。用戶可選擇表示已知特征在訓(xùn)練期間必須與突觸路徑相關(guān)聯(lián)的最少 次數(shù)的閾值以滿足用戶需要。通過(guò)增大該閾值，用戶可確保在處理中只使用具 有比該閾值更高數(shù)目的實(shí)例的循環(huán)路徑，由此給予該特征的最終標(biāo)識(shí)更高級(jí)別 的置信度。還可選擇極限值并且其包含表示已知特征在訓(xùn)練期間已與該突觸路 徑相關(guān)聯(lián)的最多次數(shù)的值。使用滑動(dòng)標(biāo)度970來(lái)表示閾值數(shù)字，并且使用滑動(dòng)
標(biāo)度974來(lái)表示極限數(shù)字。
圖48是示出"創(chuàng)建或編輯已知特征"向?qū)У?群集范圍"選項(xiàng)卡952的 屏幕截圖。此選項(xiàng)卡允許用戶選擇系統(tǒng)將在每個(gè)維度上離已知特征被標(biāo)識(shí)的 TDE多遠(yuǎn)尋找該相同已知特征的其他出現(xiàn)。在一個(gè)實(shí)施例中，維度組合框980 包含兩維的X和Y選擇?；瑒?dòng)標(biāo)度982表示維度值，而滑動(dòng)標(biāo)度984表示群 集計(jì)數(shù)。為每個(gè)維度指定不同的群集范圍允許用戶說(shuō)明數(shù)據(jù)的特性。例如，如 果圖像的垂直標(biāo)度與水平標(biāo)度不同，則用戶可向該范圍輸入調(diào)整值來(lái)得到期望 的群集區(qū)域。
圖49是示出"創(chuàng)建或編輯已知特征"向?qū)У?動(dòng)作"選項(xiàng)卡952的屏幕 截圖。用戶可選擇已知特征被標(biāo)識(shí)時(shí)要執(zhí)行的動(dòng)作。組合框990包含動(dòng)作列表； 在此應(yīng)用中，可能的動(dòng)作是播放系統(tǒng)聲音、涂抹像素以及無(wú)動(dòng)作。在一個(gè)實(shí)施 例中，用戶可選擇聲音以在數(shù)字?jǐn)?shù)據(jù)中找到該已知特征時(shí)提醒用戶。用戶可選 擇涂抹以在選擇的數(shù)字?jǐn)?shù)據(jù)中標(biāo)識(shí)該已知特征被標(biāo)識(shí)的那些區(qū)域。
圖50是示出"創(chuàng)建或編輯已知特征"向?qū)У?概述"選項(xiàng)卡952的屏幕 截圖。在此表中，行IOOO中示出已知特征森林的名稱被選擇。行1002中示出 檢測(cè)方法是命中檢測(cè)。在行1004處，閾值被設(shè)為l。行1006中示出極限被設(shè) 為2,147,483,647。行1008中示出群集范圍被設(shè)為X: 0， Y: 0，群集計(jì)數(shù)1。行 1010中示出檢測(cè)動(dòng)作被設(shè)為涂抹。行1012中示出數(shù)據(jù)被設(shè)為森林綠色。
圖51是示出具有所選區(qū)域1028的森林的圖像1020的屏幕截圖。此屏幕 的布局曾在圖42中描述過(guò)。屏幕卯0還包含加載到系統(tǒng)1030中的其他圖片的 較小"縮略圖"。基于光標(biāo)定位示出鼠標(biāo)位置和色彩值1022，這在本領(lǐng)域中是 常見(jiàn)的。列出圖片1020的各層1026。所選區(qū)域1028是用戶已設(shè)為感興趣地區(qū) 的、并且將在圖52-56中作為已知特征森林來(lái)訓(xùn)練的部分。
圖52是示出"已知特征訓(xùn)練"向?qū)У?開(kāi)始"選項(xiàng)卡1110的屏幕截圖。訓(xùn)練向?qū)⒁龑?dǎo)用戶通過(guò)各步驟來(lái)訓(xùn)練所選擇的已知特征。在此點(diǎn)，用戶將調(diào) 用以前設(shè)立的已知特征并且在一段數(shù)字?jǐn)?shù)據(jù)上標(biāo)識(shí)該已知特征以訓(xùn)練系統(tǒng)。
圖53是示出"已知特征訓(xùn)練"向?qū)У?已知特征"選項(xiàng)卡1110的屏幕截
圖。有示出第一數(shù)據(jù)存儲(chǔ)的列表1120。該列表包含已知特征水面1124和已知 特征森林1122。水面和森林兩者都設(shè)立在"創(chuàng)建或編輯已知特征"向?qū)е小Ｔ?此示例中，選擇森林1122。如果打開(kāi)了多個(gè)數(shù)據(jù)存儲(chǔ)，則用戶可選取訓(xùn)練多個(gè) 數(shù)據(jù)存儲(chǔ)中的已知特征。
圖54是示出"已知特征訓(xùn)練"向?qū)У?方法"選項(xiàng)卡1110的屏幕截圖。 訓(xùn)練方法的四個(gè)選項(xiàng)旁有一系列單選按鈕區(qū)域訓(xùn)練1130、不訓(xùn)練1131、絕 對(duì)調(diào)整訓(xùn)練1134或相對(duì)調(diào)整訓(xùn)練1136。在此點(diǎn)，用戶選擇對(duì)于所選形態(tài)、子 形態(tài)和樣本質(zhì)量最佳的訓(xùn)練方法。
圖55是示出"已知特征訓(xùn)練"向?qū)У?概述"選項(xiàng)卡1110的屏幕截圖。 該表包含已知特征1140的數(shù)目，其在此示例中為1。在此示例中，訓(xùn)練方法為 區(qū)域訓(xùn)練，參見(jiàn)行1142。
圖56是示出訓(xùn)練結(jié)果的屏幕截圖。在用戶選擇圖55中的完成按鈕后，該 數(shù)據(jù)存儲(chǔ)根據(jù)用戶的選擇被訓(xùn)練。表1210示出結(jié)果。所選數(shù)據(jù)存儲(chǔ)為 "SyntelliBasel"(應(yīng)用指派給數(shù)據(jù)存儲(chǔ)并可由用戶修改的默認(rèn)名稱)，被訓(xùn)練 的已知特征為森林，并且找到的新數(shù)據(jù)模式的數(shù)目為30,150。找到的新數(shù)據(jù)路 徑的數(shù)目為0。找到的已更新數(shù)據(jù)模式的數(shù)目為0。用戶可選擇不查看結(jié)果概 述。
新模式和已更新模式是作為使用以上在圖23-33中所示的過(guò)程對(duì)圖51中 的圖像的所選區(qū)域中的像素值執(zhí)行以上在圖39中選擇的算法的結(jié)果而生成的。 對(duì)于每個(gè)像素的諸算法值都被計(jì)算出來(lái)并作為集合采納；那些值生成與該網(wǎng)絡(luò) 中的已知特征相關(guān)聯(lián)的數(shù)據(jù)模式。在該圖像的所選區(qū)域內(nèi)，實(shí)際區(qū)域可能包含 樹(shù)木、灌木以及其他植被的分類。所找到的30,150個(gè)模式反映了來(lái)自這些不同 材料的算法值，并且所有這些模式都與已知特征"森林"相關(guān)聯(lián)。
圖57是示出有森林區(qū)域和水面區(qū)域的圖像的屏幕截圖。森林由較亮的陰 影區(qū)域表示，而水面由較暗的陰影區(qū)域表示。圖57與圖51相關(guān)，因?yàn)榧虞d了 相同的圖片。然而，現(xiàn)在選擇了不同的圖片1252。圖片1252示出選擇了森林的區(qū)域，所選區(qū)域用黑色線條示出。這是用戶已定義的區(qū)域，在此示例中，作 為已知將成為已知特征"森林"的區(qū)域。
圖58是示出訓(xùn)練圖57中所選區(qū)域的結(jié)果的屏幕截圖。該訓(xùn)練事件添加了 8,273個(gè)新數(shù)據(jù)模式并更新了 2,301個(gè)數(shù)據(jù)路徑。
對(duì)此圖像的訓(xùn)練過(guò)程使用圖23-33中示出的過(guò)程對(duì)圖57中的圖像的所選 區(qū)域生成諸模式。以前有2,301個(gè)模式與該已知特征相關(guān)聯(lián)，并且這些關(guān)聯(lián)被 更新了。以前有8,273個(gè)數(shù)據(jù)模式未與該已知特征相關(guān)聯(lián)，而這些關(guān)聯(lián)被創(chuàng)建 了。
圖59是示出"已知特征處理"向?qū)У?開(kāi)始"選項(xiàng)卡1310的屏幕截圖， 其引導(dǎo)用戶通過(guò)此應(yīng)用中的各步驟來(lái)處理所選擇的已知特征。該向?qū)г试S用戶 使用以前訓(xùn)練過(guò)的巳知特征來(lái)處理一段新的數(shù)字?jǐn)?shù)據(jù)以確定該已知特征是否 存在。
圖60是示出"已知特征處理"向?qū)У?已知特征"選項(xiàng)卡1310的屏幕截 圖。表1320示出包含訓(xùn)練數(shù)據(jù)的全部數(shù)據(jù)存儲(chǔ)。在此示例中，行1322中示出 的SyntdliBasel是可用的。用戶可檢查或不檢査該特定數(shù)據(jù)存儲(chǔ)內(nèi)用戶想標(biāo)識(shí) 的任何或全部列出的已知特征。在此示例中，選擇了森林。
圖61是示出"巳知特征處理"向?qū)У?有效性"選項(xiàng)卡1310的屏幕截圖。 用戶可任選地忽略有效性處理選項(xiàng)。選項(xiàng)按鈕1330允許標(biāo)識(shí)對(duì)于具體數(shù)據(jù)點(diǎn) 已訓(xùn)練過(guò)的任何已知特征，而選項(xiàng)按鈕1332標(biāo)識(shí)最經(jīng)常訓(xùn)練的已知特征。在 某些情形中，可在任何給定數(shù)據(jù)點(diǎn)標(biāo)識(shí)多個(gè)已知特征。第一選項(xiàng)允許所有那些 已知特征都被標(biāo)識(shí)。第二選項(xiàng)只允許最經(jīng)常與給定數(shù)據(jù)模式相關(guān)聯(lián)的特征被標(biāo) 識(shí)。
圖62是示出"已知特征處理"向?qū)У?訓(xùn)練計(jì)數(shù)"選項(xiàng)卡1310的屏幕截 圖。用戶可任選地忽略用于處理的訓(xùn)練計(jì)數(shù)值。示為滑動(dòng)標(biāo)度1340的閾值值 是已知特征在將被標(biāo)識(shí)的訓(xùn)練期間必須與突觸路徑相關(guān)聯(lián)的最少次數(shù)。示為滑 動(dòng)標(biāo)虔—1342 —的極限值是已知特征在將被標(biāo)識(shí)的訓(xùn)練新間可與突觸路徑相關(guān)聯(lián) 的最多次數(shù)。
圖63是示出"已知特征處理"向?qū)У?群集范圍"選項(xiàng)卡1310的屏幕截 圖。用戶可任選地忽略群集范圍值。組合框1350允許用戶選擇特定維度。在兩維圖像中，組合框1350可包含X維和Y維。在滑動(dòng)標(biāo)度1352上選擇維度 值。在滑動(dòng)標(biāo)度1354上選擇群集計(jì)數(shù)。
圖64是示出"已知特征處理"向?qū)У?概述"選項(xiàng)卡1310的屏幕截圖。 值包括已知特征的數(shù)目1360、閾值超控1362、極限超控1364、有效性超控1366 以及群集范圍超控1368。
圖65是示出處理結(jié)果概述的屏幕截圖。處理結(jié)果概述示出遭遇已知特征 森林的31,556個(gè)模式中有一個(gè)或以上發(fā)生了 131,656次，并且執(zhí)行了涂抹一個(gè) 或以上像素涂抹森林綠色的已知特征動(dòng)作。這些數(shù)據(jù)模式是使用以上對(duì)圖34 討論的過(guò)程并使用圖39中用戶選擇的算法來(lái)生成的。這些算法是，并且必須 是在以上圖56和58中用于訓(xùn)練的相同算法。當(dāng)相同的算法組被執(zhí)行并且返回 相同的一組值時(shí)，就產(chǎn)生與訓(xùn)練中產(chǎn)生的一樣的數(shù)據(jù)模式，并且與該數(shù)據(jù)模式 相關(guān)聯(lián)的已知特征被標(biāo)識(shí)。在圖65的處理中，有131,656個(gè)像素被標(biāo)識(shí)為己知 特征"森林"，因?yàn)楫a(chǎn)生的31,556個(gè)數(shù)據(jù)模式匹配與該已知特征相關(guān)聯(lián)的數(shù)據(jù) 模式。用于標(biāo)識(shí)出的已知特征森林的層被添加到該圖像中。這進(jìn)一步在圖66 中示出。
