“A·起亚”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果14个，建议您升级VIP下载更多相关专利

[发明专利]具有情境感知的基于人工智能的碱基检出器-CN202280005054.X在审
发明人： A·起亚 -专利权人：因美纳有限公司
申请日： 2022-03-24 - 公布日： 2023-03-14 - 主分类号： G16B30/20 文献下载
摘要：一种神经网络在逐块的基础上处理测序图像以用于碱基检出。这些测序图像描绘一组分析物的强度发射。这些块描绘这些分析物的子集的强度发射，并且由于碱基多样性有限而具有单一的强度图案。该神经网络具有卷积滤波器，这些卷积滤波器具有局限于这些块的接收域。这些卷积滤波器检测这些块中的强度图案，由于这些单一的强度图案和局限的接收域而具有检测损失。强度情境化单元基于这些图像中的强度值确定强度上下文数据。该数据流逻辑将该强度上下文数据附加到这些测序图像以生成强度情境化图像。该神经网络将这些卷积滤波器应用于这些强度情境化图像并且生成碱基检出分类。这些强度情境化图像中的强度上下文数据补偿该检测损失。
具有情境感知基于人工智能碱基检出

[发明专利]用于基于人工智能的碱基检出器的拆分架构-CN202180015544.3在审
发明人： A·杜塔;G·韦瑟尔;D·卡什夫哈吉吉;G·D·帕纳比;K·贾加纳坦;A·起亚 -专利权人：因美纳有限公司
申请日： 2021-02-19 - 公布日： 2022-12-06 - 主分类号： G16B40/20 文献下载
摘要：本发明所公开的技术涉及包括空间卷积网络和总线网络的系统。该空间卷积网络被配置为通过相应的空间处理流水线分别处理相应的每循环测序图像集来逐个循环地处理每循环测序图像集的窗口，以针对相应的测序循环生成相应的每循环空间特征图集。该总线网络被配置为在该相应的空间处理流水线内的空间卷积层之间形成总线。该总线被配置为使由空间卷积层的特定序列中的两个或更多个空间卷积层针对特定测序循环生成的相应的每循环空间特征图集组合成组合的每循环空间特征图集，并且将该组合的每循环空间特征图集作为输入提供给空间卷积层的特定序列中的另一个空间卷积层。
用于基于人工智能碱基检出拆分架构

[发明专利]用于基于人工智能的碱基检出器的总线网络-CN202180015983.4在审
发明人： A·杜塔;G·韦瑟尔;D·卡什夫哈吉吉;G·D·帕纳比;K·贾加纳坦;A·起亚 -专利权人：因美纳有限公司
申请日： 2021-02-19 - 公布日： 2022-11-25 - 主分类号： G16B40/20 文献下载
摘要：本发明所公开的技术涉及包括空间卷积网络和时间卷积网络的系统。该空间卷积网络被配置为处理每循环测序图像集的窗口并生成相应的每循环空间特征图集。空间卷积滤波器组的相应的序列的空间卷积滤波器组中的空间卷积滤波器的经训练系数在空间卷积层的相应的序列中的空间卷积层的序列之间变化。该时间卷积网络被配置为按组处理该每循环空间特征图集并生成相应的每组时间特征图集。相应的时间卷积滤波器组中的时间卷积滤波器的经训练系数在相应的时间卷积滤波器组中的时间卷积滤波器组之间变化。
用于基于人工智能碱基检出总线网络

[发明专利]用于基于人工智能的碱基检出的数据压缩-CN202180015512.3在审
发明人： G·韦瑟尔;G·D·帕纳比;A·杜塔;D·卡什夫哈吉吉;K·贾加纳坦;A·起亚 -专利权人：因美纳有限公司
申请日： 2021-02-19 - 公布日： 2022-11-01 - 主分类号： G16B40/20 文献下载
摘要：本发明所公开的技术涉及基于人工智能的碱基检出方法。具体地，本发明所公开的技术涉及通过基于神经网络的碱基检出器的空间网络处理用于测序运行的测序循环的第一窗口的每循环分析物通道集的第一窗口，并且针对测序循环的该第一窗口中的相应的测序循环生成空间输出集的相应的序列；通过基于神经网络的碱基检出器的压缩网络处理空间输出集的该相应的序列中的相应的最终的空间输出集，并且针对测序循环的该第一窗口中的该相应的测序循环生成相应的压缩的空间输出集；并且基于该相应的压缩的空间输出集，针对测序循环的该第一窗口中的一个或多个测序循环生成碱基检出预测。
用于基于人工智能碱基检出数据压缩

[发明专利]基于人工智能的索引序列的碱基检出-CN202180015471.8在审
发明人： K·贾加纳坦;A·起亚 -专利权人：因美纳有限公司
申请日： 2021-02-16 - 公布日： 2022-10-18 - 主分类号： G16B30/20 文献下载
摘要：所公开的技术涉及基于人工智能的索引序列的碱基检出。所公开的技术在测序运行的索引测序循环期间访问针对索引序列生成的索引图像。这些索引图像描绘了由于在测序运行期间核苷酸结合在索引序列中而生成的强度发射。所公开的技术基于(i)来自一个或多个先前索引测序循环的索引图像的强度值，(ii)来自一个或多个后续索引测序循环的索引图像的强度值，和(iii)来自当前索引测序循环的索引图像的强度值，对来自当前索引测序循环的索引图像进行归一化。所公开的技术通过基于神经网络的碱基检出器处理索引图像的归一化版本，并针对索引测序循环中的每个索引测序循环生成碱基检出，从而产生索引序列的索引读段。
基于人工智能索引序列碱基检出

[发明专利]基于人工智能的多对多碱基判读-CN202180015480.7在审
发明人： A·杜塔;G·韦瑟尔;D·卡什夫哈吉吉;K·贾加纳坦;A·起亚 -专利权人：因美纳有限公司
申请日： 2021-02-19 - 公布日： 2022-09-30 - 主分类号： G16B30/00 文献下载
摘要：本发明所公开的技术涉及基于人工智能的碱基判读。本发明所公开的技术涉及访问针对测序运行的测序循环生成的每循环分析物通道集的进展；通过基于神经网络的碱基判读器(NNBC)针对测序运行的测序循环的窗口处理进展中的每循环分析物通道集的窗口，使得NNBC针对测序运行的测序循环的对象窗口处理进展中的每循环分析物通道集的对象窗口，并使用该NNBC从特定测序循环出现在不同的位置的多个窗口在测序循环的对象窗口中生成针对三个或更多个测序循环的临时碱基判读预测，以生成针对该特定测序循环的临时碱基判读预测；以及基于该多个碱基判读预测确定针对该特定测序循环的碱基判读。
基于人工智能碱基判读

[发明专利]基于人工智能的碱基检出器的基于知识蒸馏和梯度修剪的压缩-CN202180015568.9在审
发明人： A·杜塔;G·韦瑟尔;D·卡什夫哈吉吉;K·贾加纳坦;A·起亚 -专利权人：因美纳有限公司
申请日： 2021-02-17 - 公布日： 2022-09-30 - 主分类号： G16B40/10 文献下载
摘要：所公开的技术将较大教师碱基检出器压缩为较小学生碱基检出器。学生碱基检出器比教师碱基检出器具有更少的处理模块和参数。教师碱基检出器使用硬标签(例如，独热编码)进行训练。经训练的教师碱基检出器用于在推断阶段期间生成软标签作为输出概率。软标签用于训练学生碱基检出器。
基于人工智能碱基检出知识蒸馏梯度修剪压缩

[发明专利]基于人工智能的质量评分-CN202080005431.0在审
发明人： K·贾加纳坦;J·R·高贝尔;A·起亚 -专利权人：因美纳有限公司
申请日： 2020-03-21 - 公布日： 2021-05-11 - 主分类号： G16B40/10 文献下载
摘要：所公开的技术通过以下方式向由基于神经网络的碱基检出器检出的碱基分配质量得分：(i)响应于在训练期间处理训练数据，对由所述基于神经网络的碱基检出器产生的预测的碱基检出的分类得分进行量化，(ii)选择量化的分类得分集，(iii)对于所述集中的每个经量化的分类得分，通过将其预测的碱基检出与对应的基准真值碱基检出进行比较来确定碱基检出误差率，(iv)确定所述经量化的分类得分与其碱基检出误差率之间的拟合，以及(v)基于所述拟合将所述质量得分与所述经量化的分类得分相关联。
基于人工智能质量评分

[发明专利]基于人工智能的测序-CN202080004529.4在审
发明人： A·杜塔;D·卡什夫哈吉吉;A·起亚;K·贾加纳坦;J·R·高贝尔 -专利权人：因美纳有限公司
申请日： 2020-03-22 - 公布日： 2021-04-20 - 主分类号： G16B30/10 文献下载
摘要：所公开的技术通过第一神经网络处理第一输入并产生第一输出。该第一输入包括来源于由测序系统在测序运行中捕获的分析物及其周围背景的图像的第一图像数据。所公开的技术通过后处理器处理该第一输出并产生关于该分析物及其周围背景的元数据。所公开的技术通过第二神经网络处理第二输入并产生第二输出。该第二输入包括通过基于该元数据修改第二图像数据而导出的第三图像数据。该第二图像数据来源于该分析物及其周围背景的该图像。该第二输出识别在该测序运行的一个或多个测序循环处对该分析物中的一个或多个分析物的碱基检出。
基于人工智能

[发明专利]基于人工智能的碱基检出-CN202080004547.2在审
发明人： K·贾加纳坦;J·R·高贝尔;A·起亚 -专利权人：因美纳有限公司
申请日： 2020-03-21 - 公布日： 2021-03-30 - 主分类号： G16B30/00 文献下载
摘要：所公开的技术通过神经网络处理输入数据并产生该输入数据的另选表示。该输入数据包括用于测序运行的一个或多个测序循环中的每个测序循环的针对每个循环的图像数据。针对每个循环的图像数据描绘了在相应的测序循环处捕获的一个或多个分析物及其周围背景的强度发射。所公开的技术通过输出层处理该另选表示，并且在这些测序循环中的一个或多个测序循环处基于该输出对这些分析物中的一个或多个分析物进行碱基检出。
基于人工智能碱基检出

[发明专利]基于人工智能的测序元数据生成-CN202080003614.9在审
发明人： A·杜塔;D·卡什夫哈吉;A·起亚 -专利权人：因美纳有限公司
申请日： 2020-03-21 - 公布日： 2021-02-05 - 主分类号： G16B40/00 文献下载
摘要：所公开的技术使用神经网络通过以下方式确定分析物元数据：(i)通过神经网络处理从图像集序列导出的输入图像数据，以及生成该输入图像数据的另选表示，该输入图像数据具有描绘分析物及其周围背景的单元阵列，(ii)通过输出层处理该另选表示以及为该阵列中的每个单元生成输出值，(iii)对该单元的输出值进行阈值化以及将该单元的第一子集分类为描绘该周围背景的背景单元，以及(iv)定位在该单元的该输出值中的峰值并将该单元的第二子集分类为包含该分析物中心的中心单元。
基于人工智能测序元数据生成

[发明专利]用于基于人工智能的测序的训练数据生成-CN202080003622.3在审
发明人： A·杜塔;D·卡什夫哈吉;A·起亚 -专利权人：因美纳有限公司
申请日： 2020-03-21 - 公布日： 2021-02-02 - 主分类号： G06K9/00 文献下载
摘要：本发明所公开的技术涉及生成基准真值训练数据以训练用于簇元数据确定任务的基于神经网络的模板生成器。具体地，所述技术涉及：访问测序图像；从碱基检出器获得将所述测序图像中的每个子像素分类为四种碱基(A、C、T和G)中的一种碱基的碱基检出；生成簇映射图，该簇映射将簇识别为共享基本上匹配的碱基检出序列的邻接子像素的不相交区域；基于该簇映射图中的该不相交区域来确定簇元数据；以及使用该簇元数据来生成该基准真值训练数据，以用于训练用于该簇元数据确定任务的该基于神经网络的模板生成器。
用于基于人工智能训练数据生成

[发明专利]用于识别引起序列特异性错误(SSE)的序列图案的基于深度学习的框架-CN201980003258.8在审
发明人： D·卡什夫哈吉;A·起亚;K-H·法尔 -专利权人：因美纳有限公司
申请日： 2019-07-09 - 公布日： 2020-03-17 - 主分类号： G16B40/20 文献下载
摘要：所公开的技术提出一种识别引起序列特异性错误(SSE)的序列图案的基于深度学习的框架。系统和方法以大规模变体数据训练变体滤波器以学习序列图案和虚假变体识别之间的因果相关性。所述变体滤波器具有分层结构，所述分层结构构建于深度神经网络上，诸如卷积神经网络和全连接神经网络。系统和方法实施模拟，所述模拟利用所述变体滤波器来测试已知序列图案对于变体滤波的影响。所述模拟的前提如下：当将一对待测重复图案和识别的变体馈送至所述变体滤波器作为模拟输入序列的一部分并且所述变体滤波器将识别的变体分类为虚假变体识别时，那么所述重复图案视为已引起所述虚假变体识别并且识别为SSE起因。
用于识别引起序列特异性错误 sse 图案基于深度学习框架

[发明专利]使用深度神经网络预测测序结果的质量-CN201980003115.7在审
发明人： A·杜塔;A·起亚 -专利权人：因美纳有限公司
申请日： 2019-01-04 - 公布日： 2020-02-11 - 主分类号： G16B40/10 文献下载
摘要：所公开的技术预测在扩展的光学碱基识别过程期间的碱基识别质量。碱基识别过程包括前预测碱基识别过程循环和至少两倍于前预测循环的后预测碱基识别过程循环。将来自前预测碱基识别循环的多个时间序列作为输入提供给经过训练的卷积神经网络。卷积神经网络根据前预测碱基识别过程循环来确定后预测碱基识别过程循环之后预期的可能的总碱基识别质量。当碱基识别过程包括成对读取的序列时，还将第一读取的总碱基识别质量时间序列作为附加输入提供给卷积神经网络，以确定在第二读取的后预测循环之后可能的总碱基识别质量。
碱基识别过程循环读取卷积神经网络预测总碱时间序列输入提供预测循环技术预测预期的成对

1
共 14 条