特表 2019-511700 試料中のインターフェレントを検出するための方法と装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公表特許公報(A)

(11)【公表番号】特表2019-511700(P2019-511700A)

(43)【公表日】2019年4月25日

(54)【発明の名称】試料中のインターフェレントを検出するための方法と装置

(51)【国際特許分類】

   G01N 33/49 20060101AFI20190329BHJP

   G01N 21/27 20060101ALI20190329BHJP

   G01J 3/46 20060101ALI20190329BHJP

【ＦＩ】

   G01N33/49 K

   G01N21/27 A

   G01J3/46 Z

【審査請求】未請求

【予備審査請求】未請求

【全頁数】30

(21)【出願番号】特願2018-539287(P2018-539287)

(86)(22)【出願日】2017年1月24日

(85)【翻訳文提出日】2018年9月26日

(86)【国際出願番号】US2017014775

(87)【国際公開番号】WO2017132169

(87)【国際公開日】20170803

(31)【優先権主張番号】62/288,375

(32)【優先日】2016年1月28日

(33)【優先権主張国】US

(81)【指定国】 AP(BW,GH,GM,KE,LR,LS,MW,MZ,NA,RW,SD,SL,ST,SZ,TZ,UG,ZM,ZW),EA(AM,AZ,BY,KG,KZ,RU,TJ,TM),EP(AL,AT,BE,BG,CH,CY,CZ,DE,DK,EE,ES,FI,FR,GB,GR,HR,HU,IE,IS,IT,LT,LU,LV,MC,MK,MT,NL,NO,PL,PT,RO,RS,SE,SI,SK,SM,TR),OA(BF,BJ,CF,CG,CI,CM,GA,GN,GQ,GW,KM,ML,MR,NE,SN,TD,TG),AE,AG,AL,AM,AO,AT,AU,AZ,BA,BB,BG,BH,BN,BR,BW,BY,BZ,CA,CH,CL,CN,CO,CR,CU,CZ,DE,DJ,DK,DM,DO,DZ,EC,EE,EG,ES,FI,GB,GD,GE,GH,GM,GT,HN,HR,HU,ID,IL,IN,IR,IS,JP,KE,KG,KH,KN,KP,KR,KW,KZ,LA,LC,LK,LR,LS,LU,LY,MA,MD,ME,MG,MK,MN,MW,MX,MY,MZ,NA,NG,NI,NO,NZ,OM,PA,PE,PG,PH,PL,PT,QA,RO,RS,RU,RW,SA,SC,SD,SE,SG,SK,SL,SM,ST,SV,SY,TH,TJ,TM,TN,TR,TT,TZ

(71)【出願人】

【識別番号】507269175

【氏名又は名称】シーメンス・ヘルスケア・ダイアグノスティックス・インコーポレーテッド

【氏名又は名称原語表記】ＳＩＥＭＥＮＳ ＨＥＡＬＴＨＣＡＲＥ ＤＩＡＧＮＯＳＴＩＣＳ ＩＮＣ．

(74)【代理人】

【識別番号】100075166

【弁理士】

【氏名又は名称】山口 巖

(74)【代理人】

【識別番号】100133167

【弁理士】

【氏名又は名称】山本 浩

(72)【発明者】

【氏名】クルックナー，シュテファン

(72)【発明者】

【氏名】チャーン，ヤオ−ジェン

(72)【発明者】

【氏名】チェン，テレンス

(72)【発明者】

【氏名】ポラック，ベンジャミン エス．

(72)【発明者】

【氏名】ヴィスマン，パトリック

【テーマコード（参考）】

2G020

2G045

2G059

【Ｆターム（参考）】

2G020AA08

2G020DA05

2G020DA22

2G020DA33

2G020DA34

2G020DA62

2G045AA01

2G045BB03

2G045BB10

2G045CA25

2G045CA26

2G045FA11

2G045FA19

2G045JA01

2G045JA07

2G059AA01

2G059BB04

2G059BB12

2G059CC16

2G059DD12

2G059EE01

2G059EE12

2G059HH02

2G059KK04

(57)【要約】

インターフェレント（Ｈ、Ｉ、及び／又はＬ）の存在を試料で検査するモデルベースの方法。この方法は、複数の異なる露光時間及び異なる公称波長を有する複数のスペクトルで、試料の画像をキャプチャすることと、キャプチャした画像から最適に露光された画素を選択して各スペクトルにおいて最適に露光された画像データを生成することと、試料の血清又は血漿部分を識別することと、インターフェレントが血清又は血漿部分内に存在するかしないかを分類することとを含む。この方法を実行するように構成された検査装置及び品質チェックモジュールは、他の態様と同様に記載される。

【特許請求の範囲】

【請求項1】

試料容器内に収容された試料におけるインターフェレントを判定する方法であって、
試料容器に収容された試料を提供し、
複数の異なる露光時間及び異なる公称波長を有する複数の異なるスペクトルで、前記試料の画像を撮像し、
各スペクトルにおける前記異なる露光時間の前記画像から最適に露光された画素を選択し、各スペクトルにおいて最適に露光された画像データを生成し、
試料の血清又は血漿部分を分類し、
インターフェレントが前記血清又は血漿部分内に存在するか、あるいは
前記血清又は血漿部分内に存在しないか
を判定する
ことを含む方法。

【請求項2】

前記血清又は血漿部分を分類することは、前記異なるスペクトルで前記最適に露光された画素の統計を演算して統計データを生成することを含む請求項１に記載の方法。

【請求項3】

前記試料は、分離された血液部分と前記血清又は血漿部分を含む遠心分離された試料である請求項１に記載の方法。

【請求項4】

前記試料の画像を撮像することは、複数の異なる視点からカメラで複数の画像を撮像することを含む請求項１に記載の方法。

【請求項5】

前記複数の視点は、３つ以上である請求項４に記載の方法。

【請求項6】

前記複数の異なるスペクトルは、約４００ｎｍ〜約１５００ｎｍの間の２つ以上のスペクトルを含む請求項１に記載の方法。

【請求項7】

前記複数の異なるスペクトルは、約４００ｎｍ〜約７００ｎｍの間の２つ以上のスペクトルを備える請求項１に記載の方法。

【請求項8】

前記複数の異なるスペクトルは、赤色光、緑色光、青色光を含む請求項１に記載の方法。

【請求項9】

前記複数の異なるスペクトルは、赤外光及び近赤外光を含む請求項１に記載の方法。

【請求項10】

前記複数の露光時間は、約０．１ｍｓ〜約２５６ｍｓの間である請求項１に記載の方法。

【請求項11】

前記最適に露光された画素の選択は、約０〜２５５の範囲において約１６〜２５４の間の強度を有する前記画像から画素を選択することを含む請求項１に記載の方法。

【請求項12】

前記血清又は血漿部分を分類することは、マルチクラス分類器を使用することを含む請求項１に記載の方法。

【請求項13】

前記マルチクラス分類器は、サポートベクトルマシン又はランダム判定ツリーを含む請求項１２に記載の方法。

【請求項14】

前記血清又は血漿部分内のインターフェレントの存在又は不存在を判定することは、複数のトレーニングセットから生成されたインターフェレント分類器に基づく請求項１に記載の方法。

【請求項15】

前記インターフェレント分類器は、溶血、黄疸、及び脂肪血を識別することが可能なマルチクラス分類器を含む請求項１４に記載の方法。

【請求項16】

前記インターフェレント分類器は、溶血、黄疸、及び脂肪血を独立して識別することが可能な独立したバイナリ分類器を含む請求項１４に記載の方法。

【請求項17】

試料容器内に収容された試料におけるインターフェレントの存在を判定するように構成された品質チェックモジュールであって、
前記試料容器の周囲に配置され、複数の異なる露光時間及び異なる公称波長を有する複数のスペクトルで複数の視点から前記試料の複数の画像をキャプチャするように構成された複数のカメラと、
前記複数のカメラに接続され、前記複数の画像の画像データを処理するように構成されたコンピュータであって、
各スペクトルにおける前記異なる露光時間の前記複数の画像から最適に露光された画素を選択し、各スペクトルにおいて最適に露光された画像データを生成し、
試料の血清又は血漿部分を分類し、
インターフェレントが前記血清又は血漿部分内に存在するか、あるいは前記血清又は血漿部分内に存在しないかを分類する
ように構成されるとともに操作可能な前記コンピュータと、
を含む品質チェックモジュール。

【請求項18】

トラックに設けられたキャリア内に受け付けた前記試料容器を囲む筐体を備える請求項１７に記載の品質チェックモジュール。

【請求項19】

試料容器を上方から前記品質チェックモジュールに搭載可能とするように構成された、前記筐体の上面に開口が形成された請求項１８に記載の品質チェックモジュール。

【請求項20】

背面照明を提供する複数のＲＧＢ光源を備えた請求項１７に記載の品質チェックモジュール。

【請求項21】

前面照明を提供する複数の白色光源を備えた請求項１７に記載の品質チェックモジュール。

【請求項22】

試料容器内に収容された試料におけるインターフェレントの存在を判定するように構成された試料検査装置であって、
トラックと、
前記トラック上を移動可能であり、前記試料容器を収容するように構成されたキャリアと、
前記トラックの周囲に配置され、複数の異なる露光時間及び異なる公称波長を有する複数のスペクトルで複数の視点から前記試料の複数の画像をキャプチャするように構成された複数のカメラと、
前記複数のカメラに接続され、前記複数の画像から画像データを処理するように構成されたコンピュータであって、
前記異なる露光時間とスペクトルの前記複数の画像から最適に露光された画素を選択し、各スペクトルにおいて最適に露光された画像データを生成し、
試料の血清又は血漿部分を分類し、
インターフェレントが前記血清又は血漿部分内に存在するか、又は前記血清又は血漿部分内に存在しないかを分類する
ように構成されるとともに操作可能な前記コンピュータと、
を含む試料検査装置。

【発明の詳細な説明】

【技術分野】

【0001】

関連出願
本出願は、２０１６年１月２８日に出願された「試料中のインターフェレントを検出するための方法と装置」と題する米国仮特許出願通し番号６２／２８８，３７５号に対する優先権を主張し、その開示はその全体が参照により本明細書に援用される。

【0002】

本発明は、試料を検査するための方法及び装置に関し、より詳細には、溶血、黄疸又は脂肪血（ＨＩＬ）のような試料中のインターフェレントの存在を判定するための方法及び装置に関する。

【背景技術】

【0003】

自動検査システムは、尿、血清、血漿、間質液、脳脊髄液などの試料中の分析物又は他の成分を識別するために、１つ以上の試薬を用いて臨床化学検査又は化学分析検査を行うために使用することができる。便宜上及び安全上の理由から、これらの試料は、試料容器（例えば、試料採取管）に収容してもよい。化学分析又は検査反応は、様々な変化を生じ得るものであり、読み取り及び／又は操作して、分析物又は試料内に存在する他の成分の濃度を判定する。

【0004】

自動化された検査技術の改良には、実験室自動化システム（ＬＡＳ）の一部であってもよい自動分析前試料準備システムによる分類、バッチ処理準備、試料成分を分離するための試料容器の遠心分離、試料アクセスを容易にするためのキャップ除去などの分析前試料準備及び取り扱い操作における対応する進歩が伴う。ＬＡＳは、試料容器内の試料を、多数の分析前試料処理ステーション並びに臨床化学分析装置及び／又は化学分析機器を含む分析装置ステーションに自動的に搬送する。

【0005】

これらのＬＡＳは、バーコードラベル付き試料容器に収容され得る多数の異なる試料の処理を一度に行ってもよい。バーコードラベルは、病院の検査室情報システム（ＬＩＳ）に入力される人口統計情報に関連付けることができる受託番号を、検査指示及び／又は他の情報と共に含んでいてもよい。オペレータは、ラベル付き試料容器を、ＬＡＳシステム上に置くことができ、ＬＡＳは、例えば、遠心分離、キャップ取り外し、さらに一定分量（アリコート）準備などの分析前操作のために試料容器を自動的に搬送可能である。これらはすべて、試料に対して、実際に臨床分析が行われる前、又はＬＡＳの一部となり得る１つ以上の分析装置（臨床化学又は化学分析機器）による化学分析が行われる前に実施される。

【0006】

溶血、黄疸、及び脂肪血（以下、総称して「ＨＩＬ」という）といったインターフェレントの検出のようなある種の検査には、分別（例えば、遠心分離）によって全血から得られる血清又は血漿部分を使用することができる。場合によっては、ゲルセパレータを試料容器に加えて、血清又は血漿部分から沈降した血液部分の分離を補助してもよい。分別、及びその後のキャップ取り外し処理の後、いくつかの実施形態では、試料容器は、吸引によって血清又は血漿部分を試料容器から抽出し、血清又は血漿部分を反応容器（例えば、キュベット又は他の容器）中の１つ以上の試薬と組み合わせることができる適切な分析装置に搬送してもよい。分析測定は、例えば、しばしば検査用の放射線のビームを使用して、又は測光又は蛍光測定吸収読み取りなどを使用して実行される。測定値から、終了点又は割合値を判定し、それらから既知の技術を用いて分析物又は他の成分の濃度を判定することができる。

【0007】

残念なことに、患者の状態やサンプル処理により、試料中にインターフェレント（例えば、Ｈ、Ｉ、及び／又はＬ）が存在すると、分析物の検査結果、又は分析装置から得られた成分測定値に悪影響を及ぼす可能性がある。例えば、患者の疾患状態と無関係かもしれない試料中の溶血の存在により、患者の疾患状態の解釈が変わってしまう可能性がある。さらに、試料の中に黄疸及び／又は脂肪血が存在すると、患者の病状の解釈が変わってしまう可能性もある。

【0008】

先行技術では、試料の血清又は血漿部分の完全性は、熟練した実験技師であれば視覚的に検査し、ＨＩＬの度合い（例えば、指数）を評価できる。これには、周知の基準に対する、試料の血清又は血漿部分の色の検査も含まれ得る。正常な血清又は血漿部分は淡黄色から淡い琥珀色を呈する。溶血を含む血清又は血漿部分は赤みがかった色をしている。黄疸を含む血清又は血漿部分は、ビリルビンの量が多いので暗い黄色をしており、脂肪血を含む血清又は血漿部分は、白っぽい又は乳白色の外観の場合がある。しかし、視覚検査は非常に主観的であり、労働集約的であり、人為的ミスの可能性を伴う。

【0009】

手動検査には上記の問題が含まれているため、検査技術者による目視検査を使用せずに、むしろ自動検査法を使用することにより、試料の完全性を評価することがますます重要になってきている。しかしながら、場合によっては、試料容器に直接貼付されたバーコードラベルが、試料の視野を部分的に閉塞して、血清又は血漿部分の視覚的に鮮明な観察をできない場合もある。よって自動化は難しい。

【0010】

これに対処するため、ミラーに付与された特許文献１に記載されているようないくつかのシステムには、試料容器を回転することにより、ラベルによって遮られることのないビューウィンドウを見つけるための、ＨＩＬに対する自動予備スクリーニングが記載されている。しかしながら、そのようなシステムは、自動化し難い可能性がある。

【0011】

溶血、黄疸、又は脂肪血（ＨＩＬ）が分析対象の試料内に含まれる場合に遭遇するであろう問題のため、ＨＩＬの存在及び可能性のある範囲を容易に判定できるように構成された方法及び装置が依然として必要である。この方法及び装置は、分析又は化学分析の検査結果を得る速度に、感知できるほどの悪影響を及ぼすべきではない。すなわち、ＨＩＬの存在を判定する時間は非常に短くすべきである。さらに、この方法及び装置は、ラベルが試料の少なくとも一部を遮るような１つ以上のラベル付き試料容器上でも使用可能でなければならない。

【先行技術文献】

【特許文献】

【0012】

【特許文献1】米国特許第９，３２２，７６１号

【発明の概要】

【課題を解決するための手段】

【0013】

第１の態様によれば、試料容器内に収容された試料におけるインターフェレントを判定する方法が提供される。この方法は、試料容器に収容された試料を提供することと、複数の異なる露光時間及び異なる公称波長を有する複数のスペクトルで、前記試料の画像を撮像（キャプチャ）することと、各スペクトルにおける異なる露光時間でキャプチャした画像から最適に露光された画素を選択して、各スペクトルにおいて最適に露光された画像データを生成することと、試料の血清又は血漿部分を分類することと、インターフェレントが血清又は血漿部分内に存在するか、あるいは血清又は血漿部分内に存在しないかを判定することとを含む。

【0014】

別の態様によれば、試料容器内に収容された試料におけるインターフェレントの存在を判定するように構成された品質チェックモジュールが提供される。品質チェックモジュールは、試料容器の周囲に配置され、複数の異なる露光時間及び異なる公称波長を有する複数のスペクトルで複数の視点から試料の複数の画像をキャプチャするように構成された複数のカメラと、複数のカメラに連結され、複数の画像の画像データを処理するように構成されたコンピュータと、を備え、コンピュータが、各スペクトルにおける異なる露光時間で複数の画像から最適に露光された画素を選択して、スペクトルごとに最適に露光された画像データを生成し、試料の血清又は血漿部分を分類し、インターフェレントが血清又は血漿部分内に存在するか、又は血清又は血漿部分内に存在しないかを分類するように構成されるとともに操作可能であるコンピュータを含む。

【0015】

別の態様によれば、試料容器内に収容された試料におけるインターフェレントの存在を判定するように構成された試料検査装置が提供される。試料検査装置は、トラックと、トラック上を移動可能であり、試料容器を収容するように構成されたキャリアと、トラックの周囲に配置され、複数の異なる露光時間及び異なる公称波長を有する複数のスペクトルで複数の視点から試料の複数の画像をキャプチャするように構成された複数のカメラと、複数のカメラに連結され、複数の画像から画像データを処理するように構成されたコンピュータと、を備え、コンピュータが、異なる露光時間とスペクトルでの複数の画像から最適に露光された画素を選択してスペクトルごとに最適に露光された画像データを生成し、試料の血清又は血漿部分を分類し、インターフェレントが血清又は血漿部分内に存在するか、又は血清又は血漿部分内に存在しないかを分類するように構成されるとともに操作可能であるコンピュータを含む。

【0016】

本発明のさらに他の態様、特徴、及び利点は、本発明を実施するために考えられる最良の形態を含む多くの例示的な実施形態及び実施を例示することによって、以下の説明から容易に明らかになるであろう。本発明は、他の異なる実施形態も可能であり、そのいくつかの詳細は、本発明の範囲からすべて逸脱することなく、様々な点で変更してもよい。本発明は、添付の特許請求の範囲に含まれるすべての変更、均等物、及び代替物を含有するものである。

【図面の簡単な説明】

【0017】

以下に説明する図面は、説明のためのものであり、必ずしも一定の縮尺で描かれているわけではない。したがって、図面及び説明は、本質的に例示的であると見なされるべきであり、限定的とみなされるべきではない。図面は、決して本発明の範囲を限定するものではない。

【0018】

【図1】図１は、１つ以上の実施形態による１つ以上の品質チェックモジュールと１つ以上の分析装置（臨床化学又は化学分析機器）とを含む試料検査装置を示す上面図である。

【図2】図２は、１つ以上の実施形態によるインターフェレント検出方法を使って判定可能な、インターフェレントを含む分離した試料を含むラベル付き試料容器を示す側面図である。

【図3】図３は、インターフェレントとゲルセパレータを含む分離した試料を含むラベル付き試料容器を示す側面図であり、１つ以上の実施形態によるインターフェレント検出方法を使ってインターフェレントの存在が判定可能である。

【図4A】図４Ａは、１つ以上の実施形態による、試料中のインターフェレントの存在について複数の画像をキャプチャ及び分析するように構成された品質チェックモジュールを示す略上面図（天井を取り外した状態）である。

【図4B】図４Ｂは、１つ以上の実施形態による図４Ａの品質チェックモジュールを示す略側面図（側面を取り外した状態）である。

【図4C】図４Ｃは、１つ以上の実施形態による、インターフェレントの存在について複数の画像をキャプチャ及び分析するように構成された品質チェックモジュールを示す略上面図（天井を取り外した状態）である。