圖67是示出處理結(jié)果的屏幕截圖。圖像1420包含131,656個(gè)應(yīng)被涂抹為 森林綠色的像素，因?yàn)樗鼈冊(cè)谔幚碇斜粯?biāo)識(shí)為森林。
圖68是示出第二圖像的處理的屏幕截圖，再次尋找已知特征森林。在該 處理中使用的數(shù)據(jù)存儲(chǔ)1402是SyntelliBasel。使用總共17,999個(gè)數(shù)據(jù)模式， 已知特征森林1404被找到89,818次。已知特征動(dòng)作1406會(huì)將森林涂抹為"森 林綠色"。因?yàn)檫@些圖像是黑白的，會(huì)被涂抹為森林綠色的像素打印成黑色。
圖69是示出有已知特征森林層的圖像1430的屏幕截圖，該已知特征森林 層顯示應(yīng)用已標(biāo)識(shí)為森林的像素。該圖像中森林綠色的實(shí)心塊示出訓(xùn)練在圖57 中所選區(qū)域上發(fā)生的區(qū)域。該區(qū)域完全被標(biāo)識(shí)為森林，因?yàn)橛脩暨x擇了該區(qū)域 并向應(yīng)用指示該區(qū)域?yàn)樯帧?br> 圖70是示出復(fù)合圖像的屏幕截圖，該復(fù)合圖像包含原始圖像圖57和圖 69中示出的應(yīng)用標(biāo)識(shí)出森林的層。
圖71是示出有所選水面區(qū)域的圖像1450的屏幕截圖。
圖72是示出將圖71中的選擇訓(xùn)練為已知特征水面的結(jié)果的屏幕截圖。該選擇的訓(xùn)練添加了 l個(gè)數(shù)據(jù)模式。在圖71中，在所選區(qū)域中的像素是統(tǒng)一的。
當(dāng)對(duì)所選區(qū)域中的像素執(zhí)行以上圖34中選擇的算法時(shí)，單個(gè)數(shù)據(jù)模式就是結(jié)果。
圖73是示出對(duì)于某圖像的森林和水面兩者已知特征的處理的屏幕截圖。 通過(guò)選擇森林和水面兩者(1512)，用戶要求系統(tǒng)在處理期間標(biāo)識(shí)出這兩個(gè)特征。
圖74是示出用戶為處理圖71中圖像己提供或已選擇值的概述的屏幕截 圖。在此示例中，行1522中示出所選擇的已知特征的數(shù)目為2。行1524中示 出閾值超越為0。行1526中示出極限超越為100,000。行1528中示出有效性超 越為使用為T(mén)DE訓(xùn)練過(guò)的任何已知特征。行1530中示出群集范圍超控被設(shè)為 X:0， Y:0，群集計(jì)數(shù)0。
圖75是示出圖74中處理設(shè)置的概述的屏幕截圖。在此圖像中，行1542 中示出使用的數(shù)據(jù)存儲(chǔ)為SyntelliBasel。行1544中示出使用被訓(xùn)練成森林的 17,999個(gè)數(shù)據(jù)模式，已知特征森林被找到89,818次。行1546中示出已知特征 動(dòng)作會(huì)將標(biāo)識(shí)出的像素涂抹為森林綠色。行1548中示出使用被訓(xùn)練成水面的1 個(gè)數(shù)據(jù)模式，已知特征水面被找到45,467次。行1550中示出已知特征動(dòng)作會(huì) 將標(biāo)識(shí)出的像素涂抹為藍(lán)色。在一個(gè)實(shí)施例中，系統(tǒng)不會(huì)移除以前指定的全部 數(shù)據(jù)，而實(shí)際上是其每次處理時(shí)都處理"全部"數(shù)據(jù)。
圖76是示出在該圖像中找到的水面層的屏幕截圖。圖像1570示出找出為 水面并涂抹為藍(lán)色的像素；然而在這些圖像中，水面表示為黑條紋。
圖77是示出顯示原始圖像、水面和森林的復(fù)合圖像的屏幕截圖。圖像1580 示出水面被標(biāo)識(shí)成藍(lán)色的區(qū)域和森林被標(biāo)識(shí)成森林綠色的區(qū)域。在此圖像中， 示出水面、黑色森林區(qū)域和未被標(biāo)識(shí)的白色斑點(diǎn)之間的對(duì)比。應(yīng)注意區(qū)域1590 并未被標(biāo)記為水面。該區(qū)域在原始圖像76中出現(xiàn)為水面，但處理系統(tǒng)已檢測(cè) 到指示其不是像該圖像的其余部分那樣的水面的特性。其很可能是淺水或岸線 區(qū)域。
在未示出的一個(gè)實(shí)施例中，任何顯示出來(lái)的未被標(biāo)識(shí)的反常(以前被訓(xùn)練 過(guò)的特征)都被涂抹以將它們與已訓(xùn)練特征區(qū)別開(kāi)來(lái)。
在再一個(gè)實(shí)施例中，視覺(jué)或聽(tīng)覺(jué)警報(bào)可以是與已知特征相關(guān)聯(lián)的功能。由此，在數(shù)據(jù)組的分析期間，如果找到以前已知的特征就會(huì)觸發(fā)警報(bào)。
圖78是根據(jù)本發(fā)明實(shí)施例的方法1700的框圖。首先，在框1710處，接
收到物理樣本。在示例實(shí)施例中，該物理樣本是諸如惡性腫瘤等生物樣本。該 生物樣本可包括組織標(biāo)本、腫瘤、血清、涂片、鏈球菌、潛血、黏液、和/或淚
腺液樣本。該生物樣本是在攝影、成像、或以其他方式感測(cè)該樣本一方面之前
諸如通過(guò)對(duì)該生物樣本染色等任選地制備的。下一步，在框1712處，對(duì)該物 理樣本攝影以形成被存儲(chǔ)為相應(yīng)的第一數(shù)據(jù)組的第一圖像。在示例實(shí)施例中， 該樣本是以原始形式通過(guò)1:1分辨率的攝影被捕捉的。在第一數(shù)據(jù)組中感測(cè)可 視樣本?？墒褂闷渌堵省Ｒ部墒褂酶郊拥恼掌?、照片的掃描、和/或數(shù)字圖像， 諸如染色細(xì)胞的圖像、癌的染色和未染色切片的圖像、染色切片的圖像、以及 從對(duì)象移除后的整個(gè)癌的圖像。
該樣本還用至少一種其他捕捉形態(tài)被捕捉。捕捉形態(tài)包括MR或NMR成 像、CT成像、X光成像、超聲成像、分光學(xué)、攝影成像、彩色成像、視頻、 諧波數(shù)據(jù)、移動(dòng)數(shù)據(jù)、和/或任何其他成像或數(shù)據(jù)源。在框1714處，感測(cè)該樣 本的附加方面以生成第二數(shù)據(jù)組。下一步，在框1716處，以與關(guān)于圖23到33 所描述的類似的方式對(duì)第一數(shù)據(jù)組和/或第二組運(yùn)行第一系列算法生成第一突 觸網(wǎng)絡(luò)。第一系列算法包括關(guān)于圖23到33描述的算法中的一種或以上種。然 后在框1718處，第一數(shù)據(jù)組、第二數(shù)據(jù)組、以及第一突觸網(wǎng)絡(luò)被存儲(chǔ)在數(shù)據(jù) 存儲(chǔ)中。
方法1700結(jié)果得到一組圖像并且支持?jǐn)?shù)據(jù)被存儲(chǔ)供計(jì)算機(jī)輔助檢測(cè)系 統(tǒng)、計(jì)算機(jī)輔助診斷系統(tǒng)、或護(hù)理者和/或提供者輔助系統(tǒng)査閱和處理?？沙鲇?其他目的創(chuàng)建虛擬數(shù)據(jù)庫(kù)，諸如用于保持和分析安全數(shù)據(jù)、金融數(shù)據(jù)、環(huán)境數(shù) 據(jù)、和/或食物安全數(shù)據(jù)。
在一個(gè)實(shí)施例中，虛擬的病理學(xué)庫(kù)啟用替換的樣本材料。該虛擬的病理學(xué) 庫(kù)保持樣本和切片的分辨率照片和/或該樣本的切片。該虛擬的病理學(xué)庫(kù)也保持 樣本的MR或NMR圖像、CT圖像、X光圖像、超聲圖像、分光學(xué)圖像、攝 影圖像、氣味數(shù)據(jù)、移動(dòng)數(shù)據(jù)、和/或任何其他成像或感測(cè)數(shù)據(jù)形式的替換樣本。 其進(jìn)一步啟用該原始病理學(xué)材料在其存活、活躍和/或自然狀態(tài)的視頻存儲(chǔ)。
在一個(gè)實(shí)施例中，由類似于染色的過(guò)程用圖像分析算法來(lái)修改樣本。原始切片的虛擬樣本通過(guò)對(duì)在圖像捕捉時(shí)已被顯微鏡放大的切片的計(jì)算機(jī)化縮放 被更詳細(xì)地檢査。應(yīng)用計(jì)算機(jī)輔助檢測(cè)以標(biāo)識(shí)或識(shí)別出疾病、異常、和/或細(xì)胞 結(jié)構(gòu)問(wèn)題。
在一個(gè)實(shí)施例中，虛擬"類型l"樣本被定義為原始樣本的照片，而虛擬 "類型2"樣本被定義為其他成像形態(tài)或數(shù)據(jù)。以逐側(cè)、覆蓋和/或其他比較方 式實(shí)時(shí)地將虛擬"類型1"樣本與虛擬"類型2"樣本進(jìn)行比較。在一個(gè)實(shí)施 例中，將虛擬樣本鏈接到與類似的虛擬樣本以及其他臨床和醫(yī)療記錄數(shù)據(jù)相同 的患者供專業(yè)人員使用。
圖79是根據(jù)本發(fā)明實(shí)施例形成的虛擬病理學(xué)庫(kù)1800的框圖。庫(kù)1800可 存儲(chǔ)在諸如圖2中描繪的系統(tǒng)100等的系統(tǒng)上。系統(tǒng)100存儲(chǔ)虛擬病理學(xué)庫(kù) 1800并且包括有多個(gè)輸入設(shè)備、用于自動(dòng)裝備的附加端口、數(shù)據(jù)存儲(chǔ)介質(zhì)、以 及顯示器的計(jì)算機(jī)。在一個(gè)實(shí)施例中， 一個(gè)或以上數(shù)據(jù)存儲(chǔ)被存儲(chǔ)在數(shù)據(jù)存儲(chǔ) 介質(zhì)上。該系統(tǒng)可被連接到多個(gè)其他計(jì)算機(jī)、服務(wù)器、內(nèi)聯(lián)網(wǎng)、或因特網(wǎng)。
庫(kù)1800包括第一數(shù)據(jù)存儲(chǔ)1802和第二數(shù)據(jù)存儲(chǔ)1804。在一個(gè)實(shí)施例中， 數(shù)據(jù)存儲(chǔ)1802、 1804是單個(gè)更大數(shù)據(jù)存儲(chǔ)的一部分。第一數(shù)據(jù)存儲(chǔ)1802包括 被指定為John Doe的第一人的患者信息1806。在示例實(shí)施例中，信息1806包 括傳記和醫(yī)療歷史信息。第一數(shù)據(jù)存儲(chǔ)1802包括腫瘤或其他感興趣的生物項(xiàng) 目的照片或數(shù)字圖像1808。第一數(shù)據(jù)存儲(chǔ)1802還包括未染色的切片圖像文件 1810。在示例實(shí)施例中，圖像文件1810是使用從照片1808中描繪的腫瘤獲取 的未染色細(xì)胞的切片制成的。此外，第一數(shù)據(jù)存儲(chǔ)1802包括從圖像文件1810 推導(dǎo)出的一階未染色細(xì)胞分析數(shù)據(jù)文件1812。該一階分析數(shù)據(jù)文件1812是通 過(guò)對(duì)圖像文件1810運(yùn)行第一系列算法來(lái)獲得的，其是以與關(guān)于以前的附圖所 描述的示例類似的方式來(lái)生成被存儲(chǔ)為一階分析數(shù)據(jù)文件1812的突觸網(wǎng)絡(luò)。 在示例實(shí)施例中，第一系列算法包括關(guān)于之前附圖所描述的算法中的至少一 種。
在示例實(shí)施例中，第一數(shù)據(jù)存儲(chǔ)1802還包括通過(guò)其他成像形態(tài)收集的多 個(gè)其他圖像文件。用與為圖像文件1810生成一階未染色細(xì)胞分析數(shù)據(jù)文件 1812的途徑類似的方式為每個(gè)圖像文件生成一階分析數(shù)據(jù)文件。第一數(shù)據(jù)存儲(chǔ) 1802包括超聲圖像文件1814和相應(yīng)的一階超聲分析數(shù)據(jù)文件1816。第一數(shù)據(jù)存儲(chǔ)1802還包括計(jì)算機(jī)斷層掃描(CT)圖像文件1818和相應(yīng)的一階CT分析 數(shù)據(jù)文件1820，以及磁共振成像(MRI)圖像文件1822和相應(yīng)的一階MRI分 析數(shù)據(jù)文件1824。也使用其他類型的成像數(shù)據(jù)或使用其他形態(tài)獲得的數(shù)據(jù)。
與第一數(shù)據(jù)存儲(chǔ)1802類似地構(gòu)成第二數(shù)據(jù)存儲(chǔ)1804。第二數(shù)據(jù)存儲(chǔ)1804 包括被指定為Jane Doe的第二人的患者信息文件1826。第二數(shù)據(jù)存儲(chǔ)1804也 包括腫瘤或其他感興趣的生物項(xiàng)目的圖像文件1828，以及未染色的細(xì)胞切片圖 像文件1830和相應(yīng)的一階未染色細(xì)胞分析數(shù)據(jù)文件1832。第二數(shù)據(jù)存儲(chǔ)1804 還包括超聲圖像文件1834和相應(yīng)的一階超聲分析數(shù)據(jù)文件1836，以及CT圖 像文件1838和相應(yīng)的一階CT分析數(shù)據(jù)文件1840。此外，第二數(shù)據(jù)存儲(chǔ)1804 還包括MRI圖像文件1842和相應(yīng)的一階MRI分析數(shù)據(jù)文件1844。在示例實(shí) 施例中，這些圖像文件中的每一個(gè)都是從圖像1828中描繪的腫瘤或其他感興 趣的生物項(xiàng)目取得的。然而，在其他實(shí)施例中，通過(guò)各種形態(tài)取得的圖像文件 可以是其他感興趣的生物項(xiàng)目的或患者的整個(gè)身體的，而非單個(gè)感興趣的生物 項(xiàng)目的。在一些實(shí)施例中，第一和第二數(shù)據(jù)存儲(chǔ)1802、 1804還包括諸如來(lái)自 病理學(xué)、放射學(xué)、腫瘤學(xué)、以及其他醫(yī)療報(bào)告的定量數(shù)據(jù)的附加信息。此外， 在一些實(shí)施例中，第一和第二數(shù)據(jù)存儲(chǔ)1802、 1804還包括來(lái)自其他數(shù)據(jù)分析 系統(tǒng)的數(shù)據(jù)和結(jié)果。
除通過(guò)對(duì)每個(gè)數(shù)據(jù)文件運(yùn)行第一系列算法生成的一階分析數(shù)據(jù)外，也可生 成二階分析數(shù)據(jù)。在此示例實(shí)施例中，第一個(gè)二階分析數(shù)據(jù)文件1850是使用 來(lái)自 一階CT分析數(shù)據(jù)文件1820和一階MRI分析數(shù)據(jù)文件1824的數(shù)據(jù)生成的。 二階分析數(shù)據(jù)文件1850是通過(guò)使用這兩個(gè)一階分析數(shù)據(jù)文件1820、 1824運(yùn)行 第二系列算法生成的。以類似的方式，還使用一階分析數(shù)據(jù)文件的各種組合生 成第二到第六個(gè)二階分析數(shù)據(jù)文件1852、 1854、 1856、 1858和1860。
例如，肝癌的CT數(shù)據(jù)(原材料或圖像)被處理并且結(jié)果在突觸網(wǎng)絡(luò)、突 觸葉和其他數(shù)據(jù)中。MRI數(shù)據(jù)(原材料或圖像)的分開(kāi)處理也結(jié)果得到突觸網(wǎng) 絡(luò)、突觸葉和其他數(shù)據(jù)。定義新的目標(biāo)數(shù)據(jù)區(qū)域(TDA)用于分析經(jīng)處理的 CT數(shù)據(jù)和MRI數(shù)據(jù)的一階分析數(shù)據(jù)(突觸網(wǎng)絡(luò))。向該TDA應(yīng)用新的一組 算法以生成新的突觸網(wǎng)絡(luò)(即二階分析數(shù)據(jù))。
在此示例中，第一到第六個(gè)二階分析數(shù)據(jù)文件是使用來(lái)自單個(gè)人的一階分析數(shù)據(jù)生成的。然而，二階分析數(shù)據(jù)文件也可以是使用來(lái)自多個(gè)人的一階分析
數(shù)據(jù)生成的。例如，第七個(gè)二階分析數(shù)據(jù)文件1862是通過(guò)對(duì)來(lái)自第一數(shù)據(jù)存 儲(chǔ)1802中的John Doe的數(shù)據(jù)的一階未染色細(xì)胞分析數(shù)據(jù)1812以及還對(duì)來(lái)自 第二數(shù)據(jù)存儲(chǔ)1804中的Jane Doe的文件的一階未染色細(xì)胞分析數(shù)據(jù)1832運(yùn)行 一系列算法生成的。
雖然在此示例實(shí)施例中，二階分析數(shù)據(jù)被顯示為是僅從可能呈現(xiàn)為突觸網(wǎng) 絡(luò)或算法值高速緩存的一階分析數(shù)據(jù)生成的，但二階分析數(shù)據(jù)也可使用可能包 括或不包括一階分析數(shù)據(jù)的其他類型的數(shù)據(jù)的組合來(lái)生成。例如，二階分析數(shù) 據(jù)可以是使用在病理學(xué)庫(kù)1800內(nèi)的數(shù)據(jù)存儲(chǔ)1802、 1804之一中記錄的特征葉 數(shù)據(jù)、處理輸出覆蓋、癌體積信息、癌階段、T細(xì)胞計(jì)數(shù)、白細(xì)胞計(jì)數(shù)、以及 其他因素(全部未示出)來(lái)生成的。處理輸出覆蓋是用于涂抹原始數(shù)據(jù)的覆蓋 的一些信息。其包括該原始數(shù)據(jù)(圖像)中的位置以及在該位置處標(biāo)識(shí)出的特 征列表。
