CN104732199B - 用于配置分类矩阵中的分类区域的方法和存储介质 - Google Patents
用于配置分类矩阵中的分类区域的方法和存储介质 Download PDFInfo
- Publication number
- CN104732199B CN104732199B CN201510025722.7A CN201510025722A CN104732199B CN 104732199 B CN104732199 B CN 104732199B CN 201510025722 A CN201510025722 A CN 201510025722A CN 104732199 B CN104732199 B CN 104732199B
- Authority
- CN
- China
- Prior art keywords
- classification
- cell position
- box
- classification matrix
- specification area
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 315
- 239000011159 matrix material Substances 0.000 title claims abstract description 184
- 238000003860 storage Methods 0.000 title claims description 69
- 239000002245 particle Substances 0.000 claims abstract description 144
- 238000004458 analytical method Methods 0.000 claims abstract description 33
- 238000009826 distribution Methods 0.000 claims description 47
- 230000008569 process Effects 0.000 description 143
- 241000894007 species Species 0.000 description 75
- 235000013350 formula milk Nutrition 0.000 description 56
- 238000013519 translation Methods 0.000 description 50
- 230000037361 pathway Effects 0.000 description 31
- 238000012854 evaluation process Methods 0.000 description 29
- 238000005259 measurement Methods 0.000 description 23
- 238000012545 processing Methods 0.000 description 19
- 238000005516 engineering process Methods 0.000 description 18
- 238000006467 substitution reaction Methods 0.000 description 18
- 230000008859 change Effects 0.000 description 12
- 230000009471 action Effects 0.000 description 9
- 238000004043 dyeing Methods 0.000 description 9
- 230000009466 transformation Effects 0.000 description 9
- 235000013339 cereals Nutrition 0.000 description 8
- 238000006243 chemical reaction Methods 0.000 description 8
- 230000001568 sexual effect Effects 0.000 description 6
- 239000000126 substance Substances 0.000 description 5
- 238000003556 assay Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000004166 bioassay Methods 0.000 description 4
- 239000000975 dye Substances 0.000 description 4
- 241000208340 Araliaceae Species 0.000 description 3
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 3
- 235000003140 Panax quinquefolius Nutrition 0.000 description 3
- 239000012491 analyte Substances 0.000 description 3
- 238000000149 argon plasma sintering Methods 0.000 description 3
- 230000003139 buffering effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 3
- 235000008434 ginseng Nutrition 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004816 latex Substances 0.000 description 2
- 229920000126 latex Polymers 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 238000010186 staining Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 235000006719 Cassia obtusifolia Nutrition 0.000 description 1
- 244000201986 Cassia tora Species 0.000 description 1
- 235000014552 Cassia tora Nutrition 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241000145637 Lepturus Species 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 241001494479 Pecora Species 0.000 description 1
- 239000004793 Polystyrene Substances 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000000684 flow cytometry Methods 0.000 description 1
- 238000000799 fluorescence microscopy Methods 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 238000002493 microarray Methods 0.000 description 1
- -1 microballoon Substances 0.000 description 1
- 244000005700 microbiome Species 0.000 description 1
- 239000011859 microparticle Substances 0.000 description 1
- 239000002078 nanoshell Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000005416 organic matter Substances 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 229920002223 polystyrene Polymers 0.000 description 1
- 239000012429 reaction media Substances 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/698—Matching; Classification
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1429—Signal processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1006—Investigating individual particles for cytology
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Chemical & Material Sciences (AREA)
- Biomedical Technology (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Signal Processing (AREA)
- Dispersion Chemistry (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明提供一种用于配置分类矩阵中的分类区域的方法,所述方法包括以下步骤:识别分类矩阵中的多个分类区域,所述分类矩阵由与被配置成用于测定分析的粒子的一个或更多个可测量参数相关联的值的各范围所构建;以及将被共同分配给所述多个分类区域中的两个或更多个分类区域的单元位置再分配为非分类区域。
Description
本申请是申请日为2009年7月17日、申请号为200980132161.3(PCT/US2009/051039)、发明名称为“用于配置分析系统的分类矩阵中的分类区域以及对测定的粒子进行分类的方法、存储介质和系统”的专利申请的分案申请。
技术领域
本发明一般涉及用于配置测定分析系统的分类矩阵中的分类区域的方法、存储介质和系统,并且还涉及用于将测定的粒子分类的方法、存储介质和系统。
背景技术
以下说明和示例不能由于其包括在此部分中而被承认为现有技术。
在化学测定和生物测定的分析中广泛使用光谱技术。通常,这些技术需要测量感兴趣的物质的电磁辐射的吸收或发射。一个这样的应用是在微阵列领域中,其是由包括组合化学和生物测定行业的大量学科所采用的技术。德克萨斯州奥斯汀的Luminex公司已经开发出了这样的系统,在该系统中通过检测来自各种颜色的荧光粒子的表面的荧光发射来分析生物测定。该系统还可以经由测量由粒子所散射的光的水平、粒子的电阻抗和其它参数来对测定进行分析。
一些情况下,在测定分析系统中使用复用方案以便在单个样本的单个分析过程中可以评估多个分析物。为了促进复用方案,粒子被配置成可区分的组,用不同的组去指示测定中不同分析物的存在、不存在和/或数量。例如,不同的荧光染色和/或不同浓度的染色可以被吸收到粒子中和/或粘合到粒子的表面,和/或粒子的大小可以不同。使用这些分类粒子的传统系统能够在使用二维分类矩阵的测定中对数十个至一百个以上的不同分析物进行测试。尽管通过增加染色的数目和/或不同的染色强度可以增加粒子种类的数目(以及因此待检测的分析物的数目),但是粒子种类数量的增加一般需要增大分类矩阵的大小。如以下所描述的,分类矩阵的大小和分类矩阵内用于布置分类区域的可用空间可能是有限的,因此需要分类区域的有效分配,并且当分类区域的数目增加时,分类区域的有效分配变得更有挑战性。
在利用荧光发射对粒子进行分类的测定分析系统中,荧光值的范围一般由能被雪崩光电二极管检测到的染色的最小量限定,并且还由能被粒子保留的染色的最大量限定。由此,特别在针对测定存在多于100种粒子类别的情况下,有时由多于2个的参数来构建(frame)与这样的系统相关联的分类矩阵以增加可用的分类空间。但是,由多于2个的参数所构建的分类矩阵可能特别易于限制可用的空间。更具体地,荧光发射的检测通道一般不是正交的,因此,在通道之间可存在串扰(即,一种染色的增多和/或增加可在某种程度上影响其它通道中的一个或更多个通道)。因此,可能存在可能不适合于分类区域(即,被串扰影响的区域)的分类矩阵的区域。由于增多和/或增加染色以促进这种与二维分类矩阵相关的矩阵,因此这种对可用空间的限制可特别地与由多于2个的参数所构建的分类矩阵关系密切。
不考虑构建分类矩阵参数的数量,使分类矩阵内的分类区域合适和确保明确分类的一种方式是配置小的和间隔宽的分类区域。但是,由于在小的和间隔宽的分类区域内匹配(fit)的粒子的比例相对低,因此这种策略经常导致差的分类效率。更高的分类效率给予更准确的分析结果,因此通常有利的是,将分类区域配置成包括粒子子集的可能测量值中的大多数,并且更具体的,大于粒子子集的可能测量值的大约90%。但是,特别在针对测定存在多于100种粒子类别的情况下,这种高分类效率通常很难达到,因为不同分类区域的配置随着粒子种类数量的增加而趋向于变化更大,并且在某些实施例中,不同分类区域的配置可能交叠。由于存在将粒子误分类到多于一个的分类区域的潜在性,交叠分类区域尤其是不希望的,因此一般要避免交叠分类区域。因此,一般会根据构建分类矩阵的单元的标度而将分类区域减小到下一个更小尺寸,显著地限制区域的大小并削弱获得高分类效率的能力。
对测定分析系统的另一挑战是存储分类区域的配置参数所需要的大量存储容量。特别地,给定构建分类矩阵的等级粒度的具体水平,一般需要附加的存储容量以存储附加的分类区域。此外,用于定义分类区域的参数越多,所需要的存储容量就越多。在某些情况下,对系统存储容量的限制可能妨碍可被考虑用于测定的分类区域的数量,因此,不合乎希望地限制多路复用方案的范围。在某些实施例中,分类矩阵可由比可从粒子测量到的值的标度更小粒度的标度所构建,以具体地减少系统存储容量。例如,在某些实施例中,分类矩阵可由根据粒子测量参数计算出的对数值的整数的标度所构建。但是,在这种情况下,转换粒子测量值以匹配分类矩阵的对数标度可使值偏移,降低粒子分类的准确性。此外,使用这种分类矩阵的系统可能仍然具有存储容量限制,这些存储容量限制妨碍可被考虑用于测定的分类区域的数量。
因此,期望的是,开发用于配置分类区域的方法和系统,其中,这些分类区域有效分布在分类矩阵中并导致足够高的分类效率。此外,有益的是,开发用于创建分类区域的方法和系统,其中,用更准确地对应于粒子测量值的值来表征这些分类区域。而且,有利的是,开发用于将粒子分类到多个分类区域而不会严重地增加系统的存储使用量的方法和系统。
发明内容
用于配置测定分析系统的分类矩阵中的分类区域的方法、存储介质和系统的各种实施例,以及用于对测定的粒子进行分类的方法、存储介质和系统的各种实施例的以下描述,不应以任何方式被解释为限制所附权利要求的主题。
方法、存储介质和系统的实施例包括用于识别分类矩阵中的多个分类区域的配置,其中该分类矩阵由与被配置用于测定分析的粒子的一个或更多个可测量参数相关联的值的各范围所构建。另外,方法、存储介质和系统包括用于将共同分配给多个分类区域中的两个或更多个分类区域的单元位置(unit location)再分配为非分类区域的配置。
方法、存储介质和系统的其它实施例包括用于将对应于测定粒子群种类中的点的第一值数学变换成第二值以及将第二值转换成第一整数的配置。方法、存储介质和系统还包括用于将第一整数数学变换成第三值、将第三值转换成第二整数、以及将第二整数指定为测定粒子群种类中的点的替换值的配置。
方法、存储介质和系统的其它实施例包括用于获取对应于粒子可测量参数的数据以及识别分类矩阵中单个粒子的数据中的至少一些所对应的单元位置的配置。方法、存储介质和系统还包括用于将对应于所识别的单元位置的数据或位于分类矩阵中已知位置处的目标空间平移预定数量的预定坐标路径,直至得到粒子被分类到粒子群或拒绝类的结论的配置。在某些情况下,方法、存储介质和系统被配置成通过多个目标空间迭代这样的步骤直至粒子被分类。
附图说明
在阅读以下详细描述以及在参考附图之后,本发明的其它目标和优点将变得明显,其中:
图1a示出包括具有程序指令的存储介质的系统的示意图,其中,这些程序指令被配置成执行参考图2a-12所描述的过程;
图2a和2b示出用于描述图4中所概述的过程的示例性分类矩阵和分类区域的图形表示;
图3示出由图5中概述的过程所产生的分类区域的示例性移位和示例性分类矩阵的图形表示;
图4和5示出用于配置测定分析系统的分类矩阵中的分类区域的示例性方法的流程图;
图6和7示出用于对测定的粒子进行分类的示例性方法的流程图;
图8和9示出用于描述图6和7中所概述的过程的分类矩阵的图形表示;
图10示出表示彼此堆叠的多个分类区域配置的示例性目标空间,该示例性目标空间用于解释参考图11和12所描述的过程;
图11和12示出当在参考图6和7所描述的两种方法之一中使用表示多个分类区域配置的目标空间时,用于确定数据点或目标空间是否可被平移到多个分类区域配置以及平移到多个分类区域配置中的哪一个的示例性技术的流程图;
虽然该发明能够容许各种修改和替代形式,但是其具体实施例通过附图中的例子被示出并且在本文中被详细描述。但是,应当理解,附图和详细说明不是试图将该发明限制到所公开的特定形式,而是相反的,该发明将覆盖落入如所附权利要求定义的本发明的精神和范围内的所有修改、等同实施例或替代实施例。
具体实施方式
转向附图,提供了用于配置测定分析系统的分类矩阵内的分类区域的示例性方法、存储介质和系统。另外,提供了用于对测定粒子进行分类的示例性方法、存储介质和系统。特别的,图4和图5描述了用于配置测定分类系统的分类矩阵内的分类区域的流程图。另一方面,图6、7、11和12描述了用于对测定粒子进行分类的流程图。图1描述了具有存储介质的示例性系统,该存储介质包括程序指令,程序指令被配置成执行图4-7、11和12中描述的流程图中所概述的过程。图2a-3和图8-10示出了用于描述流程图中所概述的过程的分类矩阵的图形表示和/或目标空间。
应当指出,本文描述的方法、存储介质和系统不需要取决于物理意义上图形地描述的分类矩阵和分类区域。相反的,本文描述的分类矩阵和分类区域在某种意义上可具有虚拟存在。图2a-3和图8-10主要用于帮助解释本文描述的方法、程序指令和系统的纷繁复杂之处。应当指出,在某些情况下,本文描述的系统、存储介质和方法可被配置成执行除与配置分类区域和/或分类粒子相关联的那些过程之外的过程,因此,本文描述的系统、存储介质和方法不需要被限于图1-12的描述。
如图1所示,系统20包括存储介质22和处理器26。系统20可采用各种形式,包括个人计算机系统、大型机计算机系统、工作站、网络设备、英特网设备、个人数字助理(PDA)、数字信号处理器(DSP)、现场可编程门阵列(FPGA)或其它设备。在任何情况下,存储介质22包括程序指令24,其能够使用处理器26来执行,用于生成和传送输出29,尤其用于执行以下参考图4-7、11和12所概述的处理。在某些情况下,系统20可被配置成接收输入28以通过处理器26激活程序指令24和/或为程序指令24提供待处理的数据。附加地或替选地,存储介质22可包括数据库和/或查找表,其可被程序指令访问,用于执行以下根据图4-7、11和12所概述的过程。参考图8-10来描述可被包括在存储介质22中的示例性数据库和/或查找表。
一般地,如本文所使用的,术语“存储介质”可指被配置成保持一个或更多个程序指令集的任何电子介质,例如但不限于只读存储器、随机访问存储器、磁盘或光盘、或磁带。术语“程序指令”一般可指程序中的命令,其被配置成执行特定的功能,例如,如以下更详细描述的,对测定分析系统的分类矩阵中的分类区域进行配置或对测定粒子进行分类。可以以各种方式中的任何一种来实现程序指令,尤其包括基于过程的技术、基于组件的技术和/或面向对象的技术。例如,根据需要,可使用ActiveX控制、C++对象、JavaBeans、微软基础类(“MFC”)、或其它的技术或方法来实现程序指令。
可被设置成执行本文中所描述的过程中的一个或更多个过程(即,可包括系统20的系统或可被连接到系统20的系统)的系统包括但不限于100TM、HTS、100E、200TM、以及来自德克萨斯州奥斯汀的Luminex公司的该产品家族的任何另外的插件。但是,应该理解,本文中描述的方法、存储介质和系统可使用或者可被设置成使用通过任何测定测量系统获得的粒子数据。测量系统的示例包括流式细胞器和静态荧光成像系统。另外,尽管本文中描述了能够用于粒子分类的各种参数,但是应该理解,本文中描述的实施例可使用能用于区分不同粒子群的粒子的任何可测量参数,因此,参数不需要限于粒子的荧光属性。此外,本文中描述的方法、存储介质和系统可被应用到用于分析任何类型测定的系统中,具体是生物测定、化学测定或环境测定,其中,期望的是,确定感兴趣的一个或更多个分析物的存在或不存在。
如上所指出的,程序指令24一般可被配置成执行图4-7、图11和12中描述的流程图所概述的过程。同样的,图4-7、图11和12中描述的流程图一般描述通过使用软件模块来实现的方法。更具体的,参考图4-7、图11和12所描述的方法包括通过使用一个或更多个算法来分析和计算相对大量的数据,因此,通过计算机可最好地实现这些方法。因此,参考图4-7、图11和12所描述的方法可被称作“计算机实现的方法”。
如本文中使用的,术语“分类”一般被称为将测定粒子分类到成员粒子具有相似性质的群组中。群组在本文中被称为“粒子群”。在某些情况下,术语“测定粒子群”在本文中可被用于具体地指示被配置用于测定分析的粒子群。因为在单个测定实验(即,在多路复用方案中)中通常用多个不同的粒子群来分析样本,所以分类是特别重要的。特别的,不同的粒子群典型地具有至少一个不同的特征,例如耦合到粒子的物质的类型和/或耦合到粒子的物质的量,从而通过测定分析系统在一遍运行中能够检测和/或量化样本中不同类型和/或数量的分析物的存在。为了解释测量结果,可确定测定中单个粒子的身份或分类,从而可将测量值与单个粒子的属性相关联。以这种方式,能够区分与不同粒子群相关联的测量值以及把与不同粒子群相关联的测量值分别归于感兴趣的分析物。为了对测定的粒子进行分类,可将测量值与分类矩阵相关联,如以下详细描述的,其在本文中被称为对应于用于分类的粒子的测量参数的值的阵列(真实的或虚拟的)。在用于对粒子进行分类的分类矩阵中可定义多个分类区域,因此,如本文中所使用的,术语“分类区域”是指粒子群可被分类到的分类矩阵的区域。
本文中使用的术语“粒子”一般是指微粒、微球、聚苯乙烯颗粒、量子点、纳米点、纳米粒子、纳米壳、颗粒、微颗粒、乳胶粒子、乳胶颗粒、荧光颗粒、荧光粒子、有色粒子、有色颗粒、组织、细胞、微生物、有机物、无机物、或者在本领域中已知的任何其它离散的基质或物质。在本文中能够可交换地使用这样的术语中的任一个。本文中描述的方法、存储介质和系统可被用于任何类型的粒子的分类。在某些情况下,本文中描述的方法、存储介质和系统可特别用于充当分子反应媒介的粒子。流式细胞计中所使用的示例性分子反应粒子包括微球,其可从德克萨斯州奥斯汀的Luminex公司购买。
图4中描述了用于配置测定分析系统的粒子分类区域的示例性方法的流程图。图2a和2b描述了由图4概述的过程所产生的分类矩阵和分类区域的图形表示,因此结合图4描述图2a和2b。如图4的方框30中所示,图4中概述的方法包括识别分类矩阵中的多个分类区域,该分类矩阵由与被配置用于测定分析的粒子的一个或更多个可测量参数相关联的值的各范围所构建。可测量参数包括粒子的荧光、光散射、电阻抗、或任何其它可测量属性。另外,与粒子的一个或更多个可测量参数相关联的值以及构建分类矩阵的值可以是与粒子的测量标度相等的标度,或者可以是从这样的测量标度的值变换得到的值的标度。当分类矩阵由比可从粒子测量到的值的标度更小粒度的标度所构建时,后者的实施例可以是特别适用的。尽管示出构建图2a和2b中所描述的分类矩阵的三个参数,但是参考图4所描述的过程以及本文中所描述的所有其它方法可被应用到由任意数量的参数所构建的分类矩阵。如以下详细描述的,参考图4所描述的过程特别地可被应用到具有交叠分类区域的任何分类矩阵。
图2a和2b中描述的分类矩阵包括12个分类区域。应当指出,本文中描述的方法、存储介质和系统可被应用到具有任意数量的分类区域的分类矩阵,包括但不限于多于100个的分类区域,并且在某些情况下,多于几百个分类区域以及可能更多个分类区域。图2a和2b中描述的分类区域的数量仅仅是用于简化图形以及强调图4中描述的方法的处理步骤。还应当指出的是,参考图4所描述的方法以及本文中所描述的任何其它方法不限于分类区域不均匀地布置在如图2a和2b所描述的矩阵中的示例。特别的,参考图4所描述的方法以及本文中所描述的任何其它方法可被应用到具有均匀分布的分类区域的分类矩阵。
如图2a中所示,分类区域1-12中的一些分类区域相交叠(即,区域1和2;区域4和5;区域3、6和7;以及区域10和11)。更具体的,如图2a中双交叉影线标记所示,分类区域1-12中的部分相交叠。应当指出,一些分类区域可能不交叠,例如图2a中所描述的分类区域8、9和12,但是在其它实施例中,所有分类区域可与矩阵中的至少一个其它分类区域相交叠。如图4的方框32中所示,用于配置测定分析系统的粒子分类矩阵的方法包括识别分类矩阵中共同分配给两个或更多个分类区域的单元位置。换言之,该方法可包括识别分类矩阵中两个或更多个分类区域相交叠的单元位置。或者说,该方法可包括识别分类矩阵中落入多于一个分类区域的单元位置。本文中所使用的术语“单元位置”可指分类矩阵中的特定坐标点。同样的,容易想到的是,分类区域可具有共同分配给另一分类区域的一个或多于一个的单元位置。
在某些情况下,如图4的方框34中所示,用于配置测定分析系统的粒子分类区域的方法可包括确定共同分配的单元位置的数量。这样的过程在本文中被称为“冲突计数过程”。在确定共同分配的单元位置的数量之后,可在方框36中确定计算出的数量是否大于预定阈值。如果计算出的数量大于预定阈值,则处理继续到方框38以调整多个分类区域中的一个或更多个中的一个或更多个空间属性(dimensional attribute)的值。空间属性可对应于用来表征分类区域的大小、形状、角度、或者任何其它参数。如图2a中所示,在某些实施例中,分类区域1-12可以是椭圆形的。在这种情况下,图4中的方框38可包括调整多个分类区域中的一个或更多个分类区域的长轴、短轴、仰角和方位角中至少之一的值。但是,应当指出,本文中描述的方法、存储介质和系统不需要限于图中所描述的分类区域的形状,因此,其不限于应用到具有椭圆形的分类区域的分类矩阵。在任何情况下,特性和分类区域的数量以及方框38中概述的过程所影响的调整或多个调整的大小一般可预置,并且可随系统和测定应用的不同而不同。
在参考方框38调整分类区域1-12中的一个或更多个分类区域的空间属性之后,可迭代地重复方框32、34、36和38中所概述的过程直至共同分配的单元位置的数量被计算为小于或等于预定阈值。当这种情况发生时,如图4中的方框40所示,将单元位置再分配为非分类区域。可替选地,当计算出共同分配的单元位置的数量小于或等于预定阈值时,该方法在方框36的第一遍执行之后可继续到方框40。预定阈值可随系统和测定应用的不同而不同。在某些实施例中,可限制方框32、34、36和38中所概述的过程被重复的迭代次数(即,可预设迭代的最大次数)。在这种情况下,当计算出共同分配的单元位置小于或等于预定阈值时,或者直至符合迭代的预设次数,迭代处理可终止。在后者的情况下,一般可确定,用给定的分类区域集不能达到预定阈值,因此,可终止图4中概述的方法。在这种情况下,可采取校正动作来选择不同的分类区域集以进行图4中概述的方法,并且/或者降低用以控制方框36中所概述的过程的阈值。为了简化附图,图4中未示出对可重复方框32、34、36和38的迭代次数的限制,但是应当声明,本领域技术人员能够想到如何基于上述描述来结合这种限定。
在可替选实施例中,该方法可不包括将共同分配的单元位置的数量与预定阈值进行比较(即,参考方框36所描述的过程)。而是,在某些情况下,可从图4所描述的流程图中省略方框36,因此,该方法可从方框34直接继续到方框38。在这种实施例中,方框32、34和38中概述的过程可重复预定次数。然后,当完成预定次数的迭代时,在方框40中,选择具有最小数量的共同分配单元位置的分类区域,并且将相关联的共同分配单元位置分配为非分类区域。对于寻求相对于根据方框30初始设定的分类区域集具有较少共同分配单元位置而不必被特定阈值所约束的分类区域,这样的实施例可以是有利的。应当指出,为了简化附图,图4中未示出方框36的省略以及对方框32、34和38可重复的迭代数量的限制。但是,本领域技术人员能够想到如何基于上述描述来结合这种限定。
在其它实施例中,该方法可不包括确定共同分配单元位置的数量(即,根据方框34所描述的冲突计数过程),或者可不包括调整分类区域的空间属性(即,根据方框38所描述的过程)。特别的,应当指出,与方框34和38相关联的处理也是可选的,因此在某些实施例中,可从图4描述的流程图中省略。更确切的,在某些实施例中,用于配置测定分析系统的粒子分类区域的方法可直接从方框32继续到方框40。但是,在某些情况下,可以有利的是,计算分类矩阵中共同分配单元位置的数量,以及调整分类区域的空间属性,使得共同分配可被最小化。特别的,可以有利的是,保留分类区域中相对大的部分以确保达到相对高的分类效率。
在任何情况下,在某些实施例中,如方框42所示,该方法可包括将邻近已被再分配的非分类区域的单元位置(即,先前被区分为共同分配的单元位置)再分配为非分类区域。可以在方框40中所概述的过程之后或者与方框40中所概述的过程同时地执行此处理。一般来说,由方框42中概述的过程所影响的单元位置的数量可随系统和测定应用的不同而不同。例如,在某些实施例中,方框42中表示的过程可仅包括将紧邻根据方框40所分配的非分类区域的单元位置集再分配为非分类区域。这些实施例在本文中可被称为相对于根据方框40所分配的分类区域的边界对单层邻近单元位置进行再分配。在其它情况下,方框42中表示的过程可包括对多层邻近单元位置进行再分配。换言之,方框42中表示的过程可包括将一个或更多个单元位置集再分配为非分类区域,其中,一个或更多个单元位置集从紧邻根据方框40分配的非分类区域的单元位置集横向延伸。在其它实施例中,图4中描述的方法可以不包括对邻近单元位置进行再分配的过程。特别的,方框42中表示的过程是可选的,因此,在某些实施例中,可从图4描述的流程图中省略方框42中表示的过程。
一般来说,随着更多的单元位置被再分配为非分类区域,错误分类的发生减少,但是,随着更多的区域被再分配为非分类区域,分类效率(被分类到群的粒子与被分类到拒绝类的粒子的比率)降低。因此,在使分类区域间的缓冲区域最小化与扩大缓冲区域之间存在权衡。最优化一般可取决于所使用的系统以及要被分析的测定。
图2b中描述了对共同分配的单元位置进行再分配,以及在某些实施例中,对邻近单元位置进行再分配的过程。具体的,图2b描述了被再分配为非分类区域的分类区域1-2、4-5、3和6-7、以及10-11的共同分配单元位置,这些非分类区域在图4中被表示为分类矩阵中的白色空间。在某种意义上,分类区域1-2、4-5、3和6-7、以及10-11的共同分配单元位置已经被“划出(carve out)”,从而减少或消除将粒子分类到两个不同的分类中的可能性和/或将粒子分到不正确群中的可能性。换言之,共同分配单元位置的再分配在分类区域之间安置了缓冲区。再分配技术的好处在于能够使区域适度地更大而不会严格地限制分类区域的大小。
如上所指出的,本文中描述的方法、存储介质和系统不需要依赖于物理意义上图形描述的分类矩阵和分类区域。因此,对共同分配单元位置进行再分配的过程不需要依赖于分类矩阵的描绘,例如图2a和2b中呈现的。而是,可在虚拟意义上执行该过程,具体地扫描存储在存储器中的每个分类区域的每个点(即,单元位置)。在这样的扫描过程期间,如果之前扫描的区域已经占用了那个单元位置(即,指示共同分配的单元位置),那么该单元位置可被再分配为非分类区域。在某些情况下,再分配过程可包括改变存储在存储器中的单元位置的标识符。例如,单元位置最初可被分配与其被分配的类别相关联的数字(例如,1-12),然后被再分配数字“0”以表示其为非分配区域的部分。
在其它实施例中,被识别为共同分配的单元位置可被再分配唯一标识符,例如,-1。这样的唯一标识符可帮助将单元位置与初始未被分配为分类区域的其它非分类点区分开,这在以下情形中可能是有帮助的:如上所描述的,关于图4中的方框42,作为可选处理,邻近唯一标识符的点也可被再分配为非分类区域。特别的,可搜索整个分类矩阵,并且可用-1标识符代替与-1标识符相邻的任意点,因此使缓冲区更大。可替选的,与-1标识符相邻的点可与具有-1标识符的点一起被再分配0标识符,使得更大的缓冲区可与分类矩阵的其它白色区域一起被分类为白色区域。
如图4所示,在某些实施例中,用于配置测定分析系统的粒子分类区域的方法可在方框40或者方框42之后终止。但是,在其它情况下,期望与再分配技术相结合的附加过程(即,方框32和40的过程,以及有时方框42的过程)是确定一个或者更多个分类区域的分类效率。特别的,有利的是,在执行再分配技术以确保再分配过程没有不合乎希望地改变分类区域以致这些分类区域不是要在测定中使用的粒子群的表示之后,确定一个或更多个分离区域的分类效率。附加地或可替换地,有利的是,在执行再分配技术以确保将过程应用到分类区域之前,确定分类矩阵的一个或更多个分类区域的分类效率,其中,这些分类区域是要在测定中使用的粒子群的表示。
图4中的方框44-48示出用于计算一个或更多个分类区域的分类效率的示例性技术。特别的,方框44涉及获得对应于多个粒子的可测量参数的数据。可通过测定测量系统来获得该数据,并且在某些实施例中,该数据可包括对若干不同参数的测量,这些参数包括但不限于那些用于对粒子进行分类的参数。例如,该数据可包括对粒子的荧光、光散射、电阻抗或任何其它可测量属性的测量。在任何情况下,分别如图4中的方框46和48所示,该过程还可包括识别分类矩阵中该数据中的至少一些所对应的单元位置,并且相对于多个分类区域计算多个粒子的分类效率。如上所指出的以及如图4所示出的,分类效率的计算(即,与方框44-48相关联的过程)可在再分配过程(即,与方框32和40、以及有时与方框42相关联的过程)之前和/或之后执行。特别的,针对在再分配过程之前计算分类效率的情况,图4描述了从方框30到方框44的继续箭头。另外,针对在再分配过程之后计算分类效率的情况,图4描述了从方框42(或方框40)到方框44的继续箭头。
在某些情况下,可使用分类效率计算来确定是否应该调整分类区域的空间属性以设法达到更高的分类效率。特别的,图4所描述的方法可包括确定方框50,其中,如果计算得到的分类效率被确定为小于预定阈值,那么该方法继续到方框52以调整多个分类区域中的一个或更多个中的一个或更多个空间属性的值。预定阈值可随系统和测定应用的不同而不同。另外,空间属性可对应于用来描述分类区域特征的大小、形状、角度或任何其它参数。
在调整一个或更多个值之后,该方法返回到方框46以识别具有经调整的分类区域的分类矩阵中方框44所获取的数据中的至少一些所对应的单元位置,然后继续到方框48以计算新的分类效率,并在方框50中将该新的分类效率与预定阈值进行比较。在某些实施例中,如图4所示,与方框46、48、50和52相关联的过程可迭代地重复直到分类效率被计算为符合预定阈值或在预定阈值以上。在其它实施例中,可限制迭代的次数(即,可预设迭代的最大次数)。在这样的情况下,当分类效率被计算为等于或大于预定阈值时,或者直至达到迭代的预设次数,可结束迭代过程。在后者的情况下,一般可确定的是,利用给定的分类区域集不可能达到预定阈值,因此可终止图4所概述的方法。在这种情况下,可采取校正动作来选择不同的分类区域集以进行图4所概述的方法,和/或降低用以管理方框50所概述的过程的分类效率阈值。应当指出,为了简化附图,图4中未示出对方框46、48、50和52可被重复的迭代次数的限制,但是应当声明的是,本领域技术人员能够想到如何基于上述描述来加入这种限定。
如图4所示,在得到分类效率等于或大于预定阈值时,尤其是在已经采用方框52所概述的调整过程的实施例中,该方法可返回到方框32以再次初始化该再分配过程。在其它情况下,该方法可继续到方框32以第一次开始再分配过程(即,如果在效率的计算之前未进行再分配过程)。在其它实施例中,当得到分类效率等于或大于预定阈值时,该方法可终止。特别的,有利的是,在针对分类效率所基于的分类区域集已经执行了再分配过程的情况下(即,关于方框52,分类区域的空间属性没有变化时),终止该方法。在任何情况下,应当指出,可将本领域技术人员所公知的技术合并到图4所概述的方法中,使得再分配过程和分类效率的计算之间的来回切换不被阻塞在非常耗时(或永不结束)的周期内。
图5中的流程图示出用于配置测定检测系统的分类区域的另一个实施例。应当指出,关于图4和5所描述的方法不需要是相互排斥的,因此,在某些实施例中,可使用上述两者来配置测定分析系统的分类区域。一般地,可使用关于图5所描述的方法来创建分类区域,用更精确地对应于粒子测量值的值来表征该分类区域。更具体地,当在精确度比粒子的测量值更低的分类矩阵内匹配时,可使用关于图5所描述的方法来调整粒子群种类的一个或更多个值以解决粒子群种类对应的分类区域的移位。如上所指出的,在某些实施例中,尤其是为了降低系统存储容量,经常通过比可从粒子测量到的值的标度更低粒度的标度来构建分类矩阵。例如,在某些实施例中,可通过从粒子测量参数的对数值所计算得到的整数范围来构建分类矩阵。但是,在某些情况下,将粒子的测量值转换成匹配分类矩阵的对数标度可使值偏移,降低粒子分类的准确性。图3描述分类矩阵以及由图5概述的过程所产生的分类区域的移位的图形表示,因此结合图5来描述图3。
如以上所指出的,分类矩阵在本文中是指对应于用于分类的粒子测量参数的值的阵列(真实的或虚拟的)。另外,如本文中所使用的,术语“分类区域”是指分类矩阵中一个群体的粒子可被分类到的区域。术语“粒子群种类”与术语“分类区域”的细微差别在于,术语“粒子群种类”是指粒子群的一个或更多个参数的可能测量值的组(即,用术语“粒子群”指具有类似属性的粒子的集合)。特别的,术语“粒子群种类”是指用粒子群的一个或更多个参数的测量标度来表征的可能值的组,而分类区域的值取决于值的范围和分类矩阵的粒度,其中,在该分类矩阵中布置分类区域的值。
例如,在使用平均荧光强度(MFI)对测定粒子进行分类的实施例中,粒子群的可能MFI的组可被称为粒子群种类。相反的,对应于这种粒子群种类的分类矩阵的分类区域可包括取决于值的范围和分类矩阵的粒度的相同值或不同值。特别的,如果通过与用于测量粒子的MFI标度相同的值和粒度来构建分类矩阵,那么包括分类区域的值的范围将与相应的粒子群种类的值相同。相反,如果通过与用于测量粒子的MFI标度不同的值和/或粒度来构建分类矩阵,那么包括分类区域的值的范围将与相应的粒子群种类的值不同。
如图5所示,用于配置测定分析系统的分类区域的方法可包括方框60,在方框60中,对应于测定粒子群种类中的点的一个或更多个值被数学变换成新值。如本文中所使用的,术语“数学变换”一般可指应用数学公式以将值改变成不同值。可考虑任意公式,且任意公式一般可取决于相对于用于获取关于粒子的数据的测量标度的、分类矩阵的期望粒度。一些示例性公式可以是基于对数的公式;采用指数、幂、二项式、泰勒(Taylor)级数或麦克劳林(MacLaurin)级数、参数方程、坐标转换的公式;或每点被乘以或加上常数的复杂度相对小的公式。针对方框60中所概述的过程还可考虑其它公式。因此,尽管以下根据图5所概述的方法,关于表1和2所描述的示例性数学过程为这个处理采用基于对数的公式,但是图5中提及的方法不需要被如此限制。
如上所指出的,可用一个或更多个测量参数来表征粒子群,因此,可用一个或更多个值来表征粒子群种类中的点。例如,以下根据图5概述的方法、关于表1描述的示例性数学过程描述了用3个参数来表征的粒子群种类,这3个参数被表示为分类通道“CL1”、“CL2”和“CL3”。因此,方框60概述的过程可包括对与测定粒子群种类中的点对应的一个或更多个值进行数学变换。
一般地,与方框60概述的处理相对应的测定粒子群种类中的点可对应于所配置的测定粒子群种类中的任意点。在某些实施例中,有利的是,该点为测定粒子群种类的中心点。具体地,经常通过用目标量的染料对粒子群进行染色来创建粒子群,其基于测定粒子群种类的中心点。但是,在某些情况下,有利的是,该点是非中心点,特别是如果预期粒子群相对于测定粒子群种类所包围的值的分组是不对称的。在这些情况下,粒子群种类的非中心点,而不是中心点,可以是对粒子群进行染色的基础。在任何情况下,转换粒子的测量值以匹配具有更低粒度的分类矩阵可使值发生偏移。因此,目标染料量可不直接与分类区域的特定点(例如,中心)相关联。因而,图5呈现的方法对于调整一个群体的粒子的目标染料量可以是特别有益的。在其它情况下,针对方框60概述的过程,可考虑不需要与对粒子群进行染色相关联的粒子群种类的点。这种点的示例可包括但不限于沿着分类区域的外围的点。
在根据方框60数学变换一个或更多个值之后,分别如方框62、64和66所表示的,分别将一个或更多个经数学变换的值转换成一个或更多个第一整数,一个或更多个第一整数被数学转换,并且分别将得到的一个或更多个值转换成一个或更多个第二整数。值到第一整数和第二整数的转换可包括对值进行舍入或舍位。一般,用于针对方框64概述的过程数学转换一个或更多个第一整数的公式可以是用于关于方框60数学转换一个或更多个第一整数的公式的逆反。例如,如果针对方框60概述的过程使用基于对数的公式来数学变换一个或更多个值,那么关于方框64可使用相同基数的基于反对数的公式来数学变换一个或更多个第一整数,反之亦然。而且,如果针对方框60概述的过程使用包括升到某正幂的表达式的公式来数学变换一个或更多个值,那么关于方框64可使用包括升到那个数的负数次幂的表达式的公式来数学变换一个或更多个第一整数,反之亦然。而且,如果针对方框60中概述的过程使用包括乘以常数的公式来数学变换一个或更多个值,那么关于方框64可使用包括除以同样常数的公式来数学变换一个或更多个第一整数,反之亦然。
在任何情况下,在方框66概述的过程之后,该方法继续到方框68,其中,将一个或更多个第二整数分别指定为方框60中所引用的测定粒子群种类中的点的一个或更多个替换值。在某些实施例中,如方框70所表示的,该方法可附加地或可替换地包括将一个或更多个第二整数指定为用于对粒子群进行染色的目标。但是,这种处理是可选的,因此在某些实施例中可从图5中省略方框70。特别的,应当指出,第二整数中的一个或更多个相对接近于(例如,差小于粒子可被染色的精度)测定粒子群种类中的点的一个或更多个原始值,因此可不需要改变用于对粒子群进行染色的目标。在任何情况下,一旦改变了测定粒子群种类的一个点,则使分类区域的相应单元位置偏离其原始位置,分类区域中的其它点将基于分类区域的已知配置(例如,大小、形状、维度)以相同的方向和大小位移。针对多个分类区域,图3描述了示例性位移效果。
如图5所示,在某些实施例中,该方法可在方框68或70之后进行到方框72以确定是否存在要被评估的任何其它测定粒子群种类。如果该确定是肯定的,该方法返回方框60以数学处理对应于不同测定粒子群种类中的点的一个或更多个值,并且针对不同的测定粒子群种类,该方法还执行方框62-68概述的过程,以及有时执行方框70概述的过程。可以针对测定粒子群种类的任意数量重复这种过程,并且在某些情况下,可以针对为测定所考虑的全部测定粒子群种类重复这种过程。当在方框72确定没有其它测定粒子群种类要被评估时,过程可终止或者进行到方框74以开始可选的评估过程,在以下根据方框74-78被更详细地描述该可选的评估过程。在可替选的过程中,可以针对多个测定粒子群种类同时执行关于方框60-68所描述的数学过程序列。
如以下更详细描述的,在已经为多个测定粒子群种类指定多个替代值之后,可执行根据图5(即,方框74-88)所描述的可选的评估过程。但是,在其它实施例中,在已经为单个测定粒子群种类指定一个或更多个替换值之后,执行可选的评估过程。为了反映后者的实施例,图5包括在方框70和74之间的连接箭头,如果从方法中省略了与方框70相关联的过程,则该连接箭头可替换地用作在方框68和74之间的连接箭头。对于这两种情况中的任何一种,在执行可选的评估过程之后,可评估附加的测定粒子群种类(即,可数学地调整对应于测定粒子群种类中的点的值从而为这些点指定替代值),所以在图5的方框82与方框72之间存在连接箭头以表示这种可选项。在其它实施例中,可放弃可选评估过程,因此,在某些情况下,可从图5中省略方框74-88。
一般来说,可使用可选的评估过程来确定第二整数与分类矩阵的标度匹配得如何,从而产生可精确对应于粒子群的测量值的分类区域。如图5所示,方框74包括通过应用参考方框60中用于数学变换一个或更多个值的公式来数学变换一个或更多个第二整数。可直接在根据方框70所描述的过程之后执行方框74所概述的过程,或者当在方框72确定没有其它测定粒子群种类要被评估时执行方框74所概述的过程。对于这两种情况中的任何一种,在方框74之后,该方法继续到方框76,其中,计算由数学变换第二值或多个第二值所得到的值或多个值与其最接近整数之间的差或多个差。在此之后,评估过程进行到如下所描述的方框78处的两种情形之一。
在已经评估了单个测定粒子群种类并且其值中的一个或更多个值已经被方框66中所计算的一个或更多个第二整数替代的情况下,或者当希望为每个单个的测定粒子群种类执行评估过程时,该方法可继续到方框80以确定方框76处计算的差或多个差是否大于预定阈值。预定阈值可随系统和测定应用的不同而不同。如图5的方框82中所示,如果所计算的差或多个差大于预定阈值,那么取消方框68中的将第二整数或多个第二整数指定为替代值或多个替代值。特别的,大于预定阈值的差可指示相应的第二整数没有更好地表示分类区域的粒子群的测量值,因此将测定粒子群种类中的点调整到这个数可能是无益的。相反的,如果所计算的差或多个差小于预定阈值,那么保留将第二整数值或多个第二整数值指定为测定粒子群种类中的点的替代值或多个替代值。
在替换实施例中,该方法可不包括将方框76处所计算的差或多个差与预定阈值进行比较(即,根据方框80所描述的过程)。而是,在某些情况下,可从图5所示出的流程图中省略方框80。在方框80的位置处,由根据方框60执行的数学变换所得到的值或多个值与其最接近整数或多个整数之间的差或多个差的计算过程可被计算。当确定这个差或这些差小于根据方框76所计算的差或多个差时,该方法可继续到方框82以取消将第二整数或多个第二整数指定为替代值或多个替代值。应当指出,为了简化附图,图5中未示出方框80的省略以及表示前述处理的方框的替代。但是,应当声明,本领域技术人员能够想到如何基于前述描述来合并这种限定。
在任何情况下,该方法在如上所指出的评估过程之后可进行到方框72以确定是否存在要被评估的任何其它测定粒子群种类。与方框60-76相关联的步骤序列以及如上所指出的评估过程可被重复任意多次以评估不同测定粒子群种类中的点。当确定没有其它测定粒子群种类要被评估时,过程可终止。在替换实施例中,尤其是如果多个测定粒子群种类在评估过程之前已经被评估了,则该方法从如上所指出的评估过程进行到方框76。在其它实施例中,过程可在以下情况下终止:当在方框80处确定所计算的差小于预定阈值时;在确定由根据方框60执行的数学变换所得到的值或多个值与其最接近整数或多个整数之间的差或多个差大于根据方框76所计算的差之后;或者当在方框82处取消将第二整数指定为替代值时。但是,为了简化附图,这些终止情形中的任何一个都未在图5中示出。
在多个测定粒子群种类中的点在可选的评估过程之前已经被评估并且被方框66中计算的第二整数值所替代的情况下,方法可从方框78继续到方框84以计算针对第二整数中的每一个整数所计算的、大于预定阈值的差的比例。预定阈值可随系统和测定应用的不同而不同,并且可以与方框80中所引用的预定阈值相同或不同。其后,方法继续到方框86以确定比例是否大于预定水平。预定水平可随系统和测定应用的不同而不同。如图5的方框88中所示,如果比例大于预定水平,那么取消根据方框68所描述的将第二整数值指定为替代值。特别的,大于预定水平的比例可指示相当大数量的第二整数没有更好地表示其各自测定粒子群种类的粒子的测量值,因此将测定粒子群种类中的点调整到这些数可能不是有益的。相反,如果计算出的比例小于预定水平,那么保留将第二整数值指定为分类区域的替代值。在上述两种情况的任何一种情况下,如图5所示,处理可在方框86或88之后终止。可替选地,处理可返回到方框72以确定是否存在要被评估的任何其它测定粒子群种类。仅仅是为了简化附图,图5中未示出这种可选项。
在替选实施例中,该方法可以不包括计算大于预定阈值(即,根据方框84所描述的过程)的差的比例。而是,在某些情况下,可从图5所示出的流程图中省略方框84。在方框84的位置,由根据方框60执行的数学变换所得到的值与其最接近整数之间的差或多个差的计算过程可被计算。在这种情况下,可计算比根据方框76计算的差更小的差的比例。在某些情况下,可将这个比例与如根据方框86所描述的预定水平进行比较,并且方法可继续进行到方框88、终止、或返回到方框72。应当指出,为了简化附图,图5中未示出方框86的省略以及前述处理的替代。但是,应当声明,本领域技术人员能够想到如何基于前述描述来合并这种限定。
不管如何使用评估过程,其仅仅可与相对大的值有关,这些相对大的值对应于根据方框60描述的测定粒子群种类中的点。特别的,在图5概述的方法仅使值最多改变几个百分点的情况下,这种变化对于相对小的值可能不是足够显著的。因此,可将规定合并到图5概述的方法中,以仅针对大于特定数的、对应于根据方框60所描述的测定粒子群种类中的点的值来实施评估过程。可替换地,可实施规定,使得将评估过程应用到全体范围的值,但是针对小于特定数的值,忽略方框82和88的取消过程。应当指出,为了简化附图,图5中未示出这些措施,但是应当声明,本领域技术人员能够想到如何基于前述描述来合并这种限定。
可被增加到图5所概述的方法的可选过程是使用不同的数学变换等式集来重复根据方框60-76所描述的过程,然后针对用于评估粒子群种类的每个数学变换等式集来比较根据方框76计算的差。在这种情况下,由生成差的最小变化的数学变换等式集产生的第二整数可被指定为方框60概述的过程中所指的测定粒子群种类中的点的最终替代值。特别的,由生成差的最小变化的数学变换等式集生成的第二整数可以是值的表示,其中,这些值可最精确地对应于由基于数学变换等式集的参数标度构建的分类矩阵中的粒子的测量值。应当指出,为了简化附图,图5中未示出这个可选过程,但是应当声明,本领域技术人员能够想到如何基于前述描述来合并该过程。
下面描述示例性数学过程,其可被用于根据图5的方框60-88所描述的过程。另外,表1和表2示出了从这种示例性过程生成的和所使用的数据。特别的,表1和表2列出了针对3个测定粒子群种类所生成的数据,具体是每个测定粒子群种类中被表示为“CL1”、“CL2”和“CL3”的3个分类通道的分类数据。应当指出,多路复用系统典型地可以并且将包括多于3个的测定粒子群种类。另外,取决于所采用的测定分析系统,可使用少于3个或多于3个的分类通道。因此,根据图5所描述的过程不应该被解释成限于表1和表2所提供的示例性数据。分类通道CL1-CL3一般可指用来对粒子进行分类的任何参数,但是在某些实施例中,分类通道CL1-CL3可具体地指荧光测量。在这些情况下,图5概述的方法尤其能够应用于改变对粒子群进行染色的目标量。表1具体涉及图5的方框60-70所概述的过程,而表2具体涉及根据图5的方框76-88所描述的评估过程以及评估过程的替选选项。
表1:使用图5中描述的过程对测定分析系统的分类区域进行配置的示例性数据生成
表2:使用图5中描述的过程对被配置用于测定分析系统的分类区域进行评估的示例性数据生成
表1中表示CL1-CL3通道数据的前三列包括各自测定粒子群种类的MFI目标。对于表1中呈现的示例,目标基于1到32,767的MFI标度,但是应当指出,更大或更小的标度和/或不同的参数可被用于目标。在某些实施例中,目标可指对应于各自测定粒子群种类中的中心点的值。但是,在其它情况下,目标可指测定粒子群种类中的其它点。表1中接下来的三列包括由以基于对数的公式(表1中被称为“变换公式”)数学变换MFI目标所得到的值。这样的数学过程涉及图5的方框60。可被使用的示例性的基于对数的公式为C*log10(MFI目标+1),其中C=255/log10(32,767)。但是,取决于系统和测定应用,可使用其它的基于对数的公式或基于非对数的公式。由基于对数的公式得到的值被转换成表1的接下来三列中的第一整数值,具体地是通过对表1中呈现的例子的值进行舍入。在替选实施例中,可对值进行舍位。这种数学过程涉及图5的方框62。
在将由基于对数的公式得到的值转换成第一整数值之后,以基于反对数的公式(在表1中被称为“逆反变换公式”)数学变换第一整数。这种数学过程涉及图5的方框64。可采用的示例性基于反对数的公式为10[第一整数/C]-1。但是,取决于系统和测定应用,可采用其它的基于反对数的公式或基于非反对数的公式。由基于反对数的公式得到的值被转换成表1的最后三列中的第二整数值,具体地是通过对表1中呈现的例子的值进行舍入。在替换实施例中,可对值进行舍位。这样的数学过程涉及图5的方框66。如以上根据图5的方框68所指出的,第二整数值被指定为方框60中所指的测定粒子群种类的点的替代值,其在表1所呈现的示例中指MFI目标。在某些实施例中,第二整数值可进一步被指定为对测定分析的不同粒子群进行染色的目标值,具体地对应于图5的方框70。
如以上所指出的,方框70中概述的过程是可选的,因此在某些实施例中可从表1呈现的示例中省略。特别的,应当指出,第二整数值中的一个或更多个值相当地接近(例如,差小于粒子可被染色的精度)于测定粒子群种类中的点的一个或更多个原始值,因此可以不需要改变对粒子群进行染色的目标。例如,关于以下根据表1描述的示例性数学过程,已经发现改变对粒子群进行染色的目标实际上仅对具有大于大约200的MFI目标的粒子群种类是明智的。这一般是由于以下估计,关于表1描述的数学过程序列生成第二整数值,其中,第二整数值以多达大约2%不同于其原始MFI目标的值。特别的,MFI目标多达2%的变化对于较小的目标数量不是非常显著,特别是在给定大多数技术的精度时。但是,2%的变化对于较大的MFI目标可以是显著的。基于此,例如,在图5的方框70中所概述的过程中可包括规定以仅实现将第二整数值指定为对粒子群种类的粒子群进行染色的目标,其中该粒子群种类具有大于预定阈值的原始MFI目标,例如大于200。使用这种规定,尤其因为分类区域1的全部三个通道CL1-CL3的MFI目标小于200,所以可不实施为表1中所指出的为分类区域1指定第二整数。
如以上根据图5所进一步指出的,在某些实施例中,图5中概述的过程可包括评估过程以确定第二整数与分类矩阵的对数标度匹配得如何,其反过来反映所得到的分类区域可多准确地对应于粒子群的测量值。表2示出这种评估过程中可涉及的数学过程的示例。特别的,表2的前三列包括以基于对数的公式数学地处理表1中最后三列的第二整数值而得到的值。这样的过程涉及图5的方框74。一般,除了用第二整数替代公式中的MFI目标的值以外,基于对数的公式可类似于用于处理MFI目标的公式。例如,示例性的基于对数的公式是C*log10(第二整数+1),其中C=255/log10(32,767)。
如以上关于图5的方框76所描述的,可计算由评估过程中使用的基于对数的公式而得到的值与其最接近整数之间的差。因而,由表2的前三列中基于对数的公式而得到的值被转换成表3的接下来三列中的第三整数值,具体地是通过对表2中呈现的示例的值进行舍入。在替换实施例中,可对值进行舍位。表2中接下来的三列指示表2中第一个三列的集合与第二个三列的集合之间的差的绝对值。这样的数学过程涉及图5中的方框74。在某些实施例中,如图5的方框80中所指出的,可将计算出的差与预定阈值进行比较以确定针对测定粒子群种类中的每一个所计算的第二整数与分类矩阵的对数标度匹配得如何。一般,预定阈值可随系统和测定应用的不同而不同。例如,示例性预定阈值可以是大约0.25。应当指出,使用这样的阈值,表2中呈现的除区域#1的CL1值以外的所有第二整数可被视为在分类矩阵的对数标度内很好地匹配。
区域#1的CL1值具有计算出的差0.47。基于此,如以上根据图5所指出的,可取消为区域#1的CL1值的MFI目标值指定第二整数值19.00。但是,在某些实施例中,因为区域#1的CL1通道的MFI目标小于200,所以可不取消指定。特别的,如以上根据图5所指出的,可将规定实施到评估过程中,以便针对小于特定数的值忽略方框82和88的取消过程。如上所指出的,关于为粒子群的染色目标指定表1的第二整数,这样的染色指定对小于200的MFI目标可能是无用的。这一般是由于以下估计,关于表1描述的数学过程序列生成第二整数,其中,第二整数不同于其原始MFI目标的值多达大约2%。因为同样的理由,以下水平可以是小于200的MFI目标,在该水平处针对表2中概述的示例性评估过程,实施规定以忽略方框82和88的取消过程。可替选地,可将规定合并到表1和2中所呈现的示例以仅实现针对200以上的MFI目标的评估过程。
评估过程的替选路线是,如图5的方框86中所示,计算针对预定阈值以上的多个测定粒子群种类所计算的差的比例,以及如图5的方框86所示,将计算出的比例与预定水平进行比较。一般,预定阈值和预定水平可随系统和测定应用的不同而不同。例如,针对计算出的差的示例性预定阈值可以是大约0.25,并且针对计算出的比例的示例性预定水平可以是大约10%。应当指出,使用这样的预定阈值和预定水平,表1中呈现的第二整数可被取消作为区域1-3的分类通道CL1-CL3的MFI目标的替代值。具体地,因为区域#1的CL1值具有计算出的差0.47,并且其在这些值中占大约11%,因此所有第二整数可被取消作为替代值。替换地,可实施以下规定,因为MFI目标的值小于200,所以忽略针对区域#1的MFI目标所计算出的差,因此在这种情况下,可保留针对至少区域#2和区域#3的MFI目标替换第二整数。
如以上所指出的,关于图5,替选的过程序列可被用于图5中描述的评估过程。特别的,评估过程不是将针对第二整数的变换及其最接近整数所计算出的差与预定阈值进行比较,而是可包括将这些差与关于由变换MFI目标而产生的值及其最接近整数的差进行比较。表2的最后三列中表示了这种过程。特别的,表2中的最后三列针对表1中由变换MFI目标而产生的值与其最接近整数(即,表1中第二个三列的集合中的值和第三个三列的集合中的值)之间的差计算绝对值。当比较关于表2中计算出的差的不同列集合时,小于前一个三列集合中的差的最后一个三列集合中的任何差,可导致取消将相应通道和区域的第二整数指定为MFI目标的替代值。基于此,应当指出,表2中所呈现的除区域#1的CL1值以外的所有第二整数可被保留为其MFI目标的替代值。如以上所指出的,规定可被合并到这种评估过程中以仅实现200以上的MFI目标的评估过程,因此,在这种情况下,CL1通道或区域#1的较小差的标记可以不是重要的。
如以上所指出的,图6、7、11和12示出用于对测定粒子进行分类的方法的流程图。图8-10描述了分类矩阵和目标空间的图形表示,其中分类矩阵和目标空间用于帮助解释图6、7、11和12所概述的过程。因此,结合图6、7、11和12来描述图8-10。如图6所示,用于对粒子进行分类的方法可包括方框90,在方框90中,获取对应于多个粒子的可测量参数的数据。该数据可通过测定分析系统获得,并且在某些实施例中,该数据包括对若干不同参数的测量,其中,参数包括但不限于用于对粒子进行分类的那些参数。例如,该数据可包括对粒子的荧光、光散射、电阻抗、或任何其它可测量属性的测量。
如图6的方框92所指出的,过程可进一步包括识别分类矩阵中单个粒子的获得数据中的至少一些所对应的单元位置。另外,方法可包括方框94,在方框94中,将对应于被识别的单元位置的数据在分类矩阵中平移预定的坐标路径。一般可用针对分类矩阵的每个轴的多个单位来表征预定的坐标路径。而且,平移对应于被识别的单元位置的数据一般可指相对于被识别的单元位置将数据点移动指定数量的单位。例如,如果预定的坐标路径是(1,2,3),那么将数据点沿分类矩阵的x轴移动1个单位、沿分类矩阵的y轴方向移动2个单位以及沿分类矩阵的z轴移动3个单位。图8示出分类矩阵中被识别单元位置的示例性图形表示,其中,该被识别单元位置被平移了预定的坐标路径(即,用星号表示被识别单元位置,并且用虚线表示坐标路径)。图8还示出位于分类矩阵原点附近的目标空间(即,如交叉影线的椭圆区域所表示的目标空间)。如以下更详细描述的,将目标空间用于图6中概述的方法,以基于坐标路径将粒子分类到特定的粒子群,其中,坐标路径是将数据点从其单元位置平移到目标空间的路径。
在某些情况下,识别分类矩阵中的单元位置的过程可进一步包括识别包括单元位置的分类矩阵的段(segment)或节点(node)。一般,分类矩阵的段或节点可指分类矩阵的区域,其包括多个单元位置,但段或节点与术语“分类区域”不同之处在于,段或节点不需要对应于测定的粒子群种类。例如,示例性分类矩阵可被分段成相等面积的部分,例如四分部。但是,节点的任何数量、大小以及形状可被考虑用于对分类矩阵进行分割。在任何情况下,对来自分类矩阵的被识别段的数据进行平移可包括将数据平移与被识别段相关联的预定坐标路径。这种技术可减少使数据点匹配目标空间所考虑的坐标路径的数量(以下根据方框96和100更详细地描述的过程),因此可节省处理时间。但是,应当指出,对于根据图6描述的方法来说,识别包括单元位置的分类矩阵的段或节点是可选的过程,因此,在某些实施例中可省略。
在任何情况下,平移数据之后,在方框96处确定关于平移后的数据是否在位于分类矩阵预定位置处的目标空间内匹配。预定位置可以是分类矩阵中的任意位置。在某些实施例中,预定位置可包括构建分类矩阵的轴的原点,并且在特定情况下,目标空间可以原点为中心。如本文所使用的,术语“目标空间”一般可指具有边界的有界区域,其指示相互堆叠(stacked upon)的一个或更多个分类区域配置。如本文中所使用的,术语“分类区域配置”指分类区域的设计集,其中用分类区域的形状、大小等来表征分类区域。应当指出,分类区域配置不需要专属于分类矩阵中的单个分类区域。特别的,分类矩阵的多于一个的分类区域可具有相同的分类区域配置。换言之,分类矩阵的不同分类区域可具有统一尺寸。因此,目标空间是否表示单个分类区域配置或多个分类区域配置的区别,不等同于目标空间是否表示单个分类区域或多个分类区域。
还应当指出,目标空间与分类区域不同之处在于,即使有界区域仅表示单个分类区域配置,分类矩阵中目标空间的坐标位置也不需要对应于粒子群的测量值。特别的,如以下关于图8更详细描述的,基于坐标路径使用目标空间将粒子分类到特定的分类区域,其中,坐标路径是将数据点从其单元位置平移到目标空间的路径,而不是仅仅使数据点匹配在其单元位置处布置的分类区域的路径。
一般,目标空间可以是任何配置(即,大小、形状等),其表示彼此堆叠的一个或更多个分类区域配置。在某些实施例中,目标区域可表示单个分类区域配置。换言之,目标空间可包括单个分类区域配置的边缘。可替换地,目标空间可表示彼此堆叠的多个分类区域配置。换言之,目标区域可包括以同一点为中心的多个分类区域的边缘。以下除了关于图8所提供的描述将数据平移到用于对粒子进行分类的目标空间的一般概念之外,还关于图11和12更详细地概述和描述了示例性过程,当执行图6描述的方法时,该过程用于确定数据点是否可被平移到这样的多个分类区域配置,以及数据点可被平移到这样的多个分类区域配置中的哪一个。
如图6的方框98所示,如果根据方框94平移的数据使用给定的预定坐标路径而在方框96中所指的目标空间内匹配,则将粒子分类到与预定坐标路径相关联的粒子群。可从能够访问的数据库或查找表中获取这种关联,在某些实施例中,以存储介质和/或执行该过程的系统来存储数据库或查找表。图8示出从被识别的位置平移并且匹配到目标空间的数据的示例性图形表示。相反,如果根据方框94平移的数据使用给定的预定坐标路径而未在方框96中所指的目标空间内匹配,该过程从方框96继续到方框100,在方框100处,确定关于数据是否已经被平移了预定数量的不同坐标路径。坐标路径的预定数量可随系统和测定应用的不同而不同。如图6所示,如果数据没有被平移预定数量的不同坐标路径,那么该过程返回到方框94以将数据平移不同的且新的坐标路径。这种过程可迭代重复直至做出两个决定性动作之一。具体地,该过程可迭代重复直至经平移的数据在目标空间内匹配并因此继续到方框98,或者已用尽了预定数量的坐标路径却没有确定经平移的数据在目标空间内匹配。在图6中沿着从方框100延伸到方框102的“是”连接箭头而示出后者的动作。
如图6所示,在方框102处确定关于是否有任何其它目标空间(即,不同配置的目标空间)可用于评估。如果有另外的目标空间可用于评估,则该方法继续到方框103以在分类矩阵中的预定位置处建立不同的目标空间。其后,该方法返回到方框94以将对应于分类矩阵的被识别单元位置的数据平移预定坐标路径,并且进一步到方框96以确定平移后的数据是否匹配不同的目标空间。根据方框94-102描述的过程序列可迭代重复直至将粒子分类到粒子群,或者直至没有其它目标空间可用于评估。当在方框102确定没有其它目标空间可用于评估时,则如方框104中所表示的,该方法可包括将粒子分类到拒绝类。
一般,任何数量的目标空间可被用于图6中概述的分类技术,包括1到测定中包括的粒子群的数量之间的任何数量。在某些实施例中,可有利的是,使不同配置的目标空间可用于评估,以便可考虑非统一尺寸的分类区域。特别的,可用于评估的目标空间越多,则允许分类区域配置中的更大的可变性,其进而可更好地表示测定中的不同粒子群,并且产生更高的收集效率。具有可用于评估的更多个目标空间的缺点是存储每个目标空间的配置所需要的存储量。因此,在某些实施例中,可有利的是,限制可用于图6中概述的分类技术的评估的目标空间的数量。如以下更详细描述的,当使用表示多个分类区域配置的目标空间时,图11和12中概述的技术帮助减小对存储器存储的需求,因此,在某些情况下,使用这样的技术可以是特别有利的。根据图11和12描述的技术也可用于图7中概述的方法,因此在图7的描述之后描述根据图11和12描述的技术。
图7描述了用于对粒子进行分类的可替换过程的流程图。该过程与图6示出的过程的类似之处在于,其包括根据方框90、92、98、102、103和104所描述的过程步骤。以上关于图6描述的过程步骤的具体细节可应用于图7中示出的相应处理步骤,并且为了简明不再重复。通过包括方框106、108和109(即,替代图6中的方框94、96和98),图7中用于对粒子进行分类的过程不同于图6中概述的方法。特别的,不是平移与方框92中识别的单元位置对应的数据以试图匹配目标空间于已知位置,图7中的方框106、108和109指向平移目标空间以试图包围对应于粒子的已获得数据的被识别单元位置。
更具体的,方框106包括将位于分类矩阵中已知位置处的目标空间平移预定的坐标路径,并且方框108确定平移后的目标空间是否包围对应于粒子的已获得数据的、分类矩阵的被识别单元位置。以类似于如根据图6所描述的方式来表征预定的坐标路径,因此为了简明不再重复。应当指出,在方框92包括识别分类矩阵的包括被识别的单元位置的段的实施例中,方框106可包括将目标空间平移与被识别的段相关联的预定坐标路径。但是,识别分类矩阵的相应段以及将目标空间平移与被识别的段相关联的预定坐标路径是可选的。为了描述目标空间的平移,图9示出分类矩阵中的目标空间的示例性图形表示,其中,该目标空间以预定的坐标路径被平移至被识别的单元位置(即,目标空间被表示为交叉影线的椭圆区域,目标路径用虚线表示,而被识别的单元位置用星号表示)。
如图7所示,当在方框108确定平移后的目标空间包围了被识别的单元位置时,那么该方法进行到方框98以将粒子分类到与预定的坐标路径相关联的粒子群。相反,如果在方框108确定平移后的目标空间没有包围被识别的单元位置,那么该过程继续到方框109,在方框109中,确定目标空间是否已被平移了预定数量的不同坐标路径。坐标路径的预定数量可随系统和测定应用的不同而不同。在方框109之后的过程步骤序列类似于图6中在方框100之后的过程步骤序列,因此为了简明不再重复。
如图7的方框106所表示的,目标空间位于分类矩阵中的已知位置。已知位置可以是分类矩阵中的任意位置。在某些实施例中,目标空间可包括构建分类矩阵的轴的原点,而在特定情况下,目标空间可以以原点为中心。一般,目标空间可以是任何配置(即,大小、形状等)。关于根据图6所描述的方法,目标空间可以表示单个分类区域配置或彼此堆叠的多个分类区域配置。换言之,目标区域可包括单个分类区域配置的边缘,或以同一点为中心的多个分类区域的边缘。以下关于图11和12更详细地概述和描述了示例性过程,其用于确定目标空间是否可被平移到这样的多个分类区域,以及目标空间可被平移到这样的多个分类区域中的哪一个。
应当指出,根据图6和7所描述的方法之间的差异提供了不同的优点,所以可取决于应用来确定使用哪个方法。例如,根据图6所描述的方法提供了优点,其相对于平移整个目标形状,使用相对较少的运算来平移与被识别的单元位置相关联的数据。这是因为平移涉及被平移的每个项目的每个单元位置的加运算或减运算。目标空间典型地由数十、数百或甚至数千个单元位置组成,因此相比于如根据图6所教导的平移关联于单个单元位置的数据,平移目标空间涉及更多的计算。因此,图6中呈现的方法涉及更少的计算,因此在某些实施例中可提供比图7中呈现的方法显著地更快的处理时间。但是,在某些情况下,因为相比于平移对应于单个单元位置的数据,图7中呈现的方法可涉及平移目标空间更少次数,所以图7中呈现的方法可提供比图6中呈现的方法更快的处理时间。特别的,由于目标空间一般跨越数十、数百或甚至数千个单元位置,因此相比于试图平移与分类矩阵中的单个单元位置相关联的数据,用来包围分类矩阵从而判断目标空间是否包围特定单元位置所需要的坐标路径的数量将花费更少的迭代次数。
如以上所指出的,图11和12描述了示例性技术的流程图,这些示例性技术用于确定当在根据图6和7描述的方法之一中使用表示多个分类区域配置的目标空间时,信息是否可被平移到多个分类区域配置,以及信息可被平移到多个分类区域配置中的哪一个。特别的,图11和12描述了示例性方法的流程图,这些示例性方法用于确定平移后的信息是否在目标空间内匹配,或者是否包围分类矩阵的被识别的单元位置(即,分别涉及图6和7的方框96和108)。并且,假如是这样的话,图11和12中概述的方法进一步确定与目标空间相关联的多个分类区域配置中的哪一个对应于用于平移的预定的坐标路径。图10描述了表示4个不同分类形状的示例性目标空间。结合根据图11和12所描述的过程来描述图10。图10中描述的不同配置形状分别被称为形状1-4。形状1是相对小的圆形设计,而图形2是包围形状1的、相对较大的圆环。形状3和4各自包括从形状2的圆形体延伸的附属部分。如本文所使用的,术语“分类形状”一般指具有这样的配置的目标空间的不同区域,该配置是分类矩阵的一个或更多个分类区域配置中的至少一部分的表示。
如图11所示,其中概述的过程可包括方框110,在方框110中,在平移过程期间检测代表包括目标空间的多个分类形状之一的代码。更具体的,当将对应于被识别的单元位置的数据平移预定的坐标路径,以及作为结果地在目标空间内匹配时,可检测代表目标空间的多个分类形状之一的代码。可替选地,当将对应于被识别的单元位置的数据平移预定的坐标路径,以及作为结果地包围被识别的单元位置时,可检测代表目标空间的多个分类形状之一的代码。例如,当图10中描述的示例性目标空间用于上述两种情况之一时,可检测代码1-4中的任一个。如方框112所表示的,该方法还包括识别与数据或目标空间被平移的预定坐标路径相关联的粒子群以检测代码。这种识别过程一般可涉及参考能够被访问的数据库或查找表,在某些情况下,用存储介质和/或执行该过程的系统来存储该数据库或查找表。以下在表3中示出用于识别粒子群的示例性查找表,但是这样的表仅仅是示例性的,并且不应该被解释成限制识别过程的范围。例如,坐标路径不限于三维的,粒子群的数量也不限于500。
坐标路径 | 粒子群 |
(1,0,0) | 1 |
(1,1,0) | 2 |
… | … |
(X,X,X) | 500 |
表3:基于平移坐标路径识别粒子群的示例性查找表
当在方框112中识别与用于平移分类矩阵中信息的坐标路径相关联的粒子群后,该方法继续到方框114以将方框110中概述的过程中检测到的代码同与被识别的粒子群相关联的有效形状代码列表进行比较。其后,如方框116中所表示的,该方法包括确定检测到的代码是否有效。如同方框112一样,这种比较过程一般可涉及参考能够被访问的数据库或查找表,在某些情况下,用存储介质和/或执行该过程的系统来存储该数据库或查找表。特别的,在某些实施例中,将检测到的代码与有效形状代码的列表进行比较的过程(即,图11的方框114)可包括识别测定中包括的每个粒子群的有效形状代码寄存器列表中的有效形状代码列表。以下在表4中示出示例性查找表,其用于使用这种技术来验证检测到的代码,但是这样的表仅仅是示例性的,并且不应该被解释成限制验证过程的范围。例如,粒子群的数量以及与粒子群相关联的有效分类形状的数量不限于表中所表示的数量。
粒子群 | 有效形状代码 |
1 | 1,2,3 |
2 | 2,3 |
… | … |
500 | 1,2,3,4 |
表4用于验证与被识别的粒子群相关联的代码的示例性查找表
关于图11的方框110-116中概述的过程,使用表3和4以及图10中描述的目标空间,描述了若干不同场景以解释使用目标空间形状验证分类过程的过程,其中,该目标空间形状代表多个分类区域配置。例如,在实施例中,关于图10中描述的目标空间,针对110中概述的过程检测到代码“2”,并且平移过程中使用的坐标路径是(1,1,0),然后根据表3,与坐标路径相关联的粒子群是2,并且根据表4,针对这样的粒子群检测到的代码是有效的。相反,在实施例中,关于图10中描述的目标空间,针对110中概述的过程检测到代码“1”,并且平移过程中使用的坐标路径是(1,1,0),然后根据表3,与坐标路径相关联的粒子群是2,并且根据表4,针对这样的粒子群检测到的代码不是有效的。
用于将方框110中概述的过程中所检测到的代码与有效形状代码的列表进行比较(即,图11中的方框114)的替换过程可包括图12中示出的流程图中所概述的过程步骤。特别的,如图12的方框120中所指出的,在图11的方框114中将检测到的代码与有效形状代码进行比较的过程可包括,首先参照代表第一寄存器中与被识别的粒子群相关联的一团形状代码的指示器。另外,如图12的方框122中所指出的,该过程可包括,识别不同的第二寄存器中与被参照的指示器相关联的有效形状代码的列表。如以上所指出的描述,这种参照和识别过程一般可涉及参考能够被访问的数据库或查找表,在某些情况下,用存储介质和/或执行该过程的系统来存储该数据库或查找表。以下在表5和6中分别示出用于参照配置代码的指示器以及识别有效分类代码的相应列表的示例性查找表,但是这样的表是示例性的并且不应当被理解成限制这该过程的范围。例如,粒子群的数量、形状代码指示器的数量和有效形状代码的数量不限于表中所指出的数量。
粒子群 | 配置指示器 |
1 | A |
2 | B |
3 | A |
4 | C |
… | … |
500 | B |
表5:用于参照与被识别的粒子群相关联的配置指示器的示例性查找表
配置指示器 | 有效形状代码 |
A | 1,2,3 |
B | 1,2 |
C | 1,2,4 |
表6:用于验证与被识别的配置指示器相关联的代码的示例性查找表
使用与图12的方框120和122中概述的过程有关的表5和6,描述了若干不同的场景以确定图11的方框110中概述的过程中检测到的代码是否有效。例如,在针对图11中的110中概述的过程检测到代码“2”,并且针对图11的112中概述的过程识别的粒子群为2的实施例中,根据表5,配置指示器“B”被参照用于粒子群“2”,并且根据表6,检测到的代码对于这样的配置指示器是有效的。相反,在针对图11中的110中概述的过程检测到代码“4”,并且针对图11的112中概述的过程识别的粒子群为2的实施例中,根据表5,配置指示器“B”被参照用于粒子群“2”,并且根据表6,检测到的代码对于这样的配置指示器不是有效的。
图12中概述的过程步骤所提供的益处是有潜力显著减少存储需求,尤其是当目标空间中包括许多分类区域配置(例如,大于5个分类区域配置)时。更具体的,当需要为每个粒子群存储若干有效形状代码中的一个或更多个时,系统的存储使用显著增加。但是,图12中所涉及的过程步骤及伴随的数据库允许为每个粒子群存储更少的代码,因此执行这样的功能需要更少的存储。
不考虑用于图11中的方框114的过程,该方法继续到方框116以确定检测到的代码对于被识别的粒子群是否有效。当确定检测到的代码对于被识别的粒子群是有效的,该方法继续到方框119,以根据关于图6和7使用哪个方法而声明平移后的数据在目标空间内匹配或者平移后的目标空间包围了被识别的单元位置。相反,当确定检测到的代码对于被识别的粒子群是无效的,该方法继续到方框118,在方框118,根据关于图6和7使用哪个方法,声明平移后的数据未在目标空间内匹配或者平移后的目标空间未包围被识别的单元位置。
为了帮助描述本文中使用的术语中的一些术语,提供了下面的定义:粒子群(Particle Population)-具有相似属性的粒子的集合
粒子群种类(Particle Population Category)-粒子群的一个或更多个参数的可能测量值的组
分类矩阵(Classification Matrix)-对应于用于分类的粒子的测量参数的值(真实的或虚拟的)的阵列
分类区域(Classification Region)-一群粒子可被分类到的分类矩阵的区域
分类区域配置(Classification Region Configuration)-用分类区域的形状、大小等表征的分类区域的成套化设计
目标空间(Target Space)-具有边界的有界区域,其是彼此堆叠的一个或更多个分类区域配置的指示
单元位置(Unit Location)-分类矩阵中的特定坐标点
分类形状(Classification Shape)-具有这样的配置的目标空间的不同区域,该配置是分类矩阵的一个或更多个分类区域配置中的至少一部分的表示
根据本公开,本领域技术人员将理解,本发明被认为是提供了用于配置测定分析系统的分类矩阵中的分类区域的方法、存储介质和系统,以及用于对测定的粒子进行分类的方法、存储介质和系统。由于本说明书,本领域技术人员容易想到本发明的各方面的进一步修改和替选实施例。因此,本说明书被解释为仅是说明性的,并且其目的是为了教导本领域技术人员实现本发明的一般方式。应当理解,本文中示出和描述的发明的形式被视为目前优选的实施例。元件和材料可被本文中说明和描述的那些替代,部分和处理可被保留,发明的某些特征可被单独使用,在了解本发明的说明书后,所有这些对本领域技术人员来说都是容易想到的。在不偏离如下面权利要求所描述的发明的精神和范围的情况下,可对本文中描述的元件进行改变。
附记:
附记1.一种包括程序指令的存储介质,所述程序指令能够被处理器执行以用于:
识别分类矩阵中的多个分类区域,所述分类矩阵由与被配置成用于测定分析的粒子的一个或更多个可测量参数相关联的值的各范围所构建;以及
将被共同分配给所述多个分类区域中的两个或更多个分类区域的单元位置再分配为非分类区域。
附记2.如附记1所述的存储介质,其中,所述程序指令还能够被所述处理器执行以用于进一步将与所述共同分配的单元位置邻近的单元位置再分配为非分类区域。
附记3.如附记1所述的存储介质,其中,所述程序指令还能够被所述处理器执行以用于:
在将所述分类矩阵的单元位置再分配为非分类区域之前,计算所述分类矩阵中的所述共同分配的单元位置的数量;
当计算出的共同分配的单元位置的数量在预定阈值以上时,调整所述多个分类区域中的一个或更多个分类区域的一个或更多个空间属性值;
在调整所述分类区域中的一个或更多个分类区域的一个或更多个空间属性值之后,识别所述分类矩阵中被共同分配给所述分类区域中的两个或更多个分类区域的单元位置;以及
迭代执行以下步骤:计算所述分类矩阵中的所述共同分配的单元位置的数量;调整所述多个分类区域中的一个或更多个分类区域的一个或更多个空间属性值;以及识别所述分类矩阵中被共同分配给所述分类区域中的两个或更多个分类区域的单元位置,直至所述分类矩阵中被共同分配的单元位置的数量被计算为等于或小于所述预定阈值为止,其中,所述用于将所述分类矩阵的单元位置再分配为非分类区域的程序指令包括用于将与下述分类区域相关联的共同分配的单元位置再分配为非分类区域的程序指令:所述分类区域使被计算出的共同分配的单元位置的数量等于或小于所述预定阈值。
附记4.如附记1所述的存储介质,其中,所述程序指令还能够被所述处理器执行以用于:
在将所述分类矩阵的单元位置再分配为非分类区域之前,计算所述分类矩阵中的所述共同分配的单元位置的数量;
调整所述多个分类区域中的一个或更多个分类区域的一个或更多个空间属性值;
在调整所述分类区域中的一个或更多个分类区域的一个或更多个空间属性值之后,识别所述分类矩阵中被共同分配给所述分类区域中的两个或更多个分类区域的单元位置;以及
以预定次数迭代执行以下步骤:计算所述分类矩阵中的所述共同分配的单元位置的数量,调整所述多个分类区域中的一个或更多个分类区域的一个或更多个空间属性值,以及识别所述分类矩阵中被共同分配给所述分类区域中的两个或更多个分类区域的单元位置,其中,所述用于将所述分类矩阵的单元位置再分配为非分类区域的程序指令包括用于将与下述分类区域相关联的共同分配的单元位置再分配为非分类区域的程序指令:所述分类区域具有最小数量的共同分配的单元位置。
附记5.如附记3所述的存储介质,其中,所述多个分类区域是椭圆形的,并且其中,所述用于调整一个或更多个空间属性值的程序指令包括调整所述多个分类区域的长轴、短轴、仰角以及方位角中至少之一的值。
附记6.如附记1所述的存储介质,其中,所述程序指令还能够被所述处理器执行以用于:
获取对应于多个粒子的可测量参数的数据;
识别所述分类矩阵中所述数据中的至少一些所对应的单元位置;
相对于所述多个分类区域计算所述多个粒子的分类效率;
当计算出的分类效率在预定阈值以下时,调整所述多个分类区域中的一个或更多个分类区域的一个或更多个空间属性值;
重复以下步骤:计算分类效率,以及当计算出的分类效率在预定阈值以下时调整一个或更多个空间属性值,直至分类效率等于或大于所述预定阈值为止。
附记7.如附记6所述的存储介质,其中,所述程序指令还能够被所述处理器执行以用于重复以下步骤:计算分类效率,以及在将所述分类矩阵的单元位置再分配为非分类区域的步骤之前调整一个或更多个空间属性值。
附记8.如附记6所述的存储介质,其中,所述程序指令还能够被所述处理器执行以用于重复以下步骤:计算分类效率,以及在将所述分类矩阵的单元位置再分配为非分类区域的步骤之后调整所述一个或更多个空间属性值。
附记9.一种系统,包括:
处理器;以及
存储介质,包括程序指令,所述程序指令能够被所述处理器执行以用于:
将对应于测定粒子群种类中的点的第一值数学变换成第二值;
将所述第二值转换成第一整数;
通过将变换公式应用到所述第一整数来将所述第一整数数学变换成第三值,其中,所述变换公式与用于数学变换所述第一值的变换公式相逆;
将所述第三值转换成第二整数;以及
将所述第二整数指定为所述测定粒子群种类中的所述点的替代值。
附记10.如附记9所述的系统,其中,所述用于数学变换对应于所述测定粒子群种类中的所述点的所述第一值的程序指令包括用于数学变换对应于所述测定粒子群种类的中心点的值的程序指令。
附记11.如附记9所述的系统,还包括用于将所述第二整数指定为用于对用于测定分析的粒子群进行染色的目标的程序指令。
附记12.如附记9的系统,其中,所述用于数学变换所述第一值的程序指令包括用于以基于对数的公式、包括指数的公式、包括幂的公式、包括二项式的公式、包括泰勒级数或麦克劳林级数的公式、包括参数方程的公式、包括坐标变换的公式或将所述第一值乘以或加上常数的公式来数学变换所述第一值的程序指令。
附记13.如附记9所述的系统,还包括程序指令,用于:
通过将用于数学变换所述第一值的变换公式应用到所述第二整数来将所述第二整数数学变换成第四值;
计算所述第四值与其最接近整数之间的差;以及
当计算出的差大于预定阈值时,取消将所述第二整数指定为所述替代值。
附记14.如附记9所述的系统,还包括程序指令,用于:
通过将用于数学变换所述第一值的变换公式应用到所述第二整数来将所述第二整数数学变换成第四值;
计算所述第四值与其最接近整数之间的第一差;
计算所述第二值与其最接近整数之间的第二差;以及
当确定所述第二差小于所述第一差时,取消将所述第二整数指定为所述替代值。
附记15.如附记9所述的系统,其中,所述程序指令还能够被所述处理器执行以用于:
针对多个不同测定粒子群种类中的每个,重复以下步骤:将对应于相应测定粒子群种类中的点的第一值数学变换成第二值,将所述第二值转换成第一整数,通过将与用于数学变换所述第一值的变换公式相逆的公式应用到所述第一整数来将所述第一整数数学变换成第三值,将所述第三值转换成第二整数,以及将所述第二整数指定为对应于所述相应测定粒子群种类中的所述点的替代值;
通过将用于数学变换与所述多个不同测定粒子群种类中的每个中的点相对应的所述第一值的变换公式应用到所述第二整数,将针对所述多个不同测定粒子群种类中的每个而计算的所述第二整数中的每个数学变换成各第四值;
计算所述第四值与其各自最接近整数之间的差;
计算预定阈值以上的所述差的比例;以及
当计算出的比例大于预定水平时,取消将所述第二整数指定为所述替代值。
附记16.一种方法,包括:
获取对应于粒子的可测量参数的数据;
识别分类矩阵中单个粒子的所述数据中的至少一些所对应的单元位置,其中,所述分类矩阵由与所述可测量参数的至少之一相关联的值所构建;
将对应于所述被识别的单元位置的数据在所述分类矩阵中平移预定坐标路径;
确定经平移的数据是否在所述分类矩阵中预定位置处的目标空间内匹配;
重复以下步骤:平移所述数据;以及针对所述分类矩阵中的不同预定坐标路径确定经平移的数据是否在所述目标空间内匹配,直至做出两个结论性动作之一为止,其中所述两个结论性动作包括:
确定所述经平移的数据在所述目标空间内匹配;以及
在没有确定所述经平移的数据在所述目标空间内匹配的情况下,
将所述数据平移预定数量的预定坐标路径;
当确定所述经平移的数据在所述目标空间内匹配时,将所述粒子分类到与这样的预定坐标路径相关联的粒子群:所述数据经平移所述预定坐标路径而匹配到所述目标空间内;以及
当将所述数据平移所述预定数量的预定坐标路径而没有确定所述经平移的数据在所述目标空间内匹配时,执行两个动作项之一,其中所述动作项包括:
如果没有其它目标空间能够用于评估,则将所述粒子分类到拒绝类;以及
重复以下步骤:平移所述数据,以及确定经由所述预定坐标路径平移的数据是否在不同的目标空间内匹配,直至做出所述两个决定性动作之一为止。
附记17.如附记16所述的方法,其中,所述识别分类矩阵中的单元位置的步骤还包括识别所述分类矩阵的包括所述单元位置的段,并且其中所述平移所述数据的步骤包括以与所述被识别的段相关联的预定坐标路径平移所述数据。
附记18.如附记16所述的方法,其中,所述目标空间和所述不同目标空间的至少之一包括单个分类区域配置的边缘。
附记19.如附记16所述的方法,其中,所述目标空间和所述不同目标空间的至少之一包括以同一点为中心的多个分类区域配置的边缘。
附记20.如附记19所述的方法,其中,所述确定所述经平移的数据是否在所述目标空间内匹配的步骤包括:
在平移所述数据的步骤过程中,检测代表包括所述目标空间的多个分类形状之一的代码;
识别与所述数据被平移的预定坐标路径相关联的粒子群以检测所述代码;
将检测到的代码和与被识别的粒子群相关联的有效形状代码的列表进行比较;
当确定所检测到的代码被列为所述被识别的粒子群的有效形状代码时,确定所述经平移的数据在所述目标空间内匹配;以及
当确定所检测到的代码未被列为所述被识别的粒子群的有效形状代码时,确定所述经平移的数据未在所述目标空间内匹配。
附记21.如附记20所述的方法,其中,所述将所述检测到的代码与有效形状代码的列表进行比较的步骤包括识别寄存器中的有效形状代码的列表,其列出所述分类矩阵中所包括的每个粒子群的有效形状代码。
附记22.如附记20所述的方法,其中,所述将所述检测到的代码与有效形状代码的列表进行比较的步骤包括:
参照代表第一寄存器中与所述被识别的粒子群相关联的一团形状代码的指示器;以及
识别不同的第二寄存器中与所参照的指示器相关联的有效形状代码的列表。
附记23.一种包括程序指令的存储介质,所述程序指令能够被处理器执行以用于:
获取对应于粒子的可测量参数的数据;
识别分类矩阵中单个粒子的所述数据中的至少一些所对应的单元位置,其中,所述分类矩阵由与所述可测量参数的至少之一相关联的值所构建;
将所述分类矩阵中已知位置处的目标空间在所述分类矩阵中平移预定坐标路径;
确定经平移的目标空间是否包围所述分类矩阵的所述被识别的单元位置;
重复以下步骤:平移所述目标空间,以及针对所述分类矩阵中的不同预定坐标路径确定所述经平移的目标空间是否包围所述被识别的单元位置,直至做出两个结论性动作之一为止,其中所述两个结论性动作包括:
确定所述经平移的目标空间包围所述被识别的单元位置;以及
将所述目标空间平移预定数量的预定坐标路径而没有确定所述
目标空间包围所述被识别的单元位置;
当确定所述经平移的目标空间包围所述被识别的单元位置时,将所述粒子分类到与这样的预定坐标路径相关联的粒子群:所述目标空间被平移所述预定坐标路径而包围所述被识别的单元位置;以及
当将所述目标空间平移预定数量的预定坐标路径而没有确定所述经平移的目标空间包围所述被识别的单元位置时,执行两个动作项之一,其中所述动作项包括:
如果没有其它目标空间能够用于评估,则将粒子分类到拒绝类;
以及
重复以下步骤:平移不同目标空间,以及确定经由所述预定坐标路径平移的所述不同目标空间是否包围所述被识别的单元位置,直至做出所述两个决定性动作之一为止。
附记24.如附记23所述的存储介质,其中,用于识别分类矩阵中单元位置的程序指令还包括用于识别所述分类矩阵的包括所述单元位置的段的程序指令,并且其中,用于平移所述目标空间的程序指令包括用于以与所述被识别的段相关联的预定坐标路径平移所述目标空间的程序指令。
附记25.如附记23所述的存储介质,其中,所述目标空间和所述不同目标空间的至少之一包括单个分类区域配置的边缘。
附记26.如附记23所述的存储介质,其中,所述目标空间和所述不同目标空间至少之一包括以同一点为中心的多个分类区域配置的边缘。
附记27.如附记26所述的存储介质,其中,用于确定所述经平移的目标空间是否包围所述被识别的单元位置的程序指令包括用于以下操作的程序指令:
在平移所述目标空间的步骤过程中,检测代表包括所述目标空间的多个分类形状之一的代码;
识别与所述目标空间被平移的预定坐标路径相关联的粒子群以检测所述代码;
将检测到的代码和与所述被识别的粒子群相关联的有效形状代码的列表进行比较;
当确定所述检测到的代码被列为所述被识别的粒子群的有效形状代码时,确定所述经平移的目标空间包围所述被识别的单元位置;以及
当确定所述检测到的代码未被列为所述被识别的粒子群的有效形状代码时,确定所述经平移的目标空间未包围所述被识别的单元位置。
附记28.如附记27所述的存储介质,其中,将所述检测到的代码与有效形状代码的列表进行比较的程序指令包括用于识别寄存器中的有效形状代码列表的程序指令,所述有效形状代码列表列出所述分类矩阵中包括的每个粒子群的有效形状代码。
附记29.如附记27所述的存储介质,其中,将所述检测到的代码与有效分类代码的列表进行比较的程序指令包括用于以下操作的程序指令:
参照代表第一寄存器中与所述被识别的粒子群相关联的一团形状代码的指示器;以及
识别不同的第二寄存器中与所参照的指示器相关联的有效形状代码的列表。
Claims (10)
1.一种包括程序指令的存储介质,所述程序指令能够被处理器执行以用于:
识别分类矩阵中的多个分类区域,所述分类矩阵由与被配置成用于测定分析的粒子的一个或更多个可测量参数相关联的值的各范围所构建;
计算所述分类矩阵中的共同分配的单元位置的数量;
调整所述多个分类区域中的一个或更多个分类区域的一个或更多个空间属性值;
在调整所述分类区域中的一个或更多个分类区域的一个或更多个空间属性值之后,识别所述分类矩阵中被共同分配给所述分类区域中的两个或更多个分类区域的单元位置;以及
将被共同分配给所述多个分类区域中的两个或更多个分类区域的单元位置再分配为非分类区域。
2.如权利要求1所述的存储介质,其中,所述程序指令还能够被所述处理器执行以用于进一步将与所述共同分配的单元位置邻近的单元位置再分配为非分类区域。
3.如权利要求1所述的存储介质,
其中,当计算出共同分配的单元位置的数量在预定阈值以上时,调整所述多个分类区域中的所述一个或更多个分类区域的所述一个或更多个空间属性值,以及其中,所述程序指令还能够被所述处理器执行以用于迭代执行以下步骤:
计算所述分类矩阵中的所述共同分配的单元位置的数量;调整所述多个分类区域中的一个或更多个分类区域的一个或更多个空间属性值;以及识别所述分类矩阵中被共同分配给所述分类区域中的两个或更多个分类区域的单元位置,直至所述分类矩阵中共同分配的单元位置的数量被计算为等于或小于所述预定阈值为止,
其中,所述用于将所述分类矩阵的单元位置再分配为非分类区域的程序指令包括用于将与下述分类区域相关联的共同分配的单元位置再分配为非分类区域的程序指令:所述分类区域使被计算出的共同分配的单元位置的数量等于或小于所述预定阈值。
4.如权利要求1所述的存储介质,其中,所述程序指令还能够被所述处理器执行以用于以预定次数迭代执行以下步骤:计算所述分类矩阵中的所述共同分配的单元位置的数量,调整所述多个分类区域中的一个或更多个分类区域的一个或更多个空间属性值,以及识别所述分类矩阵中被共同分配给所述分类区域中的两个或更多个分类区域的单元位置,
其中,所述用于将所述分类矩阵的单元位置再分配为非分类区域的程序指令包括用于将与下述分类区域相关联的共同分配的单元位置再分配为非分类区域的程序指令:所述分类区域具有最小数量的共同分配的单元位置。
5.如权利要求3所述的存储介质,其中,所述多个分类区域是椭圆形的,并且其中,所述用于调整一个或更多个空间属性值的程序指令包括调整所述多个分类区域的长轴、短轴、仰角以及方位角中至少之一的值。
6.如权利要求1所述的存储介质,其中,所述程序指令还能够被所述处理器执行以用于:
获取对应于多个粒子的可测量参数的数据;
识别所述分类矩阵中所述数据中的至少一些所对应的单元位置;
相对于所述多个分类区域计算所述多个粒子的分类效率;
当计算出的分类效率在预定阈值以下时,调整所述多个分类区域中的一个或更多个分类区域的一个或更多个空间属性值;以及
重复以下步骤:计算分类效率,以及当计算出的分类效率在预定阈值以下时调整一个或更多个空间属性值,直至分类效率等于或大于所述预定阈值为止。
7.如权利要求6所述的存储介质,其中,所述程序指令还能够被所述处理器执行以用于重复以下步骤:计算分类效率,以及在将所述分类矩阵的单元位置再分配为非分类区域的步骤之前调整一个或更多个空间属性值。
8.如权利要求6所述的存储介质,其中,所述程序指令还能够被所述处理器执行以用于重复以下步骤:计算分类效率,以及在将所述分类矩阵的单元位置再分配为非分类区域的步骤之后调整所述一个或更多个空间属性值。
9.一种用于配置分类矩阵中的分类区域的方法,所述方法包括以下步骤:
识别分类矩阵中的多个分类区域,所述分类矩阵由与被配置成用于测定分析的粒子的一个或更多个可测量参数相关联的值的各范围所构建;
计算所述分类矩阵中的共同分配的单元位置的数量;
调整所述多个分类区域中的一个或更多个分类区域的一个或更多个空间属性值;
在调整所述分类区域中的一个或更多个分类区域的一个或更多个空间属性值之后,识别所述分类矩阵中被共同分配给所述分类区域中的两个或更多个分类区域的单元位置;以及
将被共同分配给所述多个分类区域中的两个或更多个分类区域的单元位置再分配为非分类区域。
10.如权利要求9所述的方法,进一步包括步骤:
将与所述共同分配的单元位置邻近的单元位置再分配为非分类区域。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US8155808P | 2008-07-17 | 2008-07-17 | |
US61/081,558 | 2008-07-17 | ||
CN200980132161.3A CN102124458B (zh) | 2008-07-17 | 2009-07-17 | 用于配置分析系统的分类矩阵中的分类区域以及对测定的粒子进行分类的方法、存储介质和系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200980132161.3A Division CN102124458B (zh) | 2008-07-17 | 2009-07-17 | 用于配置分析系统的分类矩阵中的分类区域以及对测定的粒子进行分类的方法、存储介质和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104732199A CN104732199A (zh) | 2015-06-24 |
CN104732199B true CN104732199B (zh) | 2018-06-05 |
Family
ID=41531162
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510025722.7A Active CN104732199B (zh) | 2008-07-17 | 2009-07-17 | 用于配置分类矩阵中的分类区域的方法和存储介质 |
CN200980132161.3A Active CN102124458B (zh) | 2008-07-17 | 2009-07-17 | 用于配置分析系统的分类矩阵中的分类区域以及对测定的粒子进行分类的方法、存储介质和系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200980132161.3A Active CN102124458B (zh) | 2008-07-17 | 2009-07-17 | 用于配置分析系统的分类矩阵中的分类区域以及对测定的粒子进行分类的方法、存储介质和系统 |
Country Status (8)
Country | Link |
---|---|
US (1) | US8250021B2 (zh) |
EP (1) | EP2324435B1 (zh) |
JP (1) | JP5694930B2 (zh) |
CN (2) | CN104732199B (zh) |
AU (1) | AU2009270759B2 (zh) |
CA (2) | CA2979457C (zh) |
HK (3) | HK1159781A1 (zh) |
WO (1) | WO2010009424A2 (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2593771B1 (en) | 2010-07-16 | 2019-09-04 | Luminex Corporation | Methods, storage mediums, and systems for analyzing particle quantity and distribution within an imaging region of an assay analysis system and for evaluating the performance of a focusing routing performed on an assay analysis system |
US8977720B2 (en) * | 2010-12-04 | 2015-03-10 | Zhaobing Meng | Internet based hosted system and computer readable medium for modeling analysis |
JP6420976B2 (ja) * | 2014-06-26 | 2018-11-07 | アズビル株式会社 | 粒子検出装置及び粒子の検出方法 |
JP6318026B2 (ja) * | 2014-06-26 | 2018-04-25 | アズビル株式会社 | 粒子検出装置及び粒子の検出方法 |
JP6975474B2 (ja) | 2016-10-21 | 2021-12-01 | ファースト フロンティア ピーティーワイ リミテッドFirst Frontier Pty Ltd | 空気試料の自動分析を実行するためのシステム及び方法 |
AU2019260856A1 (en) | 2018-04-24 | 2020-12-17 | First Frontier Pty Ltd | System and method for performing automated analysis of air samples |
JP2022522263A (ja) * | 2019-01-11 | 2022-04-15 | ベクトン・ディキンソン・アンド・カンパニー | 最適化されたソーティングゲート |
CN110674109B (zh) * | 2019-09-06 | 2024-02-06 | 中国平安财产保险股份有限公司 | 数据导入方法、系统、计算机设备及计算机可读存储介质 |
CN113032943B (zh) * | 2019-12-24 | 2024-04-02 | 深圳迈瑞生物医疗电子股份有限公司 | 样本分析系统及其输入装置、输出装置、区域配置方法 |
CN115187060B (zh) * | 2022-07-08 | 2023-04-18 | 中科三清科技有限公司 | 土地利用数据处理方法、装置、存储介质及电子设备 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1214141A (zh) * | 1996-12-26 | 1999-04-14 | 索尼公司 | 识别装置和识别方法以及学习装置和学习方法 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4661913A (en) * | 1984-09-11 | 1987-04-28 | Becton, Dickinson And Company | Apparatus and method for the detection and classification of articles using flow cytometry techniques |
US4959798B1 (en) * | 1988-06-23 | 1995-06-06 | Total Spectrum Mfg Inc | Robotic television-camera dolly system |
JP2705147B2 (ja) * | 1988-10-24 | 1998-01-26 | オムロン株式会社 | 細胞分析装置 |
US5199576A (en) * | 1991-04-05 | 1993-04-06 | University Of Rochester | System for flexibly sorting particles |
JP3076118B2 (ja) * | 1991-11-27 | 2000-08-14 | シスメックス株式会社 | 粒子計数方法 |
WO1997014028A2 (en) * | 1995-10-11 | 1997-04-17 | Luminex Corporation | Multiplexed analysis of clinical specimens apparatus and method |
US5981180A (en) * | 1995-10-11 | 1999-11-09 | Luminex Corporation | Multiplexed analysis of clinical specimens apparatus and methods |
JP4708605B2 (ja) * | 2000-07-24 | 2011-06-22 | シスメックス株式会社 | 粒子分析装置とその粒子分画方法 |
FR2813959B1 (fr) * | 2000-09-11 | 2002-12-13 | Inst Francais Du Petrole | Methode pour faciliter la reconnaissance d'objets, notamment geologiques, par une technique d'analyse discriminante |
JP2003083894A (ja) * | 2001-09-14 | 2003-03-19 | Sumitomo Electric Ind Ltd | 蛍光値補正方法、蛍光値補正装置、蛍光値補正プログラム及び前記蛍光値補正プログラムを記録した記録媒体 |
US20050164261A1 (en) * | 2001-10-09 | 2005-07-28 | Chandler Don J. | Multiplexed analysis of clinical specimens apparatus and methods |
US8148171B2 (en) * | 2001-10-09 | 2012-04-03 | Luminex Corporation | Multiplexed analysis of clinical specimens apparatus and methods |
KR101135138B1 (ko) * | 2003-08-13 | 2012-04-16 | 루미넥스 코포레이션 | 유세포 분석기식 측정 시스템의 하나 이상의 파라미터의제어 방법 |
US7551763B2 (en) * | 2004-01-14 | 2009-06-23 | Luminex Corporation | Methods for altering one or more parameters of a measurement system |
US20050251347A1 (en) * | 2004-05-05 | 2005-11-10 | Pietro Perona | Automatic visual recognition of biological particles |
JP4649231B2 (ja) * | 2005-02-28 | 2011-03-09 | 株式会社カネカ | フローサイトメータ、細胞の解析方法、細胞解析プログラム、蛍光検出器の感度設定方法および陽性率判定法における基準ゲート設定方法 |
CA2617678A1 (en) * | 2005-08-02 | 2007-02-08 | Luminex Corporation | Methods, data structures, and systems for classifying microparticles |
WO2007035840A2 (en) * | 2005-09-21 | 2007-03-29 | Luminex Corporation | Methods and systems for image data processing |
JP4745030B2 (ja) * | 2005-11-15 | 2011-08-10 | シスメックス株式会社 | 血液分析装置 |
AU2008215155A1 (en) | 2007-02-14 | 2008-08-21 | Newcastle Innovation Limited | An edge detection method and a particle counting method |
-
2009
- 2009-07-17 AU AU2009270759A patent/AU2009270759B2/en active Active
- 2009-07-17 JP JP2011518943A patent/JP5694930B2/ja active Active
- 2009-07-17 US US12/505,224 patent/US8250021B2/en active Active
- 2009-07-17 EP EP09798823.2A patent/EP2324435B1/en active Active
- 2009-07-17 CA CA2979457A patent/CA2979457C/en active Active
- 2009-07-17 WO PCT/US2009/051039 patent/WO2010009424A2/en active Application Filing
- 2009-07-17 CN CN201510025722.7A patent/CN104732199B/zh active Active
- 2009-07-17 CA CA2730982A patent/CA2730982C/en active Active
- 2009-07-17 CN CN200980132161.3A patent/CN102124458B/zh active Active
-
2011
- 2011-12-27 HK HK11113938.5A patent/HK1159781A1/zh unknown
-
2015
- 2015-11-12 HK HK15111160.4A patent/HK1210553A1/zh unknown
- 2015-11-17 HK HK15111307.8A patent/HK1210533A1/zh unknown
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1214141A (zh) * | 1996-12-26 | 1999-04-14 | 索尼公司 | 识别装置和识别方法以及学习装置和学习方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102124458B (zh) | 2015-02-18 |
AU2009270759B2 (en) | 2015-10-01 |
EP2324435B1 (en) | 2018-01-24 |
HK1159781A1 (zh) | 2012-08-03 |
JP5694930B2 (ja) | 2015-04-01 |
WO2010009424A2 (en) | 2010-01-21 |
WO2010009424A3 (en) | 2010-04-01 |
EP2324435A4 (en) | 2014-02-26 |
EP2324435A2 (en) | 2011-05-25 |
HK1210553A1 (zh) | 2016-04-22 |
CA2730982A1 (en) | 2010-01-21 |
AU2009270759A1 (en) | 2010-01-21 |
US8250021B2 (en) | 2012-08-21 |
JP2011528443A (ja) | 2011-11-17 |
HK1210533A1 (zh) | 2016-04-22 |
CA2979457C (en) | 2020-04-28 |
CA2979457A1 (en) | 2010-01-21 |
CA2730982C (en) | 2017-11-14 |
CN104732199A (zh) | 2015-06-24 |
CN102124458A (zh) | 2011-07-13 |
US20100017358A1 (en) | 2010-01-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104732199B (zh) | 用于配置分类矩阵中的分类区域的方法和存储介质 | |
US11733155B2 (en) | Systems and methods for panel design in flow cytometry | |
Cybulski et al. | From voids to Coma: the prevalence of pre-processing in the local Universe | |
Mander et al. | Classification of grass pollen through the quantitative analysis of surface ornamentation and texture | |
CN101981446B (zh) | 用于使用支持向量机分析流式细胞术数据的方法和系统 | |
US20100014741A1 (en) | Methods and apparatus related to gate boundaries within a data space | |
Tessarolo et al. | High uncertainty in the effects of data characteristics on the performance of species distribution models | |
US9183237B2 (en) | Methods and apparatus related to gate boundaries within a data space | |
CN104020135B (zh) | 基于近红外光谱的校正模型建模方法 | |
JP2013246140A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
CN103605711B (zh) | 支持向量机分类器的构造方法及装置、分类方法及装置 | |
CN108596085A (zh) | 基于卷积神经网络的土壤重金属含量检测模型的建立方法 | |
CN108520249A (zh) | 一种细胞分类器的构建方法、装置及系统 | |
WO2021215234A1 (ja) | 情報処理システム、情報処理方法、プログラム、情報処理装置、及び演算装置 | |
Kothari et al. | Neural network analysis of flow cytometry immunophenotype data | |
Pettee et al. | Weakly supervised anomaly detection in the Milky Way | |
Blob et al. | Numerical methods for bonebed analysis | |
CN106778801A (zh) | 用于分析观测对象的类别的方法和装置 | |
CN104699977A (zh) | 利用轻重矿物定量分析物源的方法 | |
Lengyel et al. | Comparison of silhouette-based reallocation methods for vegetation classification | |
US20240038338A1 (en) | System and method for automated flow cytometry data analysis and interpretation | |
US20240183775A1 (en) | Systems and methods for panel design in flow cytometry | |
Steier et al. | Joint Analysis of Transcriptome and Proteome Measurements in Single Cells with totalVI | |
Zedda et al. | Hierarchical Pretrained Backbone Vision Transformer for Image Classification in Histopathology | |
Güzel | Development of a unified analysis framework for multicolor flow cytometry data based on quasi-supervised learning |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 1210533 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |