JP2023011551A - マイクロ流体デバイスによる微小物体の自動検出及び再配置 - Google Patents

マイクロ流体デバイスによる微小物体の自動検出及び再配置 Download PDF

Info

Publication number
JP2023011551A
JP2023011551A JP2022150955A JP2022150955A JP2023011551A JP 2023011551 A JP2023011551 A JP 2023011551A JP 2022150955 A JP2022150955 A JP 2022150955A JP 2022150955 A JP2022150955 A JP 2022150955A JP 2023011551 A JP2023011551 A JP 2023011551A
Authority
JP
Japan
Prior art keywords
micro
layer
objects
block
image data
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
JP2022150955A
Other languages
English (en)
Other versions
JP7221444B2 (ja
Inventor
イー． キム，ハンソル
E Kim Hansohl
エー． テニー，ジョン
A Tenney John
エフ． スローカム，ジョシュア
F Slocum Joshua
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.)
Phenomex Inc
Original Assignee
Berkeley Lights 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 Berkeley Lights Inc filed Critical Berkeley Lights Inc
Publication of JP2023011551A publication Critical patent/JP2023011551A/ja
Priority to JP2023013800A priority Critical patent/JP2023052813A/ja
Application granted granted Critical
Publication of JP7221444B2 publication Critical patent/JP7221444B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/698—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
    • B01L3/00—Containers or dishes for laboratory use, e.g. laboratory glassware; Droppers
    • B01L3/50—Containers for the purpose of retaining a material to be analysed, e.g. test tubes
    • B01L3/502—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures
    • B01L3/5027—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip
    • B01L3/502761—Containers for the purpose of retaining a material to be analysed, e.g. test tubes with fluid transport, e.g. in multi-compartment structures by integrated microfluidic structures, i.e. dimensions of channels and chambers are such that surface tension forces are important, e.g. lab-on-a-chip specially adapted for handling suspended solids or molecules independently from the bulk fluid flow, e.g. for trapping or sorting beads, for physically stretching molecules
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0014—Image feed-back for automatic industrial control, e.g. robot with camera
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration by the use of local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G06T7/248—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/88—Image or video recognition using optical means, e.g. reference filters, holographic masks, frequency domain filters or spatial domain filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
    • B01L2200/00—Solutions for specific problems relating to chemical or physical laboratory apparatus
    • B01L2200/02—Adapting objects or devices to another
    • B01L2200/026—Fluid interfacing between devices or objects, e.g. connectors, inlet details
    • B01L2200/027—Fluid interfacing between devices or objects, e.g. connectors, inlet details for microfluidic devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01L—CHEMICAL OR PHYSICAL LABORATORY APPARATUS FOR GENERAL USE
    • B01L2200/00—Solutions for specific problems relating to chemical or physical laboratory apparatus
    • B01L2200/06—Fluid handling related problems
    • B01L2200/0631—Purification arrangements, e.g. solid phase extraction [SPE]
    • 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
    • G06T2207/10056—Microscopic 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
    • G06T2207/20—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
    • G06T2207/30241—Trajectory
    • 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
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Biophysics (AREA)
  • Evolutionary Biology (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Robotics (AREA)
  • Clinical Laboratory Science (AREA)
  • Dispersion Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Hematology (AREA)
  • Fluid Mechanics (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Apparatus Associated With Microorganisms And Enzymes (AREA)
  • Physical Or Chemical Processes And Apparatus (AREA)
  • Manipulator (AREA)
  • Automatic Analysis And Handling Materials Therefor (AREA)
  • Image Analysis (AREA)
  • Microscoopes, Condenser (AREA)
  • Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)

Abstract

Figure 2023011551000001
【課題】マイクロ流体デバイスによる微小物体の自動検出方法、計数方法及び再配置方法を提供する。
【解決手段】方法は、マイクロ流体デバイスの画像データを受け取ることと、画像データを前処理して画像データ中の異常を低減することと、機械学習アルゴリズムを用いて前記画像データ中のピクセルデータを処理することと、複数の微小物体特性に従ってピクセルデータにアノテートすることと、ピクセルデータ中の各ピクセルに対応する確率値を出力することと、閾値を適用してどのピクセル確率が少なくとも規定閾値を満たすか決定することと、同定可能なマイクロ物体の数に基づいてマイクロ物体の数を決定することと、を含む。
【選択図】図１０

Description

[0001] 本出願は、米国法典第３５編第１１９条（ｅ）の下、２０１６年１２月１日出願の米国仮特許出願第６２／４２９，０７１号及び２０１７年１１月１日出願の米国仮特許出願第６２／５７９，８９７号（それらの開示はそれぞれその全体が参照により本明細書に援用される）に基づく利益を主張する非仮出願である。
分野
[0002] 本開示は、一般的には、画像中の微小物体の自動検出方法に関する。特定的には、本方法は、マイクロ流体デバイス内に位置決めされた細胞やビーズ等の微小物体を画像中で自動検出する工程を含み得る。
背景
[0003] 不均一又は複雑なバックグラウンドで生体細胞やビーズ等の微小物体を効率的且つロバストに検出することは、マイクロ流体環境で微小物体を自動操作するうえできわめて重要である。特定の微小物体の外観は半透明であるため、かかる微小物体にサイズが類似した特徴を有する不均一なバックグラウンドは、検出上の重大な課題をもたらす。同様に、細胞再配置等の自動操作は、ＯＥＴ技術固有の特徴により複雑化される。本発明のいくつかの実施形態は、マイクロ流体環境で微小物体をロバストに検出し再配置することに関する。
発明の概要
[0004] 一態様では、画像中の微小物体の自動検出方法が提供される。本方法は、対応する複数の微小物体特性に対して画像から複数のピクセルマスクを発生させることと、複数のピクセルマスクの少なくとも１つから画像中の微小物体を同定することと、を含み得る。本方法は、画像中の同定された微小物体の数を取得することを更に含み得る。複数のピクセルマスクを発生させることは、畳込みニューラルネットワーク等の機械学習アルゴリズムを用いて画像のピクセルデータを処理することを含み得る。各ピクセルマスクはピクセルアノテーションのセットを含み、セットの各ピクセルアノテーションは、画像中の対応するピクセルが対応する微小物体特性を表す確率を表す。
[0005] 他の態様では、機械可読記憶デバイスが提供される。記憶デバイスは、非一時的機械可読命令を記憶可能であり、命令の実行により、計算デバイスは、１つ以上の微小物体を含み得る画像をメモリに記憶させたり、第１のモジュールで対応する複数の微小物体特性に対して画像から複数のピクセルマスクを発生させたり、第２のモジュールで複数のピクセルマスクの少なくとも１つから微小物体の数を取得させたりし得る。発生させたり取得させたりする工程は、本明細書に開示される方法のいずれかに従って実施可能である。第１及び第２のモジュールは、互いに同一であり得るか（すなわち、単一モジュールが存在する）、又は個別の識別可能なモジュールであり得る。
[0006] 他の態様では、複数の隔離ペンを含むマイクロ流体デバイスにより微小物体を再配置する方法が提供される。本方法は、マイクロ流体デバイス内に配置された微小物体のセットを同定することと、１つ以上の軌道を計算することであって、各軌道が微小物体のセットの中の１つの微小物体と複数の隔離ペンの中の１つの隔離ペンとを結び付ける経路である、計算することと、微小物体のセットの中の１つ以上の微小物体に対して、１つ以上の軌道の中から軌道を選択することと、その選択された軌道に沿って微小物体を移動させることにより、１つ以上の微小物体の中から選択された軌道を有する少なくとも１つの微小物体を再配置することと、を含み得る。マイクロ流体デバイス内に配置された微小物体のセットを同定する工程は、本明細書に開示される方法のいずれかにより実施可能である。
[0007] 更に他の態様では、マイクロ流体デバイスにより微小物体を再配置する方法が提供される。本方法は、マイクロ流体デバイスの特定空間領域内に配置された微小物体のセットを同定することと、特定空間領域を微小物体のセットの中の１つ以上の微小物体を各々含有するサブ領域に分割する頂点のセットを計算することと、計算された頂点のセットに基づいて微小物体のセットの中の少なくとも１つの微小物体に対して第１の光ケージを発生させることと、マイクロ流体デバイスの特定空間領域に対して第１の光ケージを移動させることにより少なくとも１つの微小物体を再配置することと、を含み得る。マイクロ流体デバイス内に配置された微小物体のセットを同定する工程は、本明細書に開示される方法のいずれかにより実施可能である。
[0008] 追加の態様は、以下の詳細な説明更には本明細書に添付の特許請求の範囲及び図面から明らかになろう。
図面の簡単な説明
[0001]本開示のいくつかの実施形態にかかるマイクロ流体デバイス及び関連する制御装置で用いられるシステムの例を例示する。 [0002]本開示のいくつかの実施形態にかかるマイクロ流体デバイスを例示する。 [0002]本開示のいくつかの実施形態にかかるマイクロ流体デバイスを例示する。 [0003]本開示のいくつかの実施形態にかかる分離ペンを例示する。 [0003]本開示のいくつかの実施形態にかかる分離ペンを例示する。 [0004]本開示のいくつかの実施形態にかかる詳細な隔離ペンを例示する。 [0005]本開示のいくつかの他の実施形態にかかる隔離ペンを例示する。 [0005]本開示のいくつかの他の実施形態にかかる隔離ペンを例示する。 [0005]本開示のいくつかの他の実施形態にかかる隔離ペンを例示する。 [0006]本開示の実施形態にかかるマイクロ流体デバイスを例示する。 [0007]本開示の実施形態にかかるマイクロ流体デバイスのコーティング表面を例示する。 [0008]本開示のいくつかの実施形態にかかるマイクロ流体デバイス及び関連する制御装置で用いられるシステムの例を例示する。 [0009]本開示のいくつかの実施形態にかかる撮像デバイスを例示する。 [0010]本発明の一実施形態にかかる微小物体の平行ペン隔離を示す。 [0010]本発明の一実施形態にかかる微小物体の平行ペン隔離を示す。 [0010]本発明の一実施形態にかかる微小物体の平行ペン隔離を示す。 [0011]種々の実施形態にかかるコンピュータシステムのブロック図を例示する。 [0012]本発明の具体的な実施形態に従って微小物体を分離するために使用可能な改変光ケージの発生を例示する。 [0012]本発明の具体的な実施形態に従って微小物体を分離するために使用可能な改変光ケージの発生を例示する。 [0012]本発明の具体的な実施形態に従って微小物体を分離するために使用可能な改変光ケージの発生を例示する。 [0012]本発明の具体的な実施形態に従って微小物体を分離するために使用可能な改変光ケージの発生を例示する。 [0012]本発明の具体的な実施形態に従って微小物体を分離するために使用可能な改変光ケージの発生を例示する。 [0012]本発明の具体的な実施形態に従って微小物体を分離するために使用可能な改変光ケージの発生を例示する。 [0013]種々の実施形態にかかる畳込みニューラルネットワークの模式図を例示する。 [0014]種々の実施形態にかかる残りのネットワーク、ダウンサンプリングブロック、及びアップサンプリングブロックの模式図を例示する。 [0014]種々の実施形態にかかる残りのネットワーク、ダウンサンプリングブロック、及びアップサンプリングブロックの模式図を例示する。 [0014]種々の実施形態にかかる残りのネットワーク、ダウンサンプリングブロック、及びアップサンプリングブロックの模式図を例示する。 [0015]種々の実施形態にかかる畳込みニューラルネットワークのより詳細な模式図のセクションを例示する。 [0015]種々の実施形態にかかる畳込みニューラルネットワークのより詳細な模式図のセクションを例示する。 [0015]種々の実施形態にかかる畳込みニューラルネットワークのより詳細な模式図のセクションを例示する。 [0015]種々の実施形態にかかる畳込みニューラルネットワークのより詳細な模式図のセクションを例示する。 [0016]種々の実施形態にかかる画像中の微小物体の自動検出方法のフローチャートを例示する。 [0017]種々の実施形態にかかる画像中の微小物体の自動検出システムを例示する。
詳細な説明
[0018] 本明細書には、本開示の例示的な実施形態及び適用が記載されている。しかし、本開示は、これらの例示的な実施形態及び適用にも、例示的な実施形態及び適用を行う方式やそれについての本明細書に記載の方式にも、限定されるものではない。更に、図は、簡略図又は部分図を示し得ると共に、図中の要素の寸法は、誇張されたりさもなければ比例していなかったりし得る。そのほか、「～上」、「～に装着される」、「～に接続される」、「～に結合される」という用語又は類似語が本明細書で使用される場合、一方の要素が直接他方の要素上にあるか、それに装着されるか、それに接続されるか、若しくはそれに結合されるか、又は一方の要素と他方の要素との間に１つ以上の介在要素があるかにかかわらず、一方の要素（例えば、材料、層、基板等）は、他方の要素「上」にあるか、それ「に装着される」か、それ「に接続される」か、又はそれ「に結合される」。また、文脈上特に規定されない限り、方向（例えば、上、下、頂、底、側、上向き、下向き、下方、上方、上側、下側、水平、垂直、「ｘ」、「ｙ」、「ｚ」等）は、提供された場合、相対的なものであり、単なる例として説明及び考察が容易になるように提供されたものであり、限定を目的としたものではない。そのほか、要素のリスト（例えば、要素ａ、ｂ、ｃ）が参照された場合、かかる参照は、列挙された要素のいずれか１つだけ、列挙された要素の全てに満たない任意の組合せ、及び／又は列挙された要素の全ての組合せを含むことが意図される。本明細書でのセクション分割は、概説を容易にすることのみを目的としたものであり、考察される要素のいずれの組合せにも限定されるものではない。
[0019] マイクロ流体フィーチャの寸法が幅又は面積を有するものとして記載されている場合、寸法は、典型的には、マイクロ流体デバイスの基板及び／又はカバーに平行な平面内にいずれも位置するｘ軸方向及び／又はｙ軸方向の寸法に対して記載されている。マイクロ流体フィーチャの高さは、マイクロ流体デバイスの基板及び／又はカバーに平行な平面に垂直なｚ軸方向に対して記載されている。いくつかの場合には、チャネルや通路等のマイクロ流体フィーチャの断面積は、ｘ軸方向／ｚ軸方向、ｙ軸方向／ｚ軸方向、又はｘ軸方向／ｙ軸方向の面積に対するものである。
[0020] 本明細書で使用される場合、「実質的に」とは、意図された目的で機能するのに十分であることを意味する。そのため、「実質的に」という用語は、当業者により予想されるような、ただし、全体性能にそれほど影響を及ぼさない、絶対的又は完全な状態、寸法、測定、結果等からのわずかな有意でない変動を許容する。数値又は数値として表現可能なパラメータ若しくは特性に対して用いられる場合、「実質的に」とは１０パーセント以内を意味する。
[0021] 「もの（ones）」という用語は２つ以上を意味する。
[0022] 本明細書で使用される場合、「複数」という用語は、２、３、４、５、６、７、８、９、１０、又はそれ以上であり得る。
[0023] 本明細書で使用される場合、μｍとはマイクロメートルを意味し、μｍ３とは立方マイクロメートルを意味し、ｐＬとはピコリットルを意味し、ｎＬとはナノリットルを意味し、且つμＬ（又はｕＬ）とはマイクロリットルを意味する。
[0024] 本明細書で使用される場合、「配置される」という用語は、その意味内に「位置決めされる」を包含する。
[0025] 本明細書で使用される場合、「マイクロ流体デバイス」又は「マイクロ流体装置」とは、流体を保持するように構成された１つ以上の離散マイクロ流体回路（各マイクロ流体回路は、限定されるものではないが、領域、流路、チャネル、チャンバ、及び／又はペンをはじめとする流体相互接続回路要素を含む）と、マイクロ流体デバイスに対して流体（及び任意選択的に流体中に懸濁された微小物体）の流入及び／又は流出を可能にするように構成された少なくとも１つのポートと、を含むデバイスのことである。典型的には、マイクロ流体デバイスのマイクロ流体回路は、マイクロ流体チャネルと少なくとも１つのチャンバとを含み得るフロー領域を含むであろう。また、約１ｍＬ未満、例えば、約７５０、５００、２５０、２００、１５０、１００、７５、５０、２５、２０、１５、１０、９、８、７、６、５、４、３、又は２マイクロリットル未満の体積の流体を保持するであろう。特定の実施形態では、マイクロ流体回路は、約１～２、１～３、１～４、１～５、２～５、２～８、２～１０、２～１２、２～１５、２～２０、５～２０、５～３０、５～４０、５～５０、１０～５０、１０～７５、１０～１００、２０～１００、２０～１５０、２０～２００、５０～２００、５０～２５０、又は５０～３００マイクロリットルを保持する。マイクロ流体回路は、マイクロ流体デバイスの第１のポート（例えば、流入口）に流体接続された第１の端と、マイクロ流体デバイスの第２のポート（例えば、流出口）に流体接続された第２の端と、を有するように構成し得る。
[0026] 本明細書で使用される場合、「ナノ流体デバイス」又は「ナノ流体装置」は、約１マイクロリッター未満の容量の流体、例えば、約７５０ｎＬ、約５００ｎＬ、約２５０ｎＬ、約２００ｎＬ、約１５０ｎＬ、約１００ｎＬ、約７５ｎＬ、約５０ｎＬ、約２５ｎＬ、約２０ｎＬ、約１５ｎＬ、約１０ｎＬ、約９ｎＬ、約８ｎＬ、約７ｎＬ、約６ｎＬ、約５ｎＬ、約４ｎＬ、約３ｎＬ、約２ｎＬ、約１ｎＬ、又はそれ未満の流体を保持するように構成された少なくとも１つの回路要素を含むマイクロ流体回路を有するタイプのマイクロ流体デバイスである。ナノ流体デバイスは、複数の回路要素（例えば、少なくとも２個、３個、４個、５個、６個、７個、８個、９個、１０個、１５個、２０個、２５個、５０個、７５個、１００個、１５０個、２００個、２５０個、３００個、４００個、５００個、６００個、７００個、８００個、９００個、１０００個、１５００個、２０００個、２５００個、３０００個、３５００個、４０００個、４５００個、５０００個、６０００個、７０００個、８０００個、９０００個、１０，０００個、又はこれを超える）を含む。特定の実施形態では、少なくとも１つの回路要素の１つ又は複数（例えば、全て）は、約１００ｐＬ～１ｎＬ、約１００ｐＬ～２ｎＬ、約１００ｐＬ～５ｎＬ、約２５０ｐＬ～２ｎＬ、約２５０ｐＬ～５ｎＬ、約２５０ｐＬ～１０ｎＬ、約５００ｐＬ～５ｎＬ、約５００ｐＬ～１０ｎＬ、約５００ｐＬ～１５ｎＬ、約７５０ｐＬ～１０ｎＬ、約７５０ｐＬ～１５ｎＬ、約７５０ｐＬ～２０ｎＬ、約１ｎＬ～１０ｎＬ、約１ｎＬ～１５ｎＬ、約１ｎＬ～２０ｎＬ、約１ｎＬ～２５ｎＬ、又は約１ｎＬ～５０ｎＬの容量の流体を保持するように構成される。他の実施形態では、少なくとも１つの回路要素の１つ又は複数（例えば、全て）は、約２０ｎＬ～約２００ｎＬ、約１００ｎＬ～２００ｎＬ、約１００ｎＬ～３００ｎＬ、約１００ｖ～４００ｎＬ、約１００ｎＬ～５００ｎＬ、約２００ｎＬ～３００ｎＬ、約２００ｎＬ～４００ｎＬ、約２００ｎＬ～５００ｎＬ、約２００ｎＬ～６００ｎＬ、約２００ｎＬ～７００ｎＬ、約２５０ｎＬ～４００ｎＬ、約２５０ｎＬ～５００ｎＬ、約２５０ｎＬ～６００ｎＬ、又は約２５０ｎＬ～７５０ｎＬの容量の流体を保持するように構成される。
[0027] マイクロ流体デバイス又はナノ流体デバイスは、本明細書では、「マイクロ流体チップ」若しくは「チップ」又は「ナノ流体チップ」若しくは「チップ」として参照され得る。
[0028] 本明細書で使用される「マイクロ流体チャネル」又は「フローチャネル」とは、水平寸法及び垂直寸法の両寸法よりも有意に長い長さを有するマイクロ流体デバイスのフロー領域を意味する。例えば、フローチャネルは、水平寸法又は垂直寸法のいずれかの長さの少なくとも５倍、例えば、その長さの少なくとも１０倍、その長さの少なくとも２５倍、その長さの少なくとも１００倍、その長さの少なくとも２００倍、その長さの少なくとも５００倍、その長さの少なくとも１，０００倍、その長さの少なくとも５，０００倍、又はそれ以上であり得る。いくつかの実施形態では、フローチャネルの長さは、介在する任意の値を含めて約１００，０００ミクロン～約５００，０００ミクロンの範囲内である。いくつかの実施形態では、水平寸法は、約１００ミクロン～約１０００ミクロン（例えば、約１５０～約５００ミクロン）であり、且つ垂直寸法は、約２５ミクロン～約２００ミクロン（例えば、約４０～約１５０ミクロン）である。フローチャネルは、マイクロ流体デバイス内で多種多様な空間構成を有し得るので、完全に線状の要素に制限されないことに留意されたい。例えば、フローチャネルは、次の構成、すなわち、を有する１つ以上のセクションであり得るか又はそれらを含み得る。カーブ、ベンド、スパイラル、傾斜、下降、フォーク（例えば、複数の異なる流路）、及びそれらの任意の組合せ。そのほか、フローチャネルは、その中に所望の流体フローを提供するように、その通路に沿って異なる断面積、拡幅、及び狭窄を有し得る。フローチャネルはバルブを含み得ると共に、バルブはマイクロフルイディクス技術分野で公知の任意のタイプであり得る。バルブを含むマイクロ流体チャネルの例は、米国特許第６，４０８，８７８号及び同第９，２２７，２００号（それぞれその全体が参照により本明細書に援用される）に開示されている。
[0029] 本明細書で使用される場合、「障害物」という用語は、一般に、マイクロ流体デバイス内の２つの異なる領域又は回路要素間の標的微小物体の移動を部分的に（完全にではなく）妨げるのに十分に大きいバンプ又は同様のタイプの構造物を指す。２つの異なる領域／回路要素は、例えば、マイクロ流体隔離ペンの接続領域及び分離領域であり得る。
[0030] 本明細書で使用される場合、「狭窄」という用語は、一般に、マイクロ流体デバイスの回路要素（又は２つの回路要素間のインターフェース）の幅の狭小化を意味する。狭窄は、例えば、本開示のマイクロ流体隔離ペンの分離領域と接続領域との間のインターフェースに位置決め可能である。
[0031] 本明細書で使用される場合、「透明」という用語は、透過の際に光を実質的に変化させることなく可視光を透過させる材料を意味する。
[0032] 本明細書で使用される場合、「微小物体」という用語は、一般に、本開示に従って分離及び／又は操作し得る任意の微視的物体を意味する。限定されるものではないが微小物体の例としては、無生物微小物体、例えば、マイクロ粒子、マイクロビーズ（例えば、ポリスチレンビーズ、Luminex（商標）ビーズ等）、磁気ビーズ、マイクロロッド、マイクロワイヤ、量子ドット等、生物学的微小物体、例えば、細胞、生物オルガネラ、ベシクル又は複合体、合成ベシクル、リポソーム（例えば、合成又は膜調製物由来）、脂質ナノラフト等、又は無生物微小物体と生物学的微小物体との組合せ（例えば、細胞装着マイクロビーズ、リポソームコーティングマイクロビーズ、リポソームコーティング磁気ビーズ等）が挙げられる。ビーズは、共有結合又は非共有結合された部分／分子、例えば、蛍光標識、タンパク質、炭水化物、抗原、低分子シグナリング部分、又はアッセイで使用可能な他の化学的／生物学的種を含み得る。脂質ナノラフトは、例えば、Ritchie et al.(2009) “Reconstitution of Membrane Proteins in Phospholipid Bilayer Nanodiscs,” Methods Enzymol., 464:211-231に記載されている。
[0033] 本明細書で使用される場合、「細胞」という用語は、「生体細胞」という用語と同義的に用いられる。限定されるものではないが生体細胞の例としては、真核細胞、植物細胞、動物細胞、例えば、哺乳動物細胞、爬虫動物細胞、トリ細胞、サカナ細胞等、原核細胞、細菌細胞、真菌細胞、原生動物細胞等、組織、例えば、筋肉、軟骨、脂肪、皮膚、肝臓、肺、神経の組織等から解離させた細胞、免疫細胞、例えば、Ｔ細胞、Ｂ細胞、ナチュラルキラー細胞、マクロファージ等、胚（例えば、接合体）、卵母細胞、卵子、精子細胞、ハイブリドーマ、培養細胞、細胞系細胞、癌細胞、感染細胞、トランスフェクト及び／又はトランスフォーム細胞、レポーター細胞等が挙げられる。哺乳動物細胞は、例えば、ヒト、マウス、ラット、ウマ、ヤギ、ヒツジ、ウシ、霊長動物等に由来し得る。
[0034] コロニー中の複製可能な生細胞の全てが単一の親細胞に由来する娘細胞である場合、生体細胞のコロニーは「クローン」である。特定の実施形態では、クローンコロニーの娘細胞は全て、１０回以下の分裂により単一の親細胞から派生される。他の実施形態では、クローンコロニーの娘細胞は全て、１４回以下の分裂により単一の親細胞から派生される。他の実施形態では、クローンコロニーの娘細胞は全て、１７回以下の分裂により単一の親細胞から派生される。他の実施形態では、クローンコロニーの娘細胞は全て、２０回以下の分裂により単一の親細胞から派生される。「クローン細胞」という用語は、同一のクローンコロニーの細胞を意味する。
[0035] 本明細書で使用される場合、生体細胞の「コロニー」とは、２細胞以上（例えば、約２～約２０、約４～約４０、約６～約６０、約８～約８０、約１０～約１００、約２０～約２００、約４０～約４００、約６０～約６００、約８０～約８００、約１００～約１０００細胞、又は１０００細胞超）を意味する。
[0036] 本明細書で使用される場合、「細胞を維持する」という用語は、細胞の生存及び／又は増殖を続けるのに必要な条件を提供する、流体及び気体の両成分と任意選択的に表面とを含む環境を提供することを意味する。
[0037] 本明細書で使用される場合、「増殖」という用語は、細胞を指す場合、細胞数の増大を指す。
[0038] 流体培地の「成分」は、溶媒分子、イオン、小分子、抗生物質、ヌクレオチド及びヌクレオシド、核酸、アミノ酸、ペプチド、タンパク質、糖、炭水化物、脂質、脂肪酸、コレステロール、代謝産物等を含め、培地に存在する任意の化学的又は生物学的分子である。
[0039] 本明細書で使用される場合、「捕捉部分」とは、微小物体に対する認識部位を提供する化学的若しくは生物学的種、官能基、又はモチーフである。所定のクラスの微小物体は、インサイチューで生成された捕捉部分を認識し得ると共に、インサイチューで生成された捕捉部分に結合し得るか又はそれに対して親和性を有し得る。限定されるものではないが例としては、抗原、抗体、及び細胞表面結合モチーフが挙げられる。
[0040] 本明細書で使用される場合、「流動性ポリマー」とは、流体培地（例えば、プレポリマー溶液）に溶解可能又は分散可能なポリマーモノマー又はマクロマーのことである。流動性ポリマーは、マイクロ流体フロー領域に進入し得ると共に、その中の流体培地の他の成分と共に流動し得る。
[0041] 本明細書で使用される場合、「光開始ポリマー」とは、光に暴露されると、共有結合による架橋、特異的共有結合の形成、剛性化化学モチーフの周りの位置化学の変化、又は物理的状態の変化を引き起こすイオン対の形成が可能であり、それによりポリマーネットワークを形成するポリマー（又はポリマーを生成するために使用可能なモノマー分子）を意味する。いくつかの場合には、光開始ポリマーは、共有結合による架橋、特異的共有結合の形成、剛性化化学モチーフの周りの位置化学の変化、又は物理的状態の変化を引き起こすイオン対の形成が可能な１つ以上の化学部分に結合されたポリマーセグメントを含み得る。いくつかの場合には、光開始ポリマーは、ポリマーネットワークの形成を開始（例えば、ポリマーの重合により）するために光活性ラジカル開始剤を必要とし得る。
[0042] 本明細書で使用される場合、「抗体」とは、免疫グロブリン（Ｉｇ）を意味し、これは、ポリクローナル抗体及びモノクローナル抗体の両方、霊長動物化（例えば、ヒト化）、ネズミ、マウス－ヒト、マウス－霊長動物、並びにキメラを含み、且つインタクト分子、そのフラグメント（例えば、ｓｃＦｖ、Ｆｖ、Ｆｄ、Ｆａｂ、Ｆａｂ’、及びＦ（ａｂ）’２フラグメント）、又はインタクト分子及び／若しくはフラグメントのマルチマー若しくはアグリゲートであり得ると共に、天然に存在し得るか、又は免疫化、合成、遺伝子工学等により生成し得る。「抗体フラグメント」とは、本明細書で使用される場合、抗原に結合する、且ついくつかの実施形態では、ガラクトース残基の導入等により、クリアランス及び取込みを促進する構造特徴部を呈するように誘導体化し得る、抗体に由来する又は関連するフラグメントを意味する。これは、例えば、Ｆ（ａｂ）、Ｆ（ａｂ）’２、ｓｃＦｖ、軽鎖可変領域（ＶＬ）、重鎖可変領域（ＶＨ）、及びそれらの組合せを含む。
[0043] 流体培地を参照して本明細書で使用される場合、「拡散する」及び「拡散」は、濃度勾配の低い方への流体培地の成分の熱力学的運動を指す。
[0044] 「培地のフロー」という語句は、拡散以外の任意の機構に主に起因した流体培地のバルク移動を意味する。例えば、培地のフローは、ある箇所から別の箇所への、箇所間の圧力差に起因した流体培地の移動を含むことができる。そのようなフローは、液体の連続、パルス、周期的、ランダム、断続的、若しくは往復フロー、又はそれらの任意の組合せを含むことができる。ある流体培地が別の流体培地に流れる場合、培地の乱流又は混合が生じ得る。
[0045] 「実質的にフローがない」という語句は、時間にわたり平均された、流体培地内への又は流体培地内での材料（例えば、関心のある分析物）の成分の拡散率未満である流体培地の流量を指す。そのような材料の成分の拡散率は、例えば、温度、成分のサイズ、及び成分と流体培地との相互作用の強さに依存し得る。
[0046] マイクロ流体デバイス内の異なる領域を参照して本明細書で使用される場合、「流体接続される」という語句は、異なる領域が流体培地等の流体で実質的に充填される場合、各領域内の流体が連通して単一の流体を形成することを意味する。これは、異なる領域内の流体（又は流体培地）が必ずしも組成物内で同一であることを意味しない。むしろ、マイクロ流体デバイスの異なる流体接続領域内の流体は、流束内にある異なる組成物（例えば、タンパク質、炭水化物、鉄、又は他の分子等の異なる濃度の溶質）を有することができ、その理由は、溶質が各濃度勾配を下がって移動し、及び／又は流体がマイクロ流体デバイスを通って流れるためである。
[0047] 本明細書で使用される場合、「流路」とは、培地のフローの軌道を規定する且つその対象となる１つ以上の流体接続回路要素（例えば、チャネル、領域、チャンバ等）を意味する。そのため、流路は、マイクロ流体デバイスの掃引領域の例である。他の回路要素（例えば、非掃引領域）は、流路の培地のフローの対象とならない流路を含む回路要素に流体接続し得る。
[0048] 本明細書で使用される場合、「微小物体を分離する」とは、マイクロ流体デバイス内の規定領域に微小物体を閉じ込めることである。
[0049] マイクロ流体（又はナノ流体）デバイスは、「掃引」領域及び「非掃引」領域を含むことができる。本明細書で使用される場合、「掃引」領域は、マイクロ流体回路の流体相互接続された１つ又は複数の回路要素で構成され、各回路要素は、流体がマイクロ流体回路を通って流れているとき、培地のフローを経験する。掃引領域の回路要素は、例えば、領域、チャネル、及び室の全て又は部分を含むことができる。本明細書で使用される場合、「非掃引」領域は、マイクロ流体回路の流体的に相互接続された１つ又は複数の回路要素で構成され、各回路要素は、流体がマイクロ流体回路を通って流れているとき、流束を実質的に経験しない。非掃引領域は、流体接続が、拡散を可能にするが、掃引領域と非掃引領域との間で実質的に培地が流れないように構造化される場合、掃引領域に流体接続することができる。したがって、マイクロ流体デバイスは、実質的に掃引領域と非掃引領域との間での拡散連通のみを可能にしながら、非掃引領域を掃引領域での培地のフローから実質的に分離するように構造化することができる。例えば、マイクロ流体デバイスのフローチャネルは掃引領域の例であり、一方、マイクロ流体デバイスの分離領域（更に詳細に後述する）は非掃引領域の例である。
[0050] 特定の生体物質（例えば、抗体等のタンパク質）を産生する生物学的微小物体（例えば、生体細胞）の能力は、かかるマイクロ流体デバイスでアッセイ可能である。アッセイの具体的な実施形態では、対象のアナライトを産生するためにアッセイされる生物学的微小物体（例えば、細胞）を含むサンプル材料は、マイクロ流体デバイスの掃引領域にロード可能である。生物学的微小物体（例えば、ヒト細胞等の哺乳動物細胞）のうち特定の特徴のものを選択して非掃引領域に配置することが可能である。次いで、残留サンプル材料を掃引領域から流出させ、アッセイ材料を掃引領域に流入させることが可能である。選択された生物学的微小物体は非掃引領域内にあるので、選択された生物学的微小物体は、残留サンプル材料の流出やアッセイ材料の流入の影響を実質的に受けない。選択された生物学的微小物体は、対象のアナライトの産生を可能にし得る。この場合、対象のアナライトは、非掃引領域から掃引領域内に拡散可能であり、掃引領域では、対象のアナライトは、アッセイ材料と反応して局在化された検出可能な反応を引き起こすことが可能であり、各反応は、特定の非掃引領域に関連付け可能である。検出された反応に関連付けられる任意の非掃引領域を分析して、非掃引領域内のどの生物学的微小物体（もしあれば）が対象のアナライトの十分なプロデューサーであるかを決定することが可能である。
[0051] マイクロ流体デバイス並びにかかるデバイスの操作及び観測のためのシステム。図１Ａは、微小物体の搬入、培養、及び／又は監視に使用可能なマイクロ流体デバイス１００及びシステム１５０の例を例示する。マイクロ流体デバイス１００の斜視図は、マイクロ流体デバイス１００に部分図を提供するためにそのカバー１１０の部分破断図を伴って示されている。マイクロ流体デバイス１００は、一般に、流体培地１８０が貫流可能で任意選択的に１つ以上の微小物体（図示せず）をマイクロ流体回路１２０に搬入及び／又は搬送する流路１０６を含むマイクロ流体回路１２０を含む。図１Ａには単一のマイクロ流体回路１２０が例示されているが、好適なマイクロ流体デバイスは、複数（例えば、２つ又は３つ）のかかるマイクロ流体回路を含み得る。それにもかかわらず、マイクロ流体デバイス１００は、ナノ流体デバイスになるように構成可能である。図１Ａに例示されるように、マイクロ流体回路１２０は、複数のマイクロ流体隔離ペン１２４、１２６、１２８、及び１３０を含み得ると共に、各隔離ペンは、流路１０６に流体連通した状態で１つ以上の開口を有し得る。図１Ａのデバイスのいくつかの実施形態では、隔離ペンは、流路１０６に流体連通した状態で単一の開口部のみを有し得る。以下で更に考察されるように、マイクロ流体隔離ペンは、培地１８０が流路１０６を貫流する場合でさえも、マイクロ流体デバイス１００等のマイクロ流体デバイス内に微小物体を保持するように最適化された種々の特徴及び構造を含む。しかし、上記に目を向ける前に、マイクロ流体デバイス１００及びシステム１５０の簡単な説明を提供する。
[0052] 図１Ａに一般に例示されるように、マイクロ流体回路１２０はエンクロージャ１０２により画定される。エンクロージャ１０２は、様々な構成で物理的に構造化可能であるが、図１Ａに示される例では、エンクロージャ１０２は、支持構造体１０４（例えばベース）、マイクロ流体回路構造体１０８、及びカバー１１０を含むものとして示される。支持構造体１０４、マイクロ流体回路構造体１０８、及びカバー１１０は、互いに結合可能である。例えば、マイクロ流体回路構造体１０８は、支持構造体１０４の内面１０９上に配置可能であり、且つカバー１１０は、マイクロ流体回路構造体１０８を覆うように配置可能である。支持構造体１０４及びカバー１１０と共に、マイクロ流体回路構造体１０８は、マイクロ流体回路１２０の要素を画定可能である。
[0053] 図１Ａに示されるように、支持構造体１０４は、マイクロ流体回路１２０の下部にあり得、カバー１１０はマイクロ流体回路１２０の上部にあり得る。代替的に、支持構造体１０４及びカバー１１０は、他の向きで構成され得る。例えば、支持構造体１０４は、マイクロ流体回路１２０の上部にあり得、カバー１１０はマイクロ流体回路１２０の下部にあり得る。それに関係なく、それぞれがエンクロージャ１０２内又は外への通路を含む１つ又は複数のポート１０７があり得る。通路の例としては、弁、ゲート、貫通孔等が挙げられる。示されるように、ポート１０７は、マイクロ流体回路構造１０８のギャップにより作られる貫通孔である。しかし、ポート１０７は、カバー１１０等のエンクロージャ１０２の他の構成要素に配置することができる。１つのみのポート１０７が図１Ａに示されているが、マイクロ流体回路１２０は２つ以上のポート１０７を有することができる。例えば、流体がマイクロ流体回路１２０に入るための流入口として機能する第１のポート１０７があり得、流体がマイクロ流体回路１２０を出るための流出口として機能する第２のポート１０７があり得る。ポート１０７が流入口として機能するか、それとも流出口として機能するかは、流体が流路１０６を通って流れる方向に依存し得る。
[0054] 支持構造体１０４は、１つ又は複数の電極（図示せず）と、基板又は複数の相互接続された基板を含むことができる。例えば、支持構造体１０４は、１つ又は複数の半導体基板を含むことができ、各半導体基板は電極に電気的に接続される（例えば、半導体基板の全て又はサブセットは、１つの電極に電気的に接続することができる）。支持構造体１０４は、プリント回路基板組立体（「ＰＣＢＡ」）を更に含むことができる。例えば、半導体基板はＰＣＢＡ上に搭載することができる。
[0055] マイクロ流体回路構造１０８は、マイクロ流体回路１２０の回路要素を画定することができる。そのような回路要素は、マイクロ流体回路１２０に流体が充填される場合、流体的に相互接続することができる、（フローチャネルを含み得るか、１又は複数のフローチャネルであり得る）フロー領域、室、ペン、トラップ等の空間又は領域を含むことができる。図１Ａに示されるマイクロ流体回路１２０では、マイクロ流体回路１０８は、枠１１４及びマイクロ流体回路材料１１６を含む。枠１１４は、マイクロ流体回路材料１１６を部分的又は完全に囲むことができる。枠１１４は、例えば、マイクロ流体回路材料１１６を実質的に囲む比較的剛性の構造であり得る。例えば、枠１１４は金属材料を含むことができる。
[0056] マイクロ流体回路材料１１６には、キャビティ等をパターニングして、マイクロ流体回路１２０の回路要素及び相互接続を画定することができる。マイクロ流体回路材料１１６は、ガス透過可能であり得る可撓性ポリマー（例えば、ゴム、プラスチック、エラストマー、シリコーン、ポリジメチルシロキサン（「ＰＤＭＳ」）等）等の可撓性材料を含むことができる。マイクロ流体回路材料１１６を構成することができる材料の他の例としては、成形ガラス、シリコーン（フォトパターニング可能シリコーン又は「ＰＰＳ」）等のエッチング可能材料、フォトレジスト（例えば、ＳＵ８）等が挙げられる。幾つかの実施形態では、そのような材料 － したがって、マイクロ流体回路材料１１６ － は、剛性及び／又はガスを実質的に不透過であり得る。それに関係なく、マイクロ流体回路材料１１６は、支持構造体１０４上及び枠１１４内部に配置することができる。
[0057] カバー１１０は、枠１１４及び／又はマイクロ流体回路材料１１６の一体部分であり得る。代替的に、カバー１１０は、図１Ａに示されるように、構造的に別個の要素であり得る。カバー１１０は、枠１１４及び／又はマイクロ流体回路材料１１６と同じ又は異なる材料を含むことができる。同様に、支持構造体１０４は、示されるように枠１１４若しくはマイクロ流体回路材料１１６とは別個の構造であってもよく、又は枠１１４若しくはマイクロ流体回路材料１１６の一体部分であってもよい。同様に、枠１１４及びマイクロ流体回路材料１１６は、図１Ａに示されるように別個の構造であってもよく、又は同じ構造の一体部分であってもよい。
[0058] 幾つかの実施形態では、カバー１１０は剛性材料を含むことができる。剛性材料は、ガラス又は同様との特性を有する材料であり得る。幾つかの実施形態では、カバー１１０は変形可能材料を含むことができる。変形可能材料は、ＰＤＭＳ等のポリマーであり得る。幾つかの実施形態では、カバー１１０は、剛性材料及び変形可能材料の両方を含むことができる。例えば、カバー１１０の１つ又は複数の部分（例えば、隔離ペン１２４、１２６、１２８、１３０上に位置する１つ又は複数の部分）は、カバー１１０の剛性材料と界面を接する変形可能材料を含むことができる。幾つかの実施形態では、カバー１１０は１つ又は複数の電極を更に含むことができる。１つ又は複数の電極は、ガラス又は同様の絶縁材料でコーティングし得る、インジウム－錫－酸化物（ＩＴＯ）等の導電性酸化物を含むことができる。代替的に、１つ又は複数の電極は、ポリマー（例えば、ＰＤＭＳ）等の変形可能ポリマーに埋め込まれた単層ナノチューブ、多層ナノチューブ、ナノワイヤ、導電性ナノ粒子のクラスタ、又はそれらの組合せ等の可撓性電極であり得る。マイクロ流体デバイスで使用することができる可撓性電極は、例えば、米国特許出願公開第２０１２／０３２５６６５号（Chiouら）に記載されており、この内容は参照により本明細書に援用される。幾つかの実施形態では、カバー１１０は、細胞の接着、生存、及び／又は成長を支持するように変更することができる（例えば、マイクロ流体回路１２０に向かって内側に面する表面の全て又は部分を調整することにより）。変更は、合成ポリマー又は天然ポリマーのコーティングを含み得る。幾つかの実施形態では、カバー１１０及び／又は支持構造体１０４は、光を透過することができる。カバー１１０は、ガス透過可能な少なくとも１つの材料（例えば、ＰＤＭＳ又はＰＰＳ）を含むこともできる。
[0059] 図１Ａはまた、マイクロ流体デバイス例えばマイクロ流体デバイス１００の操作及び制御を行うためのシステム１５０を示す。システム１５０は、電源１９２、撮像デバイス（撮像モジュール１６４に組み込まれるが、図１Ａでは撮像デバイスは例示されていない）、及び傾斜デバイス（傾斜モジュール１６６の一部であるが、図１Ａでは傾斜デバイスは例示されていない）を含む。
[0060] 電源１９２は、電力をマイクロ流体デバイス１００及び／又は傾斜デバイス１９０に提供し、バイアス電圧又は電流を必要に応じて提供することができる。電源１９２は、例えば、１つ又は複数の交流（ＡＣ）及び／又は直流（ＤＣ）電圧源又は電流源を含むことができる。（後述するように、撮像モジュール１６４の一部である）撮像デバイス１９４は、マイクロ流体回路１２０内部の画像を捕捉する、デジタルカメラ等のデバイスを含むことができる。幾つかの場合、撮像デバイス１９４は、高速フレームレート及び／又は高感度（例えば、低光用途用）を有する検出器を更に含む。撮像デバイス１９４は、刺激放射線及び／又は光線をマイクロ流体回路１２０内に向け、マイクロ流体回路１２０（又はマイクロ流体回路１２０内に含まれる微小物体）から反射されるか、又は発せられる放射線及び／又は光線を収集する機構を含むこともできる。発せられる光線は可視スペクトル内であり得、例えば、蛍光放射を含み得る。反射光線は、ＬＥＤ又は水銀灯（例えば、高圧水銀灯）若しくはキセノンアーク灯等の広域スペクトル灯から発せられた反射放射を含み得る。図３Ｂに関して考察するように、撮像デバイス１９４は顕微鏡（又は光学縦列）を更に含み得、これは接眼レンズを含んでもよく、又は含まなくてもよい。
[0061] システム１５０は、１つ又は複数の回転軸の周りでマイクロ流体デバイス１００を回転させるように構成された傾斜デバイス１９０（後述するように、傾斜モジュール１６６の一部）を更に含む。幾つかの実施形態では、傾斜デバイス１９０は、マイクロ流体デバイス１００（したがって、マイクロ流体回路１２０）を水平向き（すなわち、ｘ軸及びｙ軸に相対して０°）、垂直向き（すなわち、ｘ軸及び／又はｙ軸に相対して９０°）、又はそれらの間の任意の向きで保持することができるように、少なくとも１つの軸の周りでマイクロ流体回路１２０を含むエンクロージャ１０２を支持及び／又は保持するように構成される。軸に相対するマイクロ流体デバイス１００（及びマイクロ流体回路１２０）の向きは、本明細書では、マイクロ流体デバイス１００（及びマイクロ流体回路１２０）の「傾斜」と呼ばれる。例えば、傾斜デバイス１９０は、ｘ軸に相対して０．１°、０．２°、０．３°、０．４°、０．５°、０．６°、０．７°、０．８°、０．９°、１°、２°、３°、４°、５°、１０°、１５°、２０°、２５°、３０°、３５°、４０°、４５°、５０°、５５°、６０°、６５°、７０°、７５°、８０°、９０°、又はそれらの間の任意の度数でマイクロ流体デバイス１００を傾斜させることができる。水平向き（したがって、ｘ軸及びｙ軸）は、重力により定義される垂直軸に垂直なものとして定義される。傾斜デバイスは、マイクロ流体デバイス１００（及びマイクロ流体回路１２０）をｘ軸及び／又はｙ軸に相対して９０°よりも大きい任意の角度に傾斜させるか、又はマイクロ流体デバイス１００（及びマイクロ流体回路１２０）をｘ軸若しくはｙ軸に相対して１８０°に傾斜させて、マイクロ流体デバイス１００（及びマイクロ流体回路１２０）を真逆にすることもできる。同様に、幾つかの実施形態では、傾斜デバイス１９０は、流路１０６又はマイクロ流体回路１２０の何らかの他の部分により定義される回転軸
の周りでマイクロ流体デバイス１００（及びマイクロ流体回路１２０）を傾斜させる。
[0062] いくつかの場合には、マイクロ流体デバイス１００は、流路１０６が１つ以上の隔離ペンの上方又は下方に位置するように垂直方向に傾斜される。本明細書で使用される「上方」という用語は、流路１０６が重力により規定される垂直軸上の１つ以上の隔離ペンよりも高い位置にあることを意味する（すなわち、流路１０６の上方の隔離ペン内の物体は、流路内の物体よりも高い重力ポテンシャルエネルギーを有する）。本明細書で使用される「下方」という用語は、流路１０６が重力により規定される垂直軸上の１つ以上の隔離ペンよりも低い位置にあることを意味する（すなわち、流路１０６の下方の隔離ペン内の物体は、流路内の物体よりも低い重力ポテンシャルエネルギーを有する）。
[0063] いくつかの場合には、傾斜デバイス１９０は、流路１０６に平行な軸を中心にマイクロ流体デバイス１００を傾斜させる。更に、マイクロ流体デバイス１００は、流路１０６が隔離ペンの真上にも真下にも位置決めされることなく１つ以上の隔離ペンの上方又は下方に位置決めされるように９０°未満の角度に傾斜させることが可能である。他の場合には、傾斜デバイス１９０は、流路１０６に垂直な軸を中心にマイクロ流体デバイス１００を傾斜させる。更に他の場合には、傾斜デバイス１９０は、流路１０６に平行でも垂直でもない軸を中心にマイクロ流体デバイス１００を傾斜させる。
[0064] システム１５０は培地源１７８を更に含むことができる。培地源１７８（例えば、容器、リザーバ等）は、それぞれが異なる流体培地１８０を保持する複数のセクション又は容器を含むことができる。したがって、培地源１７８は、図１Ａに示されるように、マイクロ流体デバイス１００の外部にある、マイクロ流体デバイス１００とは別個のデバイスであり得る。代替的に、培地源１７８は、全体的又は部分的に、マイクロ流体デバイス１００のエンクロージャ１０２内部に配置することができる。例えば、培地源１７８は、マイクロ流体デバイス１００の部分であるリザーバを含むことができる。
[0065] 図１Ａは、システム１５０の一部を構成し、マイクロ流体デバイス１００と併せて利用することができる制御及び監視機器１５２の例の簡易ブロック図表現も示す。示されるように、そのような制御及び監視機器１５２の例は、培地源１７８を制御する培地モジュール１６０と、マイクロ流体回路１２０での微小物体（図示せず）及び／又は培地（例えば、培地の液滴）の移動及び／又は選択を制御する原動モジュール１６２と、画像（例えば、デジタル画像）を捕捉する撮像デバイス１９４（例えば、カメラ、顕微鏡、光源、又はそれらの任意の組合せ）を制御する撮像モジュール１６４と、傾斜デバイス１９０を制御する傾斜モジュール１６６とを含むマスタコントローラ１５４を含む。制御機器１５２は、マイクロ流体デバイス１００に関する他の機能を制御、監視、又は実行する他のモジュール１６８を含むこともできる。示されるように、機器１５２は、表示デバイス１７０及び入／出力デバイス１７２を更に含むことができる。
[0066] マスタコントローラ１５４は、制御モジュール１５６及びデジタルメモリ１５８を含むことができる。制御モジュール１５６は、例えば、メモリ１５８内に非一時的データ又は信号として記憶される機械実行可能命令（例えば、ソフトウェア、ファームウェア、ソースコード等）に従って動作するように構成されたデジタルプロセッサを含むことができる。代替的に又は追加として、制御モジュール１５６は、ハードワイヤードデジタル回路及び／又はアナログ回路を含むことができる。培地モジュール１６０、原動モジュール１６２、撮像モジュール１６４、傾斜モジュール１６６、及び／又は他のモジュール１６８は、同様に構成され得る。したがって、マイクロ流体デバイス１００又は任意の他のマイクロ流体装置に関して実行されるものとして本明細書で考察される機能、プロセス、行動、動作、又はプロセスのステップは、上述したように構成されたマスタコントローラ１５４、培地モジュール１６０、原動モジュール１６２、撮像モジュール１６４、傾斜
モジュール１６６、及び／又は他のモジュール１６８の任意の１つ又は複数により実行され得る。同様に、マスタコントローラ１５４、培地モジュール１６０、原動モジュール１６２、撮像モジュール１６４、傾斜モジュール１６６、及び／又は他のモジュール１６８は、通信可能に結合されて、本明細書において考察される任意の機能、プロセス、行動、動作、又はステップで使用されるデータを送受信し得る。
[0067] 培地モジュール１６０は培地源１７８を制御する。例えば、培地モジュール１６０は、培地源１７８を制御して、選択された流体培地１８０をエンクロージャ１０２に入れる（例えば、流入口１０７を介して）ことができる。培地モジュール１６０は、エンクロージャ１０２からの培地の取り出し（例えば、流出口（図示せず）を通して）を制御することもできる。したがって、１つ又は複数の培地を選択的にマイクロ流体回路１２０に入れ、マイクロ流体回路１２０から搬出することができる。培地モジュール１６０は、マイクロ流体回路１２０内部の流路１０６での流体培地１８０のフローを制御することもできる。例えば、幾つかの実施形態では、培地モジュール１６０は、傾斜モジュール１６６が傾斜デバイス１９０に所望の傾斜角までマイクロ流体デバイス１００を傾斜させる前に、流路１０６内及びエンクロージャ１０２を通る培地１８０のフローを停止させる。
[0068] 原動モジュール１６２は、マイクロ流体回路１２０での微小物体（図示せず）の選択、捕捉、及び移動を制御するように構成され得る。図１Ｂ及び図１Ｃに関して後述するように、エンクロージャ１０２は、誘電泳動（ＤＥＰ）構成、光電子ピンセット（ＯＥＴ）構成、及び／又は光電子ウェッティング（ＯＥＷ）構成（図１Ａに示されず）を含むことができ、原動モジュール１６２は、電極及び／又はトランジスタ（例えば、フォトトランジスタ）のアクティブ化を制御して、流路１０６及び／又は隔離ペン１２４、１２６、１２８、１３０で微小物体（図示せず）及び／又は培地の液滴（図示せず）を選択し移動させることができる。
[0069] 撮像モジュール１６４は撮像デバイス１９４を制御することができる。例えば、撮像モジュール１６４は、撮像デバイス１９４から画像データを受信し、処理することができる。撮像デバイス１９４からの画像データは、撮像デバイス１９４により捕捉された任意のタイプの情報を含むことができる（例えば、微小物体、培地の液滴、蛍光標識等の標識の蓄積の有無等）。撮像デバイス１９４により捕捉された情報を使用して、撮像モジュール１６４は、物体（例えば、微小物体、培地の液滴）の位置及び／又はマイクロ流体デバイス１００内のそのような物体の移動速度を更に計算することができる。
[0070] 傾斜モジュール１６６は、傾斜デバイス１９０の傾斜移動を制御することができる。代替的に又は追加として、傾斜モジュール１６６は、重力を介して１つ又は複数の隔離ペンへの微小物体の移送を最適化するように、傾斜率及びタイミングを制御することができる。傾斜モジュール１６６は、撮像モジュール１６４と通信可能に結合されて、マイクロ流体回路１２０での微小物体及び／又は培地の液滴の移動を記述するデータを受信する。このデータを使用して、傾斜モジュール１６６は、マイクロ流体回路１２０の傾斜を調整して、マイクロ流体回路１２０内で微小物体及び／又は培地の液滴が移動する率を調整し得る。傾斜モジュール１６６は、このデータを使用して、マイクロ流体回路１２０内での微小物体及び／又は培地の液滴の位置を繰り返し調整することもできる。
[0071] 図１Ａに示される例では、マイクロ流体回路１２０は、マイクロ流体チャネル１２２及び隔離ペン１２４、１２６、１２８、１３０を含むものとして例示される。各ペンはチャネル１２２への開口を含むが、それ以外にペンが微小物体を流体培地１８０からペン内に及び／又は微小物体をチャネル１２２の流路１０６内に又は他のペン内に実質的に分離できるように包囲される。隔離ペンの壁は、ベースの内面１０９からカバー１１０の内面に延在してエンクロージャを提供する。マイクロ流体チャネル１２２へのペンの開口は、フロー１０６がペン内にダイレクトされないように流体培地１８０のフロー１０６に対して角度をなして配置される。フローは、ペンの開口平面に接し得るか又は直交し得る。いくつかの場合には、ペン１２４、１２６、１２８、１３０は、１つ以上の微小物体をマイクロ流体回路１２０内に物理的に閉じ込めるように構成される。本開示にかかる隔離ペンは、以下で詳細に考察され示されるように、ＤＥＰ、ＯＥＴ、ＯＥＷ、流体フロー、及び／又は重力の使用に最適化された種々の形状、表面、及び特徴を含み得る。
[0072] マイクロ流体回路１２０は、任意の数のマイクロ流体隔離ペンを含み得る。５つの隔離ペンが示されているが、マイクロ流体回路１２０は、より少ない又はより多くの隔離ペンを有し得る。示されるように、マイクロ流体回路１２０のマイクロ流体隔離ペン１２４、１２６、１２８、及び１３０は、それぞれ、生物学的微小物体の保持、分離、アッセイ、又は培養に役立つ１つ以上の利益を提供し得る様々な特徴及び形状を含む。いくつかの実施形態では、マイクロ流体回路１２０は、複数の同一のマイクロ流体隔離ペンを含む。
[0073] 図１Ａに例示される実施形態では、単一のチャネル１２２及び流路１０６が示されている。しかし、他の実施形態は、流路１０６を含むようにそれぞれ構成された複数のチャネル１２２を含有し得る。マイクロ流体回路１２０は、流路１０６と流体培地１８０とに流体連通した流入口バルブ又はポート１０７を更に含み、流体培地１８０は、流入口ポート１０７を介してチャンネル１２２にアクセス可能である。いくつかの場合には、流路１０６は単一経路を含む。いくつかの場合には、単一経路は、ジグザグパターンで配置され、流路１０６は、交互方向にマイクロ流体デバイス１００を２回以上横切って移動する。
[0074] いくつかの場合には、マイクロ流体回路１２０は、複数の平行チャネル１２２及び流路１０６を含み、各流路１０６内の流体培地１８０は、同一方向に流動する。いくつかの場合には、各流路１０６内の流体培地は、順方向又は逆方向の少なくとも一方向に流動する。いくつかの場合には、複数の隔離ペンは、隔離ペンに標的微小物体が並行してロードされるように構成される（例えば、チャネル１２２に対して）。
[0075] いくつかの実施形態では、マイクロ流体回路１２０は、１つ以上の微小物体トラップ１３２を更に含む。トラップ１３２は、一般にチャネル１２２の境界を形成する壁に形成され、マイクロ流体隔離ペン１２４、１２６、１２８、１３０の１つ以上の開口に対向して位置し得る。いくつかの実施形態では、トラップ１３２は、流路１０６から単一微小物体を受容又は捕捉するように構成される。いくつかの実施形態では、トラップ１３２は、流路１０６から複数の微小物体を受容又は捕捉するように構成される。いくつかの場合には、トラップ１３２は、単一標的微小物体の体積にほぼ等しい体積を占める。
[0076] トラップ１３２は、トラップ１３２への標的微小物体の流入を支援するように構成された開口を更に含み得る。いくつかの場合には、トラップ１３２は、単一標的微小物体の寸法にほぼ等しい高さ及び幅を有する開口を含み、より大きな微小物体は、微小物体トラップへの進入が妨げられる。トラップ１３２は、トラップ１３２内への標的微小物体の保持を支援するように構成された他のフィーチャを更に含み得る。いくつかの場合には、トラップ１３２は、マイクロ流体チャネル１２２に平行な軸を中心にマイクロ流体デバイス１００を傾斜させたときに、トラップされた微小物体が隔離ペンの開口内に微小物体を降下させる軌道でトラップ１３２から出るように、マイクロ流体隔離ペンの開口に対向してチャネル１２２の反対側にアライメントされ配置される。いくつかの場合には、トラップ１３２は、トラップ１３２を介する流動を促進させることによりトラップ１３２内に微小物体を捕捉する可能性を増加させるように標的微小物体よりも小さな側方流路１３４を含む。
[0077] いくつかの実施形態では、１つ以上の電極（図示せず）により流体培地１８０（例えば、流路内及び／又は隔離ペン内のもの）を横切って誘電泳動（ＤＥＰ）力を印加することにより、その内部に位置決めされた微小物体を操作、輸送、分離、及び選別する。例えば、いくつかの実施形態では、マイクロ流体回路１２０の１つ以上の部分にＤＥＰ力を印加することにより、流路１０６から所望のマイクロ流体隔離ペン内に単一微小物体を移動させる。いくつかの実施形態では、ＤＥＰ力を使用することにより、隔離ペン（例えば、隔離ペン１２４、１２６、１２８、又は１３０）内の微小物体がそこから変位しないようにする。更に、いくつかの実施形態では、ＤＥＰ力を使用することにより、本開示の実施形態に従ってすでに捕集された微小物体を隔離ペンから選択的に取り出す。いくつかの実施形態では、ＤＥＰ力は光電子ピンセット（ＯＥＴ）力を含む。
[0078] 他の実施形態では、１つ以上の電極（図示せず）によりマイクロ流体デバイス１００の支持構造体１０４（及び／又はカバー１１０）の１つ以上の位置（例えば、流路及び／又は隔離ペンを画定するのに役立つ位置）にオプトエレクトロウェッティング（ＯＥＷ）力を印加することにより、マイクロ流体回路１２０内に位置決めされたドロップレットを操作、輸送、分離、及び選別する。例えば、いくつかの実施形態では、支持構造体１０４（及び／又はカバー１１０）の１つ以上の位置にＯＥＷ力を印加することにより、単一ドロップレットを流路１０６から所望のマイクロ流体隔離ペン内に移動させる。いくつかの実施形態では、ＯＥＷ力を使用することにより、隔離ペン（例えば、隔離ペン１２４、１２６、１２８、又は１３０）内のドロップレットをそこから変位しないようにする。更に、いくつかの実施形態では、ＯＥＷ力を使用することにより、本開示の実施形態に従ってすでに捕集されたドロップレットを隔離ペンから選択的に取り出す。
[0079] いくつかの実施形態では、ＤＥＰ力及び／又はＯＥＷ力を流動力及び／又は重力等の他の力と組み合わせることにより、マイクロ流体回路１２０内の微小物体及び／又はドロップレットを操作、輸送、分離、及び選別する。例えば、エンクロージャ１０２を傾斜させて（例えば、傾斜デバイス１９０により）流路１０６及びその中に位置決めされた微小物体をマイクロ流体隔離ペンの上方に配置することが可能であり、そして重力により微小物体及び／又はドロップレットをペン内に輸送することが可能である。いくつかの実施形態では、他の力の前にＤＥＰ力及び／又はＯＥＷ力を印加することが可能である。他の実施形態では、他の力の後にＤＥＰ力及び／又はＯＥＷ力を印加することが可能である。更に他の場合には、他の力と同時に又は他の力と交互にＤＥＰ力及び／又はＯＥＷ力を印加することが可能である。
[0080] 図１Ｂ、１Ｃ、及び２Ａ～２Ｈは、本開示の実施形態の実施時に使用可能なマイクロ流体デバイスの種々の実施形態を例示する。図１Ｂは、マイクロ流体デバイス２００が光学作動動電デバイスとして構成される実施形態を示す。光電子ピンセット（ＯＥＴ）構成を有するデバイス及びオプトエレクトロウェッティング（ＯＥＷ）構成を有するデバイスをはじめとする様々な光学作動動電デバイスが当技術分野で知られている。好適なＯＥＴ構成の例は、次の米国特許文書（それぞれその全体が参照により本明細書に援用される）：米国再発行特許発明第４４，７１１号（Wuら）（米国特許第７，６１２，３５５号として最初に発行された）及び米国特許第７，９５６，３３９号（Ohtaら）に例示されている。ＯＥＷ構成の例は、米国特許第６，９５８，１３２号（Chiouら）及び米国特許
出願公開第２０１２／００２４７０８号（Chiouら）（両方ともその全体が参照により本明細書に援用される）に例示されている。光学作動動電デバイスの更に他の例としては、組合せＯＥＴ／ＯＥＷ構成が挙げられ、その例は米国特許出願公開第２０１５０３０６５９８号（Khandrosら）及び同第２０１５０３０６５９９号（Khandrosら）並びにそれらの対応するＰＣＴ国際公開第２０１５／１６４８４６号及び国際公開第２０１５／１６４８４７号（それらは全てその全体が参照により本明細書に援用される）に示されている。
[0081] 生物学的微小物体を配置可能、培養可能、及び／又は監視可能なペンを有するマイクロ流体デバイスの例は、例えば、米国特許出願公開第２０１４／０１１６８８１号（２０１３年１０月２２日出願の米国出願第１４／０６０，１１７号）、米国特許出願公開第２０１５／０１５１２９８号（２０１４年１０月２２日出願の米国出願第１４／５２０，５６８号）、及び米国特許出願公開第２０１５／０１６５４３６号（２０１４年１０月２２日出願の米国出願第１４／５２１，４４７号）（それぞれその全体が参照により本明細書に援用される）に記載されている。また、米国特許出願第１４／５２０，５６８号及び同第１４／５２１，４４７号には、マイクロ流体デバイスで培養された細胞の分泌物を分析する例示的な方法が記載されている。上記の各出願には更に、光電子ピンセット（ＯＥＴ）等のように誘電泳動（ＤＥＰ）力を生じるように構成された又はオプトエレクトロウェッティング（ＯＥＷ）を提供するように構成されたマイクロ流体デバイスが記載されている。例えば、米国特許出願公開第２０１４／０１１６８８１号の図２に例示される光電子ピンセットデバイスは、個別の生物学的微小物体又は一群の生物学的微小物体を選択して移動させるために本開示の実施形態で利用し得るデバイスの例である。
[0082] 原動マイクロ流体デバイス構成
上述したように、システムの制御及び監視機器は、マイクロ流体デバイスのマイクロ流体回路において微小物体又は液滴等の物体を選択し移動させる原動モジュールを含むことができる。マイクロ流体デバイスは、移動される物体のタイプ及び他の考慮事項に応じて様々な原動構成を有することができる。例えば、誘電泳動（ＤＥＰ）構成を利用して、マイクロ流体回路において微小物体を選択し移動させることができる。したがって、マイクロ流体デバイス１００の支持構造体１０４及び／又はカバー１１０は、マイクロ流体回路１２０内の流体培地１８０内の微小物体に対してＤＥＰ力を選択的に誘導し、それにより、個々の微小物体又は微小物体群の選択、捕捉、及び／又は移動を行うＤＥＰ構成を含むことができる。代替的に、マイクロ流体デバイス１００の支持構造体１０４及び／又はカバー１１０は、マイクロ流体回路１２０内の流体培地１８０内の液滴に対して電子ウェッティング（ＥＷ）力を選択的に誘導し、それにより、個々の液滴又は液滴群の選択、捕捉、及び／又は移動を行う電子ウェッティング（ＥＷ）構成を含むことができる。
[0083] ＤＥＰ構成を含むマイクロ流体デバイス２００の一例を図１Ｂ及び図１Ｃに示す。簡潔にするために、図１Ｂ及び図１Ｃは、領域／室２０２を有するマイクロ流体デバイス２００のエンクロージャ１０２の部分の側面断面図及び上面断面図をそれぞれ示すが、領域／室２０２が、成長室、隔離ペン、フロー領域、又はフローチャネル等のより詳細な構造を有する流体回路要素の部分であり得ることを理解されたい。更に、マイクロ流体デバイス２００は他の流体回路要素を含み得る。例えば、マイクロ流体デバイス２００は、マイクロ流体デバイス１００に関して本明細書に記載される等の複数の成長室、或いは隔離ペン及び／又は１つ若しくは複数のフロー領域又はフローチャネルを含むことができる。ＤＥＰ構成は、マイクロ流体デバイス２００の任意のそのような流体回路要素に組み込み得るか、又はその部分を選択し得る。上記又は下記の任意のマイクロ流体デバイス構成要素及びシステム構成要素がマイクロ流体デバイス２００内に組みこまれ得、及び／又はマイクロ流体デバイス２００と組み合わせて使用し得ることを更に理解されたい。例えば、培地モジュール１６０、原動モジュール１６２、撮像モジュール１６４、傾斜モジュール１６６、及び他のモジュール１６８の１つ又は複数を含む上述した制御及び監視機器１５２を含むシステム１５０は、マイクロ流体デバイス２００と併用し得る。
[0084] 図１Ｂにおいて見られるように、マイクロ流体デバイス２００は、下部電極２０４及び下部電極２０４に重なる電極活性化基板２０６を有する支持構造体１０４と、上部電極２１０を有するカバー１１０とを含み、上部電極２１０は下部電極２０４から離間される。上部電極２１０及び電極活性化基板２０６は、領域／室２０２の両面を画定する。したがって、領域／室２０２に含まれる培地１８０は、上部電極２１０と電極活性化基板２０６との間に抵抗接続を提供する。下部電極２０４と上部電極２１０との間に接続され、領域／室２０２でのＤＥＰ力の生成のために必要に応じて電極間にバイアス電圧を生成するように構成された電源２１２も示されている。電源２１２は、例えば、交流（ＡＣ）電源であり得る。
[0085] 特定の実施形態では、図１Ｂ及び図１Ｃに示されるマイクロ流体デバイス２００は、光学作動ＤＥＰ構成を有することができる。したがって、原動モジュール１６２により制御し得る光源２１６からの光２１８の変更パターンは、電極活性化基板２０６の内面２０８の領域２１４においてＤＥＰ電極の変更パターンを選択的に活性化又は非活性化することができる。（以下ではＤＥＰ構成を有するマイクロ流体デバイスの領域２１４を「ＤＥＰ電極領域」と呼ぶ）。図１Ｃに示されるように、電極活性化基板２０６の内面２０８に向けられる光パターン２１８は、正方形等のパターンで、選択されたＤＥＰ電極領域２１４ａ（白色で示される）を照明することができる。照明されないＤＥＰ電極領域２１４（斜線が付される）を以下では「暗」ＤＥＰ電極領域２１４と呼ぶ。ＤＥＰ電極活性化基板２０６を通る相対電気インピーダンス（すなわち、下部電極２０４から、フロー領域１０６において培地１８０と界面を接する電極活性化基板２０６の内面２０８まで）は、各暗ＤＥＰ電極領域２１４での領域／室２０２において培地１８０を通る（すなわち、電極活性化基板２０６の内面２０８からカバー１１０の上部電極２１０まで）相対電気インピーダンスよりも大きい。しかし、照明ＤＥＰ電極領域２１４ａは、各照明ＤＥＰ電極領域２１４ａでの領域／室２０２での培地１８０を通る相対インピーダンス未満である電極活性化基板２０６を通る相対インピーダンスの低減を示す。
[0086] 電源２１２が活性化されている場合、上記ＤＥＰ構成は、照明ＤＥＰ電極領域２１４ａと隣接する暗ＤＥＰ電極領域２１４との間に流体培地１８０内で電場勾配を生じさせ、次に、電場勾配は、流体培地１８０内の付近の微小物体（図示せず）を引き寄せるか、又は排斥する局所ＤＥＰ力を生成する。したがって、流体培地１８０内の微小物体を引き寄せるか、又は排斥するＤＥＰ電極は、光源２１６からマイクロ流体デバイス２００に投射される光パターン２１８を変更することにより、領域／室２０２の内面２０８での多くの異なるそのようなＤＥＰ電極領域２１４において選択的に活性化及び非活性化することができる。ＤＥＰ力が付近の微小物体を引き寄せるか、それとも排斥するかは、電源２１２の周波数並びに培地１８０及び／又は微小物体（図示せず）の誘電特性等のパラメータに依存し得る。
[0087] 図１Ｃに示される照明ＤＥＰ電極領域２１４ａの正方形パターン２２０は単なる例である。マイクロ流体デバイス２００に投射される光パターン２１８により、任意のパターンのＤＥＰ電極領域２１４を照明する（それにより、活性化する）ことができ、照明／活性化されるＤＥＰ電極領域２１４のパターンは、光パターン２１８を変更又は移動させることにより繰り返し変更することができる。
[0088] 幾つかの実施形態では、電極活性化基板２０６は、光伝導性材料を含むか、又は光導電性材料からなることができる。そのような実施形態では、電極活性化基板２０６の内面２０８は、特徴を有さないことができる。例えば、電極活性化基板２０６は、水素化非晶質シリコン（ａ－Ｓｉ：Ｈ）の層を含むか、又はａ－Ｓｉ：Ｈの層からなることができる。ａ－Ｓｉ：Ｈは、例えば、約８％～４０％の水素を含むことができる（水素原子の数／水素及びケイ素原子の総数に１００を掛けたものとして計算）。ａ－Ｓｉ：Ｈの層は厚さ約５００ｎｍ～約２．０μｍを有することができる。そのような実施形態では、ＤＥＰ電極領域２１４は、光パターン２１８により、電極活性化基板２０６の内面２０８上の任意の場所に任意のパターンで作成することができる。したがって、ＤＥＰ電極領域２１４の数及びパターンは、固定される必要がなく、光パターン２１８に対応することができる。上述したような光伝導層を含むＤＥＰ構成を有するマイクロ流体デバイスの例は、例えば、米国特許第ＲＥ４４，７１１号（Wuら）（元々は米国特許第７，６１２，３５５号として発行された）に記載されており、その内容全体は参照により本明細書に援用される。
[0089] 他の実施形態では、電極活性化基板２０６は、半導体分野で既知等の半導体集積回路を形成する複数のドープ層、絶縁層（又は領域）、及び導電層を含む基板を含むことができる。例えば、電極活性化基板２０６は、例えば、横型バイポーラフォトトランジスタを含む複数のフォトトランジスタを含むことができ、各フォトトランジスタはＤＥＰ電極領域２１４に対応する。代替的に、電極活性化基板２０６は、フォトトランジスタスイッチにより制御される電極（例えば、導電性金属電極）を含むことができ、そのような各電極はＤＥＰ電極領域２１４に対応する。電極活性化基板２０６は、パターンになったそのようなフォトトランジスタ又はフォトトランジスタ制御される電極を含むことができる。パターンは、例えば、図２Ｂに示される等、行列に配置された実質的に正方形のフォトトランジスタ又はフォトトランジスタ制御される電極のアレイであり得る。代替的に、パターンは、六角形格子を形成する実質的に六角形のフォトトランジスタ又はフォトトランジスタ制御される電極のアレイであり得る。パターンに関係なく、電気回路素子は、電極活性化基板２０６の内面２０８におけるＤＥＰ電極領域２１４と下部電極２１０との間に電気接続を形成することができ、それらの電気接続（すなわち、フォトトランジスタ又は電極）は、光パターン２１８により選択的に活性化又は非活性化することができる。活性化されない場合、各電気接続は、電極活性化基板２０６を通る（すなわち、下部電極２０４から、領域／室２０２内の培地１８０と界面を接する電極活性化電極２０６の内面２０８まで）相対インピーダンスが、対応するＤＥＰ電極領域２１４における培地１８０を通る（すなわち、電極活性化基板２０６の内面２０８からカバー１１０の上部電極２１０まで）相対インピーダンスよりも大きいような高いインピーダンスを有することができる。しかし、光パターン２１８内の光により活性化される場合、電極活性化基板２０６を通る相対インピーダンスは、各照明ＤＥＰ電極領域２１４での培地１８０を通る相対インピーダンス未満であり、それにより、上述したように、対応するＤＥＰ電極領域２１４でのＤＥＰ電極を活性化する。したがって、培地１８０内の微小物体（図示せず）を引き寄せるか、又は排斥するＤＥＰ電極は、光パターン２１８により決まるように、領域／室２０２での電極活性化基板２０６の内面２０８での多くの異なるＤＥＰ電極領域２１４において選択的に活性化及び非活性化することができる。
[0090] フォトトランジスタを含む電極活性化基板を有するマイクロ流体デバイスの例は、例えば、米国特許第７，９５６，３３９号（Ohtaら）に記載されており（例えば、図２１及び図２２に示されるデバイス３００並びにその説明を参照されたい）、この内容全体は参照により本明細書に援用される。フォトトランジスタスイッチにより制御される電極を含む電極活性化基板を有するマイクロ流体デバイスの例は、例えば、米国特許出願公開第２０１４／０１２４３７０号（Shortら）に記載されており（例えば、図面全体を通
して示されるデバイス２００、４００、５００、６００、及び９００並びにその説明を参照されたい）、これらの内容全体は参照により本明細書に援用される。
[0091] ＤＥＰ構成のマイクロ流体デバイスの幾つかの実施形態では、上部電極２１０はエンクロージャ１０２の第１の壁（又はカバー１１０）の一部であり、電極活性化基板２０６及び下部電極２０４は、エンクロージャ１０２の第２の壁（又は支持構造体１０４）の一部である。領域／室２０２は、第１の壁と第２の壁との間にあり得る。他の実施形態では、電極２１０は第２の壁（又は支持構造体１０４）の一部であり、電極活性化基板２０６及び／又は電極２１０の一方又は両方は、第１の壁（又はカバー１１０）の一部である。更に、光源２１６は代替的に、下からエンクロージャ１０２を照明するのに使用することができる。
[0092] ＤＥＰ構成を有する図１Ｂ～１Ｃのマイクロ流体デバイス２００を用いて、微小物体を取り囲んで捕捉するパターン（例えば、正方形パターン２２０）で電極活性化基板２０６の内面２０８のＤＥＰ電極領域２１４ａの１つ以上のＤＥＰ電極の第１のセットを活性化させるように光パターン２１８をマイクロ流体デバイス２００内に投影すれば、原動モジュール１６２により領域／チャンバ２０２内の培地１８０中の微小物体（図示せず）を選択することが可能である。次いで、ＤＥＰ電極領域２１４の１つ以上のＤＥＰ電極の第２のセットを活性化させるようにマイクロ流体デバイス２００に対して光パターン２１８を移動させれば、インサイチュー発生で捕捉された微小物体を原動モジュール１６２により移動させることが可能である。代替的に、光パターン２１８に対してマイクロ流体デバイス２００を移動させることが可能である。
[0093] 他の実施形態では、マイクロ流体デバイス２００は、電極活性化基板２０６の内面２０８でのＤＥＰ電極の光活性化に依存しないＤＥＰ構成を有することができる。例えば、電極活性化基板２０６は、少なくとも１つの電極を含む表面（例えば、カバー１１０）とは逆に位置する、選択的にアドレス指定可能且つエネルギー付与可能な電極を含むことができる。スイッチ（例えば、半導体基板のトランジスタスイッチ）を選択的に開閉して、ＤＥＰ電極領域２１４でのＤＥＰ電極を活性化又は非活性化し得、それにより、活性化されたＤＥＰ電極の近傍での領域／室２０２内の微小物体（図示せず）に対する正味ＤＥＰ力を生成する。電源２１２の周波数及び培地（図示せず）及び／又は領域／室２０２内の微小物体の誘電特性等の特徴に応じて、ＤＥＰ力は、付近の微小物体を引き寄せるか、又は排斥することができる。ＤＥＰ電極の組（例えば、正方形パターン２２０を形成するＤＥＰ電極領域２１４の組における）を選択的に活性化又は非活性化することにより、領域／室２０２における１つ又は複数の微小物体を捕捉し、領域／室２０２内で移動させることができる。図１Ａの原動モジュール１６２は、そのようなスイッチを制御し、したがって、ＤＥＰ電極の個々の電極を活性化及び非活性化して、領域／室２０２の周囲の特定の微小物体（図示せず）を選択、捕捉、及び移動させることができる。選択的にアドレス指定可能且つエネルギー付与可能な電極を含むＤＥＰ構成を有するマイクロ流体デバイスは、当技術分野で既知であり、例えば、米国特許第６，２９４，０６３号（Beckerら）及び同第６，９４２，７７６号（Medoro）に記載されており、これらの内容全体は参照により本明細書に援用される。
[0094] 更なる別例として、マイクロ流体デバイス２００は電子ウェッティング（ＥＷ）構成を有することができ、ＥＷ構成は、ＤＥＰ構成の代わりであってもよく、又はＤＥＰ構成を有する部分とは別個のマイクロ流体デバイス２００の部分に配置されてもよい。ＥＷ構成は、光電子ウェッティング構成又は誘電体上の電子ウェッティング（ＥＷＯＤ）構成であり得、これらは両方とも当技術分野で既知である。幾つかのＥＷ構成では、支持構造体１０４は、誘電層（図示せず）と下部電極２０４との間に挟まれた電極活性化基板２０６を有する。誘電層は、後述するように、疎水性材料を含むことができ、及び／又は疎水性材料でコーティングすることができる。ＥＷ構成を有するマイクロ流体デバイス２００の場合、支持構造体１０４の内面２０８は、誘電層の内面又はその疎水性コーティングである。
[0095] 誘電層（図示せず）は、１つ又は複数の酸化物層を含むことができ、厚さ約５０ｎｍ～約２５０ｎｍ（例えば、約１２５ｎｍ～約１７５ｎｍ）を有することができる。特定の実施形態では、誘電層は、金属酸化物（例えば、酸化アルミニウム又は酸化ハフニウム）等の酸化物の層を含むことができる。特定の実施形態では、誘電層は、酸化ケイ素又は窒化物等の金属酸化物以外の誘電材料を含むことができる。厳密な組成及び厚さに関係なく、誘電層は約１０ｋオーム～約５０ｋオームのインピーダンスを有することができる。
[0096] 幾つかの実施形態では、領域／室２０２に向かって内側に面した誘電層の表面は、疎水性材料でコーティングされる。疎水性材料は、例えば、フッ素化炭素分子を含むことができる。フッ素化炭素分子の例としては、ポリテトラフルオロエチレン（例えば、TEFLON（登録商標）又はポリ（２，３－ジフルオロメチレニル－ペルフルオロテトラヒドロフラン）（例えば、CYTOP（商標））などのパーフルオロポリマーが挙げられる。疎水性材料を構成する分子は、誘電層の表面に共有結合され得る。例えば、疎水性材料の分子は、シロキサン基、ホスホン酸基、又はチオール基等のリンカーにより、誘電層の表面に共有結合され得る。したがって、幾つかの実施形態では、疎水性材料は、アルキル末端シロキサン、アルキル末端ホスホン酸、又はアルキル末端チオールを含むことができる。アルキル基は長鎖炭化水素（例えば、少なくとも１０個の炭素又は少なくとも１６個、１８個、２０個、２２個、若しくはそれを超える個数の炭素の鎖を有する）であり得る。代替的に、フッ素化（又はパーフルオロ化）炭素鎖をアルキル基の代わりに使用することができる。したがって、例えば、疎水性材料は、フルオロアルキル末端シロキサン、フルオロアルキル末端ホスホン酸、又はフルオロアルキル末端チオールを含むことができる。幾つかの実施形態では、疎水性コーティングは約１０ｎｍ～約５０ｎｍの厚さを有する。他の実施形態では、疎水性コーティングは厚さ１０ｎｍ未満（例えば、５ｎｍ未満又は約１．５～３．０ｎｍ）を有する。
[0097] 幾つかの実施形態では、電子ウェッティング構成を有するマイクロ流体デバイス２００のカバー１１０も同様に疎水性材料（図示せず）でコーティングされる。疎水性材料は、支持構造体１０４の誘電層のコーティングに使用されるものと同じ疎水性材料であり得、疎水性コーティングは、支持構造体１０４の誘電層の疎水性コーティングの厚さと略同じである厚さを有することができる。更に、カバー１１０は、支持構造体１０４の様式で、誘電層と上部電極２１０との間に挟まれた電極活性化基板２０６を含むことができる。電極活性化基板２０６及びカバー１１０の誘電層は、電極活性化基板２０６及び支持構造体１０４の誘電層と同じ組成及び／又は寸法を有することができる。したがって、マイクロ流体デバイス２００は２つの電子ウェッティング表面を有することができる。
[0098] 幾つかの実施形態では、電子活性化基板２０６は、上述した光伝導性材料等の光伝導性材料を含むことができる。したがって、特定の実施形態では、電極活性化基板２０６は、水素化非晶質シリコン（ａ－Ｓｉ：Ｈ）の層を含むか、又はａ－Ｓｉ：Ｈの層からなることができる。ａ－Ｓｉ：Ｈは、例えば、約８％～４０％の水素を含むことができる（水素原子の総数及びケイ素原子の総数／水素原子の総数に１００を掛けたものとして計算）。ａ－Ｓｉ：Ｈの層は厚さ約５００ｎｍ～約２．０μｍを有することができる。代替的に、電子活性化基板２０６は、上述したように、フォトトランジスタスイッチにより制御される電極（例えば、導電性金属電極）を含むことができる。光電子ウェッティング構成を有するマイクロ流体デバイスは当技術分野で既知であり、及び／又は当技術分野で既知の電極活性化基板を用いて構築することができる。例えば、内容全体が参照により本明細書に援用される米国特許第６，９５８，１３２号（Chiouら）には、ａ－Ｓｉ：Ｈ等の光伝導性材料を有する光電子ウェッティング構成が開示されており、一方、上記引用した米国特許出願公開第２０１４／０１２４３７０号（Shortら）には、フォトトランジスタスイッチにより制御される電極を有する電極活性化基板が開示されている。
[0099] したがって、マイクロ流体デバイス２００は光電子ウェッティング構成を有することができ、光パターン２１８を使用して、電極活性化基板２０６での光応答性ＥＷ領域又は光応答性ＥＷ電極を活性化することができる。電極活性化基板２０６のそのような活性化されたＥＷ領域又はＥＷ電極は、支持構造体１０４の内面２０８（すなわち、重なった誘電層の内面又はその疎水性コーティング）において電子ウェッティング力を生成することができる。電子活性化基板２０６に入射する光パターン２１８を変更する（又は光源２１６に相対してマイクロ流体デバイス２００を移動させる）ことにより、支持構造体１０４の内面２０８に接触する液滴（例えば、水性培地、水溶液又は水性溶媒を含む）は、領域／室２０２内に存在する不混和流体（例えば、油媒体）を通って移動することができる。
[0100] 他の実施形態では、マイクロ流体デバイス２００は、ＥＷＯＤ構成を有することができ、電極活性化基板２０６は、活性化のために光に依存しない、選択的にアドレス指定可能且つエネルギー付与可能な電極を含むことができる。したがって、電極活性化基板２０６は、パターンになったそのような電子ウェッティング（ＥＷ）電極を含むことができる。パターンは、例えば、図２Ｂに示される等の行列に配置された略正方形のＥＷ電極のアレイであり得る。代替的に、パターンは、六角形格子を形成する略六角形のＥＷ電極のアレイであり得る。パターンに関係なく、ＥＷ電極は、電気スイッチ（例えば、半導体基板のトランジスタスイッチ）により選択的に活性化（又は非活性化）することができる。電極活性化基板２０６でのＥＷ電極を選択的に活性化及び非活性化することにより、重なった誘電層の内面２０８又はその疎水性コーティングに接触する液滴（図示せず）は、領域／室２０２内で移動することができる。図１Ａの原動モジュール１６２は、そのようなスイッチを制御することができ、したがって、個々のＥＷ電極を活性化及び非活性化して、領域／室２０２の周囲で特定の液滴を選択し移動させることができる。選択的にアドレス指定可能且つエネルギー付与可能な電極を有するＥＷＯＤ構成を有するマイクロ流体デバイスは、当技術分野で既知であり、例えば、米国特許第８，６８５，３４４号（Sundarsanら）に記載されており、この内容全体は参照により本明細書に援用される。
[0101] マイクロ流体デバイス２００の構成に関係なく、電源２１２を使用して、マイクロ流体デバイス２００の電気回路に給電する電位（例えば、ＡＣ電源電位）を提供することができる。電源２１２は、図１で参照される電源１９２と同じ又は電源１９２の構成要素であり得る。電源２１２は、上部電極２１０及び下部電極２０４にＡＣ電圧及び／又は電流を提供するように構成され得る。ＡＣ電圧の場合、電源２１２は、上述したように、領域／室２０２内の個々の微小物体（図示せず）を捕捉して移動させ、及び／又はこれらも上述したように、領域／室２０２内の支持構造体１０４の内面２０８（すなわち、誘電層及び／又は誘電層上の疎水性コーティング）のウェッティング特性を変更するのに十分に強い正味ＤＥＰ力（又は電子ウェッティング力）を生成するのに十分な周波数範囲及び平均又はピーク電力（例えば、電圧又は電流）を提供することができる。そのような周波数範囲及び平均又はピーク電力範囲は、当技術分野で既知である。例えば、米国特許第６，９５８，１３２号（Chiouら）、米国特許第ＲＥ４４，７１１号（Wuら）（元々は米国特許第７，６１２，３５５号として発行された）、並びに米国特許出願公開第２０１４／０１２４３７０号（Shortら）、同第２０１５／０３０６５９８号（Khandrosら）、及び同第２０１５／０３０６５９９号（Khandrosら）を参照されたい。
[00102] 隔離ペン。限定されるものではないが一般的隔離ペン２２４、２２６、及び２２８の例は、図２Ａ～２Ｃに表されるマイクロ流体デバイス２３０内に示される。各隔離ペン２２４、２２６、及び２２８は、分離領域２４０と分離領域２４０をチャネル１２２に流体接続する接続領域２３６とを画定する分離構造体２３２を含み得る。接続領域２３６は、マイクロ流体チャネル１２２への基端開口２３４と分離領域２４０への先端開口２３８とを含み得る。接続領域２３６は、マイクロ流体チャネル１２２から隔離ペン２２４、２２６、２２８に流入する流体培地フロー（図示せず）の最大侵入深さが分離領域２４０内に延在しないように構成可能である。そのため、接続領域２３６があるので、隔離ペン２２４、２２６、２２８の分離領域２４０に配置された微小物体（図示せず）又は他の物質（図示せず）は、マイクロ流体チャネル１２２の培地フロー１８０からこうして分離されてその影響を実質的に受けないようにし得る。
[00103] 図２Ａ～２Ｃの隔離ペン２２４、２２６、及び２２８は、それぞれ、マイクロ流体チャネル１２２に直接開口する単一開口を有する。隔離ペンの開口は、マイクロ流体チャネル１２２の横方向に開口する。電極活性化基板２０６は、マイクロ流体チャネル１２２並びに隔離ペン２２４、２２６、及び２２８の両方の下側に配置される。隔離ペンのエンクロージャ内の電極活性化基板２０６の上表面（隔離ペンのフロアを形成する）は、マイクロ流体チャネル１２２（又はチャネルが存在しないときはフロー領域）内の電極活性化基板２０６の上表面（マイクロ流体デバイスのフローチャネル（又はそれぞれフロー領域）のフロアを形成する）と同一レベル又は実質的に同一レベルに配置される。電極活性化基板２０６は、特徴部を有していなくてもよいし、その最高位からその最低位まで約３ミクロン未満、２．５ミクロン、２ミクロン、１．５ミクロン、１ミクロン、０．９ミクロン、０．５ミクロン、０．４ミクロン、０．２ミクロン、０．１ミクロン、若しくはそれ以下で変動する不規則表面若しくはパターン化表面を有していてもよい。マイクロ流体チャネル１２２（又はフロー領域）及び隔離ペンの両方を横切る基板の上表面の高位の変動は、隔離ペンの壁又はマイクロ流体デバイスの壁の高さの約３％未満、２％、１％、０．９％、０．８％、０．５％、０．３％、又は０．１％であり得る。マイクロ流体デバイス２００について詳細に記載されているが、このことは本明細書に記載のマイクロ流体デバイス１００、２００、２３０、２５０、２８０、２９０、３００のいずれにも適用される。
[00104] そのため、マイクロ流体チャネルチャネル１２２は、掃引領域の例であり得ると共に、隔離ペン２２４、２２６、２２８の分離領域２４０は、非掃引領域の例であり得る。記載のごとく、マイクロ流体チャネル１２２及び隔離ペン２２４、２２６、２２８は、１つ以上の流体培地１８０を含有するように構成可能である。図２Ａ～２Ｂに示される例では、ポート２２２をマイクロ流体チャネル１２２に接続して流体培地１８０をマイクロ流体デバイス２３０に導入したり又はそれから取り出したりできるようにし得る。流体培地１８０の導入前に、マイクロ流体デバイスを二酸化炭素ガス等のガスでプライムし得る。マイクロ流体デバイス２３０が流体培地１８０を含有した後、マイクロ流体チャネル１２２の流体培地１８０のフロー２４２の発生及び停止を選択的に行うことが可能である。例えば、示されるように、ポート２２２は、マイクロ流体チャネル１２２の異なる位置（例えば対向端）に配置可能であり、且つ培地のフロー２４２は、流入口として機能する１つのポート２２２から流出口として機能する他のポート２２２の方向に形成可能である。
[00105] 図２Ｃは、本開示にかかる隔離ペン２２４の例の詳細図を例示する。微小物体２４６の例も示される。
[00106] 分かるように、隔離ペン２２４の基端開口２３４を通過したマイクロ流体チャネル１２２の流体培地１８０のフロー２４２は、隔離ペン２２４への及び／又はそこからの培地１８０の二次フロー２４４を引き起こし得る。微小物体２４６を二次フロー２４４から隔離ペン２２４の分離領域２４０に分離するために、隔離ペン２２４の接続領域２３６の長さＬcon（すなわち、基端開口２３４から先端開口２３８まで）は、接続領域２３６への二次フロー２４４の侵入深さＤpよりも長くすべきである。二次フロー２４４の侵入深さＤpは、マイクロ流体チャネル１２２を流れる流体培地１８０の速度並びにマイクロ流体チャネル１２２及びマイクロ流体チャネル１２２への接続領域２３６の基端開口２３４の構成に関する種々のパラメータに依存する。所与のマイクロ流体デバイスでは、マイクロ流体チャネル１２２及び開口２３４の構成は固定されるであろうが、マイクロ流体チャネル１２２の流体培地１８０のフロー２４２のレートは可変であろう。したがって、各隔離ペン２２４では、チャネル１２２の流体培地１８０のフロー２４２の最大速度Ｖmaxは、二次フロー２４４の侵入深さＤpが接続領域２３６の長さＬconを超えないことを保証するように同定可能である。マイクロ流体チャネル１２２の流体培地１８０のフロー２４２のレートが最高速度Ｖmaxを超えない限り、得られる二次フロー２４４は、マイクロ流体チャネル１２２及び接続領域２３６に限定して分離領域２４０に入らないようにすることが可能である。そのため、マイクロ流体チャネル１２２の培地１８０のフロー２４２は、分離領域２４０から微小物体２４６を引き出さないであろう。より正確には、分離領域２４０に位置決めされた微小物体２４６は、マイクロ流体チャネル１２２の流体培地１８０のフロー２４２にかかわらず分離領域２４０に留まるであろう。
[00107] 更に、マイクロ流体チャネル１２２の培地１８０のフロー２４２のレートがＶmaxを超えない限り、マイクロ流体チャネル１２２の流体培地１８０のフロー２４２は、多種多様な粒子（例えば、ナノ粒子及び／又はマイクロ粒子）をマイクロ流体チャネル１２２から隔離ペン２２４の分離領域２４０に移動しないであろう。接続領域２３６の長さＬconを二次フロー２４４の最大侵入深さＤｐよりも長くすれば、マイクロ流体チャネル１２２又は他の隔離ペン（例えば、図２Ｄの隔離ペン２２６、２２８）からの多種多様な粒子による一隔離ペン２２４の汚染を防止可能である。
[00108] マイクロ流体チャネル１２２及び隔離ペン２２４、２２６、２２８の接続領域２３６は、マイクロ流体チャネル１２２の培地１８０のフロー２４２の影響を受け得るので、マイクロ流体チャネル１２２及び接続領域２３６は、マイクロ流体デバイス２３０の掃引（又はフロー）領域とみなし得る。一方、隔離ペン２２４、２２６、２２８の分離領域２４０は、非掃引（又は非フロー）領域とみなし得る。例えば、マイクロ流体チャネル１２２の第１の流体培地１８０の成分（図示せず）は、マイクロ流体チャネル１２２から接続領域２３６を介して分離領域２４０の第２の流体培地２４８に第１の培地１８０の成分が拡散するだけで、分離領域２４０の第２の流体培地２４８と実質的に混合し得る。同様に、分離領域２４０の第２の培地２４８の成分（図示せず）は、分離領域２４０から接続領域２３６を介してマイクロ流体チャネル１２２の第１の培地１８０に第２の培地２４８の成分が拡散するだけで、マイクロ流体チャネル１２２の第１の培地１８０と実質的に混合し得る。いくつかの実施形態では、拡散による隔離ペンの分離領域とフロー領域との間の流体培地交換の程度は、流体交換の約９０％超、９１％、９２％、９３％、９４％の９５％、９６％、９７％、９８％、又は約９９％超である。第１の培地１８０は、第２の培地２４８と同一の培地又は異なる培地であり得る。更に、第１の培地１８０及び第２の培地２４８は、同一のものから開始して後で異なるものになり得る（例えば、分離領域２４０の１つ以上の細胞による第２の培地２４８の調整を介して又はマイクロ流体チャネル１２２を貫流する培地１８０を変化させることにより）。
[00109] マイクロ流体チャネル１２２の流体培地１８０のフロー２４２により引き起こされる二次フロー２４４の最大侵入深さＤpは、上述したいくつかのパラメータに依存し得る。かかるパラメータの例としては、マイクロ流体チャネル１２２の形状（例えば、マイクロ流体チャネルは、培地を接続領域２３６に方向付けたり、培地を接続領域２３６から遠ざけたり、又はマイクロ流体チャネル１２２への接続領域２３６の基端開口２３４に実質的に垂直な方向に培地を方向付けたりすることが可能である）、基端開口２３４におけるマイクロ流体チャネル１２２の幅Ｗch（又は断面積）、及び基端開口２３４における接続領域２３６の幅Ｗcon（又は断面積）、マイクロ流体チャネル１２２の流体培地１８０のフロー２４２の速度Ｖ、第１の培地１８０及び／又は第２の培地２４８の粘度等が挙げられる。
[00110] いくつかの実施形態では、マイクロ流体チャネル１２２及び隔離ペン２２４、２２６、２２８の寸法は、マイクロ流体チャネル１２２の流体培地１８０のフロー２４２のベクトルに対して以下のように、すなわち、マイクロ流体チャネル幅Ｗch（又はマイクロ流体チャネル１２２の断面領域）が培地１８０のフロー２４２に実質的に垂直になり得るように、開口２３４における接続領域２３６の幅Ｗcon（又は断面領域）がマイクロ流体チャネル１２２の培地１８０のフロー２４２に実質的に平行になり得るように、及び／又は接続領域の長さのＬconがマイクロ流体チャネル１２２の培地１８０のフロー２４２に実質的に垂直になり得るように、配向可能である。上記は単なる例にすぎず、マイクロ流体チャネル１２２及び隔離ペン２２４、２２６、２２８の相対位置は、互いに他の配向をとり得る。
[00111] 図２Ｃに例示されるように、接続領域２３６の幅Ｗconは、基端開口２３４から先端開口２３８まで均一であり得る。そのため、先端開口２３８における接続領域２３６の幅Ｗconは、基端開口２３４における接続領域２３６の幅Ｗconに対して本明細書に明記されたいずれかの範囲内にあり得る。代替的に、先端開口２３８における接続領域２３６の幅Ｗconは、基端開口２３４における接続領域２３６の幅Ｗconよりも大きくし得る。
[00112] 図２Ｃに例示されるように、先端開口２３８における分離領域２４０の幅は、基端開口２３４における接続領域２３６の幅Ｗconと実質的に同一であり得る。そのため、先端開口２３８における分離領域２４０の幅は、基端開口２３４における接続領域２３６の幅Ｗconに対して本明細書に明記された値のいずれかであり得る。代替的に、先端開口２３８における分離領域２４０の幅は、基端開口２３４における接続領域２３６の幅Ｗconよりも大きく又は小さくし得る。更に、先端開口２３８は、基端開口２３４よりも小さくし得ると共に、接続領域２３６の幅Ｗconは、基端開口２３４と先端開口２３８との間で狭窄化し得る。例えば、接続領域２３６は、多種多様なジオメトリー（例えば、接続領域の面取り、接続領域の傾斜）を用いて基端開口と先端開口との間で狭窄化し得る。更に、接続領域２３６の任意の部分又はサブ部分を狭窄化し得る（例えば、基端開口２３４に隣接する接続領域部分）。
[00113] 図２Ｄ～２Ｆは、マイクロ流体回路２６２とフローチャネル２６４とを含有する他の例示的実施形態のマイクロ流体デバイス２５０を示す。これは、図１Ａのそれぞれのマイクロ流体デバイス１００、回路１３２、及びチャネル１３４の変形形態である。マイクロ流体デバイス２５０はまた、以上に記載の隔離ペン１２４、１２６、１２８、１３０、２２４、２２６、又は２２８の追加の変形形態である複数の隔離ペン２６６を有する。特定的には、図２Ｄ～２Ｆに示されるデバイス２５０の隔離ペン２６６により以上に記載のデバイス１００、２００、２３０、２８０、２９０、３００の隔離ペン１２４、１２６、１２８、１３０、２２４、２２６、又は２２８のいずれかを交換可能であることを認識すべきである。同様に、マイクロ流体デバイス２５０は、マイクロ流体デバイス１００の他の変形形態であり、以上に記載のマイクロ流体デバイス１００、２００、２３０、２８０、２９０、３００、更には本明細書に記載の他のマイクロ流体システムコンポーネントのいずれかと同一又は異なるＤＥＰ構成も有し得る。
[00114] 図２Ｄ～２Ｆのマイクロ流体デバイス２５０は、支持構造体（図２Ｄ～２Ｆでは目視できないが、図１Ａに示されるデバイス１００の支持構造体１０４と同一又は略類似のものであり得る）と、マイクロ流体回路構造体２５６と、カバー（図２Ｄ～２Ｆでは目視できないが、図１Ａに示されるデバイス１００のカバー１２２と同一又は略類似のものであり得る）と、を含む。マイクロ流体回路構造体２５６は、図１Ａに示されるデバイス１００のフレーム１１４及びマイクロ流体回路材料１１６と同一又は略類似のものであり得るフレーム２５２及びマイクロ流体回路材料２６０を含む。図２Ｄに示されるように、マイクロ流体回路材料２６０により規定されるマイクロ流体回路２６２は、複数の隔離ペン２６６が流体接続された複数のチャネル２６４（２つが示されているが、それよりも多くし得る）を含み得る。
[00115] 各隔離ペン２６６は、分離構造体２７２、分離構造体２７２内の分離領域２７０、及び接続領域２６８を含み得る。マイクロ流体チャネル２６４の基端開口２７４から分離構造体２７２の先端開口２７６まで、接続領域２６８はマイクロ流体チャネル２６４を分離領域２７０に流体接続する。一般に、図２Ｂ及び２Ｃの以上の考察によれば、チャネル２６４内の第１の流体培地２５４のフロー２７８は、マイクロ流体チャネル２６４から隔離ペン２６６のそれぞれの接続領域２６８に入る及び／又はそこから出る第１の培地２５４の二次フロー２８２を形成可能である。
[00116] 図２Ｅに例示されるように、各隔離ペン２６６の接続領域２６８は、一般に、チャネル２６４への基端開口２７４と分離構造体２７２への先端開口２７６と間に延在する領域を含む。接続領域２６８の長さのＬconは、二次フロー２８２の最大侵入深さＤp超であり得ると共に、その場合、二次フロー２８２は、分離領域２７０に再方向付けられることなく接続領域２６８内に延在するであろう（図２Ｄに示される）。代替的に、図２Ｆに例示されるように、接続領域２６８は、最大侵入深さＤp未満の長さＬconを有し得ると共に、その場合、二次フロー２８２は、接続領域２６８を介して延在し分離領域２７０に再方向付けられるであろう。この後者の状況で、接続領域２６８の長さＬc1及びＬc2の和は、最大侵入深さＤp超であるので、二次フロー２８２は、分離領域２７０内に延在しないであろう。接続領域２６８の長さＬconが侵入深さＤp超であるか又は接続領域２６８の長さＬc1及びＬc2の和が侵入深さＤp超である場合、最大速度Ｖmaxを超えないチャネル２６４内の第１の培地２５４のフロー２７８は、侵入深さＤpを有する二次フローを生成するであろう。また、隔離ペン２６６の分離領域２７０内の微小物体（示されていないが、図２Ｃに示される微小物体２４６と同一又は略類似のものであり得る）は、チャネル２６４内の第１の培地２５４のフロー２７８により分離領域２７０から引き出されないであろう。また、チャネル２６４内のフロー２７８は、チャネル２６４から隔離ペン２６６の分離領域２７０内に多種多様な材料（図示せず）を引き出さないであろう。したがって、拡散は、マイクロ流体チャネル２６４内の第１の培地２５４中の成分がマイクロ流体チャネル２６４から隔離ペン２６６の分離領域２７０内の第２の培地２５８中に移動可能な唯一の機序である。同様に、拡散は、隔離ペン２６６の分離領域２７０内の第２の培地２５８中の成分が分離領域２７０からマイクロ流体チャネル２６４内の第１の培地２５４中に移動可能な唯一の機序である。第１の培地２５４は第２の培地２５８と同一の培地であり得るか、又は第１の培地２５４は第２の培地２５８と異なる培地であり得る。代替的に、第１の培地２５４及び第２の培地２５８は、同一のものから開始して、例えば分離領域２７０の１つ以上の細胞による第２の培地の調整を介して又はマイクロ流体チャネル２６４を貫流する培地を変化させることにより、後で異なるものになり得る。
[00117] 図２Ｅに例示されるように、マイクロ流体チャネル２６４内のマイクロ流体チャネル２６４の幅Ｗch（すなわち、図２Ｄの矢印２７８により示されるマイクロ流体チャネルを通る流体培地フローの方向の横方向にとる）は、基端開口２７４の幅Ｗcon1に実質的に垂直、つまり先端開口２７６の幅Ｗcon2に実質的に平行であり得る。しかし、基端開口２７４の幅Ｗcon1及び先端開口２７６の幅Ｗcon2は、互いに実質的に垂直である必要はない。例えば、基端開口２７４の幅Ｗcon1の配向軸（図示せず）と先端開口２７６の幅Ｗcon2の他の配向軸とのなす角度は、垂直以外つまり９０°以外であり得る。代替的な配向角度の例としては、約３０°～約９０°、約４５°～約９０°、約６０°～約９０°等の角度が挙げられる。
[00118] 隔離ペン（例えば、１２４、１２６、１２８、１３０、２２４、２２６、２２８、又は２６６）の種々の実施形態では、分離領域（例えば、２４０又は２７０）は、複数の微小物体を含有するように構成される。他の実施形態では、分離領域は、１、２、３、４、５個のみ、又は類似の比較的小さな数の微小物体を含有するように構成可能である。したがって、分離領域の体積は、例えば、少なくとも１×１０6、２×１０6、４×１０6、６×１０6立方ミクロン、又はそれ以上であり得る。
[00119] 隔離ペンの種々の実施形態では、基端開口（例えば２３４）におけるマイクロ流体チャネル（例えば１２２）の幅Ｗchは、約５０～１０００ミクロン、５０～５００ミクロン、５０～４００ミクロン、５０～３００ミクロン、５０～２５０ミクロン、５０～２００ミクロン、５０～１５０ミクロン、５０～１００ミクロン、７０～５００ミクロン、７０～４００ミクロン、７０～３００ミクロン、７０～２５０ミクロン、７０～２００ミクロン、７０～１５０ミクロン、９０～４００ミクロン、９０～３００ミクロン、９０～２５０ミクロン、９０～２００ミクロン、９０～１５０ミクロン、１００～３００ミクロン、１００～２５０ミクロン、１００～２００ミクロン、１００～１５０ミクロン、又は１００～１２０ミクロンであり得る。いくつかの他の実施形態では、基端開口（例えば２３４）におけるマイクロ流体チャネル（例えば１２２）の幅Ｗchは、約２００～８００ミクロン、２００～７００ミクロン、又は２００～６００ミクロンであり得る。上記は単なる例にすぎず、マイクロ流体チャネル１２２の幅Ｗchは、以上に列挙した端点のいずれかの範囲内の任意の幅であり得る。更に、マイクロ流体チャネル１２２のＷchは、隔離ペンの基端開口以外のマイクロ流体チャネルの領域がこれらのいずれかの範囲内になるように選択可能である。
[00120] いくつかの実施形態では、隔離ペンは、約３０～約２００ミクロン又は約５０～約１５０ミクロンの高さを有する。いくつかの実施形態では、隔離ペンは、約１×１０4～３×１０6平方ミクロン、２×１０4～２×１０6平方ミクロン、４×１０4～１×１０6平方ミクロン、２×１０4～５×１０5平方ミクロン、２×１０4～１×１０5平方ミクロン、又は約２×１０5～２×１０6平方ミクロンの断面積を有する。
[00121] 隔離ペンの種々の実施形態では、基端開口（例えば２３４）におけるマイクロ流体チャネル（例えば１２２）の高さＨchは、次の高さ：２０～１００ミクロン、２０～９０ミクロン、２０～８０ミクロン、２０～７０ミクロン、２０～６０ミクロン、２０～５０ミクロン、３０～１００ミクロン、３０～９０ミクロン、３０～８０ミクロン、３０～７０ミクロン、３０～６０ミクロン、３０～５０ミクロン、４０～１００ミクロン、４０～９０ミクロン、４０～８０ミクロン、４０～７０ミクロン、４０～６０ミクロン、又は４０～５０ミクロンのいずれかの範囲内の高さであり得る。上記は単なる例にすぎず、マイクロ流体チャネル（例えば１２２）の高さＨchは、以上に列挙した端点のいずれかの範囲内の高さであり得る。マイクロ流体チャネル１２２の高さＨchは、隔離ペンの基端開口以外のマイクロ流体チャネルの領域がこれらの高さのいずれかになるよう選択可能である。
[00122] 隔離ペンの種々の実施形態では、基端開口（例えば２３４）におけるマイクロ流体チャネル（例えば１２２）の断面積は、約５００～５０，０００平方ミクロン、５００～４０，０００平方ミクロン、５００～３０，０００平方ミクロン、５００～２５，０００平方ミクロン、５００～２０，０００平方ミクロン、５００～１５，０００平方ミクロン、５００～１０，０００平方ミクロン、５００～７，５００平方ミクロン、５００～５，０００平方ミクロン、１，０００～２５，０００平方ミクロン、１，０００～２０，０００平方ミクロン、１，０００～１５，０００平方ミクロン、１，０００～１０，０００平方ミクロン、１，０００～７，５００平方ミクロン、１，０００～５，０００平方ミクロン、２，０００～２０，０００平方ミクロン、２，０００～１５，０００平方ミクロン、２，０００～１０，０００平方ミクロン、２，０００～７，５００平方ミクロン、２，０００～６，０００平方ミクロン、３，０００～２０，０００平方ミクロン、３，０００～１５，０００平方ミクロン、３，０００～１０，０００平方ミクロン、３，０００～７，５００平方ミクロン、又は３，０００～６，０００平方ミクロンであり得る。上記は単なる例にすぎず、基端開口（例えば２３４）におけるマイクロ流体チャネル（例えば１２２）の断面積は、以上に列挙した端点のいずれかの範囲内の任意の面積であり得る。
[00123] 隔離ペンの種々の実施形態では、接続領域（例えば２３６）の長さのＬconは、約１～６００ミクロン、５～５５０ミクロン、１０～５００ミクロン、１５～４００ミクロン、２０～３００ミクロン、２０～５００ミクロン、４０～４００ミクロン、６０～３００ミクロン、８０～２００ミクロン、又は約１００～１５０ミクロンであり得る。上記は単なる例にすぎず、接続領域（例えば２３６）の長さＬconは、以上に列挙した端点のいずれかの範囲内の任意の長さであり得る。
[00124] 隔離ペンの種々の実施形態では、基端開口（例えば２３４）における接続領域（例えば２３６）の幅Ｗconは、約２０～５００ミクロン、２０～４００ミクロン、２０～３００ミクロン、２０～２００ミクロン、２０～１５０ミクロン、２０～１００ミクロン、２０～８０ミクロン、２０～６０ミクロン、３０～４００ミクロン、３０～３００ミクロン、３０～２００ミクロン、３０～１５０ミクロン、３０～１００ミクロン、３０～８０ミクロン、３０～６０ミクロン、４０～３００ミクロン、４０～２００ミクロン、４０～１５０ミクロン、４０～１００ミクロン、４０～８０ミクロン、４０～６０ミクロン、５０～２５０ミクロン、５０～２００ミクロン、５０～１５０ミクロン、５０～１００ミクロン、５０～８０ミクロン、６０～２００ミクロン、６０～１５０ミクロン、６０～１００ミクロン、６０～８０ミクロン、７０～１５０ミクロン、７０～１００ミクロン、又は８０～１００ミクロンであり得る。上記は単なる例にすぎず、基端開口（例えば２３４）における接続領域（例えば２３６）の幅Ｗconは、上記の例と異なり得る（例えば、以上に列挙した端点のいずれかの範囲内の任意の値）。
[00125] 隔離ペンの種々の実施形態では、基端開口（例えば２３４）における接続領域（例えば２３６）の幅Ｗconは、隔離ペンで意図される微小物体（例えば、Ｔ細胞、Ｂ細胞、又は卵細胞若しくは胚であり得る生体細胞）の最大寸法と少なくとも同程度であり得る。上記は単なる例にすぎず、基端開口（例えば２３４）における接続領域（例えば２３６）の幅Ｗconは、上記の例と異なり得る（例えば、以上に列挙した端点のいずれかの範囲内の幅）。
[00126] 隔離ペンの種々の実施形態では、接続領域の基端開口の幅Ｗprは、隔離ペンで意図される微小物体（例えば、細胞等の生物学的微小物体）の最大寸法と少なくとも同程度であり得る。例えば、幅Ｗprは、約５０ミクロン、約６０ミクロン、約１００ミクロン、約２００ミクロン、約３００ミクロンであり得るか、又は約５０～３００ミクロン、約５０～２００ミクロン、約５０～１００ミクロン、約７５～１５０ミクロン、約７５～１００ミクロン、若しくは約２００～３００ミクロンであり得る。
[00127] 隔離ペンの種々の実施形態では、接続領域（例えば２３６）の長さＬconと基端開口２３４における接続領域（例えば２３６）の幅Ｗconとの比は、次の比のいずれか以上、すなわち、０．５、１．０、１．５、２．０、２．５、３．０、３．５、４．０、４．５、５．０、６．０、７．０、８．０、９．０、１０．０、又はそれ以上であり得る。上記は単なる例にすぎず、接続領域２３６の長さのＬconと基端開口２３４における接続領域２３６の幅Ｗconとの比は、上記の例と異なり得る。
[00128] マイクロ流体デバイス１００、２００、２３、２５０、２８０、２９０、３００の種々の実施形態では、Ｖmaxは、０．２、０．５、０．７、１．０、１．３、１．５、２．０、２．５、３．０、３．５、４．０、４．５、５．０、５．５、６．０、６．７、７．０、７．５、８．０、８．５、９．０、１０、１１、１２、１３、１４、又は１５マイクロリットル／ｓｅｃの近傍に設定可能である。
[00129] 隔離ペンを有するマイクロ流体デバイスの種々の実施形態では、隔離ペンの分離領域（例えば２４０）の容積は、例えば、少なくとも５×１０5、８×１０5、１×１０6、２×１０6、４×１０6、６×１０6、８×１０6、１×１０7、５×１０7、１×１０８、５×１０８又は８×１０８立方ミクロン、又はそれ以上であり得る。隔離ペンを有するマイクロ流体デバイスの種々の実施形態では、隔離ペンの容積は、約５×１０5、６×１０5、８×１０5、１×１０6、２×１０6、４×１０6、８×１０6、１×１０7、３×１０7、５×１０7、又は約８×１０7立方ミクロン、又はそれ以上であり得る。いくつかの他の実施形態では、隔離ペンの容積は、約１ナノリットル～約５０ナノリットル、２ナノリットル～～約２５ナノリットル、２ナノリットル～約２０ナノリットル、約２ナノリットル～約１５ナノリットル、又は約２ナノリットル～約１０ナノリットルであり得る。
[00130] 種々の実施形態では、マイクロ流体デバイスは、本明細書で考察される実施形態のいずれかと同様に構成される隔離ペンを有する。この場合、マイクロ流体デバイスは、約５～約１０の隔離ペン、約１０～約５０の隔離ペン、約１００～約５００の隔離ペン、約２００～約１０００の隔離ペン、約５００～約１５００の隔離ペン、約１０００～約２０００の隔離ペン、約１０００～約３５００の隔離ペン、約３０００～約７０００の隔離ペン、約５０００～約１０，０００の隔離ペン、約９，０００～約１５，０００の隔離ペン、又は約１２，０００～約２０，０００の隔離ペンを有する。隔離ペンは全て同一のサイズである必要はなく、様々な構成（例えば、異なる幅、隔離ペン内の異なるフィーチャ）を含み得る。
[00131] 図２Ｇは、一実施形態にかかるマイクロ流体デバイス２８０を例示する。図２Ｇに例示されるマイクロ流体デバイス２８０は、マイクロ流体デバイス１００の定型化された図である。実際には、マイクロ流体デバイス２８０及びその構成要素の回路要素（例えば、チャネル１２２及び隔離ペン１２８）は、本明細書に考察される寸法を有するであろう。図２Ｇに例示されるマイクロ流体回路１２０は、２つのポート１０７、４つの識別可能チャネル１２２、及び４つの識別可能流路１０６を有する。マイクロ流体デバイス２８０は、各チャネル１２２に通じる複数の隔離ペンを更に含む。図２Ｇに例示されるマイクロ流体デバイスでは、隔離ペンは、図２Ｃに例示されるペンに類似したジオメトリーを有するので、接続領域及び分離領域の両方を有する。したがって、マイクロ流体回路１２０は、掃引領域（例えば、チャネル１２２及び二次フロー２４４の最大侵入深さＤｐ以内の接続領域２３６の部分）と、非掃引領域（例えば、分離領域２４０及び二次フロー２４４の最大侵入深さＤｐ以内にない接続領域２３６の部分）と、の両方を含む。
[00132] 図３Ａ～３Ｂは、本開示にかかるマイクロ流体デバイス（例えば、１００、２００、２３０、２５０、２８０、２９０、３００）の操作及び観測に使用可能なシステム１５０の種々の実施形態を示す。図３Ａに例示されるように、システム１５０は、マイクロ流体デバイス１００（図示せず）又は本明細書に記載の任意の他のマイクロ流体デバイスを保持するように構成される構造体（「ネスト」）３００を含み得る。ネスト３００は、マイクロ流体デバイス３２０（例えば、光学作動動電デバイス１００）とのインターフェースと、電源１９２からマイクロ流体デバイス３２０への電気接続の提供と、が可能なソケット３０２を含み得る。ネスト３００は、組み込まれた電気シグナル発生サブシステム３０４を更に含み得る。電気シグナル発生サブシステム３０４は、ソケット３０２にバイアス電圧を供給してソケット３０２により保持されているときにマイクロ流体デバイス３２０の電極対の両端にバイアス電圧を印加するように構成可能である。そのため、電気シグナル発生サブシステム３０４は電源１９２の一部であり得る。マイクロ流体デバイス３２０にバイアス電圧を印加する能力は、マイクロ流体デバイス３２０がソケット３０２により保持されている全ての時間にバイアス電圧が印加されることを意味するものではない。より正確には、ほとんどの場合、バイアス電圧は、間欠的に、例えば、マイクロ流体デバイス３２０で誘電泳動やエレクトロウェッティング等の動電力の発生を促進する必要があるときのみ、印加されるであろう。
[00133] 図３Ａに例示されるように、ネスト３００は、プリント回路ボードアセンブリー（ＰＣＢＡ）３２２を含み得る。電気シグナル発生サブシステム３０４は、ＰＣＢＡ３２２への実装及び電気的一体化が可能である。例示的な支持体は、同様にＰＣＢＡ３２２に実装されたソケット３０２を含む。
[00134] 通常、電気信号生成サブシステム３０４は波形生成器（図示せず）を含む。電気信号生成サブシステム３０４は、波形生成器から受信される波形を増幅するように構成されたオシロスコープ（図示せず）及び／又は波形増幅回路（図示せず）を更に含むことができる。オシロスコープは、存在する場合、ソケット３０２により保持されるマイクロ流体デバイス３２０に供給される波形を測定するように構成され得る。特定の実施形態では、オシロスコープは、マイクロ流体デバイス３２０の基端位置（及び波形生成器の先端位置）において波形を測定し、それにより、デバイスに実際に印加されている波形を測定するに当たりより大きい精度を保証する。オシロスコープ測定から得られるデータは、例えば、フィードバックとして波形生成器に提供され得、波形生成器は、そのようなフィードバックに基づいて出力を調整するように構成され得る。適する結合された波形生成器及びオシロスコープの例は、Red Pitaya（商標）である。
[00135] 特定の実施形態では、ネスト３００は、電気信号生成サブシステム３０４の
検知及び／又は制御に使用される、マイクロプロセッサ等のコントローラ３０８を更に含む。適するマイクロプロセッサの例としては、Arduino Nano（商標）等のArduino（商標）マイクロプロセッサが挙げられる。コントローラ３０８を使用して機能及び分析を実行し、又は外部マスタコントローラ１５４（図１Ａに示される）と通信して機能及び分析を実行し得る。図３Ａに示される実施形態では、コントローラ３０８は、インタフェース３１０（例えば、プラグ又はコネクタ）を通してマスタコントローラ１５４と通信する。
[00136] 幾つかの実施形態では、ネスト３００は、Red Pitaya（商標）波形生成器／オシロスコープユニット（「Red Pitayaユニット」）を含む電気信号生成サブシステム３０４と、Red Pitayaユニットにより生成された波形を増幅し、増幅電圧をマイクロ流体デバイス１００に渡す波形増幅回路とを含むことができる。幾つかの実施形態では、Red Pitayaユニットは、マイクロ流体デバイス３２０での増幅電圧を測定し、次に、マイクロ流体デバイス３２０での測定電圧が所望の値であるように、必要に応じてそれ自体の出力電圧を調整するように構成される。幾つかの実施形態では、波形増幅回路は、ＰＣＢＡ３２２に搭載されるＤＣ－ＤＣコンバータの対により生成される＋６．５Ｖ～－６．５Ｖ電源を有することができ、その結果、マイクロ流体デバイス１００において１３Ｖｐｐまでの信号が生成される。
[00137] 図３Ａに例示されるように、支持構造体３００（例えばネスト）は、熱制御サブシステム３０６を更に含み得る。熱制御サブシステム３０６は、支持構造体３００により保持されるマイクロ流体デバイス３２０の温度を調整するように構成可能である。例えば、熱制御サブシステム３０６は、ペルティエ熱電デバイス（図示せず）と冷却ユニット（図示せず）とを含み得る。ペルティエ熱電デバイスは、マイクロ流体デバイス３２０の少なくとも１つの表面とインターフェースするように構成された第１の表面を有し得る。冷却ユニットは、例えば、液冷アルミニウムブロック等の冷却ブロック（図示せず）であり得る。ペルティエ熱電デバイスの第２表面（例えば、第１の表面に対向する表面）は、かかる冷却ブロックの表面とインターフェースするように構成可能である。冷却ブロックは、冷却ブロックを介して冷却流体を循環させるように構成された流体路３１４に接続可能である。図３Ａに例示される実施形態では、支持構造体３００は、外部リザーバー（図示せず）からの冷却流体の受容、流体路３１４への冷却流体の導入及び冷却ブロックへの貫流、次いで、外部リザーバーへの冷却流体の帰還を行うように、流入口３１６と流出口３１８とを含む。いくつかの実施形態では、ペルティエ熱電デバイス、冷却ユニット、及び／又は流体路３１４は、支持構造体３００のケーシング３１２に実装可能である。いくつかの実施形態では、熱制御サブシステム３０６は、マイクロ流体デバイス３２０の目標温度を達成するようにペルティエ熱電デバイスの温度を調整するように構成される。ペルティエ熱電デバイスの温度調整は、例えば、Pololu（商標）熱電源（Pololu Robotics and Electronics Corp.）等の熱電源により達成可能である。熱制御サブシステム３０６は、アナログ回路により提供される温度値等のフィードバック回路を含み得る。代替的に、フィードバック回路は、ディジタル回路により提供可能である。
[00138] 幾つかの実施形態では、ネスト３００は、抵抗（例えば、抵抗１ｋオーム＋／－０．１％、温度係数＋／－０．０２ｐｐｍ／Ｃ０）及びＮＴＣサーミスタ（例えば、公称抵抗１ｋオーム＋／－０．０１％を有する）を含むアナログ分圧回路（図示せず）であるフィードバック回路を有する熱制御サブシステム３０６を含むことができる。幾つかの場合、熱制御サブシステム３０６は、フィードバック回路からの電圧を測定し、次に、計算された温度値をオンボードＰＩＤ制御ループアルゴリズムへの入力として使用する。ＰＩＤ制御ループアルゴリズムからの出力は、例えば、Pololu（商標）モーター駆動デバイス（図示せず）上の方向信号及びパルス幅変調信号ピンの両方を駆動して熱電電源を作動させることができ、それにより、ペルチェ熱電デバイスを制御する。
[00139] ネスト３００は、インターフェース３１０（図示せず）を介してコントローラ３０８のマイクロプロセッサと外部マスターコントローラ１５４との通信を可能にするシリアルポート３２４を含み得る。そのほか、コントローラ３０８のマイクロプロセッサは、電気シグナル発生サブシステム３０４及び熱制御サブシステム３０６との通信が可能である（例えば、Ｐｌｉｎｋツール（図示せず）を介して）。そのため、コントローラ３０８とインターフェース３１０とシリアルポート３２４とを組み合わせることにより、電気シグナル発生サブシステム３０４及び熱制御サブシステム３０６は、外部マスターコントローラ１５４との通信が可能である。このようにして、マスターコントローラ１５４は、特に、出力電圧調整のためにスケーリング計算を実施することにより電気シグナル発生サブシステム３０４を支援可能である。外部マスターコントローラ１５４に結合された表示デバイス１７０を介して提供されるグラフィカルユーザインターフェース（ＧＵＩ）（図示せず）は、熱制御サブシステム３０６及び電気シグナル発生サブシステム３０４からそれぞれ得られる温度及び波形のデータをプロットするように構成可能である。代替的又は追加的に、ＧＵＩは、コントローラ３０８、熱制御サブシステム３０６、及び電気シグナル発生サブシステム３０４へのアップデートを可能にし得る。
[00140] 以上で考察したように、システム１５０は撮像デバイス１９４を含み得る。いくつかの実施形態では、撮像デバイス１９４は光変調サブシステム３３０を含む（図３Ｂ参照）。光変調サブシステム３３０は、ディジタルミラーデバイス（ＤＭＤ）又はマイクロシャッターアレイシステム（ＭＳＡ）を含み得ると共に、いずれも光源３３２から光を受け取って受け取った光の一部を顕微鏡３５０の光学縦列に送るように構成可能である。代替的に、光変調サブシステム３３０は、それ自体が光を生成する（したがって、光源３３２を必要としないで済む）デバイス、例えば、有機発光ダイオードディスプレイ（ＯＬＥＤ）、液晶オンシリコン（ＬＣＯＳ）デバイス、強誘電性液晶オンシリコンデバイス（ＦＬＣＯＳ）、又は透過液晶ディスプレイ（ＬＣＤ）を含み得る。光変調サブシステム３３０は、例えば、プロジェクターであり得る。そのため、光変調サブシステム３３０は、構造化光及び非構造化光の両方を発光可能である。特定の実施形態では、システム１５０の撮像モジュール１６４及び／又は原動モジュール１６２は、光変調サブシステム３３０を制御可能である。
[00141] 特定の実施形態では、撮像デバイス１９４は顕微鏡３５０を更に含む。かかる実施形態では、ネスト３００及び光変調サブシステム３３０は、顕微鏡３５０に実装されるように個別に構成可能である。顕微鏡３５０は、例えば、標準的な研究グレードの光学顕微鏡又は蛍光顕微鏡であり得る。そのため、ネスト３００は、顕微鏡３５０のステージ３４４に実装されるように構成可能であり、及び／又は光変調サブシステム３３０は、顕微鏡３５０のポートに実装されるように構成可能である。他の実施形態では、本明細書に記載のネスト３００及び光変調サブシステム３３０は、顕微鏡３５０の一体化コンポーネントであり得る。
[00142] 特定の実施形態では、顕微鏡３５０は１つ以上の検出器３４８を更に含み得る。いくつかの実施形態では、検出器３４８は撮像モジュール１６４により制御される。検出器３４８は、接眼レンズ、電荷結合デバイス（ＣＣＤ）、カメラ（例えばディジタルカメラ）、又はそれらの任意の組合せを含み得る。少なくとも２つの検出器３４８が存在する場合、１つの検出器は、例えば、高速フレームレートカメラであり得ると共に、他の検出器は高感度カメラであり得る。更に、顕微鏡３５０は、マイクロ流体デバイス３２０からの反射光及び／又は発光光を受け取って反射光及び／又は発光光の少なくとも一部を１つ以上の検出器３４８に集束させるように構成された光学縦列を含み得る。顕微鏡の光学縦列はまた、各検出器の最終倍率が異なり得るように異なる検出器に対して異なるチューブレンズ（図示せず）を含み得る。
[00143] 特定の実施形態では、撮像デバイス１９４は、少なくとも２つの光源を使用するように構成される。例えば、第１の光源３３２は、構造化光（例えば、光変調サブシステム３３０を介する）を出力するために使用可能であり、第２の光源３３４は、非構造化光を提供するために使用可能である。第１の光源３３２は、光学作動動電性及び／又は蛍光励起のために構造化光を生成可能であり、第２の光源３３４は、明視野照明を提供するために使用可能である。これらの実施形態では、原動モジュール１６４は、第１の光源３３２を制御するために使用可能であり、撮像モジュール１６４は、第２の光源３３４を制御するために使用可能である。顕微鏡３５０の光学縦列は、（１）デバイスがネスト３００により保持されたとき、光変調サブシステム３３０から構造化光を受け取ってマイクロ流体デバイスの少なくとも第１の領域、例えば、光学作動動電デバイスに構造化光を集束させるように、且つ（２）マイクロ流体デバイスから反射光及び／又は発光光を受け取ってかかる反射光及び／又は発光光の少なくとも一部を検出器３４８に集束させるように、構成可能である。光学縦列は、デバイスがネスト３００により保持されたとき、第２の光源から非構造化光を受け取って、マイクロ流体デバイスの少なくとも第２の領域に非構造化光を集束させるように、更に構成可能である。特定の実施形態では、マイクロ流体デバイスの第１及び第２の領域はオーバーラップ領域であり得る。例えば、第１の領域は、第２の領域のサブセットであり得る。他の実施形態では、第２の光源３３４は、追加的又は代替的に、任意の好適な波長の光を有し得るレーザーを含み得る。図３Ｂに示される光学システムの図は模式図にすぎず、光学システムは、追加のフィルタ、ノッチフィルタ、レンズ等を含み得る。第２の光源３３４が明視野及び／又は蛍光励起更にはレーザー照明のための１つ以上の光源を含む場合、光源の物理的構成は、図３Ｂに示されるものと異なり得ると共に、レーザー照明は、光学システム内の任意の好適な物理的位置に導入し得る。光源３３４及び光源３３２／光変調サブシステム３３０の模式的位置は、同様に交換し得る。
[00144] 図３Ｂでは、第１の光源３３２は、システム３５５（図示せず）の顕微鏡３５０の光学縦列に構造化光を提供する光変調サブシステム３３０に光を供給するように示される。第２の光源３３４は、ビームスプリッター３３６を介して光学縦列に非構造化光を提供するように示される。光変調サブシステム３３０からの構造化光及び第２の光源３３４からの非構造化光は、ビームスプリッター３３６から光学縦列を介して進行して一緒に第２のビームスプリッター（又は光変調サブシステム３３０により提供される光に依存してダイクロイックフィルタ３３８）に達し、そこで光は下方に反射されて対物レンズ３３６を介してサンプル平面３４２に至る。次いで、サンプル平面３４２からの反射光及び／又は発光光は、対物レンズ３４０を介して上向きに進行して戻り、ビームスプリッター及び／又はダイクロイックフィルタ３３８を介してダイクロイックフィルタ３４６に至る。ダイクロイックフィルタ３４６に達する光の一部のみが通り抜けて検出器３４８に達する。
[00145] いくつかの実施形態では、第２の光源３３４は青色光を発する。適切なダイクロイックフィルタ３４６を用いれば、サンプル平面３４２から反射された青色光は、ダイクロイックフィルタ３４６を通り抜けて検出器３４８に達し得る。これとは対照的に、光変調サブシステム３３０から到来する構造化光は、サンプル平面３４２から反射されるが、ダイクロイックフィルタ３４６を通り抜けない。この例では、ダイクロイックフィルタ３４６は、４９５ｎｍよりも長い波長を有する可視光を除去している。光変調サブシステム３３０からの光のかかる除去は、光変調サブシステムから発せられた光が４９５ｎｍよりも短い波長を何ら含んでいない場合のみ、（示されるように）完全であるにすぎない。実際には、光変調サブシステム３３０から到来する光が４９５ｎｍ（例えば、青色波長）よりも短い波長を含んでいれば、光変調サブシステムからの光の一部は、フィルタ３４６を通り抜けて検出器３４８に達するであろう。かかる実施形態では、フィルタ３４６は、第１の光源３３２及び第２の光源３３４から検出器３４８に達する光の量のバランスを変化させるように作用する。これは、第１の光源３３２が第２の光源３３４よりも有意に強い場合に有益であり得る。他の実施形態では、第２の光源３３４は赤色光を発することが可能であり、且つダイクロイックフィルタ３４６は、赤色光以外の可視光（例えば、６５０ｎｍよりも短い波長を有する可視光）を除去可能である。
[00146] コーティング溶液及びコーティング剤。理論により限定することを意図するものではないが、マイクロ流体デバイスとその中に維持された生物学的微小物体との間に主要なインターフェースを提供する有機分子及び／又は親水性分子の層を呈するようにマイクロ流体デバイスの少なくとも１つ以上の内面が調整又はコーティングされている場合、マイクロ流体デバイス（例えば、ＤＥＰ構成及び／又はＥＷ構成のマイクロ流体デバイス）内の生物学的微小物体（例えば、生体細胞）の維持は容易であり得る（すなわち、生物学的微小物体は、マイクロ流体デバイス内で向上した生存能、より大量の増殖、及び／又はより向上した可搬性を呈する）。いくつかの実施形態では、マイクロ流体デバイスの内面（例えば、ＤＥＰ構成マイクロ流体デバイスの電極活性化基板の内面、マイクロ流体デバイスのカバーの内面、及び／又は回路材料の表面）の１つ以上は、有機分子及び／又は親水性分子の所望の層を生成するようにコーティング溶液及び／又はコーティング剤で処理又は改質し得る。
[00147] コーティングは、生物学的微小物体の導入前又は導入後に施してもよいし、生物学的微小物体と同時に導入してもよい。いくつかの実施形態では、生物学的微小物体は、１つ以上のコーティング剤を含む流体培地に入れてマイクロ流体デバイスに搬入し得る。他の実施形態では、マイクロ流体デバイス（例えば、ＤＥＰ構成マイクロ流体デバイス）の内面は、マイクロ流体デバイスへの生物学的微小物体の導入前にコーティング剤を含むコーティング溶液で処理又は「プライミング」される。
[00148] いくつかの実施形態では、マイクロ流体デバイスの少なくとも１つの表面は、生物学的微小物体の維持及び／又は増殖に好適な有機分子及び／又は親水性分子の層を提供する（例えば、以下に記載の調整された表面を提供する）コーティング材料を含む。いくつかの実施形態では、マイクロ流体デバイスの内面は実質的に全て、コーティング材料を含む。コーティングされた内面は、フロー領域（例えばチャネル）、チャンバ、若しくは隔離ペンの表面又はそれらの組合せを含み得る。いくつかの実施形態では、複数の隔離ペンのそれぞれは、コーティング材料でコーティングされた少なくとも１つの内面を有する。他の実施形態では、複数のフロー領域又はチャネルのそれぞれは、コーティング材料でコーティングされた少なくとも１つの内面を有する。いくつかの実施形態では、複数の隔離ペンのそれぞれ及び複数のチャネルのそれぞれの少なくとも１つの内面は、コーティング材料でコーティングされる。
[00149] コーティング剤／溶液。限定されるものではないが、血清又は血清因子、ウシ血清アルブミン（ＢＳＡ）、ポリマー、界面活性剤、酵素、及びそれらの任意の組合せをはじめとする任意の便利なコーティング剤／コーティング溶液を使用可能である。
[00150] ポリマー系コーティング材料。少なくとも１つの内面は、ポリマーを含むコーティング材料を含み得る。ポリマーは、少なくとも１つの表面に共有結合又は非共有結合し得る（又は非特異的に装着し得る）。ポリマーは、ブロックポリマー（及びコポリマー）、スターポリマー（スターコポリマー）、及びグラフトポリマー又はコームポリマー（グラフトコポリマー）に見られるような様々な構造モチーフを有し得ると共に、それらは全て、本明細書に開示される方法に好適であり得る。
[00151] ポリマーは、アルキレンエーテル部分を含むポリマーを含み得る。多種多様なアルキレンエーテル含有ポリマーが本明細書に記載のマイクロ流体デバイスに使用するのに好適であり得る。限定されるものではないがアルキレンエーテル含有ポリマーの例示的なクラスの１つは、ポリエチレンオキシド（ＰＥＯ）サブユニットのブロックとポリプロピレンオキシド（ＰＰＯ）サブユニットのブロックとを様々な比で及びポリマー鎖内の様々な位置で含む両親媒性非イオン性ブロックコポリマーである。Pluronic（登録商標）ポリマー（BASF）は、このタイプのブロックコポリマーであり、生細胞に接触した状態で使用するのに好適であることが当技術分野で公知である。このポリマーは、平均分子量Ｍwが約２０００Ｄａ～約２０ＫＤａの範囲内であり得る。いくつかの実施形態では、ＰＥＯ－ＰＰＯブロックコポリマーは、約１０超（例えば１２～１８）の親水性親油性バランス（ＨＬＢ）を有し得る。コーティング表面の生成に有用な具体的なPluronic（登録商標）ポリマーとしては、Pluronic（登録商標）Ｌ４４、Ｌ６４、Ｐ８５、及びＦ１２７（Ｆ１２７ＮＦを含む）が挙げられる。アルキレンエーテル含有ポリマーの他のクラスは、ポリエチレングリコール（ＰＥＧ Ｍw＜１００，０００Ｄａ）又は代替的にポリエチレンオキシド（ＰＥＯ、Ｍw＞１００，０００）である。いくつかの実施形態では、ＰＥＧは、約１０００Ｄａ、５０００Ｄａ、１０，０００Ｄａ、又は２０，０００ＤａのＭwを有し得る。
[00152] 他の実施形態では、コーティング材料は、カルボン酸部分を含有するポリマーを含み得る。カルボン酸サブユニットは、アルキル部分、アルケニル部分、又は芳香族部分を含有するサブユニットであり得る。限定されるものではないが一例は、ポリ乳酸（ＰＬＡ）である。他の実施形態では、コーティング材料は、ポリマー骨格の末端又はポリマー骨格からのペンダントのいずれかにリン酸部分を含有するポリマーを含み得る。更に他の実施形態では、コーティング材料は、スルホン酸部分を含有するポリマーを含み得る。スルホン酸サブユニットは、アルキル部分、アルケニル部分、又は芳香族部分を含有するサブユニットであり得る。限定されるものではないが一例は、ポリスチレンスルホン酸（ＰＳＳＡ）又はポリアネトールスルホン酸である。更なる実施形態では、コーティング材料は、アミン部分を含むポリマーを含み得る。ポリアミノポリマーは、天然ポリアミンポリマー又は合成ポリアミンポリマーを含み得る。天然ポリアミンの例としては、スペルミン、スペルミジン、及びプトレシンが挙げられる。
[00153] 他の実施形態では、コーティング材料は、糖部分を含有するポリマーを含み得る。限定されるものではないが例として、キサンタンガムやデキストラン等の多糖は、マイクロ流体デバイスにおいて細胞固着を低減又は防止し得る材料を形成するのに好適であり得る。例えば、約３ｋＤａのサイズを有するデキストランポリマーは、マイクロ流体デバイス内の表面のコーティング材料を提供するために使用し得る。
[00154] 他の実施形態では、コーティング材料は、ヌクレオチド部分を含有するポリマー、すなわち、リボヌクレオチド部分又はデオキシリボヌクレオチド部分を有し得る核酸を含んで、高分子電解質表面を提供し得る。核酸は、天然ヌクレオチド部分のみを含有し得るか、又はヌクレオ塩基、リボース、若しくはリン酸の部分のアナログ、例えば、限定されるものではないが７－デアザアデニン、ペントース、メチルホスホネート、又はホスホロチオエートの部分を含む非天然ヌクレオチド部分を含有し得る。
[00155] 更に他の実施形態では、コーティング材料は、アミノ酸部分を含有するポリマーを含み得る。アミノ酸部分を含有するポリマーは、天然アミノ酸含有ポリマー又は非天然アミノ酸含有ポリマーを含み得ると共に、それらはいずれもペプチド、ポリペプチド、又はタンパク質を含み得る。限定されるものではないが一例では、タンパク質は、ウシ血清アルブミン（ＢＳＡ）及び／又はコーティング剤としてアルブミン及び／又は１つ以上の他の類似のタンパク質を含む血清（又は複数の異なる血清の組み合わせ）であり得る。血清は、限定されるものではないがウシ胎仔血清、ヒツジ血清、ヤギ血清、ウマ血清等をはじめとする任意の便利な供給源に由来し得る。特定の実施形態では、コーティング溶液中のＢＳＡは、５ｍｇ／ｍＬ、１０ｍｇ／ｍＬ、２０ｍｇ／ｍＬ、３０ｍｇ／ｍＬ、４０ｍｇ／ｍＬ、５０ｍｇ／ｍＬ、６０ｍｇ／ｍＬ、７０ｍｇ／ｍＬ、８０ｍｇ／ｍＬ、９０ｍｇ／ｍＬ、若しくはそれ以上、又はそれらの間の任意の位置を含めて、約１ｍｇ／ｍＬ～約１００ｍｇ／ｍＬの濃度で存在する。特定の実施形態では、コーティング溶液中の血清は、２５％、３０％、３５％、４０％、４５％、若しくはそれ以上、又はそれらの間の任意の位置を含めて、約２０％（ｖ／ｖ）～約５０％ｖ／ｖの濃度で存在し得る。いくつかの実施形態では、ＢＳＡは、５ｍｇ／ｍＬでコーティング溶液中にコーティング剤として存在し得る。これに対して、他の実施形態では、ＢＳＡは、７０ｍｇ／ｍＬでコーティング溶液中にコーティング剤として存在し得る。特定の実施形態では、血清は、３０％でコーティング溶液中にコーティング剤として存在する。いくつかの実施形態では、細胞接着を最適化して細胞成長を促進するために細胞外マトリックス（ＥＣＭ）タンパク質をコーティング材料中に提供し得る。コーティング材料に含まれ得る細胞マトリックスタンパク質としては、限定されるものではないがコラーゲン、エラスチン、ＲＧＤ含有ペプチド（例えばフィブロネクチン）、又はラミニンが挙げられ得る。更に他の実施形態では、成長因子、サイトカイン、ホルモン、又は他の細胞シグナリング種をマイクロ流体デバイスのコーティング材料中に提供し得る。
[00156] いくつかの実施形態では、コーティング材料は、アルキレンオキシド部分、カルボン酸部分、スルホン酸部分、リン酸部分、糖部分、ヌクレオチド部分、又はアミノ酸部分の２つ以上を含有するポリマーを含み得る。他の実施形態では、ポリマーで調整された表面は、アルキレンオキシド部分、カルボン酸部分、スルホン酸部分、リン酸部分、糖部分、ヌクレオチド部分、及び／又はアミノ酸部分をそれぞれ有する２種以上のポリマーの混合物を含み得ると共に、それらは、別々に又は同時にコーティング材料に組み込み得る。
[00157] 共有結合コーティング材料。いくつかの実施形態では、少なくとも１つの内面は、マイクロ流体デバイス内における生物学的微小物体の維持／増殖に好適な有機分子及び／又は親水性分子の層を提供する共有結合分子を含み、かかる細胞に対して調整された表面を提供する。
[00158] 以下に記載されるように、共有結合分子は結合基を含み、結合基はマイクロ流体デバイスの１つ以上の表面に共有結合される。結合基はまた、生物学的微小物体の維持／増殖に好適な有機分子及び／又は親水性分子の層を提供するように構成された部分に共有結合される。
[00159] いくつかの実施形態では、生物学的微小物体の維持／増殖に好適な有機分子及び／又は親水性分子の層を提供するように構成された共有結合部分は、アルキル部分又はフルオロアルキル（ペルフルオロアルキルを含む）部分、単糖又は多糖（限定されるものではないがデキストランを含み得る）、アルコール（限定されるものではないがプロパルギルアルコールを含む）、ポリアルコール、限定されるものではないがポリビニルアルコールを含む、アルキレンエーテル、限定されるものではないがポリエチレングリコールを含む、高分子電解質（限定されるものではないがポリアクリル酸又はポリビニルホスホン酸を含む）、アミノ基（その誘導体、例えば、限定されるものではないがアルキル化アミン、ヒドロキシアルキル化アミノ基、グアニジニウム、及び非芳香族窒素環原子含有ヘテロ環式基、例えば、限定されるものではないがモルホリニル又はピペラジニルを含む）、カルボン酸、限定されるものではないがプロピオル酸を含む（カルボキシレートアニオン性表面を供給し得る）、ホスホン酸、限定されるものではないがエチニルホスホン酸を含む（ホスホネートアニオン性表面を提供し得る）、スルホネートアニオン、カルボキシベタイン、スルホベタイン、スルファミン酸、又はアミノ酸を含み得る。
[00160] 種々の実施形態では、マイクロ流体デバイスにおいて生物学的微小物体の維持／増殖に好適な有機分子及び／又は親水性分子の層を提供するように構成された共有結合部分は、非ポリマー部分、例えば、アルキル部分、置換アルキル部分、例えば、フルオロアルキル部分（限定されるものではないがペルフルオロアルキル部分を含む）、アミノ酸部分、アルコール部分、アミノ部分、カルボン酸部分、ホスホン酸部分、スルホン酸部分、スルファミン酸部分、又は糖部分を含み得る。代替的に、共有結合部分は、以上に記載の部分のいずれかであり得る高分子部分を含み得る。
[00161] いくつかの実施形態では、共有結合アルキル基部分は、直鎖（例えば、少なくとも１０個の炭素又は少なくとも１４、１６、１８、２０、２２個、若しくはそれ以上の炭素の直鎖）を形成する炭素原子を含む。いくつかの実施形態では、アルキル基は、置換アルキル基を含み得る（例えば、アルキル基の炭素のいくつかは、フッ素化又は過フッ素化し得る）。いくつかの実施形態では、アルキル基は、非置換アルキル基を含み得る第２のセグメントに連結された、ペルフルオロアルキル基を含み得る第１のセグメントを含み得ると共に、第１及び第２のセグメントは、直接的又は間接的に（例えば、エーテル結合により）連結し得る。アルキル基の第１のセグメントは、結合基から離れて位置し得ると共に、アルキル基の第２のセグメントは結合基に近接して位置し得る。
[00162] 他の実施形態では、共有結合部分は、少なくとも１つのアミノ酸を含み得ると共に２つ以上のタイプのアミノ酸を含み得る。そのため、共有結合部分は、ペプチド又はタンパク質を含み得る。いくつかの実施形態では、共有結合部分は、細胞の成長、生存能、可搬性、又はそれらの任意の組合せをサポートするために双性イオン性表面を提供し得るアミノ酸を含み得る。
[00163] 他の実施形態では、共有結合部分は、少なくとも１つのアルキレンオキシド部分を含み得ると共に、以上に記載の任意のアルキレンオキシドポリマーを含み得る。アルキレンエーテル含有ポリマーの有用な一クラスは、ポリエチレングリコール（ＰＥＧ Ｍw＜１００，０００Ｄａ）又は代替的にポリエチレンオキシド（ＰＥＯ、Ｍw＞１００，０００）である。いくつかの実施形態では、ＰＥＧは、約１０００Ｄａ、５０００Ｄａ、１０，０００Ｄａ、又は２０，０００ＤａのＭwを有し得る。
[00164] 共有結合部分は、１つ以上の糖を含み得る。共有結合糖は、単糖、二糖、又は多糖であり得る。共有結合糖は、表面へのカップリング又は装着精緻化を可能にする反応性対部分を導入するように修飾し得る。例示的な反応性対部分は、アルデヒド部分、アルキン部分、又はハロ部分を含み得る。多糖はランダムに修飾し得る。この場合、表面に直接的又は間接的にカップリングし得る反応性対部分を提供するために、多糖内の糖モノマーのそれぞれを修飾し得るか又は糖モノマーの一部分のみを修飾し得る。一代表例は、非分岐状リンカーを介して表面に間接的にカップリングし得るデキストラン多糖を含み得る。
[00165] 共有結合部分は、１つ以上のアミノ基を含み得る。アミノ基は、置換アミン部分、グアニジン部分、窒素含有ヘテロ環式部分、又はヘテロアリール部分であり得る。アミノ含有部分は、マイクロ流体デバイス内、任意選択的に隔離ペン内及び／又はフロー領域（例えばチャネル）内の環境のｐＨ調整を可能にする構造を有し得る。
[00166] 調整された表面を提供するコーティング材料は、１種類のみの共有結合部分を含み得るか又は２種類以上の異なる共有結合部分を含み得る。例えば、フルオロアルキルで調整された表面（ペルフルオロアルキルを含む）は、全て同一の、例えば、同一の結合基及び表面への共有結合、同一の全長、並びにフルオロアルキル部分を含む同一の数のフルオロメチレンユニットを有する、複数の共有結合部分を有し得る。代替的に、コーティング材料は、表面に装着された２種類以上の共有結合部分を有し得る。例えば、コーティング材料は、特定数のメチレンユニット又はフルオロメチレンユニットを有する共有結合されたアルキル部分又はフルオロアルキル部分を有する分子を含み得ると共に、より嵩高い部分をコーティング表面に呈する能力を提供し得るより多数のメチレンユニット又はフルオロメチレンユニットを有するアルキル鎖又はフルオロアルキル鎖に共有結合された荷電部分を有する分子の更なるセットを更に含み得る。この場合、異なるそれほど立体的に嵩高くない末端及びより少数の骨格原子を有する分子の第１のセットは、全基板表面の機能化を支援可能であり、それにより、基板自体を構成するシリコン／酸化ケイ素、酸化ハフニウム、又はアルミナへの望ましくない接着又は接触を防止する。他の例では、共有結合部分は、表面上にランダムに交互電荷を呈する双性イオン性表面を提供し得る。
[00167] 調整された表面の性質。調整された表面の組成以外に、疎水性材料の物理的厚さ等の他の因子がＤＥＰ力に影響を及ぼし得る。調整された表面を基板に形成する方法（例えば、気相堆積、液相堆積、スピンコーティング、フラッディング、静電コーティング）等の種々の因子は、調整された表面の物理的厚さを変化させ得る。いくつかの実施形態では、調整された表面は、約１ｎｍ～約１０ｎｍ、約１ｎｍ～約７ｎｍ、約１ｎｍ～約５ｎｍ、又はそれらの間の任意の個別値の厚さを有する。他の実施形態では、共有結合された部分により形成された調整された表面は、約１０ｎｍ～約５０ｎｍの厚さを有し得る。種々の実施形態では、本明細書に記載されるように作製された調整された表面は、１０ｎｍ未満の厚さを有する。いくつかの実施形態では、調整された表面の共有結合された部分は、マイクロ流体デバイスの表面（例えば、ＤＥＰ構成の基板表面）に共有結合された場合、単層を形成し得ると共に、１０ｎｍ未満（例えば、５ｎｍ未満又は約１．５～３．０ｎｍ）の厚さを有し得る。これらの値は、例えば、典型的には約３０ｎｍの厚さを有し得るスピンコーティングにより作製された表面のものとは対照的である。いくつかの実施形態では、調整された表面は、ＤＥＰ構成のマイクロ流体デバイス内の操作で好適に機能するように完全に形成された単層を必要とするものではない。
[00168] 種々の実施形態では、マイクロ流体デバイスの調整された表面を提供するコーティング材料は、望ましい電気的性質を提供し得る。理論により限定することを意図するものではないが、特定のコーティング材料でコーティングされた表面のロバスト性に影響を及ぼす因子の１つは、固有電荷トラッピングである。様々なコーティング材料が電子をトラップし得るので、コーティング材料が破壊されるおそれがある。コーティング材料の欠陥は、電荷トラッピングを増加させてコーティング材料の更なる破壊をもたらし得る。同様に、様々なコーティング材料が様々な絶縁耐力（すなわち、絶縁破壊をもたらす最小印加電界）を有するので、電荷トラッピングが影響を受けるおそれがある。特定の実施形態では、コーティング材料は、電荷トラッピングの量を低減又は制限する全体構造（例えば、密充填単層構造）を有し得る。
[00169] 電気的性質のほか、調整された表面はまた、生物学的分子との併用に有益な性質を有し得る。例えば、フッ素化（又は過フッ素化）炭素鎖を含有する調整された表面は、表面ファウリング量の低減に関してアルキル末端鎖と比べて利益を提供し得る。本明細書で使用される表面ファウリングとは、マイクロ流体デバイスの表面上への無差別な材料堆積量を意味し、これは、バイオ材料、例えば、タンパク質及びその分解産物、核酸及び各分解産物等の永久的又は半永久的な堆積を含み得る。
[00170] 単一部分又は複数部分で調整された表面。共有結合コーティング材料は、以下に記載されるように、マイクロ流体デバイスにおける生物学的微小物体の維持／増殖に好適な有機分子及び／又は親水性分子の層を提供するように構成された部分をすでに含有する分子の反応により形成し得る。代替的に、共有結合コーティング材料は、生物学的微小物体の維持／増殖に好適な有機分子及び／又は親水性分子の層を提供するように構成された部分と、それ自体が表面に共有結合された表面改質リガンドと、をカップリングさせることにより２部系列で形成し得る。
[00171] 共有結合コーティング材料を調製する方法。いくつかの実施形態では、マイクロ流体デバイスの表面（例えば、隔離ペン及び／又はフロー領域の少なくとも１つの表面を含む）に共有結合されるコーティング材料は、式１又は式２の構造を有する。コーティング材料を一工程で表面に導入する場合、それは式１の構造を有し、一方、コーティング材料を多工程プロセスで導入する場合、それは式２の構造を有する。
Figure 2023011551000002
[00172] コーティング材料は、ＤＥＰ構成又はＥＷ構成の基板の表面の酸化物に共有結合し得る。ＤＥＰ構成又はＥＷ構成の基板は、シリコン、酸化ケイ素、アルミナ、又は酸化ハフニウムを含み得る。酸化物は、基板の天然化学構造の一部として存在し得るか又は以下で考察されるように導入し得る。
[00173] コーティング材料は、シロキサン基又はホスホン酸基と酸化物との反応から形成されるシロキシ基又はホスホネートエステル基であり得る結合基（「ＬＧ」）を介して酸化物に装着し得る。マイクロ流体デバイスにおいて生物学的微小物体の維持／増殖に好適な有機分子及び／又は親水性分子の層を提供するように構成された部分は、本明細書に記載の部分のいずれかであり得る。結合基ＬＧは、マイクロ流体デバイスにおいて生物学的微小物体の維持／増殖に好適な有機分子及び／又は親水性分子の層を提供するように構成された部分に直接的又は間接的に接続し得る。結合基ＬＧが部分に直接的に接続される場合、任意選択的なリンカー（「Ｌ」）は存在しないのでｎは０である。結合基ＬＧが部分に間接的に接続される場合、リンカーＬは存在するのでｎは１である。リンカーＬは線状部分を有し得ると共に、線状部分の骨格は、当技術分野で公知の化学結合制限に従ってケイ素、炭素、窒素、酸素、硫黄、及び／又はリンの原子の任意の組合せから選択される１～２００個の非水素原子を含み得る。それにはエーテル基、アミノ基、カルボニル基、アミド基、及び／又はホスホネート基、アリーレン基、ヘテロアリーレン基、又はヘテロ環式基から選択し得る１つ以上の部分の任意の組合せが介在し得る。いくつかの実施形態では、リンカーＬの骨格は１０～２０原子を含み得る。他の実施形態では、リンカーＬの骨格は、約５原子～約２００原子、約１０原子～約８０原子、約１０原子～約５０原子、又は約１０原子～約４０原子を含み得る。いくつかの実施形態では、骨格原子は全て炭素原子である。
[00174] いくつかの実施形態では、生物学的微小物体の維持／増殖に好適な有機分子及び／又は親水性分子の層を提供するように構成された部分は、以上に示されたように、多工程プロセスで基板の表面に付加し得ると共に式２の構造を有する。この部分は以上に記載の部分のいずれかであり得る。
[00175] いくつかの実施形態では、カップリング基ＣＧは、反応性部分Ｒxと反応性対部分Ｒpx（すなわち、反応性部分Ｒxと反応するように構成された部分）との反応から得られる基を表す。例えば、典型的なカップリング基ＣＧの１つは、アミノ基と、カルボン酸の誘導体、例えば、活性化エステル、酸塩化物等と、の反応の結果であるカルボキサミジル基を含み得る。他のＣＧは、トリアゾリレン基、カルボキサミジル、チオアミジル、オキシム、メルカプチル、ジスルフィド、エーテル、若しくはアルケニル基、又は反応性部分とそのそれぞれの反応性対部分との反応により形成し得る任意の他の好適な基を含み得る。カップリング基ＣＧは、以上に記載の要素の任意の組合せを含み得るリンカーＬの第２の末端（すなわち、マイクロ流体デバイスにおいて生物学的微小物体の維持／増殖に好適な有機分子及び／又は親水性分子の層を提供するように構成された部分に近接する末端）に位置し得る。いくつかの他の実施形態では、カップリング基ＣＧは、リンカーＬの骨格に介在し得る。カップリング基ＣＧがトリアゾリレンである場合、それはクリックカップリング反応から生じる生成物であり得ると共に、更に置換し得る（例えば、ジベンゾシクロオクテニル縮合トリアゾリレン基）。
[00176] いくつかの実施形態では、コーティング材料（又は表面改質リガンド）は、化学気相堆積を用いてマイクロ流体デバイスの内面上に堆積される。気相堆積プロセスは、任意選択的に、例えば、カバー１１０、マイクロ流体回路材料１１６、及び／又は基板（例えば、ＤＥＰ構成基板の電極活性化基板２０６の内面２０８又はＥＷ構成基板の支持構造体１０４の誘電体層）のプレクリーニングにより、溶媒浴、超音波処理、又はそれらの組み合わせへの暴露により改善可能である。代替的又は追加的に、かかるプレクリーニングは、種々の不純物を除去可能であると同時に酸化表面（例えば、本明細書に記載されるように共有結合修飾し得る表面の酸化物）を導入する酸素プラズマクリーナーによるカバー１１０、マイクロ流体回路材料１１６、及び／又は基板の処理を含み得る。代替的に、酸素プラズマクリーナーの代わりに、塩酸と過酸化水素との混合物又は硫酸と過酸化水素との混合物（例えば、約３：１～約７：１の硫酸対過酸化水素比を有し得るピラニア溶液）を使用し得る。
[00177] いくつかの実施形態では、気相堆積は、マイクロ流体デバイス２００をアセンブルしてマイクロ流体回路１２０を規定するエンクロージャ１０２を形成した後にマイクロ流体デバイス２００の内面をコーティングするために使用される。理論により限定することを意図するものではないが、完全にアセンブルされたマイクロ流体回路１２０上にかかるコーティング材料を堆積させることは、マイクロ流体回路材料１１６と電極活性化基板２０６誘電体層及び／又はカバー１１０との間の結合の弱化により引き起こされるデラミネーションの防止に有益であり得る。２工程プロセスを利用する実施形態では、以上に記載されるように気相堆積により表面改質リガンドを導入してから、生物学的微小物体の維持／増殖に好適な有機分子及び／又は親水性分子の層を提供するように構成された部分を導入し得る。後続反応は、表面改質マイクロ流体デバイスを溶液中で好適なカップリング試薬に暴露することにより実施し得る。
[00178] 図２Ｈは、調整された表面を提供する例示的な共有結合コーティング材料を有するマイクロ流体デバイス２９０の断面図を示す。例示されるように、コーティング材料２９８（模式的に示される）は、ＤＥＰ基板であり得るベース２８６の内面２９４及びマイクロ流体デバイス２９０のカバー２８８の内面２９２の両方に共有結合された密充填分子の単層を含み得る。コーティング材料２９８は、いくつかの実施形態では以上で考察したように、マイクロ流体デバイス２９０内の回路要素及び／又は構造体を規定するために使用されるマイクロ流体回路材料（図示せず）の表面を含めて、マイクロ流体デバイス２９０のエンクロージャ２８４に近接する内向きの実質的に全て内面２９４、２９２上で配置可能である。代替的な実施形態では、コーティング材料２９８は、マイクロ流体デバイス２９０の内面の１つのみ又はいくつかの上に配置可能である。
[00179] 図２Ｈに示される実施形態では、コーティング材料２９８は、オルガノシロキサン分子の単層を含み得ると共に、各分子は、シロキシリンカー２９６を介してマイクロ流体デバイス２９０の内面２９２、２９４に共有結合される。以上で考察したコーティング材料２９８はいずれも使用可能であり（例えば、オルガノシロキシ部分に対するアルキル末端部分、フルオロアルキル末端部分、ＰＥＧ末端部分、デキストラン末端部分、又は正電荷若しくは負電荷を含有する末端部分）、末端部分は、そのエンクロージャ対向末端（すなわち、内面２９２、２９４に結合せずにエンクロージャ２８４に近接するコーティング材料２９８の単層部分）に配置される。
[00180] 他の実施形態では、マイクロ流体デバイス２９０の内面２９２、２９４をコーティングするために使用されるコーティング材料２９８は、アニオン性、カチオン性、若しくは双性イオン性の部分又はそれらの任意の組合せを含み得る。理論により限定することを意図するものではないが、マイクロ流体回路１２０のエンクロージャ２８４の内面にカチオン性部分、アニオン性部分、及び／又は双性イオン性部分を呈することにより、コーティング材料２９８は、得られる水和水が生物学的微小物体と非生物学的分子（例えば、基板のシリコン及び／又は酸化ケイ素）との相互作用を回避する層（又は「シールド」）として作用するように水分子との強い水素結合を形成可能である。そのほか、コーティング材料２９８がコーティング剤と併用される実施形態では、コーティング材料２９８のアニオン、カチオン、及び／又は双性イオンは、エンクロージャ２８４内の培地１８０（例えばコーティング溶液）に存在する非共有結合コーティング剤（例えば溶液中のタンパク質）の荷電部分とのイオン結合を形成可能である。
[00181] 更に他の実施形態では、コーティング材料は、そのエンクロージャ対向末端に親水性コーティング剤を含み得るか又はそれを呈するように化学修飾し得る。いくつかの実施形態では、コーティング材料は、ＰＥＧ等のアルキレンエーテル含有ポリマーを含み得る。いくつかの実施形態では、コーティング材料は、デキストラン等の多糖を含み得る。以上で考察した荷電部分（例えば、アニオン性、カチオン性、及び双性イオン性の部分）のように、親水性コーティング剤は、得られる水和水が生物学的微小物体と非生物学的分子（例えば、基板のシリコン及び／又は酸化ケイ素）との相互作用を回避する層（又は「シールド」）として作用するように水分子との強い水素結合を形成可能である。
[00182] 適切なコーティング処理及び改質の更なる詳細は、２０１６年４月２２日出願の米国特許出願第１５／１３５，７０７号（その全体が参照により組み込まれる）に見いだし得る。
[00183] マイクロ流体デバイスの隔離ペン内の細胞の生存能を維持するための追加のシステムコンポーネント。細胞集団の成長及び／又は増殖を促進するために、システムの追加のコンポーネントにより機能細胞の維持の助けとなる環境条件を提供し得る。例えば、かかる追加のコンポーネントは、栄養素、細胞成長シグナリング種、ｐＨ調節、ガス交換、温度制御、及び細胞からの老廃物の除去を提供可能である。
[00184] コンピュータシステム
[00185] 図７は、本教示にかかる実施形態又は実施形態の一部分を実現し得るコンピュータシステム１０００を例示するブロック図である。本教示の種々の実施形態では、コンピュータシステム１０００は、情報通信用のバス１００２又は他の通信機構と、バス１００２に結合された情報処理用のプロセッサ１００４と、を含み得る。種々の実施形態では、コンピュータシステム１０００はまた、プロセッサ１００４により実行される命令を決定するために、バス１００２に結合されたランダムアクセスメモリ（ＲＡＭ）又は他の動的記憶デバイスであり得るメモリ１００６を含み得る。メモリ１００６はまた、プロセッサ１００４により実行される命令の実行時に一時変数又は他の中間情報を記憶するために使用可能である。種々の実施形態では、コンピュータシステム１０００は、静的情報及びプロセッサ１００４用命令を記憶するために、バス１００２に結合されたリードオンリーメモリ（ＲＯＭ）１００８又は他の静的記憶デバイスを更に含み得る。情報及び命令を記憶するために、磁気ディスクや光ディスク等の記憶デバイス１０１０を提供してバス１００２に結合することが可能である。
[00186] 種々の実施形態では、コンピュータシステム１０００は、情報をコンピュータユーザに表示するために、バス１００２を介して陰極線管（ＣＲＴ）や液晶ディスプレイ（ＬＣＤ）等のディスプレイ１０１２に結合可能である。英数字キー及び他のキーをはじめとする入力デバイス１０１４は、情報通信及びプロセッサ１００４に対するコマンド選択のためにバス１００２に結合可能である。他のタイプのユーザ入力デバイスは、指示情報通信及びプロセッサ１００４に対するコマンド選択並びにディスプレイ１０１２上のカーソル移動制御のためのマウス、トラックボール、カーソル方向キー等のカーソルコントロール１０１６である。この入力デバイス１０１４は、典型的には、第１の軸（すなわちｘ）及び第２の軸（すなわちｙ）の２つの軸で２つの自由度を有し、デバイスによる平面内の位置の特定を可能にする。しかし、本明細書では、３次元（ｘ、ｙ、及びｚ）カーソル移動を可能にする入力デバイス１０１４も企図されることを理解すべきである。
[00187] 本教示の特定の実現形態に合致して、コンピュータシステム１０００は、メモリ１００６に含まれる１つ以上の命令の１つ以上のシーケンスを実行するプロセッサ１００４に応答して結果を提供可能である。かかる命令は、記憶デバイス１０１０等の他のコンピュータ可読媒体又はコンピュータ可読記憶媒体からメモリ１００６に読込み可能である。メモリ１００６に含まれる命令のシーケンスを実行することにより、プロセッサ１００４は本明細書に記載のプロセスを実施可能である。代替的に、本教示を実現するために、ソフトウェア命令の代わりに又はそれとの組合せでハードワイヤド回路を使用可能である。そのため、本教示の実現形態は、ハードウェア回路とソフトウェアとの特定の組合せに何ら限定されるものではない。
[00188] 本明細書で使用される「コンピュータ可読媒体」（例えば、データストア、データストレージ等）又は「コンピュータ可読記憶媒体」という用語は、実行用プロセッサ１００４への命令の提供に関与する任意の媒体を意味する。かかる媒体は、限定されるものではないが、不揮発性媒体、揮発性媒体、及び伝送媒体をはじめとする多くの形態をとることが可能である。不揮発性媒体の例としては、限定されるものではないが、光ディスク、ソリッドステートディスク、磁気ディスク、例えば、記憶デバイス１０１０が挙げられる。揮発性媒体の例としては、限定されるものではないが、動的メモリ、例えば、メモリ１００６が挙げられる。伝送媒体の例としては、限定されるものではないが、同軸ケーブル、銅線、及び光ファイバ、例えば、バス１００２を含むワイヤが挙げられる。
[00189] コンピュータ可読媒体の通常の形態としては、例えば、フロッピーディスク、フレキシブルディスク、ハードディスク、磁気テープ、又は任意の他の磁気媒体、ＣＤ－ＲＯＭ、任意の他の光学媒体、パンチカード、紙テープ、孔パターンを有する任意の他の物理媒体、ＲＡＭ、ＰＲＯＭ、及びＥＰＲＯＭ、ＦＬＡＳＨ－ＥＰＲＯＭ、任意の他のメモリチップ又はメモリカートリッジ、又はコンピュータにより読取り可能な任意の他のタンジブル媒体が挙げられる。
[00190] 実行用のコンピュータシステム１０００のプロセッサ１００４に１つ以上の命令のシーケンスを提供するために、コンピュータ可読媒体のほか、通信装置又はシステムに含まれる伝送媒体に命令又はデータをシグナルとして提供可能である。例えば、通信装置としては、命令及びデータを表すシグナルを有するトランシーバが挙げられ得る。命令及びデータは、本明細書の開示に概説される機能を１つ以上のプロセッサにより実現するように構成される。データ通信伝送接続の代表的な例としては、限定されるものではないが、電話モデム接続、広域ネットワーク（ＷＡＮ）、ローカルエリアネットワーク（ＬＡＮ）、赤外線データ接続、ＮＦＣ接続等が挙げられ得る。
[00191] フローチャート、図、及び付随する開示を含めて本明細書に記載された方法は、スタンドアロンデバイスとしての又はクラウドコンピューティングネットワーク等の共有コンピュータ処理資源の分散ネットワーク上のコンピュータシステム１０００を用いて実現可能であることを認識すべきである。
[00192] 特定の実施形態では、機械可読記憶デバイスは、本明細書に記載の方法を実行又は実施するための非一時的機械可読命令を記憶するために提供されることを更に認識すべきである。機械可読命令は、以下に詳細に記載されように、画像処理、畳込みニューラルネットワーク（ＣＮＮ）フロー（以下に詳細に記載される）、論理モジュール及びメモリモジュール、並びに微小物体の検出及び計数の全ての態様を制御可能である。更に、機械可読命令は、初期にメモリモジュールにロード可能であるか又はクラウド若しくはＡＰＩを介してアクセス可能である。
[00193] 対象の微小物体の自動検出。一態様では、画像特にディジタル画像（又はディジタル化された画像）中の対象の微小物体の自動検出方法が提供される。対象の微小物体は、マイクロ流体デバイス内に配置可能である。対象の微小物体は、細胞、例えば、哺乳動物細胞（例えば、血液細胞、ハイブリドーマ、癌細胞、トランスフォーム細胞、配偶子、胚等）であり得る。代替的に、対象の微小物体は、ビーズ、例えば、アッセイに使用し得るもの（例えば、マイクロビーズ、磁気ビーズ等）であり得る。本方法は、画像データ（すなわち、画像中のピクセルに関するデータ）を処理する機械学習アルゴリズムの使用を含み得る。機械学習アルゴリズムは、畳込みニューラルネットワーク等のニューラルネットワークを含み得る。
[00194] 画像分類は、入力画像を受け取って、画像を最良に記述するクラス又はクラスの確率を出力することを必要とする。これは、入力画像を処理して結果を出力するアルゴリズムを利用する処理エンジンを備えたコンピュータシステムを用いて実施可能である。画像検出もまた、類似の処理エンジンを利用可能であり、この場合、システムは、入力画像を受け取って、処理エンジンに予めプログラムされたアルゴリズムを用いて高レベルの確度でその画像中の対象の物体を同定する。
[00195] 入力画像に関して、システムは、一般に、ピクセル値のアレイとして入力画像を適応させるであろう。これらのピクセル値は、画像分解能及びサイズに依存して、（長さ）ｘ（幅）ｘ（チャネル数）に対応する数のアレイになるだろう。チャネル数は深さともいい得る。例えば、アレイは、Ｌ×Ｗ×赤緑青色モデル（ＲＢＧ値）でありえる。ＲＧＢは３つのチャネルとみなされ、各チャネルはＲＧＢ色モデルの３つの色の１つを表す。例えば、システムは、一般に、アレイの各点にピクセル強度を表す値（例えば０～２５５）を割り当てて、２０×２０×３（ＲＧＢに対して）の代表的なアレイを用いて２０×２０画像を特徴付けることが可能である。こうした値のアレイを考慮して、処理エンジンは、そのアルゴリズムを用いてこれらの値を処理し、画像が特定のクラスである確率を記述する数（例えば、細胞の場合には０．８０、細胞壁の場合には０．１５、及び細胞がない場合には０．０５）を出力することが可能である。
[00196] 畳込みニューラルネットワーク（ＣＮＮ）は、一般に、最初に、例えばエッジやカーブ等の低レベルの特徴を探索し、次いで、一連の畳込み層を介してより抽象的な（例えば、分類される画像のタイプに特有の）概念に進むことにより、画像処理及び分類／検出の先進的形態を達成する。ＣＮＮは、画像を一連の畳込み非線形プーリング（又は以下でより詳細に考察されるダウンサンプリング）及び全結合層に通して出力を得ることにより、これを実施可能である。この場合も、出力は、画像を最良に記述する又は画像上の物体を検出する単一クラス又はクラスの確率であり得る。
[00197] ＣＮＮの層に関して、第１の層は一般に畳込み層（Ｃｏｎｖ）である。この第１の層は、一連のパラメータを用いて画像の代表的なアレイを処理する。全体として画像を処理するのではなく、ＣＮＮは、フィルタ（又はニューロン又はカーネル）を用いて画像サブセットのコレクションを分析する。サブセットは、アレイの焦点更には周囲点を含む。例えば、フィルタは、３２×３２画像の一連の５×５領域を調べることが可能である。これらの領域は受容野といい得る。フィルタは一般に入力と同一の深さを有するので、３２×３２×３の次元を有する画像は、同一の深さのフィルタ（例えば５×５×３）を有しよう。以上の例示的な次元を用いて畳み込む実際の工程は、入力画像に沿ってフィルタをスライドさせることと、フィルタ値と画像の元のピクセル値とを乗算して要素ごとの乗算を計算することと、これら値の和をとって画像のその検査領域に対して単一の数を導くことと、を必要としよう。
[00198] この畳込み工程の終了後、５×５×３フィルタを用いて２８×２８×１の次元を有する活性化マップ（又はフィルタマップ）が得られよう。使用される各追加の層に対して、空間次元は、より良好に保存されるので、２つのフィルタを使用すれば２８×２８×２の活性化マップが得られよう。各フィルタは、一般に、ユニークな特徴を有しよう。それは、（例えば、色、エッジ、カーブ等）を表し、一緒になって、最終画像出力に必要とされる特徴識別子を表す。これらのフィルタは、組み合わせて使用すると、ＣＮＮにより画像入力を処理して各ピクセルに存在するそうした特徴の検出を可能にする。したがって、フィルタがカーブ検出器として機能する場合、画像入力に沿ってフィルタの畳込みが行われ、カーブの高い尤度（要素ごとの乗算の和が高値）、カーブの低い尤度（要素ごとの乗算の和が低値）、又は特定の点の入力ボリュームにカーブ検出器フィルタを活性化するものがないときのゼロ値に対応する数のアレイが活性化マップに生成されよう。したがって、Ｃｏｎｖのフィルタ（チャネルともいう）の数が多くなるほど、活性化マップに生成される深さ（又はデータ）が深くなるので、入力に関する情報が多くなり、より正確
な出力がもたらされよう。
[00199] ＣＮＮの確度とのバランスがとられるのは、結果の生成に必要とされる処理時間及び処理能力である。言い換えると、使用されるフィルタ（又はチャネル）が多くなるほど、Ｃｏｎｖの実行に必要とされる時間及び処理能力が増す。したがって、ＣＮＮ法のニーズを満たすフィルタ（又はチャネル）の選択及び数は、具体的には、利用可能な時間及び能力を考慮しつつできる限り正確な出力を生成するように選択すべきである。
[00200] より複雑な特徴を更にＣＮＮにより検出できるようにするために、追加のＣｏｎｖを加えて前のＣｏｎｖからの出力（すなわち活性化マップ）を分析可能である。例えば、第１のＣｏｎｖがカーブやエッジ等の基本的特徴を探索する場合、第２のＣｏｎｖは、より初期のＣｏｎｖ層で検出された個別の特徴との組合せであり得る形状等のより複雑な特徴を探索可能である。一連のＣｏｎｖを提供することにより、ＣＮＮは、次第により高レベルの特徴を検出して最終的に特定の所望の物体を検出する確率を導くことが可能である。更に、Ｃｏｎｖが互いに重なってスタックされて前の活性化マップ出力が分析されるにつれて、スタック中の各Ｃｏｎｖは、各Ｃｏｎｖレベルで行われるスケールダウンに基づいて自然にますます大きな受容野を分析するようになるので、ＣＮＮは、対象の物体の検出時にピクセル空間の成長領域に対処できるようになる。
[00201] ＣＮＮアーキテクチャーは、一般に、入力ボリューム（画像）を畳み込むための少なくとも１つの処理ブロックと、逆畳込み（又は転置畳込み）のための少なくとも１つの処理ブロックと、を含む処理ブロックのグループならなる。そのほか、処理ブロックは、少なくとも１つのプーリングブロック及び逆プーリングブロックを含み得る。プーリングブロックは、画像の分解能をスケールダウンしてＣｏｎｖに利用可能な出力を生成するために使用可能である。これは、計算効率（効率的な時間及び能力）を提供可能であり、ひいてはＣＮＮの実際の性能を向上可能である。これらのプーリングブロック又はサブサンプリングブロックは、フィルタを小さな状態且つ計算要件を合理的な状態に維持するが、これらのブロックは、出力を粗くする可能性があり（受容野内の空間情報の損失をもたらす可能性があり）、特定の倍率で入力のサイズから縮小する。
[00202] 逆プーリングブロックは、これらの粗い出力を再構築して入力ボリュームと同一の次元を有する出力ボリュームを生成するために使用可能である。逆プーリングブロックは、畳込みブロックの逆操作とみなすことが可能であり、活性化出力を元の入力ボリューム次元に戻す。
[00203]しかし、逆プーリングプロセスは、一般に、粗い出力をまばらな活性化マップに単に拡大するにすぎない。こうした結果を回避するために、逆畳込みブロックは、このまばらな活性化マップを緻密化することにより、拡大されると共に緻密でもある活性化マップ、すなわち、いかなる更なる必要な処理の後でも最終的には入力ボリュームにかなり近いサイズ及び密度を有する最終出力ボリュームを生成する。受容野の複数のアレイ点を単一数に低減するのではなく、畳込みブロックの逆操作として、逆畳込みブロックは、単一活性化出力点を複数の出力に関連付けることにより、得られる活性化出力を拡大且つ緻密化する。
[00204] プーリングブロックは画像をスケールダウンするために使用可能であり、且つ逆プーリングブロックはこれらのスケールダウンされた活性化マップを拡大するために使用可能であるのが、畳込みブロック及び逆畳込みブロックは、プーリングブロックと逆プーリングブロックとの分離を必要とすることなく畳込み／逆畳込み及びスケールダウン／拡大の両方を行うように構造化可能であることに留意すべきである。
[00205] プーリング及び逆プーリングのプロセスは、画像入力で検出される対象の物体に依存する欠点を有し得る。プーリングは、一般に、ウィンドウのオーバーラップを伴うことなくサブ画像ウィンドウを調べることにより画像をスケールダウンするが、スケールダウンが行われると空間情報が損なわれることは明らかである。
[00206] 処理ブロックは、畳込み層又は逆畳込み層と共にパッケージされた他の層を含み得る。これらは、例えば、その処理ブロックのＣｏｎｖからの出力を検査する活性化機能である整流リニアユニット層（ＲｅＬＵ）又は指数関数的リニアユニット層（ＥＬＵ）を含み得る。ＲｅＬＵ層又はＥＬＵ層は、Ｃｏｎｖに特有な対象の特徴のポジティブ検出に対応する値のみを前進させるゲーティング関数として作用する。
[00207] 次いで、基本的アーキテクチャーを考慮して、ＣＮＮは、（対象の物体の）画像の分類／検出の確度に磨きをかけるトレーニングプロセスに備える。これは、トレーニングデータセット又はＣＮＮのトレーニングに使用されるサンプル画像を用いる逆伝搬（ｂａｃｋｐｒｏｐ）と呼ばれるプロセスを含み、それによりそのパラメータを更新して最適又は閾値の確度を達成する。逆伝搬は、ｂａｃｋｐｒｏｐのパラメータに依存して緩速又は急速のいずれかでＣＮＮをトレーニングする一連の繰返し工程（トレーニングの繰返し）を含む。ｂａｃｋｐｒｏｐ工程は、一般に、所与の学習率に従ってフォワードパス、損失関数、バックワードパス、及びパラメータ（重み）更新を含む。フォワードパスは、トレーニング画像をＣＮＮに通すことを含む。損失関数は、出力における誤差の尺度である。バックワードパスは、損失関数への寄与因子を決定する。重み更新は、ＣＮＮを最適方向に移動させるようにフィルタのパラメータを更新することを含む。学習率は、最適に達するように繰返し当たりの重み更新の程度を決定する。学習率が小さすぎると、トレーニングに時間がかかりすぎたり過度の処理容量が必要になったりするおそれがある。学習率が大きすぎると、各重み更新が大きくなりすぎて所与の最適値又は閾値を正確に達成できなくなるおそれがある。
[00208] ｂａｃｋｐｒｏｐプロセスは、トレーニングを複雑化させる可能性があるので、トレーニングを開始するに当たりより小さな学習率及びより特定的な且つ注意深く決定された初期パラメータが必要になる可能性がある。かかる複雑化の１つは、各繰返しの終わりに重み更新が行われると、Ｃｏｎｖのパラメータの変化がネットワークのより深くまで増幅することである。例えば、以上で考察したように、ＣＮＮがより高レベルの特徴分析を可能にする複数のＣｏｎｖを有する場合、第１のＣｏｎｖに対するパラメータ更新は、各後続のＣｏｎｖで乗算される。正味の効果は、パラメータの最小変化が所与のＣＮＮの深さに依存して大きな影響を及ぼし得ることである。この現象は内部共変量シフトと呼ばれる。
[00209] 本明細書に開示される実施形態は、公知のＣＮＮと対比していくつかの利点を有する。これらの利点としては、例えば、プーリング層に固有の損失空間情報を排除するＣＮＮの提供、ｂａｃｋｐｒｏｐプロセスに固有の内部共変量シフトの低減／最小化、並びにより複雑な特徴検出を達成するために深層ニューラルネットワークに一般に必要とされる処理時間及び処理スピードの低減が挙げられる。
[00210] 以上に記載したように、ＣＮＮは受容野の複数の層からなる。これらは、入力画像の一部分を処理する「ニューロン」（又はカーネル）集合である。次いで、これらの集合の出力は、それらの入力領域がオーバーラップするようにタイリングされ、元の画像のより良好な表現を達成する。これはかかる層全てに対して繰り返される。タイリングは、ＣＮＮが入力画像の並進に耐えられるようにする。ＣＮＮは、例えば、Long et al.,“Fully Convolutional Networks for Semantic Segmentation, ” CVPR 2015, and Noh
et al., “Learning Deconvolution Network for Semantic Segmentation,” ICCV 2015
（それぞれの内容は参照により本明細書に援用される）に記載されている。
[00211] ＣＮＮは、畳込み層と全結合層との組合せを含み得ると共に、各層の終わり又はその後に点ごとの非線形性が適用される。入力の小領域上での畳込み演算は、自由パラメータの数を低減して一般化を向上させるために導入される。畳込みネットワークの主な利点の１つは、畳込み層での共有重みの使用である。つまり、層中の各ピクセルに対して同一のフィルタ（重みバンク）を使用し、これによりメモリフットプリントの低減及び性能の向上の両方を行う。
[00212] 一実施形態では、ＣＮＮは、微分可能関数を介して入力ボリュームを出力ボリュームに変換する識別可能層のスタックにより形成される（例えば、クラススコアを保持して）。
[00213] この実施形態では、畳込み層は、この実施形態に対してエンプティー、モノクローナル、及びポリクローナルとして規定される。層のパラメータは、小さな受容野を有するが入力ボリュームの全深さにわたり延在する学習可能フィルタのセットを含み得る。フォワードパス時、各フィルタは、入力ボリュームの幅及び高さを横切って畳み込まれ、フィルタ及び入力のエントリー間のドット積を計算してそのフィルタの２次元活性化マップを生成する。結果として、ネットワークは、入力のある空間位置である特定のタイプの特徴に遭遇したときに活性化するフィルタを学習する。
[00214] 深さ次元に沿って全てのフィルタに対して活性化マップをスタックすると、畳込み層の全出力ボリュームが形成される。そのため、出力ボリュームのエントリーは全て、入力の小領域を調べて同一活性化マップのニューロンとパラメータを共有するニューロンの出力としても解釈可能である。
[00215] 一実施形態では、空間配置は、畳込み層の出力ボリュームのサイズを制御するハイパーパラメータ、例えば、深さ、ストライド、及びゼロパディングに基づく。
[00216] 一実施形態では、出力ボリュームの深さは、入力ボリュームの同一領域に接続する層のニューロンの数を制御する。これらのニューロンは全て、入力の様々な特徴に対して活性化するように学習する。例えば、第１の畳込み層が入力として生の画像を受け取る場合、深さ次元に沿った様々なニューロンは、種々の有向エッジ又は色のブロブの存在下で活性化し得る。
[00217] 一実施形態では、ストライドは、空間次元（幅及び高さ）全体にわたり深さ列がどのように割り付けられるかを制御する。ストライドが１である場合、ニューロンの新しい深さ列は、１空間単位だけ離れた空間位置に割り付けられる。これにより、列間で受容野が高度にオーバーラップすると共に、大きな出力ボリュームが得られる。それとは逆に、より大きなストライドを使用した場合、受容野はそれほどオーバーラップせずに、得られる出力ボリュームは空間的により小さな寸法を有し得る。
[00218] ときには、入力ボリュームの境界で入力にゼロをパディングすることが便利である。このゼロパディングのサイズは第３のハイパーパラメータである。ゼロパディングは、出力ボリュームの空間サイズの制御を提供する。特に、入力ボリュームの空間サイズを正確に保存することが望ましいこともある。
[00219] この実施形態では、畳込み層でパラメータ共有スキームを使用して自由パラメータの数を制御する。それは次の１つの合理的な仮定に依拠する。すなわち、ある空間位置で１パッチの特徴を計算することが有用であれば、異なる位置でも計算することが有用であるはずである。言い換えると、深さの単一２次元スライスを深さスライスとして表して、同一の重み及びバイアスを使用するように各深さスライスのニューロンを拘束する。
[00220] 単一深さスライスのニューロンは全て同一のパラメータ化を共有するので、ＣＯＮＶ層の各深さスライスのフォワードパスは、入力ボリュームを用いたニューロンの重みの畳込みとして計算可能である（そのため、名称：畳込み層）。
[00221] したがって、重みのセットは、通常、入力を用いて畳み込まれるフィルタを意味する。この畳込みの結果は活性化マップであり、各異なるフィルタに対する活性化マップのセットは、深さ次元に沿って一緒にスタックされ、出力ボリュームを生成する。パラメータ共有は、ＣＮＮアーキテクチャーの並進不変に寄与する。
[00222] 種々の実施形態では、ニューラルネットワーク（又はＣＮＮ）は、例えば、図７のニューラルネットワーク７００により例示されるように提供される。ニューラルネットワーク例に関連する更なる詳細は、図８及び９Ａ～９Ｄに例示されており、図８及び９Ａ～９Ｄにより把握されるＣＮＮの特徴は、図７に例示されたネットワーク又は本明細書の種々の他の実施形態と組み合わせて使用可能であるので、この実施形態を記載するときに参照目的でのみ使用されよう。
[00223] 図７では、ニューラルネットワーク７００は、関連する第１の７２０、第２の７４０、及び第３の７６０の処理ブロック（又は残差ネットワークブロック）と共に、第１のダウンサンプリングブロック７１０、第２のダウンサンプリングブロック７３０、及び第３のダウンサンプリングブロック７５０を含む。第１のダウンサンプリングブロック７１０は入力画像７０１を受け取る。例示されるように、各ダウンサンプリングブロックにはその関連する処理（又は残差）ブロックが続く。処理（又は残差）ブロックは、以下で詳細に考察されるようにシングルブランチ又はマルチブランチであり得る。
[00224] ＣＮＮは、複数のダウンサンプリングブロックを含み得る（例えば、図７と同様に３つ等）。この場合、各ダウンサンプリングブロックは、ダウンサンプリング畳込み層（Ｃｏｎｖ）、バッチ正規化（ｎｏｒｍ）層、及びゲーティング関数を含む活性化層を含み得る。
[00225] 図８Ｂは、入力８７１を受け取って出力８７９を提供する、且つカーネルサイズＤ×Ｄを有するＣｏｎｖ８７４、バッチｎｏｒｍ層８７６、及び活性化層８７８を含む、ダウンサンプリングブロックの例として例示される。活性化層は、例えば、ＥＬＵ又はＲｅＬＵであり得る。種々の実施形態では、活性化層は、ダウンサンプリング畳込み層から画像データを直接受け取るバッチｎｏｒｍ層から画像データを直接受け取る。ダウンサンプリング畳込み層は、それが受け取る画像データの空間分解能を低減するように機能し得る。これについては、図９Ａ～９Ｄを参照してより詳細に考察する。
[00226] 処理ブロック（又は残差ネットワークブロック）は、シングルブランチ処理ブロック又はマルチブランチ処理ブロックであり得ると共に、各ブランチは、先行するダウンサンプリングブロックからの出力を処理し、次いで、両方のブランチの出力を組み合わせてダウンサンプリングされた活性化マップを生成し、更なるダウンサンプリング又はアップサンプリングに供して最終出力に至る。
[00227] 図８Ａは、上流ダウンサンプリングブロック（描かれていないが、図８Ｂに関連する考察を参照されたい）から入力８０５（例えば、活性化マップの形態のもの）を受け取るように構成されたマルチブランチ処理ブロック８００（又は残差ネットワークブロック）の例を例示する。ブロック８００は、第１のブランチ８１０及び第２のブランチ８４０を含む。第１のブランチ８１０は、Ｎ×Ｎのカーネルを有する第１の畳込み層８１５（Ｃｏｎｖ）、第１のＣｏｎｖ８１５からデータを受け取る第１のバッチ正規化（ｎｏｒｍ）層８２０、第１のバッチｎｏｒｍ層８２０からデータを受け取る第１の活性化層８２５（ゲーティング関数を含み得るか又はゲーティング関数として作用し得る）、第１の活性化層８２５通り抜けたデータを受け取るＭ×Ｍのカーネルを有する第２のＣｏｎｖ８３０、及び第２のＣｏｎｖ８３０からデータを受け取る第２のバッチｎｏｒｍ層８３５を含む。Ｃｏｎｖ８１５（Ｎ×Ｎ）及び８３０（Ｍ×Ｍ）のカーネルは同一のサイズを有し得るか又は異なり得ることに留意されたい。図９Ａ～９Ｃに例示されるように（以下で考察される）、例示された残差ネットワークの逐次的Ｃｏｎｖのカーネルは同一である（３×３）。それとは関係なく、Ｃｏｎｖ８１５／８３０は１×１超のカーネルを有することが一般に好ましい。
[00228] 第２のブランチ８４０は、第３のＣｏｎｖ８４５、第３のＣｏｎｖ８４５からデータを受け取る第３のバッチｎｏｒｍ層８５０、及び第３のバッチｎｏｒｍ層８５０からデータを受け取る第２の活性化層８５５（ゲーティング関数を含み得るか又はゲーティング関数として作用し得る）を含む。ブロック８００は、第２のバッチｎｏｒｍ層８３５からのデータ及び第２の活性化層８５５を通り抜けたデータの両方を受け取る再結合層８６０を更に含む。最後に、ブロック８００は、更なる処理のためにブロック８００から出力８６４を生成する前に、再結合層８６０から受け取ったデータに対してゲーティング関数として機能し得るブロック活性化層８６２を含む。以上に述べたように、活性化層は、例えば、ＥＬＵ又はＲｅＬＵであり得る。種々の実施形態では、活性化層はＥＬＵである。
[00229] 図８では、第２のブランチ８４０は、先行するダウンサンプリングブロックから受け取った画像データをその第１のブランチ８１０よりも低度に処理する。特定的には、第２のブランチ８４０の第３のＣｏｎｖ８４５は、１×１のフィルタウィンドウ（又は寸法又はカーネル）を使用するが、第１のブランチ８１０の第１及び第２のＣｏｎｖ８１５／８３０は、それぞれ、以上で考察したように一般に１×１超のＮ×Ｎ又はＭ×Ｍのフィルタウィンドウ（又は寸法又はカーネル）を使用する。これらのフィルタウィンドウは、例えば、画像タイプ、画像品質、物体タイプ、物体サイズ、物体形状、出力要件、時間制約、ストライド長（以下で考察される）、能力／処理資源等の因子を考慮して、必要であれば必要に応じて調整可能である。例えば、第１及び第２のＣｏｎｖ８１５／８３０は、３×３のフィルタウィンドウ（又は寸法）を使用可能である（このフィルタウィンドウサイズを例示する以下の図９Ａ～９Ｄを参照されたい）。
[00230] 図８のブランチは両方とも、１のストライドのＣｏｎｖを有するが、ストライドは異なるものであってもよい。しかし、再結合層８６０を有効なものにし得るには、第１のブランチ８１０のＣｏｎｖ８１５／８３０のストライドを乗算した積は、第２のブランチ８４０のＣｏｎｖ８４５のストライドに等しくなければならない。
[00231] 活性化工程前へのバッチ正規化層の挿入は、内部共変量シフトの最小化を支援という利点を提供する。そのように、敷衍すればＣｏｎｖ後に、バッチｎｏｒｍ層を挿入することにより、バッチｎｏｒｍは、Ｃｏｎｖの出力を正規化して正規化データを活性化工程に提供可能であるので、活性化のより安定な分布を可能にする。逆伝搬プロセス時に内部共変量シフトを最小限に抑えることにより、ニューラルネットワークのトレーニングをより高い学習度（重み更新の程度）でより積極的に行えば、ＣＮＮがネットワークの所与のフィルタの最適パラメータの方向に作用するので、効率及び確度の損失を伴うことなくより速いＣＮＮ学習がもたらされる。
[00232] 更に、最低限の処理が行われる情報のブランチ（例えば、１×１Ｃｏｎｖブランチ）を有する残差ネットワークを追加すれば、トレーニング時のより容易な学習が可能になる。こうした最低限の処理が行われるブランチは、最終結果に及ぼすより初期のパラメータの影響を追跡するためのより直接的な経路を提供する。事実上、このブランチは、所与の残差ネットワーク内のスキップ接続（以下でより詳細に考察される）とほぼ同一の目的を果たすので、一部の情報は、ダウンサンプリング時に失われる可能性のある空間情報を失わないように不変のままネットワークを通過し得る。
[00233] したがって、要約すると、残差ネットワークを単独で及びバッチ正規化層との組合せで使用すれば、当技術分野で公知のニューラルネットワークと対比してトレーニング時のより容易且つより効率的な学習が可能になる。この利点は、例えば、ダウンサンプリング時及び内部共変量シフトの最小化時により多くの空間情報を保持することにより達成される。空間情報の損失の最小化は、ニューラルネットワークプロセス時により少ない処理が行われた情報のフィードフォワードを可能にするスキップ接続と同様に、プーリング等の公知の方法と対比してダウンサンプリング時により多くのオーバーラップを可能にするスライディング（以下でより詳細に考察される）を用いても達成される（以上で考察したダウンサンプリング工程内及び以下で考察されるアップサンプリング工程に進む際）。
[00234] マルチブランチ残差ネットワークを用いることにより、特に１×１フィルタウィンドウ（すなわち、ダウンサンプリングされないもの）を用いたブランチの１つを併用することにより、ニューラルネットワークは、単一ウィンドウでの全てのピクセルの分析が（より大きなカーネルサイズ又はフィルタサイズで複数の畳込みが行われ得る）他のブランチからのデータと再結合層８６０で組み合わされることを保証するために、同一の分解能を維持しつつ先行するＣｏｎｖからの出力データを更に畳み込んで、更なるダウンサンプリングに備える高品質画像データ（先行するＣｏｎｖからダウンサンプリングされない）を出力することが可能である。
[00235] 図７に戻ると、ニューラルネットワーク７００は更に、第３のアップサンプリングブロック７９０の後に出力７９９を有して、第１のアップサンプリングブロック７７０、第２のアップサンプリングブロック７８０、及び第３のアップサンプリングブロック７９０を含む。各アップサンプリングブロックは、転置畳込み（又は逆畳込み）層、アップサンプリングバッチｎｏｒｍ層、及びゲーティング関数を含むアップサンプリング活性化層を含み得る。
[00236] 図８Ｃは、入力８８１を受け取って出力８８９を提供する、且つカーネルサイズＺ×Ｚを有する転置Ｃｏｎｖ８８４、バッチｎｏｒｍ層８８６、及び活性化層８８８を含む、アップサンプリングブロックの例として例示される。これらのサブコンポーネントについては、図９Ａ～９Ｄを参照してより詳細に考察する。各アップサンプリングブロックの転置畳込み層は、それが受け取る画像データの空間分解能を増加させることによりダウンサンプリングされた出力を再構築するように構成可能である。そのほか、アップサンプリングブロックの１つ以上は再結合層も含み得ると共に、それにより、アップサンプリングバッチ正規化層からの画像データは、先行する残差ネットワークブロックからの画像データとマージされる（以下で考察されるスキップ接続を介して）。
[00237] ニューラルネットワークのアーキテクチャーに関して、アップサンプリングブロックの数は、ダウンサンプリングブロックの数と等しくなるように構成可能である。種々の実施形態では、ニューラルネットワークは、ｎ個のダウンサンプリングブロック、ｎ個の残差ネットワーク（又は処理）ブロック、ｎ個のアップサンプリングブロック、及び再結合層を含むｎ－１個のアップサンプリングブロックを有する（図９Ｄの考察を参照されたい）。以下でより詳細に考察されるように、空間分解能はダウンサンプリングプロセス時に部分的に低減されるので、空間分解能を同一の割合で増加させることが望まれ得る。例えば、空間分解能がダウンサンプリングブロック（又はダウンサンプリングブロックと残差ネットワークブロックとの組合せ）を介して毎回半分（倍率１／２）になる場合、今度は、空間分解能を２倍（倍率２）にして元の画像寸法に戻すことが最も効率的であろう。これによりダウンサンプリングブロック及びアップサンプリングブロックの数が等しくなり得る。
[00238] 例えば、図７では、各Ｃｏｎｖは、画像データの空間分解能を１／２に減少させ、各転置Ｃｏｎｖは、画像データの空間分解能を２倍に増加させる。空間分解能の低減は、例えば、畳込みフィルタ（又はカーネル）を一度に２ピクセルだけスライドさせることにより達成可能である。この２ピクセルのスライドをストライド長という。一度に２ピクセルだけスライドさせる場合、ストライドは２となる。２のストライド長を用いることにより、Ｃｏｎｖは、Ｃｏｎｖからの出力である活性化マップの寸法を半分にしてダウンサンプリングすることが可能である。
[00239] しかし、以上に教示されるようにプーリングではなくスライディングにより、プーリングに固有であり得る空間情報の損失を排除することが可能である。フィルタサイズは、どの程度のローカル情報が単一ピクセル分析に取り入れられてネットワークの次の層の各ピクセルに影響を及ぼすかを決定する。一般に、フィルタサイズは、対象のピクセルが中心となるように奇数である。例えば、５×５フィルタでは、周囲の２４ピクセルを調べて所与の領域の１中心ピクセルが分析されよう。プーリングを用いた場合、第１の領域が調べられてその第１の領域のピクセルに対応する単一値が効果的に決定される。フィルタが第２の領域に移動すると、第１の領域のピクセルはもはやそのフィルタ掃引時に分析されない。それにより、行われる画像分析のタイプ（例えば、検出される物体タイプ）に依存して、非常に誤った、粗い、又は不正確な結果をもたらす可能性がある。
[00240] 一方、ストライド理論を用いて、第１の領域（例えば５×５領域）が調べれて２ピクセルストライドにより第２の領域（同様に５×５）に移ると、明らかにオーバーラップを生じるので、ピクセル点が２回以上調べられて複数のピクセルに対して決定因子となり、２ピクセルストライドのサンプリングの最終結果が前のサイズの半分の画像出力（活性化マップ出力）をもたらすのでその間ずっと依然としてダウンサンプリングが可能である。したがって、スライディングを用いた場合、ダウンサンプリングは、プーリングと比較して空間情報の損失が少ない状態で行われよう。適切なストライド長を決定する因子としては、例えば、画像タイプ、画像品質、物体タイプ、物体サイズ、物体形状、出力要件、時間制約、及び能力／処理資源が挙げられる。
[00241] 例示されるように、入力画像７０１の空間分解能がＸである場合、ダウンサンプリングブロック７１０により空間分解能を半分のＸ／２に、次いで、ダウンサンプリングブロック７３０によりＸ／４に、次いで、ダウンサンプリングブロック７５０によりＸ／８に低減可能である。次いで、アップサンプリングブロック７７０によりＸ／８の入力を２倍のＸ／４に、ブロック７８０によりＸ／２に、そしてブロック７９０によりＸに、又は出力７９９で元のサイズに増加可能である。図７は、各ダウンサンプリングブロックの漸減する高さ及び各アップサンプリングブロックの漸増する高さを用いてこのことを視覚的に表す。
[00242] ダウンサンプリングが進行するにつれて、ＣＮＮは、より低レベルの特徴分析からより高レベルの特徴分析へ、そうした処理の特徴複雑性を増加させるように設計可能である。先に考察したように、より複雑な特徴を更にＣＮＮにより検出できるようにするために、追加のＣｏｎｖを加えて前のＣｏｎｖからの出力（すなわち活性化マップ）を分析可能である。例えば、第１のＣｏｎｖがカーブやエッジ等の基本的特徴を探索する場合、第２のＣｏｎｖは、より初期のＣｏｎｖで検出された個別の特徴との組合せであり得る形状等のより複雑な特徴を探索可能である。一連のＣｏｎｖを提供することにより、ＣＮＮは、次第により高レベルの特徴を検出して最終的に特定の所望の物体の検出に至ることが可能である。更に、Ｃｏｎｖが互いに重なってスタックされて前の活性化マップ出力が分析されるにつれて、スタック中の各Ｃｏｎｖは、各Ｃｏｎｖレベルで行われるスケールダウンに基づいて自然にますます大きな受容野を分析するようになるので、ＣＮＮは、対象の物体の検出時にピクセル空間の成長領域に対処できるようになる。
[00243] 図７では、各Ｃｏｎｖ及び処理ブロックは、チャネル深さを２倍に増加させ、各アップサンプリングブロックは、第３のアップサンプリングブロック７９０までチャネル深さを１／２に減少させる。例示されるように、ダウンサンプリングブロック７１０及び処理ブロック７２０では、３２個のチャネル又はフィルタが使用される。ダウンサンプリングブロック７３０及び処理ブロック７４０では、チャネル数は６４である。最後に、ダウンサンプリングブロック７５０及び処理ブロック７６０では、１２８個のチャネルが使用される。逆に、アップサンプリングブロック７７０はチャネルを半分の６４に、アップサンプリングブロック７８０は３２に、そしてアップサンプリングブロック７９０は３に戻す（その有意性については以下でより詳細に考察する）。図７は、各ダウンサンプリングブロックの漸増する幅及び各アップサンプリングブロック（最終ブロック７９０を除く）の漸減する幅を用いてチャネル使用時のこの増加及び減少を視覚的に一般的に表す。
[00244] 空間分解能の変化率（元の状態、Ｘ／２、Ｘ／４、Ｘ／８、Ｘ／４、Ｘ／２、元の状態）はチャネル深さ率（０、３２、６４、１２８、６４、３２、３、０）の場合のほぼ逆であるが、このことはＣＮＮアーキテクチャーに必要ではない。しかし、空間分解能の変化がチャネル数の変化に対応すると、有利には、フィルタ深さの逐次増加を入力データの逐次減少（活性化マップ寸法）で相殺することにより、時間、処理能力、及び出力７９９の品質をＣＮＮにより最大化可能になる。事実上、ＣＮＮに対する処理要件は各逐次ダウンサンプリングブロックを通るフィルタの深さと共に増加するので、ＣＮＮは、各逐次ダウンサンプリングブロックを通る画像アレイ入力（活性化マップ寸法）を減少させてＣＮＮによりより大きな深さ全体にわたりより小さな入力を分析可能にすることにより、これを相殺する。それに対応して、その逆を行えばアップサンプリングブロックの出力７９９が支援される。
[00245] 画像ボリュームの再構築もまた、スキップアーキテクチャーの形態により支援可能である。例えば、ニューラルネットワーク内に挿入されるスキップ接続は、情報をより初期のダウンサンプリング層からより後期のアップサンプリング層に投影して、このより初期の最低限の処理が行われた情報を再構築プロセスの一部にすることが可能である。スキップアーキテクチャーを用いない場合、アップサンプリング時に再構築を大きく支援し得る初期Ｃｏｎｖ層で捕捉された一部の情報は、ダウンサンプリングプロセス時に失われよう。言い換えると、かかる価値のある情報は、情報を更に使用できなくなるほど抽象的な状態になるまでダウンサンプリングされたものとなろう。この情報を最初の層からスキップアーキテクチャーを用いてより後期のアップサンプリング層に供給すれば、より初期の情報を保持して効率的アップサンプリングに使用できるようになる。
[00246] 種々の実施形態では、ニューラルネットワークは、第２の残差ネットワークブロックから画像データを受け取る再結合層を有する第１のアップサンプリングブロック（例えば、スキップ接続を介して）、第１の残差ネットワークブロックから画像データを受け取る再結合層を有する第２のアップサンプリングブロック（例えば、スキップ接続を介して）、及び再結合層を含まない第３のアップサンプリングブロックを含み得る。
[00247] 図７では、例えば、第１のスキップ接続７９２及び第２のスキップ接続７９４が提供される。第１のスキップ接続７９２は、Ｘ／２の分解能の処理ブロック７２０からの出力情報を同様にＸ／２の分解能のアップサンプリングブロック７８０のバッチｎｏｒｍ（以下で考察される）後の再結合層にフィードフォワードする。このスキップ接続を介して、ニューラルネットワークは、対応するアップサンプリングブロックと同一の分解能のより初期の最低限の処理が行われた情報を提供することにより、より正確且つより効率的なアップサンプリングを可能にする。同様に、第２のスキップ接続７９４は、Ｘ／４の分解能の処理ブロック７４０からの出力情報を同様にＸ／４の分解能のアップサンプリングブロック７７０のバッチｎｏｒｍ（以下で考察される）後の再結合層にフィードフォワードすることにより機能する。
[00248] 以上に述べたように、ＣＮＮは、画像分類及び画像検出（画像内の物体検出も同様）をはじめとする多くの目的に使用可能である。したがって、ＣＮＮの目標に依存して、出力は、ＣＮＮに課される主要な質問に答えなければならない。本明細書の種々の実施形態では、ＣＮＮは画像検出に使用される。種々の実施形態では、画像検出は、対象の物体を検出するために使用可能である。種々の実施形態では、対象の物体は微小物体であり得る。種々の実施形態では、画像検出は、微小物体を複数の微小物体タイプの少なくとも１つに分類するために使用可能である。種々の実施形態では、微小物体は生体細胞である。種々の実施形態では、生体細胞は、免疫細胞、例えば、Ｔ細胞、Ｂ細胞、ＮＫ細胞、マクロファージ、それらの組合せ等である。種々の実施形態では、生体細胞は、細胞系細胞（例えば、ＣＨＯ細胞）又は癌細胞である。種々の実施形態では、生体細胞は、卵母細胞、精子、又は胚である。
[00249] 図７のアップサンプリングブロック７９０の３つのチャネルの例示される使用に関して、種々の実施形態では、ＣＮＮを利用するシステムは、画像入力から微小物体の数を得る。システムは、入力画像の複数のピクセルにアノテートすることにより、これを行うことが可能であり、セットの各ピクセルアノテーションは、画像中の対応するピクセルが対応する微小物体特性を表す確率を表す。この分析から、微小物体の数を得ることが可能である。種々の実施形態では、複数の微小物体特性は、少なくとも３つの微小物体特性を含む。種々の実施形態では、複数の微小物体特性は、少なくとも微小物体中心、微小物体エッジ、及び非微小物体（又は細胞中心、細胞エッジ、及び非細胞）を含む。図７のアップサンプリングブロック７９０は、その３つのチャネル深さによるこの３つの微小物体特性分析を例示する。したがって、図７の最後のアップサンプリングブロック７９０は、正確な微小物体（例えば細胞）数を決定するためにニューラルネットワーク７００に必要な物体特性分析を提供する。
[00250] 図９Ａ～９Ｄは、種々の実施形態にかかるより詳細な畳込みニューラルネットワーク（ＣＮＮ）９００の模式図を例示する。模式図は、以上で考察したニューラルネットワークの原理の多くを採り入れており、そうした理由から、これらの原理を繰返し詳述することはしない。しかし、原理は類似したものであり得るが、本明細書の種々の実施形態に使用されるパラメータ、例えば、画像タイプ、画像品質、物体タイプ、物体サイズ、物体形状、出力要件、時間制約、及び能力／処理資源は全て、以上で考察した特定の理由に基づいて変化させ得ることに留意されたい。したがって、図９Ａ～９Ｄの模式図に使用されるパラメータは単なる例にすぎない。
[00251] 説明目的で、図９Ａは、左から右に、種々の実施形態にかかる第１のダウンサンプリングブロック９１０、続いて第１の残差ネットワークブロック９２０を例示する。図９Ｂは、左から右に、種々の実施形態にかかる第１の残差ネットワークブロック９２０（図９Ａのもの）からデータを受け取る第２のダウンサンプリングブロック９３０、続
いて第２の残差ネットワークブロック９４０を示す。図９Ｃは、左から右に、種々の実施形態にかかる第２の残差ネットワークブロック９４０（図９Ｂのもの）からデータを受け取る第３のダウンサンプリングブロック９５０、続いて第３の残差ネットワークブロック９６０を示す。図９Ｄは、左から右に、第１のアップサンプリングブロック９７０、第２のアップサンプリングブロック９８０、及び第３のアップサンプリングブロック９９０を示す。第１のアップサンプリングブロック９７０は、第３の残差ネットワークブロック９６０（図９Ｃ）からデータを受け取ると共に、第１のアップサンプリング再結合層９７６を含み、この場合、第１のアップサンプリングブロック９７０のバッチ正規化層からのデータは、第２のスキップ接続９９４を介してフィードフォワードされる第２の残差ネットワークブロック９４０の最終ＥＬＵ層９４８からのデータと再結合される。同様に、第２のアップサンプリングブロック９８０は、第２のアップサンプリング再結合層９８６を含み、この場合、第２のアップサンプリングブロック９８０のバッチ正規化層からのデータは、第１のスキップ接続９９２を介してフィードフォワードされる第１の残差ネットワークブロック９２０の最終ＥＬＵ層９２８からのデータと再結合される。
[00252] 図９Ａに戻って参照すると、ＣＮＮ９００は、画像入力９０１を受け取るように構成された第１のダウンサンプリングブロック９１０を含む。第１のダウンサンプリングブロック９１０は、第１のＣｏｎｖ９１２、第１のバッチｎｏｒｍ層９１４、及び第１の活性化層９１６（例えば、図９ＡのＥＬＵ）を含む。第１のＣｏｎｖ９１２は、カーネルサイズ及びストライドに関して様々なパラメータを有し得る。この場合、カーネルは５×５であり、且つストライドは２ピクセルである。層９１６からの出力は、第１のブランチ９２２と第２のブランチ９２４とを含む第１の残差ネットワークブロック９２０に供給される。残差ネットワークのレイアウトの一般的考察に関しては図８を参照されたい。第１のブランチ９２２では、２つのＣｏｎｖは３×３のカーネルサイズを有する。図９Ａはまた、以上で考察したように第１の再結合層９２６及び第１のＥＬＵ９２８の後で出力されるデータをフィードフォワードする第１のスキップ接続９９２の開始を例示する。ＣＮＮ９００のこの段階でのスケールダウンは倍率１／２であり（１／２の空間分解能にダウンサンプリングされる）、且つ特徴の３２チャネルがこの段階で使用されることにも留意されたい。
[00253] 図９Ｂを参照すると、ＣＮＮ９００は更に、第２のＣｏｎｖ９３２と第２のバッチｎｏｒｍ層９３４と第２の活性化層９３６（例えば、図９ＢのＥＬＵ）を含む第２のダウンサンプリングブロック９３０を含む。第２のダウンサンプリングブロック９３０は、第１のＥＬＵ９２８からの出力を受け取るように構成される。第２のＣｏｎｖ９３２は、カーネルサイズ及びストライドに関して様々なパラメータを有し得る。この場合、カーネルは先と同様に５×５であり、且つストライドは先と同様に２ピクセルである。層９３６からの出力は、第３のブランチ９４２と第４のブランチ９４４とを含む第２の残差ネットワークブロック９４０に供給される。残差ネットワークのレイアウトの一般的考察に関しては図８を参照されたい。第１のブランチ９４２では、２つのＣｏｎｖは３×３のカーネルサイズを有する。図９Ｂはまた、以上で考察したように第２の再結合層９４６及び第２のＥＬＵ９４８の後で出力されるデータをフィードフォワードする第２のスキップ接続９９４の開始を例示する。ＣＮＮ９００のこの段階でのスケールダウンは図９Ａ中の前の段階と対比して倍率１／２であり（元の状態と対比して１／４の空間分解能にダウンサンプリングされる）、且つ特徴の６４チャネルがこの段階で使用されることにも留意されたい。
[00254] 図９Ｃを参照すると、ＣＮＮ９００は、第３のＣｏｎｖ９５２と第３のバッチｎｏｒｍ層９５４と第３の活性化層９５６（例えば、図９ＣのＥＬＵ）とを含む第３のダウンサンプリングブロック９５０を含む。第３のダウンサンプリングブロック９５０は、第２のＥＬＵ９４８からの出力を受け取るように構成される。第３のＣｏｎｖ９５２は
、カーネルサイズ及びストライドに関して様々なパラメータを有し得る。この場合、カーネルは先と同様に５×５であり、且つストライドは先と同様に２ピクセルである。層９５６からの出力は、第５のブランチ９６２と第６のブランチ９６４とを含む第３の残差ネットワークブロック９６０に供給される。残差ネットワークのレイアウトの一般的考察に関しては図８を参照されたい。第５のブランチ９６２では、２つのＣｏｎｖは３×３のカーネルサイズを有する。ＣＮＮ９００のこの段階でのスケールダウンは倍率１／２であり（１／８の空間分解能にダウンサンプリングされる）、且つ特徴の１２８チャネルがこの段階で使用されることにも留意されたい。
[00255] 図９Ｄを参照すると、ＣＮＮ９００は、第１のアップサンプリングブロック９７０、第２のアップサンプリングブロック９８０、及び第３のアップサンプリングブロック９９０を含む。第１のアップサンプリングブロック９７０は、第１のアップサンプリングＣｏｎｖ９７２、第１のアップサンプリングバッチｎｏｒｍ層９７４、第１のアップサンプリング再結合層９７６、及び第１のアップサンプリング活性化層９７８（例えばＥＬＵ）を含む。第１のアップサンプリング再結合層９７６は、第１のスキップ接続９９２から入力を受け取って、その入力と第１のアップサンプリングバッチｎｏｒｍ層９７４からの出力とを組み合わせ、そしてその組み合わせた出力を第１のアップサンプリング活性化層９７８に供給するように構成される。ダウンサンプリングＣｏｎｖ９１２／９３２／９５２を参照して以上で考察したように、アップサンプリングＣｏｎｖ層は、カーネルサイズ及びストライドに関して様々なパラメータを有し得る。この場合、第１のアップサンプリングＣｏｎｖ９７２に対して、カーネルは５×５であり、且つストライドは２ピクセルである。ＣＮＮ９００のこの段階でのスケールアップは第３の残差ネットワーク９６０からの出力と対比して倍率２であり（１／４の空間分解能にアップサンプリングされる）、且つ特徴の６４チャネルがこの段階で使用されることにも留意されたい。
[00256] 第２のアップサンプリングブロック９８０は、第２のアップサンプリングＣｏｎｖ９８２、第２のアップサンプリングバッチｎｏｒｍ層９８４、第２のアップサンプリング再結合層９８６、及び第２のアップサンプリング活性化層９８８（例えばＥＬＵ）を含む。第２のアップサンプリング再結合層９８６は、第２のスキップ接続９９４から入力を受け取って、その入力と第２のアップサンプリングバッチｎｏｒｍ層９８４からの出力とを組み合わせ、そしてその組み合わせた出力を第２のアップサンプリング活性化層９８８に供給するように構成される。ダウンサンプリングＣｏｎｖ９１２／９３２／９５２を参照して以上で考察したように、アップサンプリングＣｏｎｖ層は、カーネルサイズ及びストライドに関して様々なパラメータを有し得る。この場合、第２のアップサンプリングＣｏｎｖ９８２に対して、カーネルは５×５であり、且つストライドは２ピクセルである。ＣＮＮ９００のこの段階でのスケールアップは第１のアップサンプリングブロック９７０からの出力と対比して倍率２であり（１／２の空間分解能にアップサンプリングされる）、且つ特徴の３２チャネルがこの段階で使用されることにも留意されたい。
[00257] 第３のアップサンプリングブロック９９０は、第３のアップサンプリングＣｏｎｖ９９２、第３のアップサンプリングバッチｎｏｒｍ層９９４、及び第３のアップサンプリング活性化層９９６（例えばＥＬＵ）を含む。層９９６は、ＣＮＮ９００の出力９９９を生成する。ダウンサンプリングＣｏｎｖ９１２／９３２／９５２を参照して以上で考察したように、アップサンプリングＣｏｎｖ層は、カーネルサイズ及びストライドに関して様々なパラメータを有し得る。この場合、第３のアップサンプリングＣｏｎｖ９９２に対して、カーネルは５×５であり、且つストライドは２ピクセルである。ＣＮＮ９００のこの段階でのスケールアップは第２のアップサンプリングブロック９８０からの出力と対比して倍率２であり（元の空間分解能にアップサンプリングされる）、且つ特徴の３チャネルがこの段階で使用されることにも留意されたい。
[00258] 図７との関連で以上で考察したように、種々の実施形態では、ＣＮＮを利用するシステムは、画像入力から微小物体の数を得る。システムは、入力画像の複数のピクセルにアノテートすることにより、これを行うことが可能であり、セットの各ピクセルアノテーションは、画像中の対応するピクセルが対応する微小物体特性を表す確率を表す。この分析から、微小物体の数を得ることが可能である。種々の実施形態では、複数の微小物体特性は、少なくとも３つの微小物体特性を含む。種々の実施形態では、複数の微小物体特性は、少なくとも微小物体中心、微小物体エッジ、及び非微小物体（又は細胞中心、細胞エッジ、及び非細胞）を含む。図９Ｄのアップサンプリングブロック９９０は、その３つのチャネル深さによるこの３つの微小物体特性分析を例示する。したがって、図９Ｄの最後のアップサンプリングブロック９９０は、正確な微小物体（例えば細胞）数を決定するためにニューラルネットワーク９００に必要な物体特性分析を提供する。
[00259] 種々の実施形態によれば、画像中の微小物体を自動検出するためのシステム及び方法が開示される。種々の実施形態では、微小物体は生体細胞である。種々の実施形態では、生体細胞は、免疫細胞、例えば、Ｔ細胞、Ｂ細胞、ＮＫ細胞、マクロファージ、それらの組合せ等である。種々の実施形態では、生体細胞は、細胞系細胞（例えば、ＣＨＯ細胞）又は癌細胞である。種々の実施形態では、生体細胞は、卵母細胞、精子、又は胚である。
[00260] 図１０は、種々の実施形態にかかる画像中の微小物体の自動検出方法を例示する例示的なフローチャートである。例示的なフローチャートは、以下に詳細に記載されるように、例えば、図１１のシステム１２００で行うことが可能である。本明細書に示されるように、システム１２００の画像取得ユニット１２０２の撮像素子１２０６により行い得る工程１１１０は、マイクロ流体デバイスの撮像データを受け取ることを含む。
[00261] 本明細書に示されるように、工程１１２０は、システム１２００の画像取得ユニット１２０２の画像前処理エンジン１２０８により実現可能な例示的なワークフロー工程を詳述する。工程１１２０では、本方法は、画像データを前処理して画像データ中の異常を低減することを含む。
[00262] 本明細書に示されるように、工程１１３０は、システム１２００の微小物体検出ユニット１２０４のニューラルネットワーク１２１０により実現可能な例示的なワークフロー工程を詳述する。工程１１３０では、本方法は、ニューラルネットワークを用いて撮像データ中のピクセルデータを処理して複数の微小物体特性に従ってピクセルデータにアノテートすると共にピクセルデータ中のピクセルに対する確率値を出力する。出力確率値は、複数のピクセルマスクの形態であり得ると共に、各マスクは、複数の微小物体特性からの微小物体特性に対応する。各マスクは、そのマスクに関連する特定の微小物体特性に基づいて画像に対してピクセルアノテーションのセット（又は確率値のセット）を含み得る。
[00263] 本明細書に示されるように、工程１１４０は、システム１２００の微小物体検出ユニット１２０４の閾値エンジン１２１２により実現可能な例示的なワークフロー工程を詳述する。工程１１５０では、本方法は、閾値を適用してどのピクセル確率が少なくとも規定閾値を満たすか決定することを含む。
[00264] 本明細書に示されるように、工程１１５０は、システム１２００の微小物体検出ユニット１２０４の検出エンジン１２１４により実現可能な例示的なワークフロー工程を詳述する。工程１１６０では、本方法は、閾値適用後に同定可能な微小物体の数に基づいて微小物体の数を決定することを含む。
[00265] 図１１は、種々の実施形態にかかる画像中の微小物体の自動検出システムの模式図である。本明細書に示されるように、システム１２００は、画像取得ユニット１２０２、画像前処理エンジン１２０８、微小物体検出ユニット１２０４、及び最終微小物体出力用の入出力デバイス（Ｉ／Ｏデバイス）１２１６を含み得る。
[00266] Ｉ／Ｏデバイス１２１６は、例えば、システム１０００の関連する表示デバイス１０１２及び／又は入力デバイス１０１４（図５参照）を含むように構成可能であり、これらは、例えば、画像取得ユニット１２０２、画像前処理エンジン１２０８、微小物体検出ユニット１２０４、又はそれらの組合せに転送可能なデータ（例えば、パラメータ、ユーザ要件等）の形態であり得る。Ｉ／Ｏデバイス１２１６はまた、システム１０００の関連する表示デバイス１０１２及び／又は入力デバイス１０１４（図５参照）を介してユーザ入力を受け取るように構成可能であり、これらは、例えば、画像取得ユニット１２０２、画像前処理エンジン１２０８、微小物体検出ユニット１２０４、又はそれらの組合せに転送可能なデータ（例えば、パラメータ、ユーザ要件等）の形態であり得る。代替的に又は組合せで、コンピュータシステム１０００の入力デバイス１０１４（図５参照）はまた、ユーザ入力、パラメータ、及び／又はそれらの類似物を、例えば、画像取得ユニット１２０２、画像前処理エンジン１２０８、微小物体検出ユニット１２０４、又はそれらの組合せに直接転送するように使用可能である。更に、Ｉ／Ｏデバイス１２１６は、例えば、検出エンジン１２１４から受け取ったデータ又は画像を内臓表示デバイス１０１２上に表示するように構成可能である。デバイス１２１６はまた、画像又はデータを表示するためにデータ又は画像を個別のディスプレイ１０１２に転送するように構成可能である。
[00267] 画像取得ユニット１２０２（例えば、限定されるものではないが以上の図１Ａに示される撮像モジュール１６４）は、撮像素子１２０６（例えば、限定されるものではないが撮像デバイス１９４）を含み得る。代替的に、ユニット１２０２はまた、画像前処理エンジン１２０８を含むように（又は収容するように）構成することも可能である。
[00268] 撮像素子１２０６は、１つ以上の画像（又は画像データ）を捕捉するように構成可能である。画像は、例えば、マイクロ流体デバイスの複数のチャンバ（例えば隔離ペン）及び／又は周囲の構造体（例えばチャネル）であり得る。マイクロ流体デバイスは、本明細書に記載の種々の例のいずれかを含み得る（例えば、限定されるものではないが、以上の図１Ａ～１Ｃ、２Ａ～２Ｂ、２Ｄ、及び２Ｇ－２Ｈに示されるマイクロ流体デバイス１００、２００、２３０、２５０、２８０、及び２９０）。マイクロ流体デバイスは、フロー領域とフロー領域に流体接続可能なチャンバ又は複数のチャンバとを含み得ると共に、チャンバのそれぞれは、１つ以上の微小物体を保持可能である。以上で述べたように、チャンバは、例えば、隔離ペンであり得る。チャンバは、使用される特定の用途に必要とされる任意の形状、サイズ、又は位置付けであり得ることを認識すべきである。フロー領域は、単一マイクロ流体チャネル又は複数のマイクロ流体フローチャネルであり得る（例えば、限定されるものではないが、以上の図１Ａ及び２Ａ～２Ｃに示されるチャネル１２２並びに以上の図２Ｄ～２Ｆに示されるフローチャネル２６４）。これらは、単一の流路又は複数の流路を提供する（例えば、限定されるものではないが、以上の図１Ａ及び２Ｂに示される流路１０６）。フロー領域は、単一又は複数のチャンバに流体連通可能である。代替的に、フロー領域は、リバーシブルクロージャー例えばバルブ等を介して単一のチャンバ又は複数のチャンバに流体連通し得る。フロー領域は、以上に記載の流入口を介して材料のフローを受け取るように構成可能である。材料のフローは、例えば、微小物体、結合剤、若しくは結合試薬のフロー、又は材料を含む媒体のフローを含み得る。
[00269] 種々の実施形態では、撮像素子１２０６はまた、更なる処理のために送信前に捕捉画像をサイズ変更するように構成可能である。サイズ変更は、例えば、ビニング（例えば、４ピクセルから１ピクセルへ）により達成可能である。
[00270] 画像前処理エンジン１２０８は、種々の実施形態にかかる更なる分析のための画像を作製するように構成可能である。例えば、エンジン１２０８により受け取る前に捕捉画像をビニングした場合、エンジン１２０８は、ビニングを補償するために画像をフルサイズにサイズ変更可能である。エンジン１２０８は、例えば、ピクセル値間の線形補間を用いてサイズ変更可能である。エンジン１２０８は、所望の位置付けの必要に応じて、画像のフリップ及び／又は回転を行うことが可能である。エンジン１２０８は、例えば、既知のドット間隔を有するドットアレイを調べることにより計算されたルックアップテーブルを用いて、画像に歪み補正工程を適用可能である。
[00271] 種々の実施形態では、エンジン１２０８は、画像全体にわたり明るさレベリング手順を実行可能である。例えば、エンジン１２０８は、二次多項式又は高次多項式による最良当てはめ補正等の多項式による最良当てはめ補正を使用可能である。任意選択的に、多項式関数の代わりに正弦波関数又は指数関数を使用可能である。レベリングは、最良当てはめ関数の所望の乗数をシステム校正時に決定して画像の明るさとスケーリング画像とを乗算することにより達成可能である。エンジン１２０８はまた、例えば、自己蛍光から生じるバックグラウンドの明るさを減算するためにラジオメトリック補正を実行可能である。
[00272] 種々の実施形態では、そのままでは半透明で出現する可能性のある細胞を可視化するために、蛍光画像が必要になることがある（例えば、ＤＡＰＩは、特定の細胞をより良好に検出／計数する手段として核の染色に使用可能である）。その場合、エンジン１２０８は、ドットアレイを用いて校正を行って、明視野画像にアライメントさせるために蛍光画像のスケール調整、シフト、及び／又は回転を行うことが可能である。
[00273] 種々の実施形態では、マイクロ流体デバイスの伝導性シリコン基板からの干渉を低減するために、フーリエ変換を使用可能である。フーリエ変換は、フォトトランジスタアレイ等の伝導性シリコン基板に伴うアーチファクト及び干渉の同定を促進する画像の周波数表現を可能にする。時間自体の関数のフーリエ変換は、周波数の複素数値関数であり、その絶対値は、元の関数に存在するその周波数の量を表し、その複素偏角は、その周波数の基本正弦曲線の位相オフセットである。フーリエ変換は、元のシグナルの周波数領域表現と呼ばれる。フーリエ変換という用語は、周波数領域表現と周波数領域表現を時間の関数の関連付ける数学演算との両方を意味する。フーリエ変換は時間の関数に限定されないが、統一された言葉にするために、元の関数の領域は、通常、時間領域という。
[00274]以下でより詳細に考察されるように、対象の微小物体は、マイクロ流体デバイスの特徴と比較して類似の混同しやすい形態、例えば、フォトトランジスタアレイ等を有することもある。そのほか、細胞等の微小物体は、マイクロ流体デバイスの種々の特徴と比較して相対的に半透明であることもある。したがって、対象の微小物体を同定する前にマイクロ流体デバイスの望ましくない特徴（例えば、マイクロ流体デバイスのフォトトランジスタアレイ、壁、又は回路要素）を同定して除去することが役立ち得る。フーリエ解析は、例えば、微小物体の検出前にトランジスタパターンを除去するために使用可能である。この工程は、エンジン１２０８内で又は代替的に微小物体検出ユニット１２０４の検出エンジン１２１４の後処理工程で行うことが可能である（より詳細に以下に記載される）。
[00275] 種々の実施形態では、画像の前処理は、明るさ正規化又はコントラスト強調を利用して、マイクロ流体デバイスの伝導性シリコン基板からの干渉を低減することを含み得る。
[00276] 種々の実施形態では、エンジン１２０８は、以上に記載したように前処理された画像のコピーを作製して、種々の「クライアント」１２２０に転送可能である（例えば、ＧＵＩ、画像処理、動画作成、画像捕捉、メモリ／ストレージ／サーバー等）。
[00277] 種々の実施形態では、流域アルゴリズムは、元の画像入力で細胞境界を書き込むために使用可能である。このアルゴリズムは、対象の物体を集水域として且つその物体のエッジを集水域の周りの分水界線として、地形図とほぼ同様に画像を処理する。その際、この画像解析法は、物体（集水域）の周りの物体境界（分水界線）のより明確な定義を可能にする。
[00278] 図１１のシステム１２００の微小物体検出ユニット１２０４は、画像取得ユニット１２０２に通信接続可能である。種々の実施形態では、微小物体検出ユニット１２０４は、ニューラルネットワーク１２１０、閾値エンジン１２１２、及び検出エンジン１２１４を含み得る。微小物体検出ユニット１２０４の一部として示される（及び本明細書に記載される）各コンポーネント（例えば、エンジン、モジュール等）は、ハードウェア、ファームウェア、ソフトウェア、又はそれらの任意の組合せとして実現可能であることを認識すべきである。
[00279] 種々の実施形態では、微小物体検出ユニット１２０４は、画像取得ユニット１２０２と共に統合機器システムアセンブリーとして実現可能である。すなわち、微小物体検出ユニット１２０４及び画像取得ユニット１２０２は、同一のハウジングアセンブリー内に収容可能であり、且つ従来のデバイス／コンポーネント接続手段（例えば、シリアルバス、光学ケーブル、電気ケーブル等）を介して通信可能である。
[00280] 種々の実施形態では、微小物体検出ユニット１２０４は、光学接続、シリアルポート接続、ネットワーク接続、又はモデム接続を介して画像取得ユニット１２０２に通信接続されるスタンドアロン計算デバイスとして実現可能である（図１１に示されるように）。例えば、画像処理ユニットは、画像取得ユニット１２０２により取得された撮像データを分析のために微小物体検出ユニット１２０４に送信可能にするＬＡＮ接続又はＷＡＮ接続を介して接続可能である。
[00281] 種々の実施形態では、微小物体検出ユニット１２０４の機能は、ＷＡＮ（又は等価物）接続を介して画像取得ユニット１２０２に通信接続される共有コンピュータ処理資源の分散ネットワーク（例えばクラウドコンピューティングネットワーク）上に実現可能である。例えば、微小物体検出ユニット１２０４の機能は、分割されてAMAZON WEB SERVICES（商標）等のクラウド処理サービス上の１つ以上の計算ノードで実現が可能であ
る。
[00282] ニューラルネットワーク１２１０は、画像前処理エンジン１２０８から画像データ入力を受け取って、複数の微小物体特性に従って画像データ中のピクセルデータにアノテートし、ピクセルアノテーションに基づいてピクセルデータ中の各ピクセルに対して確率値を割り当て、そして確率画像データを出力するように設計・構成することが可能である。ニューラルネットワーク１２１０は、畳込みニューラルネットワークであり得ると共に、以上に記載のアーキテクチャー例の任意の組合せを利用したアーキテクチャーを有し得る（例えば、図７、８、及び９Ａ～９Ｄ、並びに関連する考察を参照されたい）。
[00283] 閾値エンジン１２１２は、ニューラルネットワーク１２１０から確率画像出力データを受け取り、そして所与の閾値を適用してどのピクセル確率が少なくとも規定閾値を満たすかを決定するように設計・構成することが可能である。例えば、種々の実施形態では、微小物体タイプは、細胞中心、細胞境界、又は非細胞型のいずれか１つであり得るか、又は微小物体特性、例えば、真円度特性、サイズ特性、又はその両方を含む。ピクセルアノテーションに割り当てられた確率は、割り当てられた閾値と比較して、更なる分析又は閾値未満のピクセルの排除を促進可能である。閾値は、ユーザ定義し得ると共に、ピクセルアノテーションの確率が閾値未満である場合、ピクセルアノテーションを他のタイプに再分類し得る。割り当てられた確率は、一般に、ピクセルアノテーションの信頼度を示唆する。例えば、確率は、次のように割当て可能である。すなわち、境界の場合には０．１５、細胞中心の場合には０．８、及び非細胞の場合には０．０５である。ピクセルのクラスターが分析されるので、各ピクセルアノテーションを近接ピクセルと共に用いて適正な同定の尤度を決定することが可能である。
[00284] 図１１のシステム１２００の検出エンジン１２１４は、閾値エンジン１２１２の閾値分析で補正された画像出力データを受け取って、画像後処理技術を適用し、そして微小物体の数を出力するように設計・構成することが可能である。
[00285] 以下に提供されるいくつかの例を含めて多くの後処理技術が企図される。エンジン１２１４は、隔離ペン（マイクロ流体デバイス内のもの）のＣＡＤモデルを実際の画像出力にアライメントして、どこにペンが位置決めされているかを正確に見いだすように構成可能である。蛍光画像（検出される細胞型に依存する）の場合には、エンジン１２１４は、減算により、例えば、ブラー（画像）ルーチンから得られる対応する画像を減算することにより、バックグラウンドを除去するように構成可能である。エンジン１２１４はまた、微小物体の数を得るために画像出力を個別のペンに分断するように構成可能である。エンジン１２１４はまた、対象の物体の周りの任意の構造体を除去可能なピクセルマスクを適用可能である（例えば、マイクロ流体デバイス又はペン壁）。最後に、エンジン１２１４は、閾値処理及び後処理の後に識別可能な物体に基づいて微小物体の数を決定可能である。エンジン１２１４からのカウント数及び出力画像は、Ｉ／Ｏデバイス１２１６に転送可能であり、そこで、例えば、記憶、メモリ記憶装置への転送、更なる分析、及び／又はクライアント１２２０への転送を行うことが可能である。
[00286] 種々の実施形態によれば、画像取得ユニット１２０２及び微小物体検出ユニット１２０４は、単一の物理ユニットに一体化可能である。代替的に、画像取得ユニット１２０２及び微小物体検出ユニット１２０４は、情報交換のためにユニットが依然として通信接続されるように独立したユニットで提供されれば、分離可能に位置付け可能である。
[00287] 以上に記載の微小物体検出ユニット１２０４の各コンポーネントは、ハードウェアであり得るか、又は部分的に若しくは完全にソフトウェアモジュールであり得る。
[00288] 微小物体の自動検出。画像中の対象の微小物体の自動検出方法が提供される。対象の微小物体は、画像中の１つ以上の他のフィーチャと比較して類似の混同しやすい形態を有することもある。例えば、いくつかの場合には、マイクロ流体デバイス内に配置された微小物体の検出は、対象の微小物体に類似の形態を有するマイクロ流体デバイスのフィーチャにより複雑化する可能性がある。例えば、細胞が１０ミクロンの直径を有する場合には、細胞と両方の寸法が１０ミクロンのピッチを有するフォトトランジスタアレイ（すなわち、各フォトトランジスタは１０ミクロン×１０ミクロンのサイズを有する）とを識別するのは困難なおそれがある。そのほか、細胞等の微小物体は、マイクロ流体デバイスの種々の特徴と比較して相対的に半透明であることもある。したがって、対象の微小物体を同定する前にマイクロ流体デバイスの望ましくない特徴（例えば、マイクロ流体デバイスのフォトトランジスタアレイ、壁、又は回路要素）を同定して除去することが役立ち得る。
[00289] いくつかの実施形態では、単一ピクセルは、対象の微小物体の断面積よりも実質的に小さなマイクロ流体デバイス内の領域に対応可能である。例えば、微小物体は、約８０ミクロン2の断面積を有し得るが、ピクセルは、約２ミクロン2の面積に対応する。かかる実施形態では、微小物体の断面領域をカバーするために、ピクセルの１つ以上のクラスターが必要となろう（例えば、以上の例では、微小物体の断面領域をカバーするために実質的に４０ピクセルを要し、微小物体の外周の断面領域をカバーするために２４ピクセルを要するであろう）。
[00290] ピクセルクラスターのセットの分析は、ピクセルクラスターの領域及び外周のほかにいくつかの他の特徴を更に含み得る。ピクセルクラスターのセットは、グローバルな形態（すなわち、１つ以上のピクセルクラスターのセットのサイズ及び形状）、ローカルな形態（すなわち、個別のピクセルクラスターのサイズ及び形状）、正及び負の光強度値Ｌｉ、並びにこれらの要素の組合せに基づく他の特徴（例えば、サイズの関数としての光強度）に従って分析し得る。ピクセルクラスターのセットを分析するために、伝統的な機械学習技術をはじめとする種々の方法を使用し得る。この場合、以上で考察された特徴は、微小物体の画像のセットに対して計算され、同一の特徴に基づいて新しい画像中の対象の微小物体を同定する分類器をトレーニングするために使用される、
[00291] 微小物体の同定（以下でより詳細に考察される）はまた、ＯＥＴ力やＤＥＰ力等の力を用いた微小物体の操作又は再配置と併用し得る。いくつかの実施形態では、特定の回路要素（例えば、チャネル若しくは隔離ペン）又はマイクロ流体回路の位置で同定される微小物体は、他のタイプの回路要素又はマイクロ流体回路の位置に移動（すなわち再配置）させ得る。例えば、微小物体をマイクロ流体回路のチャネルで同定し、そしてマイクロ流体回路の隔離ペンに再配置し得る（本明細書では微小物体の「ペン隔離」という）。それとは逆に、微小物体をマイクロ流体回路の隔離ペンで同定し、そしてマイクロ流体回路のチャネルに移動させ得る。代替的に、１つ以上の微小物体を１つの隔離ペンで同定し、そして空の隔離ペンに再配置し得る（本明細書では微小物体の「再ペン隔離」という）。実施形態によれば、ＯＥＴ力及びＤＥＰ力を含めて種々の機序を用いて微小物体を移動させ得る。同様に、微小物体は、逐次的に（すなわち、一度に１つの微小物体）、並行的に、又はそれらの任意の組合せで再配置し得る（例えば、並行的な複数の細胞のグループを逐次的に再配置し得る）。
[00292] 微小物体をチャネルから個別の隔離ペンに再配置する場合（又は個別の隔離ペンから他の隔離ペンに再ペン隔離する場合）、様々なアルゴリズムを用いて微小物体を空の隔離ペンに割り当て得る。いくつかの実施形態では、微小物体とペンとの距離（すなわち、再配置時に微小物体が移動しなければならない軌道又は経路）が最小化されるように、微小物体を空の隔離ペンに割り当てるアルゴリズムが使用されよう。これらの実施形態では、最短距離を移動させて微小物体を空の隔離ペンに再配置することが必要とされるにすぎないので、微小物体を移動させるための力（例えば、ＯＥＴ力又はＤＥＰ力）の使用もまた、最小化される。
[00293] これらの実施形態では、チャネル中のローカルな微小物体密度（すなわち、チャネルの特定の空間領域内の微小物体の数）を用いて、チャネル中の特定の微小物体を空の隔離ペンに割り当てるのに好適なアルゴリズムを決定し得る。ローカルな微小物体密度は、いくつかの方法で計算し得る。いくつかの実施形態では、ローカルな微小物体密度は、固定サイズ領域（例えば、２００ミクロン２、若しくはチャネルの幅に延在する長さ１００ミクロンのチャネル領域）に基づいて又は種々のサイズの領域を使用する方法を用いて計算し得る。他の実施形態では、ローカルな微小物体密度は、同定された微小物体のクラスター又は同定された微小物体間の距離に基づいて計算し得る。ローカルな微小物体密度はまた、チャネルをグリッドに細分することにより又はチャネルのオーバーラップ領域の密度を計算する「スライディングウィンドウ」法を使用することにより計算し得る。
[00294] ローカルな微小物体密度が閾値Ｔ１密度超である場合、微小物体と隔離ペンとの距離が最小化されるように微小物体を最も近い空の隔離ペンに割り当て得る。ローカルな微小物体密度が特定の閾値Ｔ１密度未満である場合、微小物体と隔離ペンとの距離が最小化されるように空の隔離ペンを空の隔離ペンに最も近い微小物体に割り当て得る。いくつかの場合には、空のペンの数更には所定の近傍領域のチャネル内の微小物体の密度に基づいて、ローカルなＴ１密度を計算し得る。
[00295] 微小物体と空の隔離ペンとの距離（すなわち、ペン隔離時に微小物体を移動させる必要がある経路又は軌道）の様々な計算方法を用いて、特定の微小物体を空の隔離ペンに割り当て得る。いくつかの実施形態では、微小物体と可能性のある隔離ペンとの距離は、ＯＥＴ力及び／又はＤＥＰ力を用いる最適な軌道のみに基づいて計算し得る。いくつかの場合には、ＯＥＴ力又はＤＥＰ力を用いる最適な軌道は、微小物体を移動させる直交運動経路の組合せ（例えば、ｙ軸及びｘ軸のみに沿った識別可能な移動の組合せ）を含む。他の場合には、距離は、拘束条件なしの微小物体と隔離ペンとの最短可能経路に基づき得る（すなわち、微小物体は、隔離ペンに達する任意の経路に沿って移動し得る）。ほとんどの実施形態では、微小物体は、距離（軌道）の計算に使用されたアルゴリズムにより決定されたものと同一の軌道を用いて再配置（すなわち、「ペン隔離」又は「再ペン隔離」）されよう。
[00296] 同様に、多数の微小物体を隔離ペンに割り当てる場合（又はその逆の場合）、様々なアルゴリズムを用いてペンへの微小物体の最適割当てを計算し得る（又はその逆を行い得る）。これらのアルゴリズムは、微小物体を隔離ペンに再配置するために微小物体を移動させる必要がある全距離（すなわち、軌道の長さ）を最小化する微小物体対隔離ペンの割当てを決定する様々な計算方法を使用可能である。例えば、アルゴリズムは、微小物体を移動させる必要がある距離を最小化するためにヒューリスティック法として全ての軌道の長さの和を使用し得る。いくつかの実施形態では、再配置時に微小物体を移動可能な最大距離等の拘束条件を最適割当ての計算に導入し得る。種々のコンビナトリアルアルゴリズムを用いて微小物体と隔離ペンとの間の最適割当てを計算し得る。好適なアルゴリズムとしては、グリーディアルゴリズム、非線形最適化、ヒューリスティックベースのアルゴリズム、及び拘束検索が挙げられる。他の類似のアルゴリズムは、当技術分野で公知である。
[00297] 微小物体に対して最適な割当て及び軌道を計算した後、ＯＥＴ及び／又はＤＥＰ等の力を用いて微小物体を割り当てられたペンに移動させ得る。微小物体は、微小物体を取り囲んで微小物体にＯＥＴ力及び／又はＤＥＰ力を加える「光ケージ」等の光のパターンを使用することにより、又はバー若しくは類似の構造体を用いて微小物体にＯＥＴ力及び／又はＤＥＰ力を印加することにより、再配置し得る。典型的には、光ケージは、微小物体を実質的に包囲する構造（例えば、正方形、円形、又は多角形）であろう。しかし、いくつかの場合には、光ケージは、微小物体を完全に包囲しないように切断又は開口を含有し得る。
[00298] 以上で考察したように、ほとんどの実施形態では、微小物体は、ペンへの微小物体の最適割当てを計算するために使用された距離（軌道）に従って移動されよう。実施形態によれば、微小物体は、逐次的に又は並行的に又はそれらの任意の組合せで移動させ得る（例えば、並行的な細胞群を逐次的に移動させ得る）。微小物体を並行的に移動させる実施形態では、最適な割当て又は軌道の計算に使用されるアルゴリズムは、軌道を比較して、ペンへの微小物体の軌道及び割当てを変更することにより並行的に移動させるときに微小物体が衝突しないように保証し得る。具体的な実施形態では、アルゴリズムは、衝突の可能性が同定されたときにペンへの微小物体の割当てを「スワップ」し得る。この実施形態では、第１の微小物体の最適軌道が第２の微小物体の最適軌道と交差する場合、第１の微小物体の最適軌道は第２の微小物体に割り当てられ、且つ第２の微小物体の最適軌道は第１の微小物体に割り当てられる。他の具体的な実施形態では、アルゴリズムは、第１及び第２の微小物体がそれらのそれぞれの軌道に沿って衝突せずに移動可能な時間になるまで、第１の微小物体の再配置を遅延する。
[00299] いくつかの場合には、微小物体を隔離ペンに割り当てて微小物体を再配置（すなわち、「ペン隔離」又は「再ペン隔離」）する前に微小物体を互いに分離する必要があるほど、微小物体密度が高すぎることもある。例えば、ＯＥＴ力及び／又はＤＥＰ力を用いて物体を再配置するために使用される光ケージが、他の微小物体を妨害することなく単一の微小物体に使用できないことが理由で、ＯＥＴ力及び／又はＤＥＰ力を用いて微小物体をペンに隔離できないほど、微小物体密度が高すぎることもある。この妨害は、微小物体に印加されるＯＥＴ力及び／又はＤＥＰ力の大きさを最小化することが重要である場合、特に懸念される。例えば、ＯＥＴ力及び／又はＤＥＰ力により又はＯＥＴ力の副作用により微小物体が妨害を受ける場合である（例えば、ＯＥＴ力及び／又はＤＥＰ力に伴う電解）。こうした場合には、他の細胞を妨害することなく微小物体のペン隔離又は再ペン隔離（本明細書では微小物体の「分離」という）を行い得るように、微小物体の同定時に生成される情報（例えば、微小物体の半径、重心、外周、及び位置）を用いて微小物体を移動させ得る。
[00300] ペンに隔離する前に微小物体を分離する必要がある場合を同定するために、規定空間領域に基づいてローカルな微小物体密度を計算して第２の閾値Ｔ２密度と比較し得る。代替的に、微小物体間の距離（例えば、微小物体の重心間距離、微小物体の外周間距離）を計算して、微小物体を分離する必要があるかの決定に使用し得る。しかし、分かるであろうが、いくつかの場合には、微小物体間の距離が短すぎて、微小物体を個別の微小物体として同定できないこともある。こうした場合には、各隔離ペンが単一の微小物体を含有することを保証するために、微小物体を再配置（すなわち「ペン隔離」）した後で微小物体を再同定し得る。
[00301] いくつかの実施形態では、ペン隔離（又はペン再隔離）の前又はその時に、光ボックスを用いて微小物体を分離し得る。光ボックス（又は光ケージ）を形成する場合、分割アルゴリズムを用いて、マイクロ流体デバイスの空間領域（例えば、チャネルの一部分又は隔離ペン）内で同定された各微小物体と同一空間領域内の他の微小物体とを仕切る頂点のセットを計算することが可能である。しかし、当業者であれば分かるであろうが、頂点のセットは、マイクロ流体デバイスの空間領域内の微小物体のサブセットのみが他の微小物体から分離されるように導出され得る。例えば、頂点のセットは、他の微小物体にごく近接していることが原因で再配置が必要とされる空間領域内の微小物体のサブセットを分離するにすぎない。
[00302] 具体的な実施形態では、各微小物体の重心を用いてドロネー三角形分割が計算される。ドロネー三角形分割は、微小物体の重心を結ぶ三角形のセットを生成する。次いで、ドロネー三角形分割を用いて計算された三角形の外接円に基づいてボロノイ図が計算される。ボロノイ図は、頂点のセットと微小物体の重心との距離が最大化されるように空間領域をサブ領域のセットに分割する頂点のセットである。空間領域内の各細胞と他の細胞とを仕切る頂点のセットを計算する他の方法は、当技術分野で公知である。
[00303] 頂点のセットを計算した後、頂点のセットをＯＥＴ力及び／又はＤＥＰ力と組み合わせて使用することにより微小物体を移動させることが可能である。図６Ａ～６Ｆは、本発明の種々の実施形態にかかる微小物体の分離を例示する。図６Ａは、特定の空間領域内の微小物体のセットのドロネー三角形分割及び対応するボロノイ図を例示する。図６Ｂは、ドロネー三角形分割を有していない対応するボロノイ図を例示する。図６Ｃは、微小物体を移動させるために典型的に使用される光ケージをボロノイ図に重ねて例示する。図６Ｄは、図６Ｃの典型的な光ケージとボロノイ図との交差を計算することにより発生させた修正光ケージを例示する。図６Ｅは、修正光ケージを用いた互いにごく近接する微小物体の分離を例示する。図６Ｆは、分離された微小物体を例示する。
[00304] 一実施形態では、頂点のセットの頂点のサブセットを結ぶ複数の光バーを発生させることにより、１つ以上の光ケージを発生させる。この場合、頂点のサブセットは、移動させる各微小物体に最も近接する又はそれを取り囲む頂点を含む（又はそれからなる）。例えば、図６Ｂに示される多角形状はいずれも、微小物体を取り囲む光ケージを規定するために使用可能である。特定の実施形態では、このように形成された光ケージを収縮させることにより、光ケージ内の微小物体を特定空間領域内の他の微小物体及び／又は光ケージから分離することが可能である。他の実施形態では、図６Ｄに例示されるように、「標準」光ケージ設計（例えば、正方形又は円形）を多角形状（図６Ｃ参照）上に重畳して、標準光ケージ設計と多角形状との交差から生じる光ケージを発生させることにより、光ケージを規定することが可能である。この例では、光ケージが交差もオーバーラップもしない領域として頂点と光ケージとの交差が規定されるので、他の微小物体を妨害しないように「標準」光ケージを再描画することが可能である。形成方法のいかんにかかわらず、形成後、光ケージを用いて、微小物体を互いに移動させ、微小物体を再配置することにより、微小物体を分離することが可能である。いくつかの場合には、微小物体が再配置されて微小物体が最終位置にあるときの元の光ケージが描かれるように、修正光ケージを再描画し得る。
[00305] 非標準（又は「修正」）光ケージは、様々な実施形態で微小物体を再配置するために使用し得る。実施形態に依存して、２つの近接する微小物体に対する修正光ケージは、各微小物体に対して隔離ペンへの軌道及び割当てを計算及び選択する前又は後に微小物体を再配置するために使用される。いくつかの実施形態では、修正光ケージは、微小物体を反復的又は逐次的に再配置するために使用される。そのほか、修正光ケージは、割り当てられた隔離ペンで微小物体をペン隔離するために使用し得る。いくつかの実施形態では、他の微小物体を再配置又はペン隔離する前に、空間領域の外周に最も近い又は空間内で互いに最も近い微小物体を再配置又はペン隔離し得る。
[00306] 図４Ａ、４Ｂ、及び４Ｃは、光ボックスを用いた微小物体のペン隔離を例示する。図４Ａには、細胞の同定及びペンへの細胞の割当てが行われた直後のマイクロ流体回路のチャネル内の生体細胞が示されている。細胞を取り囲む黒色ボックスは、細胞同定アルゴリズムの出力、すなわち、細胞の周りのボックスにより示された細胞の同定を例示する。黒色ボックスを取り囲む白色ボックスは、細胞を再配置するために使用されたＯＥＴ力の光ケージである。最後に、細胞を取り囲むボックスを隔離ペンに接続する黒色ラインは、細胞を隔離ペンに割り当てる際に計算された最適軌道を例示する。図４Ｂは、選択された軌道に沿って光ケージを移動させたより後の時点の同一の細胞を示す。図４Ｃは、選択された軌道に沿って光ケージをほぼ完全に移動させて細胞を隔離ペン内に配置した第３の時点の同一の細胞を示す。
[00307] 微小物体の移動時、ＯＥＴ及び／又はＤＥＰを用いて細胞を移動させるために使用されるスピードは、微小物体の運動を「増加」させて微小物体がその光ケージから失われないことを保証するために、徐々に加速し得る。例えば、具体的な実施形態では、微小物体の初期速度は、低初速度からより高い移動速度に徐々に加速し得る。この漸進的加速は、微小物体を自動で再配置する場合（例えば、ペン隔離、ペン再隔離、及び搬出する場合）並びに微小物体を手動で再配置する場合（例えば、細胞の選択及び移動を手動で行う場合）の両方に適用し得る。同様に、高移動速度は、微小物体がその軌道の終点に達してその最終位置にあるときの最終速度ゼロに「減速」し得る。
[00308] 本発明の方法は、全てのタイプのマイクロ流体デバイスによる微小物体の自動検出に有用である。特定の実施形態では、マイクロ流体デバイスは、フロー領域（又はフローチャネル）と１つ以上のチャンバ（又は隔離ペン）とを含み得る。代替的又は追加的に、マイクロ流体デバイスは、光学作動動電デバイス等の動電デバイスであり得るか、又は動電用に構成された領域を含み得る。動電デバイス、特に、トランジスタ（例えばフォトトランジスタ）のアレイを有する動電デバイスは、アレイのトランジスタが検出対象の微小物体の断面領域に類似した領域を有する場合、特に複雑なバックグランドを提供する可能性がある。本明細書に記載の方法は、かかるデバイスに配置された微小物体の検出に特に有効であり得る。
[00309] 特定の実施形態では、本発明は更に、本明細書に記載の方法のいずれかを実施するために非一時的機械可読命令を記憶するための機械可読記憶デバイスを提供する。機械可読命令は、画像を得るために使用される撮像デバイス及び／又は画像のアライメント、微分画像の発生、及び／又は微分画像の分析を行うプロセッサ（例えば、計算デバイス中のもの）を制御可能である。
[00310] 本明細書に記載の方法は、用途に依存して種々の手段により実現し得る。例えば、これらの方法は、ハードウェア、ファームウェア、ソフトウェア、又はそれらの任意の組合せで実現し得る。ハードウェア実現形態では、処理ユニットは、１つ以上の特定用途向け集積回路（ＡＳＩＣ）、ディジタルシグナルプロセッサ（ＤＳＰ）、ディジタルシグナル処理デバイス（ＤＳＰＤ）、プログラマブル論理デバイス（ＰＬＤ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、プロセッサ、コントローラ、マイクロコントローラ、マイクロプロセッサ、電子デバイス、本明細書に記載の機能を実施するように設計された他の電子ユニット又はそれらの組合せに内蔵して実現し得る。
[00311] 種々の実施形態では、本教示の方法は、ファームウェア及び／又はＣ、Ｃ＋＋等の従来のプログラミング言語で書かれたソフトウェアプログラム及びアプリケーションとして実現し得る。ファームウェア及び／又はソフトウェアとして実現する場合、本明細書に記載の実施形態は、以上に記載の方法をコンピュータで実施するためのプログラムが記憶された非一時的コンピュータ可読媒体で実現可能である。本明細書に記載の種々のエンジンは、コンピュータシステムで提供可能であることを理解すべきである。例えば、図５のコンピュータシステム１０００で提供可能であり、その場合、プロセッサ１００４は、メモリコンポーネント１００６／１００８／１０１０のいずれか１つ又はそれらの組合せにより提供される命令及び入力デバイス１０１４を介して提供されるユーザ入力に従って、これらのエンジンにより提供される解析及び決定を実行しよう。
[00312] 本教示は種々の実施形態との関連で記載されているが、本教示をかかる実施形態に限定することを意図するものではない。そうではなく、当業者であれば分かるであろうが、本教示は、種々の代替形態、変更形態、及び等価形態を包含する。
[00313] 更に、種々の実施形態を記載する際、本明細書では、特定の順序の工程として方法及び／又はプロセスを提示したものもある。しかし、本方法又はプロセスが本明細書に明記された特定の順序の工程に依拠しない限り、本方法又はプロセスは、記載の特定の順序の工程に限定すべきでない。当業者であれば分かるであろうが、他の順序の工程も可能であり得る。したがって、本明細書に明記された特定の順序の工程は、特許請求の範囲を限定するものと解釈すべきでない。そのほか、本方法及び／又はプロセスに関する請求項は、記載の順序でそれらの工程を実施することに限定すべきでなく、順序を変更しても依然として種々の実施形態の趣旨及び範囲の枠内にとどまり得ることは、当業者であれば容易に理解できる。
[00314] 本明細書に記載の実施形態は、ハンドヘルドデバイス、マイクロプロセッサシステム、マイクロプロセサーベースの又はプログラマブルなコンシューマ電子製品、ミニコンピュータ、メインフレームコンピュータ等を含む他のコンピュータシステム構成と共に実施可能である。実施形態はまた、ネットワークを介してリンクされたリモート処理デバイスによりタスクが実施される分散コンピューティング環境でも実施可能である。
[00315] 本明細書に記載の実施形態は、コンピュータシステムに記憶されたデータを必要とする種々のコンピュータ実行操作を利用可能であることも、理解すべきである。こうした操作は、物理量の物理的操作を必要とするものである。必ずというわけではないが、通常、これらの量は、組み合わせて、記憶、転送、結合、比較、及び他の操作が可能な電気シグナル又は磁気シグナルの形態をとる。更に、実施される操作は、生成、同定、決定、比較等という用語で呼ばれることが多い。
[00316] 本明細書に記載の実施形態の一部をなす操作はいずれも、有用な機械操作である。本明細書に記載の実施形態はまた、これらの操作を実施するためのデバイス又は装置に関する。本明細書に記載のシステム及び方法は、所要の目的に合わせて特別に構築可能であるか、又はコンピュータに記憶されたコンピュータプログラムにより選択的に起動又は構成される汎用コンピュータであり得る。特定的には、本明細書の教示に従って書かれたコンピュータプログラムにより種々の汎用機械を使用し得るか、又は所要の操作を実施するようにより専用化された装置を構築することがより便利なこともあり得る。
[00317] 特定の実施形態はまた、コンピュータ可読媒体上のコンピュータ可読コードとして具現化可能である。コンピュータ可読媒体は、データを記憶可能で後でコンピュータシステムにより読取り可能な任意のデータ記憶デバイスである。コンピュータ可読媒体の例としては、ハードドライブ、ネットワーク接続記憶装置（ＮＡＳ）、リードオンリーメモリ、ランダムアクセスメモリ、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＣＤ－ＲＷ、磁気テープ、並びに他の光学、ＦＬＡＳＨメモリ、及び非光学のデータ記憶デバイスが挙げられる。コンピュータ可読媒体はまた、コンピュータ可読コードが分散方式で記憶・実行されるように、ネットワーク結合コンピュータシステム全体に分散可能である。
[00318] 本発明の具体的な実施形態及び適用を本明細書に記載してきたが、これらの実施形態及び適用は例示的なものにすぎず、多くの変形形態が可能である。
[00319] 本開示のいくつかの実施形態の列挙。
[00320] １． 画像中の微小物体の自動検出方法であって、対応する複数の微小物体特性に対して画像から複数のピクセルマスクを発生させることであって、複数のピクセルマスクを発生させることが、機械学習アルゴリズムを用いて画像からのピクセルデータを処理することを含み、且つ各ピクセルマスクがピクセルアノテーションのセットを含み、セットの各ピクセルアノテーションが、画像中の対応するピクセルが対応する微小物体特性を表す確率を表す、発生させることと、複数のピクセルマスクの少なくとも１つのピクセルマスクから微小物体の数を得ることと、を含む方法。
[00321] ２． 微小物体の数が複数のピクセルマスクの、ピクセルマスクの組合せから得られる、実施形態１に記載の方法。
[00322] ３． 複数の微小物体特性が少なくとも３つの微小物体特性を含む、実施形態１又は２に記載の方法。
[00323] ４． 複数の微小物体特性が、少なくとも（ｉ）微小物体中心、（ｉｉ）微小物体エッジ、及び（ｉｉｉ）非微小物体を含む、実施形態１又は２に記載の方法。
[00324] ５． 微小物体の数を得ることが、微小物体中心特性に対応するピクセルマスク又は微小物体中心特性に対応するピクセルマスクを含むピクセルマスクの組合せから微小物体の数を得ることを含む、実施形態４に記載の方法。
[00325] ６． 機械学習アルゴリズムがニューラルネットワーク（例えば、畳込みニューラルネットワーク）を含む、実施形態１～５のいずれか一つに記載の方法。
[00326] ７． ニューラルネットワークが複数のダウンサンプリングブロック（例えば、少なくとも２、３、４個等のダウンサンプリングブロック）を含み、各ダウンサンプリングブロックが、第１のダウンサンプリング畳込み層と、第１のバッチ正規化層と、ゲーティング関数を含む第１のＥＬＵ層と、を含み、且つ第１のダウンサンプリング畳込み層の各々が、それが受け取る画像データの空間分解能を低減する、実施形態６に記載の方法。
[00327] ８． ダウンサンプリングブロックの１つ以上（例えば各々）が、第１のダウンサンプリング畳込み層と、第１のバッチ正規化層と、第１のＥＬＵ層と、からなり（又はそれらから本質的になり）、第１のＥＬＵ層が第１のバッチ正規化層から画像データを直接受け取り、且つ第１のバッチ正規化層が第１のダウンサンプリング畳込み層から画像データを直接受け取る、実施形態７に記載の方法。
[00328] ９． 各ダウンサンプリング畳込み層が、それが受け取る画像データの空間分解能を１／２に低減する（例えば、畳込みフィルタ（又はカーネル）を一度に２ピクセルだけスライドさせることにより）、実施形態７又は８に記載の方法。
[00329] １０． 第１のダウンサンプリング畳込み層の各々が５×５畳込みフィルタを含む、実施形態７～９のいずれか一つに記載の方法。
[00330] １１． 複数のダウンサンプリングブロックの１つ以上（例えば各々）に、ブランチ構造を有する残差ネットワークブロックが続く、実施形態７～１０のいずれか一つに記載の方法。
[00331] １２． 残差ネットワークブロックのブランチ構造が第１のブランチと第２のブランチとを含み、且つ第１のブランチが、先行するダウンサンプリングブロックから受け取った画像データを第２のブランチよりも少ない程度で処理する、実施形態１１に記載の方法。
[00332] １３． 残差ネットワークブロックの第１のブランチが、第２の畳込み層と、第２のバッチ正規化層と、ゲーティング関数を含む第２のＥＬＵ層と、を含む、実施形態１２に記載の方法。
[00333] １４． 残差ネットワークブロックの第１のブランチが、第２の畳込み層と、第２のバッチ正規化層と、第２のＥＬＵ層と、からなり（又はそれらから本質的になり）、第２のＥＬＵ層が第２のバッチ正規化層から画像データを直接受け取り、且つ第２のバッチ正規化層が第２の畳込み層から画像データを直接受け取る、実施形態１３に記載の方法。
[00334] １５． 第２の畳込み層が１×１畳込みフィルタを含む、実施形態１３又は１４に記載の方法。
[00335] １６． 残差ネットワークブロックの第２のブランチが２つ以上の処理ユニットを含み、各処理ユニットが畳込み層とバッチ正規化層とを含む、実施形態１１～１５のいずれか一つに記載の方法。
[00336] １７． 残差ネットワークブロックの第２のブランチが、第３の畳込み層と、第３のバッチ正規化層と、ゲーティング関数を含む第３のＥＬＵ層と、第４の畳込み層と、第４のバッチ正規化層と、からなり（又はそれらから本質的になり）、第４のバッチ正規化層が第４の畳込み層から画像データを直接受け取り、第４の畳込み層が第３のＥＬＵ層から画像データを直接受け取り、第３のＥＬＵ層が第３のバッチ正規化層から画像データを直接受け取り、且つ第３のバッチ正規化層が第３の畳込み層から画像データを直接受け取る、実施形態１６に記載の方法。
[00337] １８． 第３の畳込み層が３×３畳込みフィルタを含む、実施形態１６又は１７に記載の方法。
[00338] １９． 第４の畳込み層が３×３畳込みフィルタを含む、実施形態１７又は１８に記載の方法。
[00339] ２０． 残差ネットワークブロックの第１のブランチ（例えば、第１のブランチのＥＬＵ層）からの画像データと、残差ネットワークブロックの第２のブランチ（例えば、第２のブランチの第４のバッチ正規化層）からの画像データと、が再結合されて、ゲーティング関数を含む第４のＥＬＵ層に転送される、実施形態１１～１９のいずれか一つに記載の方法。
[00340] ２１． ニューラルネットワークが、第１のダウンサンプリングブロック、第１の残差ネットワークブロック、第２のダウンサンプリングブロック、第２の残差ネットワークブロック、第３のダウンサンプリングブロック、及び第３の残差ネットワークブロックを含む、実施形態６～２０のいずれか一つに記載の方法。
[00341] ２２． 第１のダウンサンプリングブロック及び第１の残差ネットワークブロックの各々が、３２個のチャネルと画像の空間分解能の１／２の空間分解能とを含む、実施形態２１に記載の方法。
[00342] ２３． 第２のダウンサンプリングブロック及び第２の残差ネットワークブロックの各々が、６４個のチャネルと画像の分解能の１／４の空間分解能とを含む、実施形態２１又は２２に記載の方法。
[00343] ２４． 第３のダウンサンプリングブロック及び第３の残差ネットワークブロックの各々が、１２８個のチャネルと画像の分解能の１／８の空間分解能とを含む、実施形態２１～２３のいずれか一つに記載の方法。
[00344] ２５． ニューラルネットワークが複数のダウンサンプリングブロックの各々に対してアップサンプリングブロックを含み、各アップサンプリングブロックが、転置畳込み層と、アップサンプリングバッチ正規化層と、ゲーティング関数を含むアップサンプリングＥＬＵ層と、を含み、且つ各アップサンプリングブロックの転置畳込み層がそれが受け取る画像データの空間分解能を増加させる、実施形態７～２４のいずれか一つに記載の方法。
[00345] ２６． アップサンプリングブロックの１つ以上の各々が再結合層を含み、そこでアップサンプリングバッチ正規化層からの画像データが先行する残差ネットワークブロックからの画像データとマージされる、実施形態２５に記載の方法。
[00346] ２７． １つ以上のアップサンプリングブロックの各々が、転置畳込み層と、アップサンプリングバッチ正規化層と、再結合層と、アップサンプリングＥＬＵ層と、からなり（又はそれらから本質的になり）、アップサンプリングＥＬＵ層が再結合層から画像データを直接受け取り、アップサンプリングバッチ正規化層が再構築転置層から画像データを直接受け取る、実施形態２６に記載の方法。
[00347] ２８． 各転置畳込み層がそれが受け取る画像データの空間分解能を２倍に増加させる、実施形態２５～２７のいずれか一つに記載の方法。
[00348] ２９． ニューラルネットワークがｎ個のダウンサンプリングブロックとｎ個の残差ネットワークブロックとを有する場合、ネットワークが、再結合層を含むｎ－１個のアップサンプリングブロックを有する、実施形態２７又は２８に記載の方法。
[00349] ３０． ニューラルネットワークが、第２の残差ネットワークブロックから画像データを受け取る再結合層を有する第１のアップサンプリングブロックと、第１の残差ネットワークブロックから画像データを受け取る再結合層を有する第２のアップサンプリングブロックと、再結合層を含まない第３のアップサンプリングブロックと、を含む、実施形態２５～２９のいずれか一つに記載の方法。
[00350] ３１． 第１のアップサンプリングブロックが、６４個のチャネルを含み、且つ画像の空間分解能の１／４の空間分解能を有する画像データを出力する、実施形態３０に記載の方法。
[00351] ３２． 第２のアップサンプリングブロックが、３２個のチャネルを含み、且つ画像の空間分解能の１／２の空間分解能を有する画像データを出力する、実施形態３０又は３１に記載の方法。
[00352] ３３． 第３のアップサンプリングブロックが、３個のチャネルを含み、且つ画像の分解能と同一の空間分解能を有する画像データを出力する、実施形態３０～３２のいずれか一つに記載の方法。
[00353] ３４． ニューラルネットワークが図５Ａ～Ｄに示されるものと実質的に同一の構造を有する、実施形態６～３３のいずれか一つに記載の方法。
[00354] ３５． 複数のピクセルマスクを発生させる前に画像を前処理することを更に含む、実施形態１～３４のいずれか一つに記載の方法。
[00355] ３６． 微小物体がマイクロ流体デバイス内で撮像され、且つ前処理することが、撮像時にマイクロ流体デバイスの少なくとも１つのコンポーネントにより生成された繰返しパターンを減算することを含む、実施形態３５に記載の方法。
[00356] ３７． 前処理することが、画像にフーリエ変換を適用して繰返しパターンを同定することを含む、実施形態３６に記載の方法。
[00357] ３８． マイクロ流体デバイスの少なくとも１つのコンポーネントが基板表面である、実施形態３６又は３７に記載の方法。
[00358] ３９． マイクロ流体デバイスの少なくとも１つのコンポーネントが、フォトトランジスタアレイを含む基板表面である、実施形態３６～３８のいずれか一つに記載の方法。
[00359] ４０． 画像を前処理することが、画像をフリップ及び／又は回転させて所望の位置付けにすることを含む、実施形態３５～３９のいずれか一つに記載の方法。
[00360] ４１． 画像を前処理することが、（例えば、二次又はより高次の多項式による最良当てはめ補正等の多項式による最良当てはめ補正を用いて）画像全体にわたり明るさをレベリングすることを含む、実施形態３５～４０のいずれか一つに記載の方法。
[00361] ４２． 画像を前処理することが、（例えば、既知のドット間隔を有するドットアレイの対応する画像を検査することにより計算されたルックアップテーブルを用いて）撮像プロセス時に画像に導入された歪みを補正することを含む、実施形態３５～４１のいずれか一つに記載の方法。
[00362] ４３． 画像を前処理することが、コントラスト強調を適用することを含む、実施形態３５～４２のいずれか一つに記載の方法。
[00363] ４４． 微小物体の数が同定された微小物体を複数の微小物体タイプの少なくとも１つに分類することを更に含む、実施形態１～４３のいずれか一つに記載の方法。
[00364] ４５． 微小物体を含有するトレーニング画像のセットを用いてニューラルネットワークをトレーニングすることを更に含む、実施形態６～４４のいずれか一つに記載の方法。
[00365] ４６． トレーニング画像が、トレーニング画像の手動目視検査から得られたトレーニングデータと組み合わせて使用される、実施形態４５に記載の方法。
[00366] ４７． トレーニング画像が、同一のタイプ及び／又は数の微小物体を含有するコンピュータ検証画像から得られたトレーニングデータと組み合わせて使用される、実施形態４５又は４６に記載の方法。
[00367] ４８． 微小物体が生体細胞である、実施形態１～４７のいずれか一つに記載の方法。
[00368] ４９． 生体細胞が免疫細胞（例えば、Ｔ細胞、Ｂ細胞、ＮＫ細胞、マクロファージ等）である、実施形態４８に記載の方法。
[00369] ５０． 生体細胞が細胞系細胞（例えばＣＨＯ細胞）又は癌細胞である、実施形態４９に記載の方法。
[00370] ５１． 生体細胞が、卵母細胞、精子、又は胚である、実施形態４９に記載の方法。
[00371] ５２． 画像中の微小物体の自動検出方法をコンピュータで実施するためのプログラムが記憶された非一時的コンピュータ可読媒体であって、方法が、１つ以上の微小物体を含み得る画像をメモリに記憶させることと、対応する複数の微小物体特性に対して画像から複数のピクセルマスクを発生させることと、複数のピクセルマスクの少なくとも１つのピクセルマスクから微小物体の数を得ることと、を含み、発生させる工程及び得る工程が、実施形態１～５１又は９３～１２８のいずれか一つに従って実施される、非一時的コンピュータ可読媒体。
[00372] ５３． 微小物体の数が、マイクロ流体デバイス内に配置された微小物体に対するものである、実施形態５２に記載の方法。
[00373] ５４． 方法が、画像を前処理することを更に含み、前処理することが、複数のピクセルマスクを発生させる前に実施される、実施形態５２又は５３に記載の方法。
[00374] ５５． 微小物体がマイクロ流体デバイス内で撮像されたものであり、且つ画像を前処理することが、撮像時にマイクロ流体デバイスの少なくとも１つのコンポーネントにより生成された繰返しパターンを減算することを含む、実施形態５４に記載の方法。
[00375] ５６． 前処理が、画像にフーリエ変換を適用して繰返しパターンを同定することを含む、実施形態５５に記載の方法。
[00376] ５７． マイクロ流体デバイスの少なくとも１つのコンポーネントが基板表面である、実施形態５５又は５６に記載の方法。
[00377] ５８． マイクロ流体デバイスの少なくとも１つのコンポーネントがフォトトランジスタアレイである、実施形態５５又は５６に記載の方法。
[00378] ５９． 複数の微小物体特性が、微小物体中心、微小物体境界、及び非微小物体を含む、実施形態５２～５８のいずれか一つに記載の方法。
[00379] ６０． 複数の対応する微小物体特性が細胞特性である、実施形態５２～５８のいずれか一つに記載の方法。
[00380] ６１． 細胞特性が、細胞中心、細胞境界、及び非細胞を含む、実施形態６０に記載の方法。
[00381] ６２． カウントされる微小物体が生体細胞である、実施形態５２～６１のいずれか一つに記載の方法。
[00382] ６３． 生体細胞が免疫細胞（例えば、Ｔ細胞、Ｂ細胞、ＮＫ細胞、マクロファージ等）である、実施形態６２に記載の方法。
[00383] ６４． 生体細胞が細胞系細胞（例えばＣＨＯ細胞）又は癌細胞である、実施形態６２に記載の方法。
[00384] ６５． 生体細胞が、卵母細胞、精子、又は胚である、実施形態６２に記載
の方法。
[00385] ６６． 発生させる工程が第１のモジュールで実施される、実施形態５２～６５のいずれか一つに記載の方法。
[00386] ６７． 得る工程が第２のモジュールで実施される、実施形態５２～６６のいずれか一つに記載の方法。
[00387] ６８． 発生させる工程及び得る工程が単一モジュールで実施される、実施形態５２～６５のいずれか一つに記載の方法。
[00388] ６９． 複数の隔離ペンを含むマイクロ流体デバイスによる微小物体の再配置方法であって、マイクロ流体デバイス内に配置された微小物体のセットを同定することであって、微小物体のセットが実施形態１～５１又は９３～１２８のいずれか一つに記載の方法に従って同定される、同定することと、１つ以上の軌道を計算することであって、各軌道が微小物体のセットの中の１つの微小物体と複数の隔離ペンの中の１つの隔離ペンとを結び付ける経路である、計算することと、微小物体のセットの中の１つ以上の微小物体に対して、１つ以上の軌道の中から軌道を選択することと、その選択された軌道に沿って微小物体を移動させることにより、１つ以上の微小物体の中から選択された軌道を有する少なくとも１つの微小物体を再配置することと（例えば、再配置することは、本明細書に開示されるように活性化可能なＤＥＰ力を用いて又は当技術分野で公知の任意の他の技術を用いて実施可能である）、を含む方法。
[00389] ７０． １つ以上の微小物体の中から選択された軌道を有する少なくとも１つの微小物体を再配置することが、その選択された軌道に沿って第１の微小物体を移動させることと、その選択された軌道に沿って第２の微小物体を移動させることと、を含む、実施形態６９に記載の方法。
[00390] ７１． 第１及び第２の微小物体がそれらの選択された軌道に沿って並列に移動される、実施形態７０に記載の方法。
[00391] ７２． 微小物体のセットに関連する密度値を計算することと、微小物体のセットに関連する密度値に少なくとも部分的に基づいて１つ以上の軌道を計算することとを更に含む、実施形態６９～７１のいずれか一つに記載の方法。
[00392] ７３． 密度値が閾値を超えることを決定することと、微小物体のセットの中の第１の微小物体に対して、第１の微小物体と複数の隔離ペンの中の１つ以上の隔離ペンとを結び付ける１つ以上の軌道を計算することと、を更に含む、実施形態７２に記載の方法。
[00393] ７４． 密度値が閾値を超えないことを決定することと、複数の隔離ペンの中の第１の隔離ペンに対して、第１の隔離ペンと微小物体のセットの中の１つ以上の微小物体とを結び付ける１つ以上の軌道を計算することと、を更に含む、実施形態７２に記載の方法。
[00394] ７５． 複数の隔離ペンの中の空の隔離ペンを同定することを更に含み、１つ以上の計算された軌道が、微小物体のセットの中の１つの微小物体と、複数の隔離ペンの中の１つの空の隔離ペンと、を結び付ける、実施形態６９～７４のいずれか一つに記載の方法。
[00395] ７６． １つ以上の軌道の中から軌道を選択することが、選択された軌道の長さの和が最小化されるように、再配置される各微小物体に対して軌道を選択することを含む、実施形態６９～７５のいずれか一つに記載の方法。
[00396] ７７． 選択された軌道の長さの和を最小化することが、次のもの：グリーディアルゴリズム、ヒューリスティックスベースのアルゴリズム、非線形アルゴリズム、及び拘束探索の少なくとも１つを使用することを含む、実施形態７６に記載の方法。
[00397] ７８． １つ以上の軌道の中から軌道を選択することが、軌道が予め決められた最大長さを超えるかを決定することを更に含む、実施形態６９～７７のいずれか一つに記載の方法。
[00398] ７９． １つ以上の微小物体の中の少なくとも１つの微小物体を再配置することが、少なくとも１つの微小物体の各々を第１の時間にわたり初期速度から移動速度に加速することを含む、実施形態６９～７８のいずれか一つに記載の方法。
[00399] ８０． １つ以上の微小物体の中の少なくとも１つの微小物体を再配置することが、少なくとも１つの微小物体の各々を第２の時間にわたり移動速度から最終速度に減速することを含む、実施形態６９に記載の方法。
[00400] ８１． マイクロ流体デバイスによる微小物体の再配置方法であって、マイクロ流体デバイスの特定空間領域内に配置された微小物体のセットを同定することであって、微小物体のセットが実施形態１～５１又は９３～１２８のいずれか一つに記載の方法に従って同定される、同定することと、特定空間領域を微小物体のセットの中の１つ以上の微小物体を各々含有するサブ領域に分割する頂点のセットを計算することと、計算された頂点のセットに基づいて微小物体のセットの中の第１の微小物体に対して第１の光ケージを発生させることと、マイクロ流体デバイスの特定空間領域に対して第１の光ケージを移動させることにより第１の微小物体を再配置することと（例えば、対応する複数の微小物体に対して複数の光ケージを発生させ、次いで、マイクロ流体デバイスの特定空間領域に対して複数の光ケージを移動させることが可能である）、を含む方法。
[00401] ８２． 頂点のセットを計算することが、特定空間領域をサブ領域に分割する頂点のセットを計算することを含み、サブ領域の少なくともサブセットが、微小物体のセットの中の単一微小物体を含有する、実施形態８１に記載の方法。
[00402] ８３． 頂点のセットを計算することが、微小物体のセットのドロネー三角形分割を計算することと、微小物体のセットのドロネー三角形分割に基づいてボロノイ図を作成することと、ボロノイ図に基づいて頂点のセットを同定することと、を含む、実施形態８１又は８２に記載の方法。
[00403] ８４． 第１の光ケージを発生させることが、頂点のセットの頂点のサブセットを結ぶ複数の光バーを発生させることを含み、頂点のサブセットが、第１の微小物体に最も近接する及びそれを取り囲む頂点を含む（又はそれからなる）、実施形態８１～８３のいずれか一つに記載の方法。
[00404] ８５． 第１の光ケージのサイズを収縮させることにより、第１の微小物体と特定空間領域内の他の微小物体及び／又は光ケージとを分離することを更に含む、実施形態８４に記載の方法。
[00405] ８６． 第１の光ケージを発生させることが、微小物体のセットの中の第１の微小物体に対して初期光ケージを計算することと、初期光ケージと頂点のセットとの交差を計算することと、初期光ケージと頂点のセットとの交差に基づいて修正された第１の光ケージを発生させることと、を含む、実施形態８１～８３のいずれか一つに記載の方法。
[00406] ８７． 微小物体のセットの中の第２の微小物体に対して、計算された頂点のセットに基づいて第２の光ケージを発生させることを更に含む、実施形態８１～８６のいずれかに記載の方法。
[00407] ８８． マイクロ流体デバイスの特定空間領域に対して第１の修正光ケージ及び第２の修正光ケージの両方を移動させて、第１の微小物体と第２の微小物体とを物理的に分離させることを更に含む、実施形態８７に記載の方法。
[00408] ８９． 第１の微小物体及び第２の微小物体が特定空間領域の隣接サブ領域に初期に位置決めされる、実施形態８８に記載の方法。
[00409] ９０． 対象の微小物体が細胞である、実施形態８１～８９のいずれか一つに記載の方法。
[00410] ９１． 細胞が哺乳動物細胞である、実施形態９０に記載の方法。
[00411] ９２． 細胞が、血液細胞、ハイブリドーマ、癌細胞、及びトランスフォーム細胞からなる群から選択される、実施形態９０又は９１に記載の方法。
[00412] ９３． 画像中の微小物体の自動検出方法であって、マイクロ流体デバイスの画像データを受け取ることと、画像データを前処理して画像データ中の異常を低減することと、ニューラルネットワークを用いて画像データ中のピクセルデータを処理して複数の微小物体特性に従ってピクセルデータにアノテートすると共にピクセルデータ中の各ピクセルに対する確率値を出力することと、閾値を適用してどのピクセル確率が少なくとも規定閾値を満たすかを決定することと、閾値適用後に同定可能な微小物体の数に基づいて微小物体の数を決定することと、を含む方法。
[00413] ９４． ニューラルネットワークがダウンサンプリングブロックを含み、ダウンサンプリングブロックが、ダウンサンプリング畳込み層と、ダウンサンプリングバッチ正規化層と、ダウンサンプリング活性化層と、を含む、実施形態９３に記載の方法。
[00414] ９５． ニューラルネットワークが複数のダウンサンプリングブロックを含み、各ダウンサンプリングブロックが、ダウンサンプリング畳込み層と、ダウンサンプリングバッチ正規化層と、ダウンサンプリング活性化層と、を含む、実施形態９３に記載の方法。
[00415] ９６． 各ダウンサンプリング畳込み層が画像データの空間分解能を１／２に低減する、実施形態９４又は９５に記載の方法。
[00416] ９７． 各ダウンサンプリング畳込み層が画像データの空間分解能を１／２に低減し、且つ各ダウンサンプリング畳込み層が５×５畳込みフィルタを含む、実施形態９４又は９５に記載の方法。
[00417] ９８． 複数のダウンサンプリングブロックの１つ以上に、ブランチ構造を有する残差ネットワークブロックが続く、実施形態９４又は９５に記載の方法。
[00418] ９９． 残差ネットワークブロックのブランチ構造が第１のブランチと第２のブランチとを含み、且つ第１のブランチが、先行するダウンサンプリングブロックから受け取った画像データを第２のブランチよりも少ない程度で処理する、実施形態９８に記載の方法。
[00419] １００． 残差ネットワークブロックの第１のブランチが、第１のブランチ畳込み層と、第１のブランチバッチ正規化層と、第１のブランチ活性化層と、を含む、実施形態９９に記載の方法。
[00420] １０１． 第１のブランチ活性化層が、第１のブランチバッチ正規化層から画像データを直接受け取り、且つ第１のブランチバッチ正規化層が第１のブランチ畳込み層から画像データを直接受け取る、実施形態１００に記載の方法。
[00421] １０２． 第１のブランチ畳込み層が１×１畳込みフィルタを含む、実施形態１００又は１０１に記載の方法。
[00422] １０３． 残差ネットワークブロックの第２のブランチが２つ以上の処理ユニットを含み、各処理ユニットが残差畳込み層と残差バッチ正規化層とを含む、実施形態９９～１０２のいずれか一つに記載の方法。
[00423] １０４． 残差ネットワークブロックの第２のブランチが、第１の残差畳込み層と、第１の残差バッチ正規化層と、第２のブランチ活性化層と、第２の残差畳込み層と、第２の残差バッチ正規化層と、を含み、第２の残差バッチ正規化層が第２の残差畳込み層から画像データを直接受け取り、第２の残差畳込み層が第２のブランチ活性化層から画像データを直接受け取り、第２のブランチ活性化層が第１の残差バッチ正規化層から画像データを直接受け取り、且つ第１の残差バッチ正規化層が第１の残差畳込み層から画像データを直接受け取る、実施形態１０３に記載の方法。
[00424] １０５． 第１の残差畳込み層が第１の残差畳込みフィルタを含み、且つ第２の残差畳込み層が第２の残差畳込みフィルタを含み、且つ第１及び第２の残差畳込みフィルタが異なる寸法を有する、実施形態１０４に記載の方法。
[00425] １０６． 第１の残差畳込み層が第１の残差畳込みフィルタを含み、且つ第２の残差畳込み層が第２の残差畳込みフィルタを含み、且つ第１及び第２の残差畳込みフィルタが同一の寸法を有する、実施形態１０４に記載の方法。
[00426] １０７． 第１のブランチ及び第２のブランチからの画像データが再結合されて、残差ネットワーク活性化層に転送される、実施形態９９～１０６のいずれか一つに記載の方法。
[00427] １０８． ニューラルネットワークが、第１のダウンサンプリングブロック、第１の残差ネットワークブロック、第２のダウンサンプリングブロック、第２の残差ネットワークブロック、第３のダウンサンプリングブロック、及び第３の残差ネットワークブロックを含む、実施形態９４～１０７のいずれか一つに記載の方法。
[00428] １０９． 第１のダウンサンプリングブロック及び第１の残差ネットワークブロックの各々が、３２個のチャネルと画像の空間分解能の１／２の空間分解能とを含む、実施形態１０８に記載の方法。
[00429] １１０． 第２のダウンサンプリングブロック及び第２の残差ネットワークブロックの各々が、６４個のチャネルと画像の分解能の１／４の空間分解能とを含む、実施形態１０８又は１０９に記載の方法。
[00430] １１１． 第３のダウンサンプリングブロック及び第３の残差ネットワークブロックの各々が、１２８個のチャネルと画像の分解能の１／８の空間分解能とを含む、
実施形態１０８～１１０のいずれか一つに記載の方法。
[00431] １１２． ニューラルネットワークが複数のダウンサンプリングブロックの各々に対してアップサンプリングブロックを含み、各アップサンプリングブロックが、転置畳込み層と、アップサンプリングバッチ正規化層と、アップサンプリング活性化層と、を含み、且つ各アップサンプリングブロックの転置畳込み層がそれが受け取る画像データの空間分解能を増加させる、実施形態９５～１１１のいずれか一つに記載の方法。
[00432] １１３． アップサンプリングブロックの１つ以上が再結合層を含み、そこでアップサンプリングバッチ正規化層からの画像データが先行する残差ネットワークブロックからの画像データとマージされる、実施形態１１２に記載の方法。
[00433] １１４． １つ以上のアップサンプリングブロックが、転置畳込み層と、アップサンプリングバッチ正規化層、再結合層と、アップサンプリング活性化層と、を含み、アップサンプリング活性化層が再結合層から画像データを直接受け取り、再結合層がアップサンプリングバッチ正規化層から画像データを直接受け取り、且つアップサンプリングバッチ正規化層が転置畳込み層から画像データを直接受け取る、実施形態１１３に記載の方法。
[00434] １１５． 各転置畳込み層が画像データの空間分解能を２倍に増加させる、
実施形態１１２～１１４のいずれか一つに記載の方法。
[00435] １１６． ニューラルネットワークがｎ個のダウンサンプリングブロックとｎ個の残差ネットワークブロックとを有する場合、ネットワークが、再結合層を含むｎ－１個のアップサンプリングブロックを有する、実施形態１１３又は１１４に記載の方法。
[00436] １１７． ニューラルネットワークが、第２の残差ネットワークブロックから画像データを受け取る再結合層を有する第１のアップサンプリングブロックと、第１の残差ネットワークブロックから画像データを受け取る再結合層を有する第２のアップサンプリングブロックと、再結合層を含まない第３のアップサンプリングブロックと、を含む、実施形態１１３～１１６のいずれか一つに記載の方法。
[00437] １１８． 第１のアップサンプリングブロックが、６４個のチャネルを含み、且つ画像の空間分解能の１／４の空間分解能を有する画像データを出力する、実施形態１１７に記載の方法。
[00438] １１９． 第２のアップサンプリングブロックが、３２個のチャネルを含み、且つ画像の空間分解能の１／２の空間分解能を有する画像データを出力する、実施形態１１７又は１１８に記載の方法。
[00439] １２０． 第３のアップサンプリングブロックが、３個のチャネルを含み、且つ画像の分解能と同一の空間分解能を有する画像データを出力する、実施形態１１７～１２０のいずれか一つに記載の方法。
[00440] １２１． 微小物体を複数の微小物体タイプの少なくとも１つに分類することを更に含む、実施形態９３～１２０のいずれか一つに記載の方法。
[00441] １２２． 微小物体を含有するトレーニング画像のセットを用いてニューラルネットワークをトレーニングすることを更に含む、実施形態９３～１２１のいずれか一つに記載の方法。
[00442] １２３． トレーニング画像が、トレーニング画像の手動目視検査から得られたトレーニングデータと組み合わせて使用される、実施形態１２２に記載の方法。
[00443] １２４． トレーニング画像が、同一のタイプ及び／又は数の微小物体を含有するコンピュータ検証画像から得られたトレーニングデータと組み合わせて使用される、実施形態１２２又は１２３に記載の方法。
[00444] １２５． 微小物体が生体細胞である、実施形態９３～１２４のいずれか一つに記載の方法。
[00445] １２６． 生体細胞が免疫細胞である、実施形態１２５に記載の方法。
[00446] １２７． 生体細胞が細胞系細胞又は癌細胞である、実施形態１２５に記載の方法。
[00447] １２８． 生体細胞が、卵母細胞、精子、又は胚である、実施形態１２５に記載の方法。
[00448] １２９． 画像中の微小物体の自動検出方法をコンピュータで実施するためのプログラムが記憶された非一時的コンピュータ可読媒体であって、方法が、マイクロ流体デバイスの画像データを受け取ることと、画像データを前処理して画像データ中の異常を低減することと、ニューラルネットワークを用いて画像データ中のピクセルデータを処理して複数の微小物体特性に従ってピクセルデータにアノテートすると共にピクセルデータ中の各ピクセルに対する確率値を出力することと、閾値を適用してどのピクセル確率が少なくとも規定閾値を満たすかを決定することと、閾値適用後に同定可能な微小物体の数に基づいて微小物体の数を決定することと、を含む、非一時的コンピュータ可読媒体。
[00449] １３０． ニューラルネットワークがダウンサンプリングブロックを含み、ダウンサンプリングブロックが、ダウンサンプリング畳込み層と、ダウンサンプリングバッチ正規化層と、ダウンサンプリング活性化層と、を含む、実施形態１２９に記載の方法。
[00450] １３１． ニューラルネットワークが複数のダウンサンプリングブロックを含み、各ダウンサンプリングブロックが、ダウンサンプリング畳込み層と、ダウンサンプリングバッチ正規化層と、ダウンサンプリング活性化層と、を含む、実施形態１２９に記載の方法。
[00451] １３２． 各ダウンサンプリング畳込み層が画像データの空間分解能を１／２に低減する、実施形態１３０又は１３１に記載の方法。
[00452] １３３． 各ダウンサンプリング畳込み層が画像データの空間分解能を１／２に低減し、且つ各ダウンサンプリング畳込み層が５×５畳込みフィルタを含む、実施形態１３０又は１３１に記載の方法。
[00453] １３４． 複数のダウンサンプリングブロックの１つ以上に、ブランチ構造を有する残差ネットワークブロックが続く、実施形態１３０又は１３１に記載の方法。
[00454] １３５． 残差ネットワークブロックのブランチ構造が第１のブランチと第２のブランチとを含み、且つ第１のブランチが、先行するダウンサンプリングブロックか
ら受け取った画像データを第２のブランチよりも少ない程度で処理する、実施形態１３４に記載の方法。
[00455] １３６． 残差ネットワークブロックの第１のブランチが、第１のブランチ畳込み層と、第１のブランチバッチ正規化層と、第１のブランチ活性化層と、を含む、実施形態１３５に記載の方法。
[00456] １３７． 第１のブランチ活性化層が、第１のブランチバッチ正規化層から画像データを直接受け取り、且つ第１のブランチバッチ正規化層が第１のブランチ畳込み層から画像データを直接受け取る、実施形態１３６に記載の方法。
[00457] １３８． 第１のブランチ畳込み層が１×１畳込みフィルタを含む、実施形態１３６又は１３７に記載の方法。
[00458] １３９． 残差ネットワークブロックの第２のブランチが２つ以上の処理ユニットを含み、各処理ユニットが残差畳込み層と残差バッチ正規化層とを含む、実施形態１３５～１３７のいずれか一つに記載の方法。
[00459] １４０． 残差ネットワークブロックの第２のブランチが、第１の残差畳込み層と、第１の残差バッチ正規化層と、第２のブランチ活性化層と、第２の残差畳込み層と、第２の残差バッチ正規化層と、を含み、第２の残差バッチ正規化層が第２の残差畳込み層から画像データを直接受け取り、第２の残差畳込み層が第２のブランチ活性化層から画像データを直接受け取り、第２のブランチ活性化層が第１の残差バッチ正規化層から画像データを直接受け取り、且つ第１の残差バッチ正規化層が第１の残差畳込み層から画像データを直接受け取る、実施形態１３９に記載の方法。
[00460] １４１． 第１の残差畳込み層が第１の残差畳込みフィルタを含み、且つ第２の残差畳込み層が第２の残差畳込みフィルタを含み、且つ第１及び第２の残差畳込みフィルタが異なる寸法を有する、実施形態１４０に記載の方法。
[00461] １４２． 第１の残差畳込み層が第１の残差畳込みフィルタを含み、且つ第２の残差畳込み層が第２の残差畳込みフィルタを含み、且つ第１及び第２の残差畳込みフィルタが同一の寸法を有する、実施形態１４０に記載の方法。
[00462] １４３． 第１のブランチ及び第２のブランチからの画像データが再結合されて、残差ネットワーク活性化層に転送される、実施形態１３５～１４２のいずれか一つに記載の方法。
[00463] １４４． ニューラルネットワークが、第１のダウンサンプリングブロック、第１の残差ネットワークブロック、第２のダウンサンプリングブロック、第２の残差ネットワークブロック、第３のダウンサンプリングブロック、及び第３の残差ネットワークブロックを含む、実施形態１２９～１４３のいずれか一つに記載の方法。
[00464] １４５． 第１のダウンサンプリングブロック及び第１の残差ネットワークブロックの各々が、３２個のチャネルと画像の空間分解能の１／２の空間分解能とを含む、実施形態１４４に記載の方法。
[00465] １４６． 第２のダウンサンプリングブロック及び第２の残差ネットワークブロックの各々が、６４個のチャネルと画像の分解能の１／４の空間分解能とを含む、実施形態１４４又は１４５に記載の方法。
[00466] １４７． 第３のダウンサンプリングブロック及び第３の残差ネットワークブロックの各々が、１２８個のチャネルと画像の分解能の１／８の空間分解能とを含む、実施形態１４４～１４６のいずれか一つに記載の方法。
[00467] １４８． ニューラルネットワークが複数のダウンサンプリングブロックの各々に対してアップサンプリングブロックを含み、各アップサンプリングブロックが、転置畳込み層と、アップサンプリングバッチ正規化層と、アップサンプリング活性化層と、を含み、且つ各アップサンプリングブロックの転置畳込み層がそれが受け取る画像データの空間分解能を増加させる、実施形態１３１～１４７のいずれか一つに記載の方法。
[00468] １４９． アップサンプリングブロックの１つ以上が再結合層を含み、そこでアップサンプリングバッチ正規化層からの画像データが先行する残差ネットワークブロックからの画像データとマージされる、実施形態１４８に記載の方法。
[00469] １５０． １つ以上のアップサンプリングブロックが、転置畳込み層と、アップサンプリングバッチ正規化層、再結合層と、アップサンプリング活性化層と、を含み、アップサンプリング活性化層が再結合層から画像データを直接受け取り、再結合層がアップサンプリングバッチ正規化層から画像データを直接受け取り、且つアップサンプリングバッチ正規化層が転置畳込み層から画像データを直接受け取る、実施形態１４９に記載の方法。
[00470] １５１． 各転置畳込み層が画像データの空間分解能を２倍に増加させる、
実施形態１４８～１５０のいずれか一つに記載の方法。
[00471] １５２． ニューラルネットワークがｎ個のダウンサンプリングブロックとｎ個の残差ネットワークブロックとを有する場合、ネットワークが、再結合層を含むｎ－１個のアップサンプリングブロックを有する、実施形態１４９又は１５０に記載の方法。
[00472] １５３． ニューラルネットワークが、第２の残差ネットワークブロックから画像データを受け取る再結合層を有する第１のアップサンプリングブロックと、第１の残差ネットワークブロックから画像データを受け取る再結合層を有する第２のアップサンプリングブロックと、再結合層を含まない第３のアップサンプリングブロックと、を含む、実施形態１４９～１５１のいずれか一つに記載の方法。
[00473] １５４． 第１のアップサンプリングブロックが、６４個のチャネルを含み、且つ画像の空間分解能の１／４の空間分解能を有する画像データを出力する、実施形態１５３に記載の方法。
[00474] １５５． 第２のアップサンプリングブロックが、３２個のチャネルを含み、且つ画像の空間分解能の１／２の空間分解能を有する画像データを出力する、実施形態１５３又は１５４に記載の方法。
[00475] １５６． 第３のアップサンプリングブロックが、３個のチャネルを含み、且つ画像の分解能と同一の空間分解能を有する画像データを出力する、実施形態１５３～１５５のいずれか一つに記載の方法。
[00476] １５７． 微小物体を複数の微小物体タイプの少なくとも１つに分類することを更に含む、実施形態１２９～１５６のいずれか一つに記載の方法。
[00477] １５８． 微小物体を含有するトレーニング画像のセットを用いてニューラルネットワークをトレーニングすることを更に含む、実施形態１２９～１５７のいずれか一つに記載の方法。
[00478] １５９． トレーニング画像が、トレーニング画像の手動目視検査から得られたトレーニングデータと組み合わせて使用される、実施形態１５８に記載の方法。
[00479] １６０． トレーニング画像が、同一のタイプ及び／又は数の微小物体を含有するコンピュータ検証画像から得られたトレーニングデータと組み合わせて使用される、実施形態１５８又は１５９に記載の方法。
[00480] １６１． 微小物体が生体細胞である、実施形態１２９～１６０のいずれか一つに記載の方法。
[00481] １６２． 生体細胞が免疫細胞である、実施形態１６１に記載の方法。
[00482] １６３． 生体細胞が細胞系細胞又は癌細胞である、実施形態１６１に記載の方法。
[00483] １６４． 生体細胞が、卵母細胞、精子、又は胚である、実施形態１６１に記載の方法。
[00484] １６５． 画像中の微小物体の自動検出システムであって、マイクロ流体デバイスの１つ以上の画像を捕捉するように構成された撮像素子と、画像データ中の異常を低減するように構成された画像前処理エンジンと、を含む画像取得ユニットと、複数の微小物体特性に従って画像中のピクセルデータにアノテートすると共に、ピクセルデータの各ピクセルに対する確率値を出力するように構成されたニューラルネットワークと、どのピクセル確率が少なくとも規定閾値を満たすか決定するように構成された閾値エンジンと、画像後処理技術を適用して微小物体の数を出力するように構成された検出エンジンと、を含む、画像取得ユニットに通信接続された微小物体検出ユニットと、を含むシステム。
[00485] １６６． ニューラルネットワークがダウンサンプリングブロックを含み、ダウンサンプリングブロックが、ダウンサンプリング畳込み層と、ダウンサンプリングバッチ正規化層と、ダウンサンプリング活性化層と、を含む、実施形態１６５に記載のシステム。
[00486] １６７． ニューラルネットワークが複数のダウンサンプリングブロックを含み、各ダウンサンプリングブロックが、ダウンサンプリング畳込み層と、ダウンサンプリングバッチ正規化層と、ダウンサンプリング活性化層と、を含む、実施形態１６５に記載のシステム。
[00487] １６８． 各ダウンサンプリング畳込み層が、画像データの空間分解能を１／２に低減するように構成される、実施形態１６６又は１６７のシステム。
[00488] １６９． 各ダウンサンプリング畳込み層が画像データの空間分解能を１／２に低減するように構成され、且つ各ダウンサンプリング畳込み層が５×５畳込みフィルタを含む、実施形態１６６又は１６７に記載のシステム。
[00489] １７０． 複数のダウンサンプリングブロックの１つ以上に、ブランチ構造を有する残差ネットワークブロックが続く、実施形態１６６又は１６７に記載のシステム
。
[00490] １７１． 残差ネットワークブロックのブランチ構造が第１のブランチと第２のブランチとを含み、且つ第１のブランチが、先行するダウンサンプリングブロックから受け取った画像データを第２のブランチよりも少ない程度で処理する、実施形態１７０に記載のシステム。
[00491] １７２． 残差ネットワークブロックの第１のブランチが、第１のブランチ畳込み層と、第１のブランチバッチ正規化層と、第１のブランチ活性化層と、を含む、実施形態１７１に記載のシステム。
[00492] １７３． 第１のブランチ活性化層が、第１のブランチバッチ正規化層から画像データを直接受け取るように構成され、且つ第１のブランチバッチ正規化層が第１のブランチ畳込み層から画像データを直接受け取るように構成される、実施形態１７２に記載のシステム。
[00493] １７４． 第１のブランチ畳込み層が１×１畳込みフィルタを含む、実施形態１７２又は１７３に記載のシステム。
[00494] １７５． 残差ネットワークブロックの第２のブランチが２つ以上の処理ユニットを含み、各処理ユニットが残差畳込み層と残差バッチ正規化層とを含む、実施形態１７１～１７３のいずれか一つに記載のシステム。
[00495] １７６． 残差ネットワークブロックの第２のブランチが、第１の残差畳込み層と、第１の残差バッチ正規化層と、第２のブランチ活性化層と、第２の残差畳込み層と、第２の残差バッチ正規化層と、を含み、第２の残差バッチ正規化層が第２の残差畳込み層から画像データを直接受け取るように構成され、第２の残差畳込み層が第２のブランチ活性化層から画像データを直接受け取るように構成され、第２のブランチ活性化層が第１の残差バッチ正規化層から画像データを直接受け取るように構成され、且つ第１の残差バッチ正規化層が第１の残差畳込み層から画像データを直接受け取るように構成される、実施形態１７５に記載のシステム。
[00496] １７７． 第１の残差畳込み層が第１の残差畳込みフィルタを含み、且つ第２の残差畳込み層が第２の残差畳込みフィルタを含み、且つ第１及び第２の残差畳込みフィルタが異なる寸法を有する、実施形態１７６に記載のシステム。
[00497] １７８． 第１の残差畳込み層が第１の残差畳込みフィルタを含み、且つ第２の残差畳込み層が第２の残差畳込みフィルタを含み、且つ第１及び第２の残差畳込みフィルタが同一の寸法を有する、実施形態１７６に記載のシステム。
[00498] １７９． 残差ネットワークブロックが、第１のブランチ及び第２のブランチからの画像データを再結合させて再結合層からの出力を残差ネットワーク活性化層に転送するように構成された再結合層を更に含む、実施形態１７６～１７８のいずれか一つに記載のシステム。
[00499] １８０． ニューラルネットワークが、第１のダウンサンプリングブロック、第１の残差ネットワークブロック、第２のダウンサンプリングブロック、第２の残差ネットワークブロック、第３のダウンサンプリングブロック、及び第３の残差ネットワークブロックを含む、実施形態１７５～１７９のいずれか一つに記載のシステム。
[00500] １８１． 第１のダウンサンプリングブロック及び第１の残差ネットワークブロックの各々が、３２個のチャネルと画像の空間分解能の１／２の空間分解能とを含む、実施形態１８０に記載のシステム。
[00501] １８２． 第２のダウンサンプリングブロック及び第２の残差ネットワークブロックの各々が、６４個のチャネルと画像の分解能の１／４の空間分解能とを含む、実施形態１８０又は１８１のシステム。
[00502] １８３． 第３のダウンサンプリングブロック及び第３の残差ネットワークブロックの各々が、１２８個のチャネルと画像の分解能の１／８の空間分解能とを含む、実施形態１８０～１８２のいずれか一つに記載のシステム。
[00503] １８４． ニューラルネットワークが複数のダウンサンプリングブロックの各々に対してアップサンプリングブロックを含み、各アップサンプリングブロックが、転置畳込み層と、アップサンプリングバッチ正規化層と、アップサンプリング活性化層と、を含み、且つ各アップサンプリングブロックの転置畳込み層が、それが受け取る画像データの空間分解能を増加させるように構成される、実施形態１７９～１８３のいずれか一つに記載のシステム。
[00504] １８５． アップサンプリングブロックの１つ以上が、アップサンプリングバッチ正規化層からの画像データと先行する残差ネットワークブロックからの画像データとをマージするように構成された再結合層を含む、実施形態１８４に記載のシステム。
[00505] １８６． １つ以上のアップサンプリングブロックが、転置畳込み層と、アップサンプリングバッチ正規化層、再結合層と、アップサンプリング活性化層と、を含み、アップサンプリング活性化層が再結合層から画像データを直接受け取るように構成され、再結合層がアップサンプリングバッチ正規化層から画像データを直接受け取るように構成され、且つアップサンプリングバッチ正規化層が転置畳込み層から画像データを直接受け取るように構成される、実施形態１８５に記載のシステム。
[00506] １８７． 各転置畳込み層が、画像データの空間分解能を２倍に増加させるように構成される、実施形態１８４～１８６のいずれか一つに記載のシステム。
[00507] １８８． ニューラルネットワークがｎ個のダウンサンプリングブロックとｎ個の残差ネットワークブロックとを有する場合、ネットワークが、再結合層を含むｎ－１個のアップサンプリングブロックを有する、実施形態１８５又は１８６に記載のシステム。
[00508] １８９． ニューラルネットワークが、第２の残差ネットワークブロックから画像データを受け取るように構成された再結合層を有する第１のアップサンプリングブロックと、第１の残差ネットワークブロックから画像データを受け取るように構成された再結合層を有する第２のアップサンプリングブロックと、再結合層を含まない第３のアップサンプリングブロックと、を含む、実施形態１８５～１８８のいずれか一つに記載のシステム。
[00509] １９０． 第１のアップサンプリングブロックが、６４個のチャネルを含み、且つ画像の空間分解能の１／４の空間分解能を有する画像データを出力する、実施形態１８９に記載のシステム。
[00510] １９１． 第２のアップサンプリングブロックが、３２個のチャネルを含み、且つ画像の空間分解能の１／２の空間分解能を有する画像データを出力する、実施形態１８９又は１９０に記載のシステム。
[00511] １９２． 第３のアップサンプリングブロックが、３個のチャネルを含み、且つ画像の分解能と同一の空間分解能を有する画像データを出力する、実施形態１８９～１９１のいずれか一つに記載のシステム。
[00512] １９３． 微小物体が生体細胞である、実施形態１６５～１９２のいずれか一つに記載のシステム。
[00513] １９４． 生体細胞が免疫細胞である、実施形態１９３に記載のシステム。
[00514] １９５． 生体細胞が細胞系細胞又は癌細胞である、実施形態１９３に記載のシステム。
[00515] １９６． 生体細胞が、卵母細胞、精子、又は胚である、実施形態１９３に記載のシステム。

Claims (78)

  1. 画像中の微小物体の自動検出方法であって、
    対応する複数の微小物体特性に対して前記画像から複数のピクセルマスクを発生させることであって、前記複数のピクセルマスクを発生させることが、機械学習アルゴリズムを用いて前記画像からのピクセルデータを処理することを含み、且つ各ピクセルマスクがピクセルアノテーションのセットを含み、前記セットの各ピクセルアノテーションが、前記画像中の対応するピクセルが前記対応する微小物体特性を表す確率を表す、複数のピクセルマスクを発生させることと、
    前記複数のピクセルマスクの少なくとも１つのピクセルマスクから微小物体の数を得ることと、
    を含む、方法。
  2. 前記複数の微小物体特性が少なくとも３つの微小物体特性を含む、請求項１に記載の方法。
  3. 前記複数の微小物体特性が、少なくとも（ｉ）微小物体中心、（ｉｉ）微小物体エッジ、及び（ｉｉｉ）非微小物体を含む、請求項１に記載の方法。
  4. 微小物体の数を得ることが、前記微小物体中心特性に対応するピクセルマスク又は前記微小物体中心特性に対応するピクセルマスクを含むピクセルマスクの組合せから微小物体の数を得ることを含む、請求項３に記載の方法。
  5. 前記機械学習アルゴリズムがニューラルネットワークを含む、請求項１に記載の方法。
  6. 前記ニューラルネットワークが複数のダウンサンプリングブロックを含み、各ダウンサンプリングブロックが、第１のダウンサンプリング畳込み層と、第１のバッチ正規化層と、ゲーティング関数を含む第１のＥＬＵ層と、を含み、且つ前記第１のダウンサンプリング畳込み層の各々が、それが受け取る画像データの空間分解能を低減する、請求項５に記載の方法。
  7. 前記ダウンサンプリングブロックの１つ以上が、前記第１のダウンサンプリング畳込み層と、前記第１のバッチ正規化層と、前記第１のＥＬＵ層と、からなり、前記第１のＥＬＵ層が前記第１のバッチ正規化層から画像データを直接受け取り、且つ前記第１のバッチ正規化層が前記第１のダウンサンプリング畳込み層から画像データを直接受け取る、請求項６に記載の方法。
  8. 各ダウンサンプリング畳込み層が前記画像データの空間分解能を１／２に低減する、請求項７に記載の方法。
  9. 前記第１のダウンサンプリング畳込み層の各々が５×５畳込みフィルタを含む、請求項７に記載の方法。
  10. 前記複数のダウンサンプリングブロックの１つ以上に、ブランチ構造を有する残差ネットワークブロックが続く、請求項６に記載の方法。
  11. 前記残差ネットワークブロックのブランチ構造が第１のブランチと第２のブランチとを含み、且つ前記第１のブランチが、先行するダウンサンプリングブロックから受け取った画像データを前記第２のブランチよりも少ない程度で処理する、請求項１０に記載の方法。
  12. 前記残差ネットワークブロックの第１のブランチが、第２の畳込み層と、第２のバッチ正規化層と、ゲーティング関数を含む第２のＥＬＵ層と、を含む、請求項１１に記載の方法。
  13. 前記第２の畳込み層が１×１畳込みフィルタを含む、請求項１２に記載の方法。
  14. 前記残差ネットワークブロックの第２のブランチが２つ以上の処理ユニットを含み、各処理ユニットが畳込み層とバッチ正規化層とを含む、請求項１１に記載の方法。
  15. 前記残差ネットワークブロックの第２のブランチが、第３の畳込み層と、第３のバッチ正規化層と、ゲーティング関数を含む第３のＥＬＵ層と、第４の畳込み層と、第４のバッチ正規化層と、からなり、前記第４のバッチ正規化層が前記第４の畳込み層から画像データを直接受け取り、前記第４の畳込み層が前記第３のＥＬＵ層から画像データを直接受け取り、前記第３のＥＬＵ層が前記第３のバッチ正規化層から画像データを直接受け取り、且つ前記第３のバッチ正規化層が前記第３の畳込み層から画像データを直接受け取る、請求項１４に記載の方法。
  16. 前記第３の畳込み層が３×３畳込みフィルタを含む、請求項１５に記載の方法。
  17. 前記第４の畳込み層が３×３畳込みフィルタを含む、請求項１５に記載の方法。
  18. 前記残差ネットワークブロックの第１のブランチ及び前記残差ネットワークブロックの第２のブランチからの画像データが再結合されて、ゲーティング関数を含む第４のＥＬＵ層に転送される、請求項１１に記載の方法。
  19. 前記ニューラルネットワークが、第１のダウンサンプリングブロック、第１の残差ネットワークブロック、第２のダウンサンプリングブロック、第２の残差ネットワークブロック、第３のダウンサンプリングブロック、及び第３の残差ネットワークブロックを含む、請求項５に記載の方法。
  20. 前記第１のダウンサンプリングブロック及び前記第１の残差ネットワークブロックの各々が、３２個のチャネルと前記画像の空間分解能の１／２の空間分解能とを含む、請求項１９に記載の方法。
  21. 前記第２のダウンサンプリングブロック及び前記第２の残差ネットワークブロックの各々が、６４個のチャネルと前記画像の分解能の１／４の空間分解能とを含む、請求項１９に記載の方法。
  22. 前記第３のダウンサンプリングブロック及び前記第３の残差ネットワークブロックの各々が、１２８個のチャネルと前記画像の分解能の１／８の空間分解能とを含む、請求項１９に記載の方法。
  23. 前記ニューラルネットワークが前記複数のダウンサンプリングブロックの各々に対してアップサンプリングブロックを含み、各アップサンプリングブロックが、転置畳込み層と、アップサンプリングバッチ正規化層と、ゲーティング関数を含むアップサンプリングＥＬＵ層と、を含み、且つ各アップサンプリングブロックの転置畳込み層がそれが受け取る画像データの空間分解能を増加させる、請求項６に記載の方法。
  24. 前記アップサンプリングブロックの１つ以上の各々が再結合層を含み、そこで前記アップサンプリングバッチ正規化層からの画像データが先行する残差ネットワークブロックからの画像データとマージされる、請求項２３に記載の方法。
  25. 前記１つ以上のアップサンプリングブロックの各々が、前記転置畳込み層と、前記アップサンプリングバッチ正規化層と、前記再結合層と、前記アップサンプリングＥＬＵ層と、からなり、前記アップサンプリングＥＬＵ層が前記再結合層から画像データを直接受け取り、前記アップサンプリングバッチ正規化層が前記再構築転置層から画像データを直接受け取る、請求項２３に記載の方法。
  26. 各転置畳込み層がそれが受け取る画像データの空間分解能を２倍に増加させる、請求項２３に記載の方法。
  27. 前記ニューラルネットワークがｎ個のダウンサンプリングブロックとｎ個の残差ネットワークブロックとを有する場合、前記ネットワークが、再結合層を含むｎ－１個のアップサンプリングブロックを有する、請求項２４に記載の方法。
  28. 前記ニューラルネットワークが、第２の残差ネットワークブロックから画像データを受け取る再結合層を有する第１のアップサンプリングブロックと、第１の残差ネットワークブロックから画像データを受け取る再結合層を有する第２のアップサンプリングブロックと、再結合層を含まない第３のアップサンプリングブロックと、を含む、請求項２４に記載の方法。
  29. 前記第１のアップサンプリングブロックが、６４個のチャネルを含み、且つ前記画像の空間分解能の１／４の空間分解能を有する画像データを出力する、請求項２８に記載の方法。
  30. 前記第２のアップサンプリングブロックが、３２個のチャネルを含み、且つ前記画像の空間分解能の１／２の空間分解能を有する画像データを出力する、請求項２８に記載の方法。
  31. 前記第３のアップサンプリングブロックが、３個のチャネルを含み、且つ前記画像の分解能と同一の空間分解能を有する画像データを出力する、請求項２８に記載の方法。
  32. 複数のピクセルマスクを発生させる前に前記画像を前処理することを更に含む、請求項１のいずれか一項に記載の方法。
  33. 前記微小物体がマイクロ流体デバイス内で撮像され、且つ前記前処理することが、撮像時に前記マイクロ流体デバイスの少なくとも１つのコンポーネントにより生成された繰返しパターンを減算することを含む、請求項３２に記載の方法。
  34. 前記前処理することが、前記画像にフーリエ変換を適用して前記繰返しパターンを同定することを含む、請求項３３に記載の方法。
  35. 前記マイクロ流体デバイスの少なくとも１つのコンポーネントが、フォトトランジスタアレイを含む基板表面である、請求項３４に記載の方法。
  36. 前記画像を前処理することが、前記画像をフリップ及び／又は回転させて所望の位置付けにすることを含む、請求項３２に記載の方法。
  37. 前記画像を前処理することが、多項式による最良当てはめ補正を用いて前記画像全体にわたり明るさをレベリングすることを含む、請求項３２に記載の方法。
  38. 前記画像を前処理することが、撮像プロセス時に前記画像に導入される歪みを補正することを含む、請求項３２に記載の方法。
  39. 微小物体を含有するトレーニング画像のセットを用いて前記ニューラルネットワークをトレーニングすることを更に含む、請求項５に記載の方法。
  40. 微小物体の数が同定された前記微小物体を複数の微小物体タイプの少なくとも１つに分類することを更に含む、請求項１に記載の方法。
  41. 前記微小物体が生体細胞である、請求項１に記載の方法。
  42. 前記生体細胞が、免疫細胞、癌細胞、細胞系細胞、卵母細胞、精子、又は胚である、請求項４１に記載の方法。
  43. 画像中の微小物体の自動検出方法をコンピュータで実施するためのプログラムが記憶された非一時的コンピュータ可読媒体であって、前記方法が、
    １つ以上の微小物体を含み得る画像をメモリに記憶させることと、
    対応する複数の微小物体特性に対して前記画像から複数のピクセルマスクを発生させることと、
    前記複数のピクセルマスクの少なくとも１つのピクセルマスクから微小物体の数を得ることと、
    を含み、
    前記発生させる工程及び前記得る工程が、請求項１～４２又は４８～７７のいずれか一項に従って実施される、非一時的コンピュータ可読媒体。
  44. 前記微小物体が生体細胞である、請求項４３に記載の方法。
  45. 前記生体細胞が、免疫細胞、癌細胞、細胞系細胞、卵母細胞、精子、又は胚である、請求項４４に記載の方法。
  46. 複数の隔離ペンを含むマイクロ流体デバイスによる微小物体の再配置方法であって、
    前記マイクロ流体デバイス内に配置された微小物体のセットを同定することであって、前記微小物体のセットが請求項１～４２又は４８～７５のいずれか一項に記載の方法に従って同定される、同定することと、
    １つ以上の軌道を計算することであって、各軌道が前記微小物体のセットの中の１つの微小物体と前記複数の隔離ペンの中の１つの隔離ペンとを結び付ける経路である、計算することと、
    前記微小物体のセットの中の１つ以上の微小物体に対して、前記１つ以上の軌道の中から軌道を選択することと、
    その選択された軌道に沿って前記微小物体を移動させることにより、１つ以上の微小物体の中から選択された軌道を有する少なくとも１つの微小物体を再配置することと、
    を含む方法。
  47. マイクロ流体デバイスによる微小物体の再配置方法であって、
    前記マイクロ流体デバイスの特定空間領域内に配置された微小物体のセットを同定することであって、前記微小物体のセットが請求項１～４２又は４８～７５のいずれか一項に記載の方法に従って同定される、同定することと、
    前記特定空間領域を前記微小物体のセットの中の１つ以上の微小物体を各々含有するサブ領域に分割する頂点のセットを計算することと、
    前記計算された頂点のセットに基づいて前記微小物体のセットの中の第１の微小物体に対して第１の光ケージを発生させることと、
    前記マイクロ流体デバイスの特定空間領域に対して前記第１の光ケージを移動させることにより前記第１の微小物体を再配置することと、
    を含む方法。
  48. 画像中の微小物体の自動検出方法であって、
    マイクロ流体デバイスの画像データを受け取ることと、
    前記画像データを前処理して前記画像データ中の異常を低減することと、
    ニューラルネットワークを用いて前記画像データ中のピクセルデータを処理して複数の微小物体特性に従って前記ピクセルデータにアノテートすると共に前記ピクセルデータ中の各ピクセルに対する確率値を出力することと、
    閾値を適用してどのピクセル確率が少なくとも規定閾値を満たすかを決定することと、
    閾値適用後に同定可能な微小物体の数に基づいて微小物体の数を決定することと、
    を含む方法。
  49. 前記ニューラルネットワークがダウンサンプリングブロックを含み、前記ダウンサンプリングブロックが、ダウンサンプリング畳込み層と、ダウンサンプリングバッチ正規化層と、ダウンサンプリング活性化層と、を含む、請求項４８に記載の方法。
  50. 前記ニューラルネットワークが複数のダウンサンプリングブロックを含み、各ダウンサンプリングブロックが、ダウンサンプリング畳込み層と、ダウンサンプリングバッチ正規化層と、ダウンサンプリング活性化層と、を含む、請求項４９に記載の方法。
  51. 各ダウンサンプリング畳込み層が画像データの空間分解能を１／２に低減する、請求項５０に記載の方法。
  52. 各ダウンサンプリング畳込み層が５×５畳込みフィルタを含む、請求項５０に記載の方法。
  53. 前記複数のダウンサンプリングブロックの１つ以上に、ブランチ構造を有する残差ネットワークブロックが続く、請求項５０に記載の方法。
  54. 前記残差ネットワークブロックのブランチ構造が第１のブランチと第２のブランチとを含み、且つ前記第１のブランチが、先行するダウンサンプリングブロックから受け取った画像データを前記第２のブランチよりも少ない程度で処理する、請求項５３に記載の方法。
  55. 前記残差ネットワークブロックの第１のブランチが、第１のブランチ畳込み層と、第１のブランチバッチ正規化層と、第１のブランチ活性化層と、を含み、前記第１のブランチ活性化層が前記第１のブランチバッチ正規化層から画像データを直接受け取り、且つ前記第１のブランチバッチ正規化層が前記第１のブランチ畳込み層から画像データを直接受け取る、請求項５４に記載の方法。
  56. 前記第１のブランチ畳込み層が１×１畳込みフィルタを含む、請求項５４に記載の方法。
  57. 前記残差ネットワークブロックの第２のブランチが２つ以上の処理ユニットを含み、各処理ユニットが残差畳込み層と残差バッチ正規化層とを含む、請求項５４に記載の方法。
  58. 前記残差ネットワークブロックの第２のブランチが、第１の残差畳込み層と、第１の残差バッチ正規化層と、第２のブランチ活性化層と、第２の残差畳込み層と、第２の残差バッチ正規化層と、を含み、前記第２の残差バッチ正規化層が前記第２の残差畳込み層から画像データを直接受け取り、前記第２の残差畳込み層が前記第２のブランチ活性化層から画像データを直接受け取り、前記第２のブランチ活性化層が前記第１の残差バッチ正規化層から画像データを直接受け取り、且つ前記第１の残差バッチ正規化層が前記第１の残差畳込み層から画像データを直接受け取る、請求項５７に記載の方法。
  59. 前記第１の残差畳込み層が第１の残差畳込みフィルタを含み、且つ前記第２の残差畳込み層が第２の残差畳込みフィルタを含み、且つ前記第１及び第２の残差畳込みフィルタが同一の寸法を有する、請求項５８に記載の方法。
  60. 前記第１のブランチ及び前記第２のブランチからの画像データが再結合されて、残差ネットワーク活性化層に転送される、請求項５４に記載の方法。
  61. 前記ニューラルネットワークが、第１のダウンサンプリングブロック、第１の残差ネットワークブロック、第２のダウンサンプリングブロック、第２の残差ネットワークブロック、第３のダウンサンプリングブロック、及び第３の残差ネットワークブロックを含む、請求項５３に記載の方法。
  62. 前記第１のダウンサンプリングブロック及び前記第１の残差ネットワークブロックの各々が、３２個のチャネルと前記画像の空間分解能の１／２の空間分解能とを含み前記第２のダウンサンプリングブロック及び前記第２の残差ネットワークブロックの各々が、６４個のチャネルと前記画像の分解能の１／４の空間分解能とを含み、且つ前記第３のダウンサンプリングブロック及び前記第３の残差ネットワークブロックの各々が、１２８個のチャネルと前記画像の分解能の１／８の空間分解能とを含む、請求項６１に記載の方法。
  63. 前記ニューラルネットワークが前記複数のダウンサンプリングブロックの各々に対してアップサンプリングブロックを含み、各アップサンプリングブロックが、転置畳込み層と、アップサンプリングバッチ正規化層と、アップサンプリング活性化層と、を含み、且つ各アップサンプリングブロックの転置畳込み層がそれが受け取る画像データの空間分解能を増加させる、請求項５０に記載の方法。
  64. 前記アップサンプリングブロックの１つ以上が再結合層を含み、そこで前記アップサンプリングバッチ正規化層からの画像データが先行する残差ネットワークブロックからの画像データとマージされる、請求項６３に記載の方法。
  65. １つ以上のアップサンプリングブロックが、前記転置畳込み層と、前記アップサンプリングバッチ正規化層と、前記再結合層と、前記アップサンプリング活性化層と、を含み、前記アップサンプリング活性化層が前記再結合層から画像データを直接受け取り、前記再結合層が前記アップサンプリングバッチ正規化層から画像データを直接受け取り、且つ前記アップサンプリングバッチ正規化層が前記転置畳込み層から画像データを直接受け取る、請求項６４に記載の方法。
  66. 各転置畳込み層が画像データの空間分解能を２倍に増加させる、請求項６３に記載の方法。
  67. 前記ニューラルネットワークがｎ個のダウンサンプリングブロックとｎ個の残差ネットワークブロックとを有する場合、前記ネットワークが、再結合層を含むｎ－１個のアップ
    サンプリングブロックを有する、請求項６４に記載の方法。
  68. 前記ニューラルネットワークが、第２の残差ネットワークブロックから画像データを受け取る再結合層を有する第１のアップサンプリングブロックと、第１の残差ネットワークブロックから画像データを受け取る再結合層を有する第２のアップサンプリングブロックと、再結合層を含まない第３のアップサンプリングブロックと、を含む、請求項６４に記載の方法。
  69. 前記第１のアップサンプリングブロックが、６４個のチャネルを含み、且つ前記画像の空間分解能の１／４の空間分解能を有する画像データを出力する、請求項６８に記載の方法。
  70. 前記第２のアップサンプリングブロックが、３２個のチャネルを含み、且つ前記画像の空間分解能の１／２の空間分解能を有する画像データを出力する、請求項６８に記載の方法。
  71. 前記第３のアップサンプリングブロックが、３個のチャネルを含み、且つ前記画像の分解能と同一の空間分解能を有する画像データを出力する、請求項６８に記載の方法。
  72. 前記微小物体を複数の微小物体タイプの少なくともの１つに分類することを更に含む、請求項４８に記載の方法。
  73. 微小物体を含有するトレーニング画像のセットを用いて前記ニューラルネットワークをトレーニングすることを更に含む、請求項４８に記載の方法。
  74. 前記微小物体が生体細胞である、請求項４８に記載の方法。
  75. 前記生体細胞が、免疫細胞、癌細胞、細胞系の細胞、卵母細胞、精子、又は胚である、請求項７４に記載の方法。
  76. 画像中の微小物体の自動検出方法をコンピュータで実施するためのプログラムが記憶された非一時的コンピュータ可読媒体であって、前記方法が、
    マイクロ流体デバイスの画像データを受け取ることと、
    前記画像データを前処理して前記画像データ中の異常を低減することと、
    ニューラルネットワークを用いて前記画像データ中のピクセルデータを処理して複数の微小物体特性に従って前記ピクセルデータにアノテートすると共に前記ピクセルデータ中の各ピクセルに対する確率値を出力することと、
    閾値を適用してどのピクセル確率が少なくとも規定閾値を満たすかを決定することと、
    閾値適用後に同定可能な微小物体の数に基づいて微小物体の数を決定することと、
    を含む、非一時的コンピュータ可読媒体。
  77. 前記微小物体の自動検出方法が請求項４８～７５のいずれか一項に従って実施される、請求項７６に記載の非一時的コンピュータ可読媒体。
  78. 画像取得ユニットであって、
    マイクロ流体デバイスの１つ以上の画像を捕捉するように構成された撮像素子と、
    前記画像データ中の異常を低減するように構成された画像前処理エンジンと、
    を含む、画像取得ユニットと、
    微小物体検出ユニットであって、
    複数の微小物体特性に従って画像中のピクセルデータにアノテートすると共に、前記
    ピクセルデータの各ピクセルに対する確率値を出力するように構成されたニューラルネットワークと、
    どのピクセル確率が少なくとも規定閾値を満たすか決定するように構成された閾値エンジンと、
    画像後処理技術を適用して微小物体の数を出力するように構成された検出エンジンと、
    を含む、前記画像取得ユニットに通信接続された微小物体検出ユニットと、
    を含む、画像中の微小物体の自動検出システム。
JP2022150955A 2016-12-01 2022-09-22 マイクロ流体デバイスによる微小物体の自動検出及び再配置 Active JP7221444B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2023013800A JP2023052813A (ja) 2016-12-01 2023-02-01 マイクロ流体デバイスによる微小物体の自動検出及び再配置

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US201662429071P 2016-12-01 2016-12-01
US62/429,071 2016-12-01
US201762579897P 2017-11-01 2017-11-01
US62/579,897 2017-11-01
JP2019528810A JP2019537157A (ja) 2016-12-01 2017-12-01 マイクロ流体デバイスによる微小物体の自動検出及び再配置

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2019528810A Division JP2019537157A (ja) 2016-12-01 2017-12-01 マイクロ流体デバイスによる微小物体の自動検出及び再配置

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2023013800A Division JP2023052813A (ja) 2016-12-01 2023-02-01 マイクロ流体デバイスによる微小物体の自動検出及び再配置

Publications (2)

Publication Number Publication Date
JP2023011551A true JP2023011551A (ja) 2023-01-24
JP7221444B2 JP7221444B2 (ja) 2023-02-13

Family

ID=62242750

Family Applications (3)

Application Number Title Priority Date Filing Date
JP2019528810A Pending JP2019537157A (ja) 2016-12-01 2017-12-01 マイクロ流体デバイスによる微小物体の自動検出及び再配置
JP2022150955A Active JP7221444B2 (ja) 2016-12-01 2022-09-22 マイクロ流体デバイスによる微小物体の自動検出及び再配置
JP2023013800A Pending JP2023052813A (ja) 2016-12-01 2023-02-01 マイクロ流体デバイスによる微小物体の自動検出及び再配置

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2019528810A Pending JP2019537157A (ja) 2016-12-01 2017-12-01 マイクロ流体デバイスによる微小物体の自動検出及び再配置

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2023013800A Pending JP2023052813A (ja) 2016-12-01 2023-02-01 マイクロ流体デバイスによる微小物体の自動検出及び再配置

Country Status (10)

Country Link
US (2) US11170200B2 (ja)
EP (1) EP3549099A4 (ja)
JP (3) JP2019537157A (ja)
KR (1) KR20190091298A (ja)
CN (2) CN110268414B (ja)
AU (2) AU2017368268A1 (ja)
CA (1) CA3045333A1 (ja)
IL (2) IL267009B (ja)
TW (1) TWI795380B (ja)
WO (1) WO2018102748A1 (ja)

Families Citing this family (44)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3350644B1 (en) 2015-09-17 2021-04-28 S.D. Sight Diagnostics Ltd. Methods and apparatus for detecting an entity in a bodily sample
US11733150B2 (en) 2016-03-30 2023-08-22 S.D. Sight Diagnostics Ltd. Distinguishing between blood sample components
US10675625B2 (en) 2016-04-15 2020-06-09 Berkeley Lights, Inc Light sequencing and patterns for dielectrophoretic transport
EP3455610B1 (en) 2016-05-11 2023-01-04 S.D. Sight Diagnostics Ltd. Sample carrier for optical measurements
US10558204B2 (en) * 2016-09-19 2020-02-11 Palo Alto Research Center Incorporated System and method for scalable real-time micro-object position control with the aid of a digital computer
EP3549099A4 (en) 2016-12-01 2020-07-29 Berkeley Lights, Inc. AUTOMATED DETECTION AND REPOSITIONING OF MICROBODIES IN MICROFLUIDIC DEVICES
KR102551430B1 (ko) 2016-12-01 2023-07-05 버클리 라잇츠, 인크. 미세-객체들을 이미징하기 위한 장치들, 시스템들 및 방법들
WO2018111765A1 (en) 2016-12-12 2018-06-21 xCella Biosciences, Inc. Methods and systems for screening using microcapillary arrays
JP7227162B2 (ja) 2017-06-06 2023-02-21 ザイマージェン インコーポレイテッド 真菌株を改良するためのｈｔｐゲノム操作プラットフォーム
AU2018369859B2 (en) 2017-11-14 2024-01-25 S.D. Sight Diagnostics Ltd Sample carrier for optical measurements
KR102094598B1 (ko) * 2018-05-29 2020-03-27 한국과학기술원 뉴럴 네트워크를 이용한 희소 뷰 전산단층 촬영 영상 처리 방법 및 그 장치
WO2019236848A1 (en) 2018-06-06 2019-12-12 Zymergen Inc. Manipulation of genes involved in signal transduction to control fungal morphology during fermentation and production
GB2576191B (en) * 2018-08-08 2022-11-16 Sphere Fluidics Ltd Droplet processing methods and systems
EP3620984B1 (en) 2018-09-06 2024-04-10 Accenture Global Solutions Limited Digital quality control using computer visioning with deep learning
WO2020091732A1 (en) * 2018-10-29 2020-05-07 Hewlett-Packard Development Company, L.P. Rotation and flat-form imaging for microscopic objects
EP3874265A4 (en) * 2018-11-01 2022-09-28 Berkeley Lights, Inc. METHODS OF TESTING BIOLOGICAL CELLS IN A MICROFLUIDIC DEVICE
CN110363057A (zh) * 2018-12-29 2019-10-22 上海北昂医药科技股份有限公司 一种形态学图像中的精子识别及分类方法
US10452980B1 (en) * 2019-01-25 2019-10-22 StradVision, Inc. Learning method and learning device for extracting feature from input image by using convolutional layers in multiple blocks in CNN, resulting in hardware optimization which allows key performance index to be satisfied, and testing method and testing device using the same
CN111724309B (zh) * 2019-03-19 2023-07-14 京东方科技集团股份有限公司 图像处理方法及装置、神经网络的训练方法、存储介质
CN109977878B (zh) * 2019-03-28 2021-01-22 华南理工大学 基于重加权Anchor的车辆检测方法
CN116174068A (zh) 2019-04-30 2023-05-30 伯克利之光生命科技公司 用于包封和测定细胞的方法
CN110322438B (zh) * 2019-06-26 2021-09-14 杭州上池科技有限公司 结核分枝杆菌自动检测模型的训练方法及自动检测系统
JP7452544B2 (ja) 2019-07-09 2024-03-19 ソニーグループ株式会社 情報処理装置およびプログラム
EP3796212A1 (en) * 2019-09-23 2021-03-24 Max-Planck-Gesellschaft zur Förderung der Wissenschaften e.V. Device for image-based cell classification, method therefor and use thereof
GB2604481A (en) 2019-10-10 2022-09-07 1859 Inc Methods and systems for microfluidic screening
TW202142856A (zh) 2019-11-17 2021-11-16 美商伯克利之光生命科技公司 用於生物樣本之分析的系統及方法
TWI781408B (zh) * 2019-11-27 2022-10-21 靜宜大學 利用高光譜資料分析技術之人工智慧的細胞檢測方法及其系統
KR102499070B1 (ko) * 2020-03-02 2023-02-13 재단법인대구경북과학기술원 인공신경망을 이용한 심근 세포 모니터링 방법 및 그 장치
CN113449756B (zh) * 2020-03-26 2022-08-16 太原理工大学 一种基于改进的DenseNet的多尺度图像识别方法和装置
KR102286322B1 (ko) * 2020-05-29 2021-08-06 한국광기술원 마이크로 led 검사 시스템 및 방법
CN111738268B (zh) * 2020-07-22 2023-11-14 浙江大学 一种基于随机块的高分遥感图像的语义分割方法及系统
US11479779B2 (en) 2020-07-31 2022-10-25 Zymergen Inc. Systems and methods for high-throughput automated strain generation for non-sporulating fungi
CN112175824B (zh) * 2020-09-17 2022-05-27 厦门德运芯准科技有限公司 一种基于数字微流控技术的全自动单细胞捕获芯片及其应用
CN113298750A (zh) * 2020-09-29 2021-08-24 湖南长天自控工程有限公司 一种环冷机掉轮的检测方法
TWD218529S (zh) * 2020-09-30 2022-05-01 富佳生技股份有限公司 核酸檢測儀之圖形化使用者介面
US11893327B2 (en) 2020-12-14 2024-02-06 Xerox Corporation System and method for machine-learning enabled micro-assembly control with the aid of a digital computer
US11921488B2 (en) 2020-12-15 2024-03-05 Xerox Corporation System and method for machine-learning-enabled micro-object density distribution control with the aid of a digital computer
CN112418360B (zh) * 2021-01-21 2021-04-13 深圳市安软科技股份有限公司 卷积神经网络的训练方法、行人属性识别方法及相关设备
CN113205114A (zh) * 2021-04-13 2021-08-03 联合汽车电子有限公司 一种流量测试方法
CN113231115A (zh) * 2021-05-24 2021-08-10 清华大学 基于超滑技术的数字微流控单元以及数字微流控系统
US20230073786A1 (en) * 2021-09-03 2023-03-09 Hewlett-Packard Development Company, L.P. Particle separation
CN114308159B (zh) * 2021-12-29 2023-09-01 复旦大学 一种光致电润湿芯片中液滴的自动化控制方法
CN114693939B (zh) * 2022-03-16 2024-04-30 中南大学 一种复杂环境下透明物检测深度特征提取方法
EP4325444A1 (en) * 2022-08-18 2024-02-21 Roche Diagnostics GmbH Digital pcr leakage detection and correction methods and systems

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150166326A1 (en) * 2013-12-18 2015-06-18 Berkeley Lights, Inc. Capturing Specific Nucleic Acid Materials From Individual Biological Cells In A Micro-Fluidic Device
WO2015177268A1 (en) * 2014-05-23 2015-11-26 Ventana Medical Systems, Inc. Systems and methods for detection of biological structures and/or patterns in images
US20160171686A1 (en) * 2014-12-09 2016-06-16 Berkeley Lights, Inc. Automated detection and repositioning of micro-objects in microfluidic devices

Family Cites Families (51)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE69321013T2 (de) * 1992-03-17 1999-05-12 Koninkl Philips Electronics Nv Bildgebendes System mit Mitteln zur Kompensation von Vignettierung und ein solches bildgebendes System enthaltende Röntgenuntersuchungseinrichtung
US6259807B1 (en) * 1997-05-14 2001-07-10 Applied Imaging Corp. Identification of objects of interest using multiple illumination schemes and finding overlap of features in corresponding multiple images
US5854674A (en) 1997-05-29 1998-12-29 Optical Specialties, Inc. Method of high speed, high detection sensitivity inspection of repetitive and random specimen patterns
US6294063B1 (en) 1999-02-12 2001-09-25 Board Of Regents, The University Of Texas System Method and apparatus for programmable fluidic processing
US6942776B2 (en) 1999-05-18 2005-09-13 Silicon Biosystems S.R.L. Method and apparatus for the manipulation of particles by means of dielectrophoresis
CA2764307C (en) 2001-06-29 2015-03-03 Meso Scale Technologies, Llc. Assay plates, reader systems and methods for luminescence test measurements
CN100354429C (zh) 2001-09-06 2007-12-12 基因描绘系统有限公司 一种检测样品中靶分子的方法
US6958132B2 (en) 2002-05-31 2005-10-25 The Regents Of The University Of California Systems and methods for optical actuation of microfluidics based on opto-electrowetting
DK2270816T3 (da) 2002-07-31 2014-08-25 Premium Genetics Uk Ltd System og fremgangsmåde til sortering af materialer under anvendelse af holografisk laserstyring
US6916584B2 (en) 2002-08-01 2005-07-12 Molecular Imprints, Inc. Alignment methods for imprint lithography
JP2007506943A (ja) 2003-07-28 2007-03-22 フルイディグム コーポレイション マイクロ流体装置用の画像処理方法およびシステム
US7651598B2 (en) 2003-09-05 2010-01-26 University Of Maryland Arbitrary and simultaneous control of multiple objects in microfluidic systems
WO2005100541A2 (en) 2004-04-12 2005-10-27 The Regents Of The University Of California Optoelectronic tweezers for microparticle and cell manipulation
WO2008091848A2 (en) 2007-01-22 2008-07-31 Advanced Liquid Logic, Inc. Surface assisted fluid loading and droplet dispensing
WO2008119066A1 (en) 2007-03-28 2008-10-02 The Regents Of The University Of California Single-sided lateral-field and phototransistor-based optoelectronic tweezers
WO2008132995A1 (ja) 2007-04-12 2008-11-06 The University Of Electro-Communications 粒子計測装置、及び粒径計測装置
JP5123756B2 (ja) 2008-06-26 2013-01-23 オリンパス株式会社 撮像システム、画像処理方法および画像処理プログラム
WO2010003043A2 (en) 2008-07-03 2010-01-07 Nec Laboratories America, Inc. Signet ring cell detector and related methods
US9176310B2 (en) * 2008-07-25 2015-11-03 Sloan Kettering Institute For Cancer Research Rapid confocal microscopy to support surgical procedures
GB2464300A (en) 2008-10-10 2010-04-14 Univ Dublin City Microfluidic multiplexed cellular and molecular analysis device and method
US9533306B2 (en) 2010-08-02 2017-01-03 The Regents Of The University Of California Single sided continuous optoelectrowetting (SCEOW) device for droplet manipulation with light patterns
US9222870B2 (en) 2010-12-10 2015-12-29 The Regents Of The University Of California Method and device for multi-parameter imaging within a single fluorescent channel
GB201102037D0 (en) 2011-02-07 2011-03-23 Multi Sense Technologies Ltd Microfluidics based assay device
CN102285630A (zh) 2011-05-06 2011-12-21 中国科学技术大学苏州研究院 基于光镊的自动化微粒搬运方法
EP2602608B1 (en) 2011-12-07 2016-09-14 Imec Analysis and sorting of biological cells in flow
CN104094118B (zh) * 2011-12-30 2016-09-07 艾博特健康公司 通过显微图像自动识别全血样品中血小板的方法和设备
EP2872615A4 (en) * 2012-07-13 2016-03-30 Berkeley Lights Inc COMBINATION OF BIOLOGICAL MICRO OBJECTS
EP2904116A4 (en) * 2012-10-05 2016-05-11 California Inst Of Techn METHOD AND SYSTEMS FOR MICROFLUID RECYCLING AND ANALYSIS
EP2912434B1 (en) 2012-10-24 2019-12-04 The Regents of The University of California System and method for deforming and analyzing particles
US9857333B2 (en) 2012-10-31 2018-01-02 Berkeley Lights, Inc. Pens for biological micro-objects
US9403172B2 (en) 2012-11-08 2016-08-02 Berkeley Lights, Inc. Circuit based optoelectronic tweezers
AU2014340089B2 (en) 2013-10-22 2019-09-26 Berkeley Lights, Inc. Microfluidic devices having isolation pens and methods of testing biological micro-objects with same
US9889445B2 (en) * 2013-10-22 2018-02-13 Berkeley Lights, Inc. Micro-fluidic devices for assaying biological activity
CN109142717B (zh) * 2013-10-22 2021-11-16 伯克利之光生命科技公司 用于测定生物活性的微流体装置
US9684960B2 (en) 2014-01-25 2017-06-20 Pangea Diagnostics Limited Automated histological diagnosis of bacterial infection using image analysis
SG11201608499XA (en) 2014-04-25 2016-11-29 Berkeley Lights Inc Providing dep manipulation devices and controllable electrowetting devices in the same microfluidic apparatus
US20150306598A1 (en) 2014-04-25 2015-10-29 Berkeley Lights, Inc. DEP Force Control And Electrowetting Control In Different Sections Of The Same Microfluidic Apparatus
US20150306599A1 (en) 2014-04-25 2015-10-29 Berkeley Lights, Inc. Providing DEP Manipulation Devices And Controllable Electrowetting Devices In The Same Microfluidic Apparatus
JP2015215837A (ja) * 2014-05-13 2015-12-03 株式会社デンソー 演算処理装置
SE538435C2 (en) * 2014-05-14 2016-06-28 Cellavision Ab Method, device and computer program product for determining color transforms between images comprising a plurality of image elements
KR20170118032A (ko) * 2014-10-17 2017-10-24 시레카 테라노스틱스, 엘엘씨 분석의 최적화 및 상관관계의 사용을 포함하는 생체 시료들을 분류하기 위한 방법 및 시스템
US10578630B2 (en) * 2014-12-09 2020-03-03 Berkeley Lights, Inc. Automated identification of assay areas in a microfluidic device and detection of assay positive areas based on rate of change of image light intensity
US10384204B2 (en) 2014-12-10 2019-08-20 Berkeley Lights, Inc. Systems for operating electrokinetic devices
WO2016107896A1 (en) 2014-12-30 2016-07-07 Ventana Medical Systems, Inc. Systems and methods for co-expression analysis in immunoscore computation
US10723988B2 (en) 2015-04-22 2020-07-28 Berkeley Lights, Inc. Microfluidic cell culture
CN115639134A (zh) * 2016-06-10 2023-01-24 加利福尼亚大学董事会 基于图像的细胞分选系统和方法
WO2018091486A1 (en) * 2016-11-16 2018-05-24 Ventana Medical Systems, Inc. Convolutional neural networks for locating objects of interest in images of biological samples
EP3549099A4 (en) 2016-12-01 2020-07-29 Berkeley Lights, Inc. AUTOMATED DETECTION AND REPOSITIONING OF MICROBODIES IN MICROFLUIDIC DEVICES
KR102551430B1 (ko) 2016-12-01 2023-07-05 버클리 라잇츠, 인크. 미세-객체들을 이미징하기 위한 장치들, 시스템들 및 방법들
CN112204380A (zh) 2018-05-31 2021-01-08 伯克利之光生命科技公司 微流体设备中的微物体的自动检测和表征
CA3140389A1 (en) 2019-05-24 2020-12-03 Berkeley Lights, Inc. Systems and methods for optimizing an instrument system workflow

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150166326A1 (en) * 2013-12-18 2015-06-18 Berkeley Lights, Inc. Capturing Specific Nucleic Acid Materials From Individual Biological Cells In A Micro-Fluidic Device
WO2015177268A1 (en) * 2014-05-23 2015-11-26 Ventana Medical Systems, Inc. Systems and methods for detection of biological structures and/or patterns in images
US20160171686A1 (en) * 2014-12-09 2016-06-16 Berkeley Lights, Inc. Automated detection and repositioning of micro-objects in microfluidic devices

Also Published As

Publication number Publication date
US20220130158A1 (en) 2022-04-28
WO2018102748A1 (en) 2018-06-07
JP2023052813A (ja) 2023-04-12
IL293715A (en) 2022-08-01
IL293715B2 (en) 2023-07-01
AU2022256213A1 (en) 2022-11-24
US11170200B2 (en) 2021-11-09
CN110268414A (zh) 2019-09-20
IL267009A (en) 2019-07-31
KR20190091298A (ko) 2019-08-05
JP7221444B2 (ja) 2023-02-13
TWI795380B (zh) 2023-03-11
CN116894976A (zh) 2023-10-17
TW201830332A (zh) 2018-08-16
JP2019537157A (ja) 2019-12-19
CN110268414B (zh) 2023-08-01
CA3045333A1 (en) 2018-06-07
EP3549099A1 (en) 2019-10-09
AU2017368268A1 (en) 2019-06-20
US20190384963A1 (en) 2019-12-19
EP3549099A4 (en) 2020-07-29
IL293715B1 (en) 2023-03-01
IL267009B (en) 2022-07-01

Similar Documents

Publication Publication Date Title
JP7221444B2 (ja) マイクロ流体デバイスによる微小物体の自動検出及び再配置
US20210209752A1 (en) Automated detection and characterization of micro-objects in microfluidic devices
US20220250071A1 (en) Methods, systems and kits for in-pen assays
US20210349075A1 (en) Methods for assaying biological cells in a microfluidic device
EP3721209B1 (en) Methods for in-pen assays

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221021

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20221021

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20221021

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20221111

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221213

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: 20230105

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230201

R150 Certificate of patent or registration of utility model

Ref document number: 7221444

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150