CN109477748A - 临床分析仪中的短抽吸检测 - Google Patents

Abstract

一个实施例提供了一种用于在临床分析器中检测抽吸的方法，包括：从传感器获取压力测量数据；将压力测量数据转换为频域数据；通过使用滤波器衰减不想要的频率来生成频域数据的清洁版本；将频域数据的清洁版本与一个或多个预定数据点进行比较；以及基于所述比较来确定是否正确地执行了抽吸。本文中描述并要求保护其他方面。

Description

临床分析仪中的短抽吸检测

相关申请的交叉引用

本申请要求2016年7月21日提交的美国临时申请序列号62/365,261的权益，通过引用将其全文并入本文中。

技术领域

本发明一般地涉及一种用于在临床分析仪中检测由于凝块或短抽吸造成的异常抽吸的系统。

背景技术

临床测试是非常精确的过程。因此，结果或测试过程中的任何干扰可能极大地影响被测试的溶液的结果。由于该固有的精密性，对测试过程的监视对于确保最准确的结果而言是至关重要的。此外，由于临床测试的精确性质，方差和公差是非常低的。这些严格的约束可能使得难以确定何时实际发生异常。

例如，在测试过程期间确定计量样品或试剂转移的质量是临床诊断仪器的重要功能。将期望检测的典型故障模式中的一些包括：探头堵塞、样品不足和液体容器中存在的试剂。当前，用于确定抽吸测试的质量的常用方法是在事件期间监视抽吸系统中的压力（例如，图1中示出的系统包括泵101、管102、压力换能器103、探头104和液体容器105）。使用该方法，分析任何当前压力并做出抽吸/分配的质量的确定是可能的。然而，随着抽吸体积减小，并且如果液体（诸如水）被用作工作流体以将泵耦合到探头，则由于由较低的抽吸速度和/或抽吸时间导致的较低的振幅信号，压力信号变得越来越难以分析。这是由于噪声掩盖了测量结果中包含的信息。

因此，存在对确定系统的压力的更精确和准确的方法的需要。

发明内容

实施例涉及用于临床分析仪中的短抽吸检测的系统和方法。

相应地，实施例提供了一种用于在临床分析器中检测抽吸的方法，包括：从传感器获取压力测量数据；将压力测量数据转换为频域数据；通过使用滤波器衰减不想要的频率来生成频域数据的清洁版本；将频域数据的清洁版本与一个或多个预定数据点进行比较；以及基于所述比较来确定是否正确地执行了抽吸。

进一步的实施例提供了一种用于在临床分析器中检测抽吸的信息处置设备，包括：处理器；传感器；存储器设备，所述存储器设备存储指令，所述指令可由处理器执行以：从传感器获取压力测量数据；将压力测量数据转换为频域数据；通过使用滤波器衰减不想要的频率来生成频域数据的清洁版本；将频域数据的清洁版本与一个或多个预定数据点进行比较；以及基于所述比较来确定是否正确地执行了抽吸。

另一个实施例提供了一种用于在临床分析器中检测抽吸的程序产品，包括：存储设备，其中存储有代码，该代码可由处理器执行并包括：从传感器获取压力测量数据的代码；将压力测量数据转换为频域数据的代码；通过使用滤波器衰减不想要的频率来生成频域数据的清洁版本的代码；将频域数据的清洁版本与一个或多个预定数据点进行比较的代码；以及基于所述比较来确定是否正确执行了抽吸的代码。

附图说明

当结合附图阅读时，从以下详细描述最好地理解本发明的前述和其他方面。出于说明本发明的目的，在附图中示出了目前优选的实施例，然而，要理解，本发明不限于所公开的具体手段。附图中包括的是以下图：

图1是具有压力监视的典型计量系统的示例。

图2是来自30μL液体和空气抽吸的压力信号的图形示例。

图3是来自10μL液体和空气抽吸的压力信号的图形示例。

图4是来自20μL液体和空气抽吸的压力信号的图形示例。

图5是来自20μL液体和空气抽吸的滤波的压力信号的图形示例。

图6是8μL液体和空气抽吸的原始压力输出的图形示例。

图7是来自8μL液体和空气抽吸的滤波的压力信号的图形示例。

图8是滤波的压力曲线与针对体积和流速的范围的抽吸速率曲线比较的图形示例。

图9是由于低流速和短抽吸时间而无法与空气区分的抽吸的图形示例。

图10是由于低流速和短抽吸时间而无法与空气区分的抽吸的另一个图形示例。

图11是针对样品抽吸的范围的滤波的抽吸压力曲线的图形示例。

图12是针对试剂抽吸的范围的滤波的抽吸压力曲线的图形示例。

图13是调节滤波器参数对示例压力曲线的影响的图形示例。

图14是调节滤波器参数对示例压力曲线的影响的另一图形示例。

图15是使用滤波的压力和二阶导数形状曲线的短抽吸检测的图形示例。

图16是使用滤波的压力和二阶导数形状曲线的短抽吸检测的另一个图形示例。

图17是20μL/s下的6μL样品抽吸的图形示例。

图18是50μL/s下的6μL原始压力信号和滤波的压力信号的图形示例。

图19是50μL/s下的6μL原始压力信号和滤波的压力信号的另一个图形示例。

图20是50μL/s下的3μL样品抽吸的图形示例。

图21是针对4个关键粘度的压力曲线的图形示例。

图22是如由实施例使用的压力数据的图形示例。

图23是针对各种混合水平检测到的压力的图形示例。

图24是针对各种混合水平检测到的压力的另一个图形示例。

图25是针对具有不同粘度的各种溶液的多个测试统计量集合的图形示例。

图26是粘度与密度统计量的图形示例。

图27是粘度与密度统计量的另一个图形示例。

图28是压力与时间的图形示例。

图29-31是本文中讨论的实施例的进一步的示例。

具体实施方式

本文中的实施例涉及用于检测抽吸异常的监视系统。尽管当前存在一些解决方案，但它们在各种领域中存在不足。一个特别的领域是当抽吸体积减少并且液体被用作工作流体时。有利地，即使在这样的事件期间，实施例的变形的自动化系统也允许精确监视和异常标识。此外，实施例减少了检测中的错误的机会，诸如误报或漏报异常。

通常，对于较大的体积或显著的抽吸异常（例如，完全的探头堵塞），当前的方法足以用于检测。另外，当前的方法的功能在空气耦合的系统中似乎是可能的，因为空气给压力信号提供阻尼。然而，随着抽吸体积减小，并且如果液体（例如水）被用作工作流体以将泵连接到探头，则压力信号将可能变得越来越难以分析。这主要是由于由较低的抽吸速度和/或抽吸时间导致的较低的振幅信号。它还可能是由于系统中固有的噪声使得测量结果中包含的信息而难以辨别的。

该噪声可能是计量系统的动力学的结果。非限制性示例的列表可以包括来自附接到系统的泵、流体系统的共振频率、振动等的噪声。噪声也可能源自系统的外部的源，诸如例如分析仪内的其他部件的振动或来自外部环境的干扰。

现在参考图2，示出了在抽吸液体和空气时检测到的大体积抽吸压力曲线的示例。如图2中所示，两条曲线（在30μL的体积下）之间的说明性差异被清楚地定义，并且非常明显，如由统计的三个标准偏差误差带所指示的那样。该清楚定义的分离在抽吸的结束附近尤其真实（例如，在泵在约105 ms处开始减速之前）。因为差异是如此显著，所以实施例将能够清楚地确定探头抽吸的是空气还是液体。此外，实施例还可以确定液体抽吸是否成功的还是阻塞的，因为阻塞的抽吸通常导致显著更低的压力。替代地，如果抽吸体积被减小到10μL，诸如图3中示出的那样，则抽吸空气和液体之间的差异变得几乎不可能可靠地区分。

因此，实施例可以通过计算一个或多个点处的压力的平均值或中值来解决该问题。虽然这在澄清信号方面可能有点有效，但它不允许在小体积下的压力信号区分。另外，它可能易受较高频噪声的可能相移的影响。例如，如果确定的参考压力曲线和测试压力曲线两者都包含振荡，并且如果振荡是同相的，那么对于待区分的曲线而言，这可以是可能的。替代地，如果振荡相对于两条曲线不是同相的，则曲线重叠是可能的，从而防止它们是与彼此可区分的。由于这些因素，在较低的体积下实现鲁棒的抽吸质量测量结果已经是困难的或几乎不可能的。

为了克服这些障碍，实施例涉及用于生成和分析抽吸或分配压力信号的改进技术。通常，当压力信号中包含的相关信息在1至15 Hz的量级时，其实质上被认为是低频的。如本领域技术人员应该理解的那样，该压力信号基本上是在泵执行抽吸时的压力中的变化。与压力信号相关联的响应图通常是“浴缸”形曲线（即，它从基线水平下降，例如，在抽吸的情况下），在抽吸的大部分期间保持在较低水平处，并且然后在完成抽吸时返回到次级基线水平。可能掩盖信息的其他影响通常具有更高的频率，通常为20-50 Hz或更高。

因此，通过在频域而不是时域中处理信号，可以将该基于频率的信息与信号分离并清除潜在的噪声。作为具体示例，可以通过使用低通滤波变换来减少或消除高频噪声。因此，实施例可以在完全分析之前将低通滤波器应用于原始压力信号。这使得实施例更好地访问关于抽吸的基础信息（即，变化变得更加明显）。

另外，因为在频域而不是时域中完成滤波，所以比较的信号之间的相位差变得无关紧要。因此，不仅实施例确实提高了标识异常的准确性，而且还消除了关于先前监视方法的普遍问题。

在以下非限制性示例中，应用了2阶数字巴特沃斯低通滤波器（例如，具有大约10Hz的截止频率）。然而，应该注意的是，给出以下简化的示例仅用于解释目的。对于本领域普通技术人员将明显的是，可以采用其他类型的滤波器，包括：模拟硬件滤波器和有限冲激响应（FIR）滤波器。

出于说明的目的，本文中示出的变换的压力曲线在滤波之前已经具有应用于数据的-7800的标量偏移。这样做是为了将原始压力曲线置于“零”基础上，从而允许滤波的数据和抽吸曲线之间的连接的更容易的可视化。然而，该定标（即，-7800偏移）对滤波的压力曲线之间的检测到的差异没有影响，并且因此本文中描述的抽吸质量评估的实现不需要该定标。

图4中示出了以150μL/s、持续仅为140 ms的20μL试剂抽吸的示例。图表显示了液体和空气中的每个的30次抽吸的压力曲线。如由图4弄清楚的那样，两个绘制的数据集贯穿抽吸事件重叠。替代地，图5是图4中包含的相同数据的示例说明（即，在相同的相对标度上）。然而，图5中描绘的数据已经经由数字滤波器被变换，如本文中所讨论的那样。因此，实施例能够将液体和空气抽吸压力曲线的集合之间的清楚分离可视化。

参考图6，示出了在8μL样品抽吸期间的压力输出的另一个图形示例。再次，用曲线图表示ABS和空气两者。在该示例中，抽吸持续大约170 ms，并且具有相对低的流速（例如，50μL/s）。另外，该实施例中的数据已被概括为具有围绕每条曲线的三（3）个标准偏差误差带的均值曲线。如可以看到的那样，两条曲线之间的分离是小的，并且误差带在许多区域中重叠。此外，清楚的是，如果相位在空气和液体抽吸之间改变，则在某些情况下将是负分离。

替代地，图7以相同的相对标度（例如，1000个压力计数）图形地显示了应用滤波变换之后的相同数据。抽吸压力的重要部分现在是明显稳定的（图7），并且在抽吸过程的结束附近，存在压力曲线的（一个或多个）均值之间的差异的近十二（12）个标准偏差。因此，在一个实施例中，可以将抽吸的结束附近的液体抽吸压力的测量结果与先前建立的空气抽吸压力基线进行比较，以确定是否已经抽吸了空气或液体。由于两个抽吸压力之间的高统计差异，因此实施例检测到错误抽吸误差的可能性很小或没有。

在另一个实施例中，使用数字实现用于滤波压力信号可以具有以下优点：可以容易地调节滤波器以计及广泛的抽吸条件。作为具体示例，长（例如，500 ms）抽吸可以包含低频（例如，1 Hz）下的抽吸质量信息。因此，可以调节滤波器以衰减仅几赫兹或更多的频率。然而，如果相同的机构也执行短（例如，50 ms）抽吸，则信息可能被包含在10 Hz信号中。因此，实施例可以将衰减增加到更高的频率，以便不降低信号的包含信息的部分。

此外，如果已知噪声频率接近于信息频率，则可以增加滤波器的阶数和/或滤波器的（一个或多个）频带，以在信息频率和衰减的噪声频率之间产生更尖锐的截止（例如，更高的衰减率）。现代数字信号处理器（DSP）擅长执行该类型的信号分析。因此，使用该技术，实施例可以利用以DSP处理来自源处或源附近的换能器的原始压力信号的能力。然后可以将单个数字测量结果传输到主机计算机。该方法将帮助限制用于通信网络上的压力测量过程的带宽使用。

例如，2阶巴特沃斯低通滤波器的数字实现采用以下形式：

其中：

=滤波的数据

=未滤波的数据

=滤波系数。

在一个实施例中，滤波系数可以由期望的截止频率和采样率来定义。该截止频率可以在DSP代码内的滤波器上被实现，以便简化该过程。在其他实施例中，可以确定，对泵运动的加速、回转（slew）和减速阶段使用不同的滤波系数可能是有益的。对整个压力曲线使用相同的滤波系数，这也是可能的。

在另一实施例中，当应用滤波系数的多个集合时，可以在通过数据集的单个遍次期间改变系数。这避免了以分段方式处理数据的任何不连续性。影响压力信号的因素可能是，例如，抽吸期间的压降由以下因素决定：（1）液体或气体性质（例如，密度、动态粘度等）（2）流速，以及（3）探头与管直径和长度。在一个实施例中，这可以借助使用伯努利方程对抽吸的稳态部分的分析来证明如下：

。

其中：

对于层流，

对于的光滑管道中的湍流，。

当比较针对相同探头的两个抽吸事件（例如，空气抽吸与液体抽吸或不同粘度的两个液体抽吸）时，在恒定横截面探头的情况期间，我们可以假设P1（大气）项、动能项、势能项（压头）和次要损失项中的差异在两种情况下基本上是相等的。然而，应该注意的是，在空气抽吸的情况下，在抽吸的过程中，压头项可能稍微变化。因此，假设所述项基本是相等的，具有随后的抽吸之间的最显著差异的项是主要损失项或管道摩擦项。在一个实施例中，临床诊断分析仪可以具有（一个或多个）探头直径和（一个或多个）抽吸速度，使得流动几乎总是强层流的；因此，摩擦损失与雷诺数成反比。因此，如果我们仅考虑主要损失项，则针对压差的驱动因素变得显而易见：

。

因此，在实施例中，两个抽吸之间的压力中的差异（ΔP）可以与流速、探头的长度和两种流体（A和B）之间的粘度中的差异线性相关。此外，两个抽吸之间的压力中的差异可以与直径的四次（4）幂反向相关。因此，实施例的效果可以用较高流速和较小直径探头来最大化压差。

基于本文中讨论的因素，实施例可以包括用于优化移液系统的设计的若干标准，所述移液系统用于使用压力检测来抽吸/分配质量评估。具有压力质量评估的移液系统的设计中的关键因素可以包括，例如：待检测的压力变化必须大于测量噪声（由探头/管直径、抽吸速率和待评估的流体的粘度的范围决定）；抽吸持续时间长于初始压力瞬变（由抽吸体积和速度、流体粘度和流体系统的动力学（例如，管长度、泵加速率等）决定）；并且压力信号噪声（即，系统中存在的不含信息的频率）被包含于尽可能高的频率范围内，使得不应存在低频振动或系统共振（由耦合流速的机构和流体设计决定）。

因此，一旦知道并计及这些因素，就可以使实施例的算法适合于抽吸条件的范围以进行优化分析。图8图形地图示了与滤波的压力曲线对比的示例泵速率曲线（例如，以μL/秒为单位）。一旦实施例应用了滤波器，压力曲线就可以如预期的那样匹配速率曲线。压力的轻微过冲可以被看作是加速阶段期间的压降；这是由于系统的动力学而在压力信号中发生的初始瞬变。在该瞬变期间，压力不是计量质量的可靠指标，并且因此，非常短的抽吸时间使得质量测量困难。

在图9中的5μL抽吸中可以看到该困难。在图11和12中也可以看到抽吸流速的影响。因此，在一个实施例中，随着流速增加，压力降低，无论是抽吸液体还是空气。空气或液体抽吸之间的差异也可能成比例地增加。还应注意，具有相同流速的不同体积的抽吸也具有相似的压降。

相反，在一个实施例中，随着流速减小，液体和空气抽吸之间的差异缩小到差异小于测量的可变性的程度，并且因此，两者是难以区分的。基于此，实施例可以假设针对给定系统的抽吸流速的下限。在图10中可以更仔细地观察该现象，其中20μL/s的流速对于液体和空气表现出基本上相等的稳态压降。有趣的是，对于空气抽吸情况的初始压力瞬态过冲始终大于对于液体抽吸情况的初始压力瞬态过冲。因此，可以使用替代测量来区分两者（例如，在加速的结束时而不是在减速之前评估压差）。在其他的实施例中，可以以更高的泵加速度来增加该初始分离，这产生更大的过冲。

在一个实施例中，抽吸的带宽频率与不想要的压力信号噪声的频率之间的差异是在系统的设计中要考虑的第三因素。理想地，任何噪声在频率上都应显著高于抽吸运动的频率，以易于两者的分离。因此，流体和相关联的机械系统应足够坚硬以避免低频振动。然而，数字滤波器的采用允许相对容易的调节以适应流体的不同操作条件。图13中示出了非限制性示例，其中用2阶10 Hz低通巴特沃斯滤波器对持续140 ms的150μL/s抽吸滤波，并且仍然在压力信号中表现出振荡。在该实施例中，振荡与泵速和系统的动力学相关。因此，无法从系统消除振荡噪声。如果通过某种手段（例如，改变泵速或系统硬件）无法消除或最小化振荡，那么在一个实施例中，可以调节滤波器以产生高于截止频率的更高的频率的衰减。

因此，参考图14，如示出的那样，实施例可以包括与图13相同的数据，但是当滤波器的阶数从二被增加到四时，没有示出振荡。这可能伴随成本发生，即滤波器在响应时较慢；然而，这对于该特定抽吸不重要。因此，该技术的另一个优点是可以使其适合于特定抽吸曲线和机械系统的需要，和/或从一次抽吸到另一次抽吸“即时（on the fly）”改变。

在另一个实施例中，图15中示出了可以如何使用该滤波技术用于对增强的短抽吸的检测的示例。示出了空气和ABS的多次抽吸。在那些液体抽吸中的两个（即，标记为液体不足）期间，可用的液体不足，导致“短”抽吸。转移材料的光度分析揭示，这两个（2）抽吸分别缩短了40％和16％。应该注意的是，虽然在稳态抽吸（~140 ms）的结束时40％短抽吸与正常抽吸清楚地分离，但16％短抽吸有点难以区分。然而，因为滤波的抽吸曲线表现如此良好，所以实施例可以应用二阶导数算法来评估曲线的“形状”。在该分析就位（in place）的情况下，16％短曲线与40％曲线一样可区分，如图16中所示。在本文中所述的滤波技术之前，该类型的“形状”分析不可能在液体耦合系统上执行。

第二示例实施例展示了该技术可以如何被用于优化用于在低体积下进行抽吸质量测量的系统。图17示出了针对20μL/s下的6μL样品抽吸的滤波压力曲线（类似于图9和10）。由于低流速，因此无法区分液体和空气抽吸，因为两者之间的差异小于测量结果中的其他变化。如本文中所述，可以通过减小探头直径或增加流速来放大压差。

因此，实施例可以选择后者并且将抽吸流速增加到50μL/s，借助大约18个标准的分离的偏差，两个压力曲线之间的差异变得清楚，如图18和19中可以看到的那样。滤波的液体抽吸压力信号可以在单个点处（例如，直接在109 ms处泵减速之前）被评估，并且与相同流速下的参考空气抽吸信号比较。如果假定的液体抽吸压力小于预定义的参考值，那么可以说确实抽吸了液体（即，存在足够的样品）。图18和19也是该技术的能力的进一步的示例，因为图19中看到的清楚分离是从非常难以解释的原始压力信号（如图18中所示）获得的。清楚地，在该流速下，可以在与3μL一样低的体积下以有限的信号的分离来分析甚至低于6μL的抽吸体积，诸如图20中所示。

最后，可以注意到，如果通过经过多个抽吸建立均值来获得参考值，则参考信号的有效可变性被降低，并且对于任何给定的条件，参考和测量压力之间的分离（就标准偏差而言）可以被进一步增加。

用于确定抽吸或分配质量的现有方法对于低转移体积已经是无效的，并且限于液体耦合的计量系统中的范围中。因此，实施例提供了改进的技术，该技术在抽吸期间从压力信号提取相关信息，并且然后针对质量抽吸的各种属性对其进行分析。属性可以包括部分或完全堵塞检测、样品短缺或不足检测、液体-液体或液体-空气区分以及抽吸异常。该技术已经被证明适用于至少与3μL一样低的抽吸体积，但如果系统参数被优化，则理论上可以对于任何体积起作用。

因此，实施例提供了一种技术，包括：获取跨越抽吸的持续时间的压力测量结果的集合；在频域中处理压力测量结果的集合并随后衰减不想要的频率；在时域中分析处理的信号，将来自抽吸期间的预定点的一个或多个压力测量结果与预定值或校准值进行比较；使用处理的信号的一阶、二阶或更高阶导数来分析时域中的处理的信号，并将来自抽吸期间的预定点的一个或多个测量结果与预定值或校准值进行比较；并使用那些比较来确定关于抽吸的障碍物、抽吸液体不足、抽吸的流体的类型或异常抽吸事件的抽吸的质量。

其他的实施例还提供：用于优化用于低体积压力测量的系统的方法，该方法包括：设置探头和管直径的大小、抽吸速率和持续时间、待评估的流体的粘度的范围以及调整流体系统的动力学以将噪声频率与信息频率分离。

本文中进一步描述的是用于确定流体是否被成功抽吸或者是否已经发生短抽吸或堵塞的数据处理算法。在一个实施例中，用于确定流体是否被成功抽吸或者是否已经发生短抽吸或堵塞的算法可以基于描述由具有给定粘度和密度的恒定流动流体产生的预期压力曲线的数学模型。实施例可以使用该算法来确定什么粘度和密度参数最好地将模型拟合到观察到的数据。然后，算法可以返回估计的粘度、密度和拟合的优度（goodness）度量，所述拟合的优度度量指示模型拟合观察到的压力数据有多好。在其他实施例中，将误差逻辑应用于三个度量以确定抽吸是否成功或者是否发生堵塞或短抽吸。如果模型良好地拟合数据并且估计的粘度和密度在预期范围内，那么算法认为抽吸成功。如果粘度或密度太大，那么可以假设发生了堵塞。如果两种情况都不保持为真，那么实施例可以假设发生了样品短缺。

现在参考图21，示例图形图示示出了不同粘度（和密度）对它们的压力曲线具有的影响。标记为“0 CP”的曲线表示由空气产生的压力，空气具有0 cp的粘度。标记为“1 CP”的曲线表示由具有粘度为1 cp的水产生的压力。标记为“10 CP”和“20 CP”的曲线表示具有粘度为10和20 cp的水/甘油溶液。随时间抽吸的体积由标记为“体积（μL）”的曲线示出，并且对应于右轴。垂直线之间的区域表示当流体流动是恒定的时间。

因此，该图清楚地示出，随着粘度增加，稳态压降变得更大。这主要是由于克服移动流体通过探头的窄尖端的摩擦阻抗所需的较大的力而造成的。还要注意曲线的稳态斜率。空气具有稍微向上倾斜的压力，而水/甘油溶液在曲线的回转部分期间产生向下倾斜的压力。水具有恒定的斜率，并且一旦达到稳定状态就保持平坦。这是由于由被抽吸的样品的减少/增加重量引起的变化水头压力而造成的。由于系统是水耦合的，因此在抽吸水时重量方面没有变化。当抽吸空气时，随着越来越多的空气被吸入，探头中的流体的总重量持续减少，从而导致向上倾斜。当较重的溶液被吸到探头中时，除了斜率现在是向下的之外，发生相同的影响。

基于这些观察，实施例利用新的数学模型来解释该现象。假设流动是恒定的和层流的，人们可以使用静水原理和Hagen-Poisseville方程的组合来表达方程。考虑到压力感测电子器件的增益和偏移误差，曲线的回转区域中的产生的压力计数由下式给出：

其中：

。

为了估计流体的粘度和密度，实施例利用了将该模型应用于观察到的压力数据的算法。为了这样做，将最佳拟合线应用于压力数据的稳定回转部分。这产生了与粘度和密度两者具有数学关系的线。如在上面的等式中看到的那样，线的斜率m与流体的密度成正比，并且可以被用作流体的描述性统计量。y截距b与流体的粘度直接相关，但还包含由于电子器件的偏移以及由于探头的高度引起的水头压力而导致的不希望的因素。这些不希望的因素不是恒定的，并且将随时间变化。

电子器件中的漂移和探头的垂直位置中的变化（例如，因为流体的水平位置随容器而变化）产生了该变化。估计这些不希望的因素并通过减去抽吸之后发生的静压读数来从y截距计算去除。这产生了与粘度直接相关的测试统计量。此测试统计量的等式由以下等式定义：

其中：

。

注意，在上面的等式中，现在仅包含与流体的粘度成正比的一个项。因此，实施例现在可以通过将最佳拟合线应用于曲线的稳定部分并计算以下测试统计量来从压力曲线推断流体的未知粘度和密度：

。

在另一实施例中，确定拟合的优度度量，以使算法能够捕获部分抽吸。假设实施例涉及清洁抽吸，则观察到的压力将具有恒定的斜率并且良好地拟合线。替代地，如果实施例仅涉及产生不连续性（通常是阶跃变化）的部分抽吸，则它将不会良好地与线拟合。实施例可以计算残差的RMS值以测量拟合的平均误差。然而，该方法具有对需要被捕获的曲线中的突发脉冲进行平均的倾向。因此，实施例可以计算残差的范围，或者最大残差和最小残差之间的差，如：

其中残差通过以下等式来计算：

该有序的统计方法可以检测到任何中断而不对其进行平均。

一旦将探头浸没在液体中，实施例就可以初始化算法。然后，HOST软件可以命令DCM以每次读取的预定采样速率（例如，1 ms、2 ms、3 ms、4 ms等）收集压力数据，而同时抽吸样品。然后，HOST代码可以等待DCM完成其任务，并且然后检索原始压力以进行后处理。原始压力数据的示例由图22中标识为原始压力的曲线示出。绘图中的“x”表示泵被打开和关闭的时间。一旦DCM以数据做出响应，HOST就可以首先获取在泵停止后50 mS发生的三个原始压力读数的平均值。由圆圈示出的该值被存储为CStaticAfterAspiration，并且之后将被用于校准由探头的高度造成的静水头压力的影响。然后，HOST将数字低通滤波器应用于原始数据，从而减少由于外部影响或由于由样品和水耦合系统之间的气隙造成的振荡效应造成的任何噪声。滤波的数据大大地减少了不希望的波动，并且这在图22中示出。

一旦实施例已经对数据滤波，HOST就使用普通最小二乘回归来计算对曲线的稳定部分的最佳拟合线。在泵启动之后和泵开始减速之前的预定时间时应用回归。这些加速和减速延迟的值根据泵速参数而变化。具有圆圈端点的线图示了图22中的回归线。回归产生计算测试统计量所需的估计斜率和y截距。在另一实施例中，HOST计算拟合的残差，找到最大值和最小值，并采取两者之间的差来计算残差范围。在数学上，这由以下等式来表示：

其中：

。

残差范围表示模型拟合观察到的压力曲线有多差。大范围提供了发生部分抽吸的强指示。相反，小范围指示发生完全抽吸。

在一个实施例中，斜率和截距测量可以由HOST软件执行，以通过使用以下等式来计算与流体的粘度和密度成正比的测试统计量：

其中：

。

现在参考图23，示出了粘度计算的图形表示。在一些实施例中，可以计算回转数据点的最小值、最大值、平均值和标准偏差。一旦计算了这些值，然后就可以使用线性回归来拟合线并计算斜率、截距和残差。在一些实施例中，可以通过从曲线中的最终点减去回转区域的确定的最后点来计算粘度度量。这允许确定起始粘度和结束粘度之间的增量。然后，该粘度度量（例如，堵塞增量、残余压力或截留压力）可以被用于如本文中所述的各种计算。

应当理解，在一些实施例中，粘度度量是成功抽吸之前和之后的静压的度量。通常，在抽吸过程的开始和结束时，粘度应该大体上相同。如果抽吸之后的压力显著降低，则可能指示完全或部分探头堵塞已经发生并且截留压力（例如，产生负压室或真空）。因此，在实施例中，可以从最初几个压力点的中值减去曲线中的最终点。如图23中所示，对于每种流体，压力开始于9000左右。然而，到过程的结束为止，明显的是，70％混合物具有低得多的压力。压力中的该变化（即增量）经由标识为“明确堵塞”的括号示出。明显的是，压力大约是原始水平的一半是抽吸过程期间堵塞的指标。

现在参考图24，图24是图23中的数据的放大版本，其示出了水、40％和50％流体返回到接近于原始压力值。然而，60％流体具有250的增量，这可能指示可能的堵塞。图23和24示出了增加粘度的五种溶液的抽吸。在图示的实施例中，抽吸体积是相同的并且使用相同的泵速和硬件来执行。

一旦计算了三个测试统计量（例如，、和），实施例就可以将它们与校准的阈值的集合、、、和进行比较，以确定抽吸是否是成功的。关于如何设置这些值的附加细节可以在本文中找到。在一个实施例中，当且仅当所有的测试统计量都落在以下范围内时，抽吸被认为是成功的。

。

因此，在一个实施例中，如果以上所有条件都为真，那么抽吸被认为是成功的。如果缺乏以上条件中的任何一个条件，那么抽吸被认为是不成功的。在其他的实施例中，为了确定不成功的抽吸是否是堵塞，以下条件中的任何一个条件必须为真：

。

在另一实施例中，如果以上条件都不满足，那么抽吸被认为是短抽吸。图25-27提供了将误差逻辑应用于来自以非常慢的速度抽吸7.8μL流体的实际数据的视觉表示。所述图包含一系列编码的点和x，所述点和x表示来自多个抽吸的测试统计结果。所述点对应于来自如标记的具有粘度为0、1、10和20 cp的流体的完全抽吸的结果。x对应于针对粘度使用相同颜色代码的部分（短）抽吸。例如，x表示来自具有如标记的粘度的流体的部分抽吸的结果。

使用测试统计量，实施例首先检查抽吸是否是成功的。实施例首先通过确保拟合误差低于预定值来检查模型是否良好拟合压力数据。图25显示粘度测试统计量与拟合误差。阴影区域表示其中拟合误差高于阈值的域。落在该区域中的任何点或x将已经被一个实施例认为是不成功的抽吸。在这一点上，该抽吸可能是堵塞或部分抽吸。落在白色区域内的任何点或x都被认为是具有是成功的潜力的某事物的完全抽吸。在该点上处，实施例可能不确定某事物是空气、流体还是完全堵塞。

图25的检查示出了所有x都落在阴影区域中。这指示实施例已经成功地将所有真实的部分抽吸分类为不成功的。此外，注意，0、1和10 CP点落在白色区域内。这示出了实施例已经成功地将所有完全空气、完全1 cp和完全10 cp抽吸分类为完全抽吸，并且因此它们具有是成功的潜力。实施例可以最初将表示20 cp下的堵塞的完全抽吸的20 cp点视为部分抽吸，并且将其从成功排除。然而，如本文中所讨论的，实施例之后将确定这些结果具有太高的粘度和密度，并且将被分类为堵塞（例如，部分或全部）。

一旦实施例确定是否已经发生完全或部分抽吸，实施例然后就检查以查看粘度和密度测试统计量是否落在预期范围内。图26显示了粘度与密度测试统计量。阴影区域表示成功抽吸2601、堵塞2602或空气/短抽吸2603的域。

图26提供了空气和水结果之间的放大视图，以提供视觉清晰度。通过检查图26和27，清楚的是，实施例将所有1 cp和10 cp点视为成功的抽吸。对应于空气的1 cp点落在短区域内，并且将被成功标识为短抽吸。20 cp点落在堵塞区域中，并且将像这样被分类。x的大部分落入空气/短区域中，并且被视为部分抽吸。注意，一个1 cp x落在成功区域内。然而，回想一下，由于该点未能通过拟合误差测试，因此该点已经被排除，如图25中所示，因为它没有落在堵塞区域内，因此它被分类为部分短抽吸。

任何时候更换硬件，包括探头、感测电子器件、管或转移臂内的任何部分，都需要系统校准。所有的这些部件都影响被应用于由算法处理的压力数据的总增益和偏移。因此，被用于对抽吸进行分类的阈值必须反映对压力数据做出的改变。因此，在一个实施例中，应该执行周期性校准以计及长期漂移。

校准需要实施例在空气和水基线上运行算法。首先通过将探头定位在排水站中来执行空气和水基线。对于空气基线，关闭源泉（fountain），并且然后在应用算法时，针对每个泵速，探头抽吸最大量的空气。对于水基线，在源泉打开的情况下重复该过程。这生成针对空气和水两者的粘度、密度和拟合误差测试统计量。一旦收集，软件就使用测试统计量与以下等式来设置阈值限制：

。

发现密度度量计算根据探头相对于测量装置的垂直高度而变化。发现了对计算的进一步改进，所述改进有效地消除了任何探头垂直高度依赖性。

该新的量被称为粘度度量。它是通过从泵运动的回转阶段的结束时获取的读数减去泵运动停止并且系统已经恢复到静态状态之后获取的压力读数来计算的。已经发现该度量在标识短抽吸和部分或完全探头障碍或堵塞时是非常有用的。

关于系统增益效应，即使在那些系统的硬件、电子器件和软件名义上是相同的时，也由系统之间的增益差异使得针对计算的粘度度量值设置误差限制更加困难。执行以上计算以确定在抽吸空气时的粘度度量，这是可能的。由每个探头使用泵参数的一个或多个集合来执行的空气抽吸可以被用于有效基线系统增益。

可以从由相同装置并使用相同的泵参数执行流体抽吸之后计算的粘度度量减去“空气基线”粘度度量。发现得到的元值有效地使度量规格化并抵消了任何系统增益效应。

必须计及温度效应和温度梯度，温度效应和温度梯度可以改变流体粘度。因此，当探头向下穿过井时，实施例可以看到试剂压力曲线中的轻微趋势。关于温度效应的进一步的细节可以在图29-31处看到。

如本文中所讨论的，存在用于在临床分析仪中检测抽吸的各种实施例。因此，基于本文中公开的能力，其他的实施例可以确定是否正确地完成了短抽吸（例如，没有堵塞或短抽吸）。一旦实施例可以确定正确地完成了哪些抽吸，就可以在临床测定中记录或分析来自那些抽吸的数据。应该理解，临床分析可以针对任何分析物。因此，使用本文中描述的技术和工具可以更准确地验证各种过程和测试假设。因此，实施例是对当前现有技术的技术改进，因为它结合了各种传感器、监视工具、环境特性和已知变量，以最准确地标识已经被执行的错误或不准确的测试。这允许经由专门的研究装备执行更好和更准确的临床分析。

尽管已经参考示例性实施例描述了本发明，但是本发明不限于此。本领域技术人员将理解，可以对本发明的优选实施例进行多个改变和修改，并且可以在不脱离本发明的真实精神的情况下进行这样的改变和修改。因此，旨在所附权利要求被解释为覆盖如落在本发明的真实精神和范围内的所有这样的等同变化。

Claims (20)

1.一种用于在临床分析仪中检测抽吸的方法，包括：

从传感器获取压力测量数据；

将所述压力测量数据转换为频域数据；

通过使用滤波器衰减不想要的频率来生成所述频域数据的清洁版本；

将所述频域数据的所述清洁版本与一个或多个预定数据点进行比较；以及

基于所述比较来确定是否正确执行了抽吸。

2.根据权利要求1所述的方法，进一步包括使用数字信号处理器来调节所述滤波器的频率截止。

3.根据权利要求2所述的方法，其中所述滤波器是巴特沃斯低通滤波器。

4.根据权利要求2所述的方法，其中基于以下各项中的至少一项来确定所述频率截止：频率和采样率。

5.根据权利要求2所述的方法，其中基于泵特性来确定所述频率截止，所述泵特性包括以下各项中的至少一项：加速、回转和减速。

6.根据权利要求1所述的方法，其中所述将所述频域数据的所述清洁版本与一个或多个预定数据点进行比较进一步包括：

将所述频域数据的所述清洁版本转换为时域数据；并将所述时域数据与一个或多个预定数据点进行比较。

7.根据权利要求1所述的方法，其中所述比较进一步包括：将抽吸过程的结束时的一个或多个压力测量结果与先前建立的抽吸压力基线进行比较。

8.根据权利要求1所述的方法，进一步包括：

基于所述压力测量结果的所述清洁版本来生成压力曲线；以及

使用辅助算法来评估所述压力曲线的形状。

9.根据权利要求1所述的方法，进一步包括：

基于所述压力测量数据来确定一个或多个系统特性，所述系统特性包括：

至少一个探头直径，

至少一个抽吸速率，

至少一个抽吸持续时间，

待抽吸液体的至少一个粘度水平，以及

修改所述一个或多个系统特性以降低系统噪声。

10.根据权利要求1所述的方法，其中所述抽吸在5μL的材料或更少的材料上执行。

11.一种用于在临床分析仪中检测抽吸的信息处置设备，包括：

处理器；

传感器；以及

存储器设备，所述存储器设备存储指令，所述指令可由所述处理器执行以：

从所述传感器获取压力测量数据，

将所述压力测量数据转换为频域数据，

通过使用滤波器衰减不想要的频率来生成所述频域数据的清洁版本，

将所述频域数据的所述清洁版本与一个或多个预定数据点进行比较，以及

基于所述比较来确定是否正确执行了抽吸。

12.根据权利要求11所述的信息处置设备，其中所述指令进一步可由所述处理器执行以：使用数字信号处理器来调节所述滤波器的频率截止。

13.根据权利要求12所述的信息处置设备，其中所述滤波器是巴特沃斯低通滤波器。

14.根据权利要求12所述的信息处置设备，其中基于以下各项中的至少一项来确定所述频率截止：频率和采样率。

15.根据权利要求12所述的信息处置设备，其中基于泵特性来确定所述频率截止，所述泵特性包括以下各项中的至少一项：加速、回转和减速。

16.根据权利要求11所述的信息处置设备，其中所述将所述频域数据的所述清洁版本与一个或多个预定数据点进行比较进一步包括：

将所述频域数据的所述清洁版本转换为时域数据，以及

将所述时域数据与一个或多个预定数据点进行比较。

17.根据权利要求11所述的信息处置设备，其中所述将所述频域数据的所述清洁版本与一个或多个预定数据点进行比较进一步包括：将抽吸过程的结束时的一个或多个压力测量结果与先前建立的抽吸压力基线进行比较。

18.根据权利要求11所述的信息处置设备，其中所述指令进一步可由所述处理器执行以：

基于所述压力测量结果的所述清洁版本来生成压力曲线，以及

使用辅助算法来评估所述压力曲线的形状。

19.根据权利要求11所述的信息处置设备，其中所述指令进一步可由所述处理器执行以：

基于所述压力测量数据来确定一个或多个系统特性，所述系统特性包括：

至少一个探头直径，

至少一个抽吸速率，

至少一个抽吸持续时间，

待抽吸液体的至少一个粘度水平，以及

修改所述一个或多个系统特性以降低系统噪声。

20.一种用于在临床分析仪中检测抽吸的程序产品，包括：

存储设备，其中存储有代码，所述代码可由处理器执行并包括：

从传感器获取压力测量数据的代码，

将所述压力测量数据转换为频域数据的代码，

通过使用滤波器衰减不想要的频率来生成所述频域数据的清洁版本的代码，

将所述频域数据的所述清洁版本与一个或多个预定数据点进行比较的代码，以及

基于所述比较来确定是否正确执行了抽吸的代码。