WO2025196213 - METHOD AND SYSTEM FOR CHARACTERISING MICROORGANISMS CONTAINED IN A COMPLEX SAMPLE
National phase entry is expected:
Publication Number
WO/2025/196213
Publication Date
25.09.2025
International Application No.
PCT/EP2025/057685
International Filing Date
20.03.2025
Title **
[English]
METHOD AND SYSTEM FOR CHARACTERISING MICROORGANISMS CONTAINED IN A COMPLEX SAMPLE
[French]
PROCEDE ET SYSTEME DE CARACTERISATION DE MICROORGANISMES CONTENUS DANS UN ÉCHANTILLON COMPLEXE
Applicants **
BIOMÉRIEUX
BIOASTER
UNIVERSITE JEAN MONNET SAINT ETIENNE
CENTRE NATIONAL DE LA RECHERCHE SCIENTIFIQUE (CNRS)
Inventors
COURBON, Benoît
FAURE, Nicolas
SAPAY, Nicolas
Priority Data
24165656.0
22.03.2024
EP
24165898.8
25.03.2024
EP
Application details
| Total Number of Claims/PCT | * |
| Number of Independent Claims | * |
| Number of Priorities | * |
| Number of Multi-Dependent Claims | * |
| Number of Drawings | * |
| Pages for Publication | * |
| Number of Pages with Drawings | * |
| Pages of Specification | * |
| * | |
| Number of Office Actions | * |
| * | |
International Searching Authority |
EPO
* |
| Recordal of a Change of the Applicant's Name/Address |
Change of Applicant's Name and Address
* |
| Type of Assignment |
The Standard Agent's Assignment
* |
| Applicant's Legal Status |
Legal Entity
* |
| * | |
| * | |
| * | |
| * | |
| * | |
| Entry into National Phase under |
Chapter I
* |
| Patent Delivery |
Send the Letters Patent by Courier
* |
| 译文 |
|
* The data is based on automatic recognition. Please verify and amend if necessary.
** IP-Coster compiles data from publicly available sources. If this data includes your personal information, you can contact us to request its removal.
Quotation for National Phase entry
| Country | Stages | Total | |
|---|---|---|---|
| China | Filing, Examination, Granting | 2627 | |
| EPO | Filing, Examination, Granting | 14943 | |
| Japan | Filing, Examination, Granting | 2524 | |
| South Korea | Filing, Examination, Granting | 2851 | |
| USA | Filing, Examination, Granting | 8540 |
Total:
31,485
Contact Us
Abstract[English]
The disclosed method for classifying microorganisms contained in a sample comprises: preparing a slide of the sample; acquiring at least one digital image of the slide; and implementing, with a computer, a model for predicting the class of the microorganisms depending on the acquired image. According to the invention, said image is subdivided into sub-images and each sub-image is sub-divided into patches, and: A. for each patch, a microorganism feature extractor is applied, the feature extractor forming a convolutional part of a first convolutional neural network trained on patches annotated individually with at least one class; B. for each sub-image, a second neural network connected to the extractor is applied, the second neural network comprising an upstream pooling layer and one or more downstream layers comprising a layer for predicting at least one class, and being trained on training sub-images globally; and C. for the acquired image: F.a. calculating a feature vector calculated for the sub-images; F.b. applying a model for predicting at least one class for the microorganisms.[French]
Un procédé de classification de microorganismes contenus dans un échantillon comprend la préparation d'une lame de l'échantillon, l'acquisition d'au moins une image numérique de la lame et la mise en œuvre par ordinateur d'un modèle de prédiction de la classe des microorganismes en fonction de l'image acquise. Selon l'invention, ladite image est subdivisée en sous-images et chaque sous-image est subdivisée en patchs, et: A. pour chaque patch, l'application d'un extracteur de caractéristiques de microorganismes, formant une partie convolutive d'un premier réseau de neurones convolutif entraîné sur des patchs étant annotés individuellement par au moins une classe; B. pour chaque sous-image, l'application d'un deuxième réseau de neurones connecté à l'extracteur, comprenant une couche amont de pooling et une ou plusieurs couches aval comprenant une couche de prédiction d'au moins une classe, et entraîné sur des sous-images d'entrainement globalement; et C. pour l'image acquise: F.a. le calcul d'un vecteur de caractéristique calculés pour les sous-images; F.b. l'application d'un modèle de prédiction d'au moins une classe pour les microorganismes.