[发明专利]表征和识别生物结构

权利要求书

1.一种训练系统以识别生物结构的至少一个特征的方法，所述方法包括：

接收包括生物结构的多组阻抗测量值的训练数据；

从多组阻抗测量值的每组中识别包括阻抗测量值第一子集的训练数据第一子集；

从所识别的训练数据第一子集中识别第一多个特征，所述第一多个特征包括从所识别的训练数据第一子集导出的至少一个导出特征；和

使用至少一种机器学习技术和第一多个所识别的特征来训练模型以创建第一经训练的模型。

2.根据权利要求1所述的方法，其中所述至少一种机器学习技术包括以下中的至少一种：支持向量机(SVM)技术、人工神经网络(ANN)技术、k最近邻算法(kNN)技术、或决策树学习技术。

3.根据权利要求1所述的方法，其中所述多组阻抗测量值包括生物结构的电化学阻抗谱(EIS)测量值。

4.根据权利要求1所述的方法，其中所述生物结构的至少一个特征包括所述生物结构的组成。

5.根据权利要求1所述的方法，其还包括：

使用第一经训练的模型来识别生物结构的至少一个特征。

6.根据权利要求5所述的方法，其中使用第一经训练的模型来识别生物结构的至少一个特征包括：

捕获生物结构的至少一个阻抗测量值；和

使用与经训练的模型相关联的至少一个机器学习参数，基于所捕获的生物结构的至少一个阻抗测量值来识别生物结构的至少一个特征。

7.根据权利要求1所述的方法，其还包括：

确定第一经训练的模型是否满足至少一个性能目标；和

响应于满足至少一个性能目标的第一经训练的模型，使用第一经训练的模型来识别生物结构的至少一个特征。

8.根据权利要求7所述的方法，其还包括：

响应于未能满足至少一个性能目标的第一经训练的模型，从多组阻抗测量值的每组中识别包括阻抗测量值第二子集的训练数据第二子集；

从所识别的训练数据第二子集中识别第二多个特征，所述第二多个特征包括从所识别的训练数据第二子集导出的至少一个导出特征；

使用至少一种机器学习技术和第二多个所识别的特征来训练模型以创建第二经训练的模型；

确定第二经训练的模型是否满足至少一个性能目标；和

响应于满足至少一个性能目标的第二经训练的模型，使用第二经训练的模型来识别生物结构的至少一个特征。

9.根据权利要求8所述的方法，其中识别第二子集包括：至少部分地基于接收第一子集和第一经训练的模型的性能度量作为输入的遗传算法来选择第二子集。

10.根据权利要求1所述的方法，其中所述生物结构是动物导管的病变。

11.一种训练系统以识别生物结构的至少一个特征的方法，所述方法包括操作至少一个处理器以执行以下动作：

从生物结构的多组阻抗测量值的每组中选择阻抗测量值子集以产生多个阻抗测量值子集，每组阻抗测量值包括响应于不同频率的信号施加的生物结构之一的阻抗测量值；

产生多组特征，每组特征表征多个子集的阻抗测量值子集，每组特征包括存在于阻抗测量值子集中的至少一个特征和从阻抗测量值子集中导出的至少一个导出特征；和

基于目标生物结构的输入阻抗测量值来训练模型以识别目标生物结构的至少一个特征，其中训练包括将至少一种机器学习技术应用于表征阻抗测量值的多个子集的多组特征以创建经训练的模型。

12.根据权利要求11所述的方法，其还包括操作所述至少一个处理器以执行以下动作：

使用经训练的模型处理第一生物结构的阻抗测量值，以确定第一生物结构的至少一个特征。