JP4691027B2 - 信頼度判定 - Google Patents
信頼度判定 Download PDFInfo
- Publication number
- JP4691027B2 JP4691027B2 JP2006518588A JP2006518588A JP4691027B2 JP 4691027 B2 JP4691027 B2 JP 4691027B2 JP 2006518588 A JP2006518588 A JP 2006518588A JP 2006518588 A JP2006518588 A JP 2006518588A JP 4691027 B2 JP4691027 B2 JP 4691027B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- data
- confidence value
- area
- search area
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 claims description 145
- 238000001514 detection method Methods 0.000 claims description 137
- 230000008569 process Effects 0.000 claims description 77
- 239000002245 particle Substances 0.000 claims description 54
- 238000004458 analytical method Methods 0.000 claims description 44
- 238000006243 chemical reaction Methods 0.000 claims description 44
- 230000007547 defect Effects 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 42
- 238000009826 distribution Methods 0.000 claims description 32
- 239000000126 substance Substances 0.000 claims description 31
- 239000007790 solid phase Substances 0.000 claims description 22
- 239000003153 chemical reaction reagent Substances 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 8
- 230000004931 aggregating effect Effects 0.000 claims description 6
- 239000012456 homogeneous solution Substances 0.000 claims description 6
- 230000005855 radiation Effects 0.000 description 34
- 238000004422 calculation algorithm Methods 0.000 description 31
- 230000000875 corresponding effect Effects 0.000 description 27
- 238000005259 measurement Methods 0.000 description 27
- 239000000463 material Substances 0.000 description 26
- 229920006395 saturated elastomer Polymers 0.000 description 19
- 239000007788 liquid Substances 0.000 description 17
- 238000013528 artificial neural network Methods 0.000 description 16
- 230000006870 function Effects 0.000 description 15
- 238000004590 computer program Methods 0.000 description 11
- 238000012546 transfer Methods 0.000 description 11
- 239000012530 fluid Substances 0.000 description 9
- 238000003556 assay Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 8
- 239000000376 reactant Substances 0.000 description 8
- 239000000243 solution Substances 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 238000004140 cleaning Methods 0.000 description 7
- 238000013500 data storage Methods 0.000 description 6
- 230000007423 decrease Effects 0.000 description 6
- 238000009987 spinning Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 239000000758 substrate Substances 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 239000002699 waste material Substances 0.000 description 5
- 239000012491 analyte Substances 0.000 description 4
- 239000000428 dust Substances 0.000 description 4
- 239000007850 fluorescent dye Substances 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 239000004033 plastic Substances 0.000 description 4
- 238000005406 washing Methods 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000002994 raw material Substances 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 206010000117 Abnormal behaviour Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000001311 chemical methods and process Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001962 electrophoresis Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000002347 injection Methods 0.000 description 2
- 239000007924 injection Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000011005 laboratory method Methods 0.000 description 2
- 230000002085 persistent effect Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 102000004190 Enzymes Human genes 0.000 description 1
- 108090000790 Enzymes Proteins 0.000 description 1
- 101150110972 ME1 gene Proteins 0.000 description 1
- 239000003570 air Substances 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000011230 binding agent Substances 0.000 description 1
- 238000004166 bioassay Methods 0.000 description 1
- 230000009141 biological interaction Effects 0.000 description 1
- 238000005415 bioluminescence Methods 0.000 description 1
- 230000029918 bioluminescence Effects 0.000 description 1
- 238000004113 cell culture Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000004132 cross linking Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- BFMYDTVEBKDAKJ-UHFFFAOYSA-L disodium;(2',7'-dibromo-3',6'-dioxido-3-oxospiro[2-benzofuran-1,9'-xanthene]-4'-yl)mercury;hydrate Chemical compound O.[Na+].[Na+].O1C(=O)C2=CC=CC=C2C21C1=CC(Br)=C([O-])C([Hg])=C1OC1=C2C=C(Br)C([O-])=C1 BFMYDTVEBKDAKJ-UHFFFAOYSA-L 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010291 electrical method Methods 0.000 description 1
- 230000005670 electromagnetic radiation Effects 0.000 description 1
- 238000004049 embossing Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000001917 fluorescence detection Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003018 immunoassay Methods 0.000 description 1
- 238000011534 incubation Methods 0.000 description 1
- 238000001746 injection moulding Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004020 luminiscence type Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000000206 photolithography Methods 0.000 description 1
- 230000010399 physical interaction Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000005086 pumping Methods 0.000 description 1
- 239000010453 quartz Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- -1 samples Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N silicon dioxide Inorganic materials O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000002904 solvent Substances 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000003631 wet chemical etching Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10008—Still image; Photographic image from scanner, fax or copier
-
- 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]
Description
「マイクロ流体」という用語は、たとえば少なくとも1つの断面寸法が約0.1μm〜約500μmの範囲にあるような微小規模の寸法を有するチャンバおよび/またはチャネルの単体もしくはネットワークを有するシステムまたは装置を指す。取扱われる体積はナノリットルの範囲、つまり5000ηl未満、概して1000ηl未満である。マイクロ流体基板はしばしば、フォトリソグラフィ、湿式化学エッチング、射出成型、エンボス加工、および半導体業界で採用されているものと同様の他の手法を用いて作製される。結果として得られる装置を用いて、さまざまな高度の化学的および生物学的分析手法を行なうことができる。
それらは混合され、電気泳動、蛍光検出、免疫学的検定、または実際にほぼすべての伝統的な実験室方式などの手法によって分析される。
とりわけ、分析プロセスは、それらがどのように設計されたかに従って機能する。しかしながら、プロセスは、サンプル組成、試薬挙動、洗浄手順などの変化によって生じ得る検定の異常挙動に敏感な場合がある。異常な結果がいかにして生じるか、およびその原因の知識を用いて、いかにしてそのようなエラーを識別し、最終結果を承認/否認する可能性を生み出すかについても学んでもよい。このように、データ生成プロセスにおける顕著な特性を評価することによって、結果が規格に従って生じたように見えるかどうかがわかる。異常に見える結果は、品質逸脱について警告されるべきである。
この発明の範囲および精神から逸脱することなく、この出願に開示された発明にさまざまな実施例および修正がなされ得ることは、当業者には容易に明らかである。
ンピュータで行なわれる必要がある。この第2のシステムはしばしば、分散型データベース解決策と呼ばれる。
・機器の遠隔監視。
・機器に特有ではない機能の実行(方法開発、処理データの評価など)。
・液体の搬送を実現する。たとえば、装置がスピン可能なディスクの形をしている場合、液体流を誘発するために装置をスピンさせる。
・サンプルを、特定の共通分布チャネルまたは特定のマイクロ構造に移送する。
・試薬を、特定の共通分布チャネルまたは特定のマイクロ構造に移送する。
・マイクロ流体装置を位置付ける。
・液体を、特定の時間、マイクロ構造のある位置で培養する。
・検出する。つまりマイクロ流体装置で実行された方法の結果を検出する。
・分析プロセスを実行する;
・信号データについて、マイクロチャネル構造の少なくとも1つのサーチ区域をスキャンすることによって、分析プロセスのデータ情報を取得する;
・上記取得されたデータ情報を、多数の次元を含む画像として、スキャンされた各サーチ区域につき1画像を格納する。
粒子床の使用により検出可能なアルゴリズム、またはむしろ自動化された方法を、以下に提示する。このアルゴリズムは、スキャンされた当該各サーチ区域/検出区域/粒子床について開始されてもよい。
制御ユニットは、スキャニングおよび検出を制御するようプログラムされている。
スクラップごとに半径方向にスキャンされる。半径方向開始位置Xstartは、サーチ区域のスキャニングが始まるとスピン開始位置Spinstart(図示せず)からカウントされるディスクラップ/回転の数であり、半径方向停止位置は、サーチ区域の最後の角度スキャニングが行なわれるとスピン開始位置からカウントされるラップの数である。角度方向におけるサーチ区域のスキャニングは、半径方向の開始位置によって規定されるラップ中に、角度方向における角度開始位置において開始し,当該角度方向は、上記ディスクのスピン方向と、上記CD上の定位置マークに対する検出器の位置とによって規定される。角度方向でのスキャニングは、角度停止位置で停止される。
ロセスに対して望まれる目安、すなわち反応変数を表わしてもよい。この値は、数学的方法、たとえば検出区域の全区域、または統合区域とも呼ばれる1つのサブ区域410(図3A)、もしくは検出区域の多数のサブ区域にわたった測定データの加算または積分を用いることによって計算できる。時として、目的は、検出区域内部の、ここに正規化区域と呼ばれるサブ区域についての分量、すなわち画素の予め規定された分量を計算することである。これは、検出された構造間の差異を最小限に抑えるために行なわれる。この差異はとりわけ、検出区域からの蛍光などのバックグラウンド放射に依存する。
・バックグラウンド放射を減少させる(ステップα);
・ピーク妨害を減少させる(ステップβ);
・サーチ区域内の検出区域の位置を突止める(ステップχ);
・バイナリ人工産物を除去する(ステップδ);
・検出区域の不要な区域を除去する(ステップε);
・ノイズのある画像にデフォルト検出区域を適用する(ステップφ)。
・利用可能であれば、バックグラウンド放射画像にアクセスし、利用可能でなければ、バックグラウンド放射画像を生成する(ステップα′1);
・利用可能であれば、対応する物質の生データ画像にアクセスし、利用可能でなければ、物質の生データ画像を生成する(ステップα′2);
・2つの画像を相関させ、相関画像を生成する(ステップα′3);
・最大画素値の位置を特定する(ステップα′4);
・画像を正しく位置付け、対応する画素値を減算し、生成されたバックグラウンド処理済画像を格納する(ステップα′5)。
・物質生データ画像にアクセスする。または、物質生データ画像生成する(ステップα″1);
・バックグラウンド放射データについての中央値を判定する(ステップα″2);
・中央値を用いて物質生データ画像の画素値を減算し、バックグラウンド処理済画像を格納する(ステップα″3)。
・ラプラシアンフィルタを二次元で使用することによって、以前に格納された画像、通常バックグラウンド処理済画像から、ラプラシアン処理済画像を生成する(ステップβ1);
・前のステップで作成された画像、通常バックグラウンド処理済画像から、妨害しきい値を計算する(ステップβ2);
・しきい値計算に使用された画像に妨害しきい値限度を適用することによって、バイナリコード化ラプラシアン処理済画像を生成する(ステップβ3);
・クラスタにおける開始点を見つける(ステップβ4);
・開始点を包囲する最小矩形区域を判定する(ステップβ5);
・各ピーク区域内の補間値を計算し、ピークの元データを代入し、妨害がフィルタ処理された画像を格納する(ステップβ6)。
・y合計グラフを生成する(ステップχ1);
・y合計グラフの中央値フィルタ処理を行なう(ステップχ2);
・検出区域の中央位置を判定する(ステップχ3);
・検出区域の、半径方向に向けられたエッジを判定する(ステップχ4);
・x合計グラフを生成する(ステップχ5);
・x合計グラフの中央値フィルタ処理を行なう(ステップχ6);
・エッジ曲線(相関性)を求める(ステップχ7);
・エッジ曲線における妨害ピークを抑制する(ステップχ8);
・検出区域の開始位置および終了位置を判定する(ステップχ9);
・グローバルしきい値の開始値を求める(ステップχ10);
・グローバルしきい値を、正しい検出区域幅を与える値に調節する(ステップχ11);
・グローバルしきい値の使用により、バイナリコード化された妨害フィルタ処理済画像を生成する(ステップχ12)。
合、以下のアルゴリズムが作用する。検出区域はその場合、角度位置において良好に、半径方向においてかなり良好に規定される。
ステップφ1:高い信頼度基準を満たす、判定された検出区域位置(ステップχ)をすべて自動的に保存する;
ステップφ2:平均検出区域位置を計算する;
ステップφ3:1つ以上の予め定められた条件が満たされた場合に、平均検出区域位置を自動的に使用する。
・その角度開始位置と平均開始位置との差が、[量]×[検出区域幅]を越えており、式中、[量]は0−1で選択される。
・正規化区域画像における、全半径についての角度方向でのバイナリハイ画素の平均個数が、[量]×[検出区域幅]未満であり、式中、[量]は0−1で選択される。
・角度停止位置と角度開始位置との差が[量]×[検出区域幅]よりも大きく、式中、[量]は1−10で選択される。
・正規化区域画像における、全半径についての角度方向でのバイナリハイ画素の個数が、[量]×[検出区域幅]×[最小検出区域長]未満であり、式中、[量]は0−1で選択される。
この発明は、マイクロ流体装置のマイクロチャネル構造において行なわれる分析プロセスから信頼値を求めるための方法であって、そこから分析プロセスのデータ情報が、信号データのためのマイクロチャネル構造の少なくとも1つのサーチ区域をスキャンすることによって取得され、上記サーチ区域は分析プロセスの結果を含み、上記取得されたデータ情報は、画像として、スキャンされた各サーチ区域につき1画像ずつ格納される方法に関する。各画像は、サーチ区域の平面(二次元)における画素の場所/アドレスと、スキャニング動作により提供されるその画素の場所についての少なくとも1つの検出/測定された測定値、たとえば蛍光強度とによって形成される。物質生データ画像において物質生データ情報からノイズを除去するための異なるステップα−φを、すべて一緒に、または選択されたステップのみ使用して、ノイズが減少した画像を生成してもよい。
以下、文字Cで示される信頼値は、データ情報である画像内容、たとえば画像の強度信号分布を用いた計算により、または画像内容の分析により、もしくは分析および計算の組合せにより、求められる。Cは、画像毎、検定毎などで変わる変数である。
1.最大可能強度の99.5%よりも強い、バックグラウンド処理済画像(上述)における(画素の個数)、飽和画素の個数Npsを発見する。
2.飽和画素の個数Npsを画像サイズAIで除算することによって、飽和画素の正規化個数NpsNを求める。
NpsN=Nps/AI
3.信頼値
1.上述のようなアルゴリズムβのステップ(特にステップβ4を参照)を用いることによって、ノイズピークについての開始点を計算する。
2.ここにノイズピーク強度アレイと呼ばれるノイズピーク強度のアレイを、各ノイズピーク位置についてのバックグラウンド処理済画像(上述)から強度を計算することによって求め、バックグラウンド処理済画像における最大強度IMAXを求め、アレイについて、最悪の妨害の予め規定された最大個数nd(デフォルトは10に設定)、この場合、最高ノイズピークを選択する。
3.ノイズピーク強度IP(ノイズピーク開始点画素)がすべて加算され、バックグラウンド処理済画像における最大強度IMAXで除算されたものの合計として、ノイズピーク強度SIPを計算する。
SIP=Σ(IP(ノイズピーク開始点画素)/IMAX)
4.ノイズピーク強度SIPを許容妨害の予め規定された最大個数nd(デフォルトは10に設定)で除算することによって、ノイズピーク正規化強度SIPNを計算する。
SIPN=SIP/nd
(このアルゴリズムは、許容妨害の最大個数を越えて考慮することはない。)
5.式CMod2=C*(1−0.5*SIPN)に従って、Cを修正する。
(たとえば、画像において最高強度を有するノイズピークが10個ある場合、信頼度は半減する。)
クとして規定された問題または欠陥に依存しているかを示す(図7参照)。
1.一定のバックグラウンドノイズ強度IBCを、ステップχ10から、IBA1A3(区域A1+A3の中央バックグラウンド強度(図3b、および説明内の対応する文を参照))またはIBA2(区域A2における中央強度バックグラウンド(図3b、および説明内の対応する文を参照))の最大値として設定する。
2.IBSTDA1およびIBSTDA3の最小値を計算し、選択することによって、バックグラウンド強度標準偏差IBSTD、バックグラウンドstdを、計算する。ここで、IBSTDA1は区域A1の強度標準偏差であり、IBSTDA3は区域A3の強度標準偏差である。
3.IBCまたは2*IBSTDの最大値として、バックグラウンドノイズIBを設定する。
4.バックグラウンドノイズIBを、画像(検出区域)の強度中央値を用いた推定物質強度値、Imvで除算したものとして、正規化バックグラウンドノイズIBNを計算する。
IBN=IB/Imv
5.CMod3=C*(1−(0.3*IBN))に従って、Cを修正する。
したがって、画像データを分析する際、妨害のいくつかのケースが取扱われ得る。したがって、この発明の一実施例に従った方法は、この説明で先に述べたような格納された画像のデータ情報により、画像の検出された問題またはある欠陥に関連する信頼値を求めるステップをさらに伴う。問題/欠陥の種類と、1つの検出された問題/欠陥または検出された問題/欠陥の組合せによって生じる妨害の量とを検出できるよう、多数の異なる信頼度計算が実行されてもよい。
a) 反応チャンバの壁の一部、または、
b) 多孔質床、たとえば多孔質モノリシックプラグ、または多孔質粒子もしくは非多孔質粒子の充填床、または、
c)懸濁粒子、
であり、データ処理ステップは、
・乾燥した床、
・角度方向におけるサーチ区域の較正不良、
・半径方向におけるサーチ区域の較正不良、
・ノイズピーク、
・床の孔、
・電子的に飽和した信号、
・洗浄不良、
・抗体の捕捉不良、
・化学的に飽和した信号、
・ランダムノイズ、
という問題および欠陥のいずれかまたはそれらの組合せが検出された妨害の検出量に関連して、信頼値Cを設定するステップをさらに伴う。
・角度方向におけるサーチ区域の較正不良、
・半径方向におけるサーチ区域の較正不良、
・不均一な信号分布、
・電子的に飽和した信号、
・ランダムノイズ、
という問題および欠陥のいずれかまたはそれらの組合せが検出された妨害の検出量に関連して、信頼値Cを設定するステップをさらに伴う。
度集約強度の変動を、半径方向の関数として示している。
a) 反応チャンバの壁の一部、または、
b) 多孔質床、たとえば多孔質モノリシックプラグ、または多孔質粒子もしくは非多孔質粒子の充填床、または、
c)懸濁粒子、
であり、データ処理するための手段は、
・乾燥した床、
・角度方向におけるサーチ区域の較正不良、
・半径方向におけるサーチ区域の較正不良、
・ノイズピーク、
・床の孔、
・電子的に飽和した信号、
・洗浄不良、
・抗体の捕捉不良、
・化学的に飽和した信号、
・ランダムノイズ、
という問題のいずれかまたはそれらの組合せが検出された妨害の検出量に関連して、信頼値を設定するための手段をさらに含む。
・角度方向におけるサーチ区域の較正不良、
・半径方向におけるサーチ区域の較正不良、
・不均一な信号分布、
・電子的に飽和した信号、
・ランダムノイズ、
という問題のいずれかまたはそれらの組合せが検出された妨害の検出量に関連して、信頼値を設定するための手段をさらに含む。
好ましい別の実施例では、分類にニューラルネットワークが使用される。上述のように、物質生データ画像の信頼度が高いか低いかが分類できることは、時としてある種重要である。これは、予め訓練された多層パーセプトロンニューラルネットワークで達成可能であり、それは、「ニューラルコンピューティング入門」("Neural computing, an introduction")R.ビール(Beale)およびT.ジャクソン(Jackson)、1990年発行(ISBN 0−85274−262−2、IOPパブリッシング社(IOP Publishing Ltd.)、テクノハウス(Techno house)、レッドクリフウェイ(Redcliffe way)、ブリストル(Bristol)BS1 6NX UK)という書籍(参考文献2)に記載されている。63頁を参照されたい。この多層ネットワークは、1つまたは2つの隠し層を有する(参考文献2、67頁)。アプリケーションスペシャリストは、訓練および制御データの組を分類する。ニューラルネットワークは、参考文献2の73頁に従って訓練される。ニューラルネットワークへの入力は、以下の小見出しにある計算を使用する。
・電子的飽和、
・洗浄不良、
・捕捉抗体不良、
・ランダムノイズ、
・滑らかな信号、
・流れ抑制、
・マイクロ流体装置の材料から生じる妨害信号。
この発明の一実施例によれば、分類および信頼値は、例1のステップ1および2を含むアルゴリズムで計算されたパラメータNpsNによって求めることができる。
r=2%である場合、それは選択された5%よりも小さく、したがって画像は比較的飽和濃度が低く、シグモイド関数はゼロであり、画像は許容可能であるとみなされる。r=10%である場合、画像は飽和濃度が高いとみなされ、シグモイド関数の結果は1であり、画像は神経網によって無用であると分類される。
この発明の一実施例によれば、分類および信頼値は、例2のステップ1および4を含むアルゴリズムで計算された特性パラメータSIPNによって求めることができる。
1.ピークの場所は予め、既存のピーク検出アルゴリズムによって特定される。上述の例2を参照されたい。検出されたすべてのピークのうち、検出区域内、たとえば粒子床などの固相内、または、固相/検出区域ボーダーから規定された距離の範囲内にあるピークのみが考慮される。この距離は、画素の個数、好ましくは10画素以下で規定されてもよい。
2.最大強度値を有する画素の周囲の予め定められた区域からのピーク強度値を大きい順に並べ替え、検出された各ピークについて並べ替え手順を繰返す。
3.しきい値レベルが最高ピークの一番上に置かれ、(2)のリストからの次の画素へ下げられる。
4.画像はこのレベルでしきい値設定され、ラベル付けされたバイナリ画像が取得される。ピーク画素を包囲する区域がベクトルで格納される。
5.ピーク画素を包囲する区域において有意な増加があるまでステップ(2)〜(4)が繰返される。前のしきい値レベルが選択され、ピークの量が計算される。
6.最終的なパラメータ値PPD1として、(1)からの検出区域全体における強度量(検出区域内の全画素の合計)によって除算されたピーク量が使用される。
検出区域に関連する固相、たとえば多孔床の洗浄プロセス中、洗浄液は、固相における不特定の結合剤をすべてうまく除去しないかもしれない。最高画素強度は、完全な条件に関しては、流れが固相に入る場所である固相の始めに集中するが、それに代わり、固相の終わりに集中する。上記画像は「洗浄不良」画像を呼ばれる。そのような画像での信号強度量は、大きな後方へのチルトによって特徴付けられ、「洗浄不良」画像は、多数の異なる強度しきい値レベルの各々について、バイナリ画像(各画素は、信号強度量外にある場合にはゼロであり、上記量内に位置する場合には1である)を作り出すことによって識別可能である。単一のパラメータにおけるチルトを捕捉するために、各バイナリ画像につい
ての質量中心が計算される。以下に好適なアルゴリズムの一例を示す。
2.選択されたしきい値強度値の各々について、信号強度量のバイナリ画像が作成される。
3.バイナリ画像の各々について質量中心座標が計算される。3つのバイナリ画像は、統合区域のゼロ強度レベルを超える、異なる強度レベルに位置する。
4.最小二乗方程式により、直線を、バイナリ画像の3つの質量中心座標を通るよう適合させる。流れ方向における直線のチルト係数は、所望の特性パラメータPPWとして使用される。
検出区域と関連した固相に固定された捕捉反応物質がその対応物を十分速く捕捉しない場合、捕捉された対応物は検出区域/固相中に均一に分布され、検出区域/固相の始まりだけにある理想的な場合のようにはならない。生データはあまり信頼できなくなり、低い信頼度をもたらしてしまう。捕捉反応物質、たとえば抗体の不良を被る画像は、検出区域/固相、たとえば粒子床の全体にわたって非常に均一に分布された信号を有し、このため大きな量を所有する。所望されるパラメータは、統合区域410における全画素の強度値を積分、またはむしろ加算することにより、かつ、得られた値を統合区域のサイズで除算することにより、計算される。
この発明の一実施例によれば、分類および信頼値は、例3のステップ1および4を含むアルゴリズムで計算されたパラメータIBNによって求めることができる。
2.バイナリ画像の周囲が計算され、外縁が省略される。
3.最後に、周囲を画像サイズで除算することによって、所望の特性パラメータPRNが得られる。
信号の形状は、いくつかのパラメータで捕捉することがより難しい重要な特徴である。「良好な形状の」信号を有利に扱うことは望ましい。信号量の形状を判断する際、最も重要な特性は、信号量の滑らかさである。目視分析は、良好な形状の信号については、その形状がほぼ正方形であることを示唆する。角度方向に沿った信号プロファイルは、多数の画素から統合区域に信号の最大値を選び、プロファイルをベクトルで格納することによって得られる。角度方向に沿った信号プロファイルを使用し、近似二次多項式曲線からのずれを計算することは、信号がどれくらい滑らかかを示す。ずれの平均は、特性パラメータPSSとして使用される。
マイクロ流体装置、たとえばCDの生産中に起こり得る一問題は、粒子床の形であり得る固相などを含む反応マイクロキャビティに至るチャネルが、埃、粒子またはファイバなどで詰まってしまうことである。結果として得られる画像は、内側半径方向へ向かう隆起を有する、非常に特徴的な外見を有する。設計されたアルゴリズムは、画像内の小さい、予め規定された区域を利用する。
時として、検出区域に関連する反応/検出マイクロキャビティ外の領域が、所望の信号から分離するのが困難な信号を促す場合がある。たとえばCDタイプのマイクロ流体装置におけるプラスチック材料は、所望の信号が蛍光である場合に問題を起こす恐れがある広い帯域の蛍光を生じさせる場合がある。このパラメータについて選択されたアプローチは、再度、しきい値方法である。蛍光といったこの種の望ましくない信号に影響される画像の優勢な区域は、(流れ方向における)底端および側端に向かって集中しているため、この区域は以下に説明する手順によって分離される。
2.ステップ(1)で得られたバイナリ画像が、画素に関して、元画像(生強度画像)を用いてその上位四分位点で乗算され、「信号量画像」をもたらす。
3.ステップ(2)により提供される画像の信号強度の量を計算することによって、特性パラメータPMDが得られる。
分析プロセスを実行するステップと、
信号データのためのマイクロチャネル構造の少なくとも1つのサーチ区域をスキャンすることによって、分析プロセスのデータ情報を取得するステップとを含み、上記サーチ区域は分析プロセスの結果を含んでおり、上記方法はさらに、
上記取得されたデータ情報を、格納された画像として、スキャンされた各サーチ区域につき1画像ずつ格納するステップとを含み、
上記方法は、
信頼値を求めるために、取得されたデータ情報をデータ処理するステップと、
所望すれば、信頼値をディスプレイ装置上に提示するステップとをさらに含むことを特徴とする。
Claims (15)
- プロセッサと前記プロセッサに結合されたメモリとを含み、かつ、装置として機能するコンピュータによって少なくとも1つの信頼値Cを求めるための方法であって、
マイクロ流体装置のマイクロチャネル構造の反応マイクロチャンバにおいて、生物学的または化学的なサンプルを試薬と反応させることにより分析プロセスを行なうステップと、
前記分析プロセスのデータ情報が取得される反応マイクロチャンバであって化学的な反応の結果の信号データのための前記マイクロチャネル構造の反応マクロチャンバと、前記化学的な反応の生成物とを含む少なくとも1つのサーチ区域として、検出区域と、当該検出区域を包囲する外側区域とを含む予め規定されたサーチ区域をスキャンするステップと、
前記取得されたデータ情報として前記サーチ区域における検出区域の位置と、当該位置に対応する画素の強度値とを含むデータ情報を、スキャンされた各サーチ区域につき1画像ずつ格納するステップと、
前記化学的な反応が欠陥によって妨害されなかったならば期待されるデータに、前記スキャンされた信号データがどれぐらい近いかを示す信頼値(C)として、当該画像の検出された問題またはある欠陥に関連している信頼値を求めるために、前記格納された画像の少なくとも1つにおける検出表面についての前記信号データの分布を処理することにより、前記取得されたデータ情報をデータ処理するステップとを含む、方法。 - ユーザが認識可能なフォーマットで前記信頼値を出力するステップをさらに含む、請求項1に記載の方法。
- 前記反応マイクロチャンバは、前記データ情報を取得した源である固相を含み、前記固相は、たとえば、
a) 前記反応チャンバの壁の一部、または、
b) 多孔質床、たとえば多孔質モノリシックプラグ、または多孔質粒子もしくは非多孔質粒子の充填床、または、
c)懸濁粒子、
であり、
前記データ処理するステップは、
問題若しくは欠陥、または、多くの問題および多くの欠陥の組み合わせ、または、問題および欠陥の組み合わせのために検出された妨害の検出量に関連して、信頼値を設定するステップをさらに伴うことを特徴とする、請求項1に記載の方法。 - 前記反応マイクロチャンバは、前記データ情報を取得した源である、通常均質な溶液を含み、前記データ処理するステップは、
問題若しくは欠陥、または、多くの問題および多くの欠陥の組み合わせ、または、問題および欠陥の組み合わせのために検出された妨害の検出量に関連して、信頼値を設定するステップをさらに伴うことを特徴とする、請求項1に記載の方法。 - 前記データ処理するステップは、前記サーチ区域の画像方向の1つにおいて前記信号データを集約した結果であるグラフから、前記信頼値を求めるステップを伴うことを特徴とする、請求項4に記載の方法。
- プロセッサと前記プロセッサに結合されたメモリとを含み、かつ、少なくとも1つの信頼値を求めるための装置として機能する手段を含むシステムであって、
マイクロチャネル構造を含むマイクロ流体装置を含み、分析プロセスは、生物学的または化学的なサンプルを試薬と反応させることにより行なわれ、
前記分析プロセスのデータ情報が取得される反応マイクロチャンバであって化学的な反応の結果の信号データのための前記マイクロチャネル構造の反応マイクロチャンバと、前記化学的な反応の生成物とを含む少なくとも1つのサーチ区域として、検出区域と当該検出区域を包囲する外側区域とを含む予め規定されたサーチ区域をスキャンするための手段を含み、
前記取得されたデータ情報として前記サーチ区域における検出区域の位置と、当該位置に対応する画素の強度値とを含むデータ情報を、スキャンされた各サーチ区域につき1画像ずつ格納するための記憶手段と、
前記化学的な反応が欠陥によって妨害されなかったならば期待されるデータに、前記スキャンされた信号データがどれぐらい近いかを示す信頼値として、当該画像の検出された問題あるいは欠陥に関連している信頼値を求めるために、前記格納された画像の少なくとも1つにおける検出表面についての前記信号データの分布を処理することにより、前記取得されたデータ情報をデータ処理するための手段とを含む、システム。 - ユーザが認識可能なフォーマットで前記信頼値を出力するための出力手段をさらに含む、請求項6に記載のシステム。
- 前記反応マイクロチャンバは、前記データ情報を取得した源である固相を含み、前記固相は、
a) 前記反応チャンバの壁の一部、または、
b) 多孔質床、たとえば多孔質モノリシックプラグ、または多孔質粒子もしくは非多孔質粒子の充填床、または、
c)懸濁粒子、
であり、
データ処理するための前記手段は、
問題若しくは欠陥、または、多くの問題および多くの欠陥の組み合わせ、または、問題および欠陥の組み合わせのために検出された妨害の検出量に関連して、信頼値を設定する、請求項6に記載のシステム。 - 前記反応マイクロチャンバは、前記データ情報を取得した源である、通常均質な溶液を含み、データ処理するための前記手段は、
問題若しくは欠陥、または、多くの問題および多くの欠陥の組み合わせ、または、問題および欠陥の組み合わせのために検出された妨害の検出量に関連して、信頼値を設定するための手段をさらに含むことを特徴とする、請求項6に記載のシステム。 - データ処理するための前記手段は、画像方向の1つにおいて信号データを集約した結果であるグラフから、前記信頼値を求める、請求項6に記載のシステム。
- プロセッサと前記プロセッサに結合されたメモリとを含むコンピュータに、少なくとも1つの信頼値Cを求める方法を実行させるためのプログラムであって、
前記プログラムは前記コンピュータに、
マイクロ流体装置のマイクロチャネル構造の反応マイクロチャンバにおいて、生物学的または化学的なサンプルを試薬と反応させることにより分析プロセスを行なうステップと、
前記分析プロセスのデータ情報が取得される反応マイクロチャンバであって化学的な反応の結果の信号データのための前記マイクロチャネル構造の反応マクロチャンバと、前記化学的な反応の生成物とを含む少なくとも1つのサーチ区域として、検出区域と、当該検出区域を包囲する外側区域とを含む予め規定されたサーチ区域をスキャンするステップと、
前記取得されたデータ情報として前記サーチ区域における検出区域の位置と、当該位置に対応する画素の強度値とを含むデータ情報を、スキャンされた各サーチ区域につき1画像ずつ格納するステップと、
前記化学的な反応が欠陥によって妨害されなかったならば期待されるデータに、前記スキャンされた信号データがどれぐらい近いかを示す信頼値(C)として、当該画像の検出された問題またはある欠陥に関連している信頼値を求めるために、前記格納された画像の少なくとも1つにおける検出表面についての前記信号データの分布を処理することにより、前記取得されたデータ情報をデータ処理するステップとを実行させる、プログラム。 - 前記プログラムは前記コンピュータに、
ユーザが認識可能なフォーマットで前記信頼値を出力するステップをさらに実行させる、請求項11に記載のプログラム。 - 前記反応マイクロチャンバは、前記データ情報を取得した源である固相を含み、前記固相は、たとえば、
a) 前記反応チャンバの壁の一部、または、
b) 多孔質床、たとえば多孔質モノリシックプラグ、または多孔質粒子もしくは非多孔質粒子の充填床、または、
c)懸濁粒子、
であり、
前記プログラムは前記コンピュータに、
問題若しくは欠陥、または、多くの問題および多くの欠陥の組み合わせ、または、問題および欠陥の組み合わせのために検出された妨害の検出量に関連して、信頼値を設定するステップをさらに実行させる、請求項11に記載のプログラム。 - 前記反応マイクロチャンバは、前記データ情報を取得した源である、通常均質な溶液を含み、
前記プログラムは前記コンピュータに、
問題若しくは欠陥、または、多くの問題および多くの欠陥の組み合わせ、または、問題および欠陥の組み合わせのために、検出された妨害の検出量に関連して、信頼値を設定するステップをさらに実行させる、請求項11に記載のプログラム。 - 前記データ処理するステップは、前記サーチ区域の画像方向の1つにおいて前記信号データを集約した結果であるグラフから、前記信頼値を求めるステップを含む、請求項14に記載のプログラム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US48322703P | 2003-06-30 | 2003-06-30 | |
SE0301945A SE0301945D0 (sv) | 2003-06-30 | 2003-06-30 | Confidence determination |
SE0301945-2 | 2003-06-30 | ||
US60/483,227 | 2003-06-30 | ||
PCT/SE2004/001066 WO2005001766A1 (en) | 2003-06-30 | 2004-06-30 | Confidence determination |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2007527514A JP2007527514A (ja) | 2007-09-27 |
JP4691027B2 true JP4691027B2 (ja) | 2011-06-01 |
Family
ID=27731073
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2006518588A Active JP4691027B2 (ja) | 2003-06-30 | 2004-06-30 | 信頼度判定 |
Country Status (5)
Country | Link |
---|---|
US (1) | US7616791B2 (ja) |
EP (1) | EP1639544B1 (ja) |
JP (1) | JP4691027B2 (ja) |
SE (1) | SE0301945D0 (ja) |
WO (1) | WO2005001766A1 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
SE0402731D0 (sv) * | 2004-11-10 | 2004-11-10 | Gyros Ab | Liquid detection and confidence determination |
US8055034B2 (en) * | 2006-09-13 | 2011-11-08 | Fluidigm Corporation | Methods and systems for image processing of microfluidic devices |
US8050516B2 (en) * | 2006-09-13 | 2011-11-01 | Fluidigm Corporation | Methods and systems for determining a baseline during image processing |
DE102007014413B4 (de) * | 2007-03-17 | 2016-02-04 | DüRR DENTAL AG | Verfahren zum Auswerten von Fluoreszenzbildsätzen und Vorrichtung zu seiner Durchführung |
US11210554B2 (en) | 2019-03-21 | 2021-12-28 | Illumina, Inc. | Artificial intelligence-based generation of sequencing metadata |
CN111967345B (zh) * | 2020-07-28 | 2023-10-31 | 国网上海市电力公司 | 一种实时判定摄像头遮挡状态的方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000346842A (ja) * | 1999-04-12 | 2000-12-15 | Hitachi Ltd | 微粒子を用いたプローブアレーの作製方法及び装置 |
JP2001021558A (ja) * | 1999-04-30 | 2001-01-26 | Agilent Technol Inc | ポリヌクレオチドアレイの製作法 |
JP2002214241A (ja) * | 2000-11-20 | 2002-07-31 | Minolta Co Ltd | マイクロチップ |
WO2002099736A1 (en) * | 2001-03-13 | 2002-12-12 | Physiome Sciences, Inc. | Biological modeling utilizing image data |
US20020193962A1 (en) * | 2000-06-06 | 2002-12-19 | Zohar Yakhini | Method and system for extracting data from surface array deposited features |
US6633659B1 (en) * | 1999-09-30 | 2003-10-14 | Biodiscovery, Inc. | System and method for automatically analyzing gene expression spots in a microarray |
JP2005513418A (ja) * | 2001-09-17 | 2005-05-12 | ユィロス・アクチボラグ | マイクロフルイディックデバイス用のディテクタ構成 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0642605B2 (ja) * | 1985-08-09 | 1994-06-01 | トヨタ自動車株式会社 | 自動車用アンテナ装置 |
US5005147A (en) * | 1988-12-30 | 1991-04-02 | The United States Of America As Represented By The Administrator, The National Aeronautics And Space Administration | Method and apparatus for sensor fusion |
US5388164A (en) * | 1992-08-19 | 1995-02-07 | Olympus Optical Co., Ltd. | Method for judging particle agglutination patterns using neural networks |
GB9418981D0 (en) | 1994-09-21 | 1994-11-09 | Univ Glasgow | Apparatus and method for carrying out analysis of samples |
SE9502251D0 (sv) | 1995-06-21 | 1995-06-21 | Pharmacia Ab | Flow-through sampling cell and use thereof |
US20010055812A1 (en) * | 1995-12-05 | 2001-12-27 | Alec Mian | Devices and method for using centripetal acceleration to drive fluid movement in a microfluidics system with on-board informatics |
US5835620A (en) * | 1995-12-19 | 1998-11-10 | Neuromedical Systems, Inc. | Boundary mapping system and method |
SE0001779D0 (sv) | 2000-05-12 | 2000-05-12 | Gyros Ab | Microanalysis device |
US6468761B2 (en) * | 2000-01-07 | 2002-10-22 | Caliper Technologies, Corp. | Microfluidic in-line labeling method for continuous-flow protease inhibition analysis |
AU2001234524A1 (en) * | 2000-01-22 | 2001-07-31 | Kairos Scientific Inc. | Visualization and processing of multidimensional data using prefiltering and sorting criteria |
US6834122B2 (en) * | 2000-01-22 | 2004-12-21 | Kairos Scientific, Inc. | Visualization and processing of multidimensional data using prefiltering and sorting criteria |
WO2002075312A1 (en) | 2001-03-19 | 2002-09-26 | Gyros Ab | Characterization of reaction variables |
US20040068096A1 (en) * | 2001-09-21 | 2004-04-08 | Zenta Tsuchihashi | Human single nucleotide polymorphisms in organic anion transport and multi-drug resistant proteins |
EP1461769A1 (en) | 2001-12-31 | 2004-09-29 | Gyros AB | Method and arrangement for reducing noise in a microfluid device |
-
2003
- 2003-06-30 SE SE0301945A patent/SE0301945D0/xx unknown
-
2004
- 2004-06-30 JP JP2006518588A patent/JP4691027B2/ja active Active
- 2004-06-30 EP EP04749104A patent/EP1639544B1/en active Active
- 2004-06-30 WO PCT/SE2004/001066 patent/WO2005001766A1/en active Application Filing
- 2004-06-30 US US10/555,009 patent/US7616791B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000346842A (ja) * | 1999-04-12 | 2000-12-15 | Hitachi Ltd | 微粒子を用いたプローブアレーの作製方法及び装置 |
JP2001021558A (ja) * | 1999-04-30 | 2001-01-26 | Agilent Technol Inc | ポリヌクレオチドアレイの製作法 |
US6633659B1 (en) * | 1999-09-30 | 2003-10-14 | Biodiscovery, Inc. | System and method for automatically analyzing gene expression spots in a microarray |
US20020193962A1 (en) * | 2000-06-06 | 2002-12-19 | Zohar Yakhini | Method and system for extracting data from surface array deposited features |
JP2002214241A (ja) * | 2000-11-20 | 2002-07-31 | Minolta Co Ltd | マイクロチップ |
WO2002099736A1 (en) * | 2001-03-13 | 2002-12-12 | Physiome Sciences, Inc. | Biological modeling utilizing image data |
JP2005513418A (ja) * | 2001-09-17 | 2005-05-12 | ユィロス・アクチボラグ | マイクロフルイディックデバイス用のディテクタ構成 |
Also Published As
Publication number | Publication date |
---|---|
EP1639544A1 (en) | 2006-03-29 |
SE0301945D0 (sv) | 2003-06-30 |
US20070118490A1 (en) | 2007-05-24 |
US7616791B2 (en) | 2009-11-10 |
JP2007527514A (ja) | 2007-09-27 |
WO2005001766A1 (en) | 2005-01-06 |
EP1639544B1 (en) | 2012-12-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11430131B2 (en) | Foreground segmentation and nucleus ranking for scoring dual ISH images | |
JP4338529B2 (ja) | ホーミングプロセス | |
US7221783B2 (en) | Method and arrangement for reducing noise | |
US10012590B2 (en) | Methods and systems for biological instrument calibration | |
Shuang et al. | Troika of single particle tracking programing: SNR enhancement, particle identification, and mapping | |
CA2955156A1 (en) | Systems and methods for generating fields of view | |
US20080137080A1 (en) | Method and apparatus for normalization and deconvolution of assay data | |
US20080138247A1 (en) | Liquid Detection and Confidence Determination | |
JP4691027B2 (ja) | 信頼度判定 | |
US20180315187A1 (en) | Methods and systems for background subtraction in an image | |
US11232851B2 (en) | System and method for modeling and subtracting background signals from a melt curve | |
US20050186670A1 (en) | Method of detecting error spot in DNA chip and system using the method | |
JP4423039B2 (ja) | マイクロ流体デバイスにおける雑音を低減させるための方法および装置 | |
JP2002071688A (ja) | バイオチップを用いたハイブリダイゼーション反応の実験結果表示方法及び実験誤差評価方法 | |
JP2007017282A (ja) | 生体情報処理装置および生体情報処理方法、学習装置および学習制御方法、プログラム並びに記録媒体 | |
US10733707B2 (en) | Method for determining the positions of a plurality of objects in a digital image | |
US11802870B1 (en) | Kinetic immunoassay systems and methods | |
US20230377137A1 (en) | Analysis method | |
CN117593505A (zh) | 数字pcr泄漏检测和校正方法及系统 | |
CN117589782A (zh) | 用于补偿微流控芯片的缺陷分区的方法 | |
KR20230072952A (ko) | 표적 물질의 디지털 분석 방법 및 이를 이용한 디바이스 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090715 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100126 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100423 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20100506 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100525 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100624 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100721 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20100726 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20101130 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20110117 |
|
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: 20110208 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20110218 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4691027 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20140225 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |