KR20230067651A - 유체 샘플을 식별하기 위한 센서 및 그러한 센서에 품질 테스트를 적용하기 위한 방법 - Google Patents
유체 샘플을 식별하기 위한 센서 및 그러한 센서에 품질 테스트를 적용하기 위한 방법 Download PDFInfo
- Publication number
- KR20230067651A KR20230067651A KR1020237012552A KR20237012552A KR20230067651A KR 20230067651 A KR20230067651 A KR 20230067651A KR 1020237012552 A KR1020237012552 A KR 1020237012552A KR 20237012552 A KR20237012552 A KR 20237012552A KR 20230067651 A KR20230067651 A KR 20230067651A
- Authority
- KR
- South Korea
- Prior art keywords
- fluid sample
- signature
- sensor
- index
- sensors
- Prior art date
Links
- 239000012530 fluid Substances 0.000 title claims abstract description 128
- 238000012360 testing method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims description 35
- 238000006243 chemical reaction Methods 0.000 claims abstract description 55
- 230000008859 change Effects 0.000 claims abstract description 17
- 238000012797 qualification Methods 0.000 claims abstract description 15
- 230000003993 interaction Effects 0.000 claims abstract description 13
- 230000000704 physical effect Effects 0.000 claims abstract description 10
- 238000005259 measurement Methods 0.000 claims description 53
- 239000012491 analyte Substances 0.000 claims description 18
- 239000012855 volatile organic compound Substances 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 15
- 238000001514 detection method Methods 0.000 claims description 9
- 238000004519 manufacturing process Methods 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims description 7
- 230000010363 phase shift Effects 0.000 claims description 7
- 238000001179 sorption measurement Methods 0.000 claims description 6
- 239000012528 membrane Substances 0.000 claims description 4
- 229920000642 polymer Polymers 0.000 claims description 4
- 239000000758 substrate Substances 0.000 claims description 4
- 230000003750 conditioning effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 108090000765 processed proteins & peptides Proteins 0.000 claims description 3
- 238000001847 surface plasmon resonance imaging Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims 1
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 102000004196 processed proteins & peptides Human genes 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 239000000523 sample Substances 0.000 description 73
- 238000012545 processing Methods 0.000 description 18
- 238000010790 dilution Methods 0.000 description 10
- 239000012895 dilution Substances 0.000 description 10
- 230000004044 response Effects 0.000 description 8
- 239000013074 reference sample Substances 0.000 description 7
- WRMNZCZEMHIOCP-UHFFFAOYSA-N 2-phenylethanol Chemical compound OCCC1=CC=CC=C1 WRMNZCZEMHIOCP-UHFFFAOYSA-N 0.000 description 6
- 239000003570 air Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 6
- 238000002198 surface plasmon resonance spectroscopy Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 238000009826 distribution Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000000513 principal component analysis Methods 0.000 description 5
- 230000000638 stimulation Effects 0.000 description 5
- UFLHIIWVXFIJGU-ARJAWSKDSA-N (Z)-hex-3-en-1-ol Chemical compound CC\C=C/CCO UFLHIIWVXFIJGU-ARJAWSKDSA-N 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- QMVPMAAFGQKVCJ-UHFFFAOYSA-N citronellol Chemical compound OCCC(C)CCC=C(C)C QMVPMAAFGQKVCJ-UHFFFAOYSA-N 0.000 description 4
- 238000003795 desorption Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 235000019645 odor Nutrition 0.000 description 4
- 101100460147 Sarcophaga bullata NEMS gene Proteins 0.000 description 3
- 150000001875 compounds Chemical class 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 229940067107 phenylethyl alcohol Drugs 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- QMVPMAAFGQKVCJ-SNVBAGLBSA-N (R)-(+)-citronellol Natural products OCC[C@H](C)CCC=C(C)C QMVPMAAFGQKVCJ-SNVBAGLBSA-N 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 2
- JGQFVRIQXUFPAH-UHFFFAOYSA-N beta-citronellol Natural products OCCC(C)CCCC(C)=C JGQFVRIQXUFPAH-UHFFFAOYSA-N 0.000 description 2
- 235000000484 citronellol Nutrition 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- UFLHIIWVXFIJGU-UHFFFAOYSA-N hex-3-en-1-ol Natural products CCC=CCCO UFLHIIWVXFIJGU-UHFFFAOYSA-N 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 150000002894 organic compounds Chemical class 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 239000002904 solvent Substances 0.000 description 2
- 239000003039 volatile agent Substances 0.000 description 2
- 206010002653 Anosmia Diseases 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 108010076504 Protein Sorting Signals Proteins 0.000 description 1
- VYPSYNLAJGMNEJ-UHFFFAOYSA-N Silicium dioxide Chemical compound O=[Si]=O VYPSYNLAJGMNEJ-UHFFFAOYSA-N 0.000 description 1
- 239000012080 ambient air Substances 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 235000019558 anosmia Nutrition 0.000 description 1
- 239000000090 biomarker Substances 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002041 carbon nanotube Substances 0.000 description 1
- 229910021393 carbon nanotube Inorganic materials 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000001143 conditioned effect Effects 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000151 deposition Methods 0.000 description 1
- 230000008021 deposition Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 231100001261 hazardous Toxicity 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004001 molecular interaction Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002304 perfume Substances 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012372 quality testing Methods 0.000 description 1
- 239000003507 refrigerant Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000008786 sensory perception of smell Effects 0.000 description 1
- 238000013207 serial dilution Methods 0.000 description 1
- 239000000741 silica gel Substances 0.000 description 1
- 229910002027 silica gel Inorganic materials 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/02—Analysing fluids
- G01N29/022—Fluid sensors based on microsensors, e.g. quartz crystal-microbalance [QCM], surface acoustic wave [SAW] devices, tuning forks, cantilevers, flexural plate wave [FPW] devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
- G01N21/552—Attenuated total reflection
- G01N21/553—Attenuated total reflection and using surface plasmons
- G01N21/554—Attenuated total reflection and using surface plasmons detecting the surface plasmon resonance of nanostructured metals, e.g. localised surface plasmon resonance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/02—Analysing fluids
- G01N29/036—Analysing fluids by measuring frequency or resonance of acoustic waves
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N29/00—Investigating or analysing materials by the use of ultrasonic, sonic or infrasonic waves; Visualisation of the interior of objects by transmitting ultrasonic or sonic waves through the object
- G01N29/44—Processing the detected response signal, e.g. electronic circuits specially adapted therefor
- G01N29/4409—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison
- G01N29/4436—Processing the detected response signal, e.g. electronic circuits specially adapted therefor by comparison with a reference signal
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
- G01N21/552—Attenuated total reflection
- G01N21/553—Attenuated total reflection and using surface plasmons
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/01—Indexing codes associated with the measuring variable
- G01N2291/014—Resonance or resonant frequency
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/025—Change of phase or condition
- G01N2291/0255—(Bio)chemical reactions, e.g. on biosensors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2291/00—Indexing codes associated with group G01N29/00
- G01N2291/02—Indexing codes associated with the analysed material
- G01N2291/025—Change of phase or condition
- G01N2291/0256—Adsorption, desorption, surface mass change, e.g. on biosensors
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
- G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Acoustics & Sound (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Combustion & Propulsion (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Nanotechnology (AREA)
- Signal Processing (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
본 발명은, 유체 샘플을 입력하고 상기 유체 샘플을 특성화하는 전기 신호(S)로부터 얻어지는 대응하는 서명을 출력하도록 구성되는 센서(10)에 관한 것으로, 이 센서는: 적어도 하나의 반응 지점(18); 상기 적어도 하나의 반응 지점(18)과 유체 샘플의 상호작용에 의해 유도된 적어도 하나의 물리적 성질 변경을 측정하고 상기 전기 신호(18)를 출력하도록 구성되는 적어도 하나의 트랜스듀서(20);를 포함한다. 상기 센서(10)는 메트릭스가 적어도 하나의 미리규정된 자격부여 기준에 일치함을 확인함으로써 상기 메트릭스를 계산하는 것을 포함하는 품질 테스트를 통과하도록 인증되며(44), 상기 메트릭스는 복수의 기준 유체 샘플에 대해 상기 복수의 기준 유체 샘플의 각각의 서명의 클러스터링 품질 점수를 포함한다.
Description
본 발명은 유체 샘플을 입력하고 유체 샘플을 특성화하는 전기 신호로부터 얻어진 상응하는 서명을 출력하도록 구성된 센서에 관한 것이다. 그것은 또한 그러한 센서에 대해 품질 테스트를 관리하기 위한 방법 및 인증된 센서를 제조하기 위한 방법에 관한 것이다.
더 구체적으로, 본 발명은:
-
적어도 하나의 반응 지점; 및
-
적어도 하나의 반응 지점과 유체 샘플의 상호작용에 의해 유도된 적어도 하나의 물리적 성질 변경을 측정하고 전기 신호를 출력하도록 구성된 적어도 하나의 트랜스듀서를 포함하는 센서에 관한 것이다.
위에 언급된 전기 신호로부터 얻어진 서명은:
-
그것을 출력하기 전에 어떠한 특정 처리도 그것 상에 수행되지 않을 때 전기 신호 그 자체; 또는
-
예를 들어, 증폭, 샘플링, 정규화, 특징 추출, (통계) 데이터 분석 등을 포함하는 트랜스듀서의 출력에 제공된 신호 상의 특정 처리의 결과일 수 있음이 언급되어야만 한다.
그러한 센서는 전자 잡음의 경우에, 예를 들어, 유체 샘플에서 휘발성 유기 화합물을 검출하고, 구별하고, 식별하도록 사용된다. 그것은:
-
예를 들어, 순수 후각 화합물 또는 그의 혼합물을 연구하거나 설계하기 위해, 측정하고, 식별하고, 비교하기 위한 향수 산업,
-
특히 후각 오염에 대한 환경의 보호 또는 거의 정제된 환경 모니터링의 품질,
-
잠재적으로 위험하거나 냄새가 나는 휘발성 물질에 의해 오염될 수 있는, 제조 현장의 감시,
-
후각 상실증을 겪고 있는 사람들에게 후각을 위한 대체재를 제공하거나 휘발성 생물학적 마커를 검출하기 위한 건강,
-
예를 들어, 음식 제조 및/또는 유통 체인에서 오염을 검출하기 위한 음식 산업,
-
임의의 냄새가 나는 제품의 통제가 유용할 수 있는 임의의 산업 분야와 같은 다양한 산업 분야에서 사용될 수 있다.
예는 특허 출원 WO 2019/053366 A1으로부터 알려진다. 네오세 프로(등록 상표)로 불리는 이러한 예는 2018년 이후 아리발 테크놀로지사에 의해 시판되었다. 그것은 트랜스듀서에 의해 제공된 각각의 전기 신호로부터 N개-구성요소 디지털 서명을 출력할 수 있는 프로세서를 포함하고, 서명은 각각의 검출된 냄새에 특정된다. 일반적으로, 정수 N은 반응 지점의 개수 이하이다. 다양한 유체 샘플에 대해 학습함으로써 그리고 다양한 조건 하에, 이러한 센서는 잠재적으로 모든 냄새를 식별할 수 있다.
냄새를 검출하고, 구별하고, 식별하는 것은 일반적으로 매우 주관적으로 간주된다. 결과적으로, 그러한 센서에 자격을 부여하는 것은 어렵고 대개 편향적으로 간주된다. 다른 센서를 비교하는 것 역시 어렵고, 그들 중 일부는 반응 지점 및 다른 기술로 만들어진 트랜스듀서를 가질 수 있다. 특히, 반응 지점의 바이오센서는 일반적으로 나노스케일에서 기판 상에 증착되거나 접목되고, 개선되고 정확한 자격부여 방법 없이 그러한 증착 또는 접목의 품질을 정확하게 평가하는 것은 어렵다.
따라서, 위에 언급된 문제 및 제한 중 적어도 일부를 극복할 수 있는 센서를 설계하는 것이 필요하다.
그러므로, 본 발명의 일 측면에서, 유체 샘플을 입력하고 유체 샘플을 특성화하는 전기 신호로부터 얻어진 상응하는 서명을 출력하도록 구성된 센서가 제안되고, 그 센서는:
-
적어도 하나의 반응 지점;
-
적어도 하나의 반응 지점과 유체 샘플의 상호작용에 의해 유도된 적어도 하나의 물리적 성질 변경을 측정하고 전기 신호를 출력하도록 구성된 적어도 하나의 트랜스듀서;를 포함하고,
센서는 메트릭스를 계산하고 메트릭스가 적어도 하나의 미리규정된 자격부여 기준에 일치함을 확인하는 것을 포함하는 품질 테스트를 통과하도록 인증되고, 메트릭스는 복수의 기준 유체 샘플에 대해, 복수의 기준 유체 샘플의 각각의 서명의 클러스터링 품질 점수를 포함한다.
따라서, 여러 기준 유체 샘플로부터 얻어진 여러 서명의 클러스터링 품질 점수에 기반한 메트릭스 덕분에, 센서는 그것을 다른 것과 공평하게 기술적으로 비교하거나 특정 객관적인 수준의 품질을 보장할 수 있게 하는 품질 테스트를 통과하도록 인증될 수 있다.
선택적으로, 클러스터링 품질 점수는 복수의 기준 유체 샘플의 각각의 서명 중 일부 또는 전부의 각각에 대해 계산된 클러스터 내 거리 및 클러스터 외 거리를 조합하는 유효성 지수에 기반해 계산된다.
선택적으로 또한, 메트릭스는 신호 대 잡음비, 검출 제한, 반복성의 지수 및 재현성의 지수 중 하나 이상을 더 포함한다.
선택적으로 또한, 본 발명에 따른 센서는 기준 서명 중 하나에 연관된 유체 샘플의 서명을 갖기 위해서, 각각의 기준 유체 샘플의 기준 서명의 데이터베이스에 연결된 분류기에 유체 샘플의 서명을 입력하도록 더 구성될 수 있고, 메트릭스는 분류 성능의 지수를 더 포함한다.
선택적으로 또한, 분류 성능의 지수는 기준 서명의 혼돈 행렬에 기반한다.
선택적으로 또한, 복수의 기준 유체 샘플 각각은 휘발성 유기 화합물을 포함한다.
선택적으로 또한, 본 발명에 따른 센서는 복수의 반응 지점을 더 포함할 수 있고, 반응 지점의 각각은 기판 상에 고정화된 펩타이드 또는 표면 상에 코팅된 폴리머와 같은 휘발성 유기 화합물에 대해 흡착하는 특징을 갖는 화학 성분을 포함한다.
선택적으로 또한, 적어도 하나의 트랜스듀서는:
-
플라스몬 효과 덕분에 굴절률에서 변화를 측정하도록 구성된 표면 플라스몬 공명 이미징 시스템; 또는
-
굴절률에서의 변화로 인한 위상 편이를 측정하도록 구성된 마하-젠더 간섭계; 또는
-
진동 멤브레인의 공진 주파수에서의 변화를 측정하도록 구성된 나노- 또는 마이크로-전기기계 시스템을 포함한다.
적어도 하나의 센서에 대한 품질 테스트를 관리하기 위한 방법으로서, 유체 샘플을 입력하고 유체 샘플을 특성화하는 전기 신호로부터 얻어진 상응하는 서명을 출력하도록 구성된 적어도 하나의 센서가 더 제안되고, 센서는:
-
적어도 하나의 반응 지점;
-
적어도 하나의 반응 지점과 유체 샘플의 상호작용에 의해 유도된 적어도 하나의 물리적 성질 변경을 측정하고 전기 신호를 출력하도록 구성된 적어도 하나의 트랜스듀서;를 포함하고,
방법은 복수의 기준 유체 샘플에 대해, 복수의 기준 유체 샘플의 각각의 서명의 클러스터링 품질 점수를 포함하는 메트릭스를 계산하는 단계를 포함한다.
선택적으로, 메트릭스를 계산하는 단계는:
a)
복수의 기준 피분석물을 선택하는 단계,
b)
미리규정된 수준을 초과하는 농도에서 복수의 기준 피분석물로, 복수의 기준 유체 샘플에서 그들을 컨디셔닝하는 단계,
c)
복수의 측정 사이클에 걸쳐 복수의 기준 유체 샘플의 상응하는 서명을 출력하는 단계,
d)
클러스터링을 위해 참(true) 기준 피분석물 라벨로 복수의 기준 유체 샘플의 상응하는 서명에 주석을 붙이는 단계,
e)
각각의 기준 유체 샘플(Si)에 대해, 클러스터 내의 상응하는 서명에 대해 클러스터 내 거리의 조합(ai)을 계산하는 단계,
f)
각각의 기준 유체 샘플(Si)에 대해, 클러스터와는 다른 클러스터(들)에서 서명과 상응하는 서명에 대해, 클러스터 외 거리(bi,j )의 적어도 하나의 조합을 계산하는 단계,
g)
기준 유체 샘플의 일부 또는 전부의 각각에 대해 클러스터 내 거리와 클러스터 외 거리를 조합하는 유효성 지수를 계산하는 단계를 포함한다．
선택적으로，클러스터링 품질 점수는 단계 ｇ）에서 계산된 하나 이상의 타당성 지수（들）에 기반한다．
선택적으로 또한，본 발명에 따른 방법은 동일한 센서에 대한 복수의 측정 실행에 대해, 적어도 단계 ａ） 내지 단계 ｃ）, 예를 들어, 단계 a) 내지 단계 d)를 반복하는 단계를 더 포함할 수 있고, 각각의 실행은 대략 미리규정된 간격의 시간에서 떨어져 있고, 메트릭스는:
-
복수의 측정 실행에 걸쳐 계산된 클러스터링 품질 점수;
-
복수의 측정 실행에 대해 유체 샘플의 서명의 강도의 분산 지수; 및
-
복수의 측정 실행에 대해 유체 샘플의 각각의 강도에 의해 정규화된 서명의 분산 지수 중 적어도 하나의 합성으로서 계산된 반복성의 지수를 더 포함한다.
선택적으로 또한, 본 발명에 따른 방법은 복수의 센서에 대해, 적어도 단계 ａ) 내지 단계 ｃ), 예를 들어, 단계 a) 내지 단계 d)를 반복하는 단계를 더 포함할 수 있고, 메트릭스는:
-
복수의 센서에 걸쳐 계산된 클러스터링 품질 점수;
-
복수의 센서에 대해 유체 샘플의 서명의 강도의 분산 지수; 및
-
복수의 센서에 대해 유체 샘플의 각각의 강도에 의해 정규화된 서명의 분산 지수 중 적어도 하나의 합성으로서 계산된 재현성의 지수를 더 포함한다.
선택적으로 또한, 본 발명에 따른 방법은 복수의 측정 실행에 대해, 적어도 단계 ａ) 내지 단계 ｃ), 예를 들어, 단계 a) 내지 단계 d)를 반복하고, 각각의 실행은 대략 미리규정된 간격의 시간에서 떨여져 있고, 각각의 측정 실행에 있어서, 복수의 센서에 대해 단계 a) 내지 단계 c), 예를 들어, 단계 a) 내지 단계 d)를 반복하는 단계를 더 포함할 수 있고, 메트릭스는:
-
복수의 측정 실행 및 복수의 센서에 걸쳐 계산된 클러스터링 품질 점수;
-
복수의 측정 실행 및 복수의 센서에 대해 유체 샘플의 서명의 강도의 분산 지수; 및
-
복수의 측정 실행 및 복수의 센서에 대해 유체 샘플의 각각의 강도에 의해 정규화된 서명의 분산 지수 중 적어도 하나의 합성으로서 계산된 반복성 및 재현성의 지수를 더 포함한다.
인증된 센서를 제조하기 위한 방법이 더 제안되고, 방법은:
-
유체 샘플을 입력하고 유체 샘플을 특성화하는 전기 신호로부터 얻어진 상응하는 서명을 출력하도록 구성된 센서를 제공하는 단계, 센서는 적어도 하나의 반응 지점과, 유체 샘플의 상호작용에 의해 유도된 적어도 하나의 물리적 성질 변경을 측정하고 전기 신호를 출력하도록 구성된 적어도 하나의 트랜스듀서를 포함하고;
-
센서에 대한 품질 테스트를 관리하기 위해 앞서 언급된 방법을 적용하는 단계;
-
품질 테스트를 관리함으로써 계산된 메트릭스가 적어도 하나의 미리규정된 자격부여 기준에 일치함을 확인하는 단계; 및
-
메트릭스가 적어도 하나의 미리규정된 자격부여 기준에 일치하는 한 센서를 인증하는 단계를 포함한다.
이하에서는 본 발명을 첨부된 도면을 참조하여 온전히 예시로서 제공된 실시예를 통하여 더 상세히 설명한다.
도 1은 본 발명의 구현예에 따라 유체 샘플을 입력하고 상응하는 서명을 출력하도록 구성된 센서의 일반적인 구조를 도해하여 나타내고,
도 2는 트랜스듀서가 센서의 반응 지점이 가시적인 표면 플라스몬 공명 이미징 시스템 또는 마하-젠더 간섭계를 포함할 때, 도 1에 센서의 트랜스듀서에 의해 생성된 이미지의 일반적인 실시예를 도시하고,
도 3은 예를 들어, 도 2의 것과 같은 이미지로부터 얻어진 응답 신호 또는 센서그램의 중첩된 시간 도해를 도시하고,
도 4는 도 3에 반사 신호의 처리로부터 얻어진 후각 서명을 도시하고,
도 5는 도 1에 센서를 사용하고 유체 샘플의 후각 서명을 얻기 위한 방법의 연속적인 단계를 도시하고,
도 6은 도 1에 센서에 대한 품질 테스트를 관리하기 위한 방법의 연속적인 단계를 도시하고, 그리고
도 7는 도 1에 센서를 제조하기 위한 방법의 연속적인 단계를 도시한다.
도 2는 트랜스듀서가 센서의 반응 지점이 가시적인 표면 플라스몬 공명 이미징 시스템 또는 마하-젠더 간섭계를 포함할 때, 도 1에 센서의 트랜스듀서에 의해 생성된 이미지의 일반적인 실시예를 도시하고,
도 3은 예를 들어, 도 2의 것과 같은 이미지로부터 얻어진 응답 신호 또는 센서그램의 중첩된 시간 도해를 도시하고,
도 4는 도 3에 반사 신호의 처리로부터 얻어진 후각 서명을 도시하고,
도 5는 도 1에 센서를 사용하고 유체 샘플의 후각 서명을 얻기 위한 방법의 연속적인 단계를 도시하고,
도 6은 도 1에 센서에 대한 품질 테스트를 관리하기 위한 방법의 연속적인 단계를 도시하고, 그리고
도 7는 도 1에 센서를 제조하기 위한 방법의 연속적인 단계를 도시한다.
도 1에 개략적으로 도시된 전자 센서 장치(10)는 비제한적인 어플리케이션, 즉, 냄새 식별을 위한 본 발명에 따른 센서의 비제한적인 실시예이다. 그것은 유체 샘플, 예를 들어, 가스 샘플을 입력하도록 설계된 챔버(12)를 포함한다. 이를 행하기 위해, 그것은 외부 챔버(12)로부터 유체 샘플을 끌어당겨 그것을 내부로 가져오도록 설계된 석션 장치(14)를 가질 수 있다. 그것은 또한 챔버(12)에 유체 샘플을 유지하도록 선택적으로 닫히거나 유체 샘플이 챔버(12)로부터 제거되는 것을 허용하도록 열릴 수 있는 출구(16)를 가질 수 있다. 양 석션 장치(14) 및 출구(16)는 선택적이고 본 발명에 따라서 전자 센서 장치에서 용이하게 제거될 수 있다.
챔버(12)에서, 센서 장치(10)는 이들 화합물의 방출에 의해 챔버(12)에 유지된 유체 샘플에 존재할 수 있는 휘발성 유기 화합물과 상호작용하도록 설계된, 각각의 반응 지점(18) 상에 여러 개의 후각 센서, 예를 들어, 약 60개를 포함한다. 각각의 후각 센서는 예를 들어, 휘발성 유기 화합물의 특정 족과 상호작용하도록 설계된 바이오센서이다. 특히, 각각의 반응 지점(18) 상의 각각의 후각 센서는 후각 센서와 연관된 족의 휘발성 유기 화합물과 상보적인, 기판 상에 고정화된 펩타이드 또는 표면 상에 코팅된 폴리머와 같은 분자를 포함할 수 있다. 기재된 실시예에서, 반응 지점(18)은 포지셔닝 그리드 상에 행렬로 배열된다, 즉, 그들은 이러한 그리드의 셀의 중심에 각기 위치된다.
반응 지점(18)은 적어도 하나의 트랜스듀서(20)와 연관되고, 트랜스듀서(20)는 반응 지점(18)과 유체 샘플의 상호작용에 의해 유도된 적어도 하나의 물리적 성질 변경을 측정하도록 배열되고 구성된다. 트랜스듀서(20)는 그것이 후각 센서가 챔버(12)에서 상호작용할 수 있는 휘발성 유기 화합물을 나타내기 때문에, 유체 샘플을 특성화하는 전기 신호(S)를 출력한다.
더 정밀하게, 트랜스듀서(20)는 플라스몬 효과 덕분에 임의의 반응 지점과 유체 샘플의 상호작용으로 인한 굴절률에서 임의의 변경을 측정하도록 구성된 표면 플라스몬 공명(SPR) 이미징 시스템일 수 있다. 그러한 트랜스듀서는 발광기, 광학 프리즘 및 반응 지점(18)의 그레이스케일 이미지 시퀀스인 전기 신호(S)를 출력하기 위한 카메라를 포함한다.
도 2는 센서 장치(10)의 반응 지점(18)이 가시적인 그러한 SPR 이미징 시스템에 의해 생성된 일반적인 그레이 스케일 이미지의 개략적인 실시예를 도시하고, 휘도 값은 그들이 상호작용할 수 있는 휘발성 유기 화합물을 특성화한다. 기재된 실시예에서, 반응 지점(18)은 원형임을 명심한다. 그러나 반응 지점(18)의 포지셔닝 그리드에 대한 카메라의 틸트로 인해, 그들이 그레이스케일 이미지 시퀀스(S)에서 차지하는 영역은 타원형이다.
변형에서, 트랜스듀서(20)는 간섭계의 기준 아암과 임의의 반응 지점이 위치되는 센싱 아암 사이에 검출가능한 위상 편이 덕분에 임의의 반응 지점과 유체 샘플의 상호작용으로 인한 굴절률에서 임의의 변경을 측정하도록 구성된 마하-젠더 간섭계 시스템일 수 있다. 그러한 트랜스듀서는 반응 지점(18)의 위상 편이 이미지 시퀀스인 전기 신호(S)를 출력한다.
또 다른 변형에서, 트랜스듀서(20)는 반응 지점이 배열된 진동 멤브레인의 공진 주파수에서 변경을 측정하도록 구성된 나노- 또는 마이크로-전기기계 시스템(NEMS 또는 MEMS)일 수 있다. 반응 지점(18)은 예를 들어, 반응 지점(18)의 공진 주파수 편이 신호 시퀀스인 전기 신호(S)를 출력하기 위해 NEMS 또는 MEMS 진동 멤브레인의 행렬 상에 배열된다.
어떤 트랜스듀서(20)든, 일반적인 발상은 반응 지점으로부터 차별화된 분자 상호작용 응답을 얻기 위해 그리고 물리적 변환 장치를 사용하여 전기 신호(S)의 형태로 응답을 증폭하기 위해, 그들이 차별화된 방식으로 휘발성 유기 화합물을 흡착하고 탈착하는 그러한 방식으로 후각 센서(즉, 바이오센서, 폴리머, 탄소 나노튜브 등)를 사용하여 반응 지점을 관능화하도록 남겨진다.
특정 경우에, 센서 장치(10)는 단지 반응 지점(18)을 갖는 챔버(12) 및 트랜스듀서(20)로 구성되고, 그런 후에 출력에서 전기 신호(S)는 그것이 아날로그 형태로 있든 디지털 형태로 있든 챔버(12)에서 유체 샘플의 서명을 구성한다.
그러나 도 1로 되돌아가서, 센서 장치(10)는 아래에 기재될 여러 기능 모듈을 일반적으로 더 포함한다. 기재된 실시예에서, 이들 기능 모듈은 소프트웨어이다. 예를 들어, 센서 장치(10)는 중앙 처리 장치(24) 및 연관된 메모리 영역(26)을 갖는 컴퓨터(22)를 포함하고, 동일한 컴퓨터 프로그램의 여러 컴퓨터 프로그램 또는 여러 기능이 저장된다. 이들 컴퓨터 프로그램은 소프트웨어 모듈의 기능을 수행하기 위해 중앙 처리 장치(24)에 의해 실행될 명령어를 포함한다. 그들은 차별적인 바와 같이 제시되지만, 이러한 차별성은 순수하게 기능적이다. 그들은 또한 하나 이상의 컴퓨터 프로그램으로 임의의 가능한 조합에 따라 함께 그룹화될 수 있다. 그들의 기능은 또한 디지털 회로와 같은 전용 집적 회로에 적어도 부분적으로 마이크로 프로그램되거나 마이크로 와이어드(micro-wired)될 수 있다. 따라서, 변형으로서, 컴퓨터(22)는 동일한 작동을 수행하기 위해 (컴퓨터 프로그램 없이) 디지털 회로로만 구성된 전자 장치에 의해 대체될 수 있다. 위에 언급된 기능은 또한 예를 들어, 크라우드센싱의 관점에서와 같은, 클라우드 컴퓨팅 환경에서 원격으로 분산될 수 있다.
따라서 무엇보다 먼저, 센서 장치(10)는 석션 장치(14)(적용가능할 때), 공기 출구(16)(역시 적용가능할 때), 및 트랜스듀서(20)를 제어하기 위해 처리 장치(24)에 의해 실행될 소프트웨어 모듈(28)을 포함한다.
그것은 반응 지점(18) 가운데, 휘발성 유기 화합물의 선택에 민감한 지점의 부분 집합을 선택하기 위해 처리 장치(24)에 의해 실행될 선택적이지만 유리한 소프트웨어 모듈(30)을 더 포함한다. 소프트웨어 모듈(30)에 의해 구성된 반응 지점(18)의 선택 역시 변하고 파라미터화될 수 있도록, 이들 휘발성 유기 화합물은 하나의 유체 샘플에서 또 다른 것으로 변할 수 있다. 선택된 부분 집합은 예를 들어, N ≥ 1개의 반응 지점(들), 또는 유리하게 여러 반응 지점들(N ≥ 2)을 포함한다.
트랜스듀서(20)가 SPR 이미징 시스템일 때, 센서 장치(10)는 SPR 이미징 시스템의 카메라에 의해 제공된 이미지 시퀀스(S)에서 이들 N개의 선택된 반응 지점(18)에 특정된 휘도 값으로부터, 관련된 휘발성 유기 화합물과 N개의 선택된 반응 지점(18)의 상호작용을 각기 나타내는, N개의 반사 신호를 추출하도록 처리 장치(24)에 의해 실행될 소프트웨어 모듈(32)을 더 포함한다. 이들 반사 신호는 N개의 선택된 반응 지점(18)의 각각에 대해 90도에서 편광된 동일한 광으로 얻어진 휘도 값에 대한 횡단 편광된 광으로 얻어진 휘도 값의 비율에 따라 백분율로서 표현된다.
도 3은 미리규정된 측정 프로토콜에 따른 유체 샘플에 대해 얻어진 N = 19개의 반사 신호의 중첩된 시간 도해를 나타내고, 여기서:
-
반응 지점(18)은 제 1 기준 단계(PH1) 동안 유체 샘플 없이 건조 공기 환경에 노출되고, 그리고
-
그들은 그런 후에 흡착의 제 2 분석적 단계(PH2) 동안 유체 샘플에 노출되고, 그리고
-
그들은 탈착의 제 3 최종 단계(PH3) 동안 유체 샘플 없이 건조 공기 환경에 최종으로 다시 노출된다.
건조 환경은 4℃에서 0.1% 미만의 상대 습도와 등가인 수증기의 낮은 질량 분율, 즉, 500 ppm(백만분율) 또는 심지어 100 ppm 미만, 및 바람직하게 10 ppm 미만을 갖는 주변 공기로서 규정된다. 그러한 건조 공기는 예를 들어 실리카 겔을 사용하여 또는 냉동 환경으로부터 공기를 추출함으로써 얻어질 수 있다.
센서 장치(10)는 연구 하에 유체 샘플을 나타내는 후각 서명의 N개의 구성요소를 추출하기 위해 N개의 반사 신호의 분석을 위해 시간 윈도우를 선택하도록 처리 장치(24)에 의해 실행될 소프트웨어 모듈(34)을 더 포함한다.
센서 장치(10)는 N개의 반사 신호로부터 앞서 언급된 후각 서명의 N개의 구성요소를 얻기 위해 처리 장치(24)에 의해 실행될 소프트웨어 모듈(36)을 더 포함한다. 이러한 획득은 선택된 시간 윈도우에서 추출된 N개의 반사 신호의 수정을 포함할 수 있다. 이러한 수정은 도 5를 참조하여 나중에 구체화될 것이다. 그것은 주로 두 개의 구성요소로 구성된다: 잘 알려져 있어서 구체화되지 않을 반응 지점(18)에서 후각 센서의 이동의 수정, 및 미리 규정된 측정 프로토콜에 따른 기준값으로부터 감산에 의한 수정. 그것은 N개의 수정된 반사 신호를 얻는 것을 가능하게 한다. 후각 서명의 N개의 구성요소의 각각은 예를 들어, 선택된 시간 윈도우에서 N개의 수정된 반사 신호 중 각각의 하나를 나타내는 통계값의 계산으로부터 직접적으로 또는 간접적으로 초래한다. 그것은 단순히 이러한 시간 윈도우에서 스칼라 평균 값일 수 있다. 그것은 또한 더 복잡한 스칼라 또는 벡터 통계값일 수 있다.
파이 도표에 표현된 N = 19개의 구성요소 후각 서명의 실시예는 도 4에 도시되고, 예를 들어, 소프트웨어 모듈(28 내지 36)의 순차적 실행으로부터, 즉, 도 3의 것들과 같은 반사 신호에 기반해서 얻어진다.
특히, 순차적 실행은 그런 후에 개선된 후각 서명을 얻기 위해, 예를 들어, 평균화 또는 다른 방법에 의해 통계적으로 처리될 수 있는 동일한 유체 샘플의 여러 연속적인 후각 서명을 얻도록 여러 번 반복될 수 있다. 이러한 목적을 위해, 센서 장치(10)는 여러 N개의-구성요소 후각 서명의 통계적 처리를 위해 처리 장치(24)에 의해 실행되도록 의도된 소프트웨어 모듈(38)을 선택적으로 그러나 유리하게 포함한다. 특히, 이는 도심 후각 서명을 얻기 위한 후각 서명의 구성요소의 단순한 평균화일 수 있다.
트랜스듀서(20)가 마하-젠더 간섭계 시스템일 때, 소프트웨어 모듈(32)은 N개의 반사 신호 대신에 N개의 위상 편이 신호를 추출하도록 그 자체가 알려진 방식으로 적응된다. 이들 위상 편이 신호는 예를 들어, 라디안으로 표현된다 소프트웨어 모듈(34 및 36)은 또한 적절한 시간 윈도우를 선택하고 후각 서명을 얻어도록 위상 편이 신호에 단순히 적응된다.
트랜스듀서(20)가 NEMS 또는 MEMS일 때, 소프트웨어 모듈(32)은 N개의 반사 신호 대신에 N개의 주파수 편이 신호를 추출하도록 그 자체가 알려진 방식으로 적응된다. 이들 기준 위상 편이 신호는 예를 들어, Hz로 표현된다 소프트웨어 모듈(34 및 36)은 또한 적절한 시간 윈도우를 선택하고 후각 서명을 얻어도록 기준 편이 신호에 단순히 적응된다.
또한, 소프트웨어 처리에 의해 전기 신호(S)로부터 얻어진 각각의 후각 서명이:
-
로우(raw) 서명, 즉, 유체 샘플에 대해 N개의 선택된 반응 지점의 응답 강도를 나타내는 N개의 구성요소의 벡터,
-
정규화된 서명, 즉, 로우 서명의 것들이지만 예를 들어, L2 정규화를 사용하여 정규화된 N개의 구성요소의 벡터,
-
로우 또는 정규화된 서명의 주구성요소 분석으로부터 얻어진 단순화된 서명, 즉, 추정이 미리규정된 임계치를 초과하는 n개의 제 1 주축에 의해 규정된 정규 직교 기준 시스템에서 로우 또는 정규화된 서명의 추정인 n ≤N개의 구성요소의 단순화된 벡터일 수 있음이 언급되어야만 한다.
더 일반적으로, 단순화된 서명은 차원 감소로부터 초래한다. 따라서 주구성요소 분석은 단일 값 분해, 다차원 척도법, 또는 임의의 다른 적절한 차원 감소 알고리즘에 의해 대체될 수 있다.
후각 서명이 정규화를 포함하는 처리로부터 초래할 때, 그것이 정규화된 서명이든 정규화된 서명에 기반한 단순화된 서명이든, 서명의 원본 강도, 즉, 놈(norm)은 결과 후각 서명과 연관된 추가 정보로서 유지될 수 있다.
센서 장치(10)는 각각의 얻어진 후각 서명을 저장하기 위한 메모리 구역(40)을 더 포함한다.
유체 샘플로부터 후각 서명을 출력하기 위한 센서 장치(10)의 사용은 이제 도 5를 참조하여 구체화될 것이다.
유체 샘플로부터 후각 서명을 출력하기 위한 방법(100), 측정 사이클에 상응하는 그러한 방법의 제 1 단계(102)에서, 센서 장치(10)는 반응 지점(18)의 후각 센서가 유체 샘플에 노출될 수 있도록 배열된다. 따라서 처리 장치(24)는 석션 장치(14), 공기 출구(16), 및 트랜스듀서(20)를 제어하도록 소프트웨어 모듈(28)을 실행한다. 더 정밀하게, 이러한 단계는 앞서 언급된 제 1 기준 단계, 제 2 분석 흡착 단계, 및 제 3 최종 탈착 단계를 포함할 수 있다. 이러한 3개의 노출 단계 동안, 트랜스듀서(20)는 유체 샘플을 특성화하는 전기 신호(S)를 출력하고 그를 컴퓨터(22)에 전송한다.
다음 단계(104)에서, 전기 신호(S)는 트랜스듀서가 SPR 이미징 시스템일 때 이미지 시퀀스의 형태로 컴퓨터(22)에 의해 수신된다. 처리 장치(24)는 그런 후에 N개의 선택된 반응 지점의 각각에 대해 이미지 시퀀스(S)를 나타내는 N개의 반사 신호를 얻도록 소프트웨어 모듈(30 및 32)을 실행시킨다. 3개의 이전에 규정된 노출 단계가 도 3에 매우 선명하게 도시될 수 있다: (1/2초로, 즉, 예를 들어, 2 Hz에서 타임 샘플링에 따라 표현된) x-축 상에 0부터 약 20까지 확장하는 제 1 기준 단계(PH1), 약 20 내지 약 80까지 확장하는 제 2 분석 흡착 단계, 및 약 80에서 시작하는 제 3 최종 탈착 단계.
다음 단계(106)에서, 처리 장치(24)는 반사 신호의 분석을 위해 시간 윈도우의 선택을 위해 소프트웨어 모듈(34)을 실행시킨다. 특히, 2개의 시간 윈도우가 이러한 유형의 3개의 노출 단계에 대해 특히 관련됨이 실험되었다. 제 1 관련 시간 윈도우는 마지막 부분, 예를 들어, 도 3에 분석 흡착 단계(PH2)의 61부터 80까지의 20개의 마지막 샘플을 커버한다. 제 2 관련 시간 윈도우는 제 1 부분, 예를 들어, 도 3에 최종 탈착 단계(PH3)의 81부터 100까지의 20개의 제 1 샘플을 커버한다. 그러므로 이들 2개의 시간 윈도우 중 하나는 본 단계에서 유리하게 선택된다. 대안적으로, 여러 시간 윈도우가 벡터 구성요소, 특히, 2개의 위에 언급된 시간 윈도우의 조합을 갖는 더 복잡한 후각 서명을 얻도록 본 단계에서 선택될 수 있다. 더 일반적으로, 전체 이용가능한 측정 시간 윈도우가 다른 특징을 추출할 수 있는 기계 학습 시스템에 의해 고려될 수 있다.
다음 단계(108)에서, 처리 장치(24)는 N개의 구성요소 후각 서명을 얻도록 소프트웨어 모듈(36)을 실행시킨다. 특히, 반응 지점(18)의 후각 센서의 앞서 언급된 3개의 단계 노출을 고려해서, 기준 값의 감산에 의한 앞서 언급된 수정은 분석 단계(PH2)에서 이들 신호의 각각의 값으로부터 제 1 기준 단계(PH1)에서 반사 신호의 각각의 관찰된 편이를 감산하는 것으로 구성될 수 있다. 각각의 반사 신호에 대해, 이러한 편이는 예를 들어, 기준 단계(PH1)에서 신호의 값의 평균이다.
단계(102 내지 108)는 다중 N개의 구성요소 후각 서명을 얻도록 단계(104 내지 106)에서 이루어진 선택을 변경하지 않고 소망하는 만큼 여러 번 반복될 수 있다.
뒤이은 단계(110)에서, 단계(102 내지 108)가 여러 번 실행되었다면, 처리 장치(24)는 결과 후각 서명의 통계적 처리를 위해 그리고 예를 들어, 평균화된, 그런 후에 최종 단계(112)에서 메모리(40)에 저장되는 서명을 얻기 위해 소프트웨어 모듈(38)을 실행한다.
본 발명에 따라서, 센서 장치(10)는 메트릭스가 적어도 하나의 미리규정된 자격부여 기준에 일치함을 확인함으로써 메트릭스를 계산하는 것을 포함하는 품질 테스트를 통과하도록 인증되고, 메트릭스는 복수의 기준 유체 샘플에 대해, 복수의 기준 유체 샘플의 각각의 서명의 클러스터링 품질 점수를 포함한다.
이러한 목적을 위해 도 1로 되돌아가서, 방법(100)은 여러 기준 유체 샘플의 각각에 대해 적어도 한 번 측정 사이클로서 실행되고, 메모리(40)에 저장된 후에 컴퓨터(42)에 보내지거나 컴퓨터(42)에 직접 보내지는 여러 각각의 후각 서명이 얻어진다. 각각의 기준 유체 샘플은 예를 들어, 상응하는 반응 지점에 의해 검출될 식별된 휘발성 유기 화합물을 포함하고, 측정 사이클(100)의 실행에 의해 얻어진 서명도 따라서 선험적 클러스터링되도록 여러 미리규정된 클러스터 중 하나에서 선험적 클러스터링된다.
그런 후에, 센서 장치(10)에 대한 품질 테스트를 관리하고 그를 인증하기 위한 방법이 컴퓨터(42)에 의해 실행된다. 품질 테스트를 관리하는 것은 적어도, 선험적 클러스터링된 서명 상에 클러스터링 품질 점수를 포함하는 메트릭스를 계산하는 것을 포함한다. 센서 장치(10)를 인증하는 것은 적어도, 클러스터링 품질 점수가 자격부여 기준에 일치함, 예를 들어, 임계치가 바닥 일 때 미리규정된 임계치와 일치하거나 초과함, 또는 임계치가 천장일 때, 미리규정된 임계치에 일치하거나 그 아래를 유지함을 확인하는 것을 포함한다. 임계치, 또는 더 일반적으로 자격부여 기준은 센서 장치(10)의 어플리케이션의 사양에 기반해서 규정될 수 있다. 센서 장치(10)가 품질 테스트를 통과했을 때, 즉, 자격부여 기준이 일치되었을 때, 그때 인증서(44)가 얻어질 수 있고, 그 안에 저장되거나, 그 위에 지시되거나 그에 연관된 문서에 포함됨으로써 센서 장치(10)에 연관될 수 있다.
도 6에 도시된 바와 같이, 센서 장치(10)에 대한 품질 테스트를 관리하기 위한 상세한 방법(200)은 클러스터를 규정하는 각각의 복수의 기준 피분석물을 선택함으로써 단계(202)에서 시작할 수 있다. 각각의 기준 피분석물은 하나 이상의 분자로 구성된다. 바람직한 구현예에서, 적어도 3개의 기준 피분석물은 시스-3-헥센-1-올, 시트로넬롤 및 페닐-에틸 알코올(PEA)과 같은 적어도 3개의 기준 휘발성 유기 화합물을 포함하여 선택된다.
다음 단계(204)에서, 이들 기준 피분석물은 미리규정된 수준을 초과하는 농도에서 기준 유체 샘플에서 조절된다. 그러므로 기준 유체 샘플이 따라서 클러스터링된다.
그런 후에, 단계(206)에서, 여러 측정 사이클(100), 예를 들어, 바람직한 구현예에서 각각의 기준 피분석물에 대해 적어도 30회의 측정 사이클이 실행된다. 역시 바람직한 구현예에 따라서, 적어도 90개의 후각 서명이 기준 유체 샘플에 상응하여 출력되고 메모리(40)에 저장된다.
다음 단계(208)에서, 저장된 후각 서명은 클러스터링 및 점수화를 위해 참 각각의 기준 피분석물 라벨로 주석이 붙여진다.
그런 후에, 단계(210)에서, 유효성 지수는 기준 유체 샘플의 일부 또는 전부의 각각에 대해, 즉, 상응하는 저장된 후각 서명의 일부 또는 전부의 각각에 대해 계산된다. 그것은 유리하게 후각 서명 사이의 클러스터 내 그리고 클러스터 외 거리에 기반한다. 결과적으로, 계산은 단계(206)에서 선택된 반응 지점이 거의 없다면, 예를 들어, 2개 또는 3개라면, 간단할 수 있다. 그 경우에, 로우 또는 정규화된 후각 서명이 사용될 수 있다. 그러나 더 많은 수의 반응 지점이 선택된다면, 그때 계산 복잡성을 피하도록 차원 감소(주구성요소 분석, 단일 값 분해, 다차원 척도법, 또는 등가물)로부터 초래하는 단순화된 서명을 사용하는 것이 권장될 수 있다. 게다가, 예를 들어, 주구성요소 분석으로부터 초래하는 단순화된 서명에 대해 계산된 거리가 일반적으로 더 관련적이다.
예를 들어, 각각의 기준 유체 샘플(Si)에 대해, 동일한 클러스터의 상응하는 후각 서명과 모든 다른 후각 서명 사이에 계산된 클러스터 내 거리의 조합(ai)이 계산된다. 그러한 조합은 평균일 수 있다. 각각의 기준 유체 샘플(Si)에 대해, 또 다른 클러스터의 상응하는 후각 서명과 모든 후각 서명 사이에 계산된 클러스터 내 거리의 조합(bi,j)이 각각의 다른 클러스터에 대해 계산된다(지수(j)는 다른 클러스터를 식별한다). 그러한 조합은 평균일 수 있다. 그런 후에, 최소 값(bi = Min(bi,j))이 선택된다. 각각의 기준 유체 샘플(Si)에 대한 결과 유효성 지수(CQSi)가 그런 후에 다음과 같이 계산될 수 있다:
변형에서, ai 및 bi에 대한 비현실적인 값에 기반한 이상치는 결과 유효성 지수(CQSi)가 기준 유체 샘플의 일부의 각각에 대해서만 계산되도록 제거될 수 있다. 유효성 지수(CQSi)도 기준 유체 샘플(Si)에 대한 클러스터링 품질 점수를 나타내는 것이 고려될 수 있다. 그것은 백분율로 표현될 수 있다.
다음의 단계(212)에서, 전역적 클러스터링 품질 점수(CQS)는 예를 들어, 이들 유효성 지수의 평균으로서, 단계(210)에서 계산된 모든 유효성 지수(CQSi)에 기반한 메트릭스로서 계산될 수 있다. 그것은 백분율로 표현될 수 있고 어떻게 센서 장치(10)가 다중 휘발성 유기 화합물을 구별할 수 있는지에 관한 품질을 나타낸다. 변형에서, 중개 클러스터링 품질 점수(CQSj)는 각기, 예를 들어, 이들 유효성 지수(CQSi)의 평균으로서, 그것이 포함하는, 기준 유체 샘플(Si)에 대해 계산된 유효성 지수(CQSi)에 기반해서, 모든 클러스터(Cj)에 대해 계산될 수 있고, 전역적 클러스터링 품질 점수(CQS)는 그런 후에, 예를 들어, 이들 중개 클러스터링 품질 점수(CQSj)의 평균으로서 중개 클러스터링 품질 점수(CQSj)에 기반해서 계산될 수 있다.
옵션으로서, 제안된 메트릭스는 반복성(RTY)의 지수를 더 포함할 수 있다. 이러한 목적을 위해, 단계(202 내지 206)는 예를 들어, 10회 이상, 바람직하게 20회 내지 30회 센서 장치(10)에 대한 복수의 측정 실행에 대해 반복될 수 있다. 각각의 실행은 대략 미리규정된 간격, 예를 들어, 24시간의 시간에서 떨어져 있다. 그러나, 이러한 미리규정된 간격은 기준 샘플 조절의 안정성, 센서 장치(10)가 각각의 측정 후에 안정 상태로 되돌아가는데 필요한 시간, 환경의 안정성 등과 같은 다수의 인자에 따를 수 있다.
단계(202 내지 206)가 로우이거나 단순화된 후각 서명을 계산하고 저장하기 위해 실행되지만 로우 서명의 주구성요소 분석으로부터 얻어질 때, 반복성(RTY)의 지수를 계산하는 것은 복수의 측정 실행에 대해 저장된 후각 서명의 강도 및 역시 복수의 측정 실행에 대한 각각의 강도에 의해 정규화된 서명의 강도를 분리하여 계산하는 단계(214)를 유리하게 포함한다.
그런 후에, 단계(216)에서, 반복성(RTY)의 지수는:
-
백분율로서 표현된 복수의 측정 실행에 대한 각각의 기준 샘플에 대해 평균 강도 주위로 상대 분산일 수 있는, 이전에 계산된 강도의 분산의 지수, 및/또는
-
역시 백분율로서 표현된 복수의 측정 실행에 대한 각각의 기준 샘플에 대해 평균 정규화된 서명 주위로 상대 분산일 수 있는, 이전에 계산된 정규화된 서명의 분산의 지수로서 계산될 수 있다.
유리하게, 반복성(RTY)의 지수는 복수의 측정 실행에 대해 모두 주석이 붙은 저장된 서명으로부터 계산된 전역적 클러스터링 품질 점수일 수 있는 복수의 측정 실행에 걸쳐 계산된 클러스터링 품질 점수(CQS-RTY)를 포함할 수 있다. 그 경우에, 단계(202 내지 208)는 센서 장치(10)에 대해 복수의 측정 실행에 대해 반복되어야만 하고 그런 후에, 단계(210 및 212)는 단계(202 내지 208)의 반복으로부터 얻어진 모두 주석이 붙은 저장된 서명을 사용하여 실행된다.
여러 다른 구현예가 각각의 분산 지수에 대해 고안될 수 있다. 그것은 분산, 표준 편차, 평균에 의해 정규화된 분산, 평균에 의해 정규화된 표준 편차 등일 수 있다.
더 일반적으로, 반복성(RTY)의 지수는 이전에 계산된 강도의 앞서 언급된 분산 지수, 이전에 계산된 정규화된 서명의 분산 지수 및 복수의 측정 실행에 걸쳐 계산된 클러스터링 품질 점수(CQS-RTY) 중 적어도 하나의 합성으로서 계산될 수 있다.
옵션으로서, 제안된 메트릭스는 재현성(RDY)의 지수를 더 포함할 수 있다. 이러한 목적을 위해, 단계(202 내지 206)는 예를 들어, 5회 이상, 바람직하게 20회 내지 30회 복수의 센서 장치에 대해 반복될 수 있다.
단계(202 내지 206)가 로우이거나 단순화된 후각 서명을 계산하고 저장하기 위해 실행되지만 로우 서명의 주구성요소 분석으로부터 얻어질 때, 재현성(RDY)의 지수를 계산하는 것은 복수의 센서 장치에 대해 저장된 후각 서명의 강도 및 역시 복수의 센서 장치에 대해 각각의 강도에 의해 정규화된 서명의 강도를 분리하여 계산하는 단계(218)를 유리하게 포함한다.
그런 후에, 단계(220)에서, 재현성(RDY)의 지수는:
-
백분율로서 표현된 복수의 센서 장치에 대한 각각의 기준 샘플에 대해 평균 강도 주위로 상대 분산일 수 있는, 이전에 계산된 강도의 분산의 지수, 및/또는
-
역시 백분율로서 표현된 복수의 센서 장치에 대한 각각의 기준 샘플에 대해 평균 정규화된 서명 주위로 상대 분산일 수 있는, 이전에 계산된 정규화된 서명의 분산의 지수로서 계산될 수 있다.
유리하게 재현성(RDY)의 지수는 복수의 센서 장치에 대해 모두 주석이 붙은 저장된 서명으로부터 계산된 전역적 클러스터링 품질 점수일 수 있는 복수의 센서 장치에 걸쳐 계산된 클러스터링 품질 점수(CQS-RDY)를 포함할 수 있다. 그 경우에, 단계(202 내지 208)는 복수의 센서 장치에 대해 반복되어야만 하고 그런 후에, 단계(210 및 212)는 단계(202 내지 208)의 반복으로부터 얻어진 모두 주석이 붙은 저장된 서명을 사용하여 실행된다.
반복성(RTY)의 지수에 대해서, 여러 다른 구현예가 재현성(RDY)의 지수에서 각각의 분산 지수에 대해 고안될 수 있다.
더 일반적으로, 재현성(RDY)의 지수는 이전에 계산된 강도의 앞서 언급된 분산 지수, 이전에 계산된 정규화된 서명의 분산 지수 및 복수의 센서 장치에 걸쳐 계산된 클러스터링 품질 점수(CQS-RDY) 중 적어도 하나의 합성으로서 계산될 수 있다.
제안된 메트릭스가 반복성(RTY)의 지수 및 재현성(RDY)의 지수 모두를 포함할 때, 단계(202 내지 206) 또는 단계(202 내지 208)는 복수의 측정 실행에 대해 반복될 수 있고, 각각의 실행은 복수의 센서 장치에 대해, 각각의 측정 실행에 대해, 대략 미리규정된 간격의 시간에서 떨어져 있다. 반복성(RTY) 및 재현성(RDY)의 결과 지수는:
-
복수의 측정 실행 및 복수의 센서 장치에 대한 각각의 기준 샘플에 대해 평균 강도 주위로 상대 분산일 수 있는, 이전에 계산된 강도의 분산의 지수,
-
복수의 측정 실행 및 복수의 센서 장치에 대한 각각의 기준 샘플에 대해 평균 정규화된 서명 주위로 상대 분산일 수 있는, 이전에 계산된 정규화된 서명의 분산의 지수, 및
-
복수의 측정 실행 및 복수의 센서 장치에 걸쳐 계산된 전역적 클러스터링 품질 점수 중 적어도 하나의 합성으로서 계산될 수도 있다.
더 일반적으로, 반복성(RTY)의 지수 및 재현성(RDY)의 지수 모두를 계산할 때, 여러 점수는 각각의 측정 실행에서 그리고 각각의 센서 장치에 대해 계산될 수 있다. 이들 점수는 2차원 도해 또는 표, 연속적인 측정 실행에 대해 1차원, 및 센서 장치에 대해 1차원으로 표현될 수 있다. 이러한 표현으로부터, 다양한 통계가 강도, 정규화된 서명 및/또는 전역적 클러스터링 품질 점수에 기반해서 임의의 반복성 및/또는 재현성 지수를 추출하기 위해 각각의 차원 또는 그들 모두에서 계산될 수 있다. 특히, 반복성에 관한 여러 전역적 클러스터링 품질 점수(CQS-RTY)가 여러 센서 장치에 대해 계산될 수 있고 그런 후에 반복성에 관한 평균화된 전역적 클러스터링 품질 점수<CQS-RTY>에 조합될 수 있다. 따라서, 재현성에 관한 여러 전역적 클러스터링 품질 점수(CQS-RDY)가 여러 측정 실행 대해 계산될 수 있고 그런 후에 재현성에 관한 평균화된 전역적 클러스터링 품질 점수<CQS-RDY>에 조합될 수 있다.
옵션으로서, 제안된 메트릭스는 예를 들어, 기준 유체 샘플의 기준 서명의 혼돈 행렬에 기반해서 분류 성능의 지수를 더 포함할 수 있다. 이러한 목적을 위해, 품질 테스트를 관리하기 위한 방법(200)은 단계(202 및 204)와 등가인 단계(222)를 포함하고, 클러스터를 규정하는 각각의 여러 기준 피분석물은 미리규정된 수준을 초과하는 농도에서 기준 유체 샘플에서 선택되고 조절된다.
다음 단계(224)에서, 분류기는 여러 측정 사이클(100), 예를 들어, 각각의 기준 피분석물에 대해 적어도 30회의 측정 사이클, 또는 바람직한 구현예에서 심지어 50회 이상을 실행함으로써 기준 유체 샘플을 사용하여 훈련된다. 각각의 기준 후각 서명은 기준 유체 샘플에 상응하여 출력되고, 예를 들어, 메모리(40)에서 기준 서명의 데이터베이스에 저장된다.
다음 단계(226)에서, 분류기는 여러 측정 사이클(100), 예를 들어 적어도 30회를 실행함으로써 각각이 기준 유체 샘플 중 하나에 상응하는 점수화를 위해 주석이 붙여진 테스트 유체 샘플을 사용하여 테스트된다. 각각의 테스트 후각 서명은 테스트 유체 샘플에 상응하여 출력되고, 기준 서명 중 하나, 즉, 기준 유체 샘플 중 하나에 연관하여 분류된다.
다음 단계(228)에서, 혼돈 행렬(CM)은 분류 단계(226)의 결과를 사용하여 완료된다. 잘 알려진 바와 같이, 혼돈 행렬의 각각의 열은 예를 들어, 예측된 클래스(또는 클러스터)에서 인스턴스를 나타내는 한편, 각각의 행은 실제 클래스(또는 클러스터)에서 인스턴스를 나타낸다. 그러므로, CM(i,j)은 클래스/클러스터(Cj)에서 분류된 클래스/클러스터(Ci)에 속하는 바와 같이 주석이 붙은 테스트 샘플의 개수를 나타낸다.
여러 지수는 분류 성능의 합성 지수로서 분류를 점수화하기 위해 혼돈 행렬(CM)로부터 추출될 수 있다:
-
제 1 대각 계수의 합과 모든 계수의 합 사이의 비율에 상응하는, 백분율로서 표현될 수 있는, 정확성의 제 1 일반 지수,
-
CM(i,i)과 i번째 행 계수 사이의 비율에 클래스/클러스터(Ci)에 대해 상응하는, 백분율로서 표현될 수 있는 민감성의 제 2 클래스 의존 지수,
-
모든 계수 CM(k,l)의 합, 여기서 k≠i 및 l≠i과 모든 계수 CM(k,l)의 합, 여기서 k≠i 사이의 비율에 클래스/클러스터(Ci)에 대해 상응하는, 백분율로서 표현될 수 있는, 특이성의 제 3 클래스 의존 지수, 및
-
CM(i,i) 와 i번째 열 계수의 합 사이의 비율에 클래스/클러스터(Ci)에 대해 상응하는, 백분율로서 표현될 수 있는 정밀성의 제 4 클래스 의존 지수.
이들 지수는 모든 클래스/클러스터(Ci)에 대해 계산된 앞서 언급된 중개 클러스터링 품질 점수와 함께 표에 출력될 수 있다.
옵션으로서, 제안된 메트릭스는 신호 대 잡음비를 더 포함할 수 있다. 이러한 비율은 센서 장치(10)의 구성요소 중 하나 이상 상에서, 특히 트랜스듀서(20) 상에서 측정될 수 있다. 이러한 목적을 위해, 품질 테스트를 관리하기 위한 방법(200)은 예를 들어, 트랜스듀서 상에 재현가능한 자극을 가하는 단계(230)를 포함한다. 비제한적인 바람직한 구현예에서, 이러한 자극은 예를 들어, 100 mBar의 재현가능한 압력 강하이다. 트랜스듀서(20)에 의해 출력된 신호는 자극 동안 그리고 자극 전에 또는 후에 측정된다.
다음 단계(232)에서, 자극 전에 또는 후에 트랜스듀서(20)에 의해 출력된 신호는 예를 들어, 안정적인 기준치 상의 잡음 분산으로 간주되는 분산 값(N)을 추출하도록 처리된다. 동일한 단계 동안, 자극 동안 트랜스듀서(20)에 의해 출력된 신호는 예를 들어, 자극 동안 평균 파워로 간주되는 평균값(S)을 추출하도록 처리된다. 신호 대 잡음 비는 그런 후에 SNR = 10.log(S/N)로서 계산되고 dB로 표현될 수 있다.
그러므로, 센서 장치의 SNR을 다른 기술과 비교하는 것이 가능하다.
옵션으로서, 제안된 메트릭스는 검출 지수의 한계를 더 포함할 수 있다. 그러한 지수는 합성이고, 각각의 구성요소는 소정 피분석물에 특정적이다. 피분석물의 검출의 한계는 예를 들어, 센서 장치(10)가 샘플에서 그 부재와 구별할 수 있는 미리규정된 농도의 집합에서, 이러한 피분석물의 가장 낮은 농도이다. 이러한 목적을 위해, 품질 테스트를 관리하기 위한 방법(200)은 단계(234)를 포함하고, 여러 기준 피분석물은 다른 농도 또는 희석에서 기준 유체 샘플에서 선택되고 조절된다. 바람직한 구현예에서, 적어도 3개의 기준 피분석물은 시스-3-헥센-1-올, 시트로넬롤 및 PEA와 같은 적어도 3개의 기준 휘발성 유기 화합물을 포함하여 선택된다. 어느 희석 전략이 채용되는지에 따라서, 단위는 체적 백만분율(ppmV) 또는 액체 희석의 백분율(용매 질량과 화합물 질량 사이의 질량비)일 수 있다. 액체 희석은 풍미 및 향 어플리케이션에 대해 바람직할 것인 반면에, ppmV는 환경 어플리케이션에 주로 사용될 것이다. 액체 희석이 선택된다면, 특정 중성 용매에서 각각의 피분석물의 10진 비율(1, 10-1, 10-2, 10-3, …, 0)을 갖는 연속적인 희석이 유체 샘플로서 제조될 수 있다.
그런 후에 단계(236)에서, 여러 측정 사이클(100)은 예를 들어, 바람직한 구현예에서 각각의 피분석물의 각각의 희석 유체 샘플에 대해 적어도 70회의 측정 사이클로 실행된다. 측정 사이클은 유리하게, 희석 샘플에서 피분석물의 증가하는 존재와 함께 통계적으로 증가하는 스칼라 값인 검출 지수의 추정을 포함한다. 그 정의 및 알고리즘 추정은 해당 기술분야의 당업자로부터 알려져 있고, 센서 장치(10)의 기술에 매우 의존적이고, 어플리케이션에 더 의존적이서, 그것은 구체화되지 않을 것이다. 각각의 피분석물 희석 유체 샘플에 대해 실행된 측정 사이클의 각각의 집합은 검출 지수 스케일에서 값의 분포를 출력한다.
다음의 단계(238)에서, 결정을 위한 임계치(T)는 각각의 피분석물에 대해 결정 지수 스케일 내에서 결정된다. 피분석물 없이 희석 유체 샘플의 출력된 분포를 고려하여, T는 미리규정된 백분율, 예를 들어, 출력된 분포의 95% 아래의 검출 지수 값이다. 그것은 이러한 임계치(T)가 피분석물 없이 희석 유체 샘플에 대해 5%의 거짓 경보 가능성을 얻도록 규정됨을 의미한다.
다음 단계(240)에서, 검출의 한계(LOD)는 각각의 피분석물에 대해, 미리규정된 백분율보다 더 큰, 예를 들어, 임계치(T) 위의 95%인 출력된 분포의 피분석물의 가장 낮은 희석 유체 샘플로서 결정된다. 그것은 LOD가 95%보다 더 큰 정확한 검출 가능성을 출력하는 피분석물의 가장 낮은 희석 샘플임을 의미한다.
센서 장치(10)를 제조하기 위한 방법(300)은 이제 도 7을 참조하여 구체화될 것이다.
제 1 단계(302)에서, 센서 장치(10)가 제공되지만 인증되지 않는다. 그것은 유체 샘플을 입력하고 유체 샘플을 특성화하는 전기 신호로부터 얻어진 상응하는 서명을 출력하도록 구성된다. 그것은 적어도 하나의 반응 지점, 바람직하게 여러 반응 지점, 및 적어도 하나의 반응 지점과 임의의 유체 샘플의 상호작용에 의해 유도된 적어도 하나의 물리적 성질 변경을 측정하고 전기 신호를 출력하도록 구성된 적어도 하나의 트랜스듀서를 더 포함한다.
그런 후에, 단계(304)에서, 품질 테스트를 관리하기 위한 방법(200)이 센서 장치(10)에 적용된다. 품질 테스트를 관리함으로써 계산된 메트릭스는 적어도 전역적 클러스터링 품질 점수(CQS)를 포함한다. 그것은 다른 지수 RTY, RDY, CM, SNR 및 LOD 중 적어도 하나를 더 포함할 수 있다. 모든 이들 점수 및 지수는 하나의 전역적 점수, 예를 들어, 스칼라 조합에 더 조합될 수 있다. 그 경우에, 예를 들어, 백분율로서 균질하게 모든 점수 및 지수를 미리 표현하는 것이 유리할 수 있다.
단계(306)에서, 계산된 메트릭스는 단순한 경우에 대해 하나 이상의 임계치일 수 있는 적어도 하나의 미리규정된 자격부여 기준과 비교된다.
최종으로, 센서 장치(10)는, 계산된 메트릭스가 적어도 하나의 미리규정된 자격부여 기준에 일치하는 한, 예를 들어, 계산된 메트릭스가 임계치가 바닥 일 때 미리규정된 임계치와 일치하거나 초과하거나, 임계치가 천장일 때 미리규정된 임계치에 일치하거나 그 아래를 유지하는 한, 단계(308)에서 인증된다.
센서 장치 및 이 위에 기재된 것들과 같은 센서 장치에 대한 품질 테스트를 관리하기 위한 방법이 다른 기술 또는 제조 공정을 공평히 비교하는 것을 가능하게 하거나 센서 장치에 자격을 부여하는 것이 대개 매우 주관적으로 간주되는 기술 분야에서 품질의 특정 객관적 수준을 보장하는 것을 가능하게 함이 분명하게 나타난다.
게다가, 본 발명이 이 위에서 기재된 구현예로 한정되지 않음이 언급된다. 다양한 수정이 단지 그들에게 개시된 교시의 관점에서 이 위에 기재된 구현예에 대해 이루어질 수 있음이 해당 기술분야의 당업자에게 나타날 것이다. 이 위에 이루어진 본 발명의 제시에서, 사용된 용어는 본 기재에 개시된 구현예로 본 발명을 제한하는 것으로 해석되지 않아야만 하고, 단지 그들에게 개시된 교시의 실행에 일반적인 지식을 적용함으로써 추정이 해당 기술분야의 당업자의 범위 내에 있는 모든 등가물을 그 안에 포함하도록 해석되어야만 한다.
Claims (15)
- 유체 샘플을 입력하고 상기 유체 샘플을 특성화하는 전기 신호(S)로부터 얻어지는 대응하는 서명을 출력하도록 구성되는 센서(10)로서,
- 적어도 하나의 반응 지점(18);
- 상기 적어도 하나의 반응 지점(18)과 유체 샘플의 상호작용에 의해 유도된 적어도 하나의 물리적 성질 변경을 측정하고 상기 전기 신호(18)를 출력하도록 구성되는 적어도 하나의 트랜스듀서(20);를 포함하는 센서(10)에 있어서,
상기 센서(10)는 메트릭스(metrics)가 적어도 하나의 미리규정된 자격부여 기준에 일치함을 확인함으로써 상기 메트릭스를 계산하는 것을 포함하는 품질 테스트를 통과하도록 인증되며(44), 상기 메트릭스는 복수의 기준 유체 샘플에 대해 상기 복수의 기준 유체 샘플의 각각의 서명의 클러스터링 품질 점수(CQS)를 포함하는 것을 특징으로 하는, 센서(10). - 제1항에 있어서,
클러스터링 품질 점수(CQS)는 복수의 기준 유체 샘플의 각각의 서명 중 일부 또는 전부의 각각에 대해 계산된 클러스터 내 거리 및 클러스터 외 거리를 조합하는 유효성 지수에 기반해 계산되는, 센서(10). - 제1항 또는 제2항에 있어서,
상기 메트릭스는 신호 대 잡음비(SNR), 검출 제한(LOD), 반복성(RTY)의 지수 및 재현성(RDY)의 지수 중 하나 이상을 더 포함하는, 센서(10). - 제1항 내지 제3항 중 어느 한 항에 있어서,
상기 기준 서명 중 하나에 연관된 유체 샘플의 서명을 갖기 위해서, 각각의 기준 유체 샘플의 기준 서명의 데이터베이스에 연결된 분류기에 유체 샘플의 서명을 입력하도록 구성되며, 상기 메트릭스는 분류 성능(CM)의 지수를 더 포함하는, 센서(10). - 제4항에 있어서,
상기 분류 성능(CM)의 지수는 기준 서명의 혼돈 행렬에 기반하는, 센서(10). - 제1항 내지 제5항 중 어느 한 항에 있어서,
복수의 기준 유체 샘플 각각은 휘발성 유기 화합물을 포함하는, 센서(10). - 제1항 내지 제6항 중 어느 한 항에 있어서,
복수의 반응 지점(18)을 포함하며, 각각의 반응 지점은 기판 상에 고정화된 펩타이드 또는 표면 상에 코팅된 폴리머와 같은 휘발성 유기 화합물에 대해 흡착 성질을 갖는 화학 성분을 포함하는, 센서(10). - 제1항 내지 제7항 중 어느 한 항에 있어서,
상기 적어도 하나의 트랜스듀서(20)는:
- 플라스몬 효과로 인한 굴절률의 변화를 측정하도록 구성된 표면 플라스몬 공명 이미징 시스템; 또는
- 굴절률의 변화로 인한 위상 편이(shift)를 측정하도록 구성된 마하-젠더 간섭계(Mach-Zehnder interferometer); 또는
- 진동 멤브레인의 공진 주파수의 변화를 측정하도록 구성된 나노- 또는 마이크로- 전기기계 시스템;을 포함하는, 센서(10). - 적어도 하나의 센서(10)에 대한 품질 테스트를 관리하는 방법(200)으로서, 상기 적어도 하나의 센서는 유체 샘플을 입력하고 상기 유체 샘플을 특성화하는 전기 신호(S)로부터 얻어지는 대응하는 서명을 출력하도록 구성되고, 상기 센서(10)는:
- 적어도 하나의 반응 지점(18);
- 상기 적어도 하나의 반응 지점(18)과 유체 샘플의 상호작용에 의해 유도되는 적어도 하나의 물리적 성질 변화를 측정하고 상기 전기 신호(S)를 출력하도록 구성되는 적어도 하나의 트랜스듀서(20);를 포함하며,
상기 방법(200)은, 복수의 기준 유체 샘플에 대해 복수의 기준 유체 샘플의 각각의 서명의 클러스터링 품질 점수(CQS)를 포함하는 메트릭스를 계산하는 단계를 포함하는, 방법(200). - 제9항에 있어서,
상기 메트릭스를 계산하는 단계는:
a) 복수의 기준 피분석물을 선택하는 단계(202),
b) 미리규정된 수준을 초과하는 농도의 복수의 기준 피분석물로 복수의 기준 유체 샘플에서 컨디셔닝하는 단계(204),
c) 복수의 측정 사이클에 걸쳐 복수의 기준 유체 샘플의 대응하는 서명을 출력하는 단계(206),
d) 복수의 기준 유체 샘플의 대응하는 서명에 클러스터링을 위한 참(true) 기준 피분석물 라벨로 주석을 붙이는 단계(208),
e) 각각의 기준 유체 샘플(Si)에 대해, 클러스터 내의 대응하는 서명에 대한 클러스터 내 거리의 조합(ai)을 계산하는 단계(210),
f) 각각의 기준 유체 샘플(Si)에 대해, 상기 클러스터와는 다른 클러스터(들) 내의 서명과 대응하는 서명에 대한 클러스터 외 거리(bi,j)의 적어도 하나의 조합을 계산하는 단계(210),
g) 기준 유체 샘플의 일부 또는 전부의 각각에 대해 클러스터 내 거리와 클러스터 외 거리를 조합하는 유효성 지수를 계산하는 단계(210)를 포함하는, 방법(200). - 제10항에 있어서,
상기 클러스터링 품질 점수(CQS)는 단계 ｇ）에서 계산된 하나 이상의 타당성 지수(들)에 기반하는(212), 방법(200). - 제10항 또는 제11항에 있어서,
동일한 센서에 대한 복수의 측정 실행에 대해, 적어도 단계 ａ) 내지 단계 ｃ), 예를 들어 단계 a) 내지 단계 d)의 반복(202, 204, 206)을 더 포함하고, 각각의 실행은 대략 미리규정된 간격의 시간으로 떨어져 있으며, 상기 메트릭스는:
- 복수의 측정 실행에 걸쳐 계산된 클러스터링 품질 점수;
- 복수의 측정 실행에 대해 유체 샘플의 서명의 강도의 분산 지수; 및
- 복수의 측정 실행에 대해 유체 샘플의 각각의 강도에 의해 정규화된 서명의 분산 지수;
중 적어도 하나의 합성으로서 계산되는 반복성(RTY)의 지수를 더 포함하는, 방법(200). - 제10항 또는 제11항에 있어서,
복수의 센서에 대해, 적어도 단계 ａ) 내지 단계 ｃ), 예를 들어 단계 a) 내지 단계 d)의 반복(202, 204, 206)을 더 포함하고, 상기 메트릭스는:
- 복수의 센서에 걸쳐 계산된 클러스터링 품질 점수;
- 복수의 센서에 대해 유체 샘플의 서명의 강도의 분산 지수; 및
- 복수의 센서에 대해 유체 샘플의 각각의 강도에 의해 정규화된 서명의 분산 지수;
중 적어도 하나의 합성으로서 계산된 재현성(RDY)의 지수를 더 포함하는, 방법(200). - 제12항 및 제13항에 있어서,
복수의 측정 실행에 대해, 적어도 단계 ａ) 내지 단계 ｃ), 예를 들어 단계 a) 내지 단계 d)의 반복(202, 204, 206)을 더 포함하고, 각각의 실행은 대략 미리규정된 간격의 시간으로 떨어져 있으며, 각각의 측정 실행에 대하여, 복수의 센서에 대한 단계 a) 내지 단계 c), 예를 들어 단계 a) 내지 단계 d)의 반복(202, 204, 206)을 더 포함하고, 상기 메트릭스는:
- 복수의 측정 실행 및 복수의 센서에 걸쳐 계산된 클러스터링 품질 점수;
- 복수의 측정 실행 및 복수의 센서에 대한 유체 샘플의 서명의 강도의 분산 지수; 및
- 복수의 측정 실행 및 복수의 센서에 대한 유체 샘플의 각각의 강도에 의해 정규화된 서명의 분산 지수;
중 적어도 하나의 합성으로서 계산된 반복성 및 재현성(RTY, RDY)의 지수를 더 포함하는, 방법(200). - 인증된 센서(10)를 제조하는 방법(300)으로서:
- 유체 샘플을 입력하고 유체 샘플을 특성화하는 전기 신호(S)로부터 얻어진 대응하는 서명을 출력하도록 구성된 센서(10)로서, 적어도 하나의 반응 지점(18)과, 유체 샘플의 상호작용에 의해 유도된 적어도 하나의 물리적 성질 변경을 측정하고 상기 전기 신호(S)를 출력하도록 구성되는 적어도 하나의 트랜스듀서(20)를 포함하는 센서(10)를 제공하는 단계(302);
- 제9항 내지 제14항 중 어느 한 항에 따른 품질 테스트를 관리하는 방법(200)을 상기 센서(10)에 적용하는 단계(304);
- 품질 테스트를 관리함으로써(200) 계산된 메트릭스가 적어도 하나의 미리규정된 자격부여 기준에 일치하는지 확인하는 단계(306); 및
- 상기 메트릭스가 적어도 하나의 미리규정된 자격부여 기준에 일치하는 경우 상기 센서(10)를 인증하는 단계(308);를 포함하는, 제조 방법(300).
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| EP20306023.1A EP3968018A1 (en) | 2020-09-14 | 2020-09-14 | Sensor for identifying a fluid sample and method for applying a qualification test to such a sensor |
| EP20306023.1 | 2020-09-14 | ||
| PCT/EP2021/075123 WO2022053690A1 (en) | 2020-09-14 | 2021-09-13 | Sensor for identifying a fluid sample and method for applying a qualification test to such a sensor |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20230067651A true KR20230067651A (ko) | 2023-05-16 |
Family
ID=72615792
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020237012552A KR20230067651A (ko) | 2020-09-14 | 2021-09-13 | 유체 샘플을 식별하기 위한 센서 및 그러한 센서에 품질 테스트를 적용하기 위한 방법 |
Country Status (6)
| Country | Link |
|---|---|
| US (1) | US20230349861A1 (ko) |
| EP (1) | EP3968018A1 (ko) |
| JP (1) | JP2023541907A (ko) |
| KR (1) | KR20230067651A (ko) |
| CN (1) | CN116075823A (ko) |
| WO (1) | WO2022053690A1 (ko) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20230195079A1 (en) * | 2021-12-21 | 2023-06-22 | International Business Machines Corporation | Characterizing liquids based on features extracted from time-dependent, differential signal measurements |
| FR3136555A1 (fr) | 2022-06-10 | 2023-12-15 | Aryballe | Procédé et programme d’ordinateur pour l’étalonnage d’un dispositif électronique de caractérisation d’un fluide, dispositif électronique correspondant |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE602004014241D1 (de) * | 2004-02-23 | 2008-07-17 | Alpha M O S | Messen der Intensität von Gerüchen |
| CN107741471B (zh) * | 2017-09-12 | 2024-04-09 | 深圳市建筑科学研究院股份有限公司 | 可超快速完全换气的气体传感器标定工装 |
| FR3071061B1 (fr) | 2017-09-14 | 2019-09-13 | Aryballe Technologies | Systeme de detection perfectionne pour nez electronique et nez electronique comprenant un tel systeme |
| FR3091346B1 (fr) * | 2018-12-31 | 2020-12-25 | Aryballe Tech | Procede de caracterisation de composes cibles |
-
2020
- 2020-09-14 EP EP20306023.1A patent/EP3968018A1/en active Pending
-
2021
- 2021-09-13 KR KR1020237012552A patent/KR20230067651A/ko unknown
- 2021-09-13 WO PCT/EP2021/075123 patent/WO2022053690A1/en active Application Filing
- 2021-09-13 JP JP2023516259A patent/JP2023541907A/ja active Pending
- 2021-09-13 CN CN202180062781.5A patent/CN116075823A/zh active Pending
- 2021-09-13 US US18/042,180 patent/US20230349861A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| CN116075823A (zh) | 2023-05-05 |
| JP2023541907A (ja) | 2023-10-04 |
| EP3968018A1 (en) | 2022-03-16 |
| US20230349861A1 (en) | 2023-11-02 |
| WO2022053690A1 (en) | 2022-03-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR20230067651A (ko) | 유체 샘플을 식별하기 위한 센서 및 그러한 센서에 품질 테스트를 적용하기 위한 방법 | |
| CN105466927B (zh) | 一种比浊法异常反应曲线的识别、修正及报警方法 | |
| KR100570105B1 (ko) | 냄새측정장치 | |
| KR101722278B1 (ko) | 방해물질의 존재 하에 경피로부터 비-침습적으로 차량 운전자의 혈액 내 에틸 알코올을 검출 및 측정하기 위한 시스템 및 방법 | |
| dos Santos et al. | Digital image analysis–an alternative tool for monitoring milk authenticity | |
| Li et al. | Rapid quantification of trimethylamine | |
| JP2023175964A (ja) | 電子ノーズに基づく臭気物質の分析の利用 | |
| US20210216877A1 (en) | Ultra-high sensitive target signal detection method based on noise analysis using deep learning based anomaly detection and system using the same | |
| US11497421B2 (en) | Device and method for spectrum analysis and device for blood glucose measurement | |
| JPH07294405A (ja) | 閉塞されたスペ−ス内における空気の品質を評価する装置 | |
| CN113340943B (zh) | 基于指纹图谱的水体中嗅味类型和嗅味强度的分析方法 | |
| JP5719433B2 (ja) | 質量スペクトルを分析するための方法、コンピュータ・プログラム、およびシステム | |
| JP2005521054A5 (ko) | ||
| US7672813B2 (en) | Mixed statistical and numerical model for sensor array detection and classification | |
| US20230032568A1 (en) | Electronic device, method and computer program for olfactory assessment of a product state | |
| JP2004093447A (ja) | におい測定装置 | |
| JP2004093446A (ja) | におい測定装置 | |
| JP2003232759A (ja) | におい識別装置 | |
| Bultel et al. | Use of digital olfaction to standardize cabin odor testing in automotive interiors | |
| KR101988972B1 (ko) | 냄새 측정 장치 및 그 동작방법 | |
| CN114527198A (zh) | 聚合物产品气味检测方法、设备和电子鼻系统 | |
| US20110098974A1 (en) | Adaptive differential ratio-metric detector | |
| JP2004093336A (ja) | におい測定装置 | |
| JP4415731B2 (ja) | におい測定装置 | |
| US20240044858A1 (en) | Electro-optical sensing of a target gas composition |