【図4D】図４Ｄは、１つ以上の実施形態による図４Ｃの品質チェックモジュールを示す略側面図（側面を取り外した状態）である。

【図5】図５は、１つ以上の実施形態による試料中のインターフェレントの存在を判定するように構成された品質チェックモジュールの構成要素を示すブロック図である。

【図6】図６は、１つ以上の実施形態による試料中のインターフェレントの存在を判定する能力、並びに特徴を検出する、又は試料若しくは試料容器を定量化する能力を含む試料検査装置の構成要素全体を示すブロック図である。

【図7】図７は、１つ以上の実施形態による試料中のインターフェレントの存在を判定する方法のフローチャートである。

【発明を実施するための形態】

【0019】

第１の広範な局面では、本発明の実施形態は、試料の血清又は血漿部分に１つ以上のインターフェレントが存在するかどうか、あるいは血清又は部位が「ノーマル」、すなわち、インターフェレントを含まないかどうかを判定するように構成された方法及び装置を提供する。本明細書で使用される「インターフェレント」は、試料の血清又は血漿部分における溶血（Ｈ）、黄疸（Ｉ）、又は脂肪血（Ｌ）の少なくとも１つの存在を意味する。溶血（Ｈ）、黄疸（Ｉ）、及び脂肪血（Ｌ）は、本明細書においてまとめてＨＩＬと呼ばれる。

【0020】

本明細書で使用される「溶血」は、赤血球が破壊された血清又は血漿部分の状態として定義され、赤血球内から血清又は血漿部分へヘモグロビンを放出させ、血清又は血漿部分が赤い色相を帯びる。

【0021】

本明細書で使用される「黄疸」は、血液中の胆汁色素（ビリルビン）の蓄積によって血清又は血漿部分が暗黄色に変色する血液の状態を意味する。

【0022】

本明細書で使用する「脂肪血」は、異常に高濃度の乳化脂肪が血液中に存在することを意味し、その結果、血清又は血漿部分は白っぽい、又は乳白色の外観を有する。

【0023】

血清又は血漿部分中の１つ以上のインターフェレント（ＨＩＬ）の存在は、分析装置（例えば、臨床化学又は化学分析検査）における後続の検査の結果の解釈に影響を及ぼす可能性がある。したがって、最終分析の前にＨＩＬを事前にスクリーニングする能力により、分析するに及ばない品質の試料を分析するという無駄な時間を最小限に抑えることができる。より多くのＨＩＬの含有量があるとわかった試料は、オペレータにフラグ立てするか、再採取を予定するか、修復の対象とするか、又は存在するインターフェレントの程度をより正確に測定するためのさらなる検査を受けるようにする。

【0024】

本明細書に記載のように、試料は、概ね、採血管のような試料容器に採取することができ、分別（例えば、遠心分離による分離）後の沈降した血液部分及び血清及び血漿部分を含むものとする。沈降した血液部分は、白血球、赤血球、及び血小板などの血液細胞で構成され、血清又は血漿部分から凝集分離される。沈降した血液部分は、概ね、試料容器の底部に見られる。血清又は血漿部分は、沈降した血液部分の一部以外の血液の液体構成要素である。これは、概ね、分別後の沈降した血液部分の上に見られる。血漿及び血清は、凝固成分、主にフィブリノーゲンの含有量が異なる。血漿は、凝固していない液体であり、血清は、内因性酵素又は外因性構成要素の影響下で凝固することが可能な血漿を指す。いくつかの試料容器では、小さなゲルセパレータを使用してもよく、これは、遠心分離中に沈降した血液部分と血清又は血漿部分との間に位置させる。ゲルセパレータは、２つの部分の間の物理的障壁として機能する。

【0025】

１つ以上の実施形態によれば、このインターフェレント検出方法は、事前分析検査方法として、すなわち、分析装置（例えば、臨床化学又は化学分析機器）で分析を実施する前に実施することができる。本明細書に記載のＨＩＬ検出方法は、試料の血清又は血漿部分の高ダイナミックレンジ（ＨＤＲ）画像処理を使用して、インターフェレント（Ｈ、Ｉ及び／又はＬ）の存在を判定することができる。いくつかの実施形態では、血清又は血漿部分の物理的境界の識別は、ＨＤＲ画像処理を使用することによっても行うことができる。

【0026】

いくつかの実施形態では、インターフェレント検出方法を実行するように品質チェックモジュールを構成することができる。品質チェックモジュールは、ロボット機構（例えば、トラック又は把持フィンガーロボット）が、試料容器に収容された試料を品質検査モジュールに搬送する領域に設けてもよい。いくつかの実施形態では、品質チェックモジュールは、トラック上に設けられてもよく、トラックは試料を遠隔位置に運んで、分析装置上の分析（例えば、臨床化学検査又は化学分析）をしてもよい。特定の実施形態では、品質チェックモジュールをトラック上に設けて、トラック上に存在する間にインターフェレントの存在について試料を検査してもよい。

【0027】

１つ以上の実施形態では、処理されたＨＤＲデータは、ＨＩＬ検出に使用されてもよい。さらなる実施形態では、ＨＤＲデータは、アーチファクト検出（例えば、血清又は血漿部分における凝塊、気泡、又は泡の検出）に使用することもできる。この場合、アーチファクトを含むことが分かっている画素は、アーチファクトの位置及び範囲が分かっているので、処理したＨＤＲデータに基づいてＨＩＬの判定を実行する際に単に無視してもよい。試料にＨ、Ｉ、及びＬの１つ以上が含まれていることが判明した場合、試料をオフラインにして、Ｈ、Ｉ又はＬのうちの１つ以上を修正する修復を実施し、さらにＨＩＬの程度の定量化、再採取、又は他の処理を行う。インターフェレント検出方法は、画像ベースであり、すなわち、複数の視点の複数のデジタルカメラによって得られた画素画像に基づく。本明細書で使用される「画素」は、単一の画素又はスーパー画素のような画素のグループのいずれかを意味する。個々の画素１１個×１１個のサイズを有するスーパー画素が、データを処理するためにうまく機能することが分かった。

【0028】

本発明の、関連する別の態様では、ＨＩＬ分析から得られたデータを用いて、血清又は血漿部分の体積、そして、場合によっては沈降した血液部分の体積を判定することができる。また、データは、液体と空気との界面（ＬＡ）、血清又は血漿部分と沈降した血液部分との間の界面（ＳＢ）、血清又は血漿部分とゲルセパレータとの間の界面（ＳＧ）、及び／又は沈降した血液部分とゲルセパレータとの間の界面（ＢＧ）を判定するのに使用することができる。

【0029】

ＨＤＲデータ処理を含むＨＩＬ検出方法は、複数の露光時間及び異なる公称波長を有する複数のスペクトル、さらには複数のカメラを使用する複数の視点から複数の画像を品質チェックモジュールでキャプチャすることを含んでいてもよい。本明細書で使用される「カメラ」は、分析のために画素化された画像（例えば、デジタル画像）をキャプチャすることができる任意の装置を意味する。露光時間は、照明強度及びカメラの特徴に基づいて変えてもよいが、各スペクトル及び各カメラに複数の露光時間を使用することができる。各カメラについて、露出時間は、それぞれの対応する画像キャプチャについて同じであってもよい。

【0030】

特定の波長における複数の画像の各対応する画素に対し、最適な画像強度を示す画素を選択することができる。その結果、すべての画素が最適に露光される各異なるスペクトル（例えば、赤色、緑色、青色、近赤外線、赤外線）に対する複数の統合されたカラー画像データセット（例えば、スペクトルごとに１つの画像データセット）が得られる。統合されたカラーデータセットからのデータを統計分析の対象として、その各画素上の統計データ（例えば、平均、標準偏差、及び共分散マトリックス）を判定してもよい。「共分散」とは、２つ以上のカラー画素がどれだけ一緒に変化するかの尺度である。次いで、画像データセットをクラスに分類するために、１つ以上のデータマトリックスの形態の統計データを１つ以上のクラスの分類器で操作してもよい。

【0031】

いくつかの実施形態では、画像内の血清又は血漿部分の領域並びに他のクラス（例えば、沈降した血液部分、ゲルセパレータ、管、キャップ、ラベル、空気）をさらに判定するために、ＨＤＲデータをマルチクラス分類器に提供されてもよい。マルチクラス分類器は、複数のトレーニングセットから予めトレーニングされたサポートベクトルマシン（ＳＶＭ）又はランダム判定ツリーであってもよい。血清又は血漿部分がマルチクラス分類器によって識別されると、１つ以上のインターフェレント分類器を用いてインターフェレント（例えば、Ｈ、Ｉ、及び／又はＬ）の存在を識別することができる。１つ以上のインターフェレント分類器は、各画素をそれぞれＨ、Ｉ、又はＬとして分類することができる個別にトレーニングされたバイナリモデルであってもよい。他の実施形態では、インターフェレント分類器は、マルチクラス分類器であってもよい。インターフェレント分類器のモデルは、それぞれサポートベクトルマシン（ＳＶＭ）又はランダム判定ツリーであってもよい。

【0032】

インターフェレント分類結果に基づいて、全体として血清又は血漿部分のインターフェレントタイプを判定することができる（すなわち、Ｈ、Ｉ及び／又はＬ）。任意で、判定されたインターフェレントタイプのインターフェレントレベルを提供してもよい。インターフェレントレベルは、いくつかの実施形態では、１つ以上の追加モデル（例えば、１つ以上の回帰モデル）に基づいていてもよい。回帰モデルは、様々なインターフェレントレベルを示すサンプル試料に基づいて、各インターフェレントタイプについてトレーニングしてもよい。２つ以上のインターフェレントタイプがこの方法によって判定され、それにより、各判定されたインターフェレントタイプのインターフェレントレベルが特定される。

【0033】

本発明のインターフェレント検出方法、品質チェックモジュール、及び品質チェックモジュールを含む試料検査装置のさらなる詳細については、本明細書の図１〜図７を参照してさらに説明する。

