JP2016502078A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2016502078A5 JP2016502078A5 JP2015542853A JP2015542853A JP2016502078A5 JP 2016502078 A5 JP2016502078 A5 JP 2016502078A5 JP 2015542853 A JP2015542853 A JP 2015542853A JP 2015542853 A JP2015542853 A JP 2015542853A JP 2016502078 A5 JP2016502078 A5 JP 2016502078A5
- Authority
- JP
- Japan
- Prior art keywords
- score
- population
- data
- event
- events
- 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.)
- Pending
Links
- 230000001186 cumulative Effects 0.000 claims description 13
- 230000000875 corresponding Effects 0.000 claims description 11
- 238000000638 solvent extraction Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 5
- 239000002245 particle Substances 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 4
- 230000000704 physical effect Effects 0.000 claims description 4
- 230000011218 segmentation Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 2
- 238000001303 quality assessment method Methods 0.000 description 7
Description
さらに別の態様では、本発明の実施形態は、自動フローサイトメトリゲートを評価するためのシステム及び方法を含む。例示的な方法は、ゲートについてヒストグラムに基づくメトリックを取得する工程と、ヒストグラムに基づくメトリックに基づいて自動ゲートを評価する工程と、を含んでもよい。他の態様では、例示的な方法は、ゲートについて母集団に基づくメトリックを取得する工程と、母集団に基づくメトリックに基づいて自動ゲートを評価する工程と、を含んでもよい。別の態様では、本発明の実施形態は、生のメトリックを重みづけされたメトリックに変換するためのシステム及び方法を含む。例示的な方法は、生のメトリックを取得する工程と、生のメトリックが取得されるデータに対応する有意性尺度を取得する工程と、有意性尺度に基づいて生のメトリックを重みづけされたメトリックに変換する工程と、を含んでもよい。
本発明は、例えば、以下を提供する。
(項目1)
累積事象の集合から事象の部分集合を分離するために用いられる境界の品質を評価する方法であって、前記部分集合は、物理的性質を共有する、関心のある母集団に対応し、前記集合はサンプル粒子に対応し、前記方法は、
累積事象の前記集合のプロットを取得する工程であって、累積事象の前記集合は事象の前記部分集合を含む、工程と、
前記境界を用いて、事象の前記部分集合を累積事象の前記集合の他の事象から分離する工程と、
前記境界の品質評価メトリックを決定する工程と、を含む、方法。
(項目2)
前記プロットは、ヒストグラムを含む、項目1に記載の方法。
(項目3)
前記境界の配置は、自動化されている、項目1に記載の方法。
(項目4)
前記境界の配置は、手動で実行される、項目1に記載の方法。
(項目5)
前記品質評価メトリックは、事象の前記部分集合と前記境界との間の距離に基づく、項目1に記載の方法。
(項目6)
前記品質評価メトリックは、事象の前記部分集合と特性点との間の距離に基づく、項目1に記載の方法。
(項目7)
前記特性点は、前記部分集合の平均及び前記部分集合のモードから成る群から選択される要素を含む、項目6に記載の方法。
(項目8)
前記品質評価メトリックは、前記境界上にあるいくつかの事象に基づく、項目1に記載の方法。
(項目9)
前記境界は、前記関心のある母集団に対応する領域を少なくとも部分的に規定する、項目8に記載の方法。
(項目10)
前記品質評価メトリックは、前記部分集合について計算される統計パラメータと理論的分布との間の比較に基づく、項目1に記載の方法。
(項目11)
前記統計パラメータは、平均又は標準偏差である、項目10に記載の方法。
(項目12)
前記理論的分布は、ガウス分布である、項目10記載の方法。
(項目13)
前記比較は、前記統計パラメータ及び前記理論的分布を特徴づける相似量に基づき、前記相似量は、対事象距離の合計又は相関係数に基づいて計算される、項目10に記載の方法。
(項目14)
母集団を基礎とするメトリックを決定する工程をさらに含み、前記母集団を基礎とするメトリックは、複数の独立メトリックの組み合わせの関数であり、複数の独立メトリックの前記組み合わせは、第1の独立メトリック及び第2の独立メトリックを含み、前記第1の独立メトリックは、前記品質評価メトリックを含む、項目1に記載の方法。
(項目15)
前記関数は、集計演算子を含む、項目14に記載の方法。
(項目16)
前記集計演算子は、平均値、最小値、及び最大値から成る群から選択される要素を含む、項目15に記載の方法。
(項目17)
前記第1の独立メトリックは、前記境界上にあるいくつかの事象に基づき、前記第2の独立メトリックは、前記部分集合について計算される統計パラメータと理論的分布との間の比較に基づく、項目14に記載の方法。
(項目18)
前記第1の独立メトリックは、前記関心のある母集団に対応し、前記第2の独立メトリックは、別の関心のある母集団に対応する、項目14に記載の方法。
(項目19)
データ区分技術の品質を評価する方法であって、前記方法は、
累積事象の集合についてのデータを取得する工程であって、累積事象の前記集合はサンプル粒子に対応する、工程と、
前記データ区分技術を用いて、累積事象の前記集合の部分集合についてのデータを区分する工程であって、前記部分集合は関心のある母集団に対応し、前記区分する工程はデータ区分結果を生成する、工程と、
前記データ区分結果に基づいて前記データ区分技術の前記品質を決定する工程と、を含む、方法。
(項目20)
サンプル粒子についてのデータを生成するように構成される電子検出装置であって、前記データは累積事象の集合に対応し、累積事象の前記集合は、物理的性質を共有する、関心のある母集団に対応する事象の部分集合を含む、電子検出装置と、
累積事象の前記集合のプロット及び事象の前記部分集合を累積事象の前記集合の他の事象から分離する境界を表示するように構成されるディスプレイと、
プロセッサと、
前記境界の品質評価メトリックを決定するために、前記プロセッサによって実行される制御ロジックと、を含む、フローサイトメータ。
本発明は、例えば、以下を提供する。
(項目1)
累積事象の集合から事象の部分集合を分離するために用いられる境界の品質を評価する方法であって、前記部分集合は、物理的性質を共有する、関心のある母集団に対応し、前記集合はサンプル粒子に対応し、前記方法は、
累積事象の前記集合のプロットを取得する工程であって、累積事象の前記集合は事象の前記部分集合を含む、工程と、
前記境界を用いて、事象の前記部分集合を累積事象の前記集合の他の事象から分離する工程と、
前記境界の品質評価メトリックを決定する工程と、を含む、方法。
(項目2)
前記プロットは、ヒストグラムを含む、項目1に記載の方法。
(項目3)
前記境界の配置は、自動化されている、項目1に記載の方法。
(項目4)
前記境界の配置は、手動で実行される、項目1に記載の方法。
(項目5)
前記品質評価メトリックは、事象の前記部分集合と前記境界との間の距離に基づく、項目1に記載の方法。
(項目6)
前記品質評価メトリックは、事象の前記部分集合と特性点との間の距離に基づく、項目1に記載の方法。
(項目7)
前記特性点は、前記部分集合の平均及び前記部分集合のモードから成る群から選択される要素を含む、項目6に記載の方法。
(項目8)
前記品質評価メトリックは、前記境界上にあるいくつかの事象に基づく、項目1に記載の方法。
(項目9)
前記境界は、前記関心のある母集団に対応する領域を少なくとも部分的に規定する、項目8に記載の方法。
(項目10)
前記品質評価メトリックは、前記部分集合について計算される統計パラメータと理論的分布との間の比較に基づく、項目1に記載の方法。
(項目11)
前記統計パラメータは、平均又は標準偏差である、項目10に記載の方法。
(項目12)
前記理論的分布は、ガウス分布である、項目10記載の方法。
(項目13)
前記比較は、前記統計パラメータ及び前記理論的分布を特徴づける相似量に基づき、前記相似量は、対事象距離の合計又は相関係数に基づいて計算される、項目10に記載の方法。
(項目14)
母集団を基礎とするメトリックを決定する工程をさらに含み、前記母集団を基礎とするメトリックは、複数の独立メトリックの組み合わせの関数であり、複数の独立メトリックの前記組み合わせは、第1の独立メトリック及び第2の独立メトリックを含み、前記第1の独立メトリックは、前記品質評価メトリックを含む、項目1に記載の方法。
(項目15)
前記関数は、集計演算子を含む、項目14に記載の方法。
(項目16)
前記集計演算子は、平均値、最小値、及び最大値から成る群から選択される要素を含む、項目15に記載の方法。
(項目17)
前記第1の独立メトリックは、前記境界上にあるいくつかの事象に基づき、前記第2の独立メトリックは、前記部分集合について計算される統計パラメータと理論的分布との間の比較に基づく、項目14に記載の方法。
(項目18)
前記第1の独立メトリックは、前記関心のある母集団に対応し、前記第2の独立メトリックは、別の関心のある母集団に対応する、項目14に記載の方法。
(項目19)
データ区分技術の品質を評価する方法であって、前記方法は、
累積事象の集合についてのデータを取得する工程であって、累積事象の前記集合はサンプル粒子に対応する、工程と、
前記データ区分技術を用いて、累積事象の前記集合の部分集合についてのデータを区分する工程であって、前記部分集合は関心のある母集団に対応し、前記区分する工程はデータ区分結果を生成する、工程と、
前記データ区分結果に基づいて前記データ区分技術の前記品質を決定する工程と、を含む、方法。
(項目20)
サンプル粒子についてのデータを生成するように構成される電子検出装置であって、前記データは累積事象の集合に対応し、累積事象の前記集合は、物理的性質を共有する、関心のある母集団に対応する事象の部分集合を含む、電子検出装置と、
累積事象の前記集合のプロット及び事象の前記部分集合を累積事象の前記集合の他の事象から分離する境界を表示するように構成されるディスプレイと、
プロセッサと、
前記境界の品質評価メトリックを決定するために、前記プロセッサによって実行される制御ロジックと、を含む、フローサイトメータ。
Claims (15)
- 累積事象の集合から事象の部分集合110、610a、610bを分離するために用いられるデータ区分結果の品質を評価する方法であって、前記部分集合110、610a、610bは、物理的性質を共有する、関心のある母集団に対応し、前記集合はサンプル粒子に対応し、前記方法は、
前記累積事象の集合100、600a、600bのプロットを取得することであって、前記累積事象の集合は前記事象の部分集合110、610a、610bを含む、ことと、
データ区分技術を用いて、前記事象の部分集合110、610a、610bについてのデータを前記累積事象の集合の他の事象から区分することであって、前記区分するステップは、前記データ区分結果を生成する、ことと、
前記データ区分結果の品質スコアを決定することと
を含む、方法。 - 前記品質スコアは、領域可分性スコアおよびデータ分布スコアのうちの1つであり、前記データ区分結果は、境界120、620a、620bであり、さらに、前記領域可分性スコアは、前記事象の部分集合110、610a、610bと前記境界120、620a、620bとの間の距離、および/または、前記事象の部分集合110、610a、610bと特性点との間の距離に基づいており、前記データ分布スコアは、前記事象の部分集合についての母集団データ分布および前記データの理論的分布の比較に基づいている、請求項1に記載の方法。
- 前記データ区分結果は、境界120、620a、620bであり、前記方法は、母集団を基礎とするスコアを決定することをさらに含み、前記母集団を基礎とするスコアは、複数の独立スコアの組み合わせの関数であり、前記複数の独立スコアのうちの少なくとも1つは、前記事象の部分集合110、610a、610bと前記境界120、620a、620bとの間の距離、および/または、前記事象の部分集合110、610a、610bと特性点との間の距離に基づいた領域可分性スコアである、請求項1に記載の方法。
- 前記データ区分結果は、境界120、620a、620bであり、前記方法は、母集団を基礎とするスコアを決定することをさらに含み、前記母集団を基礎とするスコアは、複数の独立スコアの組み合わせの関数であり、前記複数の独立スコアのうちの少なくとも1つは、前記事象の部分集合110、610a、610bについての母集団データ分布および前記データの理論的分布の比較に基づいたデータ分布スコアである、請求項1に記載の方法。
- 前記関数は、集計演算子を備える、請求項3または請求項4に記載の方法。
- 前記集計演算子は、平均、最小、最大から成る群から選択される要素を含む、請求項5に記載の方法。
- 前記特性点は、前記部分集合110、610a、610bの平均および前記部分集合110、610a、610bのモードから成る群から選択される要素を含む、請求項2に記載の方法。
- 前記品質スコアは、前記境界120、620a、620b上にあるいくつかの事象に基づいている、請求項2に記載の方法。
- 前記複数の独立スコアのうちの少なくとも1つは、修正された独立スコアと関連付けられる母集団の優位性に基づいて修正される、請求項3〜6のいずれか一項に記載の方法。
- 前記複数の独立スコアのうちの少なくとも1つは、前記母集団を基礎とするスコアに対する影響を制御するために重みづけされる、請求項3〜6または請求項9のいずれか一項に記載の方法。
- 前記母集団を基礎とするスコアは、前記複数の独立スコアを単一の数値に結合し、前記単一の数値は、前記事象の部分集合110、610a、610bを分離するためにゲーティングプロセスにおける個々のステップのデータ区分結果の品質を表現する、請求項3〜6または請求項9〜10のいずれか一項に記載の方法。
- 前記修正された独立スコアと関連付けられる前記母集団の前記有意性は、前記母集団における分数または事象の数に基づいている、請求項9に記載の方法。
- 前記複数の独立スコアは、前記関心のある母集団に対応する第1のスコアと、関心のある別の母集団に対応する第2のスコアとを含む、請求項3または請求項4に記載の方法。
- 前記品質スコアは、下限値と上限値とによって囲まれる数値であり、前記下限値またはその近くの数値は、前記データ区分結果における低いレベル信頼または信頼が全く存在しないことと関連付けられ、前記上限値またはその近くの数値は、前記データ区分結果における高いレベルの信頼または完全な信頼と関連付けられる、請求項1に記載の方法。
- サンプル粒子についてのデータを生成するように構成される電子検出装置であって、前記データは累積事象の集合に対応し、前記累積事象の集合は、物理的性質を共有する、関心のある母集団に対応する事象の部分集合110、610a、610bを含む、電子検出装置と、
前記累積事象の集合100、600a、600bのプロットと、前記事象の部分集合110、610a、610bを前記累積事象の集合の他の事象から分離する境界120、620a、620bとを表示するように構成されるディスプレイと、
プロセッサと、
前記境界120、620a、620bの品質スコアを決定するために、前記プロセッサによって実行される制御ロジックと
を含む、フローサイトメータ。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201261727474P | 2012-11-16 | 2012-11-16 | |
US61/727,474 | 2012-11-16 | ||
PCT/US2013/070432 WO2014078741A1 (en) | 2012-11-16 | 2013-11-15 | Flow cytometry data segmentation result evaluation systems and methods |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016502078A JP2016502078A (ja) | 2016-01-21 |
JP2016502078A5 true JP2016502078A5 (ja) | 2017-01-05 |
Family
ID=49674410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015542853A Pending JP2016502078A (ja) | 2012-11-16 | 2013-11-15 | フローサイトメトリのデータ区分結果の評価システム及び方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US10274412B2 (ja) |
EP (1) | EP2920573B1 (ja) |
JP (1) | JP2016502078A (ja) |
CN (1) | CN104781649B (ja) |
WO (1) | WO2014078741A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018190340A1 (ja) * | 2017-04-14 | 2018-10-18 | 国立研究開発法人国立がん研究センター | エフェクター型制御性t細胞の検出方法、エフェクター型制御性t細胞の分析装置、エフェクター型制御性t細胞の分析システム、および、プログラム |
EP3922980B1 (en) * | 2020-06-12 | 2022-08-10 | Sartorius Stedim Data Analytics AB | Computer-implemented method, computer program product and system for data analysis |
US20230266305A1 (en) * | 2022-02-18 | 2023-08-24 | Idexx Laboratories Inc. | Flow cytometry systems and methods for presenting two-dimensional dot plot |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
ES2102518T3 (es) * | 1991-08-28 | 1997-08-01 | Becton Dickinson Co | Motor de atraccion por gravitacion para el agrupamiento autoadaptativo de corrientes de datos n-dimensionales. |
JP3076118B2 (ja) * | 1991-11-27 | 2000-08-14 | シスメックス株式会社 | 粒子計数方法 |
JP3308441B2 (ja) * | 1995-12-19 | 2002-07-29 | シスメックス株式会社 | 尿中有形成分分析装置 |
TW438973B (en) * | 1995-12-19 | 2001-06-07 | Sysmex Corp | Apparatus and method for analyzing solid components in urine |
JP3325447B2 (ja) * | 1995-12-19 | 2002-09-17 | シスメックス株式会社 | 粒子分析装置およびその方法 |
JP3642658B2 (ja) * | 1997-06-30 | 2005-04-27 | シスメックス株式会社 | 尿中有形成分分析装置および分析方法 |
JPH1144632A (ja) * | 1997-07-28 | 1999-02-16 | Toa Medical Electronics Co Ltd | 粒子計測装置のデータ異常判定方法 |
US8131053B2 (en) * | 1999-01-25 | 2012-03-06 | Amnis Corporation | Detection of circulating tumor cells using imaging flow cytometry |
EP1295243A4 (en) * | 2000-05-11 | 2010-09-01 | Becton Dickinson Co | SYSTEM FOR IDENTIFYING CLUSTERS IN DISPERSION DIAGRAMS INVOLVING SMOOTH POLYGONS WITH OPTIMAL LIMITS |
JP3871624B2 (ja) * | 2001-07-26 | 2007-01-24 | シスメックス株式会社 | 粒子分析装置 |
JP4751535B2 (ja) * | 2001-07-26 | 2011-08-17 | シスメックス株式会社 | 分画方法とそれを用いた血液分析装置 |
US20030078703A1 (en) | 2001-10-19 | 2003-04-24 | Surromed, Inc. | Cytometry analysis system and method using database-driven network of cytometers |
JP4649231B2 (ja) * | 2005-02-28 | 2011-03-09 | 株式会社カネカ | フローサイトメータ、細胞の解析方法、細胞解析プログラム、蛍光検出器の感度設定方法および陽性率判定法における基準ゲート設定方法 |
US9025673B2 (en) * | 2006-04-05 | 2015-05-05 | Qualcomm Incorporated | Temporal quality metric for video coding |
CN101295305B (zh) * | 2007-04-25 | 2012-10-31 | 富士通株式会社 | 图像检索装置 |
DE102007028895B4 (de) * | 2007-06-22 | 2010-07-15 | Siemens Ag | Verfahren zur Segmentierung von Strukturen in 3D-Bilddatensätzen |
JP5420203B2 (ja) * | 2008-06-30 | 2014-02-19 | シスメックス株式会社 | 試料分析装置、粒子分布図表示方法、及びコンピュータプログラム |
US8417012B2 (en) | 2008-11-04 | 2013-04-09 | Beckman Coulter, Inc. | Non-linear histogram segmentation for particle analysis |
US8990047B2 (en) * | 2011-03-21 | 2015-03-24 | Becton, Dickinson And Company | Neighborhood thresholding in mixed model density gating |
-
2013
- 2013-11-15 CN CN201380059387.1A patent/CN104781649B/zh active Active
- 2013-11-15 JP JP2015542853A patent/JP2016502078A/ja active Pending
- 2013-11-15 EP EP13796222.1A patent/EP2920573B1/en active Active
- 2013-11-15 WO PCT/US2013/070432 patent/WO2014078741A1/en active Application Filing
- 2013-11-15 US US14/443,263 patent/US10274412B2/en active Active
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI576708B (zh) | 自動缺陷分類的分類器準備與維持 | |
Wu et al. | A Bayesian model for crowd escape behavior detection | |
US8868474B2 (en) | Anomaly detection for cloud monitoring | |
JP6351862B2 (ja) | 運転状態分類装置 | |
CN109359690B (zh) | 基于卡口数据的车辆出行轨迹识别方法 | |
CN104539484B (zh) | 一种动态评估网络连接可信度的方法及系统 | |
US9846811B2 (en) | System and method for video-based determination of queue configuration parameters | |
US9037518B2 (en) | Classifying unclassified samples | |
JP6741216B2 (ja) | ログ分析システム、方法およびプログラム | |
KR101804170B1 (ko) | 비관심 아이템을 활용한 아이템 추천 방법 및 장치 | |
CN105868243A (zh) | 信息处理方法及装置 | |
CN107389536B (zh) | 基于密度-距离中心算法的流式细胞粒子分类计数方法 | |
CN105893380B (zh) | 一种改良的文本分类特征选择方法 | |
WO2018151680A1 (en) | Methods and devices for identifying population clusters in data | |
TW202223750A (zh) | 用於在光譜量化期間避免誤報識別的設備和方法以及相關的非暫時性電腦可讀取媒體 | |
JP2016191966A (ja) | クラスタリング装置及び機械学習装置 | |
JP2011015253A (ja) | 通信トラヒック分類方法、装置、およびプログラム | |
JP2016502078A5 (ja) | ||
WO2016158768A1 (ja) | クラスタリング装置及び機械学習装置 | |
JP2007243459A (ja) | トラヒック状態抽出装置及び方法ならびにコンピュータプログラム | |
JP5758349B2 (ja) | 文書カテゴライズ装置とその方法とプログラム | |
JP2015219648A5 (ja) | ||
CN108037739A (zh) | Pcb产品的过程管控方法和系统 | |
EP2920573B1 (en) | Particle data segmentation result evaluation methods and flow cytometer | |
JP6904331B2 (ja) | 要因分析装置、要因分析方法、およびプログラム |