KR20080034012A

KR20080034012A - 마이크로입자를 분류하는 방법과 데이터 구조 및 시스템

Info

Publication number: KR20080034012A
Application number: KR1020087004976A
Authority: KR
Inventors: 에드워드 에이. 캘빈; 웨인 디. 로쓰
Original assignee: 루미넥스 코포레이션
Priority date: 2005-08-02
Filing date: 2006-08-01
Publication date: 2008-04-17
Also published as: CN101278294A; CA2617678A1; CN101799398B; US8060316B2; WO2007016517A1; HK1124938A1; CN101799398A; EP1913507A1; US20100241360A1; CN101278294B; WO2007016517B1; JP2009503547A

Abstract

입자를 분류하는 방법, 데이터 구조, 및 시스템이 제공된다. 특히, 상기 방법 및 시스템은 마이크로입자의 측정가능한 매개변수에 대응하는 제1 데이터 세트를 획득하고 제1 데이터 세트가 대응하는 룩업 테이블의 위치를 식별하도록 구성되어 있다. 또한, 상기 방법 및 시스템은 제1 데이터 세트가 룩업 테이블의 식별된 위치와 연관된 상이한 마이크로입자 분류를 개별적으로 나타내는 하나 이상의 미리 정해진 알고리즘에 적합한지 여부를 측정하도록 구성되어 있다. 상기 방법 및 시스템은 또한 제1 데이터 세트가 하나 이상의 미리 정해진 알고리즘에 적합한지 여부를 측정하는 것에 기초하여 하나 이상의 미리 정해진 카테고리화 내에서 마이크로입자를 분류하도록 구성되어 있다.

마이크로입자, 알고리즘, 룩업 테이블

Description

마이크로입자를 분류하는 방법과 데이터 구조 및 시스템{METHODS, DATA STRUCTURES, AND SYSTEMS FOR CLASSIFYING MICROPARTICLES}

본 발명은 마이크로입자를 분류하는 방법, 데이터 구조, 및 시스템에 관한 것이다. 특정 실시예는 상이한 마이크로입자 분류와 관련된 하나 이상의 알고리즘과 룩업 테이블(lookup table)을 조합하여 마이크로입자에 대해 획득된 데이터를 사용하여 마이크로입자를 분류하는 방법에 관한 것이다.

아래에서 설명하는 내용과 예들은 이 배경기술 영역에 포함된다고 하여 종래 기술로 인정되는 것은 아님에 유의하여야 한다.

일반적으로, 유세포분석기(flow cytometer)에 의하면 유세포분석기를 직선으로 통과할 때 마이크로입자(예를 들어, 레이저 여기 폴리스티렌 비드)의 형광의 세기와 다른 광학적 성질을 측정할 수 있다. 마이크로입자에 의해 산란된 빛의 레벨을 포함하는 여러가지 측정이 이루어질 수 있고, 또한 마이크로입자의 전기 임피던스에 대하여 측정하는 것과, 마이크로입자의 형광에 대한 하나 이상의 측정을 수행하는 것이 이루어질 수 있으며, 단 이러한 측정들로 국한되는 것은 아니다. 시스템 의 다른 "채널"(예를 들어 리포터 채널과 분류 채널)에 의해 이렇게 저렇게 다양하게 측정이 수행될 수 있고, 상기 채널은 검출기를 포함할 수 있고 또한 이 검출기에 연결된 다른 구성요소(예를 들어, 광학 소자, 전기 소자, 등등)를 포함할 수도 있다.

종종 마이크로입자는 하나 이상의 측정값에 의해 분류될 수 있고, 각각의 값은 입자의 상이한 "매개변수"(이에 대한 예는 위에 제시됨)에 대응한다. 예를 들어, 마이크로입자를 분류하는 공통된 한 방법은 측정값을 분류 공간(예를 들어, 비트맵) 내에 그래프로 그리고, 그래프에 표시된 위치가 특정 마이크로입자의 분류에 대응하는 분류 공간의 미리 정해진 영역 내에 위치되는지의 여부를 측정하는 것이다. 이러한 프로세스는 여기에서 비트맵에 기초한 종래의 분류 방법으로 부를 수 있다. 불행히도, 프로세스는 자체적으로 결함을 갖고 있다. 특히, 이 방법론을 이용하여 분류 계획을 그래프로 표시하는 것은 두 개 이상의 매개변수로 쉽게 확장되지 않는다.

앞서 언급한 분류 방법을 둘 이상의 매개변수에 대하여 확장함에 있어서 부딪히는 문제 중 하나는 그래프의 크기가 마이크로입자를 분류하기 위해 사용되는 각각의 매개변수의 해상도에 대해서는 선형적으로 그리고 매개변수의 수에 대해서는 지수적으로 평가된다는 점이다. 예를 들어, 2차원 비트맵이 100개의 유닛이 결합된 크기(즉, 10 유닛 x 10 유닛)를 갖는 경우에는, 3차원 비트맵은 1,000개의 유닛이 결합된 크기를 가지게 되고 4차원 비트맵은 10,000개의 유닛이 결합된 크기를 가지게 될 것이다. 이렇게 지수적으로 증가하는 것은 일부 경우에 시스템 메모리 용량상의 문제로 완전히 금지될 수 있다. 또한, 유세포측정기에 의해 마이크로입자에 대해 획득된 데이터의 매개변수는 종종 100 유닛 보다 훨씬 많은 결합된 크기를 가지게 되며, 일반적으로 셋 이상의 매개변수를 포함하게 된다. 또한, 2차원 이상으로 비트맵을 생성하는 것은 2차원으로 생성하는 것보다 훨씬 더 어렵게 되는데, 그 이유는 "2 이상"의 차원으로 된 비트맵을 종이나 컴퓨터 디스플레이와 같은 2차원 구조에 나타내는 것은 실제 데이터에 대하여 불신을 일으키는 것을 강요하게 되기 때문이다.

따라서, 둘 이상의 매개변수를 넘어 쉽게 확장될 수 있고, 각각 추가되는 매개변수에 대하여 지수적으로 메모리 사용량을 증가시키지 아니하며, 나아가 입자분류를 수행함에 있어서 소요되는 처리시간을 최소화하도록 구성되어 있는, 미립자를 분류하는 방법, 데이터 구조, 및 시스템을 개발하는 것이 바람직하다.

본 발명의 방법, 데이터 구조, 및 시스템의 여러가지 실시예에 대한 아래의 설명내용은 절대로 첨부된 청구항의 내용을 제한하는 의미로 해석되어서는 안된다.

컴퓨터-구현 방법에 대한 실시예는 마이크로입자의 측정가능한 매개변수에 대응하는 제1 데이터 세트를 획득하는 단계와, 제1 데이터 세트가 대응하는 룩업 테이블의 위치를 식별하는 단계를 포함하며, 이 룩업 테이블은 측정가능한 매개변수 중 하나 이상의 매개변수와 연관된 값에 의해 프레임이 형성된다. 또한, 이 방법은 제1 데이터 세트가 하나 이상의 미리 정해진 알고리즘에 적합한지 여부를 측정하는 단계를 포함하고, 하나 이상의 미리 정해진 알고리즘은 각각 룩업 테이블의 식별된 위치와 연관된 다수의 마이크로입자 분류 중 상이한 마이크로입자 분류를 개별적으로 나타낸다. 이 방법은 제1 데이터 세트가 하나 이상의 미리 정해진 알고리즘에 적합한지 여부를 측정하는 것에 기초하여 하나 이상의 미리 정해진 카테고리화 내에서 마이크로입자를 분류하는 것을 더 포함한다. 이 방법의 실시예는 본 문서에 기재된 다른 단계를 포함할 수 있다.

시스템에 대한 한 실시예는 프로세서와, 마이크로입자의 하나 이상의 측정가능한 매개변수에 의해 프레임이 형성되는 룩업 테이블과, 상술한 컴퓨터 구현 방법의 단계들을 수행하는 프로세서에 의해 실행되는 프로그램 명령을 포함한다. 시스템의 실시예는 본 문서에 기재된 것처럼 추가로 구성될 수 있다. 또한, 룩업 테이블의 데이터 구조도 본 문서에 기재된 것처럼 추가로 구성될 수 있다.

컴퓨터 구현 방법에 대한 다른 실시예는 마이크로입자의 측정가능한 매개변수에 대응하는 제1 데이터 세트를 획득하는 것과, 제1 데이터 세트의 하나 이상의 식별값에 개별적으로 서로 관련되는 하나 이상의 우산값을 포함하는 제2 데이터 세트를 생성하는 것을 포함한다. 각각의 우산값은 대응하는 측정가능한 매개변수에 대해 있을 수 있는 값의 범위를 나타낸다. 이 방법은 제2 데이터 세트가 대응하는 룩업 테이블의 위치를 식별하는 것을 더 포함하며, 룩업 테이블은 측정가능한 매개변수 중 하나 이상의 매개변수의 우산값에 의해 프레임이 형성된다. 또한, 이 방법은 제1 데이터 세트가 룩업 테이블의 식별된 위치와 연관된 마이크로입자 분류를 나타내는 미리 정해진 알고리즘에 적합한지 여부를 측정하는 것과, 이러한 측정에 기초하여 하나 이상의 미리 정해진 카테고리화 내에서 마이크로입자를 분류하는 것을 포함한다. 이러한 방법에 대한 실시예는 본 문서에 기재된 다른 단계를 포함할 수 있다.

본 발명의 다른 목적과 이점은 아래의 상세한 설명과 첨부된 도면을 참고하면 명확하게 이해할 수 있게 될 것이다.

도 1은 마이크로입자가 구성요소가 될 수 있는 집단에 대응하는 분류 공간을 포함하는 이차원 그래프이다.

도 2는 마이크로입자를 분류하는 방법의 플로우차트를 나타낸다.

도 3 및 도 4는 다른 실시예의 룩업 테이블을 나타내는 개략적인 도면이다.

도 5는 마이크로입자를 분류하도록 구성된 시스템의 한 실시예를 나타내는 개략적인 도면이다.

본 발명은 여러가지로 수정되기 쉽고 또한 다른 형태로 변형되기가 쉽고, 본 발명에 대한 특정 실시예는 도면에 예로서 도시된 것으로서 이하 구체적으로 설명할 것이다. 그러나, 도면과 상세한 설명내용은 본 발명을 특정 형태로 개시된 것으로 제한하려는 것이 아니라, 정반대로 청구범위에 의해 한정되는 본 발명의 정신과 범위에 속하는 모든 변형된 형태와 균등물 및 대체물을 포함하고자 하는 것이라는 것을 이해할 수 있어야 한다.

"마이크로입자"라는 용어는 본 특허명세서에서 일반적으로 입자, 마이크로스피어, 폴레스티렌 비드, 양자 도트, 나노 도트, 나노 입자, 나노 쉘, 비드, 마이크로 비드, 라텍스 입자, 라텍스 비드, 형광 비드, 형광 입자, 컬러 입자, 컬러 비드, 조직, 세포, 미생물, 유기 물질, 무기 물질, 또는 기술분야에 널리 알려진 기타의 분리 기질 또는 개체를 나타낸다. 본 문서 내에서 이러한 용어는 서로 바꾸어가면서 사용될 수 있다. 여기에 기술되는 방법과 데이터 구조 및 시스템은 모든 유형의 마이크로입자를 분류하기 위해 사용될 수 있다. 일부 경우에, 여기에 기술되는 방법과 데이터 구조 및 시스템은 특히 분자 반응을 위한 매체(vehicle)의 역할을 하는 마이크로입자용으로 사용될 수 있다. 유세포분석기에서 사용되는 대표적인 분자 반응 마이크로입자는 xMAP® 마이크로스피어를 포함하며, 이 마이크로스피어는 텍사스 오스틴에 있는 주식회사 루미넥스(Luminex)에서 제조하여 판매하고 있다.

여기에서 사용되는 "분류"라는 용어는 샘플에 있는 각각의 마이크로입자의 정체성(identity)을 측정하는 것으로 정의하도록 한다. 정체성은 각각의 마이크로입자가 속하는 집단(population)에 관련되어 있다. 이러한 분류는 매우 중요한데, 그 이유는 샘플을 한번 실험할 때 마이크로입자의 여러 상이한 집단을 이용하여 샘플을 분석할 것이기 때문이다. 특히, 마이크로스피어의 여러 집단은 보통 마이크로입자에 결합된 개체의 유형 및/또는 마이크로입자에 결합된 개체의 양과 같이 적어도 하나의 상이한 특성을 가지고, 따라서 샘플 내에 분석물의 양 및/또는 상이한 유형의 존재 여부를 한 번의 실험으로 파악하거나 양을 측정할 수 있다. 측정 결과를 해석하기 위해, 샘플 내에 있는 각 마이크로입자의 분류 또는 정체성이 측정될 수 있고, 따라서 측정값은 각각의 마이크로입자의 성질과 서로 연관될 수 있다. 이런식으로, 상이한 마이크로입자의 집단과 관련된 측정값이 식별될 수 있고 관심있는 분석물에 개별적으로 부속될 수 있다.

본 특허문서에 기술되는 하나 이상의 프로세스를 수행할 수 있도록 이루어진 시스템은 루미넥스(Luminex)®100TM, 루미넥스(Luminex)®HTS, 루미넥스(Luminex)®100E, 루미넥스(Luminex)®200TM, 및 텍사스 오스틴에 있는 주식회사 루미넥스가 공급하는 제품군에 좀 더 추가한 제품을 포함하는 것이지만, 이들 제품에 제한되는 것은 아니다. 이러한 시스템에 대한 한 일반적인 예가 도 5를 참고로 하여 더 기술되어 있다. 그러나, 여기에 기술된 방법과 데이터 구조 및 시스템은 어떤 측정 시스템이든지 측정 시스템에 의해 획득된 마이크로입자 데이터를 사용할 수 있고 또는 사용하도록 구성될 수 있다. 측정 시스템의 예는 유세포측정기와 형광 이미지 시스템을 포함한다. 또한, 마이크로입자를 분류하는데 사용될 수 있는 여러가지 매개변수가 기술되어 있지만, 본 문서에 기재된 실시예는 마이크로입자의 상이한 집단을 식별하는데 사용될 수 있는 마이크로입자의 측정할 수 있는 매개변수를 모두 사용할 수 있다. 또한, 본 문서에 기술된 방법과 데이터 구조 및 시스템은 마이크로입자 분류에 제한되지 않는다. 특히, 본 문서에 기술된 실시예는 마이크로입자에 또는 샘플에 존재하는 반응 생성물의 양 또는 정체성과 같은 마이크로입자의 다른 매개변수를 측정할 경우에도 똑같이 적용될 수 있는데, 단 이러한 매개변수에 제한 되는 것은 아니다.

다시 도면으로 돌아가서 보면, 도 1에는 보면 종래의 방법으로 마이크로입자를 분류하는데 사용되는 분류 공간에 대한 예가 도시되어 있다. 프로세스는 유세포측정기 또는 다른 적절한 장치를 이용하여 마이크로입자에 대한 데이터를 획득하는 단계와 분류하기 위해 이 데이터를 사용하는 단계를 포함하고 있다. 특히, 이 방법은 보통 상이한 매개변수(도 1에 매개변수 1 및 매개변수 2라는 제목으로 축에 도시되어 있음)에 각각 대응하는 두 축을 갖는 그래프에 두 매개변수에 대한 측정 데이터를 점으로 그리는 단계를 포함한다. 그래프는 또한 상이한 분류 영역(예를 들어, 도 1에 도시된 영역(1-12)을 포함하며, 각각의 분류 영역은 마이크로입자의 상이한 집단에 대응한다. 마이크로입자의 측정된 매개변수에 대응하는 그래프 내의 데이터 포인트의 위치는 집단 중 한 집단에 마이크로입자가 속해 있는지를 측정하게 된다. 예를 들어, 도 1에 도시된 것처럼, 단일 마이크로입자에 대해 획득된 두 매개변수의 값에 대응하는 단일 데이터 포인트는 별표(*)로 표시되어 있다. 데이터 포인트는 영역(9)의 경계 내에 위치하므로(그래프에서 도면부호 9로 표시된 그물모양의 음영이 그려진 공간으로 표현됨), 마이크로입자는 영역(9)에 대응하는 집단의 구성원인 것으로 분류된다. 만일 데이터 포인트가 영역(1-12) 외부의 그래프에서 힌색 공간에 위치되어 있다면, 마이크로입자는 어떤 영역의 구성원이 아닌 것으로 분류되며 따라서 어떤 집단에 속하는 것으로 분류되지 않는다.

본 문서에 기술된 방법과 시스템은 위에 기술한 것과 다른 방식으로 마이크로입자를 분류한다. 구체적으로, 본 문서에 기술된 실시예는 마이크로입자가 속하 는 분류 집단의 검색을 줄이기 위해 룩업 테이블(LUT)을 사용하며, 따라서 룩업 테이블의 식별된 위치와 연관된 하나 이상의 미리 정해진 알고리즘으로 마이크로입자에 대해 획득된 데이터를 처리한다.

이러한 방법에 대한 예시적인 단계들을 나타내는 흐름도가 도 2에 도시되어 있다. 아래에서 보다 구체적으로 설명하는 것처럼, 마이크로입자의 분류를 정의하는데 사용되는 알고리즘은 일부 실시예의 경우 복잡할 수 있고(예를 들어 알고리즘은 마이크로입자의 2 이상의 측정 매개변수에 관련될 수 있음), 따라서 컴퓨터를 통해 가장 잘 구현될 수 있다. 이와 같이, 본 문서에 기술되는 시스템 및 저장 매체는 도 5와 관련하여 기술된 것처럼 프로세서에 의해 실행될 수 있고, 도 2에 묘사된 프로세스를 수행하도록 구성된 프로그램 명령을 포함할 수 있다. 따라서, 도 2에 기술된 방법은 "컴퓨터-구현 방법"이라고 부를 수 있고, "방법"이라는 용어와 "컴퓨터-구현 방법"이라는 용어는 본 문서에서 서로 바꾸어가면서 사용될 수 있다. 본 문서에 기술되는 시스템의 컴퓨터-구현 방법 및 프로그램 명령은 일부 경우에 마이크로입자 분류와 관련된 것이 아닌 프로세스를 수행하도록 되어 있을 수 있고, 따라서 본 문서에 기술된 시스템의 컴퓨터-구현 방법 및 프로그램 명령은 항상 도 2에 설명된 내용에 제한되는 것은 아니다. 또한, 본 문서에 기술된 단계들이 "마이크로입자"의 분류와 관련하여 기술되고 있지만, 본 문서에 기술된 방법 실시예의 모든 단계들은 세트로 하나 이상의 마이크로입자(예를 들어 세트로 된 마이크로입자의 일부 또는 전부)에 대해 실시될 수 있다는 것을 이해하여야 한다.

도 2에 도시된 것처럼, 본 문서에 기재된 시스템의 방법과 프로그램 명령은 블록(10)을 포함할 수 있고, 이 블록에는 제1 데이터 세트가 마이크로입자의 측정할 수 있는 매개변수에 대응한다. 이러한 데이터 세트는 유세포측정기 또는 다른 적절한 장치에 의해 획득된 것일 수 있다. 이런식으로, 본 발명의 방법은 측정 시스템 그 자체에 의해(예를 들어, 측정 시스템의 프로세서에 의해) 또는 측정 시스템에 연결된 시스템에 의해(예를 들어, 단독 컴퓨터 시스템의 프로세서에 의해) 수행될 수 있다. 어떤 경우든, 데이터 세트는 일부 실시예에서 다수의 상이한 매개변수를 측정하는 것을 포함할 수 있지만 마이크로입자를 분류하는데 사용되는 것으로 제한되는 것은 아니다. 예를 들어, 제1 데이터 세트는 형광, 산란, 전기 임피던스, 또는 마이크로입자의 측정할 수 있는 다른 성질에 대한 측정값을 포함할 수 있다.

일부 실시예에서, 본 문서에 기술된 시스템의 방법 및 프로그램 명령은 제1 데이터 세트의 하나 이상의 식별값에 각각 관련된 하나 이상의 우산값을 갖는 제2 데이터 세트를 생성하도록 도 2에 도시된 것처럼 블록(52)을 계속 수행할 수 있다. 이러한 단계는 바람직하게 룩업 테이블의 프레임을 형성하는데 사용되는 측정 매개변수값의 스케일과 일치하도록 제1 데이터 세트 내에서 측정값의 해상도를 줄일 수 있다. 아래에서 보다 구체적으로 설명하는 것처럼, 룩업 테이블은 마이크로입자를 카테고리화 하기 위한 마이크로입자 분류의 검색을 줄여주는데 사용되는 데이터 구조이다. 비교적 낮은 해상도 값에 의해 기초가 이루어진 룩업 테이블에 의하면, 테이블은 더 적은 수의 유닛을 가진 채로 크기가 결정될 수 있고, 따라서 테이블의 특징을 나타내는데 필요한 메모리의 크기를 한정시키게 된다. 룩업 테이블용 메모리의 크기를 한정하는 것은 일부 경우에, 특히 시스템의 비용을 줄이기 위한 경우 에 매우 유용할 수 있다. 제1 데이터 세트의 대응하는 값에 대하여 감소된 해상도의 값을 가지고 제2 데이터 세트를 생성하는 것이 일부 경우에 바람직한 것일 지라도, 본 문서에 기술된 방법 내에서 제2 데이터 세트를 생성하는 것은 선택적인 것이고, 따라서 블록(52)은 점선으로 표시되어 있다는 사실에 유의해야 한다. 특히, 여기에 기술된 방법은 감소된 해상도 값을 갖는 데이터 세트를 생성하는 것을 반드시 포함할 필요는 없는 것이다. 그보다, 본 발명의 방법은 블록(52)을 생략하고 아래에 보다 상세히 기술하는 것처럼 제1 데이터 세트가 대응하는 룩업 테이블의 위치를 식별하기 위해 블록(54)을 계속 수행할 수 있다.

일부 실시예에서, 제2 데이터 세트를 생성하는 것은 제1 데이터 세트의 하나 이상의 값을 복제하는 것과 복제된 값 중 하나 이상의 값에 대한 해상도를 줄이는 것을 포함한다. 일부 경우에는, 복제된 모든 값에 대한 해상도가 감소될 수 있다. 그러나, 다른 경우에는 복제된 값 모두가 감소되는 것은 아닐 수도 있다. 이와 같이, 제2 데이터 세트가 감소된 해상도의 값을 포함하도록 생성될지라도, 제2 데이터 세트는 반드시 해상도가 감소되지 않은 값(즉, 제1 데이터 세트에서 대응하는 값에 대하여)을 포함하는 것이 금지되는 것은 아니다. 예를 들어, 일부 실시예의 경우, 룩업 테이블의 프레임을 형성하는 측정 매개변수들 중 오직 하나의 매개변수만 낮은 해상도의 스케일을 포함할 수 있고, 따라서 측정 매개변수와 연관된 복제된 값의 해상도를 줄이는 것이 유일하게 적절한 것이 될 수 있다. 다른 시나리오는 복제된 값 중 일부에 대한 해상도를 줄이는 것을 보장할 수도 있고, 따라서 본 문서에 기술된 방법은 반드시 이러한 예에만 국한되는 것은 아니다.

일부 실시예의 경우, 제2 데이터 세트는 제1 데이터 세트에 대해 획득된 값 보다 적은 값을 포함할 수 있다. 다른 실시예에서는, 제2 데이터 세트가 제1 데이터 세트에 대해 획득된 것보다 적은 수의 값을 포함할 수 있다. 예를 들어, 본 문서에 기술된 방법과 프로그램 명령은 일부 실시예의 경우 룩업 테이블의 프레임을 형성하는 측정 매개변수와 연관된 값에 의해서만 제2 데이터 세트를 생성하도록 구성될 수 있다. 다른 시나리오는 제1 데이터 세트에 대해 획득된 값의 일부를 포함하도록 제2 데이터 세트를 보장할 수 있고, 따라서 본 문서에 기재된 방법은 반드시 앞서 언급한 예에 한정되는 것은 아니다.

어떤 경우에는, 제2 데이터 세트(즉, 제1 데이터 세트 내의 대응하는 값에 대하여) 내의 감소된 해상도의 값을 "우산값(umbrella value)"이라고 부를 수 있다. 다시 말해서, "우산값"이라는 용어는 일반적으로 대응하는 측정 매개변수에 대하여 있을 수 있는 값의 범위를 나타내는 값을 지칭할 수 있다. 이와 대조적으로, 제1 데이터 세트 내의 값과 같이 해상도가 감소되지 않은 값은 "식별값" 및/또는 "측정값"으로 부를 수 있다. 일부 경우에, 제2 데이터 세트를 생성하는 것은 제1 데이터 세트의 하나 이상의 복제된 값을 가장 가까운 정수값으로 반올림하는 것을 포함할 수 있다. 예를 들어, 측정값이 1.07 및 1.09인 경우에 그 우산값을 1.1로 표현할 수 있다. 이런식으로, 각각의 반올림된 값은 보통 반올림된 정수와 다음 정수 사이에서 더 작거나 더 크거나 또는 그 중간으로 존재할 수 있는 측정값의 범위를 나타낸다. 예를 들어, 앞서 언급한 실시예에서, 우산값 1.1은 측정값이 1.01 내지 1.10 이라는 것을 의미한다. 다른 실시예에서, 우산값 1.1은 측정값이 1.10 내지 1.19 이거나 1.05 내지 1.14 라는 것을 의미한다. 일반적으로, 우산값이 나타낼 수 있는 측정값의 범위는 그 방법에 대해 설정된 설계 세부사항에 따라 달라질 수 있고, 일부 실시예의 경우에는 이러한 프로세스 단계를 수행하도록 구성된 프로그램 명령의 설계 세부사항에 따라 달라질 수 있다.

다른 경우에, 제2 데이터 세트는 측정 매개변수에 대한 정수 범위를 나타내는 우산값을 포함할 수 있다. 예를 들어, 테이블 1에 도시된 것처럼, 제1 데이터 세트 내의 매개변수 1과 관련된 이산값은 제2 데이터 세트 내의 네 개의 우산값 중 어느 하나로 표현될 수 있다. 테이블 1은 식별값과 우산값의 상관 관계를 예시적으로 보여주고 있음을 알 수 있다. 식별값의 범위와 측정값에 대하여 선택된 우산값의 수는 방법 및 프로그램 명령어의 상이한 설정값 사이에서 달라질 수 있다.

테이블 1

매개변수 1의 측정된 식별값	매개변수 1의 우산값
1.00-25.99	1
26.00-50.99	2
51.00-75.99	3
76.00-100.00	4

또한, 테이블 1에 도시된 이산값의 범위가 우산값 사이에서 똑같이 분리되어 있을 지라도(즉, 각각의 우산값에 대하여 25개의 이산값), 각각의 우산값은 모든 수의 이산값에 대응할 수 있다는 것을 이해하여야 한다. 즉, 측정 매개변수에 대하여 우산값과 각각 관련된 이산값의 범위는 반드시 일정할 필요는 없다. 일부 경우에, 각각의 이산값이 해상도 면에서 감소된 정도는 예를 들어 마이크로입자 분류에 대한 성질, 마이크로입자 집단에 대한 성질, 및/또는 집단 내의 각 마이크로입자의 성질에 따라 달라질 수 있다.

어느 경우든, 상이한 측정 매개변수에 대응하는 값의 해상도는 일부 실시예의 경우 제2 데이터 세트의 경우와 비슷하게 감소될 수 있다. 특히, 상이한 측정 매개변수에 대응하는 식별값은 제2 데이터 세트를 생성하기 위해 정수 범위에 대해 할당된 값 또는 가장 가까운 정수로 반올림 될 수 있다. 다른 실시예에서 상이한 측정 매개변수에 대응하는 식별값은 제2 데이터 세트에 대하여 상이한 방식으로 감소될 수 있다. 어떤 경우든, 상이한 측정 매개변수에 대한 우산값의 수는 동일할 수도 있고 다를 수도 있다.

다시 도 2로 돌아가서 보면, 본 문서에서 기술하는 방법과 프로그램 명령은 제2 데이터 세트 및/또는 제1 데이터 세트가 대응하는 룩업 테이블의 위치를 식별하기 위해 블록(54)을 계속 수행할 수 있도록 형성될 수 있다. 보다 구체적으로, 블록(52)이 프로세스 내에 포함되어 있다면, 제2 데이터 세트가 대응하는 룩업 테이블의 위치는 블록(54)에 대하여 식별될 것이다. 제2 데이터 세트가 제1 데이터 세트에서 측정된 값에 대응하는 값을 포함하기 때문에, 상기 실시예에서 블록(54)에 대하여 식별된 룩업 테이블의 위치는 제1 데이터 세트 및 제2 데이터 세트에 대응할 것이다. 그러나, 블록(52)이 프로세스에서 생략된 실시예에서, 블록(54)에 대하여 식별된 룩업 테이블의 위치는 제1 데이터 세트에 대응하기만 할 것이며, 그 이유는 제2 데이터 세트가 생성되지 않았기 때문이다.

블록(52)이 프로세스에서 생략된 실시예의 경우, 블록(54)은 일반적으로 룩업 테이블의 프레임을 형성하는 매개변수와 연관된 제1 데이터 세트로부터 측정된 값에 색인을 다는 것을 포함하여, 사실상 제1 데이터 세트가 대응하는 룩업 테이블 내에서 "식별된 위치"로서 포인트의 위치를 정하게 된다. 일부 경우, 블록(52)을 포함하는 방법은 룩업 테이블 내에 "식별된 위치"로서 포인트의 위치를 정하도록 구성될 수 있다. 특히, 룩업 테이블의 프레임을 형성하는 각각의 측정 매개변수에 대한 스케일 해상도가 제2 데이터 세트 내의 대응하는 값의 해상도와 동일하다면, 블록(54)은 위치를 식별하기 위해, 즉 보다 구체적으로 말하면 제2 데이터 세트가 대응하는 룩업 테이블 내의 포인트를 식별하기 위해 제2 데이터 세트로부터 값에 색인을 다는 것을 포함할 수 있다. 예를 들어, 제2 데이터 세트 내의 우산값이 제1 데이터 세트의 식별값으로부터 반올림된 정수를 나타내고 룩업 테이블의 프레임을 형성하는 대응하는 측정 매개변수의 스케일 해상도가 적어도 각각의 정수를 구별할 수 있을 정도로 충분히 높다면, 이러한 값들에 색인을 다는 것은 룩업 테이블 내의 포인트를 완결하게 될 것이다. 대응하는 측정 매개변수의 스케일 해상도가 식별값과 동일하기만 하면, 룩업 테이블 내에서 이렇게 정밀하게 포인트를 지적하는 것은 제2 데이터 세트로부터 식별값에 색인을 다는 것을 포함할 수 있을 것이다.

포인트가 제2 데이터 세트의 값에 대응하는 위치로서 식별되는 룩업 테이블에 대한 한 실시예는 도 3에서 볼 수 있다. 특히, 도 3은 두 개의 측정 매개변수에 의해 프레임이 형성되는 예시적인 룩업 테이블을 나타내며, 스케일은 0 내지 100이되고 정수로 제한된다. 룩업 테이블에 대한 여러가지 구조는 본 문서에서 기술하는 방법에 사용될 수 있다는 것에 유의하도록 하자. 특히, 위에서 언급한 것처럼, 룩업 테이블의 프레임을 형성하는 측정 매개변수의 스케일은 요구되는 해상도에 따라 이산값, 정수 또는 정수의 범위를 나타내는 값이 될 수 있다. 또한, 룩업 테이블의 프레임을 형성하는 상이한 측정 매개변수에 대한 스케일은 동일할 수도 있고 다를 수도 있다. 또한, 본 문서에서 기술하는 룩업 테이블은 수에 제한되지 않고 측정 매개변수에 의해 프레임이 형성될 수 있다. 아래에서 보다 구체적으로 설명하는 것처럼, 본 문서에서 기술하는 방법은 두 개 이상의 측정 매개변수에 의해 프레임이 형성되는 룩업 테이블에 적용될 수 있다. 이와 같이, 본 문서에서 기술하는 방법에 대한 룩업 테이블은 도 3에서 예를 들어 설명한 내용에 반드시 제한되는 것은 아니다.

일반적으로, 도 3의 룩업 테이블의 위치를 식별하는 것은 매개변수 1 및 매개변수 2와 연관된 정수 우산값에 색인을 부여하는 것을 포함할 수 있다. 아래에서 블록(56)과 관련하여 보다 구체적으로 설명하는 것처럼, 식별된 위치가 노드 1 내지 노드 5 중 한 노드와 일치하게 되면, 입자가 이 노드에 대응하는 마이크로입자 분류 내로 분류되는지의 여부를 측정하기 위해 일치하는 노드와 연관된 알고리즘이 제1 데이터 세트의 측정된 값에 의해 처리될 것이다. 이와 반대로, 식별된 위치가 노드 1 내지 노드 5 중 한 노드와 일치하지 않는 경우에는, 입자는 거절로 분류되는 분류항목 내로 카테고리화될 것이다. 아래에서 보다 구체적으로 설명하는 것처럼 데이터 세트에 대응하기 위해 여러 노드를 포함하는 룩업 테이블의 부정확한(coarse) 위치가 식별되는 때에는, 본 문서에 기술된 방법에 대하여 위에서와 같이 분류를 결정하는 것은 변하게 된다.

여하튼, 본 문서에 기술된 룩업 테이블을 이용하여 테스트하기 위해 마이크로입자 분류에 대한 검색을 줄이는 것은 입자의 분류를 측정하기 위해 샘플의 각 마이크로입자 분류를 통해 반복적으로 처리하는 것에 비하여 시간을 줄일 수 있을 것이다(아래에서 구체적으로 설명). 명확하게 하기 위해, 도 3에서 노드 1 내지 노드 5가 룩업 테이블의 프레임을 형성하는 매개변수에 대하여 상이한 마이크로입자 분류를 의미하고, 따라서 노드 1 내지 노드 5가 반드시 제1 데이터 세트 및/또는 제2 데이터 세트에 대응하는 룩업 테이블의 식별된 위치는 아니라는 점에 유의하여야 한다. 또한, 아래에서 보다 구체적으로 설명하는 것처럼, 노드 1 내지 노드 5는 도 3에 도시된 것보다 더 크거나 더 작을 수 있다.

상술한 것처럼, 룩업 테이블의 부정확한 위치는 블록(54)의 데이터 세트에 대응하는 것으로 식별된다. 특히, 블록(54)은 룩업 테이블의 블록 위치를 식별하기 위해 룩업 테이블의 프레임을 형성하는 측정 매개변수의 비교적 낮은 해상도 스케일과 관련하여 정수의 범위를 나타내는 우산값에 색인을 제공하는 것을 포함할 수 있다. 보다 구체적으로, 룩업 테이블의 스케일은 비교적 낮은 해상도를 포함할 수 있고, 따라서 스케일 상의 값은 룩업 테이블의 행과 열에 서로 관련된다. 이러한 경우, 측정 매개변수의 주어진 폭에 대한 룩업 테이블의 크기는 정수값 스케일(도 3에 도시된 것)에 의한 경우보다 작을 것이며, 특히 해상도가 감소되지 않은 스케일을 갖는 것과 비교하는 경우에 작을 것이다. 따라서, 룩업 테이블의 메모리 크기는 감소될 수 있다.

부정확한 위치가 제2 데이터 세트의 값에 대응하는 위치로 식별될 수 있는 예시적인 룩업 테이블이 테이블 2에 도시되어 있다. 특히, 테이블 2는 두 개의 매개변수에 의해 프레임이 형성된 룩업 테이블의 예를 나타내며, 매개변수의 스케일 은 1 내지 4이고, 각각 측정 매개변수에 대한 정수의 상이한 범위에 대응한다. 테이블 2의 룩업 테이블은 예를 들어 일부 실시예의 경우 두 매개변수의 오리지널 값의 완전-해상도 룩업 테이블에 포함될 수 있는 10,000 요소(각각의 측정 매개변수의 100 x 100 유닛)와 비교하여 단지 16개의 위치를 구비하고 있다.

테이블 2

매개변수 2	4	노드 없음	노드 없음	노드 없음	노드 5
	3	노드 없음	노드 3	노드 4	노드 없음
	2	노드 없음	노드 1	노드 없음	노드 2
	1	노드 없음	노드 없음	노드 없음	노드 없음
		1	2	3	4
	매개변수 1

도 3에 그려진 룩업 테이블에서와 같이, 테이블 2의 룩업 테이블은 입자가 카테고리화 될 수 있는 마이크로입자 분류에 대한 검색을 줄이기 위해 사용될 수 있다. 특히, 일부 실시예의 경우, 부정확한 위치의 일부는 마이크로입자 분류와 연관된 노드를 포함할 수 있고, 따라서 노드로 위치를 식별하는 것은 입자가 마이크로입자 분류로 카테고리화될 수 있는지 여부와 관련하여 더 조사하는 것을 수월하게 만들어 줄 수 있을 것이다. 특히, 식별된 위치가 노드를 포함할 때에는, 입자가 노드에 대응하는 마이크로입자 분류 내로 분류될 수 있는지 여부를 측정하기 위해, 노드와 연관된 알고리즘은 제1 데이터 세트의 측정된 값으로 처리될 수 있을 것이다. 반대로, 만일 식별된 부정확한 위치가 노드를 포함하지 않는 경우에는, 입자는 거절 분류항목 내로 카테고리화 될 것이다. 예를 들어, 테이블 2의 룩업 테이블을 이용하는 경우, 특정 데이터 포인트가 매개변수 1 = 2 이고 매개변수 2 = 1(즉, 2, 1)인 우산값을 갖는다면, 이 방법은 매개변수의 우산값에 대응하는 룩업 테이블의 부정확한 위치가 어떠한 노드와도 연관되어 있지 아니하므로 데이터 포인트가 어떤 노드의 구성요소가 아니라고 결정할 것이다. 대신 데이터 포인트의 우산값이 (2,2)인 경우에는, 이 방법은 노드 2 내지 노드 5가 아닌 노드 1의 구성요소가 될 수 있는지 여부를 측정하기 위해 데이터 포인트를 처리할 것이다. 따라서, 테이블 2의 룩업 테이블을 이용하여 테스트하기 위해 마이크로입자 분류에 대한 검색을 줄임으로써, 입자의 분류를 측정하기 위해 노드 1 내지 노드 5 각각에 대해 반복적으로 처리하는 것과 비교하여 시간을 절약할 수 있게 되는 것이다.

테이블 2의 노드 1 내지 노드 5를 포함하는 부정확한 위치는 노드를 포함하지 않는 부정확한 위치에 대하여 그 존재를 부각하기 위해 굵은 선으로 표시되어 있다. 이와 같이, 다양한 구조로 된 룩업 테이블이 본 문서에서 기술하는 방법을 위해 사용될 수 있고, 이와 같이 부정확한 위치를 식별하기 위한 룩업 테이블은 테이블 2로 제한되지 아니한다. 특히, 룩업 테이블의 프레임을 형성하는 다른 측정 매개변수에 대한 스케일은 동일할 수도 있고 다를 수도 있다. 또한, 본 문서에서 기술하는 룩업 테이블은 각각의 측정 매개변수에 대한 스케일 값을 그 수에 제한없이 포함할 수 있고(즉, 테이블 2에서 것처럼 네 개의 값으로 제한되지 아니함), 수에 제한 없이 측정 매개변수에 의해 프레임이 형성될 수 있다. 또한, 노드의 수와 분포는 본 문서에 기술된 룩업 테이블 내에서 달라질 수 있다. 예를 들어, 일부 실시예의 경우 룩업 테이블의 부정확한 위치 모두가 노드를 포함할 수 있다.

일반적으로, 각각의 부정확한 위치에 대한 노드의 수는 룩업 테이블의 "해상도"를 결정하기 위해 사용될 수 있다. 예를 들어, 테이블 2에 기재된 것처럼 각각 의 부정확한 위치에 포함된 노드를 하나씩만 갖는 룩업 테이블은 가장 유용한 해상도를 갖는 것이다. 그러나, 이러한 해상도를 갖는 룩업 테이블은 일부 실시예의 경우 그 크기가 비교적 클 수 있다. 예를 들어, 1,000 개의 다른 집단을 포함하는 마이크로입자 세트에 대해, 각각의 부정확한 위치에 대해 하나의 노드만 갖는 룩업 테이블은 최소 1,000 개의 부정확한 위치를 가질 필요가 있다. 매우 많은 노드를 나타내는데 필요한 메모리 용량을 최소화하기 위해서는, 여러 노드가 하나 이상의 부정확한 위치 내에 배치되도록 룩업 테이블의 해상도를 줄이는 것이 바람직하다.

이와 같이, 부정확한 위치가 제2 데이터 세트의 값에 대응하는 위치로 식별될 수 있는 룩업 테이블에 대한 다른 예를 테이블 3에서 볼 수 있다. 특히, 테이블 3은 두 개의 측정 매개변수에 의해 프레임이 형성된 룩업 테이블의 예를 나타내며, 그 스케일은 1 내지 4이고, 이 스케일은 테이블 2에서처럼 각각의 측정 매개변수에 대하여 상이한 범위의 정수에 서로 관련되어 있다. 그러나, 테이블 3은 여러 노드(즉, 노드 세트)를 갖는 일부 부정확한 위치를 구비하는 점에서 테이블 2와 다르다. 특히, 테이블 3은 각각 다수의 노드를 갖는 네 개의 부정확한 위치를 나타내고 있다. 하나의 부정확한 위치 내에 있는 다수의 노드는 "노드 세트"라고 부르도록 한다. 보다 구체적으로, 테이블 3은 노드 세트 1 내지 노드 세트 4에 의해 네 개의 부정확한 위치를 포함하고 있다. 테이블 3은 또한 노드 5와 같은 단일 노드를 갖는 하나의 부정확한 위치와 노드를 갖고 있지 않은 11개의 부정확한 위치를 포함하고 있다. 이러한 구조에 의하면, 주어진 크기의 룩업 테이블은 더 많은 수의 노드를 포함할 수 있게 되고, 따라서 샘플 내에서 입자를 카테고리화 하기 위해 훨씬 더 많은 수의 마이크로입자를 분류할 수 있게 된다. 부가적으로 또는 대체방법으로, 위에서 설명한 것처럼, 부정확한 위치 내에 다수의 노드를 갖는 룩업 테이블은 부정확한 위치마다 하나의 노드만 포함하는 룩업 테이블과 비교할 때 더 낮은 해상도 스케일로 구성될 수 있다. 따라서, 룩업 테이블의 메모리 크기는 축소될 수 있다.

테이블 3

매개변수 2	4	노드 없음	노드 없음	노드 없음	노드 5
	3	노드 없음	노드 세트 3	노드 세트 4	노드 없음
	2	노드 없음	노드 세트 1	노드 없음	노드 세트 2
	1	노드 없음	노드 없음	노드 없음	노드 없음
		1	2	3	4
	매개변수 1

테이블 3에서 볼 수 있듯이, 룩업 테이블의 부정확한 위치 중 일부는 노드를 포함하지 않거나 하나의 노드만 포함하고 있다. 테이블 3에서 노드 1 내지 노드 5를 포함하는 부정확한 위치는 노드를 포함하지 않는 부정확한 위치와 구별하기 위해 굵게 표시되어 있다. 상술한 것처럼, 본 문서에서 기술하는 방법에 대해 다양한 구조의 룩업 테이블이 사용될 수 있는 것이며, 부정확한 위치 내에 여러 노드를 갖는 룩업 테이블은 테이블 3에 제한되지 않는다. 특히, 룩업 테이블의 프레임을 형성하는 상이한 측정 매개변수에 대한 스케일은 동일할 수도 있고 다를 수도 있다. 또한, 본 문서에 기재된 룩업 테이블은 각각의 측정 매개변수에 대한 스케일 값을 그 수에 제한없이 포함할 수 있고(즉, 테이블 3에서처럼 네 개의 값으로 제한되는 것이 아님), 따라서 여러가지 수로 측정 매개변수에 의해 테이블의 프레임이 형성될 수 있다. 나아가, 노드의 수, 크기, 모양, 및 분포는 본 문서에 기재된 룩업 테이블 내에서 달라질 수 있다. 예를 들어, 일부 실시예의 경우, 룩업 테이블의 모든 부정확한 위치는 하나 이상의 노드를 포함할 수 있다. 이에 더하여 또는 다른 경우로서, 노드는 룩업 테이블의 하나의 부정확한 위치 내의 노드와 다른 부정확한 위치의 노드를 포함하는 것을 중복시킬 수 있다. 만일 하나의 노드에 대한 데이터 포인트의 구성요소가 다른 노드의 구성요소에 대하여 상호적으로 배타적인 경우에는, 각각의 노드에 대한 규칙은 중복되지 않는 것이 되도록 한정될 수 있다.

도 4는 테이블의 부정확한 위치 내에 배열된 다수의 노드를 포함하는 룩업 테이블에 대한 또 다른 실시예를 보여주고 있다. 테이블 3에서와 같이, 도 4는 노드가 없는 일부 위치와, 노드가 하나인 일부 위치와, 하나 이상의 노드를 갖는 다른 위치를 갖는 룩업 테이블을 보여주고 있다. 도 4는 노드의 수, 크기, 모양, 및 분포가 룩업 테이블들 사이에서 그리고 하나의 룩업 테이블 내에서 변한다는 것을 보여주고 있다는 점에서 테이블 3과 차이가 있다. 또한, 도 4는 부정확한 위치의 경계가 중복되게 할 수 있고, 따라서 노드 6 및 노드 10과 같이 여러 위치에 연관될 수 있다. 또한, 일부 실시예의 경우, 도 4는 노드 3 및 노드 7에 의해 표시된 것처럼 노드가 겹쳐지는 경우도 나타내고 있다.

다시 도 2로 돌아오면, 룩업 테이블 내에서 위치를 식별한 후에, 본 발명의 방법은 블록(10)에서 획득한 제1 데이터 세트가 식별된 위치와 관련된 n^th 마이크로입자 분류를 나타내는 미리 정해진 알고리즘에 적합한지 여부를 측정하기 위해 블록(56)의 단계를 계속 수행할 것이며, 여기에서 n은 이 단계의 최초 처리단계에 대해 1로 설정된다. 상술한 것처럼, 입자를 카테고리화 하기 위해 룩업 테이블의 식 별된 위치가 마이크로입자 분류를 포함하고 있는지 여부에 대한 측정은 노드의 존재 여부로 표시된다. 특히, 일반적으로 노드는 룩업 테이블의 프레임을 형성하는 측정 매개변수의 값이 맞아들어가는 마이크로입자 분류를 나타낸다. 그러나, 룩업 테이블의 식별된 위치 내에 노드가 존재한다고 해서 반드시 입자가 관련된 마이크로입자 분류에 속한다는 것을 의미하는 것은 아니다. 특히, 만일 마이크로입자 분류가 룩업 테이블의 프레임을 형성하는 것을 제외한, 보다 구체적으로 탐지된 노드를 한정하는 측정 매개변수에 의해 그 특징을 갖는다면, 입자는 마이크로입자 분류를 한정하는 알고리즘에 적합할 수도 있고 아닐 수도 있고, 따라서 이러한 분류에 잘 들어맞을 수도 있고 아닐 수도 있다. 다르게 말하면, 마이크로입자 분류는 다수의 측정 매개변수에 의해 형성될 수 있고, 이에 대한 의존성은 룩업 테이블의 부정확한 매개변수에 의해 모두 표현되는 것은 아니다. 예를 들어, 마이크로입자 분류는 다섯개의 상이한 매개변수에 의해 형성될 수 있지만, 룩업 테이블은 네 개(또는 그 이하)의 매개변수로 구성될 수 있다. 이와 같이, 룩업 테이블에 표시되지 아니한 측정된 매개변수의 값은 입자가 분류 내에 카테고리화될 수 있을지 여부에 영향을 미칠 수 있다.

본 문서에 기술된 룩업 테이블 내에 기재된 노드의 특징을 찾기 위해 특정 수의 데이터의 매개변수와 사실상 어떤 수학적 또는 논리적 함수가 사용될 수 있을 지라도, 룩업 테이블은 일부 실시예에서 마이크로입자 분류를 정의하기 위해 사용되는 매개변수 보다 적은 다수의 매개변수를 갖는 노드의 특징을 찾도록 구성될 수 있다. 이러한 구조에 의해 룩업 테이블은 데이터 세트가 특정 분류에 속할 수 있는 지 여부에 대하여 비교적 우수한 근사화를 이루어낼 수 있고, 따라서 마이크로입자 분류에 대한 검색을 좁힐 수 있게 되고, 하지만 노드를 한정하는 매개변수를 너무 많이 가지게 되는 복잡한 문제를 피할 수 있다. 블록(56)과 관련하여 설명한 것처럼, 본 문서에 기술된 방법과 프로그램 명령은, 노드를 발견한 후에 마이크로입자 분류에 특정된 알고리즘을 사용함으로써, 입자의 실제 카테고리화를 측정하기 위해 최종 평가를 하도록 구성될 수 있다.

일부 경우에, 노드는 표시하는 것을 특징으로 하는 마이크로입자의 측정 매개변수를 제외한 다른 특성에 의해 그 특징을 찾을 수 있다. 노드가 표시하는 것을 특징으로 하는 마이크로입자 분류 측정 매개변수에 의해서만 한정되는 실시예는 속성을 갖고 있지 않는 것으로 여겨질 수 있다. 그러나, 일부 실시예에서, 노드는 표시하는 것을 특징으로 하는 마이크로입자 분류의 측정 매개변수 뿐만 아니라 추가 속성에 의해서 한정될 수 있다. 일부 경우에, 노드를 한정하는데 사용되는 속성은 넓은 범위를 포함할 수 있고, 따라서 노드가 룩업 테이블 내에서 커버하는 데이터 포인트는 대응하는 마이크로입자 분류가 나타내는 특징 보다 더 넓을 수 있을 것이다. 속성에 대한 예는 치수, 방향 매개변수, 또는 다른 노드에 대한 위치와 같은 것이 될 수 있다.

일부 실시예에서, 노드는 하나의 속성에 의해 특징이 정해질 수 있다. 예를 들어, 원의 중심이 부적합한 위치의 중심이 되는 경우에는 노드를 한정하기 위해 반경이 사용될 수 있다. 이러한 경우에, 노드의 반경 내에 있는 데이터 포인트를 갖는 모든 마이크로입자는 노드에 의해 그 특징이 측정될 수 있다. 모든 노드의 반 경은 거의 같을 수도 있고, 노드 중 적어도 일부의 경우 반경이 다를 수도 있다. 다른 실시예에서, 두 개 이상의 속성이 각각의 노드와 연관된다. 예를 들어, 둘 이상의 치수가 사용되어 노드를 특징 지을 수 있고, 따라서 그 모양을 한정할 수 있다. 예를 들어, 속성은 원, 타원, 사각형, 직사각형과 같은 2차원 모양을 한정할 수 있다(타원은 주축과 종축의 치수와 초점 거리에 의해 정의됨). 또한, 속성은 구, 직사각형 프리즘, 정육면체와 같은 3차원 형상을 한정할 수도 있다. 다른 복잡한 형상은 노드의 데이터 포인트의 경계를 한정할 수 있도록 또한 둘 이상의 속성을 사용하여 한정될 수 있다. 룩업 테이블 내에서 (예를 들어, 룩업 테이블의 측정 매개변수의 축과 정렬되는 타원의 축을 갖는 것보다) 노드의 방향을 한정하기 위해 다른 속성도 또한 사용할 수 있다. 또 다른 예에서, 노드당 두 개의 속성이, 즉 데이터 세트의 각 매개변수에 대해 하나의 속성이, 노드의 최소 한도 및 최대 한도를 설정하기 위해 사용될 수 있다.

2차원 노드 및 3차원 노드가 위에서 설명되었지만, 본 문서에 기재된 노드에 특징을 부여하는 것이 갖는 강점 중 하나는, 3차원 이상의 차원에서 데이터를 그래픽으로 표현하는 것이 불가능하거나 실용적이지 못한 경우에도 특징을 부여하는 것이 3차원을 넘어 특정 차원으로 쉽게 확장될 수 있다는 것이다. 또한, 본 문서에 기술된 노드/속성에 기초하여 마이크로입자를 분류하는 것은 데이터를 그래픽으로 시각화할 필요가 없다는 것이다. 비트맵에 기초한 종래의 분류 방법에서는, 마이크로입자의 집단에 대응하는 각 영역에 대해 경계를 생성하기 위해서는 생성중에 데이터가 비트맵에 그래픽으로 표현될 수 있다. 그러나, 본 문서에 기재된 노드의 경 계는 룩업 테이블 내에 형상을 형성할 수 있는 마이크로입자 분류 및/또는 속성의 측정값에 의해 한정된다. 이러한 경계를 시각화할 때에는 영역을 생성할 필요가 없고, 따라서 노드를 그래픽으로 표현하는 것도 필요하지 않다.

도 2의 블록(56)으로 다시 돌아가보면, 마이크로입자 분류를 나타내는 알고리즘이 마이크로입자의 집단에 대한 특징적인 분포에 기초하여 한정될 수 있다. 상술한 것처럼, 마이크로입자가 룩업 테이블의 식별된 위치 내에서 노드에 대응하는 마이크로입자 집단의 구성요소에 해당하는지의 여부를 측정함으로써, 마이크로입자는 미리 전해진 분류 내에서 카테고리화될 수 있다. 보다 구체적으로, 본 발명의 방법은 블록(54) 내에서 식별된 룩업 테이블의 위치와 연관된 미리 정해진 알고리즘 내에 제1 데이터 세트가 적합한지의 여부를 측정하기 위해 도 2의 블록(58)을 계속 수행할 수 있다. 도 2에 도시된 것처럼, 제1 데이터 세트가 미리 정해진 알고리즘에 적합하다는 것을 알게 되자마자, 본 발명의 방법은 마이크로입자가 마이크로입자 분류 내에서 분류되는 블록(60)을 계속 수행할 수 있다. 이로부터, 일부 실시예의 경우, 입자의 분류에 대한 평가는 룩업 테이블의 식별된 위치 내에 배치된 노드의 수와 상관없이 종결될 것이다. 그러나, 다른 실시예에서는, 프로세스는 룩업 테이블의 식별된 위치 내에 다른 분류 노드가 있는지 여부를 측정하기 위해 블록(62)을 계속 수행할 수 있다. 이러한 선택사항은 블록(60) 이후의 분류 프로세스를 종결시키는 단계에 대한 대안으로서 구별하기 위해 도 2에 점선으로 표시되어 있다.

도 2에 도시된 것처럼, 만일 본 발명의 방법이 블록(60)으로부터 다른 경로 를 따라 계속된다면, 또는 제1 데이터 세트가 미리 정해진 알고리즘에 적합하지 아니한 경우에는, 본 발명의 방법은 추가 노드가 룩업 테이블의 식별된 위치 내에 배치되어 있는지 여부를 측정하기 위해 블록(62)을 계속 수행할 것이다. 다른 노드가 없다는 것을 감지하자마자, 프로세스는 (블록(60)에서) 마이크로입자가 분류되었었는지 여부를 측정하기 위해 계속해서 블록(64)을 수행한다. 만일 마이크로입자가 분류되었었다면, 프로세스는 종결된다. 그러나 마이크로입자가 아직 분류되지 않았다면, 마이크로입자는 블록(66) 내에서 거절 분류항목으로 분류되고, 이어서 프로세스는 종결된다. 블록(66)에 표시된 거절 분류는 일반적으로 알려진 분류에 쉽게 할당될 수 없는 입자의 카테고리를 지칭할 수 있다.

위에서 설명한 것처럼, 본 문서에 기술된 방법 및 프로그램 명령은 테이블의 부정확한 위치 내에 다수의 노드를 갖는 룩업 테이블을 이용하는 것에 적용될 수 있다. 일부 실시예에서, 블록(10)에서 획득한 제1 데이터 세트는 마이크로입자에 대한 분류를 측정하기 위해 다수의 노드에 대한 알고리즘에 의해 처리될 수 있다. 특히, 일부 실시예에서 다수의 노드와 연관된 알고리즘은 입자가 분류될 수 있을 때까지 순차적으로 처리도리 수 있다. 이러한 실시예는 마이크로입자 분류가 서로 양립할 수 없는 배타적인 경우에 매우 바람직하다. 다른 실시예에서, 다수의 노드와 연관된 다수의 알고리즘이 데이터 세트가 노드와 연관된 분류 중 하나 이상의 분류에 적합한지 여부를 측정하기 위해 처리된다. 이러한 경우에, 분류는 중복되는 특성을 가질 수 있다. 입자가 다중 카테고리로 분류되는 실시예에서, 본 발명의 방법은 다수의 미리 정해진 알고리즘 중 어느 것이 가장 제1 데이터 세트에 적합한지 여부를 측정하는 것과 이어서 하나의 미리 정해진 알고리즘과 연관된 마이크로입자 분류 내에서 입자를 목록화하는 것을 더 포함할 수 있다. 또는, 본 발명의 방법은 집단이 서로 배타적인 경우가 아니라면 다수의 집단의 구성요소로서 입자를 목록화하는 것을 포함할 수 있다.

어떤 경우든, 룩업 테이블의 식별된 위치 내에 추가로 분류 노드가 있다는 것을 발견하게 되면, 본 발명의 방법은 n 인자를 하나씩 증가시키고, 또한 제1 데이터 세트가 식별된 위치 내에서 다른 노드와 연관된 미리 정해진 알고리즘에 적합한지 여부를 측정하기 위해 블록(56)으로 다시 돌아가서 작업을 수행할 수 있다. 이어서, 본 발명에 따른 방법은 위에서 설명한 것처럼 블록(58, 60, 62, 64, 66)을 통해 계속 수행될 수 있다. 일반적으로, 이러한 단계로 이루어진 구조에 의해 하나 이상의 노드를 포함하거나 노드를 포함하지 않는 룩업 테이블의 위치는 마이크로입자를 분류하기 위해 평가될 수 있다. 위에서 설명한 것처럼, 바람직하게 샘플에 대해 있을 수 있는 모든 분류를 평가하게 되는 방법과 비교하여 마이크로입자를 분류하는데 드는 시간을 줄일 수 있도록 노드의 수를 선택하기 위해 본 발명의 방법은 분류의 검색을 좁힐 수 있다.

도 5는 마이크로입자를 분류하기 위해 구성된 시스템의 실시예를 예를 들어 나타내고 있다. 도 5는 스케일에 맞게 그려지지 않았음에 유의해야 한다. 특히, 도면의 일부 구성요소에 대한 스케일은 그 구성요소의 특징을 강조하기 위해 매우 과장되어 있다. 시스템의 요소 중 일부 요소는 명확하게 표현하기 위해 도면에 포함되어 있지 않다. 도 5에, 시스템이 큐벳(cuvette)(10)의 단면의 평면을 따라 도시 되어 있고, 이 평면을 따라 마이크로입자(12)가 유동한다. 일부 실시예에서, 큐벳은 표준 유세포측정기에서 사용되는 표준 석영 큐벳일 수 있다. 그러나 다른 적절한 유형의 관찰 또는 전달 챔버가 분석을 위해 샘플을 전송하는데 사용될 수 있다.

본 발명의 시스템은 광원(14)을 포함한다. 광원(14)은 레이저와 같은 널리 알려져 있는 적절한 광원이 될 수 있다. 광원은 청색광 또는 녹색광과 같은 하나 이상의 파장을 갖는 빛을 방출하도록 되어 있다. 광원(14)은 마이크로입자가 큐벳을 통과할 때 마이크로입자에 빛을 비추도록 구성될 수 있다. 빛을 비추는 조명에 의해 마이크로입자는 하나 이상의 파장 또는 파장 밴드를 갖는 형광빛을 방출한다. 일부 실시예에서, 시스템은 광원에서 나오는 빛의 초점을 마이크로입자 또는 유동경로에 맞추도록 구성된 하나 이상의 렌즈(도시 안됨)를 포함할 수 있다. 또한 이 시스템은 하나 이상의 광원을 포함할 수 있다. 일부 경우에, 광원은 상이한 파장 또는 파장 밴드를 갖는 빛(예를 들어, 청색광 및 녹색광)으로 마이크로입자에 빛을 비추도록 구성될 수 있다. 일부 실시예에서, 광원은 상이한 방향으로 마이크로입자에 빛을 조명할 수 있도록 구성될 수 있다.

마이크로입자로부터 전방으로 산란된 빛은 절첩 거울(18) 또는 다른 광 지향 요소에 의해 검출 시스템(16) 쪽으로 진행될 수 있다. 또는 검출 시스템(16)은 전방으로 산란되는 빛의 경로에 직접 배치될 수 있다. 이런식으로, 절첩 거울 또는 다른 광 지향 요소는 본 발명의 시스템에 포함되어 있지 않을 수도 있다. 한 실시예에서, 전방으로 산란되는 빛은 도 5에 도시된 것처럼 광원(14)에 의해 조명 방향으로부터 약 180도의 각도로 마이크로입자에 의해 산란되는 빛일 수 있다. 광원으 로부터 나오는 입사광이 검출 시스템의 감광성 표면에 작용하지 않을 수 있도록, 전방으로 산란되는 빛의 각도는 조명방향으로부터 정확하게 180도는 아닐 수 있다. 예를 들어, 전방으로 산란되는 빛은 조명 방향으로부터 180도 이상 또는 180도 이하의 각도로 마이크로입자에 의해 산란되는 빛(예를 들어, 약 170도, 약 175도, 약 185도, 약 190도의 각으로 산란되는 빛)이 될 수 있다.

조명의 방향으로부터 약 90도의 각도로 마이크로입자에 의해 산란되는 빛도 또한 수집될 수 있다. 한 실시예에서, 이러한 산란된 빛은 하나 이상의 광선분할기(beamsplitter) 또는 색선별 거울(dichroic mirror)에 의해 하나 이상의 광선으로 분할될 수 있다. 예를 들어, 조명방향에 대해 약 90도로 산란된 빛은 광선분할기(20)에 의해 두 개의 다른 광선으로 분할될 수 있다. 두 개의 다른 광선은 다시 광선분할기(22, 24)에 의해 분할되어 네 개의 다른 광선을 생성할 수 있다. 각각의광선은 다른 검출 시스템 쪽으로 향하게 될 수 있고, 검출 시스템은 하나 이상의 검출기를 포함할 수 있다. 예를 들어, 네 개의 광선 중 하나의 광선은 검출 시스템(26) 쪽으로 향할 수 있다. 검출 시스템(26)은 마이크로입자에 의해 산란된 빛을 탐지하도록 구성될 수 있다.

검출 시스템(16) 및/또는 검출 시스템(26)에 의해 검출된 산란광은 보통 광원에 의해 비춰지는 마이크로입자의 부피에 비례할 수 있다. 따라서, 검출 시스템(16)의 출력 신호 및/또는 검출 시스템(26)의 출력 신호는 조명 영역 또는 검출 윈도우 내에 있는 마이크로입자의 직경 및/또는 부피를 측정하는데 사용될 수 있다. 또한, 검출 시스템(16) 및/또는 검출 시스템(26)의 출력 신호는 함께 붙어 있 거나 거의 동시에 조명 영역을 통과하는 하나 이상의 마이크로입자를 식별하는데 이용될 수 있다. 따라서, 마이크로입자는 샘플 마이크로입자 및 교정 마이크로입자와 식별될 수 있다. 또한, 검출 시스템(16) 및/또는 검출 시스템(26)의 출력 신호는 샘플 마이크로입자와 교정 마이크로입자를 구별하는데 이용될 수 있다.

다른 세개의 광선은 검출 시스템(28, 30, 32) 쪽으로 진행될 수 있다. 검출 시스템(28, 30, 32)은 마이크로입자에 의해 방출되는 형광을 검출하도록 구성되어 있다. 각각의 검출 시스템은 상이한 파장 또는 상이한 파장 범위의 형광을 검출하도록 구성될 수 있다. 예를 들어, 검출 시스템 중 하나는 녹색 형광을 검출하도록 구성될 수 있다. 또 다른 검출 시스템은 노랑-오렌지색 형광을 검출하도록 구성될 수 있다. 일부 실시예에서, 스펙트럼 필터(34, 36, 38)이 검출 시스템(28, 30, 32)에 개별적으로 결합될 수 있다. 스펙트럼 필터는 검출 시스템이 검출하는 것을 제외한 파장의 형광을 차단하도록 구성될 수 있다. 또한, 하나 이상의 렌즈(도시 안됨)는 광학적으로 각각의 검출 시스템에 결합될 수 있다. 렌즈는 산란광 또는 방출된 형광의 초점을 검출기의 감광 표면에 맞추도록 구성될 수 있다.

각각의 검출기의 출력 전류는 검출기에 작용하는 형광에 비례하고 따라서 전류 펄스가 생성된다. 전류 펄스는 전압 펄스로 변환되어, 저대역 필터링이 이루어질 수 있고, 그 후 A/D 컨버터에 의해 디지털화될 수 있다. 변환, 필터링, 및 디지털화는 기술분야에 널리 알려진 적절한 요소를 이용하여 수행될 수 있다. 아래에서 기술되는 샘플 마이크로입자의 정체성을 측정하는데 사용되는 검출 시스템(예를 들어, 검출 시스템(28, 30))은 눈사태 포토다이오드(avalanche photodiodes; APDs), 광전자증배관(photomultiplier tube; PMT), 또는 다른 광검출기일 수 있다. 마이크로입자의 표면에서 일어나는 반응을 식별하는데 사용되는 검출 시스템(예를 들어 검출 시스템(32))은 PMT, APD, 또는 다른 유형의 광검출기가 될 수 있다.

도 5의 시스템은 다른 염료 특성을 갖는 마이크로입자를 구별하기 위해 두 개의 상이한 검출 윈도우를 갖는 두 개의 검출 시스템을 포함하는 것으로 아래에서 도시되어 설명되고 있지만, 시스템은 두 개 이상의 검출 윈도우를 포함할 수 있다는 것을 이해하여야 한다(즉, 3개의 검출 윈도우, 4개의 검출 윈도우, 등등). 이러한 실시예에서, 시스템은 광선분할기와 다른 검출 윈도우를 갖는 검출 시스템을 더 포함할 수 있다. 또한, 스펙트럼 필터 및/또는 렌즈는 각각의 추가 검출 시스템에 결합될 수 있다. 또 다른 실시예에서, 시스템은 마이크로입자의 표면에서 반응이 이루어지는 상이한 물질을 구별하도록 구성된 둘 이상의 검출 시스템을 포함할 수 있다. 상이한 반응 물질은 마이크로입자의 염료 특성과 다른 염료 특성을 가질 수 있다.

또한 본 발명의 시스템은 프로세서(40)를 포함할 수 있다. 프로세서(40)는 하나 이상의 전송매체에 의해 또한 선택적으로 프로세서와 검출기 사이에 놓인 하나 이상의 소자에 의해 검출기에 결합될 수 있다. 예를 들어, 프로세서(40)는 전송매체(42)에 의해 검출 시스템(26)에 결합될 수 있다. 전송 매체는 기술분야에 널리 알려진 어떤 적절한 전송매체를 포함할 수 있고, "유선" 및 "무선" 부분을 포함할 수 있다. 프로세서는 예를 들어 형광의 양을 나타내는 숫자를 제공하기 위해 펄스 아래의 영역을 적분하도록 되어 있는 DSP를 포함할 수 있다. 프로세서는 또한 본 문서에 기재된 실시예의 단계 중 하나 이상의 단계를 수행하도록 구성될 수 있다.

일부 실시예에서, 마이크로입자에 의해 방출되는 형광으로부터 생성되는 출력 신호는 마이크로입자의 정체성과 마이크로입자 표면에서 일어나는 반응에 대한 정보를 측정하는데 이용될 수 있다. 예를 들어, 검출 시스템 중 두 검출 시스템의 출력 신호는 본 문서에서 기술되는 것처럼 마이크로입자의 정체성을 측정하는데 사용될 수 있고, 다른 검출 시스템의 출력 신호는 마이크로입자의 표면에서 발생하는 반응을 측정하는데 사용될 수 있다. 따라서, 검출기와 스펙트럼 필터는 선택하는 것은 마이크로입자에 통합되거나 마이크로입자와 결합되는 염료의 종류 및/또는 측정되는 반응에 따라 달라질 수 있다(즉, 반응과 관련된 반응물에 통합되거나 결합되는 염료). 검출 시스템(16, 26, 28, 30, 32)에 의해 생성되는 값은 본 문서에 기재된 방법에서 사용될 수 있다.

도 5에 도시된 시스템은 본 문서에 기술된 실시예에 따라 마이크로입자를 분류하도록 구성되어 있다. 일부 실시예에서, 본 발명의 시스템은 저장 매체(44)를 포함할 수 있다. 저장 매체(44)는 룩업 테이블(46)과 프로그램 명령(45)을 포함할 수 있다. 저장 매체와 룩업 테이블은 본 문서에서 기재된 것처럼 구성될 수 있다. 일부 실시예에서, 프로세서(40)는 마이크로입자에 대해 획득한 데이터와 함께 룩업 테이블(46)을 사용하여 마이크로입자를 분류하도록 구성될 수 있다. 데이터는 본 문서에 기재된 것처럼 획득된다. 이런식으로, 측정 시스템의 프로세서는 본 문서에 기술된 것처럼 마이크로입자를 분류하도록 구성될 수 있다. 또는, 단독 컴퓨터 시스템의 프로세서와 같이 실제로 측정 시스템의 일부가 아니지만 측정 시스템에 결 합되는(예를 들어 전송 매체에 의해) 프로세서는 본 문서에 기술된 것처럼 마이크로입자를 분류하도록 구성될 수 있다.

본 문서에 기술된 것과 같이 방법을 구현하는 프로그램 명령은 저장 매체로 전송되거나 저장 매체(예를 들어 저장 매체(44))에 저장될 수 있다. 저장 매체는 롬 메모리, 램 메모리, 자기 디스크 또는 광 디스크, 자기 테이프와 같은 것을 포함할 수 있지만 이에 한정되는 것은 아니다. 한 실시예에서, 프로세서(40)와 같은 프로세서는 상기 실시예에 따라 컴퓨터로 구현되는 방법을 수행하기 위해 프로그램 명령을 실행하도록 구성될 수 있다. 프로세서는 개인 컴퓨터 시스템, 대형 컴퓨터 시스템, 워크스테이션, 네트워크 장치, 인터넷 장치, 개인 디지털 보조기기(PDA), 디지털 신호 처리장치(DSP), 현장 프로그래머블 게이트 어레이(FPGA), 또는 기타 장치를 포함하여 여러가지 형태를 취할 수 있다. 일반적으로, "컴퓨터 시스템"이라는 용어는 메모리 매체로부터 명령을 실행하는 하나 이상의 프로세서를 갖는 장치를 모두 포함하는 것으로 넓게 정의될 수 있다. 프로그램 명령은 절차기반기술(procedure-based technique), 요소기반기술(component-based technique), 및/또는 객체지향기술, 또는 기타의 기술과 같이 여러가지 방식으로 구현될 수 있다. 예를 들어, 프로그램 명령은 필요에 따라 액티브 X 콘트롤, C++ 객체, 자바빈즈(JavaBeans), 마이크로소프트 파운데이션 클래스("MFC"), 또는 기타의 기술 내지 방법론을 이용하여 구현될 수 있다.

이러한 개시 내용의 도움을 받는 당업자는 본 발명이 마이크로입자를 분류하는 방법, 데이터 구조, 및 시스템을 제공할 수 있다는 것을 이해할 수 있을 것이 다. 본 발명의 여러가지 특징에 대하여 더 수정하거나 다르게 변형한 실시예는 본 문서에 기술된 설명 내용을 참고하면 당업자에게 자명한 사항이 될 것이다. 따라서, 이러한 설명내용은 단지 예시적인 것으로서만 해석되어야 하는 것이며, 본 발명을 실행할 수 있는 일반적인 방법을 당업자에게 가르쳐주려는 의도일 뿐이다. 본 문서에 도시되어 있고 설명되어 있는 본 발명의 형태는 현재로서 가장 바람직한 실시예로서 받아들여지는 것임을 이해하여야 한다. 구성요소들과 물질들은 본 문서에 기술되고 설명된 것에 대해 교체될 수 있으며, 부품과 프로세스들은 역으로 이루어질 수 있으며, 나아가 본 발명의 특징은 독립적으로 사용될 수 있는 것이며, 이러한 모든 것들은 본 발명에 기술된 내용을 알게 된 후에는 당업자에게 자명한 것이 될 것이라 하겠다. 아래의 청구범위에 기재된 본 발명의 정신과 범위에서 벗어나지 아니하면서 본 문서에 기재된 구성요소에 변화를 가할 수 있는 것이다.

Claims

마이크로입자의 측정가능한 매개변수에 대응하는 제1 데이터 세트를 획득하는 단계와;

상기 제1 데이터 세트가 대응하며 또한 상기 측정가능한 매개변수 중 하나 이상의 매개변수와 연관된 값에 의해 프레임이 형성되는 룩업 테이블의 위치를 식별하는 단계와;

상기 제1 데이터 세트가 하나 이상의 미리 정해진 알고리즘에 적합한지 여부를 측정하는 단계로서, 각각의 상기 하나 이상의 미리 정해진 알고리즘은 상기 룩업 테이블의 식별된 위치와 연관된 다수의 마이크로입자 분류 중 상이한 마이크로입자 분류를 개별적으로 나타내는, 상기 제1 데이터 세트가 하나 이상의 미리 정해진 알고리즘에 적합한지 여부를 측정하는 단계와;

상기 식별하는 단계와 상기 측정하는 단계 이후에, 상기 제1 데이터 세트가 상기 하나 이상의 미리 정해진 알고리즘에 적합한지 여부를 측정하는 단계에 기초하여 하나 이상의 미리 정해진 카테고리화 내에서 마이크로입자를 분류하는 단계;를 포함하는 컴퓨터 구현 방법.
제1항에 있어서,

상기 마이크로입자를 분류하는 단계는,

상기 제1 데이터 세트가 하나 이상의 마이크로입자 분류와 연관된 미리 정해 진 알고리즘에 적합하다는 것을 측정했을 때 상기 마이크로입자 분류 중 하나 이상의 분류 내에서 마이크로입자를 분류하는 단계와;

상기 제1 데이터 세트가 상기 하나 이상의 미리 정해진 알고리즘에 적합하지 않다는 것을 측정했을 때 거절 분류 내에서 마이크로입자를 분류하는 단계; 중 하나를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
제1항에 있어서,

상기 제1 데이터 세트가 하나 이상의 미리 정해진 알고리즘에 적합한지 여부를 측정하는 단계는, 상기 제1 데이터 세트가 미리 정해진 카테고리화 내로 분류될 때까지 상기 하나 이상의 미리 정해진 알고리즘 내에서 상기 제1 데이터 세트를 반복적으로 처리하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
제1항에 있어서,

상기 마이크로입자를 분류하는 단계는, 상기 제1 데이터 세트가 다수의 미리 정해진 알고리즘에 적합하다는 것을 측정했을 때 다수의 마이크로입자 분류 내에서 마이크로입자를 분류하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
제4항에 있어서,

상기 다수의 미리 정해진 알고리즘 중에서 상기 제1 데이터 세트에 가장 적합한 하나의 미리 정해진 알고리즘을 측정하는 단계와;

상기 하나의 미리 정해진 알고리즘과 연관된 마이크로입자 분류 내에서 입자를 목록화하는 단계;를 더 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
제1항에 있어서,

상기 룩업 테이블의 위치를 식별하는 단계는 상기 룩업 테이블의 부정확한 위치를 식별하는 단계를 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
제1항에 있어서,

상기 룩업 테이블의 위치를 식별하는 단계 이전에 제2 데이터 세트를 생성하는 단계를 더 포함하고, 상기 제2 데이터 세트는 상기 제1 데이터 세트의 하나 이상의 식별값에 개별적으로 서로 관련되는 하나 이상의 우산값을 포함하고, 상기 우산값은 각각 대응하는 측정가능한 매개변수에 대하여 있을 수 있는 값의 범위를 나타내고, 상기 룩업 테이블은 상기 측정가능한 매개변수 중 하나 이상의 매개변수의 우산값에 의해 프레임이 형성되고, 이어서 발생하는 상기 룩업 테이블의 위치를 식별하는 단계는 상기 제2 데이터 세트가 대응하는 룩업 테이블의 위치를 식별하는 것을 포함하는 것을 특징으로 하는 컴퓨터 구현 방법.
프로세서와;

마이크로입자의 하나 이상의 측정가능한 매개변수에 의해 프레임이 형성되는 룩업 테이블과;

상기 프로세서에 의해 실행될 수 있는 프로그램 명령을 포함하는 저장매체;를 포함하며,

상기 프로그램 명령은:

마이크로입자의 측정가능한 매개변수에 대응하는 데이터 세트를 획득하는 단계와;

상기 데이터 세트가 대응하는 룩업 테이블의 위치를 식별하는 단계와;

상기 데이터 세트가 하나 이상의 미리 정해진 알고리즘에 적합한지 여부를 측정하는 단계로서, 각각의 상기 하나 이상의 미리 정해진 알고리즘은 상기 룩업 테이블의 식별된 위치와 연관된 다수의 마이크로입자 분류 중 상이한 마이크로입자 분류를 개별적으로 나타내는, 상기 데이터 세트가 하나 이상의 미리 정해진 알고리즘에 적합한지 여부를 측정하는 단계와;

상기 획득하는 단계와 상기 식별하는 단계 및 상기 측정하는 단계 이후에, 상기 데이터 세트가 상기 하나 이상의 미리 정해진 알고리즘에 적합한지 여부를 측정하는 단계에 기초하여 하나 이상의 미리 정해진 카테고리화 내에서 마이크로입자를 분류하는 단계;를 수행하는 시스템.