JP2018506722A - 学習能力を有する携帯用流体検知装置 - Google Patents

Abstract

本発明は、流体を識別する、またはその濃度を測定する装置を開示する。本装置は、流体検知信号を取得し、当該信号を、注釈付けのため処理機能へ送信し、前処理を行い、データセットおよび学習能力を有するモデルのデータベースに入力すべく構成されている。本装置は、医療専門家または一般市民による使用に適合させるべくスティックまたはスタイラスフォームファクタを有している。有利な特徴として、スティックを用いて恐らく同一検体の気相および液相からデータを取得することができる。本装置は、自律的に構成されたあらゆる処理機能を含むパッケージであってよい。本装置は、スマートフォン、ＰＣまたはＰＯＣＴ型の仲介装置と連携して動作可能である。自律的流体検知装置、仲介装置、およびデータベースサーバを含むシステムは学習モードまたは使用モードで動作可能である。測定値は、フィルタリングして、悪い動作条件、装置構成の差異、または局所パラメータ（温度、湿度測定法、流率等）の差異に起因する測定値の差異を統計的に除去すべく正規化することができる。

Description

本発明は特に、電子検知、すなわち、気相または液相の検体の検知および／または識別（あるいは濃度測定）に用いる、物理的なセンサ、信号およびデータ処理能力を含むシステムおよび／または装置の分野に関する。より具体的には、通信能力を有する小型装置に関する。

環境に対する関心により、都市環境に住む一般市民が自身の居住地での大気中のガスまたは粒子の濃度に関する情報に容易にアクセスする必要性が生じている。同様に、水道の蛇口、河川、または海岸における水汚染物質の検知が必要であろう。また、食品の製造、輸送、または格納の連鎖における危険性により細菌増殖の検知が必要になっており、これらは臭気により検知可能である。また、健康診断用途において呼吸データが役立つ。これらは、一般市民が小型流体検知装置で利用できる機能の数例に過ぎない。

このようなニーズに応えるべく、複数のセンサを、分析対象である異なる化合物に感応するセンサセル群に組み立てることが当技術分野において公知である。そのようなセル群は次いで、スマートフォンのように処理および通信能力を有する電子装置と共にパッケージングすることができる。これは例えば欧州公開特許出願第２６３９５８２号明細書に開示された装置の場合である。

欧州公開特許出願第２６３９５８２号明細書

しかし、この種の装置の第１の短所は、通信装置は水に浸すことができないため、液相の化合物の検知および分析には使用できないことである。従って適用分野が気相に限定される。また、当該装置は、一体化されたスマートフォンの通信能力しか利用できない。最後に、但し解決すべき最小の問題ではないが、当該従来技術の装置は、測定値をサーバへ送信して、サーバで実行された識別の結果を受信する能力しか有していない。

従って、より広範な検体を液相および気相で分析可能であって、しかも多数の異なる装置と通信しながら分析を行うことが可能な、より汎用的な装置に対するニーズがある。また、分析対象化合物の識別がより正確に行えるよう、データ処理能力を有するネットワークの一部となり得る装置に対するニーズもある。

本発明の目的は、従来技術に比べて上述の改良を提供することである。

本発明は、流体検知装置に学習能力を提供することにより上述の目的を実現する。

このため、本発明は、検体を検知して流体検知信号を生成する流体センサと、第１の流体検知信号を表す第１のデータセットを第１の処理機能へ送信すべく構成された通信機能とをパッケージに含み、前記第１のデータセットが更に、流体検知信号を特徴付けるラベルを含み、前記ラベルが通信機能および第一の処理機能のうち一方で生成される流体検知装置を開示する。

有利な特徴として、流体センサは気体センサを含んでいる。

有利な特徴として、気体センサは単一の半導体金属酸化物元素を含んでいる。

有利な特徴として、気体センサは、複数の半導体金属酸化物元素の配列および積層の一方を含んでいる。

有利な特徴として、本発明の流体検知の装置は更に、複数の半導体金属酸化物元素の少なくともいくつかに照射する紫外線光源を含んでいる。

有利な特徴として、気体センサはマイクロガスクロマトグラフを含んでいる。

有利な特徴として、本発明の流体検知装置は、ベル形状の延長部を備えた流入口を有している。

有利な特徴として、流体センサは液体センサを含んでいる。

有利な特徴として、液体センサはマイクロＨＰＬＣカラムを含んでいる。

有利な特徴として、本発明の流体検知装置は、液体センサの接触面を含む終端を備えた細長いフォームファクタを有している。

有利な特徴として、流入口は、分析対象サンプルおよび流体検知装置を収容するカップとして使用できる取り外し可能なキャップで覆われている。

有利な特徴として、本発明の流体検知装置は更に、温度センサ、流れセンサ、および湿度測定法センサを含むグループから選択された追加的なセンサを含み、当該追加的なセンサの出力は処理機能へ送信される。

本発明はまた、第１の流体の性質と第２の流体内における前記第１の流体の濃度との少なくとも一方を識別するモデルを構築する方法を開示するものであり、前記方法は、第１の処理機能において、第１の流体の性質と第２の流体内における前記第１の流体の濃度との少なくとも一方を表すと共に流体検知信号を特徴付けるラベルを含む第１のデータセットを受信するステップと、第１の処理機能において、前記第１のデータセットと、第１の流体の性質と第２の流体内における前記第１の流体の濃度との少なくとも一方を表すテキスト、音声、および画像のうち少なくとも一つを含む第２のデータセットとを組み合わせるステップと、第１のデータセットおよび第２のデータセットを第１の処理機能から第２の処理機能へ送信するステップと、第２の処理機能において、複数の第１の処理機能からの第１のデータセットおよび第２のデータセット複数のペアを、複数の第２のデータセットの分類に基づいて分類するステップと、当該分類の出力において各クラス毎に、複数の第１のデータセットと複数の第２のデータセットとを互いに関連付ける、第１の流体の性質に適合された統計モデルを選択するステップと、第１のデータセットおよび第２のデータセットの複数のペアから各クラス毎に当該統計モデルのパラメータを計算するステップとを含んでいる。

有利な特徴として、第１のデータセットおよび第２のモデムの一方は更に、流体検知装置の位置で測定された温度、圧力、および湿度のうち少なくとも１個の値を含んでいる。

有利な特徴として、第２のデータセットは更に、第１の処理機能の位置を特定するためのデータを含んでいる。

本発明はまた、第１の流体の性質と第２の流体内における前記第１の流体の濃度との少なくとも一方を識別する方法を開示するものであり、前記方法は、流体検知装置から、当該流体検知装置の付近に配置された第１の処理機能において、第１の流体の性質と第２の流体内における前記第１の流体の濃度の少なくとも一方を表す第１のデータセットを受信するステップと、第２の処理機能から、第１の処理の機能において、本発明によるモデルを構築する方法により構築された複数の統計モデルを取得するステップと、当該複数の統計モデルから１個の統計モデルを選択するステップと、選択結果の出力時点で第１のデータセットを統計モデルに入力するステップと、第１の流体の性質と第２の流体内における前記第１の流体の濃度との少なくとも一方が識別されたならば、第１の処理機能において当該結果を出力するステップと、第１の流体の性質と第２の流体内における前記第１の流体の濃度の少なくとも一方が識別されなかったならば、結果が得られるかまたは停止基準が満たされるまで当該選択の少なくとも１個を再実行して統計モデルを取得するステップとを含んでいる。

本発明はまた、処理機能、本発明の方法の少なくとも一つを実行すべく構成されたコンピュータプログラム、並びに複数の流体検知装置、複数の仲介装置、およびデータベースサーバを含むシステムを開示する。

本発明は、一般市民だけでなく、医療および環境専門家にも、これまで計測機器業界に限定されていた高度な電子検知技術の恩恵をもたらす。高度な信号、データ処理技術、統計解析、およびモデリング方法の利用により、市民の健康に資する、関心対象の検体をより正確に識別可能にする膨大な量のデータの作成が可能になる。

各種の実施形態および以下の添付図面の説明から本発明に対する理解が深まり、各種の特徴および利点が明らかになろう。

本発明の多数の実施形態における流体検知装置を異なる視野角から示す。 本発明の多数の実施形態における流体検知装置を異なる視野角から示す。 本発明の多数の実施形態における流体検知装置を異なる視野角から示す。 本発明の多数の実施形態における、流体捕捉の動作条件を制御するように適合された流体検知装置の３個の変型例を示す。 本発明の多数の実施形態における、流体捕捉の動作条件を制御するように適合された流体検知装置の３個の変型例を示す。 本発明の多数の実施形態における、流体捕捉の動作条件を制御するように適合された流体検知装置の３個の変型例を示す。 本発明の多数の実施形態における装置および付属品の可能な物理構成を示す、流体検知装置の使用事例を示す。 本発明の多数の実施形態における装置および付属品の可能な物理構成を示す、流体検知装置の使用事例を示す。 本発明の多数の実施形態における装置および付属品の可能な物理構成を示す、流体検知装置の使用事例を示す。 本発明の多数の実施形態における、学習能力を有する流体検知システムの機能アーキテクチャを示す。 本発明の多数の実施形態における、流体検知システムの注釈副処理のフロー図を示す。 本発明の多数の実施形態における、流体検知システムのモデリング副処理のフロー図を示す。 本発明の多数の実施形態における、流体検知システムの検知副処理のフロー図を示す。

図１ａ，１ｂ，１ｃに、本発明の多数の実施形態における流体検知装置を異なる視聴角度から示している。

本発明の文脈において、流体とは担持相であると解釈し、前記相は気体または液体であって恐らくは単一または複数の分析対象化合物（検体）を担持している。検体は、固体、液体、または気体の担持相に分散されていてよい。検体は、人間または動物が知覚し得る臭気、味その他の特性であっても、あるいは人間または動物が知覚することなくその健康に影響を及ぼし得る物質であってもよい。

本発明による流体検知装置１００は主に、流体の流入口１０１および流体センサ（図示せず）をパッケージ内に含んでいる。本発明の特定の態様によれば、装置のパッケージは、平行六面体または円筒に似た３Ｄフォームファクタの形状であって、長さは２Ｄ断面の寸法よりもはるかに長い。パッケージは、パッケージの中央での断面より小さい断面を有する２個の終端を有している。流体検知装置のパッケージは、スティックまたはスタイラスとしてユーザーが保持することができる。スティックフォームファクタは、ユーザーが装置を垂直位置で、恐らくは分析対象のサンプルの保持に用いる専用の箱の中で保持し易くする。スタイラスフォームファクタは、ユーザーが当該装置を持った際にユーザーに近い方の終端と、遠位端とを有している。遠位端は、タッチスクリーンを備えたスマートフォン等の別の装置にデータを入力するために使用すべく構成されていてよい。

図１ａ、１ｂおよび１ｃに示す装置のフォームファクタは従って、本発明による装置の平行六面体のスティックフォームファクタに整形された例示的実施形態に過ぎない。これらの例は本発明の範囲を限定するものではない。これらの例において、スティックが持ち運び易いように寸法を調整した。代替的に、スティックのフォームファクタは円筒形、部分的に円筒形、および部分的に円錐形であってよい。有利な特徴として、大きい方の寸法（最大断面の幅または直径）は５０ｍｍ未満である。フォームファクタが平行六面体である場合、厚さは２５ｍｍ未満である。より有利な特徴として、大きい方の寸法（最大断面の幅または直径）は２５ｍｍ未満であり、フォームファクタが平行六面体である場合、厚さは２０ｍｍ未満である。スティックの長さは１００〜２５０ｍｍであってよい。

異なる用途においては他のフォームファクタの方が適している場合がある。例えば平坦なフォームファクタは、下側の液体と上側の気体を検知するのに適している。

分析対象の気体サンプルの流入口は、装置の一方の終端、または一方の側辺に位置していてよい。また、流入口とは別に、装置から気体を排出するための流出口が設けられていてもよい。あるいは、流入口が流出口としても機能することもできる。流入口は、センサに到達する気体の流れを制御すべく、毛管および／またはシケイン障壁を備えるように構成されていてよい。分析対象のサンプルが人間または動物のユーザーにより飛ばされた場合、ポートに流入する気体の速度はユーザーに応じて大幅に変動する。毛管および／またはシケイン障壁を備えた構成により差異が均等化されて測定値が正規化される。当業者はこのような構成をどのように設計および寸法決めすべきか承知している。毛管が含まれている場合、典型的には直径が０．１〜２ｍｍ、長さが数ｍｍ〜数ｃｍである。

代替的に、または追加的に、小型ポンプ、手動ポンプ（ゴム吸盤）または、マイクロベンチレータを用いて、流入口または流出口における流れを制御することができる。意図する機能を実行すべく使用可能な小型ポンプの市販商品の例として、Ｋｏｇｅ Ｅｌｅｃｔｒｏｎｉｃｓ（商標）社のＫＰＭ１０Ａがある。マイクロベンチレータの市販商品の例としてＳｅｐａ（商標）社のＨＹ＿１０Ａ０３Ａがある。当該ポンプは、連続的に使用することも、または所与の期間、あるいは圧力／流率が所定の閾値未満に低下した場合に機能するよう命令されてもよい。圧力および／または流率は、ポンプ、圧力／流率センサ、および制御ループの組み合せにより制御されている。

同様の構成を液体流体の流入口に適用することができる。同一装置が２個の流入口、すなわち一方を液体流体用に、他方を気体流体、恐らくは同一液体の気相用に有していてよい。液体流体の流れは、シケイン／毛管に追加して、または代替としてフィルタを用いて有利に調整することができる。このように構成された本発明の例示的実施形態について図３ｃとの関連で以下に述べる。

言うまでもなく、装置に死容積があってはならず、センサチャンバ空間はなるべく小さくなくてはならない。

本発明による装置は、微小電子機械システムすなわちＭＥＭＳ等の小型センサでの用途に特に適している。小型センサはこれらの用途に既に利用できる。気体サンプルを分析するために、シリコンまたはＭＯＳセンサに金属酸化物を用いることができる。ＭＯＳセンサは、サンプル内における特定の気体の濃度に応じて変動する抵抗率を有している。表面音響波センサすなわちＳＡＷセンサ、および水晶振動子すなわちＱＭＢセンサは気体中の化合物の質量を計量することができる。導電性ポリマー、赤外線または近赤外線能動／受動センサを含む電気化学的、容量光学センサ、光イオン化検知器（ＰＩＤ）を用いてもよい。出力の色、蛍光性、導電率、振動等は変動し得る。本発明の装置に使用できるＭＯＳセンサの例として、Ｅ２ＶＴｅｃｈｎｏｌｏｇｉｅｓ（商標）社から購入できる品番ＭＩＣＳ−５５２４のアンモニア（ＮＨ_３）専用センサ、一酸化炭素（ＣＯ）、エタノール（Ｃ_２Ｈ_６ＯＨ）、水素（Ｈ_２）、アンモニア（ＮＨ_３）、およびメタン（ＣＨ_４）の濃度を測定可能なＳＧＸ Ｓｅｎｓｏｒｔｅｃｈ社の品番ＭＩＣＳ−５９１４、またはタバコの煙または料理の香り等、様々な屋内の空気汚染物質に対して高感度を有するＦｉｇａｒｏ Ｅｎｇｉｎｅｅｒｉｎｇ（商標）社からの品番ＴＧＳ−８１００がある。

この種のセンサを配列に、当該配列の各センサが異なる化合物に感応するように配置することができる。既に引用したＥＰ２６３９５８２にこの種の配列が開示されている。

また、本出願の出願人は、本出願の出願人により共同出願されたＰＣＴ出願ＷＯ２０１２／１６８４４４号に開示された種類の積層のセンサの配置を共同発明した。これらのセンサは、金属酸化物またはポリマー材料あるいはこれらの組み合わせに基づいている。これらは積層に配置されていて、当該積層内の層は、分析対象の気体の可能な成分に対する応答性が異なるように選択された材料で作られている。各種の気体／臭気を検知および識別して、その濃度を測定すべく、この種のセンサの配列を単一の携帯用パッケージに組み立てることが可能である。

また、１個以上のマイクロガスクロマトグラフィカラムの気体センサアセンブリとしても使用可能であり、各カラムの内部が特定の気体に対する応答剤で覆われていて、当該特定の気体はマイクロカラムの出口で特定の保持時間に対応する濃度のピークにより識別される。本発明の装置用に上述の最大寸法と互換な寸法を有するマイクロガスクロマトグラフィカラムが、特にＢｒｅｍｅｎ大学（ｈｔｔｐ：／／ｗｗｗ．ｍｃｂ．ｕｎｉ−ｂｒｅｍｅｎ．ｄｅ／ｓｈａｒｅｄ／Ｆｌｙｅｒ．ｐｄｆ）ＭｉｃｒｏｓｙｓｔｅｍｓセンターまたはＶｉｒｇｉｎｉａＴｅｃｈ ＶＴ ＭＥＭＳ ｌａｂ（ｈｔｔｐ：／／ｗｗｗ．ｍｅｍｓ．ｅｃｅ．ｖｔ．ｅｄｕ／ｒｅｓｅａｒｃｈ．ｐｈｐ？ｉｄ＝１９）により開発されている。

液体センサは、化学電界効果トランジスタ（ＣｈｅｍＦＥＴ）、櫛形電極、容量およびインピーダンス技術を含む光、磁気、電気化学センサ等、異なる種類のものであってよい。また、Ｅｘｓｉｇｅｎｔ（商標）社製品（Ｍｉｃｒｏ ＬＣ２００ Ｐｌｕｓ）のようなマイクロ高速液体クロマトグラフィ（ＨＰＬＣ）カラムを使用してもよい。

流体センサは、センサ付近の温度を制御する必要があるという共通の特徴を有している。従って、スティック内のセンサは、マイクロヒーターまたは赤外線から生じた光により暖めることができる。センサはまた、ゼーベックまたはペルチェ効果を利用するサーモプレートにより冷却することができる。熱変位要素は、センサ筐体上に、または流れの流入口のいずれかに配置されていてよい。調整は、Ｐｔレジスタまたは熱電対のような熱センサ１０３を介して行われる。湿度を制御するために、当業者には公知のシリカゲルまたはポリテトラフルオロエチレン（ＰＴＦＥ）膜等の湿度フィルタまたは膜をスティックに設けてもよい。液体に溶かされた気体を分析するため物理的障壁を設置してもよい点に留意されたい。Ｓｅｎｓｉｒｉｏｎ（商標）社のＳＨＴ−１０等、またはＴｅｘａｓ Ｉｎｓｔｒｕｍｅｎｔｓ社のＴＭＰ−００７等の温度／湿度センサが提供されている。流入および／または流出口が存在する場合、流れセンサが挿入されていてもよい。流れの測定を用いて、流体の流れの調整または流体センサ出力の正規化のいずれかのためにポンプの出力を制御する。そのようなセンサは、オムロン（商標）社から提供されている（Ｄ６Ｆ−Ｖ０３Ａ１）。センサプラットフォームに流体、流れ、温度および湿度センサの組み合わせを設けることが有利であろう。

センサの応答は従って、測定中にモニタリングされる検体の組成および物理パラメータに依存する。

湿度および温度は測定および調整可能である。または、測定データを処理時点で流体センサ応答を補償することができる。これらのパラメータを制御して測定位置の周囲温度に調整し、次いで各種の位置における測定値を所与の位置の周囲温度／湿度の値に補償することが有利であろう。装置を最初に製造工場で、次いで精度を高めるために測定箇所で較正すべきである。サーバが各種ソースからの大量なデータを含むシステムで装置が動作する場合、ソフトウェア較正を利用してもよい。

センサの種類、特徴パラメータおよびその較正履歴に関する情報を含む１個以上の構成ファイルが格納されるメモリを装置に設けることが有利であろう。この情報は、測定値を分析する処理機能へ送信することができる。メモリはまた、以下に詳述するように検知されたデータを分析して流体を識別するソフトウェアモデルを格納するために用いられる。

装置は埋め込み処理機能（図示せず）を備えていてよいが、自身データを全て外部処理機能へ送信することによっても動作可能である。装置は一般に、通信機能、例えばマイクロのＵＳＢポート１０４を備えており、装置の電池（図示せず）の再充電にも使用できる。代替的に、または追加的に、Ｗｉｆｉ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、直交シーケンススペクトラム拡散（ＯＳＳＳ）、または超狭帯域（ＵＮＢ）通信機能（図示せず）が設けられていてもよい。

装置は一般に、自身の状態（例えば、電池充電済み／充電中、分析実行中／分析無し）を表示すべく複数のＬＥＤ（１０２）、Ｏｎ／ｏｆｆボタン１０６、および恐らくはリセットボタン１０５を備えていてよい。

オプションとして、ディスプレイまたは簡単な追加的ＬＥＤ（図示せず）を設けて測定結果の表示または警報の表示を行うことができる。本発明の流体検知装置を日常生活の道具、例えば箸に実装して、レストランまたは家庭で調理されている食品の品質を測定することができる。他の使用事例において、または視覚的警報に加えて、警報は音声であってもよい。

図２ａ、２ｂ、２ｃに、本発明の多数の実施形態における、流体捕捉の動作条件を制御すべく適合された流体検知装置の３種の変型例を示す。

この方式は、スティック内の測定条件研究所の制御条件になるべく近づけることにより流体検知装置を安定化させるものである。これは、測定の変動を少なくすべく測定条件（温度、湿度、圧力、空気流等）を研究所内の基準測定条件になるべく近い値に設定する要素をスティックに備えることを意味する。

図２ａに示すように、ヘッドスペース２０１を制御するために、臭気／気体は流れないが、小開口または／およびフィルタを通って拡散して装置内のセンサに到達できるようにした空洞を用いることができる。装置は、外部空気中の影響が軽微な閉空間にサンプルヘッドスペースを生成すべく小開口空洞／ベル（２０２）を備えていてよい。サンプルの自然な拡散が装置内のセンサにより測定可能である。

図２ｂに示す別の実施形態において、小型カップ２０３が、ヘッドスペースを（ペン／スタイラスキャップのように）塞ぐためにスティックの底部をぴったり合わせるべく構成されている。このキャップは、サンプルで満たされており、空間を塞ぐべくスティックに載せられ、次いで静的モード（気体流が無い）で動作する。この場合、サンプルは所定の体積（恐らくカップ内側に印されている）まで、または温度センサと共にカップ底部の負荷セル（重量センサ）を用いて所与の重量まで搭載可能である。両部分（カップとスティック）の電極との電気接点が配置されている。

図２ｃに、スティックまたはスタイラスフォームファクタ内にある場合に装置と係合すべく構成された穴２０５を有する付属品２０４を示す。小さい穴２０７を通ってサンプルの流れを横穴２０６に流入させて、気体が流入口に流入する際に規則的に拡散できるようにする。この構成により測定条件（流れ、温度、湿度）を更に安定させることができる。

図３ａ、３ｂ、３ｃに、多数の実施形態における、本発明の装置およびその付属品の可能な物理的構成を示すために、流体検知装置の使用例を示す。

図３ａに示す使用事例において、魚等、恐らく気相の臭気を発散している食品片である検体３０２ａを、本発明による装置３０１ａを用いて分析している。装置は、細長い蓋３０３ａ（恐らく固体物体上方の空間を実質的に塞いでいる）を備えている。装置は、内側チャンバ３０４ａを備えており、当該チャンバは、気体センサ３０５ａ、流れセンサ３０６ａ、周囲空気を測定する温度および湿度センサ３０７ａ、および魚の表面温度を測定するＩＲセンサ３０８ａを含んでいる。装置はまた、吸引ポンプ３０９ａを備えている。

図３ｂに、気体／臭気相から気体を排除している小サンプルを容器３０１ｂにぴったり合わせることが可能な使用事例を示す。容器は、蓋３０２ｂ付きの分析チャンバに入れることができる。本発明による装置３０５ｂには、前記装置と係合した際に垂直位置に保持される特定の部材３０３ｂ、３０４ｂが、スティックまたはスタイラスフォームファクタ形状で設けられていてよい。

図３ｃに、スティックの一方の終端に流体センサ３０２ｃと、同一検体の液相上方の気相を同時に測定可能にすべく当該液体センサの終端から距離を置いた当該スティックの他方の終端または一方の側辺に気体センサ３０１ｃとを備えた本発明の一実施形態による装置を示す。同一分析チャンバ３０３ｃを用いて気体サンプル分析３０４ｃおよび液体サンプル分析３０５ｃを実行できるが、２個の異なる分析器を用いてもよい。気相および液相の測定値の相関により識別精度の向上が可能な検体の典型的な例としてソーダ、ワイン、ビールまたはジュース等の飲料である。

図４に、本発明の多数の実施形態における、学習能力を有する流体検知システムの機能アーキテクチャを示す。

データベースサーバ４０１、４０３は、処理機能４０５、４０６から、または流体検知装置から直接、測定データを収集する。対応する温度、圧力、流率、湿度データ、並びに合わせて文脈または注釈データと呼ばれる位置特定および／または他の種類の注釈（テキスト、音声、画像）も測定データと同時にデータベースサーバにより収集される。測定データおよび注釈データはフィルタリングおよび正規化した。これらのデータは、様々な種類のモデルの構築またはそれらのパラメータの調整に用いられ、異なる種類のモデルを異なる用途に適合させる。識別データ（すなわち一組の測定データ関する流体の属性／濃度）を取得するデータ処理およびモデリング技術について以下に詳述する。測定データ、注釈データ、モデルおよび識別データはデータベース４０２、４０４に格納される。データベースおよびデータベースサーバを特定の物理的位置に設置する必要はない。これらは、機微なデータを保護すべくセキュリティおよび安全規則、並びにプライバシーポリシが実施されている前提で「クラウド」に設置されていてよい。

データベースサーバは、地上のメトロポリタンまたはローカルエリアネットワーク、衛星ネットワーク、またはセルラネットワーク等、任意の種類のチャネルを介して処理機能または流体検知装置と通信可能である。当分野で公知の識別技術を用いて予約済みデータベースリソースへのアクセスを確保する。

処理機能４０５は、位置特定（全地球航法衛星システム、恐らく他のシステムにより強化または代替されている）および他の注釈機能を備えたスマートフォンであってよい。例えば、スマートフォンを用いて識別データを入力または記録することができる。スマートフォンはまた、後述するように検体の画像取得に用いてもよい。特定の実施形態において、本発明の多数の装置は、標準的なパーソナルコンピュータ（ＰＣ）に接続することができる。これは例えば、トレーナーが自チームの自転車選手、陸上選手、または他の種類の運動選手の呼吸をモニタリングしたい場合である。別の使用事例として、消費者が自身の冷蔵庫に収納している製品の品質を試験したい場合がある。

処理機能４０６は、臨床現場即時検査設備（ＰＯＣＴ）等の専用装置であってよい。ＰＯＣＴは、血液ガス分析、心臓モニタリング、超音波撮像、糖尿病検査、尿検査等、広範な試験に利用できる。ＰＯＣＴ設備は、在宅療養環境に居る患者に対して開業医が用いることができる。流体検知装置をＰＯＣＴ装置と組み合わせて使用できることは、多数の測定値をＰＯＣＴ装置の測定値と同期的に収集して、ＰＯＣＴデータチャネルを介して送信し、次いでＰＯＣＴ装置により収集されたデータと組み合わせて処理できるため有利である。可能性として、流体検知装置を用いて薬／毒性の識別、ウイルス／細菌の識別、かびの検知を行うことができる。

独自開発されたまたはカスタマイズされた仲介装置として機能可能な商用ＰＯＣＴは例えば、東芝（商標）のＢｒｅａｔｈ Ａｎａｌｙｓｅｒ（ｈｔｔｐ：／／ｗｗｗ．ｔｏｓｈｉｂａ．ｃｏ．ｊｐ／ａｂｏｕｔ／ｐｒｅｓｓ／２０１４＿０３／ｐｒ１８０１．ｈｔｍ参照）であろう。

流体検知装置４０７が処理機能４０５に接続されている。流体検知装置は、周囲温度／圧力および位置データが両方の装置で正しくなるように処理機能の付近に置かれていることが有利である。流体検知装置４１０も処理機能４０６との関係において同様である。流体特徴（識別、濃度）の測定は流体検知装置により実行される。処理機能を用いてこのデータを収集し、恐らくは前処理を行い、データモデリングツール（下記参照）に与える必要がある追加的なデータを収集し、当該データをデータベースサーバ４０１、４０３に送信し、恐らく識別データをオンサイトで直接生成するか、またはデータベースサーバから識別データを受信する。処理機能が多数のモデルを自身のメモリに格納して定期的に更新することも可能である。本発明の多数の実施形態において、流体検知装置４０９、４１２は、センサの測定値に加え、識別データを収集（例えば可能な検体のリストから単に選択）して、当該データを自身のセンサからの測定値と組み合わせてデータベースサーバへ直接送信できるように構成されている。これらの実施形態において、処理機能は流体検知装置に含まれている。同様に、検体の識別の結果をユーザーに伝達するために流体検知装置のディスプレイ（または単にＬＥＤ）を用いてもよい。

本発明のいくつかの変型例によれば、流体検知装置は、上で説明した異なるモード、すなわちスマートフォンまたはＰＣ等の汎用あるいはＰＯＣＴ設備等の専用仲介処理機能を介して、またはデータベースサーバと直接通信して、あるいは純粋にスタントアローンモードの一つで動作すべく構成されていてよく、各モデルはユーザーが装置購入時にメモリにロードされている。

図５に、本発明の多数の実施形態における、流体検知システムの注釈副処理のフロー図を示す。

同図において、多数の種類のデータを示しているが、そのごく一部しか存在できない。ネットワークの構造、データの構造、ユーザー登録、データ収集、データ使用のプロシージャはオペレータが指定しなければならない。

少なくとも流体（気体／液体）センサデータ５０１が装置により取得される。任意選択的に、但し有利な特徴として、温度センサデータ５０２、圧力／流れデータ５０３、湿度測定センサデータ５０４も取得されて、処理機能４０５、４０６へ送信すべくセンサデータセット内で調整される。念のために記すが、当該処理機能は、流体検知装置に埋め込まれていても、またはスマートフォン、ＰＣ、あるいはＰＯＣＴ設備等の他の種類の装置の近傍に配置されていてもよい。任意選択的に、温度、圧力、湿度測定データは、流体検知装置内に配置されていないが仲介処理機能に接続された他のセンサから取得されてもよい。装置が、モデリング目的でデータベースに入力すべくデータが取得されているモデリング動作モードにある場合、データベース内で正確に識別されて注釈データと組み合わせることができるように、タイムスタンプまたは連続番号または両者の組み合わせからなるラベル５０６をセンサデータセット、すなわち第１のデータセットに追加すべきである。

従って、同一ラベルを用いて、第２のデータセットが生成されるか、または第１のデータセットに追加され、前記第２のデータセットはセンサによる測定対象であるサンプルの識別およびモデルの訓練に用いる追加的なデータを含んでいる。少なくとも、当該注釈５０７は検体の種類（茶、コーヒー、ワイン、水等）または特性（良い／悪い／中位、赤／白、清潔／汚れあり等）の識別を含んでいければならない。この注釈は、流体検知装置のアプリケーション内のリストのオプションを選択することにより、または仲介処理機能により入力可能である。注釈はまた、自由テキストとして、あるいは話し言葉として入力することができる。注釈は、位置データ５０８により補完することができる。位置データは、スマートフォンＧＮＳＳ能力により提供されても、またはＰＣのアプリケーションから手動で入力されてもよい。位置データは、センサ測定値の較正および／または周囲温度／圧力／湿度測定センサデータの正規化に有用であろう。ＧＮＳＳ位置データは、ＧＮＳＳ信号の受信条件が劣悪（屋内、マルチパス環境等）である場合、Ｗｉｆｉまたはセルラネットワーク位置特定で代替可能である。また、恐らくパターン認識を用いる色分析に基づいて、検体またはその特定の品質の識別に役立てるため注釈データセットに追加すべく画像５０９を取得することができる。

注釈付きデータ５１０は次いで、データベースサーバ５１２へ送信５１１される。

図６に、本発明の多数の実施形態における、流体検知システムのモデリング副処理のフロー図を示す。

ステップ６０１において、データベースに格納されたデータを処理のため取り出す。ステップ６０２において、データは処理の準備がなされている。例えば、信頼できないソースからのデータセットを排除すべくデータをフィルタリングする必要であろう。収集されたデータは対象アプリケーションに応じて予め異なるカテゴリに分類することができる。事前分類は、データの取得元の属性に基づいて、全自動、全手動すなわちオペレータによる制御、または半自動で行われてよい。ステップ６０３において、アプリケーション（下記参照）の種類に基づいてある種のモデルが選択される。モデルは既にパラメータ化されていてよく、入力されたデータセットはモデルデータベースに追加される（またはされない）。あるいは、新規のデータセットを用いてモデルのパラメータを初期化する。次いで、新規のデータセットは統計的に解析され、選択されたモデルに応じてプロシージャが適用される（ステップ６０４）。モデル構築／更新プロシージャが実行され（６０５）、その際にデータは拒絶（６０６）されるまたはモデルに追加される（６０７）。更新されたモデルは次いで、データベースに格納され、当該モデルを用いるアプリケーションの登録ユーザー群へ送信される。

本発明によれば、測定値の多様性／選択性は、既知の測定条件における膨大な量の測定データを供給することに得られる。本発明の流体検知装置は、可変条件（温度、圧力、湿度測定法等）で機能することが可能である。また、本発明の装置からの測定値は、測定条件の品質が保証できる前提で、他の取得元からの測定値とデータベース内で併合可能である。特定の用途の場合、具体的な検体の識別の品質は、モデルが識別対象である検体の測定条件を表しているか否かに依存する。当該条件は、測定の制御変数が測定アーチファクトを含まないように初期化されていればよりよく満たされる。従って、モデルを構築および改良するために、恐らくは多数のソースからの可能な最大量のデータを用いることが有利である。ここで、測定値およびソースは必然的に雑音が多いが、測定値の量により情報ノイズが目立たなくなるであろう。

この方式において、センサ測定は、ユーザー／アプリケーション向けにモデルをカスタマイズするのに役立つ。例えば、モデルのカスタマイズは、測定位置（住宅、事務所、ナイトクラブ等）、天気、または特定の臭気に対するユーザーの感性等の要因による測定バイアスを補償することができる。データセットが巨大であることで、識別された指紋の確率に基づく新たな測定値の分類が可能になる。

モデルは、注釈処理を介して測定値にリンクされた全ての関連情報（ＧＮＳＳ位置特定および測定または取得された天気、湿度、温度、緯度、経度、高度その他のデータ、性別、年齢等のユーザー情報）と組み合わされたセンサ測定値の巨大な組から構築される。図示するように、これらのパラメータのいくつかは、ＧＮＳＳ位置、天気等の仲介装置から自動的に取得することができる。他のいくつかのパラメータは、モデルの調節および調整に役立たるべくユーザーの承認が得られたならばユーザーから丁重に求められる。空調管理等のいくつかの用途において、ユーザーの走査を一切必要とせず測定を装置が周期的（毎時、毎日等）に自動実行可能であると考えられる。初期データセットにより初期モデルの構築が可能になる。この初期モデルは更に、用途および／またはユーザーにリンクされた関連パラメータだけを抽出することにより特定のユーザー向けに調整することができる。調整されたモデルは更に、ユーザーの測定から得られた新規データまたは他のソースから得られた他のデータにより更新することができる。

測定自体の前後にセンサ測定値自体を正規化、調整、または較正することができる。この動作は、データ転送の前に流体検知装置側で、またはデータベースサーバ内のいずれかで行うことができる。センサは、ルーティンデータ評価に基づいてあってよい数学的較正モデルを介して較正することができる。装置データ入力を修正すべく工場で参照および較正を定期的に行ってクラウドへ送信することができる。サンプル測定から周囲空気マトリクスを除外／削減すべく参照／基線サンプル（例えば空気）をサンプルの付近で測定することができる。修正されたサンプル分析データは次いで更にクラウドへ送信される。

現場での各流体検知装置は、利用可能なサンプルの測定を定期的に実行して自己較正を行い、装置の再調整だけでなくデータの正規化も可能にする。

評価のためデータベースサーバへ送信されるセンサ情報の量は、データベースの容量に比べて小さいため、情報の伝達および分析は充分高速である。現実的であれば、ネットワークが許せばセンサ測定をオフラインで実行して、測定値を仲介装置に格納し、次いでデータベースサーバへ送信する。

サンプルがデータベースに格納されたならば、後述するように、分析対象情報は使用する用途およびモデルに依存する。例えば、最大強度、所与の単一／複数回での強度、測定値の変動の傾き、主な特徴／注目点、平衡点等を用いることが考えられる。当業者には公知の判別関数分析（ＤＦＡ）その他の統計モデルを用いて特定の用途で重要な変数を選択してもよい。

本発明の実施に用いるモデリングツールはパターン認識システムの分野に属する。初期モデルは、本発明の流体検知装置、または電子鼻すなわちｅノーズ等の研究室計測機器から入手可能な結果に対して構築されていてよい。当該モデルは、新たな未知のサンプルに対する認識指標が弱いかもしれない。しかし、多数のデータセットを追加することでモデルの適用および調整が可能になる。この方式では、モデルをユーザー／用途別にカスタマイズするのに測定が有用であり得る。

巨大なデータベースにおけるパターンを極めて短時間で識別するために異なるアルゴリズムを単独で、または組み合わせて用いることができる。

本発明を実施するために多数の統計モデルを単独で、または組み合わせて用いることができる。発明者は、多数の統計モデルを使用してきたが、最良の結果を与える可能性が最も高いモデル（群）の選択は用途に依存する。パターン認識分野で用いられるモデルのうち、決定木からクラスを構築するランダムフォレスト（ＲＦ）モデル、および測定値の組同士の依存（非依存）の程度からクラスを構築する類似性／非類似性測定モデルが挙げられる。

発明者らは、絞り込んだモデルの組が流体検知用途では通常であるパターン認識に対して最も効率的であることを見出した。絞り込んだモデルの組は以下のものを含んでいる。

ファジーモデル：参考文献として、例えば「Ｆｕｚｚｙ Ｍｏｄｅｌｓ ｆｏｒ ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ」、Ｍｅｔｈｏｄ ｔｈａｔ ｓｅａｒｃｈ ｆｏｒ ｓｔｒｕｃｔｕｒｅｓ ｉｎ Ｄａｔａ ＩＳＢＮ ０−７８０３−０４２２−５を参照されたい。

人工ニューラルネットワーク（ＡＮＮ）モデル：参考文献として、例えば下記を参照されたい。

「Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ」Ｔｈｅｏｒｅｔｉｃａｌ Ｆｏｕｎｄａｔｉｏｎｓ ａｎｄ Ａｎａｌｙｓｉｓ ＩＳＢＮ ０−８７９４２−２８０−７、
「Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ」Ｐａｒａｄｉｇｍｓ，ａｐｐｌｉｃａｔｉｏｎｓ，ａｎｄ ｈａｒｄｗａｒｅ ｉｍｐｌｅｍｅｎｔａｔｉｏｎｓ ＩＳＢＮ ０−８７９４２−２８９−０、
「Ａｒｔｉｆｉｃｉａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ Ｌｅａｒｎｉｎｇ：Ａ Ｃｏｍｐａｒａｔｉｖｅ Ｒｅｖｉｅｗ」Ｍｅｔｈｏｄｓ ａｎｄ Ａｐｐｌｉｃａｔｉｏｎｓ ｏｆ Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ Ｌｅｃｔｕｒｅ Ｎｏｔｅｓ ｉｎ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ，Ｖｏｌｕｍｅ ２３０８，２００２，ｐｐ３００−３１３、
「Ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ ａｎｄ ｓｔａｔｉｓｔｉｃａｌ ｔｅｃｈｎｉｑｕｅｓ：Ａ ｒｅｖｉｅｗ ｏｆ ａｐｐｌｉｃａｔｉｏｎｓ」Ｅｘｐｅｒｔ Ｓｙｓｔｅｍｓ ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎｓ Ｖｏｌｕｍｅ ３６，Ｉｓｓｕｅ １，Ｊａｎｕａｒｙ ２００９，Ｐａｇｅｓ ２−１７。

サポートベクターマシン（ＳＶＭ）：参考文献として、例えば「Ｒｅｖｉｅｗ ａｎｄ ｐｅｒｆｏｒｍａｎｃｅ ｃｏｍｐａｒｉｓｏｎ ｏｆ ＳＶＭ− ａｎｄ ＥＬＭ−ｂａｓｅｄ ｃｌａｓｓｉｆｉｅｒｓ」Ｅｘｐｅｒｔ Ｓｙｓｔｅｍｓ ｗｉｔｈ Ａｐｐｌｉｃａｔｉｏｎｓ Ｖｏｌｕｍｅ ３６，Ｉｓｓｕｅ １，Ｊａｎｕａｒｙ ２００９，Ｐａｇｅｓ２−１７を参照されたい。

階層クラスター分析（ＨＣＡ）：参考文献として、例えばｈｔｔｐ：／／ｍａｔｈ．ｓｔａｎｆｏｒｄ．ｅｄｕ／〜ｍｕｅｌｌｎｅｒを参照されたい。

適応共鳴理論（ＡＲＴ）は、本発明を適用するのに最も効率的なモデルの一つである。適応共鳴理論は、変化する外界における物体および事象を分類、認識、および予測することを脳が自律的に学習する方法に関する経験的且つニューラル的理論である。ＡＲＴの予測能力の中心に、変化する外界に応答して高速、漸進的、且つ安定した教師無しおよび教師有り学習を実行する能力がある。ＡＲＴは、教師無しおよび教師有り学習の両方を実行中に、意識、学習、予想、注意、共鳴、同調プロセス間の機械的関連付けを指定する。

参考文献として、例えば「Ａｄａｐｔｉｖｅ Ｒｅｓｏｎａｎｃｅ Ｔｈｅｏｒｙ： Ｈｏｗ ａ ｂｒａｉｎ ｌｅａｒｎｓ ｔｏ ｃｏｎｓｃｉｏｕｓｌｙ ａｔｔｅｎｄ，ｌｅａｒｎ，ａｎｄ ｒｅｃｏｇｎｉｚｅ ａ ｃｈａｎｇｉｎｇ ｗｏｒｌｄ」Ｓｔｅｐｈｅｎ Ｇｒｏｓｓｂｅｒｇ，Ｃｅｎｔｒｅ ｆｏｒ Ａｄａｐｔｉｖｅ Ｓｙｓｔｅｍｓ，Ｂｏｓｔｏｎ Ｕｎｉｖｅｒｓｉｔｙ，Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ，Ｅｌｓｅｖｉｅｒ Ｌｔｄ，２００２、「Ａｎ Ｅｍｂｅｄｄｅｄ ｓｙｓｔｅｍ ｆｏｒ ｒｅａｌ ｔｉｍｅ ｇａｓ ｍｏｎｉｔｏｒｉｎｇ ｕｓｉｎｇ ａｎ ＡＲＴ２ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ」Ｊｕｎｇ−Ｈｗａｎ Ｃｈｏ*，Ｃｈａｎｇ−Ｈｙｕｎ Ｓｈｉｍ＊＊，Ｉｎ−Ｓｏｏ Ｌｅｅ＋，Ｄｕｋ−Ｄｏｎｇ Ｌｅｅ*，ａｎｄ Ｇｉ−Ｊｏｏｎ Ｊｅｏｎ，Ｓｃｈｏｏｌ ｏｆ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ，Ｋｙｕｎｇｐｏｏｋ Ｎａｔｉｏｎａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｄａｅｇｕ，Ｋｏｒｅａ，ＩＣＣＡＳ２００３ Ｏｃｔｏｂｅｒ ２２−２５を参照されたい。

従って、具体的な用途で良好な結果を得るには、最適なモデルおよび当該モデルに最適な変数およびパラメータの両方を選択することが重要である。一例に過ぎないが、製品の組から臭気を識別するには以下の変数を有するＡＲＴモデルの選択が効率的であることが分かっている。
− センサの応答の最大変化率
− 過渡応答に対応する時間
− 異なる動作温度での定常状態応答。

これらのモデルはまた、測定値から構築された変数ではなく、測定値に直接適用することができる。

複数の統計モデルを、同一の測定値または測定値から構築された変数に並行して適用することができる。次いで、人間の専門知識、および／または識別の履歴、および／または最良適合基準の数学的定義を考慮に入れたヒューリスティックに基づいて、投票または融合スキームを適用することができる。

図７に、本発明の多数の実施形態における、流体検知システムの検知副処理のフロー図を示す。

ステップ７０１において本発明の流体検知装置を用いてセンサデータを取得する。データは、装置の構成に応じて、装置内で処理されるか、仲介処理機能へ送信されるか、またはデータベースサーバへ送信される。センサデータをステップ７０２で正規化しなければならない場合がある。次いで、用途に応じて、データセットの処理に適したモデルをステップ７０３で選択する。モデルデータベースは、流体検知装置、仲介処理機能またはデータベースサーバに常駐していても、あるいは３箇所に分散されていてもよい。流体識別プロシージャ（または濃度の測定）が次いでステップ７０４で実行され、モデルに関連付けられたパラメータをステップ７０５で考慮する。流体（または濃度）が、用途に基づいて設定された信頼区間内にあると識別された場合、処理は停止（７０６）し、結果がユーザーへ（恐らく信頼区間の指示と共に）送信される。識別プロシージャが、設定された信頼レベル内にある結果を返さなかった場合（７０７）、別のモデルを試すことができ（ステップ７０８）、当該処理は用途に基づいて設定された回数実行される。信頼レベル内に結果が存在しない状態で停止基準が満たされた場合、識別プロシージャを停止してユーザーに通知する。

上述の実施形態の特定の変型例によれば、ステップ７０７で識別プロシージャが設定された信頼レベル内にある結果を返さなかった場合、処理はステップ７０３へ戻ってデータセットを処理する新たなモデルを選択することができる。

特定の実施形態によれば、ステップ７０７で識別プロシージャが設定された信頼レベル内にある結果を返さなかった場合、本方法はステップ７０２へ戻って代替的な正規化構造に従いデータを再正規化することができる。

特定の実施形態によれば、ステップ７０７で識別プロシージャが設定された信頼レベル内にある結果を返さなかった場合、本方法はステップ７０１へ戻って新規データを取得することができる。

上述の３種の変型例が互い互換性を有しているため、本方法がこれらの変型例の２種以上を組み込み、更にこれらの変型例の異なる組み合わせを組み込んだ実施形態が考えられることが理解されよう。例えば、階層化を行うことにより、本方法は特定の個数の識別モデルに従い特定のデータセットの識別を試み、次いで同じ組の識別モデルを再試行する前に正規化を調整し、当該調整は、最終的に新規データを取得して処理を再開するまで、多数の異なる正規化について繰り返し実行されてよい。

多数の使用事例を以下に提示する。

実施例１：臭気の識別：一使用事例において４種の異なる製品（ラベンダー、シトロネラ、オレンジ、およびバニラが確実に識別される。製品のサンプルは、図３ｂに示す種類の装置に置かれる。サンプルは、測定の一定時間前に用意しなければならない。サンプルが適切に調整されたならば測定を実行し、データはスマートフォン４０５へ送信される。次いでデータ（測定値および／または変数）を用いて複数のモデルをスマートフォンまたはリモートサーバのいずれかで訓練することができる。本使用事例における注釈データは、極めて簡単（例えば、ユーザーはスマートフォンの画面上で正しい製品の画像に触る）である。次いで、４種の異なる製品の各測定値がモデルへ送られたならば、これを用いて４個の検体のうち１個を識別して正しい結果をスマートフォン上に表示することができる。

実施例２：コーヒー産地の判定：コーヒー粉２ｇをプレートに置く。流体検知装置（図２ａのｃｌｏｃｈｅ拡散モードの静的ヘッドスペースを有する）をコーヒーと接触するように置く。センサにより測定が実行される。センサ応答は、定常状態、または注目点あるいは所与の時間後に取得される。定常状態は特にセンサの材料に依存する。注目点は例えば、時間の関数としてのセンサ抵抗曲線の変曲点である。

典型的に、実施例１および２の種類の製品の場合、定常状態は数ミリ秒または秒（使用するＭＯＳセンサの種類に応じて１０〜１００ミリ秒または秒）にわたる。所与の時間は、センサ膜を熱安定化させるべく選択されており、当該値は膜材料の熱時定数に関連付けられている。全ての応答を同時に取得することができる。得られた値は、コーヒーサンプルの産地を識別すべくデータベースと比較される。データベースは、装置内、スマートフォン、タブレットまたはＰＣ等の仲介処理機能、またはデータベースサーバ内にあってよい。結果はスティックまたは仲介装置のいずれかに提供される。

実施例３：口臭分析：ユーザーは自身の息の質を調べるために装置に息を吹き込んでいる。口臭は吐息に存在する不快な臭気に対応する。悪臭は、歯の疾病、舌の裏の細菌、ＥＮＴ（耳、鼻、喉）のいずれかの障害、胃等に起因する場合がある。しかし、原因は活動、生活の質、食品摂取まで遡り得る。この悪臭によりユーザーに社会生活上の不安や憂鬱を感じる恐れがある。

センサ応答は、定常状態、または注目点、あるいは所与の時間後のいずれかで取得される。これらを全て同時に取得し、得られた変数の適切な組み合わせを更なる識別およびモデル調整のためクラウドへ送信することができる。初期モデルは、既知の不健康な人および息の臭いが良い健常人の対照群と共に構築される。当該モデルは更に、結果の推定精度を高めるべく異なるユーザーから受け取った全のデータにより更に改良される。モデル構築は、臭いを出す人、食品摂取、生活の質に応じて更に調整される。モデルのデータセットが大きいことで悪臭の発生源の識別が可能になり、ユーザーに異なる可能な原因および推奨されるより良質の息の臭いを通知する。

体液（血液、プラズマ、尿等）または体の臭気もまた分析することができる。

本明細書に開示する実施例は、本発明のいくつかの実施形態を図示するものに過ぎない。これらは、添付の請求項により規定される前記発明の範囲を一切限定しない。

Claims (19)

1. −検体（３０２ａ）を検知して流体検知信号を生成する流体センサ（３０１ｃ、３０２ｃ）と、
   −前記流体検知信号を表す第１のデータセットを第１の処理機能（４０７、４１０、４０５、４０６、４０１、４０２）へ送信すべく構成された通信機能（４０７、４０９、４１０、４１２）とを含み、
   前記第１のデータセットが更に、前記流体検知信号を特徴付けるラベルを含み、前記ラベルが前記通信機能および前記第一の処理機能のうち一方で生成される流体検知装置（１００）。
2. 前記流体センサが気体センサ（３０１ｃ）を含んでいる、請求項１に記載の流体検知装置。
3. 前記気体センサが単一の半導体金属酸化物元素を含んでいる、請求項２に記載の流体検知装置。
4. 前記気体センサが複数の半導体金属酸化物元素の配列および積層の一方を含んでいる、請求項２に記載の流体検知装置。
5. 前記複数の半導体金属酸化物元素の少なくともいくつかを照射する紫外線光源を更に含んでいる、請求項４に記載の流体検知装置。
6. 前記気体センサがマイクロガスクロマトグラフを含んでいる、請求項２に記載の流体検知装置。
7. ベル形状の延長部（２０２）を備えた流入口を有している、請求項２〜６のいずれか１項に記載の流体検知装置。
8. 前記流体センサが液体センサ（３０２ｃ）を含んでいる、請求項１〜７のいずれか１項に記載の流体検知装置。
9. 前記液体センサがマイクロＨＰＬＣカラムを含んでいる、請求項８に記載の流体検知装置。
10. 請求項４〜９のいずれか１項に従属する場合、前記液体センサの接触面を含む終端を備えた細長いフォームファクタを有している、請求項９に記載の流体検知装置。
11. 流入口が、分析対象サンプルおよび前記流体検知装置を収容するカップとして使用できる取り外し可能なキャップで覆われている、請求項１〜１０のいずれか１項に記載の流体検知装置。
12. 温度センサ（３０７ａ）、流れセンサ（３０５ａ）、および湿度測定法センサを含むグループから選択された追加的なセンサをさらに含み、前記追加的なセンサの出力が前記処理機能へ送信される、請求項１〜１１のいずれか１項に記載の流体検知装置。
13. 第１の流体の性質と第２の流体内における前記第１の流体の濃度との少なくとも一方を識別するモデルを構築する方法であって、
    −第１の処理機能において、前記第１の流体の性質と前記第２の流体内における前記第１の流体の濃度との少なくとも一方を表すと共に流体検知信号を特徴付けるラベル（５０６）を含む第１のデータセット（５０１）を受信するステップ（５０５）と、
    −前記第１の処理機能において、前記第１のデータセットと、前記第１の流体の性質と前記第２の流体内における前記第１の流体の濃度との少なくとも一方を表すテキスト、音声、および画像（５０７、５０９）のうち少なくとも一つを含む第２のデータセットとを組み合わせるステップ（５１０）と、
    −前記第１のデータセットおよび前記第２のデータセットを前記第１の処理機能から第２の処理機能へ送信するステップ（５１１）と、
    −前記第２の処理機能において、複数の第１の処理機能からの前記第１のデータセットおよび前記第２のデータセット複数のペアを、前記複数の第２のデータセットの分類に基づいて分類するステップ（６０２）と、
    −前記分類の出力において各クラス毎に、前記複数の第１のデータセットと前記複数の第２のデータセットとを互いに関連付ける、前記第１の流体の性質に適合された統計モデルを選択するステップ（６０３）と、
    −第１のデータセットおよび第２のデータセットの前記複数のペアから各クラス毎に前記統計モデルのパラメータを計算するステップ（６０４、６０５、６０７）とを含む方法。
14. 前記第１のデータセットおよび前記第２のデータセットの一方が更に、前記流体検知装置の位置で測定された温度（５０２）、流率（５０３）および湿度測定法（５０４）のうち少なくとも１個の値を含んでいる、請求項１３に記載の方法。
15. 前記第２のデータセットが更に、前記第１の処理機能の位置特定を行うためのデータ（５０８）を含んでいる、請求項１３〜１４のいずれか１項に記載の方法。
16. 第１の流体の性質と第２の流体内における前記第１の流体の濃度との少なくとも一方を識別する方法であって、
    −流体検知装置から、前記流体検知装置の付近に配置された第１の処理機能において、前記第１の流体の性質と前記第２の流体内における前記第１の流体の濃度の少なくとも一方を表す第１のデータセットを受信するステップ（７０１）と、
    −第２の処理機能から、前記第１の処理の機能において、請求項１４〜１６のいずれか１項に記載の方法により構築された複数の統計モデルを取得するステップと、
    −前記複数の統計モデルから１個の統計モデルを選択するステップ（７０３）と、
    −前記選択結果の出力時点で前記第１のデータセットを前記統計モデルに入力するステップと（７０４）、
    ・第１の流体の性質と第２の流体内における前記第１の流体の濃度との少なくとも一方が識別されたならば、前記第１の処理機能において当該結果を出力するステップと、
    ・第１の流体の性質と第２の流体内における前記第１の流体の濃度の少なくとも一方が識別されなかったならば、結果が得られるかまたは停止基準が満たされるまで前記選択の少なくとも１個を再実行して統計モデルを取得するステップとを含む方法。
17. 請求項１３〜１６に記載の方法の少なくとも一つを実行すべく構成された処理機能。
18. 請求項１３〜１６に記載の方法の少なくとも一つを実行すべく構成された少なくとも１個の有形媒体に格納されたコンピュータプログラム。
19. 請求項１〜１２のいずれか１項に記載の複数の流体検知装置、複数の第１の処理機能および少なくとも第２の処理機能含み、前記複数の第１の処理機能および前記少なくとも第２の処理機能が請求項１３〜１６のいずれか１項に記載の方法を実行すべく構成されているシステム。

Images