KR20220123490A - 스펙트럼 라이브러리 훈련을 위한 시스템 및 방법 - Google Patents
스펙트럼 라이브러리 훈련을 위한 시스템 및 방법 Download PDFInfo
- Publication number
- KR20220123490A KR20220123490A KR1020227024951A KR20227024951A KR20220123490A KR 20220123490 A KR20220123490 A KR 20220123490A KR 1020227024951 A KR1020227024951 A KR 1020227024951A KR 20227024951 A KR20227024951 A KR 20227024951A KR 20220123490 A KR20220123490 A KR 20220123490A
- Authority
- KR
- South Korea
- Prior art keywords
- regression
- target
- spectral
- photons
- filter
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000003595 spectral effect Effects 0.000 title claims description 50
- 239000000463 material Substances 0.000 claims abstract description 22
- 238000005286 illumination Methods 0.000 claims description 66
- 239000011159 matrix material Substances 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000000513 principal component analysis Methods 0.000 claims description 18
- 238000012706 support-vector machine Methods 0.000 claims description 18
- 238000012417 linear regression Methods 0.000 claims description 13
- 238000007477 logistic regression Methods 0.000 claims description 13
- 230000003287 optical effect Effects 0.000 claims description 13
- 239000004973 liquid crystal related substance Substances 0.000 claims description 8
- 230000010287 polarization Effects 0.000 claims description 8
- 238000010239 partial least squares discriminant analysis Methods 0.000 claims description 7
- 239000000835 fiber Substances 0.000 claims description 5
- 230000009977 dual effect Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 abstract description 2
- 239000012491 analyte Substances 0.000 description 11
- 230000004907 flux Effects 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 9
- 238000003384 imaging method Methods 0.000 description 6
- 210000004027 cell Anatomy 0.000 description 4
- 102000008186 Collagen Human genes 0.000 description 3
- 108010035532 Collagen Proteins 0.000 description 3
- 229920001436 collagen Polymers 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000007935 neutral effect Effects 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006698 induction Effects 0.000 description 2
- 229910001507 metal halide Inorganic materials 0.000 description 2
- 150000005309 metal halides Chemical class 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 229910052724 xenon Inorganic materials 0.000 description 2
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 2
- 229910000530 Gallium indium arsenide Inorganic materials 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000010348 incorporation Methods 0.000 description 1
- WPYVAWXEWQSOGY-UHFFFAOYSA-N indium antimonide Chemical compound [Sb]#[In] WPYVAWXEWQSOGY-UHFFFAOYSA-N 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/255—Details, e.g. use of specially adapted sources, lighting or optical systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
- G01J3/0218—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows using optical fibers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
- G01J3/0224—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows using polarising or depolarising elements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
- G01J3/0227—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows using notch filters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/0205—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows
- G01J3/0245—Optical elements not provided otherwise, e.g. optical manifolds, diffusers, windows using an optical amplifier of light, e.g. doped fiber
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/02—Details
- G01J3/027—Control of working procedures of a spectrometer; Failure detection; Bandwidth calculation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/447—Polarisation spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/457—Correlation spectrometry, e.g. of the intensity
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N2021/1765—Method using an image detector and processing of image signal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N2021/3129—Determining multicomponents by multiwavelength light
- G01N2021/3133—Determining multicomponents by multiwavelength light with selection of wavelengths before the sample
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/06—Illumination; Optics
- G01N2201/062—LED's
- G01N2201/0627—Use of several LED's for spectral resolution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2201/00—Features of devices classified in G01N21/00
- G01N2201/12—Circuits of general importance; Signal processing
- G01N2201/129—Using chemometrical methods
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Spectrometry And Color Measurement (AREA)
- Endoscopes (AREA)
- Image Analysis (AREA)
Abstract
타겟에 대해 직접 최적화하지 않고 배경 재료에서 타겟을 판별하는 기법들, 디바이스들 및 방법들이 제공된다. 디바이스들 및 방법들은 다양한 형상과 강도의 단일 또는 다중 파장들의 통과 대역들을 생성할 수 있고, 또한 통과 대역 프로파일의 형상을 선택 및 제어하여 관심 타겟들의 검출을 개선할 수 있다.
Description
본 출원은 2019년 12월 20일에 출원된 미국 가특허 출원 번호 62/951,507호의 이익을 주장하고, 그 전체가 본원에 참조로 포함된다.
분자 화학 이미징(MCI)은 샘플과 상호작용된 광자들을 변조함으로써 타겟들의 존재를 검출할 수 있는 강력한 기법이다. 기법은 조명 광자들이 VIS-NTR 및 SWIR 스펙트럼 범위들에 있을 때 특히 유용하다. 스코어 이미지들이 생성될 때 배경 재료들로부터 타깃 판별이 달성된다.
스코어 이미지는 2개 이상의 이미지들의 수학적 조작이고, 따라서 관심 타겟에 대응하는 대비 영역을 생성한다. 관심 장면에서 2 개 이상의 이미지들이 수집된다.
스코어들을 생성하기 위해 사용된 이미지들은 단일 파장들의 상호작용 광자들을 수집함으로써 생성된다. 단일 파장들(즉, 단일 에너지 상태들)은 샘플에 존재하는 구성요소들에 대응하도록 선택된다. 상이한 개별 파장 이미지들은 상이한 구성요소들에 대응하는 샘플에서 수집될 수 있다. 이들 이미지들의 결과 조합은 관심 영역들이 강조된 스코어 이미지를 생성하여, 배경에서 사용자가 타겟을 쉽게 식별하게 한다.
이 접근법은 유용하지만 단점들을 갖는다. 예를 들어, 상호작용된 광자들의 프로파일들의 형상은 상호작용된 광자들을 필터링하는 데 사용되는 필터들(예를 들어, 액정들, 대역통과 필터들 등)의 물리적 속성들과, 변조되지 않은 광대역 조명원들에 의해 제한된다. 또한, 이 접근법은 타겟 판별에 사용될 수 있는 정보의 전체 스펙트럼 범위를 이용하지 않는다. 그러므로, 다양한 형상과 강도의 단일 또는 다중 파장들의 통과 대역들을 생성할 수 있을 뿐만 아니라, 관심 타겟들의 검출을 개선하기 위해 통과 대역 프로파일들의 형상을 선택하고 제어할 수 있는 시스템들 및 방법들을 설계하는 것이 바람직하다.
이것은 본 발명의 성질과 본질을 간략히 나타낸 본 발명의 요약이다. 이는 청구 범위들의 범위 또는 의미를 해석하거나 제한하는 데 사용되지 않는다는 이해와 함께 제출된다.
일 실시예에서, 배경 재료로부터 타겟을 판별하는 방법이 있고, 방법은: 복수의 스펙트럼 파장들 및 강도들에 대응하는 스펙트럼 매트릭스를 획득하는 단계; 스펙트럼 매트릭스로부터 적어도 하나의 회귀 계수를 생성하는 단계; 적어도 하나의 회귀 계수에 대응하는 광자들의 적어도 하나의 통과대역을 선택함으로써 조명원을 변조하는 단계; 적어도 하나의 광자들의 통과대역을 타겟 및 배경 재료로 지향시켜 타겟에 대응하는 제1 상호작용 광자들과 배경 재료에 대응하는 제2 상호작용 광자들을 생성하는 단계; 및 제1 상호작용 광자들 및 제2 상호작용 광자들로부터 스코어 이미지를 생성하는 단계로서, 스코어 이미지는 타겟 및 배경 재료를 식별하는 콘트라스트를 포함하는, 상기 스코어 이미지를 생성하는 단계를 포함한다.
다른 실시예에서, 적어도 하나의 회귀 계수를 생성하는 단계는 부분 최소 제곱 판별 분석(PLSDA: partial least squares discrimination analysis), 주성분 분석(PCA), 선형 판별 분석(LDA), 선형 회귀, 로지스틱 회귀, 리지 회귀(ridge regression), lasso(least absolute shrinkage and selection operator) 회귀, 엘라스틱넷 회귀(elastic net regression), 서포트 벡터 머신(SVM: support vector machine)들, RVM(relevance vector machine), 및 LARS(least angle regression) 중 하나 이상에 의해 수행된다.
다른 실시예에서, PLSDA, PCA, LDA, 선형 회귀, 로지스틱 회귀, 리지 회귀, lasso 회귀, 엘라스틱넷 회귀, SVM, RVM, 및 LARS 중 하나 이상은 샘플에 대해 직접 최적화하지 않고, PLSDA, PCA, LDA, 선형 회귀, 로지스틱 회귀, 리지 회귀, lasso 회귀, 엘라스틱넷 회귀, SVM, RVM 및 LARS 중 하나 이상은 배경 재료에 대해 직접 최적화하지 않는다.
다른 실시예에서, 변조하는 단계는 조명원을 튜닝함으로써 달성된다.
다른 실시예에서, 스펙트럼 매트릭스는 스펙트럼 라이브러리로부터 획득된다.
다른 실시예에서, 스펙트럼 매트릭스는 분광계로부터 획득된다.
다른 실시예에서, 분광계는 FAST(Fiber Array Spectral Translator), 단일 편광 분광계, 이중 편광 분광계, 및 이들의 조합으로 이루어진 그룹으로부터 선택된다.
다른 실시예에서, 스펙트럼 매트릭스는 등각 필터(CF), 다중-공액 필터(MCF), 음향 광학 튜닝 필터(AOTF), 액정 튜닝 필터(LCTF), 또는 다변량 광학 요소(MOE) 중 적어도 하나로부터 획득된다.
일 실시예에서, 배경 재료로부터 타겟을 판별하는 디바이스가 있고, 디바이스는: 프로세서 및 비-일시적 컴퓨터 판독가능 매체를 포함하고, 비-일시적 컴퓨터 판독가능 매체는, 실행될 때, 프로세서가: 복수의 스펙트럼 파장들 및 강도들에 대응하는 스펙트럼 매트릭스를 획득하게 하고; 스펙트럼 매트릭스로부터 적어도 하나의 회귀 계수를 생성하게 하고; 적어도 하나의 회귀 계수에 대응하는 광자들의 적어도 하나의 통과대역을 선택함으로써 조명원을 변조하게 하고; 적어도 하나의 광자들의 통과대역을 타겟 및 배경 재료로 지향시켜 타겟에 대응하는 제1 상호작용 광자들과 배경 재료에 대응하는 제2 상호작용 광자들을 생성하게 하고; 제1 상호작용 광자들 및 제2 상호작용 광자들로부터 스코어 이미지를 생성하게 하고, 스코어 이미지는 타겟 및 배경 재료를 식별하는 콘트라스트를 포함한다.
다른 실시예에서, 프로세서는 부분 최소 제곱 판별 분석(PLSDA), 주성분 분석(PCA), 선형 판별 분석(LDA), 선형 회귀, 로지스틱 회귀, 리지 회귀, lasso(least absolute shrinkage and selection operator) 회귀, 엘라스틱넷 회귀, 서포트 벡터 머신(SVM)들, RVM(relevance vector machine), 및 LARS(least angle regression) 중 하나 이상에 의해 적어도 하나의 회귀 계수를 생성한다.
다른 실시예에서, PLSDA, PCA, LDA, 선형 회귀, 로지스틱 회귀, 리지 회귀, lasso 회귀, 엘라스틱넷 회귀, SVM, RVM, 및 LARS 중 하나 이상은 샘플에 대해 직접 최적화하지 않고, PLSDA, PCA, LDA, 선형 회귀, 로지스틱 회귀, 리지 회귀, lasso 회귀, 엘라스틱넷 회귀, SVM, RVM 및 LARS 중 하나 이상은 배경 재료에 대해 직접 최적화하지 않는다.
다른 실시예에서, 프로세서는 조명원을 튜닝함으로써 조명원을 변조한다.
다른 실시예에서, 프로세서는 스펙트럼 라이브러리로부터 스펙트럼 매트릭스를 획득한다.
다른 실시예에서, 프로세서는 분광계로부터 스펙트럼 매트릭스를 획득한다.
다른 실시예에서, 분광계는 FAST(Fiber Array Spectral Translator), 단일 편광 분광계, 이중 편광 분광계, 및 이들의 조합으로 이루어진 그룹으로부터 선택된다.
다른 실시예에서, 스펙트럼 매트릭스는 등각 필터(CF), 다중-공액 필터(MCF), 음향 광학 튜닝 필터(AOTF), 액정 튜닝 필터(LCTF), 또는 다변량 광학 요소(MOE) 중 적어도 하나로부터 획득된다.
본 개시내용은 이들이 다양할 수 있기 때문에, 설명된 특정 시스템들, 디바이스들 및 방법들로 제한되지 않는다. 설명에 사용된 용어는 특정 버전들 또는 실시예들을 설명하기 위해 사용된 것이고, 그 범위를 제한하려는 의도가 아니다.
본 문서에 사용된 바와 같이, 단수형들("a", "an" 및 "the")은 문맥이 달리 명시하지 않는 한 복수 참조들을 포함한다. 달리 정의되지 않으면, 본원에 사용된 모든 기술적 및 화학적 용어들은 통상의 기술자에 의해 일반적으로 이해되는 것과 동일한 의미를 갖는다. 본 개시내용의 어떠한 것도 본 개시내용에 설명된 실시예들이 선행 발명에 의해 그러한 개시내용을 선행할 자격이 없다는 것을 인정하는 것으로 해석되어서는 안 된다. 이 문서에서 사용된 바와 같이, "포함하는"이라는 용어는 "포함하지만 이에 국한되지 않는"을 의미한다.
본원에 사용된 바와 같이, "타겟"은 스펙트럼 이미징에 의해 검출될 수 있는 단일 관심 재료를 의미한다. 타겟의 구성은 제한되지 않는다.
조명원
조명원은 전력 소비, 방출된 스펙트럼, 패키징, 열 출력 등과 같은 다른 보조 요건들을 충족하면서 샘플 조명에 필요한 튜닝된 광자들을 생성하는 데 유용한 임의의 튜닝가능 조명원이다. 일부 실시예들에서, 조명원은 발광 다이오드(LED), 유기 발광 다이오드(OLED), 전자발광 디바이스, 형광등, 가스 방전 램프, 금속 할로겐화물 램프, 크세논 아크 램프, 유도 램프, 또는 이들 조명원들의 임의의 조합이다. 튜닝가능 조명원은 조명원에 의해 생성된 광자들이 임의의 광학 필터들에 의한 변조 없이 조명원 자체에 대한 입력들에 의해 적어도 하나의 원하는 파장 범위 내에 있도록 선택될 수 있음을 의미한다. 일부 실시예들에서, 조명원은 단일 파장을 갖는 광자들인 단색 광자들을 생성한다. 일부 실시예들에서, 조명원은 다중 파장들 또는 광자 파장들의 범위인 통과대역을 갖는 광자들인 다색 광자들을 생성한다. 튜닝가능 조명원의 선택된 파장은 제한되지 않고 자외선(UV), 가시광선(VIS), 근적외선(NIR), 가시광선-근적외선(VIS-NIR), 단파장 적외선(SWIR), 확장 단파 적외선(eSWIR), 근적외선 확장 단파 적외선(NIR-eSWIR), 중파 적외선(MIR) 및 장파 적외선(LWIR) 범위들 내의 임의의 통과대역일 수 있다.
상기 광의 범위들은 약 180 nm 내지 약 380 nm(UV), 약 380 nm 내지 약 720 nm(VIS), 약 400 nm 내지 약 1100 nm(VIS-NIR), 약 850 nm 내지 약 1800 nm(SWIR), 약 1200 nm 내지 약 2450 nm(eSWIR), 약 720 nm 내지 약 2500 nm(NIR-eSWIR), 약 3000 nm 내지 약 5000 nm(MIR), 또는 약 8000 nm 내지 약 14000 nm(LWIR)의 파장들에 대응한다. 상기 범위들은 단독으로 또는 열거된 임의의 범위들의 조합으로 사용될 수 있다. 이러한 조합들은 인접한(근접한) 범위들, 오버래핑 범위들 및 오러랩되지 않는 범위들을 포함한다. 범위들의 조합은 다중 조명원들을 포함하거나, 조명원들을 필터링하거나, UV 또는 청색 광과 같은 고에너지 방출들을 더 긴 파장들을 갖는 더 낮은 에너지 광으로 변환하는 형광체들 및/또는 양자점들과 같은 적어도 하나의 구성요소를 추가하여 달성될 수 있다.
일부 실시예들에서, 조명원은 변조된 조명원이다. 본원에 사용된 바와 같이, "변조된 조명원"은 조명원에 의해 생성된 광자들이 원하는 스펙트럼 범위(들) 또는 강도에 의해 선택가능하고, 선택이 조명원을 튜닝하거나 외부 광학 필터 또는 다른 광학 디바이스에 의해 생성된 광자들을 변조함으로써 달성됨을 의미한다. 광은 단일 파장이거나 다양한 스펙트럼 형상의 다중 파장들을 포함할 수 있다. 조명원들의 이러한 변조는 제한되지 않고 대안적으로 "조명원 변조"로 지칭된다. 일부 실시예들에서, 조명원은 조명원의 밝기 또는 광속을 제어함으로써만 변조된다. 예를 들어, 조명원은 조명원의 광속을 감소시키기 위해 더 낮은 전력에서 동작될 수 있어서, 선택된 광 파장들 또는 전체 스펙트럼 범위에서 조명원을 효과적으로 조광할 수 있다. 대안적으로, 조명원은 조명원과 분석될 샘플 사이에 중성 밀도 필터를 배치하여 변조되고, 이는 샘플에 도달하는 광속을 감소시킨다.
일부 실시예들에서, 조명원은 조명 요소들의 어레이이고, 각각의 조명 요소는 선택된 파장의 광을 방출한다. 그러한 실시예들에서, 조명 요소들의 광속 및/또는 방출된 스펙트럼은 단독으로 또는 조명 요소들의 그룹들로 조정 및/또는 제어된다. 이것은 광의 전체 방출 파장과 조명원에 의해 방출된 파장의 광속을 변경한다. 또 다른 실시예들에서, 조명 요소들의 어레이의 일부인 조명원들은 각각 개별적으로 또는 그룹으로 제어 또는 튜닝될 수 있다.
조명 요소가 조명 어레이 및 조명원의 일부로 포함될 때, 조명 요소는 제어 입력들에 대한 빠른 응답, 좁은 광 대역폭 및 조명 요소로부터 방출된 광속을 신속하고 예측가능하게 변경하는 능력 중 적어도 하나를 할 수 있어야 한다. 조명 어레이 내에 포함하기에 적합한 그러한 유용한 조명 요소들의 예들은 발광 다이오드들(LED), 유기 발광 다이오드들(OLED), 전자발광 디바이스들, 형광등들, 가스 방전 램프들, 금속 할로겐화물 램프들, 크세논 아크 램프들, 유도 램프들, 또는 이들 조명원들의 임의의 조합을 포함한다. 각 조명 요소의 선택된 파장은 제한되지 않고 자외선(UV), 가시광선(VIS), 근적외선(NIR), 가시광선-근적외선(VIS- NIR), 단파 적외선(SWIR), 확장 단파 적외선(eSWIR), 근적외선 확장 단파 적외선(NIR-eSWIR), 중파 적외선(MIR) 및 장파 적외선(LWIR) 범위들 내의 광전 효과 또는 광자 여기에 의해 방출된 임의의 대역통과 또는 대역폭일 수 있다.
일부 실시예들에서, 조명원 변조는 조명원과 샘플 사이의 광학 경로에 필터를 배치시킴으로써 달성된다. 필터의 선택은 제한되지 않는다. 일부 실시예들에서, 필터는 선택된 파장들의 광을 투과시키는 대역통과 필터와 같은 고정 필터이다. 고정 필터들은 흡수 필터들, 간섭 필터들, 및 이색성 필터들을 포함한다. 일부 실시예들에서, 필터는 중성 밀도 필터이다. 중성 밀도 필터는 고정된 광속 감소를 가질 수 있거나, 가변적이어서 제어될 수 있다. 일부 실시예들에서, 필터는 거의 실시간으로 또는 실시간으로 광속을 변경하도록 제어될 수 있는 액정 필터 또는 LCoS(liquid crystal on silicon)이다. 일부 실시예들에서, 필터는 광속을 변조하는 기계적, 전기기계적, 또는 마이크로 전기기계적 디바이스이다. 기계적 필터들의 예들은 적어도 하나의 고정 필터를 갖는 회전 필터 휠들을 포함한다. 전기기계 필터들의 예들은 전기 모터들, 솔레노이드들 및 서보메커니즘들 중 하나 이상에 의해 이동되는 고정 필터들을 포함한다. 마이크로 전기기계 디바이스들의 예들은 디지털 마이크로미러 디바이스들을 포함한다. 디지털 마이크로미러 디바이스들은 텍사스주 댈러스 소재의 Texas Instruments Incorporated로부터 상표명 DLP®로 입수가능하다.
튜닝가능 LED 소스의 일 예는 32 개의 LED 채널들을 포함하고, 각각은 광 대역에 대응하지만, 다른 수의 채널들을 갖는 다른 소스들이 활용될 수 있다. 채널들 각각은 0(즉, 광 출력 없음) 내지 1(즉, 최대 광 출력) 범위의 설정을 가질 수 있다. 채널들은 0에서 1까지의 설정 범위 사이에서 유한한 양의 정밀도로 튜닝가능하다. 32 개 채널들에 대한 설정들의 각 조합은 고유한 조명 스펙트럼에 대응하는 튜닝가능 LED 소스에 대한 복수의 튜닝 상태들 중 하나를 포함한다. 일 예에서, 튜닝가능 LED 소스의 32 개 채널들에 대한 설정은 분석물 분석 컴퓨팅 디바이스에 의해 제공될 수 있지만, 다른 예들에서, 설정들은 분석물 분석 컴퓨팅 디바이스로부터의 피드백에 기반하여 튜닝가능 LED 광원과 연관된 제어 유닛에 의해 설정될 수 있다. 추가 예들에서, 제어 유닛 및 분석물 분석 컴퓨팅 디바이스는 단일 디바이스일 수 있다. 일 예에서, 튜닝가능 LED 소스에 대한 하나 이상의 튜닝 상태들은 아래에 설명된 예시적인 방법들을 사용하여, 획득된 이미지에서 타겟 분석물과 배경 재료들 간의 최적의 판별을 결정하기 위해 결정될 수 있다.
조명원 변조가 조명원과 샘플 사이의 광학 경로에 필터를 배치시킴으로써 달성될 수 있지만, 일부 실시예들에서 조명원과 샘플 사이의 광학 경로로부터 임의의 필터들 또는 다른 관련된 수정 광학계를 완전히 생략하는 것이 바람직하다. 이러한 실시예들은 샘플로 지향되는 광자들의 원하는 파장들의 제어 및 선택을 위해 조명원에만 전적으로 의존한다.
타겟 판별
주어진 시야 내에서 타겟을 더 잘 식별하기 위해, 본 개시내용은 적어도 하나의 파장 또는 파장 범위를 갖는 광자들의 적어도 하나의 빔으로 적어도 하나의 타겟을 조명하는 시스템들 및 방법들을 상세히 설명한다. 광대역 광자들이 조명원에 의해 먼저 생성된 다음, 필터링되고, 이어서 조명 광자들이 타겟과 상호작용하여 상호작용된 광자들을 생성하는 타겟으로 지향되는 관련 기술들과 대조적으로, 본 개시내용은 상이한 구성을 설명한다. 본 개시내용에서, 조명 광자들은 조명원 자체에 의해 변조되고, 이는 조명 광자들의 상이한 스펙트럼 프로파일을 초래한다. 일부 실시예들에서, 조명 광자들은 튜닝되지만 타겟에 도달하고 타겟과 상호작용하기 전에 필터링되지 않는다. 다른 실시예들에서, 조명 광자들은 튜닝되지만 타겟에 도달하여 상호작용하기 전에 필터링된다.
이미지 센서는 튜닝가능 LED 소스로부터의 조명에 기초하여 샘플로부터 상호작용된 광자들을 수집하도록 배치된다. 일 예에서, 튜닝가능 LED 소스의 채널들이 튜닝가능 LED 소스에 대해 상이한 튜닝 상태들을 제공하도록 조정될 때 상호작용된 광자들은 실시간으로 수집된다. 예로서, 이미지 센서는 CCD 검출기, InGaAs 검출기, CMOS 검출기, InSb 검출기, MCT 검출기, 또는 이들의 조합들과 같은 하나 이상의 이미징 디바이스들을 포함할 수 있지만, 다른 유형들 및/또는 개수들의 이미지 센서들이 이용될 수 있다. 미러들 및/또는 렌즈들과 같은 하나 이상의 광학장치는 상호작용된 광자들을 이미지 센서로 지향하게 하는 데 활용될 수 있다. 상호작용된 광자들은 샘플에 의해 흡수된 광자들, 샘플에서 반사된 광자들, 샘플에 의해 산란된 광자들, 또는 샘플에 의해 방출된 광자들 중 하나 이상을 포함한다.
이미지 센서는 샘플의 조명에 기반하여 하나 이상의 데이터 세트들을 생성하도록 구성된다. 일 예에서, 이미지 센서는 튜닝가능 LED 소스의 제1 튜닝 상태 및 튜닝가능 LED 소스의 제2 튜닝 상태와 각각 연관된 제1 데이터 세트 및 제2 데이터 세트를 생성하지만, 이미지 센서는 다양한 튜닝 상태들과 연관된 다른 개수들의 데이터 세트들을 생성할 수 있다. 이 예에서, 데이터 세트들의 각각은 위에서 설명된 바와 같이 튜닝가능 LED 소스의 채널들의 설정에 기반하여 조명 스펙트럼과 연관된다.
하나 이상의 실시예들에서, 적어도 2 개의 스펙트럼들, 하나의 하이퍼큐브(hypercube) 및/또는 적어도 하나의 이미징 데이터 세트는 분광계, 액정 튜닝 필터(LCTF), 다중-공액 필터(MCF), 등각 필터(CF), 음향-광학 튜닝 필터(AOTF), 또는 다변량 광학 요소(MOE) 기반 이미징 시스템과 스펙트럼 매트릭스 중 하나 이상에 의해 샘플과 상호작용하는 광자들로부터 수집된다. 모델은 구축되고 수집된 스펙트럼 매트릭스에 적용된다. 모델의 적용에 기반하여, 적어도 하나의 회귀 계수가 계산된다. 계산된 회귀 계수(들)는 적어도 2 개의 스펙트럼, 1 개의 하이퍼큐브 및/또는 적어도 1 개의 이미징 데이터 세트에 적용될 때, 대비를 증가시켜, 배경에서 타겟을 판별한다. 타겟과 배경을 구별하기 위한 튜닝 상태들은 양수 및/또는 음수 회귀 계수들에서 결정될 수 있다. 일반적으로, 음의 회귀 계수들은 타겟에 대응하고 양의 회귀 계수들은 배경에 대응한다. 이 예에서 분석물 분석 컴퓨팅 디바이스는 프로세서(들), 메모리 및 통신 인터페이스를 포함하고, 이들은 버스에 의해 함께 결합되지만, 분석물 분석 컴퓨팅 디바이스는 다른 예들에서 다른 구성들의 다른 유형들 또는 개수들의 요소들을 포함할 수 있다. 예를 들어, 분석물 분석 컴퓨팅 디바이스는 아날로그 투 디지털 변환기들 등과 같은 이미지 분석을 위한 다른 전자장치를 포함할 수 있다.
일부 실시예들에서, 하나 이상의 스펙트럼들 또는 하이퍼큐브들은 샘플 또는 배경에서 직접 수집되지 않는다. 대신, 스펙트럼 매트릭스는 타겟들 및 배경들과 관련되거나 동일한 참조 재료들로부터의 복수의 스펙트럼들 또는 초분광 파장들 및 강도들로 형성된다. 그러한 실시예들에서, 스펙트럼 매트릭스는 스펙트럼 라이브러리의 일부일 수 있다. 또한, 이러한 실시예들에서, 회귀 분석은 복수의 초분광 파장들 및 강도들로 구성된 스펙트럼 매트릭스에 적합하다.
스펙트럼 매트릭스에 적합한 회귀 분석은 제한되지 않고, 회귀 계수 벡터, 또는 특징들 또는 변수들을 변조하기 위한 가중치들의 벡터를 생성하는 임의의 회귀 또는 분류 방법을 포함한다. 회귀 분석의 예들은 부분 최소 제곱 판별 분석(PLSDA), 주성분 분석(PCA), 선형 판별 분석(LDA), 선형 회귀, 로지스틱 회귀, 리지 회귀, lasso(least absolute shrinkage and selection operator) 회귀, 엘라스틱넷 회귀, 서포트 벡터 머신(SVM)들, RVM(relevance vector machine), 및 LARS(least angle regression) 중 하나 이상을 포함한다.
분석물 분석 컴퓨팅 디바이스의 프로세서(들)는 본원에 설명되고 예시된 임의의 수의 기능들에 대해 분석물 분석 컴퓨팅 디바이스의 메모리에 저장된 프로그래밍된 명령들을 실행할 수 있다. 분석물 분석 컴퓨팅 디바이스의 프로세서(들)는 예를 들어 하나 이상의 중앙 처리 디바이스(CPU) 또는 하나 이상의 프로세싱 코어들을 가진 범용 프로세서들을 포함할 수 있지만, 다른 유형들의 프로세서(들)가 또한 사용될 수 있다.
분석물 분석 컴퓨팅 디바이스의 메모리는 본원에 설명되고 예시된 바와 같은 본 기술의 하나 이상의 양태들에 대해 이들 프로그래밍된 명령들을 저장하지만, 프로그래밍된 명령들의 일부 또는 전부는 다른 곳에 저장될 수 있다. RAM(Random Access Memory), ROM(Read Only Memory), 하드 디스크, SSD(Solid State Drive)들, 플래시 메모리 및/또는 프로세서(들)에 결합된 자기, 광학, 또는 다른 판독 및 기록 시스템에서 판독 및 기록되는 임의의 다른 컴퓨터 판독가능 매체와 같은 다양한 상이한 유형들의 메모리 저장 디바이스들은 메모리에 사용될 수 있다.
예들
예 1
테스팅은 스펙트럼 데이터에 구축된 PLSDA 모델로부터의 회귀 계수들이 조명 프로파일들을 최적화할 수 있는지 여부를 결정하기 위해 수행된다. 모델에서 결정된 프로파일들 각각은 타겟 판별을 위해 생성된다. 타겟을 나타내는 신경조직이 배경을 나타내는 라드(lard) 위에 배치된 실험예가 준비되었다. 또한, 염색된 콜라겐은 타겟을 가리고 신체 조직을 시뮬레이팅하기 위해서 샘플의 배경으로 제공되었다. 샘플은 라드 상의 돼지 신경이고 염색된 콜라겐의 두께는 1mm였다.
예 1에서, 조명 광자들은 튜닝가능 LED 시스템, North Sutton, NH의 Labsphere, Inc.로부터 입수가능한 CCS-1000/1100에 의해 생성되었다. 튜닝가능 LED 시스템은 약 400 nm 내지 약 1000 nm의 파장 범위를 갖는 광자들을 생성한다. 튜닝가능 LED 시스템은 내시경 플랫폼에 결합되었다. 내시경 플랫폼은 조명 광자들을 타겟으로 지향하게 할 뿐만 아니라, 적어도 하나의 렌즈를 통해 상호작용된 광자들을 수집하도록 구성된다.
VIS-NIR MCI-E G1.0 시스템 및 VIS-NTR FAST(fiber array spectral translator) 시스템인 2 개의 개별 시스템들은 스펙트럼 데이터를 수집하기 위해 사용되었다. MCI-E G1.0 시스템은 LCTF 기반 이미징 시스템을 대표하고 FAST 시스템은 분광계 기반 시스템을 대표한다. 이후, MCI-E G1.0 시스템과 FAST 시스템에 의해 수집된 스펙트럼 데이터는 2 개의 인자들 L2 스펙트럼 정규화를 사용하여 부분 최소 제곱 판별 분석(PLS-DA)으로 분석되어 각각 2 개의 PLS-DA 모델을 생성하였다. 회귀 계수들은 둘 모두의 모델들에서 획득되었고, 회귀 계수들은 모델당 2 개의 조명 프로파일들을 생성하는 데 사용되었다. 2 개의 조명 프로파일들은 T1 및 T2로 표시된다. 0보다 작은 값들을 갖는 위의 분석에서 획득된 회귀 계수들은 T2에 대응하는 것으로 지정되고, 0보다 큰 위의 분석에서 획득된 회귀 계수들은 T1에 대응하는 것으로 지정되었다. 음의 계수들이 양의 조명 프로파일을 갖도록 각각의 절대 값이 취해졌다. 따라서, 계수 대 파장의 프로파일들은 튜닝가능 LED 시스템에 통합되어 조명 프로파일들을 생성하였다.
샘플의 T1 및 T2 이미지들은 튜닝가능 LED 시스템을 사용하여 MCI-E G1.0 및 FAST PLS-DA 모델둘 둘 모두에 대해 수집되었다. 이미지들의 조작은 아래의 스코어 식 I(SCORE Formula I)을 통해 수행되었다:
{(T1 - T2)/(T1 + T2) ⅹ (T1/T2)} (식 I)
데이터 조작의 결과, 콜라겐이 가려짐에도 불구하고, 신경과 배경들 사이의 대조가 달성되었다. 예 1에서, 80 mm 작동 거리(WD)의 샘플은 FAST PLS-DA 모델을 사용하여 6.1431의 신호 대 잡음비(SNR) 및 0.996의 AUROC와 MCI-E G1.0 모델에 대해 4.119의 신호 대 잡음비 및 0.987의 AUROC를 초래하였다. AUROC는 "수신기 동작 특성 곡선 아래 영역"을 의미한다.
예 2
FAST 모델을 사용하여 실시예 1과 동일한 절차를 사용하여 추가 테스트가 수행되었다. 샘플 포지션이 변경되었지만, 동일한 80 mm WD가 선택되었다. 결과로서, SNR은 5.915, AUROC는 0.974였다.
예 3
FAST 모델을 사용하여 실시예 1과 동일한 절차를 사용하여 추가 테스트가 수행되었다. 샘플 포지션이 변경되었지만, 동일한 80 mm WD가 선택되었다. 결과로서, SNR은 4.901, AUROC는 0.998였다.
본 개시내용은 다양한 양태들의 예시들로서 의도된 본 출원에서 설명된 특정 실시예들에 관하여 제한되지 않는다. 통상의 기술자들에게 명백한 바와 같이, 그 정신 및 범위를 벗어나지 않고 많은 수정들 및 변형들이 이루어질 수 있다. 본 원에 열거된 것들에 더하여, 본 개시내용의 범위 내에서 기능적으로 등가인 방법들 및 장치들은 전술한 설명들로부터 통상의 기술자들에게 명백할 것이다. 이러한 수정들 및 변형들은 첨부된 청구범위들의 범위 내에 속하는 것으로 의도된다. 본 개시내용은 그러한 청구범위가 부여받는 등가물들의 전체 범위와 함께, 첨부된 청구범위의 조건에 의해서만 제한되어야 한다. 본 개시내용이 물론 변할 수 있는 특정 방법들, 시약들, 화합물들, 조성물들 또는 생물학적 시스템들로 제한되지 않음이 이해되어야 한다. 또한, 본원에 사용된 용어가 단지 특정 예시적 실시예들만을 설명하기 위한 것이고 제한하도록 의도되지 않는다는 것이 이해되어야 한다.
본원에서 실질적으로 임의의 복수 및/또는 단수 용어들의 사용과 관련하여, 통상의 기술자들은 문맥 및/또는 애플리케이션에 적절하게 복수에서 단수로 및/또는 단수에서 복수로 번역할 수 있다. 명료함을 위해 다양한 단수/복수 순열들이 본원에 명시적으로 설명될 수 있다.
일반적으로, 본원에 사용된 용어들, 및 특히 첨부된 청구범위(예를 들어, 첨부된 청구범위의 본문)에서 사용되는 용어가 일반적으로 "개방" 용어들(예를 들어, "포함하는"이라는 용어가 "포함하지만 제한되지 않는”으로 해석되어야 하고, "가지는"이라는 용어가 "적어도 가지는"으로 해석되어야 하고, "포함하다"라는 용어가 "포함하지만 이에 국한되지 않는다"으로 해석되어야 하는, 등)로서 의도된다. 다양한 구성들, 방법들 및 디바이스들이 다양한 구성요소들 또는 단계들을 "포함하는"이라는 용어로 설명되지만("포함하지만 이에 국한되지 않는" 의미로 해석됨), 조성물들, 방법들 및 디바이스들은 또한 "본질적으로 구성되는" 또는 "다양한 구성요소들과 단계들로 구성되고, 이러한 용어는 본질적으로 폐쇄-멤버 그룹들을 정의하는 것으로 해석되어야 한다. 특정 수의 도입된 청구범위 인용이 의도된 경우, 그러한 의도가 청구범위에 명시적으로 인용될 것이고, 그러한 인용이 없을 경우 그러한 의도가 존재하지 않는다는 것이 통상의 기술자들에 의해 추가로 이해될 것이다.
예를 들어, 이해를 돕기 위해, 다음의 첨부된 청구범위는 청구범위 인용들을 도입하기 위해 "적어도 하나" 및 "하나 이상"이라는 도입구들의 사용을 포함할 수 있다. 그러나, 동일한 청구범위가 "하나 이상" 또는 "적어도 하나"라는 도입구들과 "a" 또는 "an"(예를 들어, "a" 및/또는 "an"은 “적어도 하나" 또는 "하나 이상"을 의미하는 것으로 해석되어야 함)과 같은 단수형들을 포함하고; 청구항 인용들을 도입하기 위해 사용되는 정관사들의 사용에도 마찬가지인 경우에서도, 그러한 문구들의 사용은 단수형들("a" 또는 "an")에 의한 청구범위 인용의 도입이 그러한 도입된 청구범위 인용을 포함하는 임의의 특정 청구범위를 하나의 그러한 인용만을 포함하는 실시예들로 제한한다는 것을 의미하는 것으로 해석되어서는 안 된다.
또한, 특정 수의 도입된 청구범위가 명시적으로 인용되더라도, 통상의 기술자들은, 그러한 인용이 적어도 인용된 수를 의미하는 것으로 해석되어야 한다는 것을 인식할 것이다(예를 들어, "2 개의 인용들"의 기본적인 인용은 다른 수식어 없이, 적어도 2 개의 인용들 또는 2 개 이상의 인용들을 의미함). 또한, "A, B, 및 C 등 중 적어도 하나"와 유사한 관례가 사용되는 경우들에서, 일반적으로 그러한 구성은 통상의 기술자가 관례를 이해할 수 있는 의미에서 의도된다( 예를 들어, "A, B 및 C 중 적어도 하나를 갖는 시스템"은 A 단독, B 단독, C 단독, A 및 B 함께, A 및 C 함께, B 및 C 함께, 및/또는 A, B 및 C와 함께 등을 갖는 시스템들을 포함하지만 이에 국한되지 않음). "A, B, 및 C 등 중 적어도 하나 등"과 유사한 관례가 사용되는 경우들에서, 일반적으로 그러한 구성은 통상의 기술자가 관례를 이해할 수 있는 의미에서 의도된다( 예를 들어, "A, B 또는 C 중 적어도 하나를 갖는 시스템"은 A 단독, B 단독, C 단독, A 및 B 함께, A 및 C 함께, B 및 C 함께, 및/또는 A, B 및 C와 함께 등을 갖는 시스템들을 포함하지만 이에 국한되지 않음). 설명에서든 청구범위에서든, 2 개 이상의 대체 용어들을 제시하는 사실상 모든 이접어 및/또는 구가 용어들 중 하나, 용어들 중 어느 하나, 또는 둘 모두의 용어들을 포함하는 가능성들을 고려하는 것으로 이해되어야 한다는 것이 통상의 기술자들에 의해 추가로 이해될 것이다. 예를 들어, "A 또는 B"라는 문구는 "A" 또는 "B" 또는 "A 및 B"의 가능성들을 포함하는 것으로 이해될 것이다.
또한, 본 개시내용의 특징들 또는 양태들이 Markush 그룹들의 관점에서 설명되는 경우, 통상의 기술자들은 본 개시내용이 또한 이에 의해 Markush 그룹의 임의의 개별 멤버 또는 멤버들의 서브그룹의 관점에서 설명된다는 것을 인식할 것이다.
통상의 기술자에 의해 이해될 바와 같이, 서면 설명을 제공하는 것과 같은 임의의 모든 목적을 위해, 본원에 개시된 모든 범위들은 또한 임의의 및 모든 가능한 서브범위들 및 이의 서브범위들의 조합들을 포함한다. 임의의 나열된 범위는 동일한 범위가 최소한 절반, 1/3, 1/4, 1/5, 1/10 동일 등으로 분류되는 것을 충분히 설명하고 이를 가능하게 하는 것으로 쉽게 인식될 수 있다. 비제한적인 예로서, 본원에 논의된 각 범위는 하위 1/3, 중간 1/3 및 상위 1/3 등으로 쉽게 분류될 수 있다. 또한 통상의 기술자에 의해 이해되는 바와 같이, "최대", "적어도" 등과 같은 모든 언어는 인용된 수를 포함하고 위에서 논의된 바와 같이 후속적으로 서브범위들로 분류될 수 있는 범위들을 지칭한다. 마지막으로, 통상의 기술자에 의해 이해되는 바와 같이, 범위는 각각의 개별 멤버를 포함한다. 따라서, 예를 들어, 1-3 개의 셀들을 갖는 그룹은 1, 2 또는 3 개의 셀들을 갖는 그룹들을 지칭한다. 유사하게, 1 내지 5 개의 셀들을 갖는 그룹은 1, 2, 3, 4 또는 5 개의 셀들 등을 갖는 그룹들 등을 지칭한다.
상기 개시된 다양한 다른 특징들 및 기능들, 또는 그 대안들은 많은 다른 시스템들 또는 애플리케이션들로 조합될 수 있다. 본원에서 현재 예측하지 못한 또는 예상치 못한 다양한 대안들, 수정들, 변형들 또는 개선들은 이후에 통상의 기술자들에 의해 이루어질 수 있고, 이들 각각은 또한 개시된 실시예들에 의해 포함되도록 의도된다.
Claims (16)
- 배경 재료로부터 타겟을 판별하는 방법에 있어서,
복수의 스펙트럼 파장들 및 강도들에 대응하는 스펙트럼 매트릭스를 획득하는 단계;
상기 스펙트럼 매트릭스로부터 적어도 하나의 회귀 계수를 생성하는 단계;
상기 적어도 하나의 회귀 계수에 대응하는 광자들의 적어도 하나의 통과대역을 선택함으로써 조명원을 변조하는 단계;
적어도 하나의 광자들의 통과대역을 상기 타겟 및 상기 배경 재료로 지향시켜 상기 타겟에 대응하는 제1 상호작용 광자들과 상기 배경 재료에 대응하는 제2 상호작용 광자들을 생성하는 단계; 및
상기 제1 상호작용 광자들 및 상기 제2 상호작용 광자들로부터 스코어 이미지를 생성하는 단계로서, 상기 스코어 이미지는 상기 타겟 및 상기 배경 재료를 식별하는 콘트라스트를 포함하는, 상기 스코어 이미지를 생성하는 단계를 포함하는, 타겟을 판별하는 방법. - 제 1 항에 있어서, 상기 적어도 하나의 회귀 계수를 생성하는 단계는 부분 최소 제곱 판별 분석(PLSDA: partial least squares discrimination analysis), 주성분 분석(PCA), 선형 판별 분석(LDA), 선형 회귀, 로지스틱 회귀, 리지 회귀(ridge regression), lasso(least absolute shrinkage and selection operator) 회귀, 엘라스틱넷 회귀(elastic net regression), 서포트 벡터 머신(SVM: support vector machine)들, RVM(relevance vector machine)들, 및 LARS(least angle regression) 중 하나 이상에 의해 수행되는, 타겟을 판별하는 방법.
- 제 2 항에 있어서, 상기 PLSDA, PCA, LDA, 선형 회귀, 로지스틱 회귀, 리지 회귀, lasso 회귀, 엘라스틱넷 회귀, SVM, RVM, 및 LARS 중 하나 이상은 상기 샘플에 대해 직접 최적화하지 않고, 상기 PLSDA, PCA, LDA, 선형 회귀, 로지스틱 회귀, 리지 회귀, lasso 회귀, 엘라스틱넷 회귀, SVM, RVM, 및 LARS 중 하나 이상은 상기 배경 자료에 대해 직접 최적화하지 않는, 타겟을 판별하는 방법.
- 제 1 항에 있어서, 상기 변조하는 단계는 상기 조명원을 튜닝함으로써 달성되는, 타겟을 판별하는 방법.
- 제 1 항에 있어서, 상기 스펙트럼 매트릭스는 스펙트럼 라이브러리로부터 획득되는, 타겟을 판별하는 방법.
- 제 1 항에 있어서, 상기 스펙트럼 매트릭스는 분광계로부터 획득되는, 타겟을 판별하는 방법.
- 제 6 항에 있어서, 상기 분광계는 FAST(Fiber Array Spectral Translator), 단일 편광 분광계, 이중 편광 분광계, 및 이들의 조합으로 이루어진 그룹으로부터 선택되는, 타겟을 판별하는 방법.
- 제 1 항에 있어서, 상기 스펙트럼 매트릭스는 등각 필터(CF), 다중-공액 필터(MCF), 음향-광학 튜닝 필터(AOTF), 액정 튜닝 필터(LCTF), 또는 다변량 광학 요소(MOE) 중 적어도 하나로부터 획득되는, 타겟을 판별하는 방법.
- 배경 재료로부터 타겟을 판별하기 위한 디바이스에 있어서,
상기 디바이스는 프로세서 및 비-일시적 컴퓨터 판독가능 매체를 포함하고, 상기 비-일시적 컴퓨터 판독가능 매체는, 실행될 때, 상기 프로세서가:
복수의 스펙트럼 파장들 및 강도들에 대응하는 스펙트럼 매트릭스를 획득하게 하고;
상기 스펙트럼 매트릭스로부터 적어도 하나의 회귀 계수를 생성하게 하고;
상기 적어도 하나의 회귀 계수에 대응하는 광자들의 적어도 하나의 통과대역을 선택함으로써 조명원을 변조하게 하고;
적어도 하나의 광자들의 통과대역을 상기 타겟 및 상기 배경 재료로 지향시켜 상기 타겟에 대응하는 제1 상호작용 광자들과 상기 배경 재료에 대응하는 제2 상호작용 광자들을 생성하게 하고;
상기 제1 상호작용 광자들 및 상기 제2 상호작용 광자들로부터 스코어 이미지를 생성하게 하고, 상기 스코어 이미지는 상기 타겟 및 상기 배경 재료를 식별하는 콘트라스트를 포함하는, 타겟을 판별하기 위한 디바이스. - 제 9 항에 있어서, 상기 프로세서는 부분 최소 제곱 판별 분석(PLSDA), 주성분 분석(PCA), 선형 판별 분석(LDA), 선형 회귀, 로지스틱 회귀, 리지 회귀, lasso(least absolute shrinkage and selection operator) 회귀, 엘라스틱넷 회귀, 서포트 벡터 머신(SVM)들, RVM(relevance vector machine)들, 및 LARS(least angle regression) 중 하나 이상에 의해 상기 적어도 하나의 회귀 계수를 생성하는, 타겟을 판별하기 위한 디바이스.
- 제 10 항에 있어서, 상기 PLSDA, PCA, LDA, 선형 회귀, 로지스틱 회귀, 리지 회귀, lasso 회귀, 엘라스틱넷 회귀, SVM, RVM, 및 LARS 중 하나 이상은 상기 샘플에 대해 직접 최적화하지 않고, 상기 PLSDA, PCA, LDA, 선형 회귀, 로지스틱 회귀, 리지 회귀, lasso 회귀, 엘라스틱넷 회귀, SVM, RVM, 및 LARS 중 하나 이상은 상기 배경 자료에 대해 직접 최적화하지 않는, 타겟을 판별하기 위한 디바이스.
- 제 9 항에 있어서, 상기 프로세서는 상기 조명원을 튜닝함으로써 상기 조명원을 변조하는, 타겟을 판별하기 위한 디바이스.
- 제 9 항에 있어서, 상기 프로세서는 스펙트럼 라이브러리로부터 상기 스펙트럼 매트릭스를 획득하는, 타겟을 판별하기 위한 디바이스.
- 제 9 항에 있어서, 상기 프로세서는 분광계로부터 상기 스펙트럼 매트릭스를 획득하는, 타겟을 판별하기 위한 디바이스.
- 제 14 항에 있어서, 상기 분광계는 FAST(Fiber Array Spectral Translator), 단일 편광 분광계, 이중 편광 분광계, 및 이들의 조합으로 이루어진 그룹으로부터 선택되는, 타겟을 판별하기 위한 디바이스.
- 제 9 항에 있어서, 상기 스펙트럼 매트릭스는 등각 필터(CF), 다중-공액 필터(MCF), 음향-광학 튜닝 필터(AOTF), 액정 튜닝 필터(LCTF), 또는 다변량 광학 요소(MOE) 중 적어도 하나로부터 획득되는, 타겟을 판별하기 위한 디바이스.
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201962951507P | 2019-12-20 | 2019-12-20 | |
| US62/951,507 | 2019-12-20 | ||
| PCT/US2020/066132 WO2021127512A1 (en) | 2019-12-20 | 2020-12-18 | System and method for spectral library training |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220123490A true KR20220123490A (ko) | 2022-09-06 |
Family
ID=76438138
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020227024951A KR20220123490A (ko) | 2019-12-20 | 2020-12-18 | 스펙트럼 라이브러리 훈련을 위한 시스템 및 방법 |
Country Status (7)
| Country | Link |
|---|---|
| US (1) | US11293802B2 (ko) |
| EP (1) | EP4076133A4 (ko) |
| JP (1) | JP2023510505A (ko) |
| KR (1) | KR20220123490A (ko) |
| CN (1) | CN114980798A (ko) |
| BR (1) | BR112022012074A2 (ko) |
| WO (1) | WO2021127512A1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2023507929A (ja) * | 2019-12-12 | 2023-02-28 | ケムイメージ コーポレーション | 組織ターゲットの区別のためのシステムおよび方法 |
| CN113865707B (zh) * | 2021-09-24 | 2023-08-18 | 西安电子科技大学 | 基于lctf和岭回归光谱模型的高光谱成像系统及方法 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7920908B2 (en) | 2003-10-16 | 2011-04-05 | David Hattery | Multispectral imaging for quantitative contrast of functional and structural features of layers inside optically dense media such as tissue |
| US20110178420A1 (en) * | 2010-01-18 | 2011-07-21 | Trent Ridder | Methods and apparatuses for improving breath alcohol testing |
| US8406859B2 (en) * | 2008-08-10 | 2013-03-26 | Board Of Regents, The University Of Texas System | Digital light processing hyperspectral imaging apparatus |
| US8818754B2 (en) * | 2011-04-22 | 2014-08-26 | Nanometrics Incorporated | Thin films and surface topography measurement using reduced library |
| US9041932B2 (en) * | 2012-01-06 | 2015-05-26 | Chemimage Technologies Llc | Conformal filter and method for use thereof |
| US9088693B2 (en) * | 2012-09-28 | 2015-07-21 | Polycom, Inc. | Providing direct eye contact videoconferencing |
| US9322777B2 (en) * | 2012-10-29 | 2016-04-26 | Tokitae Llc | Systems, devices, and methods employing angular-resolved scattering and spectrally resolved measurements for classification of objects |
| US10779713B2 (en) * | 2014-12-09 | 2020-09-22 | Chemimage Corporation | Molecular chemical imaging endoscopic imaging systems |
-
2020
- 2020-12-18 JP JP2022537576A patent/JP2023510505A/ja active Pending
- 2020-12-18 US US17/127,464 patent/US11293802B2/en active Active
- 2020-12-18 CN CN202080093556.3A patent/CN114980798A/zh active Pending
- 2020-12-18 KR KR1020227024951A patent/KR20220123490A/ko unknown
- 2020-12-18 WO PCT/US2020/066132 patent/WO2021127512A1/en unknown
- 2020-12-18 BR BR112022012074A patent/BR112022012074A2/pt not_active Application Discontinuation
- 2020-12-18 EP EP20902873.7A patent/EP4076133A4/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US20210190586A1 (en) | 2021-06-24 |
| JP2023510505A (ja) | 2023-03-14 |
| CN114980798A (zh) | 2022-08-30 |
| WO2021127512A1 (en) | 2021-06-24 |
| US11293802B2 (en) | 2022-04-05 |
| EP4076133A4 (en) | 2024-01-17 |
| BR112022012074A2 (pt) | 2022-08-30 |
| EP4076133A1 (en) | 2022-10-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10448836B2 (en) | Methods and apparatus for coaxial imaging of multiple wavelengths | |
| US10939823B2 (en) | Image analysis device, image analysis method, and illumination device | |
| US8018589B2 (en) | Apparatus and methods relating to enhanced spectral measurement systems | |
| US20040218172A1 (en) | Application of spatial light modulators for new modalities in spectrometry and imaging | |
| US11293802B2 (en) | System and method for spectral library training | |
| JP2022513847A (ja) | 高精度マルチアパーチャスペクトルイメージングのためのシステムおよび方法 | |
| JP5632060B1 (ja) | ハイパースペクトルカメラおよびハイパースペクトルカメラ用プログラム | |
| EP3284396B1 (en) | Observation apparatus and method for visual enhancement of an observed object | |
| WO2015053144A1 (ja) | 核酸配列決定装置及び核酸配列決定方法 | |
| WO2021067677A1 (en) | Fusion of molecular chemical imaging with rgb imaging | |
| Monsalve et al. | Characterization of a multispectral imaging system based on narrow bandwidth power LEDs | |
| WO2020056178A1 (en) | Hyperspectral imaging method and device | |
| US11598717B2 (en) | Systems and methods for discrimination of tissue targets | |
| RU2510965C1 (ru) | Экспертно-криминалистический видеокомплекс | |
| US20230035060A1 (en) | Systems and methods for in situ optimization optimization of tunable light emitting diode sources | |
| CN110383803A (zh) | 补偿渐晕 | |
| Blasinski | Camera Design Optimization Using Image Systems Simulation | |
| US20220018713A1 (en) | Systems and methods of conformal spectral library training | |
| WO2022244645A1 (ja) | 撮像装置 | |
| CN115908211A (zh) | 一种样本阅片装置和方法 | |
| JP2023507587A (ja) | 組織検出の改善のためにイメージングモダリティを組み合わせるシステムおよび方法 |