CN110023950B - 物质准备评估系统 - Google Patents

物质准备评估系统 Download PDF

Info

Publication number
CN110023950B
CN110023950B CN201780073459.6A CN201780073459A CN110023950B CN 110023950 B CN110023950 B CN 110023950B CN 201780073459 A CN201780073459 A CN 201780073459A CN 110023950 B CN110023950 B CN 110023950B
Authority
CN
China
Prior art keywords
image
volume
sample
container
color
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
Application number
CN201780073459.6A
Other languages
English (en)
Other versions
CN110023950A (zh
Inventor
水谷高雪
莱伊拉·纳齐米
阿瑟·科南·德威特
斯特凡妮·扬西
马里·维莱特
丽贝卡·布扎克
马特·巴尔纳贝伊
安雄大
藤井茂
乌梅一木
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beckman Coulter Inc
Original Assignee
Beckman Coulter Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beckman Coulter Inc filed Critical Beckman Coulter Inc
Priority to CN202310865018.7A priority Critical patent/CN117095185A/zh
Priority to CN202310877193.8A priority patent/CN117058416A/zh
Priority to CN202310863551.XA priority patent/CN117253055A/zh
Priority to CN202310861178.4A priority patent/CN117058415A/zh
Publication of CN110023950A publication Critical patent/CN110023950A/zh
Application granted granted Critical
Publication of CN110023950B publication Critical patent/CN110023950B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
    • C12M41/00—Means for regulation, monitoring, measurement or control, e.g. flow regulation
    • C12M41/46—Means for regulation, monitoring, measurement or control, e.g. flow regulation of cellular or enzymatic activity or functionality, e.g. cell viability
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/10—Devices for transferring samples or any liquids to, in, or from, the analysis apparatus, e.g. suction devices, injection devices
    • G01N35/1009—Characterised by arrangements for controlling the aspiration or dispense of liquids
    • G01N35/1011—Control of the position or alignment of the transfer device
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/10—Devices for transferring samples or any liquids to, in, or from, the analysis apparatus, e.g. suction devices, injection devices
    • G01N35/1009—Characterised by arrangements for controlling the aspiration or dispense of liquids
    • G01N35/1016—Control of the volume dispensed or introduced
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/90—Determination of colour characteristics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • 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
    • 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
    • G01N15/06—Investigating concentration of particle suspensions
    • G01N15/075—Investigating concentration of particle suspensions by optical means
    • 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
    • G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
    • G01N2015/012—Red blood cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/10—Devices for transferring samples or any liquids to, in, or from, the analysis apparatus, e.g. suction devices, injection devices
    • G01N2035/1027—General features of the devices
    • G01N2035/103—General features of the devices using disposable tips
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20072—Graph-based image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30072—Microarray; Biochip, DNA array; Well plate

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Wood Science & Technology (AREA)
  • Zoology (AREA)
  • Organic Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Geometry (AREA)
  • Molecular Biology (AREA)
  • Sustainable Development (AREA)
  • Microbiology (AREA)
  • Biotechnology (AREA)
  • General Engineering & Computer Science (AREA)
  • Genetics & Genomics (AREA)
  • Cell Biology (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Dispersion Chemistry (AREA)
  • Automatic Analysis And Handling Materials Therefor (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Measurement Of Levels Of Liquids Or Fluent Solid Materials (AREA)
  • Sampling And Sample Adjustment (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了自动物质准备和评估系统和方法，所述系统和方法用于在容器和/或分配尖端中准备和评估流体物质，例如具有体液的样品。所述系统和方法可检测体积、评估完整性并检查所述容器和/或所述分配尖端中的颗粒浓度。

Description

物质准备评估系统
相关专利申请的交叉引用
本申请作为PCT国际专利申请提交于2017年10月27日，并且要求于2016年10月28日提交的美国专利申请序列号62/414,655和2017年6月28日提交的美国专利申请序列号62/525,948的优先权权益，这两份专利申请的公开内容全文以引用方式并入。
技术领域
本发明整体涉及自动物质准备和评价领域。具体地讲，本发明涉及用于评估容器和/或分配尖端中的流体物质(诸如带有体液的样品)的方法和系统。此外，本发明涉及用于指示计算装置和/或处理装置执行评估流体物质的任何方法的步骤的计算机程序元素。此外，本发明涉及存储此类计算机程序元素的计算机可读介质。
背景技术
WO2016133900A1描述了针对诸如溶血、黄疸和/或脂血(HIL)之类的一个或多个干扰物的存在而检查试样的基于模型的方法。所述方法包括在第一颜色空间中生成试样的像素化图像，确定针对像素化图像中的像素的颜色分量(例如a值和b值)，将像素分类为是液体或者非液体，基于被分类为液体的像素而定义一个或多个液体区，以及确定所述一个或多个液体区内的一个或多个干扰物的存在。液体分类是基于液体分类模型的。像素分类可以基于经训练的多类分类器。可以提供针对所述一个或多个干扰物的干扰水平。描述了被适配成实施该方法的测试装置，如作为其它方面。
发明内容
本发明的目的可以是提供用于自动评估流体物质的改进的方法和系统，其具有改进的可靠性、改进的品质、改进的精度和改进的吞吐量。
通过独立权利要求的主题解决了本发明的目的，其中其他实施方案包含在从属权利要求和以下描述中。
根据本公开的第一方面，提供了一种评估容器中的流体物质的方法。其中，根据第一方面的方法可以指用于操作分配尖端评估系统的方法，如参考图1所述的示例性方法，和/或指用于操作样品品质检测装置的方法，如参考图42至55所述的示例性方法。而且，根据第一方面的方法可以指用于操作体积检测系统的方法，如参考图5至15和/或图9至21所述的示例性方法。此外，第一方面的方法可以参考操作相关性数据生成系统的方法，如参考图8至图21所述的示例性方法。
根据第一方面的方法包括以下步骤：
-使用图像捕获装置捕获容器的至少一部分的图像，其中该图像捕获装置可以包括图像捕获单元；
-使用至少一个计算装置和/或至少一个处理装置获得该图像的至少一部分的多个颜色参数；以及
-基于这多个颜色参数生成容器中包含的流体物质的样品分类结果。
其中，样品分类结果代表和/或指示流体物质中至少一种干扰物的浓度。此处和下文中，图像捕获装置和/或图像捕获单元可以指例如分配尖端图像捕获单元。
根据第一方面的方法的一个实施方案，获得多个颜色参数包括：
-为图像的至少一部分生成直方图，该直方图包括多个颜色通道；以及
-获得这多个颜色通道的多个平均值和/或均值，其中多个颜色参数包括这多个颜色通道的多个平均值。
其中，可以为每个颜色通道或一部分颜色通道确定均值和/或平均值。
根据第一方面的方法的一个实施方案，获得多个颜色参数包括：
-为图像的至少一部分生成直方图，该直方图包括多个颜色通道；以及
-获得和/或确定这多个颜色通道的多个黎曼和，其中多个颜色参数包括这多个颜色通道的多个黎曼和。
其中，可以为每个颜色通道或者一部分颜色通道获得和/或确定黎曼和。
根据第一方面的方法的一个实施方案，获得多个颜色参数包括：
-为图像的至少一部分生成直方图，该直方图包括多个颜色通道；
-获得这多个颜色通道的多个模式；
-获得这多个颜色通道的多个最大值；以及/或者
-获得这多个颜色通道的多个最小值，其中多个颜色参数包括这多个颜色通道的多个模式、最大值和/或最小值。
根据第一方面的方法的一个实施方案，获得多个颜色参数包括：
-为图像的至少一部分生成直方图，该直方图包括多个颜色通道；
-获得这多个颜色通道的多个直方图头部；
-获得这多个颜色通道的多个直方图尾部；
-获得这多个颜色通道的多个直方图头部百分比；以及/或者
-获得这多个颜色通道的多个直方图尾部百分比，其中多个颜色参数包括这多个颜色通道的多个直方图头部、直方图尾部、直方图头部百分比和/或直方图尾部百分比。
根据第一方面的方法的一个实施方案，所述多个颜色参数包括颜色通道的多个均值、颜色通道的多个黎曼和、颜色通道的多个模式、颜色通道的多个最大值、颜色通道的多个最小值、颜色通道的多个直方图头部、颜色通道的多个直方图尾部、颜色通道的多个直方图头部百分比、颜色通道的多个直方图尾部百分比中的至少一种，或前述的任何组合。
根据第一方面的方法的一个实施方案，所述多个颜色通道包括红色分量、绿色分量和蓝色分量，例如在RGB模型中。然而，也可以使用任何其他类型的颜色模型，诸如例如CMYK颜色模型。
根据第一方面的方法的一个实施方案，样品分类结果包括至少一个分类标识符，其中所述至少一个分类标识符与所述多个颜色参数的至少一部分相关和/或与流体物质中至少一种干扰物的浓度相关。
根据第一方面的方法的一个实施方案，该方法还包括基于样品分类结果生成标记结果；其中标记结果指示流体物质的品质。另选地或除此之外，流体物质的品质基于样品鉴定结果。
根据第一方面的方法的一个实施方案，所述至少一种干扰物是选自血红蛋白、黄疸和脂血中的一种或多种。
根据第一方面的方法的一个实施方案，所述容器是配置为抽吸流体物质和/或样品的分配尖端。
根据第一方面的方法的一个实施方案，图像捕获装置被配置和/或布置成从容器的侧面捕获流体物质的一部分和/或容器的图像。
根据第一方面的方法的一个实施方案，该方法还包括以下步骤：
-使用至少一个计算装置识别和/或确定图像中的参考点，该参考点与容器相关联；
-使用至少一个计算装置识别和/或确定图像中容器内的流体物质的表层；
-确定和/或测量参考点和表层之间的距离；以及
-基于相关性数据将该距离转换为流体物质的体积，该相关性数据包括关于容器内的体积与从参考点到容器内的多个表层的距离之间的相关性的信息。
然而，应当指出的是，术语“相关性数据”还可以指所述距离和体积之间的公式和/或函数关系。
根据第一方面的方法的一个实施方案，通过像素距离来测量距离。
根据第一方面的方法的一个实施方案，容器是被配置为抽吸流体物质的分配尖端，其中识别参考点包括识别和/或确定在分配尖端上形成的参考线，例如，在分配尖端的主体上形成的参考线。
根据第一方面的方法的一个实施方案，基于图案匹配和/或基于所捕获图像的分割来识别参考线。
根据第一方面的方法的一个实施方案，识别参考线包括搜索表示所捕获图像中的参考线的图案。
根据第一方面的方法的一个实施方案，识别参考线包括将所捕获图像的至少一部分与参考图像进行比较。
根据第一方面的方法的一个实施方案，该方法还包括确定所捕获图像的该部分和参考图像的匹配率、匹配分数和/或相关值。
根据第一方面的方法的一个实施方案，该方法还包括以下步骤：
-向另一个容器供应液体；
-确定所供应的液体的体积；
-捕获容器的另一个图像；
-确定图像中与另一个容器相关联的参考点之间的像素距离；以及
-使确定的体积与确定的像素距离相关。
根据第一方面的方法的一个实施方案，该方法还包括基于确定的体积和确定的像素距离生成相关性数据。
根据第一方面的方法的一个实施方案，基于多个确定的像素距离与供应到该另一个容器的多个确定的液体体积之间的多个相关性来生成相关性数据。
根据第一方面的方法的一个实施方案，供应的液体包含染料溶液。另选地或除此之外，基于分光光度法确定供应的液体的体积。
根据第一方面的方法的一个实施方案，确定供应的液体的体积包括确定供应的液体的质量。
应当指出的是，如上所述，根据第一方面的方法的任何实施方案可以与根据第一方面的方法的一个或多个其他实施方案组合，如上所述。这可以允许提供特别有利的协同增强效应。
根据本公开的第二方面，提供了一种计算机程序元素，当其在用于评估流体物质的系统的计算装置上执行时，指示计算装置和/或系统执行根据第一方面和/或根据第一方面的任何实施方案的步骤。
根据本公开的第三方面，提供了一种非暂态计算机可读介质，在该介质上存储有根据本公开的第二方面的计算机程序元素。
根据本公开的第四方面，提供了一种用于评估流体物质的系统。其中，根据第四方面的系统可以指分配尖端评估系统，如参考图1所述的示例性系统，和/或指样品品质检测装置，如参考图42至55所述的示例性装置。而且，根据第四方面的系统可以指体积检测系统，如参考图1、图6至15和/或图9至21所述的示例性系统。此外，根据第四方面的系统可以指相关性数据生成系统，如参考图8至21所述的示例性系统。
根据第四方面的系统包括具有分配尖端的样品吸移装置。样品吸移装置可以指物质吸移装置。其中，样品吸移装置被配置为至少部分地接合分配尖端并将流体物质抽吸入分配尖端。该系统还包括图像捕获单元和至少一个计算装置，计算装置可包括和/或指处理装置。其中，图像捕获单元被配置为捕获分配尖端中流体物质的至少一部分的图像，其中计算装置被配置为获得该图像的至少一部分的多个颜色参数，并且基于这多个颜色参数生成包含在分配尖端中的流体物质的样品分类结果，其中样品分类结果表示和/或指示流体物质中至少一种干扰物的浓度。
重复一次，该系统可包括具有分配尖端的样品吸移装置，该样品吸移装置被配置为接合分配尖端，该样品吸移装置被配置为将流体物质抽吸入分配尖端。该系统还可包括：图像捕获单元，其被配置为捕获分配尖端中流体物质的至少一部分的图像；至少一个计算装置；以及存储指令的至少一个计算机可读存储介质，所述指令当由至少一个计算装置执行时，使该系统：使用图像捕获单元捕获分配尖端中流体物质的至少一部分的图像，获得该图像的至少一部分的多个颜色参数，并基于这多个颜色参数生成分配尖端中包含的流体物质的样品分类结果，该样品分类结果表示流体物质中至少一种干扰物的浓度。
根据第四方面的系统的一个实施方案，计算装置被进一步配置为和/或所述软件指令进一步使系统：
-为图像的至少一部分生成直方图，该直方图包括多个颜色通道；
-获得这多个颜色通道的多个平均值；以及/或者
-获得这多个颜色通道的多个黎曼和。
其中，多个颜色参数包括这些颜色通道的多个均值和/或多个黎曼和。
根据第四方面的系统的一个实施方案，样品分类结果包括至少一个分类标识符，其中所述至少一个分类标识符与所述多个颜色参数的至少一部分相关和/或与流体物质中至少一种干扰物的浓度相关。其中，样品分类结果可包括多个分类标识符中的至少一个，这多个分类标识符与多个颜色参数相关。
根据第四方面的系统的一个实施方案，计算装置被进一步配置为和/或所述软件指令进一步使系统：
-识别图像中的参考点，该参考点与分配尖端相关联；
-识别图像中分配尖端内的流体物质的表层；
-确定和/或测量参考点和表层之间的距离；以及
-基于相关性数据将该距离转换为流体物质的体积，该相关性数据包括关于分配尖端内的体积与从参考点到分配尖端内的多个表层的距离之间的相关性的信息。
其中，相关性数据还可以指所述距离和体积之间的公式和/或函数关系。
根据第四方面的系统的一个实施方案，计算装置被配置为确定在分配尖端的主体上形成的参考线，并基于确定的参考线确定参考点。其中，图像中的参考点可以包括在分配尖端的主体上形成的参考线。
根据第四方面的系统的一个实施方案，计算装置被配置为基于图案匹配和/或基于所捕获图像的分割来确定参考线。
根据第四方面的系统的一个实施方案，计算装置被配置为搜索和/或识别表示所捕获图像中的参考线的图案。
根据第四方面的系统的一个实施方案，计算装置被配置为将所捕获图像的至少一部分与参考图像进行比较。
根据第四方面的系统的一个实施方案，计算装置被配置为确定所捕获图像的该部分和参考图像的匹配率、匹配分数和/或相关值。
根据第四方面的系统的一个实施方案，图像捕获单元被配置和/或布置成从分配尖端的侧面捕获流体物质的一部分的图像。
根据第四方面的系统的一个实施方案，该系统还包括样品吸移模块，其中图像捕获单元附接到样品吸移模块。
根据第四方面的系统的一个实施方案，该系统还包括光源，该光源位于图像捕获单元的对面并且位于分配尖端的侧面，其中该光源被配置为从分配尖端的侧面照明分配尖端。
根据第四方面的系统的一个实施方案，该系统还包括光源和样品吸移模块，其中光源和图像捕获单元附接到样品吸移模块；和/或其中光源和图像捕获单元被配置为与样品吸移模块一起例如水平地移动，使得可以在样品吸移模块的任何位置捕获分配尖端的图像。具体地讲，可以沿着一条轨线的任何位置和/或沿着样品吸移模块的样品转移引导来捕获图像。
根据第四方面的系统的一个实施方案，样品吸移装置被配置为将液体抽吸入另一个分配尖端，其中该系统被配置为确定抽吸入的液体的体积，其中图像捕获单元被配置为捕获该另一个分配尖端的另一图像，并且其中计算装置被配置为确定与该另一个分配尖端相关联的图像中的参考点之间的像素距离，并且被配置为将所确定的体积与所确定的像素距离相关。
根据第四方面的系统的一个实施方案，计算装置被配置为基于所确定的体积和所确定的像素距离来生成相关性数据。
根据第四方面的系统的一个实施方案，基于多个确定的像素距离与抽吸入该另一个分配尖端中的多个确定的液体体积之间的多个相关性来生成相关性数据。
根据第四方面的系统的一个实施方案，抽吸的液体包括染料溶液。另选地或除此之外，该系统被配置为基于分光光度法确定抽吸入的液体的体积。
根据第四方面的系统的一个实施方案，该系统被配置为确定抽吸入的液体的质量并基于所确定的抽吸入的液体的质量确定抽吸入的液体的体积。
应当指出的是，如上所述，根据第四方面的系统的任何实施方案可以与根据第四方面的系统的一个或多个其他实施方案组合，如上所述。这可以允许提供特别有利的协同增强效应。
此外，应当指出，如上文和下文所述的根据第四方面的系统的任何特征、功能、特性和/或元件可以是如上文和下文所述的根据第一方面的方法的特征、功能、特性、步骤和/或元件。反之亦然，如上文和下文所述的根据第一方面的方法的任何特征、功能、特性、步骤和/或元件可以是如上文和下文所述的根据第四方面的系统的特征、功能、特性和/或元件。
根据本公开的第五方面，提供了一种用于评估流体物质的系统。其中，根据第五方面的系统可以指尖端对准检测装置，如参考图56至58所述的示例性装置。根据第五方面的系统还可以指分配尖端评估系统和/或体积检测系统，如参考图1、图5至15和/或图9至21所述的示例性系统。而且，根据第五方面的系统可以指相关性数据生成系统，如参考图8至21所述的示例性系统。
根据第五方面的系统包括被配置为至少部分地接合分配尖端的样品吸移装置，该样品吸移装置被配置为将流体物质抽吸入分配尖端，分配尖端具有至少一条参考线。样品吸移装置可以指物质吸移装置。该系统还包括：图像捕获单元，其被配置为捕获分配尖端的至少一部分的图像；以及至少一个计算装置，其可以包括处理装置，计算装置被配置为：
-从分配尖端的图像的该部分识别分配尖端的至少一条参考线；
-确定所述至少一条参考线的至少一个特性；以及
-将所述至少一条参考线的至少一个特性与阈值进行比较，该阈值表示分配尖端的不对准。
计算装置可被配置为确定所述至少一条参考线的特性是否满足阈值，该阈值表示分配尖端的不对准。其中，不对准可以指相对于图像捕获单元和/或相对于样品吸移模块的不对准。
该系统还可以包括存储软件指令的至少一个计算机可读数据存储介质，当由至少一个处理装置和/或由计算装置执行时，所述软件指令使该系统：
-从分配尖端的图像识别分配尖端的至少一条参考线；
-获得所述至少一条参考线的一个或多个特性；以及
-确定所述至少一条参考线的特性是否满足阈值，该阈值表示分配尖端的不对准。
根据第五方面的系统的一个实施方案，所述至少一条参考线包括在分配尖端上形成的第一参考线和第二参考线。
根据第五方面的系统的一个实施方案，所述至少一条参考线包括在所述分配尖端上形成的第一参考线和第二参考线，其中所述至少一个计算装置被进一步配置为和/或所述软件指令进一步使该系统：
-基于以下内容获得该至少一条参考线的至少一个特性：
-确定和/或计算第一参考线的长度；
-确定和/或计算第二参考线的长度；以及
-确定和/或计算某条直线相对于第一参考线和第二参考线中的至少一个的角度，该直线连接第一参考线的预定点和第二参考线的预定点；以及
-基于第一参考线的长度、第二参考线的长度和所述直线的角度中的至少一个确定不对准，例如，分配尖端相对于图像捕获单元和/或相对于样品吸移模块的不对准。
根据第五方面的系统的一个实施方案，该系统被配置为和/或所述软件指令进一步使该系统：响应于确定不对准，阻止样品吸移装置将流体物质抽吸入分配尖端中。以举例的方式，计算装置可以被配置为响应于确定不对准而生成和/或输出中止信号。
根据第五方面的系统的一个实施方案，所述至少一个计算装置被进一步配置为和/或所述软件指令进一步使该系统：响应于确定不对准，标记和/或发起将流体物质抽吸入分配尖端中。
根据第五方面的系统的一个实施方案，所述至少一个计算装置被进一步配置为和/或所述软件指令进一步使系统：
-从分配尖端的图像的该部分识别分配尖端的至少一条参考线；
-识别图像中分配尖端内的流体物质的表层；
-确定和/或测量所述至少一条参考线和表层之间的距离；以及
-通过基于相关性数据将该距离转换为流体物质的体积来确定流体物质的体积，该相关性数据包括关于分配尖端内的体积与从所述至少一条参考线到分配尖端内的多个表层的距离之间的相关性的信息。
其中，相关性还可以指所述距离和体积之间的公式和/或函数关系。
根据第五方面的系统的一个实施方案，计算装置被配置为基于图案匹配和/或基于所捕获图像的分割来确定参考线。
根据第五方面的系统的一个实施方案，计算装置被配置为搜索表示所捕获图像中的参考线的图案。
根据第五方面的系统的一个实施方案，计算装置被配置为将所捕获图像的至少一部分与参考图像进行比较。
根据第五方面的系统的一个实施方案，计算装置被配置为确定所捕获图像的该部分和参考图像的匹配率、匹配分数和/或相关值。
根据第五方面的系统的一个实施方案，所述至少一条参考线包括在所述分配尖端上形成的第一参考线和第二参考线，其中所述至少一个计算装置被进一步配置为和/或所述软件指令进一步使该系统：
-确定和/或计算图像中第一参考线的长度；
-确定和/或计算图像中第二参考线的长度；
-确定和/或计算某条直线相对于第一参考线和第二参考线中的至少一个的角度，该直线连接第一参考线的预定点和第二参考线的预定点；
-基于第一参考线的长度、第二参考线的长度和所述直线的角度中的至少一个确定不对准，例如，分配尖端相对于图像捕获单元和/或相对于样品吸移模块的不对准；以及
-基于确定不对准来调整流体物质的体积。
根据第五方面的系统的一个实施方案，分配尖端的不对准包括侧面不对准和深度不对准。其中，侧面不对准可以指分配尖端相对于相机和/或图像捕获单元的光轴的位移。深度不对准可以指分配尖端沿着相机和/或图像捕获单元的光轴的位移。
根据第五方面的系统的一个实施方案，所述至少一条参考线包括在所述分配尖端上形成的第一参考线和第二参考线，其中所述至少一个计算装置被进一步配置为和/或所述软件指令进一步使该系统：
-识别图像中第一参考线的预定点；
-识别图像中第二参考线的预定点；
-定义连接第一参考线的预定点和第二参考线的预定点的对准线；
-确定对准线相对于第一参考线和第二参考线中的至少一个的角度；以及
-将该角度与阈值角度值进行比较，该阈值角度值表示分配尖端的侧面不对准。
其中，可以确定对准线的角度是否小于阈值角度值，该阈值角度值表示分配尖端的侧面不对准。
根据第五方面的系统的一个实施方案，第一参考线的预定点是图像中第一参考线的中心点，第二参考线的预定点是图像中第二参考线的中心点。
根据第五方面的系统的一个实施方案，该系统被配置为和/或所述软件指令进一步使该系统：响应于确定对准线相对于第一参考线和第二参考线中的至少一个的角度满足和/或超过阈值角度值，防止样品吸移装置将流体物质抽吸入分配尖端。该系统和/或计算装置可被配置为响应于确定对准线相对于第一参考线和第二参考线中的至少一个的角度满足和/或超过阈值角度值来生成和/或输出中止信号。因此，该系统可被配置为响应于确定对准线的角度不小于阈值角度值，防止物质吸移装置和/或样品吸移装置将流体物质抽吸入分配尖端中。
根据第五方面的系统的一个实施方案，所述至少一个计算装置被进一步配置为和/或所述软件指令进一步使该系统：响应于确定对准线相对于第一参考线和第二参考线中的至少一个的角度满足和/或超过阈值角度值，标记将流体物质抽吸入分配尖端中和/或发起将流体物质抽吸入分配尖端中，例如，通过标记该抽吸。因此，该系统可被配置为响应于确定对准线的角度不小于阈值角度值，标记将流体物质抽吸入分配尖端中。
根据第五方面的系统的一个实施方案，所述至少一个计算装置被进一步配置为和/或所述软件指令进一步使系统：
-基于捕获的尖端图像确定和/或识别所述至少一条参考线的长度；
-获得所述至少一条参考线的实际长度；
-计算所述至少一条参考线的长度和所述至少一条参考线的实际长度之间的比率；以及
-基于该比率确定分配尖端的深度不对准。
另选地或除此之外，所述软件指令进一步使系统：
-从捕获的尖端图像中识别第一参考线的长度；
-获得第一参考线的实际长度；
-计算第一参考线的长度与第一参考线的实际长度之间的比率；以及
-基于该比率确定分配尖端的深度不对准。
根据第五方面的系统的一个实施方案，该系统被进一步配置为和/或所述软件指令进一步使系统基于该比率调整所确定的流体物质的体积。
根据第五方面的系统的一个实施方案，该系统还包括光源和样品吸移模块，其中光源和图像捕获单元附接到样品吸移模块，和/或其中光源和图像捕获单元被配置为与样品吸移模块一起例如水平地移动，使得可以在样品吸移模块的任何位置捕获分配尖端的图像。以举例的方式，可以沿着一条轨线的任何位置和/或沿着样品吸移模块的样品转移引导来捕获图像。
根据第五方面的系统的一个实施方案，样品吸移装置被配置为将液体抽吸入另一个分配尖端，其中该系统配置为确定抽吸入的液体的体积。图像捕获单元被配置为捕获该另一个分配尖端的另一图像，其中计算装置被配置为确定与该另一个分配尖端相关联的图像中的参考点之间的像素距离，并且被配置为将所确定的体积与所确定的像素距离相关。
根据第五方面的系统的一个实施方案，计算装置被配置为基于所确定的体积和所确定的像素距离来生成相关性数据。
根据第五方面的系统的一个实施方案，基于多个确定的像素距离与抽吸入该另一个分配尖端中的多个确定的液体体积之间的多个相关性来生成相关性数据。
根据第五方面的系统的一个实施方案，抽吸入的液体包括染料溶液，并且/或者其中该系统被配置为基于分光光度法测定抽吸入的液体的体积。
根据第五方面的系统的一个实施方案，该系统被配置为确定抽吸入的液体的质量并基于所确定的抽吸入的液体的质量确定抽吸入的液体的体积。
应当指出的是，如上所述，根据第五方面的系统的任何实施方案可以与根据第五方面的系统的一个或多个其他实施方案组合，如上所述。这可以允许提供特别有利的协同增强效应。
根据本公开的第六方面，提供了一种评估容器中的流体物质的方法。其中，根据第六方面的方法可指用于操作尖端对准检测装置，用于操作分配尖端完整性评估装置，用于操作体积检测系统和/或用于操作分配尖端评估系统的方法，如参考图1、图5至15、图9至21、和/或图56至68所述的示例性方法。
根据第六方面的方法包括以下步骤：
-使用图像捕获单元捕获容器的至少一部分的图像，其中该容器可以是分配尖端；
-使用至少一个计算装置，从容器的图像中确定和/或识别容器的第一参考线和第二参考线；
-确定和/或获得第一参考线和第二参考线中的至少一个的至少一个特性。
其中，所述至少一个特性包括以下中的至少一个：第一参考线的长度；第二参考线的长度，以及某条直线相对于第一参考线和第二参考线中的至少一个的角度，其中该直线连接第一参考线的预定点和第二参考线的预定点。根据第六方面的方法还包括将第一参考线和第二参考线中的至少一个的至少一个特性与表示分配尖端的不对准的阈值进行比较的步骤。
重复一次，根据第六方面的方法可包括以下步骤：
-使用图像捕获单元捕获容器的至少一部分的图像；
-使用至少一个计算装置从分配尖端的图像中识别分配尖端的第一参考线和第二参考线；
-获得第一参考线和第二参考线的一个或多个特性，所述特性包括以下中的至少一个：第一参考线的长度；第二参考线的长度；以及某条直线相对于参考线的角度，该直线连接第一参考线的预定点和第二参考线的预定点；以及
-确定所述至少一条参考线的特性是否满足阈值，该阈值表示分配尖端的不对准。
根据第六方面的方法的一个实施方案，基于图案匹配和/或基于所捕获图像的分割来确定第一参考线和第二参考线。
根据第六方面的方法的一个实施方案，确定第一参考线和第二参考线包括在所捕获图像中搜索表示第一参考线和/或第二参考线的图案。
根据第六方面的方法的一个实施方案，确定第一参考线和第二参考线包括将所捕获图像的至少一部分与参考图像进行比较。
根据第六方面的方法的一个实施方案，该方法还包括确定所捕获图像的该部分和参考图像的匹配率、匹配分数和/或相关值。
根据第六方面的方法的一个实施方案，所述容器包含流体物质，其中所述方法还包括：
-识别所捕获图像中容器内的流体物质的表层；
-确定第一参考线和第二参考线中的至少一个与表层之间的距离；以及
-通过基于相关性数据将该距离转换为流体物质的体积来确定流体物质的体积，该相关性数据包括关于容器内的体积与从第一参考线和第二参考线中的至少一个到容器内的多个表层的距离之间的相关性的信息。
其中，相关性数据还可以指所述距离和体积之间的公式和/或函数关系。
根据第六方面的方法的一个实施方案，该方法还包括：
-确定图像中第一参考线的长度；
-确定图像中第二参考线的长度；
-确定某条直线相对于第一参考线和第二参考线中的至少一个的角度，该直线连接第一参考线的预定点和第二参考线的预定点；
-基于第一参考线的长度、第二参考线的长度和所述直线的角度中的至少一个来确定容器的不对准；以及
-基于确定不对准来调整流体物质的体积。
其中，不对准可以指相对于图像捕获单元和/或相对于样品吸移模块的不对准。
根据第六方面的方法的一个实施方案，容器的不对准包括侧面不对准和深度不对准。其中，侧面不对准可指分配尖端相对于相机和/或图像捕获单元的光轴的位移，并且深度不对准可指分配尖端沿相机和/或图像捕获单元的光轴的位移。
根据第六方面的方法的一个实施方案，该方法还包括：
-识别图像中第一参考线的预定点；
-识别图像中第二参考线的预定点；
-定义连接第一参考线的预定点和第二参考线的预定点的对准线；
-确定对准线相对于第一参考线和第二参考线中的至少一个的角度；以及
-将该角度与阈值角度值进行比较，该阈值角度值表示容器的侧面不对准。
根据第六方面的方法的一个实施方案，第一参考线的预定点是图像中第一参考线的中心点，第二参考线的预定点是图像中第二参考线的中心点。
根据第六方面的方法的一个实施方案，该方法还包括：响应于确定对准线相对于第一参考线和第二参考线中的至少一个的角度满足和/或超过阈值角度值，防止将流体物质抽吸入容器。因此，响应于确定对准线相对于第一参考线和第二参考线中的至少一个的角度满足和/或超过阈值角度值，可以产生防止抽吸的中止信号。
根据第六方面的方法的一个实施方案，该方法还包括：响应于确定对准线相对于第一参考线和第二参考线中的至少一个的角度满足和/或超过阈值角度值，标记将流体物质抽吸入容器和/或发起将流体物质抽吸入容器。
根据第六方面的方法的一个实施方案，该方法还包括：
-基于所捕获的容器图像确定第一参考线和第二参考线中的至少一个的长度；
-例如从数据存储装置获得第一参考线和第二参考线中的至少一个的实际长度；
-计算第一参考线和第二参考线中的至少一个的长度与第一参考线和第二参考线中的该至少一个的实际长度之间的比率；以及
-基于该比率确定容器的深度不对准。
根据第六方面的方法的一个实施方案，该方法还包括基于该比率调整所确定的流体物质的体积。
应当指出的是，如上所述，根据第六方面的方法的任何实施方案可以与根据第六方面的方法的一个或多个其他实施方案组合，如上所述。这可以允许提供特别有利的协同增强效应。
此外，应当指出，如上文和下文所述的根据第五方面的系统的任何特征、功能、特性和/或元件可以是如上文和下文所述的根据第六方面的方法的特征、功能、特性、步骤和/或元件。反之亦然，如上文和下文所述的根据第六方面的方法的任何特征、功能、特性、步骤和/或元件可以是如上文和下文所述的根据第五方面的系统的特征、功能、特性和/或元件。
根据本公开的第七方面，提供了一种计算机程序元素，当其在用于评估流体物质的系统的计算装置上执行时，指示该计算装置和/或该系统执行根据第六方面的方法的步骤。
根据本公开的第八方面，提供了一种非暂态计算机可读介质，在该介质上存储有根据第七方面的计算机程序元素。
根据本公开的第九方面，提供了一种用于评估流体物质的系统。根据第九方面的系统可指颗粒浓度检查系统，如参考图69至79所述的示例性系统，指体积检测系统，如参考图5至图15所述的示例性系统，指相关性数据生成系统，如参考图8至21所述的示例性系统，和/或指反应贮器剩余体积检测装置，如参考图32至34所述的示例性装置。
根据第九方面的系统包括：被配置为支撑和/或保持一个或多个容器的容器托架装置；被配置为在容器托架装置上的至少一个容器中分配流体物质的样品吸移装置和/或物质吸移装置；被配置为捕获容器托架装置上的至少一个容器的图像的图像捕获装置；以及至少一个处理装置和/或至少一个计算装置。其中，该系统被配置为：
-使用样品吸移装置将至少一种流体物质分配到容器中；
-使用图像捕获装置捕获容器托架装置上的容器的图像；
-使用至少一个处理装置分析容器的图像，以确定分配在容器中的至少一种流体物质的体积；以及
-使用至少一个处理装置分析容器的图像，以确定容器中的全部体积的流体物质的颗粒浓度。
该系统可包括存储软件指令的至少一个计算机可读数据存储介质，当由至少一个处理装置执行时，所述软件指令使该系统：
-将一种或多种流体物质分配到容器中；
-获取容器托架装置上的容器的图像；
-分析容器的图像以确定容器中分配的流体物质的体积；以及
-分析容器的图像以确定容器中的全部体积的流体物质的颗粒浓度。
根据第九方面的系统的一个实施方案，全部体积的流体物质包括至少一种体液和/或至少一种试剂。
根据第九方面的系统的一个实施方案，计算装置被进一步配置为和/或所述软件指令进一步使系统：
-使用图像捕获装置捕获和/或获得在将试剂分配到容器中包含的至少一种流体物质之后容器的第一图像，其中所述至少一种流体物质包括至少一种体液；
-使用图像捕获装置捕获和/或获得在将添加的试剂与容器中的至少一种流体物质混合之后容器的第二图像；
-使用至少一个处理装置分析容器的第一图像，以确定容器中分配的试剂的体积；以及
-使用至少一个处理装置分析容器的第二图像，以确定容器中的全部体积的流体物质的颗粒浓度。
根据第九方面的系统的一个实施方案，颗粒浓度包括顺磁颗粒的浓度。
根据第九方面的系统的一个实施方案，所述至少一种试剂包括化学发光底物。
根据第九方面的系统的一个实施方案，在将试剂分配到容器中之后约0.2秒捕获第一图像，其中在约6.5秒的混合之后捕获第二图像。
根据第九方面的系统的一个实施方案，图像捕获装置安装到容器托架装置，并且图像捕获装置被配置和/或布置成从容器的侧面捕获容器的图像。
根据第九方面的系统的一个实施方案，该系统还包括光源，其中光源和图像捕获装置安装到容器托架装置，使得光源被定位在图像捕获装置的对面。
根据第九方面的系统的一个实施方案，容器托架装置是包括可旋转板的清洗轮，其中可旋转板被配置为将容器旋转到图像捕获装置。
根据第九方面的系统的一个实施方案，该系统被进一步配置为和/或所述软件指令进一步使系统检测容器是否存在于容器托架装置上，例如，通过适当的硬件和/或软件方法。
根据第九方面的系统的一个实施方案，所述至少一个处理装置被配置为和/或所述软件指令进一步使系统：
-确定和/或识别图像中的参考点，其中该参考点与容器相关联；
-确定和/或识别图像中容器内的至少一种流体物质的表层；
-确定和/或测量参考点和表层之间的距离；以及
-基于相关性数据将该距离转换为分配的至少一种流体物质和/或试剂的体积，该相关性数据包括关于容器内的体积与从参考点到容器内的多个表层的距离之间的相关性的信息。
根据第九方面的系统的一个实施方案，确定和/或识别参考点包括确定和/或识别容器的底部部分。
根据第九方面的系统的一个实施方案，通过像素距离来测量距离。
根据第九方面的系统的一个实施方案，处理装置被配置为基于图案匹配和/或基于所捕获图像的分割来确定参考点。
根据第九方面的系统的一个实施方案，处理装置被配置为搜索表示所捕获图像中的参考点的图案。
根据第九方面的系统的一个实施方案，处理装置被配置为将所捕获图像的至少一部分与参考图像进行比较。
根据第九方面的系统的一个实施方案，处理装置被配置为确定所捕获图像的该部分和参考图像的匹配率、匹配分数和/或相关值。
根据第九方面的系统的一个实施方案，样品吸移装置被配置为将液体抽吸入另一个容器，其中该系统被配置为确定抽吸入的液体的体积，其中图像捕获单元被配置为捕获该另一个容器的另一图像，并且其中处理装置被配置为确定与该另一个容器相关联的图像中的参考点之间的像素距离，并且被配置为将所确定的体积与所确定的像素距离相关。
根据第九方面的系统的一个实施方案，处理装置被配置为基于所确定的体积和所确定的像素距离来生成相关性数据。
根据第九方面的系统的一个实施方案，基于多个确定的像素距离与抽吸入该另一个容器中的多个确定的液体体积之间的多个相关性来生成相关性数据。
根据第九方面的系统的一个实施方案，抽吸的液体包括染料溶液。另选地或除此之外，该系统被配置为基于分光光度法确定抽吸入的液体的体积。
根据第九方面的系统的一个实施方案，该系统被配置为确定抽吸入的液体的质量并基于所确定的抽吸入的液体的质量确定抽吸入的液体的体积。
根据第九方面的系统的一个实施方案，所述至少一个计算装置被配置为和/或所述软件指令进一步使系统：
-从容器的图像中获得和/或确定全部体积的流体物质的亮度，例如，基于从传感器接收亮度值和/或例如基于图像处理；
-基于流体物质的亮度和校准数据确定全部体积的流体物质的颗粒浓度；
-将确定的颗粒浓度与阈值进行比较；以及
-响应于确定所确定的颗粒浓度低于阈值，标记包含全部体积的流体物质的容器。
根据第九方面的系统的一个实施方案，计算装置被进一步配置为和/或所述软件指令进一步使系统：
-使用样品吸移装置从容器中抽吸流体物质的至少一部分；
-使用图像捕获装置捕获容器的至少一部分的第三图像；
-使用所述至少一个处理装置将第三图像与参考图像进行比较；
-使用所述至少一个处理装置，基于第三图像和参考图像之间的相似度确定匹配分数；以及
-将生成的匹配分数与阈值进行比较。
根据第九方面的系统的一个实施方案，该系统被进一步配置为和/或所述软件指令进一步使系统使用所述至少一个处理装置确定第三图像中的感兴趣区域，其中比较第三图像包括将第三图像中的感兴趣区域与参考图像的至少一部分进行比较。
根据第九方面的系统的一个实施方案，感兴趣区域包括邻近容器底部的区域。
根据第九方面的系统的一个实施方案，计算装置被进一步配置为和/或所述软件指令进一步使系统：
-当匹配分数等于和/或低于阈值时，标记来自容器的抽吸的结果，并且/或者
-当匹配分数未超过阈值时，标记来自容器的抽吸的结果。
根据第九方面的系统的一个实施方案，容器托架装置包括多个容器槽，其中每个容器槽被配置为支撑容器，并且其中该系统被进一步配置为和/或所述软件指令进一步使系统：
-使用图像捕获装置捕获所述多个容器槽中的在容器支架装置的第一位置处的容器槽的第四图像；
-使用所述至少一个处理装置将第四图像与参考图像进行比较；
-使用所述至少一个处理装置，基于第四图像和参考图像之间的相似度生成匹配分数；以及
-将匹配分数与阈值进行比较。
根据第九方面的系统的一个实施方案，超过和/或满足阈值的匹配分数表示在多个容器槽中的所述容器槽处不存在容器。
根据第九方面的系统的一个实施方案，该系统被配置为：当匹配分数低于阈值时，从多个容器槽中的一个容器槽中移除容器，和/或所述软件指令进一步使系统：当匹配分数不满足阈值时，从多个容器槽中的一个容器槽中移除容器。
根据第九方面的系统的一个实施方案，该系统被配置为：在确定匹配分数超过和/或满足阈值之后和/或响应于确定匹配分数超过和/或满足阈值，将容器托架装置移动到第二位置。另选地或除此之外，所述软件指令进一步使系统在确定匹配分数超过阈值之后将容器托架装置移动到第二位置。
应当指出的是，如上所述，根据第九方面的系统的任何实施方案可以与根据第九方面的系统的一个或多个其他实施方案组合，如上所述。这可以允许提供特别有利的协同增强效应。
根据本公开的第十方面，提供了一种评估容器中的流体物质的方法。根据第十方面的方法可以指用于操作颗粒浓度检查系统的方法，如参考例如图69至79所述的示例性系统，和/或指用于操作体积检测系统的方法，如参考例如图5至15所述的示例性方法。
根据第十方面的方法包括以下步骤：
-使用样品吸移装置将至少一种流体物质分配到容器中；
-使用图像捕获装置捕获和/或获得布置在容器托架装置上的容器的至少一部分的图像，该容器托架装置被配置为支撑和/或保持一个或多个容器；
-使用至少一个计算装置分析容器的图像，以确定容器中的至少一种分配的流体物质的体积；以及
-使用至少一个计算装置分析容器的图像，以确定容器中的全部体积的流体物质的颗粒浓度。
其中，术语“全部体积的流体物质”可指至少一种分配的流体物质并且可选地指至少一种添加的试剂。
根据第十方面的方法的一个实施方案，捕获和/或获得容器的图像包括：
-使用图像捕获装置捕获和/或获得在将试剂分配到容器中包含的至少一种流体物质之后容器的第一图像，其中所述至少一种流体物质包括至少一种体液；
-使用图像捕获装置捕获和/或获得在添加试剂(例如，添加的试剂)或将试剂与容器中的至少一种流体物质混合之后容器的第二图像。
其中，分析容器的图像以确定至少一种分配的流体物质的体积包括分析容器的第一图像以确定容器中包含的分配试剂的体积，其中分析容器的图像以确定全部体积的流体物质的颗粒浓度包括分析容器的第二图像以确定容器中全部体积的流体物质的颗粒浓度。
应当指出的是，如上所述，根据第十方面的方法的任何实施方案可以与根据第十方面的方法的一个或多个其他实施方案组合，如上所述。这可以允许提供特别有利的协同增强效应。
此外，应当指出，如上文和下文所述的根据第九方面的系统的任何特征、功能、特性和/或元件可以是如上文和下文所述的根据第十方面的方法的特征、功能、特性、步骤和/或元件。反之亦然，如上文和下文所述的根据第十方面的方法的任何特征、功能、特性、步骤和/或元件可以是如上文和下文所述的根据第九方面的系统的特征、功能、特性和/或元件。
根据本公开的第十一方面，提供了一种计算机程序元素，当其在用于评估流体物质的系统的计算装置上执行时，指示该计算装置和/或该系统执行根据第十方面的方法的步骤。
根据本公开的第十二方面，提供了一种非暂态计算机可读介质，在该介质上存储有根据第十一方面的计算机程序元素。
根据本公开的第十三方面，提供了一种评估容器中的流体物质的方法。根据第十三方面的方法可指用于操作体积检测系统的方法，如参考图5至15所述的示例性方法，指用于操作分配调整系统的方法，如参考图35至图36所述的示例性方法，指用于操作相关性数据生成系统的方法，如参考图8至21所述的示例性方法，和/或指用于操作剩余体积检测装置的方法，如参考图32至34所述的示例性方法。
根据第十三方面的方法包括以下步骤：
-使用物质分配装置将流体物质分配到容器中；
-使用至少一个计算装置确定和/或测量容器中流体物质的体积；
-接收物质分配装置的操作信息，该操作信息包括流体物质分配装置的操作参数；
-接收流体物质的目标分配体积；
-将确定的流体物质体积与目标分配体积进行比较；
-生成物质分配装置的校准信息；以及
-根据校准信息调整物质分配装置的操作参数。
根据第十三方面的方法的一个实施方案，确定和/或测量流体物质的体积包括：
-使用图像捕获装置捕获容器的至少一部分的图像；
-使用至少一个计算装置识别图像中的参考点，该参考点与容器相关联；
-使用至少一个计算装置识别图像中容器内的流体物质的表层；
-确定参考点和表层之间的距离；以及
-基于相关性数据将该距离转换为流体物质的体积，该相关性数据包括关于容器内的体积与从参考点到容器内的多个表层的距离之间的相关性的信息。
根据第十三方面的方法的一个实施方案，该方法还包括：
-向另一个容器供应液体；
-确定所供应的液体的体积；
-捕获容器的另一个图像；
-确定图像中与另一个容器相关联的参考点之间的像素距离；以及
-使确定的体积与确定的像素距离相关。
根据第十三方面的方法的一个实施方案，该方法还包括基于确定的体积和确定的像素距离生成相关性数据。
根据第十三方面的方法的一个实施方案，基于多个确定的像素距离与供应到该另一个容器的多个确定的液体体积之间的多个相关性来生成相关性数据。
根据第十三方面的方法的一个实施方案，供应的液体包含染料溶液。另选地或除此之外，基于分光光度法确定供应的液体的体积。
根据第十三方面的方法的一个实施方案，确定供应的液体的体积包括确定供应的液体的质量。
根据第十三方面的方法的一个实施方案，该方法还包括：
-从容器中抽吸流体物质的至少一部分；
-使用图像捕获装置捕获容器的至少一部分的图像；
-将该图像与参考图像进行比较；
-基于该图像和参考图像之间的相似度生成匹配分数。
根据第十三方面的方法的一个实施方案，该方法还包括：
-将匹配分数与阈值进行比较；以及/或者
-确定匹配分数超过阈值。
根据第十三方面的方法的一个实施方案，该方法还包括确定图像中的感兴趣区域，其中比较图像包括将图像中的感兴趣区域与参考图像的至少一部分进行比较。
根据第十三方面的方法的一个实施方案，感兴趣区域包括邻近容器底部的区域。
根据第十三方面的方法的一个实施方案，该方法还包括：当匹配分数满足和/或低于阈值时，标记来自容器的抽吸的结果。
根据第十三方面的方法的一个实施方案，该方法还包括：
-将多个容器布置在容器托架装置的多个容器槽中；
-使用图像捕获装置捕获所述多个容器槽中的在容器支架装置的第一位置处的容器槽的图像；
-将该图像与参考图像进行比较；
-基于该图像和参考图像之间的相似度生成匹配分数。
根据第十三方面的方法的一个实施方案，该方法还包括：
-将匹配分数与阈值进行比较；以及/或者
-确定匹配分数超过和/或满足阈值，其中匹配分数超过阈值表示在多个容器槽中的所述容器槽处不存在容器。
根据第十三方面的方法的一个实施方案，该方法还包括：当匹配分数低于阈值时，从多个容器槽中的所述容器槽移除容器。
根据第十三方面的方法的一个实施方案，该方法还包括：在确定匹配分数超过和/或满足阈值之后，将容器托架装置移动到第二位置。
应当指出的是，如上所述，根据第十三方面的方法的任何实施方案可以与根据第十三方面的方法的一个或多个其他实施方案组合，如上所述。这可以允许提供特别有利的协同增强效应。
此外，应当指出，如上文和下文所述的根据第九方面的系统的任何特征、功能、特性和/或元件可以是如上文和下文所述的根据第十三方面的方法的特征、功能、特性、步骤和/或元件。反之亦然，如上文和下文所述的根据第十三方面的方法的任何特征、功能、特性、步骤和/或元件可以是如上文和下文所述的根据第九方面的系统的特征、功能、特性和/或元件。
根据本公开的第十四方面，提供了一种计算机程序元素，当其在用于评估流体物质的系统的计算装置上执行时，指示该计算装置和/或该系统执行根据第十三方面的方法的步骤。
根据本公开的第十五方面，提供了一种非暂态计算机可读介质，在该介质上存储有根据第十四方面的计算机程序元素。
附图说明
图1是用于分析生物标本的示例性仪器的框图。
图2示意性地示出了图1的生物标本分析仪器的一个示例。
图3示出了可用于实现本公开各方面的计算装置的示例性架构。
图4是示出用于免疫学分析的示例性方法的示意图。
图5是图1的体积检测系统的一个示例的框图。
图6为示出了操作体积检测系统的示例性方法的流程图。
图7是示出用于执行图6的体积检测系统的操作的示例性方法的流程图。
图8是示出用于操作相关性数据生成系统以生成相关性数据的示例性方法的流程图。
图9示出了图5的分配尖端体积检测装置的一个示例。
图10示意性地示出了结合分配尖端体积检测装置的样品抽吸系统的示例性结构。
图11是图10的样品抽吸系统的透视图。
图12A是图10的样品抽吸系统的侧视图。
图12B是图10的样品抽吸系统的另一侧视图。
图13是示例性分配尖端的示意性透视图。
图14是图13的分配尖端的远侧端部的剖视图。
图15是示出操作分配尖端体积检测装置的示例性方法的流程图。
图16是示出用于执行图15的分配尖端体积检测装置的操作的示例性方法的流程图。
图17示出了对分配尖端的捕获图像的示例性分析。
图18示出了对图17的捕获图像的分析。
图19示出了对图17的捕获图像的分析。
图20是对应于尖端体积相关性数据的示例性相关性曲线。
图21是示出用于操作尖端体积相关性数据生成系统以生成尖端体积相关性数据的示例性方法的流程图。
图22示出了图5的贮器体积检测装置的示例。
图23示出了将贮器体积检测装置包括在其中的示例性容器托架装置。
图24是图23的容器托架装置的另一透视图，示出了图23的贮器图像捕获单元。
图25是具有包括贮器图像捕获单元的贮器体积检测装置的清洗轮的顶视图。
图26是示出通过清洗轮操作贮器体积检测装置的示例性方法的流程图。
图27是示出操作贮器体积检测装置的反应贮器分配体积检测装置的示例性方法的流程图。
图28是示出用于执行图27的反应贮器分配体积检测装置的操作的示例性方法的流程图。
图29示出了对反应贮器的捕获图像的示例性分析。
图30是对应于贮器体积相关性数据的示例性相关性曲线。
图31是示出用于操作贮器体积相关性数据生成系统以生成贮器体积相关性数据的示例性方法的流程图。
图32是示出操作贮器体积检测装置的反应贮器剩余体积检测装置的示例性方法的流程图。
图33是示出用于执行图32的反应贮器剩余体积检测装置的操作的示例性方法的流程图。
图34示出了对贮器的捕获图像的示例性分析。
图35是贮器体积检测装置的分配调整装置在其中操作的示例系统的框图。
图36是示出用于操作图35的分配调整装置的示例性方法的流程图。
图37是示出操作贮器体积检测装置的反应贮器检测装置的示例性方法的流程图。
图38是示出用于执行图37的反应贮器检测装置的操作的示例性方法的流程图。
图39示出了对清洗轮上的贮器槽的捕获图像的示例性分析。
图40是图1的示例性完整性评估系统的框图。
图41是图40的示例性分配尖端完整性评估装置的框图。
图42示出了示例性样品品质检测装置。
图43是示出用于操作图42的样品品质检测装置的示例性方法的流程图。
图44是示出操作图42的图像评估装置的示例性方法的流程图。
图45示出了对捕获图像的示例性分析。
图46是示出用于在图像中找到感兴趣区域的示例性方法的流程图。
图47是用于提取图像的颜色参数的示例方法的流程图。
图48示出了图像的示例性直方图。
图49是用于操作图42的分类数据生成装置的示例性方法的流程图。
图50是被分析为分类标签的干扰值的示例性表。
图51是样品分类标识符的示例性集。
图52示出了三种干扰物的示例性颜色参数数据表。
图53示出了来自如图52所示的第一干扰物、第二干扰物和第三干扰物的组合的样品分类器的示例性集。
图54是示意性地示出图42的示例性分类装置的框图。
图55是样品分类结果和相关标记结果的示例性数据集。
图56是示例性尖端对准检测装置的框图。
图57是示例性分配尖端的剖视图，示出了该分配尖端中的可能公差。
图58示意性地示出了分配尖端的示例性不对准。
图59示出了分配尖端的可能的不对准类型。
图60A是可与尖端对准检测装置一起使用的示例性分配尖端的横截面侧视图。
图60B是图60A的分配尖端的一部分的展开图。
图60C是图60A的分配尖端的一部分的展开图。
图61是示出用于评估分配尖端对准的示例性方法的流程图。
图62是示出用于检测分配尖端不对准的示例性方法的流程图。
图63是示出用于检测分配尖端不对准的另一示例性方法的流程图。
图64示意性地示出了一张示例性图像，该图示出分配尖端的侧面不对准。
图65是示出使用第二参考线校正体积的示例性方法的流程图。
图66是示出使用第二参考线校正体积的另一示例性方法的流程图。
图67示意性地示出了分配尖端相对于相机单元的深度不对准。
图68是在由尖端对准检测装置执行的校正之前和之后的体积检测的示例性数据表。
图69是图1的示例性颗粒浓度检查系统的框图。
图70示出了具有不同颗粒浓度的反应贮器的示例性图像。
图71是示例性反应贮器颗粒浓度检查系统的框图。
图72是示出用于测量反应贮器中包含的流体物质中的颗粒浓度的示例性方法的流程图。
图73是示出用于生成校准数据的示例性方法的流程图。
图74是用于生成校准数据的示例性物质的表格。
图75示出了根据校准数据绘制的示例性校准曲线。
图76是示出用于测量反应贮器中包含的流体物质中的颗粒浓度的示例性方法的流程图。
图77是用于不同分析物质的示例性浓度阈值的示例性表。
图78是利用反应贮器颗粒浓度检查系统的功能的示例性诊断功能的流程图。
图79是图78的诊断功能的另一示例的流程图。
具体实施方式
下面将结合附图详细描述各种实施例，其中在若干附图中，类似的附图标记表示类似的部件和组件。对各种实施例的提及并不是对本文所附权利要求书的范围进行限制。另外，本说明书中列举的任何例子并非意图加以限制，仅仅是针对所附权利要求书陈述多个可能的实施例中的一些。
图1是用于分析生物标本的示例性仪器100的框图。在一些实施方案中，仪器100包括物质准备系统102、准备评估系统104和物质评估系统106。一个或多个容器110与仪器100的系统一起使用，并且包括分配尖端112和贮器114。还示出了设置在仪器100中的一个或多个容器托架装置116。另外，准备评估系统104包括体积检测系统120、分配尖端评估系统122和托架检测系统126。在一些实施方案中，体积检测系统120利用分配尖端图像捕获单元130和贮器图像捕获单元132。在一些实施方案中，分配尖端评估系统122使用分配尖端图像捕获单元130，并且颗粒浓度检查系统124使用贮器图像捕获单元132。在一些实施方案中，托架检测系统126使用托架图像捕获单元134。
应当指出的是，如在本公开的发明内容部分中所述，根据第四方面、第五方面和/或第九方面的用于评估流体物质的系统可以各自指用于分析生物标本的仪器100和/或可以各自指仪器100的一个或多个部件和/或装置。此外，如在本公开的发明内容部分中所述，根据第一方面、第六方面、第十方面和/或第十三方面的用于评估流体物质的方法可以各自指用于操作仪器100的方法和/或可以各自指用于操作仪器100的一个或多个部件和/或装置的方法。
生物标本分析仪器100用于分析生物标本以实现各种目的。在一些实施方案中，生物标本分析仪器100被配置为分析血液样品并且用来收集、测试、处理、存储和/或输注血液及其组分。
物质准备系统102用来准备一种或多种物质，以供物质评估系统106进一步分析。在一些实施方案中，物质准备系统102用来将物质118等分到容器110，从容器110抽吸物质118以及将物质118分配到容器110。
准备评估系统104用来评估物质的准备，以供物质评估系统106进行后续分析。在一些实施方案中，准备评估系统104利用一个或多个图像捕获单元来确定物质118是否已经适当地准备好以供分析。如本文所述，准备评估系统104提供物质118的体积或完整性的直接和简单测量，以确定物质118是否被适当地准备，使得物质评估系统106使用物质118产生可靠的结果。
物质评估系统106用来评估由物质准备系统102准备的物质118。以举例的方式，物质评估系统106执行如参考图2所述的免疫测定。
容器110用于准备待由物质评估系统106分析的一种或多种物质118。容器110可以是各种类型，例如标本管(在本文中也称为样品管)、吸移尖端和贮器。在一些实施方案中，容器110包括分配尖端112和贮器114。
将分配尖端112提供给物质准备系统102，以从其他容器(例如贮器114)中等分或抽吸物质118。例如，分配尖端112用于从标本管中等分样品或从样品贮器或试剂贮器中抽吸样品或试剂。参考图13和图14更详细地描述和示出了分配尖端112的一个示例。
将贮器114提供给物质准备系统102以包含用于准备和分析的物质118。在一些实施方案中，物质准备系统102将物质118分配到贮器114中。贮器114的示例包括样品贮器、稀释剂贮器和反应贮器，它们在本文中更详细地描述。
容器托架装置116被配置为保持和承载仪器100中各个位置处的容器110，使得物质准备系统102、准备评估系统104和物质评估系统106以各种方式使用容器110。容器托架装置116的示例包括贮器架(例如，样品架、试剂架和稀释剂架)、样品呈递单元、贮器托架单元(例如，样品托架单元、反应贮器托架单元和试剂托架单元)、贮器转移单元(例如，样品转移单元、试剂转移单元、培养箱转移单元和反应贮器转移单元)，以及贮器保持板或轮(例如，样品轮、培养箱和清洗轮)，参考图2更详细地描述和说明。
在仪器100中准备、评估和检查物质118以进行各种测试和分析。物质118包括可以在仪器100中等分、抽吸和分配的任何物质。在一些实施方案中，物质118具有流体特性，因此在本文中称为流体物质。在一些实施方案中，流体物质118是单一流体物质。在其他实施方案中，流体物质118是多种物质的混合物。
准备评估系统104的体积检测系统120用来检测容器110中的流体物质118的体积，并确定容器110中保持的体积是否适合作为目标。如本文所述，体积检测系统120被配置为使用分配尖端图像捕获单元130检测分配尖端112处的体积，并且使用贮器图像捕获单元132检测贮器114处的体积。
准备评估系统104的分配尖端评估系统122用于评估流体物质118的完整性。在一些实施方案中，分配尖端评估系统122检测任何干扰物，其可能干扰分析过程并且可能产生不正确的结果。如本文所述，分配尖端评估系统122被配置为使用分配尖端图像捕获单元130确定分配尖端112处的流体物质118的品质，以及分配尖端112相对于分配尖端图像捕获单元130的对准。
颗粒浓度检查系统124用来确定贮器中所含的流体物质中的颗粒浓度，所述贮器贮如反应贮器、样品贮器、稀释液贮器、比色管或任何合适类型的贮器，其在仪器100中的整个过程中使用。在一些实施方案中，反应贮器颗粒浓度检查系统1700使用贮器图像捕获单元132。
分配尖端图像捕获单元130用来捕获一个或多个位置的分配尖端112的图像。在一些实施方案中，分配尖端图像捕获单元130固定在仪器100中的特定位置。在其他实施方案中，分配尖端图像捕获单元130可移动地设置在仪器100中，其可独立于仪二器100的其他部件移动或者与仪器100的一个或多个部件一起移动。仪器100的一些实施方案包括多个分配尖端图像捕获单元130。如本文所述，分配尖端图像捕获单元130可包括相机单元550(例如，图11)和相机单元2550(图11和67)。
贮器图像捕获单元132用来捕获一个或多个位置的贮器114的图像。在一些实施方案中，贮器图像捕获单元132固定在仪器100中的特定位置。在其他实施方案中，贮器图像捕获单元132可移动地设置在仪器100中，其可独立于仪器100的其他部件移动或者与仪器100的一个或多个部件一起移动。仪器100的一些实施方案包括多个贮器图像捕获单元132。如本文所述，贮器尖端图像捕获单元132包括相机单元730(例如，图24)。
托架图像捕获单元134用来捕获一个或多个位置的具有或不具有容器110的容器托架装置116的图像。在一些实施方案中，托架图像捕获单元134固定在仪器100中的特定位置。在其他实施方案中，托架图像捕获单元134可移动地设置在仪器100中，其可独立于仪器100的其他部件移动或者与仪器100的一个或多个部件一起移动。仪器100的一些实施方案包括多个托架图像捕获单元134。
继续参照图1，在一些实施方案中，仪器100用于经由数据通信网络138与管理系统136通信。例如，仪器100包括通信装置(诸如图3中的通信装置246)，仪器100通过该通信装置与管理系统136通信。
在一些实施方案中，管理系统136远离仪器100定位，并且被配置为基于来自仪器100的数据执行诊断。此外，仪器100可评估仪器性能并生成报告。管理系统136的一个示例包括执行PROSevice远程服务应用的一个或多个计算装置，该PROSevice远程服务应用购自加利福尼亚州布雷亚市贝克曼库尔特有限公司(Beckman Coulter，Inc.，Brea，CA)。
贝克曼库尔特PROService远程服务应用可通过网络(例如网络138)在生物样品分析仪器100和远程诊断命令中心(例如管理系统136)之间提供安全且连续的连接。生物标本分析仪器100可以经由以太网端口、Wi-Fi或蜂窝网络通过因特网连接到远程诊断命令中心。
仍然参照图1，数据通信网络138在一个或多个计算装置之间传送数字数据，诸如在数据收集装置108和数据处理系统136之间。网络138的示例包括局域网和广域网，诸如互联网。在一些实施方案中，网络138包括无线通信系统、有线通信系统或者无线通信系统和有线通信系统的组合。在各种可能的实施例中，有线通信系统可使用电信号或光信号传输数据。无线通信系统通常通过电磁波传输信号，诸如以光信号或射频(RF)信号的形式。无线通信系统通常包括用于发送光信号或RF信号的光发送机或RF发送机以及用于接收光信号或RF信号的光接收机或RF接收机。无线通信系统的示例包括Wi-Fi通信装置(诸如利用无线路由器或无线接入点)、蜂窝通信装置(诸如利用一个或多个蜂窝基站)以及其他无线通信装置。
图2示意性地示出了图1的生物标本分析仪器100的示例。在所示示例中，仪器100被配置为免疫测定分析仪。如上所述，仪器100包括物质准备系统102、准备评估系统104和物质评估系统106。在一些实施方案中，物质准备系统102包括样品供应板140、样品呈递单元142、反应贮器进给器144、反应贮器托架单元146、样品转移单元148、吸移尖端进给器150、样品吸移装置152、样品轮158、试剂托架单元160、试剂吸移装置162、试剂存储装置164、试剂加载装置166、培养箱转移单元170、培养箱172、反应贮器转移单元174、清洗轮176和底物加载装置180。在一些实施方案中，物质评估系统106包括光测量装置190和评估处理装置192。物质评估系统106的一些实施方案还与由培养箱转移单元170、培养箱172、反应贮器转移单元174、清洗轮176和底物加载装置180执行的至少一些操作相关联。
样品供应板140被配置为在多个样品架中接收多个样品管。在一些实施方案中，用户(例如，实验室技术人员)将一个或多个样品管架装载到样品供应板140。样品供应板140可以将架移动到样品呈递单元142以供吸移，并且在吸移之后接收由样品呈递单元142送回的吸移架。
样品呈递单元142用来将一个或多个样品管架转移到指定位置。在一些实施方案中，样品供应板140用来向样品呈递单元142提供一个样品架。另外，样品呈递单元142可以用来识别样品架和架上的样品ID。样品呈递单元142将样品架转移到样品吸移位置，在样品吸移位置，样品吸移器从样品架中的样品管进行等分。当样品吸移器从样品架中的一个样品管进行等分时，样品呈递单元142指向样品架中的另一个样品管以进行下一次吸移。在已经吸移所有样品管之后，样品呈递单元142将样品架送回样品供应板140。样品呈递单元142可包括样品架呈递单元。在其他实施方案中，样品呈递单元142被配置为转移承载单个管的弹力盘。应当理解，样品呈递单元142也被配置并用于其他类型的容器，例如杯子或贮器。
反应贮器进给器144将多个反应贮器供应到反应贮器托架单元146。用户可以在反应贮器进给器144中装载大量新的空反应贮器。在一些实施方案中，反应贮器进给器144用来当将反应贮器供应到反应贮器托架单元146时使反应贮器定向。
反应贮器托架单元146用来将反应贮器从反应贮器进给器144转移到样品转移单元148。在一些实施方案中，反应贮器托架单元146从反应贮器进给器144中拾取一个或多个反应贮器，并将这些反应贮器转移到样品转移单元148。
样品转移单元148用来将空的反应贮器从反应贮器托架单元146转移到样品轮158和试剂托架单元160。此外，样品转移单元148用来将等分的样品容器转移到试剂托架单元160，并将样品容器从试剂托架单元160转移回样品轮158。样品转移单元148可进一步用来处置已用于预定过程的样品贮器和稀释剂贮器。
吸移尖端进给器150将吸移尖端供应到样品吸移装置152。在本文中，吸移尖端是分配尖端112的示例，因此，在本文中也可称为分配尖端112。在一些实施方案中，样品架中的多个吸移尖端以阵列形式装载在吸移尖端进给器150中。吸移尖端被转移并接合到样品吸移装置152以进行吸移。一旦使用，吸移尖端就从样品吸移装置152脱离接合以报废，并且样品吸移装置152可返回到吸移尖端进给器150。用户可以丢弃固体废弃物，包括用过的吸移尖端。
样品吸移装置152执行各种吸移操作。样品吸移装置152从吸移尖端进给器150接收吸移尖端并将吸移尖端接合到样品吸移装置152。在一些实施方案中，样品吸移装置152通过将吸移器芯轴压入吸移管尖端并提升与吸移管尖端配合的吸移器芯轴来接合吸移尖端。如本文所述，吸移尖端的一些实施方案可在单次使用或多次使用后弃置。
在一些实施方案中，样品吸移装置152包括样品等分吸移单元(“样品等分门架”)152A和样品精确吸移单元(“样品精确门架”)152B。
样品等分吸移单元152A用来从位于样品呈递单元142中的样品管吸移样品的等分试样，并将样品的等分试样分配到样品轮158上的样品贮器中。当完成每个样品的吸移操作时，样品等分吸移单元可以弃置用过的吸移尖端。如本文所述，样品等分吸移单元152A可包括相机单元550，该相机单元在本文中参考例如图11、12A和12B进一步描述。
样品精确吸移单元152B用于从位于试剂托架单元160上的样品贮器中吸移样品。然后，样品精确吸移单元可将该样品分配到反应贮器中。在一些实施方案中，可以将样品首先分配到稀释液贮器中以在分配到反应贮器之前产生样品稀释液(例如，用试剂吸移装置162提供的清洗缓冲液)。当预定测试完成时，样品精确吸移单元可以弃置用过的吸移尖端。如本文所述，样品精确吸移单元152B可包括相机单元2550，该相机单元在本文中参考图11、12A、12B和67进一步描述。
样品轮158将等分样品储存在其上的样品贮器中。在一些实施方案中，样品轮158用来将样品保持在较低温度，例如约4-10℃，以减少通过蒸发改变分析物浓度。如果要求进行额外的测试，则在吸移试剂后，可将样品贮器转移回样品轮158。
试剂托架单元160被配置为支撑多个贮器并将贮器转移到不同位置。在一些实施方案中，试剂托架单元160被配置为保持多个贮器(例如，三个或四个贮器)，这些贮器可同时用于试剂吸移装置162的每个试剂吸移器。在一些实施方案中，试剂托架单元160通过加热被控制在约30℃至40℃。在其他实施方案中，例如，试剂托架单元160保持在约37℃以确保酶一致的动力学反应。
在一些实施方案中，试剂托架单元160被配置为保持反应贮器、稀释液贮器和样品贮器，并输送贮器用于样品吸移和试剂吸移。在一些实施方案中，试剂托架单元160包括可沿预定路径移动的托架梭动件。例如，试剂托架单元160移动成靠近样品转移单元148，以从样品转移单元148接收反应贮器、稀释液贮器和样品贮器。此外，试剂托架单元160可移动到试剂吸移装置162以用于吸移试剂，并移动到样品精确吸移单元152B以用于吸移样品。在一些实施方案中，试剂托架单元160移动到样品转移单元148以移除稀释液贮器和样品贮器，并移动到培养箱转移单元170以移除反应贮器。
试剂吸移装置162用来将试剂从试剂存储装置164吸移到试剂托架单元160上的反应贮器。在一些实施方案中，试剂吸移装置162包括多个吸移器，这些吸移器可同时在不同测试上执行吸移以支持吞吐量。在一些实施方案中，试剂吸移装置162通过加热被控制在约30℃至40℃。在其他实施方案中，例如，试剂吸移装置162保持在约37℃以确保酶反应一致的结合动力学。
试剂存储装置164存储试剂。试剂存储装置包括被配置为将试剂包转移到预定位置的试剂转移单元。在一些实施方案中，试剂存储装置164可将试剂包从试剂加载装置166转移到试剂存储装置164，从试剂存储装置164转移到吸移位置以便由试剂吸移装置162吸移，从吸移位置转移到试剂存储装置164，从吸移位置转移到报废位置(如果试剂被消耗)，从试剂存储装置164转移到报废位置(如果试剂过期)，以及从试剂存储装置164转移到试剂加载装置166用于卸载试剂包。在一些实施方案中，试剂存储装置164通过加热被控制在约2℃至15℃。在其他实施方案中，试剂存储装置164保持在约4℃至10℃。
试剂加载装置166用来加载一个或多个试剂包。用户可以将试剂包加载到试剂加载装置166。
培养箱转移单元170将反应贮器转移到培养箱172和从培养箱转移反应贮器。在一些实施方案中，培养箱转移单元170将一个或多个吸移反应贮器从试剂托架单元160转移到培养箱172。此外，培养箱转移单元170可以将一个或多个反应贮器从培养箱172转移到试剂托架单元160。培养箱转移单元170还可以从培养箱172中移除已经读取或完成的反应贮器。
对培养箱172进行热控制以保持预定温度。在一些实施方案中，培养箱172保持在约30℃至40℃。在其他实施方案中，培养箱172保持在约37℃以确保例如免疫反应和酶反应。以举例的方式，培养箱172执行测定温育。
反应贮器转移单元174将反应贮器转移到培养箱172和从培养箱转移。在一些实施方案中，反应贮器转移单元174将温育的反应贮器从培养箱172转移到清洗轮176，将测定反应贮器从清洗轮176转移到培养箱172，将含有底物的反应贮器从清洗轮176转移到培养箱172以用于底物温育或酶反应，在底物温育后将清洗过的反应贮器从培养箱172转移到光测量装置190，并将已经读取或完成的反应贮器从光测量装置190转移到培养箱172。可将使用过的反应贮器输送到报废位置。
清洗轮176接收反应贮器并将反应贮器支撑在其上，使得利用物质评估系统106执行诊断过程的各个方面。参考图23至25更详细地描述和示出了清洗轮176的一个示例。在一些实施方案中，清洗轮176是热控装置，用于在温育后将结合的或游离的分析物与颗粒分离。在一些实施方案中，清洗轮176保持在约30℃至40℃。在其他实施方案中，清洗轮176保持在约37℃以确保例如酶反应。
底物吸移装置178用来将底物分配到清洗过的反应贮器中。底物的一个示例是用于免疫测定酶反应的化学发光底物，诸如Lumi-Phos 530，其可产生光，提供对应于在磁性颗粒上捕获的分析物的量的检测。
底物加载装置180用来加载一个或多个待供应的底物。在一些实施方案中，底物加载装置180包括一组两个瓶，其中一个瓶在使用中，另一个瓶被布置用于卸载和新的加载处理。底物吸移装置178可以用来从使用中的瓶中抽吸底物。
光测量装置190用来检测和测量由免疫分析产生的光(例如，图4中的光L)。在一些实施方案中，光测量装置190(也可称为光度计)包括不透光封装件，该封装件包含光电倍增管(PMT)，用于从包含底物的反应贮器读取化学发光的量值。可以由反应贮器转移单元174将反应贮器转移到光测量装置190和从光测量装置移除。
评估处理装置192用来接收关于由光测量装置190检测到的光量的信息，并基于该信息评估分析。
图3示出了可用于实现本公开各方面的计算装置的示例性架构，包括生物标本分析仪器100或仪器100的各种系统，诸如物质准备系统102、准备评估系统104和物质评估系统106。另外，仪器100的系统所包括的一个或多个装置或单元也可用如图3所示的计算装置的至少一些构件来实现。这种计算装置在本文中被指定为附图标记200。计算装置200用于执行本文所述的操作系统、应用程序和软件模块(包括软件引擎)。
在一些实施例中，计算装置200包括至少一个处理装置202，诸如中央处理单元(CPU)。多种处理装置可得自多个制造商，例如英特尔公司(Intel)或AMD公司(AdvancedMicro Devices)。在此示例中，计算装置200还包括系统存储器204和系统总线206，该系统总线将包括系统存储器204在内的多个系统构件耦合到处理装置202。系统总线206为许多不同类型的总线结构中的一者，包括存储器总线或存储控制器；外围总线；以及使用多种总线架构中的任一者的局部总线。
适于计算装置200的计算装置的示例包括台式计算机、膝上型计算机、平板计算机、移动装置(诸如智能电话、移动数字装置或其他移动装置)或者被配置为处理数字指令的其他装置。
系统存储器204包括只读存储器208和随机存取存储器210。含有基本例程的基本输入/输出系统212通常存储在只读存储器208中，该基本例程用于在计算装置200内，如在启动期间传输信息。
在一些实施例中，计算装置200还包括用于存储数字数据的辅助存储装置214，诸如硬盘驱动器。辅助存储装置214通过辅助存储接口216连接到系统总线206。辅助存储装置及其相关联的计算机可读介质为计算装置200提供计算机可读指令(包括应用程序和程序模块)、数据结构和其他数据的非易失性存储。
尽管本文所述的示例性环境将硬盘驱动器用作辅助存储装置，但在其他实施例中使用其他类型的计算机可读存储介质。这些其他类型的计算机可读存储介质的例子包括盒式磁带、闪存卡、数字视频盘、伯努利盒、光盘只读存储器、数字通用盘只读存储器、随机存取存储器或只读存储器。一些实施例包括非瞬时性介质。
若干个程序模块可存储在辅助存储装置214或存储器204中，包括操作系统218、一个或多个应用程序220、其他程序模块222和程序数据224。
在一些实施例中，计算装置200包括输入装置，以使用户能够向计算装置200提供输入。输入装置226的示例包括键盘228、指针输入装置230、麦克风232和触敏显示器240。其他实施例包括其他输入装置226。输入装置通常通过耦合到系统总线206的输入/输出接口238连接到处理装置202。这些输入装置226可通过许多不同的输入/输出接口连接，诸如并行端口、串行端口、游戏端口或通用串行总线。输入装置与接口238之间的无线通信也是可能的，并且在一些可能的实施例中，其包括红外线、无线技术、WiFi技术(802.11a/b/g/n等)、蜂窝或其他射频通信系统。
在此示例性实施例中，触敏显示装置240也经由接口(诸如视频适配器242)连接到系统总线206。触敏显示装置240包括触摸传感器，该触摸传感器用于在用户触摸显示器时接收来自用户的输入。这些传感器可为电容传感器、压力传感器或其他触摸传感器。传感器不仅检测与显示器的接触，还检测接触的位置以及接触随时间的移动。例如，用户可在屏幕上移动手指或触笔以提供写入输入。对写入输入进行评估，并且在一些实施例中，将其转换为文本输入。
除了显示装置240之外，计算装置200可包括各种其他外围装置(未示出)，诸如扬声器或打印机。
计算装置200还包括通信装置246，该通信装置被配置为在整个网络上建立通信。在一些实施例中，当在局域联网环境或广域联网环境(诸如互联网)中使用时，计算装置200通常通过网络接口(诸如无线网络接口248)连接到网络。其他可能的实施例使用其他有线和/或无线通信装置。例如，计算装置200的一些实施例包括以太网网络接口或者用于在整个网络上通信的调制解调器。在其他实施例中，通信装置246能够进行短距离无线通信。短距离无线通信为单向或双向的短距离到中距离的无线通信。可根据各种技术和协议建立短距离无线通信。短距离无线通信的示例包括射频识别(RFID)、近场通信(NFC)、蓝牙技术和Wi-Fi技术。
计算装置200通常包括至少某种形式的计算机可读介质。计算机可读介质包括可由计算装置200访问的任何可用介质。举例来讲，计算机可读介质包括计算机可读存储介质和计算机可读通信介质。
计算机可读存储介质包括易失性的和非易失性的、可移除的和不可移除的介质，该介质在构造用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何装置中实现。计算机可读存储介质包括但不限于随机存取存储器、只读存储器、电可擦可编程只读存储器、闪速存储器或其他存储技术、光盘只读存储器、数字多功能光盘或其他光学存储器、磁带盒、磁带、磁盘存储器或其他磁存储装置或者可用于存储所需信息且可由计算装置200访问的任何其他介质。
计算机可读通信介质通常具体表达为计算机可读指令、数据结构、程序模块或调制数据信号(诸如载波或其他传输机制)中的其他数据，并且包括任何信息传递介质。术语“调制数据信号”是指具有一个或多个其特征以某种方式设置或改变以编码信号中的信息的信号。举例来讲，计算机可读通信介质包括有线介质，诸如有线网络或直接有线连接；以及无线介质，诸如声音、射频、红外线和其他无线介质。上述中的任一种的组合也包括在计算机可读介质的范围内。
血液样品是全血、血清、血浆和其他血液组分或成分。在一些实施方案中，生物标本分析仪器100被配置为分析一种或多种体液样品类型。体液是血液、尿液、唾液、脑脊髓液、羊水、粪便、粘液、细胞或组织提取物，以及核酸提取物。标本，也称为样品，在捐赠中心、医生办公室、抽血者办公室、医院、诊所和其他医疗机构中收集，但不限于此。然后收集的体液及其组分经常在临床实验室、医院、血库、医生办公室或其他医疗机构中或通过临床实验室、医院、血库、医生办公室或其他医疗机构处理、测试和分配。在本公开中，仪器100被主要描述为执行免疫测定，其通过使用抗体或免疫球蛋白测量溶液中大分子的存在或浓度。这样的大分子在本文中也称为分析物。然而，在其他实施方案中，仪器100包括任何类型的生物标本分析仪。例如，仪器100可以是临床化学分析仪、血型分析仪、核酸分析仪、微生物分析仪或任何其他类型的体外诊断(IVD)分析仪。
图4是示出用于免疫学分析的示例性方法300的示意图。在一些实施方案中，方法300包括操作302、304、306、308、310、312和314。在一些实施方案中，方法300中的至少一些操作由仪器100的物质准备系统102、准备评估系统104和/或物质评估系统106执行。
在操作302处，将比色管320(例如，反应贮器)运输到预定位置，并且将包括磁性颗粒322的第一试剂分配到比色管320中。在一些实施方案中，比色管320是反应贮器并且被运输到清洗轮176。
在操作304处，将样品或标本324分配到比色管320中。在一些实施方案中，与从吸移尖端进给器150供应的吸移尖端接合的样品吸移装置152将样品324从已被运输到预定位置的样品贮器中抽吸。一旦将样品分配到比色管320中，如果需要，可以对比色管320进行混合，以便产生磁性颗粒载体，每个磁性颗粒载体由结合在一起的抗原和样品324中的磁性颗粒形成。
在操作306处，对比色管320进行第一清洁过程，其中磁性颗粒载体由磁性收集单元326磁性收集，并且由结合-游离清洁抽吸喷嘴328进行结合-游离分离。因此，比色管320中的未反应物质330被移除。
在操作308处，将第二试剂332(诸如包括标记抗体的标记试剂)分配到比色管320中。因此，产生了由结合在一起的磁性颗粒载体和标记抗体332形成的免疫复合物334。
在操作310处，执行第二结合-游离清洁过程以由磁性收集结构336磁性地收集磁性颗粒载体。此外，由结合-游离清洁抽吸喷嘴338进行结合-游离分离。因此，从比色管320中移除了未与磁性颗粒载体结合的标记抗体332。
在操作312处，将包含酶340的底物分配到比色管320中，然后将它们混合。在酶反应通过所需的一定反应时间之后，将比色管320运输到光度测定系统，例如光测量装置190。
在操作314处，酶340和免疫复合物334通过底物340与标记抗体332上的酶反应结合在一起，并且光L从免疫复合物334发射并通过由光度测定系统(诸如光测量装置190)测量。光测量装置190用来根据测量的光的量计算包含在标本中的抗原的量。
参见图5至39，描述了体积检测系统120的一个示例。
图5是图1的体积检测系统120的一个示例的框图。在一些实施方案中，体积检测系统120包括分配尖端体积检测装置400和贮器体积检测装置402。体积检测系统120还包括生成相关性数据406的相关性数据生成系统404。
分配尖端体积检测装置400用来检测抽吸入分配尖端112的流体物质118的体积。
流体物质118可以是适于分配在容器中并呈递以供进一步分析的任何类型。在各种实施方案中，流体物质118可为待分析的标本、样品准备组分、稀释剂、缓冲剂、试剂或者前述的任何组合。在流体物质118涉及血液或其组分的情况下，流体物质118的示例包括全血、血浆、血清、红细胞、白细胞、血小板、稀释剂、试剂或其任何组合。流体物质118可为其他类型的体液物质，诸如唾液、脑脊液、尿液、羊水、粪便、黏液、细胞或组织提取物、核酸或疑似含有目标分析物的任何其他类型的体液、组织或材料。在流体物质118是试剂的情况下，该试剂可以是已知用于分析生物标本的各种类型的试剂。试剂的一些示例包括含标记特异性结合试剂(例如抗体或核酸探针)的液体试剂、含反应性和/或非反应性物质的液体试剂、红细胞悬液和颗粒悬浮液。在其他实施方案中，试剂可以是化学发光底物。
如本文所述，分配尖端112可以是各种类型并且用于不同的过程。分配尖端112的一个示例是可与样品吸移装置152一起使用的吸移尖端。分配尖端体积检测装置400可以利用分配尖端图像捕获单元130。参考图9至21更详细地举例说明和描述了分配尖端体积检测装置400的一个示例。
贮器体积检测装置402用来检测贮器114内容纳的流体物质118的体积。如本文所述，贮器114可以是各种类型并且用于不同的过程。贮器114的示例包括反应贮器、样品贮器和稀释液贮器，它们在整个过程中在仪器100中使用。贮器体积检测装置402可以利用贮器图像捕获单元132。参考图22至39更详细地举例说明和描述了贮器体积检测装置402的一个示例。
相关性数据生成系统404生成相关性数据406。相关性数据406提供由体积检测系统120用来确定容纳在容器110中的流体物质118的体积的信息。在一些实施方案中，相关性数据生成系统404是从体积检测系统120独立的装置。在其他实施方案中，相关性数据生成系统404被配置为使用体积检测系统120的至少一些资源。
图6为示出了操作体积检测系统120的示例性方法410的流程图。在一些实施方案中，方法410中的至少一些操作由仪器100的物质准备系统102、准备评估系统104和/或物质评估系统106执行。在其他实施方案中，仪器100的其他部件、单元和装置用于执行方法410中的至少一个操作。
在操作412处，流体物质118被提供到容器110中。在一些实施方案中，物质准备系统102可以执行操作412。在其他实施方案中，在将容器110装入仪器100并由该仪器使用之前，容器110预先装载有流体物质118。
在操作414处，将包括流体物质118的容器110运输到图像捕获单元，诸如分配尖端图像捕获单元130和贮器图像捕获单元132。
在操作416处，图像捕获单元捕获容器110的图像。在一些实施方案中，容器110的图像是预定分辨率的数字图像。
在操作418处，准备评估系统104(例如，体积检测系统120)分析该图像以确定容器110内的流体物质118的体积。参照图7更详细地描述了操作416的示例。
在操作420处，准备评估系统104(例如，体积检测系统120)确定所确定的体积是否落入公差范围内。当确定的体积在公差范围之外时，认为将流体物质118提供到容器110中是不合适的。在一些实施方案中，基于与预期被提供到容器110中的流体物质118的目标体积的可允许偏差来确定这样的公差范围。当确定检测到的体积落在该公差范围内时(操作420处选择“是”)，方法410前进到执行预定的下一步骤。否则(在操作420处选择“否”)，方法410前进至操作422。
在操作422处，准备评估系统104(例如，体积检测系统120)标记容器110以指示容器110内的流体物质118的体积不适合于后续过程。另选地，准备评估系统104用来停止仪器100中的相关测试或分析过程。在其他实施方案中，评估结果可用于自动调整由于流体物质的不适当体积而可能错误的测试结果。在其他实施方案中，如本文所述，评估结果可用于响应于体积确定而自动调整流体物质的体积。
图7是示出了用于执行图6的操作418的示例性方法430的流程图。具体地讲，方法430提供用于分析容器110的捕获图像以确定容纳在容器110中的流体物质118的体积的过程。
在操作432处，准备评估系统104(例如，体积检测系统120)检测该图像中的参考点。参考点与容器110相关联。在一些实施方案中，参考点包括在容器110上形成的可检测结构的位置或部分。在其他实施方案中，参考点被配置为容器110的一部分。参考点的其他示例也是可能的。可以使用各种图像处理方法来检测图像中的流体物质118的表层。
在操作434处，准备评估系统104(例如，体积检测系统120)检测图像中容器110内的流体物质118的表层。可以使用各种图像处理方法来检测图像中的流体物质118的表层。
在操作436处，准备评估系统104(例如，体积检测系统120)测量参考点和表层之间的距离。在一些实施方案中，按照参考点与图像中的表层之间的像素距离来测量距离。在一些实施方案中，基于两个像素点之间的欧几里德距离来计算像素距离。
在操作438处，准备评估系统104(例如，体积检测系统120)基于相关性数据406将距离转换为体积。相关性数据406包括关于容器110内的体积与从参考点到容器110内的多个不同表层的距离之间的相关性的信息。参照图8描述了生成相关性数据的示例性方法。
图8是示出用于操作相关性数据生成系统404以生成相关性数据406的示例性方法450的流程图。在一些实施方案中，仪器100的至少一部分用作相关性数据生成系统404。在其他实施方案中，相关性数据生成系统404独立于仪器100生成相关性数据。
在操作452处，相关性数据生成系统404将液体供应到容器。方法450中使用的容器是经受本文中的体积检测过程的相同容器110。方法450中使用的液体不需要与仪器100中使用的流体物质118相同。
在操作454处，相关性数据生成系统404捕获具有液体的容器的图像。
在操作456处，相关性数据生成系统404提取参考点(即，如操作432中所述的参考点)与在操作454中捕获的图像中的流体表面之间的距离。在一些实施方案中，可以类似于方法430的至少一些操作(诸如操作432、434和436)来确定距离。
在操作458处，相关性数据生成系统404测量供应到容器的液体的体积。可以使用各种方法来确定容器内的液体体积。本文档中描述了此类方法中的一些。
在操作460处，相关性数据生成系统404将在操作456处计算的距离与在操作458处测量的体积相关。
在操作462处，相关性数据生成系统404确定是否已经执行了足够数量的相关来生成相关性数据406。如果是这样(在操作470处选择“是”)，则方法450前进到操作464。否则(在操作470处选择“否”)，方法450返回到操作452，在该步将液体供应到容器，并且执行后续操作以确定距离和容器内液体的体积之间的附加相关性。为了获得足够范围的相关性数据，供应到容器的液体的量可以在不同的相关过程循环中改变。此外，对于一些相关循环，供应到容器的液体的量可以保持大致相同，以便获得针对特定体积或体积范围的可靠结果。
在操作464处，相关性数据生成系统404基于在操作460处进行的多个相关来创建相关性数据408。在一些实施方案中，可以外推相关性数据408以推断距离和体积之间的关系。例如，可以从相关性数据408创建相关性曲线、查找表或数学公式以拟合数据并估计距离和容器内体积之间的关系。
参见图9至21，描述了图5的分配尖端体积检测装置400的一个示例。
图9示出了图5的分配尖端体积检测装置400的一个示例。在一些实施方案中，分配尖端体积检测装置400包括样品抽吸体积检测装置500。此外，分配尖端体积检测装置400使用由尖端体积相关性数据生成系统504生成的尖端体积相关性数据506。
样品抽吸体积检测装置500用于确定抽吸入样品吸移装置152的样品吸移尖端中的样品的体积。下面描述样品抽吸体积检测装置500的结构和操作的一个示例。
尖端体积相关性数据生成系统504生成尖端体积相关性数据506。尖端体积相关性数据506提供由分配尖端体积检测装置400用来确定在分配尖端(例如，样品吸移尖端)中接收的流体物质的体积的信息。在一些实施方案中，尖端体积相关性数据生成系统504是从分配尖端体积检测装置400独立的装置。在其他实施方案中，尖端体积相关性数据生成系统504被配置为使用分配尖端体积检测装置400的至少一些资源。尖端体积相关性数据生成系统504和尖端体积相关性数据506包括在相关性数据生成系统404和相关性数据406中，或作为相关性数据生成系统和相关性数据的示例，如图5所示。
可靠的临床诊断需要对待分析的物质进行准确且精确的抽吸和分配。例如，在分析诸如血液或任何其他体液的标本的自动分析器中，标本的分配量和诸如反应贮器中的试剂的其他物质相对于指定量的波动会影响分析结果，并且降低检查和分析的可靠性。因此，建立一种用于高准确度地测量抽吸或分配量并且仅选择量在合适范围内的抽吸或分配标本的技术是有益的。一种测量液体体积的方法是通过使用共振频率确定容器内液体的高度来检测液体表层。在其他情况下，空气压力用于确定由分配尖端抽吸的液体(例如，样品)的粘度。在其他情况下，流量传感器用于确定抽吸或分配的液体的流速。
然而，这些方法具有各种缺点。例如，使用共振频率检测液体表层以及使用空气压力检测流体粘度可以确定容器中的液体体积，但是不能量化抽吸或分配的液体体积。流量传感器可以量化通过布置由流量传感器的管道的液体体积，但是不能可靠地测量抽吸或分配的液体体积。这些方法没有用于在错误结果的情况下识别不准确的样品抽吸的过程。
如本文更详细描述的，分配尖端体积检测装置400采用图像处理方法来量化抽吸的流体物质(例如，样品)的体积。在透明或半透明容器(如锥形分配尖端)中抽吸流体物质的体积。对容器进行成像，并检测图像中的参考点。分配尖端体积检测装置测量从流体物质的弯月面到参考点的距离，并使用体积校准曲线将该距离与体积相关。如果容器内抽吸的体积不符合针对抽吸精确度或准确度的规格，则标记抽吸或整个测试。用户或操作员可以接收关于抽吸结果的信息。
图10示意性地示出了结合样品抽吸体积检测装置500的样品抽吸系统510的示例性结构。在例示的示例中，样品抽吸体积检测装置500主要被描述和示出为分配尖端体积检测装置400的示例。然而，应当理解，任何类型的分配尖端体积检测装置400可以以与样品抽吸体积检测装置500相同或相似的方式使用。
在一些实施方案中，样品抽吸系统510包括样品吸移模块512，该模块可沿着样品转移引导514在不同位置之间移动。样品吸移模块512可移动到尖端供应位置516、样品分配位置518、尖端报废位置520和样品抽吸位置522。在一些实施方案中，样品吸移模块512包括基部524和支撑在基部524的芯轴526。样品吸移模块512包括垂直转移单元528，该垂直转移单元被配置为将包括芯轴526的基部524相对于样品容器530垂直移动。芯轴526被配置为安装分配尖端112，分配尖端在本文中也称为吸移尖端或探头、抽吸尖端或探头，或一次性尖端或探头。112
在仪器100上，由分配尖端吸取样品以避免污染风险。样品吸移模块512可移动到尖端供应位置516并垂直降低模块512的基部524以将芯轴526插入由分配尖端供应单元534供应的分配尖端112中。然后，样品吸移模块512移动到样品抽吸位置522，在那里样品吸移模块512用来从样品容器530中抽吸预定体积的样品540。一旦抽吸样品，样品抽吸体积检测装置500就检测在分配尖端112中抽吸的样品的体积。在一些实施方案中，样品抽吸体积检测装置500包括分配尖端图像捕获单元130以在体积检测过程中捕获分配尖端112的图像。之后，样品吸移模块512移动到样品分配位置518以将抽吸的样品体积分配到反应容器536中，然后移动到尖端报废位置520以将分配尖端112丢弃到分配尖端报废单元538中。
在一些实施方案中，样品抽吸系统510使用仪器100的至少一些部件实现，如图2所示。例如，样品吸移模块512对应于仪器100的样品吸移装置152(包括样品等分吸移单元152A和样品精确吸移单元152B)。样品容器530可对应于样品管。分配尖端供应单元534可对应于吸移尖端进给器150。反应容器536可以对应于样品贮器、反应贮器或任何其他贮器。
图11、12A和12B示出了图10的样品抽吸系统510。图11是图10的样品抽吸系统的透视图，图12A是样品抽吸系统510的侧视图，图12B是样品抽吸系统510的另一侧视图，示出了样品吸移模块512处于样品抽吸位置522以用于使用样品抽吸体积检测装置500进行体积检测。
如图所示，分配尖端图像捕获单元130包括第一相机单元550及其相关部件，它们安装到样品等分吸移单元152A。在一些实施方案中，第一相机单元550和这些其他部件被配置为与样品等分吸移单元152A的对应芯轴和分配尖端一起移动。
在一些实施方案中，相机单元550包括用于获得彩色数字图像的互补金属氧化物半导体(CMOS)图像传感器。在其他实施方案中，相机单元550包括用于获取彩色数字图像的电荷耦合装置(CCD)图像传感器。如图12所示，相机单元550位于分配尖端112的一侧。相机单元550的其他实施方案被配置为获得黑白或灰度图片。相机单元550的一个示例包括名为ADVANTAGE 102的模型，该模型得自Cognex Corporation(马萨诸塞州纳蒂克)，诸如AE3-IS机器视觉彩色相机+IO板(例如，部件号AE3C-IS-CQBCKFS1-B)。
分配尖端图像捕获单元130还可包括用于相机550的光源552。光源552用于根据需要照明待拍摄的分配尖端112及其周围。光源552可被布置在各个位置。在所示示例中，光源552被定位在分配尖端112的背面，与相机单元550相对，因此用作背光源。光源552的其他位置也是可能的。光源552的一个示例包括购自Moritex Corporation(日本)的MDBL系列。
在其他实施方案中，相机单元550包括光源551，诸如LED灯，其可操作为将光朝向分配尖端112发射。在该配置中，光源552可以由屏幕553代替，该屏幕布置成与相机单元550相对，使得分配尖端112被定位在相机单元550和屏幕553之间。屏幕553用于通过将光朝向相机的光圈反射而在相机单元的视场(FOV)的方向上投射光。屏幕553由一种或多种可以提供不同反射强度的材料制成。例如，屏幕553包括回射片材，其一个示例包括购自3M公司(明尼苏达州梅普尔伍德)的3MTM ScotchliteTM片材7610(3MTM ScotchliteTM Sheeting 7610)。在其他实施方案中，光源552可以与来自相机单元550的光源551和屏幕553一起使用。
在一些实施方案中，相机单元550和光源552(或屏幕553)附接在样品吸移模块512上并且被配置为与样品吸移模块512一起水平移动，使得在样品吸移模块512的任何位置捕获分配尖端112的图像。例如，包含抽吸样品的分配尖端112的图像可以在抽吸样品(即，样品抽吸位置522)和样品分配之前(即，样品分配位置518)在任何位置获取。在其他实施方案中，相机单元550附接到样品吸移模块512，而光源552(或屏幕553)未附接到样品吸移模块512。在另一个实施方案中，相机单元550未附接到样品吸移模块512，而光源552(或屏幕553)附接到样品吸移模块512。在其他实施方案中，相机单元550和光源552(或屏幕553)都不附接到样品吸移模块512。
此外，分配尖端图像捕获单元130可包括第二相机单元2550及其相关部件，它们安装到样品精确吸移单元152B。第二相机单元2550及其相关部件可与第一相机单元550及其相关部件类似地配置。
在一些实施方案中，第二相机单元2550和这些其他部件被配置为与样品等分吸移单元152A的对应芯轴和分配尖端一起移动。
第二相机单元2550可以被配置为类似于第一相机单元550。相机单元2550的一个示例包括名为ADVANTAGE102的模型，该模型得自CognexCorporation(马萨诸塞州纳蒂克)，诸如AE3-IS机器视觉相机+IO板(例如，部件号AE3-IS-CQBCKFP2-B)。
分配尖端图像捕获单元130还可包括用于相机2550的光源2552。光源2552用于根据需要照明待拍摄的分配尖端112及其周围。光源2552可被布置在各个位置。在所示示例中，光源2552被定位在分配尖端112的背面，与相机单元2550相对，因此用作背光源。光源2552的其他位置也是可能的。光源2552的一个示例包括购自Moritex Corporation(日本)的MDBL系列。
在其他实施方案中，相机单元550包括光源2551，诸如LED灯，其可操作为将光朝向分配尖端112发射。在该配置中，光源2552可以由屏幕2553代替，该屏幕布置成与相机单元550相对，使得分配尖端112被定位在相机单元2550和屏幕2553之间。屏幕2553用于通过将光朝向相机的光圈反射而在相机单元的视场(FOV)的方向上投射光。屏幕2553由一种或多种可以提供不同反射强度的材料制成。例如，屏幕2553包括回射片材，其一个示例包括购自3M公司(明尼苏达州梅普尔伍德)的3MTM ScotchliteTM 片材7610(3MTM ScotchliteTMSheeting 7610)。在其他实施方案中，光源2552可以与来自相机单元2550的光源2551和屏幕2553一起使用。
在一些实施方案中，相机单元2550和光源2552(或屏幕2553)被配置为固定且与样品吸移模块512的移动无关。在其他实施方案中，其他配置也是可能的。
如本文所述，相机单元2550及其相关部件可用于尖端对准检测，如图67中进一步所示。
参见图13和14，描述了分配尖端112的一个示例。具体地讲，图13是分配尖端112的示例的示意性透视图，图14是分配尖端112的远侧端部的剖视图。
分配尖端112从近侧端部560和远侧端部562延伸。分配尖端112包括在近侧端部560处的基部部分564，其被配置为将分配尖端112附接到样品吸移模块512的芯轴526。分配尖端112还包括从基部部分564延伸的细长主体部分566。包括基部部分564和主体部分566的分配尖端112限定了用于抽吸、容纳和分配流体物质的吸移通道(或沟道)572。在一些实施方案中，分配尖端112(包括分配尖端112)是一次性的。在其他实施方案中，分配尖端112(包括分配尖端112)是非一次性的或在被弃置之前可用的多个拼片。
在一些实施方案中，分配尖端112包括可由分配尖端图像捕获单元130检测的参考线570。参考线570可以形成在分配尖端112的各个位置。在一些实施方案中，参考线570形成在分配尖端112的主体部分566上。在其他实施方案中，参考线570形成在分配尖端112的基部部分564上。参考线570的一些示例被定位成使得在分配尖端112中抽吸入的流体物质的表层或弯月面布置在参考线570和分配尖端112的远侧端部562之间。在其他实施方案中，参考线570被定位成使得抽吸入的流体物质的弯月面相对于远侧端部562布置在参考线570上方(即，在参考线570和近侧端部560之间)。
参考线570以各种方式提供给分配尖端112。在一些实施方案中，参考线570是可检测的结构，诸如突起部、脊、凹部、凹口或形成在分配尖端112上的任何其他可见元件。在其他实施方案中，参考线570是涂抹或附接在分配尖端112上的标记或指示器。参考线570可以整体形成或模制到分配尖端112。另选地，参考线570单独制造并附接到分配尖端112。
参考线570用作当分析分配尖端112的图像以确定样品是否已被适当抽吸入用于分析测试时的参考点。如本文所述，样品抽吸体积检测装置500通过测量参考线570和样品弯月面之间的距离来测量分配尖端112中的抽吸入样品体积。由于参考线570形成在分配尖端112上，因此与由分配尖端112之外的其他结构提供的任何参考点相比，参考线570提供用于体积测量的一致参考点。例如，在芯轴526中的一部分或一点用作参考点的情况下，芯轴526相对于分配尖端112的位置可以根据分配尖端112到芯轴526的插入深度而变化，从而引起体积测量不准确。相比之下，参考线570相对于分配尖端112固定，因此可以提供准确的测量。
如图14所示，吸移通道572包括锥形部分574，其中内径从近侧端部560到远侧端部562变小。吸移通道572还包括直线部分576，其在远侧端部562处或附近具有恒定的内径。直线部分576可以提高抽吸小体积(诸如约2至5μL)的准确度和精度，同时仍然提供能够抽吸大体积(诸如250μL)的分配尖端112用于等分。
图15是示出操作分配尖端体积检测装置400的示例性方法600的流程图。在例示的示例中，主要关于样品抽吸体积检测装置500描述了方法600。然而，方法600也类似地适用于其他类型的分配尖端体积检测装置400。在一些实施方案中，方法600由样品抽吸系统510和样品抽吸体积检测装置500执行。
一般来讲，方法600使用计量算法执行对分配尖端中的抽吸入的体积的分析，并且如果计算的抽吸体积在公差范围之外，则标记抽吸结果或测试结果。
在操作602处，样品抽吸系统510用来根据设计将流体物质(诸如样品540(图10))抽吸入分配尖端112中。
在操作604处，样品抽吸系统510将包含抽吸入样品540的分配尖端112运输到分配尖端图像捕获单元130。在一些实施方案中，分配尖端图像捕获单元130被布置成在抽吸之后捕获分配尖端112的图像而无需运输。
在操作606处，样品抽吸体积检测装置500的分配尖端图像捕获单元130捕获分配尖端112的图像。在一些实施方案中，分配尖端112的图像是预定分辨率的数字图像。
在操作608处，样品抽吸体积检测装置500分析图像以确定分配尖端112内的样品540的体积。参照图16至19更详细地描述了操作608的示例。
在操作610处，样品抽吸体积检测装置500确定所确定的体积是否落入公差范围内。当确定的体积在公差范围之外时，样品540在分配尖端112中的抽吸被认为是不合适的。在一些实施方案中，基于与样品540的目标抽吸体积的可允许偏差来确定这样的公差范围，该目标抽吸体积预期被抽吸入分配尖端112中。该公差范围可根据目标抽吸体积而变化。公差范围的一个示例如下：
表1
目标抽吸体积(V) 公差范围
2μL≤V＜10μL 100±30％
10μL≤V＜50μL 100±15％
50μL≤V＜110μL 100±10％
当确定检测到的体积落在该公差范围内时(操作610处选择“是”)，方法600前进到执行预定的下一步骤。否则(在操作610处选择“否”)，方法600前进至操作612。
在操作612处，样品抽吸体积检测装置500标记该抽吸以指示分配尖端112中的抽吸入样品体积不适合于后续过程。在其他实施方案中，可以标记已经使用了抽吸入样品的整个测试结果以指示或暗示该测试结果可能是不正确的。另选地，样品抽吸体积检测装置500用来停止仪器100中的相关联测试或分析过程。在其他实施方案中，评估结果可用于自动调整由于流体物质的不适当体积而可能错误的测试结果。在其他实施方案中，如本文所述，评估结果可用于响应于体积确定而自动调整流体物质的体积。
参见图16至19，描述了图15的操作608的示例，其中分析捕获图像以确定分配尖端中的样品体积。具体地讲，图16是示出了用于执行图15的操作608的示例性方法630的流程图。还参照图17至19描述了方法630，这些图示出了对分配尖端的捕获图像620的示例性分析。
在操作632处，样品抽吸体积检测装置500检测捕获图像620中的分配尖端112的参考线570。可以使用各种图像处理方法来检测图像620中的参考线570。在一些实施方案中，参考线570由图案匹配功能检测，该功能基于预训练的参考图像来搜索表示参考线的图案。例如，这种图案匹配功能执行图案搜索，该图案搜索扫描捕获图像以寻找已经存储在系统中并被识别为参考线的图案。相关值或匹配率(例如，％匹配)是可调整的。在其他实施方案中，其他方法也是可能的。此类图像处理方法的一个示例可以由Cognex In-Sight Vision软件实现，该软件购自Cognex Corporation(马萨诸塞州纳蒂克)，其提供各种工具，诸如边缘检测(“Edge”)、图案匹配(“Pattern Match”)和直方图分析(“Histogram”)。
在操作634处，样品抽吸体积检测装置500检测参考线570的中心点650。如图17所示，一旦检测到参考线570，就可以将中心点650计算为参考线570的中点。
在操作636处，样品抽吸体积检测装置500检测分配尖端112中的抽吸入样品体积的表层652(图18)。可以使用各种图像处理方法来检测图像中的表层652。在一些实施方案中，类似于操作632，通过基于预训练的参考图像的图案匹配功能来检测表层652。在其他实施方案中，其他方法也是可能的。
在操作638处，样品抽吸体积检测装置500检测表层652的中心点654。如图18所示，一旦检测到表层652，就可以将中心点654计算为表层652的直线的中点。
在操作640处，样品抽吸体积检测装置500测量参考线570的中心点650和表层652的中心点654之间的距离L1(图19)。在一些实施方案中，距离L1按照图像620中的中心点650和654之间的像素距离来测量。在一些实施方案中，基于两个像素点之间的欧几里德距离来计算像素距离。
在操作642处，样品抽吸体积检测装置500基于尖端体积相关性数据506将距离L1转换为体积。相关性数据506包括关于分配尖端112内的体积与参考线570的中心点650与分配尖端112中的多个不同表层652的中心点654之间的距离L1之间的相关性的信息。在一些实施方案中，相关性数据506可被绘制到相关性曲线660，如图20所示。参照图21描述了生成相关性数据506的示例性方法。
图20是对应于相关性数据506的示例性相关性曲线660。在一些实施方案中，相关性曲线660示出了中心点650和654之间的距离L1(例如，像素距离)与分配尖端112中的抽吸入样品体积V1之间的关系。可以通过绘制包括在相关性数据506中的多个离散数据点来获得相关性曲线660，这将参考图21进行描述。如图20所示，相关性曲线表示抽吸入的体积V1通常随着距离L1的增大而减小。由于参考线570形成在要布置在表层652上方的分配尖端112上，因此距离L1通常与体积V1负相关。
图21是示出用于操作尖端体积相关性数据生成系统504以生成尖端体积相关性数据506的示例性方法670的流程图。
在一些实施方案中，使用光谱技术创建相关性数据506。例如，尖端体积相关性数据生成系统504使用染料溶液来显示提取的像素距离信息与分配尖端中的流体体积信息之间的相关性。分光光度计可用于测量染料在特定波长下的吸光度。在一些实施方案中，尖端体积相关性数据生成系统504选择目标体积范围(例如，5、10、50、100和110μL)内的多个点，由分配尖端吸取这些体积设置，并拍摄分配尖端的图像来进行像素距离计算。然后，尖端体积相关性数据生成系统504绘制从图像计算的像素距离和由分光光度计计算的体积之间的校准曲线。
在操作672处，尖端体积相关性数据生成系统504将染料溶液抽吸入分配尖端112。
在操作674处，尖端体积相关性数据生成系统504捕获包含染料溶液的分配尖端112的图像。
在操作676处，尖端体积相关性数据生成系统504提取参考线570与在操作674中捕获的图像中的染料溶液的水面线之间的距离。在一些实施方案中，距离通过像素距离来测量。在一些实施方案中，与方法630的至少一些操作(诸如操作632、634、636、638和640)类似地确定该距离。在其他实施方案中，其他方法也是可能的。
在操作678、680和682期间，尖端体积相关性数据生成系统504测量在分配尖端112中抽吸入的染料溶液的体积。可以使用各种方法来确定染料溶液的体积。在例示的示例中，如下所述使用光谱方法。
在操作678处，尖端体积相关性数据生成系统504将染料溶液分配到具有已知体积的稀释剂的辅助容器。
在操作680处，尖端体积相关性数据生成系统504测量分配在辅助容器中的稀释染料溶液的光密度。在一些实施方案中，分光光度计用于测量染料溶液的光密度。分光光度计测量通过辅助容器中的稀释染料溶液的特定波长的光的量。
在操作682处，尖端体积相关性数据生成系统504将光密度转换为分配尖端中的染料溶液的体积。
在操作684处，尖端体积相关性数据生成系统504将在操作676处计算的距离与在操作682处获得的体积相关联。
在操作686处，尖端体积相关性数据生成系统504确定是否已经执行了足够数量的相关来生成尖端体积相关性数据506。如果是这样(在操作686处选择“是”)，则方法670前进到操作688。否则(在操作686处选择“否”)，方法670返回到操作672，在该步将染料溶液抽吸入分配尖端112，并且执行后续操作以确定距离和分配尖端内染料溶液的体积之间的附加相关性。为了获得足够范围的相关性数据，在不同的相关循环，在分配尖端112中抽吸入不同量的染料溶液。此外，对于一些相关循环，抽吸入分配尖端中的染料溶液的量可以保持大体相同，以便获得针对特定体积或体积范围的可靠结果。
在操作688处，尖端体积相关性数据生成系统504基于在操作684处进行的多个相关来创建尖端体积相关性数据506。在一些实施方案中，通过将每个图像的像素距离与由分光光度计测量的对应抽吸入的体积作图，将相关性数据示出为相关性曲线(例如，图20中的相关性曲线660)。相关性曲线用于估计距离和分配尖端112中的体积之间的关系。
分配尖端体积检测装置400，如参考图9至21所述，可以被修改以适合各种应用。在一些实施方案中，分配尖端体积检测装置400用于除患者样品之外的任何流体物质。在一些实施方案中，分配尖端体积检测装置400的分配尖端图像捕获单元不使用背光设置。此外，不同于与样品吸移模块和其他相关联装置一起移动的一组相机和背光源，分配尖端图像捕获单元可以利用固定的相机和背光设置来执行。分配尖端的参考线可以是除分配尖端上形成的线之外的任何其他线。在一些实施方案中，用于分配尖端的芯轴用作参考点。在一些实施方案中，与分配尖端体积检测装置400相关的图案匹配功能采用各种算法，诸如寻找直线或线段。在一些实施方案中，测量体积范围可以大于110μL。在一些实施方案中，分配尖端体积检测装置400用于除了如本文所示的样品吸移尖端之外的各种形状(例如，圆柱形、圆锥形、矩形和正方形)的任何容器。在其他实施方案中，尖端体积相关性数据生成系统504采用除染料溶液之外的任何液体并使用除光谱学之外的技术。例如，可以使用具有对应于已知体积的多个参考线的JIG尖端。
上文使用的图像处理方法的一个示例可以由Cognex In-Sight Vision软件实现，该软件购自Cognex Corporation(马萨诸塞州纳蒂克)，其提供各种工具，诸如边缘检测(“Edge”)、图案匹配(“Pattern Match”)和直方图分析(“Histogram”)。
在一些实施方案中，所测量的抽吸入样品的体积可用于调整测试结果的相对光单位(RLU)。由于样品体积(以及底物/试剂体积等)与用于免疫测定的RLU相关，因此可以测量该相关性并将其用作调整的依据。此外，测量的体积可以用作反馈以调整试剂体积，从而改善比值匹配和测定性能。
参见图22至39，描述了图5的贮器体积检测装置402的一个示例。
图22示出了图5的贮器体积检测装置402的一个示例。在一些实施方案中，贮器体积检测装置402包括反应贮器分配体积检测装置700、反应贮器剩余体积检测装置702、分配调整装置704和反应贮器检测装置706。反应贮器分配体积检测装置700使用由贮器体积相关性数据生成系统710生成的贮器体积相关性数据712。
反应贮器分配体积检测装置700用来确定分配到贮器114(诸如反应贮器)中的流体物质118的体积。参考图27至31描述和示出了反应贮器分配体积检测装置700的结构和操作的一个示例。
反应贮器剩余体积检测装置702用来确定保留在贮器114(诸如反应贮器)中的流体物质118的体积。参考图32至34描述和示出了反应贮器剩余体积检测装置702的一个示例。
分配调整装置704用来基于分配到贮器114(诸如反应贮器)的流体物质体积的测量来调整物质分配装置(诸如吸移器和泵装置)的操作。参照图35和图36描述并示出了分配调整装置704的一个示例。
反应贮器检测装置706用来检测贮器114(诸如反应贮器)的存在或不存在。参考图37至39描述和示出了反应贮器检测装置706的一个示例。
贮器体积相关性数据生成系统710生成贮器体积相关性数据712。贮器体积相关性数据712提供贮器体积检测装置402用来确定分配到贮器(例如，反应贮器)中的流体物质的体积的信息。在一些实施方案中，贮器体积相关性数据生成系统710是从贮器体积检测装置402独立的装置。在其他实施方案中，贮器体积相关性数据生成系统710被配置为使用贮器体积检测装置402的至少一些资源。贮器体积相关性数据生成系统710和贮器体积相关性数据712包括在相关性数据生成系统404和相关性数据406中，或作为相关性数据生成系统和相关性数据的示例，如图5所示。
在转到图23至26之前，应当指出的是，可靠的临床诊断需要对待分析的物质进行准确且精确的抽吸和分配。例如，在分析诸如血液或任何其他类型的体液的标本的自动分析器中，容器(例如，吸移尖端或反映容器)中的分配或抽吸的标本量和其他物质(诸如试剂)的相对于指定量的波动会影响分析结果，并且降低检查和分析的可靠性。此外，在临床诊断工业中难以准确且精确地控制和匹配从不同泵单元分配的流体的体积。因此，建立一种用于高准确度地测量抽吸或分配量并且仅选择量在合适范围内的抽吸或分配标本的技术是有益的。一种测量液体体积的方法是监测流体管线中的流体压力并将流体压力与分配的体积相关联。在其他情况下，流量传感器用于确定抽吸或分配的液体的流速。在其他情况下，IA试剂的受控分配产生的化学发光信号用于确定在从贮器抽吸后在容器中存在过量的剩余体积。在其他情况下，IA试剂的受控分配产生的化学发光信号用于确定多个泵装置的体积分配特性。
然而，这些方法具有若干缺点。例如，压力传感器可以确定流体粘度，但不能量化分配的体积。流量传感器可以量化通过布置由流量传感器的管道的液体体积，但是不能可靠地测量抽吸或分配的液体体积。此外，由于位置的偏移，难以将低体积测量连续性与特定的反应贮器相关。此外，化学发光信号无法检测抽吸后的少量剩余流体体积。化学发光信号不能提供不同泵装置之间的体积匹配特性的精确、直接估计。化学发光信号会使试剂特性和批次变化与感兴趣的系统变量(诸如分配的体积或剩余体积)混淆。
如本文更详细描述的，贮器体积检测装置402采用图像处理方法来量化在贮器(例如，反应贮器)中分配和抽吸的流体物质的体积。在透明或半透明容器(如透明圆柱贮器)中分配或抽吸流体物质的体积。对贮器进行成像，并检测图像中的参考点。在一些实施方案中，贮器的底部特征用作图像内的参考点。贮器体积检测装置测量从流体物质的弯月面到参考点的距离，并使用体积校准曲线将该距离与体积相关。如果在容器内分配的体积不符合针对分配准确度的规格，则标记该分配或整个测试。用户或操作员可以接收关于分配结果的信息。
此外，根据系统中泵和吸移器的不同组合来记录测量的在容器中分配的流体物质的体积，并将其用于校准泵和吸移器的组合，以提高对系统中不同泵和吸移器的控制准确度。
此外，贮器体积检测装置402可以检测在抽吸之后保留在容器中的非常少量的剩余流体物质的存在。在一些实施方案中，图案识别算法用于这种剩余体积检测。
参见图23至26，描述了包括贮器体积检测装置402的容器托架装置720的示例性结构和操作。
图23示出了将贮器体积检测装置402包括在其中的示例性容器托架装置720。在例示的示例中，容器托架装置720在仪器100中实现为清洗轮，诸如清洗轮176(图2)。因此，容器托架装置720在本文中也被称为清洗轮720。在这些实施方案中，其他类型的容器托架装置720与贮器体积检测装置402一起使用。
如图所示，容器托架装置或清洗轮720被配置为执行诊断过程的各个方面。在一些实施方案中，清洗轮720包括外壳单元722和相对于外壳单元722的可旋转板724。清洗轮720包括多个容器座726，这些容器座形成在可旋转板724中并且被配置为接收和支撑容器728。在容器托架装置720被配置为清洗轮的情况下，这些容器728包括反应贮器。因此，容器728在本文中也称为反应贮器728。
在一些实施方案中，贮器体积检测装置402安装到清洗轮720。如上所述，贮器体积检测装置402包括贮器图像捕获单元132。参考图24和25更详细地描述了贮器图像捕获单元132的示例性结构。
参见图24和25，描述了包括贮器图像捕获单元132的贮器体积检测装置402的示例性结构。具体地讲，图24是图23的容器托架装置720的另一透视图，示出了贮器图像捕获单元132，图25是清洗轮720的顶视图，其中贮器体积检测装置402包括贮器图像捕获单元132。
贮器图像捕获装置132包括相机单元730和光源732。在一些实施方案中，相机单元730包括用于获得彩色数字图像的互补金属氧化物半导体(CMOS)图像传感器。在其他实施方案中，相机单元730包括用于获取彩色数字图像的电荷耦合装置(CCD)图像传感器。相机单元730的其他实施方案被配置为获得黑白或灰度图片。光源732用于照明贮器728、槽736和/或贮器728和/或槽736的周围环境，将根据需要对它们进行拍照。光源732可被固定在各个位置。在所示的示例中，光源732被定位在贮器728的背面，面向相机单元730，因此用作背光源。光源732的其他位置也是可能的。光源732的一个示例包括购自Moritex Corporation(日本)的MDBL系列。
在其他实施方案中，相机单元730包括光源731，诸如LED灯，其可操作为将光朝向贮器728发射。在该配置中，光源732可以由屏幕733代替，该屏幕布置成与相机单元730相对，使得贮器728被定位在相机单元730和屏幕733之间。屏幕733用于通过将光朝向相机的光圈反射而在相机单元的视场(FOV)的方向上投射光。屏幕733由一种或多种可以提供不同反射强度的材料制成。例如，屏幕733包括回射片材，其一个示例包括购自3M公司(明尼苏达州梅普尔伍德)的3MTM ScotchliteTM片材7610(3MTM ScotchliteTM Sheeting 7610)。在其他实施方案中，光源732可以与来自相机单元730的光源731和屏幕733一起使用。相机单元730的一个示例包括名为ADVANTAGE 102的型号，其购自Cognex Corporation(马萨诸塞州纳蒂克)。
在一些实施方案中，相机单元730和光源732(或屏幕733)附接到清洗轮720的外壳单元722。相机单元730和光源732(或屏幕733)被布置成使得当可旋转板724相对于外壳单元722旋转时，由可旋转板724支撑的反应贮器728定位在相机单元730和光源732(或屏幕733)之间。
在一些实施方案中，外壳单元722限定槽736，该槽暴露相机单元730和光源732(或屏幕733)之间的反应贮器728中的一个。当反应贮器728通过外壳单元722的狭槽736与相机单元730和光源732(或屏幕733)对准时，可由相机单元730捕获反应贮器728的图像。在其他实施方案中，在外壳单元722由不透明材料制成的情况下，外壳单元722包括替换槽736的透明或半透明区域。该透明或半透明区域允许相机单元730通过该区域捕获图像。
相机单元730的一个示例是ADV102机器视觉相机，诸如部件号ADV102-CQBCKFW1-B，其购自Cognex Corporation(马萨诸塞州纳蒂克)。
如上所述，包含在反应贮器中的患者样品在仪器100中的各种模块、单元或装置之间运输。仪器100中的诊断过程的各个方面在清洗轮720中执行。清洗轮720在其周围输送多个反应贮器728。清洗轮720上的反应贮器728可以对应于多个测试结果。在该配置中，相机单元730和光源732(或屏幕733)固定到清洗轮720。相机单元730面向清洗轮720中光源732(或屏幕733)所在的位置。相机单元730捕获在相机单元730和光源732(或屏幕733)之间移动通过相机单元730的视场(FOV)的反应贮器728的图像。在一些实施方案中，当反应贮器728的图像由相机单元730捕获时，反应贮器728变得静止。在其他实施方案中，相机单元730在反应贮器728移动时捕获反应贮器728的图像。可以为每个反应贮器728捕获反应贮器的图像。当可旋转板724相对于外壳单元722旋转时，相机单元730在整个诊断过程中以多个步骤拍摄图像。在一些实施方案中，当诊断过程不在进行中时，可以将反应贮器带到相机单元730和光源732(或屏幕733)之间的位置(例如，位于槽736处的容器座726)。
清洗轮720可在不同的操作模式下操作。在一些实施方案中，清洗轮720以测试处理模式或诊断例程模式操作。在其他实施方案中，清洗轮720可在测试准备模式下操作，诸如灌注。在测试处理模式下，清洗轮720将一个或多个贮器保持在可旋转板724上并使贮器旋转以进行预定的分析测试。在诊断例程模式(在本文中也被称为自动系统诊断(ASD))中，仪器100处于空闲状态并且不运行测试。在一些实施方案中，在诊断例程模式中，操作清洗轮720以执行准备评估系统104的操作中的至少一个，诸如贮器分配体积检测(例如，由反应贮器分配体积检测装置700进行)、贮器剩余体积检测(例如，由反应贮器剩余体积检测装置702进行)、分配调整(例如，由分配调整装置704进行)和贮器检测(例如，由反应贮器检测装置706进行)。在其他实施方案中，准备评估系统104的操作可以在测试处理模式中执行。
在一些实施方案中，清洗轮720利用多个分配尖端操作，这些分配尖端可基于其水力特性而具有不同的轮廓和准确度。在测试处理模式中，多个分配尖端中的两个或更多个可以将物质分配到清洗轮720上的贮器中。在诊断例程模式中，分配尖端可以独立地操作，因此可以监视和评估每个分配尖端的操作状态，诸如在由例如分配调整装置704执行的分配调整中。
图26是示出通过清洗轮720操作贮器体积检测装置402的示例性方法750的流程图。在一些实施方案中，方法750中的至少一些操作由仪器100的物质准备系统102、准备评估系统104和/或物质评估系统106执行。在其他实施方案中，仪器100的其他部件、单元和装置用于执行方法750中的至少一个操作。在一些实施方案中，方法750包括操作752、754、756、758和760。
在操作752处，物质准备系统102用来从清洗轮720上的反应贮器738抽吸过量的流体物质。在一些实施方案中，在清洗轮720上的一个或多个预定分析程序之后，过量的流体物质保留在反应贮器738内。需要从反应贮器738中移除反应贮器中的这种过量物质体积用于后续过程，诸如在将底物分配到反应贮器中之前，如图4所示。
在操作754处，物质准备系统102将反应贮器738运输到清洗轮720上的贮器图像捕获单元132。
在操作746处，贮器体积检测装置402在反应贮器738中执行剩余体积检测。在一些实施方案中，反应贮器剩余体积检测装置702用来执行剩余体积检测。
在操作748处，物质准备系统102用来将流体物质(例如，如图4所示的底物)分配到反应贮器738中。
在操作760处，贮器体积检测装置402在反应贮器738中执行分配体积检测。在一些实施方案中，反应贮器分配体积检测装置700用来执行分配体积检测。
图27是示出操作反应贮器分配体积检测装置700的示例性方法800的流程图。尽管主要关于反应贮器分配体积检测装置700描述了方法800，但是方法600也类似地适用于其他类型的贮器体积检测装置402。在一些实施方案中，方法800由容器托架装置720(例如，清洗轮)和反应贮器分配体积检测装置700执行。
通常，如果计算的体积在公差范围之外，则方法800执行对分配或抽吸入贮器中的流体物质的体积的分析并标记分配或抽吸结果，或测试结果。
在操作802处，将流体物质分配到支撑在例如容器托架装置720中的反应贮器728，如设计的那样。流体物质的示例包括如本文所述的样品、稀释剂、试剂、底物或它们的任何组合。例如，稀释剂或试剂在用于清洗轮的诊断模式期间使用。
在操作804处，容器托架装置720将包含分配的物质的反应贮器738运输到贮器图像捕获单元132。在一些实施方案中，贮器图像捕获单元132被布置成在分配之后捕获反应贮器738的图像而无需运输。在其他实施方案中，操作802处的分配发生在贮器图像捕获单元132布置就位的位置处，并且在分配之后不移动反应贮器738就捕获反应贮器738的图像。
在操作806处，反应贮器分配体积检测装置700的贮器图像捕获单元132捕获反应贮器738的图像。在一些实施方案中，反应贮器738的图像是预定分辨率的数字图像。
在操作808处，反应贮器分配体积检测装置700分析该图像以确定反应贮器738内的流体物质的体积。参照图28和29更详细地描述了操作808的示例。
在操作810处，反应贮器分配体积检测装置700确定所确定的体积是否落入公差范围内。当确定的体积在公差范围之外时，流体物质在反应贮器738中的分配被认为是不合适的。在一些实施方案中，基于与预期被分配到反应贮器738中的流体物质的目标分配体积的可允许偏差来确定这样的公差范围。该公差范围可根据目标抽吸体积和其他因素而变化。以举例的方式，在目标分配体积(V)为200μL的情况下，如果194μL≤V≤206μL则认为是可接受的。在其他示例中，如果标准偏差(V(n))等于或小于±1μL，则认为是可接受的。
当确定检测到的体积落在该公差范围内时(操作810处选择“是”)，方法800前进到执行预定的下一步骤。否则(在操作810处选择“否”)，方法800前进至操作812。
在操作812处，反应贮器分配体积检测装置700标记该分配以指示反应贮器738中的分配样品体积不适合于后续过程。在其他实施方案中，可以标记已经使用了分配流体物质的整个测试结果以指示或暗示该测试结果可能是不正确的。另选地，反应贮器分配体积检测装置700用来停止仪器100中的相关联测试或分析过程。在其他实施方案中，评估结果可用于自动调整由于流体物质的不适当体积而可能错误的测试结果(以举例的方式，在一定体积范围内，RLU与底物体积成比例，并且在某一点，它超过发光计光圈范围，然后由于稀释因子而得到平稳和降低)。在其他实施方案中，评估结果可用于响应于体积确定而自动调整流体物质的体积。
参见图28和29，描述了图27的操作808的示例，其中分析捕获图像以确定反应贮器中分配的体积。具体地讲，图28是示出了用于执行图27的操作608的示例性方法830的流程图。还参照图29描述了方法830，该图示出了对反应贮器的捕获图像780的示例性分析。
在操作832处，反应贮器分配体积检测装置700检测捕获图像780中的反应贮器738的参考部分784。在一些实施方案中，参考部分784包括反应贮器738的底部部分。反应贮器738的其他部分可用作参考部分784。
可以使用各种图像处理方法来检测图像780中的底部部分784。在一些实施方案中，底部部分784由图案匹配功能检测，该功能基于预训练的参考图像来搜索表示底部部分的图案。例如，这种图案匹配功能执行图案搜索，该图案搜索扫描捕获图像以寻找已经存储在系统中并被识别为底部部分的图案。相关值或匹配率(例如，％匹配)是可调整的。在其他实施方案中，其他方法也是可能的。此类图像处理方法的一个示例可以由Cognex In-SightVision软件实现，该软件购自Cognex Corporation(马萨诸塞州纳蒂克)，其提供各种工具，诸如边缘检测(“Edge”)、图案匹配(“Pattern Match”)和直方图分析(“Histogram”)。
在操作834处，反应贮器分配体积检测装置700检测底部部分784的中心点786。如图29所示，一旦检测到底部部分784，就可以将中心点786计算为底部部分784的中点。
在操作836处，反应贮器分配体积检测装置700检测反应贮器738中的分配体积的表层788(图29)。可以使用各种图像处理方法来检测图像780中的表层788。在一些实施方案中，类似于操作832，通过基于预训练的参考图像的图案匹配功能来检测表层788。在其他实施方案中，其他方法也是可能的。
在操作838处，反应贮器分配体积检测装置700检测表层788的中心点790。如图29所示，一旦检测到表层788，就可以将中心点790计算为表层788的直线的中点。
在操作840处，反应贮器分配体积检测装置700测量底部部分784的中心点786和表层788的中心点790之间的距离L2(图29)。在一些实施方案中，距离L2按照图像780中的中心点786和790之间的像素距离来测量。在一些实施方案中，基于两个像素点之间的欧几里德距离来计算像素距离。
在操作842处，反应贮器分配体积检测装置700基于贮器体积相关性数据712将距离L2转换为体积(图22)。相关性数据712包括关于反应贮器738内的体积与底部部分784的中心点786与反应贮器738中的多个不同表层788的中心点790之间的距离L2之间的相关性的信息。在一些实施方案中，相关性数据712可被绘制到相关性曲线860，如图30所示。参照图31描述了生成相关性数据712的示例性方法。
图30是对应于相关性数据712的示例性相关性曲线860。在一些实施方案中，相关性曲线860示出了中心点786和790之间的距离L2(例如，像素距离)与反应贮器738中的分配流体物质782的体积V2之间的关系。在例示的示例中，相关性曲线860表示在反应贮器738中分配的流体物质的质量与反应贮器738中的流体物质的像素高度之间的关系。可以基于流体物质的密度将该质量转换为体积。反应贮器中的流体物质的像素高度对应于距离D2。
可以通过绘制包括在相关性数据712中的多个离散数据点来获得相关性曲线860，这将参考图31进行描述。如图30所示，相关性曲线表示分配体积V2(或质量M2)通常随着距离L2的增大而增大。由于选择反应贮器738的底部部分784作为参考点，因此距离L2通常与体积V2(或质量M2)线性相关。例如，距离L2和体积V2通常对于超过10μL的体积线性相关。
图31是示出用于操作贮器体积相关性数据生成系统710以生成贮器体积相关性数据712的示例性方法870的流程图。
在一些实施方案中，使用重量分析创建相关性数据712。例如，贮器体积相关性数据生成系统710使用不同体积的流体来显示提取的像素距离信息与贮器中的流体体积信息之间的相关性。在一些实施方案中，贮器体积相关性数据生成系统710选择目标体积范围(例如，190、195、200、205和210μL)内的多个点，将这些体积设置分配到贮器中，并拍摄贮器的图像来进行像素距离计算。然后，贮器体积相关性数据生成系统710绘制从图像计算的像素距离和由重量分析测量的质量之间的校准曲线。然后使用流体的密度将该质量转换成体积。
在操作872处，贮器体积相关性数据生成系统710测量空贮器(诸如反应贮器738)的质量。
在操作874处，贮器体积相关性数据生成系统710将流体分配到贮器中。
在操作876处，贮器体积相关性数据生成系统710捕获包含流体的贮器的图像。
在操作878处，贮器体积相关性数据生成系统710提取贮器的参考部分(诸如反应贮器738的底部部分784)与在操作876中捕获的图像中的流体的水面线之间的距离。在一些实施方案中，距离通过像素距离来测量。在一些实施方案中，与方法830的至少一些操作(诸如操作832、834、836、838和840)类似地确定该距离。在其他实施方案中，其他方法也是可能的。
在操作880、882和884期间，贮器体积相关性数据生成系统710测量在贮器中分配的流体的体积。可使用各种方法来确定流体体积。在例示的示例中，如下所述使用重量方法。
在操作880处，贮器体积相关性数据生成系统710测量包含分配的流体的贮器的质量。
在操作882处，贮器体积相关性数据生成系统710计算贮器中包含的流体的质量。在一些实施方案中，可以通过从包含流体的贮器的总质量中减去空贮器的质量(在操作872处获得)来计算贮器中的流体质量(在操作880处获得)。
在操作884处，贮器体积相关性数据生成系统710基于流体的密度将流体质量转换为体积。
在操作886处，贮器体积相关性数据生成系统710将在操作878处计算的距离与在操作884处获得的体积相关联。
在操作888处，贮器体积相关性数据生成系统710确定是否已经执行了足够数量的相关来生成贮器体积相关性数据712。如果是这样(在操作888处选择“是”)，则方法870前进到操作890。否则(在操作888处选择“否”)，方法870返回到操作874，在该步将另一流体分配到贮器，并且执行后续操作以确定距离和贮器内流体的体积之间的附加相关性。为了获得足够范围的相关性数据，在不同的相关循环，将不同量的流体分配到贮器中。此外，对于一些相关循环，分配到贮器的流体的量通常可以保持相同，以便获得可靠的相关结果。
在操作890处，贮器体积相关性数据生成系统710基于在操作886处进行的多个相关来创建贮器体积相关性数据712。在一些实施方案中，通过将每个图像的像素距离与对应分配体积作图，将相关性数据712示出为相关性曲线(例如，图30中的相关性曲线860)。相关性曲线用于估计距离和贮器中的体积之间的关系。
参见图32至34，描述了反应贮器剩余体积检测装置702的示例性操作。
图32是示出操作反应贮器剩余体积检测装置702的示例性方法900的流程图。在一些实施方案中，方法900包括操作902、904、906、908、910和912。
一般来讲，方法900执行对贮器的分析以确定在贮器经抽吸之后贮器是否包含剩余体积。如果贮器包含超出公差范围的体积，则标记抽吸结果或测试结果。
在操作902处，反应贮器剩余体积检测装置702从贮器(诸如反应贮器738)中抽吸物质。
在操作904处，反应贮器剩余体积检测装置702将贮器运输到贮器图像捕获单元132。在一些实施方案中，贮器图像捕获单元132被布置成在抽吸之后捕获贮器的图像而无需运输。在其他实施方案中，操作902处的抽吸发生在贮器图像捕获单元132布置就位的位置处，并且在抽吸之后不移动贮器就捕获贮器的图像。
在操作906处，贮器图像捕获单元132捕获贮器的图像。在一些实施方案中，贮器的图像是预定分辨率的数字图像。
在操作908处，反应贮器剩余体积检测装置702分析该图像以确定贮器内的物质的存在。参照图33和34更详细地描述了操作908的示例。
在操作910处，反应贮器剩余体积检测装置702确定剩余体积的存在是否落入公差范围内。当剩余体积的存在超出公差范围时，从贮器中抽吸物质被认为是不合适的。公差范围表示反应贮器中对于可接受的测试结果而言是可容忍的剩余体积范围。例如，对于可接受的测试结果，不必将反应贮器抽吸到完全变空。在一些实施方案中，根据捕获图像与预训练图像之间的图案匹配分数来确定这样的公差范围，如图33中进一步所述。以举例的方式，当反应贮器中4μL或更少的剩余体积被认为是可接受的时，可以使用可以被解释为类似于包含4μL体积的反应贮器的图像的模式匹配分数来作为公差阈值。
当确定剩余体积的存在落在该公差范围内时(操作910处选择“是”)，方法900前进到执行预定的下一步骤。否则(在操作910处选择“否”)，方法900前进至操作812。
在操作912处，反应贮器剩余体积检测装置702标记抽吸结果以指示从该贮器抽吸不适合于后续过程。在其他实施方案中，可以标记已经使用了抽吸入贮器的整个测试结果以指示或暗示该测试结果可能是不正确的。另选地，反应贮器剩余体积检测装置702用来停止仪器100中的相关联测试或分析过程。在其他实施方案中，评估结果可用于自动调整由于流体物质的不适当体积而可能错误的测试结果。
参见图33和34，描述了图32的操作908的示例，其中分析捕获图像以确定贮器内的剩余体积952。具体地讲，图33是示出了用于执行图32的操作908的示例性方法930的流程图。还参照图34描述了方法930，该图示出了对贮器的捕获图像942的示例性分析。
在操作932处，反应贮器剩余体积检测装置702检测捕获图像942中的感兴趣区域946。在一些实施方案中，感兴趣区域946包括贮器944的底部部分。在一些实施方案中，该图像中的贮器944表示上述反应贮器738。反应贮器738的其他部分可用作参考部分784。
可以使用各种图像处理方法来检测图像942中的底部部分946。在一些实施方案中，底部部分946由图案匹配功能检测，该功能基于预训练的参考图像来搜索表示底部部分的图案。例如，这种图案匹配功能执行图案搜索，该图案搜索扫描捕获图像以寻找已经存储在系统中并被识别为底部部分的图案。相关值或匹配率(例如，％匹配)是可调整的。在其他实施方案中，其他方法也是可能的。此类图像处理方法的一个示例可以由Cognex In-SightVision软件实现，该软件购自Cognex Corporation(马萨诸塞州纳蒂克)，其提供各种工具，诸如边缘检测("Edge”)、图案匹配(“Pattern Match”)和直方图分析(“Histogram”)。
在操作934处，反应贮器剩余体积检测装置702将感兴趣区域946与参考图像948进行比较。在一些实施方案中，参考图像948包括对应于感兴趣区域946的部分950。在其他实施方案中，参考图像948仅为捕获图像942的对应于感兴趣区域946的部分950。
在一些实施方案中，参考图像948表示同一贮器944为空时的图像。由于理想的抽吸在贮器944的底部不会留下剩余流体，因此空贮器944的预训练图像用作参考图像948。在其他实施方案中，其他图像可用作参考图像948。
在操作936处，反应贮器剩余体积检测装置702生成捕获图像942和参考图像948之间的匹配分数。该匹配分数表示捕获图像942与参考图像948有多匹配。该匹配分数用作用以确定贮器中存在过量剩余流体的分界值的度量。
在操作938处，反应贮器剩余体积检测装置702确定匹配分数是否满足阈值。如果匹配分数满足阈值(在操作938处选择“是”)，则认为贮器中不存在剩余流体或可容忍的剩余流体，并且方法930前进至预定的下一步。否则(在操作938处选择“否”)，方法930在操作940处继续。例如，如果匹配分数低于预定阈值或分界值，则认为贮器中存在多余的剩余流体，并且方法930前进至操作940。
在操作940处，反应贮器剩余体积检测装置702标记抽吸结果以指示从该贮器抽吸不适合于后续过程。在其他实施方案中，可以标记已经使用了抽吸入贮器的整个测试结果以指示或暗示该测试结果可能是不正确的。另选地，反应贮器剩余体积检测装置702用来停止仪器100中的相关联测试或分析过程。在其他实施方案中，评估结果可用于自动调整由于流体物质的不适当体积而可能错误的测试结果。
另选地，方法930使用其他方法来进行图像比较和分配分界值。此类方法的示例利用通用分类工具，诸如logistic回归、支持向量机、神经网络、卷积神经网络和分类树。
参见图35和36，描述了分配调整装置704的示例性操作。
图35为分配调整装置704在其中操作的示例性系统960的框图。
通常，分配调整装置704可以使用贮器图像捕获单元132的体积测量容量来执行吸移器和泵的机载调整，从而提高吸移准确度和整体系统精度。在例示的示例中，在贮器中进行单体积或多体积分配，然后将其转移到清洗轮中进行测量。可以获得由如上所述的反应贮器分配体积检测装置700执行的体积测量的结果，并且分配调整装置704确定泵和吸移器的每个组合的准确度。在一些实施方案中，与泵相关联的测量体积用于调整泵和吸移器的组合的操作参数。以举例的方式，可以调整每个泵的步进分辨率，或者将偏移量添加到每个泵的软件指令中。在调整之后，分配调整装置704可再次检查泵的准确度，并根据需要重新调整泵。在一些实施方案中，分配调整装置704在仪器空转时执行这种调整操作以便于进行临床测试。在其他实施方案中，分配调整装置704在仪器初始化期间执行调整操作。在一些实施方案中，分配调整装置704周期性地执行调整操作以监测泵性能的趋势，使得用户或服务部门可以远程监控状态并做出维护决定，诸如何时派遣服务工程师进行维护或零件更换。
如图35所示，物质准备系统102将流体物质118分配到一个或多个贮器114(例如清洗轮上的反应贮器728)。然后，如本文所述，反应贮器分配体积检测装置700在贮器114中执行体积测量，并将体积测量结果962提供给分配调整装置704。在一些实施方案中，分配调整装置704分析体积测量结果962并生成校准信息964，然后校准信息可用于校准物质准备系统102以提高分配准确度。
图36是示出用于操作分配调整装置704的示例性方法970的流程图。在一些实施方案中，方法970包括操作972、974、976、978、980和982。
在操作972处，分配调整装置704接收物质准备系统102的一个或多个操作参数。如上所述，物质准备系统102包括一个或多个物质分配装置，诸如样品吸移装置152、试剂吸移装置和底物吸移装置178，它们用于将流体物质118分配到贮器114。操作参数包括关于物质分配装置的配置、设置和操作状态的各种信息。在一些实施方案中，这些物质分配装置包括操作分配单元(例如，吸移器)的泵装置。泵装置的一些示例由各种类型的电机操作，诸如步进电机。在使用步进电机的情况下，操作参数可以包括步进分辨率，其被控制以通过吸移器调整分配量。
在操作974处，分配调整装置704接收流体物质118的目标分配体积。目标分配体积表示基于物质分配装置的操作参数预期分配到贮器114的流体物质118的体积。
在操作976处，分配调整装置704接收已经分配到贮器114的检测到的体积。
在操作978处，分配调整装置704将检测到的体积与目标体积进行比较。以举例的方式，包括使用第一吸移器的第一泵装置的第一物质分配装置被配置为将100μL的目标体积分配到贮器。分配后，检测到在贮器中分配的体积为99.9μL。然后，分配调整装置704比较100μL的目标体积和99.9μL的检测体积，并确定第一物质分配装置中的目标体积和检测体积之间存在0.1μL的差异。
在一些实施方案中，来自单一物质分配装置的多个分配实例被认为是一组。以举例的方式，特定物质分配装置使用泵装置和贮器(或三个贮器)执行第一分配、第二分配和第三分配，目标体积为100μL。在三个分配实例之后，检测到在第一分配实例中分配到贮器的体积为100.5μL，在第二分配实例中为99.5μL，在第三分配实例中为100μL。在一些实施方案中，所有检测到的体积可以一起用于校准物质分配装置。例如，三个检测体积的标准偏差(例如，在该示例中为0.5μL)可用于通过例如调整物质分配装置的步进电机的步进分辨率来校准物质分配装置。在该示例中，生成校准信息964并将其用于减小标准偏差。在其他实施方案中，如上所述，每个检测体积可用于针对每个分配实例校准物质分配装置。
在其他实施方案中，来自多个物质分配装置的多个分配事件被认为是一组。以举例的方式，第一物质分配装置执行第一分配，第二物质分配装置执行第二分配，第三物质分配装置执行第三分配，目标体积为100μL。在分配后，由第一物质分配装置分配的体积被检测为100.5μL，由第二物质分配装置分配的体积被检测为99.5μL，由第三物质分配装置分配的体积被检测为100μL。在一些实施方案中，所有检测到的体积可以一起用于校准物质分配装置。例如，三个检测体积的标准偏差(例如，在该示例中为0.5μL)可用于通过例如调整物质分配装置的步进电机的步进分辨率来校准物质分配装置。在该示例中，生成校准信息964并将其用于减小标准偏差。在其他实施方案中，如上文所述，检测到的体积可用于校准相应的物质分配装置。
在操作980处，分配调整装置704生成用于物质分配装置的校准信息964。校准信息964包括用以控制物质分配装置，使得由物质分配装置分配的体积更接近目标体积的信息。在物质分配装置包括步进电机的情况下，校准信息964包括对步进电机的步进分辨率的调整，从而调整步进电机分配的体积。
在操作982处，分配调整装置704基于校准信息964调整物质分配装置的操作参数。物质分配装置可以用来基于修改的操作参数分配相同或不同的体积。在上述示例中，三个分配实例被认为是一组，再次检测校准后分配给容器的体积。
参见图37至39，描述了反应贮器检测装置706的示例性操作。
图37是示出操作反应贮器检测装置706的示例性方法1000的流程图。在一些实施方案中，方法1000包括操作1002、1004、1006、1008、1010和1012。
通常，在系统初始化或重置期间，需要移除清洗轮内的贮器。反应贮器检测装置706可以利用贮器图像捕获单元132来确定在该初始化序列期间是否已经移除了所有或一些贮器。在一些实施方案中，清洗轮用来转到每个位置，使得每个贮器位置由图像捕获单元检查。在每个清洗轮转位位置处，反应贮器检测装置706可以执行图像处理，诸如图案匹配算法，以通过将捕获图像与参考图像(例如，没有容器的清洗轮的图像)进行比较来检查贮器的存在。与观察或利用贮器中的体积的其他方法不同，根据本公开的示例性实施方案的反应贮器检测装置706提供可靠的结果。当反应贮器检测装置706寻找与贮器几何形状的紧密匹配时，与参考图像的大偏差将指示贮器存在，并且小的偏差将指示贮器不存在。如果确定存在，则系统可以移除贮器并再次检查以确认贮器已被成功移除。一旦确定在给定的清洗轮位置不存在贮器，则清洗轮可以转到下一个位置并重复该过程。
在示出的示例中，主要关于清洗轮720描述了反应贮器检测装置706。然而，在其他实施方案中，反应贮器检测装置706与其他类型的容器托架装置一起使用。
在操作1002处，反应贮器检测装置706使用贮器图像捕获单元132捕获清洗轮720上的贮器槽1044(图39)(例如，槽736)的图像。
在操作1004处，反应贮器检测装置706分析图像以确定清洗轮720上的贮器1042(图39)(例如，反应贮器738)的存在或不存在。参照图38和39更详细地描述了操作1004的示例。
在操作1006处，反应贮器检测装置706确定贮器槽中是否存在贮器。否则(在操作1006处选择“否”)，方法1000在操作1008处继续。否则(在操作1006处选择“否”)，方法1000前进至操作1010。
在操作1008处，反应贮器检测装置706将贮器从清洗轮720的贮器槽中移除。在其他实施方案中，仪器100中的其他装置(诸如图2中所示的转移或托架装置)用来从清洗轮720中移除贮器。在其他实施方案中，手动将贮器从清洗轮720中移除。
在操作1010处，反应贮器检测装置706确定是否已经通过先前操作(例如，操作1002、1004、1006和1008)分析了清洗轮720的所有位置。如果是这样(在操作1010处选择“是”)，则方法1000继续进行预定的下一步。否则(在操作1010处选择“否”)，方法1000前进至操作1012。
在操作1012处，反应贮器检测装置706将清洗轮720移动到下一位置并重复操作1002和后续操作。
参见图38和39，描述了图37的操作1004的示例，其中分析捕获图像以确定清洗轮上贮器的存在。具体地讲，图38是示出了用于执行图37的操作1004的示例性方法1020的流程图。还参照图39描述了方法1020，该图示出了对清洗轮上的贮器槽1044的捕获图像1040的示例性分析。
在操作1022处，反应贮器检测装置706检测捕获图像1040中的感兴趣区域1046。在一些实施方案中，感兴趣区域1046包括清洗轮720的贮器槽1044(例如，槽736)的至少一部分。在一些实施方案中，感兴趣区域1046包括贮器的底部部分，或图像中对应于贮器底部部分的位置的部分。用于检测感兴趣区域的一种示例性方法可以由Cognex In-Sight Vision软件实现，该软件购自Cognex Corporation(马萨诸塞州纳蒂克)，其提供各种工具，诸如边缘检测(“Edge”)、图案匹配(“Pattern Match”)和直方图分析(“Histogram”)。
在操作1024处，反应贮器检测装置706将感兴趣区域1046与参考图像1048进行比较。在一些实施方案中，参考图像1048包括对应于感兴趣区域1046的部分。在其他实施方案中，参考图像1048本身对应于捕获图像1040的感兴趣区域1046。
在一些实施方案中，参考图像1048表示其中没有贮器1042的贮器槽1044的图像(图39)。在其他实施方案中，其他图像可用作参考图像948。例如，参考图像是其中具有贮器的贮器槽的图像。
在操作1026处，反应贮器检测装置706生成捕获图像1040和参考图像1048之间的匹配分数。该匹配分数表示捕获图像1040与参考图像1048有多匹配。匹配分数用作用以确定在清洗轮720的槽1044中存在贮器1042的分界值的度量。
在操作1028处，反应贮器检测装置706确定匹配分数是否满足阈值。如果匹配分数满足阈值(在操作1028处选择“是”)，则认为在清洗轮的槽处不存在贮器，并且方法1020前进到操作1030。否则(在操作1028处选择“否”)，认为清洗轮的槽处存在贮器，并且方法1020在操作1032处继续。例如，如果匹配分数低于预定阈值或分界值，则认为清洗轮上的槽处存在贮器，并且方法1020前进至操作1032。
在操作1030处，反应贮器检测装置706确认在清洗轮720的槽1044处不存在贮器1042。
在操作1032处，反应贮器检测装置706确认在清洗轮720的槽1044处存在贮器1042。
如参考图22至39所示，容器体积检测装置402可以被修改为适合于各种应用。例如，贮器体积检测装置402可以应用于准备和/或使用流体物质检测感兴趣的分析物的任何分析仪，诸如体外诊断(IVD)分析仪。在一些实施方案中，容器体积检测装置402及其方法可应用于除清洗轮之外的任何装置或单元。容器体积检测装置402的一些实施方案可应用于总反应体积检查。在一些实施方案中，在贮器体积检测装置402中使用的校准曲线在像素距离和使用分光光度计获得的比色体积结果之间建立。在其他实施方案中，在贮器体积检测装置402中使用的校准曲线在像素距离和使用光子计数模块获得的碱性磷酸酶反应结果之间建立。在其他实施方案中，在贮器体积检测装置402中使用的校准曲线是使用JIG反应贮器建立的，其中外侧壁上具有已知体积高度的线。对于贮器体积检测装置402中的剩余体积检测(例如，对于大于10μL的体积)，可以应用线寻找或灰度匹配。
根据本公开的示例性实施方案的贮器体积检测装置402可用于其他各种应用中。在一些实施方案中，容器体积检测装置402用于检测分配尖端不对准。例如，贮器图像捕获单元132用于在分配尖端进入视野时确定分配尖端是否偏离中心。在其他实施方案中，贮器体积检测装置402用于检测轮定位完整性。例如，贮器图像捕获单元132用于确定清洗轮是倾斜的还是错位的。在其他实施方案中，贮器体积检测装置402用于检测任何异常情况，例如飞溅、起泡或不良磁化。在其他实施方案中，贮器体积检测装置402用于检测RV完整性，诸如划痕、脱色和半透明。在其他实施方案中，贮器体积检测装置402用于检测尖端对准完整性。
贮器体积检测装置402中使用的光源不需要位于反应贮器后面。背光源装置的其他位置也是可能的。另选地，光源可结合到相机单元中并且被配置为从相机单元照明。结合在相机单元中的这种光源可与位于反应贮器后面的屏幕一起使用，如本文所示。在一些实施方案中，贮器体积检测装置402中使用的相机单元被配置为使用IR光谱来监测贮器和/或清洗轮的温度。
如上所述，贮器体积检测装置706的反应贮器检测装置402可被施加到除清洗轮之外的任何容器托架装置。如上所述，贮器体积检测装置402的分配调整装置704可以用来测量底物体积的水平并使用测量的水平来调整RLU的测试结果，微调校准并提高准确度。
根据本公开的示例性实施方案的仪器100采用各种程序解决方案来实现如本文所述的图像评估操作，诸如图案匹配。在一些实施方案中，使用现成软件解决方案开发此类程序解决方案。程序解决方案的一个示例是购自Cognex Corporation(马萨诸塞州纳蒂克)的In-Sight Explorer(也称为In-Sight Vision Software)。
现在参见图40和随后的附图，描述了分配尖端评估系统122的一个示例。
图40是图1的分配尖端评估系统122的一个示例的框图。在一些实施方案中，分配尖端评估系统122包括分配尖端完整性评估装置1100。
分配尖端完整性评估装置1100用来评估抽吸入分配尖端112的流体物质118的品质以及分配尖端112的对准。如本文所述，分配尖端112可以是各种类型并且用于不同的过程。分配尖端112的一个示例是可与样品吸移装置152一起使用的吸移尖端。分配尖端完整性评估装置1100可以利用分配尖端图像捕获单元130。参考图41更详细地举例说明和描述了分配尖端完整性评估装置1100的一个示例。
图41是图40的分配尖端完整性评估装置1100的一个示例的框图。在一些实施方案中，分配尖端完整性评估装置1100包括样品品质检测装置1112和尖端对准检测装置1114。
在一些实施方案中，分配尖端完整性评估装置1100利用图10的样品抽吸系统510实现。在其他实施方案中，分配尖端完整性评估装置1100可以在其他类型的可用于利用容器抽吸或分配流体物质的系统中使用。
样品品质检测装置1112用来检测抽吸入样品吸移装置152的样品吸移尖端的样品的品质。参考图42至55描述了样品品质检测装置1112的结构和操作的一个示例。
除了在分配尖端中检测样品品质之外，样品品质检测装置1112还可用于检测贮器114内包含的流体物质118的品质。如本文所述，贮器114可以是各种类型并且用于不同的过程。贮器114的示例包括反应贮器、样品贮器和稀释液贮器，它们在整个过程中在仪器100中使用。在一些实施方案中，样品品质检测装置1112可使用贮器图像捕获单元132。
尖端对准检测装置1114用来检测分配尖端112相对于样品吸移模块512和/或分配尖端图像捕获单元130的公差和不对准。例如，分配尖端112的可允许公差和/或分配尖端112的不对准可降低检测分配尖端112中的抽吸入样品体积的准确性，如本文中的分配尖端体积检测装置400所执行的。尖端对准检测装置1114还用来基于对公差和不对准的检测来调整或校正检测到的在分配尖端112中抽吸入的液体体积。参考图56至68描述了尖端对准检测装置1114的结构和操作的一个示例。
参见图42至55，描述了样品品质检测装置1112的一个示例。
图42示出了样品品质检测装置1112的一个示例。在一些实施方案中，样品品质检测装置1112包括图像捕获装置1120、图像评估装置1122、分类数据生成装置1124和分类装置1126。还示出了抽吸入样品1130、图像1132、一个或多个颜色参数1134、分类数据1136和样品分类结果1138。
样品品质检测装置1112用来评估用分配尖端抽吸入的样品的品质，并确定该样品是否具有足够的品质用于后续分析。如果确定样品品质受损，则仪器可以通知用户样品品质和/或停止测试。
在一些实施方案中，在样品管中提供的样品(例如，图4中的样品324)含有各种干扰物质或干扰物，其可能损害样品完整性和影响实验室测试。这种含有大于可容忍含量的干扰物的样品可能导致错误但可信的结果，这些结果不容易被检测到。对于化学和免疫测定系统，干扰物的示例包括血红蛋白、胆红素(在本文中也称为黄疸，这是由胆红素引起的医学病症)和脂质(在本文中也称为脂血症，这是由脂质引起的医学病症)。根据测定，血红蛋白、黄疸和脂血症的浓度应限制在预定水平，以确保不会发生干扰，避免导致结果偏斜。
已经使用各种方法来评估样品品质。这些方法的一些示例包括使用分光光度计的化学分析仪。使用这种分光光度计来确定样品品质是样品化学分析产生的独立事件，因此可能需要额外的样品来确定样品的完整性，具体取决于制造商。由于分光光度计使用特定波长进行测量，因此系统需要LED或准直光源，并且由于干扰物与某些测定的终产物的光谱重叠，会使用复杂的数学处理。另外，高脂血症样品通常表现出体积位移，这会影响测试中的样品体积。所以，评估样品品质的方法因此需要单独进行测试并导致额外的成本。因此，初级样品测试被推迟，因为只有在品质检查之后才能执行初级样品测试。另选地，在同时进行初级样品测试和样品品质测试的情况下，只能在初级样品测试期间或之后标记受损样品。在这种情况下，需要重新绘制样品，这也会导致测试结果延迟。
相反，样品完整性检测装置1112与仪器100合并，并使用仪器100的被配置用于分析样品的各种部件。因此，单一仪器既可以评估样品的品质，也可以进行样品分析，而不会造成延迟和额外成本。
如上所述，在一些实施方案中，样品完整性检测装置1112与图10的样品抽吸系统510一起使用。在其他实施方案中，样品完整性检测装置1112可以在其他类型的可用于利用容器抽吸流体物质的系统中使用。
在例示的示例中，主要在免疫测定分析仪的背景下描述样品完整性检测装置1112，如图2和4所示。例如，样品完整性检测装置1112用来检测在分配尖端中抽吸入的样品中的干扰物诸如血红蛋白、黄疸和脂血症的浓度。然而，在其他实施方案中，样品完整性检测装置1112用于评估其他类型的仪器中的样品的品质。
通常，样品完整性检测装置1112获取内部具有流体的透明圆锥形容器的图像。然后，样品完整性检测装置1112提取关于图像中感兴趣区域内的相应像素的信息。关于像素的信息用于对流体进行分类。样品完整性检测装置1112包括分类器模型，该分类器模型采用用于将流体分组成类别的分类器。如果容器中抽吸入的流体颜色不在预定的规格范围内，则标记该抽吸或测试。在一些实施方案中，当确定流体完整性超出给定流体的规格时，仪器的操作者接收关于流体抽吸的信息。
仍参见图42，图像捕获装置1120用来捕获用分配尖端1180抽吸入的样品1130的图像1132(图45)。在一些实施方案中，样品1130是样品540的一个示例，并且分配尖端1180是分配尖端112的一个示例，如图10中所示。在一些实施方案中，图像捕获装置1120用来捕获用分配尖端1180以不同时间间隔抽吸入的样品1130的多于一个图像。例如，图像捕获装置1120用来在大约三十(30)毫秒间隔或任何其他时间间隔顺序地捕获用分配尖端1180抽吸入的样品1130的两个图像。在一些实施方案中，图像捕获装置1120利用分配尖端图像捕获单元130，该单元包括相机单元550和光源552。在一些实施方案中，图像捕获装置1120的光源552产生白色背光。在其他实施方案中，光源552提供一个或多个彩色背光，其在图像捕获期间可以是固定的或可变的。在一些实施方案中，光源552可以利用不同曝光时间产生背光。例如，光源552可以利用大约六(6)毫秒的曝光时间产生背光，并且图像捕获装置1120用来在大约六(6)毫秒的曝光时间之后立即捕获第一图像，并且在大约三十(30)秒捕获第二幅图像。在一个实施方案中，在将试剂分配到容器中后约0.2秒获得第一图像。在一个实施方案中，在混合约6.5秒后获得第二图像。在另一个实施方案中，在将试剂分配到容器中后约0.2秒获得第一图像，并且其中在混合约6.5秒后获得第二图像。改变曝光时间可以改善对捕获图像的颜色参数的评估。例如，如果样品具有高浓度，则较长的曝光时间可能导致更亮的图像，使得图像评估装置1122可以有效地评估不同的颜色参数。
图像评估装置1122用来处理和评估捕获图像1132并生成一个或多个颜色参数1134。颜色参数1134用于确定样品1130中包含的干扰物的浓度水平。参考图44至48更详细地举例说明和描述了图像评估装置1122的一个示例。
分类数据生成装置1124用于生成分类数据1136。如下所述，分类数据1136包括用于不同干扰物量的分类标签的列表，这些干扰物量由分类装置1126用于生成样品分类结果1138。参考图49至53更详细地举例说明和描述了分类数据生成装置1124的一个示例。
分类装置1126用来基于颜色参数1134和分类数据1136生成样品分类结果1138。样品分类结果1138包括指示样品1130的品质的信息。例如，样品分类结果1138包括表示抽吸入样品1130中的干扰物(诸如血红蛋白、黄疸和脂血症)浓度水平的信息，并且(单独或组合地)指示干扰物的浓度水平是可以接受的因此，样品分类结果1138用于确定样品1130是否具有足够的品质用于仪器100中的实验室分析。参考图54至55更详细地举例说明和描述了分类装置1126的一个示例。
图43是示出用于操作图1112的样品完整性检测装置的示例性方法1150的流程图。在一些实施方案中，方法600由样品抽吸系统510(图10)和样品完整性检测装置1112执行。
一般来讲，方法1150就干扰物(例如血红蛋白、黄疸(胆红素)和脂血症)的浓度对分配尖端中的样品品质进行分析，并且如果评估的品质被分类在接受范围之外，则标记测试结果。
在操作1152处，样品抽吸系统510用来根据设计将流体物质(诸如样品1130)抽吸入分配尖端1180(图45)(其为如图10中所示的分配尖端112的一个示例)中。
在操作1154处，样品抽吸系统510将包含抽吸入样品1130的分配尖端1180运输到图像捕获装置1120(其包括分配尖端图像捕获单元130)。在一些实施方案中，图像捕获装置1120的分配尖端图像捕获单元130被布置成在抽吸之后捕获分配尖端1180的图像而无需运输。
在操作1156处，分配尖端图像捕获单元130捕获分配尖端1180的图像1132。在一些实施方案中，分配尖端1180的图像1132是预定分辨率的数字图像。在一些实施方案中，分配尖端图像捕获单元132可以以变化的时间间隔捕获分配尖端1180的多于一个图像。例如，分配尖端图像捕获单元132可以以大约三十(30)毫秒间隔或任何其他时间间隔捕获分配尖端1180的两个图像。在操作1158处，样品完整性检测装置1112分析图像1132以确定分配尖端1180内的样品1130中的干扰物含量。参照图44至55更详细地描述了操作1158的示例。
在操作1160处，样品完整性检测装置1112确定干扰物含量是否落入公差范围内。当确定的含量在公差范围之外时，样品1130在分配尖端112中的抽吸被认为是不合适的。公差范围可以根据样品的类型和/或其中的干扰物的类型而变化。在一些实施方案中，可以使用分类标识符或分类器来评估所确定的干扰物含量是否落入公差范围内，如下所述。
当确定检测到的干扰物含量落在该公差范围内时(操作1160处选择“是”)，方法1150前进到执行预定的下一步骤。否则(在操作1160处选择“否”)，方法1150前进至操作1162。
在操作1162处，样品完整性检测装置1112标记该抽吸以指示分配尖端1180中的抽吸入样品1130不适合于后续过程。在其他实施方案中，可以标记已经使用了抽吸入样品的整个测试结果以指示或暗示该测试结果可能是不正确的。另选地，样品完整性检测装置1112用来停止仪器100中的相关联测试或分析过程。在其他实施方案中，评估结果可用于自动调整由于受损的样品品质而可能错误的测试结果。
参考图44至55，描述了图43的操作1158，其中分析捕获图像1132并确定分配尖端中的抽吸入样品的品质。在一些实施方案中，操作1158由样品完整性检测装置1112的图像评估装置1122、分类数据生成装置1124和分类装置1126执行。
图44是示出操作图42的图像评估装置1122的示例性方法1170的流程图。在一些实施方案中，方法1170包括操作1172、1174和1176。还参照图45描述了方法1170，该图示出了对捕获图像1132的示例性分析。
在操作1172处，图像评估装置1122定位图像1132中的分配尖端1180。可以使用各种图像处理方法来检测图像1132中的分配尖端1180的位置。在一些实施方案中，分配尖端1180通过图案匹配功能定位，该功能基于预训练的参考图像来搜索表示分配尖端的图案。这种图像处理方法可以用各种编程语言实现，诸如Python(例如，其轮廓查找功能)。此类图像处理方法的一个示例性方法可以由Cognex In-Sight Vision软件实现，该软件购自Cognex Corporation(马萨诸塞州纳蒂克)，其提供各种工具，诸如边缘检测(“Edge”)、图案匹配(“Pattern Match”)和直方图分析(”Histogram”)。
在操作1174处，图像评估装置1122检测预定的感兴趣区域1182。感兴趣区域1182是图像1132的被评估以确定分配尖端1180中样品1130的品质的区域。感兴趣区域1182被预设为可重复检测的区域，因为在不同图像1132中都包括样品1130。可使用各种方法来检测感兴趣区域1182。参照图46描述了此类方法的一个示例。在一些实施方案中，可以存在多于一个的预定感兴趣区域，因此，图像评估装置1122检测多于一个的预定感兴趣区域。例如，可以存在三个预定感兴趣区域，感兴趣区域1182上方的第一感兴趣区域，诸如感兴趣区域1182的第二感兴趣区域，以及感兴趣区域1182下方的第三感兴趣区域。
在操作1176处，图像评估装置1122提取捕获图像1132的颜色参数1134(图42)。在一些实施方案中，分析图像1132中的感兴趣区域1182以生成颜色参数1134。参考图47和48描述了提取颜色参数的一个示例。
图46是示出用于在图像1132中找到感兴趣区域1182的示例性方法1190的流程图。在一些实施方案中，方法1190包括操作1192和1194。还参考图45描述了方法1190。
一般来讲，一旦确定了分配尖端1180的位置，图像评估装置1122就使用一组偏移因子来确定感兴趣区域1182。在一些实施方案中，感兴趣区域1182被优化为包括分配尖端图像的子部分，该子部分大致位于分配尖端1180中的样品1130的垂直轴和水平轴的中心，使得感兴趣区域1182通常位于抽吸入样品1130的中心。在其他实施方案中，感兴趣区域1182的其他位置也是可能的。在其他实施方案中，如先前所述，可以存在不止一个感兴趣区域。
在操作1192处，图像评估装置1122找到与分配尖端1180相关联的参考线。在一些实施方案中，参考线是图像1132中的分配尖端1180的纵向边缘1184。分配尖端1180的其他线可用作参考线。
在操作1194处，图像评估装置1122定位与参考线1184分开预定偏移1186定位的区域。在一些实施方案中，预定偏移1186确定感兴趣区域1182的水平位置，而感兴趣区域1182的垂直位置被预设为与图像1132底部相距预定高度1188。在一些实施方案中，感兴趣区域的垂直位置在不同图像之间保持大致相同，因为图像捕获单元被重复布置在相对于分配尖端的样品高度处。
上文使用的图像处理方法的一个示例可以由Cognex In-Sight Vision软件实现，该软件购自Cognex Corporation(马萨诸塞州纳蒂克)，其提供各种工具，诸如边缘检测(“Edge”)、图案匹配(“Pattern Match”)和直方图分析(“Histogram”)。
图47是用于提取图像1132的颜色参数的示例方法1210的流程图。还参照图48描述了方法1210，该图示出了图像1132的示例性直方图1220。在一些实施方案中，方法1210包括操作1212和1214。
在操作1212处，图像评估装置1122生成图像1132的直方图1220。在一些实施方案中，直方图1220是从图像1132中的感兴趣区域1182的数据生成的。在一些实施方案中，存在多于一个感兴趣区域，因此，图像评估装置1122为图像1132中的每个感兴趣区域生成直方图1120。例如，如果图像1132中存在三个感兴趣区域，则图像评估装置1122生成三个相应的直方图。
如图48所示，直方图1220表示图像1132中的不同颜色的分布(例如，其感兴趣区域1182)。在一些实施方案中，直方图1220示出了在固定的颜色范围(在此也称为区间)列表中的每一个范围中具有颜色的像素的数量。可以为任何类型的色彩空间构建直方图1220。在例示的示例中，使用RGB颜色模型。在其他实施方案中，可使用CMYK颜色模型和任何其他颜色模型。
可以首先通过将图像1132中的颜色(即，RGB模型中的红色、绿色和蓝色)(例如，其感兴趣区域1182)离散化为多个区间并对每个区间中的像素数量进行计数来产生直方图1220。例如，在图像1132是8位图像的情况下，每种颜色的0到255的值被分组为多个区间，使得每个区间包括十个值组成的范围。以举例的方式，第一区间包括等于和大于零且小于10的值，第二区间包括等于和大于10且小于20的值，第三区间包括等于和大于20且小于30的值。如图48所示，在直方图1220中描绘了第一颜色通道1222、第二颜色通道1224和第三颜色通道1226，它们分别表示RGB模型中的红色、绿色和蓝色分量。在其他实施方案中，可以使用RGB模型、CMYK颜色模型或任何其他颜色模型中的不同颜色分量。在其他实施方案中，图像可以是不同的位，例如15位颜色、16位颜色、24位颜色、30位颜色、36位颜色、48位颜色或任何其他位值。
在操作1214处，图像评估装置1122从直方图1134获得多个颜色参数1220。在一些实施方案中，图像评估装置1122产生六个颜色参数。例如，第一颜色参数1232是第一颜色通道1222的均值，第二颜色参数1234是第二颜色通道1224的均值，第三颜色参数1236是第三颜色通道1226的均值。此外，第四颜色参数1242是第一颜色通道1222的黎曼和，第五颜色参数1244是第二颜色通道1224的黎曼和，第六颜色参数1246是第三颜色通道1226的黎曼和。第一颜色通道1222、第二颜色通道1224和第三颜色通道1226的黎曼和分别表示第一颜色通道1222、第二颜色通道1224和第三颜色通道1226的曲线下面积。
在其他实施方案中，从直方图1220生成其他颜色参数。例如，颜色参数可包括第一颜色通道1222的最大值、第二颜色通道1224的最大值、第三颜色通道1226的最大值、第一颜色通道1222的最小值、第二颜色通道1224的最小值、第三颜色通道1226的最小值、第一颜色通道1222的模式、第二颜色通道1224的模式、第三颜色通道1226的模式、第一颜色通道1222的直方图头部、第二颜色通道1224的直方图头部、第三颜色通道1226的直方图头部、第一颜色通道1222的直方图尾部、第二颜色通道1224的直方图尾部、第三颜色通道1226的直方图尾部、第一颜色通道1222的直方图头部百分比、第二颜色通道1224的直方图头部百分比、第三颜色通道1226的直方图头部百分比、第一颜色通道1222的直方图尾部百分比、第二颜色通道1224的直方图尾部百分比和第三颜色通道1226的直方图尾部百分比。直方图头部指定了直方图的最小灰度值。例如，第一颜色通道1222的直方图头部指定了直方图中第一颜色通道1226的最小灰度值。直方图尾部指定了直方图的最大灰度值。例如，第一颜色通道1222的直方图尾部指定了直方图中第一颜色通道1226的最大灰度值。直方图头部百分比指定了直方图中存在于具有最低灰度值的指定灰度值范围内的总像素的百分比。例如，第一颜色通道1222的直方图头部百分比指定了直方图中第一颜色通道1222的存在于第一颜色通道1222的最低灰度值范围内的总像素的百分比。直方图尾部百分比指定了直方图中表示的存在于具有最高灰度值的指定灰度值范围内的总像素的百分比。例如，第一颜色通道1222的直方图尾部百分比指定了直方图中第一颜色通道1222的存在于第一颜色通道1222的最高灰度值范围内的总像素的百分比。
在其他实施方案中，颜色参数包括颜色通道(例如，第一、第二和第三颜色通道)的均值、颜色通道(例如，第一、第二和第三颜色通道)的峰值，和/或颜色通道(例如，第一、第二和第三颜色通道)的标准偏差。在其他实施方案中，使用其他类型的颜色参数。
图49是用于操作图42的分类数据生成装置1124的示例性方法1270的流程图。参照图50和图51描述了方法1270。图50是示出将干扰值解析为分类标签的示例性表1278，图51是可以用作来自图42的分类装置1126的输出的样品分类标识符1310的示例性集合。
在一些实施方案中，如下所述，不同水平的样品品质被分类为多个目标变量，其在本文中也称为样品分类标识符。具体地讲，分类装置1126将样品的品质确定为样品分类标识符中的一个。分类数据生成装置1124用来生成特定干扰物或特定干扰物组的样品分类标识符。在一些实施方案中，通过首先基于各个干扰物的浓度值将特定样品的干扰物值解析成一组标签来构建样品分类标识符。然后将干扰物的标签组合成一组标签(即样品分类标识符)，其对样品中所有干扰物的范围进行分类。
仍然参见图49，在操作1272处，分类数据生成装置1124定义每种干扰物的浓度值。以举例的方式，如图50所示，针对在分配尖端中抽吸入的样品1130评估了三种干扰物，它们是第一干扰物1280、第二干扰物1282和第三干扰物1284。分别为干扰物1280、1282和1284定义了浓度值1290、1292和1294。在一些实施方案中，浓度值被定义为一个或多个离散的浓度值。在其他实施方案中，浓度值被定义为浓度值范围。
例如，为第一干扰物1280定义了三个浓度值1290(例如，值1-1、值1-2和值1-3)，为第二干扰物1282定义了三个浓度值1292(例如，值2-1、值2-2和值2-3)，为第三干扰物1284定义了三个浓度值1294(例如，值3-1、值3-2和值3-3)。在其他实施方案中，针对相同或不同干扰物定义其他数量的浓度值。
在操作1274处，分类数据生成装置1124将分类标签1300、1302和1304分配给浓度值1290、1292和1294。在同一示例中，第一干扰物1280的浓度值1290被分配了三个分类标签1300，诸如ZERO、MEDIUM和HIGH。第二干扰物1282的浓度值1292被分配了两个分类标签1302，诸如ABSENT和PRESENT。第三干扰物1284的浓度值1294被分配了三个分类标签1304，诸如ZERO、MEDIUM和HIGH。分类标签的其他实施方案也是可能的。例如，在其他实施方案中，第二干扰物1282的浓度值1292可以被分配三个分类标签，诸如ZERO、MEDIUM和HIGH，类似于三个分类标签1300和1304。在其他实施方案中，浓度值1290和1294可以被分配分类标签，诸如ABSENT和PRESENT，类似于两个分类标签1302。
在操作1276处，分类数据生成装置1124基于干扰物浓度值的不同组合生成样品分类标识符1310的列表。样品分类标识符1310用于大致表示所考虑的所有干扰物的组合的含量或浓度。如下所述，样品分类标识符1310用作分类装置1126的目标变量或来自分类装置1126的输出。
如图51所示，样品分类标识符1310列表包括分类标签1300、1302和1304的所有可能组合。样品分类标识符1310的一个示例性符号是依次用于第一干扰物1280的分类标签1300、用于第二干扰物1282的分类标签1302和用于第三干扰物1284的分类标签1304的组合。在例示的示例中，由于第一干扰物1280有三个分类标签(例如，ZERO、MEDIUM和HIGH)，第二干扰物1282有两个分类标签(例如，ABSENT和PRESENT)，第三干扰物1284有三个分类标签(例如，ZERO、MEDIUM和HIGH)，可以存在18(＝3×2×3)个样品分类标识符1310。样品分类标识符在本文中也称为样品分类器。其他样品分类标识符也是可能的。例如，第二干扰物1282可以具有三个分类标签(例如，ZERO、MEDIUM和HIGH)而不是两个分类标签(例如，ABSENT和PRESENT)。
图50示出了用于三种干扰物的混合物的颜色参数数据表1320的一个示例，每种干扰物具有五个值。在所示的示例中，第一干扰物1280是血红蛋白，第二干扰物1282是黄疸(胆红素)，第三干扰物1284是脂血症(脂质)，其中仪器100是免疫测定分析仪。以举例的方式，第一干扰物1280被分成具有五个值的三个区段，诸如对于分类标签1300为ZERO的值1-1而言为0mg/dL，对于分类标签1300为MEDIUM的值1-2而言为250和500mg/dL，对于分类标签1300为HIGH的值1-3而言为750和1000mg/dL。第二干扰物1282被分成具有五个值的三个区段，诸如对于分类标签1302为ABSENT的值2-1而言为0mg/dL，对于分类标签1302为PRESENT的值2-2而言为10和20mg/dL，对于分类标签1302为PRESENT的值2-3而言为30和40mg/dL。在其他实施方案中，第二干扰物1282可被分成具有五个值的三个区段，诸如对于分类标签1302为ZERO的值2-1而言为0mg/dL，对于分类标签1302为MEDIUM的值2-2而言为10和20mg/dL，对于分类标签1302为HIGH的值2-3而言为30和40mg/dL。第三干扰物1284被分成具有五个值的三个区段，诸如对于分类标签1304为ZERO的值3-1而言为0mg/dL，对于分类标签1304为MEDIUM的值3-2而言为125和250mg/dL，对于分类标签1304为HIGH的值3-3而言为375和500mg/dL。
图53示出了预测从如图52所示的第一、第二和第三干扰物的组合输出的样品分类器1310的示例性集。图53中的分类器1310仅示出了基于如图52所示的第一、第二和第三干扰物的一些可能输出。如参考图51所述创建样品分类器1310的符号。例如，如果样品中存在0mg/dL的脂质时(表1320中的“ZERO”)，该样品中包含10mg/dL的黄疸(表1320中的“PRESENT”)，并且该样品中包含375mg/dL的血红蛋白(表1320中的“HIGH”)，则样品分类器1310被指定为“ZeroPresentHigh”。其他样品分类器1310也是可能的。例如，如果样品中存在0mg/dL的脂质(“ZERO”作为分类标签)，如果该样品中包含10mg/dL的黄疸，则它可以具有“MEDIUM”而不是“PRESENT”的分类标签，并且如果该样品中包含375mg/dL的血红蛋白(“HIGH”作为分类标签)，则样品分类器1320将被指定为“ZeroMediumHigh”。又如，如果样品中存在0mg/dL的脂质(“ZERO”作为分类标签)，如果该样品中包含0mg/dL的黄疸，则它可以具有“ZERO”而不是“ABSENT”的分类标签，并且如果该样品中包含375mg/dL的血红蛋白(“HIGH”作为分类标签)，则样品分类器1320将被指定为“ZeroZeroHigh”。图54是示意性地示出图42的分类装置1126的一个示例的框图。如上所述，分类装置1126用来接收颜色参数1134中的一个或多个并生成样品分类结果1138。分类装置1126还接收分类数据1136以生成样品分类结果1138。在一些实施方案中，分类装置1126生成反馈数据1330。如本文所述，分类装置1126被结合到仪器100中，使得不需要单独的装置来评估样品品质。
在一些实施方案中，颜色参数1134包括如上所述的颜色参数1232、1234、1236、1242、1244和1246中的至少一个。在其他实施方案中，分类装置1126利用所有颜色参数1232、1234、1236、1242、1244和1246。在其他实施方案中，分类装置1126使用其他类型的颜色参数。
在一些实施方案中，分类装置1126用来处理颜色参数1134并从样品分类标识符1310列表中选择一个作为样品分类结果1138。样品分类结果1138包括样品分类标识符1310中的一个，其通常指示样品品质或完整性。因此，样品品质检测装置1112的输出不是样品中包含的干扰物的量或浓度的可量化数字。相反，样品品质检测装置1112输出分类器(即，分类标识符)，这是对样品品质的简单指示。
当样品含有多种所考虑的干扰物时，这些干扰物会引起光谱重叠，使得一种干扰物影响其他干扰物的检测。例如，当血红蛋白(红色等)、胆红素(黄色等)和脂质(白色等)是样品中的干扰物时，对血红蛋白、胆红素和脂质的吸收至少部分重叠并且因此难以区分这些干扰物。因此，与输出干扰物的具体量或浓度相反，期望通过使用样品分类器来简化样品品质结果。
在一些实施方案中，分类装置1126使用适于改进分类装置1126的操作的反馈数据1330。反馈数据1330可以包括关于输入颜色参数1134和输出样品分类结果1138之间的相关性的信息。反馈数据1330被反馈并用于通过进一步训练分类装置1126来改进将来的操作。
在一些实施方案中，分类装置126采用机器学习模型。例如，分类装置126使用支持向量机(SVM)模型，这是利用分析用于分类的数据的一个或多个相关学习算法的监督学习模型。在其他实施方案中也可以使用其他模型，诸如logistic回归、神经网络、卷积神经网络和分类树。
如图54所示，分类装置1126的一些实施方案执行训练操作1340和正常操作1342。在训练操作1340中，采用SVM训练算法的分类装置1126从一组训练范例样品建立模型，每个样品被标记为属于样品分类中的一个。该模型将新范例分配到一个分类或另一个分类中，使其成为非概率二元线性分类器。SVM模型将范例表示为空间中的点，被映射来使得单独分类的范例被尽可能宽的明确间隙分隔。然后将新的范例映射到相同的空间并且基于它们落入间隙的哪一侧预测其属于哪一分类。作为线性分类的替代，该SVM模型可以使用核方法(例如，径向基函数)执行非线性分类，将其输入映射到高维特征空间。例如，SVM模型在高维或无限维空间中构造超平面或一组超平面，这些超平面可用于分类。与任何类的最近训练数据点相距最大距离的超平面实现了良好的分离，因为一般来讲，余量越大，分类器的泛化误差越小。
在本文所示的示例中，从上述RGB配置构造了用于SVM的维度空间，产生对应于六个颜色参数的六维预测器空间。如上所述，通过将每个样品的测量的干扰物值(例如，血红蛋白、黄疸和脂血，其在本文中统称为HIL)基于用于各项HIL数据的浓度范围解析为一组标签，来构建用于分类的目标变量。每种干扰物的样品标签组合成一个标签，该标签用于对所有三个HIL分量的范围进行分类。正是这个整体样品分类标签充当SVM分类器的目标变量。
在一些实施方案中，SVM分类器使用称为“nu”的超参数进行调谐，该超参数使支持向量的数量和训练误差正则化。例如，使用Sci-Kit Learn模块以Python语言实现分类器，该模块内置对Nu正则化SVM分类器的支持(诸如“skleam.svm.NuSvc”)。
一旦在训练操作1340中建立了SVM模型，分类装置1126就准备好进行正常操作1342，其中在现场评估患者样品的品质以用于在仪器100中进行实验室分析。在一些实施方案中，在将仪器100安装在客户的现场之前预先训练分类装置1126。在其他实施方案中，在正常操作1342中继续用反馈数据1330来更新分类装置1126。在其他实施方案中，分类装置1126可由客户配置。
图55是样品分类结果1138和相关联的标记结果1352的示例性数据集1350。如图43所示，样品完整性检测装置1112生成标记结果以指示抽吸入样品1130是否具有适当品质用于后续处理(图43的操作1162)。如图55所示，样品分类结果1138中的一个或多个被认为指示相关联的样品没有足够的品质用于仪器100中的实验室分析。可以标记与这样的样品分类结果1138相关联的样品以指示样品的受损品质。以举例的方式，数据集1350示出了哪个样品分类结果表示需要被标记的样品。
如图42至55所示，样品品质检测装置1112用来将复变量空间(与多个颜色参数相关联)变换为表示样品品质的简单输出(包括样品分类器)。输出的样品分类结果1138用于通知用户样品是否已经适当地准备好，以便具有足够的品质或完整性来用于实验室分析。
可以修改样品品质检测装置1112以适合于各种应用。例如，样品品质检测装置1112适用于任何体外诊断分析仪、任何样品管或反应贮器，以及任何容器形状。在一些实施方案中，样品品质检测装置1112的图像评估装置1122不需要使用预定义的感兴趣区域来进行图像处理。图像捕获装置1120的相机单元可为任何类型或品质。根据一个示例性实施方案的样品品质检测装置1112可以使用消费者级相机单元，诸如伴随移动装置的相机。图像捕获装置1120中使用的光源可位于任何位置。在一些实施方案中，可以在客户位置现场训练分类装置1126。在其他实施方案中，分类装置1126可以通过学习算法进行调整，以基于客户的患者样品的独特群体和干扰物(例如，HIL)值来调整性能。
参见图56至68，描述了尖端对准检测装置1114的一个示例。
图56是尖端对准检测装置1114的一个示例的框图。尖端对准检测装置1114用来检测分配尖端112的不对准并校正包含在分配尖端112中的液体物质的检测体积。
在一些实施方案中，基于图像的体积检测装置1500用来捕获已经抽吸入液体物质(诸如样品)的分配尖端112的图像，并基于分配尖端112的图像计算液体物质的体积。基于图像的体积检测装置1500的一个示例包括如本文所述的分配尖端体积检测装置400。例如，如本文所述，样品吸移装置152用于将样品抽吸入分配尖端112，并且分配尖端体积检测装置400使用分配尖端图像捕获单元130捕获分配尖端的图像，并通过分析捕获图像来计算抽吸入样品的体积。
在一些实施方案中，由于各种公差和不对准的来源，分配尖端112中液体物质(例如，样品)的检测体积并不总是准确的，如图57和58中所述。因此，检测到体积1502存在一些误差。
尖端对准检测装置1114用来至少检测分配尖端112相对于样品吸移模块512和/或分配尖端图像捕获单元130的不对准。分配尖端112的不对准导致检测分配尖端112中的抽吸入样品体积的误差。尖端对准检测装置1114用来校正由基于图像的体积检测装置1500(例如，分配尖端体积检测装置400)检测的物质体积，并提供抽吸入物质1504的校正体积。
如本文所述，尖端对准检测装置1114和基于图像的体积检测装置1500可以是仪器100的一部分，因此与仪器100的如本文所述的系统、装置、部件、发动机和其他部件一起操作。
图57是分配尖端112的一个示例的剖视图，示出了分配尖端112的配置的可能公差。分配尖端112被设计成具有在一个或多个尺寸上的容许公差。一些这样的尺寸包括长度L10、L11和L12，以及宽度或直径D10、D11和D12。允许用于分配尖端112的公差可影响分配尖端112包含的物质的体积。
图58示意性地示出了分配尖端112的示例性不对准。如图所示，当分配尖端112(本文中也称为112)与样品吸移模块512(诸如其芯轴528)接合时，分配尖端112并不总是如需要那样被定位。在一些实施方案中，可能希望分配尖端112垂直地定位，或者与芯轴526对准。然而，分配尖端112可以相对于芯轴526倾斜，并且可以与分配尖端图像捕获单元130的视角不同地观察物质540的体积。因此，分配尖端112的不对准可能影响检测分配尖端112中抽吸入物质540的体积的准确度。
图59示出了分配尖端112的可能的不对准类型。分图1示出了分配尖端112相对于分配尖端图像捕获单元130的相机单元的位置。当Z轴被定义为分配尖端112通常沿其延伸的轴时，X轴被定义为分配尖端112可以沿着其相对于分配尖端图像捕获单元130的相机单元从左到右或从右到左倾斜的方向，如分图2所示。当分配尖端112在X轴方向上倾斜时，不对准可以由侧面不对准角C表示，如分图2所示(“侧面不对准”)。Y轴被定义为分配尖端112可以沿着该方向倾斜远离相机单元或朝向相机单元倾斜的方向，如分图3所示。当分配尖端112在Y轴方向上倾斜时，不对准可以由深度不对准角D表示，如分图3所示(“深度不对准”)。这种深度不对准不是从由尖端图像捕获单元130捕获的二维图像识别的。
图60A是被配置为与尖端对准检测装置1114一起使用的示例性分配尖端1510的横截面侧视图。在该示例中，分配尖端1510与如参考图13和14所述的分配尖端112类似地配置。因此，对分配尖端1510的描述主要限于与分配尖端112的差异，并且为了简洁起见，省略了其他描述。
在该示例中，分配尖端1510包括第一参考线1512和第二参考线1514，如图60B和60C中更好地示出(它们是图60A的分配尖端的一些部分的展开图)。在一些实施方案中，第一参考线1512和第二参考线1514用于检测分配尖端的侧向不对准，如参考图62所述。此外，第一参考线1512和第二参考线1514中的至少一个用于检测分配尖端的深度不对准，如图62所述。
在一些实施方案中，参考线1512和1514被配置为可由分配尖端图像捕获单元130检测。参考线1512和1514可以形成在分配尖端1510的各个位置。在一些实施方案中，第一参考线1512被定位成使得抽吸入物质的表层或弯月面布置在第一参考线1512下方(即，在第一参考线1512和分配尖端1510的远侧端部562之间)。在其他实施方案中，第一参考线1512被定位成使得抽吸入的流体物质的弯月面相对于远侧端部562布置在第一参考线1512上方(即，在参考线570和近侧端部560之间)。在一些实施方案中，第一参考线1512对应于如图13所示的参考线570。
第二参考线1514可被布置成相对于第一参考线1512靠近分配尖端1510的远侧端部562。以举例的方式，第一参考线1512被定位成使得100μL的抽吸入物质的表面线布置在第一参考线1512下方(即，在第一参考线1512和分配尖端1510的远侧端部562之间)，而第二参考线1514被定位成使得2μL的抽吸入物质的表面线布置在第二参考线1512上方(即，在第一参考线1512和第二参考线1514之间)。
第一参考线1512和第二参考线1514以各种方式被提供给分配尖端1510。在一些实施方案中，参考线是可检测的结构，诸如突起部、脊、凹部、凹口或形成在分配尖端上的任何其他可见元件。在其他实施方案中，参考线是涂抹或附接在分配尖端上的标记或指示器。参考线可以整体形成或模制到分配尖端。另选地，参考线单独制造并附接到分配尖端。
图61是示出用于评估分配尖端对准的示例性方法1550的流程图。在一些实施方案中，方法1550由尖端对准检测装置1114执行。在其他实施方案中，仪器100的其他部分可以与尖端对准检测装置1114一起或替代尖端对准检测装置来执行方法1550。
在操作1552处，仪器100(诸如样品抽吸系统510)按照设计将流体物质(诸如样品)抽吸入分配尖端1510。
在操作1554处，仪器100(诸如样品抽吸系统510)将包含抽吸入样品的分配尖端1510运输到分配尖端图像捕获单元130。在一些实施方案中，分配尖端图像捕获单元130被布置成在抽吸之后捕获分配尖端的图像而无需运输。然后，分配尖端图像捕获单元130捕获分配尖端1510的图像。在一些实施方案中，分配尖端1510的图像是预定分辨率的数字图像。
在操作1556处，仪器100，诸如基于图像的体积检测装置1500(例如，分配尖端体积检测装置400或样品抽吸体积检测装置500，如图9所示)，通过分析捕获图像来检测分配尖端1510中的物质的体积。已经参考例如图16至19描述了操作1556的一个示例。
在操作1558处，仪器100诸如尖端对准检测装置1114使用捕获图像来检测分配尖端1510的不对准。参照图62至68描述了操作1558的一个示例。
在操作1560处，仪器100(诸如尖端对准检测装置1114)用来基于对不对准的检测(如在操作1558中检测到的)校正检测的体积(如在操作1556中检测到的)。
图62是示出用于检测分配尖端不对准的示例性方法1570的流程图。在该方法中，尖端对准检测装置1114可以检测如图59的分图2所描绘的侧面不对准(在操作1572处)，以及如图59的分图3所描绘的深度不对准(在操作1574处)。
图63是示出用于检测分配尖端不对准的另一示例性方法1600的流程图。还参考图64描述了方法1600，该图示意性地示出了分配尖端的侧面不对准的示例性图像。
在该方法中，可以利用操作1602、1604、1606、1608、1610、1612和1614来检测侧面不对准。可以利用操作1602、1622、1624和1626来检测深度不对准。在一些实施方案中，侧面不对准可被检测为体积检测过程中的例如由如本文所述的分配尖端体积检测装置400或样品抽吸体积检测装置500执行的部分。例如，操作1602、1604、1606、1608和1616与由分配尖端体积检测装置400或样品抽吸体积检测装置500执行的一些操作相同或类似，因此可以由分配尖端体积检测装置400或样品抽吸体积检测装置500的这些操作代替。
在操作1602处，尖端对准检测装置1114获得分配尖端1510的图像。分配尖端图像捕获单元130可以捕获分配尖端1510的图像。
在操作1604处，尖端对准检测装置1114检测分配尖端1510的第一参考线1512的预定点1640。在一些实施方案中，预定点1640是第一参考线1512的中心。第一参考线1512的其他点可以用在其他实施方案中。
在操作1606处，尖端对准检测装置1114检测包含在分配尖端1510中的流体物质1630的弯月面1632的预定点1642。在一些实施方案中，预定点1642是分配尖端中物质的弯月面的中心。在其他实施方案中可以使用弯月面的其他点。
在其他实施方案中，代替流体物质的弯月面，使用第二参考线1514。在该应用中，尖端对准检测装置1114检测分配尖端的第二参考线的预定点(例如，中心)。
在操作1608处，尖端对准检测装置1114连接点1640和1642以限定点1640和1642之间的直线1634。
在操作1620处，尖端对准检测装置1114确定直线1634相对于参考线1636的角C。在一些实施方案中，参考线1636与由分配尖端图像捕获单元130捕获的图像中的垂直线平行。在其他实施方案中，可以将其他线用作参考线1636。
虽然第一参考线1512和抽吸入物质1630的弯月面1632用于确定直线1634，但是可以使用其他参考线或点来限定直线1634。例如，第一参考线1512、第二参考线1514、抽吸入物质的弯月面1632、分配尖端1510的其他部分以及样品吸移模块512的与分配尖端1510接合的任何部分的任何组合。
在操作1612处，尖端对准检测装置1114确定角C是否小于阈值。该阈值表示分配尖端可以倾斜的最大可接受角度。当分配尖端以大于阈值角度值的角度倾斜时，检测到的物质体积被认为对于获得可靠结果而言是不可接受的。在一些实施方案中，阈值角度值的范围足从约0.5到约5度。在其他实施方案中，阈值角度值的范围是从约1到约3度。在其他实施方案中，阈值角度值为约2度。
如果确定直线1634的角C小于阈值角度值(在该操作中选择“是”)，则方法1600在操作1616处继续。否则(在该操作中选择“否”)，方法1600前进到操作1614，在该操作，尖端对准检测装置1114标记该抽吸以指示分配尖端中的抽吸入的体积不适合于后续过程。在操作1614处，可以使用另一个分配尖端执行另一次抽吸以重复操作1602和随后的操作。
在操作1616处，使用捕获图像获得分配尖端中的物质的体积。在一些实施方案中，分配尖端体积检测装置400或样品抽吸体积检测装置500可以如本文所述执行该操作。
在操作1618处，尖端对准检测装置1114确定检测到的体积是否大于阈值体积值。阈值体积值表示分配尖端中可能受到侧面不对准和/或深度不对准的影响(或显著影响)的最大体积。当分配尖端中包含的物质的体积大于该阈值时，认为侧面不对准和深度不对准不会显著影响分配尖端中的体积检测，并且无论侧面不对准还是深度不对准，分配尖端中的这种体积的计算都是可接受的。当分配尖端中包含的物质的体积等于或小于该阈值时，认为侧面不对准或深度不对准可以基于捕获图像显著影响体积的检测，并且这种体积的计算将是不可接受的。
在一些实施方案中，阈值体积值的范围是从约3至约30μL。在其他实施方案中，阈值体积值的范围是从约5至约20μL。在其他实施方案中，阈值体积值为约10μL。
如果确定检测到的体积大于阈值体积值(在该操作处选择“是”)，则方法1600在操作1620处继续，在该操作报告计算的体积。否则(在该操作处选择“否”)，方法1600前进到操作1622和后续操作。
在操作1622处，尖端对准检测装置1114用来使用第二参考线1514校正检测到的体积。参考图65和66描述了使用第二参考线来校正体积的一个示例性方法。
在例示的示例中，主要描述的是，如果角度不满足阈值角度值，则标记已经对分配尖端执行的抽吸。另选地，可以在将特定物质(诸如试剂、样品或底物)抽吸入分配尖端之前执行方法1600。在该构型中，如果角度不满足阈值角度值，则尖端对准检测装置1114可以用来防止预期物质被抽吸入分配尖端，或者用来生成关于这种预期物质的抽吸不应该执行或应谨慎执行的通知。
图65是示出使用第二参考线校正体积的示例性方法1650的流程图。方法1650可以在操作1652开始，其中尖端对准检测装置1114获得分配尖端1510的图像，如图63中的操作1602那样。
在操作1654处，尖端对准检测装置1114测量捕获图像中的第二参考线1514的长度。
在操作1656处，尖端对准检测装置1114计算第二参考线1514的测量长度与第二参考线1514的实际长度之间的比率。第二参考线1514的实际长度是已知的。例如，可以从分配尖端1510的实际模型或产品测量第二参考线1514的实际长度，或者从分配尖端1510的不对准的图像测量。
从捕获图像测量的第二参考线1514的长度将不同于当分配尖端1510在Y方向上倾斜时(如图59的分图3所示)第二参考线1514的实际长度。因此，第二参考线1514的测量长度与实际长度之间的比率可以指示在分配尖端中发生的深度不对准的程度(即，分配尖端如图59中的分图3那样在Y方向上倾斜多少)。
在操作1658处，尖端对准检测装置1114用来使用该比率校正检测到的物质体积。由于第二参考线1514的测量长度与实际长度之间的比率与分配尖端的深度不对准程度相关，因此该比率也与从捕获图像检测到的物质体积相关。因此，该比率可用于调整从捕获图像估计的分配尖端中的物质的体积。
尽管主要描述了第二参考线1514在操作1652、1654、1656和1658中使用，但是其他参考线或点可以用于相同的操作。例如，可以使用第一参考线1512或分配尖端1510中的其他特征来代替第二参考线1514。
在例示的示例中，主要描述的是，第二参考线1514的测量长度与第二参考线1514的实际长度之间的比率用于调整测量的体积。然而，在另一个实施方案中，方法1650可以在将特定物质(例如试剂、样品或底物)抽吸入分配尖端之前进行。在该应用中，如果该比率不满足预定阈值，则尖端对准检测装置1114可以用来防止预期物质被抽吸入分配尖端，或者用来生成关于这种预期物质的抽吸不应该执行或应谨慎执行的通知。
图66是示出使用第二参考线校正体积的另一示例性方法1670的流程图。还参考图67描述了方法1650，该图示意性地示出了分配尖端相对于相机单元的深度不对准。
在该方法1670中，操作1672、1674和1676与图65中的操作1652、1654和1656相同或相似，因此，为简洁起见，省略了对这些操作的描述。
在操作1678处，尖端对准检测装置1114基于在操作1676中计算的比率来计算深度角D(图59和图67的分图3)。深度角D表示分配尖端在Y方向(即，深度方向)上倾斜的角度，并且与该比率相关。
在操作1680处，尖端对准检测装置1114基于深度角D计算感兴趣线E′。感兴趣线E′表示将分配尖端的近侧端部1684连接到在相机和正确对准(即，与垂直线1687对准)的分配尖端的第二参考线1514的中心1686之间延伸的相机透视线1685。感兴趣线E′从相机透视线1685垂直地延伸到分配尖端的近侧端部1684。
在一些实施方案中，可以使用如图67所示的线E和角D′来计算感兴趣线E′。在一些实施方案中，角D′可以近似于深度角D，其中角D′和D相对较小。线E是在分配尖端的近侧端部1684和相机透视线1688之间延伸的线。相机透视线1688从相机和不对准的分配尖端1690的第二参考线1514的中心1689延伸(即，以深度角D不对准)。这样，感兴趣线E′对应于对从不对准的分配尖端获得的线E的调整或补偿。
在一些实施方案中，如图67所示，尖端对准检测装置1114包括或利用相机单元2550，该相机单元包括在分配尖端图像捕获单元130中(图10)。如图2所示，相机单元2550安装在样品精确吸移单元(“样品精确门架”)152B上。如上所述，相机单元2550及其相关部件的配置类似于相机单元550及其相关部件(例如，光源551、光源552和屏幕553)。相机单元2550的一个示例是AE3-IS机器视觉相机+IO板，诸如购自CognexCorporation(马萨诸塞州纳蒂克)的部件号AE3-IS-CQBCKFP2-B。
在操作1682处，尖端对准检测装置1114基于感兴趣线E′调整检测到的体积。
图68是在由尖端对准检测装置1114执行的校正之前和之后的体积检测的示例性数据表1694。在表1994中，第二列示出了在校正之前被抽吸入分配尖端的检测到的物质体积，第三列示出了使用尖端对准检测装置1114校正后的物质体积。
参见图69至79，描述了颗粒浓度检查系统124的一个示例。
图69是图1的颗粒浓度检查系统124的一个示例的框图。在一些实施方案中，颗粒浓度检查系统124包括反应贮器颗粒浓度检查系统1700。
反应贮器颗粒浓度检查系统1700用来确定包含在反应贮器中的流体物质中的颗粒浓度。在其他实施方案中，反应贮器颗粒浓度检查系统1700还可用于检测其他类型的贮器中的颗粒浓度，诸如样品贮器、稀释液贮器和比色管，它们在仪器100的整个过程中使用。在一些实施方案中，反应贮器颗粒浓度检查系统1700使用如本文所述的贮器图像捕获单元132。
在临床诊断应用中，使用顺磁颗粒的结合-游离通常用于产生特定信号。然而，由于一定的公差，可以保留具有不同尺寸的颗粒，这使得难以在一个或多个清洗步骤中具有一致的颗粒保留率。有几个因素会影响清洗造成的颗粒损失。这些因素的示例包括分配尖端对准、反应贮器定位和再悬浮旋转速度变化。然而，无法精确监测这些因素。
如图4中所述，用于测量颗粒浓度或颗粒保留率的一种示例性方法是使用标记的顺磁颗粒(例如，碱性磷酸酶)作为工具来直接测量清洗后留下的颗粒。假设由标记的顺磁颗粒产生的信号(诸如光)与颗粒量成比例，则测量这些信号以估计颗粒浓度。然而，该方法可能需要酶反应需要一些时间(例如，至少约5分钟)来获得结果。该方法还需要比较单次清洗后的结果和两次清洗后的结果，以计算每次清洗的顺磁颗粒损失。提供诊断工具需要额外的成本，诸如提供标记的颗粒。碱性磷酸酶活性和结合能力不会持续更长时间，因此需要研究和定义稳定期。
反应贮器颗粒浓度检查系统1700用来通过分析反应贮器的图像来识别颗粒保留率。反应贮器颗粒浓度检查系统1700可以通过在反应贮器中产生不同的浓度颗粒在现场生成校准数据。
如本文所述，反应贮器颗粒浓度检查系统1700是仪器100的一部分，因此仪器100的与本文所述的系统、装置、部件、发动机和其他部件一起操作。
图70示出了具有不同颗粒浓度的反应贮器1701的示例性图像。左图显示反应贮器1707诸如比色管320(图4)和反应贮器728(图23)中的流体物质1708包含的颗粒少于其他图像。中图显示反应贮器中的流体物质包含比左图多且比右图少的颗粒。右图显示反应贮器中的流体物质包含比其他图像更多的颗粒。如图所示，当顺磁颗粒浓度变高时，浊度增加，因此亮度相应地改变。随着反应贮器中颗粒数量的增加，从反应贮器的背光源产生并透射穿过反应贮器的光子数变少。因此，亮度在由相机捕获的反应贮器的图像上改变。
反应贮器图像中的亮度不仅取决于反应贮器中的颗粒浓度，还取决于相机曝光时间。可以根据测定类型和所需颗粒浓度的量来确定最佳相机曝光时间。此外，颗粒浓度测量的可变性随颗粒浓度而变化。因此，在一些实施方案中，使用特定的颗粒浓度范围来获得准确的测量。
图71是反应贮器颗粒浓度检查系统1700的一个示例的框图。在一些实施方案中，反应贮器颗粒浓度检查系统1700包括图像捕获装置1702、校准数据生成装置1704和图像评估装置1706。
图像捕获装置1702用来捕获包含在反应贮器1707中的流体物质1708的图像1701。在一些实施方案中，图像捕获装置1702利用贮器图像捕获单元132，该单元包括相机单元730和光源732(或屏幕733)。在一些实施方案中，图像捕获装置1702的光源732产生白色背光。在其他实施方案中，光源732提供一个或多个彩色背光，其在图像捕获期间可以是固定的或可变的。
反应贮器1707中的流体物质1708包含感兴趣颗粒，并且通过分析图像1701来测量颗粒的浓度。在一些实施方案中，流体物质1708包括样品、试剂、底物和/或其他物质的混合物。流体物质1708的一个示例是第一试剂322、样品324、第二试剂332和底物340的混合物，如图4所示。在图4的示例中，流体物质1708可以是操作310之后的物质，该操作中底物340被分配到反应贮器中。反应贮器颗粒浓度检查系统1700可以测量反应贮器中标记的顺磁颗粒的浓度。
校准数据生成装置1704用来生成可用于确定反应贮器中的颗粒浓度的校准数据。参考图73描述了校准数据生成装置1704的一个示例。
图像评估装置1706用来评估由图像捕获装置1702捕获的反应贮器的图像。评估捕获图像以确定反应贮器1707中包含的颗粒的浓度。
图72是示出用于测量反应贮器中包含的流体物质中的颗粒浓度的示例性方法1720的流程图。在一些实施方案中，方法1720可以由反应贮器颗粒浓度检查系统1700和/或仪器100的其他部分执行。
在操作1712处，按照设计将流体物质1708分配到反应贮器1707。在一些实施方案中，反应贮器1707被支撑在容器托架装置720中。流体物质的示例包括如本文所述的样品、稀释剂、试剂、底物或它们的任何组合。例如，稀释剂或试剂在用于清洗轮的诊断模式期间使用。在一些实施方案中，反应贮器1707已经含有其他流体物质(诸如样品)，并且在流体物质1708被分配到反应贮器1707之后，流体物质1708与反应贮器1707中的其他流体物质混合。可以利用与流体物质直接接触的搅拌器、与流体物质直接或间接接触的超声波探头或任何其他合适的混合装置执行该混合。
在操作1714处，容器托架装置720将包含分配的物质的反应贮器1707运输到贮器图像捕获单元132。在一些实施方案中，贮器图像捕获单元132被布置成在分配之后捕获反应贮器1707的图像而无需运输。在其他实施方案中，操作1712处的分配发生在贮器图像捕获单元132布置就位的位置处，并且在分配之后不移动反应贮器1707就捕获反应贮器1707的图像。
在操作1716处，贮器图像捕获单元132捕获反应贮器1707的图像1701。在一些实施方案中，反应贮器1707的图像1701是预定分辨率的数字图像。在一些实施方案中，在混合预定时间段之后，贮器图像捕获单元132捕获反应贮器1707的图像1702。例如，贮器图像捕获单元132在混合约6.5秒后捕获反应贮器1707的图像1702。
在操作1718处，反应贮器颗粒浓度检查系统1700分析该图像以确定反应贮器1707内的感兴趣颗粒的保留率。参照图76更详细地描述了操作1718的示例。
在操作1720处，反应贮器颗粒浓度检查系统1700确定测量的颗粒浓度是否满足浓度阈值。当测量的颗粒浓度在阈值之外时，认为在反应贮器1707中分配流体物质不合适。在一些实施方案中，浓度阈值根据不同类型的测试物质而变化。参考图77描述了浓度阈值的示例。
当确定测量的颗粒浓度满足阈值时(在操作1720处选择“是”)，方法1710前进以执行预定的下一步。否则(在操作1720处选择“否”)，方法1710前进至操作1722。
在操作1722处，反应贮器颗粒浓度检查系统1700标记该反应贮器以指示反应贮器中的物质不适合于后续处理。在其他实施方案中，可以标记已经使用了该流体物质的整个测试结果以指示或暗示该测试结果可能是不正确的。另选地，反应贮器颗粒浓度检查系统1700用来停止仪器100中的相关联测试或分析过程。在其他实施方案中，评估结果可用于自动调整由于流体物质的不适当体积而可能错误的测试结果。
图73是示出用于生成校准数据的示例性方法1730的流程图。还参考图74描述了方法1730，该图是用于生成校准数据的示例性物质的表1750，图75示出了从校准数据绘制的示例性校准曲线1760和1762。在一些实施方案中，方法1730由校准数据生成装置1704执行。
在操作1732处，将具有不同颗粒浓度的多种物质分配到相应的反应贮器中。以举例的方式，如图74所示，将具有六种已知颗粒浓度的六种物质分配到六个反应贮器中。随着物质数量的增加，校准数据可以更加准确和可靠。
在一些实施方案中，具有特定颗粒浓度的物质可以通过首先在反应贮器中分配预定量的颗粒并将预定量的底物分配到该反应贮器中来制备。在图74的示例中，通过分配200μL颗粒(例如，顺磁颗粒)和0μL底物制备浓度比率为100％的第一物质，通过分配180μL颗粒和20μL底物制备浓度比率为90％的第二物质，通过分配160μL颗粒和40μL底物制备浓度比率为80％的第三物质，通过分配140μL颗粒和60μL底物制备浓度比率为70％的第四物质，与通过分配120μL颗粒和80μL底物制备浓度比率为60％的第五物质，通过分配100μL颗粒和100μL底物制备浓度比率为50％的第六物质。
在例示的实施方案中，通过将具有不同颗粒浓度的物质同时分配到多个反应贮器中来执行操作1732。在其他实施方案中，将具有不同浓度的物质一个接一个地分配到反应贮器中，并且对每个反应贮器进行成像和分析以确定后续操作中的亮度。
在操作1734处，将反应贮器移动到贮器图像捕获单元132。在其他实施方案中，将反应贮器预先布置在适当位置。
在操作1736处，贮器图像捕获单元132捕获每个反应贮器1707的图像。在一些实施方案中，捕获图像是灰度数字图像。在其他实施方案中，捕获图像是彩色数字图像。
在操作1738处，分析每个捕获图像以确定包含在反应贮器中的物质的亮度。在一些实施方案中，通过灰度范围来识别亮度，例如0到255的范围。在其他实施方案中，其他范围也是可能的。
在操作1740处，通过将物质的亮度和物质的已知颗粒浓度相关来生成校准数据。当评估所有物质时，可以将校准数据绘制成校准曲线，该校准曲线可以用作评估测试物质中的颗粒浓度的依据。
如本文所述，每种测定具有不同的颗粒类型和颗粒浓度以优化性能。因此，需要获得校准数据和校准曲线用于不同的测定以准确地检测颗粒浓度。
如图75所示，呈现了有关2ms曝光时间下肌钙蛋白I(TnI)的物质类型的校准数据1760的示例性集。呈现了1ms曝光时间下总三碘甲状腺原氨酸(TT3)的物质类型的校准数据1762的示例性集。可以使用这些实施方案中所描绘的数据点绘制校准曲线。
图76是示出用于测量反应贮器中包含的流体物质中的颗粒浓度的示例性方法1770的流程图。在一些实施方案中，方法1770由反应贮器颗粒浓度检查系统1700和/或仪器100的其他部分执行。
在该方法1770中，操作1772和1774与图72的操作1712、1714和1716类似地执行。因此，为了简洁起见，省略了对这些操作的描述。
在操作1776处，反应贮器颗粒浓度检查系统1700检索在方法1730中获得的校准数据。
在操作1778处，反应贮器颗粒浓度检查系统1700分析捕获图像以确定反应贮器中物质的亮度。然后，反应贮器颗粒浓度检查系统1700基于所确定的亮度和校准数据确定反应贮器中的颗粒浓度。
在一些实施方案中，捕获图像中的物质的亮度可以被识别为数值，诸如预定范围的灰度值(例如，从0到255的灰度级)。在其他实施方案中，可以使用不同的标识来表示捕获图像中物质的亮度。一旦在捕获图像中确定了物质的亮度，就查找校准数据以找到对应于所确定的亮度的颗粒浓度值。在校准数据不具有与所确定的亮度对应的精确数据点的情况下，可以基于己知数据点外推浓度值。另选地，从校准数据获得的校准曲线可用于确定与捕获图像中的物质亮度相对应的颗粒浓度。
在操作1780处，反应贮器颗粒浓度检查系统1700确定测量的颗粒浓度是否满足浓度阈值。当确定测量的颗粒浓度满足阈值时(在操作1780处选择“是”)，方法1770前进以执行预定的下一步。否则(在操作1780处选择“否”)，方法1770前进至操作1782。
在操作1782处，反应贮器颗粒浓度检查系统1700标记该反应贮器以指示反应贮器中的物质不适合于后续处理。在其他实施方案中，可以标记已经使用了该流体物质的整个测试结果以指示或暗示该测试结果可能是不正确的。另选地，反应贮器颗粒浓度检查系统1700用来停止仪器100中的相关联测试或分析过程。在其他实施方案中，评估结果可用于自动调整由于流体物质的不适当体积而可能错误的测试结果。
图77是用于不同分析物质的示例性浓度阈值的示例性表1790。当测量的颗粒浓度在相关阈值之外时，在反应贮器中分配流体物质被认为是不合适的并且可以被标记。如图所示，不同的测定物质1792具有不同的浓度阈值1794。例如，对于HBcAb，期望的颗粒浓度1796是6.7mg/mL，并且浓度阈值1794等于或大于85％。因此，如果HBcAb中的颗粒浓度等于或大于6.7mg/mL(约5.695mg/mL)的85％，则认为反应贮器对于测试是可接受的。
参见图78和79，反应贮器颗粒浓度检查系统1700的操作和功能也可用作诊断功能的一部分，其中未涂覆的颗粒可用于泛化结合-游离分离功能并检测系统故障。具体地讲，图78是示例性诊断方法1800的流程图。方法1800包括创建校准数据的操作1802，以及执行诊断测试的操作1804。图79还示出了方法1800。在一些实施方案中，方法1800的操作1802包括操作1810、1812、1814、1816和1820，并且操作1804包括操作1820、1822、1824、1826和1830。如上所述，这些操作与由反应贮器颗粒浓度检查系统1700执行的操作相同或类似地进行。因此，为简洁起见，简要描述了方法1800中的操作。
为了执行操作1802，将感兴趣颗粒分配到贮器中(操作1810)。然后，将缓冲溶液分配在贮器中(操作1812)，并在贮器中搅拌(操作1814)。然后，在将贮器移动到图像捕获单元之后捕获容器的图像(操作1816)。分析捕获图像以获得校准数据(操作1818)。
为了执行操作1804，将感兴趣颗粒分配到贮器中(操作1820)。然后，将缓冲溶液分配在贮器中(操作1822)，并在贮器中搅拌(操作1824)。然后，在将贮器移动到图像捕获单元之后捕获容器的图像(操作1826)。分析捕获图像以基于校准数据测量颗粒浓度(操作1828)。获得的颗粒浓度可用于执行诊断功能。
上述各种实施例仅以举例说明的方式提供，不应被视为对本文所附权利要求书的限制。本领域的技术人员将容易地理解，在不脱离以下权利要求书的真实实质和范围的情况下，可以不遵循本文所述的示例性实施例和应用作出各种修改和变化。

Claims (28)

1.一种评估容器中的流体物质中的生物标本的方法，所述流体物质包含干扰物，其中所述容器是已经抽吸所述流体物质的分配尖端，所述方法包括：
使用图像捕获装置捕获所述容器的至少一部分的图像，其中所述流体物质的至少一部分被捕获在所述图像上；
使用至少一个计算装置获得所述图像的至少一部分的多个颜色参数；以及
基于所述多个颜色参数生成所述容器中包含的所述流体物质的样品分类结果，所述样品分类结果指示所述干扰物的浓度；
其中基于所述颜色参数，将所述干扰物分成具有五个浓度值的三个区段，分类标签为ZERO、MEDIUM和HIGH，
其中所述样品分类结果基于所述分类标签。
2.根据权利要求1所述的方法，其中获得多个颜色参数包括：
为所述图像的至少一部分生成直方图，所述直方图包括多个颜色通道；以及
获得所述多个颜色通道的多个平均值，其中所述多个颜色参数包括所述多个颜色通道的所述多个平均值。
3.根据权利要求1和2中任一项所述的方法，其中获得多个颜色参数包括：
为所述图像的至少一部分生成直方图，所述直方图包括多个颜色通道；
获得所述多个颜色通道的多个黎曼和；
其中所述多个颜色参数包括所述多个颜色通道的所述多个黎曼和。
4.根据权利要求1和2中任一项所述的方法，其中获得多个颜色参数包括：
为所述图像的至少一部分生成直方图，所述直方图包括多个颜色通道；
获得所述多个颜色通道的多个模式；以及/或者
获得所述多个颜色通道的多个最大值；以及/或者
获得所述多个颜色通道的多个最小值，其中所述多个颜色参数包括所述多个颜色通道的所述多个模式、最大值和/或最小值。
5.根据权利要求1和2中任一项所述的方法，其中获得多个颜色参数包括：
为所述图像的至少一部分生成直方图，所述直方图包括多个颜色通道；
获得所述多个颜色通道的多个直方图头部；以及/或者
获得所述多个颜色通道的多个直方图尾部；
获得所述多个颜色通道的多个直方图头部百分比；以及/或者
获得所述多个颜色通道的多个直方图尾部百分比，其中所述多个颜色参数包括所述多个颜色通道的所述多个直方图头部、直方图尾部、直方图头部百分比和/或直方图尾部百分比。
6.根据权利要求1和2中任一项所述的方法，其中所述多个颜色参数包括所述颜色通道的多个均值、所述颜色通道的多个黎曼和、所述颜色通道的多个模式、所述颜色通道的多个最大值、所述颜色通道的多个最小值、所述颜色通道的多个直方图头部、所述颜色通道的多个直方图尾部、所述颜色通道的多个直方图头部百分比、所述颜色通道的多个直方图尾部百分比中的至少一种，或前述的任何组合。
7.根据权利要求2所述的方法，其中所述多个颜色通道包括红色分量、绿色分量和蓝色分量。
8.根据权利要求1和2中任一项所述的方法，其中所述样品分类结果包括至少一个分类标识符，
其中所述至少一个分类标识符与所述多个颜色参数的至少一部分相关和/或与所述流体物质中所述至少一种干扰物的浓度相关。
9.根据权利要求1和2中任一项所述的方法，还包括：
基于所述样品分类结果生成标记结果；其中所述标记结果指示所述流体物质的品质。
10.根据权利要求1和2中任一项所述的方法，其中所述至少一种干扰物是选自血红蛋白、黄疸和脂血中的一种或多种。
11.根据权利要求1和2中任一项所述的方法，其中所述图像捕获装置被配置和/或布置成从所述容器的侧面捕获所述流体物质的所述部分和/或所述容器的所述图像。
12.根据权利要求1和2中任一项所述的方法，还包括：
使用所述至少一个计算装置识别所述图像中的参考点，所述参考点与所述容器相关联；
使用所述至少一个计算装置识别所述图像中所述容器内的所述流体物质的表层；
确定所述参考点和所述表层之间的距离；以及
基于相关性数据将所述距离转换为所述流体物质的体积，所述相关性数据包括关于所述容器内的体积与从所述参考点到所述容器内的多个表层的距离之间的相关性的信息。
13.根据权利要求12所述的方法，其中所述距离通过像素距离来测量。
14.根据权利要求12所述的方法，其中所述容器是被配置为抽吸所述流体物质的分配尖端，
其中识别参考点包括识别在所述分配尖端上形成的参考线。
15.根据权利要求14所述的方法，
其中基于所述捕获图像的图案匹配和/或分割来识别所述参考线。
16.根据权利要求14或15所述的方法，
其中识别所述参考线包括在所述捕获图像中搜索表示所述参考线的图案。
17.根据权利要求14或15所述的方法，
其中识别所述参考线包括将所述捕获图像的至少一部分与参考图像进行比较。
18.根据权利要求17所述的方法，还包括：
确定所述捕获图像的所述部分和所述参考图像的匹配率和/或相关值。
19.根据权利要求1和2中任一项所述的方法，还包括：
向另一个容器供应液体；
确定所述供应的液体的体积；
捕获所述容器的另一个图像；
确定所述图像中与所述另一个容器相关联的参考点之间的像素距离；以及
使所述确定的体积与所述确定的像素距离相关。
20.根据权利要求19所述的方法，还包括：
基于所述确定的体积和所述确定的像素距离生成相关性数据。
21.根据权利要求20所述的方法，
其中基于多个确定的像素距离与供应到所述另一个容器的多个确定的液体体积之间的多个相关性来生成所述相关性数据。
22.根据权利要求19所述的方法，
其中所述供应的液体包括染料溶液；以及/或者
其中基于分光光度法确定所述供应的液体的所述体积。
23.根据权利要求19所述的方法，
其中确定所述供应的液体的所述体积包括确定所述供应的液体的质量。
24.一种计算机程序元素，当其在用于评估流体物质的系统的计算装置上执行时，指示所述计算装置执行根据权利要求1至23中任一项所述的方法的所述步骤。
25.一种非暂态计算机可读介质，根据权利要求24所述的计算机程序元素存储在所述非暂态计算机可读介质上。
26.一种用于评估流体物质中的生物标本的系统，所述流体物质包含干扰物，所述系统包括：
具有容器的样品吸移装置，所述容器为分配尖端，其中所述样品吸移装置被配置为至少部分地接合所述分配尖端并将流体物质抽吸入所述分配尖端；
图像捕获单元；和
至少一个计算装置；
其中所述图像捕获单元被配置为捕获所述分配尖端中的所述流体物质的至少一部分的图像；
其中所述计算装置被配置为：
-获得所述图像的至少一部分的多个颜色参数；以及
-基于所述多个颜色参数生成所述分配尖端中包含的所述流体物质的样品分类结果，所述样品分类结果指示所述干扰物的浓度；
其中基于所述颜色参数，所述干扰物具有包含五个浓度值的三个区段，分类标签为ZERO、MEDIUM和HIGH，
其中所述样品分类结果基于所述分类标签。
27.根据权利要求26所述的系统，
其中所述计算装置被进一步配置为：
-为所述图像的至少一部分生成直方图，所述直方图包括多个颜色通道；
-获得所述多个颜色通道的多个平均值；以及/或者
-获得所述多个颜色通道的多个黎曼和；
其中所述多个颜色参数包括所述颜色通道的所述多个均值和/或所述多个黎曼和。
28.根据权利要求26和27中任一项所述的系统，
其中所述样品分类结果包括至少一个分类标识符，
其中所述至少一个分类标识符与所述多个颜色参数的至少一部分相关和/或与所述流体物质中所述至少一种干扰物的浓度相关。
CN201780073459.6A 2016-10-28 2017-10-27 物质准备评估系统 Active CN110023950B (zh)

Priority Applications (4)

Application Number Priority Date Filing Date Title
CN202310865018.7A CN117095185A (zh) 2016-10-28 2017-10-27 物质准备评估系统
CN202310877193.8A CN117058416A (zh) 2016-10-28 2017-10-27 物质准备评估系统
CN202310863551.XA CN117253055A (zh) 2016-10-28 2017-10-27 物质准备评估系统
CN202310861178.4A CN117058415A (zh) 2016-10-28 2017-10-27 物质准备评估系统

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201662414655P 2016-10-28 2016-10-28
US62/414,655 2016-10-28
US201762525948P 2017-06-28 2017-06-28
US62/525,948 2017-06-28
PCT/US2017/058838 WO2018081617A2 (en) 2016-10-28 2017-10-27 Substance preparation evaluation system

Related Child Applications (4)

Application Number Title Priority Date Filing Date
CN202310877193.8A Division CN117058416A (zh) 2016-10-28 2017-10-27 物质准备评估系统
CN202310861178.4A Division CN117058415A (zh) 2016-10-28 2017-10-27 物质准备评估系统
CN202310863551.XA Division CN117253055A (zh) 2016-10-28 2017-10-27 物质准备评估系统
CN202310865018.7A Division CN117095185A (zh) 2016-10-28 2017-10-27 物质准备评估系统

Publications (2)

Publication Number Publication Date
CN110023950A CN110023950A (zh) 2019-07-16
CN110023950B true CN110023950B (zh) 2023-08-08

Family

ID=60574700

Family Applications (5)

Application Number Title Priority Date Filing Date
CN202310877193.8A Pending CN117058416A (zh) 2016-10-28 2017-10-27 物质准备评估系统
CN202310865018.7A Pending CN117095185A (zh) 2016-10-28 2017-10-27 物质准备评估系统
CN202310863551.XA Pending CN117253055A (zh) 2016-10-28 2017-10-27 物质准备评估系统
CN201780073459.6A Active CN110023950B (zh) 2016-10-28 2017-10-27 物质准备评估系统
CN202310861178.4A Pending CN117058415A (zh) 2016-10-28 2017-10-27 物质准备评估系统

Family Applications Before (3)

Application Number Title Priority Date Filing Date
CN202310877193.8A Pending CN117058416A (zh) 2016-10-28 2017-10-27 物质准备评估系统
CN202310865018.7A Pending CN117095185A (zh) 2016-10-28 2017-10-27 物质准备评估系统
CN202310863551.XA Pending CN117253055A (zh) 2016-10-28 2017-10-27 物质准备评估系统

Family Applications After (1)

Application Number Title Priority Date Filing Date
CN202310861178.4A Pending CN117058415A (zh) 2016-10-28 2017-10-27 物质准备评估系统

Country Status (8)

Country Link
US (2) US11263433B2 (zh)
EP (2) EP3532985B1 (zh)
JP (5) JP6800223B2 (zh)
KR (2) KR102586862B1 (zh)
CN (5) CN117058416A (zh)
BR (1) BR112019008270A8 (zh)
RU (1) RU2762936C2 (zh)
WO (1) WO2018081617A2 (zh)

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4116984A1 (en) 2016-08-29 2023-01-11 Beckman Coulter, Inc. Remote data analysis and diagnosis
BR112019008270A8 (pt) * 2016-10-28 2023-04-11 Beckman Coulter Inc Sistema de avaliação de preparação de substância
USD841182S1 (en) 2016-10-28 2019-02-19 Beckman Coulter, Inc. Pipette tip for a laboratory instrument
WO2019060716A1 (en) * 2017-09-25 2019-03-28 Freenome Holdings, Inc. SAMPLE EXTRACTION METHODS AND SYSTEMS
US11037032B2 (en) * 2017-10-06 2021-06-15 Wisconsin Alumni Research Foundation Methods, systems, and media for detecting the presence of an analyte
USD899623S1 (en) 2018-04-26 2020-10-20 Beckman Coulter, Inc. Pipette tip for a laboratory instrument
US11927736B2 (en) 2018-06-15 2024-03-12 Siemens Healthcare Diagnostics Inc. Methods and apparatus for fine-grained HIL index determination with advanced semantic segmentation and adversarial training
EP3708976A1 (de) * 2019-03-11 2020-09-16 Mettler-Toledo GmbH Verfahren zur verifikation von pipetten
EP3963339A4 (en) * 2019-05-02 2023-01-18 Beckman Coulter, Inc. DEVICE SPECIFIC QUALITY CONTROL SYSTEM AND METHOD
EP4052180A4 (en) * 2019-10-31 2022-12-28 Siemens Healthcare Diagnostics Inc. METHODS AND APPARATUS FOR AUTOMATED SAMPLE CHARACTERIZATION USING A PERFORMANCE-BASED CONTINUOUS LEARNING DIAGNOSTIC ANALYSIS SYSTEM
EP3839515A1 (en) * 2019-12-18 2021-06-23 Roche Diagnostics GmbH Method and devices for assessing the suitability of a sample tube for use in a laboratory automation system
US11796377B2 (en) * 2020-06-24 2023-10-24 Baker Hughes Holdings Llc Remote contactless liquid container volumetry
EP4295162A1 (en) * 2021-02-18 2023-12-27 Siemens Healthcare Diagnostics, Inc. Diagnostic laboratory systems and methods of operating
GB202106143D0 (en) * 2021-04-29 2021-06-16 Adaptive Diagnostics Ltd Determination of the presence of a target species
US20230028492A1 (en) * 2021-07-20 2023-01-26 Cytena Gmbh Method for detecting a particle in a container filled with liquid
CN117980721A (zh) * 2021-09-23 2024-05-03 贝克曼库尔特有限公司 评估流体物质的系统和方法
US11940451B2 (en) 2021-12-20 2024-03-26 Instrumentation Laboratory Co. Microfluidic image analysis system
CN114295568A (zh) * 2021-12-31 2022-04-08 深圳麦科田生物医疗技术股份有限公司 血液样本指标校正系统及血液样本指标校正方法
US20230333013A1 (en) * 2022-04-15 2023-10-19 Instrumentation Laboratory Co. Fluid testing system
USD1014780S1 (en) 2022-04-15 2024-02-13 Instrumentation Laboratory Co. Cuvette
EP4261526A1 (en) * 2022-04-15 2023-10-18 Instrumentation Laboratory Company A fluid testing system
JP2023172471A (ja) * 2022-05-24 2023-12-06 株式会社日立ハイテク 生体試料測定装置
WO2024011149A1 (en) 2022-07-05 2024-01-11 Beckman Coulter, Inc. Improved assay compositions and methods
WO2024028852A1 (en) * 2022-08-01 2024-02-08 Odysight.Ai Ltd Monitoring liquid volume in a container
CN116474157B (zh) * 2023-04-28 2023-09-15 广州迅合医疗科技有限公司 一种湿环境持续粘合的硬组织生物粘合剂制备方法及系统
CN117064956A (zh) * 2023-10-18 2023-11-17 康源博创生物科技(北京)有限公司 一种具有抗骨质疏松药效的药物组合物及其制备方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102227624A (zh) * 2008-11-04 2011-10-26 贝克曼考尔特公司 用于显示三维物体散点图的系统和方法
WO2016133900A1 (en) * 2015-02-17 2016-08-25 Siemens Healthcare Diagnostics Inc. Model-based methods and apparatus for classifying an interferent in specimens

Family Cites Families (241)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02152196A (ja) 1988-12-03 1990-06-12 Osaka Prefecture 分散型ｅｌ素子
DE4330412A1 (de) 1993-09-08 1995-03-09 Boehringer Mannheim Gmbh Verfahren und Vorrichtung zur Dosierung von Flüssigkeiten
JP3132342B2 (ja) 1995-07-07 2001-02-05 松下電器産業株式会社 検体検査方法及びその装置
US5802201A (en) 1996-02-09 1998-09-01 The Trustees Of Columbia University In The City Of New York Robot system with vision apparatus and transparent grippers
WO1997037219A1 (fr) 1996-03-29 1997-10-09 Ortho-Clinical Diagnostics Kabushiki Kaisha Appareil pour l'examen du sang, imprimante pour l'examen du sang et appareil d'imagerie a cassette de reactifs
JPH09274047A (ja) * 1996-04-03 1997-10-21 Hitachi Ltd 臨床用生化学自動分析装置および分注装置
JPH10232228A (ja) 1997-02-21 1998-09-02 Matsushita Electric Ind Co Ltd 血液検査方法及び装置
FR2764703B1 (fr) 1997-06-16 1999-08-20 Stago Diagnostica Procede pour l'analyse automatique en continu ou en discontinu d'echantillons contenus dans des recipients
US6097831A (en) 1997-10-14 2000-08-01 Chiron Corporation Non-contract method for assay reagent volume dispense verification
AUPP058197A0 (en) 1997-11-27 1997-12-18 A.I. Scientific Pty Ltd Pathology sample tube distributor
JP3957864B2 (ja) 1998-03-02 2007-08-15 株式会社アイディエス 凝固検体判定方法およびその装置
US6235534B1 (en) 1998-04-27 2001-05-22 Ronald Frederich Brookes Incremental absorbance scanning of liquid in dispensing tips
GB9816088D0 (en) 1998-07-23 1998-09-23 Axis Biochemicals Asa System
JP2001183382A (ja) 1999-12-28 2001-07-06 Roche Diagnostics Gmbh 分注機の動作確認装置および確認方法
US6213354B1 (en) 1999-12-29 2001-04-10 Elite Engineering Corporation System and method for dispensing fluid droplets of known volume and generating very low fluid flow rates
JP2002040034A (ja) 2000-07-24 2002-02-06 Olympus Optical Co Ltd 検体仕分け装置
WO2002078533A2 (en) 2001-03-29 2002-10-10 Inverness Medical Limited Integrated sample testing meter
ATE477481T1 (de) 2002-01-19 2010-08-15 Pvt Probenverteiltechnik Gmbh Anordnung und verfahren zur analyse von körperflüssigkeit
US6721667B2 (en) 2002-02-08 2004-04-13 Flexcell International Corporation Method and system for measuring properties of deformable material specimens
JP2004151025A (ja) 2002-10-31 2004-05-27 Teruaki Ito 試験管種類判別装置
JP3675791B2 (ja) 2002-11-01 2005-07-27 照明 伊藤 バーコード化装置
JP2004212216A (ja) 2002-12-27 2004-07-29 Teruaki Ito 検体検知装置
US7204960B2 (en) 2003-03-03 2007-04-17 Asm Assembly Automation Ltd. Apparatus and method for calibration of a dispensing system
CN1774622B (zh) 2003-04-15 2010-12-01 环球生物研究株式会社 分注用缸体、分注装置以及分注装置的使用方法
US7247487B2 (en) 2003-06-18 2007-07-24 Ortho-Clinical Diagnostics Reducing working fluid dilution in liquid systems
JP2005058315A (ja) 2003-08-08 2005-03-10 Fuji Photo Film Co Ltd 画像の縮率計算方法
US20060258018A1 (en) 2003-09-23 2006-11-16 Curl Claire L Method and apparatus for determining the area or confluency of a sample
JP4095968B2 (ja) 2004-02-06 2008-06-04 株式会社日立ハイテクノロジーズ 液体分注装置、それを用いた自動分析装置、及び液面検出装置
JP3803345B2 (ja) 2004-02-16 2006-08-02 株式会社アイディエス 血液検体の自動検知装置
WO2006023470A1 (en) 2004-08-19 2006-03-02 Becton, Dickinson And Company Apparatus for performing optical measurements on blood culture bottles
US20060047363A1 (en) 2004-08-31 2006-03-02 Farrelly Philip J Machine vision system for lab workcells
US7499581B2 (en) * 2005-02-10 2009-03-03 Forhealth Technologies, Inc. Vision system to calculate a fluid volume in a container
JP2006276003A (ja) 2005-03-03 2006-10-12 Juki Corp 分注装置
JP4999679B2 (ja) 2005-03-29 2012-08-15 シスメックス株式会社 検体分析装置
CN102519887B (zh) 2005-03-29 2015-09-09 希森美康株式会社 试样分析方法及试样分析装置
FR2887982B1 (fr) 2005-07-01 2009-03-06 Biomerieux Sa Dispositif de pipetage automatique permettant de s'assurer de la tracabilite de l'analyse realisee
FR2888328B1 (fr) 2005-07-08 2013-09-20 Horiba Abx Sas Procede automatise de preparation d'analyse d'echantillons de sang total et dispositif automatise pour sa mise en oeuvre
US7495231B2 (en) 2005-09-08 2009-02-24 Agilent Technologies, Inc. MALDI sample plate imaging workstation
JP2007078483A (ja) 2005-09-13 2007-03-29 Matsushita Electric Ind Co Ltd 液面測定方法及び液量測定方法
WO2007035172A1 (en) 2005-09-23 2007-03-29 Attogenix Biosystems Pte Ltd Method and apparatus for analysing a sample fluid
CN101305275B (zh) 2005-11-30 2010-08-18 株式会社尼康 观察设备
US20080305012A1 (en) 2005-12-21 2008-12-11 Hans Camenisch Method and Device For Checking Whether a Liquid Transfer Has Been Successful
SE529536C2 (sv) 2006-01-25 2007-09-04 Hemocue Ab Metod för säkerställande av en provbehållares kvalitet
US7876935B2 (en) 2006-01-30 2011-01-25 Protedyne Corporation Sample processing apparatus with a vision system
US20080006653A1 (en) 2006-03-13 2008-01-10 Biomachines, Inc. Small volume liquid handling system
JP4875391B2 (ja) 2006-03-30 2012-02-15 シスメックス株式会社 検体分析装置
WO2007124346A2 (en) 2006-04-19 2007-11-01 Archivex Llc Micro-drop detection and detachment
JP2007298445A (ja) 2006-05-01 2007-11-15 Olympus Corp 液面検知装置
SE530750C2 (sv) * 2006-07-19 2008-09-02 Hemocue Ab En mätapparat, en metod och ett datorprogram
US7988933B2 (en) 2006-09-01 2011-08-02 Siemens Healthcare Diagnostics Inc. Identification system for a clinical sample container
AT504240B1 (de) 2006-10-12 2009-05-15 Messtechnik Dr Hans Stabinger Vorrichtung zur bestimmung einer physikalischen grösse
EP2085764A4 (en) 2006-11-15 2014-11-05 Beckman Coulter Inc METHOD FOR DETERMINING AGGLUTINATION
PL2106541T3 (pl) * 2007-01-19 2018-05-30 Tudor Arvinte Sposób i urządzenie do oznaczania parametrów zanieczyszczeń w roztworze ciekłym
JP2010524518A (ja) * 2007-04-11 2010-07-22 フォース フォトニクス リミテッド 支持構造及び該支持構造を含む子宮の生体内検査を改良し、客観化し、文書化するワークステーション
DE102007020149B4 (de) 2007-04-26 2016-03-10 Anatec As Analysevorrichtung zur optischen Analyse eines Mediums mittels zumindest einer bildaufnehmenden Vorrichtung
JP2008309627A (ja) 2007-06-14 2008-12-25 Olympus Corp 血液分析装置およびプログラム
TWI534408B (zh) * 2007-07-24 2016-05-21 尼康股份有限公司 Position measuring system, exposure apparatus, position measuring method, exposure method and component manufacturing method, and measuring tool and measuring method
US20090180931A1 (en) 2007-09-17 2009-07-16 Sequenom, Inc. Integrated robotic sample transfer device
JP2009103492A (ja) 2007-10-22 2009-05-14 Olympus Corp 血液分析装置およびプログラム
US20090185734A1 (en) * 2008-01-18 2009-07-23 Hemocue Ab Apparatus and method for analysis of particles in a liquid sample
SE532499C2 (sv) * 2008-01-18 2010-02-09 Hemocue Ab Metod och apparat för analys av partiklar i ett vätskeformigt prov
EP2269033B1 (en) 2008-04-09 2016-09-21 Abbott Point Of Care, Inc. Method for measuring the area of a sample disposed within an analysis chamber
EP2112514A1 (en) 2008-04-24 2009-10-28 bioMérieux BV Method and apparatus for checking the fluid in a pipet tip
US20090274348A1 (en) 2008-04-30 2009-11-05 Ortho-Clinical Diagnostics, Inc. Immunodiagnostic test apparatus having at least one imager to provide agglutination evaluations during centrifugration cycle
ES2312290B1 (es) 2008-05-14 2009-09-22 Grifols, S.A. Dispositivo lector de microtubos para analisis de muestras de sangre.
NO328037B1 (no) 2008-05-22 2009-11-23 Knut Inge Bonvik System for sanntids langtidsregulering og/eller sanntids spektroskopi av en avgitt urinmengde hos pasienter
US8170271B2 (en) 2008-06-25 2012-05-01 Jadak Llc System and method for test tube and cap identification
EP2148205B1 (en) 2008-07-25 2013-01-02 F. Hoffmann-La Roche AG A method and laboratory system for handling sample tubes and an image analysing unit
EP2214011B1 (en) 2008-08-01 2019-01-02 Sysmex Corporation Blood sample analyzing apparatus
JP5465850B2 (ja) 2008-08-01 2014-04-09 シスメックス株式会社 試料分析システム
US9417253B2 (en) 2008-10-30 2016-08-16 Sysmex Corporation Specimen processing system and specimen container classifying apparatus
JP5208868B2 (ja) 2008-10-31 2013-06-12 シスメックス株式会社 検体処理装置
JP5355362B2 (ja) * 2008-12-22 2013-11-27 シスメックス株式会社 検体検査システム、検体検査方法およびコンピュータプログラム
WO2010080340A1 (en) 2009-01-06 2010-07-15 Siemens Healthcare Diagnostics Inc. Methods and apparatus for determining a liquid level in a container using imaging
JP5078920B2 (ja) 2009-01-27 2012-11-21 株式会社日立ハイテクノロジーズ 液面検出装置及び方法
KR20120027359A (ko) 2009-05-15 2012-03-21 바이오메리욱스, 인코포레이티드. 자동 미생물 탐지 장치
US8184848B2 (en) 2009-06-17 2012-05-22 National Applied Research Laboratories Liquid level detection method
US20120086938A1 (en) * 2009-07-13 2012-04-12 Foss Analytical A/S Analysis of an Acoustically Separated Liquid
EP2464959A4 (en) 2009-08-13 2016-03-09 Siemens Healthcare Diagnostics METHOD AND DEVICE FOR DETERMINING INTERFERING SUBSTANCES AND PHYSICAL DIMENSIONS IN LIQUID SAMPLES AND CONTAINERS TO BE ANALYZED BY CLINICAL ANALYSIS DEVICES
JP5021010B2 (ja) 2009-08-18 2012-09-05 あおい精機株式会社 検体処理装置及び検体処理方法
DE102009040542A1 (de) 2009-09-08 2011-03-10 Bürkert Werke GmbH Vorrichtung und Verfahren zum Durchflussmessen oder -regeln
US7982201B2 (en) 2009-09-08 2011-07-19 Jadak, Llc System and method for detection of liquid level in a vessel
JP5337644B2 (ja) * 2009-09-11 2013-11-06 株式会社日立ハイテクノロジーズ 分析装置および分注機構の性能評価方法
US8381581B2 (en) 2009-09-23 2013-02-26 Brooks Automation, Inc. Volumetric measurement
EP2491405A1 (en) 2009-10-19 2012-08-29 Yeda Research and Development Co. Ltd. Method and system for analyzing liquid
JP2011107120A (ja) 2009-10-20 2011-06-02 Aoi Seiki Kk 検体処理装置及び検体処理方法
DK2490814T3 (en) 2009-10-22 2015-04-20 Brian Page Pipettes, apparatus and kit for metering and procedure
US8319823B2 (en) 2009-11-03 2012-11-27 Jadak, Llc System and method for panoramic image stitching
US8321055B2 (en) 2009-11-03 2012-11-27 Jadak, Llc System and method for multiple view machine vision target location
US20110226045A1 (en) 2009-11-25 2011-09-22 Mcquillan Adrian Charles Liquid analysis system
JP5337728B2 (ja) 2010-01-28 2013-11-06 株式会社日立ハイテクノロジーズ 自動分析装置
US20110201045A1 (en) 2010-02-17 2011-08-18 Levine Joshua D Method and apparatus for performing hematologic analysis using an array-imaging system for imaging and analysis of a centrifuged analysis tube
US20120057019A1 (en) 2010-03-01 2012-03-08 Utah State University Dynamic In-Situ Feature Imager Apparatus and Method
JP5330313B2 (ja) 2010-05-24 2013-10-30 株式会社日立ハイテクノロジーズ 生体試料の分析装置
JP5330317B2 (ja) 2010-06-02 2013-10-30 株式会社日立ハイテクノロジーズ 生体試料の分析方法および分析装置
SE535918C2 (sv) * 2010-06-10 2013-02-19 Hemocue Ab Detektion av magnetiskt inmärkta biologiska komponenter
EP2397859B1 (en) 2010-06-15 2020-02-05 F. Hoffmann-La Roche AG Optical surveillance of mixing and separation
JP5492676B2 (ja) 2010-06-28 2014-05-14 株式会社日立ハイテクノロジーズ 自動分析装置
US20110317004A1 (en) 2010-06-29 2011-12-29 Kai Tao IV Monitoring by Digital Image Processing
WO2012021795A2 (en) * 2010-08-13 2012-02-16 Somalogic, Inc. Pancreatic cancer biomarkers and uses thereof
US20120208202A1 (en) 2010-09-17 2012-08-16 Alere Scarborough, Inc. Method for the Reduction of Biological Sampling Errors by Means of Image Processing
WO2012054783A2 (en) * 2010-10-21 2012-04-26 Nexcelom Bioscience Llc Internal focus reference beads for imaging cytometry
EP2453233A1 (en) 2010-11-16 2012-05-16 Roche Diagnostics GmbH Method and apparatus for detecting foam on a liquid surface in a vessel
US8973293B2 (en) 2010-11-19 2015-03-10 Becton, Dickinson And Company Specimen container label for automated clinical laboratory processing systems
WO2012069925A1 (en) 2010-11-23 2012-05-31 Andrew Alliance S.A Devices and methods for programmable manipulation of pipettes
EP2455761B1 (de) 2010-11-23 2018-08-08 Hach Lange GmbH Verfahren zum Auffinden einer optischen Kennzeichnung auf einer Laboranalyse-Küvette
ES2584552T3 (es) * 2010-12-21 2016-09-28 Grundfos Management A/S Sistema de vigilancia
EP2472219B1 (de) 2011-01-04 2014-03-19 Hach Lange GmbH Verfahren zur Ermittlung eines Formkorrekturwertes F für Labor-Flüssigkeitsanalyse-Küvetten
CN106290159A (zh) * 2011-01-21 2017-01-04 提拉诺斯公司 样品使用最大化的系统和方法
WO2012102779A2 (en) 2011-01-24 2012-08-02 Adey Nils B Devices, systems, and methods for extracting a material from a material sample
DE102011003140A1 (de) 2011-01-25 2012-07-26 Hamilton Bonaduz Ag Optisches Analyseverfahren für Flüssigkeit in einem Probenbehälter und Analyseeinrichtung zur Durchführung des Verfahrens
US9952237B2 (en) 2011-01-28 2018-04-24 Quanterix Corporation Systems, devices, and methods for ultra-sensitive detection of molecules or particles
CN103459991A (zh) 2011-01-31 2013-12-18 维泰克实验室技术股份有限公司 具有数字的体积显示的瓶式分配器
JP5414707B2 (ja) 2011-01-31 2014-02-12 株式会社日立ハイテクノロジーズ 分析装置
JP5557772B2 (ja) 2011-02-24 2014-07-23 株式会社日立ハイテクノロジーズ 液面検知装置
JPWO2012117844A1 (ja) 2011-03-03 2014-07-07 株式会社日立ハイテクノロジーズ 分析装置用の試料データ処理装置、オートサンプラ装置、液体クロマトグラフ装置、試料データ処理方法および分析方法
US9310791B2 (en) 2011-03-18 2016-04-12 Siemens Healthcare Diagnostics Inc. Methods, systems, and apparatus for calibration of an orientation between an end effector and an article
DK2716215T3 (en) 2011-05-18 2016-01-11 Techno Medica Co Ltd AUTOMATIC BLOOD TEST PREPARATION UNIT.
US9505507B2 (en) 2011-06-30 2016-11-29 Hitachi High-Technologies Corporation Cap opening and closing mechanism and automatic analyzer including the same
EP2734828B1 (en) * 2011-07-22 2019-12-18 Roche Diagnostics Hematology, Inc. Identifying and measuring reticulocytes
JP5872209B2 (ja) 2011-08-26 2016-03-01 シスメックス株式会社 検体分析装置
TWI708052B (zh) 2011-08-29 2020-10-21 美商安美基公司 用於非破壞性檢測-流體中未溶解粒子之方法及裝置
CN103988064B (zh) 2011-09-09 2018-09-14 简.探针公司 自动化样品处理仪器、系统、过程和方法
JP5474903B2 (ja) 2011-09-28 2014-04-16 あおい精機株式会社 検査前処理装置、検査前処理方法、及び検体処理装置
JP5879085B2 (ja) 2011-10-13 2016-03-08 株式会社日立ハイテクノロジーズ 液面状態検出装置、自動分析装置および液面状態検出方法
KR101288200B1 (ko) 2011-10-25 2013-07-18 삼성전기주식회사 유체 토출 장치
ES2899683T3 (es) 2011-10-28 2022-03-14 Aeneas Gmbh & Co Kg Dispositivo y procedimiento para controlar el volumen de una muestra
EP2589968A1 (en) 2011-11-04 2013-05-08 Roche Diagnostics GmbH Laboratory sample distribution system, laboratory system and method of operating
KR20140091033A (ko) 2011-11-07 2014-07-18 베크만 컬터, 인코포레이티드 검체 컨테이너 검출
JP5822126B2 (ja) 2011-11-24 2015-11-24 澁谷工業株式会社 容器の液面高さ検査方法とその装置
DE102011055899B4 (de) 2011-11-30 2013-11-21 Andreas Hettich Gmbh & Co. Kg Verfahren und eine Vorrichtung zum Handhaben von Probenbehältern
JP5897323B2 (ja) 2011-12-26 2016-03-30 株式会社日立ハイテクノロジーズ 自動分析装置および測定値異常検出方法
US9884318B2 (en) 2012-02-10 2018-02-06 Adam Perry Tow Multi-axis, multi-purpose robotics automation and quality adaptive additive manufacturing
US20140267713A1 (en) 2013-03-15 2014-09-18 Cryoxtract Instruments, Llc Machine Vision System for Frozen Aliquotter for Biological Samples
EP2662137A1 (en) 2012-05-08 2013-11-13 Roche Diagniostics GmbH Dispensing assembly
EP2850559B1 (en) 2012-05-14 2021-02-24 Gauss Surgical, Inc. System and method for estimating a quantity of a blood component in a fluid canister
US10132736B2 (en) * 2012-05-24 2018-11-20 Abbvie Inc. Methods for inspection of protein particles in a liquid beneficial agent
US9389229B2 (en) * 2012-07-18 2016-07-12 Theranos, Inc. Methods for detecting and measuring aggregation
US9513224B2 (en) * 2013-02-18 2016-12-06 Theranos, Inc. Image analysis and measurement of biological samples
US9530053B2 (en) 2012-07-31 2016-12-27 Tecan Trading Ag Method and apparatus for detecting or checking an arrangement of laboratory articles on a work area of a laboratory work station
JP5993652B2 (ja) 2012-08-03 2016-09-14 株式会社日立ハイテクノロジーズ 自動分析装置
US9952241B2 (en) 2012-08-20 2018-04-24 Siemens Healthcare Diagnostics Inc. Methods and apparatus for ascertaining specimen and/or sample container characteristics while in transit
WO2014034908A1 (ja) * 2012-08-31 2014-03-06 株式会社 東芝 検体検査装置
JP6363078B2 (ja) * 2012-09-04 2018-07-25 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． センサデバイス及びサンプリングする方法
PL401098A1 (pl) 2012-10-08 2014-04-14 Scope Fluidics Spółka Z Ograniczoną Odpowiedzialnością Sposób pomiaru małych objętości płynu w układzie mikroprzepływowym
EP2906957A2 (en) 2012-10-12 2015-08-19 Koninklijke Philips N.V. Optical fill detection
US9066021B2 (en) 2012-10-18 2015-06-23 Ortho-Clinical Diagnostics, Inc. Full resolution color imaging of an object
US9135515B2 (en) 2012-10-22 2015-09-15 Qiagen Gaithersburg, Inc. Automated pelletized sample vision inspection apparatus and methods
JP5642759B2 (ja) 2012-10-31 2014-12-17 ファナック株式会社 物品取出装置及び物品取出方法
CA2893590C (en) 2012-12-14 2023-10-10 The J. David Gladstone Institutes Automated robotic microscopy systems
US9904842B2 (en) * 2012-12-19 2018-02-27 Koninklijke Philips N.V. System and method for classification of particles in a fluid sample
JP2014145621A (ja) 2013-01-28 2014-08-14 Hitachi High-Technologies Corp 自動分析装置
CA2903013C (en) 2013-03-08 2021-05-11 Siemens Healthcare Diagnostics Inc. Tube characterization station
WO2014152329A1 (en) 2013-03-14 2014-09-25 Siemens Healthcare Diagnostics Inc. Tube tray vision system
US20140267695A1 (en) 2013-03-15 2014-09-18 Vistalab Technologies, Inc. Device and method for optical measurement of a volume of dispensed fluid
US10222375B2 (en) 2013-07-17 2019-03-05 Gold Standard Diagnostics Process and machine for automated agglutination assays with image automated evaluation
DE102013214694B4 (de) 2013-07-26 2015-02-12 Roche Pvt Gmbh Verfahren zum Handhaben eines Gegenstands und Vorrichtung zum Handhaben von Gegenständen
JP6049202B2 (ja) * 2013-10-25 2016-12-21 富士フイルム株式会社 画像処理装置、方法、及びプログラム
US9523700B1 (en) 2013-10-28 2016-12-20 Elemental Scientific, Inc. Automated sampling device
EP3065797A4 (en) * 2013-11-04 2016-11-09 Siemens Healthcare Diagnostics METHODS AND APPARATUS FOR DETERMINING ASPIRATION AND / OR DISTRIBUTION VOLUME AND / OR PIPETTE POSITIONING
WO2015072358A1 (ja) 2013-11-12 2015-05-21 株式会社日立ハイテクノロジーズ 検体検査自動化システムおよび生体試料チェックモジュールならびに生体試料のチェック方法
JP6333584B2 (ja) 2014-03-11 2018-05-30 キヤノンメディカルシステムズ株式会社 臨床検査装置
JP2015200527A (ja) 2014-04-04 2015-11-12 株式会社東芝 臨床検査装置
EP3132253B1 (en) * 2014-04-15 2019-02-13 Gauss Surgical, Inc. Method for estimating a quantity of a blood component in a fluid canister
JP6516727B2 (ja) 2014-04-17 2019-05-22 株式会社日立ハイテクノロジーズ 検体検査自動化システムおよびチェックモジュールならびに試料のチェック方法
CH709657A1 (de) 2014-05-15 2015-11-30 Tecan Trading Ag Verfahren zum Feststellen der Anwesenheit oder Abwesenheit von Wegwerfpipettenspitzen in Pipettenspitzenträgern.
US10140705B2 (en) 2014-06-10 2018-11-27 Siemens Healthcare Diagnostics Inc. Drawer vision system
EP3149492B1 (en) 2014-07-21 2020-06-24 Beckman Coulter Inc. Methods and systems for tube inspection and liquid level detection
US20180021773A1 (en) 2014-07-25 2018-01-25 Loughborough University Assay devices, methods for carrying out assays, assay kits and method for manufacturing assay devices
WO2016018940A1 (en) 2014-07-28 2016-02-04 Sanofi Pasteur Vaxdesign Corporation Automated imaging and analysis of the hemagglutination inhibition assay (hai)
EP3709026A1 (en) 2014-07-28 2020-09-16 Douglas Scientific, LLC Instrument for analyzing biological samples and reagents
WO2016016109A2 (de) 2014-07-29 2016-02-04 Joachim Gerstel Anordnung zur vorbereitung einer vielzahl von proben für ein analytisches verfahren
US9723831B2 (en) 2014-07-30 2017-08-08 The Governing Council Of The University Of Toronto System and methods for automated vitrification of biological materials
US9574989B2 (en) * 2014-08-08 2017-02-21 Omnivision Technologies, Inc. Lens-free imaging system and method for detecting particles in sample deposited on image sensor
FI127992B (fi) * 2014-08-29 2019-07-15 Svanbaeck Sami Menetelmä ja järjestelmä aineen liukenemisominaisuuksien määrittämiseksi
US9547899B1 (en) 2014-10-07 2017-01-17 University Of South Florida Mobile hemolysis detection in whole blood samples
WO2016066992A1 (en) * 2014-10-29 2016-05-06 Malvern Instruments Limited Suspended particle characterization system
JP6395216B2 (ja) 2014-11-13 2018-09-26 国立大学法人大阪大学 液体に含まれる超微細バブルの測定方法及びその測定装置
JP2016099281A (ja) 2014-11-25 2016-05-30 高電工業株式会社 検体検査装置及び検体検査システム
US10625259B1 (en) * 2014-11-26 2020-04-21 Medica Corporation Automated microscopic cell analysis
AU2015261613A1 (en) * 2014-12-18 2016-07-07 Gruppo Cimbali S.P.A. Method of analysing ground coffee
JP6521628B2 (ja) 2014-12-26 2019-05-29 キヤノンメディカルシステムズ株式会社 自動分析装置
JP6554793B2 (ja) 2015-01-05 2019-08-07 株式会社島津製作所 自動試料採取装置
US10739364B2 (en) 2015-01-28 2020-08-11 Hitachi High-Tech Corporation Liquid surface inspection device, automated analysis device, and processing device
EP3259737B1 (en) 2015-02-18 2020-04-15 Siemens Healthcare Diagnostics Inc. Locality-based detection of tray slot types and tube types in a vision system
EP3259908B1 (en) 2015-02-18 2021-07-14 Siemens Healthcare Diagnostics Inc. Image-based tray alignment and tube slot localization in a vision system
JP2016161301A (ja) 2015-02-27 2016-09-05 株式会社日立ハイテクノロジーズ 検体検査自動化システム
JP6463997B2 (ja) 2015-03-10 2019-02-06 株式会社日立ハイテクノロジーズ 自動分析装置
GB2536468A (en) 2015-03-18 2016-09-21 Stratec Biomedical Ag Device, system and method for the visual alignment of a pipettor tip and a reference point marker
JP6491922B2 (ja) 2015-03-27 2019-03-27 株式会社日立ハイテクノロジーズ 自動分析装置
US20160279630A1 (en) 2015-03-29 2016-09-29 Massachusetts Institute Of Technology Methods and Apparatus for Pipetting
CN112326538A (zh) 2015-03-31 2021-02-05 希森美康株式会社 尿分析系统、拍摄装置、细胞拍摄装置、尿分析方法、管理装置及信息处理方法
JP6134348B2 (ja) 2015-03-31 2017-05-24 シスメックス株式会社 細胞撮像装置及び細胞撮像方法
CA3205046A1 (en) 2015-04-07 2016-10-13 Gen-Probe Incorporated Systems and methods for reading machine-readable labels on sample receptacles
US10837977B2 (en) 2015-05-11 2020-11-17 Kabushiki Kaisha Yaskawa Denki Rack for dispensing and dispensing system
WO2016187071A1 (en) 2015-05-15 2016-11-24 Gauss Surgical, Inc. Systems and methods for assessing fluids from a patient
WO2016196504A1 (en) 2015-06-01 2016-12-08 Digital Hospital, Inc. Dosage confirmation apparatus
WO2016203320A2 (en) 2015-06-19 2016-12-22 Andrew Alliance S.A. Devices and methods for measurement of liquid volumes
DE102015212457A1 (de) 2015-07-02 2017-01-05 Hamilton Bonaduz Ag Pipettiervorrichtung mit Bildverarbeitung
JP6433859B2 (ja) 2015-07-29 2018-12-05 株式会社日立ハイテクノロジーズ 自動分析装置
JP2018529942A (ja) 2015-08-10 2018-10-11 カウンシル，インコーポレーテッド モジュール式液体取り扱いシステム
CN112557676A (zh) 2015-08-25 2021-03-26 株式会社日立高新技术 检测体信息提供方法
WO2017039690A1 (en) 2015-09-04 2017-03-09 Qualigen, Inc. Systems and methods for sample verification
EP3141909B1 (en) 2015-09-08 2021-11-10 Roche Diagnostics GmbH Laboratory analyzer for manually handling a plurality of reagents and method for operating a laboratory analyzer for manually handling a plurality of reagents
CN108139413B (zh) 2015-10-23 2023-02-21 简·探针公司 用于读取支架和容器上的机器可读标记的系统和方法
WO2017100652A1 (en) 2015-12-09 2017-06-15 Indevr, Inc. Automated agglutination analyzer with thresholding
US10948420B2 (en) 2015-12-09 2021-03-16 Indevr, Inc. Automated agglutination analyzer with contour comparison
CN109313209B (zh) 2015-12-18 2022-08-16 雅培实验室 用于自动分析的系统和方法
JP6719901B2 (ja) 2015-12-28 2020-07-08 あおい精機株式会社 検体処理装置
AU2016382837B2 (en) 2015-12-30 2019-08-08 Ventana Medical Systems, Inc. System and method for real time assay monitoring
AU2016380154A1 (en) 2015-12-31 2018-05-31 Myriad Women’s Health, Inc. Robotic system for sorting sample tubes
EP3408653B1 (en) 2016-01-28 2024-01-17 Siemens Healthcare Diagnostics Inc. Methods and apparatus adapted to quantify a specimen from multiple lateral views
CN108738336B (zh) 2016-01-28 2021-08-10 西门子医疗保健诊断公司 用于多视图表征的方法和装置
EP3408648A4 (en) 2016-01-28 2019-03-06 Siemens Healthcare Diagnostics Inc. METHODS AND APPARATUS FOR IMAGING A SAMPLE AND / OR SAMPLE CONTAINER USING MULTIPLE EXHIBITIONS
EP3408652B1 (en) 2016-01-28 2020-12-16 Siemens Healthcare Diagnostics Inc. Methods and apparatus for classifying an artifact in a specimen
WO2017132169A1 (en) 2016-01-28 2017-08-03 Siemens Healthcare Diagnostics Inc. Methods and apparatus for detecting an interferent in a specimen
CN108474733B (zh) 2016-01-28 2022-08-30 西门子医疗保健诊断公司 用于表征样品容器和样品的方法和装置
JP6794119B2 (ja) 2016-02-19 2020-12-02 株式会社日立ハイテク 透明容器用ラベル及び自動分析装置
WO2017186705A1 (en) 2016-04-27 2017-11-02 Ventana Medical Systems, Inc. System and method for real-time volume control
US20190154560A1 (en) * 2016-05-16 2019-05-23 Abbvie Inc. Systems and Methods for Identifying Protein Aggregates in Biotherapeutics
CA3025641A1 (en) 2016-05-27 2017-11-30 Biomerieux, Inc. Method and apparatus for detection of foam in specimen containers
JP6829950B2 (ja) * 2016-05-31 2021-02-17 シスメックス株式会社 分析方法、分析装置および分析システム
JP2017215216A (ja) * 2016-05-31 2017-12-07 シスメックス株式会社 分析方法および分析装置
WO2017223106A1 (en) 2016-06-20 2017-12-28 Ran Biotechnologies, Inc. Viewer device
US10768406B2 (en) * 2016-06-20 2020-09-08 Scanogen Inc. Imaging system
WO2017223401A1 (en) 2016-06-24 2017-12-28 Kobra Biosolutions, Llc Verification pipette and vision apparatus
US11135579B2 (en) 2016-07-13 2021-10-05 Hewlett-Packard Development Company, L.P. Apparatus with encoded media to indicate dispensing locations for pipette dispenser
WO2018022280A1 (en) 2016-07-25 2018-02-01 Siemens Healthcare Diagnostics Inc. Systems, methods and apparatus for identifying a specimen container cap
JP6841621B2 (ja) 2016-09-01 2021-03-10 株式会社日立ハイテク 検体検査装置用テストキット及び検体検査装置の校正方法
EP3514518A4 (en) * 2016-09-16 2020-09-02 On-chip Biotechnologies Co., Ltd. FINE PARTICLE DISTRIBUTION DEVICE, FINE PARTICLE ANALYSIS DEVICE, REACTION DETECTION DEVICE AND PROCESS USING SAID DEVICES
JP6816154B2 (ja) 2016-09-16 2021-01-20 株式会社日立ハイテク 自動分析装置および自動分析システム並びに試薬リストの表示方法
US20180106659A1 (en) 2016-10-15 2018-04-19 Centech Corp. Automated volumetric measurement and verification system
KR102233906B1 (ko) 2016-10-19 2021-03-30 주식회사 코글릭스 검사 방법 및 장치
BR112019008270A8 (pt) * 2016-10-28 2023-04-11 Beckman Coulter Inc Sistema de avaliação de preparação de substância
US10088660B2 (en) * 2017-02-10 2018-10-02 Amgen Inc. Imaging system for counting and sizing particles in fluid-filled vessels
CN107036929B (zh) * 2017-06-14 2023-06-23 中国矿业大学 一种实时测量突水过程中颗粒流失的试验系统及方法
WO2019034607A1 (en) * 2017-08-15 2019-02-21 Unilever N.V. APPARATUS AND METHOD FOR FILTRATION OF AQUEOUS LIQUID
WO2019040894A1 (en) * 2017-08-25 2019-02-28 Kiyotaka Kubota SUBSTANCE DISPENSING SYSTEM FOR BIOLOGICAL SAMPLE ANALYSIS INSTRUMENT
WO2019060716A1 (en) * 2017-09-25 2019-03-28 Freenome Holdings, Inc. SAMPLE EXTRACTION METHODS AND SYSTEMS
WO2019084468A1 (en) * 2017-10-27 2019-05-02 Beckman Coulter, Inc. RECOGNITION OF SAMPLE CONTAINER
US10776916B2 (en) * 2017-11-22 2020-09-15 Express Scripts Strategic Development, Inc. Computer imaging pre-processing for automated medication dispensing analysis

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102227624A (zh) * 2008-11-04 2011-10-26 贝克曼考尔特公司 用于显示三维物体散点图的系统和方法
WO2016133900A1 (en) * 2015-02-17 2016-08-25 Siemens Healthcare Diagnostics Inc. Model-based methods and apparatus for classifying an interferent in specimens

Also Published As

Publication number Publication date
JP7362713B2 (ja) 2023-10-17
US11263433B2 (en) 2022-03-01
CN117058415A (zh) 2023-11-14
CN117058416A (zh) 2023-11-14
US20200057880A1 (en) 2020-02-20
JP2022009651A (ja) 2022-01-14
US20230045577A1 (en) 2023-02-09
JP7162637B2 (ja) 2022-10-28
RU2019116214A (ru) 2020-11-30
RU2762936C2 (ru) 2021-12-24
JP2022097607A (ja) 2022-06-30
RU2019116214A3 (zh) 2021-01-27
JP2020144139A (ja) 2020-09-10
JP2023159264A (ja) 2023-10-31
CN110023950A (zh) 2019-07-16
EP3532985B1 (en) 2023-07-12
KR20230145526A (ko) 2023-10-17
EP3944144A1 (en) 2022-01-26
BR112019008270A2 (pt) 2019-07-09
JP2019500585A (ja) 2019-01-10
KR20190076009A (ko) 2019-07-01
JP6800223B2 (ja) 2020-12-16
CN117095185A (zh) 2023-11-21
US11954925B2 (en) 2024-04-09
WO2018081617A2 (en) 2018-05-03
CN117253055A (zh) 2023-12-19
EP3532985A2 (en) 2019-09-04
BR112019008270A8 (pt) 2023-04-11
WO2018081617A3 (en) 2018-06-28
KR102586862B1 (ko) 2023-10-11

Similar Documents

Publication Publication Date Title
CN110023950B (zh) 物质准备评估系统
JP6858243B2 (ja) 試料容器の容器キャップを識別するためのシステム、方法及び装置
US11650197B2 (en) Methods and apparatus adapted to quantify a specimen from multiple lateral views
US9377383B2 (en) Specimen processing apparatus
US20140229955A1 (en) Methods, systems, and devices for real time execution and optimization of concurrent test protocols on a single device
JP4490069B2 (ja) 臨床検査システム
US20230281788A1 (en) Substance dispense evaluation system
WO2014127269A1 (en) Methods, systems, and devices for real time execution and optimization of concurrent test protocols on a single device
JP2007298444A (ja) 分析装置
WO2016017291A1 (ja) 自動分析装置
CN117980721A (zh) 评估流体物质的系统和方法
WO2023283583A1 (en) Site-specific adaptation of automated diagnostic analysis systems
KR20180077820A (ko) 혈구 분석 장치 및 그의 검체 및 검체용기 감지방법

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant