JP2019504997A - 側方多視点から試料を定量化するように構成された方法及び装置 - Google Patents

側方多視点から試料を定量化するように構成された方法及び装置 Download PDF

Info

Publication number
JP2019504997A
JP2019504997A JP2018539286A JP2018539286A JP2019504997A JP 2019504997 A JP2019504997 A JP 2019504997A JP 2018539286 A JP2018539286 A JP 2018539286A JP 2018539286 A JP2018539286 A JP 2018539286A JP 2019504997 A JP2019504997 A JP 2019504997A
Authority
JP
Japan
Prior art keywords
sample
serum
blood
plasma
gel
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.)
Granted
Application number
JP2018539286A
Other languages
English (en)
Other versions
JP2019504997A5 (ja
JP6870826B2 (ja
Inventor
クルックナー、シュテファン
チャーン、ヤオ−ジェン
チェン、テレンス
ポラック、ベンジャミン，エス．
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.)
Siemens Healthcare Diagnostics Inc
Original Assignee
Siemens Healthcare Diagnostics 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 Siemens Healthcare Diagnostics Inc filed Critical Siemens Healthcare Diagnostics Inc
Publication of JP2019504997A publication Critical patent/JP2019504997A/ja
Publication of JP2019504997A5 publication Critical patent/JP2019504997A5/ja
Application granted granted Critical
Publication of JP6870826B2 publication Critical patent/JP6870826B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/49—Blood
    • G01N33/491—Blood by separating the blood components
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
    • G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/90—Investigating the presence of flaws or contamination in a container or its contents
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/49—Blood
    • 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
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00722—Communications; Identification
    • G01N35/00732—Identification of carriers, materials or components in automatic analysers
    • 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
    • G01N35/02—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor using a plurality of sample containers moved by a conveyor system past one or more treatment or analysis stations
    • G01N35/04—Details of the conveyor system
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
    • 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
    • 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
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F22/00—Methods or apparatus for measuring volume of fluids or fluent solid material, not otherwise provided for
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
    • G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
    • G01F23/22—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water
    • G01F23/28—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm by measuring physical variables, other than linear dimensions, pressure or weight, dependent on the level to be measured, e.g. by difference of heat transfer of steam or water by measuring the variations of parameters of electromagnetic or acoustic waves applied directly to the liquid or fluent solid material
    • G01F23/284—Electromagnetic waves
    • G01F23/292—Light, e.g. infrared or ultraviolet
    • G01F23/2921—Light, e.g. infrared or ultraviolet for discrete levels
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1765—Method using an image detector and processing of image signal
    • G01N2021/177—Detector of the video camera type
    • G01N2021/1772—Array detector
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1765—Method using an image detector and processing of image signal
    • G01N2021/177—Detector of the video camera type
    • G01N2021/1776—Colour camera
    • 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
    • G01N2035/00465—Separating and mixing arrangements
    • G01N2035/00495—Centrifuges
    • 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
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00722—Communications; Identification
    • G01N35/00732—Identification of carriers, materials or components in automatic analysers
    • G01N2035/00742—Type of codes
    • G01N2035/00752—Type of codes bar codes
    • 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
    • G01N35/02—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor using a plurality of sample containers moved by a conveyor system past one or more treatment or analysis stations
    • G01N35/04—Details of the conveyor system
    • G01N2035/0401—Sample carriers, cuvettes or reaction vessels
    • G01N2035/0406—Individual bottles or tubes
    • 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
    • G01N35/02—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor using a plurality of sample containers moved by a conveyor system past one or more treatment or analysis stations
    • G01N35/04—Details of the conveyor system
    • G01N2035/0439—Rotary sample carriers, i.e. carousels
    • 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
    • G01N35/0099—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor comprising robots or similar manipulators
    • 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
    • G01N35/02—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor using a plurality of sample containers moved by a conveyor system past one or more treatment or analysis stations
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10144—Varying exposure
    • 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
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10152—Varying illumination
    • 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
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Hematology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Ecology (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Urology & Nephrology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Quality & Reliability (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Geometry (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Mathematical Optimization (AREA)

Abstract

試料を定量化するためのモデルベースの方法。方法は、試料を提供し、異なる公称波長を有する複数のスペクトルで、また複数の異なる露光で照明されながら試料の画像をキャプチャすることと、血清又は血漿部分と、沈降した血液部分と、ゲルセパレータ（使用する場合）と、空気と、管と、ラベル、又はキャップのうちの１つ以上を含む様々なクラスの種類に試料を分類することと、試料を定量化することとを含む。定量化は、液体と空気の界面の位置と、血清と血液の界面の位置と、血清とゲルの界面の位置と、血液とゲルの界面の位置と、血清又は血漿部分の体積及び／又は深さ、又は沈降した血液部分の体積及び／又は深さのうちの１つ以上を判定することを含む。この方法を実行するように構成された品質チェックモジュール及び試料検査装置が、他の態様と同様に記載される。

Description

関連出願
本出願は、２０１６年１月２８日に出願された「側方多視点から試料を定量化するように構成された方法及び装置」と題する米国仮特許出願第６２／２８８、３６２号に対する優先権を主張し、その開示はその全体が参照により本明細書に援用される。
本発明は、試料を検査するための方法及び装置に関し、より詳細には、試料に含まれる様々な構成要素の量を判定する方法及び装置に関する。
自動検査システムは、尿、血清、血漿、間質液、脳脊髄液などの試料中の分析物又は他の成分を識別するために、１つ以上の試薬を用いて化学分析又は臨床分析を行うことができる。便宜上及び安全上の理由から、これらの試料は、常に試料容器（例えば、試料採取管）内に収容される。検査反応は、様々な変化を生じ得るものであり、読み取り及び／又は操作して、分析物、又は試料内に含まれ、実施形態によっては患者の疾患状態を示す可能性がある他の成分の濃度を判定する。
自動化された検査技術の改良には、実験室自動化システム（ＬＡＳ）と呼ばれる自動試料調製システムによる分類、バッチ処理、試料構成要素を分離するための試料容器の遠心分離、流体アクセスを容易にするためのキャップ除去などの分析前試料調製及び取り扱い操作における対応する進歩が伴う。ＬＡＳはまた、様々な操作（例えば、前分析又は分析検査）を行うことができるように、試料容器内の試料を多数の試料処理ステーションに自動的に搬送することができる。
ＬＡＳは、標準のバーコードラベル付き試料容器に収容される多数の異なる、また様々なサイズの試料を処理してもよい。バーコードラベルは、患者の情報や、病院の検査室情報システム（ＬＩＳ）に入力される他の情報を含む、又はそれに関連付けることができる受託番号を、検査の順番及び他の所望の情報と共に含んでいてもよい。オペレータは、ラベル付き試料容器を、ＬＡＳシステム上に置くことができ、ＬＡＳは、例えば、遠心分離、キャップ取り外し、さらに／又は一定分量調製などの分析前操作のために試料容器を自動的に転送可能である。これらはすべて、試料に対して、実際に臨床分析が行われる前、又はＬＡＳの一部となりうる１つ以上の分析装置（臨床化学又は化学分析器）による化学分析が行われる前に実施される。
特定の検査では、血清又は血漿部分（遠心分離によって全血液から得られる）を使用することができる。場合によっては、ゲルセパレータを試料容器に添加して、血清又は血漿部分から沈降した血液部分の分離を補助してもよい。遠心分離及びその後のキャップ取り外し処理の後、試料容器は、試料の血清又は血漿部分を試料容器から抽出し、血清又は血漿部分を反応容器（例えば、キュベット）中の１つ以上の試薬と組み合わせることができる適切な分析装置に搬送してもよい。分析測定は、例えば、照会放射のビームを使用して、又は測光若しくは蛍光測定吸収読み取りなどを使用して実行されることが多い。測定値から、終点又は速度又は他の値を判定し、それらから既知の技術を用いて分析物又は他の成分の量を判定することができる。
米国特許出願公開第２０１２／０１４０２３０
残念なことに、試料中の様々な部分（例えば、沈降した部分、血清又は血漿部分、及びゲルセパレータ（使用する場合））間の境界の判定は、既存の方法を使用して判定することが困難な場合がある。したがって、結果として得られる血清又は血漿部分の体積、又は沈降した部分と血清又は血漿部分の相対量は、判定するのが困難であるか、又は単に判定されないこともある。
以前は、試料の血清又は血漿部分の気液界面の位置は、深度センサ（例えば、容量性プローブ測定、又はプローブが下降するときの吸引圧力のモニタリング）によって判定してもよい。これに基づいて、プローブ（「ピペット」とも呼ばれる）は、血清又は血漿部分の表面よりも下に所定量下げて、吸引を開始してもよい。しかし、特に複数の検査が指示され患者の試料に指示された場合に、利用可能な血清又は血漿部分の量を知らないと、プローブが汚れる可能性がある。プローブを低く下げ過ぎると、プローブが沈降した血液部分又はゲルセパレータで汚れる可能性があり、プローブを清浄するために先端の交換又は分析装置の停止が必要となることがある。
ＬＡ界面の検出には上記の問題があるので、容量式又は圧力式の方法を使用することなく、自動光学検査方法によって試料の様々な部分のサイズを評価することが望ましい。しかしながら、場合によっては、試料容器に直接貼付されたバーコードラベルが、試料を部分的に閉塞して、血清又は血漿部分を視覚的に鮮明に観察することができないこともある。さらに、溶血、黄疸、及び脂肪血を含む試料間にかなり大きな色ずれが存在し、境界線の検出をさらに複雑にする可能性がある。
ミラーに付与された特許文献１に記載されているような他のシステムは、試料容器を回転させて、ラベルによって遮られていない視野窓を見つけ出し、次いで、光画像化システムを使用して構成要素の相対量を測定する。しかしながら、そのようなシステムは、自動化し難い可能性がある。
試料中に含まれる種々の構成要素の量を判定する際に遭遇しうる困難のために、各構成要素の体積及び／又は構成要素間の境界の正確な位置を容易に判定するように構成された方法及び装置に対する未充足ニーズがある。この方法及び装置は、分析検査結果を得る速度に著しく悪影響を与えるべきではない、すなわち、ＬＡＳ上で起こる全体的な検査処理の速度を低下させてはならない。さらに、方法及び装置は、１つ以上のラベルが試料の一部を遮るようなラベル付き試料容器上でも使用可能でなければならない。
第１の態様によれば、試料容器内に収容された試料を定量化する方法が提供される。この方法は、試料を提供することと、異なる公称波長を有する複数のスペクトルで、又、複数の異なる露光で試料の画像をキャプチャすることと、複数のスペクトルのそれぞれにおける複数の異なる露光で画像から最適に露光された画素を選択して、複数のスペクトルのそれぞれについて最適に露光された画像データを生成することと、血清又は血漿部分と、沈降した血液部分と、ゲルセパレータを使用する場合はゲルセパレータと、空気と、管と、ラベル、又はキャップのうちの１つ以上を含む様々なクラスの種類に試料を分類することと、空気と血清又は血漿部分の間の気液界面の位置と、ゲルセパレータを使用する場合には、血清又は血漿部分とゲルセパレータの間の血清とゲルの界面の位置と、血清又は血漿部分と沈降した血液部分の間の血清と血液の界面の位置と、ゲルセパレータを使用する場合には、沈降した血液部分とゲルセパレータの間の血液とゲルの界面の位置と、血清又は血漿部分の体積及び／又は深さ、又は沈降した血液部分の体積及び／又は深さの１つ以上を計算することと、を含む。
別の態様によれば、試料を定量化するように構成された品質チェックモジュールが提供される。品質チェックモジュールは、異なる公称波長と複数の露光を有する複数のスペクトルで、又、異なる視点から、試料の画像をキャプチャするように構成された複数のカメラと、複数のスペクトルのそれぞれにおける複数の異なる露光で画像から最適に露光された画素を選択して、複数のスペクトルのそれぞれについて最適に露光された画像データを生成することと、血清又は血漿部分と、沈降した血液部分と、あればゲルセパレータと、空気と、管と、ラベル、又はキャップのうちの１つ以上を含む様々なクラスの種類に試料を分類することと、空気と血清又は血漿部分との間の気液界面の位置と、血清又は血漿部分と沈降した血液部分との間の血清と血液の界面の位置と、血清又は血漿部分と使用する場合はゲルセパレータとの間の血清とゲルの界面の位置と、沈降した血液部分と使用する場合はゲルセパレータとの間の血液とゲルの界面の位置と、血清又は血漿部分の体積及び／又は深さ、又は沈降した血液部分の体積及び／又は深さの１つ以上を判定することにより試料を定量化するように構成され操作可能なコンピュータを含む。
さらに別の態様では、試料検査装置が提供される。試料検査装置は、トラックと、トラック上の品質チェックモジュールとを含み、品質チェックモジュールは、異なる公称波長を有する複数のスペクトルで、複数の異なる露光で、又、異なる視点から、試料の画像をキャプチャするように構成された複数のカメラと、複数のスペクトルのそれぞれにおける複数の異なる露光で画像から最適に露光された画素を選択して、複数のスペクトルのそれぞれについて最適に露光された画像データを生成することと、血清又は血漿部分と、沈降した血液部分と、ゲルセパレータを使用する場合はゲルセパレータと、空気と、管と、ラベル、又はキャップのうちの１つ以上を含む様々なクラスの種類に試料を分類することと、空気と血清又は血漿部分との間の気液界面の位置と、血清又は血漿部分と沈降した血液部分との間の血清と血液の界面の位置と、ゲルセパレータを使用する場合には、血清又は血漿部分とゲルセパレータとの間の血清とゲルの界面の位置と、ゲルセパレータを使用する場合には、沈降した血液部分とゲルセパレータとの間の血液とゲルの界面の位置と、血清又は血漿部分の体積及び／又は深さ、又は沈降した血液部分の体積及び／又は深さとのうちの１つ以上を判定することによって試料を定量化するように構成され操作可能なコンピュータとを含む。
別の態様によれば、試料容器内に収容された試料を定量化するモンテカルロシミュレーション法が提供される。この方法は、試料容器に収容された試料を画像化位置に提供することと、試料の画像をキャプチャすることと、少なくとも血清又は血漿部分及び沈降した血液部分を含む試料の領域を判定することと、多変量レベルモデルからのレベル推定仮説を抽出することと、画像空間へレベル推定仮説をマッピングすることと、領域内の信頼性を統合することと、それぞれの領域内の信頼性を最大限にすることと、信頼性を最大限にするレベル推定仮説を選択することとを含む。
本発明のさらに他の態様、特徴、及び利点は、本発明を実施するために考えられる最良の形態を含む多くの例示的な実施形態及び実施を例示することによって、以下の説明から容易に明らかになるであろう。本発明は、他の異なる実施形態も可能であり、そのいくつかの詳細は、本発明の範囲からすべて逸脱することなく、様々な点で変更してもよい。したがって、図面及び説明は、本質的に例示的であると見なされるべきであり、限定的とみなされるべきではない。本発明は、添付の特許請求の範囲に含まれるすべての変更、均等物、及び代替物を含有するものである。
以下に説明する図面は、説明のためのものであり、必ずしも一定の縮尺で描かれているわけではない。図面は、決して本発明の範囲を限定するものではない。
１つ以上の実施形態による１つ以上の品質チェックモジュール及び１つ以上の分析装置とを含む試料検査装置を示す上面概略図である。 １つ以上の実施形態による試料定量化法を用いることによって定量化可能な試料を含むラベル付き試料容器の側面図である。 １つ以上の実施形態による試料定量化法を用いて定量化可能な試料及びゲルセパレータを含むラベル付き試料容器の側面図である。 １つ以上の実施形態による、複数の画像をキャプチャ及び分析して、試料を定量化するように構成された品質チェックモジュールを示す概略上面図である。 １つ以上の実施形態による図４Ａの品質チェックモジュールを示す概略側面図である。 １つ以上の実施形態による、複数の画像をキャプチャ及び分析して、試料を定量化するように構成された品質チェックモジュールを示す概略上面図である。 １つ以上の実施形態による、図４Ｃの品質チェックモジュールを示す概略側面図である。 １つ以上の実施形態による、試料を定量化するように構成された品質チェックモジュールの構成要素を示すブロック図である。 １つ以上の実施形態による、試料を定量化並びに試料の特徴を検出する能力、あるいは試料容器を定量化する能力を含む試料検査装置の構成要素全体を示すブロック図である。 １つ以上の実施形態による、試料を定量化する方法のフローチャートである。 １つ以上の実施形態による、試料を定量化するモンテカルロシミュレーション法のフローチャートである。
第１の広い態様では、本発明の実施形態は、試料の１つ以上の寸法特徴を定量化する方法及び装置を提供する。本明細書で使用される「寸法特徴」は、試料全体の任意の寸法、試料を構成する構成要素の任意の寸法、例えば、血清又は血漿部分の寸法、沈降した血液部分の寸法、ゲルセパレータ（使用する場合）の寸法、並びにこれらの構成要素の１つ以上の体積及び／又は深さ、を意味する。より正確に試料の１つ以上の構成要素の寸法特徴を知ることにより、吸引シーケンスの間に試料容器内のプローブ（「ピペット」とも呼ばれる）の位置決めを適切に誘導して、プローブが、沈降した血液部分又はゲルセパレータ（使用する場合）を吸引することによって目詰まり又は汚染しないようにし、吸引空気を最小にすることができる。さらに、利用可能な血清又は血漿部分の量を正確に判定することができることにより、その部分をより完全に使用することができ、複数の検査が特定の試料に対して指示された場合に、検査を実施するために試料容器に十分な量の血清又は血漿部分が存在することの検証の事前チェックを行うことができる。血清又は血漿部分、及び沈降した血液部分の寸法特徴を正確に知ることにより、それらの間の比を決定することが可能になる。
本明細書に記載の試料は、採血管のような試料容器に採取することができ、分離（例えば、遠心分離による分別）後の沈降した血液部分、及び血清及び血漿部分を含んでいてもよい。沈降した血液部分は、白血球、赤血球、及び血小板などの血液細胞で構成され、血清又は血漿部分から凝集分離される。沈降した血液部分は、概ね、試料容器の底部に見られる。血清又は血漿部分は、沈降した血液部分の一部以外の血液の液体構成要素である。これは、概ね、沈降した血液部分の上に見られる。血漿及び血清は、凝固成分、主にフィブリノーゲンの含有量が主に異なる。血漿は、凝固していない液体であり、血清は、内因性酵素又は外因性構成要素の影響下で凝固することが可能な血漿を指す。いくつかの試料容器では、ゲルセパレータ（例えば、プラグ）を使用してもよく、これは、分別中に沈降した血液部分と血清又は血漿部分との間に位置させる。これは、２つの部分の間の障壁として機能する。
１つ以上の実施形態によれば、試料定量化法は分析前検査法として実施することができる。例えば、１つ以上の実施形態では、試料がインターフェレントの存在について特徴付けられる前に、又は分析装置でルーチン分析に供される前に、試料定量化法を実施することができる。特に、本発明の１つ以上の実施形態は、さらなる分析前検査のための前提条件として試料の寸法定量化を提供する。試料の寸法定量化は、品質チェックモジュールで判定することができる。品質チェックモジュールは、異なる側方視点から試料容器及び含まれた試料の画像を提供するように構成された複数のカメラを含んでいてもよい。
特に、寸法定量化法は、血清又は血漿部分、及び場合によっては試料の他の構成要素（例えば、沈降した血液部分）の定量化を含み、高ダイナミックレンジ（ＨＤＲ）画像処理を用いて実施することができる。この方法によれば、血清又は血漿部分の界面（例えば、気液界面、血清と血液の界面、又は血清とゲルとの界面）の位置は、ＨＤＲ画像処理を用いて非常に正確に判定することができる。
定量化法が試料の物理的寸法特徴を判定した後、生成されたＨＤＲデータセットを使用して、血清又は血漿部分中に任意のアーチファクト（例えば、凝塊、気泡、及び泡）が存在するかなど、試料についてのさらなる情報を判定すること、及び／又は溶血、黄疸、及び／又は脂肪血（以下、「ＨＩＬ」）のようなインターフェレントの存在を判定することができる。血清又は血漿部分にアーチファクト又は１つ以上のＨＩＬが含まれていることが判明した場合、試料にさらなる処理を施すことができる。例えば、識別された凝塊、気泡、又は泡は、別のステーションに運ばれ、オペレータによる凝塊、気泡、又は泡の手動による除去、あるいは、ＨＩＬのさらなる処理又は特徴付けなどが行われる。このようなさらなる処理の後、いくつかの実施形態では、１つ以上の分析装置上で継続して試料のルーチン分析を行うことができる。プレスクリーニングにより、試料が正常であることが分かった場合、試料をその後、１つ以上の分析装置によるルーチン分析に直接導いてもよい。
いくつかの実施形態では、品質チェックモジュールは、寸法定量化法を実施するように構成される。品質チェックモジュールは、トラックが１つ以上の分析装置に試料を搬送する実験室自動化システム（ＬＡＳ）の一部として設けられてもよく、品質チェックモジュールがトラックに設けられてもよい。特定の実施形態では、品質チェックモジュールは、ローディングステーション又はトラックの他の位置などのトラック上に設けられ、その結果、トラック上で試料を寸法的に定量化することができる。
ＨＤＲデータ処理を含む定量化法は、複数の露光（例えば、露光時間）で品質チェックモジュールで複数の画像をキャプチャ（取得）し、異なる公称波長を有する複数のスペクトルによって照明されることを含んでいてもよい。異なる視点から画像をキャプチャするように構成された複数のカメラを使用して画像を取得してもよい。複数のスペクトル（例えば、色）における１つ以上の画像の撮影は、異なる光源を用いて照明することにより達成される。例えば、白色光源、赤色光源、緑色光源、青色光源、近赤外線光源、又は紫外線光源を使用することができる。
品質チェックモジュールで、各スペクトル（又は、波長範囲）の複数の露光の画像を取得することができる。例えば、各スペクトル（又は、波長範囲）について、異なる露光で４〜８枚以上の画像を取得することができる。露光は、照明強度及びカメラの特徴に基づいて変化させることができる。
本発明の試料寸法定量化法、品質チェックモジュール、及び品質チェックモジュールを含む試料検査システムのさらなる詳細については、本明細書の図１〜図７を参照してさらに説明する。
図１は、複数の試料容器１０２（例えば、試料採取管、図２及び図３参照）を自動的に処理可能な試料検査装置１００を示す。試料容器１０２は、１つ以上の分析装置（例えば、試料検査装置１００の周囲に配置される、それぞれ第１、第２、及び第３の分析装置１０６、１０８、１１０）への搬送及びこれらによる分析の前に、ローディングエリア１０５にある１つ以上のラック１０４に収容してもよい。より多く、又はより少ない数の分析装置を使用できることは明らかである。分析装置は、臨床化学分析装置及び／又は分析器などの任意の組み合わせであってもよい。試料容器１０２は、採血管、検査管、サンプルカップ、キュベット、又は概ね透明なガラス若しくはプラスチック容器などの、概ね透明又は半透明の容器であってもよい。他の適切な容器を使用してもよい。
典型的には、自動的に処理される試料２１２（図２及び図３）は、試料容器１０２内の試料検査装置１００に提供される。試料容器１０２はキャップ２１４でキャップしてもよい（図２及び図３。あるいは「ストッパ」とも称する）。キャップ２１４は、異なる形状及び／又は色（例えば、赤色、ロイヤルブルー、ライトブルー、緑色、グレー、黄褐色、黄色、又はこれらの組み合わせ）を有していてもよく、試料容器１０２がどの検査に使用されるか、試料容器１０２中に含有される添加剤の種類は何か、等を意味する。他の色を使用してもよい。
試料容器１０２のそれぞれには、試料検査装置１００の周囲の様々な位置で機械可読の識別情報２１５（すなわち、指標）、例えば、バーコード、英字、数字、英数字、又はこれらの組み合わせを設けてもよい。識別情報２１５は、検査室情報システム（ＬＩＳ）１４７を介して、患者の識別並びに試料２１２上で達成する検査、又は、例えば、他の情報を示すことができる、あるいは、それらを相互に関連付けることができる。この識別情報２１５は概ね、試料容器１０２に貼付された、又は試料容器１０２の側面に設けられたラベル２１８上に設けてもよい。ラベル２１８は、概して、試料容器１０２の周囲全体、又は試料容器１０２の長さ全体に亘って延びているのではない。いくつかの実施形態では、複数のラベル２１８が貼付されてもよく、わずかに重なっていてもよい。したがって、ラベル２１８は、試料２１２の一部の視野を遮ることがあるが、試料２１２の他の部分は、依然として、ある視点から見ることができる。本発明の実施形態は、特徴付けのための（従来技術のような）試料容器の回転を排除してもよい。いくつかの実施形態では、ラック１０４は、その上にバーコードのような追加の識別情報を有してもよい。
試料２１２は、管２１２Ｔ内に収容された血清又は血漿部分２１２ＳＰ、及び沈降した血液部分２１２ＳＢを含んでいてもよい。空気２１２Ａは、血清及び血漿部分２１２ＳＰの上に設けられ、それらの間の線又は境界を、本明細書では気液界面（ＬＡ）として定義する。図２に示すように、血清又は血漿部分２１２ＳＰと沈降した血液部分２１２ＳＢとの間の境界線は、本明細書では血清―血液界面（ＳＢ）として定義される。空気２１２Ａとキャップ２１４との間の界面は、本明細書では管―キャップ界面（ＴＣ）と称する。血清又は血漿部分２１２ＳＰの高さは（ＨＳＰ）であり、血清又は血漿部分２１２ＳＰの上面から沈降した血液部分２１２ＳＢの上面まで、すなわち図２のＬＡからＳＢまでの高さとして定義する。沈降した血液部分２１２ＳＢの高さは（ＨＳＢ）であり、図２のＳＢで沈降した血液部分２１２ＳＢの底部から沈降した血液部分２１２ＳＢの上面までの高さとして定義する。図２のＨＴＯＴは、試料２１２の全高であり、ＨＴＯＴ＝ＨＳＰ＋ＨＳＢである。
ゲルセパレータ３１３を使用する場合（図３参照）、血清又は血漿部分２１２ＳＰの高さは（ＨＳＰ）であり、血清又は血漿部分２１２ＳＰの上面ＬＡからゲルセパレータ３１３の上面ＳＧまでの高さ、すなわち、図３のＬＡからＳＧまでの距離として定義する。沈降した血液部分２１２ＳＢの高さは（ＨＳＢ）であり、図３の沈降した血液部分２１２ＳＢの底部からゲルセパレータ３１３の底部ＢＧまでの高さとして定義する。図３のＨＴＯＴは、試料２１２の全高であり、ＨＴＯＴ＝ＨＳＰ＋ＨＳＢ＋ゲルセパレータ３１３の高さである。いずれの場合も、壁厚はＴｗであり、外幅はＷであるので、試料容器１０２の内幅はＷｉである。管の高さ（ＨＴ）は、管２１２Ｔの最下部からキャップ２１４の底部までの高さとして定義する。
より詳細には、試料検査装置１００は、トラック１２１を取り付ける又は支持するベース１２０（例えば、フレーム又は他の構造体）を含んでいてもよい。トラック１２１は、レール付きトラック（例えば、モノレールトラック又はマルチレールトラック）、コンベヤベルトの集合、コンベヤチェーン、移動可能なプラットフォーム、又は任意の他の適切な種類の搬送機構であってもよい。トラック１２１は、円形、蛇行状、又は任意の他の適切な形状であってもよい。トラック１２１は、いくつかの実施形態では、閉じたトラック（例えば、無限トラック）であってもよい。トラック１２１は、動作中に、個々の試料容器１０２を、キャリア１２２内に位置しつつトラック１２１の周囲に間隔をおいて配置された位置に搬送してもよい。
キャリア１２２は、トラック１２１上に単一の試料容器１０２を運ぶように構成された受動的で非運動性のパックであってもよく、又は任意で、トラック１２１周囲を移動し、トラック１２１の周囲の予めプログラムされた位置で停止するようにプログラムされたリニアモータなどの搭載駆動モータを含む自動キャリアでもよい。キャリア１２２は、それぞれ、試料容器１０２を規定の直立位置に保持するように構成されたホルダ１２２Ｈ（図４Ａ〜図４Ｄ）を含んでいてもよい。ホルダ１２２Ｈは、任意の適した構造体を含んでいてもよく、また試料容器１０２をキャリア１２２に固定するが、異なるサイズの試料容器１０２が収容されるように側方に移動可能又は柔軟性のある複数のフィンガ又は板ばねを含んでいてもよい。いくつかの実施形態では、キャリア１２２は、そこにステージングされた１つ以上のラック１０４を有するローディングエリア１０５から退出してもよい。いくつかの実施形態では、ローディングエリア１０５は、分析が完了した後に、キャリア１２２から試料容器１０２を外すことを許容する二重の機能を果たすことができる。あるいは、トラック１２１の他の場所に、荷下ろし用レーンを設けてもよい。
ロボット１２４は、ローディングエリア１０５に設けてもよく、１つ以上のラック１０４に位置する試料容器１０２を把持し、試料容器１０２をトラック１２１の入力レーン、又はトラック１２１の他の場所などのような、キャリア１２２上に搭載するように構成してもよい。ロボット１２４はまた、分析の完了時にキャリア１２２から試料容器１０２を除去するように構成される。ロボット１２４は、Ｘ及びＺ、Ｙ及びＺ、Ｘ、Ｙ及びＺ、ｒ及びθ、又はｒ、θ及びＺ運動が可能な１つ以上の（例えば、少なくとも２つの）ロボットアーム又は構成要素を含む。ロボット１２４は、ガントリーロボット、関節ロボット、Ｒ−θロボット、又は他の適切なロボットであってもよく、ロボット１２４は、試料容器１０２をピックアップして配置可能なロボットグリッパフィンガを備えていてもよい。
トラック１２１上に搭載されると、キャリア１２２によって担持された試料容器１０２は、試料２１２の分別を行うように構成可能な遠心分離機１２５（例えば、自動遠心分離機）に進むことができる。試料容器１０２を運ぶキャリア１２２を、流入レーン１２６又は他の適切なロボットによって遠心分離機１２５に向かって方向転換させてもよい。遠心分離後、試料容器１０２は流出レーン１２８を退出するか、あるいはロボットによって除去されて、引き続きトラック１２１上を進んでもよい。図示された実施形態では、キャリア１２２内の試料容器１０２は、次に、図４Ａ及び図４Ｄを参照して本明細書にさらに記載する品質チェックモジュール１３０に搬送してもよい。
品質チェックモジュール１３０は、試料容器１０２に収容される試料２１２の定量化のために構成され、適合される。試料２１２の定量化は、品質チェックモジュール１３０で行うことができ、ＨＳＰ、ＨＳＢ、ＨＴＯＴの判定、並びにＳＢ、ＬＡ、ＳＧ、及び／又はＢＧの位置の判定を含んでいてもよい。また、品質チェックモジュール１３０は、試料検査装置１００によって処理される試料２１２に含まれる溶血（Ｈ）、黄疸（Ｉ）、及び／又は脂肪血（Ｌ）の１つ以上など、インターフェレントの存在を判定するように構成してもよい。いくつかの実施形態では、試料２１２は、品質チェックモジュール１３０においてアーチファクト（例えば凝塊、気泡、又は泡）の存在について検査してもよい。いくつかの実施形態では、ＨＴ、キャップの色、キャップの種類、ＴＣ、及び管幅（Ｗ）を判定するなど、試料容器１０２の物理的属性の定量化を品質チェックモジュール１３０で行うことができる。
一旦試料が定量化されると、試料２１２及び／又は試料容器１０２は、インターフェレントの存在について、１つ以上のアーチファクトについて、又は試料容器１０２のさらなる特徴付けについて事前にスクリーニングされてもよく、次いで、試料２１２を前進させて１つ以上の分析装置（例えば、分析装置１０６、１０８、及び／又は１１０）で分析してから、各試料容器１０２をローディングエリア１０５に移動して降ろしてもよい。
さらに、遠隔ステーション１３２は、遠隔ステーション１３２がトラック１２１に直接リンクされていなくても、自動化された試料検査装置１００上に設けてもよい。例えば、独立したロボット１３３（点線で示す）は、試料２１２を収容する試料容器１０２を遠隔ステーション１３２に担持し、それらを検査／処理の後に戻すことができる。任意で、試料容器１０２は、手動で取り出して戻すことができる。遠隔ステーション１３２を使用して溶血レベルなどの特定の構成要素を検査することができ、あるいは、１つ以上の添加物によって脂肪血症レベルを低下させるため、あるいは、例えば、凝塊、気泡、又は泡を除去するためなどのさらなる処理を行ってもよい。他の検査又は処理は、遠隔ステーション１３２で達成してもよい。さらに、追加のステーション（図示せず）は、トラック１２１の周りの、キャップ取り外しステーション、一定分量調製などに配置してもよい。
試料検査装置１００は、トラック１２１の周囲の１つ以上の位置に多数のセンサ１１６を含んでいてもよい。センサ１１６を使用して、試料容器１０２上に置かれた識別情報２１５（図２）又は各キャリア１２２に設けることができる同様の情報（図示せず）を読み取ることによって、トラック１２１に沿って試料容器１０２の位置を検出してもよい。いくつかの実施形態では、別体のＲＦＩＤチップを各キャリア１２２に埋め込み、従来のＲＦＩＤリーダシステムをトラッキング動作に使用してもよい。位置をトラッキングするための他の手段、例えば近接センサなどを使用してもよい。全てのセンサ１１６は、各試料容器１０２の位置を常に適度に知ることができるように、コンピュータ１４３とインターフェースをとってもよい。
遠心分離機１２５、及び分析装置１０６、１０８、１１０のそれぞれは、概ね、キャリア１２２をトラック１２１から除去するように構成されたロボット機構及び／又は流入レーン（例えば、流入レーン１２６、１３４、１３８、１４４）と、キャリア１２２をトラック１２１上に再投入するように構成されたロボット機構及び／又は流出レーン（例えば、流出レーン１２８、１３６、１４１、及び１４６）を備えていてもよい。
試料検査装置１００は、コンピュータ１４３によって制御してもよく、コンピュータ１４３は、適切なメモリと適切な調整用電子機器と、ドライバと、様々なシステム構成要素を操作するためのソフトウェアとを有するマイクロプロセッサベースの中央処理装置ＣＰＵであってもよい。コンピュータ１４３は、試料検査装置１００のベース１２０の一部として、又はベース１２０から分離して収容してもよい。コンピュータ１４３は、プログラム化された指示によって、キャリア１２２のローディングエリア１０５への及びそこからの移動、トラック１２１の周囲の動き、遠心分離機１２５への及びそこからの動きを制御することができる。コンピュータ１４３又は別体のコンピュータは、遠心分離機１２５の動作、品質チェックモジュール１３０への及びそこからの動き、並びに品質チェックモジュール１３０の動作、さらに各分析装置１０６、１０８、１１０への及びそこからの動き、並びに様々なタイプの検査（例えば、化学分析又は臨床化学）を実施するための各分析装置１０６、１０８、１１０の動作を制御することができる。
品質チェックモジュール１３０以外の全てについて、コンピュータ１４３は、ニューヨーク、タリータウンのシーメンスヘルスケアダイアグノスティックス株式会社（Ｓｉｅｍｅｎｓ Ｈｅａｌｔｈｃａｒｅ Ｄｉａｇｎｏｓｔｉｃｓ Ｉｎｃ．）によって販売されているディメンション（登録商標）臨床化学分析装置で使用されるものなどのソフトウェア、ファームウェア、及び／又はハードウェアコマンド又は回路に従って試料検査装置１００を制御してもよく、このような制御は、コンピュータベースの電気機械制御プログラミングの当業者にとって典型的であるので、本明細書ではこれ以上説明しない。しかしながら、他の適切なシステムを使用して、試料検査装置１００を制御してもよい。品質チェックモジュール１３０の制御は、本明細書で詳細に説明するように、本発明のモデル型法によれば、コンピュータ１４３によって提供してもよい。
本発明の実施形態は、ユーザが様々な制御画面及びステータス表示画面に、容易かつ迅速にアクセス可能とするコンピュータインタフェースモジュール（ＣＩＭ）１４５を使用して実施してもよい。これらの制御及びステータス画面で、試料２１２の調製及び分析に使用される複数の相互に関係する自動化装置のいくつか又はすべての態様を説明することができる。ＣＩＭ１４５を採用して、複数の相互に関係する自動化装置の動作状態についての情報を提供してもよく、また、任意の試料２１２の位置を記述する情報及び試料２１２上で実行する、又は実行されている検査のステータスを記述する情報を提供してもよい。ＣＩＭ１４５は、オペレータと試料検査装置１００が相互作用しやすくなるように構成してもよい。よって、ＣＩＭ１４５は、オペレータが試薬検査装置１００とインターフェースをとるアイコン、スクロールバー、ボックス、及びボタンを含むメニューを表示するように構成された表示画面を含んでいてもよい。
図２及び図３には、試料２１２を含む試料容器１０２が示されている。図２は、血清又は血漿部分２１２ＳＰ、及び沈降した血液部分２１２ＳＢを含む試料２１２をゲルセパレータなしで示す。図３は、血清又は血漿部分２１２ＳＰ、及び沈降した血液部分２１２ＳＢを含む試料２１２をゲルセパレータ３１３付きで示す。本発明の一態様に従って試料２１２をプレスクリーニングすることにより、血清又は血漿部分２１２ＳＰ、及び／又は沈降した血液部分２１２ＳＢの相対量だけでなく、ＬＡ，ＳＢ，及びＳＧの物理的位置の正確な定量化が可能になる。定量化は、指示された検査を実行するために利用可能な血清又は血漿部分２１２ＳＰの量が不十分である場合に、試料２１２が１つ以上の分析装置１０６、１０８、１１０への進行を確実に停止することができる。このようにして、不正確な検査結果を回避することができる。
有利なことに、ＬＡ及びＳＢ又はＳＧの位置を正確に定量化する能力は、空気を吸引する可能性を最小限に抑えるだけでなく、沈降した血液部分２１２ＳＢ、又はゲルセパレータ３１３（使用する場合）を吸引する可能性も最小限に抑える。したがって、いくつかの実施形態では、分析装置１０６、１０８、１１０で血清又は血漿部分を吸引するために使用する試料吸引プローブの目詰まり及び汚染を回避又は最小化することができる。
図４Ａ〜４Ｂを参照して、品質チェックモジュール１３０の第１の実施形態を示し、説明する。品質チェックモジュール１３０は、１つ以上の分析装置１０６、１０８、１１０による分析の前に試料（例えば、血清又は血漿部分２１２ＳＰ、沈降した血液部分２１２ＳＢ、又はその両方の量）を自動的に定量化するように構成してもよい。このようにプレスクリーニングすることにより、正確な吸引プローブの位置決めが可能になり、液体部分（例えば、試料２１２の血清又は血漿部分２１２ＳＰ）の十分な量（例えば、体積又は深さ）が利用可能であるので、貴重な分析装置リソースの無駄や、空気、沈降した血液部分２１２ＳＢ、又はゲルセパレータ３１３（使用する場合）の吸引を回避できるという判定ができる。
ＬＡ、ＳＢ及び／又はＳＧの物理的位置のうちの１つ以上、及び／又はＨＳＰ、ＨＳＢ、及び／又はＨＴＯＴの判定、及び／又は血清又は血漿部分の体積（ＶＳＰ）又は深さ及び／又は沈降した血液部分（ＶＳＢ）の体積又は深さが定量化される試料定量化法に加え、品質チェックモジュール１３０において試料容器１０２に収容される試料２１２に対して他の検出方法を行ってもよい。例えば、いくつかの実施形態では、インターフェレント検出法は、インターフェレント（例えば、Ｈ、Ｉ、及び／又はＬ）の有無を判定することができる。アーチファクト検出方法は、アーチファクト（例えば凝塊、気泡、又は泡）の有無を判定することができる。さらに、品質チェックモジュール１３０を使用して、試料容器１０２を定量化する、すなわち、試料容器１０２のＴＣ、ＨＴ、及び／又はＷの位置、及び／又はキャップ２１４の色及び／又は種類などの試料容器１０２の特定の物理的寸法特徴を定量化することができる。
ここで、図１、図４Ａ及び図４Ｂを参照すると、品質チェックモジュール１３０の第１の実施形態は、複数のカメラ４４０Ａ〜４４０Ｃを含んでいてもよい。３つのカメラ４４０Ａ〜４４０Ｃが示されているが、２つ以上、３つ以上、又はさらに４つ以上のカメラを使用してもよい。カメラ４４０Ａ〜４４０Ｃは、デジタル画像（すなわち、画素化された画像）をキャプチャできる従来のデジタルカメラ、電荷結合素子（ＣＣＤ）、光検出器のアレイ、１つ以上のＣＭＯＳセンサ、などであってもよい。例えば、３つのカメラ４４０Ａ、４４０Ｂ、４４０Ｃが図４Ａに示されており、３つの異なる視点からデジタル画像をキャプチャするように構成されている。各カメラ４４０Ａ、４４０Ｂ、４４０Ｃは、一実施形態では約２５６０画素×６９４画素、別の実施形態では約１２８０画素×３８４画素の画像サイズを有するデジタル画素化画像をキャプチャすることができる装置でもよい。他の画素密度を使用してもよい。各カメラ４４０Ａ〜４４０Ｃは、試料容器１０２の少なくとも一部、及び試料２１２の少なくとも一部の側方画像をキャプチャするように構成及び動作可能である。例えば、カメラ４４０Ａ〜４４０Ｃは、ラベル２１８又はキャップ２１４の一部及び管２１２Ｔの一部をキャプチャしてもよい。最終的に、複数の画像から、試料容器１０２内の試料２１２の複合モデルを作成することができる。複合モデルは、いくつかの実施形態では、３Ｄモデルであってもよく、これを使用して、最終判定を行ってもよく、又は試料２１２の周囲の個々のカメラによって行われた判定を確認してもよい。
図示の実施形態では、複数のカメラ４４０Ａ〜４４０Ｃは、試料２１２の周囲に配置され、複数の視点から側方画像をキャプチャするように構成される。視点は、３つのカメラ４４０Ａ、４４０Ｂ、４４０Ｃが使用されるときに、図示のように互いに約１２０度など、互いにほぼ等間隔になるように離間されていてもよい。図示のように、カメラ４４０Ａ〜４４０Ｃは、トラック１２１の周りに配置してもよい。複数のカメラ４４０Ａ〜４４０Ｃの他の配置及び間隔を使用してもよい。このようにして、試料容器１０２内の試料２１２の画像は、試料容器１０２がキャリア１２２に存在している間に、ただし試料容器１０２を回転させることなく撮影される。画像はわずかに重なり合うことがある。
１つ以上の実施形態では、各カメラ４４０Ａ〜４４０Ｃからの法線ベクトルが交差する点などのような、キャリア１２２を品質チェックモジュール１３０内の所定の位置で停止させることができる。いくつかの実施形態では、キャリア１２２を所定の位置で停止させるためにゲートを設けることにより、良好な品質の画像をキャプチャすることができる。他の実施形態では、キャリア１２２は、キャリア１２２を所望の位置にプログラムしたように停止させるように構成されたリニアモータを含んでいてもよい。品質チェックモジュール１３０にゲートを含む実施形態では、（センサ１１６などの）１つ以上のセンサを使用して、品質チェックモジュール１３０でキャリア１２２の存在を判定してもよい。
カメラ４４０Ａ〜４４０Ｃは、画像ウィンドウ、すなわち、試料容器１０２の予想される位置を含む領域に、近接して向けて、又は焦点を合わせて設けてキャプチャするようにしてもよく、試料容器１０２は、ビューウィンドウのほぼ中心に配置されるように停止させてもよい。構成されたように、カメラ４４０Ａ〜４４０Ｃは、血清又は血漿部分２１２ＳＰの一部、沈降した血液部分２１２ＳＢの一部、キャップ２１４の一部又は全部、及びおそらくは管２１２Ｔの最下部又は参照データを含む画像を撮影することができる。画像内には、１つ以上の参照データが存在してもよい。参照データは、試料２１２の定量化を助けることができる。参照データは、例えば、ＴＣ又は試料容器１０２の最下部、又は、試料容器１０２上のいずれかの既知の場所のマークであってもよい。
動作中、各画像は、コンピュータ１４３が送信可能な通信ライン４４３Ａ〜４４３Ｃに供給されたトリガ信号に応答してトリガされキャプチャされてもよい。キャプチャされた画像の各々は、本明細書で提供される定量化法の１つ以上の実施形態に従って処理してもよい。特に、ＨＤＲ処理を使用して、試料２１２を定量化するために画像をキャプチャして処理してもよい。
より詳細には、異なる公称波長を有する異なるスペクトルによって、異なる視点で照明しながら、試料２１２（例えば、分別によって分離された試料２１２）の複数の画像が複数の異なる露光（例えば、露光時間）で品質チェックモジュール１３０でキャプチャされる。例えば、各カメラ４４０Ａ〜４４０Ｃは、１つ以上のスペクトル（又は、白色光のような１つ以上の波長範囲）において、異なる露光時間で４〜８枚以上の画像を撮ることができる。各スペクトルの異なる露光における画像は、すべてのカメラ４４０Ａ〜４４０Ｃで同時に撮影されてもよい。
一実施形態では、異なる色の光源４４４Ａ〜４４４Ｃを用いて試料容器１０２及び試料２１２を照明することによって、複数の波長の画像を得ることができる。第１の実施形態では、光源４４４Ａ〜４４４Ｃは、（図４Ａ及び図４Ｂに示すように）試料容器１０２を背面照明することができる。任意で、図４Ｃ及び図４Ｄに示すように、光源４４４Ｄ〜４４４Ｆは、それぞれのカメラ４４０Ａ〜４４０Ｃの上、下、又は側面に配置されたような試料容器１０２を前面照明してもよく、又は他の場所に配置してもよい。いくつかの実施形態では、光源４４４Ａ〜４４４Ｃ又は４４４Ｄ〜４４４Ｆと共に、光拡散器及び／又は光フィルタを使用することができる。
例えば、第１のスペクトルで画像をキャプチャするために、３つの赤色光源（約４５０ｎｍの公称波長及び約±３５ｎｍのスペクトル幅）を使用して、試料２１２を３つの側方に間隔をあけた位置から照明することができる。光源４４４Ａ〜４４４Ｃによる赤色照明は、異なる露光時間での複数の画像（例えば、４〜８枚以上の画像）が各カメラ４４０Ａ〜４４０Ｃによってキャプチャされるときに発生する可能性がある。いくつかの実施形態では、露光時間は、約１ｍｓと２５６ｍｓとの間でよい。例えば、８ｍｓ、３２ｍｓ、１２８ｍｓ、１５６ｍｓの露光時間が使用できる。他の露光時間を使用してもよい。
各実施形態において、品質チェックモジュール１３０、１３０Ａは、トラック１２１を少なくとも部分的に囲む、もしくは覆うことができるハウジング４４６を含んでいてもよく、試料容器１０２は、外側照明が最小限となるように画像撮影段階中にハウジング４４６の内側に位置していてもよい。ハウジング４４６は、キャリア１２２がハウジング４４６の中に出入りできるようにするためのドア４４６Ｄを１つ以上含んでいてもよい。いくつかの実施形態では、天井は、ロボットグリッパフィンガを含むロボットによって、試料容器１０２がキャリア１２２内に上方から搭載されることを可能にする開口部４４６Ｏを含んでいてもよい。前面照明を照明に使用する場合、品質チェックモジュール１３０Ａは、画像コントラストを改善するバックストップ壁４４７を含んでいてもよい。バックストップ壁４４７は、試料２１２の予想される色の範囲以外であれば任意の適切な色でよい。いくつかの実施形態では、黒色の材料を使用してもよい。
赤色に照明された画像が図４Ａ及び図４Ｂの実施形態でキャプチャされると、赤色光源４４４Ａ〜４４４Ｃは消灯してもよく、次に他のスペクトルの光、例えば、緑色光源４４４Ａ〜４４４Ｃをオンにしてもよい（約±３５ｎｍのスペクトル幅の約５６０ｎｍの公称波長）。そして、異なる露光時間における複数の画像（例えば、４〜８枚以上の画像）を、異なる視点に配置された各カメラ４４０Ａ〜４４０Ｃによってその波長でキャプチャしてもよい。これは、各カメラ４４０Ａ〜４４０Ｃの青色光源４４４Ａ〜４４４Ｃ（約±３５ｎｍのスペクトル幅の約６３５ｎｍの公称波長）を用いて繰り返すことができる。より大きい又はより小さい波長、又はＲＧＢとは異なる公称波長を使用してもよい。異なる波長光源４４４Ａ〜４４４Ｃは、例えば、交換可能なフィルタ、又は選択的にオン／オフすることができる異なる色の光源のバンクを使用することによって達成することができる。他の手段を使用して異なるスペクトル（着色）照明を生成してもよい。
任意の実施形態では、図４Ｃ及び図４Ｄに最もよく示すように、例えば、カメラ４４０Ａ〜４４０Ｃに隣接して、すなわち、上方、下方、側方、又はこれらの組み合わせで、ただし試料容器１０２に対しそれぞれのカメラ４４０Ａ〜４４０Ｃと同じ側にくるように、配置された光源４４４Ｄ、４４４Ｅ、及び４４４Ｆを備えることにより、試料容器１０２は、品質チェックモジュール１３０Ａに前面照明を含むことができる。この任意の実施形態では、カメラ４４０Ａ〜４４０Ｃは、それぞれ、約６３５ｎｍ、５６０ｎｍ、及び４５０ｎｍのＲＧＢピークを有するデジタルカラーカメラであってもよいが、ＲＧＢカラーのそれぞれは、モノクロカメラと組み合わせて上記の実施形態で使用される離散光源に比べて比較的広い波長範囲を有する。
この任意の実施形態では、光源４４４Ｄ、４４４Ｅ、及び４４４Ｆはそれぞれ白色光源であってもよい。例えば、光源４４４Ｄ〜４４４Ｆは、約３９０ｎｍ〜約７００ｎｍの波長範囲を発光してもよく、複数の側方位置から試料２１２を照射するために使用してもよい。異なる露光時間（例えば、４〜８回以上の露光）での複数の画像は、各カメラ４４０Ａ〜４４０Ｃによって撮影してもよい。撮影された各白色光画像は、複数の波長でその色成分に分離されて、キャプチャされた画像と複数の波長を提供することができる。例えば、コンピュータ１４３は、撮影された画像を、約４００ｎｍ〜約７００ｎｍの間の少なくとも３つのキャプチャ波長に分離してもよい。例えば、４５０ｎｍ、５６０ｎｍ、及び６３５ｎｍのＲＧＢ構成要素をそれぞれコンピュータ１４３によって画像から分離して、マルチスペクトルの、複数回露光されてキャプチャされた画像をキャプチャしてもよい。画像は、ライン４４３Ａ〜４４３Ｃのコンピュータ１４３からの信号を介して、前述のように撮影することができる。
上記の設定のそれぞれについて、それぞれの波長（例えば、Ｒ、Ｇ、及びＢ）で複数の露光時間で撮影されたこれらの複数の画像のすべてを迅速に連続して得ることができ、複数の視点からの試料２１２の画像収集全体が、約２秒未満で得られるようにしてもよい。例えば、３台のカメラ４４０Ａ、４４０Ｂ、４４０Ｃと、ＲＧＢ光源４４４Ａ〜４４４Ｃを用いた背面照明を使用して、３つの視点において各波長に対して４つの異なる露光画像から、４つの連写画像×３色×３つのカメラ＝３６画像が得られる。別の例では、カメラ４４０Ａ、４４０Ｂ、４４０Ｃと、白色光源４４４Ｄ〜４４４Ｆを用いた前面照明を使用して、３つの視点において４つの異なる露光画像から、４つの画像×３つのカメラ＝１２画像が得られる。しかし、ＲＧＢ画像は、カメラ４４０Ａ〜４４０Ｃによって撮影された白色光画像を個々のＲＧＢ構成要素に分離することによって、キャプチャされる。よって、分離後に、３６枚の画像もキャプチャされる。画像データは、コンピュータ１４３のメモリに格納され、その後、処理されて試料２１２を定量化する。
試料定量化法によれば、画像データの処理は、例えば、スペクトルごとに、そしてカメラ４４０Ａ〜４４０Ｃごとに異なる露光でキャプチャされた複数の画像から最適に露光された画素を選択して、スペクトルごとに（例えば、Ｒ、Ｇ、及びＢ）及びカメラ４４０Ａ〜４４０Ｃごとに最適に露光された画像データを生成することを含んでもよい。これは、本明細書では「画像統合」と称することにする。対応する各画素について、各カメラ４４０Ａ〜４４０Ｃからの露光時間ごとの画像に対して、最適な画像強度を示す画素を、異なる露光時間画像それぞれから選択する。最適な画像強度は、例えば、所定の強度（例えば、０〜２５５のスケールでは１８０〜２５４間の強度）の範囲内にある画素として定義してもよい。２つの画像の対応する位置にある２つ以上の画素が最適に露光されると判定された場合、２つのうちのより高い方を選択する。その結果、全ての画素が最適に露光されたカメラ４４０Ａ〜４４０Ｃごとの、複数の統合されたカラー画像データセット（例えば、Ｒ、Ｇ、Ｂ）（例えば、波長（例えばＲ、Ｇ、及びＢ）及びカメラごとに１つの画像データセットが得られる）。次に、各画素の最適に露光された強度値は露光時間によって正規化され、露光時間に関係なくすべての画素が正規化される。
品質チェックモジュール１３０、１３０Ａの較正（キャリブレーション）の一部として、試料容器１０２又はキャリア１２２のない参照画像を撮影してもよい。このようにして、前景のみを残して各画像データセットから背景を除去することができる。露光時間及び照明条件（Ｒ、Ｇ、Ｂ、又は白色光）ごとの参照画像は、例えば、試料定量化法を実施する前に品質チェックモジュール１３０、１３０Ａによって撮影してもよい。
最適に露光された画素を含む各画像データセットに対して、特徴付け処理が行われ、画素を識別する。画素は、液体領域（すなわち、試料２１２の血清又は血漿部分２１２ＳＰ）として、又は別のクラスに属するように分類することができる。血清又は血漿部分２１２ＳＰを識別することは、最適に露光された画像データの各画素を分類することに基づくことができる。分類は、複数のトレーニングセットから生成されたマルチクラス分類器（例えば、マルチクラス分類器５１５）に基づいて行うことができる。マルチクラス分類器５１５は、例えば、サポートベクトルマシン（ＳＶＭ）又はランダム判定ツリーを備えることができる。液体領域を判定する他の手段を使用してもよい。
セグメント化段階での画素の分類を実行するために、異なるスペクトル（例えば、Ｒ、Ｇ、及びＢ）でそれぞれのカメラ４４０Ａ〜４４０Ｃで最適に露光された画素のそれぞれについて、第１の統計データを計算してもよい。統計データは、平均値、変動、及び相関値を含み得る第２次までの属性を含んでもよい。特に、共分散マトリックスは、多次元データ全体に亘って計算して識別パターンを表してもよい。
一度生成されると、統計データは、マルチクラス分類器５１５に送られるとともに、そこで操作される。マルチクラス分類器５１５は、画像内の画素を、１―血清又は血漿部分、２―沈降した血液部分、３―ゲルセパレータ（使用する場合）、４―空気、５―管、６―ラベル、７―キャップなどのような複数のクラスラベルの１つに属するものとして分類することができる。任意で、キャリアを分類してもよい。これにより、液体領域（すなわち、血清及び血漿部分２１２ＳＰ）を構成する画素を識別することができる。
マルチクラス分類器５１５は、線形又は非線形である任意の適切な種類の監視分類モデルであってもよい。例えば、マルチクラス分類器５１５は、線形又はカーネルベースのサポートベクトルマシン（ＳＶＭ）であってもよい。任意で、マルチクラス分類器５１５は、適応ブースティング分類器（例えば、ＡｄａＢｏｏｓｔ、ＬｏｇｉｔＢｏｏｓｔなど）、任意の人工ニューラルネットワーク、ツリーベースの分類器（例えば、決定ツリー、ランダム決定フォレスト）、分類子としてのロジスティック回帰などのブースティング分類器であってもよい。ＳＶＭは、例えば試料２１２の分析で見られるような、液体と非液体との間の分類に特に効果的となり得る。ＳＶＭは、データを分析し、パターンを認識する関連する学習アルゴリズムを有する監視された学習モデルである。ＳＶＭは、分類及び回帰分析に使用される。
マルチクラス分類器５１５をトレーニングするために複数セットのトレーニング例が使用され、次いで、マルチクラス分類器５１５上で画像データセットが操作され、各画素が分類される。マルチクラス分類器５１５は、様々な試料条件、ラベル２１８による閉塞、血清又は血漿部分２１２ＳＰ、及び沈降した血液部分２１２ＳＢのレベル、ゲルセパレータ３１３を含むか否か、などの、試料容器１０２の多くの例における様々な領域をグラフィックスで輪郭を取ることによってトレーニングされてもよい。５００以上もの画像を使用して、マルチクラス分類器５１５のトレーニングを行ってもよい。各トレーニング画像は、各クラスに属する領域を手動で輪郭を描いて識別し、マルチクラス分類器５１５に教示してもよい。
ＳＶＭトレーニングアルゴリズムは、任意の新しい教示試料の画素をクラスの１つに割り当てるマルチクラス分類器５１５を構築する。ＳＶＭモデルは、別々のクラスの例が可能な限り広い明確な隙間で分割されるようにマッピングされた空間における点としての例を表す。画像データセットからの新しい画素は、その同じ空間にマッピングされ、マップ上のどこにあるかに基づいて特定のクラスに属することを予測することができる。いくつかの実施形態では、ＳＶＭは、カーネルトリック（例えば、カーネルベースのＳＶＭ分類器など）と称されるものを使用して非線形分類を効率的に実行し、その入力を高次元の特徴空間に暗黙的にマッピングすることができる。ＳＶＭ及びツリーベース分類器が特に好ましい。他の種類の分類モデルを使用してもよい。
その後、血清又は血漿部分２１２ＳＰ、及び／又は沈降した血液部分２１２ＳＢのクラスであるとみなされるマルチクラス分類器５１５の結果を用いて、試料２１２を定量化することができる。試料容器１０２の幅（Ｗ）も判定できる。
１つ以上の実施形態による試料定量化法のフローチャートを図５に示す。まず、キャリア１２２によって担持された試料２１２を含む試料容器１０２を、５０２での品質チェックモジュール（例えば、品質チェックモジュール１３０又は１３０Ａ）に設ける。複数の画像が、５０４においてキャプチャされる。その複数の画像とは、上述したように、複数の異なる露光で、また、複数の異なるスペクトルで、そして複数の視点で撮影されたマルチスペクトル画像である。定量化のために、品質チェックモジュール１３０Ａの前面照明付きセットアップを使用してもよく、複数の画像をコンピュータ１４３のメモリに格納してもよい。これらの画像から、背景を５０８での背景除去フェーズで任意に減算して、計算負荷を低減することができる。背景除去は、先だって５１０で撮影した参照画像を減算することによって達成できる。
５０４における画像キャプチャ及び５０８における任意の背景除去の後、５１１においてセグメント化を行うことができる。５１１でのセグメント化は、５１２で行われる画像統合処理を含んでいてもよい。５１２におけるこの画像統合処理中に、スペクトル（Ｒ、Ｇ、及びＢ）及びカメラ４４０Ａ〜４４０Ｃごとの様々な露光時間画像が、画素ごとに再検討され、最適に露光された画素を判定する。それぞれの対応する画素位置ごとに、最適に露光された画素のうちの最良のものが選択され、正規化され、各スペクトル及びカメラ４００Ａ〜４４０Ｃごとに最適に露光された画像データセットに含まれる。したがって、５１２での画像統合に続いて、各スペクトル（Ｒ、Ｇ、及びＢ）及び各カメラ４４０Ａ〜４４０Ｃごとに１つの最適に露光された画像データセットが生成される。ＨＤＲ処理の使用は、反射及び吸収に関して、画像の細部を強化するよう機能する。これにより定量化がより正確になる。
５１２での画像統合に続いて、又は、おそらくそれと並行して、５１４において統計生成処理を行うことができる。５１４では、２次平均値まで及び／又は共分散のような各画素について統計が生成される。次いで、最適に露光されたデータセット上の統計データは、マルチクラス分類器５１５によって操作され、５１６において画像データセットに存在する画素クラスを識別する。各画素位置について、小さなスーパー画像パッチ（例えば、１１×１１画素）内でこの統計的記述を抽出する。各スーパー画素パッチは、トレーニングと評価処理において考えられる記述子を提供する。典型的には、分類器はこれらの特徴記述子上で動作し、検査中にトレーニング用の入力クラスラベルと出力クラスラベルを使用する。各画素のクラスラベルを得るためには、画像データセットを適した周知のスキャン技術でスキャンできる。
この５１１のセグメント化処理から、カメラ４４０Ａ〜４４０Ｃごとに２Ｄの統合画像データセットの各画素を、５１６において複数のクラスタイプの１つに属するように分類する。分類の種類としては、例えば、液体（血清又は血漿部分２１２ＳＰ）、沈降した血液部分２１２ＳＢ、ゲルセパレータ３１３、空気２１２Ａ、管２１２Ｔ、ラベル２１８、又は、キャップ２１４として分類してもよい。この５１１でのセグメント化情報から、試料２１２の定量化を判定することができる。
例えば、５１８において、液体領域（例えば、血清又は血漿部分２１２ＳＰ）を識別してもよい。これは、血清又は血漿部分２１２ＳＰのクラスからのすべての画素をグループ化し、次いで、５１９において液体（血清又は血漿部分２１２ＳＰ）及び空気２１２Ａ（すなわち、ＬＡ）の間の上側界面の位置を判定する。２Ｄの統合画像データセットの中で血清又は血漿部分２１２ＳＰとして分類された最も高い画素の位置を平均化することによって、垂直方向のＬＡの数値を計算してもよい。実質的な外れ値はすべて拒絶され、平均には使用されない。前もって行った画素空間から機械空間（例えば、ｍｍ単位）への較正（キャリブレーション）は、任意の周知の機械空間対画像空間較正技術によって達成することができる。ゲルセパレータ３１３を使用するかどうかに応じて、定量化法は、その後５２０において、ＳＢ又はＳＧ（ゲルセパレータを使用する場合）の物理的垂直方向の位置を判定してもよい。
血清又は血漿部分２１２ＳＰとして分類された最も低い画素の位置を平均化することによって、５２０において、ＳＢ又はＳＧの数値を計算してもよい。ここでも外れ値は無視してよい。ＬＡ及びＳＢ又はＳＧの位置から、血清又は血漿部分（ＨＳＰ、図２及び図３）の高さは、平均の減算を介して判定することができる。例えば、血清又は血漿部分２１２ＳＰと識別された画素の垂直方向の積層をカウントすること、画素数を平均化すること、そして、機械空間に変換することなど、高さＨＳＰの計算のための他の手段を使用してもよい。
液体領域（例えば、血清又は血漿部分２１２ＳＰ）を定量化することは、５２６において試料容器１０２の内部幅（Ｗｉ）を判定することをさらに含んでいてもよい。外部幅（Ｗ）は、５２６において、管２１２Ｔとして分類された画素を識別し、ＬＡとＳＢ又はＳＧの間で測定されるような管２１２Ｔの外側の側方エッジに位置する対応する画素の位置を減算し、さらに例えば、減算値を平均化することにより、判定してもよい。Ｗｉは壁厚Ｔｗ、すなわち、Ｗｉ＝Ｗ−２Ｔｗの２倍を減算して、Ｗから決定することができる。Ｔｗは、すべての試料容器１０２について使用される平均壁厚値であってもよく、外幅Ｗ及び高さＨＴの判定に基づいて判定される管の種類に基づくルックアップテーブルから取得される特定の測定値であってもよい。
ＨＳＰ及びＷｉから、液体領域ＶＳＰ（例えば、血清又は血漿部分２１２ＳＰ）の体積は、５２８において下の式１を使って判定できる。
式１ ＶＳＰ＝ＨＳＰ×Ｗｉ２Ｐｉ／４
沈降した血液部分２１２ＳＢを定量化するため、沈降した血液部分２１２ＳＢのクラスに対応する画素は、まず５３０で識別してもよい。ゲルセパレータ３１３が存在するかどうかに応じて、沈降した血液部分ＨＳＢの高さは、５３２において、沈降した血液部分２１２ＳＢの最下部の画素を位置特定し、次にＳＢ又はＢＧのいずれかを減算することによって判定する。ＳＢ又はＳＧは、５２０で判定すればよい。ＳＢ又はＢＧの数値は、沈降した血液部分２１２ＳＢとして分類された最上部の画素の位置を平均化することによって判定してもよい。Ｗｉは、５２６で判定してもよい。ＨＳＢ及びＷｉから、沈降した血液部分２１２ＳＢの体積は、試料容器の丸まった端部を考慮するために減算された調整因数を含む以下の式２を用いて５３４において判定してもよい。
式２ ＶＳＢ＝（ＨＳＢ×Ｗｉ２Ｐｉ／４）−｛１／２Ｗｉ２＋（Ｐｉ／２４）Ｗｉ３｝
５２８及び５３４においてＶＳＰ及びＶＳＢが判定されると、５３６において、液体部分（例えば、血清又は血漿部分２１２ＳＰ）の沈降した血液部分２１２ＳＢに対する体積比が、体積比＝｛ＶＳＰ／ＶＳＢ｝×１００（％）で計算される。
任意で、液体部分（すなわち、血清又は血漿部分２１２ＳＰ）及び沈降した血液部分２１２ＳＢの深さレベルは、モンテカルロシミュレーション法を用いて判定することができる。モンテカルロシミュレーション法は、与えられたモデル分布からの反復ランダムサンプリングに基づいて数値解を得る計算アルゴリズムのクラスである。この方法は、多変量レベルモデルから複数のランダム仮説を生成することに依存し、次に、画像キャプチャ段階中に生成された信頼値などの画像測定値で検証／検査される。モンテカルロシミュレーション法は、ゲルセパレータ３１３が使用されているかどうかに応じて、ＬＡ、ＳＢ、又はＳＧ及びＢＧの位置の仮説を導出することを含む。モンテカルロシミュレーション法を適用するためには、ランダムサンプルが描かれるモデル分布が必要である。モデルは、大量のアノテーション付きトレーニング試料でトレーニングされた多変量モデルであってもよい。
トレーニング段階中では、ランドマークベースの層状アノテーションが収集され、モデルの推定値がこれらのアノテーションから導出される。生成のため、我々は、画像内のＬ＝（ｌ１、ｌ２）、すなわち気液界面ＬＡと、試料容器１０２の最下部２１２Ｂ（例えば、先端）の、２つの参照ランドマークの知見を仮定する。これらをランドマーク基準点と呼ぶ。さらに、我々は、血清及び血漿部分２１２ＳＰとゲル分離器３１３の間のＳＧ界面のランドマークのアノテーション、及びゲルセパレータ３１３と沈降した血液部分２１２ＳＢの間の血液とゲルとの界面ＢＧのランドマークのアノテーションを仮定する。特に、それらはレベルポイントｐ＝（ｐ１，ｐ２）Ｔとして表すことができる。写真が、重力ベクトルとアラインメントされたカメラのアップベクトル（例えば、カメラ４４０Ａ）でキャプチャされたと想定すると、ランドマークベースのアノテーションで充分である（これは、典型的には、品質チェックモジュール１３０、１３０Ａのために提案されたハードウェア構成の場合である）。図２及び図３は、試料画像の潜在的アノテーションを示す。
１つ以上の実施形態では、この方法は、流体領域の拡張を正準表現に正規化することができる。特に、流体レベルは重力ベクトルに対して垂直であると仮定され、したがって正規化スキームは試料容器１０２の傾きとは無関係である。さらに、（重力ベクトルに沿って計算された）流体の高さＨＴは、（２つのランドマーク参照点（ｌ１、ｌ２）に基づいて）この正準表現内で１の値に正規化されると仮定する。この正規化スキームに基づいて、一対のレベルポイントｐに対する正規化された比を、アノテーション付きサンプル画像ごとに導出することができる。多変量統計は、Ｐ＝｛ｐ１，ｐ２，ｐ３，…，ｐｋ｝を考慮したアノテーション付きトレーニング画像のセットから導かれる。
モデル化のために、２つのレベルポイントに対して多変量ガウス分布を仮定し、正規化された表現の平均μ及び分散／共分散行列Σを得る：（１）μ＝Ｅ（Ｐ）及び（２）Σ＝Ｅ［（Ｐ−Ｅ（Ｐ））（Ｐ−Ｅ（Ｐ））Ｔ］、ここで、Ｅは期待値＜１である。
トレーニングデータから抽出された生成モデルは、モンテカルロシミュレーション法の仮説検査の間にランダムサンプルを生成するために使用される。アノテーションは時には時間がかかるので、ランドマークｐのモデルは、レシピ又は遠心分離処理からの論理的期待値から合成して生成することができる。
この方法の検証／検査段階中では、レベルポイントのサンプルを分布モデルからランダムに生成し、よってＬＡ、ＳＢ、又はＳＧ及びＢＧの仮説レベルを含む潜在的な流体層状構造体を合成的に生成することができる。較正ステップから、先端参照点２１２Ｂについての知見を得ることができる。気液界面ＬＡは、空気と血清又は血漿部分２１２ＳＰとの間の遷移から導出される。上部流体レベルＨＴは、行間の対応が利用可能であるため、単一又は複数の視野から導出されてもよい。トレーニング段階と同様に、流体高さＨＴは１に正規化され、それにより、正規化された比が導出されて流体層状構造体が生成される。
効率的な方法は、２次統計量の分解を用いて多変量ガウスレベルモデルからランダムサンプルを生成するために使用される。例えば、共分散行列Σは、正定値行列を仮定してコレスキー分解を用いて、例えば条件付けを用いてΣ＝ＡＡＴにする。一連の独立した標準正規変分ｚを生成して、適用することによりモデル化された流体レベル分布からサンプルを生成することができる：ｘ＝μ＋Ａｚ。我々の場合、ｘ＝（ｘ１、ｘ２）Ｔは、流体レベルＨＴの正規化されたスカラー値からなる２次元ベクトルを表す。我々の場合、ｘ＝（ｘ１、ｘ２）Ｔは、流体レベルＨＴの正規化されたスカラー値からなる２次元ベクトルを表す。
ｘによって定義されるこの構造仮説は、正規化画像領域内の信頼値を集約（例えば、積分）することによって検証される。検証は、領域（血清又は血漿部分２１２ＳＰ、あればゲルセパレータ３１３、及び沈降した血液部分２１２ＳＢ）について行われる。信頼性は、例えば、閉塞（Occlusion：オクルージョン）の場合に欠落したデータを克服するために平均／分散計算を使用して確実に集約される。上部液位ＨＴと、ＳＢ又はＳＧのレベル点についての最初の仮説との間で、我々は、血清及び血漿部分２１２ＳＰについて高い応答を見出すと思われる。２つのレベルのランドマークＳＧとＢＧとの間に、ゲルセパレータ３１３に対する高い応答が期待される。下部ランドマークＳＢ又はＢＧと、参照点（管先端２１２Ｂ）との間において、信頼できる層モデルは、沈降した血液部分２１２ＳＢに対する高い信頼値を期待する。
最良のフィッティング流体層モデルは、値の標準偏差を最小化することによって、対応する信頼値を最大化する。効率的な計算のため、正規化された流体空間と画像領域との間のリンクを確立するために参照テーブルを生成することができる。さらに、効率的なデータ構造体、すなわち迅速な仮説検査を可能にするための積分画像が使用されてもよい。検証は、単一の画像を含むことができるが、確実性のために複数のカメラ４４０Ａ〜４４０Ｃからのマルチビュー情報を考慮することもできる。行レベルでの対応が分かっているので、統合は信頼性の集約中には簡単である。
モンテカルロシミュレーション法から、血清又は血漿部分２１２１ＳＰ、ゲルセパレータ３１３、及び沈降した血液部分２１２ＳＢに関する最も可能性のある流体レベル構造体、すなわちＬＡ、ＳＢ、又はＬＡ、ＳＧ及びＢＧの判定、が見つかる可能性がある。別の高度な検査は、ＨＤＲ画像を考慮することによって、すなわちこれらの領域におけるスペクトル応答の標準偏差を最小化することによって、仮説の検証を含むことができる。別の洗練された検査方法は、検出された水平流体レベル、すなわちエッジ検出、ＨＤＲ画像からの抽出、及び画像領域に投影されるランダム仮説、の間の誤差を最小化することなどにより、モンテカルロシミュレーション法によって到達した仮説の検証を含むことができる。基本的な強度計算は、最良の仮説の発見をサポートする。
要約すると、図８を参照して説明したモンテカルロシミュレーション法を使用して、セグメント化を判定し、試料容器１０２内に収容される試料２１２を定量化することができる。方法８００は、８０２において、画像化位置４４１に試料容器１０２に収容された試料２１２を提供し、８０４において、試料２１２の画像をキャプチャすることを含む。４４０Ａなどの単一のカメラで画像をキャプチャすることができる。
方法８００は、８０６において、少なくとも血清又は血漿部分２１２ＳＰ、及び沈降した血液部分２１２ＳＢを含む試料２１２の領域を決定することを含む。これは、本明細書に記載のＨＤＲ画像化方法によって、又は任意の他の適切なセグメント化法によって達成することができる。
この方法は、８１０において、多変量レベルモデル８１２からの描画レベル推定仮説を含む。ブロック８１０は、ゲルセパレータ３１３が存在しない場合にはＬＡ及びＳＢについての仮説、ゲルセパレータ３１３が存在する場合にはＬＡ、ＳＧ、及びＳＢについての仮説など、多変量レベルモデル８１２によって生成されるランダムレベル推定仮説を描くことを含む。
この方法は、８１４において、レベル推定仮説を画像空間にマッピングすることを含む。例えば、この方法は、参照テーブルを活用してレベル推定仮説を２Ｄ画像領域に投影することができる。次に、８１６において、方法８００は、領域内の信頼度を統合する。各領域内で信頼度が最大になるまで、ブロック８１８とブロック８１６との間で反復処理が行われる。最後に、８２０において、各領域の信頼度を最大にするレベル推定仮説が選択される。１つ以上の実施形態におけるモンテカルロ法は、セグメント位置（例えば、ＬＡ、及びＳＢ又はＳＧ）を決定するために、又はＨＤＲ画像化によって判定されたセグメント位置を検証するために単独で使用されてもよい。
５１９、５２０、及び５２８でセグメント位置（例えば、ＬＡ、及びＳＢ又はＳＧ）及びＶＳＰが判定されると、ＬＩＳ１４７から受け取ったように、これらの定量化された値を用いて、指示された検査のために十分な流体が存在するかどうかを判定することができる。さらに、５１９〜５２０のセグメント位置ＬＡ及びＳＢ又はＳＧを使用して、複数の検査が指示されたときに沈降した血液部分２１２ＳＢ又はゲルセパレータ３１３がいずれの吸引に対しても吸引されないように、吸引プローブ先端をどこに配置するかを判定することができる。
品質チェックモジュール１３０又は１３０Ａにおいて、５２８で液体領域の体積が計算されると、アーチファクト（例えば、凝塊、気泡、及び／又は泡）の存在は、アーチファクト検出５２２において１つ以上のアーチファクト分類器で、その液体領域の２Ｄデータサブセット上で動作することによって判定することができる。アーチファクトの推定量は、利用可能な容積ＶＳＰから減算することができるので、アーチファクトが存在するときに液体の利用可能な容積のより良い推定値が提供される。アーチファクト検出方法及び装置は、「試料内のアーチファクトを分類するための方法及び装置」と題した同時係属中及び同時に提出した仮特許出願に記載されている。しかしながら、いくつかの実施形態では、アーチファクト（例えば凝塊、気泡、泡）を試料２１２から除去し、次に試料２１２を定量化法に従って再定量することができる。
液体領域が５１８で識別されると、インターフェレント（例えば、Ｈ、Ｉ、及び／又はＬ）の存在は、１つ以上のインターフェレント分類器により、液体領域のデータサブセットを操作することによって判定してもよい。一実施形態では、「試料におけるインターフェレントを検出するための方法及び装置」と題した同時係属中及び同時に提出した仮特許出願に記載されているように、Ｈ、Ｉ、及びＬのそれぞれに別々の分類器を使用することができる。高い指標の溶血、黄疸、又は脂肪血が存在する場合、試料２１２は、さらなる定量化なしで廃棄してもよいし、再描画して再スクリーニングしてもよい。いくつかの実施形態では、試料２１２を処理して、脂肪血レベルを低下させ、次いで再スクリーニングすることができる。
したがって、品質チェックモジュール１３０、１３０Ａによって実行されるモデルに基づく定量化法５００により、試料２１２の血清又は血漿部分２１２ＳＰ、及び／又は沈降した血液部分２１２ＳＢの迅速な定量化が可能となることは明らかである。視点及び判定それぞれの最終的な２Ｄ結果は、複数の視点に亘って集約され、比較及び／又は平均化されて３Ｄモデルを提供することができる。
図６では、試料２１２の定量化は、品質チェックモジュール１３０、１３０Ａを使用してより広範な方法６００によって特徴付けられる、又は分類される多くの品目のうちの１つのみである、より広範な特徴付け方法６００のフローチャートを示す。方法６００の１つ以上の実施形態によれば、例えば、複数のカメラ（カメラ４４０Ａが示されている）によって画像がキャプチャされる。しかしながら、他のカメラ４４０Ｂ、４４０Ｃを使用して、図４Ａ及び図４Ｃに示されるような他の視点から画像をキャプチャすることができる。カメラ４４０Ａでキャプチャされた画像について説明する処理は、他の視点の他のカメラ４４０Ｂ、４４０Ｃについても同じであり、ライン６０５でのそれらの入力を使用して、最終的な判定、及び／又はさまざまな視点間の違いを解決するために使用する試料２１２の３Ｄモデルを生成することができる。
カメラ４４０Ａ及び他のカメラ４４０Ｂ、４４０Ｃによってキャプチャされた画像は、上述したように、複数のスペクトル（例えば、ＲＧＢ）及び複数の露光画像であってもよい。特に、各視点で６０４Ａにおいて使用される光のスペクトルごとに、複数の露光（例えば、４〜８回以上の露光）を行ってもよい。図４Ａと図４Ｂに示すように、各カメラ４４０Ａ〜４４０Ｃの各露光時及び各スペクトルのそれぞれの画像は、モノクロカメラと背面照明光源４４４Ａ〜４４４Ｃを使用して同時に取得することができる。任意で、白色光源４４４Ｄ〜４４４Ｆを品質チェックモジュール１３０Ａに使用して、前面照明された複数の露光画像は、カラーカメラを使用して６０４Ｂにおいて取得してもよい。背面照明付き品質チェックモジュール１３０又は前面照明付き品質チェックモジュール１３０Ａのいずれか、又は両方を使用することができる。
その後、任意の背景除去方法に関して上述したように、画像を任意で５０８において処理して、参照画像５１０を使用して背景を除去してもよい。その後、画像をさらに処理して、上述したように５１１においてセグメント化を判定してもよい。いくつかの実施形態では、６０４Ｂからの前面照明カメラ４４０Ａ〜４４０Ｃ（図４Ｃ及び図４Ｄ参照）からの画像は、５１１でのセグメント化の判定に最もよく使用できる。しかしながら、６０４Ｂにおいてキャプチャされた画像は、５２１においてもＨＩＬＮ検出に使用できる。同様に、６０４Ａにおいてキャプチャされた任意の画像は、６２１でのＨＩＬＮの特徴付けに最もよく使用される。しかしながら、６０４Ａにおいてキャプチャされた画像は、５１１でのセグメント化でも使用できる。
本明細書に記載された方法に従って、５００での液体の識別及び定量化は、５１１でのセグメント化に続いて実施してもよい。５００において液体を定量化することは、本明細書に記載するように、ＬＡ、ＳＢ、又はＳＧ、及び／又はＢＧの物理的位置のような試料２１２の特定の物理的寸法特徴の判定、及び／又はＨＳＰ、ＨＳＢ、及び／又はＨＴＯＴの判定、及び／又は上述したような、血清又は血漿部分（ＶＳＰ）の体積又は深さ及び／又は沈降した血液部分（ＶＳＢ）の体積又は深さなどの判定などを含んでいてもよい。内部幅（Ｗｉ）は、６２７における試料容器の特徴付けから得ることができる。
検査に利用可能な血清又は血漿部分２１２ＳＰの実際の体積をさらに正確に測定するために、又は単にアーチファクトの存在にフラグを立てるために、アーチファクト検出方法を５２２で使用して、凝塊、気泡、又は泡が存在することを識別してもよい。存在する１つ以上のアーチファクトのそれぞれの推定体積は、より良い体積推定値を得るために、５２２において上記で判定された血清又は血漿部分ＶＳＰの推定体積から減算してもよい。その後、アーチファクト分類器を使用して、画像データを処理して、５２２において血清又は血漿部分２１２ＳＰ中のアーチファクトの有無を判定してもよい。アーチファクト検出５２２によってアーチファクトであると識別されたこれらの画素は、本明細書に記載される定量化法では無視されてもよく、５２１でのＨＩＬＮ分類においても無視してよい。アーチファクトの検出により、いくつかの実施形態において修復を開始できる。アーチファクト検出法は、「試料中のアーチファクトを分類するための方法及び装置」と題した同時出願の米国出願に記載されている。
５１１でのセグメント化の結果は、バーコードなどの識別情報２１５を含むラベル２１８を識別するためにも使用してもよい。バーコードは６２５において読み取ることができる。従来のバーコード読み取りソフトウェアは、ラベル２１８が５１１でのセグメント化で識別されると、使用してもよい。特定の画像が、読み取られるべきバーコードを十分に含まない場合、バーコードは、他のカメラ３４０Ｂ、３４０Ｃから得られた他の画像から、又は他の画像と共に読み取ることができる。
試料容器１０２のさらなる特徴付けは、６２７でのより広い方法６００に従って達成してもよい。５２９における管の種類、５３１におけるキャップの種類、及び／又は５３３におけるキャップの色の特徴付けを３Ｄモデル６３５に供給して、各カメラ４４０Ａ〜４４０Ｃからの画像の処理に基づいて同じ特徴付けが達成されたことを検証してもよい。わずかに異なる値が得られた場合、その値は平均化してもよいし、そうでなければ集約してもよい。５２１におけるＨＩＬＮ分類、５００における試料定量化、５２２におけるアーチファクト検出、及び６２７における試料容器検出からの出力の全てが３Ｄモデル６３５に供給されてもよく、３Ｄモデル６３５は、最終意思決定、特徴付け、及び様々なカメラ４４０Ａ〜４４０Ｃからの結果の調和に使用され、モニタ上に表示されるか、又は他の方法で報告することができる。
図７は、１つ以上の実施形態による試料容器１０２の試料２１２を定量化する方法を示すフローチャートである。方法７００は、７０２において試料容器（例えば、キャップ付き採血管などの試料容器１０２）に収容された試料（例えば、試料２１２）を提供することを含む。次に、方法７００は、７０４において試料２１２を収容する試料容器１０２の画像を異なる露光（例えば、露光時間）と異なる公称波長を有する複数のスペクトルでキャプチャすることを含む。例えば、いくつかの実施形態では、異なる露光時間で撮影された４〜８回以上の異なる露光が存在してもよいが、各スペクトルに同じ照明条件で撮影してもよい。１つ以上の実施形態では、画像は、白色光を使用し、前面照明を使用してキャプチャされてもよい。他の実施形態では、赤色、青色、及び緑色などの狭帯域光源を有する複数のスペクトルを背面照明光源４４４Ａ〜４４４Ｃとして使用して画像をキャプチャしてもよい。白色光画像は、上述したように、コンピュータ１４３によってキャプチャされるときにＲ、Ｇ、及びＢ画像に分解されてもよい。それぞれの場合において、複数のカメラ４４０Ａ〜４４０Ｃによって複数の視点から画像を撮影してもよい。
本方法７００は、任意で、７０６に示すように背景除去を含み、背景を減算して計算負荷を低減してもよい。背景除去は、較正処理の一部として達成することができる。参照画像は、試料容器１０２の画像と同じ露光時間で撮影してもよいが、試料容器１０２やキャリア１２２なしでキャプチャすることができる。
この方法７００は、７１０で、複数のスペクトルのそれぞれにおける異なる露光時間で画像から最適に露光された画素を選択して、スペクトルのそれぞれについて最適に露光された画像データを生成することとを含む。特定のスペクトルにおける各画像内の対応する画素位置毎に、（露光不足でも、又は露光しすぎでもない）最良に露光された画素を選択し正規化することができる。最適な露光範囲は、上述したようなものであってもよい。この最適に露光された画素の選択は、画像統合フェーズ（例えば、画像統合５１２）で行われる。したがって、各カメラのＲＧＢスペクトルのそれぞれについて、最適に露光された画素の２Ｄデータセットが生成されてもよい。
次に、方法７００は、試料を、血清又は血漿部分２１２ＳＰ、沈降した血液部分２１２ＳＢ、ゲルセパレータ３１３、空気２１２Ａ、管２１２Ｔ、ラベル２１８、又はキャップ２１４のうちの１つ以上を含む様々なクラスの種類に分類することを含む。分類は、異なる波長の最適に露光された画素の統計データを計算して統計データを生成し、次いで、最適に露光された画素の統計データをマルチクラス分類器５１５で操作してデータセット内に存在するクラスを識別することによって達成することができる。
次に、方法７００は、空気２１２Ａと血清又は血漿部分２１２ＳＰの間の気液界面ＬＡの位置と、血清又は血漿部分２１２ＳＰと沈降した血液部分２１２ＳＢの間の血清と血液の界面ＳＢの位置と、血清又は血漿部分２１２ＳＰ及びゲルセパレータ３１３の間の血清とゲルの界面ＳＧの位置と、沈降した血液部分２１２ＳＢとゲルセパレータ３１３の間の血液とゲルの界面ＢＧの位置と、血清又は血漿部分２１２ＳＰの体積ＶＳＢ及び／又は深さＨＳＰと、沈降した血液部分２１２ＳＢの体積ＶＳＰ及び／又は深さＨＳＢとのうちの一つ以上を判定することによって７１４において試料を定量化することを含む。
したがって、前述に基づいて、品質チェックモジュール１３０，１３０Ａによって実行されるモデルベースの試料定量化法７００により、試料２１２Ｌの迅速な定量化ができることは明らかである。品質チェックモジュール１３０は、プレスクリーニングが遠心分離機１２５での遠心分離の直後に行われるように位置されて図１に示されているが、いくつかの実施形態では、この特性を直接分析装置に含んでいても（例えば、分析装置１０６，１０８、及び／又は１１０）あるいは、その他の場所に含んでいても有利であろう。さらに、いくつかの実施形態では、品質チェックモジュール１３０をローディングエリア１０５に配置することができ、ロボット１２４が試料容器１０２をキャリア１２２にロードするとすぐに品質チェックを実施することができるように、ラック１０４をローディングエリア１０５にロードする前に遠心分離を行ってもよい。任意で、品質チェックモジュール１３０Ａは、品質チェックモジュール１３０と同じ位置に設けられてもよい。いくつかの実施形態では、定量専用の１つの品質チェックモジュール１３０Ａを一か所で使用し、ＨＩＬＮ検出専用の別の品質チェックモジュール１３０を異なる場所に設けてもよい。
本発明は様々な変更及び代替形態が可能であるが、特定のシステム及び装置の実施形態及びその方法は、図面の例として示されており、本明細書で詳細に説明してきた。しかしながら、開示された特定の装置又は方法に本発明を限定することを意図するものではなく、反対に、本発明の範囲内に入るすべての変更、均等物及び代替物を網羅することを意図するものであることを理解されたい。
１００ 試料検査装置
１０２ 試料容器
１０４ ラック
１０５ ローディングエリア
１０６、１０８、１１０ 分析装置
１２１ トラック
１２２ キャリア
１２２Ｈ ホルダ
１２４ ロボット
１３０、１３０Ａ 品質チェックモジュール
１４３ コンピュータ
１４７ ＬＩＳシステム
２１２ 試料
２１２ＳＢ 沈降した血液部分
２１２ＳＰ 血清又は血漿部分
２１２Ｔ 管
２１４ キャップ
２１５ 識別情報
２１８ ラベル
３１３ ゲルセパレータ
４４０Ａ〜４４０Ｃ カメラ
４４４Ａ〜４４４Ｆ 光源

Claims (18)

  1. 試料容器内に収容された試料を定量化する方法であって、
    試料を提供し、
    異なる公称波長を有する複数のスペクトルで、又、複数の異なる露光で、前記試料の画像を取得し、
    前記複数のスペクトルのそれぞれにおける前記複数の異なる露光の前記画像から、最適に露光された画素を選択し、前記複数のスペクトルのそれぞれについて最適に露光された画像データを生成し、
    血清又は血漿部分と、沈降した血液部分と、ゲルセパレータを使用する場合はゲルセパレータと、空気と、管と、ラベル、又はキャップのうちの１つ以上を含む様々なクラスの種類に前記試料を分類し、
    前記空気と前記血清又は血漿部分の間の気液界面の位置と、
    前記血清又は血漿部分と前記沈降した血液部分の間の血清と血液の界面の位置と、
    前記ゲルセパレータを使用する場合には、前記血清又は血漿部分と前記ゲルセパレータとの間の血清とゲルの界面の位置と、
    前記ゲルセパレータを使用する場合には、前記沈降した血液部分と前記ゲルセパレータとの間の血液とゲルの界面の位置と、
    血清又は血漿部分の体積及び／又は深さ、又は、
    前記沈降した血液部分の体積及び／又は深さ
    のうちの１つ以上を判定することにより前記試料を定量化する
    ことを有する方法。
  2. 前記複数のスペクトルと前記複数の露光時間における前記試料画像を取得することは、各視点に設けたカメラで複数の異なる視点から行う請求項１に記載の方法。
  3. 前記複数の異なる視点は３つ以上である請求項２に記載の方法。
  4. 前記試料は、前記沈降した血液部分と、前記血清又は血漿部分とを含む遠心分離された試料である請求項１に記載の方法。
  5. マルチクラス分類器に基づき前記試料を分類する請求項１に記載の方法。
  6. 前記マルチクラス分類器は、複数のトレーニングセットから生成される請求項５に記載の方法。
  7. 前記マルチクラス分類器は、さらにサポートベクトルマシンを有する請求項５に記載の方法。
  8. 前記血清又は血漿部分と、
    前記沈降した血液部分と、
    前記空気と前記血清又は血漿部分との間の気液界面と、
    ゲルセパレータが存在する場合には血清とゲルとの界面又は血清と沈降した血液との界面と、
    を識別する請求項５に記載の方法。
  9. 前記空気と前記血清又は血漿部分との間の気液界面の位置を識別する請求項１に記載の方法。
  10. 血清と沈降した血液との界面の位置を識別する請求項１に記載の方法。
  11. 血清とゲルとの界面の位置を識別する請求項１に記載の方法。
  12. 前記血清又は血漿部分の体積を計算する請求項１に記載の方法。
  13. 前記沈降した血液部分の体積を計算する請求項１に記載の方法。
  14. 前記試料容器の物理的寸法特徴を判定する請求項１に記載の方法。
  15. モンテカルロシミュレーション法により前記試料の様々なクラスの種類へのセグメント化を検証する請求項１に記載の方法。
  16. 試料を定量化するように構成された品質チェックモジュールであって、
    異なる公称波長を有する複数のスペクトルで、複数の露光で、かつ異なる視点から、前記試料の画像を取得するように構成された複数のカメラと、
    コンピュータであって、
    前記複数のスペクトルのそれぞれにおける前記複数の異なる露光の前記画像から、最適に露光された画素を選択し、複数のスペクトルのそれぞれに対して最適に露光された画像データを生成し、
    血清又は血漿部分と、沈降した血液部分と、ゲルセパレータを使用する場合はゲルセパレータと、空気と、管と、ラベル、又はキャップのうちの１つ以上を含む様々なクラスの種類に前記試料を分類し、
    前記空気と前記血清又は血漿部分との間の気液界面の位置と、
    前記血清又は血漿部分と前記沈降した血液部分との間の血清と血液の界面の位置と、
    前記血清又は血漿部分と、使用する場合は前記ゲルセパレータとの間の、血清とゲルの界面の位置と、
    前記沈降した血液部分と、使用する場合は前記ゲルセパレータの間の血液とゲルの界面の位置と、
    前記血清又は血漿部分の体積及び／又は深さ、又は、
    前記沈降した血液部分の体積及び／又は深さ
    のうちの１つ以上を判定することにより前記試料を定量化する
    ように構成され操作可能なコンピュータと、
    を有する品質チェックモジュール。
  17. 試料検査装置であって、
    トラックと、
    前記トラック上の品質チェックモジュールであって、
    異なる公称波長を有する複数のスペクトルで、複数の異なる露光で、かつ異なる視点から、前記試料の画像を取得するように構成された複数のカメラと、
    コンピュータであって、
    前記複数のスペクトルのそれぞれにおける前記複数の異なる露光の前記画像から、最適に露光された画素を選択し、前記複数のスペクトルのそれぞれに対して最適に露光された画像データを生成し、
    血清又は血漿部分と、沈降した血液部分と、ゲルセパレータを使用する場合はゲルセパレータと、空気と、管と、ラベル、又はキャップのうちの１つ以上を含む様々なクラスの種類に前記試料を分類し、
    前記空気と前記血清又は血漿部分との間の気液界面の位置と、
    前記血清又は血漿部分と前記沈降した血液部分との間の血清と血液の界面の位置と、
    前記ゲルセパレータを使用する場合は、前記血清又は血漿部分と前記ゲルセパレータとの間の、血清とゲルの界面の位置と、
    前記ゲルセパレータを使用する場合は、前記沈降した血液部分と前記ゲルセパレータとの間の血液とゲルの界面の位置と、
    前記血清又は血漿部分の体積及び／又は深さ、又は、
    前記沈降した血液部分の体積及び／又は深さ
    のうちの１つ以上を判定することにより前記試料を定量化する
    ように構成され操作可能なコンピュータと、
    を有する品質チェックモジュールと、
    を有する試料検査装置。
  18. 試料容器内に収容された試料を定量化する方法であって、
    試料容器に収容された試料を画像化位置に提供し、
    前記試料の画像を取得し、
    少なくとも血清又は血漿部分と沈降した血液部分とを含む前記試料の領域を判定し、
    多変量レベルモデルからのレベル推定仮説を抽出し、
    画像空間へレベル推定仮説をマッピングし、
    前記領域内の信頼性を統合し、
    それぞれの前記領域内の信頼性を最大化し、
    信頼性を最大化するレベル推定仮説を選択する
    ことを有する方法。
JP2018539286A 2016-01-28 2017-01-24 側方多視点から試料を定量化するように構成された方法及び装置 Active JP6870826B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662288362P 2016-01-28 2016-01-28
US62/288,362 2016-01-28
PCT/US2017/014772 WO2017132166A1 (en) 2016-01-28 2017-01-24 Methods and apparatus adapted to quantify a specimen from multiple lateral views

Publications (3)

Publication Number Publication Date
JP2019504997A true JP2019504997A (ja) 2019-02-21
JP2019504997A5 JP2019504997A5 (ja) 2019-10-17
JP6870826B2 JP6870826B2 (ja) 2021-05-12

Family

ID=59398772

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018539286A Active JP6870826B2 (ja) 2016-01-28 2017-01-24 側方多視点から試料を定量化するように構成された方法及び装置

Country Status (6)

Country Link
US (1) US11650197B2 (ja)
EP (1) EP3408653B1 (ja)
JP (1) JP6870826B2 (ja)
CN (1) CN108603835B (ja)
HK (1) HK1255411A1 (ja)
WO (1) WO2017132166A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021107809A (ja) * 2019-12-10 2021-07-29 エフ ホフマン−ラ ロッシュ アクチェン ゲゼルシャフト 第１のコンポーネントと第２のコンポーネントとの間で水平方向に伸長する界面の垂直位置を判定するための方法および装置
EP4273800A1 (en) * 2022-05-06 2023-11-08 Roche Diagnostics GmbH Method and laboratory system for determining at least one container information about a laboratory sample container

Families Citing this family (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6927465B2 (ja) * 2015-02-17 2021-09-01 シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレーテッドＳｉｅｍｅｎｓ Ｈｅａｌｔｈｃａｒｅ Ｄｉａｇｎｏｓｔｉｃｓ Ｉｎｃ． 検体中の妨害因子を分類するためのモデルベース方法及び装置
US10816538B2 (en) 2016-01-28 2020-10-27 Siemens Healthcare Diagnostics Inc. Methods and apparatus for detecting an interferent in a specimen
CN108603817B (zh) * 2016-01-28 2022-04-19 西门子医疗保健诊断公司 适于从多个侧视图标识样本容器的方法和装置
JP2017219479A (ja) * 2016-06-09 2017-12-14 住友電気工業株式会社 微小粒子計測装置及び分析方法
JP7002529B2 (ja) 2016-07-21 2022-02-10 シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレーテッド 自動臨床分析器システム及び方法
US11035870B2 (en) 2016-07-25 2021-06-15 Siemens Healthcare Diagnostics Inc. Systems, methods and apparatus for identifying a specimen container cap
CN117253055A (zh) 2016-10-28 2023-12-19 贝克曼库尔特有限公司 物质准备评估系统
EP3357842B1 (en) * 2017-02-03 2022-03-23 Roche Diagnostics GmbH Laboratory automation system
JP7012746B2 (ja) 2017-04-13 2022-01-28 シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレーテッド 検体評価中にラベル補正する方法及び装置
CN110573859B (zh) 2017-04-13 2022-07-26 美国西门子医学诊断股份有限公司 用于使用卷积神经网络的hiln表征的方法和装置
US11313869B2 (en) 2017-04-13 2022-04-26 Siemens Healthcare Diagnostics Inc. Methods and apparatus for determining label count during specimen characterization
CN110869740A (zh) 2017-07-19 2020-03-06 美国西门子医学诊断股份有限公司 使用高光谱成像的样本表征的方法和设备
EP3659065A4 (en) 2017-07-28 2020-08-19 Siemens Healthcare Diagnostics Inc. DEEP LEARNING VOLUME QUANTIFICATION METHODS AND APPARATUS
EP3737930A4 (en) * 2018-01-10 2021-03-10 Siemens Healthcare Diagnostics, Inc. METHOD AND DEVICE FOR CHARACTERIZATION OF A BIOLOGICAL SAMPLE USING A NEURAL NETWORK WITH REDUCED TRAINING
JP7071301B2 (ja) * 2019-01-25 2022-05-18 株式会社日立ハイテク 生体試料検出装置
US11593919B2 (en) 2019-08-07 2023-02-28 Nanotronics Imaging, Inc. System, method and apparatus for macroscopic inspection of reflective specimens
US10915992B1 (en) 2019-08-07 2021-02-09 Nanotronics Imaging, Inc. System, method and apparatus for macroscopic inspection of reflective specimens
EP4051434A4 (en) * 2019-10-31 2022-12-28 Siemens Healthcare Diagnostics, Inc. DEVICE AND METHOD FOR TRAINING MODELS OF DIAGNOSTIC ANALYZERS
EP3882849A1 (en) 2020-03-16 2021-09-22 F. Hoffmann-La Roche AG Method for determining characteristics of a sample vessel in an in-vitro diagnostics system, analyzing device, and in-vitro diagnostics system
DE102020111254A1 (de) 2020-04-24 2021-10-28 Krones Aktiengesellschaft Verfahren und Vorrichtung zur Füllhöhenkontrolle von Behältern
US11796377B2 (en) * 2020-06-24 2023-10-24 Baker Hughes Holdings Llc Remote contactless liquid container volumetry
CN112102289A (zh) * 2020-09-15 2020-12-18 齐鲁工业大学 一种基于机器视觉的细胞样本离心处理系统及方法
EP4214518A1 (en) 2020-09-21 2023-07-26 Roche Diagnostics GmbH A method for detecting and reporting an operation error in an in-vitro diagnostic system and an in-vitro diagnostic system

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09133687A (ja) * 1995-11-13 1997-05-20 Meiji Denki Kogyo Kk 採血試験管における血清量測定装置
JP2001153625A (ja) * 1999-11-24 2001-06-08 Enutekku:Kk 物品の外観検査方法及び装置
JP2004037322A (ja) * 2002-07-04 2004-02-05 Aloka Co Ltd 検体分析装置
JP2005345370A (ja) * 2004-06-04 2005-12-15 Aloka Co Ltd 界面検出装置及び方法、並びに体積計測装置及び方法
US20080082468A1 (en) * 2004-11-11 2008-04-03 The Trustees Of Columbia University In The City Of New York Methods and systems for identifying and localizing objects based on features of the objects that are mapped to a vector
US20080144898A1 (en) * 2006-12-19 2008-06-19 Cytyc Corporation Method for forming an optimally exposed image of cytological specimen
US20120169863A1 (en) * 2010-12-29 2012-07-05 Ido Bachelet Apparatus and method for automatic detection of pathogens
JP2012159318A (ja) * 2011-01-31 2012-08-23 Hitachi High-Technologies Corp 分析装置
JP2013501937A (ja) * 2009-08-13 2013-01-17 シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレイテッド 臨床分析機によって分析される液体サンプルおよび容器の中の干渉物質および物理的寸法を確定するための方法ならびに装置
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
WO2015109263A2 (en) * 2014-01-17 2015-07-23 University Of Washington Biomarkers for detecting and monitoring colon cancer

Family Cites Families (40)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3905045A (en) * 1973-06-29 1975-09-09 Control Data Corp Apparatus for image processing
US4100416A (en) * 1977-03-02 1978-07-11 Block Engineering, Inc. Serum fluorescence suppression
US5764792A (en) * 1996-01-19 1998-06-09 Oncor, Inc. Method and apparatus for processing images
EP1251779A1 (en) * 2000-01-27 2002-10-30 National Research Council of Canada Visible-near infrared spectroscopy in burn injury assessment
US6587575B1 (en) * 2001-02-09 2003-07-01 The United States Of America As Represented By The Secretary Of Agriculture Method and system for contaminant detection during food processing
AU2003235627A1 (en) 2002-01-19 2003-07-30 Pvt Probenverteiltechnik Gmbh Method and device for the analysis of body fluids
WO2004042364A2 (en) * 2002-11-05 2004-05-21 Therasense, Inc. Assay device, system and method
US7046359B2 (en) * 2004-06-30 2006-05-16 Chemimage Corporation System and method for dynamic chemical imaging
EP3444751A3 (en) * 2005-01-27 2019-02-27 Cambridge Research & Instrumentation, Inc. Classifying image features
US20120302892A1 (en) * 2005-07-25 2012-11-29 Niyom Lue Portable optical fiber probe-based spectroscopic scanner for rapid cancer diagnosis
EP2220249B1 (en) * 2007-11-06 2012-08-01 Claro Scientific LLC Detecting microorganisms in blood utilizing physical and chemical changes in blood
US9638912B2 (en) * 2008-03-21 2017-05-02 Abbott Point Of Care, Inc. Method and apparatus for determining a focal position of an imaging device adapted to image a biologic sample
JP5734838B2 (ja) 2008-04-09 2015-06-17 アボット ポイント オブ ケア インコーポレイテッド 分析チャンバ内に置かれた試料の面積を計測するための方法
US8170271B2 (en) * 2008-06-25 2012-05-01 Jadak Llc System and method for test tube and cap identification
EP2214011B1 (en) * 2008-08-01 2019-01-02 Sysmex Corporation Blood sample analyzing apparatus
FI20086189A0 (fi) * 2008-12-12 2008-12-12 Joensuun Yliopisto Menetelmä ja laitteisto kohteen kuvaamiseksi
CN101526465B (zh) * 2009-04-22 2011-05-25 天津大学 快速多波长组织光学参数测量装置及反构方法
CN102792151B (zh) * 2010-03-23 2015-11-25 加州理工学院 用于2d和3d成像的超分辨率光流体显微镜
EP2619711A4 (en) * 2010-09-20 2017-06-07 HID Global Corporation Machine-readable symbols
TW202208825A (zh) * 2011-01-21 2022-03-01 美商拉布拉多診斷有限責任公司 樣本使用最大化之系統及方法
US9367918B2 (en) 2011-03-15 2016-06-14 Siemens Heathcare Diagnostics Inc. Multi-view stereo systems and methods for tube inventory in healthcare diagnostics
US9064301B2 (en) * 2011-04-14 2015-06-23 Abbott Point Of Care, Inc. Method and apparatus for compressing imaging data of whole blood sample analyses
CA2833258A1 (en) 2011-04-15 2012-10-18 Constitution Medical, Inc. Measuring volume and constituents of cells
US9870625B2 (en) * 2011-07-09 2018-01-16 Gauss Surgical, Inc. Method for estimating a quantity of a blood component in a fluid receiver and corresponding error
US20160249836A1 (en) * 2012-07-16 2016-09-01 Sandeep Gulati Sample optical pathlength control using a noninvasive analyzer apparatus and method of use thereof
US20150018644A1 (en) * 2012-07-16 2015-01-15 Sandeep Gulati Multiplexed pathlength resolved noninvasive analyzer apparatus with non-uniform detector array and method of use thereof
US9389229B2 (en) * 2012-07-18 2016-07-12 Theranos, Inc. Methods for detecting and measuring aggregation
EP2885643B1 (en) * 2012-08-20 2019-02-27 Siemens Healthcare Diagnostics Inc. Methods and apparatus for ascertaining specimen and/or sample container characteristics while in transit
US10964001B2 (en) * 2013-01-10 2021-03-30 Akoya Biosciences, Inc. Multispectral imaging systems and methods
JP6143584B2 (ja) * 2013-07-04 2017-06-07 株式会社日立ハイテクノロジーズ 検出装置および生体試料分析装置
CN104459098B (zh) 2013-09-23 2016-11-23 西门子医疗保健诊断公司 一种采集医学样本图像的诊断装置
US20170227493A1 (en) * 2015-05-22 2017-08-10 Bioptic, Inc. Disposable multi-channel bio-analysis cartridge and capillary electrophoresis system for conducting bio-analysis using same
US10311569B1 (en) * 2015-12-31 2019-06-04 Cerner Innovation, Inc. Identifying liquid blood components from sensed data to monitor specimen integrity
US10527635B1 (en) * 2015-12-31 2020-01-07 Cerner Innovation, Inc. Specimen integrity monitoring device for automated blood sample processing systems
US11815446B2 (en) 2016-01-28 2023-11-14 Siemens Healthcare Diagnostics Inc. Methods and apparatus for characterizing a specimen container and specimen
CN108738339B (zh) 2016-01-28 2022-02-01 西门子医疗保健诊断公司 用于对试样中的伪像进行分类的方法和装置
CN108770364A (zh) 2016-01-28 2018-11-06 西门子医疗保健诊断公司 用于使用多个曝光来对样品容器和/或样品进行成像的方法和装置
CN108603817B (zh) 2016-01-28 2022-04-19 西门子医疗保健诊断公司 适于从多个侧视图标识样本容器的方法和装置
US10816538B2 (en) 2016-01-28 2020-10-27 Siemens Healthcare Diagnostics Inc. Methods and apparatus for detecting an interferent in a specimen
JP6672070B2 (ja) * 2016-05-17 2020-03-25 キヤノン株式会社 圧縮センシングを用いた撮像装置、撮像方法および撮像プログラム

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09133687A (ja) * 1995-11-13 1997-05-20 Meiji Denki Kogyo Kk 採血試験管における血清量測定装置
JP2001153625A (ja) * 1999-11-24 2001-06-08 Enutekku:Kk 物品の外観検査方法及び装置
JP2004037322A (ja) * 2002-07-04 2004-02-05 Aloka Co Ltd 検体分析装置
JP2005345370A (ja) * 2004-06-04 2005-12-15 Aloka Co Ltd 界面検出装置及び方法、並びに体積計測装置及び方法
US20080082468A1 (en) * 2004-11-11 2008-04-03 The Trustees Of Columbia University In The City Of New York Methods and systems for identifying and localizing objects based on features of the objects that are mapped to a vector
US20080144898A1 (en) * 2006-12-19 2008-06-19 Cytyc Corporation Method for forming an optimally exposed image of cytological specimen
JP2013501937A (ja) * 2009-08-13 2013-01-17 シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレイテッド 臨床分析機によって分析される液体サンプルおよび容器の中の干渉物質および物理的寸法を確定するための方法ならびに装置
US20120169863A1 (en) * 2010-12-29 2012-07-05 Ido Bachelet Apparatus and method for automatic detection of pathogens
JP2012159318A (ja) * 2011-01-31 2012-08-23 Hitachi High-Technologies Corp 分析装置
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
WO2015109263A2 (en) * 2014-01-17 2015-07-23 University Of Washington Biomarkers for detecting and monitoring colon cancer

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021107809A (ja) * 2019-12-10 2021-07-29 エフ ホフマン−ラ ロッシュ アクチェン ゲゼルシャフト 第１のコンポーネントと第２のコンポーネントとの間で水平方向に伸長する界面の垂直位置を判定するための方法および装置
JP7260519B2 (ja) 2019-12-10 2023-04-18 エフ ホフマン－ラ ロッシュ アクチェン ゲゼルシャフト 第１のコンポーネントと第２のコンポーネントとの間で水平方向に伸長する界面の垂直位置を判定するための方法および装置
EP4273800A1 (en) * 2022-05-06 2023-11-08 Roche Diagnostics GmbH Method and laboratory system for determining at least one container information about a laboratory sample container
WO2023213723A1 (en) * 2022-05-06 2023-11-09 Roche Diagnostics Operations, Inc. Method and laboratory system for determining at least one container information about a laboratory sample container

Also Published As

Publication number Publication date
EP3408653A1 (en) 2018-12-05
HK1255411A1 (zh) 2019-08-16
EP3408653A4 (en) 2018-12-12
WO2017132166A1 (en) 2017-08-03
EP3408653B1 (en) 2024-01-17
CN108603835B (zh) 2022-06-03
JP6870826B2 (ja) 2021-05-12
CN108603835A (zh) 2018-09-28
US11650197B2 (en) 2023-05-16
US20190033209A1 (en) 2019-01-31

Similar Documents

Publication Publication Date Title
JP6870826B2 (ja) 側方多視点から試料を定量化するように構成された方法及び装置
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
EP3408640B1 (en) Methods and apparatus adapted to identify a specimen container from multiple lateral views
CN108738336B (zh) 用于多视图表征的方法和装置
US10928310B2 (en) Methods and apparatus for imaging a specimen container and/or specimen using multiple exposures
EP3408652B1 (en) Methods and apparatus for classifying an artifact in a specimen
US11313869B2 (en) Methods and apparatus for determining label count during specimen characterization
JP6879366B2 (ja) 試料の溶血、黄疸、脂肪血症、又は正常性を検出する方法、装置及び品質チェックモジュール
EP3610270B1 (en) Methods and apparatus for label compensation during specimen characterization

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20190903

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190903

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200721

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200722

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201016

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210316

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210407

R150 Certificate of patent or registration of utility model

Ref document number: 6870826

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250