细菌分类的制作方法

1.示例性实施例总体上涉及细菌的分类，并且更具体地涉及基于细菌形态和运动性的细菌的分类。


背景技术：

2.工业(例如食品和健康工业)关注细菌的存在，细菌例如为消费食品中的大肠杆菌、沙门氏菌、李斯特菌和弯曲杆菌。因为这些细菌在环境和营养条件正确时繁殖和生长，它们可以快速生长成微菌落并进一步生长成肉眼可见的薄生物膜，其在仅仅数小时内对消费者造成潜在威胁。出于这个原因，需要食品提供商(诸如肉类和农产品生产者)将产品内的此类细菌限制到非常低的量，例如每毫升10个菌落形成单位(cfu)或10cfu/ml。食品工业用于确定食品内细菌的类型的当前方法包括富集过程，其中在8-24小时内测试样品，在此期间细菌计数增长至104cfu/ml。一旦这种细菌浓度可用于测试，就使用聚合酶链式反应(pcr)或dna测序方法基于其dna来识别特定类型的细菌，然而这些方法缺乏效率和简单性。
3.因此，在本领域中需要解决上述问题。


技术实现要素：

4.从第一方面来看，本发明提供了一种用于对细菌进行分类的计算机实现的方法，所述方法包括：提取对应于一个或多个细菌的形态特征；提取对应于所述一个或多个细菌的运动性特征；将所述形态特征和所述运动性特征合并成合并的向量特征；以及基于所述合并的向量特征对所述一个或多个细菌进行分类。
5.从另一方面来看，本发明提供了一种用于对细菌进行分类的计算机程序产品，该计算机程序产品包括计算机可读存储介质，该计算机可读存储介质可由处理电路读取并且存储用于由该处理电路运行以执行用于执行本发明的步骤的方法的指令。
6.从另一方面来看，本发明提供一种存储在计算机可读介质上并且可加载到数字计算机的内部存储器中的计算机程序，包括当所述程序在计算机上运行时用于执行本发明的步骤的软件代码部分。
7.从另一方面来看，本发明提供了一种用于对细菌进行分类的计算机程序产品，该计算机程序产品包括：一个或多个非暂态计算机可读存储介质以及存储在所述一个或多个非暂态计算机可读存储介质上的能够执行一种方法的程序指令，所述方法包括：提取对应于一个或多个细菌的形态特征；提取对应于所述一个或多个细菌的运动性特征；将所述形态特征和所述运动性特征合并成合并的向量特征；以及基于所述合并的向量特征对所述一个或多个细菌进行分类。
8.从另一方面来看，本发明提供了一种用于对细菌进行分类的计算机系统，所述计算机系统包括：一个或多个计算机处理器、一个或多个计算机可读存储介质、以及存储在所述一个或多个计算机可读存储介质上的程序指令，所述程序指令用于由能够执行一种方法的所述一个或多个处理器中的至少一个执行，所述方法包括：提取对应于一个或多个细菌
的形态特征；提取对应于所述一个或多个细菌的运动性特征；将所述形态特征和所述运动性特征合并成合并的向量特征；以及基于所述合并的向量特征对所述一个或多个细菌进行分类。
9.示例性实施例公开了用于基于形态学和运动性来识别细菌的方法、计算机程序产品和计算机系统。该方法可包括提取对应于一个或多个细菌的形态特征并且提取对应于所述一个或多个细菌的运动性特征。该方法还可进一步包括将形态特征和运动性特征合并成合并的向量特征并基于该合并的向量特征对所述一个或多个细菌进行分类。
10.根据一些实施例，提取形态特征可基于比较所述一个或多个细菌的形态和将细菌形态与细菌类型相关的模型。
11.在实施例中，将细菌形态与细菌类型相关的模型可包括选自以下组的特征，该组包括细胞大小、细胞形状、细胞长度、细胞直径、细胞体积和革兰氏染色类型。
12.根据一些实施例，提取运动性特征可基于将所述一个或多个细菌的运动性与将细菌运动性与细菌类型相关的模型进行比较。
13.在实施例中，将细菌运动性与细菌类型相关的模型可包括选自以下组的特征，该组包括跑动长度、平均跑动长度、跑动速度、平均跑动速度、翻滚长度、平均翻滚长度、翻滚速度、平均翻滚速度和翻滚间隔。
14.根据一些实施例，将细菌运动性与细菌类型相关的模型可进一步包括特征复制速率。
15.在实施例中，形态特征、运动性特征和合并的向量特征可经由人工智能算法产生。
附图说明
16.结合附图，将最好地理解以下通过示例方式给出并且不旨在将示例性实施例仅限于此的详细描述，在附图中：
17.图1描绘了根据示例性实施例的细菌分类系统100的示例性示意图。
18.图2描绘了根据示例性实施例的示出细菌分类系统100的细菌分类器134在使用智能设备显微镜记录细菌时的操作的示例性流程图200。
19.图3描绘了根据示例性实施例的示出细菌分类系统100的细菌分类器134在使用形态和运动性特征分类细菌时的一般操作的示例性流程图300。
20.图4描绘了根据示例性实施例的示出细菌分类系统100的细菌分类器134在提取细菌形态特征时的操作的示例性流程图400。
21.图5描绘了根据示例性实施例的示出细菌分类系统100的细菌分类器134在提取细菌运动性特征时的操作的示例性流程图500。
22.图6描绘了根据示例性实施例的在运动性特征的产生期间分析的细菌的跑动(run)和翻滚(tumble)。
23.图7描绘了根据示例性实施例的细菌分类器134对大肠杆菌细菌进行分类的示例。
24.图8描绘了根据示例性实施例的细菌分类器134对枯草芽孢杆菌细菌进行分类的示例。
25.图9描绘了根据示例性实施例的描绘图1的对话者识别系统100的硬件组件的示例性框图。
26.图10描绘了根据示例性实施例的云计算环境。
27.图11描绘了根据示例性实施例的抽象模型层。
28.附图不一定按比例绘制。附图仅是示意性表示，并不旨在描绘示例性实施例的特定参数。附图仅旨在描述典型的示例性实施例。在附图中，相同的标号表示相同的元件。
具体实施方式
29.在此公开了所要求保护的结构和方法的详细实施例；然而，应当理解的是，所公开的实施例仅仅是对所要求保护的结构和方法的说明，它们可以以不同的形式来实施。示例性实施例仅是说明性的，然而，可以以许多不同的形式实施，并且不应被解释为局限于本文中阐述的示例性实施例。相反，提供这些示例性实施例是为了使本公开全面且完整，并且将示例性实施例所覆盖的范围完全传达给本领域技术人员。在说明中，可省略众所周知的特征和技术的细节以避免不必要地使所呈现的实施例模糊。
30.说明书中对“一个实施例”、“实施例”、“示例性实施例”等的引用表示所描述的实施例可包括特定的特征、结构或特性，但是每个实施例可能不一定包括特定的特征、结构或特性。此外，这样的短语不一定指相同的实施例。进一步，当结合实施例描述特定特征、结构或特性时，认为结合其他实施例(无论是否明确描述)实现这样的特征、结构或特性在本领域技术人员的知识范围内。
31.为了不模糊示例性实施例的呈现，在以下详细描述中，本领域已知的一些处理步骤或操作可能已经被组合在一起用于呈现和用于说明的目的，并且在一些情况下可能尚未被详细描述。在其他情况下，可以根本不描述本领域已知的一些处理步骤或操作。应当理解，以下描述聚焦于根据各种示例性实施例的区别特征或元素。
32.例如食品和健康工业的工业关注细菌的存在，细菌例如为消费食品中的大肠杆菌、沙门氏菌、李斯特菌和弯曲杆菌。因为这些细菌在环境和营养条件正确时繁殖和生长，它们可以快速生长成微菌落并进一步生长成肉眼可见的薄生物膜，其在仅仅数小时内对消费者造成潜在威胁。出于这个原因，需要食品提供商(例如肉类和农产品生产者)将产品内的此类细菌限制到非常低的量，例如每毫升10个菌落形成单位(cfu)或10cfu/ml。食品工业用于确定食品内细菌的类型的当前方法包括富集过程，其中在8-24小时内测试样品，在此期间，细菌计数增长至104cfu/ml。一旦这一细菌浓度可用于测试，就使用聚合酶链式反应(pcr)或dna测序方法基于其dna来识别特定类型的细菌，然而这些方法缺乏效率和简单性。
33.示例性实施例公开了用于使用低成本显微镜对细菌成像，然后基于多层或深度学习神经网络和计算机视觉技术对细菌进行分类的装置。示例性实施例的要点包括用于使用人工智能模型对液体中或固体表面上的细菌进行成像和分类的定制低成本显微镜。示例性实施例通过不仅利用人工智能算法来识别个体细菌，而且使用低成本显微镜以更快、更高效、更廉价和准确的方式这样做，来改进现有解决方案。
34.图1描绘了根据示例性实施例的细菌分类系统100。根据示例性实施例，细菌分类系统100可以包括可以经由网络108互连的智能设备120和细菌分类服务器130。虽然可以经由网络108跨若干服务器远程地存储和访问示例性实施例的编程和数据，但是示例性实施例的编程和数据可以替代地或附加地本地存储在少至一个物理计算设备上或者除了所描绘的那些计算设备之外的其他计算设备上。例如，在实施例中，细菌分类器134和必要组件
可以完全存储在智能设备120上以供本地使用，而无需连接到网络108。在此更详细地描述细菌分类系统100的操作。
35.在示例性实施例中，网络108可以是能够在连接的设备之间传输数据的通信信道。因此，细菌分类系统100的组件可以表示经由网络108互连的网络组件或网络设备。在示例性实施例中，网络108可以是互联网，代表用于支持连接到互联网的设备之间的通信的网络和网关的全球集合。此外，网络108可利用各种类型的连接，诸如有线、无线、光纤等，其可被实现为内联网、局域网(lan)、广域网(wan)或其组合。在另外的实施例中，网络108可以是蓝牙网络、wi-fi网络或其组合。在另外的实施例中，网络108可以是用于促进两方或更多方之间的电话呼叫的电信网络，包括陆线网络、无线网络、封闭网络、卫星网络或其组合。通常，网络108可以表示将支持连接的设备之间的通信的连接和协议的任何组合。
36.在示例性实施例中，智能设备120包括光学适配器122和细菌识别客户端124，并且可以是企业服务器、膝上型计算机、笔记本、平板计算机、上网本计算机、个人计算机(pc)、台式计算机、服务器、个人数字助理(pda)、旋转电话、按键电话、智能电话、移动电话、虚拟设备、瘦客户端、iot设备、或能够向和从其他计算设备接收和发送数据的任何其他电子设备或计算系统。在实施例中，智能设备120可以是测量仪器，例如数码相机、成像器、复合光显微镜、立体显微镜、数字显微镜、usb计算机显微镜、袖珍显微镜、电子显微镜、扫描探针显微镜、声学显微镜等，优选地具有1微米或更大的光学分辨率。智能设备120可以具有可调节的光学分辨率，但是在示例实施例中，对于长度为1-10微米的细菌进行成像，智能设备120可以具有1微米的光学分辨率。应当理解，智能设备120的光学分辨率可以基于应用而变化，并且将进一步理解的是，实现这样的光学分辨率可能需要使用在此更详细描述的增强设备，诸如光学适配器122。虽然智能设备120被示出为单个设备，但是在其他实施例中，智能设备120可以由以模块化方式等一起工作或独立工作的群集或多个计算设备组成。智能设备120被更详细地描述为参考图9的硬件实现方式、参考图10的云实现方式的一部分和/或参考图11利用用于处理的功能抽象层。
37.在示例性实施例中，光学适配器122可以是能够增强传感数据收集的设备。在示例性实施例中，这种修改可以包括放大、照明、分辨率、处理、滤波、降噪等。例如，光学适配器122可以是能够放大由智能电话(智能设备120)捕捉的图像以便进行更高级的分析的透镜。它还可以具有专门的透镜以便以非常低的图像失真进行成像、特殊照明、以及用于获得具有与背景的良好对比度的细菌图像的光学器件。光学适配器122可以提高由智能设备120捕获的图像的光学分辨率，并且可以以例如一微米的分辨率来放大图像(例如，15至100倍)。在其他实施例中，光学适配器122可以包括光源、变焦和聚焦调节器、用于将光学适配器122安装到智能设备120的硬件、用于容纳细菌培养样品的微流体容纳细胞、用于观察样品的样品台、和其他设备。用于容纳细菌培养样品的微流体容纳细胞可以储存3-10μl的细菌培养样品。应当理解，在智能设备120能够在不使用光学适配器122(诸如数字显微镜)的情况下实现期望的光学分辨率的实施例中，经由光学适配器122的这种增强可以不是必需的，并且因此从这样的实施例中省略。
38.细菌分类客户端124可以充当客户端-服务器关系中的客户端，并且可以是能够与服务器通信并提供用户接口以便用户经由网络108与服务器和其他计算设备交互的软件和/或硬件应用。此外，在示例性实施例中，细菌分类客户端124可能能够经由网络108将数
据从智能设备120传输到其他设备和从其他设备传输数据。在实施例中，细菌分类客户端124利用用于数据传输和交换的各种有线和无线连接协议，包括蓝牙、2.4ghz和5ghz互联网、近场通信、z-wave、zigbee等。细菌分类客户端124关于图2至图5更详细地描述。
39.在示例性实施例中，细菌分类服务器130可包括一个或多个细菌分类模型132和细菌分类器134，并且可充当与细菌分类客户端124的客户端-服务器关系中的服务器。细菌分类服务器130可以是企业服务器、膝上型计算机、笔记本、平板计算机、上网本计算机、pc、台式计算机、服务器、pda、旋转电话、按键电话、智能电话、移动电话、虚拟设备、瘦客户端、iot设备、或能够向和从其他计算设备接收和发送数据的任何其他电子设备或计算系统。虽然细菌分类服务器130被示出为单个设备，但是在其他实施例中，细菌分类服务器130可包括一起工作或独立工作的群集或多个计算设备。细菌分类服务器130被更详细地描述为参照图9的硬件实现方式、参照图10的云实现方式的一部分、和/或参照图11利用功能抽象层进行处理。
40.细菌分类模型132可以是一种或多种算法，其对一种或多种类型的细菌和由该一种或多种类型的细菌展示出的一个或多个特性或特征之间的相关性进行建模。例如，此类细菌可以包括大肠杆菌、芽孢杆菌、沙门氏菌、李斯特菌、弯曲杆菌和其他葡萄球菌细菌，而这样的相关特征可以包括细菌形态(例如，细菌大小、形状、长度、直径、体积、颜色等)、细菌运动性(例如，移动、游泳速度、跑动时间、翻滚时间)、菌落模式生长速率、繁殖速率、染色反应、和可经受人工智能分析的其他数据来源。在示例性实施例中，细菌分类模型132可以针对具体细菌单独地生成，以及针对两种液体培养物、生物膜和固体表面上的细菌的不同生命阶段单独地生成。细菌分类模型132可以使用诸如神经网络、深度学习神经网络、计算机视觉技术、粒子跟踪算法等的机器学习方法来生成，以便对指示细菌类型的一个或多个特征的可能性进行建模。在实施例中，这样的特征可以由模型基于特征指示正确细菌的可能性来加权，并且这样的权重可以通过使用反馈回路来调整。细菌分类模型132参考图2-5更详细地描述。
41.在示例性实施例中，细菌分类器134可以是能够接收细菌培养样品以及接收对细菌培养样品的聚焦和变焦的调节的软件和/或硬件程序。细菌识别器进一步能够以特定帧速率在调整的变焦和聚焦下记录细菌的视频达给定的流逝持续时间。细菌分类器134另外能够从记录的视频中提取细菌培养样品的顺序帧，并且提取细菌培养样品的形态和运动性向量特征。细菌分类器134能够合并形态和运动性向量特征并基于将合并的向量特征与模型比较来分类细菌培养样品。参照图2至图5更详细地描述细菌分类器134。
42.图2描绘了根据示例性实施例的示出细菌分类系统100的细菌分类器134在使用智能设备显微镜记录细菌时的操作的示例性流程图。
43.细菌分类器134可以接收细菌培养样品(步骤202)。在示例性实施例中，细菌分类器134可以接收存在于液体内或固体表面上的培养样品。在对液体内的细菌培养样品进行分类的实施例中，样品可以是3-10微升，并且在利用光学适配器122的实施例中，样品可以包含在微流体样品容纳细胞中。在对表面上的细菌进行分类的实施例中，表面可以是若干平方厘米。在液体和固体表面实施例中，细菌培养样品可以在智能设备120或光学适配器122的观看或样品台内居中。例如，细菌培养样品可以是含有未知细菌的4微升的微流体细胞。在其他实施例中，细菌分类器134可以安装在x-y平移台上以便扫描更大的区域，诸如台
式工作面。
44.细菌分类器134可以接收显微镜聚焦调节(步骤204)。在示例性实施例中，细菌分类器134可以接收显微镜聚焦调节，以便通过物理致动器(如旋钮、滑块、按钮等)或通过数字装置(如具有数字旋钮、滑块、按钮等的触摸屏)以电气方式控制物理致动器，来改变智能设备120的焦平面。在实施例中，细菌分类器134可以经由智能设备120接收聚焦调节，或者在经由光学适配器122实现图像增强的实施例中，细菌分类器134可以经由光学适配器122接收聚焦调节。例如，光学适配器122可以具有用于调节光学适配器122的一个或多个透镜与智能设备120之间的距离或角度的旋钮，由此改变智能设备120的焦点。
45.细菌分类器134可以接收显微镜变焦调节(步骤206)。在示例性实施例中，细菌分类器134可以通过物理致动器(如旋钮、滑块、按钮等)或通过数字装置(如具有数字旋钮、滑块、按钮等的触摸屏)接收显微镜变焦调节以改变智能设备120的视角。在实施例中，细菌分类器134可以经由智能设备120接收变焦调节，或者在经由光学适配器122实现图像增强的实施例中，细菌分类器134可以经由光学适配器122接收变焦调节。例如，光学适配器122可以具有用于调节光学适配器122的一个或多个透镜与智能设备120之间的距离或角度的旋钮，由此改变智能设备120的焦点。
46.细菌分类器134可以以不同帧速率记录视频达给定的经过时间(步骤208)。在实施例中，细菌分类器134可以在1微米的分辨率和25-250帧/秒的帧速率下记录细菌达1-2分钟的持续时间。然而，应当理解，细菌分类器134可被配置为基于细菌、设备和应用以各种分辨率、帧速率和持续时间记录细菌。在示例实施例中，所记录的视频可以经由网络108从细菌分类客户端124传输到细菌分类服务器130，而在其他实施例中，所记录的视频可以在智能设备120上被本地存储和分析。
47.图3描绘了根据示例性实施例的示出细菌分类系统100的细菌分类器134在使用形态和运动性特征分类细菌时的操作的示例性流程图。应当理解，图3描绘了细菌分类器134的操作的总体概况，而图4-5分别提供了分析细菌形态和运动性的更详细的描述。
48.细菌分类器134可以从记录的视频中提取顺序帧(步骤302)。在示例实施例中，细菌分类器134可以在足以分析细菌的形态和运动性的任何记录持续时间上提取视频帧率内的任何数量的帧。因此，并且取决于细菌的类型，细菌分类器134可以提取足以识别细菌形状(例如，大小、直径、体积等)的多个帧，以及足以分析细菌移动(例如，跑动、翻滚、繁殖/复制)的数量的帧和持续时间。在实施例中，期望的帧速率可以是固定的和周期性的(例如，每秒一帧)，而在其他实施例中，帧速率可以随时间增加或减少(例如，在整个持续时间中的稍后时间处增加的帧速率提取)。在进一步的实施例中，可以针对特定现象分析帧，并且可以在发生特定现象时提取帧或者增加帧提取的速率。类似地，提取帧的持续时间可以是固定的或可变的，其中一些实施例实现固定的持续时间，而其他实施例基于细菌活动或特定现象的发生实现缩短或延长的持续时间。
49.参考说明性示例，细菌分类器134可以从描绘一个或多个细菌的3分钟记录视频中以每秒25帧的速率提取帧达2分钟的持续时间。
50.细菌分类器134可提取形态特征(步骤304)。在示例性实施例中，提取的形态特征是细菌关于特性的表示，所述特性诸如为是病原细菌还是非病原细菌、革兰氏染色类型、形状、长度、细胞直径、细胞体积等。然后，细菌分类器134可确定提取的形态特征与已分类细
菌的形态特征的相似性，以便对未知细菌进行分类。关于图4更详细地描述了细菌分类器134关于提取形态特征的操作。
51.继续以上介绍的说明性示例，细菌分类器134提取在所提取的帧内捕获的细菌的形态特征。
52.细菌分类器134提取运动性特征(步骤306)。在示例性实施例中，提取的运动性特征是细菌相对于细菌使用代谢能量而独立移动的能力的表示。运动性特征可包括诸如细菌跑动长度/持续时间、细菌跑动速度和平均速度、细菌翻滚和翻滚的长度/持续时间、细菌繁殖/复制速率等的特性。然后，细菌分类器134可确定提取的运动性特征与已分类细菌的运动性特征的相似性，以便对未知细菌进行分类。关于图5更详细地描述了细菌分类器134关于提取运动性特征的操作。
53.再次参考先前介绍的说明性示例，细菌分类器134提取在所提取的帧内捕获的细菌的运动性特征。
54.细菌分类器134可将形态特征和运动性特征合并成合并的向量特征(步骤308)。在示例性实施例中，形态和运动性向量特征被合并到代表组合特征的合并向量中。细菌分类器134然后可以使用阈值比较器将合并的向量与模型进行比较，比较的结果以指定的置信度水平指示存在于细菌培养样品内的细菌的类型。
55.返回说明性示例，细菌分类器134将形态特征与运动性特征组合以产生合并的向量特征。
56.细菌分类器134可以对细菌培养样品进行分类和量化(步骤310)。在示例性实施例中，细菌分类器134可以基于合并的向量和模型之间的阈值比较结果将细菌培养样品分类为一个或多个个体细菌类型。例如，基于确定合并的向量超过一个或多个已知细菌的合并向量的相似性阈值，细菌分类器134可以将该未知细菌分类为已知细菌。
57.此外，因为细菌分类器134能够分类各个细菌，所以细菌分类器134能够量化所分类的细菌的浓度。在实施例中，细菌分类器134可进一步配置成基于形态和运动性分析来检测细菌的繁殖/复制，从而允许细菌分类器134在分类细菌时考虑细菌繁殖速率。例如，细菌分类器134可以将观察到的繁殖/复制速率与已知的细菌繁殖/复制速率进行比较，然后在对细菌进行分类时考虑所确定的速率之间的相似性。此外，细菌分类器134还可以被配置为利用细菌繁殖的检测，以便在活和非活细胞之间进行区分。例如，细菌分类器134可以基于检测非常低的繁殖速率和/或检测生命细菌周期的迟滞期来确定细胞是非活的。
58.参考上文介绍的说明性示例，细菌分类器134将细菌培养样品的合并向量与已知细菌的合并向量进行比较以确定细菌样品包含大肠杆菌和枯草芽孢杆菌，如图7-8所示。
59.细菌分类器134可以调整模型(步骤312)。在实施例中，细菌分类器134可以利用接收到的反馈来修改细菌分类模型132并且改善准确度、速度、效率等。因此，细菌分类模型132可以被配置为当反馈信息可用时连续地修改/改进细菌分类模型132。细菌分类器134可以通过几种方式接收反馈，诸如用户输入、受监督/无监督训练、当进一步研究细菌培养物时对附加信息的扩展分析等。针对细菌的每个类型和生命阶段，对细菌分类模型132的这种修改可以包括添加/去除特征、合并特征、增加/减少与特定特征相关联的权重等。例如，细菌分类器134可以增加与推断通过反馈被确认为正确的细菌分类时所依赖的特征相关联的权重，同时减小与错误地推断细菌时所依赖的特征相关联的权重。以最简单的方式，对于在
初始化时实现细菌分类模型132的严格训练阶段的实施例，细菌分类器134可以接收来自用户或管理员的反馈，该反馈指示正确或不正确的细菌被识别。在细菌分类器134推断出低于确定性/概率的阈值的细菌等的情况下，细菌分类器134可以以周期性间隔随机地从用户或管理员请求这种反馈。在更复杂的实施例中，细菌分类器134可配置成基于允许细菌菌落进一步发展而在稍后的时间确认先前的细菌分类，从而降低识别它们的难度。关于图4-5更详细地描述细菌分类模型132的训练。
60.再次参考先前介绍的示例，细菌分类器134提示用户确认所分类的细菌是大肠杆菌和枯草芽孢杆菌。可替代地，细菌分类器134可以在允许几分钟经过之后重新分析细菌以便收集更多数据并验证结果。基于接收到细菌分类器134识别出正确细菌的确认，细菌分类器134可以增加与做出该确定时依赖的特征相关联的权重。
61.图4描绘了根据示例性实施例的示出细菌分类系统100的细菌分类器134在提取细菌形态特征304时的操作的示例性流程图。
62.细菌分类器134可以训练将细胞的形态与细菌类别相关的模型(步骤402)。在示例性实施例中，细菌分类器134可以训练一个或多个模型(即，一个或多个细菌分类模型132)，其能够基于一个或多个细菌所展示的一个或多个形态特性来对细菌的一个或多个类型、数量和生命阶段进行分类。在示例性实施例中，细菌分类器134被训练来识别和加权指示其身份的细菌的特定特性或特征，并使用那些加权的特征来计算指示细菌类别的值。细菌分类器134可被配置为识别展示可识别特性的任何类型的细菌，并且这种细菌可包括大肠杆菌、沙门氏菌、李斯特菌、弯曲杆菌等，而与细菌相关联的特征可以包括大小、长度、细胞直径、细胞体积、细胞形状、细胞颜色、革兰氏染色类型、细胞繁殖、细胞繁殖速率等。在该示例性实施例中，细菌分类器134可以被训练以通过受监督和/或无监督训练过程来识别此类特征并使其与细菌相关联，在受监督和/或无监督训练过程中细菌分类器134在细菌生命周期的所有阶段观察液体中和固体表面上的各种细菌的特征。在一些实施例中，细菌分类器134可以通过向细菌分类器134呈现各种细菌的图像/视频并且配置细菌分类器134以将识别的特征与注释的细菌类型相关联来训练。在这样的实施例中，然后可以使用附加的注释图像来测试和调谐细菌分类器134，但是这次隐藏细菌的类型并且基于稍后揭示的细菌类型来调整细菌分类模型132。在其他实施例中，可以实现受监督的学习，其中仲裁者或管理员识别图像内的细菌，并且细菌分类器134相应地修改权重。细菌分类器134然后可以使用所生成的模型作为用于与未知细菌比较的参考，这将在下文中更详细地描述。
63.为了进一步说明细菌分类器134的操作，现在参考其中细菌分类器134被训练来识别细菌类型大肠杆菌、弯曲杆菌、李斯特菌和沙门氏菌的说明性示例。在此，使用如下特征来训练细菌分类器134：病原细菌vs非病原细菌、革兰氏染色、形状、长度、细胞直径和细胞体积，如表1所示：
[0064][0065]
表1-细菌特征
[0066]
细菌分类器134可以从所提取的图像帧内的未知细菌收集轮廓和斑点(blob)形状的样本(步骤404)。在示例实施例中，细菌分类器134可以使用诸如边缘检测器、sobel滤波器等技术，以便辨别所提取的帧内的各个细菌的轮廓和斑点。还可预处理图像以减少噪声并增强细菌图像片段特征。除了识别帧内的细菌边缘之外，细菌分类器134可以进一步确定图像帧内每个识别的细胞的大小、革兰氏染色类型、形状、长度、细胞直径、和细胞体积。
[0067]
继续先前介绍的说明性示例，细菌分类器134提取未知细菌的形状、长度、直径和体积。
[0068]
细菌分类器134可以将训练的模型应用于细菌的图像帧(步骤406)。在实施例中，细菌分类器134可以被配置为将细菌分类模型132应用于细菌的图像帧，以便对一个或多个细菌的一种或多种类型进行分类。如前所述，一个或多个细菌分类模型132加权细菌特征并使其与已知细菌分类相关。因此，使用在训练阶段期间识别的已知相关性，细菌分类器134能够将相同的模型应用于未知细菌，其结果为指示图像内的细菌的最可能类型的值。在实施方式中，细菌分类器134可被配置为将相似性测量(诸如，孪生网络(siamese network)相似性)应用于模型的已知细菌和图像帧的未知细菌以确定两种细菌的相似性度量。基于相似性水平超过特定阈值，细菌分类器134可以将未知细菌分类为已知分类。此外，该模型可以被配置为根据准确度对这样的特征进行加权，使得被证明与特定细菌高度相关的特征被更重地加权，并且在分析期间被更重地依赖。相反，尽管仍有价值，但具有较小相关性的那些特征在确定中被较少加权。此外，细菌分类器134可以通过使用反馈回路来进一步调整和
细化这些权重，如本文更详细描述的。
[0069]
再次参考先前介绍的示例，细菌分类器134将成像的细菌的形态特征(例如，形状、大小等)与所成像的细菌进行比较。
[0070]
细菌分类器134可生成多类别预测向量(步骤408)。在示例实施例中，所生成的多类别预测向量是从特征集合到一组特征的映射。细菌分类器134利用机器学习模型，该机器学习模型识别细菌所属于的类别作为向量形式的输出。例如，细菌分类器134可以基于长度为1的向量的二元分类来确定细菌是大肠杆菌还是枯草芽孢杆菌。类似地，这种分类可以在细菌的多个类别之间，并且每个向量值表示一个类别。
[0071]
再次参考先前介绍的示例，细菌分类器134生成多类别预测向量以便基于细菌形态确定大肠杆菌和枯草芽孢杆菌是存在于样品内的最可能的细菌，严重依赖于细胞长度和细胞直径以将细菌分类为大肠杆菌和枯草芽孢杆菌(参见图7-8)。
[0072]
图5描绘了根据示例性实施例的示出细菌分类系统100的细菌分类器134在提取细菌运动性特征306时的操作的示例性流程图。应当理解，为了提取细菌的运动性特征，必须将细菌跑动(run)和翻滚(tumble)与随机运动区分开来。为了将跑动和翻滚与随机移动区分开来，细菌分类器134利用与布朗随机运动的比较，在下面更详细地描述。
[0073]
细菌分类器134可以追踪一个或多个提取的图像帧上的一个或多个细菌轨迹(步骤502)。在示例实施例中，细菌分类器134可以通过例如使用边缘检测器识别第一帧中的细菌的轮廓和斑点并且稍后识别后续图像帧中的相同细菌来跟踪一个或多个细菌轨迹。基于细菌在图像帧之间行进的距离以及图像帧之间流逝的时间，细菌分类器134能够确定所检测的细菌的轨迹。
[0074]
再次参考以上示例，细菌分类器134检测第一帧内的细菌并且该相同细菌在间隔38毫秒捕捉的帧之间已经移动了0.5μm距离。
[0075]
细菌分类器134可以获得样本子集的游泳运动(跑动)和翻滚运动(步骤504)。基于所识别的轨迹，细菌分类器134可以获得细菌的跑动运动和翻滚运动。在示例性实施例中，细菌分类器134可以通过识别细菌的轨迹内的相对直的线(例如，与路径没有显著偏离的线)来检测跑动/游泳运动(见图6)。这样的直线运动可以具有被认为是游泳的最小阈值，并且例如可能需要绝对直线距离或者例如相对于细菌大小或长宽比的直线距离等。这样的距离可以是例如10个细菌长度。细菌分类器134可通过例如识别细菌已经一次或多次越过其自身的路径的情况(参见图7)来另外识别细菌转向、打转、旋转等的翻滚或运动。
[0076]
再次参考上面的示例，细菌分类器134识别在翻滚之前具有直线运动的细菌。
[0077]
细菌分类器134可计算样本子集的运动性特性(步骤506)。在示例性实施例中，细菌分类器134可利用细菌的轨迹以计算运动性特性。例如，这种运动性特性可以包括跑动的长度、跑动的平均长度、跑动的速度、跑动的平均速度、翻滚的长度、翻滚的平均长度、翻滚的速度、翻滚的平均速度、翻滚间隔等。在该示例实施例中，细菌分类器134可以通过推断在图像帧之间的时间量中由细菌覆盖的距离、由此推断移动速率来计算这样的特性。
[0078]
在以上示例中，例如，细菌分类器134确定在持续时间3秒内已经移动了51μm距离的细菌展现出17μm的平均跑动长度、17μm/秒的平均跑动速度、以及1秒间隔的翻滚。
[0079]
细菌分类器134可以将细菌特征识别为每个分类的对的分布(步骤508)。在示例性实施例中，细菌分类器134产生运动性特征作为每个分类的对的分布，即平均速度和翻滚间
隔。
[0080]
参考上述示例，细菌分类器134可基于17μm/秒的平均跑动速度和1秒间隔的翻滚的分布来产生运动性特征。
[0081]
细菌分类器134可以获得相对于时间流逝的细菌位置移位(步骤510)。为了将细菌的跑动和翻滚与随机运动区分开来，细菌分类器134获得相对于时间流逝的细菌位置移位。这里，细菌分类器134利用细菌跨帧的轨迹以计算随时间推移的位置移位。例如，细菌分类器134可测量由样本内的细菌在以周期性间隔提取的帧之间移动的距离。基于帧之间的时间和所述距离，细菌分类器134可以推断出相对于时间流逝的细菌位置移位。
[0082]
继续以上示例，细菌分类器134基于细菌随时间的移动获得相对于时间流逝的移位。
[0083]
细菌分类器134可以从相对于时间流逝的位置移位分布提取移位的方差(步骤510)。在示例性实施例中，细菌分类器134生成位置移位分布并且确定相对于时间流逝的位置移位的方差数据。在示例性实施例中，细菌分类器134查看不同大小的细菌的位置移位分布，其中较小大小的细菌的方差将具有较大方差，反之亦然。因为这也将取决于细菌培养温度，所以在实施例中，两个样品都保持在大致相同的温度。
[0084]
细菌分类器134可将细菌活动性特征分类为每个分类的对的分布(步骤512)。在示例性实施例中，细菌分类器134产生运动性特征作为每个分类的对的分布，即方差和时间流逝。在示例性实施例中，运动性特征和/或特征标记分布可经由例如轨迹向量、特定方向上的移动速率、速度、扩散等来收集。
[0085]
回到先前介绍的示例，细菌分类器134基于细菌的方差和时间流逝的对的分布来产生运动性特征。
[0086]
图6描绘了根据示例性实施例的在运动性特征的产生期间分析的细菌的跑动和翻滚。
[0087]
图7描绘了根据示例性实施例的分类大肠杆菌细菌的细菌分类器134的示例。
[0088]
图8描绘了根据示例性实施例的对枯草芽孢杆菌细菌进行分类的细菌分类器134的示例。
[0089]
图9描绘了根据示例性实施例的图1的细菌分类系统100内的装置的框图。应当理解，图9仅提供一个实现方式的图示并且不暗示关于其中可以实现不同实施例的环境的任何限制。可以对所描绘的环境做出许多修改。
[0090]
在此使用的装置可包括一个或多个处理器02、一个或多个计算机可读ram04、一个或多个计算机可读rom 06、一个或多个计算机可读存储介质08、装置驱动程序12、读/写驱动器或接口14、网络适配器或接口16，它们全部通过通信结构18互连。通信结构18可用被设计用于在处理器(诸如微处理器、通信和网络处理器等)、系统存储器、外围设备和系统内的任何其他硬件组件之间传递数据和/或控制信息的任何架构来实现。
[0091]
一个或多个操作系统10以及一个或多个应用程序11被存储在计算机可读存储介质08中的一个或多个上以用于由一个或多个处理器02经由一个或多个相应的ram 04(其通常包括高速缓存存储器)来执行。在所示实施例中，计算机可读存储介质08中的每个可以是内部硬盘的磁盘存储设备、cd-rom、dvd、记忆棒、磁带、磁盘、光盘、诸如ram、rom、eprom、闪存的半导体存储设备或可以存储计算机程序和数字信息的任何其他计算机可读有形存储
设备。
[0092]
在此使用的设备还可以包括读/写驱动器或接口14，用于从一个或多个便携式计算机可读存储介质26读取和向其写入。所述设备上的应用程序11可存储在一个或多个便携式计算机可读存储介质26上，通过相应的读/写驱动器或接口14读取并加载到相应的计算机可读存储介质08中。
[0093]
在此使用的设备还可以包括网络适配器或接口16，诸如tcp/ip适配器卡或无线通信适配器(如使用ofdma技术的4g无线通信适配器)。所述计算设备上的应用程序11可以经由网络(例如，互联网、局域网或其他广域网或无线网络)和网络适配器或接口16从外部计算机或外部存储设备被下载到计算设备。程序可以从网络适配器或接口16加载到计算机可读存储介质08上。网络可以包括铜线、光纤、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。
[0094]
在此使用的设备还可以包括显示屏20、键盘或小键盘22、以及计算机鼠标或触摸板24。设备驱动程序12与用于成像的显示屏20、键盘或小键盘22、计算机鼠标或触摸板24、和/或用于字母数字字符输入和用户选择的压力感测的显示屏20对接。设备驱动程序12、读/写驱动器或接口14和网络适配器或接口16可以包括硬件和软件(存储在计算机可读存储介质08和/或rom 06上)。
[0095]
在此描述的程序基于在示例性实施例中的特定示例性实施例中实现它们的应用来识别。然而，应当理解，本文中的任何特定程序术语仅仅是为了方便而使用，并且因此示例性实施例不应局限于仅在由这样的术语标识和/或暗示的任何特定应用中使用。
[0096]
基于上述内容，已经公开了一种计算机系统、方法和计算机程序产品。然而，在不偏离示例性实施例的范围的情况下，可以进行多种修改和替换。因此，通过示例而非限制的方式公开了示例性实施例。
[0097]
应当理解，虽然本公开包括关于云计算的详细描述，但是本文所记载的教导的实现不限于云计算环境。相反，示例性实施例能够结合现在已知的或以后开发的任何其他类型的计算环境来实现。
[0098]
云计算是服务交付的模型，用于使得能够方便地、按需地网络访问可配置计算资源(例如，网络、网络带宽、服务器、处理、存储器、存储设备、应用、虚拟机和服务)的共享池，所述可配置计算资源可以以最小的管理努力或与所述服务的提供者的交互来快速供应和释放。该云模型可以包括至少五个特性、至少三个服务模型和至少四个部署模型。
[0099]
特性如下：
[0100]
按需自助服务：云消费者可以单方面地根据需要自动地提供计算能力，诸如服务器时间和网络存储，而不需要与服务的提供者的人类交互。
[0101]
广泛的网络接入：能力可通过网络获得并且通过标准机制接入，该标准机制促进异构瘦客户机平台或厚客户机平台(例如，移动电话、膝上型计算机和pda)的使用。
[0102]
资源池：提供者的计算资源被池化以使用多租户模型来服务于多个消费者，其中不同的物理和虚拟资源根据需要动态地指派和重新指派。存在位置独立性的感觉，因为消费者通常不具有对所提供的资源的确切位置的控制或了解，但可能能够在较高抽象层次(例如，国家、州或数据中心)处指定位置。
[0103]
快速弹性：能够快速和弹性地提供能力，在一些情况下自动地快速缩小和快速释
放以快速放大。对于消费者而言，可用于供应的能力通常显得不受限制并且可以在任何时间以任何数量购买。
[0104]
测量的服务：云系统通过在适合于服务类型(例如，存储、处理、带宽和活动用户账户)的某个抽象级别处利用计量能力来自动控制和优化资源使用。可以监视、控制和报告资源使用，为所利用的服务的提供者和消费者提供透明度。
[0105]
服务模型如下：
[0106]
软件即服务(saas)：提供给消费者的能力是使用在云基础设施上运行的提供者的应用。可通过诸如web浏览器(例如，基于web的电子邮件)之类的瘦客户端接口从不同客户端设备访问应用。消费者不管理或控制包括网络、服务器、操作系统、存储或甚至单独的应用能力的底层云基础设施，可能的例外是有限的用户特定应用配置设置。
[0107]
平台即服务(paas)：提供给消费者的能力是将消费者创建的或获取的使用由提供商支持的编程语言和工具创建的应用部署到云基础设施上。消费者不管理或控制包括网络、服务器、操作系统或存储的底层云基础设施，但是对所部署的应用和可能的应用托管环境配置具有控制。
[0108]
基础设施即服务(iaas)：提供给消费者的能力是提供处理、存储、网络和消费者能够部署和运行任意软件的其他基本计算资源，所述软件可以包括操作系统和应用。消费者不管理或控制底层云基础设施，而是具有对操作系统、存储、所部署的应用的控制以及对所选联网组件(例如，主机防火墙)的可能受限的控制。
[0109]
部署模型如下：
[0110]
私有云：云基础架构仅为组织运作。它可以由组织或第三方管理，并且可以存在于场所内或场所外。
[0111]
社区云：云基础架构被若干组织共享并支持共享了关注(例如，任务、安全要求、策略、和合规性考虑)的特定社区。它可以由组织或第三方管理，并且可以存在于场所内或场所外。
[0112]
公共云：使云基础架构对公众或大型行业组可用，并且由出售云服务的组织拥有。
[0113]
混合云：云基础架构是两个或更多个云(私有、社区或公共)的组合，这些云保持唯一实体但通过使数据和应用能够移植的标准化或专有技术(例如，云突发以用于云之间的负载平衡)绑定在一起。
[0114]
云计算环境是面向服务的，集中于无状态、低耦合、模块化和语义互操作性。云计算的核心是包括互连节点网络的基础设施。
[0115]
现在参见图10，描述了说明性云计算环境50。如图所示，云计算环境50包括云消费者使用的本地计算设备可以与其通信的一个或多个云计算节点40，本地计算设备诸如例如个人数字助理(pda)或蜂窝电话54a、台式计算机54b、膝上型计算机54c和/或汽车计算机系统54n。节点40可彼此通信。它们可以物理地或虚拟地分组(未示出)在一个或多个网络中，诸如如上所述的私有云、社区云、公共云或混合云、或其组合。这允许云计算环境50提供基础设施、平台和/或软件作为云消费者不需要为其维护本地计算设备上的资源的服务。应当理解，图10中所示的计算设备54a-n的类型仅旨在是说明性的，并且计算节点40和云计算环境50可通过任何类型的网络和/或网络可寻址连接(例如，使用web浏览器)与任何类型的计算机化设备通信。
[0116]
现在参见图11，示出了由云计算环境50(图10)提供的一组功能抽象层。应提前理解，图11中所示的组件、层和功能旨在仅是说明性的，并且示例性实施例不限于此。如所描述，提供以下层和对应功能：
[0117]
硬件和软件层60包括硬件和软件组件。硬件组件的示例包括：大型机61；基于risc(精简指令集计算机)架构的服务器62；服务器63；刀片服务器64；存储设备65；以及网络和联网组件66。在一些实施例中，软件组件包括网络应用服务器软件67和数据库软件68。
[0118]
虚拟化层70提供抽象层，从该抽象层可以提供虚拟实体的以下示例：虚拟服务器71；虚拟存储器72；虚拟网络73，包括虚拟专用网络；虚拟应用和操作系统74；以及虚拟客户端75。
[0119]
在一个示例中，管理层80可以提供以下描述的功能。资源供应81提供用于在云计算环境内执行任务的计算资源和其他资源的动态采购。计量和定价82在云计算环境内利用资源时提供成本跟踪，并为这些资源的消费开账单或发票。在一个示例中，这些资源可以包括应用软件许可证。安全性为云消费者和任务提供身份验证，以及为数据和其他资源提供保护。用户门户83为消费者和系统管理员提供对云计算环境的访问。服务水平管理84提供云计算资源分配和管理，使得满足所需的服务水平。服务水平协议(sla)规划和实现85提供云计算资源的预安排和采购，根据该sla预期该云计算资源的未来要求。
[0120]
工作负载层90提供可以利用云计算环境的功能的示例。可以从该层提供的工作负荷和功能的示例包括：地图和导航91；软件开发和生命周期管理92；虚拟课堂教育交付93；数据分析处理94；交易处理95；和细菌处理96。
[0121]
示例性实施例可以是任何可能技术细节集成度的系统、方法和/或计算机程序产品。该计算机程序产品可以包括在其上具有用于使处理器执行示例性实施例的各方面的计算机可读程序指令的计算机可读存储介质。
[0122]
计算机可读存储媒体可为可保留和存储供指令执行装置使用的指令的有形装置。计算机可读存储介质可以是，例如但不限于，电子存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备、或者上述的任意合适的组合。计算机可读存储介质的更具体示例的非穷尽列表包括以下各项：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式紧凑盘只读存储器(cd-rom)、数字通用盘(dvd)、记忆棒、软盘、诸如穿孔卡之类的机械编码设备或具有记录在其上的指令的槽中的凸出结构、以及上述各项的任何合适的组合。如本文所使用的计算机可读存储媒体不应被解释为暂时性信号本身，例如无线电波或其他自由传播的电磁波、通过波导或其他传输媒体传播的电磁波(例如，穿过光纤电缆的光脉冲)或通过电线发射的电信号。
[0123]
本文中所描述的计算机可读程序指令可以经由网络(例如，互联网、局域网、广域网和/或无线网络)从计算机可读存储介质下载到相应的计算/处理设备，或者下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光传输纤维、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配器卡或网络接口接收来自网络的计算机可读程序指令，并转发计算机可读程序指令以存储在相应计算/处理设备内的计算机可读存储介质中。
[0124]
用于执行示例性实施例的操作的计算机可读程序指令可以是汇编指令、指令集架
构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、集成电路的配置数据、或以一种或多种编程语言的任何组合编写的源代码或目标代码，该一种或多种编程语言包括面向对象的编程语言(如smalltalk、c 等)和过程编程语言(如“c”编程语言或类似编程语言)。计算机可读程序指令可以完全地在用户计算机上执行、部分在用户计算机上执行、作为独立软件包执行、部分在用户计算机上部分在远程计算机上执行或者完全在远程计算机或服务器上执行。在后一种情况下，远程计算机可通过任何类型的网络(包括局域网(lan)或广域网(wan))连接至用户计算机，或者可连接至外部计算机(例如，使用互联网服务提供商通过互联网)。在一些实施例中，包括例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)的电子电路可以通过利用计算机可读程序指令的状态信息来使电子电路个性化来执行计算机可读程序指令，以便执行示例性实施例的各方面。
[0125]
在此参照根据示例性实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述示例性实施例的各方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
[0126]
这些计算机可读程序指令可被提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器以产生机器，使得经由计算机或其他可编程数据处理装置的处理器执行的指令创建用于实现在流程图和/或框图的或多个框中指定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置、和/或其他设备以特定方式工作，从而，其中存储有指令的计算机可读存储介质包括包含实现流程图和/或框图中的或多个方框中规定的功能/动作的方面的指令的制造品。
[0127]
也可以把计算机可读程序指令加载到计算机、其他可编程数据处理装置、或其他设备上，使得在计算机、其他可编程装置或其他设备上执行一系列操作步骤，以产生计算机实现的处理，使得在计算机、其他可编程装置或其他设备上执行的指令实现流程图和/或框图中的或多个方框中规定的功能/动作。
[0128]
附图中的流程图和框图示出了根据不同示例性实施例的系统、方法和计算机程序产品的可能实现方式的架构、功能和操作。对此，流程图或框图中的每个框可表示指令的模块、段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些备选实现中，框中标注的功能可以不按照图中标注的顺序发生。例如，取决于所涉及的功能，连续示出的两个块实际上可以基本上同时执行，或者这些块有时可以以相反的顺序执行。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作或执行专用硬件与计算机指令的组合的专用的基于硬件的系统来实现。