JP2021506286A - 酵母または細菌を識別するための方法 - Google Patents
酵母または細菌を識別するための方法 Download PDFInfo
- Publication number
- JP2021506286A JP2021506286A JP2020533199A JP2020533199A JP2021506286A JP 2021506286 A JP2021506286 A JP 2021506286A JP 2020533199 A JP2020533199 A JP 2020533199A JP 2020533199 A JP2020533199 A JP 2020533199A JP 2021506286 A JP2021506286 A JP 2021506286A
- Authority
- JP
- Japan
- Prior art keywords
- luminosity
- gram
- strain
- classification
- type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 86
- 240000004808 Saccharomyces cerevisiae Species 0.000 title claims abstract description 45
- 241000894006 Bacteria Species 0.000 title claims description 56
- 244000005700 microbiome Species 0.000 claims abstract description 58
- 230000004044 response Effects 0.000 claims abstract description 9
- 239000002609 medium Substances 0.000 claims description 45
- 230000003595 spectral effect Effects 0.000 claims description 34
- 230000001580 bacterial effect Effects 0.000 claims description 31
- 229920001817 Agar Polymers 0.000 claims description 18
- 239000008272 agar Substances 0.000 claims description 18
- 230000000813 microbial effect Effects 0.000 claims description 16
- 238000005286 illumination Methods 0.000 claims description 15
- 238000000855 fermentation Methods 0.000 claims description 14
- 230000004151 fermentation Effects 0.000 claims description 14
- 238000012512 characterization method Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 6
- 241001494479 Pecora Species 0.000 claims description 2
- 239000008280 blood Substances 0.000 claims description 2
- 210000004369 blood Anatomy 0.000 claims description 2
- 239000006161 blood agar Substances 0.000 claims description 2
- 238000010586 diagram Methods 0.000 abstract description 2
- 238000001228 spectrum Methods 0.000 description 49
- 238000012545 processing Methods 0.000 description 14
- 241000894007 species Species 0.000 description 8
- 238000012549 training Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 7
- 239000006185 dispersion Substances 0.000 description 6
- 238000013048 microbiological method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000002790 cross-validation Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 230000007935 neutral effect Effects 0.000 description 4
- 230000000717 retained effect Effects 0.000 description 4
- 239000000523 sample Substances 0.000 description 4
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 3
- 241000607142 Salmonella Species 0.000 description 3
- 230000000844 anti-bacterial effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 3
- 239000012472 biological sample Substances 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000008103 glucose Substances 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000001840 matrix-assisted laser desorption--ionisation time-of-flight mass spectrometry Methods 0.000 description 3
- 239000000126 substance Substances 0.000 description 3
- MSFSPUZXLOGKHJ-UHFFFAOYSA-N Muraminsaeure Natural products OC(=O)C(C)OC1C(N)C(O)OC(CO)C1O MSFSPUZXLOGKHJ-UHFFFAOYSA-N 0.000 description 2
- 108010013639 Peptidoglycan Proteins 0.000 description 2
- 244000181917 Rubus leucodermis Species 0.000 description 2
- 235000011036 Rubus leucodermis Nutrition 0.000 description 2
- 235000003942 Rubus occidentalis Nutrition 0.000 description 2
- UYXTWWCETRIEDR-UHFFFAOYSA-N Tributyrin Chemical compound CCCC(=O)OCC(OC(=O)CCC)COC(=O)CCC UYXTWWCETRIEDR-UHFFFAOYSA-N 0.000 description 2
- 239000003242 anti bacterial agent Substances 0.000 description 2
- 229940088710 antibiotic agent Drugs 0.000 description 2
- 239000004599 antimicrobial Substances 0.000 description 2
- 238000003556 assay Methods 0.000 description 2
- 210000000170 cell membrane Anatomy 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- BDAGIHXWWSANSR-UHFFFAOYSA-N methanoic acid Natural products OC=O BDAGIHXWWSANSR-UHFFFAOYSA-N 0.000 description 2
- 235000015097 nutrients Nutrition 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000010186 staining Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000000411 transmission spectrum Methods 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- OSWFIVFLDKOXQC-UHFFFAOYSA-N 4-(3-methoxyphenyl)aniline Chemical compound COC1=CC=CC(C=2C=CC(N)=CC=2)=C1 OSWFIVFLDKOXQC-UHFFFAOYSA-N 0.000 description 1
- 241000589291 Acinetobacter Species 0.000 description 1
- GUBGYTABKSRVRQ-XLOQQCSPSA-N Alpha-Lactose Chemical compound O[C@@H]1[C@@H](O)[C@@H](O)[C@@H](CO)O[C@H]1O[C@@H]1[C@@H](CO)O[C@H](O)[C@H](O)[C@H]1O GUBGYTABKSRVRQ-XLOQQCSPSA-N 0.000 description 1
- 208000035143 Bacterial infection Diseases 0.000 description 1
- 206010011409 Cross infection Diseases 0.000 description 1
- 108090000371 Esterases Proteins 0.000 description 1
- 241000501667 Etroplus Species 0.000 description 1
- CWYNVVGOOAEACU-UHFFFAOYSA-N Fe2+ Chemical compound [Fe+2] CWYNVVGOOAEACU-UHFFFAOYSA-N 0.000 description 1
- 206010017533 Fungal infection Diseases 0.000 description 1
- GUBGYTABKSRVRQ-QKKXKWKRSA-N Lactose Natural products OC[C@H]1O[C@@H](O[C@H]2[C@H](O)[C@@H](O)C(O)O[C@@H]2CO)[C@H](O)[C@@H](O)[C@H]1O GUBGYTABKSRVRQ-QKKXKWKRSA-N 0.000 description 1
- 241000589516 Pseudomonas Species 0.000 description 1
- 241000589517 Pseudomonas aeruginosa Species 0.000 description 1
- 102100040160 Rabankyrin-5 Human genes 0.000 description 1
- 101710086049 Rabankyrin-5 Proteins 0.000 description 1
- 238000002835 absorbance Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 239000012911 assay medium Substances 0.000 description 1
- 238000003705 background correction Methods 0.000 description 1
- 208000022362 bacterial infectious disease Diseases 0.000 description 1
- 244000052616 bacterial pathogen Species 0.000 description 1
- WQZGKKKJIJFFOK-VFUOTHLCSA-N beta-D-glucose Chemical compound OC[C@H]1O[C@@H](O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-VFUOTHLCSA-N 0.000 description 1
- 230000003115 biocidal effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000002421 cell wall Anatomy 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 239000007330 chocolate agar Substances 0.000 description 1
- 239000003593 chromogenic compound Substances 0.000 description 1
- 238000005352 clarification Methods 0.000 description 1
- 238000012258 culturing Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000000295 emission spectrum Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000006911 enzymatic reaction Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229910001448 ferrous ion Inorganic materials 0.000 description 1
- 235000019253 formic acid Nutrition 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 239000001963 growth medium Substances 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000008101 lactose Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 244000000010 microbial pathogen Species 0.000 description 1
- 230000002906 microbiologic effect Effects 0.000 description 1
- 239000006916 nutrient agar Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000000049 pigment Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- DHCDFWKWKRSZHF-UHFFFAOYSA-N sulfurothioic S-acid Chemical compound OS(O)(=O)=S DHCDFWKWKRSZHF-UHFFFAOYSA-N 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000005406 washing Methods 0.000 description 1
Classifications
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
- C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
- C12Q1/02—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving viable microorganisms
- C12Q1/04—Determining presence or kind of microorganism; Use of selective media for testing antibiotics or bacteriocides; Compositions containing a chemical indicator therefor
-
- 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
- G01N21/17—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
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- 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
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/359—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using near infrared light
Landscapes
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Organic Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Zoology (AREA)
- Wood Science & Technology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Microbiology (AREA)
- Biotechnology (AREA)
- Biophysics (AREA)
- Toxicology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Apparatus Associated With Microorganisms And Enzymes (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
Description
− 波長範囲390nm〜900nmに自然の電磁応答を有する微生物を前記範囲で照明することと、
− 前記照明した微生物によって反射した、または前記照明した微生物を通じて透過した光度を前記範囲内で獲得することと、
− 前記範囲内で獲得した光度に応じて、酵母または菌株であるものとして微生物を判定することと、
を含む。
− 波長範囲390nm〜900nmに自然の電磁応答を有する前記株の少なくとも1つの細菌を前記範囲で照明することと、
− 前記照明した細菌によって反射した、または前記照明した細菌を通じて透過した光度を前記範囲内で獲得することと、
− 前記範囲内で獲得した光度に応じて、菌株のグラムタイプおよび発酵特性を判定することと
を含む。
− 波長範囲390nm〜900nmで微生物を照明するために構成された照明と、
− 前記照明した微生物によって反射した、または前記照明した微生物を通じて透過した光度を範囲390nm〜900nmで獲得するために構成されたセンサと、
− センサによって獲得した強度を分析するための命令を収めることができるコンピュータメモリ、および、コンピュータメモリに収められた分析命令を実行することができるマイクロプロセッサ、を備えるコンピュータユニットと
を含み、
較正の方法は、
− 範囲390nm〜900nmで照明された細菌および酵母の前記範囲における光度を含む学習データベースを構築することと、
− 前記データベースに応じて、酵母または細菌の予測モデルの自動学習をコンピュータによって実行することと、
− 学習した予測モデルを実行するための分析命令をシステムのコンピュータメモリに格納することと
という工程を含む。
− 酵母または細菌による感染症があると疑われる患者から試料を採取することと、
− 都合のよいことに、寒天培地に試料を植え付けること、前記植え付けた媒質を培養して微生物のコロニーを成長させること、および成長した1つまたは複数のコロニーを検出することによって、試料内にある1つまたは複数の微生物を検出することと、
− 前記範囲内で獲得した光度に応じて、酵母または菌株であるものとして微生物を判定することと、
− 前記判定の結果に応じて、1つまたは複数の抗菌物質を選択することと、
− 選択した1つまたは複数の抗菌物質を患者に投与することと
を含む。
− ハイパースペクトル画像獲得のためのデバイス12と、
− デバイス12を制御するため、および、デバイス12によって獲得された画像を受信して処理するために、(例えば、接続されたリンクまたはワイヤレスによって)デバイス12に接続されたコンピュータデータ処理ユニット14と
を備える。
− 波長範囲[λmin;λmax]=[390;900]ナノメートルで感度がよい、例えば、CCDまたはCMOSタイプのデジタルセンサといった、エレメンタリセンサのアレイを備えるデジタルセンサ、および、センサによって獲得されることになる波長を選択するための光散乱要素またはスペクトルグラフからなる、いわゆる「ハイパースペクトル」カメラ18。
− ハイパースペクトル画像が獲得されることになるペトリ皿22の光学画像の焦点を、カメラ18のデジタルセンサに合わせるための対物レンズ20。
− 範囲[λmin;λmax]で光を発することができ、ペトリ皿22の一様な前面照明を提供するための、例えば2つまたは4つのランプといった、例えば1つまたは複数のハロゲンランプからなる前面照明24。例えば、照明は、白色光のランプを含む。
− 範囲[λmin;λmax]でペトリ皿22の一様な背面照明を提供するための、例えば白色光LEDのマトリックスからなる背面照明26。
− スキャンすることによって皿22の完全な画像を取得するために、ペトリ皿22を保持し、対物レンズ20の前をペトリ皿22が通ることを可能にするキャリッジ28。
ピクセルの放射輝度は、一般に「光度」と呼ばれ、この場合、例えばデジタル写真撮影の分野から本質的に知られているように、露出時間中にカメラのセンサ18の対応する基本的な高感度部位の表面に入射する光の量に対応する。
ここで、Δλは、スペクトル分解能であり、pは、
に属する正の整数である。獲得波長λmin+p×Δλは、通常、用語「チャネル」によって示される。
ここで、λ1,λ2、…、
は、それぞれ、セット36のスペクトルフィルタの中心波長である。
a. 本質的に知られた様式での、カメラのセンサのノイズ、特に、そのオフセット、その空間ノイズ、等の補正。
b. 画像HSIに「ハイライト」を形成する特に鏡のような、付随的に発生する好ましくない反射の処理。例えば、例えばピクセルがとることができる最大値の3分の2以上(すなわち、0から255の8ビットでエンコードされたピクセルの場合、170以上)といった、所定の閾値を超える値をとるピクセルを除去するために使用される閾値化。
c. 細菌の種類、および、使用される寒天の種類で変化しない波長で反射した光度ごとに画像HSIを分割することによって、照明の変化などの外部変動によって引き起こされる画像の変化を弱めることができるようにするレシオメトリック処理。
d. いくつかの画像HSIが獲得された場合、異常なピクセル値および/または獲得した画像の平均を見つけて削除すること。
ハイパースペクトル画像の背景において、この変換は、例えば、以下の関係による補正である。
ここで、Υ(λ)は、反射画像であり、Wは、例えば、90%を超える一様な反射率のシート(例えば、いわゆる「白い」シート、または、10%より小さい灰色のカードを伴う)といった、照明24、26によって照明された高反射率の中性オブジェクトの、ユニット14に格納されたハイパースペクトル画像であり、Bは、例えば対物レンズ20を覆う黒いキャップの画像といった低反射率の、また、m(λmin+p×Δλ)=1であるか、マトリックスW(λmin+p×Δλ)−B(λmin+p×Δλ)の平均に等しい、中性オブジェクトの、ユニット14に格納されたハイパースペクトル画像である。
ここで、Wは、例えば、90%を超える一様な反射率のシート(例えば、いわゆる「白い」シート、または、10%より小さい灰色のカードを伴う)といった、照明24、26によって照明された高反射率の中性オブジェクトの、ユニット14に格納されたマルチスペクトル画像であり、Bは、例えば対物レンズ20を覆う黒いキャップの画像といった低反射率の、また、m(λn)=1であるか、または、マトリックスW(λn)−B(λn)の平均に等しい、中性オブジェクトの、ユニット14に格納されたマルチスペクトル画像である。
どのような学習が考えられるにしても、これは、学習データベースの構築で始まる。各クラスY、GP、GNF、およびGNNについて、細菌および酵母が選択され、これらのそれぞれは、ペトリ皿に注がれた寒天に植え付けられ、所定の時間、培養され、図1で説明されたシステムによって、また必然的に、照明の同じ条件の下、および波長範囲390nm〜900nmで、皿のハイパースペクトル画像が獲得される。寒天上で成長したコロニーのピクセルは、例えば方法40の工程46〜50で説明された手法で抽出され、これらの関連付けられたスペクトルが学習データベースに格納される。したがって、学習データベースは、クラスY、GP、GNF、GNNそれぞれと関連付けられたスペクトル
、
、
、
の4つのセットを含む。これらのセットのそれぞれは、先行技術から本質的に知られているように、適切な学習のために使用される「較正」と呼ばれる第1の部分、および、計算した予測モデルの性能を評価するために使用される「交差検証」と呼ばれる第2の部分、という、2つに分けられる。
− リストlから各チャネルλkを抽出すること。
− 68において、抽出したチャネルλkおよびリストLからのチャネル{λ1,λ2,…,λr−1}について、予測モデル
を判定すること。
− 70において、例えば、交差検証におけるスペクトルの妥当な分類のレベルといった、予測モデル
の性能尺度
を計算する。
の、格納で終わる。
は、下記で説明されることになるように、他のクラスの中からの1つ、2つ、または3つから形成されたセット(Cl)
のクラスCl(Cl=Y、GP、GNF、またはGNN)を区別する。例えば、モデルは、工程66の反復kおよび工程64の反復rの間、
という制約の下、
という関係に従って最適化問題を解決することによって訓練される。上記の式において、
− クラスClに、または、セット
に属する較正スペクトルΥm(λ)について、
は、リストL={λ1,λ2,…,λr−1}の、および、反復kの中でリストlから抽出されたチャネルλkの、スペクトルチャネルに対応するΥm(λ)の成分のベクトル、好ましくは、成分が、チャネルの値に応じて規則正しく配列されたベクトルに等しい。
−
およびβは、スペクトル
の次元に等しい次元の、および必然的に、rに等しい次元の、ベクトルである。
− Mは、クラスClに、または、1からMまで番号を付けられたセット
に、属する較正スペクトルΥm(λ)の数である。
−
.βは、ベクトル
とベクトルβのスカラ積である。
− ξmおよび
はスカラである。
− qm∈{−1,1}であり、m番目の学習スペクトルがクラスClと関連付けられる場合、qm=1であり、m番目のスペクトルが他のクラスのセット
と関連付けられる場合、qm=−1である。
− Cは、所定のスカラである。
− スペクトルΥi,j(λ)の、ベクトル
への変換。
− スペクトル
と超平面
との間の距離
の計算。
− 距離Sclに応じてクラスClを予測するためのルールの適用、例えば、スペクトルは、Sclの符号が正である場合、クラスClに属し、この符号が負である場合、セット
に属する。
という制約の下、
という関係に従って最適化問題を解決することによって、他のクラスの中からの1つ、2つ、または3つから形成されたセット
のクラスCl(Cl=Y、GP、GNF、またはGNN)を区別する超平面
を、較正スペクトルに応じて計算することからなる。
これらの式において、
− Υm(λ)は、クラスClに、またはセット
に属する較正スペクトルΥm(λ)である
−
およびβは、較正スペクトル
の次元に等しい次元の、および必然的に、Pに等しい次元の、ベクトルである。
− Mは、クラスClに、または、1からMまで番号を付けられたセット
に、属する較正スペクトルΥm(λ)の数である。
− Υm(λ).βは、ベクトルβ倍したベクトルΥm(λ)のスカラ積である。
− ξmおよび
はスカラである。
− qm∈{−1,1}であり、m番目の学習スペクトルがクラスClと関連付けられる場合、qm=1であり、m番目のスペクトルが他のクラスのセット
と関連付けられる場合、qm=−1である。
− Cは、所定のスカラである。
− スペクトルΥi,j(λ)と超平面
との間の距離
の計算。
− 距離Sclに応じてクラスClを予測するためのルールの適用、例えば、スペクトルは、Sclの符号が正である場合、クラスClに属し、この符号が負である場合、セット
に属する。
図6を参照すると、予測モデルを訓練するための方法80は、82において、上述のような、クラスY、GP、GNF、およびGNNのための学習データベースの構築で始まる。方法80は、84において、予測モデルの構造の決定を続ける。具体的には、一方では図7Aにおいて、また、その一方では図6Bおよび図6Cにおいて、それぞれ示されたものなど、2種類のモデルが可能である。
− 各予測モデルは、関係(6)または関係(7)について上述された学習ツールのうちの1つを使用して、学習データベースに応じて訓練され、クラスClは、Y、GP、GNF、GNNに等しく、セット
は、他の3つのクラスから作り上げられる。
− ピクセルのグラムタイプおよび発酵特性の予測(図3の工程52)は、前記ピクセルから超平面
、
、
、
への、または、超平面
、
、
、
への、スペクトルΥi,j(λ)の距離SY、SGP、SGNF、SGNNをそれぞれ計算し(工程90〜工程96)、次に、88において、計算した距離に応じてピクセルのクラスを判定することによって取得される。特に、保持されるクラスは、最大距離に対応するものである。
− 酵母Yを細菌GP、GNF、GNFと区別することからなる第1のモデル100
− 細菌GPを細菌GNFおよびGNNと区別することからなる第2のモデル102
− 細菌GNFを細菌GNNと区別することからなる第3のモデル104
の場合のチャネルの最終的な数は、このようにして選択され、図2のマルチスペクトルシステムのセット36のスペクトルフィルタの中心波長を定義する。下記で説明されることになるように、24個のチャネル、およびしたがって、24個のスペクトルフィルタだけを使用して高精度のクラスの予測を取得することができる。
次に、たった今説明されたクラスY、GP、GNF、およびGNNの予測の応用を説明する。このために、21個の菌株および酵母株が使用され、これらの微生物種が、図8に記述される。これらの種は、24時間、COS寒天およびTSA寒天上で培養され、これらの媒質のそれぞれに対する学習データベースを生じた。種および媒質のそれぞれについてのコロニー数およびピクセル数が、図9(COS)および図10(TSA)にそれぞれ記述され、ブロック1が較正データに対応し、ブロック2が交差検証データに対応する。
C.1.1.フラットなモデル
下記のテーブル1は、図7Aに示されたフラットな予測モデルに対する、および、関係(7)を使用して取得された予測モデルに対する、BCRを示す。
図7Cに示され、関係(7)によって取得されたモデル110、112、114のBCRが、テーブル2に概説される。
A. 4つのクラスY、GP、GNF、およびGNNは、第1の範囲415nm〜500nmおよび第2の範囲535nm〜675nmにあるスペクトルデータだけを使用して効率的に予測されることが可能である。これらの範囲だけを使用すると、BCRは90%以上になる。575nm〜675nmに第1の範囲を限定することによって、90%に近いまたは90%を超えるBCRについてモデルあたり4つのチャネルだけが使用される。任意選択として、第2のモデルのランク5のチャネルに対応する第3の範囲850nm〜875nmが使用される。より具体的には、第1の範囲415nm〜500nmでの予測は、単に、範囲415nm〜440nmおよび470nm〜495nmに基づいてもよい。したがって、本発明は、前記範囲のスペクトルを獲得し、前記範囲の前記スペクトルのみに応じてクラスを予測することからなるクラスY、GP、GNF、およびGNNを予測するためのいずれかの方法を含む。本発明が、クラスY、GP、GNF、およびGNNの間で区別できるようにすると、したがって、前述の範囲に含まれるスペクトルデータに基づいて酵母と細菌を区別できるようにするということにさらに留意されたい。したがって、本発明は、特徴が明らかにされることになる微生物の酵母または細菌の特徴を予測するための方法も含む。
B. クラスGNF対Y+GP+GNNの予測は、第1の範囲470nm〜500nmおよび第2の範囲575nm〜645nmに対してのみ効率的に行われてもよい。したがって、本発明は、前記範囲のスペクトルを獲得し、前記範囲の前記スペクトルのみに応じてクラスGNFを予測することからなるクラスGNFを予測するためのいずれかの方法を含む。特徴が明らかにされることになる微生物の細菌の特徴が既に知られているとき、予測は、クラスGNF対GPおよびGNNを予測することからなるということに留意されたい。したがって、本発明は、範囲470nm〜500nmおよび575nm〜645nmだけに基づくこの種類の予測も含む。
C. クラスGP対Y+GNNの予測は、第1の範囲535nm〜675nm、および、より具体的には、範囲585nm〜675nm、ならびに第2の範囲850nm〜875nmだけに対して効率的に行われてもよい。したがって、本発明は、前記範囲のスペクトルを獲得し、前記範囲の前記スペクトルだけに応じてクラスGPを予測することからなるクラスGPを予測するためのいずれかの方法を含む。特徴が明らかにされることになる微生物の細菌の特徴が既に知られているとき、予測は、クラスGP対クラスGNFおよびGNNを、ならびに必然的に、クラスGP対グラム陰性細菌(GN)のクラスによって、予測することからなるということに留意されたい。したがって、本発明は、範囲535nm〜675nm、およびより具体的には範囲585nm〜675nm、ならびに範囲850nm〜875nmだけに基づくこの種類の予測も含む。
D. 下記のポイントBおよびCに記述された予測を組み合わせると、したがって、3つの範囲と共に、また、特徴が明らかにされることになる微生物の細菌の特徴を知っていると、細菌のコロニーがGPであるか、GNFであるか、GNNであるかを判定することができるということがわかる。この種類の予測は、出願人によって市販されているVitek(登録商標)2プラットフォームでアンチバイオグラムを生成するための消耗品を選択するのに特に有用である。
図7Bに示され、関係(7)によって取得されたモデル100、102、104のBCRが、テーブル5に概説される。
C.2.1.フラットなモデル
下記のテーブル1は、図7Aに示されたフラットな予測モデルに対する、および、関係(7)によって取得された予測モデルに対する、BCRを示す。
図7Cに示され、関係(7)によって取得されたモデル110、112、114に対するBCRが、テーブル7に概説される。
図7Bに示され、関係(7)によって取得されたモデル100、102、104のBCRが、テーブル9に概説される。
Claims (25)
- 微生物の特徴を明らかにするための方法であって、
− 波長範囲390nm〜900nmに自然の電磁応答を有する微生物を前記範囲で照明することと、
− 前記照明した微生物によって反射した、または前記照明した微生物を通じて透過した光度を前記範囲内で獲得することと、
− 前記範囲内で獲得した光度に応じて、酵母または菌株であるものとして微生物を判定することと
を含む方法。 - 菌株のグラムタイプおよび発酵特性の検出をさらに含み、
− 波長範囲390nm〜900nmに自然の電磁応答を有する前記株の少なくとも1つの細菌を前記範囲で照明することと、
− 前記照明した細菌によって反射した、または前記照明した細菌を通じて透過した光度を前記範囲内で獲得することと、
前記範囲内で獲得した光度に応じて、菌株のグラムタイプおよび発酵特性を判定することと
を含む、請求項1に記載の方法。 - グラムタイプおよび発酵特性の判定が、獲得した光度がグラム陰性タイプかつ発酵性の菌株の光度であるかどうかを予測する分類の適用を含む、請求項2に記載の方法。
- グラムタイプおよび発酵特性の判定が、獲得した光度がグラム陽性タイプの菌株の光度であるかどうかを予測する分類の適用、または、獲得した光度がグラム陰性タイプの菌株の光度であるかどうかを予測する分類の適用を含む、請求項2または3に記載の方法。
- − 照明および獲得が、菌株のコロニーと、具体的にはヒツジ血液コロンビアといった、血液寒天である前記コロニーが成長した培地とを含む試料に対して直接的に行われ、
− 獲得した光度がグラム陰性タイプかつ発酵性の菌株の光度ではない場合、グラムタイプおよび発酵特性の判定が、獲得した光度がグラム陽性タイプの菌株の光度であるかどうかを予測する分類の適用をさらに含む、
請求項3に記載の方法。 - 獲得した光度がグラム陽性タイプの菌株の光度ではない場合、グラムタイプおよび発酵特性の判定が、獲得した光度が酵母の光度であるかどうかを予測する分類の適用をさらに含む、請求項5に記載の方法。
- − 獲得した光度がグラム陰性タイプかつ発酵性の菌株の光度であるかどうかを予測する分類が、グラム陰性タイプかつ発酵性の菌株の光度を、陰性タイプかつ非発酵性の菌株、グラム陽性タイプの菌株、および酵母から作り上げられたセットの光度と区別する分類であり、
− 獲得した光度がグラム陽性タイプの菌株の光度であるかどうかを予測する分類が、グラム陽性タイプの菌株の光度を、陰性タイプかつ非発酵性の菌株、および酵母から作り上げられたセットの光度と区別する分類であり、
− 獲得した光度が酵母の光度であるかどうかを予測する分類が、酵母の光度を、グラム陰性タイプかつ非発酵性の菌株から作り上げられたセットの光度と区別する分類である、
請求項6に記載の方法。 - 獲得した光度が酵母の光度ではない場合、グラムタイプおよび発酵特性の判定が、獲得した光度がグラム陽性タイプの菌株の光度であるかどうかを予測する分類の適用をさらに含む、請求項2に記載の方法。
- 獲得した光度がグラム陽性タイプの菌株の光度ではない場合、グラムタイプおよび発酵特性の判定が、光度がグラム陰性タイプかつ発酵性の菌株の光度であるか、グラム陰性タイプかつ非発酵性の菌株の光度であるかどうかを予測する分類の適用をさらに含む、請求項8に記載の方法。
- − 獲得した光度が酵母の光度であるかどうかを予測する分類が、酵母の光度を、グラム陽性タイプの菌株、グラム陰性タイプかつ非発酵性の菌株、およびグラム陰性タイプかつ発酵性の菌株から作り上げられたセットの光度と区別する分類であり、
− 光度がグラム陽性タイプの菌株の光度であるかどうかを予測する分類が、グラム陽性タイプの菌株の光度を、グラム陰性タイプかつ非発酵性の菌株、およびグラム陰性タイプかつ発酵性の菌株から作り上げられたセットの光度と区別する分類であり、
− 光度がグラム陰性タイプかつ発酵性の菌株の光度であるか、グラム陰性タイプかつ非発酵性の菌株の光度であるかについての分類が、グラム陰性タイプかつ非発酵性の菌株の光度を、グラム陰性タイプかつ発酵性の菌株で作り上げられたグループの光度と区別する分類である、
請求項9に記載の方法。 - − 照明および獲得が、菌株のコロニーと、tryptone−soy寒天である、前記コロニーが成長した培地とを含む試料に対して直接的に行われ、
− 獲得した光度がグラム陽性タイプの菌株の光度ではない場合、グラムタイプおよび発酵特性の判定が、獲得した光度が酵母の光度であるかどうかを予測する分類の適用をさらに含む、
請求項4に記載の方法。 - 獲得した光度が酵母の光度ではない場合、グラムタイプおよび発酵特性の判定が、光度がグラム陰性タイプかつ発酵性の菌株の光度であるかどうか、グラム陰性タイプかつ非発酵性の菌株の光度であるかどうかを予測する分類の適用をさらに含む、請求項11に記載の方法。
- − 光度がグラム陽性タイプの菌株の光度であるかどうかを予測する分類が、グラム陽性タイプの菌株の光度を、グラム陰性タイプかつ非発酵性の菌株、グラム陰性タイプかつ発酵性の菌株、および酵母から作り上げられたセットの光度と区別する分類であり、
− 獲得した光度が酵母の光度であるかどうかを予測する分類が、酵母の光度を、陰性タイプかつ非発酵性の菌株、および陰性タイプかつ発酵性の菌株から作り上げられたセットの強度と区別する分類であり、
− 光度がグラム陰性タイプかつ発酵性の菌株の光度であるか、グラム陰性タイプかつ非発酵性の菌株の光度であるかについての分類が、グラム陰性タイプかつ非発酵性の菌株の光度を、グラム陰性タイプかつ発酵性の菌株から作り上げられたグループの光度と区別する分類である、
請求項12に記載の方法。 - 各分類が、範囲390nm〜900nmのハイパースペクトル画像に対して、および、所定の精度の閾値、または所定の最大数のチャネルが取得されるまで、分類に使用されるスペクトルチャネルのセットを段階的に増加させることからなる手法に従って、訓練される、請求項3から13のいずれか一項に記載の方法。
- 第1の分類が、波長範囲470nm〜500nmおよび波長範囲575nm〜645nmだけに応じて光度を区別する、請求項3に記載の方法。
- 第2の分類が、波長範囲535nm〜675nmおよび波長範囲850nm〜875nmだけに応じて光度を区別する、請求項4に記載の方法。
- 第2の分類が、波長範囲415nm〜500nmおよび波長範囲535nm〜675nmだけに応じて光度を区別する、請求項5から7のいずれか一項に記載の方法。
- 光度が、24個以下の複数のスペクトルチャネルに対して獲得される、請求項1から17のいずれか一項に記載の方法。
- 光度が、第1および第2の分類のそれぞれに対して5以下、および好ましくは4以下の、複数のスペクトルチャネルに対して獲得される、請求項5から7のいずれか一項に記載の方法。
- 光度の獲得が、株の細菌のコロニーのハイパースペクトルまたはマルチスペクトル画像の獲得を含み、光度が、コロニーに対応する前記画像の少なくとも1つのピクセルに応じて判定される、請求項1から19のいずれか一項に記載の方法。
- グラムタイプおよび発酵特性の判定が、コロニーのピクセルのセットの各ピクセルの光度に応じて行われ、グラムタイプおよび発酵特性が、前記第1の検出の結果の多数決によって判定される、請求項20に記載の方法。
- 多数決が、ピクセルの70%以上の投票、または単純な多数決である、請求項21に記載の方法。
- 微生物の特徴づけのためのシステムであって、
− 波長範囲390nm〜900nmで微生物を照明するために構成された照明と、
− 前記照明した微生物によって反射した、または前記照明した微生物を通じて透過した光度を範囲390nm〜900nmで獲得するために構成されたセンサと、
− 前記範囲内で獲得した光度に依存して、酵母または菌株であるものとして微生物を判定するために構成されたコンピュータユニットと
を備えるシステム。 - 請求項2から22のいずれか一項に記載の方法を実行するために構成された、請求項23に記載のシステム。
- 微生物のコロニー含む試料、および前記コロニーが成長した培地、具体的にはペトリ皿を照明して画像を獲得するために構成された、請求項23または24に記載のシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR1762828 | 2017-12-21 | ||
FR1762828A FR3075824B1 (fr) | 2017-12-21 | 2017-12-21 | Procede d'identification d'une levure ou d'une bacterie |
PCT/FR2018/053436 WO2019122734A1 (fr) | 2017-12-21 | 2018-12-20 | Procede d'identification d'une levure ou d'une bacterie |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021506286A true JP2021506286A (ja) | 2021-02-22 |
Family
ID=62528490
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020533199A Pending JP2021506286A (ja) | 2017-12-21 | 2018-12-20 | 酵母または細菌を識別するための方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11905545B2 (ja) |
EP (1) | EP3728624A1 (ja) |
JP (1) | JP2021506286A (ja) |
KR (1) | KR20200100791A (ja) |
CN (1) | CN111492064A (ja) |
FR (1) | FR3075824B1 (ja) |
WO (1) | WO2019122734A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3075825B1 (fr) | 2017-12-21 | 2022-01-21 | Biomerieux Sa | Procede et systeme d'identificationdu type de gram d'une bacterie |
FR3103900A1 (fr) * | 2019-11-29 | 2021-06-04 | Universite Du Mans | Méthode d'identification rapide de microorganismes par analyse de matrices excitation-émission |
CN113740275B (zh) * | 2021-09-01 | 2022-06-21 | 福州大学 | 基于快照式多光谱成像的雨生红球藻虾青素含量检测方法 |
FR3129406A1 (fr) * | 2021-11-24 | 2023-05-26 | Biomerieux | Procédé de détermination de la susceptibilité d’un microorganisme à un agent antimicrobien |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001272399A (ja) * | 2000-01-21 | 2001-10-05 | Wako Pure Chem Ind Ltd | 多項目試験具その製造方法及び試験具測定装置 |
JP2011529187A (ja) * | 2008-07-24 | 2011-12-01 | バイオメリュー・インコーポレイテッド | サンプルにおける生物学的粒子の検出および/または特徴付けのための方法およびシステム |
JP2015507182A (ja) * | 2011-12-19 | 2015-03-05 | オプティカル・ダイアグノスティクス・リミテッド | 培養下での微生物を識別するための分光学的な手段および方法 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4512660A (en) * | 1983-04-14 | 1985-04-23 | The United States Of America As Represented By The Secretary Of The Navy | Picosecond broadband cars probe using the picosecond continuum |
WO1994026870A1 (en) * | 1993-05-14 | 1994-11-24 | Minnesota Mining And Manufacturing Company | Method for rapid quantification of microorganism growth |
EP1428018B1 (en) * | 2001-09-06 | 2010-06-09 | Straus Holdings Inc. | Rapid and sensitive detection of molecules |
US20070279629A1 (en) * | 2004-01-07 | 2007-12-06 | Jacob Grun | Method and apparatus for identifying a substance using a spectral library database |
US7880876B2 (en) * | 2004-10-21 | 2011-02-01 | University Of Georgia Research Foundation, Inc. | Methods of use for surface enhanced raman spectroscopy (SERS) systems for the detection of bacteria |
GB0611289D0 (en) * | 2006-06-08 | 2006-07-19 | Univ St Andrews | Raman spectroscopy |
US8652800B2 (en) | 2008-10-31 | 2014-02-18 | Biomerieux, Inc. | Method for separation, characterization and/or identification of microorganisms using spectroscopy |
EP2361377B1 (en) * | 2008-10-31 | 2018-01-31 | Biomerieux, Inc | Method for identification of microorganisms using raman spectroscopy |
US8647835B2 (en) * | 2008-10-31 | 2014-02-11 | BIO MéRIEUX, INC. | Methods for separation, characterization and/or identification of microorganisms using spectroscopy |
AU2009333848B2 (en) * | 2008-12-16 | 2016-02-18 | Biomerieux, Inc. | Methods for the characterization of microorganisms on solid or semi-solid media |
AU2010248809B2 (en) | 2009-05-15 | 2015-07-09 | Biomerieux, Inc. | System and methods for rapid identification and/or characterization of a microbial agent in a sample |
US8666673B2 (en) * | 2010-05-14 | 2014-03-04 | Biomerieux, Inc | Identification and/or characterization of a microbial agent using taxonomic hierarchical classification |
GB201403376D0 (en) | 2014-02-26 | 2014-04-09 | Univ Manchester | A method of analysing a sample including a microorganism of interest |
WO2016011534A1 (en) * | 2014-07-24 | 2016-01-28 | University Health Network | Collection and analysis of data for diagnostic purposes |
US10829796B2 (en) | 2015-02-27 | 2020-11-10 | Mastaplex Limited | Bacteria identification and antimicrobial susceptibility test |
EP3257947B1 (fr) | 2016-06-16 | 2018-12-19 | Biomérieux | Procede et systeme d'identification du type de gram d'une bacterie |
JP7027408B2 (ja) * | 2016-08-30 | 2022-03-01 | アウトセンス ダイアグノスティクス リミテッド | 身体排出物の分析 |
US10345242B2 (en) * | 2016-11-08 | 2019-07-09 | B&W Tek Llc | Reverse intensity correction for Raman spectral library search |
FR3075825B1 (fr) | 2017-12-21 | 2022-01-21 | Biomerieux Sa | Procede et systeme d'identificationdu type de gram d'une bacterie |
WO2019183136A1 (en) * | 2018-03-20 | 2019-09-26 | SafetySpect, Inc. | Apparatus and method for multimode analytical sensing of items such as food |
-
2017
- 2017-12-21 FR FR1762828A patent/FR3075824B1/fr active Active
-
2018
- 2018-12-20 JP JP2020533199A patent/JP2021506286A/ja active Pending
- 2018-12-20 KR KR1020207021137A patent/KR20200100791A/ko not_active Application Discontinuation
- 2018-12-20 EP EP18842789.2A patent/EP3728624A1/fr active Pending
- 2018-12-20 CN CN201880082224.8A patent/CN111492064A/zh active Pending
- 2018-12-20 US US16/772,410 patent/US11905545B2/en active Active
- 2018-12-20 WO PCT/FR2018/053436 patent/WO2019122734A1/fr unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001272399A (ja) * | 2000-01-21 | 2001-10-05 | Wako Pure Chem Ind Ltd | 多項目試験具その製造方法及び試験具測定装置 |
JP2011529187A (ja) * | 2008-07-24 | 2011-12-01 | バイオメリュー・インコーポレイテッド | サンプルにおける生物学的粒子の検出および/または特徴付けのための方法およびシステム |
JP2015507182A (ja) * | 2011-12-19 | 2015-03-05 | オプティカル・ダイアグノスティクス・リミテッド | 培養下での微生物を識別するための分光学的な手段および方法 |
Non-Patent Citations (4)
Title |
---|
ANNUAL INTERNATIONAL CONFERENCE OF THE IEEE ENGINEERING IN MEDICINE AND BIOLOGY SOCIETY., vol. 2015, JPN6022041296, 2015, pages 759 - 62, ISSN: 0004888323 * |
COMPUTERS IN BIOLOGY AND MEDICINE, vol. 88, JPN6022041297, 1 September 2017 (2017-09-01), pages 60 - 71, ISSN: 0004888325 * |
MBIO, vol. 4, no. 6, JPN6022041298, 2013, pages 00865 - 13, ISSN: 0004888324 * |
PROCEEDINGS OF SPIE, vol. 9887, JPN6022041299, 2016, pages 1 - 12, ISSN: 0004888326 * |
Also Published As
Publication number | Publication date |
---|---|
US11905545B2 (en) | 2024-02-20 |
FR3075824A1 (fr) | 2019-06-28 |
US20210079442A1 (en) | 2021-03-18 |
KR20200100791A (ko) | 2020-08-26 |
CN111492064A (zh) | 2020-08-04 |
WO2019122734A1 (fr) | 2019-06-27 |
EP3728624A1 (fr) | 2020-10-28 |
FR3075824B1 (fr) | 2022-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US12006529B2 (en) | Method and system for identifying the gram type of a bacterium | |
JP2021506286A (ja) | 酵母または細菌を識別するための方法 | |
US9822389B2 (en) | Method for the characterization of microorganisms on solid or semi-solid media | |
JP6872566B2 (ja) | 細菌のグラムタイプを特定するためのプロセス及びシステム | |
CN104870650A (zh) | 区别图像中的微生物菌落的方法 | |
US20080102487A1 (en) | Method and apparatus for non-invasive rapid fungal specie (mold) identification having hyperspectral imagery | |
US10184144B2 (en) | Identification and/or characterization of a microbial agent using taxonomic hierarchical classification | |
Shin et al. | A hand-held fluorescent sensor platform for selectively estimating green algae and cyanobacteria biomass | |
EP2569732B1 (en) | Identification and/or characterization of a microbial agent using taxonomic hierarchical classification | |
Midahuen et al. | Direct and label-free gram classification of bacterial colonies on agar using hyperspectral imaging | |
CN118339308A (zh) | 确定微生物对抗微生物剂易感性的方法 | |
Wei | A machine vision-based in situ probe for automated on-line measurement of cell density and viability by dark field microscopy, image processing and pattern recognition |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211125 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220922 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221004 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20221209 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230329 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230606 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230905 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240516 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20240524 |