WO2005008254A1 - 臨床検査分析装置、臨床検査分析方法およびその方法をコンピュータに実行させるプログラム - Google Patents

臨床検査分析装置、臨床検査分析方法およびその方法をコンピュータに実行させるプログラム Download PDF

Info

Publication number
WO2005008254A1
WO2005008254A1 PCT/JP2004/010520 JP2004010520W WO2005008254A1 WO 2005008254 A1 WO2005008254 A1 WO 2005008254A1 JP 2004010520 W JP2004010520 W JP 2004010520W WO 2005008254 A1 WO2005008254 A1 WO 2005008254A1
Authority
WO
WIPO (PCT)
Prior art keywords
reference pattern
data
pattern group
distance
previous
Prior art date
Application number
PCT/JP2004/010520
Other languages
English (en)
French (fr)
Inventor
Tatsuhisa Watanabe
Hiromi Kataoka
Akira Horimoto
Original Assignee
A & T Corporation
Kochi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by A & T Corporation, Kochi University filed Critical A & T Corporation
Priority to KR1020067001109A priority Critical patent/KR101106201B1/ko
Priority to EP04747884A priority patent/EP1703283A4/en
Priority to JP2005511918A priority patent/JP4150044B2/ja
Priority to US10/564,083 priority patent/US8676510B2/en
Priority to CN2004800207980A priority patent/CN1826529B/zh
Publication of WO2005008254A1 publication Critical patent/WO2005008254A1/ja

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00594—Quality control, including calibration or testing of components of the analyser
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/698—Matching; Classification
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
    • G01N35/00584—Control arrangements for automatic analysers
    • G01N35/00594—Quality control, including calibration or testing of components of the analyser
    • G01N35/00603—Reinspection of samples
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N37/00—Details not covered by any other group of this subclass
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis

Definitions

  • the HD 104 includes a program section 141 and a database section 142.
  • the program section 141 stores an OS, which is a program for performing basic control of the entire clinical test analyzer 100, and a communication program, an approximation calculation program, a standardization conversion program, a judgment program, a warning display program, and the like, which will be described later. I have.
  • the database section 142 stores in advance reference patterns according to the type of clinical test. (A plurality of patterns including the blood cell size distribution pattern described above) are stored. Next, the functional configuration of the clinical test analyzer 100 will be described, and the specific relationship between each functional unit and the hardware shown in FIG. 2 will be described.
  • FIG. 3 is an explanatory diagram showing an example of a functional configuration of the clinical test analysis device 100.
  • the horizontal axis shown in FIG. 5 is the blood cell volume, and the vertical axis shows the light transmittance.
  • the blood cell volume is measured by the electrical resistance method, and the cell composition is analyzed by the light transmittance corresponding to the degree of staining.
  • four types lymphocytes 501, monocytes 502, neutrophils 503, and eosinophils 504 are quantified.
  • the analysis result obtained by counting the specimens described above is obtained as the same image data as the reference pattern 500 shown in FIG.
  • the reference pattern group 400 shown in Fig. 4 a total of 144 patterns of 1 2 x 12 was shown, but this number is arbitrary, and the number of data (number of subjects) and the number of items in the population Etc. are determined as appropriate.
  • the reference pattern group 400 is made up of two-dimensional matrix of darafical image data, and classifies the patterns of neutrophils, eosinophils, lymphocytes, monocytes, etc. comprehensively. Things.
  • the function of the above-described reference pattern group storage unit 301 can be realized by, for example, the database unit 142 of the HD 104 (see FIG. 2).
  • FIG. 7 is a flowchart showing a processing procedure of the previous value check by the clinical test analyzer 100.
  • the previous data is appropriately converted by a standardization conversion program and pattern-matched with all the reference patterns of the reference pattern group 400 (step S706).
  • the similarity calculation program calculates the degree of approximation to the closest reference pattern in the pattern matching process, selects and stores the closest reference pattern A (step S 707).

Landscapes

  • Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Quality & Reliability (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Epidemiology (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Automatic Analysis And Handling Materials Therefor (AREA)

Abstract

　検体を用いた前回データと今回データは、それぞれパターンマッチング部（３０４）で基準パターン群とパターンマッチングされる。パターンマッチングにより、基準パターン群のうち最も近似している基準パターンがそれぞれ選択される。距離算出部（３０５）は、選択された２つの基準パターンＡ，Ｂの距離ｄを算出する。判定部（３０６）は、距離ｄをしきい値と比較し、距離ｄがしきい値を超えるとき、検体の再検査が必要な旨を表示して前回値チェックを行う。

Description

臨床検査分析装置、 臨床検査分析方法およびその方法をコンピュータに実行させ るプログラム 技術分野
本発明は、 臨床検査分析装置、 明臨床検査分析方法およびその方法をコンビユー タに実行させるプログラムに関し、 特に、 波形や画像のデータを用いて前回値チ ックを効果的に行うことができる臨床検書査分析装置、 臨床検査分析方法および その方法をコンピュータに実行させるプログラムに関する。 背景技術
従来、 臨床検査では、 各検体 （被験者から提供される検查試料） に対して所定 項目の検査が行われ、 その分析結果から被験者の容態が判断されていた。 特に近 年では、 多数の検体を短時間に分析する自動分析装置が発達し、 臨床検査が必要 とされる場所、 例えば病院の検查室に導入されている。 臨床検査技術が発展した ことにより信頼性の高い検査および検査結果に基づく容態判断が可能となってい る。
また、同一の被験者について、前回の検査結果と今回の検査結果とを見比べて、 今回の検査データに対する検査が正常に行われた力否かを判断する前回値チェッ クという方法がある。 この前回値チェックは、 例えばある患者に対する検査デー タの値が継続して高い状態であるとき、 今回の検査データについてもある程度高 い値であると予測したものの、 極端に低い値となったときなどに、 今回の検査デ ータに対する検査の有効性が疑わしいと判定する方法である。 この前回値チェッ クは、自動分析装置を用いて数値として定量できる項目に対して行われている（特 許文献 1 ：特許第 2 8 2 8 6 0 9号公報参照。）。
また、 本出願人は、 前回データと今回データの差を求めてから、 この差を基準 パターンとマッチングさせ、 その最短距離の値により前回値チエックを行う臨床 検査分析装置を出願している （特許文献 2 ：特開 2003— 114231号公報 参照。）。
また、 血球粒度データをデータベース化し、 自己組織化マップ （SOM : S e I f Or g a n i z i n g Ma p) を利用してクラスタリングし、 疾患症例 とパターン分類を行う報告がなされている （非特許文献 1 ：井沖浩美ほか、 「白血 球粒度データによるアレルギー疾患領域のパターン分類」、医療情報学会、第 22 回医療情報学連合大会、 医療支援システムノ一般口演セッション：医療支援シス テム （1)、 2002年 1 1月）。
しかしながら、従来の技術では以下の問題点があった。特許文献 1の構成では、 数値を用いた項目に対してのみ前回値チェックを行うものであり、 蛋白電気泳動 の波形データや、 血球粒度分布図のような画像データ等のグラフィカルなデ一タ を用いて前回値チェックを行うことができなかった。 このような検查データに対 する前回値チェックは視覚の認識に頼つていたため非効率的であつた。
また、 特許文献 2に開示された技術では、 前回データと今回データの値の差を 求めて基準パターンとマッチングするため、 この差の値が直接意味するものが不 明であるとともに、 前回データと今回データの値の大きさによって差の値がプラ ス (+)、 あるいは逆にマイナス （一） として出るため、 この方法による前回値チ エックが直感的に判りにくいものであった。 また、 上記同様に、 グラフィカルな データを用いて前回値チェックを行うことができなかった。
本発明は、 上記問題点に鑑みてなされたものであって、 グラフィカルなデータ に対する前回値チェックを行うことができ、 前回値チェックの判断の信頼性を向 上して無駄な再検の手間を減らすことができる臨床検査分析装置、 臨床検査分析 方法およびその方法をコンピュータに実行させるプログラムを提供することを目 的とする。 発明の開示 上述した課題を解決し、 目的を達成するため、 本発明は、 以下のことを特徴と する。 臨床検査に用いる検体についての今回の検査データの有効性を確認するた めの前回値チェックを行う臨床検査分析装置において、 前回の検査データおよび 今回の検査データを入力する入力手段と、 複数段階のクラス分類を行った基準パ ターン群を予め格納する基準パターン群格納手段と、 前記前回の検査データに対 し、 前記基準パターン群の中で最もパターンが適合する基準パターンを選択する とともに、 前記今回の検査データに対し、 前記基準パターン群の中で最もパター ンが適合する基準パターンを選択するパターンマッチング手段と、 前記基準パタ 一ン群上に配置された前記前回の検查デ一タに適合する基準パターンと、 前記今 回の検査データに適合する基準パターンとの間の距離を算出する距離算出手段と、 前記距離算出手段により算出された距離を予め定めたしきい値と比較し、 前記距 離が前記しきい値を超えた力否かに基づいて前回値チェックの有効性を判定する 判定手段と、 を備える。
この発明によれば、 グラフィカルなデータを用いた前回値チェックを行うこと ができ、 視覚の認識に頼っていた判断を効率的に行えるようになる。 また、 前回 データと今回データの値の変化だけが大きレ、ときであっても、 基準パターン同士 の距離が小さいときには正常であると判断でき、 前回値チェックの信頼性を向上 できる。 図面の簡単な説明
第 1図は、 本発明の臨床検査分析装置が自動分析装置に接続されている^ m構 成の一例を示した図であり、 第 2図は、 臨床検査分析装置 1 0 0のハードウェア 構成の一例を示した説明図であり、 第 3図は、 臨床検査分析装置 1 0 0の機能的 構成の一例を示した説明図であり、 第 4図は、 血球粒度データをスキヤッターグ ラムにより生成された自己糸且織化マップを示す図表であり、 第 5図は、 第 4図に 示した基準パターン群のうちの一つの基準パターンを拡大した説明図であり、 第 6図は、 第 4図に示した基準パターンを用いて、 第 4図の基準パターンを求める 際に使用した母集団のデータの近似の度合い （最短距離） の分布を示した説明図 であり、 第 7図は、 臨床検査分析装置 1 0 0による前回値チェックの処理手順を 示すフローチヤ一トである。 発明を実施するための最良の形態
以下に、 本発明の実施の形態について図面を参照しつつ詳細に説明する。 ここ では、 病院で臨床検查分析装置が自動分析装置に接続されている例を用いて説明 する。
第 1図は、 本発明の臨床検査分析装置が自動分析装置に接続されている外観構 成の一例を示した図である。 臨床検査分析装置 1 0 0には、 自動血球計数装置 2 0 0から随時出力される多数の被験者の臨床検査の分析結果が随時入力され、 前 回値チェックを行う。この前回値チェックにより再検査の有無を判定する。また、 自動血球計数装置 2 0 0は、 多数の被験者からの検体に対して臨床検査を行い、 その分析結果を臨床検查分析装置 1 0 0に対して出力する。
なお、 ここでは、 臨床検査とは、 主として検体検查を意味し、 被験者から提供 された検体に対して、 複数の分析項目が含まれた検查を意味するものとする。 検 体検査の分類は、 例えば、 保険点数にしたがった分類を採用することができ、 例 としては、 尿中一般物質定性半定量検査、 尿中特殊物質定性定量検査、 尿中沈渣 顕微鏡検査、 糞便検査、 穿刺 ·採取液検査、 血液形態 ·機能検査、 出血■凝固検 查、 血液化学検査、 内分泌学的検査、 腫瘍マーカー、 特殊分析、 免疫血液学的検 査、 感染症血清反応、 肝炎ウィルス関連検査、 自己抗体検査、 血漿蛋白免疫学的 検査、 細胞機能検査、 排泄物、 滲出物または分泌物の細菌顕微鏡検査、 細菌培養 同定検査、 細菌薬剤感受性検査、 抗酸菌分離培養検査、 抗酸菌同定検査、 抗酸菌 薬剤感受性検査、微生物核酸同定 ·定量検査、動物使用検査があげられる。なお、 各臨床検査においては複数の分析項目が含まれる。 この分析項目とは例えば電解 質中の N a濃度を測定することをいい、 臨床検査を構成する複数の検査項目ない し分析項目を指すものとする。 次に、 自動血球計数装置 2 0 0を概説し、 どのようにして計数結果が出力され るか説明する。 自動血球計数装置 2 0 0は、 第 1図に示したように、 計数部 2 0 1と、 消耗品格納部 2 0 2と、 検体格納部 2 0 3と、 表示 ·解析部 2 0 4と、 臨 床検査分析装置 1 0 0に分析結果を伝送する通信線 2 0 5とを有する。
詳細な説明は省略するが、 検体格納部 2 0 3にセットされた血液は自動攪拌さ れ、 計数部 2 0 1で、 定められた希釈倍率に従い、 血液は自動希釈され、 計数部 2 0 1で各項目が測定され結果が出力される。 また、 計数部 2 0 1は次検体測定 に前検体が混入しないように計数部 2 0 1内部を計数毎に洗浄する。 消耗品格納 部 2 0 2は、 計数や測定を行うための各種の消耗品を格納する。 消耗品には各種 の計数 ·測定を行うための試薬類や洗浄液がある。
表示 ·解析部 2 0 4は、 計数部 2 0 1で得られた測定結果に基づいて、 必要に 応じて、 測定項目を整理、 表示する。 例えば、 計測されたデータを使用して、 血 液細胞の大きさ別の粒度分布図を作成したり、 2項目以上同時に測定された血液 細胞特性を利用して、 2次元またはそれ以上の次元でのポピュレーション分析を 行レヽ細胞集団毎に計数を行うことができる。 表示 ·解析部 2 0 4は、 計数部 2 0 1の測定結果を後述する第 5図に示すように、 2次元の画像データとして出力す る。
表示 ·解析部 2 0 4は、 各種の情報を出力表示する。 表示項目としては、 検査 項目、 測定日、 検体数、 検査の進行状況などがあげられる。 この他、 測定中にェ ラー （障害） が発生した場合には、 エラー内容、 装置状態、 復旧手続のための操 作手順も表示する。 また、 後述するように前回値チユックで有効性に疑いが生じ たときには、 検体の再検査を促す画面を表示する。
通信線 2 0 5は、 臨床検査の複数の分析結果 （計数部 2 0 1もしくは表示 ·解 析部 2 0 4から出力された分析結果） を臨床検査分析装置 1 0 0に伝送する。 伝 送の方法としては、 L ANや電話回線等によるネットワーク接続、 U S Bを経た 接続等、 様々考えられるが、 分析結果が速やかに臨床検査分析装置 1 0 0に出力 されればその形態は特に限定されるものではない。 なお、 後述するように、 本実 施の形態では L A Nによりデータが送信される。
このように、 自動血球計数装置 200からは多数の被験者から複数項目にわた る分析結果が随時出力される。 ここで、 自動血球計数装置 200は病院に設置さ れているので、 その母集団は何らかの疾患を有する者の集団であり、 健常者の数 値を逸脱する項目を多数含んでいる場合がほとんどである。 したがって、 異常値 をとるからといつて単に再検査を行うことには意味がなく、 前回値チエックが正 当であると判断された後に、 異常値の傾向を把握して真に再検査が必要な異常値 であるか否かを判定する必要がある。
この実施の形態では、 自動血球計数装置 200の表示■解析部 204が出力す る血球粒度データをデータベース化し、 この血球粒度の画像などのオブジェクト データを前述した自己組織化マップ (SOM) を利用してクラス分類したパター ン （血球粒度分布パターン） を用いた分析を行う。 具体的には、 前述した非特許 文献 1に記載されたように、 クラス分類したパターンを用いる。
次に、 臨床検査分析装置 100についてその構成を詳述する。 第 2図は、 臨床 検査分析装置 100のハードウエア構成の一例を示した説明図である。 臨床検査 分析装置 100は、 そのハードウェア構成として、 CPU101と、 RAM10 2と、 ROM103と、 ハードディスクドライブ (HD) 104と、 ネッ卜フー クインターフェースカード （NI C) 105と、 ビデオカード 106と、 周辺機 器インターフェース （I//F) 107と、 を有する。 また、 周辺機器 IZF部 1 07には、 マウス 171、 キーボード 172が接続されている。 また、 ビデオ力 ード 106には CRTや LCD等のディスプレイ （第 1図参照） が接続されてい る。
HD104は、 プログラム部 141と、 データベース部 142とから構成され ている。 プログラム部 141には、 臨床検査分析装置 100全体の基本制御を行 うプログラムである OSと、 後述する通信プログラム、 近似度算出プログラム、 規格化変換プログラム、 判定プログラム、 警告表示プログラムなどが格納されて いる。 また、 データベース部 142には、 予め臨床検査の種別に応じた基準パタ ーン （上記の血球粒度分布パターンを含む複数のパターン） が格納されている。 次に、 臨床検査分析装置 1 0 0の機能的構成を説明し、 各機能部と第 2図に示 したハードウェアとの具体的な関係について説明する。 第 3図は、 臨床検査分析 装置 1 0 0の機能的構成の一例を示した説明図である。 臨床検査分析装置 1 0 0 は、 その機能的構成として、 基準パターン群格納部 3 0 1と、 前回データ入力部 3 0 2と、 今回データ入力部 3 0 3と、 パターンマッチング部 3 0 4と、 距離算 出部 3 0 5と、 判定部 3 0 6とを有する。
基準パターン群格納部 3 0 1は、 分析処理を行うための基準パターン群を複数 格納している。 なお、 分析項目が異なるときには、 異なる基準パターン群を用い る。この実施の形態では、基準パターン群として血球粒度分布パターンを用いる。 第 4図は、 血球粒度データをスキヤッターグラムにより生成された自己組織化マ ップを示す図表である。 この第 4図には、 競合層 1 4 4 ( 1 2 X 1 2個、 入力層 1 2 8 X 1 2 8 X 8 b i t ) の基準パターン群 4 0 0が示されている。 一部の基 準パターンは、 便宜上拡大表示してある。 第 5図は、 第 4図に示した基準パター ン群のうちの一つの基準パターンを拡大した説明図である。
第 5図に示す横軸は血球の容積であり、縦軸は光透過度を示す。血球を染色後、 電気抵抗法で血球容積を測定し、 染色度合いに対応した光透過度により細胞組成 を分析する。これら容積と光透過度の 2つの測定原理を組み合わせることにより、 4種類 （リンパ球 5 0 1、 単球 5 0 2、 好中球 5 0 3、 好酸球 5 0 4 ) の定量を 行う。 前述した検体を計数した分析結果は、 第 5図に示す基準パターン 5 0 0と 同じ画像データとして得られる。
次に、 基準パターンについてより詳細に説明する。 第 4図に示した基準パター ン群 4 0 0は、 多数 （例えば約 6千件） の被験者の血液検査のデータを用いて、 前述した非特許文献 1に記載された技術の自己組織化マップ （S OM) を用いて 求めたものである。 自己組織化マップは、 非線形多変量のデータに潜む有用な知 識を可視化するための効率的な方法として位置づけられ、 自動血球計数装置 2 0 0のように、 多項目にわたる分析結果 （非線形多変量） が出力される場合に、 各 項目の相関を捉えるのに役立つマップである。 なお、 S OMは、 いわゆるデータ マイニングの一種であるので、 データマイニングを用いて、 後述する近似度合い が算出可能な基準パターンを求めることができるのであれば、 S OM以外であつ ても機械学習やニューラルネット等の各手法を用いることができる。 データマイ ニングの手法を用いることにより、 従来では熟練した医者でなければ判断の困難 であった数値の相関を判断できるようになる。
なお、 第 4図に示す基準パターン群 4 0 0では 1 2 X 1 2の合計 1 4 4パター ンを示したが、 この数は任意であり、 母集団のデータ数 （被験者数） や項目数等 により適宜決定される。 このように、 基準パターン群 4 0 0は、 2次元マトリク ス状に配置したダラフィカルな画像データからなり、好中球、好酸球、リンパ球、 単球などのパターンを総合的にクラス分類したものである。 上記の基準パターン 群格納部 3 0 1は、 例えば、 HD 1 0 4のデータベース部 1 4 2 (第 2図参照) によりその機能を実現することができる。
次に、 第 3図の各構成部を説明する。 前回データ入力部 3 0 2には、 自動血球 計数装置 2 0 0から、 被験者についての前回検査時の前回データが入力され、 今 回データ入力部 3 0 3には、同一被験者の今回検查時の今回データが入力される。 前回データと今回データは、 いずれも同一の検查項目に関する血液検査を分析し た後の画像データ （第 5図参照） であるとする。 これら前回データ入力部 3 0 2 と今回データ入力部 3 0 3は、例えば、 N I C 1 0 5 (第 2図参照）、 C P U 1 0 1および HD 1 0 4のプログラム部 1 4 1に格納された通信プログラムによりそ の機能を実現することができる。
パターンマッチング部 3◦ 4は、 基準パターン群格納部 3 0 1が格納している 複数の基準パターンと、 前回データ入力部 3 0 2に入力された前回データのパタ ーンをパターンマッチングする。 同様に、 基準パターン群格納部 3 0 1が格納し ている複数の基準パターンと、 今回データ入力部 3 0 3に入力された今回データ のパターンをパターンマッチングする。 パターンマッチングは、 具体的には、 基 準パターンに最も近似している近似度を計算し、 最も近似度が小さいパターンを 選定する。 なお、 近似の度合いは、 比較する複数の基準パターンのうち、 最も近 似している基準パターンとの近似の度合いが算出できればよく、 その算出方法は 限定されるものではない。
ここで、 第 4図に示した基準パターンと近似の度合いについて説明する。 第 6 図は、 第 4図に示した基準パターンを用いて、 第 4図の基準パターンを求める際 に使用した母集団のデータの近似の度合い （最短距離） の分布を示した説明図で ある。 第 6図の横軸はデータの番号を、 縦軸は最短距離を示しており、 横軸に関 しては距離の小さな順に並べ替えている。 第 6図に示したように、 ほとんどの被 験者は、 最短距離が小さいので再検査ないし精密検査の必要は生じない。 一方、 第 6図の右端では、 グラフの立ち上がりが急で、 最短距離が非常に大きくなつて おり、 再検査ないし精密検査の対象にすべきデータであると考えられる。
パターンマッチング部 3 0 4は、 例えば、 C P U 1 0 1と、 HD 1 0 4のプロ グラム部 1 4 1に格納された近似度算出プログラムによりその機能を実現するこ とができる。
距離算出部 3 0 5は、 パターンマッチング部 3 0 4にて選定された前回データ に近似する基準パターン A (第 4図の 4 0 0 a ) と、 今回データに近似する基準 パターン B (第 4図の 4 0 0 b ) との間の距離 dを算出する。 この距離 dは、 自 己糸且織化マップによる基準パターン群 4 0 0上における距離を用いる。 これに限 らず、 基準パターン群 4 0 0上における各基準パターン同士間の距離 dを算出ま たは定義して一覧表化しておき、 選定された基準パターン A， B間に相当する距 離をこの一覧表から読み出す構成としてもよい。
判定部 3 0 6は、 距離算出部 3 0 5により算出された距離 dを予め定めたしき レヽ値と比較して前回データの有効性を判定する前回値チェックを行う。 そして、 距離 dがしきい値より大きい距離であれば、 前回値チェックが N G (今回データ の有効性が疑わしい） と判定し、 距離 dがしきい値より小さい距離であれば、 前 回値チェックが O K (今回データが有効） であると判定する。 N G判定時には、 前回値チェックが N G (今回データの有効性が疑わしい） という旨をディスプレ ィ等に警告表示する。
NG判定される例としては、 被験者の取り違え、 使用する検体の取り違えが最 も多い。 例えば、 検体の取り違えは検体を示すラベル （バーコード） の貼り間違 レ、によっても生じる。したがって、本努明の臨床検査分析装置 100を用いれば、 単純な医療ミスを防止できるという効果も奏する。 この NG判定時には、 もう一 度同じ検体を用いた検査を行うよう警告表示してもよい。 この他、 この NG判定 時には、 自動血球計数装置 200の測定や調整が必要な場合もある。 なお、 この OK/NG判定は、 今回データの有効性に関する判定であり、 検査データそのも のの値が正常であるか異常であるかを判定するものではない。
判定部 306は、 例えば、 CPU101、 HD 104のプログラム部 141に 格納された判定プログラムおよび警告表示プログラム、 データベース部 142に 格納された判定用のしきい値によりその機能を実現することができる。 なお、 上 記のしきい値は、 症例や検査内容によって任意に定めることができる。
最後に、 臨床検査分析装置 100の動作例についてフローチャートを用いて説 明する。 第 7図は、 臨床検査分析装置 100による前回値チェックの処理手順を 示すフローチヤ一トである。
まず、 操作者 （例えば検査技師） は、 この臨床検査として血球粒度分布を指定 する。 この指定にしたがって、 対応する基準パターンおよび判定用のしきい値が データベース部 142から読み出され、 RAMI 02に格納される。 続いて、 通 信プログラム、 近似度算出プログラム、 規格化変換プログラム、 判定プログラム がプログラム部 141力 ら RAMI 02および CPU 101のキャッシュに格納 される。 これで、 動作 備ができたので、 CPU101は、 通信プログラムにし たがつて、 自動血球計数装置 200からこの被験者の今回の測定データを取得す る （ステップ S 701)。
次に、 同一被験者の前回データを検索する （ステップ S 702)。 検索の結果、 前回データがなければ （ステップ S 703 ： No) 前回値チェックが行えないの で終了する。前回データがあれば（ステップ S 703 ： Ye s) 該当するこの前 回データを取得する （ステップ. S 7 0 4 )。次に、 この血球粒度分布の基準パター ン群 4 0 0 (第 4図参照） を読み出す （ステップ S 7 0 5 )。
そして、 前回データを、 適宜規格化変換プログラムによりデータ変換して基準 パターン群 4 0 0の基準パターン全てとパターン照合する （ステップ S 7 0 6 )。 近似度算出プログラムは、 このパターン照合工程において最も近似している基準 パターンに対する近似の度合いを算出し、最も近似した基準パターン Aを選定し、 記憶する (ステップ S 7 0 7 )。
同様に、 今回データを、 適宜規格化変換プログラムによりデータ変換して基準 パターン群 4 0 0の基準パターン全てとパターン照合する （ステップ S 7 0 8 )。 近似度算出プログラムは、 このパターン照合工程において最も近似している基準 パターンに対する近似の度合いを算出し、最も近似した基準パターン Bを選定し、 記憶する （ステップ S 7 0 9 )。
前回データと今回データは、 V、ずれも自動血球計数装置 2 0 0力 ら画像データ として出力される構成であり、 基準パターンと同様の形式の画像データであると する。 これに限らず、 前回データと今回データは、 数値入力され、 臨床検査分析 装置 1 0 0内部にて基準パターンと同一形式の画像データに変換される構成とし てもよい。 この場合、 上記規格化変換プログラムのデータ変換がこの画像データ の生成処理を行う。
次に、 選定されたこれら基準パターン Aと基準パターン Bの距離 dを計算によ り求める （ステップ S 7 1 0 )。距離 dは、前述したように一覧表から取得するこ ともできる。 そして得た距離 dを予め設定したしきい値と比較する （ステップ S 7 1 1 )。 距離 dがしきい値より大きければ （ステップ S 7 1 1 ： Y e s ) , 前回 値チェック結果が N G (今回データの有効性が疑わしい） として警告表示を行い (ステップ S 7 1 2 )、 前回値チェックの結果を出力して （ステップ S 7 1 3 )、 終了する。 出力先は、 前述したディスプレイの他、 プリンタからの印字出力ゃ特 定ファイルへのデータ出力などがある。 なお、 距離 dがしきい値より小さければ (ステップ S 7 1 1 ： N o )、 ステップ S 7 1 2の警告表示を行わず、前回値チェ ックの結果を出力して （ステップ S 7 1 3 )、 終了する。
以上説明したように、 臨床検査分析装置 1 0 0は、 あり得べきパターンに基づ いて前回値チェックを行うので、 真に検体の再検査が必要か否かを容易に判断で きるようになる。 なお、 以上の説明では、 入院や通院患者等の被験者に対する臨 床検査を行う例を説明したが、 これに限ることなく、 健康体の母集団に対する検 查を行うことでもよい。 この応用例としては、 地域差や、 年齢層に応じた臨床検 查があげられる。
また、 臨床検査分析装置 1 0 0は、 自動血球計数装置 2 0 0から多量の臨床検 査データを入力して用いることができる。 したがって、 複数の臨床検査データを HD 1 4 2に格納しておき、 必要に応じて S OMを用いて基準パターン群 4 0 0 を再構築してもよい。 なお、 基準パターン群 4 0 0は適当なソフトウェアを用い ることにより構築可能である。 この基準パターン群 4 0 0は、 画像データに限ら ず、 波形データを用いることもできる。
具体的には、 上述した実施形態では、 血球粒度分布の画像データを用いる構成 としたが、 他に、 蛋白電気泳動の波形データの基準パターン群を用意し、 パター ンマツチングを行う構成にもできる。 この波形データを用いたパターンマツチン グは、 波形同士の重なり具合に基づいてマツチングの度合いを測ることができ、 画像データに比してマッチング処理を簡単に行うことができる。 そして、 波形デ ータを用いる場合にぉレ、ても画像データと同様に S OM等のデータマイ二ングに より基準波形データ群を構築しておけばよい。
以上説明したように、 本実施の形態にかかる臨床検査分析装置では、 基準バタ ーン群 4 0 0を用いて前回データと今回データそれぞれにマッチングするパター ンを選定し、 選定された基準パターン A, Bの距離に基づき前回値チェックを行 うこととしたので、 例え前回データが示す数値と、 今回データが示す数値との差 が大きなものであっても、 選定された基準パターン A, Bの距離が小さいときに は、 正常であると判定できるため、 前回値チェックの信頼性を向上できるように なる。 これにより、 前回値チェックにかかる無駄な手間と時間を省くことができ るようになり、 医療費の抑制も期待できるようになる。
また、 前回データおよび今回データをいずれも血球粒度パターン等の基準パタ ーン群 4 0 0とパターンマッチングするため、 基準パターンのクラス分類と推定 症例との関連付けを視覚的に容易に確認できるようになる。 加えて、 基準パター ン群 4 0 0上における前回データや今回データに適合した基準パターンの選択ェ リァおよびこの選択ェリァ内での選択頻度に基づいて、 推定症例や検査結果の変 化を適切に判断することも可能となる。
また、 近似度を用いて前回および今回の検查データに適合する基準パターンを 簡単に選択することができる。 また、 グラフィカルな画像データである血球粒度 分布を用いた検査の前回値チェックや、 グラフィカルな波形データである蛋白電 気泳動を用いた検査の前回値チェックを行える。 また、 データマイニングにより 構築された基準パターン群を用いてグラフィカルなデータに対する前回値チェッ クを行えるようになる。 また、 表示出力により検体を用いた再検査を適切に実行 できるようになる。 また、 データベースから必要な基準パターン群を読み出すだ けで異なる検査毎の前回値チェックを行うことができる。 また、 逐次距離を算出 する必要がなく、 予め格納された距離を読み出すだけで全ての組み合わせに対す る距離を容易に取得できるようになる。
以上説明したように、 本発明によれば、 前回データと今回データとを直接比較 せず、 いずれも最もマッチングする基準パターン同士を比較するため、 グラフィ カルなデータを用いた前回値チェックを行うことができ、 視覚の認識に頼ってい た判断を効率的に行えるようになる。 また、 前回データと今回データの値の変化 だけが大きいときであっても、 基準パターン同士の距離が小さいときには正常で あると判断でき、 前回ィ直チェックの信頼性を向上できるという効果を奏する。 産業上の利用可能性
以上のように本発明は、 波形や画像のデータを用いて前回値チェックを効果的 に行うことが可能な臨床検査分析装置に適している。

Claims

請 求 の 範 囲
1 . 臨床検査に用いる検体についての今回の検査データの有効性を確認するため の前回値チェックを行う臨床検査分析装置において、
前回の検查データおよび今回の検査データを入力する入力手段と、
複数段階のクラス分類を行った基準パターン群を予め格納する基準パターン群 格納手段と、
前記前回の検査データに対し、 前記基準パターン群の中で最もパターンが適合 する基準パターンを選択するとともに、 前記今回の検査データに対し、 前記基準 パターン群の中で最も Λターンが適合する基準パターンを選択するパターンマツ チング手段と、
前記基準パタ一ン群上に配置された前記前回の検査データに適合する基準パタ ーンと、 前記今回の検査データに適合する基準パターンとの間の距離を算出する 距離算出手段と、
前記距離算出手段により算出された距離を予め定めたしきい値と比較し、 前記 距離が前記しきい値を超えたか否かに基づいて前回値チェックの有効性を判定す る判定手段と、
を備えたことを特徴とする臨床検査分析装置。
2 . 前記パターンマッチング手段は、 前回おょぴ今回の検查データと、 前記基準 パターン群に含まれる各基準パターンのうち近似度が最も小さい基準パターンを それぞれ前記適合する基準パターンとして選択することを特徴とする請求の範囲 第 1項に記載の臨床検査分析装置。
3 . 前記検体の検査データおょぴ前記基準パターン群は、 血球の計数結果を表す 画像データであることを特徴とする請求の範囲第 1項に記載の臨床検査分析装置。
4 . 前記検体の検査データおよび前記基準パターン群は、 蛋白電気泳動の分析結 果を表す波形データであることを特徴とする請求の範囲第 1項に記載の臨床検査 分析装置。
5 . 前記基準パターン群は、 所定のデータマイニング手法によりクラスタリング した結果であることを特徴とする請求の範囲第 1項に記載の臨床検査分析装置。
6 . 前記判定手段は、 前記有効性が疑わしいと判定したときに、 前記検体を用い た再検査が必要である旨を表示出力することを特徴とする請求の範囲第 1項に記 載の臨床検査分析装置。
7 . 前記基準パターン群格納手段は、 前記検体を用いた検査項目毎に異なる基準 パターン群を予め格納するデータベースを備え、 所望する検查項目に対応した基 準パタ一ン群を前記デ一タベースから読み出して用いることを特徴とする請求の 範囲第 1項に記載の臨床検査分析装置。
8 . 前記距離算出手段は、 前記基準パターン群上に配置された前記前回の検查デ ータに適合する基準パターンと、 前記今回の検查データに適合する基準パターン との間の距離を予め一覧形式で格納しておき、 該当する基準パターン同士に相当 する距離を出力することを特徴とする請求の範囲第 1項に記載の臨床検査分析装 置。
9 . 臨床検査に用いる検体についての今回の検査データの有効性を確認するため の前回値チヱックを行う臨床検査分析方法において、
前回の検査データおよび今回の検査データを入力する入力工程と、
複数段階のクラス分類を行つた基準パターン群を取得する基準パターン群取得 工程と、 前記前回の検査データに対し、 前記基準パターン群の中で最もパターンが適合 する基準パターンを選択する前回基準パターンマッチング工程と、
前記今回の検査データに対し、 前記基準パターン群の中で最もパターンが適合 する基準パターンを選択する今回基準パターンマッチング工程と、
前記基準パターン群上に配置された前記前回の検査データに適合する基準バタ ーンと、 前記今回の検査データに適合する基準パターンとの間の距離を算出する 距離算出工程と、
前記距離算出工程により算出された距離を予め定めたしきい値と比較し、 前記 距離が前記しきい値を超えたカゝ否かに基づいて前回値チェックの有効性を判定す る判定工程と、
を含むことを特徴とする臨床検査分析方法。
1 0 . 前記パターンマッチング工程は、 前回および今回の検査データと、 前記基 準パターン群に含まれる各基準パターンのうち近似度が最も小さい基準パターン をそれぞれ前記適合する基準パターンとして選択することを特徴とする請求の範 囲第 9項に記載の臨床検査分析方法。
1 1 . 前記検体の検査データおよび前記基準パターン群は、 血球の計数結果を表 す画像データであることを特徴とする請求の範囲第 9項に記載の臨床検査分析方
1 2 . 前記検体の検査データおよび前記基準パターン群は、 蛋白電気泳動の分析 結果を表す波形データであることを特徴とする請求の範囲第 9項に記載の臨床検 查分析方法。
1 3 . 前記基準パターン群は、 所定のデータマイニング手法によりクラスタリン グした結果であることを特徴とする請求の範囲第 9項に記載の臨床検査分析方法。
1 4 . 前記判定工程は、 前記有効性が疑わしいと判定したときに、 前記検体を用 いた再検査が必要である旨を表示出力することを特徴とする請求の範囲第 9項に 記載の臨床検査分析方法。
1 5 . 前記基準パターン群取得工程は、 前記検体を用いた検査項目毎に異なる基 準パタ一ン群を予め格納するデータベースを備え、 所望する検査項目に対応した 基準パターン群を前記データベースから読み出して用いることを特徴とする請求 の範囲第 9項に記載の臨床検査分析方法。
1 6 . 前記距離算出工程は、 前記基準パターン群上に配置された前記前回の検査 データに適合する基準パターンと、前記今回の検査データに適合する基準パタ一 ンとの間の距離を予め一覧形式で格納しておき、 該当する基準パターン同士に相 当する距離を出力することを特徴とする請求の範囲第 9項に記載の臨床検査分析 方法。
1 7 . 前記請求の範囲第 9項〜第 1 6項のいずれか一つに記載の方法をコンビュ ータに実行させることを特徴とするプログラム。
PCT/JP2004/010520 2003-07-18 2004-07-16 臨床検査分析装置、臨床検査分析方法およびその方法をコンピュータに実行させるプログラム WO2005008254A1 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
KR1020067001109A KR101106201B1 (ko) 2003-07-18 2004-07-16 임상검사분석장치, 임상검사분석방법 및 그 방법을 컴퓨터에 실행시키는 프로그램을 저장하는 컴퓨터 판독 가능한 기록매체
EP04747884A EP1703283A4 (en) 2003-07-18 2004-07-16 ANALYSIS DEVICE AND ANALYSIS METHOD FOR A CLINICAL INVESTIGATION AND A COMPUTER PROGRAM PROGRAMMING THE PROCESS
JP2005511918A JP4150044B2 (ja) 2003-07-18 2004-07-16 臨床検査分析装置、臨床検査分析方法およびその方法をコンピュータに実行させるプログラム
US10/564,083 US8676510B2 (en) 2003-07-18 2004-07-16 Clinical-result confirming device, clinical-result confirming method, and computer program therefor
CN2004800207980A CN1826529B (zh) 2003-07-18 2004-07-16 临床检查分析装置及临床检查分析方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2003199077 2003-07-18
JP2003-199077 2003-07-18

Publications (1)

Publication Number Publication Date
WO2005008254A1 true WO2005008254A1 (ja) 2005-01-27

Family

ID=34074399

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2004/010520 WO2005008254A1 (ja) 2003-07-18 2004-07-16 臨床検査分析装置、臨床検査分析方法およびその方法をコンピュータに実行させるプログラム

Country Status (6)

Country Link
US (1) US8676510B2 (ja)
EP (1) EP1703283A4 (ja)
JP (1) JP4150044B2 (ja)
KR (1) KR101106201B1 (ja)
CN (1) CN1826529B (ja)
WO (1) WO2005008254A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1785899A2 (en) * 2005-11-10 2007-05-16 IDEXX Laboratories Inc Methods for identifying discrete populations (e.g. clusters) of data within a flow cytometer multi-dimensional data set
JP2010054425A (ja) * 2008-08-29 2010-03-11 Toyobo Co Ltd データの精度を向上する方法、および、そのためのシステム

Families Citing this family (67)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1686494A4 (en) * 2003-11-21 2011-07-27 Univ Kochi Nat Univ Corp DEVICE, METHOD AND PROGRAM FOR SEARCHING FOR SIMILAR PATTERNS AND FRACTION DEVICE
US20050168660A1 (en) * 2004-01-29 2005-08-04 Mircea Popescu Digital moving picture device
US7231590B2 (en) * 2004-02-11 2007-06-12 Microsoft Corporation Method and apparatus for visually emphasizing numerical data contained within an electronic document
US8551505B2 (en) 2008-10-31 2013-10-08 The Invention Science Fund I, Llc Compositions and methods for therapeutic delivery with frozen particles
US8221480B2 (en) 2008-10-31 2012-07-17 The Invention Science Fund I, Llc Compositions and methods for biological remodeling with frozen particle compositions
US9060931B2 (en) 2008-10-31 2015-06-23 The Invention Science Fund I, Llc Compositions and methods for delivery of frozen particle adhesives
US8603494B2 (en) 2008-10-31 2013-12-10 The Invention Science Fund I, Llc Compositions and methods for administering compartmentalized frozen particles
US8731841B2 (en) 2008-10-31 2014-05-20 The Invention Science Fund I, Llc Compositions and methods for therapeutic delivery with frozen particles
US8849441B2 (en) 2008-10-31 2014-09-30 The Invention Science Fund I, Llc Systems, devices, and methods for making or administering frozen particles
US9072688B2 (en) 2008-10-31 2015-07-07 The Invention Science Fund I, Llc Compositions and methods for therapeutic delivery with frozen particles
US8545855B2 (en) 2008-10-31 2013-10-01 The Invention Science Fund I, Llc Compositions and methods for surface abrasion with frozen particles
US9072799B2 (en) 2008-10-31 2015-07-07 The Invention Science Fund I, Llc Compositions and methods for surface abrasion with frozen particles
US9060934B2 (en) 2008-10-31 2015-06-23 The Invention Science Fund I, Llc Compositions and methods for surface abrasion with frozen particles
US8793075B2 (en) 2008-10-31 2014-07-29 The Invention Science Fund I, Llc Compositions and methods for therapeutic delivery with frozen particles
US8725420B2 (en) 2008-10-31 2014-05-13 The Invention Science Fund I, Llc Compositions and methods for surface abrasion with frozen particles
US8721583B2 (en) 2008-10-31 2014-05-13 The Invention Science Fund I, Llc Compositions and methods for surface abrasion with frozen particles
US8762067B2 (en) 2008-10-31 2014-06-24 The Invention Science Fund I, Llc Methods and systems for ablation or abrasion with frozen particles and comparing tissue surface ablation or abrasion data to clinical outcome data
US9050317B2 (en) 2008-10-31 2015-06-09 The Invention Science Fund I, Llc Compositions and methods for therapeutic delivery with frozen particles
US8545857B2 (en) 2008-10-31 2013-10-01 The Invention Science Fund I, Llc Compositions and methods for administering compartmentalized frozen particles
US20100111857A1 (en) 2008-10-31 2010-05-06 Boyden Edward S Compositions and methods for surface abrasion with frozen particles
US9060926B2 (en) 2008-10-31 2015-06-23 The Invention Science Fund I, Llc Compositions and methods for therapeutic delivery with frozen particles
US9050070B2 (en) 2008-10-31 2015-06-09 The Invention Science Fund I, Llc Compositions and methods for surface abrasion with frozen particles
US8798932B2 (en) 2008-10-31 2014-08-05 The Invention Science Fund I, Llc Frozen compositions and methods for piercing a substrate
US8545856B2 (en) 2008-10-31 2013-10-01 The Invention Science Fund I, Llc Compositions and methods for delivery of frozen particle adhesives
US8731840B2 (en) * 2008-10-31 2014-05-20 The Invention Science Fund I, Llc Compositions and methods for therapeutic delivery with frozen particles
US8409376B2 (en) 2008-10-31 2013-04-02 The Invention Science Fund I, Llc Compositions and methods for surface abrasion with frozen particles
US8788211B2 (en) 2008-10-31 2014-07-22 The Invention Science Fund I, Llc Method and system for comparing tissue ablation or abrasion data to data related to administration of a frozen particle composition
US8603495B2 (en) 2008-10-31 2013-12-10 The Invention Science Fund I, Llc Compositions and methods for biological remodeling with frozen particle compositions
US20100178038A1 (en) * 2009-01-12 2010-07-15 Mediatek Inc. Video player
CN103348249B (zh) * 2011-03-04 2016-02-17 株式会社日立高新技术 分析装置
US8799269B2 (en) 2012-01-03 2014-08-05 International Business Machines Corporation Optimizing map/reduce searches by using synthetic events
CN102733469A (zh) * 2012-06-08 2012-10-17 南京物联传感技术有限公司 一种网络化多功能马桶及其工作方法
US9460200B2 (en) 2012-07-02 2016-10-04 International Business Machines Corporation Activity recommendation based on a context-based electronic files search
US8903813B2 (en) 2012-07-02 2014-12-02 International Business Machines Corporation Context-based electronic document search using a synthetic event
US8898165B2 (en) 2012-07-02 2014-11-25 International Business Machines Corporation Identification of null sets in a context-based electronic document search
CN102733468B (zh) * 2012-07-04 2014-04-23 广州市晶华光学电子有限公司 一种智能大小便检验马桶及其工作方法
US9262499B2 (en) 2012-08-08 2016-02-16 International Business Machines Corporation Context-based graphical database
US8676857B1 (en) 2012-08-23 2014-03-18 International Business Machines Corporation Context-based search for a data store related to a graph node
US8959119B2 (en) 2012-08-27 2015-02-17 International Business Machines Corporation Context-based graph-relational intersect derived database
US9619580B2 (en) 2012-09-11 2017-04-11 International Business Machines Corporation Generation of synthetic context objects
US9251237B2 (en) 2012-09-11 2016-02-02 International Business Machines Corporation User-specific synthetic context object matching
US8620958B1 (en) 2012-09-11 2013-12-31 International Business Machines Corporation Dimensionally constrained synthetic context objects database
US9223846B2 (en) 2012-09-18 2015-12-29 International Business Machines Corporation Context-based navigation through a database
US8782777B2 (en) 2012-09-27 2014-07-15 International Business Machines Corporation Use of synthetic context-based objects to secure data stores
US9741138B2 (en) 2012-10-10 2017-08-22 International Business Machines Corporation Node cluster relationships in a graph database
US8931109B2 (en) 2012-11-19 2015-01-06 International Business Machines Corporation Context-based security screening for accessing data
US9229932B2 (en) 2013-01-02 2016-01-05 International Business Machines Corporation Conformed dimensional data gravity wells
US8914413B2 (en) 2013-01-02 2014-12-16 International Business Machines Corporation Context-based data gravity wells
US8983981B2 (en) 2013-01-02 2015-03-17 International Business Machines Corporation Conformed dimensional and context-based data gravity wells
US8856946B2 (en) 2013-01-31 2014-10-07 International Business Machines Corporation Security filter for context-based data gravity wells
US9053102B2 (en) 2013-01-31 2015-06-09 International Business Machines Corporation Generation of synthetic context frameworks for dimensionally constrained hierarchical synthetic context-based objects
US9069752B2 (en) 2013-01-31 2015-06-30 International Business Machines Corporation Measuring and displaying facets in context-based conformed dimensional data gravity wells
US9110722B2 (en) 2013-02-28 2015-08-18 International Business Machines Corporation Data processing work allocation
US9292506B2 (en) 2013-02-28 2016-03-22 International Business Machines Corporation Dynamic generation of demonstrative aids for a meeting
JP2014202608A (ja) * 2013-04-04 2014-10-27 日本光電工業株式会社 外部精度管理の評価用データの表示方法
US10152526B2 (en) 2013-04-11 2018-12-11 International Business Machines Corporation Generation of synthetic context objects using bounded context objects
US9195608B2 (en) 2013-05-17 2015-11-24 International Business Machines Corporation Stored data analysis
US9348794B2 (en) 2013-05-17 2016-05-24 International Business Machines Corporation Population of context-based data gravity wells
US9053192B2 (en) 2013-05-28 2015-06-09 International Business Machines Corporation Minimization of surprisal context data through application of customized surprisal context filters
US9176998B2 (en) 2013-05-28 2015-11-03 International Business Machines Corporation Minimization of surprisal context data through application of a hierarchy of reference artifacts
US10452660B2 (en) 2013-05-31 2019-10-22 International Business Machines Corporation Generation and maintenance of synthetic context events from synthetic context objects
CN105424560A (zh) * 2015-11-24 2016-03-23 苏州创继生物科技有限公司 流式颗粒仪数据自动化定量分析方法
CN107041843B (zh) * 2017-02-09 2021-03-26 深圳市卫邦科技有限公司 药品抽吸控制方法及装置
JP7133911B2 (ja) * 2017-07-14 2022-09-09 株式会社堀場製作所 検体分析装置
CN108181312B (zh) * 2018-01-18 2020-09-04 魏燕 前列腺液自动分析方法及装置
KR102261474B1 (ko) * 2019-07-12 2021-06-07 주식회사 젠큐릭스 자동 경계화를 이용한 데이터 처리 방법 및 시스템
CN111413504B (zh) * 2020-04-03 2022-01-28 河北医科大学第四医院 一种辅助判读ki67增殖指数的标准比对卡

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08147396A (ja) * 1994-09-22 1996-06-07 A & T:Kk 臨床検査分析装置
JP2003114231A (ja) 2001-07-31 2003-04-18 A & T:Kk 臨床検査分析装置、臨床検査分析方法および臨床検査分析プログラム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02259421A (ja) * 1989-03-31 1990-10-22 Toshiba Corp 自動分析装置
IL147502A0 (en) * 2002-01-07 2002-08-14 Widemed Ltd Self-adaptive system, for the analysis of biomedical signals of a patient

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08147396A (ja) * 1994-09-22 1996-06-07 A & T:Kk 臨床検査分析装置
JP2828609B2 (ja) 1994-09-22 1998-11-25 株式会社エイアンドティー 臨床検査分析装置
JP2003114231A (ja) 2001-07-31 2003-04-18 A & T:Kk 臨床検査分析装置、臨床検査分析方法および臨床検査分析プログラム

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
CHIBA, M. ET AL.: "Shutsugen Jisseki Zone-ho ni yoru Kensa Kekka Kensho", KENSA TO GIJUTSU, IGAKU-SHOIN LTD., vol. 25, no. 4, 1 April 1997 (1997-04-01), pages 388 - 390, XP002985384 *
CHIBA, M. ET AL.: "Shutsugen Jisseki Zone-ho ni yoru quality control", RINSHO KENSA, IGAKU-SHOIN LTD., vol. 41, no. 4, 15 April 1997 (1997-04-15), pages 428 - 432, XP002985385 *
HIROMI IOKI: "Clustering of Leukocyte scattergram in allergic diseases", JAPAN ASSOCIATION FOR MEDICAL INFORMATICS, 22ND JOINT CONFERENCE ON MEDICAL INFORMATICS, November 2002 (2002-11-01)
IOKI, H. ET AL: "Hakkekkyu Ryudo Data ni yoru Allergy Shikkan ryoiki no Pattern Bunrui", JAPAN ASSOCIATION OF MEDICAL INFORMATION, 14 November 2002 (2002-11-14), pages 211 - 212, XP002985381 *
KATAOKA, H. ET AL.: "Doteki Keikakuho - SOM ni Motozuku Ruiji Hakei Kensaku System", TRANSACTIONS OF INFORMATION PROCESSING SOCIETY OF JAPAN, DATABASE, INFORMATION PROCESSING SOCIETY OF JAPAN, vol. 42, no. SIG 10, 15 September 2001 (2001-09-15), pages 92 - 99, XP002985382 *
KATAOKA, H. ET AL.: "Tanpaku Eido Hakei Joho no Data Mining System", JAPANESE JURNAL OF CLINICAL LABORATORY AUTOMATION, THE JAPAN SOCIETY FOR CLINICAL LABORATORY AUTOMATION, vol. 26, no. 3, 1 June 2001 (2001-06-01), pages 170 - 175, XP002985383 *
See also references of EP1703283A4

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1785899A2 (en) * 2005-11-10 2007-05-16 IDEXX Laboratories Inc Methods for identifying discrete populations (e.g. clusters) of data within a flow cytometer multi-dimensional data set
EP1785899A3 (en) * 2005-11-10 2007-05-23 IDEXX Laboratories Inc Methods for identifying discrete populations (e.g. clusters) of data within a flow cytometer multi-dimensional data set
US7299135B2 (en) 2005-11-10 2007-11-20 Idexx Laboratories, Inc. Methods for identifying discrete populations (e.g., clusters) of data within a flow cytometer multi-dimensional data set
JP2010054425A (ja) * 2008-08-29 2010-03-11 Toyobo Co Ltd データの精度を向上する方法、および、そのためのシステム

Also Published As

Publication number Publication date
EP1703283A4 (en) 2011-11-23
CN1826529B (zh) 2010-12-01
US20060190195A1 (en) 2006-08-24
KR20060030115A (ko) 2006-04-07
CN1826529A (zh) 2006-08-30
EP1703283A1 (en) 2006-09-20
JPWO2005008254A1 (ja) 2006-08-31
JP4150044B2 (ja) 2008-09-17
KR101106201B1 (ko) 2012-01-20
US8676510B2 (en) 2014-03-18

Similar Documents

Publication Publication Date Title
JP4150044B2 (ja) 臨床検査分析装置、臨床検査分析方法およびその方法をコンピュータに実行させるプログラム
Brown et al. Receiver operating characteristics curves and related decision measures: A tutorial
EP2280358B1 (en) A urine work area manager and a urine work area
CN114127558A (zh) 用于评估对感染的免疫反应的系统和方法
US20210311071A1 (en) Methods for Sample Quality Assessment
EP3797420A1 (en) Condition specific sample analysis
CN114446417B (zh) 多模式约束规则的配置方法、装置、设备和存储介质
McShane In pursuit of greater reproducibility and credibility of early clinical biomarker research
JP6791170B2 (ja) 分析装置、分析方法、および、分析システム
CN111406294B (zh) 自动生成用于实验室仪器的规则
JP3823162B2 (ja) 臨床検査分析装置、臨床検査分析方法および臨床検査分析プログラム
JP4746471B2 (ja) 精度管理システム、精度管理サーバ及びコンピュータプログラム
Kazmierczak Improving healthcare through advances in point-of-care technologies
Lin et al. Establishing and evaluating an auto-verification system of thalassemia gene detection results
EP4283623A1 (en) Method and device for evaluating quality of pathological slide image
WO2022116112A1 (zh) 样本分析系统、方法、样本图像分析系统及血液分析仪
JP6112597B2 (ja) Ｃｂｃスキャッタグラムを用いた診断支援装置
WO2023283265A2 (en) All-electronic analysis of biochemical samples
KR20230040119A (ko) 인공지능 기반의 일반혈액검사 데이터 분석을 통한 질병 진단 및 건강 관리를 위한 바이오 마커, 진단 키트, 장치, 방법 및 알고리즘
JP5550543B2 (ja) 臨床検査値の管理装置、管理方法及び管理プログラム
CN118039047A (en) Methods and computer readable media for execution by a sample processing system
JP2013008215A (ja) 情報処理装置、情報処理方法および情報処理プログラム

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 200480020798.0

Country of ref document: CN

AK Designated states

Kind code of ref document: A1

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BW BY BZ CA CH CN CO CR CU CZ DE DK DM DZ EC EE EG ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX MZ NA NI NO NZ OM PG PH PL PT RO RU SC SD SE SG SK SL SY TJ TM TN TR TT TZ UA UG US UZ VC VN YU ZA ZM ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): GM KE LS MW MZ NA SD SL SZ TZ UG ZM ZW AM AZ BY KG KZ MD RU TJ TM AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IT LU MC NL PL PT RO SE SI SK TR BF BJ CF CG CI CM GA GN GQ GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
REEP Request for entry into the european phase

Ref document number: 2004747884

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2004747884

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2006190195

Country of ref document: US

Ref document number: 10564083

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2005511918

Country of ref document: JP

Ref document number: 1020067001109

Country of ref document: KR

WWP Wipo information: published in national office

Ref document number: 10564083

Country of ref document: US

WWP Wipo information: published in national office

Ref document number: 2004747884

Country of ref document: EP