KR20040077722A - 전기 화학 신호를 프로세싱하기 위한 방법 및 장치 - Google Patents

전기 화학 신호를 프로세싱하기 위한 방법 및 장치 Download PDF

Info

Publication number
KR20040077722A
KR20040077722A KR10-2004-7010950A KR20047010950A KR20040077722A KR 20040077722 A KR20040077722 A KR 20040077722A KR 20047010950 A KR20047010950 A KR 20047010950A KR 20040077722 A KR20040077722 A KR 20040077722A
Authority
KR
South Korea
Prior art keywords
analysis
signal
interfering
variables
selective
Prior art date
Application number
KR10-2004-7010950A
Other languages
English (en)
Inventor
스리다르지. 이엔가르
다니엘 하아스
크레이그 보론
Original Assignee
아가매트릭스, 인코포레이티드
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 아가매트릭스, 인코포레이티드 filed Critical 아가매트릭스, 인코포레이티드
Publication of KR20040077722A publication Critical patent/KR20040077722A/ko

Links

Classifications

    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
    • G01N27/28—Electrolytic cell components
    • G01N27/30—Electrodes, e.g. test electrodes; Half-cells
    • G01N27/327—Biochemical electrodes, e.g. electrical or mechanical details for in vitro measurements
    • G01N27/3271—Amperometric enzyme electrodes for analytes in body fluids, e.g. glucose in blood
    • G01N27/3274—Corrective measures, e.g. error detection, compensation for temperature or hematocrit, calibration
    • C—CHEMISTRY; METALLURGY
    • C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
    • C12Q—MEASURING OR TESTING PROCESSES INVOLVING ENZYMES, NUCLEIC ACIDS OR MICROORGANISMS; COMPOSITIONS OR TEST PAPERS THEREFOR; PROCESSES OF PREPARING SUCH COMPOSITIONS; CONDITION-RESPONSIVE CONTROL IN MICROBIOLOGICAL OR ENZYMOLOGICAL PROCESSES
    • C12Q1/00—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions
    • C12Q1/54—Measuring or testing processes involving enzymes, nucleic acids or microorganisms; Compositions therefor; Processes of preparing such compositions involving glucose or galactose
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
    • G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis

Abstract

디지털 신호 처리 기술들을 통한 센서들의 생산 및 선택성을 증가하기 위한 시스템 및 방법들이 여기서 제공된다. 하나의 설명적 실시예에 따라, 간섭하는 분석을 지닌 혼합 샘플 내의 선택 분석의 모니터링을 위한 전기 화학적 방법에서, 비선형 전류 신호를 생성하기 위해 상기 샘플로 큰 진폭 전압 자극을 제공하는 것을 포함하는 개선점이 제공된다. 그리고 상기 선택 분석을 위한 기준 전류 신호의 하나 이상의 주파수에서 하나 이상의 푸리에 계수의 다수의 실수 및 허수 부분들을 포함하는 분석 벡터를 지닌 벡터 투영 방법에 의해 상기 발생된 신호 내의 상기 선택 분석으로부터 신호 분배를 분석하는 것을 포함한다.

Description

전기 화학 신호를 프로세싱하기 위한 방법 및 장치{METHOD AND APPARATUS FOR PROCESSING ELECTROCHEMICAL SIGNALS}
디지털 신호 프로세싱 기술을 통한 센서의 선택 및 생산을 향상시키기 위한 방법 및 시스템이 여기에 제공된다. 하나의 실시예에 따라, 간섭 분해물을 지닌 혼합 샘플에서 분해물 선택의 모니터링을 위한 전기 화학적 방법에서, 비선형 전류 신호를 발생하기 위해 상기 샘플로 큰 진폭 전압 자극 파형을 적용하는 것 그리고 상기 선택 분해물을 위한 기준 전류 신호의 하나 이상의 주파수들에서 하나 이상의 푸리에 계수의 다수의 실수 그리고 허수 부분을 포함하는 분석 벡터를 지닌 벡터 투영 방법에 의해 발생되는 신호에서 상기 선택 분해물로부터 신호 분배를 용해하는 단계를 포함한다.
또 다른 선택적 실시예에 따라, 간섭 분해물을 지닌 혼합 샘플에서 선택 분해물의 농도를 결정하는 전기 화학적 방법은 비선형 전류 신호를 발생하기 위해 상기 샘플로 큰 진폭 전압 자극 파형을 적용하는 것, 상기 발생된 신호를 측정하는것, 상기 발생된 신호의 일부 또는 전체의 한 변수 이상을 계산하는 것, 그리고 상기 선택의 각각을 위한 분석 벡터들에 기초한 계산 방정식을 해결함으로써 상기 혼합된 샘플에서 선택 분해물의 농도를 결정하는 것 그리고 하나 이상의 변수와 분해물을 간섭하는 것을 포함한다.
또 다른 실시예에서, 전극 시스템으로부터 초래하는 전류를 감지하고 그리고 전압 파형을 적용하기 위한 포텐시오스탯(potentiostat) 회로를 포함하며, 하나 이상의 메모리는 다음의 작동들- 비선형 신호를 발생하기 위해 상기 샘플로 큰 진폭 전압 자극 파형을 적용하는 단계, 상기 발생된 신호의 전부 또는 일부 부분의 원하는 주파수 성분의 하나 이상의 푸리에 계수를 계산하는 단계, 그리고 상기 선택 그리고 간섭 분해물의 각각을 위한 분석 벡터 상에 기초한 계산 방정식을 해결하기 위한, 하나 이상의 푸리에 계수의 이용에 의한 상기 혼합된 샘플 내의 상기 선택 분해물의 농도를 결정하는 단계를 수행하기 위한 상기 프로그램 지시들을 수행하기 위해 설정된 프로세서 그리고 프로그램 지시들을 지닌다.
또 다른 실시예에 따라, 상기 샘플에 적용될 때 비선형 전류 신호를 발생하기 위한 큰 진폭 전압 자극 파형을 선택하는 단계, 선택 그리고 간섭 분해물 들 중의 각각의 다중 다른 농도를 포함하는 샘플들로 파형을 적용하는 단계, 그리고 상기 기준 전류 신호들의 각각을 위한 푸리에 변환의 실수 그리고 허수 부분의 값들을 계산하는 단계, 다중 주파수들의 각각에서 상기 푸리에 변환의 푸리에 계수의 실수 그리고 허수 값들을 그리는 단계, 위상 각도에서 상대적으로 더 큰 차이를 보이는 상기 실수 그리고 허수 부분에서 다중 주파수들 중의 하나를 선택하는 단계, 선택된 하나의 주파수에서 상기 선택 그리고 간섭 분해의 각각을 위한 분석 벡터들을 계산하는 단계, 그리고 복소수 평면에서 각각 분석 벡터의 길이로 샘플내의 각각의 분석의 농도와 관계되는 상기 분석 벡터들 그리고 조정 정보들에 기초한 계산 방정식을 세우는 단계를 포함하도록 제공된다.
또 다른 실시예에서, 간섭 분해물을 지닌 혼합된 샘플에서 선택 분해물을 모니터링 하기 위한 계산 방정식을 세우는 방법이 제공되고, 이는 다음의 단계를 포함한다. 상기 샘플에 적용될 때 비선형 전류 신호를 발생하기위해 큰 진폭 전압 자극 파형을 선택하는 단계, 변수로서 사용하는 상기 전류 신호의 신호 특징들을 선택하는 단계, 상기 선택 그리고 간섭 분해물들 모두의 다른 농도를 포함하는 샘플들로 파형을 적용하는 단계, 각 기준 신호를 위한 각각의 변수의 값을 계산하는 단계, 상기 샘플들에서 상기 선택 분해물의 농도를 측정하기 위해 충분한 정확성 그리고 계산된 값으로부터 다수의 변수들을 선택을 지니는 선형 평가기(estimator)로서 측정 방정식을 세우는 단계이다.
또 다른 실시예에서, 간섭 분해물을 지닌 혼합된 샘플에서 분석 분해물의 농도를 결정하는 전기 화학적 방법이 제공되었으며, 이는 다음의 단계들을 포함한다. 비선형 신호를 발생하기 위한 상기 샘플로의 자극 파형을 적용 단계, 상기 생성된 신호의 측정단계, 상기 생성된 신호의 전부 또는 일부 부분의 하나 이상의 변수의 계산 단계, 그리고 하나 이상의 변수 그리고 간섭 분해물들 그리고 상기 선택의 각각을 위한 분석 벡터 상에 기초하는 계산 방정식을 계산함으로써 상기 혼합 샘플 내의 상기 선택 분해물의 농도를 결정하는 단계이다.
또 다른 실시예에 따라, 간섭 분해물을 지닌 혼합된 샘플에서 분해물의 농도를 결정하기 위한 방법이 제공되었으며, 이는 다음의 단계들을 포함한다. 비선형 신호를 발생하기 위해 상기 샘플로 자극 파형을 적용하는 단계, 상기 발생된 신호를 측정하는 단계, 상기 생성된 신호의 전부 또는 일부 부분의 하나 이상의 변수를 계산하는 단계, 그리고 하나 이상의 변수 그리고 분해물의 각각을 위한 분석 벡터들에 기초한 계산 방정식을 해결함으로써 상기 혼합된 샘플 내의 상기 분해물의 농도를 결정하는 단계이다.
1960년대의 발명 이래로, 생체 감응 장치의 이용이 널리 보급되었다. 생체 감응장치는 생화학적 정보를 전기적 신호로 변환하기 위한 변환기(예를 들어, 전극 또는 광다이오드)를 지닌 생물학적 인식(예를 들어, 효소 또는 항체)과 결합하는 장치이다.
도 1 은 전압 전위가 적용되는 곳에서 효소로 덮인 전극(1)을 포함한다. 도 1의 생체 감응 장치는 암페어미터 감지의 예이다. 이 때 전압은 산화시키기 위한 샘플 내의 특정 분석(측정되고 있는 물질)을 일으키는 상기 전극(1)에 적용된다. 상기 산화는 전류(3)가 감지되고 분석될 수 있을 때 발생되도록 일으킨다. 상기 분해 산화에서 전압은 분해의" 산화 전압" 이라고 불린다.
일반적으로 말해서, 상기 용어 " 산화 환원 전압"은 분해가 산화 또는 환원되는 곳에서 전압을 표시하기 위해 사용된다. 도 1 의 생체 감응 장치에서, 글루코오스("GLU")는 상기 효소와 재반응하고 상기 효소로 전자들을 전송하며, 산화 상태로부터 환원 상태로 그것을 변환한다. 일부 다른 전자 왕복( 산화 형태에서)은 상기 효소를 그의 산화된 상태로 되돌아가도록 재 반응한다. 상기 전자 왕복은 그 후 프로세스(감소된 효소로부터 전자들을 취함)에서 감소된 상태가 된다. 상기 감소된전자 왕복은 전극에서 산화되는 것이다. 그러한 전자 왕복의 한 실시예는 산소로서, 이는 수소 과산화물로 환원된다. 이는 또한 산소에 의지하는 것 대신 이 함수를 수행하는 많은 상업 글루코오스 테스트 스트립에서 사용되는 조정자라고 불리는 전자 왕복의 패밀리이다.
암페어미터(amperometry)의 기술을 이용하여, 샘플 내의 다수의 분해 중의 하나 쪽으로 선택은 그 분해의 산화환원 전압의 적용에 의해 획득된다. 따라서 도 1에서, 충분히 높은 전압은 환원된 전자 왕복을 산화하기 위해 적용되고 있고 그리고 상기 전극에 의해 감지되는 상기 결과 전류(3)는 상기 감소된 전자 왕복의 농도에 의존하며, 이는 차례로 샘플에서 글루코오스 농도에 의존한다.(유의할 것은, 실질적으로 상기 글루코오스와 관련된 중재자 에이전트는 재 산화 되고 그리고 상기 환원된 효소와 재반응 한다. 상기 환원된 중재자의 농도는 직접적으로 샘플에서 글루코오스의 농도의 지표이다. 간략 성을 위해 글루코오스는 전극에서 감지되는 실질적 분해인 감소된 중재자라는 이해와 함께 산화되고 있는 분해물로서 간주될 것이다.
전기화학의 바이오센서들은 제조의 쉬움과 낮은 가격으로 매력적인 제공이나, 그러나 다른 혈액 화학물들, 예를 들어, 아스코르브산(비타민 C), 아세트아미노펜(도 1에서 "TYL"), 그리고 요산은 잘못된 판독을 초래하는 바이오센서 액션과 간섭할 수 있다. 도 1 은 간섭하는 아스코르브산("C")의 영향을 보여준다. 이 때, 아스코르브산(5)의 분자는 상기 효소 레이어를 통해 확산되고, 직접적으로 상기 전극(1)에 의해 산화되며, 그리고 전류(7)가 발생된다.
따라서 오버랩핑 산화환원 전압과 함께, 샘플이 다수의 분해물질을 포함할 때,(즉, 그곳에서 다수의 분해물의 상기 산화 환원은 동일한 범위이고 그리고 따라서 모든 것이 동일하게 적용된 전극 전압에서 산화 환원 전류를 준다), 상기 전극의 선택성은 감소된다. 전극에서 발생되는 전류는 주어진 전극 전압에서 전극-산화 또는 전극-환원이 될 수 있는 상기 샘플로부터 모든 분해물로부터 초래되며, 각 분해물의 알려지지 않은 성분들을 포함하는 감지된 전류에서 초래되고, 그것에 의해 사라진 전극 선택도 그리고 부정확한 농도 판독을 초래한다. 오버래핑 산화 환원 전압을 지닌 분해물들의 설명 없이 분해물을 위한 테스팅은 부정확한 판독을 초래할 것이다.
도 2-4 는 수소 과산화물(목표 분해물) 그리고 아스코르브산(간섭물)과 관련하여 앞선 문제점은 그래픽 적으로 설명한다. 도 2 그리고 3에서 보이는 것과 같이, 600mV의 상기 동일한 DC 암페어미터 전압과 함께 적용된 것이 감지된 전류(y-축)에서 증가를 발생할 때 아스코르브산 그리고 수소 과산화물(x-축)의 각각의 양을 증가 시킨다. 눈금 커브들(9,11)은 각각 전류 판독(13,15)로부터 결정된다.
상기 산화 환원 전압이 600mV에서 오버랩 되기 때문에, 잘못된 판독은 도 4에서 보이는 것과 같이, 수소 과산화물을 위해 테스팅 할 때 초래된다. 상기 테스터는 점선(17)에 의해 표시되는 것과 같은 1mM의 농도를 읽어야만 한다. 상기 테스터는 사실상 증가하는 아스코르브산이 수소 과산화물의 일정 양을 포함하는 상기 측정된 샘플에 부가될 때 수소 과산화물의 증가하는 양을 보여주는 판독들(19)을 잘못 생성한다.
일반적으로 바이오센서들을 괴롭히는 다른 간섭계들은 다른 샘플 성분들, 상기 센서의 물리적 악화 또는 오염 또는 배경 잡음과 함께 상호-반응을 포함한다. 바이오센서들의 앞선 결점들을 극복하기 위한 노력들은 전통적으로 화학적 중재자들 또는 펌-선택(perm-selective) 막들을 이용하는 것과 같은 장치로 물리적 또는 화학적 향상을 이용해 왔다. 그러나 중재자들은 증가된 배경 잡음에 기여할 수 있고 그리고 막들은 센서의 전체적 민감도를 감소하는 동안 불필요한 생산 비용을 부가하게 된다.
도 1 은 샘플 내에서 감지 글루코오스를 위한 바이오센서이다.
도 2 는 수소 과산화물의 증가하는 양에 따른 전류 내의 증가를 보여주는 조정 커브이다.
도 3 은 아스코르브산의 증가하는 양에 따른 전류 내의 증가를 보여주는 조정 커브이다.
도 4 는 아스코르브산의 증가하는 양으로부터 초래할 수 있는 잘못된 바이오센서 판독을 표시하는 차트이다.
도 5 는 실시예에 따른 아스코르브산의 간섭 효과를 여과하기 위한 디지털 신호 프로세싱을 이용하는 샘플에서 감지 글루코오스를 위한 바이오센서이다.
도 6 은 또 다른 실시예에 따라 프로세싱 바이오센서 신호를 처리하기 위한 방법을 설명하는 흐름 다이어그램이다.
도 7은 또 다른 실시예와 일치하는 프로세싱 바이오센서 신호들을 위한 시스템이다.
도 8은 설명적 실시예와 일치하는 샘플에 적용되는 파형을 위한 포맷을 보여준다.
도 9는 도 6의 방법을 이용하여 수행되는 설명적 실시예와 일치하는 샘플에 적용되는 파형을 보여준다.
도 10 은 설명적 실시예에서 아스코르브산만을 또는 수산화 과산화물만을 포함하는 샘플들에서 특정 주파수에서 복소 푸리에 계수들을 보여주는 차트이다.
도 11(a) 그리고(b)는 각각, 수소 과산화물 그리고 아스코르브산을 위한 조정 커브를 도시한다.
도 12 는 설명적 실시예에서 수소 과산화물 그리고 아스코르브산의 혼합된 샘플에서 특정 주파수에서 복소 푸리에 계수들을 보여주는 차트이다.
도 13 은 설명적 실시예의 결과를 보여주는 차트이다.
도 14 는 또 다른 설명적 실시예와 일치하는 프로세싱 바이오센서 신호들을 위한 방법을 설명하는 흐름 다이어그램이다.
도 15는 도 14의 방법을 위한 테스트 데이터를 제공하기 위해 취해질 수 있는 특정 기준 판독의 실시예를 보여주는 테이블이다.
도 16 은 도 14의 방법을 이용하여 수행되는 제 2 설명적 실시예와 일치하는 샘플에 적용되는 파형을 보여준다.
도 17 은 상기 제 2 설명적 실시예에서 상기 측정기를 트레인(train)하기 위해 테스트 데이터로서 사용되는 데이터 지점의 세트를 보여준다.
도 18 은 어떻게 상기 다중-변수 측정기들의 평균 RMS가 도 14의 설명적 실시예와 일치함에 있어 변화할 수 있는가를 설명하는 구조적 차트이다.
도 19 는 상기 제 2 설명적 실시예의 결과를 보여주는 차트이다.
도 20 은 또 다른 설명적 실시예와 일치하는 글루코오스 미터이다. 그리고
도 21 그리고 도 22는 각각 대안적 자극 파형 그리고 응답의 실시예를 보여준다.
당해 발명의 다수의 설명적 실시예와 관한 기준이 만들어질 것이며, 이의 실시예들이 첨부되는 도면에 보인다. 어느 곳에서나 가능한 것은, 상기 동일한 기준 번호들은 동일하거나 유사한 부분에 관해 언급하는 도면을 통해 이용될 것이다.
디지털 신호 프로세싱 기술들을 통해 센서들의 생산성 그리고 선택성을 향상하기 위해 여기서 제공되었다. 특히, 특정 설명적 실시예들과 일치하여, 선택 ESS로부터 전체 측정된 신호까지 신호 분배를 바람직하게 정량화하고 분해하기 위해, 분해와 같은 전기 화학적 신호 소스들(ESS) 간의 구별을 위해 여기서 제공된다. 이런 방식으로, 아스코르브산과 같은 오버랩핑 분해의 간섭 분배는 실질적으로 글루코오스와 같은 목표 분해물의 정량을 더 정확히 측정하기 위해 감소된다.
도 5-7은 적용된 전압 파형으로의 응답에서 전기화학 신호를 생성하기 위한, 하나 이상의 분해물의 신호 분배를 결정하기 위한 방법 및 시스템의 설명적 실시예이다. 상기 상대적 신호 분배들은 그 후 하나 이상의 분해물들의 농도를 결정하기 위해 상기 전체 측정된 신호와 비교된다. 도 6은 흐름 다이어그램 형태에서 방법을 설명한다.
도 5에 보이는 것과 같이, 상기 방법은 도 1의 바이오센서로 디지털 신호 프로세싱 하드웨어, 펌웨어, 또는 소프트웨어(17)를 부가함으로써 수행될 수 있다. 이 실시예에서, DSP(17)는 간섭 분해 아스코르브산으로부터 발생되는 상기 전류 신호(7)의 실질적으로 전체 또는 일부로부터 수학적으로 여과되는 측정되는 신호 상에서 수학적 작동들을 수행하고 그리고 상기 원하는 분해 신호(3)로부터 분배가 정량화 되는 것을 허용한다. 따라서 상기 신호 출력(19)이 상기 샘플에서 글루코오스의 농도를 계산하기 위해 사용되는 것을 허용한다. 도 7은 도 6의 방법을 수행하기 위한 시스템의 더 상세한 실시예를 보여주나, 도 6의 방법이 다른 시스템들 그리고 장치에 의해 구현될 수 있다는 점을 이해하여야만 한다. 도 7의 시스템은 예를 들어, 혈액에서 테스팅 글루코오스 농도를 위해, 핸드헬드 테스터로서 차례로 구현될 수 있다.
도 6과 관련하여, 파형 형태는 기준 데이터(스텝 105)를 모으기 위해 그 자체에 의해(간섭 신호를 또한 일으키는 다른 분해물 없이) 각 분해물의 알려진 농도를 포함하는 샘플들에 적용되도록 선택된다. 이 실시예에서, 상기 파형은 아스코르브산 없이 버퍼 내에 수소 과산화물의 다른 농도를 포함하는 샘플들로부터 데이터를 모으기 위해 사용되고 그 후 상기 파형은 수소 과산화물 없이 버퍼 내에 아스코르브산의 다른 농도를 포함하는 샘플들로부터 데이터를 모으기 위해 사용된다. 이 동일한 파형은 양 분해물들의 알려지지 않은 농도의 혼합을 포함하는 샘플에 적용된다. 이 실시예에서, 수소 과산화물은 원하는 (또는 목표) 분해물로서 확인되고 그리고 아스코르브산은 간섭 분해물이 되도록 식별된다.
바람직하게, 상기 자극 파형은 큰 진폭 파형이다. 상기 "큰 진폭 파형"이라는 용어는 여기서, 상기 샘플로부터 비선형 신호 응답을 생성할 파형(특히 변화의 50mV 이상)을 표시한다. 상기 파형은 경험적 시도들 그리고 검출 과정에 관여하는 상기 프로세스들의 이론적 숙고의 결합을 통해 선택될 수 있다. 상기 파형의 선택은 특정 분해에 의해 발생되는 특정 유일한 신호 특징을 획득하기 위해 이론적 그리고 경험적 숙고의 결합을 통해 행해진다. 상기 요소들은 일반적으로 분석 신호가 재반응 비율 그리고 체계라는 것에 영향을 미치기 위해 인식되고, 일반적으로 상기 재반응의 활동 그리고 상기 분석의 전송 특징을 언급한다. 재반응 활동 또는 전송 특징들의 비율은 자극 파형의 형태의 선택에 영향을 미칠 수 있다. 예를 들어, 빠른 활동 그리고 전송 특징들을 지닌 재반응은 일반적으로 전압 교란에 대한 응답에서 빠르게 평형을 재설립할 수 있다. 따라서 빠른 처리들을 지닌 프로브 분석들을 원한다면, 빠르게 변화하는 전압을 선택할 수 있어야 한다. 대안적으로, 일부 분석들은 느린 활성 또는 전송 특징들을 지니고 평형을 재설립하기 위해 더 긴 시간을 취한다. 따라서 보다 느리게 변화하는 전압 파형들을 지닌 이러한 것을 프로브 할 수 있다.
파형을 선택할 때 유의해야할 요소들은 제한되는 것은 아니나, 산화의 비율을 일반적으로 증가시킬 기준 전극에 대한 워킹 전극의 좀 더 포지티브(positive)한 전압의 이용을 포함한다. 유사하게, 상기 기준 전극과 관련된 상기 워킹 전극의좀 더 네거티브(negative)한 전압의 이용은 일반적으로 환원의 비율을 증가할 것이다. 그리고 활성의 비율이 상기 분해물의 전송 비율보다 훨씬 더 빨라질 때(주로 확산에 의해), 또한 적합한 방향( 산화를 위해 양쪽으로 또는 환원을 위해 네거티브 쪽으로)에서 상기 전압을 증가함으로써 활성의 비율을 증가하는 것은 일반적으로 전류 흐름을 상당히 증가시키지 않을 것이다.
특정 파형 포맷이 도 8에 보인다. 변화(38,42)의 비율들은 변화의 비율과 동일한 것이 동일하거나 반대가 된다. 상기 V1-V2의 절대값은 모든 응용을 위해서 반드시 필요한 것은 아님에도 불구하고, 주로 100mV보다 더 크다. 아래에 상세히 설명된 실시예에서, 글루코오스 모니터링을 위한 적합한 파형이 도 9에 보인다.
상기 파형을 선택한 이후, 데이터는 그들에 의한(스텝 105) 상기 목표 그리고 간섭 분해물들의 다른 농도들을 포함하는 샘플들로부터 모인다. 예를 들어, 과산화물 그리고 아스코르브산의 농도를 결정하고 구별하기 위해, 다음의 농도들, 과산화물의 경우 : 0mM, 0.1 mM, 0.2 mM, 0.3 mM, 0.5 mM, 1.0 mM, 2.5 mM, 3.0 mM, 3.5mM, 4.0 mM, 4.5 mM, 5.0 mM 의 각각을 위해 선택된 파형을 이용하는 5개의 반복된 측정들을 만들 수 있고 그리고 또한 동일한 아스코르브산 농도를 위한 5개의 반복된 측정들을 만들 수 있다.
결과적 전류로부터 변수들의 세트(하나 이상의 변수들)는 그 후 각 측정(스텝 110)으로부터 계산된다. 상기 선택된 변수 세트는 각 분석의 상대적으로 유일하고 측정할 수 있는 특징들을 드러낸다. 변수는 상기 신호의 특징이 될 수 있거나, 또는 신호의 어떠한 부분의 기능일 수 있다. 변수들의 예는 다양한 주파수에서 푸리에 변화 계수들과 같은 주파수-영역 아이템들을 포함한다. 변수들의 또 다른 실시예들은 상기 신호의 특정 지점에서 신호의 기울기와 같은 시간-영역 특징들에 제한되는 것은 아니나 이를 포함한다. 상기 신호의 특정 지점에서 신호의 기울기, 상기 신호의 일부 부분의 상승 또는 침식 비율, 상기 신호의 일부 부분의 평균 값, 시간의 일부 지점에서 상기 신호의 값, 신호의 피크 또는 계속을 생성하기 위해 요구되는 전압 등이다. 이 설명적 실시예에서, FFT(fast Fourier transform)에 의해 계산되는 푸리에 계수들의 값은 관심 신호가 되도록 지정된 변수들이다. 따라서 측정되는 각 신호의 상기 FFT 가 계산되고 그리고 상기 FFT 계수들은 컴퓨터 메모리 내에 저장된다.
스텝(102,125)에서 상기 주파수는 상기 분해물들 간의 상기 FFT 계수의 최상 분해를 주는 것으로 선택된다. 이는 각 주파수(스텝 120)에서 상기 FFT의 실수 대 허수 값을 그림으로써 행해진다. 따라서 일련의 플랏들은 한 축에서 FFT 계수의 실수 값 그리고 다른 축에서 FFT 계수의 허수 값을 갖도록 생성된다. 그 결과 128 주파수들이 고려되고 있으며, 각 주파수를 위해 128 개의 다른 플랏들이 구성된다.
각 플랏은 모든 데이터 지점들(각 분석의 다른 집중에 대응하는)을 위한 하나의 주파수에서 상기 FFT 값(실수 대 허수)을 보여준다. 상기 플랏들은 어떠한 주파수가 상기 두 개의 분석 벡터들(스텝 125)간에서 상대적으로 더 큰 이탈에 대응하는지를 결정하기 위해 스크린 된다. 이것은 상기 분석 벡터들 간의 "각도 분리"(각도 또는 위상각도 분리)로서 언급될 수 있다. 여기서 사용되는 상기 위상 "분석 벡터"는, 측정되고 있는 특정 변수에 대응하는 상기 공간의 각 차원-다중차원 공간에서 고려될 때 증가하는 분석 농도의 방향에 평행한 방향을 지니는 길이(일반적으로 길이가 1임에도 불구하고)의 벡터를 표시한다. 상기 분석 벡터들 간의 상기 각도는 벡터 도트 곱으로서 알려진 선형 대수학 기술을 이용하여 계산될 수 있거나 또는 단순히 상기 플랏의 검사에 의해 행해질 수 있다.
부가적으로, 분리의 정도를 제외한 요소들은 상기 주파수를 선택할 때 고려될 수 있다. 예를 들어, 상기 데이터 지점 상의 분산은 고려되어야만 한다. 잘 분리된 벡터들의 세트는 상기 분산으로부터 잡음이 매우 크지 않는 경우 바람직하지 않다. 상기 분석 농도에 대한 신호의 민감도가 또한 고려된다. 예를 들어, 상기 벡터들은 잘-분리되었으나, 상기 분석 신호들은 약하다. 따라서 특정 주파수에서 신호의 1 유닛을 발생하기 위해 분석의 10mM 가 걸리는 반면, 또 다른 주파수(또는 변수들의 세트)는 벡터 분리가 더 작은 곳에서 선택되고, 상기 신호는 상당히 더 크다.(예를 들어, 분석의 10초는 신호의 100 유닛을 제공한다.) 따라서, 우리는 이것과 같은 다른 이점들을 부여할 수 있는 경우 덜 분리된 벡터 변수들을 선택한다.
다음으로, 스텝 130에서, 선택 각도 분리를 제공하는 상기 선택된 주파수에서, 다음의 수학적 분량들이 계산된다. 각 분석 벡터와 동일한 방향 내에 놓인 각 유닛 벡터의 값(즉, 도 10에서 상기 분석 벡터(103 그리고 106)의 각각과 동일한 방향을 지닌 길이 1의 벡터를 결정한다), 복소수 평면에서 상기 벡터의 길이로 분석의 농도와 관련된 측정 커브의 값, 그리고 "공백" 버퍼 신호 벡터의 값이다. 상기 공백 버퍼 신호 벡터는 양 분석의 결여 내에서 측정되는 신호를 나타낸다. 따라서 상기 공백 버퍼 신호는 아래에서 어떠한 분석이 존재하지 않을 때 존재하는 베이스라인 또는 배경 신호로서 생각된다( 다른 상수들이 아래에서 설명된 측정 방정식에서 베이스라인 신호로서 사용되는 점을 주의하여야 함에도 불구하고). 스텝 135에서, 스텝 130에서 계산된 상기 값들이 상기 목적 분석 집중을 결정하기 위해 사용되는 방정식을 설계하기 위해 사용된다.
상기 목적 그리고 간섭 분석의 알려지지 않은 집중을 포함하는 샘플들이 이제 측정될 수 있다. 스텝 140에서, 전극들은 테스트 되는 샘플들과 접촉한 전해질 속으로 놓인다. 스텝 100에서 선택된 동일한 파형은 상기 워킹 전극(스텝 145)으로 적요된다. 특정 환경 하에서, 샘플과 접촉하는 전해질에서 전극들을 놓는 것에 앞서 상기 파형을 적용하는 것이 또한 바람직하다. 예를 들어, 상기 샘플이 먼저 상기 전극들과 접촉으로 들어갈 때 상기 시간을 감지하는 것이 도움이 되며, 모니터 되어야 할 그리고 알려질 필요가 있는 재반응의 정확한 시작 시점의 매우 빠른 재반응이 있는 경우이다.
스텝(155)에서, 상기 빠른 푸리에 변환은 상기 측정된 신호의 전체 또는 부분을 취하고 그리고 상기 푸리에 계수들은 스텝(125)에서 동일한 선택된 주파수에서 계산된다. 이 값은, 복소수, 상기 원하는 분석의 집중을 계산하기 위해 스텝(135)에서 결정되는 방정식에서 사용된다. 상기 특정 분석 집중은 그 후 유용한 방법으로 출력이며, 예를 들어, LCD(스텝 165) 상에 디스플레이 된다. 대안적으로, 그것은 단순히 저장될 수 있거나 그리고/또는 연속된 프로세스에서 사용된다.
도 7은 도 6의 방법을 실현하기 위한 시스템을 보여준다. 그러한 시스템은, 예를 들어, 혈액 내의 글루코오스 농도를 감지하기 위해 사용되는 테스터로서, 핸드헬드 테스터로서 구현된다. 상기 시스템은 샘플(2)에서 독립적인 분석에 의해 발생되는 전기화학 신호 소스들(ESS)(4)을 감지하기 위한 변환기(6)를 포함한다. 변환기(6)는, 예를 들어, 도 1에 보이는 효소-코팅된 전극이다. 즉 샘플 2와 접촉된 전해질 내에 배치된다. 변환기들의 다른 실시예들은 전기 화학적 변환기들로서 사용될 수 있는 다른 요소들 또는 화학적으로 수정된 전극들, 얇은 막들을 지닌 전극에 제한되는 것은 아니나 이들을 포함한다. 제어 신호(34)는 필터 프로세스(10)(스텝 145)를 통해 변환기 제어 장치(12)로부터 상기 변환기에 적용된다. 시간 영역 신호(36)는 변환기(6)에서 발생되고, 필터 프로세스(8)에 의해 필터 되며, 그리고 변환기 제어 장치(12)(스텝 150)에서 저장된다. 상기 변환기 제어 장치(12)는 시간의 함수로서 상기 적용된 전압(34) 그리고 상기 측정된 전류(36)를 측정한다.
상기 신호는 다시 예를 들어, 안티-알리어싱 필터, 하이 패스 필터, 로우 패스 필터, 밴드 패스 필터, 그리고/또는 밴드 스탑 필터일 수 있는 필터 프로세스(14)에 의해 필터 된다. 상기 신호는 그 후 아날로그 디지털 변환기(16)를 이용하여, 장치(18)를 계산함으로써 신호의 디지털 프로세싱을 가능하게 하기 위해 아날로그로부터 디지털로 변환된다. 상기 디지털 계산 장치는, 예를 들어, 디지털 신호 프로세서 칩일 수 있으나 또한 아날로그 회로, 디지털 회로, 마이크로프로세서들, 그리고/또는 광학 계산 장치를 포함한다. 또한, 디지털 신호 프로세싱이 상기 신호(36) 상에서 수행되는 것이 바람직함에도 불구하고, 상기 앞선 프로세싱은 또한 등가 아날로그 회로에 의해 수행될 수 있다.
계산 장치는 그것을 고쳐 만들기 위해 상기 신호를 필터 하는 필터 프로세스(20)를 포함하고 그리고/또는 상기 신호를 디지털 프로세싱에 더 적합한 보다 광학 파형으로 변환한다. 상기 필터 프로세스(20)는 상기 신호 내의 다른 스펙트럼 성분들을 향상하거나 그리고/또는 억압하기 위해 사용될 수 있다. 예를 들어, 상기 필터링 프로세스는 상기 위상 각 스펙트럼 그리고 상기 크기 스펙트럼을 변화하는 것을 포함하는 상기 신호의 상기 스펙트럼 특징들을 변화하는 것과 마찬가지로 하이, 미드, 그리고/또는 로우 주파수 변화들을 감소하기 위해 상기 신호를 매끄럽게 하기 위해 사용될 수 있다. 스펙트럼 분석 프로세스(22)는 그 후 상기 신호(스텝 155 참고)의 각 주파수 성분의 크기 및 위상 각도를 발생하는 빠른 푸리에 변환과 같은 수학적 기술을 이용하여 일반적으로 행해지는 상기 신호의 부분 또는 전체 상에서 수행된다.
분리 및 정량화 프로세스(24)는 그 후 22(스텝 160 참고)에 의해 처리되는 신호의 스펙트럼 내용상에서 수행된다. 프로세스(24)는 데이터 소스(26)(스텝 135)로부터 각 ESS의 알려진 스펙트럼 특징들 상에 기초하여 구성되는 방정식들의 세트를 이용한다. 데이터 소스들(26)은 어떻게 각 ESS가 상기 샘플 내에서 다른 ESS 들과 상호 작용하는지를 설명하는 방정식, 각 ESS의 전기 화학적 분석에 의해 수집된 각 ESS의 알려진 스펙트럼 특징들에 대한 데이터, 그리고/또는 각 ESS가 어떻게 상기 변환기에 의해 측정되는 신호를 발생하는지를 설명하는 방정식 들을 포함한다. 따라서 데이터 소스(26)를 이용하는 것, 분리 그리고 정량화 프로세스(24)는 상기 전체 측정된 신호(스텝 160 참고)의 각 ESS로부터 상기 신호 분배를 정량화 하는 해결책을 찾기 위해 방정식들의 세트를 해결한다.
예를 들어, 일단 전압 그리고 전류 신호들은 계산 장치(18)에 의해 획득되어 왔고, 시간에서 기준 지점으로 취해졌다. 일반적으로 이 기준 지점은 전압 신호(34)와 관련하여 취해지고, 이는 독립적 변수이며, 상기 전류 신호(36)는 종속 변수이다. 예를 들어, 기준 지점과 같은 원형 볼트미터를 이용하는 것은 도 8에 보이는 것과 같이 V1의 값에 도달하는 적용된 전압에서 시간으로서 취해질 때이다. 전류 및 전압 값들은 모두 시간(스텝 150)에서 기준 지점에 상대적인 시간의 함수로서 기록된다. 상기 주파수 스펙트럼은 그 후 스펙트럼 분석 프로세스(22)에 의해 상기 전류 신호를 위해 계산된다. 이는 다양한 방법에 의해 수행되나 상기 최고의 일상적 방법은 빠른 푸리에 변환, 분절 푸리에 변환 또는 다른 유사한 방법(스텝 155)을 통해 상기 푸리에 변환을 계산하는 것이다.
상기 전류 신호의 스펙트럼을 계산하는 것은 다음의 두 가지 결과- 위상각도 스펙트럼 그리고 크기 스펙트럼-들을 제공한다. 상기 위상각도 스펙트럼은 ESS로부터 신호 분배의 강도에 독립적일 것이나, 상기 크기 스펙트럼은 ESS로부터 신호의 분배 강도의 함수일 것이다. 예를 들어, 상기 크기 스펙트럼은 상기 샘플 내에 보이는 것과 같은 전기액티브 화학 종류들의 농도에 의존 할 것이고 그리고 상기 위상 각 스펙트럼은 농도와 함께 변하지 않는다.
주파수 분석(22)으로부터 스펙트럼 특징들은 상기 다른 ESS들(4)로부터 일어나는 측정된 전류 신호의 성분을 용해하고 분리하기 위해 그리고 상기 전체 측정된 신호(36)로 각 ESS(4)의 분배를 정량화하기 위해 분리 그리고 정량화 과정에 의해 사용된다. 상기 다른 신호로부터 특정 ESS로부터 신호를 확인하고 그리고 분해하기위해 어떻게 이러한 특징들이 이용되는지의 한 실시예는 특정 ESS로 유일한 "지문"신호로서 사용되는 각 ESS 로부터 상기 위상 각 스펙트럼이 사용된다. 그리고 크기 스펙트럼은 현재 신호의 양을 표시하기위해 사용된다. ESS의 상기 위상 각 스펙트럼에 관한 정보는 데이터 소스(26)로부터 있고 그리고 단지 하나의 ESS(스텝 105- 135)를 포함하는 샘플들의 분석으로부터 스펙트럼 분석 데이터를 포함한다.
ESS 로부터 신호 강도의 정량화는 그 후 데이터 소스(30)로부터 다른 상대적 데이터를 이용함으로써 유도된 양들을 계산하기 위해 유도된 분량 계산 과정(28)에 의해 사용될 수 있다. 유도된 데이터의 한 실시예는 제한되는 것은 아니나, 목표 분석(스텝 130 참고)을 위해, 예를 들어, 측정 커브들과 같은 측정 데이터와 비교함으로써 샘플 내의 목표 분석의 농도를 계산하는 것을 포함한다. 상기 출력(32)은 그 후 LCD 읽어내기(스텝 165 참고)를 포함하는 이용 가능한 포맷 내에 주어질 수 있다.
실시예 1:
도 6의 방법 그리고 그것에 의해 수행되는 시스템의 실시예는, 예를 들어 3h 7의 시스템은, 과산화물 그리고 아스코르브산을 포함하는 샘플의 농도를 분석하는 용어로 설명된다. 도 9에 보이는 700mV 전압 자극 파형이 사용된다.(스텝 100). 상기 자극 파형의 스캔 비율은 업스캔(upscan) 그리고 다운스캔(downscan) 방향 모두에서 초당 100mV 이었다. 그 결과 초래되는 전류를 40hz의 샘플링 주파수에서 시간마다 샘플 된다. 상기 전류 신호의 스펙트럼 내용은 상기 빠른 푸리에 변환(스텝110)과 함께 계산된다.
도 10은 상기 분석 벡터들 간의 최고의 분리를 지닌 4506 Hz에서 복소수 푸리에 계수를 보여준다. 상기 오픈 평방제곱은 과산화물을 포함하고 어떠한 아스코르브산도 포함하지 않은 샘플과 함께 만들어진 측정을 표현한다. 상기 검정 삼각형들은 아스코르브산을 포함하고 어떠한 과산화물도 포함하지 않은(스텝 105-120) 샘플과 함께 만들어진 측정들을 표현한다. 벡터(101)는 베이스라인 배경 신호()를 나타낸다. 분석 벡터(103)는 ()을 따라 움직이는 과산화물의 증가하는 농도의 방향을 나타내는 단위 벡터와 동일한 방향 내에 있다. 분석 벡터(106)는 아스코르브산 이동()의 증가하는 양의 방향을 나타내는 단위 벡터와 동일한 방향 내에 있다. 따라서 상기 과산화물 신호는 단지 복소평면에서 한 방향 내의 그 자체를 명백히 하고 그리고 상기 아스코르브산 신호는 상기 복소평면에서 다른 방향을 따라 그 자체를 명백히 하는 것을 볼 수 있다. 이 경우에서, 다음의 방정식들이 획득된다.
그 곳에서그리고는 단위 길이의 벡터들이다.
측정 커브들은 그 후 구성된다.(스텝 130). 도 11a 그리고 11b는 상기 경험적 원점에 대해 취해지는 특정 단위 벡터의 방향 내에서 각각 과산화물 그리고 아스코르브산 측정 커브들이다. 상기 경험적 원점은에 의해 주어진다. 즉, 신호의 크기는 상기 복소 데이터 지점(107 그리고 109)의 각각으로부터를 공제하고 그리고 그 후 상기 (0,0)에 의해 주어지는 상기 원점으로부터 Eucidean 거리를 계산한다. 상기 크기는 상기 전류 신호에 비례하는 임의의 단위(며) 내에서 표현된다. 그러나 FFT 계수를 계산하는 특징에 따라, 상기 실제의 크기는 상기 FFT 내에 사용되는 다수의 샘플들에 의해 결정되는 것과 같은 전류의 상수 곱이 될 수 있다. 따라서 일반성을 위해, 상기 FFT의 크기들이 임의의 단위 내에 주어진다.
상기 측정 방정식들은
IH2O2= 87.89 *[H2O2] 또는
[H2O2]= IH2O2/87.89
그리고
IAA=14.949*[AA] 또는
[AA] = IAA/ 14.949
그 곳에서 I 는 au에서 주어지는 신호 크기이고 그리고 농도들은 mM 내이다. 상기 측정 커브 계수들은 두 개의 신호들의 분리가 수행된 이후에 상기 벡터 정보와 함께 결합될 수 있다. 따라서
벡터 관계들로부터, 다음이 획득된다.
그 곳에서 total은일부 주어진 샘플로부터 획득되는 FFT 값이다. 이 경우에서, 두 개의 알려지지 않은 (a 그리고 b) 그리고 두 개의 방정식(스텝 135)이 있다. 일단 a 그리고 b가 풀리면, 그 결과의 답은 각각 과산화물 그리고 아스코르브산을 위해 명백히 측정된 신호 크기이다.
따라서 이러한 방적실들을 이용하여, 과산화물 그리고 아스코르브산의 농도는 주어진 샘플에서 결정될 수 있다. 이러한 방정식들의 이용으로, 과산화물 그리고 아스코르브산의 혼합된 양을 포함하는 다수의 샘플들이 측정된다. 도 12 는 모여진 데이터 포인트들을 보여준다. 점선(116)은 증가하는 과산화물의 양과 함께 1.8mM 아스코르브산을 포함하는 샘플로부터 측정들을 보여준다. 상기 오픈 서클들은 total에 의해 주어질 수 있고 그리고 이 주파수에서 FFT의 복소수 값을 표현한다. 그것은 과산화물의 농도가 변화될 수 있다는 보여주고, 데이터 포인트들은 점선(116)에 평행한(103)에 의해 주어지는 것과 동일한 방향을 따라 이동한다.
점선(113)은 증가하는 아스코르브산의 양과 함께 과산화물 1.0mM를 포함하는 샘플로부터 측정을 보여준다. 상기 채워진 서클들은 이 주파수에서 FFT의 복소 값을 표현하고 그리고 total에 의해 주어질 수 있다. 과산화물의 농도가 변화되는 것을 볼 수 있고, 상기 데이터 포인트들은 점선(116)에 평행한(106)에 의해 주어지는 방향과 동일한 방향을 따라 이동한다.
따라서 위에서 언급한 것과 같이, 각 분석에 대한 위상각은 서로 다르고 그리고 다른 샘플에 대해 상수 값을 유지한다. 벡터(101)는를 표시한다. 위의 방정식들을 이용하여, 혼합된 샘플들 내의 측정된 데이터 포인트들의 각각은 명백한 [H202]를 결정하기 위해 사용되고, 이는 궁극적으로 이 실시예에서 관련성의 분석이다.
상기 결과들이 도 13에 보이고, 그곳 내에 두 개의 샘플들의 족들이 설명된다. 샘플들 중의 하나의 족은 과산화물이 없으나, 아스코르브산의 양에 따라 변화한다. 이 세트를 위해, 상기 명백한[H202] 는 점선(117)에 정확하게 표시된 것과 같이 0mM에 가까워야만 한다. 샘플들의 제 2 가족들을 위해, 과산화물의 상기 농도는 1.0mM에서 유지되고, 그리고 아스코르브산의 변화하는 양들은 상기 샘플에 부가된다. 이 경우에서, 상기 명백한 [H202]는 위쪽의 점선(119)에 정확하게 표시된 것과 같이 1mM에 가까워야만 한다.
따라서 앞선 방법과 함께, 상기 아스코르브산 신호 그리고 상기 과산화물 신호 간의 뛰어난 해결은 아스코르브산의 존재 내의 과산화물의 선택적 모니터링을 허용하기 위해 또는 그 반대를 위해 설명된다.
도 6에서 보이는 앞선 설명적 실시예에서, 상기 빠른 푸리에 변환의 하나의 주파수가 고려된다. 게다가, 단지 두 개의 변수들, 그 하나의 주파수의 상기 실수 그리고 허수 부분들은 상기 분석 벡터들(스텝 125)의 각각의 각 내에서 분리를 결정함에 있어 함께 고려된다. 그러나 또 다른 설명적 실시예에 따라, 특정 환경 하에서, 더 큰 분리 그리고 상기 분석들 간의 더 나은 해결은 단지 하나의 주파수의 실수 그리고 허수 부분들이 고려되는 경우, 그리고 보다 일반적으로 두 개 이상의 변수들이 사용되는 경우에 획득된다.
예를 들어, 1Hz의 실수 부분 대 4Hz의 허수 부분을 또는 3Hz의 실수 부분 대 12 Hz의 실수 부분을 고려할 수 있다. 부가적으로, 상기 유닛 벡터가 세트되는 그곳 내의 상기 공간은 더 높은 차원들로 확장될 수 있고, 이것은 벡터들 간의 분리를 증가시킬 수 있기 때문이다. 따라서 2Hz의 상기 실수 부분은 9Hz의 실수 부분대 8Hz의 허수 부분 과 비교될 수 있다. 상기 데이터 벡터들 간의 상기 각은 이미 2-차원 공간과 같은 방법에서 계산된다. 따라서 더 높은 차원 변수들을 바라보는 이점은 상기 분석 벡터들의 더 큰 분리를 초래하는 상기 변수들을 선택하기 위한 더 많은 자유를 준다.
더 많은 변수들을 이용하기 위한 또 다른 이유는 특정 분석의 정도와 높게 관련되는 특정 신호 특징들을 집고 선택할 수 있는 점이다. 예를 들어, 상기 측정된 전류 신호의 특정 섹션의 경사가 특정 분석의 농도와 관련되었다는 것을 발견한다. 이 신호 특징이 어떠한 하나의 FFT 계수에 의해 완전히 캡처되지 않을 것이고, 따라서 분리된 변수로서 시간 영역에서 신호의 경사를 계산하는 것이 바람직하다.
도 14는 다수의 변수들, 예를 들어 하나 이상의 주파수 그리고/또는 시간-영역 변수들을 이용하는 분석 농도들을 결정하기 위한 방법을 설명한다. 스텝 200은 위에서 설명되는 스텝(100)과 유사하다. 이 때 상기 샘플에 적용되는 파형이 선택된다. 가능한 신호 특징들이 그 후 아래에서 설명되는 측정 알고리듬 내의 변수들로서 사용되는지가 결정된다. 예를 들어, 변수로서 이용하는 가능한 특징들은 FFT에 의해 계산되는 것과 같은 주파수들 또는 특정 주파수에서 상기 푸리에 계수들(실수 또는 허수), 신호(예를 들어, 신호의 꼬리 끝과 같은)의 일부 부분의 실수 또는 허수, 푸리에 계수, 시간의 일부 부분에서 신호 커브의 경사, 상기 신호의 일부 부분의 지수적 증가 또는 감소의 비율, 발생한 신호의 특정 피크 또는 골에서 전압, 신호에서 특정 피크 또는 골에서 값 등을 포함한다.
그 자체에 의한 각 분석에 대한 모임 데이터를 포함하는 스텝 105에서 이전의 실시예와 달리, 데이터는 양 분석의 다른 농도들을 포함하는 다른 분석 농도의 행렬로부터 모아진다. 예를 들어, 도 15의 행렬에서 보이는 것과 같이, 샘플들은 기록된 신호들과 함께 데이터 세트(650)를 생산하는 데이터의 5개의 반복을 얻기 위해 사용되고 있는 각각의 샘플과 다른 샘플 전체(130)를 초래하는 아스코르브산 그리고 글루코오스의 알려진 농도의 각각으로부터 취해질 수 있다.
스텝(215)에서, 관련 변수의 각각을 위한 값들이 데이터 세트 내의 각 신호를 위해 계산되고 그리고 메모리 내에 저장된다. 240을 통한 스텝들(220)은 선형 평가기를 구성하는 것을 포함한다. 스텝(220)에서 보이는 것과 같이, 상기 방법은 하나의 변수 선형 평가기와 함께 시작한다. 따라서 N=1인 곳에서의 경우, 랜덤화 된 크로스 유효성 방법은 테스팅 서브셋으로서 데이터의 반 그리고 서브셋을 트레이닝 하는 것으로서 데이터의 반을 이용함으로써 수행된다.
랜덤화 된 크로스 유효성 기술은 Gene H.Golub, Michael Heath and Grace Wabba, " Generalized Cross Validation as a Method for Choosing a Good Ridge Parameter", Technometrics 21, pp.215-223(1979) 에 설명된 수학적 기술이다. 이 방법을 이용하여, 최적 수의 변수들이 그것을 위해 평균 RMS(평균 제곱근)가 가장 낮은 곳을 발견할 수 있다. 더 많은 변수들을 지닌 선형 평가기를 구성하는 동안, 상기 평가기의 RMS 에러는 특정 최소값으로 감소할 것이다. 또한 다수의 변수들 내의 증가는 상기 평가기들의 수행을 악화시키고, 그것으로 증가하는 RMS 값들을 준다. 유의할 것은 RMS 를 제외한 정확성의 일부 측정은 조정된 RMS , 분산, 표준 편차 등과 같이 사용될 수 있다.
하나의 변수들과 함께 시작하고 증가하는, 상기 평가기가 구성되고(스텝 230) 그리고 그의 수행이 상기 RMS를 계산하고 데이터의 서브세트를 이용하는 분석 농도를 측정함으로써 결정된다. 랜덤화 된 크로스 유효성 방법을 이용할 때, 상기 변수들 중의 어느 것과 함께라도 시작할 수 있거나 또는 더 많은 변수들을 이용하는 평가기들을 세울 때 변수들의 특정 오더링은 구체화 될 수 있다.
사용되는 선형 평가기 방정식의 일반적 형태는 다음과 같이 주어진다.
그 곳에서,
ㆍ[Analyte(n)] 은 샘플 n을 위한 평가된 분석 농도이다.
ㆍYk는 특정 주파수에서 FFT 계수의 실수 또는 허수 부분과 같은 변수이다. 그리고
ㆍ hk는 변수들이 지니는 상기 정보의 측정과 또는 변수를 위한 관련 웨이트이다.
스텝 240을 통한 스텝 225는 단순히 차원의 이점이라기보다 정보 내용에 기초한 평가기 수행을 얻기 위해 사용되는 최대 다수의 변수들을 결정한다. 차원적 이점은 수집된 데이터의 세트를 설명하는 매우 많은 변수들이 있을 때 발생한다. 하나의 실시예는 5개의 데이터 포인트들이 있는 곳에서 상황을 포함한다. 5개의 변수들로 구성되는 모델은 상기 5개의 데이터 포인트들의 각각을 교차하기 위해 만들어질 수 있다. 이는 상기 평가기를 구성하기 위해 사용되는 상기 동일한 데이터 세트에 대해 테스트 될 때 RMS=0을 생성하는 평가기를 초래하며, 완전하게 수행하기 위해 잘못 나타나는 측정 방정식을 제공한다. 따라서 강도(robustness)의 원하는 레벨을 유지하는 동안 최적의 수행을 획득하기 위해 최대의 허용 가능한 다수의 변수들을 결정하는 것이 바람직하다. 도 14에 표시된 상기 방법에서, 이는 랜덤화 된 크로스 유효화 분석의 과정을 이용함으로써 획득된다.
각 평가기는 테스팅 데이터 서브셋(스텝 235)의 목표 분석 농도를 평가하기 위해 사용된다. 상기 목표 분석들의 정확한 농도들은, 평가기를 테스트하기 위해 상기 테스팅 서브셋 내의 상기 샘플들의 각각 내에 알려진다. 이미 기록된 상기 데이터 신호는 상기 평가기에 의해 주어지는 상기 방정식에 따라 처리된다.
상기 평가기는 단지 처리된 상기 테스트 신호로부터 초래되는 상기 분석의 농도에 관한 숫자를 산출할 것이다. 다른 말로, 상기 평가기는 상기 테스트 데이터 신호를 기록하기 위해 사용되는 상기 목표 분석의 농도를 측정할 것이다. 상기 평가기의 수행을 테스트하기 위해, 상기 선형 평가기 그리고 상기 알려진 목표 분석 농도 간의 상기 에러가 계산된다(스텝 235). 그러한 에러들을 계산하기 위한 한 가지 방법은 상기 RMS 에러를 계산하는 것이다. 상기 선형 평가기는 상기 테스트 데이터 서브셋 내의 모든 신호들의 분석 농도를 평가하기 위해 사용되고 그리고 결과적으로 각 데이터 포인트와 관련된 상기 RMS 에러를 계산한다. 각각의 N-변수 선형 평가기와 관련된 상기 RMS 에러는 메모리 내에 저장된다.
상기 랜덤화 된 크로스 유효화 방법은 트레이닝 서브셋 그리고 상기 테스팅 서브셋(스텝 240)과 같은 새로운 데이터 서브셋들을 선택함으로써 반복된다. 한-변수 선형 평가기의 구성은 새로운 데이터 서브셋 상에서 트레이닝 함으로써 반복된다. 다시, 상기 RMS 에러는 선형 평가기를 위한 각 트레이닝 서브셋을 위해 저장된다. 이 과정은 예를 들어 1000번과 같이 많은 횟수동안 반복된다. 전체 시리즈들의 상기 RMS의 평균이 계산된다. 이는 스텝 230에서 구성된 상기 선형 평가기의 일반적 수행의 지표가 된다. 이러한 경우와 같이, 트레이닝 또는 테스팅을 위해 사용되는 상기 데이터 서브셋들의 선택에 의존하여 더 낫거나 또는 더 악화된 수행을 얻을 수 있다. 랜덤화 된 크로스 유효화 방법을 이용함으로써, 다른 데이터의 랜덤 선택에 대한 상기 평가기를 테스팅 함으로써 상기 평가기의 수행을 결정함에 있어 에러를 최소화 할 수 있다.
일단 한-변수 선형 평가기의 평균 수행이 상기 평균 RMS를 계산함으로써 결정되는 경우, 두 개의-변수 선형 평가기는 구성되고 평가된다. 상기 제 2 변수는 위에서 설명된 것과 같이 선택된다. 상기 랜덤화 된 크로스 유효화 테스팅 방법은 다시 두 개의-변수 선형 평가기(스텝 225-240)의 평균 RMS 수행을 결정하기 위해 사용된다.
일단 상기 두 개의-변수 선형 평가기의 수행이 상기 평균 RMS를 계산함ㅇ로써 결정되면, 상기 3개의-변수 선형 평가기의 수행이 결정되고, 그리고 계속해서 N개의-변수 선형 평가기로 증가한다. 스텝 205에서 설명된 모든 이용 가능한 변수들 이 사용될 때, 상기 루프는 끝난다(스텝 245). 다음으로, 다수의 변수들 ㅜ은 가장 낮은 RMS(스텝 250)을 산출한 상기 평가기에 대응하도록 선택된다.
상기 N개의-변수 평가기가 구성되고 그리고 많은 횟수, 예를 들어 1000회,재건설된다. 각 횟수마다 트레이닝 그리고 테스트 데이터(스텝 255-270)의 다른 임의의 선택과 함께 테스트 된다. 상기 평가기는 그 후 원하는 RMS 수행을 주기 위해 선택된다. 항상은 아니지만, 주로, 평균 수행을 수행하는 평가기가 선택된다. 왜냐하면, 그것은 주어진 데이터 세트 상의 상기 평가기의 수행의 상징이기 때문이다. 이 평가기는 알지 못하는 샘플들을 테스트하기 위해 사용할 준비가 된다. 대안적으로, 가장 좋은 수행을 주는(평균 RMS 수행에 반대되는) N개의-변수 측정기를 선택할 수 있다.
따라서 도 6의 실시예와 달리, 도 14의 실시예는 단일 주파수에서 상기 푸리에 변환의 단지 실수 그리고 허수 성분보다 더 많은 변수들을 고려하며, 그것에 의해 다중-차원 공간에서 유사한 벡터 시스템을 구성한다. 2차원 공간에 의존하는 도 6의 실시예에서, 그곳의 각 채원은 하나의 변수에 대응한다. 그 실시예에서, 하나의 변수는 푸리에 변환의 실수 부분이었고 그리고 상기 제 2 변수는 하나의 주파수에서 상기 푸리에 변환의 허수 부분이었다.
도 14의 실시예는 각 차원이 선택된 변수에 대응하는 다중차원 변수 공간상에 의존하고, 그곳 내에서, 최적의 변수들이 차원적 이점을 압도하지 않는 강한 평가기를 구성하는 동안 좋은 수행을 획득하도록 선택된다. 그리고 더 큰 웨이트는 충분한 정보인 그러한 변수들로 주어질 수 있고 그리고 그것에 의해 상기 목표 분석 신호에 더 가깝게 된다. 상기 변수 공간 내의 상기 차원들 각각의 상대적 중요성은 가중되고 그 결과 더 큰 정보 내용을 지니는 그러한 차원들(또는 변수들)은 상기 목표 분석 농도의 최종 상태에 더 크게 공헌한다.
두 개의 변수들을 사용하는 도 6의 실시예 때문에, 즉, 하나의 주파수에서 상기 푸리에 변환의 실수 그리고 허수 부분들은, 각 변수의 상기 웨이트들은 각 분석 신호의 방향을 설명하는 단위 벡터들 상에 직접적으로 기초하여 계산된다. 예를 들어, 상기 과산화물 신호 HP그리고 상기 아스코르브산 신호 AA이다. 즉, 상기 측정 total= Ytotalr+ ｊYtotali가 이루어질 때, 상기 선택된 주파수에서 상기 측정된 신호의 상기 푸리에 변환의 실수 그리고 상기 이미지 부분의 각각은 적절히 가중되고, 위에서 설명한 상수 곱에 의해 Ytotalr, Ytotali각각은 곱해진다.
다중-차원의 선형 평가기의 이용은 상기 웨이팅(weighting)이 각 분석을 위한 방향성 벡터를 명백히 결정해야만 하는 것 없이 전체 변수들의 세트에 대해 자동으로 계산되는 것을 허용한다.
일반적으로, 도 6 그리고 도 14에서 모두 설명된 실시예는 여기서 " 벡터 투영 방법"으로 여겨지는 것을 이용한다. 이 방법은, 하나 이상의 변수들을 선택하는 것, 그것의 각각은 상기 자극 파형의 샘플로부터 신호의 특징이며, 각 분석을 위한 상기 분석 벡터를 결정하는 것, 명백성 또는 함축성, 그리고 상기 샘플 내의 분석의 농도를 측정하기 위해 사용될 수 있는 상기 분석 벡터들 그리고 상기 변수들의 방향 및 상대적 크기에 기초한 측정 방정식을 성립하는 것을 포함한다.
실시예 2:
실시예가 도 14에 보이는 방법을 이용하여 수행된다. 글루코오스는 간섭제로서 역할 하는 아스코르브산과 함께 상기 목표 분석이며, 샘플 행렬로서의 혈액이다. 도 16에 보이는 상기 파형은 상기 샘플에 적용되도록 자극으로서 선택된다.
상기 파형은 주기적 볼트미터(voltammetry) 그리고 DC 암페어미터(amperometry) 모두를 결합한다. 상기 전압은 250mV/s에서 위쪽 방향에서, -250mV/s(상기 신호의 CV 부분)에서 아래쪽 방향으로 경사진다. 그리고 57.6 초에서 시작해서 0.4V에서 상수로 고정되고 그리고 64초(상기 신호의 DC 암페어미터 부분)에서 끝난다.
신호의 "머리"는 0초 그리고 20.8초간의 이 파형과 함께 수집된 신호를 언급한다. 이 경우, 40Hz에서 상기 신호는 샘플 되고, 그것에 의해 833 샘플들을 제공한다. 상기 신호의 "꼬리"는 61.475 초 그리고 63.975 초간의 이 파형과 함께 수집되고 101 샘플들을 제공한다.
이 실시예에서, 다음의 원칙들이 관찰된다.
ㆍ 두 개의 분리된 섹션들에서 측정된 현재 신호를 고려하자.
첫째, 상기 FFT를 계산한 상기 신호 그리고 다른 주파수에서 상기 푸리에 변환의 다양한 실수 그리고 허수 부분들의 적절한 결합을 고려한다. 그리고 두 번째로, 0Hz에서 상기 푸리에 변환을 계산함으로써 상기 신호의 꼬리로부터 아스코르브산과 글루코오스 결합된 정보를 캡처하고, 효율적으로 상기 신호의 꼬리의 DC 성분을 모니터링하며, 그리고,
ㆍ 상기 결과적인 전류 신호의 다양한 특징들과 관련된 다수의 변수들을 이용하는 선형 평가기를 구성한다. 선형 평가기를 디자인함에서 결과는 다양한 변수들에 포함된 상기 정보가 상기 평가기의 방정식에 의해 계산된 글루코오스 농도와 그리고 상기 혈액 샘플 내에 현존하는 실제의 글루코오스 농도 간의 상기 RMS 에러를 최소화하기 위한 그러한 방법 내에서 가중되는 점이다.
따라서 선형 평가기는 다음과 같이 구성된다.
ㆍ 상기 평가기의 제 1 변수는 Ytail에 의해 주어진 상기 신호(도 16 참고)의 상기 꼬리의 제 1 FFT 계수(0Hz에 대응하는)의 실수 부분이 되도록 선택된다.
ㆍ 상기 제 2 변수는 Yheadr(0)에 의해 주어지는 상기 신호(0Hz에 대응하는)의 머리의 상기 제 1 FFT의 실수 부분이 되도록 선택된다. 실수 신호의 모든 경우에서, 상기 0Hz 푸리에 성분의 상기 허수 부분은 항상 0이다. 따라서 이 변수는 사용되지 않는다.
ㆍ 상기 제 3 변수는 Yheadr(0.048)에 의해 주어지는 상기 신호(0.048Hz에 대응하는)의 머리의 상기 제 2 FFT 계수의 실수 부분이 되도록 선택된다. 그리고
ㆍ 상기 제 4 변수는 Yheadr(0.048)에 의해 주어지는 상기 신호(0.048Hz에 대응하는)의 머리의 상기 제 2 FFT 계수의 허수 부분이 되도록 선택된다. 그리고
ㆍ 차후의 변수들은 스텝 205에 따라, 상기 변수들의 최대의 숫자에 도달할 때까지 상기 신호의 머리 내의 연속적으로 더 높은 주파수 를 위한 상기 FFT 값의 실수 그리고 허수 부분들 간에서 교차적으로 선택된다. 상기 선형 평가기를 구성함에 있어 사용되는 최적의 변수들의 수는 여기서 위에서(도면 18 참고) 설명되는 것과 같은 가장 낮은 RMS를 제공하는 다수의 변수들을 찾기 위해 상기 랜덤화 된 크로스 유효화 방법을 이용함으로써 확인된다.
따라서 이 실시예에서, 글루코오스 그리고 아스코르브산 농도의 다수의 다른 결합에 대응하는 53 데이터 포인트들의 세트가 수집된다. 상기 농도 결합 데이터 포인트들(123)이 도 17에 보이는 것과 같은 Cartesian 좌표 시스템 상에 그려진다. 이평면은 그 후 점선 격자(121)에 의해 보이는 것과 같이 4 섹션들로 분리된다. 상기 전체 데이터 세트는 두 개의 서브세트들로 대략 분리되고, 그곳에서 하나의 세트는 상기 평가기를 트레이닝 하기 위해 사용되고(즉, 하나의 서브셋은 선형 평가기 내의 각 변수와 관련된 웨이트들을 결정하기 위해 사용된다) 그리고 다른 서브셋은 새롭게 구성된 평가기의 수행을 테스트하기 위해 사용된다.
상기 평면의 4개의 섹션들의 각각에서, 포인트들의 반음 임의적으로 트레이닝 서브셋으로서 선택되고 그리고 나머지는 테스팅 서브셋으로 선택된다. 이 격자를 이용하여, 상기 임의의 선택은 데이터 포인트들의 전체 세트를 가로질러 보다 평평하게 분배되는 것이 확실해 지고, 그 결과 임의로 선택된 일부 트레이닝 서브셋들의 위험을 최소화하는 것이 집중 발생되고, 그 결과 서투르게 트레인 된 평가기를 초래한다.
두 개의-변수 선형 평가기를 이용하여, 즉, 하나는 Ytail그리고 Yheadr(0)을 이용하여 구성되고, 상기 변수들의 관련된 웨이트들은 선형 평가기 이론(스텝 230)과 일치하여 상기 트레이닝 세트로부터 데이터를 이용하여 계산된다. 새롭게 구성된 평가 방정식은 그 후 남아 있는 테스팅 서브셋(스텝 235)의 글루코오스 농도를 평가하기 위해 사용된다. 실제의 농도에 대한 평가된 상기 RMS 에러가 계산된 이후에, 트레이닝 그리고 테스팅 데이터의 다른 임의의 서브셋이 상기 동일한 전체 데이터 세트로부터 선택된다. 이러한 스텝들은 1000회 반복되고, 그곳에서 매번, 다른 서브셋이 트레이닝 세트 그리고 테스팅 세트로 선택된다. 상기 1000 번의 실행의 평균 RMS 는 그 후 계산된다. 이 과정은 각 변수를 위해 각 반복에서 선형 평가기에 부가된 하나의 변수들과 함께 반복된다.
도 18은 X-축을 따른 평가기에서 그리고 Y-축 상의 실행의 세트를 위한 상기 평균 RMS에서 사용되는 다수의 변수들을 그림으로써 랜덤화 된 분석의 특정 결과의 구조적 플랏을 보인다. 일반적으로 관찰되는 것은 다수의 변수들이 증가함에 따라, 상기 RMS는 일반적으로 감소하는 것이다. 그러나 특정 다수의 변수들을 넘어서, 상기 RMS는 증가하고, 평가기 내에서 매우 많은 변수들이 사용되는 것을 가리킨다. 그 결과 더 적은 강도, 보다 많은 에러-경향의 측정 방정식을 구성한다. 따라서 최소의 RMS 값에 대응하는 다수의 변수들을 선택함으로써, 평가기 방정식을 구성함에 있어 최적의 변수들을 이용하는 것을 확실히 할 수 있다.
도 18에서 구조적으로 표시되는 것과 같이, 이 실시예에서 4개의 변수 평가기가 최적 구성이라는 것이 발견된다.
그곳에서 Yheadr(f)는 실수 부분이고 그리고 Yheadi(f)는 측정된 신호의 머리의주파수 f에서 각각 푸리에 변환의 허수 부분이다. 그리고 Ytail은 상기 신호의 꼬리의 0Hz 푸리에 변환 성분의 실수 부분이다.
이 방정식을 이용하여, 혼합된 글루코오스 그리고 아스코르브산 농도를 지닌 다양한 혈액 샘플들이 테스트된다. 혈액 샘플들은 글루코오스 그리고 아스코르브산의 알려진 양들과 함께 준비된다. 도 19는 위의 상기 [글루코오스] 방정식을 이용함으로써 계산된 측정된 글루코오스 농도를 간섭제로서 아스코르브산의 다양한 농도를 또한 포함하는 샘플들을 위한 실제의 글루코오스 농도에 대해 보여준다.
라인 149는 실제 글루코오스 농도를 표현한다. 상기 오픈 원들은 1mM의 뒤배경(background) 아스코르브산 농도를 지닌 샘플들 내에서 만들어진 측정들이다. 상기 채워진 원들은 3mM의 뒤배경 아스코르브산을 지닌 샘플 내에서 만들어진 측정들이다. 상기 오픈 정사각형들은 4mM의 뒤배경 아스코르브산 을 지닌 샘플들 내에서 만들어진 측정들이다.
따라서 글루코오스 그리고 아스코르브산의 높은 농도를 포함하는 혈액 샘플들을 위해, 상기 평가 방정식은 아스코르브산으로부터 상기 신호를 성공적으로 억제할 수 있고 그리고 선택적으로 상기 신호의 상기 글루코오스 부분을 측정할 수 있다.
도 20은 위에서 설명된 다양한 방법들을 구현하기 위해 사용되는 글루코오스 미터의 설명적 실시예를 보여준다. 상기 미터는 상기 미터에 테스트-스트립을 연결하기 위한 테스트 스트립 커넥터(300)를 포함한다. 상기 테스트 스트립은, 예를 들어, 3개의 전극들(작동, 기준 그리고 카운터)을 포함할 수 있다.
신호 조건 회로(302)는 상기 테스트 스트립 커넥터(300)로 연결되고 그리고 상기 테스트 스트립 내의 상기 전극들에 적용되는 상기 파형의 필터링을 수행한다. 신호 조건 회로(304)는 상기 테스트 스트립으로부터 결과로 생기는 전류 신호의 필터링을 수행하고 그리고 상기 전류 신호를 기록한다. 회로(302 그리고 304)는 함께 포텐시어스테트(potentiostat) 회로로 알려진 것을 포함한다. DAC(306)는 제어기(310)로부터 디지털 신호들을 아날로그 신호로 변환한다. ADC(308)는 아날로그 신호들을 제어기(310)에 의해 사용을 위해 디지털 포맷으로 변환한다. 제어기(310)는 미터 내에서 신호들을 처리한다. 예를 들어, 도 6 그리고 14의 앞선 설명적 실시예들에서 배운 방법으로 테스트 스트립 커넥터에 의해 감지되는 전류 신호들을 처리한다.
버튼들(312)은 사용자에게 상기 미터를 작동하기 위한 사용자를 위한 엔터페이스를 제공한다. 전력 회로(314)는 배터리의 형태에서 주로 상기 미터에 전력을 제공하고, 그리고 LCD(316)는 사용자에게 글루코오스 농도를 디스플레이 한다.
유의할 것은 도 20 미터의 포맷 그리고 도 5-19 내에서 배운 상기 신호 처리 시스템 및 방법은 글루코오스를 제외한 분해물들을 감지하기 위해 사용될 수 있다. 그러한 출원들은, 전기 화학 면역 측정 감지, 산업 가스 센싱(예를 들어, 수소 가스로부터 방해를 억제하는 동안 시안화물 가스), 물(water) 성질 모니터링(생물학적 또는 독성 메탈들), 화학적 그리고 생물학적 교전 대행자의 감지를 포함한다.
여기서 배운 상기 신호 처리 기술들은 또한 존재하는 글루코오스 테스터들과같은 감지 장치들에 적용될 수 있다. 이 수정은 존재하는 제어기들로 펌웨어의 형태에서 업그레이드 될 수 있다. 현재 사용하는 제어기들의 실시예들은 Hitachi H8/3887, Texas Instruments 3185265-F, Sierra SC84036CV, Amtel S5640 ASIC, NEC FTA-R2 ACIC, Hitachi H8/3847, Panasonic MN101C097KB1, ASIC(인텔 8051 주위에 만들어진) 등을 포함한다.
상기 펌웨어 업그레이드의 기능은 여기서 배운 다음의 신호 처리 기술들을 구현하는 것이다.
1) 상기 샘플로 주문된 파형을 적용한다. 상기 파형의 모양을 인코드 하는 상기 데이터는 메모리 내에 존재할 것이며, 상기 마이크로프로세서에 의해 판독될 것이고, 그리고 상기 원하는 파형은 예를 들어 도 20 의 DAC(306)과 같이, 발생되고 그리고 디지털에서 아날로그 컨버터로 적용될 것이다.
2) 결과적인 전류 신호에서 읽기. 상기 펌웨어는 예를 들어 도 20의 ACD(308)과 같은, 상기 아날로그로부터 디지털 컨버터(상기 테스트 스트립 전극들로부터 감지된)로부터 디지털화된 데이터 내에서 읽기 위해 마이크로프로세서에 명령할 것이고 그리고 메모리 내에 상기 디지털화 된 데이터를 저장할 것이다. 상기 펌웨어는 원하는 데이터 내에서 읽기에 필요한 메모리 관리를 수행할 것이다.
3) 상기 신호 처리를 구현하기 위해 수학적 연산들을 수행한다. 이는 펌웨어의 명령에 따라 상기 변수들을 계산하는 것을 포함하고 그리고 상기 글루코오스 농도를 결정하기 위해 상기 평가 방정식(예를 들어, 도 6 또는 도 14의 방법에 의해 발생되는) 내의 이러한 변수들의 값들을 이용한다.
상기 펌웨어에 의해 수행되는 다른 과정들은 상기 존재하는 펌웨어에 남겨지고 그리고 상기 업그레이드의 부분이 될 필요가 없다. 예를 들어, 상기 펌웨어는 또한 상기 사용자에 대한 결과의 디스플레이를 제어하고(예를 들어, LCD(316) 디스플레이를 통해) 그리고 예를 들어 전력 관리와 같은 상기 미터의 " 장면 뒤의" 작동들은 데이터의 스크롤링, 데이터의 평균화, PC로의 데이터 전송 등과 같은 사용자의 요청에 응답한다.
당업자에게 있어 명백한 부가적 다양한 수정들 그리고 변화들은 당해 발명의 기술의 영역에 벗어나지 않는 한 만들어 질 수 있다. 예를 들어, 큰 진폭 자극 파형은 여기서 설명적 실시예에서 사용된다. 작은 신호 특징들을 지니는 자극 파형 역시 비선형 응답을 발생하기 위해 사용될 수 있다.
자극 파형과 같은 실시예가 도 21에 보이며, 그곳에서 0에서 600mV까지의 스텝 전압이 적용된다. 이 자극은 상기 결과적인 전류 신호가 0V에서 그의 평형 값으로부터 예를 들어 몇 초들의 과정에 대한 600mV에서 그의 새로운 평형 값으로까지 변화를 일으킬 수 있다. 상기 전류의 이 전이 동안, 파형의 부분(401)에서 보이는 것과 같이, 작은 크기 전압 파형(이 실시예에서 작은 진폭 사인 파형)은 상기 신호에 대해 중첩된다. 이는 작은 진폭 전류 응답이 느린 전이 전류 파형의 탑(top)상에서 발생할 수 있도록 일으킨다.
도 22에 보이는 상기 전체 결과 전류( 즉, 상대적으로 느린 전이 전류에 상대적으로 빠른 사인 파형 전류를 더한 것)는 적용된 사인 파형 전압과 비교할 때 비선형이 된다. 따라서 큰 진폭 스텝 전압은 상기 시스템이 전이 상태에 들어가도록 일으키나, 상기 전이 상태에 있는 동안, 작은 진폭 전압이 적용된다.
도 22에 보이는 상기 전류 응답과 관련하여, 일단 상기 스텝 전압이 20초에서 적용되면, 상기 전류 신호는 재-평형을 하기 위해 일부 신호를 취하는 것이 관찰된다. 이 일시적인 재-평형 구간동안, 상기 작은 진폭 사인 파형 전압이 적용된다( 65 초에서 시작). 65초로부터 앞으로, 단지 작은 크기 신호가 적용되는 것을 관찰되며, 그러나 상기 결과적인 전류가 다수의 주파수 성분들을 포함하기 때문에, 상기 결과적인 전류는 비선형이며, 어떻게 작은 진폭 파형이 비선형 신호 응답을 초래할 수 있는지의 한 실시예를 설명한다. 따라서 이 자극 파형은 여기에 설명된 설명적인 실시예에서 유용하다.
당해 발명은 또한 특정 자극 파형, 파형 모양 또는 변수들의 이용에 제한되지 않는다. 예를 들어, 포텐셔메트릭(potentiometric) 방법에서 전류는 적용된 자극 파형이고 그리고 상기 측정된 전압은 사용될 수 있는 결과적인 신호이다. 하나 이상의 다음의 제한적이지 않은 실시예들이 또한 사용될 수 있다.
ㆍ 시간에서 일부 지점에서 측정된 그리고/또는 자극 신호의 값들,
ㆍ 상기 측정된 그리고/또는 자극 신호의 전체 또는 일부 부분의 계산된 기능들, 예를 들어,
-상기 신호의 일부 부분의 경사 또는 지점에서 신호의 경사
-상기 신호의 일부 부분에 대한 침식 비율
-상기 신호의 일부 부분에 대한 상승 비율
- 상기 신호의 일부 부분의 평균 값
- 상기 신호의 전부 또는 일부 부분의 주파수 변환(예를 들어, 푸리에 변환, 또는 잔물결(wavelet) 변환 )
- 상기 신호의 일부 부분의 로가리듬
- 상기 신호의 일부의 일부 루트(예를 들어, 스퀘어 루트 또는 큐브 루트)
- 일부 전력으로 올려지는 상기 신호의 일부 부분
- 상기 신호의 두 개의 특정화된 지점 간의 경과된 시간( 예를 들어, 상기 신호의 피크와 골(valley) 간의 시간)
ㆍ 이러한 변수들의 결합
- 이 구간 동안 상기 신호의 평균값에 의해 분배되는 시간의 일부 구간동안 신호의 침식 비율,
- 두 개의 특정된 지점 간의 상기 신호의 값에서 차이
- 상기 신호의 두 개의 다른 부분들 간의 상기 신호의 경사에서의 차이
ㆍ 주기적 측정된 신호를 발생하기 위한 주기적 자극
부가적으로, 주기적 볼트미트리(voltammetry)는 재반응 운동/기계에 대한 정보를 추출하기 위한 유일한 방법이다. 선형 스윕(sweep) 볼트미트리, 스퀘어 파형 볼트미트리, AC 폴라로그래피, AC 임피던스 분광기, 포텐시오미트리 등과 같은 많은 다른 전자 분석적 기술들이 사용될 수 있다.
여전히, 이전의 설명적 실시예들이 예를 들어, 글루코오스와 같은 관심의 분석 농도를 결정하는 것과 이미 관련되었음에도 불구하고, 여기서 배운 실시예가 다중 분석을 감지하기 위해 사용될 수 있음이 명백하다. 사실상, 상기 평가 방정식들이 구성되고 해결될 때, 심지어 하나의 농도만이 사용자에게 디스플레이 되는 경우 모든 상기 분석들은 양을 정할 수 있다. 부가적으로, 평가 방정식들은 여기서 배운 방법에서 각 분석을 위해 구성될 수 있다.
비-페러데익(Non-Faradaic) 신호들은 또한 단지 페러데익 신호들과 반대로 측정될 수 있다. 예를 들어, 전극 전압을 변화시키는 것에 대응하는 샘플 내에서 이온들의 재구성에 의해 발생되는 용량성 전류들은 상기 측정된 신호의 전부 또는 부분이 될 수 있다.
상기 자극 파형 신호는 시간의 함수로서 변하는 전압 그리고 전류를 제외한 다양한 양들이 될 수 있으며, 그리고 그 결과 변화하는 측정된 신호를 시간에서 초래한다. 그러한 신호들은,
- 샘플의 온도
- 전극의 회전 비율(샘플에서 다른 속도에서 변화되는)
전극의 회전은 샘플이 와동-타입 패턴에서 이동되도록 일으키고, 더 많은 분석이 상기 전극과 접촉되도록 한다. 시간의 함수로서 회전 비율을 변화하는 것은 상기 분석의 프로빙 전송의 공통 방법이다.
- 빛. 상기 빛의 강도를 변화시키는 것은 반응 비율을 변화시키기 위해 사용될 수 있고 그리고 그 결과 다른 신호들을 발생하기 위해 다른 분석들을 일으킨다.
따라서 다중 전극들은 예를 들어, 전극 배열과 같은 시간에서 하나의 전극 대신에 사용될 수 있다.

Claims (44)

  1. 간섭하는 분해물을 지닌 혼합된 샘플에서 선택 분해의 모니터링을 위한 전기 화학적 방법에서, 상기 개선점은,
    - 비선형 전류 신호를 발생하기 위해 샘플에 큰 진폭 전압 자극 파형을 적용하고, 그리고,
    - 상기 선택 분해를 위한 기준 전류 신호의 하나 이상의 주파수들에서 하나 이상의 푸리에 계수들의 다수의 실수 그리고 허수 부분을 포함하는 분석 벡터를 지닌 벡터 투영 방법에 의해 발생되는 신호에서 상기 선택 분해로부터 신호 분배를 분석하는
    단계를 포함하는 것을 특징으로 하는 간섭하는 분해물을 지닌 혼합된 샘플에서 선택 분해의 모니터링을 위한 전기 화학적 방법.
  2. 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석의 농도를 결정하는 전기 화학적 방법으로서,
    - 비선형 전류 신호를 발생하기 위해 큰 진폭 전압 자극 파형을 상기 샘플에 적용하고,
    - 상기 발생된 신호를 측정하며,
    - 상기 발생된 신호의 전체 또는 일부 부분의 하나 이상의 변수들을 계산하고, 그리고,
    - 상기 선택 그리고 간섭하는 분석들 그리고 하나 이상의 변수들의 각각의 위한 분석 벡터들에 기초한 평가 방정식을 분석함으로써 상기 혼합된 샘플에서 선택 분석의 농도를 결정하는
    단계들을 포함하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석의 농도를 결정하는 전기 화학적 방법.
  3. 제 2 항에 있어서, 이 때 상기 평가 방정식은 하나의 주파수에서 분석 벡터들에 기초하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석의 농도를 결정하는 전기 화학적 방법.
  4. 제 2 항에 있어서, 이 때 상기 평가 방정식은 다중 주파수들에서 분석 벡터들에 기초하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석의 농도를 결정하는 전기 화학적 방법.
  5. 제 2 항에 있어서, 이 때 상기 분석 벡터들 그리고 하나 이상의 변수들 중의 하나 또는 전부가 가중되는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석의 농도를 결정하는 전기 화학적 방법.
  6. 제 2 항에 있어서, 이 때 상기 분석 벡터들은 하나 이상의 변수들로 구성되고 그리고 상기 자극 파형의 다른 부분들 그리고/또는 발생된 신호들에 관련되는것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석의 농도를 결정하는 전기 화학적 방법.
  7. 제 2 항에 있어서, 이 때 상기 분석 벡터들은 비-주기적 부분 그리고 자극 파형의 DC 부분 그리고/또는 발생된 신호의 하나 이상에 관련되고 하나 이상의 변수로 구성되는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석의 농도를 결정하는 전기 화학적 방법.
  8. 제 2 항에 있어서, 이 때 상기 평가 방정식은 상기 그룹으로부터 선택된 하나 이상의 다수의 변수들에 기초하며, 상기 그룹은
    - 하나 이상의 주파수에서 푸리에 계수의 하나 이상의 실수 또는 허수 부분들,
    - 하나 이상의 주파수들에서 푸리에 계수의 하나 이상의 가중된 실수 또는 허수 부분들,
    - 하나 이상의 상기 자극 파형의 부분들 그리고/또는 생성된 신호
    - 하나 이상의 주기적 자극 파형의 부분들 그리고/또는 생성된 신호
    - 하나 이상의 비-주기적 자극 파형의 부분들 그리고/또는 생성된 신호, 그리고,
    - 하나 이상의 자극 파형의 DC 부분들 그리고/또는 생성된 신호
    를 포함하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석의 농도를 결정하는 전기 화학적 방법.
  9. 제 2 항에 있어서, 이 때 상기 평가 방정식은 수행 그리고 로버스트니스의 밸런스를 위해 하나 이상의 변수의 숫자를 선택하는 것에 기초하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석의 농도를 결정하는 전기 화학적 방법.
  10. 제 2 항에 있어서, 이 때 상기 선택 분석은 글루코오스인 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석의 농도를 결정하는 전기 화학적 방법.
  11. 제 10 항에 있어서, 이 때 상기 간섭 분석은 아스코르브산인 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석의 농도를 결정하는 전기 화학적 방법.
  12. 장치로서,
    - 전극 시스템으로부터 초래하는 전류를 감지하고 그리고 그곳으로 전압 파형을 적용하기 위한 포텐시오스테트(potentiostat) 회로,
    - 상기 작동을 수행하기 위한 프로그램 명령들을 실행하기 위해 구현되는 프로세서와 프로그램 명령들을 지닌 하나 이상의 메모리
    를 포함하고, 상기 작동들은,
    - 비선형 전류 신호를 생성하기 위해 큰 진폭 전압 자극 파형을 상기 샘플에 적용하고,
    - 상기 생성된 신호를 측정하며,
    - 상기 생성된 신호의 전부 또는 일부의 원하는 주파수 성분의 하나 이상의 푸리에 계수를 계산하고, 그리고,
    - 상기 선택 그리고 간섭 분석들의 각각을 위해 분석 벡터들에 기초하는 평가 방정식을 분석하기 위해 하나 이상의 프리에 계수를 이용함으로써 상기 혼합된 샘플에서 선택 분석의 농도를 결정하는
    단계를 포함하는 것을 특징으로 하는 상기 장치.
  13. 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링 하기 위한 평가 방정식을 구성하는 방법으로서,
    - 상기 샘플에 적용될 때 비선형 전류 신호를 발생하기 위해 큰 진폭 전압 자극 파형을 선택하고,
    - 상기 선택 그리고 간섭하는 분석들 각각만의 다수의 다른 농도들을 포함하는 샘플들로 상기 파형을 적용하며, 그리고 상기 결과 기준 전류 신호들을 측정하고,
    - 상기 기준 전류 신호들의 각각을 위한 푸리에 변환의 실수 그리고 허수 부분들의 값들을 계산하며,
    - 다수의 주파수의 각각에서 상기 푸리에 변환의 푸리에 계수의 실수 그리고 허수 값들을 그리고,
    - 위상각에서 상대적으로 더 큰 차이를 표시하는 실수 그리고 허수 부분에서 다수의 주파수들 중의 하나를 선택하며,
    - 상기 선택된 하나의 주파수에서 상기 선택 그리고 간섭하는 분석들 중의 각각을 위한 분석 벡터들을 계산하고, 그리고
    - 복소평면에서 각각의 분석 벡터들의 길이와 샘플에서 각각의 분석의 농도가 관련되는 조정 정보 그리고 상기 분석 벡터들에 기초하는 상기 평가 방정식을 구성하는
    단계를 포함하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링 하기 위한 평가 방정식을 구성하는 방법.
  14. 제 13 항에 있어서, 이 때 상기 파형은 이론적 그리고/또는 경험적 요소들에 기초하여 선택되는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링 하기 위한 평가 방정식을 구성하는 방법.
  15. 제 14 항에 있어서, 이 때 사기 요소들은 반응 운동들, 반응 기계, 상기 선택 그리고/또는 간섭하는 분석의 전송 특징들의 하나 이상을 반영하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링 하기 위한 평가 방정식을 구성하는 방법.
  16. 제 13 항에 있어서, 이 때 상기 파형은 상기 선택 그리고/또는 간섭하는 분석이 산화되거나 또는 환원되는 곳에서 전압을 결정하기 위한 순환 볼트미트리에 기초하여 선택되는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링 하기 위한 평가 방정식을 구성하는 방법.
  17. 제 13 항에 있어서, 이 때 상기 파형은 50mV 변화보다 더 큰 값을 지니는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링 하기 위한 평가 방정식을 구성하는 방법.
  18. 제 13 항에 있어서, 이 때 상기 파형 또는 상기 파형의 일부 부분은 하나 이상의 반응 운동, 반응 기계 그리고 상기 선택 그리고/또는 간섭 분해에 기초한 변화의 선택된 변화를 지니는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링 하기 위한 평가 방정식을 구성하는 방법.
  19. 제 13 항에 있어서, 이 때 상기 파형은 상기 선택 그리고/또는 간섭하는 분석의 전기 화학적 반응으로부터 일어나는 패러데이(Faradaic) 전류를 생성하기 위해 선택되는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링 하기 위한 평가 방정식을 구성하는 방법.
  20. 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법으로서, 상기 방법은,
    - 상기 샘플에 적용될 때 비선형 전류 신호를 발생하기 위한 큰 진폭 전압 자극 파형을 선택하고,
    - 변수들로서 이용하기 위한 상기 전류 신호의 신호 특징들을 선택하며,
    - 상기 선택 그리고 간섭하는 분석들 모두의 다른 농도들을 포함하는 샘플들로 상기 파형을 적용하고 그리고 상기 결과적인 기준 전류 신호들을 측정하며,
    - 각 기준 신호를 위한 각 변수의 값들을 계산하고,
    - 선형 평가기로서 평가 방정식을 구성하고, 상기 샘플들에서 상기 선택 분해의 농도를 측정하기 위해 충분한 정확성을 지니고 그리고 상기 계산된 값들로부터 상기 변수들의 선택 숫자를 지니는
    단계들을 포함하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  21. 제 20 항에 있어서, 이 때 상기 변수들은 하나 이상의 다음의 하나 이상을 포함하는 것으로서,
    - 상기 전류 신호의 하나 이상의 부분들 또는 전체를 위해, 하나 이상의 주파수들에서 푸리에 계수의 하나 이상의 실수 또는 허수 부분들,
    - 상기 전류 신호의 경사,
    - 상기 전류 신호의 일부 부분의 상승 또는 침식 비율
    - 상기 전류 신호에서 피크가 발생하는 곳에서의 전압, 그리고,
    - 상기 전류 신호에서 피크의 값
    을 포함하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  22. 제 20 항에 있어서, 이 때 선형 평가기를 구성하는 것은 상기 변수들의 선택 숫자를 결정하는 단계를 포함하고 그리고 그 후 특정된 수행의 레벨을 보이는 변수들의 선택 숫자를 지닌 선형 평가기를 선택하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  23. 제 20 항에 있어서, 이 때 상기 선형 평가기를 구성하는 것은 랜덤화 된 크로스 유효화 과정의 이용을 포함하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  24. 제 20 항에 있어서, 이 때 상기 선형 평가기를 구성하는 것은 평균 제곱근 과정을 지닌 충분한 정확성을 결정하는 것을 포함하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  25. 제 20 항에 있어서, 이 때 상기 선형 평가기를 구성하는 것은 원하는 수행을 표시하는 상기 평가기를 선택하는 것을 포함하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  26. 제 20 항에 있어서, 이 때 상기 선형 평가기를 구성하는 것은 가장 낮은 평가기 에러에 기초한 상기 변수들의 최적 숫자를 선택하는 것을 포함하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  27. 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석의 농도를 결정하기 위한 전기 화학적 방법은,
    - 비선형 신호를 발생하기 위해 상기 샘플로 자극 파형을 적용하고,
    - 상기 발생된 신호를 측정하며,
    - 상기 발생된 신호의 전부 또는 일부 부분의 하나 이상의 변수를 계산하고, 그리고,
    - 상기 선택 그리고 간섭하는 분석들 그리고 하나 이상의 변수들의 각각을 위한 분석 벡터들에 기초한 평가 방정식을 분석함으로써 상기 혼합된 샘플에서 상기 선택 분석의 농도를 결정하는
    단계들을 포함하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  28. 제 27 항에 있어서, 이 때 하나 이상의 변수는 주파수-영역 변수 그리고/또는 시간-영역 변수인 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  29. 제 27 항에 있어서, 이 때 하나 이상의 변수 그리고/또는 분석 벡터들은 가중되는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  30. 제 27 항에 있어서, 이 때 상기 자극 파형은 전압 또는 전류 파형인 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  31. 제 27 항에 있어서, 이 때 상기 분석 벡터들 그리고 하나 이상의 변수들은 상기 생성된 신호 그리고/또는 자극 파형의 다른 부분에 관련되는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  32. 제 27 항에 있어서, 이 때 하나 이상의 변수는 하나 이상의
    - 시간에서 일부 지점에서 상기 생성된 신호 그리고/또는 자극 파형(이후 " 신호")의 값들,
    - 상기 신호의 전체 또는 일부 부분의 계산된 기능들을
    포함하고, 이는,
    - 상기 신호의 일부 경사 또는 지점에서 신호의 경사,
    - 상기 신호의 일부 부분에 대한 침식 비율,
    - 상기 신호의 일부 부분에 대한 상승 비율,
    - 상기 신호의 일부 부분의 평균 값,
    - 상기 신호의 일부 또는 전체 부분의 주파수 변환,
    - 상기 신호의 일부 부분의 로가리듬,
    - 상기 신호의 일부 부분의 일부 루트,
    - 일부 전력으로 올려진 신호의 일부 부분,
    - 상기 신호 내의 두 개의 구체화된 지점들 간의 경과된 시간 들을 포함하고,
    상기 변수들의 결합들은,
    - 이 구간동안 상기 신호의 평균값에 의해 분배되는 시간의 일부 구간동안 신호의 침식 비율,
    - 두 개의 특정된 지점 간의 상기 신호의 값에서 차이, 그리고,
    - 상기 신호의 두 개의 다른 부분들 간의 상기 신호의 경사에서 차이
    중의 하나 이상을 포함하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  33. 제 27 항에 있어서, 이 때 상기 분석들은 글루코오스, 효소, 수소 과산화물, 조정자, 페리시아나이드(ferricyanide), 페로신(ferrocene), 페로시아나이드, 아스코르브산, 요산, 아세트아미노펜 그리고 도파민 중의 하나 이상을 포함하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  34. 제 27 항에 있어서, 이 때 상기 방법은 다수의 분석들을 모니터링 하는 방법을 포함하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  35. 제 27 항에 있어서, 이 때 상기 적용된 파형 그리고 생성된 신호는 갈바노스테트(galvanostat) 회로 또는 포텐시오스테트(potentiostat) 회로 와 함께 구현되는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  36. 제 27 항에 있어서, 이 때 상기 하나 이상의 변수는
    - 상기 분석 벡터들의 분리,
    - 상기 생성된 신호에서 잡음, 그리고,
    - 상기 분석 농도에서 상기 생성된 신호의 민감도
    중의 하나 이상에 기초하여 선택되는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  37. 제 27 항에 있어서, 이 때 상기 평가 방정식은 또한 조정 정보에 기초하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  38. 제 27 항에 있어서, 이 때 하나 이상의 변수들은,
    - 순환 볼트미트리,
    - 선형 스윕 볼트미트리,
    - 스퀘어 볼트미트리,
    - AC 폴라로그래피, 그리고,
    - AC 임피던스 분광학
    중의 하나 이상에 기초하여 선택되는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  39. 제 27 항에 있어서, 이 때 상기 자극 파형은 전류이고 그리고 상기 생성된 신호는 전압인 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  40. 제 27 항에 있어서, 이 때 상기 평가 방정식은 선형 평가기인 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  41. 제 27 항에 있어서, 이 때 상기 평가 방정식은 하나 이상의 평균 제곱근(RMS), 조정된 RMS, 분산 그리고 표준 편차에 의해 결정되는 평가 에러에 기초하여 선택되는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  42. 제 27 항에 있어서, 이 때 상기 간섭하는 분석은 상기 생성된 신호로의 용량성 전류를 기여하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  43. 제 27 항에 있어서, 이 때 상기 자극 파형은 하나 또는 다중 전극에 적용되는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
  44. 간섭하는 분석을 지닌 혼합된 샘플에서 분석들의 농도를 결정하는 방법으로,
    - 비선형 신호를 발생하기 위해 상기 샘플로 자극 파형을 적용하고,
    - 상기 생성된 신호를 측정하며,
    - 상기 생성된 신호의 전부 또는 일부 부분의 하나 이상의 변수를 계산하고, 그리고,
    - 상기 분석들 그리고 하나 이상의 변수들의 각각을 위한 분석 벡터들에 기초한 평가 방정식을 분석함으로써 상기 혼합된 샘플에서 상기 분석들의 농도를 결정하는
    단계를 포함하는 것을 특징으로 하는 간섭하는 분석을 지닌 혼합된 샘플에서 선택 분석을 모니터링하기 위한 평가 방정식을 구성하는 방법.
KR10-2004-7010950A 2002-01-15 2003-01-15 전기 화학 신호를 프로세싱하기 위한 방법 및 장치 KR20040077722A (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US35017502P 2002-01-15 2002-01-15
US60/350,175 2002-01-15
PCT/US2003/001113 WO2003060154A2 (en) 2002-01-15 2003-01-15 Method and apparatus for processing electrochemical signals

Publications (1)

Publication Number Publication Date
KR20040077722A true KR20040077722A (ko) 2004-09-06

Family

ID=23375524

Family Applications (1)

Application Number Title Priority Date Filing Date
KR10-2004-7010950A KR20040077722A (ko) 2002-01-15 2003-01-15 전기 화학 신호를 프로세싱하기 위한 방법 및 장치

Country Status (9)

Country Link
US (3) US7090764B2 (ko)
EP (1) EP1466008A2 (ko)
JP (1) JP2005515413A (ko)
KR (1) KR20040077722A (ko)
CN (1) CN1615434A (ko)
AU (1) AU2003203004B2 (ko)
CA (1) CA2472584A1 (ko)
MX (1) MXPA04006783A (ko)
WO (1) WO2003060154A2 (ko)

Families Citing this family (129)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6036924A (en) 1997-12-04 2000-03-14 Hewlett-Packard Company Cassette of lancet cartridges for sampling blood
US8071384B2 (en) 1997-12-22 2011-12-06 Roche Diagnostics Operations, Inc. Control and calibration solutions and methods for their use
US6391005B1 (en) 1998-03-30 2002-05-21 Agilent Technologies, Inc. Apparatus and method for penetration with shaft having a sensor for sensing penetration depth
US20050103624A1 (en) 1999-10-04 2005-05-19 Bhullar Raghbir S. Biosensor and method of making
US8641644B2 (en) 2000-11-21 2014-02-04 Sanofi-Aventis Deutschland Gmbh Blood testing apparatus having a rotatable cartridge with multiple lancing elements and testing means
DE60234598D1 (de) 2001-06-12 2010-01-14 Pelikan Technologies Inc Selbstoptimierende lanzettenvorrichtung mit adaptationsmittel für zeitliche schwankungen von hauteigenschaften
EP1404234B1 (en) 2001-06-12 2011-02-09 Pelikan Technologies Inc. Apparatus for improving success rate of blood yield from a fingerstick
ATE485766T1 (de) 2001-06-12 2010-11-15 Pelikan Technologies Inc Elektrisches betätigungselement für eine lanzette
US7025774B2 (en) 2001-06-12 2006-04-11 Pelikan Technologies, Inc. Tissue penetration device
US9427532B2 (en) 2001-06-12 2016-08-30 Sanofi-Aventis Deutschland Gmbh Tissue penetration device
US8337419B2 (en) 2002-04-19 2012-12-25 Sanofi-Aventis Deutschland Gmbh Tissue penetration device
US7749174B2 (en) 2001-06-12 2010-07-06 Pelikan Technologies, Inc. Method and apparatus for lancet launching device intergrated onto a blood-sampling cartridge
US7682318B2 (en) 2001-06-12 2010-03-23 Pelikan Technologies, Inc. Blood sampling apparatus and method
US7981056B2 (en) 2002-04-19 2011-07-19 Pelikan Technologies, Inc. Methods and apparatus for lancet actuation
US9226699B2 (en) 2002-04-19 2016-01-05 Sanofi-Aventis Deutschland Gmbh Body fluid sampling module with a continuous compression tissue interface surface
US9795747B2 (en) 2010-06-02 2017-10-24 Sanofi-Aventis Deutschland Gmbh Methods and apparatus for lancet actuation
EP1466008A2 (en) * 2002-01-15 2004-10-13 Agamatrix, Inc. Method and apparatus for processing electrochemical signals
US7601249B2 (en) * 2002-02-10 2009-10-13 Agamatrix, Inc. Method and apparatus for assay of electrochemical properties
US8260393B2 (en) 2003-07-25 2012-09-04 Dexcom, Inc. Systems and methods for replacing signal data artifacts in a glucose sensor data stream
US8010174B2 (en) 2003-08-22 2011-08-30 Dexcom, Inc. Systems and methods for replacing signal artifacts in a glucose sensor data stream
US7674232B2 (en) 2002-04-19 2010-03-09 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US9795334B2 (en) 2002-04-19 2017-10-24 Sanofi-Aventis Deutschland Gmbh Method and apparatus for penetrating tissue
US7976476B2 (en) 2002-04-19 2011-07-12 Pelikan Technologies, Inc. Device and method for variable speed lancet
US7291117B2 (en) 2002-04-19 2007-11-06 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US8221334B2 (en) 2002-04-19 2012-07-17 Sanofi-Aventis Deutschland Gmbh Method and apparatus for penetrating tissue
US8579831B2 (en) 2002-04-19 2013-11-12 Sanofi-Aventis Deutschland Gmbh Method and apparatus for penetrating tissue
US9248267B2 (en) 2002-04-19 2016-02-02 Sanofi-Aventis Deustchland Gmbh Tissue penetration device
US7229458B2 (en) 2002-04-19 2007-06-12 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7175642B2 (en) 2002-04-19 2007-02-13 Pelikan Technologies, Inc. Methods and apparatus for lancet actuation
US7547287B2 (en) 2002-04-19 2009-06-16 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7909778B2 (en) 2002-04-19 2011-03-22 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7717863B2 (en) 2002-04-19 2010-05-18 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7491178B2 (en) 2002-04-19 2009-02-17 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7901362B2 (en) 2002-04-19 2011-03-08 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US8702624B2 (en) 2006-09-29 2014-04-22 Sanofi-Aventis Deutschland Gmbh Analyte measurement device with a single shot actuator
US7232451B2 (en) 2002-04-19 2007-06-19 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7892183B2 (en) 2002-04-19 2011-02-22 Pelikan Technologies, Inc. Method and apparatus for body fluid sampling and analyte sensing
US8267870B2 (en) 2002-04-19 2012-09-18 Sanofi-Aventis Deutschland Gmbh Method and apparatus for body fluid sampling with hybrid actuation
US7331931B2 (en) 2002-04-19 2008-02-19 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US7648468B2 (en) 2002-04-19 2010-01-19 Pelikon Technologies, Inc. Method and apparatus for penetrating tissue
US7297122B2 (en) 2002-04-19 2007-11-20 Pelikan Technologies, Inc. Method and apparatus for penetrating tissue
US8784335B2 (en) 2002-04-19 2014-07-22 Sanofi-Aventis Deutschland Gmbh Body fluid sampling device with a capacitive sensor
US7226461B2 (en) 2002-04-19 2007-06-05 Pelikan Technologies, Inc. Method and apparatus for a multi-use body fluid sampling device with sterility barrier release
US9314194B2 (en) 2002-04-19 2016-04-19 Sanofi-Aventis Deutschland Gmbh Tissue penetration device
US7371247B2 (en) 2002-04-19 2008-05-13 Pelikan Technologies, Inc Method and apparatus for penetrating tissue
US8574895B2 (en) 2002-12-30 2013-11-05 Sanofi-Aventis Deutschland Gmbh Method and apparatus using optical techniques to measure analyte levels
DK1633235T3 (da) 2003-06-06 2014-08-18 Sanofi Aventis Deutschland Apparat til udtagelse af legemsvæskeprøver og detektering af analyt
WO2006001797A1 (en) 2004-06-14 2006-01-05 Pelikan Technologies, Inc. Low pain penetrating
US8206565B2 (en) 2003-06-20 2012-06-26 Roche Diagnostics Operation, Inc. System and method for coding information on a biosensor test strip
US8058077B2 (en) 2003-06-20 2011-11-15 Roche Diagnostics Operations, Inc. Method for coding information on a biosensor test strip
US20070264721A1 (en) * 2003-10-17 2007-11-15 Buck Harvey B System and method for analyte measurement using a nonlinear sample response
US7645373B2 (en) 2003-06-20 2010-01-12 Roche Diagnostic Operations, Inc. System and method for coding information on a biosensor test strip
US7718439B2 (en) 2003-06-20 2010-05-18 Roche Diagnostics Operations, Inc. System and method for coding information on a biosensor test strip
US7452457B2 (en) 2003-06-20 2008-11-18 Roche Diagnostics Operations, Inc. System and method for analyte measurement using dose sufficiency electrodes
US8071030B2 (en) 2003-06-20 2011-12-06 Roche Diagnostics Operations, Inc. Test strip with flared sample receiving chamber
PT1639352T (pt) 2003-06-20 2018-07-09 Hoffmann La Roche Método e reagente para produzir tiras de reagente homogéneas, estreitas
US7645421B2 (en) 2003-06-20 2010-01-12 Roche Diagnostics Operations, Inc. System and method for coding information on a biosensor test strip
US8148164B2 (en) 2003-06-20 2012-04-03 Roche Diagnostics Operations, Inc. System and method for determining the concentration of an analyte in a sample fluid
US8282549B2 (en) 2003-12-09 2012-10-09 Dexcom, Inc. Signal processing for continuous analyte sensor
MXPA06001914A (es) 2003-08-21 2006-05-31 Agamatrix Inc Metodo y aparato para ensayo de propiedades electroquimicas.
US20140121989A1 (en) 2003-08-22 2014-05-01 Dexcom, Inc. Systems and methods for processing analyte sensor data
US8282576B2 (en) 2003-09-29 2012-10-09 Sanofi-Aventis Deutschland Gmbh Method and apparatus for an improved sample capture device
EP1680014A4 (en) 2003-10-14 2009-01-21 Pelikan Technologies Inc METHOD AND APPARATUS PROVIDING A VARIABLE USER INTERFACE
EP1706026B1 (en) 2003-12-31 2017-03-01 Sanofi-Aventis Deutschland GmbH Method and apparatus for improving fluidic flow and sample capture
US7822454B1 (en) 2005-01-03 2010-10-26 Pelikan Technologies, Inc. Fluid sampling device with improved analyte detecting member configuration
JP4038484B2 (ja) * 2004-01-13 2008-01-23 三菱電機株式会社 同期フェーザ測定装置
EP1713926B1 (en) 2004-02-06 2012-08-01 Bayer HealthCare, LLC Oxidizable species as an internal reference for biosensors and method of use
US8828203B2 (en) 2004-05-20 2014-09-09 Sanofi-Aventis Deutschland Gmbh Printable hydrogels for biosensors
US20050276133A1 (en) * 2004-05-30 2005-12-15 Agamatrix, Inc. Measuring device and methods for use therewith
US7964146B2 (en) 2004-05-30 2011-06-21 Agamatrix, Inc. Measuring device and methods for use therewith
EP1765194A4 (en) 2004-06-03 2010-09-29 Pelikan Technologies Inc METHOD AND APPARATUS FOR MANUFACTURING A DEVICE FOR SAMPLING LIQUIDS
US7569126B2 (en) 2004-06-18 2009-08-04 Roche Diagnostics Operations, Inc. System and method for quality assurance of a biosensor test strip
US8652831B2 (en) 2004-12-30 2014-02-18 Sanofi-Aventis Deutschland Gmbh Method and apparatus for analyte measurement test time
US7964089B2 (en) 2005-04-15 2011-06-21 Agamatrix, Inc. Analyte determination method and analyte meter
US20060232528A1 (en) * 2005-04-15 2006-10-19 Agamatrix, Inc. Apparatus and method for use of large liquid crystal display with small driver
US7344626B2 (en) 2005-04-15 2008-03-18 Agamatrix, Inc. Method and apparatus for detection of abnormal traces during electrochemical analyte detection
US7645374B2 (en) 2005-04-15 2010-01-12 Agamatrix, Inc. Method for determination of analyte concentrations and related apparatus
US7372277B2 (en) 2005-04-15 2008-05-13 Agamatrix, Inc. Method and apparatus for providing stable voltage to analytical system
US7713392B2 (en) * 2005-04-15 2010-05-11 Agamatrix, Inc. Test strip coding and quality measurement
US7517439B2 (en) * 2005-04-15 2009-04-14 Agamatrix, Inc. Error detection in analyte measurements based on measurement of system resistance
US7547382B2 (en) 2005-04-15 2009-06-16 Agamatrix, Inc. Determination of partial fill in electrochemical strips
KR101321296B1 (ko) 2005-07-20 2013-10-28 바이엘 헬스케어 엘엘씨 게이트형 전류 측정법 온도 결정 방법
JP5671205B2 (ja) 2005-09-30 2015-02-18 バイエル・ヘルスケア・エルエルシー ゲート化ボルタンメトリー
US8066866B2 (en) * 2005-10-17 2011-11-29 Lifescan, Inc. Methods for measuring physiological fluids
US7699973B2 (en) * 2006-06-30 2010-04-20 Abbott Diabetes Care Inc. Rapid analyte measurement assay
DE102006043718B4 (de) * 2006-09-18 2014-12-31 Alexander Adlassnig Bestimmung von Wasserstoffperoxidkonzentrationen
ES2825036T3 (es) 2006-10-24 2021-05-14 Ascensia Diabetes Care Holdings Ag Amperometría de decaimiento transitorio
GB2446415A (en) * 2007-02-09 2008-08-13 Seiko Epson Corp Potentiostat
WO2009075951A1 (en) 2007-12-10 2009-06-18 Bayer Healthcare Llc Rapid-read gated amperometry
WO2009076302A1 (en) 2007-12-10 2009-06-18 Bayer Healthcare Llc Control markers for auto-detection of control solution and methods of use
WO2009126900A1 (en) 2008-04-11 2009-10-15 Pelikan Technologies, Inc. Method and apparatus for analyte detecting device
ES2700861T3 (es) * 2008-07-10 2019-02-19 Ascensia Diabetes Care Holdings Ag Sistemas y métodos que incluyen ciclos de trabajo amperométricos y voltamétricos
US8543345B1 (en) * 2008-08-04 2013-09-24 Ada Technologies, Inc. Electrochemical potentiostat employing smart electrodes
US9375169B2 (en) 2009-01-30 2016-06-28 Sanofi-Aventis Deutschland Gmbh Cam drive for managing disposable penetrating member actions with a single motor and motor and control system
US9868974B2 (en) 2009-07-27 2018-01-16 SureSensors Ltd. Sensor devices
US8428888B2 (en) * 2010-03-10 2013-04-23 Sharp Laboratories Of America, Inc. Signal processing algorithms for impedance biosensor
US20110224909A1 (en) * 2010-03-10 2011-09-15 Sharp Laboratories Of America, Inc. Signal processing technique for an impedance biosensor
US20110224914A1 (en) * 2010-03-10 2011-09-15 Sharp Laboratories Of America, Inc. Constrained processing technique for an impedance biosensor
US8965476B2 (en) 2010-04-16 2015-02-24 Sanofi-Aventis Deutschland Gmbh Tissue penetration device
KR20130075776A (ko) 2010-09-17 2013-07-05 아가매트릭스, 인코포레이티드 테스트 스트립들을 부호화하는 방법 및 장치
TWI569773B (zh) * 2011-05-26 2017-02-11 華廣生技股份有限公司 量測一生理參數的系統及方法
US8896292B2 (en) 2011-12-22 2014-11-25 Semiconductor Components Industries, Llc System and method for gain adjustment in transimpedance amplifier configurations for analyte measurement
US9410916B2 (en) 2012-06-06 2016-08-09 Panasonic Healthcare Holdings Co., Ltd. Biological information measurement device and biological information measurement method using same
BR112015008206B1 (pt) * 2012-10-16 2020-09-29 Koninklijke Philips N.V. Circuito sensor integrado, aparelho sensor e método de medição de uma substância de interesse a ser analisada em um meio
WO2014070801A1 (en) * 2012-10-29 2014-05-08 The Regents Of The University Of California Chemometric analysis of chemical agents using electrochemical detection and classification techniques
WO2014140173A1 (en) * 2013-03-15 2014-09-18 Roche Diagnostics Gmbh Descriptor-based methods of electrochemically measuring an analyte as well as devices, apparatuses and systems incoporating the same
PL2972268T3 (pl) * 2013-03-15 2017-10-31 Hoffmann La Roche Sposoby zabezpieczenia przed błędem w elektrochemicznym pomiarze analitu, przyrządy i urządzenia oraz układy je zawierające
JP6352954B2 (ja) 2013-03-15 2018-07-04 エフ．ホフマン−ラ ロシュ アーゲーＦ． Ｈｏｆｆｍａｎｎ−Ｌａ Ｒｏｃｈｅ Ａｋｔｉｅｎｇｅｓｅｌｌｓｃｈａｆｔ 電気化学的な分析物測定において回復パルスからの情報を使用する方法およびデバイス、装置とそれらを組み込むシステム
CA2900885C (en) * 2013-03-15 2017-12-19 F. Hoffmann-La Roche Ag Methods of electrochemically measuring an analyte with a test sequence having a pulsed dc block as well as devices, apparatuses and systems incorporating the same
US10168313B2 (en) 2013-03-15 2019-01-01 Agamatrix, Inc. Analyte detection meter and associated method of use
EP2972260B1 (en) 2013-03-15 2018-07-11 Roche Diabetes Care GmbH Methods of scaling data used to construct biosensor algorithms
WO2014140177A2 (en) * 2013-03-15 2014-09-18 Roche Diagnostics Gmbh Methods of detecting high antioxidant levels during electrochemical measurements and failsafing an analyte concentration therefrom as well as devices, apparatuses and systems incorporting the same
US9395319B2 (en) 2013-05-02 2016-07-19 Lifescan Scotland Limited Analytical test meter
US20150073718A1 (en) * 2013-09-10 2015-03-12 Lifescan Scotland Limited Phase-difference determination using test meter
KR20150074487A (ko) 2013-12-24 2015-07-02 삼성전자주식회사 식각 부산물 검출 방법 및 이를 이용한 자기 저항 메모리 장치의 제조 방법
KR101666978B1 (ko) * 2014-09-17 2016-10-24 주식회사 아이센스 생체시료 내 분석대상물질의 농도측정방법 및 측정장치
CA2970201A1 (en) * 2014-12-11 2016-06-16 Inside Biometrics Limited Method of determining parameters of a test fluid
CN104572076B (zh) * 2014-12-12 2018-04-17 烟台智慧云谷云计算有限公司 一种模拟量采集的软滤波算法及滤波系统
CN104569102B (zh) * 2015-02-04 2018-04-06 苏州市玮琪生物科技有限公司 检测血液微量信号的生物传感电极和方法
JP2019504310A (ja) * 2015-12-18 2019-02-14 トリビディア ヘルス，インコーポレーテッド ４極インピーダンス測定を用いたインビトロセンサ
EP3339850B1 (en) * 2016-12-21 2019-08-07 Roche Diagnostics GmbH Method and device for determining a concentration of at least one analyte
WO2018148312A1 (en) * 2017-02-07 2018-08-16 Colorado State University Research Foundation Handheld electrochemical sensing platform
WO2019077099A1 (en) * 2017-10-19 2019-04-25 Sanofi ANALYTE MEASURING DEVICE
CN108197419A (zh) * 2017-11-23 2018-06-22 合肥国轩高科动力能源有限公司 一种基于故障树分析锂电池材料性能异常的方法
CN108254627B (zh) * 2018-01-31 2022-06-07 杭州健驰医疗科技有限公司 电磁场波形信号采集对比方法及装置
CN108414605B (zh) * 2018-04-12 2019-06-21 中南大学 一种用于极谱法中滴汞电极的滴汞周期调节方法和系统
CN109613102B (zh) * 2018-12-29 2021-11-12 北京英视睿达科技有限公司 确定变送器参数的方法及装置
EP3928089A1 (en) * 2019-02-22 2021-12-29 Ascensia Diabetes Care Holdings AG Methods and apparatus for analyte concentration monitoring using harmonic relationships
US20230371824A1 (en) * 2020-10-15 2023-11-23 The Johns Hopkins University Assessing a cardiac condition independently of ppg waveform amplitude analysis

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4725339A (en) 1984-02-13 1988-02-16 International Business Machines Corporation Method for monitoring metal ion concentrations in plating baths
US4631116A (en) 1985-06-05 1986-12-23 Hughes Aircraft Company Method of monitoring trace constituents in plating baths
US4805624A (en) 1985-09-09 1989-02-21 The Montefiore Hospital Association Of Western Pa Low-potential electrochemical redox sensors
JP2867474B2 (ja) * 1989-10-09 1999-03-08 フィガロ技研株式会社 ガス検出方法
US5124011A (en) 1989-10-24 1992-06-23 Inco Limited Cyclic voltammetry
US5569591A (en) * 1990-08-03 1996-10-29 University College Of Wales Aberystwyth Analytical or monitoring apparatus and method
US5292423A (en) 1991-04-09 1994-03-08 New Mexico State University Technology Transfer Corp. Method and apparatus for trace metal testing
US5192403A (en) 1991-05-16 1993-03-09 International Business Machines Corporation Cyclic voltammetric method for the measurement of concentrations of subcomponents of plating solution additive mixtures
US5468366A (en) 1992-01-15 1995-11-21 Andcare, Inc. Colloidal-gold electrosensor measuring device
CA2153883C (en) * 1993-06-08 1999-02-09 Bradley E. White Biosensing meter which detects proper electrode engagement and distinguishes sample and check strips
US5707799A (en) 1994-09-30 1998-01-13 Abbott Laboratories Devices and methods utilizing arrays of structures for analyte capture
US5650061A (en) 1995-09-18 1997-07-22 The Regents Of The University Of California Large amplitude sinusoidal voltammetry
US5958215A (en) 1995-09-18 1999-09-28 The Regents Of The University Of Califronia Detection of purine and pyrimidine nucleotides and underivatized nucleic acids by sinusoidal voltammetry
GB9607898D0 (en) 1996-04-17 1996-06-19 British Nuclear Fuels Plc Improvements in and relating to sensors
US5980708A (en) 1997-02-12 1999-11-09 Champagne; Gilles Y. High sensitivity multiple waveform voltammetric instrument
US6007775A (en) 1997-09-26 1999-12-28 University Of Washington Multiple analyte diffusion based chemical sensor
US7407811B2 (en) 1997-12-22 2008-08-05 Roche Diagnostics Operations, Inc. System and method for analyte measurement using AC excitation
ES2326145T3 (es) * 1997-12-22 2009-10-01 Roche Diagnostics Operations, Inc. Aparato medidor.
US7494816B2 (en) 1997-12-22 2009-02-24 Roche Diagnostic Operations, Inc. System and method for determining a temperature during analyte measurement
WO1999060391A1 (en) * 1998-05-20 1999-11-25 Arkray, Inc. Method and apparatus for electrochemical measurement using statistical technique
US6338790B1 (en) * 1998-10-08 2002-01-15 Therasense, Inc. Small volume in vitro analyte sensor with diffusible or non-leachable redox mediator
US6294392B1 (en) 1999-07-21 2001-09-25 The Regents Of The University Of California Spatially-encoded analyte detection
EP1143240A1 (de) * 2000-02-24 2001-10-10 Fraunhofer-Gesellschaft Zur Förderung Der Angewandten Forschung E.V. Verfahren und Vorrichtung zum Bestimmen von Charakteristika einer Probenflüssigkeit mit einer Mehrzahl von Substanzen
WO2003044513A1 (fr) * 2001-11-20 2003-05-30 Arkray, Inc. Procede d'evaluation de defaillance et analyseur
EP1466008A2 (en) * 2002-01-15 2004-10-13 Agamatrix, Inc. Method and apparatus for processing electrochemical signals
US7601249B2 (en) 2002-02-10 2009-10-13 Agamatrix, Inc. Method and apparatus for assay of electrochemical properties
MXPA06001914A (es) 2003-08-21 2006-05-31 Agamatrix Inc Metodo y aparato para ensayo de propiedades electroquimicas.

Also Published As

Publication number Publication date
WO2003060154A2 (en) 2003-07-24
US20110147210A1 (en) 2011-06-23
EP1466008A2 (en) 2004-10-13
US20100219083A1 (en) 2010-09-02
US20030178322A1 (en) 2003-09-25
CA2472584A1 (en) 2003-07-24
AU2003203004B2 (en) 2008-05-01
US7090764B2 (en) 2006-08-15
AU2003203004A1 (en) 2003-07-30
US8303787B2 (en) 2012-11-06
CN1615434A (zh) 2005-05-11
MXPA04006783A (es) 2005-04-19
JP2005515413A (ja) 2005-05-26
WO2003060154A3 (en) 2004-08-05

Similar Documents

Publication Publication Date Title
KR20040077722A (ko) 전기 화학 신호를 프로세싱하기 위한 방법 및 장치
US9572524B2 (en) Method and apparatus for assay of electrochemical properties
WO2008138553A1 (en) System and method for analyte measurement using a nonlinear sample response
CN112105923B (zh) 利用人工智能深度学习的生物测量对象浓度测量方法
CN102667475B (zh) 用于测量液体样本中的分析物浓度的方法
Baś et al. New multipurpose electrochemical analyzer for scientific and routine tasks
US20110000795A1 (en) Electrochemical data rejection methodology
Ghani et al. Evaluation of Portable Potentiostats for Electrochemical Measurements: Voltammetry and Impedance Spectroscopy
US8603307B2 (en) Self-diagnostic sensor system
Amin et al. An embedded processing of differential pulse voltammetry (DPV) data using ARM processor (LPC1768)
CN117871624A (zh) 一种电化学传感器的非线性模型检测方法及计算机系统、计算机存储介质
CN116929438A (zh) 传感器的性能测试方法及装置
Liguori et al. Microcontroller based measurement unit for biosensors
TW202224621A (zh) 用於分析物濃度決定的提取參數
KR20030086753A (ko) 다채널 laps용 신호 검출 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application