JP2022540195A - 自動閾値化を用いたデータ処理方法及びシステム - Google Patents
自動閾値化を用いたデータ処理方法及びシステム Download PDFInfo
- Publication number
- JP2022540195A JP2022540195A JP2022501145A JP2022501145A JP2022540195A JP 2022540195 A JP2022540195 A JP 2022540195A JP 2022501145 A JP2022501145 A JP 2022501145A JP 2022501145 A JP2022501145 A JP 2022501145A JP 2022540195 A JP2022540195 A JP 2022540195A
- Authority
- JP
- Japan
- Prior art keywords
- data
- data set
- processing system
- data processing
- bin
- 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
Links
- 238000003672 processing method Methods 0.000 title claims description 21
- 238000012545 processing Methods 0.000 claims abstract description 158
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000009499 grossing Methods 0.000 claims description 20
- 230000008569 process Effects 0.000 claims description 20
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000003752 polymerase chain reaction Methods 0.000 claims description 16
- 230000035772 mutation Effects 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 8
- 108090000623 proteins and genes Proteins 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 239000003153 chemical reaction reagent Substances 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 14
- 239000000523 sample Substances 0.000 description 11
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 6
- 239000013641 positive control Substances 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000002441 reversible effect Effects 0.000 description 3
- 239000002246 antineoplastic agent Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000009007 Diagnostic Kit Methods 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 229940041181 antineoplastic drug Drugs 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
- G16B20/20—Allele or variant detection, e.g. single nucleotide polymorphism [SNP] detection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B25/00—ICT specially adapted for hybridisation; ICT specially adapted for gene or protein expression
- G16B25/10—Gene or protein expression profiling; Expression-ratio estimation or normalisation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
- G16B40/10—Signal processing, e.g. from mass spectrometry [MS] or from PCR
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B50/00—ICT programming tools or database systems specially adapted for bioinformatics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Epidemiology (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biophysics (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- Theoretical Computer Science (AREA)
- Primary Health Care (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Genetics & Genomics (AREA)
- Bioethics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Image Analysis (AREA)
- Complex Calculations (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
の意味を有さない限り、複数の表現を含む。
(読み込み専用のコンパクトディスク)、デジタル多用途ディスク(DVD)等の光記録媒体(optical media)、フロプティカルディスク(floptical disk)等の磁気-光媒体(magneto-optical media)及びROM(読み出し専用メモリ)、RAM(ランダムアクセスメモリ)、フラッシュメモリ等のプログラム指令を格納しかつ行うように特別に工夫されたハードウェア装置が挙げられる。また、コンピュータ読み取り可能な記録媒体は、ネットワークにより結ばれたコンピュータシステムに分散されて、分散方式によりコンピュータ読み取り可能なコードが格納され且つ実行されてもよい。
Claims (17)
- データ処理システムが、2以上のクラスタを有する基準データセットに含まれている多数の個別数値を入力されるステップと、
前記データ処理システムが、入力された前記基準データセットに含まれているそれぞれの数値に基づき、前記基準データセットが有するクラスタを分割するための閾値(threshold)を算出するステップと、
前記データ処理システムが、少なくとも一つの解析対象のデータセットのそれぞれに対して、多数の個別数値を有する前記解析対象のデータセットを、前記閾値を用いて、互いに異なるクラスタに分割するステップと、を含む自動閾値化を用いたデータ処理方法。 - 前記自動閾値化を用いたデータ処理方法は、
前記データ処理システムが、入力された前記基準データセットに含まれているそれぞれの数値に基づき、前記基準データセットが有するクラスタのうち、平均値が最も小さいクラスタの基線(baseline)値を算出するステップをさらに含むが、
前記データ処理システムが、前記多数の個別数値を有する前記解析対象のデータセットを、前記閾値を用いて、互いに異なるクラスタに分割するステップは、
前記データ処理システムが、前記解析対象のデータセットに含まれているそれぞれの数値に基づき、前記解析対象のデータセットが有するクラスタのうち、平均値が最も小さいクラスタの基線値を算出するステップと、
前記データ処理システムが、前記基準データセットの基線値と前記解析対象のデータセットの基線値との差に基づき、前記閾値を補正した補正閾値を算出するステップと、
前記データ処理システムが、前記解析対象のデータセットに含まれているそれぞれの数値を、前記補正閾値を基準として区別するステップと、を含む請求項1に記載の自動閾値化を用いたデータ処理方法。 - 前記基準データセット及び前記少なくとも一つの解析対象のデータセットに含まれているそれぞれの数値は、
特定の突然変異を検出するための蛍光試薬が添加され、前記特定の突然変異に相当する遺伝子シーケンスに対するポリメラーゼ連鎖反応(polymerase chain reaction;PCR)が行われたそれぞれの液滴(droplet)を対象にして測定した蛍光信号のサイズの値である請求項1に記載の自動閾値化を用いたデータ処理方法。 - 前記データ処理システムが、前記入力された前記基準データセットに含まれているそれぞれの数値に基づき、前記基準データセットが有するクラスタを分割するための閾値を算出するステップは、
前記データ処理システムが、前記基準データセットに含まれているそれぞれの数値を用いて、予め定められたビンの幅を有する複数のビンで構成されたヒストグラムデータを生成するステップと、
前記データ処理システムが、前記ヒストグラムデータのそれぞれのビンのうち、予め定められたノイズの基準値以下の度数を有するビンの度数が0になるようにするノイズ除去過程を行い、ノイズが除去されたヒストグラムデータを生成するステップと、
前記データ処理システムが、前記ノイズが除去されたヒストグラムデータに基づき、前記基準データセット内の第1クラスタの左側終端に存在する第1ターゲットビンを探索するステップと、
前記データ処理システムが、前記ノイズが除去されたヒストグラムデータに基づき、前記基準データセット内の第2クラスタの右側終端に存在する第2ターゲットビンを探索するステップと、
前記第1ターゲットビン及び前記第2ターゲットビンの間の数値のうちいずれか一つである前記閾値を算出するステップと、を含む請求項1に記載の自動閾値化を用いたデータ処理方法。 - 前記データ処理システムが、入力された前記それぞれの数値を用いて、予め定められたビンの幅を有する複数のビンで構成されたヒストグラムデータを生成するステップは、
前記基準データセットに含まれているそれぞれの数値のうち、上位一部の数値及び下位一部の数値を除去した修正データセットを生成するステップと、
前記修正データセットに含まれているそれぞれの数値を用いて、前記ヒストグラムデータを生成するステップと、を含む請求項4に記載の自動閾値化を用いたデータ処理方法。 - 前記データ処理システムが、前記入力された前記基準データセットに含まれているそれぞれの数値に基づき、前記基準データセットが有するクラスタを分割するための閾値を算出するステップは、
a)前記データ処理システムが、入力された前記それぞれの数値を用いて、前記数値が有し得る数値の範囲を、予め定められたビンの幅を有する複数のビンに分割し、分割されたビンのそれぞれに該当する数値を度数として有するヒストグラムデータを生成するステップと、
b)前記データ処理システムが、前記ヒストグラムデータを平滑化するステップと、
c)前記データ処理システムが、前記平滑化されたヒストグラムデータを差分するステップと、
d)前記データ処理システムが、差分されたヒストグラムデータに基づき、所定の基準条件を満たし、かつ、前記基準データセット内の第1クラスタの左側終端に存在する第1ターゲットビンを探索するステップと、
e)前記データ処理システムが、差分されたヒストグラムデータに基づき、前記基準条件を満たし、かつ、前記基準データセット内の第2クラスタの右側終端に存在する第2ターゲットビンを探索するステップと、
f)前記データ処理システムが、前記第1ターゲットビン及び前記第2ターゲットビンの間の値のうちいずれか一つである前記閾値を算出するステップと、を含む請求項1に記載の自動閾値化を用いたデータ処理方法。 - 前記自動閾値化を用いたデータ処理方法は、
前記データ処理システムが、予め設定されたビンの幅を用いて、前記基準条件を満たす第1ターゲットビンまたは第2ターゲットビンが探索されない場合、前記ビンの幅を一定の数値だけ減らすステップと、
前記データ処理システムが、減ったビンの幅を用いて、前記a)ステップ乃至e)ステップを再び行うステップと、をさらに含む請求項6に記載の自動閾値化を用いたデータ処理方法。 - 前記データ処理システムが、前記入力された前記基準データセットに含まれているそれぞれの数値に基づき、前記基準データセットが有するクラスタを分割するための閾値を算出するステップは、
a)前記データ処理システムが、入力された前記それぞれの数値を用いて、前記数値が有し得る数値の範囲を、予め定められたビンの幅を有する複数のビンに分割し、分割されたビンのそれぞれに該当する数値を度数として有するヒストグラムデータを生成するステップと、
b)前記データ処理システムが、前記ヒストグラムデータを平滑化するステップと、
c)前記データ処理システムが、平滑化されたヒストグラムデータに基づき、所定の基準条件を満たし、かつ、前記基準データセット内の第1クラスタの左側終端に存在する第1ターゲットビンを探索するステップと、
d)前記データ処理システムが、平滑化されたヒストグラムデータに基づき、前記基準条件を満たし、かつ、前記基準データセット内の第2クラスタの右側終端に存在する第2ターゲットビンを探索するステップと、を含む請求項1に記載の自動閾値化を用いたデータ処理方法。 - データ処理システムにインストールされ、請求項1乃至請求項8のいずれか一項に記載の方法を行うためのコンピュータプログラム。
- 請求項1乃至請求項8のいずれか一項に記載の方法を行うためのコンピュータプログラムが記録されたコンピュータ読み取り可能な記録媒体。
- 2以上のクラスタを有する基準データセットに含まれている多数の個別数値を入力される入力モジュールと、
入力された前記基準データセットに含まれているそれぞれの数値に基づき、前記基準データセットが有するクラスタを分割するための閾値を算出する閾値算出モジュールと、
少なくとも一つの解析対象のデータセットのそれぞれに対して、多数の個別数値を有する前記解析対象のデータセットを、前記閾値を用いて、互いに異なるクラスタに分割する処理モジュールと、を含む自動閾値化を用いたデータ処理システム。 - 前記自動閾値化を用いたデータ処理システムは、入力された前記基準データセットに含まれているそれぞれの数値に基づき、前記基準データセットが有するクラスタのうち、平均値が最も小さいクラスタの基線値を算出する基線値算出モジュールをさらに含むが、
前記処理モジュールは、前記多数の個別数値を有する前記解析対象のデータセットを、前記閾値を用いて、互いに異なるクラスタに分割するために、
前記解析対象のデータセットに含まれているそれぞれの数値に基づき、前記解析対象のデータセットが有するクラスタのうち、平均値が最も小さいクラスタの基線値を算出し、
前記基準データセットの基線値と前記解析対象のデータセットの基線値との差に基づき、前記閾値を補正した補正閾値を算出し、
前記解析対象のデータセットに含まれているそれぞれの数値を、前記補正閾値を基準として区別する請求項11に記載の自動閾値化を用いたデータ処理システム。 - 前記閾値算出モジュールは、
前記基準データセットに含まれているそれぞれの数値を用いて、予め定められたビンの幅を有する複数のビンで構成されたヒストグラムデータを生成し、前記ヒストグラムデータのそれぞれのビンのうち、予め定められたノイズの基準値以下の度数を有するビンの度数が0になるようにするノイズ除去過程を行い、ノイズが除去されたヒストグラムデータを生成し、前記ノイズが除去されたヒストグラムデータに基づき、前記基準データセット内の第1クラスタの左側終端に存在する第1ターゲットビンを探索し、前記ノイズが除去されたヒストグラムデータに基づき、前記基準データセット内の第2クラスタの右側終端に存在する第2ターゲットビンを探索し、前記第1ターゲットビン及び前記第2ターゲットビンの間の数値のうちいずれか一つである前記閾値を算出する請求項11に記載の自動閾値化を用いたデータ処理システム。 - 前記閾値算出モジュールは、前記ヒストグラムデータを生成するために、前記基準データセットに含まれているそれぞれの数値のうち、上位一部の数値及び下位一部の数値を除去した修正データセットを生成し、前記修正データセットに含まれているそれぞれの数値を用いて、前記ヒストグラムデータを生成する請求項13に記載の自動閾値化を用いたデータ処理システム。
- 前記閾値算出モジュールは、
入力された前記それぞれの数値を用いて、前記数値が有し得る数値の範囲を、予め定められたビンの幅を有する複数のビンに分割し、分割されたビンのそれぞれに該当する数値を度数として有するヒストグラムデータを生成し、前記ヒストグラムデータを平滑化し、前記平滑化されたヒストグラムデータを差分し、差分されたヒストグラムデータに基づき、所定の基準条件を満たし、かつ、前記基準データセット内の第1クラスタの左側終端に存在する第1ターゲットビンを探索し、前記基準条件を満たし、かつ、前記基準データセット内の第2クラスタの右側終端に存在する第2ターゲットビンを探索し、前記第1ターゲットビン及び前記第2ターゲットビンの間の値のうちいずれか一つである前記閾値を算出する請求項11に記載の自動閾値化を用いたデータ処理システム。 - 前記閾値算出モジュールは、
予め設定されたビンの幅を用いて、前記基準条件を満たすターゲットビンが探索されない場合、前記ビンの幅を一定の数値だけ減らし、減ったビンの幅を用いて、ヒストグラムデータを再び生成し、再び生成されたヒストグラムデータを用いて、特定のクラスタの終端に存在するターゲットビンを探索する請求項15に記載の自動閾値化を用いたデータ処理システム。 - 前記閾値算出モジュールは、
入力された前記それぞれの数値を用いて、前記数値が有し得る数値の範囲を、予め定められたビンの幅を有する複数のビンに分割し、分割されたビンのそれぞれに該当する数値を度数として有するヒストグラムデータを生成し、前記ヒストグラムデータを平滑化し、平滑化されたヒストグラムデータに基づき、所定の基準条件を満たし、かつ、前記基準データセット内の第1クラスタの左側終端に存在する第1ターゲットビンを探索し、前記基準条件を満たし、かつ、前記基準データセット内の第2クラスタの右側終端に存在する第2ターゲットビンを探索し、前記第1ターゲットビン及び前記第2ターゲットビンの間の値のうちいずれか一つである前記閾値を算出する請求項11に記載の自動閾値化を用いたデータ処理システム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR10-2019-0084214 | 2019-07-12 | ||
KR1020190084214A KR102261474B1 (ko) | 2019-07-12 | 2019-07-12 | 자동 경계화를 이용한 데이터 처리 방법 및 시스템 |
PCT/KR2020/009095 WO2021010670A1 (ko) | 2019-07-12 | 2020-07-10 | 자동 경계화를 이용한 데이터 처리 방법 및 시스템 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022540195A true JP2022540195A (ja) | 2022-09-14 |
JP7345811B2 JP7345811B2 (ja) | 2023-09-19 |
Family
ID=74210608
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022501145A Active JP7345811B2 (ja) | 2019-07-12 | 2020-07-10 | 自動閾値化を用いたデータ処理方法及びシステム |
Country Status (6)
Country | Link |
---|---|
US (1) | US20220277812A1 (ja) |
EP (1) | EP3985677A4 (ja) |
JP (1) | JP7345811B2 (ja) |
KR (1) | KR102261474B1 (ja) |
CN (1) | CN114503205A (ja) |
WO (1) | WO2021010670A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102584198B1 (ko) * | 2019-07-31 | 2023-10-04 | 엘지전자 주식회사 | 디스플레이 장치 및 그의 동작 방법 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002541438A (ja) * | 1999-02-18 | 2002-12-03 | バイオ−ヴィユー リミテッド | 混合細胞個体群内の希少な細胞型の同定及び分析用システム及び方法 |
JP2013008159A (ja) * | 2011-06-23 | 2013-01-10 | Toshio Kobayashi | 医療データ解析方法、医療データ解析装置およびプログラム |
JP2015207111A (ja) * | 2014-04-18 | 2015-11-19 | ソニー株式会社 | 検査サーバ、検査方法および検査システム |
JP2016099888A (ja) * | 2014-11-25 | 2016-05-30 | 日本電信電話株式会社 | センサデータ分類装置、方法およびプログラム |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6944338B2 (en) * | 2000-05-11 | 2005-09-13 | Becton Dickinson And Company | System for identifying clusters in scatter plots using smoothed polygons with optimal boundaries |
EP1703283A4 (en) * | 2003-07-18 | 2011-11-23 | A & T Corp | ANALYSIS DEVICE AND ANALYSIS METHOD FOR A CLINICAL INVESTIGATION AND A COMPUTER PROGRAM PROGRAMMING THE PROCESS |
KR100875915B1 (ko) * | 2005-12-08 | 2008-12-26 | 한국전자통신연구원 | 정보추출 군집화 시스템 및 그 방법 |
KR101052592B1 (ko) * | 2008-11-19 | 2011-07-29 | 한국과학기술정보연구원 | 계층적 클러스터링에서 최적의 군집 분할 방법 및 시스템 |
KR20110114181A (ko) * | 2010-04-13 | 2011-10-19 | 고려대학교 산학협력단 | 예측 정확성이 향상된 대출 심사 방법 |
EP3901955A1 (en) * | 2011-01-05 | 2021-10-27 | The Chinese University Of Hong Kong | Noninvasive prenatal genotyping of fetal sex chromosomes |
KR101700104B1 (ko) * | 2012-09-04 | 2017-02-13 | 에스케이플래닛 주식회사 | 군집 분석 지원 시스템 및 방법과, 이를 지원하는 장치 |
KR20140064471A (ko) * | 2012-11-20 | 2014-05-28 | 한국과학기술원 | 대용량 데이터를 위한 군집화 방법 |
RU2018127709A (ru) | 2016-01-22 | 2020-02-25 | Отрэйсис, Инк. | Системы и способы улучшения диагностики заболеваний |
KR101782364B1 (ko) * | 2016-05-23 | 2017-09-27 | (주)에이앤아이 | 케이평균군집화를 통한 학습기반의 비전검사 방법 |
-
2019
- 2019-07-12 KR KR1020190084214A patent/KR102261474B1/ko active IP Right Grant
-
2020
- 2020-07-10 US US17/626,795 patent/US20220277812A1/en active Pending
- 2020-07-10 EP EP20841170.2A patent/EP3985677A4/en active Pending
- 2020-07-10 JP JP2022501145A patent/JP7345811B2/ja active Active
- 2020-07-10 WO PCT/KR2020/009095 patent/WO2021010670A1/ko unknown
- 2020-07-10 CN CN202080050896.8A patent/CN114503205A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002541438A (ja) * | 1999-02-18 | 2002-12-03 | バイオ−ヴィユー リミテッド | 混合細胞個体群内の希少な細胞型の同定及び分析用システム及び方法 |
JP2013008159A (ja) * | 2011-06-23 | 2013-01-10 | Toshio Kobayashi | 医療データ解析方法、医療データ解析装置およびプログラム |
JP2015207111A (ja) * | 2014-04-18 | 2015-11-19 | ソニー株式会社 | 検査サーバ、検査方法および検査システム |
JP2016099888A (ja) * | 2014-11-25 | 2016-05-30 | 日本電信電話株式会社 | センサデータ分類装置、方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2021010670A1 (ko) | 2021-01-21 |
KR20210007547A (ko) | 2021-01-20 |
US20220277812A1 (en) | 2022-09-01 |
EP3985677A1 (en) | 2022-04-20 |
JP7345811B2 (ja) | 2023-09-19 |
KR102261474B1 (ko) | 2021-06-07 |
CN114503205A (zh) | 2022-05-13 |
EP3985677A4 (en) | 2023-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yang et al. | Deep learning for smartphone-based malaria parasite detection in thick blood smears | |
CN103617256B (zh) | 待变异检测文件的处理方法及装置 | |
Ganapathy et al. | CometQ: An automated tool for the detection and quantification of DNA damage using comet assay image analysis | |
Ananthi et al. | A new thresholding technique based on fuzzy set as an application to leukocyte nucleus segmentation | |
US11629384B2 (en) | Systems and methods for using image processing to generate inferences of biomarker for immunotherapy | |
Lee et al. | HiComet: a high-throughput comet analysis tool for large-scale DNA damage assessment | |
JP2020512860A5 (ja) | ||
Wang et al. | A rule-based computer scheme for centromere identification and polarity assignment of metaphase chromosomes | |
JP2022540195A (ja) | 自動閾値化を用いたデータ処理方法及びシステム | |
Peng et al. | PombeX: robust cell segmentation for fission yeast transillumination images | |
Belean et al. | Low-complexity PDE-based approach for automatic microarray image processing | |
JP6761717B2 (ja) | 情報処理装置及びプログラム | |
JP6543954B2 (ja) | 除去領域設定方法、除去領域設定装置およびプログラム | |
JP7359163B2 (ja) | 判別装置、細胞塊の判別方法、及びコンピュータプログラム | |
CN115545123B (zh) | 熔解曲线优化方法、装置、电子设备及存储介质 | |
US20050036669A1 (en) | Method, apparatus, and program for detecting abnormal patterns | |
JP7281827B2 (ja) | 特定のデータクラスタの終端点探索方法及びそのデータ処理システム | |
Casey et al. | A machine learning approach to prostate cancer risk classification through use of RNA sequencing data | |
KR20220084472A (ko) | 인지 부하를 고려한 정상상태시각유발전위 분류 방법 | |
Quellec et al. | Automated discovery and quantification of image-based complex phenotypes: a twin study of drusen phenotypes in age-related macular degeneration | |
Manjaramkar et al. | Automated red lesion detection: an overview | |
US10032001B2 (en) | Methods and systems for identifying the quantitation cycle for a PCR amplification reaction | |
KR101624014B1 (ko) | 퍼지 신경망을 이용한 유전자 선택 방법 및 시스템 | |
JP7368679B2 (ja) | 細胞集団同定システム、方法、およびプログラム | |
Place | Facilitating Analysis of Toxoplasma gondii Bradyzoite Metabolic Activity via Image Processing and Multivariate Logistic Regression for High Throughput Classification of Mitochondrial Morphologies |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220318 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230410 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230428 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230727 |
|
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: 20230804 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230829 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7345811 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |