JP2023541907A - 流体試料を識別するためのセンサ、およびそのようなセンサに対して認定試験を適用するための方法 - Google Patents

流体試料を識別するためのセンサ、およびそのようなセンサに対して認定試験を適用するための方法 Download PDF

Info

Publication number
JP2023541907A
JP2023541907A JP2023516259A JP2023516259A JP2023541907A JP 2023541907 A JP2023541907 A JP 2023541907A JP 2023516259 A JP2023516259 A JP 2023516259A JP 2023516259 A JP2023516259 A JP 2023516259A JP 2023541907 A JP2023541907 A JP 2023541907A
Authority
JP
Japan
Prior art keywords
sensor
fluid sample
signature
index
calculated
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2023516259A
Other languages
English (en)
Inventor
ヤニス、カリトゥ
ダビド、ハービーン
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.)
Aryballe SA
Original Assignee
Aryballe SA
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 Aryballe SA filed Critical Aryballe SA
Publication of JP2023541907A publication Critical patent/JP2023541907A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/02—Analysing fluids
    • G01N29/022—Fluid sensors based on microsensors, e.g. quartz crystal-microbalance [QCM], surface acoustic wave [SAW] devices, tuning forks, cantilevers, flexural plate wave [FPW] devices
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
    • G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/55—Specular reflectivity
    • G01N21/552—Attenuated total reflection
    • G01N21/553—Attenuated total reflection and using surface plasmons
    • G01N21/554—Attenuated total reflection and using surface plasmons detecting the surface plasmon resonance of nanostructured metals, e.g. localised surface plasmon resonance
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/02—Analysing fluids
    • G01N29/036—Analysing fluids by measuring frequency or resonance of acoustic waves
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
    • G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
    • G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
    • G01N29/4436—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a reference signal
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/0004—Gaseous mixtures, e.g. polluted air
    • G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
    • G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
    • G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/55—Specular reflectivity
    • G01N21/552—Attenuated total reflection
    • G01N21/553—Attenuated total reflection and using surface plasmons
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/01—Indexing codes associated with the measuring variable
    • G01N2291/014—Resonance or resonant frequency
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/025—Change of phase or condition
    • G01N2291/0255—(Bio)chemical reactions, e.g. on biosensors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2291/00—Indexing codes associated with group G01N29/00
    • G01N2291/02—Indexing codes associated with the analysed material
    • G01N2291/025—Change of phase or condition
    • G01N2291/0256—Adsorption, desorption, surface mass change, e.g. on biosensors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
    • G06F2218/12—Classification; Matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Chemical & Material Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Biochemistry (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Acoustics & Sound (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Combustion & Propulsion (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Computing Systems (AREA)
  • Medical Informatics (AREA)
  • Nanotechnology (AREA)
  • Signal Processing (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

このセンサ（１０）は、流体試料を入力するように構成されているとともに、流体試料を特徴付ける電気信号（Ｓ）から得られる対応した署名を出力するように構成されているものであって、また、少なくとも１つの反応サイト（１８）を含むものであり、さらに、少なくとも１つの反応サイト（１８）に対しての流体試料の相互作用によって誘起された少なくとも１つの物理的特性の変化を測定するように構成されているとともに、電気信号（Ｓ）を出力するように構成されている、少なくとも１つの変換器（２０）をさらに含むものである。さらに、センサは、メトリクスが、複数の対照流体試料に関して、複数の対照流体試料に関するそれぞれ対応する署名についてのクラスタ化品質スコアを含むものである場合に、そのようなメトリクスを計算することを含む認定試験に対して、少なくとも１つの事前規定された認定基準に対してメトリクスが一致していることを確認することによって、合格したことが認証される（４４）。

Description

発明の背景
本発明は、流体試料を入力するように構成されているとともに、流体試料を特徴付ける電気信号から得られる対応した署名を出力するように構成されている、センサに関する。本発明は、また、そのようなセンサに対して認定試験を実施するための方法に関し、さらに、認証されたセンサを製造するための方法に関する。
より具体的には、本発明は、
－ 少なくとも１つの反応サイトと、
－ 少なくとも１つの反応サイトに対しての流体試料の相互作用によって誘起された少なくとも１つの物理的特性の変化を測定するように構成されているとともに、その電気信号を出力するように構成されている、少なくとも１つの変換器と、
を含むセンサに関する。
上記の電気信号から得られる署名が、
－ 電気信号を出力する前に電気信号に対して何らの特定の処理も行われなかった時の、電気信号そのもの、あるいは、
－ 例えば、増幅、サンプリング、正規化、特徴抽出、（統計的）データ分析、または同種のもの、を含めた、変換器の出力段階で提供される信号に関する特定の処理による結果、
であり得ることに留意しなければならない。
そのようなセンサは、電子ノーズの場合には、例えば、流体試料中の揮発性有機化合物を検出して識別して特定するために、使用される。そのようなセンサは、様々な産業分野で使用することができ、
－ 例えば、純粋な嗅覚性化合物を、または嗅覚性化合物どうしの混合物を、測定して同定して比較することで、研究したり設計したりするために、フレグランス産業で、
－ 特に、嗅覚的な汚染に関して、または程度差は別として閉鎖的な環境の監視における品質に関して、環境保護で、
－ 潜在的に危険なまたは潜在的に悪臭を有した揮発性物質によって汚染されている可能性のある製造現場の監視で、
－ 無嗅覚症に罹患した人々に対して嗅覚の代替を提供するために、または揮発性生物マーカの検出するために、健康分野で、
－ 例えば、食品製造および／または流通チェーン内で汚染を検出するために、食品産業で、
－ あらゆる臭気製品の制御が有用であり得るあらゆる産業分野で、
などにおいて、使用することができる。
一例は、特許出願である国際公開第２０１９／０５３３６６（Ａ１）号パンフレットにより、公知である。この例は、ＮｅＯｓｅ Ｐｒｏ（登録商標）と称され、２０１８年からＡｒｙｂａｌｌｅ Ｔｅｃｈｎｏｌｏｇｉｅｓ社によって市販されている。これは、変換器が提供する各電気信号から、Ｎ個の構成要素からなるデジタル署名を出力し得るプロセッサを含み、その署名は、検出された各臭気に固有のものである。一般に、整数Ｎは、反応サイトの数と比較して、それ以下の数である。様々な流体試料に関して様々な条件下で学習することにより、このセンサは、潜在的に、すべての臭気を識別することができる。
しかしながら、臭気を検出して識別して特定することは、一般に、非常に主観的であると考えられる。結果的に、そのようなセンサを認定することは、困難であって、通常、偏りがあると考えられる。また、異なるセンサどうしを比較することも困難であり、それらセンサのいくつかは、異なる技術から形成された反応サイトおよび変換器を有している可能性がある。特に、反応サイトをなすバイオセンサは、一般に、ナノスケールで基板上に堆積またはグラフト化されており、認定方法が改良されて正確なものとされない限りは、そのような堆積またはグラフト化の品質を、正確に評価することが困難である。
よって、上記の問題点および上記の制約の少なくともいくつかを克服し得るセンサを設計することが、望ましいことであり得る。
したがって、本発明の一態様では、流体試料を入力するように構成されているとともに、流体試料を特徴付ける電気信号から得られる対応した署名を出力するように構成されている、センサが提案され、このセンサは、
－ 少なくとも１つの反応サイトと、
－ 少なくとも１つの反応サイトに対しての流体試料の相互作用によって誘起された少なくとも１つの物理的特性の変化を測定するように構成されているとともに、電気信号を出力するように構成されている、少なくとも１つの変換器と、
を含み、
センサは、メトリクスを計算することを含む認定試験を、少なくとも１つの事前規定された認定基準に対してメトリクスが一致していることを確認することによって、合格したことが認証され、ここで、メトリクスは、複数の対照流体試料に関して、複数の対照流体試料に関するそれぞれ対応する署名についてのクラスタ化品質スコアを含むものである。
よって、複数の対照流体試料から得られた複数の署名に関するクラスタ化品質スコアに基づくメトリクスに基づいて、センサを、認定試験に合格したと認定することができ、これにより、センサを、他のものと公平に技術的に比較することができる、または特定の客観的な品質レベルを保証することができる。
任意選択的に、クラスタ化品質スコアは、複数の対照流体試料に関するそれぞれ対応する署名の、一部または全部のそれぞれに関して計算された、クラスタ内距離およびクラスタ外距離を組み合わせた有効性インデックスに基づいて計算される。
任意選択的に、また、メトリクスは、信号対雑音比、検出限界、反復性インデックス、および再現性インデックス、の１つまたは複数をさらに含む。
任意選択的に、また、本発明によるセンサは、流体試料に関する署名を、それぞれ対応する対照流体試料に関する対照署名からなるデータベースに対して接続された分類器へと、入力するようにさらに構成されてもよく、これにより、流体試料に関する署名を、対照署名の１つに対して関連付けさせることができ、メトリクスは、分類性能インデックスをさらに含む。
任意選択的に、また、分類性能インデックスは、対照署名の混同行列に基づくものである。
任意選択的に、また、複数の対照流体試料のそれぞれは、揮発性有機化合物を含む。
任意選択的に、また、本発明によるセンサは、複数の反応サイトを含んでもよく、反応サイトのそれぞれは、基板上に固定化されたペプチドなどの、または面上にコーティングされたポリマーなどの、揮発性有機化合物に対する吸着性を有した化学化合物を含む。
任意選択的に、また、少なくとも１つの変換器は、
－ プラズモン効果に基づいて屈折率変化を測定するように構成された表面プラズモン共鳴撮像システム、または、
－ 屈折率変化による位相シフトを測定するように構成されたマッハツェンダー干渉計、または、
－ 振動膜の共振周波数の変化を測定するように構成された、ナノ電気機械システムもしくはマイクロ電気機械システム、
を含む。
少なくとも１つのセンサに対して認定試験を実施するための方法であって、少なくとも１つのセンサは、流体試料を入力するように構成されているとともに、流体試料を特徴付ける電気信号から得られる対応した署名を出力するように構成されている、方法がさらに提案され、センサは、
－ 少なくとも１つの反応サイトと、
－ 少なくとも１つの反応サイトに対しての流体試料の相互作用によって誘起された少なくとも１つの物理的特性の変化を測定するように構成されているとともに、電気信号を出力するように構成されている、少なくとも１つの変換器と、
を含み、
方法は、複数の対照流体試料に関して、複数の対照流体試料に関するそれぞれ対応する署名についてのクラスタ化品質スコアを含むメトリクスを計算することを含む。
任意選択的に、メトリクスを計算することは、
ａ）複数の対照分析物を選択することと、
ｂ）複数の対照分析物の濃度が事前規定レベルを超えるように、複数の対照流体試料内で、複数の対照分析物を調整することと、
ｃ）複数の測定サイクルにわたって、複数の対照流体試料に関する対応する署名を出力することと、
ｄ）複数の対照流体試料に関する対応する署名に対して、クラスタ化に関する真の対照分析物ラベルを注釈付けすることと、
ｅ）各対照流体試料Ｓｉに関して、そのクラスタ内の対応する署名についての、クラスタ内距離の組合せａｉを計算することと、
ｆ）各対照流体試料Ｓｉに関して、そのクラスタとは異なる１つまたは複数のクラスタ内の署名に対しての、対応する署名についての、クラスタ外距離の少なくとも１つの組合せｂｉ，ｊを計算することと、
ｇ）対照流体試料の、一部または全部のそれぞれに関して、クラスタ内距離とクラスタ外距離とを組み合わせた有効性インデックスを計算することと、
を含む。
任意選択的に、クラスタ化品質スコアは、ステップｇ）で計算された１つまたは複数の有効性インデックスに基づくものとされる。
任意選択的に、また、本発明による方法は、同じセンサに関する複数の測定実施であるとともに各実施が事前規定間隔程度の分だけ時間的に離間したものとされた複数の測定実施について、少なくともステップａ）～ステップｃ）を繰り返すことをさらに含んでもよく、例えばステップａ）～ステップｄ）を繰り返すことをさらに含んでもよく、メトリクスを、
－ 複数の測定実施にわたって計算されたクラスタ化品質スコアと、
－ 複数の測定実施に関する流体試料の署名の強度における分散インデックスと、
－ 複数の測定実施に関する流体試料のそれぞれ対応する強度によって正規化された署名の分散インデックスと、
の少なくとも１つに関する複合体として計算される反復性インデックスをさらに含むものとする。
任意選択的に、また、本発明による方法は、複数のセンサに関して、少なくともステップａ）～ステップｃ）を繰り返すことをさらに含んでもよく、例えばステップａ）～ステップｄ）を繰り返すことをさらに含んでもよく、メトリクスを、
－ 複数のセンサにわたって計算されたクラスタ化品質スコアと、
－ 複数のセンサに関する流体試料の署名の強度における分散インデックスと、
－ 複数のセンサに関する流体試料のそれぞれ対応する強度によって正規化された署名の分散インデックスと、
の少なくとも１つに関する複合体として計算される再現性インデックスをさらに含むものとする。
任意選択的に、また、本発明による方法は、複数の測定実施であるとともに各実施が事前規定間隔程度の分だけ時間的に離間したものとされた複数の測定実施について、少なくともステップａ）～ステップｃ）を繰り返すことをさらに含んでもよく、例えばステップａ）～ステップｄ）を繰り返すことをさらに含んでもよく、さらに、各測定実施と複数のセンサとに関して、少なくともステップａ）～ステップｃ）を繰り返すことをさらに含んでもよく、例えばステップａ）～ステップｄ）を繰り返すことをさらに含んでもよく、メトリクスを、
－ 複数の測定実施と複数のセンサとにわたって計算されたクラスタ化品質スコアと、
－ 複数の測定実施と複数のセンサとに関する流体試料の署名の強度における分散インデックスと、
－ 複数の測定実施と複数のセンサとに関する流体試料のそれぞれ対応する強度によって正規化された署名の分散インデックスと、
の少なくとも１つに関する複合体として計算される、反復性インデックスおよび再現性インデックスをさらに含むものとする。
認証されたセンサを製造するための方法が、さらに提案され、この方法は、
－ 流体試料を入力するように構成されているとともに、流体試料を特徴付ける電気信号から得られる対応した署名を出力するように構成されている、センサであり、また、少なくとも１つの反応サイトを含むセンサであり、さらに、少なくとも１つの反応サイトに対しての流体試料の相互作用によって誘起された少なくとも１つの物理的特性の変化を測定するように構成されているとともに、電気信号を出力するように構成されている、少なくとも１つの変換器をさらに含むセンサを、提供することと、
－ 認定試験を実施するための上記の方法を、センサに対して適用することと、
－ 少なくとも１つの事前規定された認定基準に対して、認定試験を実施することによって計算されたメトリクスが一致していることを、確認することと、
－ 少なくとも１つの事前規定された認定基準に対してメトリクスが一致している限りにおいては、センサを認証することと、
を含む。
本発明は、添付図面を参照しつつ純粋に一例として与えられた以下の説明を参照することにより、より良好に理解されるであろう。
図１は、本発明の一実施形態による、流体試料を入力するように構成されているとともに対応する署名を出力するように構成されているセンサの一般的な構造を、概略的に表している。 図２は、図１のセンサの変換器が生成する画像に関する典型的な一例を示しており、その変換器が表面プラズモン共鳴撮像システムまたはマッハツェンダー干渉計を含む場合には、像上に、センサの反応サイトを見ることができる。 図３は、例えば図２の画像などの画像から得た、応答信号どうしの、またはセンサグラムどうしの、重畳された時間図を示す。 図４は、図３の反射率信号の処理から得た嗅覚署名を示す。 図５は、図１のセンサを使用して流体試料の嗅覚署名を得るための方法に関する、連続したステップを示す。 図６は、図１のセンサに対して認定試験を実施するための方法に関する、連続したステップを示す。 図７は、図１のセンサを製造するための方法に関する、連続したステップを示す。
図１に概略的に示す電子センサデバイス１０は、非限定的な用途のための、すなわち臭気識別のための、本発明によるセンサの非限定的な一例である。電子センサデバイス１０は、例えば気体試料などの流体試料を入力するように設計されたチャンバ１２を含む。これを行うために、電子センサデバイス１０は、チャンバ１２の外側から流体試料を吸引するとともに流体試料を内部へと導入するように設計された吸引デバイス１４を有してもよい。また、出口１６を有してもよく、この出口１６は、流体試料をチャンバ１２内に保持するために選択的に閉塞することができる、あるいは、吸引デバイス１４の起動によって、流体試料をチャンバ１２から除去し得るよう、さらに、別の流体試料と交換し得るよう、開放することができる。吸引デバイス１４と出口１６との両方は、任意選択的なものであり、本発明による電子センサデバイスでは、容易に省略することができる。
センサデバイス１０のチャンバ１２内に、センサデバイス１０は、それぞれ対応する反応サイト１８上に、いくつかの、例えば約６０個の、嗅覚センサを含み、嗅覚センサは、チャンバ１２内に保持された流体試料中に存在する可能性がある揮発性有機化合物に対して、これら化合物の放出によって、相互作用するように設計されている。各嗅覚センサは、例えば、揮発性有機化合物の特定のファミリに対して相互作用するように設計されたバイオセンサである。実際には、各反応サイト１８上の各嗅覚センサは、基板上に固定化されたペプチドなどの、または面上にコーティングされたポリマーなどの、その嗅覚センサと関連したファミリの揮発性有機化合物に対して相補的な分子を含んでもよい。説明した例では、反応サイト１８は、位置決めグリッド上にマトリクス状で配置されている、すなわち、反応サイト１８は、このグリッドのセルの中心に、それぞれ配置されている。
反応サイト１８は、少なくとも１つの変換器２０と関連しており、変換器２０は、反応サイト１８に対しての流体試料の相互作用によって誘起された少なくとも１つの物理的特性の変化を測定するように、配置されて構成されている。変換器２０は、チャンバ１２内で嗅覚センサが相互作用し得る揮発性有機化合物の代理であるため、流体試料を特徴付ける電気信号Ｓを出力する。
より正確には、変換器２０は、プラズモン効果に基づく任意の反応サイトに対しての流体試料の相互作用による屈折率のあらゆる変化を測定するように構成された表面プラズモン共鳴（ＳＰＲ）撮像システムであってもよい。そのような変換器は、発光器と、光学プリズムと、カメラと、を含み、反応サイト１８のグレースケール画像シーケンスをなす電気信号Ｓを出力する。
図２は、そのようなＳＰＲ撮像システムが生成する典型的なグレースケール画像に関する概略的な一例を示しており、像上に、センサデバイス１０の反応サイト１８を、それらが相互作用し得る揮発性有機化合物を特徴付ける輝度値を有した状態で、見ることができる。説明する例では、反応サイト１８が円形であることに、留意されたい。しかしながら、反応サイト１８の位置決めグリッドに対しての、カメラの傾斜に起因して、グレースケール画像シーケンスＳ内でそれらが占める領域は、楕円となっている。
一変形例では、変換器２０は、干渉計の基準アームと、任意の反応サイトが上部に配置される感知アームと、の間における検出可能な位相シフトに基づいて、任意の反応サイトに対しての流体試料の相互作用に起因したあらゆる屈折率変化を測定するように構成されたマッハツェンダー干渉計システムであってもよい。そのような変換器は、反応サイト１８の位相シフト画像シーケンスをなす電気信号Ｓを出力する。
別の変形例では、変換器２０は、反応サイトが上面上に配置された振動膜の共振周波数の変化を測定するように構成された、ナノ電気機械システム（ＮＥＭＳ）またはマイクロ電気機械システム（ＭＥＭＳ）であってもよい。反応サイト１８は、例えば、反応サイト１８の共振周波数シフト信号シーケンスをなす電気信号Ｓを出力するために、ＮＥＭＳまたはＭＥＭＳ振動膜のマトリクス上に配置されている。
変換器２０がどのようなものであっても、一般的な着想が、嗅覚センサ（すなわち、バイオセンサ、ポリマー、カーボンナノチューブ、等）を使用して揮発性有機化合物を弁別的な態様で吸着および脱着するようにして反応サイトを機能化することにより、反応サイトから弁別された分子相互作用応答を得ること、さらに、物理的変換デバイスを使用して、その応答を、電気信号Ｓの形態で増幅することは、不変である。
特定の場合には、センサデバイス１０は、反応サイト１８と変換器２０とを有したチャンバ１２を含み、その場合、出力段階での電気信号Ｓは、それがアナログ形式であるかまたはデジタル形式であるかに関係なく、チャンバ１２内の流体試料の署名を構成する。
しかしながら、図１に戻ると、センサデバイス１０は、一般に、後述するようないくつかの機能モジュールをさらに含む。説明する例では、これらの機能モジュールは、ソフトウェアである。例えば、センサデバイス１０は、コンピュータ２２を含み、コンピュータ２２は、中央処理装置２４と、いくつかのコンピュータプログラムまたは同じコンピュータプログラムのいくつかの機能が内部に格納される関連メモリ領域２６と、を有している。これらのコンピュータプログラムは、ソフトウェアモジュールの機能を行うために、中央処理装置２４によって実行される命令を含有している。これらのコンピュータプログラムは、別個のものとして提示されているけれども、この区別は、純粋に機能的なものである。これらのコンピュータプログラムは、また、任意の可能な組合せに従って、１つまたは複数のコンピュータプログラムへと、グループ化され得る。これらのコンピュータプログラムの機能は、また、少なくとも部分的に、デジタル回路などの専用集積回路内において、マイクロプログラムすることができる、またはマイクロ配線することができる。よって、一変形例として、コンピュータ２２は、同じ動作を行うためのデジタル回路のみで構成された電子デバイス（コンピュータプログラムなし）へと、置き換えることもできる。上記の機能は、また、例えば、クラウドセンシングの観点などから、クラウドコンピューティング環境内で、遠隔的に分散することができる。
よって、センサデバイス１０は、まず、吸引デバイス１４（該当する場合）、空気出口１６（これも該当する場合）、および変換器２０を制御するための、処理装置２４によって実行されることとなる、ソフトウェアモジュール２８を含む。
センサデバイス１０は、反応サイト１８の中で、揮発性有機化合物の選択に際して敏感な部位からなる部分集合を選択するための、処理装置２４によって実行されることとなる、任意選択的ではあるが有利なソフトウェアモジュール３０を、さらに含む。これらの揮発性有機化合物は、流体試料ごとに相違してもよく、これにより、ソフトウェアモジュール３０が行う反応サイト１８の選択も、また、変化することができてパラメータ化することができる。選択された部分集合は、例えばＮ≧１個の反応サイトを包含し、または有利には、いくつかの反応サイト（Ｎ≧２）を包含する。
変換器２０がＳＰＲ撮像システムである場合には、センサデバイス１０は、処理装置２４によって実行されることとなるソフトウェアモジュール３２を、さらに含み、このソフトウェアモジュール３２は、ＳＰＲ撮像システムのカメラが提供する画像シーケンスＳ内におけるこれらのＮ個の選択された反応サイト１８に固有の輝度値の中から、対象をなす揮発性有機化合物に対しての、Ｎ個の選択された反応サイト１８の相互作用をそれぞれ代理するＮ個の反射率信号を抽出する。これらの反射率信号は、例えば、Ｎ個の選択された反応サイト１８のそれぞれに関して、横偏光した光によって得られた輝度値の、９０度に偏光した同じ光によって得られた輝度値に対しての、比率に応じたパーセントとして、表される。
図３は、事前規定された測定プロトコルに従って流体試料に関して得られたＮ＝１９個の反射率信号について、重畳した時間図を示しており、ここで、
－ 反応サイト１８は、第１の対照フェーズＰＨ１の間には、流体試料なしで、乾燥空気環境に対して曝され、
－ 反応サイト１８は、次に、第２の、吸着が起こる分析フェーズＰＨ２の間には、流体試料に対して曝され、
－ 反応サイト１８は、最後に、第３の、脱着が起こる最終フェーズＰＨ３の間には、流体試料なしで、乾燥空気環境に対して再び曝される。
乾燥環境とは、水蒸気の質量分率が低い周囲空気として規定される、すなわち、５００ｐｐｍ（ｐａｒｔｓ－ｐｅｒ－ｍｉｌｌｉｏｎ）未満、または１００ｐｐｍ未満、好ましくは、４℃での相対湿度が０．１％未満に相当するような、１０ｐｐｍ未満、の周囲空気として規定される。そのような乾燥空気は、例えば、シリカゲルを使用することによって、または凍結環境から空気を抽出することによって、得ることができる。
センサデバイス１０は、研究中の流体試料を代理する嗅覚署名のＮ個の構成要素を抽出するために、Ｎ個の反射率信号の分析に関する時間ウィンドウを選択するための、処理装置２４によって実行されることとなる、ソフトウェアモジュール３４をさらに含む。
センサデバイス１０は、Ｎ個の反射率信号の中から、上記の嗅覚署名におけるＮ個の構成要素を取得するための、処理装置２４によって実行されることとなる、ソフトウェアモジュール３６をさらに含む。この取得は、選択された時間ウィンドウ内で抽出されたＮ個の反射率信号の補正を含んでもよい。この補正については、図５を参照して詳細に後述する。この補正は、主に、２つの構成要素から構成される、すなわち、周知であるので詳述を省略するような、反応サイト１８内の嗅覚センサのドリフトに関する補正と、事前規定された測定プロトコルに依存する基準値からの減算による補正と、から構成される。これにより、Ｎ個の補正済み反射率信号を、得ることができる。嗅覚信号におけるＮ個の構成要素のそれぞれは、例えば、選択された時間ウィンドウ内におけるＮ個の補正済み反射率信号のそれぞれ対応する１つを代理する統計値の計算に基づいて、直接的にまたは間接的に、得られる。これは、単純に、この時間ウィンドウ内におけるスカラー平均値とすることができる。それは、また、より複雑なスカラー統計値またはベクトル統計値とすることもできる。
円グラフで表されている、Ｎ＝１９個の構成要素からなる嗅覚署名に関する一例が、図４に示されており、これは、例えばソフトウェアモジュール２８～３６の順次的実行に基づいて、すなわち図３における反射率信号などの反射率信号に基づいて、得られる。
特に、順次的実行は、数回にわたって繰り返すことができ、これにより、同じ流体試料に関するいくつかの連続した嗅覚署名を得ることができ、その後、いくつかの連続した嗅覚署名を、例えば平均化によってまたは他の手法によって統計的に処理することで、改良された嗅覚署名を得ることができる。この目的のために、センサデバイス１０は、任意選択的ではあるが有利には、Ｎ個の構成要素からなるいくつかの嗅覚署名を統計的に処理するための、処理装置２４によって実行されることを意図した、ソフトウェアモジュール３８を含む。特に、これは、重心的な嗅覚署名を得るための、嗅覚署名の構成要素に関する単純な平均化とすることができる。
変換器２０がマッハツェンダー干渉計システムである場合には、ソフトウェアモジュール３２は、それ自体が公知の態様で適用され、これにより、Ｎ個の反射率信号に代えて、Ｎ個の位相シフト信号が抽出される。これらの位相シフト信号は、例えば、ラジアンで表される。ソフトウェアモジュール３４および３６は、また、位相シフト信号に対して単純に適用され、これにより、適切な時間ウィンドウが選択されるとともに、嗅覚署名が得られる。
変換器２０がＮＥＭＳまたはＭＥＭＳである場合には、ソフトウェアモジュール３２は、それ自体が公知の態様で適用され、これにより、Ｎ個の反射率信号に代えて、Ｎ個の周波数シフト信号が抽出される。これらの基準シフト信号は、例えば、Ｈｚで表される。ソフトウェアモジュール３４および３６は、また、基準シフト信号に対して単純に適用され、これにより、適切な時間ウィンドウが選択されるとともに、嗅覚署名が得られる。
また、ソフトウェア処理によって電気信号Ｓから得られる各嗅覚署名が、
－ 生の署名であってもよいこと、すなわち、そのベクトルのＮ個の構成要素が、流体試料に対しての、Ｎ個の選択された反応サイトの応答強度を代理している、ベクトルであってもよいこと、
－ 正規化済み署名であってもよいこと、すなわち、そのベクトルのＮ個の構成要素が、生の署名の構成要素であるものの、例えばＬ２正規化などを使用して正規化されたベクトルであってもよいこと、
－ 生の署名または正規化済み署名の主要構成要素分析から得られた単純化済み署名であってもよいこと、すなわち、そのベクトルの、ｎ≦Ｎである場合に、ｎ個の構成要素が、ｎ個の第１主要軸が規定する直交座標系内における生の署名または正規化済み署名の投影であるとともに、その投影が、事前規定されたしきい値を超えている、単純化済みベクトルであってもよいこと、
に留意されたい。
より一般的には、単純化済み署名は、次元減少の結果である。主要構成要素分析は、よって、特異値分解、多次元スケーリング、または任意の他の適切な次元減少アルゴリズム、へと置き換えてもよい。
嗅覚署名が、正規化を含む処理から得られたものである場合には、その嗅覚署名が、正規化済み署名であるか、または正規化済み署名に基づく単純化済み署名であるか、に関係なく、署名の元々の強度は、すなわち、署名のノルムは、得られた嗅覚署名に関連する追加情報として維持することができる。
センサデバイス１０は、得られた各嗅覚署名を格納するためのメモリ領域４０をさらに含む。
ここで、流体試料から嗅覚署名を出力するためのセンサデバイス１０の使用に関して、図５を参照しながら詳述する。
流体試料から嗅覚署名を出力するための方法１００における第１ステップ１０２では、そのような方法は、測定サイクルに対応するものであって、センサデバイス１０は、センサデバイス１０の反応サイト１８の嗅覚センサが流体試料に対して露出され得るようにして、配置される。よって、処理装置２４は、ソフトウェアモジュール２８を実行することにより、吸引デバイス１４と、空気出口１６と、変換器２０と、を制御する。より正確には、このステップは、上述したような、第１の対照フェーズと、第２の分析吸着フェーズと、第３の最終的脱着フェーズと、を含んでもよい。これら３つの露出フェーズ時には、変換器２０は、流体試料を特徴付ける電気信号Ｓを出力するとともに、その電気信号Ｓを、コンピュータ２２に対して送信する。
続くステップ１０４では、変換器がＳＰＲ撮像システムである場合には、電気信号Ｓは、画像シーケンスの形態で、コンピュータ２２によって受信される。その後、処理装置２４は、ソフトウェアモジュール３０および３２を実行することにより、Ｎ個の選択された反応サイトのそれぞれに関して、画像シーケンスＳを代理するＮ個の反射率信号を得る。上記で規定した３つの露出フェーズは、図３において、非常に明瞭に理解することができる、すなわち、ｘ軸上で０～約２０までにわたって延びる第１の対照フェーズＰＨ１（半秒単位で表されている、すなわち、例えば２Ｈｚでサンプリングにされた時間に従って表されている）と、約２０～約８０までにわたって延びる第２の分析吸着フェーズと、約８０で開始する第３の最終的脱着フェーズとを、非常に明瞭に理解することができる。
続くステップ１０６では、処理装置２４は、反射率信号の分析のために時間ウィンドウを選択するためのソフトウェアモジュール３４を実行する。特に、２つの時間ウィンドウがこのタイプの３つの露出フェーズに対して特に関連していることが、実験されている。第１の関連する時間ウィンドウは、図３における分析吸着フェーズＰＨ２に関しての、最後の部分を、例えば６１～８０における最後の２０個の試料を、カバーする。第２の関連する時間ウィンドウは、図３における最終的脱離フェーズＰＨ３に関しての、最初の部分を、例えば８１～１００における最初の２０個の試料を、カバーする。したがって、これら２つの時間ウィンドウの一方が、有利には、このステップで選択される。代替的には、このステップで、いくつかの時間ウィンドウを選択することができ、これにより、特に上述した２つの時間ウィンドウの組合せで、ベクトル構成要素を有したより複雑な嗅覚署名を得ることができる。より一般的には、他の特徴点を抽出し得ることとなる機械学習システムによって、利用可能な測定時間ウィンドウの全体が、考慮され得る。
続くステップ１０８では、処理装置２４は、ソフトウェアモジュール３６を実行することにより、Ｎ個の構成要素からなる嗅覚署名を得る。特に、反応サイト１８の嗅覚センサに関しての上述した３つの露出フェーズを考慮して、基準値の減算による上記の補正は、分析フェーズＰＨ２におけるこれら信号のそれぞれ対応する値から、第１の対照フェーズＰＨ１における各反射率信号の観察されたシフトを、減算することから構成することができる。各反射率信号に関して、このシフトは、例えば、対照フェーズＰＨ１における信号値の平均である。
ステップ１０２～１０８は、ステップ１０４および１０６で行った選択を変更することなく、所望の回数にわたって繰り返すことができ、これにより、Ｎ個の構成要素からなる複数の嗅覚署名を得ることができる。
ステップ１０２～１０８が複数回にわたって実行され終わった場合の、後続のステップ１１０では、処理装置２４は、得られた嗅覚署名に関する統計的処理を行うとともに例えば平均化済み署名などの署名を得るためのソフトウェアモジュール３８を実行し、さらに、その署名を、最終ステップ１１２で、メモリ４０内に格納する。
本発明によれば、センサデバイス１０は、メトリクスが、複数の対照流体試料に関して、複数の対照流体試料に関するそれぞれ対応する署名についてのクラスタ化品質スコアを含む場合に、そのようなメトリクスを計算することを含む認定試験に対して、少なくとも１つの事前規定された認定基準に対してメトリクスが一致していることを確認することによって、合格したことが認証される。
この目的のために、図１に戻ると、方法１００は、複数の対照流体試料のそれぞれに関して少なくとも１回にわたって測定サイクルとして実行され、これにより、いくつかのそれぞれ対応する嗅覚署名が得られ、それら嗅覚署名は、メモリ４０内に格納された後にコンピュータ４２に対して送信される、あるいは、コンピュータ４２に対して直接的に送信される。各対照流体試料とは、例えば、対応する反応サイトによって検出されるべき識別済み揮発性有機化合物を含むものであって、いくつかの事前規定されたクラスタの１つへと先験的にクラスタ化されており、これにより、測定サイクル１００の実行によって得られる署名も、また、相応して先験的にクラスタ化される。
次に、センサデバイス１０に対して認定試験を実施するとともにセンサデバイス１０を認証するための方法が、コンピュータ４２によって実行される。認定試験を実施することは、少なくとも、先験的クラスタ化済み署名に関するクラスタ化品質スコアを有したメトリクスを計算することを含む。センサデバイス１０を認証することは、少なくとも、クラスタ化品質スコアが認定基準に対して一致していることを確認することを含む、例えば、しきい値が下限である場合には、クラスタ化品質スコアが、事前規定されたしきい値に対して一致していることをまたはそのしきい値を超えていることを、確認することを含む、あるいは、しきい値が上限である場合には、クラスタ化品質スコアが、事前規定されたしきい値に対して一致していることをまたはそのしきい値未満を維持していることを、確認することを含む。しきい値は、またはより一般的には認定基準は、センサデバイス１０の用途に関する仕様に基づいて、規定されてもよい。センサデバイス１０が認定試験に合格した時には、すなわち、認定基準が一致した時には、証明書４４を、得ることができるとともに、センサデバイス１０の内部に格納することによって、またはセンサデバイス１０上に提示することによって、またはセンサデバイス１０に対して関連した文書内に含めることによって、のいずれかで、証明書４４を、センサデバイス１０に対して関連付けることができる。
図６に示すように、センサデバイス１０に対して認定試験を実施するための詳細な方法２００は、ステップ２０２で、それぞれがクラスタを規定する複数の対照分析物を選択することにより、開始されてもよい。各対照分析物は、１つまたは複数の分子から構成されている。好ましい実施形態では、シス－３－ヘキセン－１－オール、シトロネロール、およびフェニルエチルアルコール（ＰＥＡ）、などの少なくとも３つの対照揮発性有機化合物を含めた、少なくとも３つの対照分析物が選択される。
続くステップ２０４では、これらの対照分析物が、事前規定レベルを超えた濃度で、対照流体試料内で調整される。よって、対照流体試料は、相応してクラスタ化される。
その後、ステップ２０６では、いくつかの測定サイクル１００が実行される、例えば、好ましい実施形態では、各対照分析物に関して少なくとも３０回の測定サイクルが実行される。また、好ましい実施形態によれば、少なくとも９０個の嗅覚署名が、対照流体試料に対応して出力されるとともに、メモリ４０内に格納される。
続くステップ２０８では、クラスタ化およびスコア化のために、格納された嗅覚署名に対して、それぞれ対応する真の対照分析物ラベルによって注釈付けされる。
その後、ステップ２１０では、対照流体試料の一部または全部のそれぞれに関して、すなわち、対応して格納された嗅覚署名の一部または全部のそれぞれに関して、有効性インデックスが計算される。有効性インデックスは、有利には、嗅覚署名どうしの間のクラスタ内距離およびクラスタ外距離に基づくものである。結果的に、ステップ２０６で選択された反応サイトが少ない場合には、例えば２つまたは３つである場合には、計算は、単純なものであり得る。その場合、生の嗅覚署名が、または正規化済み嗅覚署名が、使用されてもよい。しかしながら、より多数の反応サイトが選択された場合には、計算の複雑さを避けるために、次元減少（主要構成要素分析、特異値分解、多次元スケーリング、または同等のもの）から得られる単純化済み署名を使用することが、望ましいことがあり得る。その上、例えば主要構成要素分析から得られた単純化済み署名に関して計算される距離が、一般的には、より重要である。
例えば、各対照流体試料Ｓｉに関して、対応する嗅覚署名と、同じクラスタにおけるすべての他の嗅覚署名と、の間で計算されたクラスタ内距離の組合せａｉが計算される。そのような組合せは、平均であってもよい。各対照流体試料Ｓｉに関して、対応する嗅覚署名と、別のクラスタにおけるすべての嗅覚署名と、の間で計算されたクラスタ間距離の組合せｂｉ，ｊが、他の各クラスタ（ここで、添字ｊは、他のクラスタを特定する）に関して計算される。そのような組合せは、平均であってもよい。その後、最小値ｂｉ＝Ｍｉｎ（ｂｉ，ｊ）が選択される。その後、各対照流体試料Ｓｉに関する結果として得られる有効性インデックスＣＱＳｉは、次式のようにして計算されてもよい。
Figure 2023541907000002
一変形例では、ａｉおよびｂｉに関する非現実的な値に基づく外れ値を、削除することができ、これにより、結果的に得られる有効性インデックスＣＱＳｉは、いくつかの対照流体試料のそれぞれに関してだけ計算される。有効性インデックスＣＱＳｉが、また、対照流体試料Ｓｉに関するクラスタ化品質スコアも表していると、考えることができる。有効性インデックスは、パーセントとして表すことができる。
続くステップ２１２では、グローバルクラスタ化品質スコアＣＱＳを、ステップ２１０で計算されたすべての有効性インデックスＣＱＳｉに基づくメトリクスとして、例えば、これらの有効性インデックスの平均として、計算することができる。グローバルクラスタ化品質スコアは、パーセントとして表し得るとともに、センサデバイス１０が複数の揮発性有機化合物を識別し得る手法の品質を表している。一変形例では、中間クラスタ化品質スコアＣＱＳｊを、それが含む対照流体試料Ｓｉに関して計算された有効性インデックスＣＱＳｉに基づいて、例えばこれらの有効性インデックスＣＱＳｉの平均として、すべてのクラスタＣｊに関して、それぞれ計算することができ、その後、グローバルクラスタ化品質スコアＣＱＳを、中間クラスタ化品質スコアＣＱＳｊに基づいて、例えばこれらの中間クラスタ化品質スコアＣＱＳｊの平均として、計算することができる。
一選択肢として、提案するメトリクスは、反復性インデックスＲＴＹを、さらに含んでもよい。この目的のために、ステップ２０２～２０６を、センサデバイス１０に関する複数の測定実施にわたって、例えば１０回以上にわたって、好ましくは２０回～３０回にわたって、繰り返すことができる。各実施は、例えば２４時間などの事前規定間隔程度の分だけ、時間的に離間したものである。しかしながら、この事前規定間隔は、対照試料の調整の安定性、各測定後にセンサデバイス１０が定常状態へと復帰するのに必要な時間、環境の安定性、等の、多くの要因に依存し得る。
ステップ２０２～２０６が、生の署名をなす嗅覚署名を、または単純化済み署名ではあるけれども生の署名の主要構成要素分析から得られる嗅覚署名を、計算して格納するために実行される場合には、反復性インデックスＲＴＹの計算は、有利には、複数の測定実施に関して格納された嗅覚署名の強度と、同じ複数の測定実施に関するそれぞれの強度によって正規化したその正規化済み署名と、を別々に計算するステップ２１４を含む。
その後、ステップ２１６では、反復性インデックスＲＴＹは、
－ パーセントとして表される、複数の測定実施に関する各対照試料の平均強度まわりの相対分散であり得る、以前に計算された強度の分散インデックスとして、および／または、
－ 同じくパーセントとして表される、複数の測定実施に関する各対照試料に関しての平均正規化済み署名まわりの相対分散であり得る、以前に計算された正規化済み署名の分散インデックスとして、
計算されてもよい。
有利には、反復性インデックスＲＴＹは、複数の測定実施にわたって計算されたクラスタ化品質スコアＣＱＳ－ＲＴＹを含んでもよく、これは、複数の測定実施に関するすべての注釈付き格納済み署名から計算されたグローバルクラスタ化品質スコアであり得る。その場合、ステップ２０２～２０８を、センサデバイス１０に関する複数の測定実施に関して繰り返されなければならず、その後、ステップ２１０および２１２が、ステップ２０２～２０８のその繰り返しから得られるすべての注釈付き格納済み署名を使用して、実行される。
各分散インデックスに関して、いくつかの他の実施形態が想定され得ることに、留意されたい。それは、分散、標準偏差、平均によって正規化された分散、平均によって正規化された標準偏差、等とすることができる。
より一般的には、反復性インデックスＲＴＹは、以前に計算された強度の上記分散インデックス、以前に計算された正規化済み署名の分散インデックス、および、複数の測定実施にわたって計算されたクラスタ化品質スコアＣＱＳ－ＲＴＹ、の少なくとも１つに関する複合体として計算されてもよい。
一選択肢として、提案するメトリクスは、再現性インデックスＲＤＹを、さらに含んでもよい。この目的のために、ステップ２０２～２０６を、複数のセンサデバイスに関して、例えば５個以上のセンサデバイスに関して、好ましくは２０個～３０個のセンサデバイスに関して、繰り返すことができる。
ステップ２０２～２０６が、生の署名をなす嗅覚署名を、または単純化済み署名ではあるけれども生の署名の主要構成要素分析から得られる嗅覚署名を、計算して格納するために実行される場合には、再現性インデックスＲＤＹの計算は、有利には、複数のセンサデバイスに関して格納された嗅覚署名の強度と、同じ複数のセンサデバイスに関するそれぞれの強度によって正規化したその正規化済み署名と、を別々に計算するステップ２１８を含む。
その後、ステップ２２０では、再現性インデックスＲＤＹは、
－ パーセントとして表される、複数のセンサデバイスに関する各対照試料の平均強度まわりの相対分散であり得る、以前に計算された強度の分散インデックスとして、および／または、
－ 同じくパーセントとして表される、複数のセンサデバイスに関する各対照試料に関しての平均正規化済み署名まわりの相対分散であり得る、以前に計算された正規化済み署名の分散インデックスとして、
計算されてもよい。
有利には、再現性インデックスＲＤＹは、複数のセンサデバイスにわたって計算されたクラスタ化品質スコアＣＱＳ－ＲＤＹを含んでもよく、これは、複数のセンサデバイスに関するすべての注釈付き格納済み署名から計算されたグローバルクラスタ化品質スコアであり得る。その場合、ステップ２０２～２０８を、複数のセンサデバイスに関して繰り返されなければならず、その後、ステップ２１０および２１２が、ステップ２０２～２０８のその繰り返しから得られるすべての注釈付き格納済み署名を使用して、実行される。
反復性インデックスＲＴＹに関しては、いくつかの他の実施形態を、再現性インデックスＲＤＹにおける各分散インデックスに関して、想定することができる。
より一般的には、再現性インデックスＲＤＹは、以前に計算された強度の上記分散インデックス、以前に計算された正規化済み署名の分散インデックス、および、複数のセンサデバイスにわたって計算されたクラスタ化品質スコアＣＱＳ－ＲＤＹ、の少なくとも１つに関する複合体として計算されてもよい。
提案するメトリクスが、反復性インデックスＲＴＹおよび再現性インデックスＲＤＹの両方を含む場合には、ステップ２０２～２０６を、またはステップ２０２～２０８を、各測定実施が事前規定間隔程度の分だけ時間的に離間したものとされた複数の測定実施に関して、ならびに、各測定実施に関して、および、複数のセンサデバイスに関して、繰り返すことができる。結果的に得られる反復性インデックスＲＴＹおよび再現性インデックスＲＤＹは、また、
－ 複数の測定実施に関しての、および複数のセンサデバイスに関しての、各対照試料の平均強度まわりの相対分散であり得る、以前に計算された強度の分散インデックス、
－ 複数の測定実施に関しての、および複数のセンサデバイスに関しての、各対照試料の平均正規化済み署名まわりの相対分散であり得る、以前に計算された正規化済み署名の分散インデックス、
－ 複数の測定実施にわたっておよび複数のセンサデバイスにわたって計算されたグローバルクラスタ化品質スコア、
の少なくとも１つに関する複合体として計算されてもよい。
より一般的には、反復性インデックスＲＴＹおよび再現性インデックスＲＤＹの両方を計算する時には、いくつかのスコアを、各測定実施でかつ各センサデバイスに関して、計算することができる。これらのスコアは、２次元的な図または表で表すことができ、１つの次元は、連続する複数の測定実施に関するものであり、他の次元は、各センサデバイスに関するものである。この表現から、強度、正規化済み署名、および／またはグローバルクラスタ化品質スコア、に基づいて任意の反復性インデックスおよび／または再現性インデックスを抽出するために、各次元内でまたは両方の次元内で、様々な統計量を計算することができる。特に、反復性に関するいくつかのグローバルクラスタ化品質スコアＣＱＳ－ＲＴＹを、複数のセンサデバイスに関して計算することができ、その後、反復性に関する平均化グローバルクラスタ化品質スコア＜ＣＱＳ－ＲＴＹ＞内へと組み合わせることができる。したがって、再現性に関するいくつかのグローバルクラスタ化品質スコアＣＱＳ－ＲＤＹを、いくつかの測定実施に関して計算することができ、その後、再現性に関する平均化グローバルクラスタ化品質スコア＜ＣＱＳ－ＲＤＹ＞内へと組み合わせることができる。
一選択肢として、提案するメトリクスは、例えば対照流体試料の対照署名の混同行列に基づいて、分類性能インデックスをさらに含んでもよい。この目的のために、認定試験を実施するための方法２００は、ステップ２０２および２０４と同等のステップ２２２を含み、このステップ２２２では、それぞれがクラスタを規定するいくつかの対照分析物が、事前規定レベルを超えた濃度で、対照流体試料内で調整される。
続くステップ２２４では、分類器が、いくつかの測定サイクル１００を実行することによって、例えば各対照分析物に関して少なくとも３０回の測定サイクルを実行することによって、または好ましい実施形態では、５０回以上の測定サイクルさえをも実行することによって、対照流体試料を使用して訓練される。対照流体試料に対応して、それぞれ対応する対照嗅覚署名が出力されるとともに、例えばメモリ４０内における、対照署名データベース内に格納される。
続くステップ２２６では、分類器は、いくつかの測定サイクル１００を実行することによって、例えば少なくとも３０回にわたって実行することによって、それぞれが対照流体試料の１つに対応している、スコア化のために注釈付けされた試験流体試料を使用して、試験される。試験流体試料に対応して、それぞれ対応する試験嗅覚署名が出力されるとともに、対照署名の１つに対しての関連付けによって、すなわち、対照流体試料の１つに対しての関連付けによって、分類される。
続くステップ２２８では、分類ステップ２２６の結果を使用して、混同行列ＣＭを完成させる。周知のように、混同行列の各列は、例えば、予測されたクラス（または、クラスタ）内の実例を表しており、各行は、実際のクラス（または、クラスタ）内の実例を表している。したがって、ＣＭ（ｉ，ｊ）は、クラス／クラスタＣｉに属するものとして注釈付けされた試験試料の、クラス／クラスタＣｊに分類された数を表している。
分類性能の複合インデックスとして、分類をスコア化するために、いくつかのインデックスを、混同行列ＣＭから抽出することができる、すなわち、
－ パーセントとして表すことができ、第１対角係数の合計と、すべての係数の合計と、の間の比率に対応した、第１の一般的精度インデックス、
－ パーセントとして表すことができ、クラス／クラスタＣｉに関して，ＣＭ（ｉ，ｉ）と、ｉ番目の行係数の合計と、の間の比率に対応した、第２のクラス依存の感度インデックス、
－ パーセントとして表すことができ、クラス／クラスタＣｉに関して、ｋおよびｉが等しくなくかつｌおよびｉが等しくない場合の、すべての係数ＣＭ（ｋ，ｌ）の和と、ｋおよびｉが等しくない場合の、すべての係数ＣＭ（ｋ，ｌ）の和と、の間の比率に対応した、第３のクラス依存の特異性インデックス、ならびに、
－ パーセントとして表すことができ、クラス／クラスタＣｉに関して、ＣＭ（ｉ，ｉ）と、ｉ番目の列係数の合計と、の間の比率に対応した、第４のクラス依存の精度インデックス。
これらのインデックスは、すべてのクラス／クラスタＣｉに関して計算された上記の中間クラスタ化品質スコアと一緒に、表内へと出力することができる。
一選択肢として、提案するメトリクスは、信号対雑音比をさらに含んでもよい。この比率は、センサデバイス１０の１つまたは複数の構成要素上で、特に変換器２０上で、測定されてもよい。この目的のために、認定試験を実施するための方法２００は、例えば、変換器上に再現可能な刺激を印加するステップ２３０を含む。非限定的な好ましい実施形態では、この刺激は、例えば１００ｍＢａｒなどの、再現可能な圧力降下である。変換器２０が出力する信号は、刺激の最中と、刺激前または刺激後と、に測定される。
続くステップ２３２では、刺激前または刺激後に変換器２０が出力した信号を、例えば、処理することにより、安定したベースライン上の雑音分散と見なされる分散値Ｎを抽出する。同じステップの際に、刺激の最中に変換器２０が出力した信号を、例えば、処理することにより、刺激最中の平均パワーと見なされる平均値Ｓを抽出する。その後、信号対雑音比を計算することができ、ＳＮＲ＝１０．ｌｏｇ（Ｓ／Ｎ）として、ｄＢで表すことができる。
したがって、異なる技術からのセンサデバイスどうしで、ＳＮＲを比較することができる。
一選択肢として、提案するメトリクスは、検出限界インデックスをさらに含んでもよい。そのようなインデックスは、複合体であり、各構成要素は、所与の分析物に対して固有である。分析物の検出限界とは、例えば事前規定濃度のセット内で、試料中におけるその不在からセンサデバイス１０が識別し得る、この分析物に関しての最低濃度である。この目的のために、認定試験を実施するための方法２００は、いくつかの対照分析物を選択するとともに、これらの対照分析物を、異なる濃度でもってまたは異なる希釈でもって、対照流体試料内で調整するステップ２３４を含む。好ましい実施形態では、シス－３－ヘキセン－１－オール、シトロネロール、およびＰＥＡなどの少なくとも３つの対照揮発性有機化合物を含めた、少なくとも３つの対照分析物が選択される。どの希釈手法を採用するかに依存して、単位は、ｐｐｍＶ（百万分の一容積）または液体希釈率（溶媒質量と化合物質量との間の質量比）のいずれであってもよい。フレーバーおよびフレグランスの用途では、液体希釈が好まれ、環境用途では、ｐｐｍＶが主に使用されることとなる。液体希釈が選択された場合には、特定の中性溶媒内へと、各分析物を、１０倍比率（１、１０－１、１０－２、１０－３、．．．、０）で連続希釈したものが、流体試料として調製されてもよい。
その後、ステップ２３６では、いくつかの測定サイクル１００が実行される、例えば、好ましい実施形態では、各分析物の各希釈流体試料に関して、少なくとも７０回の測定サイクルが実行される。測定サイクルは、有利には、希釈試料中の分析物の存在量が増加するにつれて統計的に増加するスカラー値である検出インデックスを推定することを含む。その規定およびアルゴリズムによる推定は、当業者から公知であり、センサデバイス１０の技術に大きく依存するものであって、また用途に依存するため、詳細な説明を省略する。各分析物希釈流体試料に関して実行される測定サイクルの各セットは、検出インデックスのスケール内での値の分布を出力する。
続くステップ２３８では、決定のためのしきい値Ｔが、各分析物に関する決定インデックススケール内で決定される。分析物を含有していない希釈流体試料に関して出力された分布が与えられた時には、Ｔは、その出力された分布に関しての、事前規定割合を下回る検出インデックス値であり、例えば９５％を下回る検出インデックス値である。これは、このしきい値Ｔが、分析物を含有していない希釈流体試料に関して、５％の誤警報確率を得るために規定されていることを、意味している。
続くステップ２４０では、検出限界ＬＯＤが、各分析物に関して、出力された分布がしきい値Ｔよりも事前規定割合を上回るような例えば９５％を上回るような、その分析物の最低希釈液試料として、決定される。これは、ＬＯＤが、９５％超という適正検出確率を出力する、分析物の最小希釈試料であることを、意味している。
ここで、センサデバイス１０を製造するための方法３００に関して、図７を参照して詳述する。
第１ステップ３０２では、センサデバイス１０が準備されるものの、認証はされない。センサデバイス１０は、流体試料を入力するように構成されているとともに、流体試料を特徴付ける電気信号から得られる対応した署名を、出力するように構成されている。センサデバイス１０は、少なくとも１つの反応サイトを、好ましくは複数の反応サイトを、さらに含み、また、少なくとも１つの反応サイトに対しての任意の流体試料の相互作用によって誘起された少なくとも１つの物理的特性の変化を測定するように構成されているとともに、電気信号を出力するように構成されている、少なくとも１つの変換器を、さらに含む。
その後、ステップ３０４では、認定試験を実施するための方法２００が、センサデバイス１０に対して適用される。認定試験を実施することにより計算されるメトリクスは、少なくとも、グローバルクラスタ化品質スコアＣＱＳを含む。メトリクスは、他のインデックスＲＴＹ、ＲＤＹ、ＣＭ、ＳＮＲ、およびＬＯＤ、の少なくとも１つをさらに含んでもよい。これらすべてのスコアおよびインデックスは、例えばそれらのスカラー結合など、１つのグローバルスコアへと、さらに組み合わされてもよい。その場合、すべてのスコアおよびインデックスを、事前に、均質に表しておくことが、例えばパーセントとして表しておくことが、有利であり得る。
ステップ３０６では、計算したメトリクスを、少なくとも１つの事前規定された認定基準であるとともに単純な場合には１つまたは複数のしきい値であり得る認定基準に対して、比較する。
最後に、ステップ３０８では、計算したメトリクスが、少なくとも１つの事前規定された認定基準に対して一致している限りにおいては、例えば、事前規定されたしきい値が下限である場合には、計算したメトリクスが、しきい値に対して一致しているまたはそのしきい値を限りにおいては、あるいは例えば、事前規定されたしきい値が上限である場合には、計算したメトリクスが、しきい値に対して一致しているまたはそのしきい値未満を維持している限りにおいては、センサデバイス１０を認証する。
上記で説明したものなどの、センサデバイスにより、およびセンサデバイスに対して認定試験を実施するための方法により、センサデバイスの認定が通常は非常に主観的であると考えられる技術分野において、異なる技術どうしをまたは異なる製造プロセスどうしを、公平に比較し得ることは、あるいは、特定の客観的レベルの品質を保証し得ることは、明らかに明瞭である。
その上、本発明が、上記で説明した実施形態に限定されるものではないことに、留意されたい。当業者には、上記で説明した実施形態に対して開示した教示に照らせば、上記で説明した実施形態に対して様々な改変を行い得ることは、明らかであろう。上記における本発明の提示では、使用される用語は、本発明を本明細書で開示する実施形態へと限定するものとして、解釈されてはならず、かつ、投影に対して当業者の一般的知識を適用することによって当業者に対して開示した教示を実装させるすべての同等物を内部に包含するように、解釈されなければならない。

Claims (15)

  1. 流体試料を入力するように構成されているとともに、前記流体試料を特徴付ける電気信号（Ｓ）から得られる対応した署名を出力するように構成されている、センサ（１０）であって、前記センサは、
    － 少なくとも１つの反応サイト（１８）と、
    － 前記少なくとも１つの反応サイト（１８）に対しての前記流体試料の相互作用によって誘起された少なくとも１つの物理的特性の変化を測定するように構成されているとともに、前記電気信号（１８）を出力するように構成されている、少なくとも１つの変換器（２０）と、
    を含み、
    前記センサ（１０）は、メトリクスを計算することを含む認定試験を、少なくとも１つの事前規定された認定基準に前記メトリクスが一致していることを確認することによって、合格したことが認証され（４４）、前記メトリクスが、複数の対照流体試料に関して、前記複数の対照流体試料に関するそれぞれ対応する署名についてのクラスタ化品質スコア（ＣＱＳ）を含むことを特徴とする、センサ（１０）。
  2. 前記クラスタ化品質スコア（ＣＱＳ）は、前記複数の対照流体試料に関するそれぞれ対応する前記署名の、一部または全部のそれぞれに関して計算された、クラスタ内距離およびクラスタ外距離を組み合わせた有効性インデックスに基づいて計算される、請求項１に記載のセンサ（１０）。
  3. 前記メトリクスは、信号対雑音比（ＳＮＲ）、検出限界（ＬＯＤ）、反復性インデックス（ＲＴＹ）、および再現性インデックス（ＲＤＹ）、の１つまたは複数をさらに含む、請求項１または２に記載のセンサ（１０）。
  4. 前記流体試料に関する前記署名を、それぞれ対応する対照流体試料に関する対照署名からなるデータベースに対して接続された分類器へと、入力するようにさらに構成されており、これにより、前記流体試料に関する前記署名を、前記対照署名の１つに対して関連付けさせることができ、前記メトリクスは、分類性能（ＣＭ）インデックスをさらに含む、請求項１～３のいずれか一項に記載のセンサ（１０）。
  5. 前記分類性能インデックス（ＣＭ）は、前記対照署名の混同行列に基づくものである、請求項４に記載のセンサ（１０）。
  6. 前記複数の対照流体試料のそれぞれは、揮発性有機化合物を含む、請求項１～５のいずれか一項に記載のセンサ（１０）。
  7. 複数の反応サイト（１８）を含み、前記反応サイトのそれぞれは、基板上に固定化されたペプチドなどの、または面上にコーティングされたポリマーなどの、揮発性有機化合物に対する吸着性を有した化学化合物を含む、請求項１～６のいずれか一項に記載のセンサ（１０）。
  8. 前記少なくとも１つの変換器（２０）は、
    － プラズモン効果に基づいて屈折率変化を測定するように構成された表面プラズモン共鳴撮像システム、または、
    － 屈折率変化による位相シフトを測定するように構成されたマッハツェンダー干渉計、または、
    － 振動膜の共振周波数の変化を測定するように構成された、ナノ電気機械システムもしくはマイクロ電気機械システム、
    を含む、請求項１～７のいずれか一項に記載のセンサ（１０）。
  9. 少なくとも１つのセンサ（１０）に対して認定試験を実施するための方法（２００）であって、
    前記少なくとも１つのセンサは、流体試料を入力するように構成されているとともに、前記流体試料を特徴付ける電気信号（Ｓ）から得られる対応した署名を出力するように構成されており、
    前記センサ（１０）は、
    － 少なくとも１つの反応サイト（１８）と、
    － 前記少なくとも１つの反応サイト（１８）に対しての前記流体試料の相互作用によって誘起された少なくとも１つの物理的特性の変化を測定するように構成されているとともに、前記電気信号（Ｓ）を出力するように構成されている、少なくとも１つの変換器（２０）と、
    を含み、
    前記方法（２００）は、複数の対照流体試料に関して、前記複数の対照流体試料に関するそれぞれ対応する署名についてのクラスタ化品質スコア（ＣＱＳ）を含むメトリクスを計算することを含む、方法（２００）。
  10. 前記メトリクスを計算することは、
    ａ）複数の対照分析物を選択すること（２０２）と、
    ｂ）前記複数の対照分析物の濃度が事前規定レベルを超えるように、前記複数の対照流体試料内で、前記複数の対照分析物を調整すること（２０４）と、
    ｃ）複数の測定サイクルにわたって、前記複数の対照流体試料に関する前記対応する署名を出力すること（２０６）と、
    ｄ）前記複数の対照流体試料に関する前記対応する署名に対して、クラスタ化に関する真の対照分析物ラベルを注釈付けすること（２０８）と、
    ｅ）各対照流体試料Ｓｉに関して、そのクラスタ内の前記対応する署名についての、クラスタ内距離の組合せａｉを計算すること（２１０）と、
    ｆ）各対照流体試料Ｓｉに関して、そのクラスタとは異なる１つまたは複数のクラスタ内の前記署名に対しての、前記対応する署名についての、クラスタ外距離の少なくとも１つの組合せｂｉ，ｊを計算すること（２１０）と、
    ｇ）前記対照流体試料の、一部または全部のそれぞれに関して、前記クラスタ内距離と前記クラスタ外距離とを組み合わせた有効性インデックスを計算すること（２１０）と、
    を含む、請求項９に記載の方法（２００）。
  11. 前記クラスタ化品質スコア（ＣＱＳ）を、前記ステップｇ）で計算された１つまたは複数の有効性インデックスに基づくものとする（２１２）、請求項１０に記載の方法（２００）。
  12. 同じセンサに関する複数の測定実施であるとともに各実施が事前規定間隔程度の分だけ時間的に離間したものとされた複数の測定実施について、少なくとも前記ステップａ）～前記ステップｃ）を繰り返すこと（２０２、２０４、２０６）をさらに含み、例えば前記ステップａ）～前記ステップｄ）を繰り返すことをさらに含み、前記メトリクスを、
    － 前記複数の測定実施にわたって計算されたクラスタ化品質スコアと、
    － 前記複数の測定実施に関する前記流体試料の前記署名の強度における分散インデックスと、
    － 前記複数の測定実施に関する前記流体試料のそれぞれ対応する強度によって正規化された前記署名の分散インデックスと、
    の少なくとも１つに関する複合体として計算される反復性インデックス（ＲＴＹ）をさらに含むものとする、請求項１０または１１に記載の方法（２００）。
  13. 複数のセンサに関して、少なくとも前記ステップａ）～前記ステップｃ）を繰り返すこと（２０２、２０４、２０６）をさらに含み、例えば前記ステップａ）～前記ステップｄ）を繰り返すことをさらに含み、前記メトリクスを、
    － 前記複数のセンサにわたって計算されたクラスタ化品質スコアと、
    － 前記複数のセンサに関する前記流体試料の前記署名の強度における分散インデックスと、
    － 前記複数のセンサに関する前記流体試料のそれぞれ対応する強度によって正規化された前記署名の分散インデックスと、
    の少なくとも１つに関する複合体として計算される再現性インデックス（ＲＤＹ）をさらに含むものとする、請求項１０または１１に記載の方法（２００）。
  14. 複数の測定実施であるとともに各実施が事前規定間隔程度の分だけ時間的に離間したものとされた複数の測定実施について、少なくとも前記ステップａ）～前記ステップｃ）を繰り返すこと（２０２、２０４、２０６）をさらに含み、例えば前記ステップａ）～前記ステップｄ）を繰り返すことをさらに含み、さらに、各測定実施と複数のセンサとに関して、少なくとも前記ステップａ）～前記ステップｃ）を繰り返すこと（２０２、２０４、２０６）をさらに含み、例えば前記ステップａ）～前記ステップｄ）を繰り返すことをさらに含み、前記メトリクスを、
    － 前記複数の測定実施と前記複数のセンサとにわたって計算されたクラスタ化品質スコアと、
    － 前記複数の測定実施と前記複数のセンサとに関する前記流体試料の前記署名の強度における分散インデックスと、
    － 前記複数の測定実施と前記複数のセンサとに関する前記流体試料のそれぞれ対応する強度によって正規化された前記署名の分散インデックスと、
    の少なくとも１つに関する複合体として計算される、反復性インデックス（ＲＴＹ）および再現性インデックス（ＲＤＹ）をさらに含むものとする、請求項１２または１３に記載の方法（２００）。
  15. 認証されたセンサ（１０）を製造するための方法（３００）であって、
    － 流体試料を入力するように構成されているとともに、前記流体試料を特徴付ける電気信号（Ｓ）から得られる対応した署名を出力するように構成されている、センサ（１０）であり、また、少なくとも１つの反応サイト（１８）を含む前記センサ（１０）であり、さらに、前記少なくとも１つの反応サイトに対しての前記流体試料の相互作用によって誘起された少なくとも１つの物理的特性の変化を測定するように構成されているとともに、前記電気信号（Ｓ）を出力するように構成されている、少なくとも１つの変換器（２０）をさらに含む前記センサ（１０）を、提供すること（３０２）と、
    － 認定試験を実施するための請求項９～１４のいずれか一項に記載の前記方法（２００）を、前記センサ（１０）に対して適用すること（３０４）と、
    － 少なくとも１つの事前規定された認定基準に対して、前記認定試験を実施すること（２００）によって計算された前記メトリクスが一致していることを、確認すること（３０６）と、
    － 前記少なくとも１つの事前規定された認定基準に対して前記メトリクスが一致している限りにおいては、前記センサ（１０）を認証すること（３０８）と、
    を含む、方法（３００）。
JP2023516259A 2020-09-14 2021-09-13 流体試料を識別するためのセンサ、およびそのようなセンサに対して認定試験を適用するための方法 Pending JP2023541907A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP20306023.1 2020-09-14
EP20306023.1A EP3968018A1 (en) 2020-09-14 2020-09-14 Sensor for identifying a fluid sample and method for applying a qualification test to such a sensor
PCT/EP2021/075123 WO2022053690A1 (en) 2020-09-14 2021-09-13 Sensor for identifying a fluid sample and method for applying a qualification test to such a sensor

Publications (1)

Publication Number Publication Date
JP2023541907A true JP2023541907A (ja) 2023-10-04

Family

ID=72615792

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2023516259A Pending JP2023541907A (ja) 2020-09-14 2021-09-13 流体試料を識別するためのセンサ、およびそのようなセンサに対して認定試験を適用するための方法

Country Status (6)

Country Link
US (1) US20230349861A1 (ja)
EP (1) EP3968018A1 (ja)
JP (1) JP2023541907A (ja)
KR (1) KR20230067651A (ja)
CN (1) CN116075823A (ja)
WO (1) WO2022053690A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20230195079A1 (en) * 2021-12-21 2023-06-22 International Business Machines Corporation Characterizing liquids based on features extracted from time-dependent, differential signal measurements
FR3136555A1 (fr) 2022-06-10 2023-12-15 Aryballe Procédé et programme d’ordinateur pour l’étalonnage d’un dispositif électronique de caractérisation d’un fluide, dispositif électronique correspondant

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE602004014241D1 (de) * 2004-02-23 2008-07-17 Alpha M O S Messen der Intensität von Gerüchen
CN107741471B (zh) * 2017-09-12 2024-04-09 深圳市建筑科学研究院股份有限公司 可超快速完全换气的气体传感器标定工装
FR3071061B1 (fr) 2017-09-14 2019-09-13 Aryballe Technologies Systeme de detection perfectionne pour nez electronique et nez electronique comprenant un tel systeme
FR3091346B1 (fr) * 2018-12-31 2020-12-25 Aryballe Tech Procede de caracterisation de composes cibles

Also Published As

Publication number Publication date
CN116075823A (zh) 2023-05-05
EP3968018A1 (en) 2022-03-16
US20230349861A1 (en) 2023-11-02
WO2022053690A1 (en) 2022-03-17
KR20230067651A (ko) 2023-05-16

Similar Documents

Publication Publication Date Title
Penza et al. Application of principal component analysis and artificial neural networks to recognize the individual VOCs of methanol/2-propanol in a binary mixture by SAW multi-sensor array
JP2023541907A (ja) 流体試料を識別するためのセンサ、およびそのようなセンサに対して認定試験を適用するための方法
US9140677B2 (en) Methods and apparatus for artificial olfaction
CN105466927B (zh) 一种比浊法异常反应曲线的识别、修正及报警方法
WO1999061902A1 (en) Method of resolving analytes in a fluid
US7096715B2 (en) Odor discriminating apparatus
Deng et al. Fabrication of a sensor array based on quartz crystal microbalance and the application in egg shelf life evaluation
Ahmadou et al. Reduction of drift impact in gas sensor response to improve quantitative odor analysis
WO2019069957A1 (ja) サーバ装置、ニオイセンサデータ解析方法、及びコンピュータ読み取り可能な記録媒体
KR20210116278A (ko) 가스 감지 디바이스 및 가스 감지 디바이스를 작동시키기 위한 방법
JPH07294405A (ja) 閉塞されたスペ−ス内における空気の品質を評価する装置
EP2185922A1 (en) Electronic tongue sensor
RU2456590C1 (ru) Способ тест-идентификации многокомпонентных газовых смесей бензола, толуола, фенола, формальдегида, ацетона и аммиака
WO2022085345A1 (ja) 匂い検知モジュールおよび匂い検知方法
JP4935668B2 (ja) 臭気測定装置
CN113340943A (zh) 一种基于指纹图谱的水体中嗅味类型和嗅味强度的分析方法
Zubritsky Product review: E-noses keep an eye on the future
WO2020026327A1 (ja) 情報処理装置、制御方法、及びプログラム
JP2004093447A (ja) におい測定装置
KR20190054994A (ko) 말디토프 질량 분석에 의한 항생제 내성 판별 장치 및 방법
JP2004093446A (ja) におい測定装置
US20230032568A1 (en) Electronic device, method and computer program for olfactory assessment of a product state
Jiang et al. Smart miniature mass spectrometer enabled by machine learning
JP2015512522A (ja) 分光システムの性能を測定するための方法
Natale et al. Data analysis for chemical sensor arrays