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)的增長使用，數(shù)字表示的信息量已變得很龐 大。對這些大量數(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人的人工審閱來分析，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的、聽覺的或人類可覺察到的其 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)已被開發(fā)出來。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，但對地震數(shù)據(jù)表現(xiàn)很差。反之亦然。評價(jià)數(shù)據(jù)的系統(tǒng)緊密地 與其被設(shè)計(jì)成要評價(jià)的特定數(shù)據(jù)源相耦合。因此，對寬范圍系統(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)別和對象檢測系統(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) 減少對人工分析的需要。本發(fā)明包括無需其適應(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)別模式和檢測對象的數(shù)據(jù)分析系統(tǒng)。該系統(tǒng)評價(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、金融市場和統(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)使用相對較小數(shù)目的簡單算法，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示出用于評價(jià)群集和閾值檢測的示例方法；
圖19示出用于評價(jià)閾值檢測的示例方法；
圖20示出用于評價(jià)群集檢測的示例方法；
圖21示出用于處理對某區(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方法的屏幕截圖； 圖46示出來自圖45的展開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，其由通過多條"突觸 路徑"互連的多個(gè)"突觸葉"組成。
一旦對于已知特征該系統(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求88以使用相同的多個(gè)算法來 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、可聽到的聲音、或任何其它形式)。
如本文中所使用的，術(shù)語"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)一步例示說明的。
如本文中所使用的，術(shù)語"目標(biāo)數(shù)據(jù)元素"(TDE)是指被使用算法來評 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"已知特征"來指表示在訓(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)或以上以前定義過的已知特征搜索新數(shù)據(jù)組。
如本文中所使用的，術(shù)語"突觸網(wǎng)絡(luò)"是指在有根的固定深度樹的實(shí)現(xiàn)中 用于存儲(chǔ)關(guān)于離散特征、模式、對象或其他已知數(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"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"突觸路徑"是指來自所有這些算法的多個(gè)值。 突觸路徑被用于基于對目標(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)的過程。
如本文中所使用的，術(shù)語"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"命中檢測"是指基于將處理期間遭遇的突觸路 徑與對某已知特征訓(xùn)練過的任何路徑相匹配來確定該已知特征是否存在于測 試數(shù)據(jù)組中的方法。
如本文中所使用的，術(shù)語"群集檢測"是指基于命中檢測和對目標(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兩者來確定已知特征是 否存在于測試數(shù)據(jù)組中的方法。
如本文中所使用的，術(shù)語"群集距離"是指一個(gè)或以上用于評價(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"閾值檢測"是指基于命中檢測和命中檢測中使 用的突觸路徑作為已知特征已被訓(xùn)練的次數(shù)兩者來確定該已知特征是否存在于測試數(shù)據(jù)組中的方法。
如本文中所使用的，術(shù)語"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"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"區(qū)域訓(xùn)練"是指在訓(xùn)練事件中使用的過程，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"相對調(diào)整的訓(xùn)練"是指在訓(xùn)練事件中使用的過 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"絕對調(diào)整的訓(xùn)練"是指在訓(xùn)練事件中使用的過 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"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)語還旨在涵蓋與人類感知可能只有很少或沒有關(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 意義內(nèi)的形態(tài)。
如本文中所使用的，術(shù)語"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)。來自不同廠商(諸如通用電氣或西門子)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、無線設(shè)備、蜂窩電話和/或另一 數(shù)據(jù)輸入設(shè)備來代替計(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處通過指派多個(gè)數(shù)據(jù)存儲(chǔ)性質(zhì)開始。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?？?20、 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 種用于檢測的方法。在一個(gè)實(shí)施例中，該檢測方法可被選擇為命中檢測。在一 個(gè)實(shí)施例中，可使用群集檢測。在一個(gè)實(shí)施例中，可使用閾值檢測。在一個(gè)實(shí) 施例中，可使用群集和閾值檢測。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。框140、 142和144可按任何次序執(zhí)行。
圖6示出用于通過訓(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訓(xùn)練的背景或普通區(qū)域。通過標(biāo)識(shí)負(fù)訓(xùn)練值組， 來自感興趣地區(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， 相對和/或絕對調(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)葉并且該過程被重復(fù)。如 果否，則該過程在框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，用這些算法值來査詢數(shù)據(jù)存儲(chǔ)。(參見圖14)在框404處作出對于這些算 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。框390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。如果在框428處為否，則在框434處， 檢查該特征看命中檢測方法是否被設(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到命中，且因此將假返回給圖17 中的框444。框450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) 檢測看是否設(shè)置了處理閾值。如果是，則在框462處，作出對突觸葉的已知特 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 處檢索對該TDE標(biāo)識(shí)出的特征列表。在框501處，對該特征列表執(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)字來表示。像素的Y坐標(biāo)由諸列602中的數(shù)字來表示。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開始被進(jìn)一步使用。
圖25示出對毗鄰像素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開始被 進(jìn)一步使用。
圖26示出對毗鄰像素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)來自第一算 法(縮寫為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)，來自第一算法的值沒有重復(fù)；因此，對 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示出一系列對于6 x 6黑白圖像的陣列。該頁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)。來自陣列680的(2， 2)中所 示的結(jié)果所得值為164?，F(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，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)用戶通過此應(yīng)用中的各步驟來創(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，以在一個(gè)實(shí)施例中示出當(dāng)前已對兩維圖像形態(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?？墒褂脕碜源似聊唤貓D的信息來分類通過 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，選擇算法的過程通過選取TDA形狀開始。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，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 (算法可簡單或復(fù)雜)來提取將在突觸 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TDE。以上用于訓(xùn)練的過程類似于標(biāo)識(shí)過程。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。對于某些 TDA形狀，可開發(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。算法類型和對于給定范 圍的輸入值返回的值范圍是用戶考慮對于給定過程選取哪些算法來選擇時(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 過按下"完成"按鈕或通過選擇"后退"按鈕編輯他/她的特征來確認(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的展開的屏幕截圖。如圖43中所示，TDA 924現(xiàn) 在被展開以示出可聯(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。"開始"選項(xiàng)卡被選中，表示這是對向?qū)У慕榻B。此向?qū)?將引導(dǎo)用戶通過此應(yīng)用中的步驟來創(chuàng)建和編輯已知特征，參見區(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是示出來自圖45的組合 框962的展開的屏幕截圖。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來表示閾值數(shù)字，并且使用滑動(dòng)
標(biāo)度974來表示極限數(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 檢測方法是命中檢測。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。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"?；诠鈽?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訓(xùn)練的部分。
圖52是示出"已知特征訓(xùn)練"向?qū)У?開始"選項(xiàng)卡1110的屏幕截圖。訓(xùn)練向?qū)⒁龑?dǎo)用戶通過各步驟來訓(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?。?此示例中，選擇森林1122。如果打開了多個(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 對調(diào)整訓(xùn)練1134或相對調(diào)整訓(xùn)練1136。在此點(diǎn)，用戶選擇對于所選形態(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中所示的過程對圖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。 對于每個(gè)像素的諸算法值都被計(jì)算出來并作為集合采納；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。
對此圖像的訓(xùn)練過程使用圖23-33中示出的過程對圖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?開始"選項(xiàng)卡1310的屏幕截圖， 其引導(dǎo)用戶通過此應(yīng)用中的各步驟來處理所選擇的已知特征。該向?qū)г试S用戶 使用以前訓(xùn)練過的巳知特征來處理一段新的數(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)對于具體數(shù)據(jù)點(diǎn) 已訓(xùn)練過的任何已知特征，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)模式是使用以上對圖34 討論的過程并使用圖39中用戶選擇的算法來生成的。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TDE訓(xùn)練過的任何已知特征。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 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，任何顯示出來的未被標(biāo)識(shí)的反常(以前被訓(xùn)練 過的特征)都被涂抹以將它們與已訓(xùn)練特征區(qū)別開來。
在再一個(gè)實(shí)施例中，視覺或聽覺警報(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、或以其他方式感測該樣本一方面之前
諸如通過對該生物樣本染色等任選地制備的。下一步，在框1712處，對該物 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1:1分辨率的攝影被捕捉的。在第一數(shù)據(jù)組中感測可 視樣本。可使用其他倍率。也可使用附加的照片、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。可出于 其他目的創(chuàng)建虛擬數(shù)據(jù)庫，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)庫啟用替換的樣本材料。該虛擬的病理學(xué) 庫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，由類似于染色的過程用圖像分析算法來修改樣本。原始切片的虛擬樣本通過對在圖像捕捉時(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)輔助檢測以標(biāo)識(shí)或識(shí)別出疾病、異常、和/或細(xì)胞 結(jié)構(gòu)問題。
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1800的框圖。庫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 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 過對圖像文件1810運(yùn)行第一系列算法來獲得的，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還包括來自其他數(shù)據(jù)分析 系統(tǒng)的數(shù)據(jù)和結(jié)果。
除通過對每個(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是通過對來自第一數(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以及還對來自 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)的組合來生成。例如，二階分析數(shù) 據(jù)可以是使用在病理學(xué)庫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1800內(nèi)的二階分析數(shù)據(jù)文件或其他數(shù)據(jù)文件來運(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分析未知樣本。在示例實(shí)施例中，對未知樣本 的分析是使用本地系統(tǒng)來執(zhí)行的。然而，在其他示例中，該分析是使用通過網(wǎng) 絡(luò)連接到該本地系統(tǒng)的其他系統(tǒng)來執(zhí)行的。
以下是二階數(shù)據(jù)分析的示例。來自肝癌一階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)果依次可對照其性別、居住區(qū)域和肝功能測試數(shù)據(jù)的一 階類別數(shù)據(jù)來處理。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 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 過使用諸如對應(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被配置成通過使用對應(yīng)于物理 樣本的感測方面的數(shù)據(jù)運(yùn)行算法來生成一階、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 的方式來分析未知樣本。在示例實(shí)施例中，對未知樣本的分析是使用系統(tǒng)1900 來執(zhí)行的。然而，在其他示例中，該分析是使用通過網(wǎng)絡(luò)(未示出)連接到系 統(tǒng)1900的其他系統(tǒng)(未示出)來執(zhí)行的。
雖然出于簡明未示出，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 包括被配置成通過使用諸如對應(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 包括被配置成通過使用對應(yīng)于物理樣本的感測方面的數(shù)據(jù)運(yùn)行算法來生成一階、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。診斷支持包括傳統(tǒng)的
X光、實(shí)驗(yàn)室面板測試、CT掃描、MR或NMR成像、PET掃描和/或切片和 顯微鏡分析。急性檢測包括檢測禽流感、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、或通過計(jì)算機(jī)模擬取得 的。計(jì)算機(jī)模擬包括使用決策樹并且也是基于對過去樣本的學(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、國家登記、常規(guī)腫瘤、和/或組織和血清庫和/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。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)庫可在此系統(tǒng)的實(shí)現(xiàn)內(nèi)使用。盡管例示說明和描述了本發(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)施例的公開所限定。而是應(yīng)代之以完全通過參考所附權(quán)利要求來確定本發(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，還包括通過對所述第一樣本 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 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
公開日2009年4月29日 申請日期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·米德爾頓, R·M·小布林森 申請人:智能科學(xué)股份有限公司