除一階分析和二階分析外，也可使用二階分析數(shù)據(jù)或其他類型的數(shù)據(jù)生成 更高級(jí)別的數(shù)據(jù)。此更高級(jí)別的分析數(shù)據(jù)被稱為n階分析數(shù)據(jù)。例如，第一個(gè) n階分析數(shù)據(jù)文件1864是通過(guò)使用二階分析數(shù)據(jù)文件1854和二階分析數(shù)據(jù)文 件1858運(yùn)行一系列算法生成的。以類似的方式，還使用二階分析數(shù)據(jù)文件的 各種組合生成第二到第四個(gè)n階分析數(shù)據(jù)文件1866、 1868和1870。除單單使 用來(lái)自二階分析數(shù)據(jù)文件的數(shù)據(jù)外，n階分析還可使用不同類型的信息結(jié)合虛 擬病理學(xué)庫(kù)1800內(nèi)的二階分析數(shù)據(jù)文件或其他數(shù)據(jù)文件來(lái)運(yùn)行。例如，分析 可在John Doe和Jane Doe上關(guān)于其性別、年齡群、種族、居住區(qū)域、或其他 因素來(lái)運(yùn)行。在示例實(shí)施例中， 一階、二階、和/或n階數(shù)據(jù)用于以類似于關(guān)于 圖16-22所描述的示例的方式來(lái)分析未知樣本。在示例實(shí)施例中，對(duì)未知樣本 的分析是使用本地系統(tǒng)來(lái)執(zhí)行的。然而，在其他示例中，該分析是使用通過(guò)網(wǎng) 絡(luò)連接到該本地系統(tǒng)的其他系統(tǒng)來(lái)執(zhí)行的。
以下是二階數(shù)據(jù)分析的示例。來(lái)自肝癌一階CT分析數(shù)據(jù)的結(jié)果和有一階 X光分析數(shù)據(jù)結(jié)果的結(jié)果依次可對(duì)照其性別、居住區(qū)域和肝功能測(cè)試數(shù)據(jù)的一 階類別數(shù)據(jù)來(lái)處理。這些結(jié)果可用于展示具體性別內(nèi)、世界上具體地區(qū)內(nèi)或國(guó) 家內(nèi)的詳細(xì)具體肝癌屬性。圖80是根據(jù)本發(fā)明實(shí)施例形成的系統(tǒng)1900的框圖。系統(tǒng)1900包括處理 器1902、與處理器1902進(jìn)行數(shù)據(jù)通信的存儲(chǔ)器1904、以及與處理器1902進(jìn) 行數(shù)據(jù)通信的用戶接口 1906。數(shù)據(jù)存儲(chǔ)1908和軟件模塊1910存儲(chǔ)在存儲(chǔ)器 1904中。系統(tǒng)1900還包括諸如數(shù)碼相機(jī)等第一成像器1912，以及諸如超聲成 像設(shè)備等第二成像器1914。第一和第二成像器1912、 1914可使用其他成像和 數(shù)據(jù)采集形態(tài)。此外，在實(shí)例實(shí)施例中，不存在第一和/或第二成像器1912， 其中圖像數(shù)據(jù)是由另一系統(tǒng)獲取的并且結(jié)果數(shù)據(jù)由例如移動(dòng)介質(zhì)或通過(guò)網(wǎng)絡(luò) (未示出)傳送給系統(tǒng)1900。
在示例實(shí)施例中，軟件模塊1910被配置成將以前生成的與第一物理樣本 的第一方面相關(guān)的數(shù)據(jù)存儲(chǔ)在存儲(chǔ)器l卯4中并且將以前生成的與第一物理樣 本的第二方面相關(guān)的數(shù)據(jù)存儲(chǔ)在存儲(chǔ)器1904中。軟件模塊1910還被配置成通 過(guò)使用諸如對(duì)應(yīng)于數(shù)字照片的圖像數(shù)據(jù)等第一樣本第一方面數(shù)據(jù)和諸如對(duì)應(yīng) 于超聲圖像的圖像數(shù)據(jù)等第一樣本第二方面數(shù)據(jù)中至少一者運(yùn)行一系列算法 來(lái)生成變換數(shù)據(jù)。軟件模塊1910被進(jìn)一步配置成將經(jīng)變換的數(shù)據(jù)存儲(chǔ)在數(shù)據(jù) 存儲(chǔ)1908中。在示例實(shí)施例中，軟件模塊1910被配置成通過(guò)使用對(duì)應(yīng)于物理 樣本的感測(cè)方面的數(shù)據(jù)運(yùn)行算法來(lái)生成一階、二階、和/或n階數(shù)據(jù)。在示例實(shí) 施例中， 一階、二階、和/或n階數(shù)據(jù)用于以類似于關(guān)于圖16-22所描述的示例 的方式來(lái)分析未知樣本。在示例實(shí)施例中，對(duì)未知樣本的分析是使用系統(tǒng)1900 來(lái)執(zhí)行的。然而，在其他示例中，該分析是使用通過(guò)網(wǎng)絡(luò)(未示出)連接到系 統(tǒng)1900的其他系統(tǒng)(未示出)來(lái)執(zhí)行的。
雖然出于簡(jiǎn)明未示出，但是在示例實(shí)施例中，處理器1902包括一系列組 件。在示例實(shí)施例中，處理器1902包括被配置成將以前生成的與第一物理樣 本的第一方面相關(guān)的數(shù)據(jù)存儲(chǔ)在存儲(chǔ)器1904中并且將以前生成的與第一物理 樣本的第二方面相關(guān)的數(shù)據(jù)存儲(chǔ)在存儲(chǔ)器1904中的第一組件。處理器1902還 包括被配置成通過(guò)使用諸如對(duì)應(yīng)于數(shù)字照片的圖像數(shù)據(jù)等第一樣本第一方面 數(shù)據(jù)和諸如對(duì)應(yīng)于超聲圖像的圖像數(shù)據(jù)等第一樣本第二方面數(shù)據(jù)中至少一者 運(yùn)行一系列算法來(lái)生成變換數(shù)據(jù)的第二組件。處理器1902包括被配置成將經(jīng) 變換的數(shù)據(jù)存儲(chǔ)在數(shù)據(jù)存儲(chǔ)1908中的第三組件。在示例實(shí)施例中，處理器1902 包括被配置成通過(guò)使用對(duì)應(yīng)于物理樣本的感測(cè)方面的數(shù)據(jù)運(yùn)行算法來(lái)生成一階、二階、和/或n階數(shù)據(jù)的第四組件。
在一個(gè)實(shí)施例中，本發(fā)明包括虛擬存儲(chǔ)、虛擬樣本改變/測(cè)試、和/或不同 介質(zhì)中的原始樣本的比較。虛擬樣本改變包括化學(xué)地改變樣本、發(fā)光、和/或生 物地改變樣本的計(jì)算機(jī)模擬。不同介質(zhì)中的原始樣本的比較包括將原材料與染 色樣本、染色的與發(fā)光樣本、染色的與發(fā)光與原樣本、照片與X光樣本、禾口/ 或照片與諧波樣本進(jìn)行比較。
在一個(gè)實(shí)施例中，本發(fā)明在醫(yī)療護(hù)理領(lǐng)域中使用。醫(yī)療護(hù)理領(lǐng)域包括診斷 支持、進(jìn)行中的監(jiān)控、法醫(yī)學(xué)組織分析、以及急性檢測(cè)。診斷支持包括傳統(tǒng)的
X光、實(shí)驗(yàn)室面板測(cè)試、CT掃描、MR或NMR成像、PET掃描和/或切片和 顯微鏡分析。急性檢測(cè)包括檢測(cè)禽流感、埃博拉、AIDS/HIV、和/或緊急服務(wù) 分析。在替換實(shí)施例中，本發(fā)明用于農(nóng)業(yè)、安全、法律強(qiáng)制、以及防御。
在一個(gè)實(shí)施例中，樣本是從活人或動(dòng)物、從尸體、或通過(guò)計(jì)算機(jī)模擬取得 的。計(jì)算機(jī)模擬包括使用決策樹(shù)并且也是基于對(duì)過(guò)去樣本的學(xué)習(xí)的。在一個(gè)實(shí) 施例中，樣本包括病原體、總樣本、組織標(biāo)本、血液或其他液體樣本、粘膜、 原始化合物或材料、和/或其他次級(jí)具體病理學(xué)。在其他實(shí)施例中，總樣本包括 腫瘤、腫瘤的一部分、移除的肺炎樣本的一部分、移除的骨骼、和/或異物的外 部樣本，而組織標(biāo)本包括致密組織和/或表皮組織。血液樣本包括血管內(nèi)的、血 管外的和/或來(lái)自類似的DNA線的樣本。其他液體樣本包括口腔液體、淚腺液 體、頂泌液體、外分泌腺液體和/或性別具體液體。原始化合物或材料包括麻醉 品、爆炸品、和/或食物原料，而次級(jí)具體病理學(xué)包括預(yù)先存在的醫(yī)療歷史輸入、 種族數(shù)據(jù)、性別數(shù)據(jù)、環(huán)境數(shù)據(jù)、個(gè)人習(xí)慣、和/或行為問(wèn)題。在一個(gè)實(shí)施例中， 數(shù)據(jù)是使用常規(guī)光學(xué)、常規(guī)光學(xué)的數(shù)字變換掃描、和/或電子信息作為器械的直 接輸出而獲取的。器械包括捕捉或測(cè)量數(shù)字圖像、視頻、光譜、氣味、超聲、 機(jī)械壓力、和/或溫度的設(shè)備。在替換實(shí)施例中，使用手動(dòng)評(píng)估和數(shù)據(jù)輸入。
在一個(gè)實(shí)施例中，數(shù)據(jù)聚集源包括使用來(lái)自疾病控制中心的已知樣本、機(jī) 構(gòu)登記、地區(qū)登記、州登記、國(guó)家登記、常規(guī)腫瘤、和/或組織和血清庫(kù)和/或 其他已知數(shù)據(jù)或物理樣本儲(chǔ)備。在一個(gè)實(shí)施例中，其他數(shù)據(jù)聚集源包括尸體、 自學(xué)習(xí)、和/或農(nóng)業(yè)部門(mén)。任何包含各種病毒株和疾病指示信息的政府、公共研 究、或私有數(shù)據(jù)庫(kù)可在此系統(tǒng)的實(shí)現(xiàn)內(nèi)使用。盡管例示說(shuō)明和描述了本發(fā)明的優(yōu)選實(shí)施例，但是如以上所提到的，可作 出許多修改而不會(huì)脫離本發(fā)明的精神和范圍。相應(yīng)地，本發(fā)明的范圍并不被優(yōu) 選實(shí)施例的公開(kāi)所限定。而是應(yīng)代之以完全通過(guò)參考所附權(quán)利要求來(lái)確定本發(fā) 明。
權(quán)利要求
1. 一種方法，包括接收第一物理樣本；感測(cè)所述第一樣本的第一方面以生成第一樣本第一方面數(shù)據(jù)；在數(shù)據(jù)存儲(chǔ)中存儲(chǔ)所述第一樣本第一方面數(shù)據(jù)；感測(cè)所述第一樣本的第二方面以生成第一樣本第二方面數(shù)據(jù)；在所述數(shù)據(jù)存儲(chǔ)中存儲(chǔ)所述第一樣本第二方面數(shù)據(jù)；通過(guò)使用所述第一樣本第一方面數(shù)據(jù)和所述第一樣本第二方面數(shù)據(jù)中至少一者運(yùn)行第一系列算法來(lái)生成第一樣本變換數(shù)據(jù)；以及在所述數(shù)據(jù)存儲(chǔ)中存儲(chǔ)所述第一樣本變換數(shù)據(jù)。
2. 如權(quán)利要求l所述的方法，其特征在于，還包括在接收到物理樣本后 制備所述第一物理樣本。
3. 如權(quán)利要求2所述的方法，其特征在于，制備所述第一物理樣本包括 對(duì)所述第一物理樣本染色。
4. 如權(quán)利要求1所述的方法，其特征在于，所述第一物理樣本是生物樣本。
5. 如權(quán)利要求4所述的方法，其特征在于，感測(cè)所述第一方面包括捕捉 所述樣本的攝影圖像。
6. 如權(quán)利要求5所述的方法，其特征在于，感測(cè)所述第二方面包括捕捉 所述第一樣本的超聲圖像。
7. 如權(quán)利要求5所述的方法，其特征在于，感測(cè)所述第二方面包括使用 磁共振成像(MRI)捕捉所述第一樣本的圖像。
8. 如權(quán)利要求5所述的方法，其特征在于，還包括接收第二物理樣本； 感測(cè)所述第二樣本的第一方面以生成第二樣本第一方面數(shù)據(jù)； 在數(shù)據(jù)存儲(chǔ)中存儲(chǔ)所述第二樣本第一方面數(shù)據(jù)； 感測(cè)所述第二樣本的第二方面以生成第二樣本第二方面數(shù)據(jù)； 在所述數(shù)據(jù)存儲(chǔ)中存儲(chǔ)所述第二樣本第二方面數(shù)據(jù)；通過(guò)使用所述第二樣本第一方面數(shù)據(jù)和所述第二樣本第二方面數(shù)據(jù)中至 少一者運(yùn)行第二系列算法來(lái)生成第二樣本變換數(shù)據(jù)；以及在所述數(shù)據(jù)存儲(chǔ)中存儲(chǔ)所述第二樣本變換數(shù)據(jù)。
9. 如權(quán)利要求8所述的方法，其特征在于，感測(cè)所述第二樣本的第一方 面包括捕捉所述第二樣本的攝影圖像。
10. 如權(quán)利要求9所述的方法，其特征在于，還包括通過(guò)對(duì)所述第一樣本 變換數(shù)據(jù)和所述第二樣本變換數(shù)據(jù)運(yùn)行算法來(lái)生成二階變換數(shù)據(jù)。
11. 如權(quán)利要求8所述的方法，其特征在于，生成第一樣本變換數(shù)據(jù)包括 使用所述第一樣本第一方面數(shù)據(jù)運(yùn)行第一系列算法來(lái)生成第一方面突觸網(wǎng)絡(luò)；以及使用所述第一樣本第二方面數(shù)據(jù)運(yùn)行第二系列算法來(lái)生成第二方面突觸 網(wǎng)絡(luò)，其中所述方法進(jìn)一步包括通過(guò)使用所述第一方面突觸網(wǎng)絡(luò)和所述第二方 面突觸網(wǎng)絡(luò)運(yùn)行算法來(lái)生成二階變換數(shù)據(jù)。
12. 如權(quán)利要求11所述的方法，其特征在于，還包括使用所述二階變換 數(shù)據(jù)生成n階變換數(shù)據(jù)。
13. —種系統(tǒng)，包括 處理器；與所述處理器進(jìn)行數(shù)據(jù)通信的存儲(chǔ)器； 與所述處理器進(jìn)行數(shù)據(jù)通信的用戶接口；以及用于存儲(chǔ)在所述存儲(chǔ)器中并可由所述處理器操作的軟件模塊，所述軟件模 塊被配置成在所述存儲(chǔ)器中存儲(chǔ)以前生成的與第一物理樣本的第一方面相關(guān)的數(shù)據(jù)；在所述存儲(chǔ)器中存儲(chǔ)以前生成的與第一物理樣本的第二方面相關(guān)的數(shù)據(jù)；通過(guò)使用所述第一樣本第一方面數(shù)據(jù)和所述第一樣本第二方面數(shù)據(jù) 中至少一者運(yùn)行算法來(lái)生成第一樣本變換數(shù)據(jù)；以及 在所述存儲(chǔ)器中存儲(chǔ)所述第一樣本變換數(shù)據(jù)。
14. 如權(quán)利要求13所述的系統(tǒng)，其特征在于，所述第一物理樣本在與所 述樣本的第一和第二方面相關(guān)的數(shù)據(jù)被生成之前已被染色。
15. 如權(quán)利要求13所述的系統(tǒng)，其特征在于，所述以前生成的與所述第 一樣本的第一方面相關(guān)的數(shù)據(jù)包括攝影圖像數(shù)據(jù)。
16. 如權(quán)利要求15所述的系統(tǒng)，其特征在于，所述以前生成的與所述第 一樣本的第二方面相關(guān)的數(shù)據(jù)包括超聲成像數(shù)據(jù)和磁共振成像(MRI)數(shù)據(jù)中 至少一者。
17. 如權(quán)利要求15所述的系統(tǒng)，其特征在于，所述軟件模塊被進(jìn)一步配置成在所述存儲(chǔ)器中存儲(chǔ)以前生成的與第二物理樣本的第一方面相關(guān)的數(shù)據(jù)； 在所述存儲(chǔ)器中存儲(chǔ)以前生成的與第二物理樣本的第二方面相關(guān)的數(shù)據(jù)； 通過(guò)使用所述第二樣本第一方面數(shù)據(jù)和所述第二樣本第二方面數(shù)據(jù)中至 少一者運(yùn)行算法來(lái)生成第二樣本變換數(shù)據(jù)；以及 在所述存儲(chǔ)器中存儲(chǔ)所述第二樣本變換數(shù)據(jù)。
18. 如權(quán)利要求17所述的系統(tǒng)，其特征在于，所述軟件模塊被進(jìn)一步配置成通過(guò)使用所述第一樣本變換數(shù)據(jù)和所述第二樣本變換數(shù)據(jù)運(yùn)行算法來(lái)生成二階變換數(shù)據(jù)；以及在所述存儲(chǔ)器中存儲(chǔ)所述二階變換數(shù)據(jù)。
19. 如權(quán)利要求13所述的方法，其特征在于，所述軟件模塊被配置成通 過(guò)使用所述第一樣本第一方面數(shù)據(jù)運(yùn)行第一系列算法生成第一方面突觸網(wǎng)絡(luò) 并且使用第一樣本第二方面數(shù)據(jù)運(yùn)行第二系列算法生成第二方面突觸網(wǎng)絡(luò)來(lái) 生成第一樣本變換數(shù)據(jù)，其中所述軟件模塊被進(jìn)一步配置成通過(guò)使用所述第 一方面突觸網(wǎng)絡(luò)和所述第二方面突觸網(wǎng)絡(luò)運(yùn)行算法來(lái)生成二階變換數(shù)據(jù)。
20. 如權(quán)利要求19所述的方法，其特征在于，所述軟件模塊被進(jìn)一步配 置成使用所述二階變換數(shù)據(jù)生成n階變換數(shù)據(jù)。
全文摘要
用于在虛擬環(huán)境中聚集和使用對(duì)應(yīng)于物理樣本的數(shù)據(jù)的系統(tǒng)和方法(圖1，框85)。該方法包括接收第一物理樣本，感測(cè)該第一樣本的第一方面以生成第一樣本第一方面數(shù)據(jù)，在數(shù)據(jù)存儲(chǔ)中存儲(chǔ)該第一樣本第一方面數(shù)據(jù)，感測(cè)該第一樣本的第二方面以生成第一樣本第二方面數(shù)據(jù)，在數(shù)據(jù)存儲(chǔ)中存儲(chǔ)該第一樣本第二方面數(shù)據(jù)，通過(guò)使用第一樣本第一方面數(shù)據(jù)和第一樣本第二方面數(shù)據(jù)中至少一者運(yùn)行第一系列算法來(lái)生成第一樣本變換數(shù)據(jù)，并且在數(shù)據(jù)存儲(chǔ)中存儲(chǔ)第一樣本變換數(shù)據(jù)(圖1，框86-92)。
文檔編號(hào)G06F15/18GK101421718SQ200780012016
公開(kāi)日2009年4月29日 申請(qǐng)日期2007年2月14日 優(yōu)先權(quán)日2006年2月14日
發(fā)明者B·G·唐納德森, N·L·米德?tīng)栴D, R·M·小布林森 申請(qǐng)人:智能科學(xué)股份有限公司