【0034】

図１は、複数の試料容器１０２（例えば、試料採取管、図２及び図３参照）を自動的に処理可能な試料検査装置１００を示す。試料容器１０２は、１つ以上の分析装置（例えば、それぞれ試料検査装置１００の周囲に配置される第１、第２、及び第３の分析装置１０６、１０８、１１０）への搬送及びこれらによる分析の前に、ローディングエリア１０５にある１つ以上のラック１０４に収容してもよい。それより多くの又は少ない数の分析装置を使用できることは明らかである。分析装置は、臨床化学分析装置及び／又は分析機器などの任意の組み合わせであってもよい。試料容器１０２は、採血管、検査管、サンプルカップ、キュベット、又は他の概ね透明なガラス又はプラスチック容器などの、概ね透明又は半透明の容器であってもよい。

【0035】

典型的には、自動的に処理される試料２１２（図２及び図３）は、試料容器１０２内の試料検査装置１００に提供される。試料容器１０２はキャップ２１４（図２及び図３。あるいは「ストッパ」とも称する）でキャップしてもよい。キャップ２１４は、異なる形状及び／又は色（例えば、赤色、ロイヤルブルー、ライトブルー、緑色、グレー、黄褐色、黄色、又はこれらの色組み合わせ）を有していてもよく、試料容器１０２がどの検査に使用されるか、添加剤の種類、等を示すという意味を持つ。他のキャップの色を使用してもよい。

【0036】

試料容器１０２のそれぞれには、試料検査装置１００の周囲の様々な位置で機械可読の識別情報２１５（すなわち、指数）、例えばバーコード、英字、数字、英数字、又はこれらの組み合わせを設けてもよい。識別情報２１５は、検査室情報システム（ＬＩＳ）を介して、患者の識別並びに試料２１２上で達成する検査、又は、例えば他の情報を示すことができる、あるいは、それらを相互に関連付けることができる。このような識別情報２１５は概ね、試料容器１０２に貼付された、又は試料容器１０２の側面に設けられたラベル２１８上に設けてもよい。ラベル２１８は、概して、試料容器１０２の周囲全体、又は試料容器１０２の長さ全体に亘って延びているのではない。いくつかの実施形態では、複数のラベルが貼付されてもよく、わずかに重なっていてもよい。したがって、ラベル２１８は、試料２１２の一部を遮ることがあるが、試料２１２の一部は、依然として、見ることができる。いくつかの実施形態では、ラック１０４は、その上に追加の識別情報を有してもよい。

【0037】

試料２１２は、管２１２Ｔ内に収容された血清又は血漿部分２１２ＳＰ及び沈降した血液部分２１２ＳＢを含んでいてもよい。空気２１２Ａは、血清及び血漿部分２１２ＳＰの上に提供され、それらの間の線又は境界は、本明細書では液体と空気との界面（ＬＡ）として定義する。血清又は血漿部分２１２ＳＰと沈降した血液部分２１２ＳＢとの間の境界線は、本明細書では血清と血液との界面（ＳＢ）として定義され、図２に示されている。空気２１２Ａとキャップ２１４との間の界面は、本明細書では管とキャップとの界面（ＴＣ）と称する。管の高さ（ＨＴ）は、管２１２Ｔの最下部からキャップ２１４の底部までの高さとして定義する。血清又は血漿部分２１２ＳＰの高さは（ＨＳＰ）であり、血清又は血漿部分２１２ＳＰの上面から、沈降した血液部分２１２ＳＢの上面から、すなわち図２のＬＡからＳＢまでの高さとして定義する。沈降した血液部分２１２ＳＢの高さは（ＨＳＢ）であり、図２のＳＢで沈降した血液部分２１２ＳＢの底部から沈降した血液部分２１２ＳＢの上面までの高さとして定義する。ＨＴＯＴは、試料２１２の全高であり、図２のＨＳＰ＋ＨＳＢに等しい。

【0038】

ゲルセパレータ３１３を使用する場合（図３）、血清又は血漿部分２１２ＳＰの高さは（ＨＳＰ）であり、ＬＡの血清又は血漿部分２１２ＳＰの上面からＳＧのゲルセパレータ３１３の上端までの高さ、すなわち、図３のＬＡからＳＧまでの距離として定義する。沈降した血液部分２１２ＳＢの高さは（ＨＳＢ）であり、図３の沈降した血液部分２１２ＳＢの底部からＢＧのゲルセパレータ３１３の底部までの高さとして定義する。ＨＴＯＴは、試料２１２の全高であり、ＨＳＰ＋ＨＳＢにゲルセパレータ３１３の高さを加えたものに等しい。いずれの場合も、壁厚はＴｗであり、外幅はＷであり、試料容器１０２の内幅はＷｉである。

【0039】

より詳細には、試料検査装置１００は、トラック１２１を取り付けるベース１２０（例えば、フレーム又は他の構造体）を含んでいてもよい。トラック１２１は、レール付きトラック（例えば、モノレール又はマルチレール）、コンベヤベルトの集合、コンベヤチェーン、移動可能なプラットフォーム、又は任意の他の適切な種類の搬送機構であってもよい。トラック１２１は、円形又は任意の他の適切な形状であってもよく、いくつかの実施形態ではクローズドトラック（例えば、無限トラック）であってもよい。トラック１２１は、動作中に、個々の試料容器１０２を、キャリア１２２内のトラック１２１の周囲に間隔を置いて配置された位置に搬送してもよい。

【0040】

キャリア１２２は、トラック１２１上に単一の試料容器１０２を運ぶように構成された受動的な装置、すなわち、非運動性のパックであってもよく、又は、トラック１２１の周囲を移動し、又は予めプログラムされた位置で停止するようにプログラムされた、あるいは制御されたリニアモータなどの搭載型駆動モータを含む自動キャリアであってもよい。キャリア１２２は、それぞれ、試料容器１０２を規定の直立位置に保持するように構成されたホルダ１２２Ｈ（図４Ａ〜図４Ｄ）を含んでいてもよい。ホルダ１２２Ｈは、試料容器１０２をキャリア１２２に固定するが、異なるサイズの試料容器１０２が収容されるように移動可能又は柔軟な複数のフィンガ又は板ばねを含んでいてもよい。いくつかの実施形態では、キャリア１２２は、そこにステージングされた１つ以上のラック１０４を有するローディングエリア１０５から退出してもよい。いくつかの実施形態では、ローディングエリア１０５は、分析が完了した後に、キャリア１２２から試料容器１０２を外すことを許容する二重の機能を果たすことができる。

【0041】

ロボット１２４を、ローディングエリア１０５に設けてもよく、１つ以上のラック１０４から試料容器１０２を把持し、試料容器１０２をトラック１２１の入力レーンのようなキャリア１２２上に搭載するように構成してもよい。ロボット１２４はまた、検査の完了時にキャリア１２２から試料容器１０２を除去するように構成されてもよい。ロボット１２４は、Ｘ及びＺ、Ｙ及びＺ、Ｘ、Ｙ及びＺ、又はｒ及びθ運動が可能な１つ以上の（例えば、少なくとも２つの）ロボットアーム又は構成要素を含む。ロボット１２４は、ガントリーロボット、関節ロボット、Ｒ−θロボット、又は他の適切なロボットであってもよく、ロボット１２４は、試料容器１０２をピックアップして配置可能とするサイズのロボット把持フィンガを備えていてもよい。トラック１２１上に搭載されると、キャリア１２２によって担持された試料容器１０２は、遠心分離機１２５（例えば、試料２１２の分別を行うように構成された自動遠心分離器）に進むことができる。試料容器１０２を運ぶキャリア１２２を、流入レーン１２６又は他の適切なロボットによって遠心分離機１２５に向かって迂回させてもよい。遠心分離後、試料容器１０２は流出レーン１２８を退出するか、あるいはロボットによって除去されて、引き続きトラック１２１上を進んでもよい。図示された実施形態では、キャリア１２２内の試料容器１０２は、次に、図４Ａ〜図４Ｄを参照してさらに説明される様に、品質チェックモジュール１３０に搬送してもよい。

【0042】

品質チェックモジュール１３０は、試料検査装置１００によって処理される試料２１２に含まれる１つ以上のＨ、Ｉ、及び／又はＬの存在を自動的に判定するように構成される。ノーマル（Ｎｏｒｍａｌ）（Ｎ）と考えられる程度に実質的に低い量のＨ、Ｉ、及び／又はＬを含むことが分かったら、試料２１２をトラック１２１上で引き続き移動させて、さらに、１つ以上の分析装置（例えば、第１、第２、及び第３の分析装置１０６、１０８、及び／又は１１０）で分析してから、各試料容器１０２をローディングエリア１０５に戻して降ろす。いくつかの実施形態では、試料２１２は、品質チェックモジュール１３０においてアーチファクト（例えば、凝塊、気泡、又は泡）の存在について検査してもよい。いくつかの実施形態では、試料２１２の定量化（すなわち、ＨＳＰ、ＨＳＢ、又はＨＴＯＴの判定、並びにＳＢ、ＬＡの位置の判定）を品質チェックモジュール１３０で行ってもよい。いくつかの実施形態では、ＨＴ、キャップの色、キャップの種類、ＴＣ、及び管幅（Ｗ）を判定するなど、試料容器１０２の物理的属性の定量化を品質チェックモジュール１３０で行ってもよい。

【0043】

さらに、遠隔ステーション１３２は、遠隔ステーション１３２がトラック１２１に直接接続されていなくても、自動化された試料検査装置１００上に設けてもよい。例えば、独立したロボット１３３（点線で示す）は、試料２１２を収容する試料容器１０２を遠隔ステーション１３２に搬送し、それらを検査／処理の後に戻すことができる。任意で、試料容器１０２は、手動で取り出して戻すことができる。遠隔ステーション１３２を使用して、溶血レベルなどの特定の構成要素を検査することができ、あるいは、１つ以上の添加物によって脂肪血レベルを低下させるため、あるいは、例えば、凝塊、気泡、又は泡を除去するためなどのさらなる処理を行ってもよい。他の検査又は処理は、遠隔ステーション１３２で達成してもよい。他のステーション（図示せず）を、キャップ取り外しステーションなどのようなトラック１２１に沿って設ける、又は配置することができる。

【0044】

試料検査装置１００は、トラック１２１の周囲の１つ以上の位置に多数のセンサ１１６を含んでいてもよい。センサ１１６を使用して、試料容器１０２上に置かれた識別情報２１５（図２）、又は各キャリア１２２に設けられた同様の情報（図示せず）を読み取ることによって、トラック１２１に沿って試料容器１０２の位置を検出してもよい。いくつかの実施形態では、例えば、別個のＲＦＩＤチップを各キャリア１２２に埋め込み、従来のＲＦＩＤリーダシステムをトラッキング動作に使用してもよい。キャリア１２２内の試料容器１０２の位置をトラッキングするための他の手段、例えば近接センサなどを使用してもよい。すべてのセンサ１１６は、各試料容器１０２の位置を常に適度に知ることができるように、コンピュータ１４３とインターフェースをとってもよい。

【0045】

遠心分離機１２５及び分析装置１０６、１０８、１１０のそれぞれは、概ね、キャリア１２２をトラック１２１から除去するように構成されたロボット機構及び／又は流入レーン（例えば、流入レーン１２６、１３４、１３８、１４４）と、キャリア１２２をトラック１２１上に再投入するように構成されたロボット機構及び／又は流出レーン（例えば、流出レーン１２８、１３６、１４１、及び１４６）を備えていてもよい。

【0046】

試料検査装置１００は、コンピュータ１４３によって制御してもよく、コンピュータ１４３は、適切なメモリと、適切な調整用電子機器と、様々なシステム構成要素を操作するためのドライバと、を有するマイクロプロセッサベースの中央処理装置ＣＰＵであってもよい。コンピュータ１４３は、試料検査装置１００のベース１２０の一部として収容されてよく、又はベース１２０から分離してもよい。コンピュータ１４３は、キャリア１２２のローディングエリア１０５への及びそこからの移動、トラック１２１周りの運き、遠心分離機１２５への及びそこからの運き、並びに遠心分離機１２５の動作、品質チェックモジュール１３０との間の運動、並びに品質検査モジュール１３０の動作、各分析装置１０６、１０８、１１０への及びそこからの運動、並びに各分析装置１０６、１０８、１１０の動作を制御するように動作して、様々なタイプの検査（例えば、化学分析又は臨床化学）を行ってもよい。

【0047】

品質チェックモジュール１３０以外のすべてについて、コンピュータ１４３は、ニューヨーク、タリータウンのシーメンスヘルスケアダイアグノスティックス社（Ｓｉｅｍｅｎｓ Ｈｅａｌｔｈｃａｒｅ Ｄｉａｇｎｏｓｔｉｃｓ Ｉｎｃ．）によって販売されているディメンション（登録商標）臨床化学分析装置で使用されるものなどのソフトウェア、ファームウェア、及び／又はハードウェアコマンド又は回路に従って試料検査装置１００を制御してもよく、このような制御は、コンピュータベースの電気機械制御プログラミングの当業者にとって典型的であるので、本明細書ではこれ以上説明しない。しかしながら、他の適切なシステムを使用して、試料検査装置１００を制御してもよい。品質チェックモジュール１３０の制御は、本明細書で詳細に説明するように、本発明のモデルベースの方法によれば、コンピュータ１４３によって提供してもよい。

【0048】

本発明の実施形態は、ユーザが様々な制御画面及びステータス表示画面に容易且つ迅速にアクセス可能とするコンピュータインタフェースモジュール（ＣＩＭ）を使用して実施してもよい。これらの制御及びステータス画面で、試料２１２の準備及び分析に使用される複数の相互に関係する自動化装置のいくつか又はすべての態様を説明することができる。ＣＩＭを採用して、複数の相互に関係する自動化装置の動作状態についての情報を提供してもよく、また、任意の試料２１２の位置を記述する情報、及び試料２１２上で実行する、又は実行されている検査のステータスを記述する情報を提供してもよい。よって、ＣＩＭ１４５は、オペレータと試料検査装置１００が相互作用しやすくなるように構成してもよい。ＣＩＭ１４５は、オペレータが試料検査装置１００とインターフェースをとるアイコン、スクロールバー、ボックス、及びボタンを含むメニューを表示するように構成された表示画面を含んでいてもよい。メニューは、試料検査装置１００の機能的な側面を表示するようにプログラムされた多数の機能ボタンを含んでいてもよい。

【0049】

図２及び図３には、Ｈ、Ｉ、又はＬを含む試料容器１０２が示されている。図２は、血清又は血漿部分２１２ＳＰのＨ、Ｉ、又はＬを含む試料２１２をゲルセパレータなしで示す。図３は、血清又は血漿部分２１２ＳＰのＨ、Ｉ、又はＬを含む試料２１２をゲルセパレータ３１３とともに示す。インターフェレントの存在について試料容器１０２を事前にスクリーニングすることにより、所望であれば試料２１２が１つ以上の分析装置１０６、１０８、１１０に進まないよう、阻止することができる。このようにして、不正確な検査結果を回避することができる。いくつかの実施形態では、この方法によりインターフェレントが存在すると判定した場合、試料容器１０２は、それを修復する（例えば、脂肪血を減らす）ために、溶血又は黄疸のレベルの定量化をしやすくし、検査結果とともに報告するために、あるいはおそらく試料２１２を再採取したりするために、遠隔ステーション１３２へ送るなど、ラインから外すことができる。

【0050】

図４Ａ〜４Ｂを参照して、品質チェックモジュール１３０の第１の実施形態を示し説明する。品質チェックモジュール１３０は、試料２１２（例えば、その血清又は血漿部分２１２ＳＰ）内のインターフェレント（例えば、Ｈ、Ｉ、又はＬ）の存在を１つ以上の分析装置１０６、１０８、１１０で分析する前に自動的に判定するように構成してもよい。このようにプレスクリーニングすることにより、試料２１２の追加の処理、追加の定量化、廃棄、再採取を、貴重な分析リソースを浪費することなく、又は、おそらくインターフェレントの存在によって検査結果の真実性に影響を及ぼすことなく行うことができる。

【0051】

インターフェレント検出方法に加えて、品質チェックモジュール１３０において試料容器１０２に収容される試料２１２に対して他の検出方法を行ってもよい。さらに、検出方法を使って試料容器１０２の１つ以上の幾何学的特徴を定量化することができる。例えば、品質チェックモジュール１３０を使用して、試料２１２を定量化する、すなわち、試料２１２の特定の物理的寸法特徴（例えば、ＬＡ及びＳＢの物理的位置、及び／又は、ＨＳＰ、ＨＳＢ、及び／又はＨＴＯＴの判定、及び／又は血清又は血漿部分の体積（ＶＳＰ）及び／又は沈降した血液部分の体積（ＶＳＢ）など）を判定してもよい。さらに、いくつかの実施形態では、アーチファクト検出法は、血清又は血漿部分２１２ＳＰの中のアーチファクト（例えば、凝塊、気泡、又は泡）の有無を判定することができる。

【0052】

１つ以上の実施形態では、品質チェックモジュール１３０を使用して、試料容器１０２を定量化する、すなわち、試料容器１０２のＴＣ、ＨＴ、及び／又はＷの位置、及び／又はキャップ２１４の色及び／又は種類などのような試料容器１０２の１つ以上の物理的寸法特徴を定量化することができる。

【0053】

ここで図１、図４Ａ、及び図４Ｂを参照すると、品質チェックモジュール１３０の第１の実施形態は、複数のカメラ４４０Ａ〜４４０Ｃを含んでいてもよい。３つのカメラ４４０Ａ〜４４０Ｃが示されているが、２つ以上、３つ以上、４つ以上のカメラを使用してもよい。カメラ４４０Ａ〜４４０Ｃは、デジタル画像（すなわち、画素化された画像）をキャプチャできる従来のデジタルカメラ、電荷結合素子（ＣＣＤ）、光検出器のアレイ、１つ以上のＣＭＯＳセンサなどであってもよい。例えば、３つのカメラ４４０Ａ、４４０Ｂ、４４０Ｃが図４Ａに示されており、３つの異なる視点（例えば、側方からの視点）から画像をキャプチャするように構成されている。各カメラ４４０Ａ、４４０Ｂ、４４０Ｃは、画像サイズを有する画像をキャプチャすることができる装置であってもよい。一実施形態では、画像サイズは、例えば、約２５６０×６９４画素であってもよい。別の実施形態では、画像サイズは、例えば、約１２８０×３８４画素であってもよい。他の画素密度を使用してもよい。各カメラ４４０Ａ、４４０Ｂ、４４０Ｃは、試料容器１０２の少なくとも一部、及び試料２１２の少なくとも一部の側方画像をキャプチャするように構成され、及び動作可能である。例えば、カメラ４４０Ａ〜４４０Ｃは、ラベル２１８又はキャップ２１４の一部及び管２１２Ｔの一部、そして少なくとも血清又は血漿部分２１２ＳＰの一部をキャプチャしてもよい。最終的に、複数の画像から、試料容器１０２内の試料２１２の複合モデルを生成することができる。複合モデルは、いくつかの実施形態では、分類結果を含む３Ｄモデルであってもよく、これを使用して、試料２１２についての最終判定を行ってもよい。

【0054】

図示の実施形態では、複数のカメラ４４０Ａ、４４０Ｂ、４４０Ｃは、試料２１２の周囲に配置され、複数の視点から側方画像をキャプチャするように構成される。視点は、３つのカメラ４４０Ａ、４４０Ｂ、４４０Ｃが使用されるときに、図示のように互いに約１２０度など、互いにほぼ等間隔になるように離間されていてもよい。図示のように、カメラ４４０Ａ、４４０Ｂ、４４０Ｃは、トラック１２１の周りに配置してもよい。複数のカメラ４４０Ａ、４４０Ｂ、４４０Ｃの他の配置を使用してもよい。いくつかの実施形態では、試料容器１０２内の試料２１２の画像は、試料容器１０２がキャリア１２２に存在している間に撮影される。画像はわずかに重なり合うことがある。

【0055】

１つ以上の実施形態では、各カメラ４４０Ａ、４４０Ｂ、４４０Ｃからの法線ベクトルが交差する点など、キャリア１２２を品質チェックモジュール１３０内の所定の位置で停止させることができる。いくつかの実施形態では、キャリア１２２を停止させるためにゲートを設けて、１つ以上の良好な品質の画像をそこで撮像（キャプチャ）することができる。他の実施形態では、キャリア１２２は、プログラムされたように所望の位置でキャリア１２２を開始及び停止させるように構成されたリニアモータを含んでいてもよい。品質チェックモジュール１３０にゲートを含む実施形態では、（センサ１１６などの）１つ以上のセンサを使用して、品質チェックモジュール１３０でキャリア１２２の存在を判定してもよい。

【0056】

カメラ４４０Ａ、４４０Ｂ、４４０Ｃは、画像ウィンドウ、すなわち、試料容器１０２の予想される位置を含む領域に、近接して、又は撮像（キャプチャ）するために向けて又は焦点を合わせて設けてもよく、試料容器１０２は、ビューウィンドウのほぼ中心に配置されるように停止させてもよい。構成されたように、カメラ４４０Ａ、４４０Ｂ、４４０Ｃは、血清又は血漿部分２１２ＳＰの一部、沈降した血液部分２１２ＳＢの一部、管２１２Ｔの一部又は全部、キャップ２１４の一部又は全部を含む画像をキャプチャすることができる。キャプチャされた画像内には、１つ以上の参照データが存在してもよい。参照データは、試料２１２の定量化を助けることができる。参照データは、ＴＣ又は試料容器１０２の最下部、又は、試料容器１０２上のどこか既知の場所のマーク、例えば、すべての視点から見ることができる所定の高さにあるリングでもよい。

【0057】

動作中、各画像は、コンピュータ１４３が送信可能な通信ライン４４３Ａ、４４３Ｂ、４４３Ｃに供給されたトリガ信号に応答してトリガされキャプチャされてもよい。キャプチャされた画像の各々は、本明細書で提供される方法の１つ以上の実施形態に従って処理してもよい。特に、ＨＤＲ処理を使用して画像をキャプチャして処理することができる。

【0058】

より詳細には、品質チェックモジュール１３０で、複数の異なる露光時間で、及び１つ以上の異なる波長スペクトルで、試料２１２（例えば、分別によって分離された試料）の複数の画像がキャプチャされる。例えば、各カメラ４４０Ａ、４４０Ｂ、４４０Ｃは、１つ以上のスペクトル（１つ以上の波長範囲）において、異なる露光時間で４〜８枚の画像を撮ることができる。

【0059】

一実施形態では、複数の波長画像は、異なるスペクトルの照光を発光する異なる色の光源４４４Ａ〜４４４Ｃを使用して達成することができる。光源４４４Ａ〜４４４Ｃは、（図示のように）試料容器１０２を背面照明することができる。任意で、図４Ｃ及び図４Ｄに示すように、光源４４４Ｄ〜４４４Ｆは、それぞれのカメラ４４０Ａ、４４０Ｂ、４４０Ｃの上、下、又は側面に配置された試料容器１０２を前面照明してもよく、又は他の場所に配置し、照明してもよい。いくつかの実施形態では、光源４４４Ａ〜４４４Ｃ又は４４４Ｄ〜４４４Ｆと共に、光拡散器を使用することができる。複数の異なるスペクトル光源４４４Ａ〜４４４Ｃは、ＲＧＢ又は、２つ以上の異なるスペクトルを放射するＬＥＤのような他の光源であってもよい。例えば、光源は、６３４ｎｍ±３５ｎｍ（赤色−Ｒ）、５３７ｎｍ±３５ｎｍ（緑色−Ｇ）、及び４５５ｎｍ±３５ｎｍ（青色−Ｂ）の公称波長に照明を発光することができる。他の実施形態では、照明スペクトルは、約７００ｎｍと約１５００ｎｍの間、又は約７００ｎｍと約１２００ｎｍとの間の公称波長を有する１つ以上のスペクトルを含んでいてもよい。

【0060】

例えば、第１の波長で画像をキャプチャするために、３つの赤色光源（約６３４ｎｍ±３５ｎｍの波長）を使用して、試料２１２を３つの側方位置から照明することができる。光源４４４Ａ〜４４４Ｃによる赤色照明は、異なる露光時間での複数の画像（例えば、４〜８枚以上の画像）が各カメラ４４０Ａ〜４４０Ｃによってキャプチャされるときに発生する可能性がある。いくつかの実施形態では、露光時間は、約０．１ｍｓと２５６ｍｓとの間でよい。他の露光時間を使用してもよい。各カメラ４４０Ａ〜４４０Ｃのそれぞれの画像はそれぞれ順次又は同時に撮影される。

【0061】

各実施形態において、品質チェックモジュール１３０、１３０Ａは、トラック１２１を少なくとも部分的に囲む、もしくは覆うことができるハウジング４４６を含んでいてもよく、試料容器１０２は、画像取得段階中にハウジング４４６の内側に位置していてもよい。ハウジング４４６は、キャリア１２２がハウジング４４６の中に出入りできるようにするためのドア４４６Ｄ（例えば、開口）を１つ以上含んでいてもよい。いくつかの実施形態では、天井は、移動可能なロボットフィンガを含むロボットによって、試料容器１０２がキャリア１２２内に上方から搭載されることを可能にする開口部４４６Ｏを含んでいてもよい。前面照明（図４Ｃ〜４Ｄ）が使用される場合、品質チェックモジュール１３０Ａは、画像コントラストを改善するバックストップ壁４４７を含んでいてもよい。バックストップ壁４４７は、試料２１２の予想される色の範囲以外であれば任意の適切な色でよい。いくつかの実施形態では、黒色の材料を使用してもよい。

【0062】

赤色に照明された画像が図４Ａ及び図４Ｂの実施形態でキャプチャされると、赤色光源４４４Ａ〜４４４Ｃは、消灯されてもよく、例えば、緑色光源４４４Ａ〜４４４Ｃの１つ以上の他のスペクトル（約±３５ｎｍの帯域幅を有する約５３７ｎｍの公称波長）をオンにしてもよい、異なる露光時間での複数の画像（例えば、４〜８枚以上の画像）を、各カメラ４４０Ａ、４４０Ｂ、４４０Ｃによってそのスペクトルでキャプチャしてもよい。これは、各カメラ４４０Ａ〜４４０Ｃの青色光源４４４Ａ、４４０Ｂ、４４４Ｃ（帯域幅約±３５ｎｍで約４５５ｎｍの公称波長）を用いて繰り返すことができる。他の実施形態では、白色光源（４００ｎｍ〜７００ｎｍ）、近赤外（ＮＩＲ）光源（例えば、７００ｎｍ〜１２００ｎｍ）、又は赤外（ＩＲ）光源（例えば、１２００ｎｍ〜１５００ｎｍ）を使用することができる。赤外光（ＩＲ）及び近赤外光（ＮＩＲ）源は、試料２１２及びラベル２１８両方の透過率を増加させ、シースルー能力を向上させるのに特に効果的となり得る。ＮＩＲ及びＩＲ光源はまた、たとえラベル２１８による視野妨害があっても、液体レベル（血清又は血漿部分２１２ＳＰのレベル）を検出するのに有益となり得る。さらに、黄疸対脂質異常の試料の判定は、画像化中に照明するＩＲ又はＮＩＲ源を使って改善することができる。異なる公称波長光源４４４Ａ〜４４４Ｃは、例えば、切替え可能なバンドパスフィルタ、又は、例えば、選択的にオン／オフすることができる異なる色又はスペクトルの光源のバンクを使用することによって達成することができる。他の手段を使用して異なるスペクトル照明を提供してもよい。２つ以上、あるいは、さらに３つ以上の異なるスペクトルで照明と画像キャプチャを行ってもよい。

【0063】

任意の実施形態では、例えば、図４Ｃ及び図４Ｄに最もよく示すように、カメラ４４０Ａ〜４４０Ｃに隣接して、すなわち、上方、下方、側方、又はそれらの組み合わせで、ただし試料容器１０２に対しそれぞれのカメラ４４０Ａ、４４０Ｂ、４４０Ｃと同じ側に来るように配置された光源４４４Ｄ、４４４Ｅ、及び４４４Ｆを備えることにより、試料容器１０２を、品質チェックモジュール１３０Ａで前面照明することができる。この実施形態では、カメラ４４０Ａ〜４４０Ｃは、それぞれ、約６３４ｎｍ、５３７ｎｍ、及び４５５ｎｍにＲＧＢ公称波長ピークを有するデジタルカラーカメラであってもよいが、ＲＧＢカラースペクトルのそれぞれは、モノクロカメラでは上記の実施形態で使用される離散的な光源に比べて比較的広い波長範囲を有する。この実施形態では、光源４４４Ｄ、４４４Ｅ、及び４４４Ｆはそれぞれ白色光源であってもよい。例えば、光源４４４Ｄ〜４４４Ｆは、上記に特定した波長範囲を発光してもよく、複数の側方位置から試料２１２を照射するために使用してもよい。異なる露光時間での複数の画像は、各カメラ４４０Ａ〜４４０Ｃによって撮影してもよい。撮影した白色光画像はそれぞれ複数の波長で色成分に分離させてもよい。例えば、コンピュータ１４３は、画像を、約４００ｎｍ〜約７００ｎｍの間の少なくとも３つのキャプチャした波長に分離してもよい。例えば、ＲＧＢ成分をコンピュータ１４３によって画像から分離して、マルチスペクトルの複数の露光時間でキャプチャされた画像を生成することができる。画像は、ライン４４３Ａ〜４４３Ｃのコンピュータ１４３からの信号を介して、以前のように撮影することができる。

【0064】

上記の設定のそれぞれについて、それぞれの波長スペクトル（例えば、Ｒ、Ｇ、及びＢ）ごとに複数の露光時間に撮影されたこれらの複数の画像のすべてを迅速に連続して得ることができ、複数の視点からの試料２１２の画像収集全体が、例えば、約２秒未満のような短時間で得られるようにしてもよい。一例として、カメラ４４０Ａ、４４０Ｂ、４４０Ｃと、ＲＧＢ光源４４４Ａ〜４４４Ｃを用いた背面照明を使用して、３つの視点において各波長に対して４枚の異なる露光画像から、４枚の画像×３色×３つのカメラ＝３６画像が得られる。別の例では、カメラ４４０Ａ、４４０Ｂ、４４０Ｃと、白色光源４４４Ｄ〜４４４Ｆを用いた前面照明を使用して、３つの視点において各波長に対して４枚の異なる露光画像から、４枚の画像×３つのカメラ＝１２画像が得られる。しかし、ＲＧＢ画像は、個々のＲＧＢ成分に撮影された白色光画像を分離することによってキャプチャされる。よって、分離後に、３６枚の画像もキャプチャされる。画像データは、コンピュータ１４３のメモリに格納され、その後、処理される。これらに加えて参照画像を撮影して背景除去に使用してもよい。

【0065】

このＨＩＬ特徴付け方法によれば、画像データの処理は、例えば、異なる露光時間及び各波長スペクトルで各カメラ４４０Ａ〜４４０Ｃごとにキャプチャされた複数の画像から最適に露光された画素を選択して、各波長スペクトル、そしてカメラ４４０Ａ〜４４０Ｃごとに最適に露光された画像データを生成することを含む。これは、本明細書では「画像統合」と称することにする。対応する各画素について、カメラ４４０Ａ〜４４０Ｃごとの画像のそれぞれに対して、最適な画像強度を示す画素を、異なる露光時間画像それぞれから選択してもよい。一実施形態では、最適画像強度は、例えば、０〜２５５の尺度で１６〜２５４の間である。別の例では、最適な画像強度は、例えば、所定の範囲内、０〜２５５のスケールでは１８０〜２５４の間にある画素であってもよい。２つの画像の対応する位置にある２つ以上の画素が最適に露光されると判定された場合、２つのうちのより高い方を選択する。最適な画像強度を示す選択された画像は、それらのそれぞれの露光時間で正規化してもよい。その結果、すべての画素が最適に露光されるカメラ４４０Ａ〜４４０Ｃごとに、複数の正規化され、統合されたカラー画像データセット（例えば、Ｒ、Ｇ、及びＢ）（例えば、波長ごと（例えばＲ、Ｇ、Ｂ）に１つの画像データセット）が得られる。近赤外及び／又は赤外光の画像セットはさらに、又は任意でキャプチャされ、処理されて視点ごとに最適に露光された画像データセットを提供してもよい。

【0066】

品質チェックモジュール１３０の較正（キャリブレーション）処理の一部として、試料容器１０２又はキャリア１２２のない参照画像を撮影してもよい。このようにして、各画像データセットから管背景（試料容器１０２の外側の領域）を除去することによって、計算上の負担を最小限に抑えることができる。露光時間及び照明条件（Ｒ、Ｇ、Ｂ、白色光、近ＩＲ，ＩＲ）ごとの参照画像は、インターフェレント検出方法を実施する前に品質チェックモジュール１３０によって撮影されてもよい。

【0067】

最適に露光された画素を含む各画像データセットに対して、特徴付けプロセスが行われ、試料２１２の血清又は血漿部分２１２ＳＰとして分類された画素を識別する。血清又は血漿部分２１２ＳＰを識別することは、最適に露光された画像データの各画素を分類することに基づくことができる。分類は、複数のトレーニングセットから生成されたマルチクラス分類器を使用することに基づいて行うことができる。マルチクラス分類器は、例えば、サポートベクトルマシン（ＳＶＭ）又はランダム判定ツリーを備えることができる。血清又は血漿部分２１２ＳＰの分類を判定する他の手段を使用してもよい。

【0068】

分類を実行するために、カメラ４４０Ａ〜４４０Ｃごとに異なる波長スペクトル（例えば、Ｒ、Ｇ、Ｂ、白色光、近ＩＲ、及び／又はＩＲ）での最適に露光された画素のそれぞれについて、上記のような第１の統計データを計算してもよい。統計データは、例えば、２次までの平均値及び共分散を含んでいてもよい。計算された統計的属性は、オブジェクトのクラスの特定の特性（プロパティ）を符号化し、したがって、クラスラベルを割り当てることによって異なるオブジェクトのクラス間の識別のために使用される。一度生成されると、統計データは、マルチクラス分類器５１５に送られるとともに、そこで操作される。マルチクラス分類器５１５は、画像内の画素を、１―血清又は血漿部分、２―沈降した血液部分、３―管、４―キャップ、５―ラベル、６―空気、７―ゲルセパレータ（使用する場合）などのような複数のクラスラベルの１つに属するものとして分類することができる。これにより、液体領域（すなわち、血清及び血漿部分２１２ＳＰ）を構成する画素を識別することができる。

【0069】

マルチクラス分類器５１５は、線形又は非線形である任意の適切な種類の教師あり分類モデルであってもよい。例えば、マルチクラス分類器５１５は、線形又はカーネルベースのサポートベクトルマシン（ＳＶＭ）であってもよい。任意で、マルチクラス分類器５１５は、適応ブースティング分類器（例えば、ＡｄａＢｏｏｓｔ、ＬｏｇｉｔＢｏｏｓｔなど）、任意の人工ニューラルネットワーク、ツリーベースの分類器（例えば、決定ツリー、ランダム決定フォレスト）、分類子としてのロジスティック回帰などのブースティング分類器であってよい。ＳＶＭは、例えば試料２１２の分析で見られるような液体と非液体との間の分類に特に効果的となり得る。ＳＶＭは、データを分析してパターンを認識する関連する学習アルゴリズムを備えた教師あり学習モデルである。ＳＶＭは、分類及び回帰分析に使用される。

【0070】

マルチクラス分類器５１５をトレーニングするために複数セットのトレーニング例が使用され、次いで、画像データセットがマルチクラス分類器５１５上で操作され、各画素が分類される。マルチクラス分類器５１５は、様々な試料条件、ラベル２１８による閉塞、血清又は血漿部分２１２ＳＰ及び沈降した血液部分２１２ＳＢのレベルなどを含む試料容器１０２の多くの例における様々な領域をグラフィックスで輪郭を取ることによってトレーニングされてもよい。５００以上もの画像を使用してマルチクラス分類器５１５のトレーニングを行ってもよい。各トレーニング画像は、手動で輪郭を描いて、各クラスに属する領域を識別し、マルチクラス分類器５１５に教示してもよい。

【0071】

トレーニングアルゴリズムは、任意の新しい試料の画素をクラスの１つに割り当てるマルチクラス分類器５１５を構築する。ＳＶＭモデルは、別々のクラスの例が可能な限り広い明確な隙間で分割されるようにマッピングされた空間における点としての例を表す。画像データセットからの新しい画素は、その同じ空間にマップされ、隙間のどちら側にあるかに基づいて特定のクラスに属することを予測する。いくつかの実施形態では、ＳＶＭは、カーネルトリック（例えば、カーネルベースのＳＶＭ分類器など）と称されるものを使用して非線形分類を効率的に実行し、その入力を高次元の特徴空間に暗黙的にマッピングしてもよい。ＳＶＭ及びブースティングが特に好ましい。他の種類の分類モデルを使用してもよい。

【0072】

血清又は血漿部分２１２ＳＰのクラスであるとみなされるマルチクラス分類器５１５の結果は、Ｈ、Ｉ、又はＬが血清又は血漿部分２１２ＳＰ内に存在するかどうか、あるいは、ＨＩＬは存在せず、したがって試料２１２はノーマル（Ｎｏｒｍａｌ）（Ｎ）であるかどうか、を識別するように構成されたモデルに供給することができる。よって、インターフェレントモデルは、画像データサブセットに基づいて、インターフェレントが血清又は血漿部分２１２ＳＰの１つ以上の領域内に存在するか、或いは血清又は血漿部分２１２ＳＰ内には存在しないかを分類する。１つ以上の実施形態では、インターフェレントモデルは、溶血モデル、黄疸モデル、脂肪血モデルなど、１つ以上の異なるインターフェレントタイプモデルとして具現化することができる。場合によっては、ノーマルモデルも使用できる。各インターフェレント又はノーマルモデルは、バイナリ分類モデルでもよい。先に液体として定義された画像データサブセット上で操作した結果は、血清又は血漿部分２１２ＳＰのインターレフェレントの存在又はインターフェレントの不在、すなわち、試料２１２の血清又は血漿部分２１２ＳＰがノーマルかどうかということを示す。

【0073】

１つ以上の実施形態によるインターフェレント検出方法の単純な機能フローチャートを図５に示す。まず、キャリア１２２によって担持された試料２１２を含む試料容器１０２を、５０２で品質チェックモジュール１３０に提供する。複数の画像が、５０４でキャプチャされる。その複数の画像とは、上述したように、複数の異なる露光で、また、複数の異なる波長スペクトルで、そして複数の視点から撮影されたマルチスペクトル画像である。複数の画像は、コンピュータ１４３のメモリに格納してもよい。これらの画像から、背景を５０８の背景削減フェーズで任意に減算して計算負荷を低減することができる。背景除去は、予め５１０で撮影した参照画像を減算することによって達成できる。

【0074】

画像キャプチャ及び任意の背景減算の後、５１１においてセグメント化を行う。５１１でのセグメント化は、５１２で行われる画像統合プロセスを含んでいてもよい。５１２におけるこの画像統合プロセス中に、各色スペクトル（Ｒ、Ｇ、Ｂ、白色光、ＮＩＲ、及び／又はＩＲ）及びカメラ４４０Ａ〜４４０Ｃごとの様々な露光時間画像が、画素ごとに再検討され、最適に露光された画素を判定する。それぞれの対応する画素位置ごとに、最適に露光された画素のうちの最良のものが選択され、最適に露光された画像データセットに含まれる。したがって、５１２での画像統合に続いて、スペクトルごと及びカメラ４４０Ａ〜４４０Ｃごとに１つの最適に露光された画像データセットが生成される。ＨＤＲ処理を使用することにより、反射及び吸収に関して、画像の細部まで強化することができる。

【0075】

５１２での画像統合、又は、おそらくそれと並行して、５１４で統計生成処理を行うことができる。５１４では、平均及び／又は共分散マトリックスのような各画素について統計が生成される。次いで、最適に露光されたデータセット上の統計データは、マルチクラス分類器５１５によって操作され、５１６において画像に存在する画素クラスを識別する。各画素の最終クラスは、各画素についての信頼値を最大化することにより判定してもよい。各画素位置について、統計的記述を画素内（例えば、小さなスーパー画素パッチ（例えば、１１×１１画素））で抽出することができる。各スーパー画素パッチは、トレーニング及び評価工程で考慮される記述子を提供する。典型的には、分類器は特徴記述子上で動作し、検査／評価中にトレーニング用のクラスラベルと出力クラスラベルを使用する。

【0076】

この５１１のセグメント化プロセスから、５１６において、カメラ４４０Ａ〜４４０Ｃごとに統合された画像の各画素を複数のクラスタイプの１つとして分類する。分類のタイプとしては、例えば、液体（血清又は血漿部分２１２ＳＰ）、沈降した血液部分２１２ＳＢ、管２１２Ｔ、ラベル２１８、キャップ２１４、ゲルセパレータ３１３、又は空気２１２Ａであってもよい。このセグメント化情報から、５１８で、液体領域（血清又は血漿部分２１２ＳＰ）を判定することができる。これは、液体（血清又は血漿部分２１２ＳＰ）と空気２１２Ａとの間（すなわち、ＬＡ）の上部の界面の位置、ＳＢ又はＳＰＧ（ゲルセパレータ３１３を使用する場合）、及び幅（Ｗ）を識別することを含んでいてもよい。この情報から、液体領域（血清又は血漿部分２１２ＳＰ）の体積の予測を判定することができる。５１８で液体領域が識別されると、その後、５２１でインターフェレントの存在を検出できる。Ｈ、Ｉ、及び／又はＬの存在は、液体領域（血清又は血漿部分２１２ＳＰ）のデータサブセットを１つ以上の追加の分類器で操作することによって行うことができる。一実施形態では、以下で説明するように、Ｈ、Ｉ、及びＬのそれぞれに別個の分類器を使用することができる。
「溶血検出」

【0077】

第１の広い態様によれば、本発明の実施形態は、遠心分離された血液の試料容器１０２に収容される試料２１２が溶血しているかどうかを検出するために使用できる方法及び装置に関する。この方法は、複数のカメラ４４０Ａ〜４４０Ｃと、カメラごとに複数の露光（例えば、４〜８回の露光又はそれ以上）及び複数の波長スペクトル（例えば、Ｒ、Ｇ、Ｂ、近ＩＲ、及び／又はＩＲ）を使用して複数の画素化画像をキャプチャする。次いで、これらの画像を分析し、操作して、上述のように、５１８で液体領域を識別する。液体領域からのデータのこのサブセットをさらに分析して、５２１Ｈにおいて溶血を識別する。

【0078】

溶血はサンプルの質の変色の問題であり、特別な処理で解決することはできない。赤血球が破裂し、内部のヘモグロビンが遠心分離された試料２１２の血清又は血漿部分２１２ＳＰに放出されると、溶血が起こり得る。これにより、血清又は血漿部分２１２ＳＰは、赤みがかった色、又は外観となる。赤みを帯びた色と共に、カリウムが血清又は血漿部分２１２Ｓに放出され、分析装置１０６、１０８、及び／又は１１０で検査したときに誤った結果を与える可能性がある。誤った採血、取り扱い、保存、及び／又は処理などが溶血を引き起こすことがある。

【0079】

溶血の程度又は度合いは、５２６Ｈで判定された溶血指数によって特徴付けることができる。本明細書で使用する「溶血指数」は、血清又は血漿部分２１２ＳＰに存在する判定された溶血含量に基づいて、特定の試料２１２に与えられた等級を意味するものとする。一般に、観測の尺度はゼロから４（０−４）の範囲である。ゼロは実質的に溶血を示さず、４は著しい溶血を示す。あるいは、０−１０、０−２０、Ａ−Ｆのスケール、又は他のある範囲のスケールを使用することができる。品質チェックモジュール１３０によって判定される、十分に高い溶血指数を有する試料２１２は、排除してもよい。通常の手順では、分析装置１０６、１０８、及び／又は１１０に良質の試料２１２が確実に提供されるように、患者から別の試料２１２を再採取する。よって、溶血を示す試料２１２は、さらに検査をすることなく排除され、ローディングエリア１０５から降ろされる。任意で、試料２１２は、分析装置（例えば、分析装置１０６、１０８、又は１１０）で検査してもよく、指示された検査に応じて、検査結果と共に溶血指数を報告してもよい。

【0080】

新しい試料２１２が処理され、品質チェックモジュール１３０によってノーマルとみなされると、ヘモグロビンの妨害なく、上手く解析できる。いくつかの実施形態では、試料２１２が、品質チェックモジュール１３０で検出された際に溶血を含むと判定されると、試料２１２は、別の分析機器（例えば、図１の遠隔ステーション１３２の特殊臨床分析装置）に送られ、そこで正確な溶血レベルを測定し、特徴付けることができる。試料検査装置１００のコンピュータ１４３又はＣＩＭ１４５のディスプレイ（例えば、コンピュータスクリーン）にアラートを表示して、検査者に知らせ、試料２１２に溶血が含まれているかどうかを見つけると、さらに評価及び／又は判定させるようにすることもできる。

【0081】

検査者に溶血を含む試料２１２の評価を伝える性能を向上させるため、溶血を有する試料２１２を含む試料容器１０２の画像を、コンピュータ１４３又はＣＩＭ１４５のディスプレイ上に表示してもよい。この画像は、それに限定されるのもではないが、種々の既知の溶血試料の参照画像、比較のためのカラースペクトル、試料２１２の溶血評価レベル（すなわち、指数）、及び／又は検査者の措置の提案などの他の共同する情報とともに表示してもよい。
「黄疸検出」

【0082】

別の広い態様によれば、本発明の実施形態は、遠心分離された血液の試料容器１０２に収容される試料２１２中の黄疸を検出するために使用され得る方法及び装置に関する。黄疸インターフェレントは、例えば、過剰のビリルビンから生じる可能性があり、赤血球が崩壊すると、脾臓においてビリルビンに変換される。２〜３ｍｇ／ｄｌを超えるビリルビンのレベルは、一般に、視覚的には暗黄色又は茶色がかった色であり、分析装置（例えば、分析装置１０６、１０８、及び／又は１１０）で実施される酵素ベースの免疫学的分析に悪影響を及ぼす可能性がある。そのような症状は、ビリルビン血症とも呼ばれる。

【0083】

黄疸検出方法は、溶血検出方法と同様である。５１８において、画像をキャプチャし、画素化画像を分析して液体領域を識別した後、液体領域からのデータサブセットを黄疸の存在について分析することができる。この方法によれば、溶血検出のために使用されたのと同じデジタル画像データサブセットを使用して黄疸検出をすることができる。この分析では、黄疸が存在するかどうかを判定するため、バイナリ分類器を使用することができ、その場合は、黄疸指数のようなインターフェレントレベルを判定することができる。本明細書で使用される「黄疸指数」は、存在する黄疸の判定内容に基づいて、特定の試料２１２に与えられた等級を意味するものとする。一般に、観測の尺度はゼロから４（０−４）の範囲である。同様に、ゼロはほぼ黄疸を示さず、４は黄疸が著しく存在することを表す。あるいは、０−１０，０−２０、Ａ−Ｆ、又はその他の範囲のような他のスケールを使用してもよい。
「脂肪血の検出」

【0084】

別の広い態様によれば、本発明の実施形態は、遠心分離された血液の試料容器１０２に収容される試料２１２中の脂肪血を検出するために使用され得る方法及び装置に関する。血清又は血漿部分において白っぽい、又は乳白色の外観を呈する脂肪血インターフェレントは、血液中の過剰な脂質の存在から生じ得る。約５０ｍｇ／ｄｌを超える脂質レベルは、免疫学的分析検査での抗体結合を妨害し、したがって分析装置１０６、１０８、又は１１０からの免疫学的分析結果に影響を与える。

【0085】

脂肪血検出方法は、溶血及び黄疸検出方法と同様である。この方法は、品質チェックモジュール１３０において試料容器１０２を受け取ることができる。次に、カメラ４４０Ａ〜４４０Ｃは、試料２１２の画素化画像をキャプチャすることができる。次いで、コンピュータ１４３は、５１１で画像の分析を行い、試料容器１０２と試料２１２をセグメント化して、５１８で液体部分を識別する。最後に、画像データサブセットを、５２１Ｌで脂肪血の存在について分析することができる。この方法によれば、溶血及び黄疸検出のために使用されたのと同じデジタル画像データサブセットを、脂肪血の検出に使用できる。分析により、インターフェレントが存在するかどうかを判定し、インターフェレントが存在する場合は、インターフェレントレベル、例えば、脂質異常の指数を判定することができる。「脂肪血指数」を本明細書中で使用する場合、その中の判定された含脂肪量に基づいて試料２１２に与えられた等級を意味するものとする。一般的に、視覚的観測のための尺度はゼロから４（０−４）の範囲である。同様に、ゼロは実質的に脂肪血を示さず、４は脂肪血が著しく存在することを表す。あるいは、０−１０，０−２０、Ａ−Ｆ、又は他のある範囲のスケールのような他のスケールを使用することができる。脂肪血は、試料２１２を分析装置（例えば、分析装置１０６、１０８、及び／又は１１０）上で検査又は分析する前に特別な処理によって解決できる、特定のサンプル品質変色欠陥である。

【0086】

検査室で試料が脂質異常であることを認識した後、試料は例えば、遠隔ステーション１３２で試料２１２をさらに処理して脂質を除去又は減少させることができる。例えば、溶媒又は他の物質を導入して、脂肪血の量を減らすことができる。遠隔ステーション１３２での脂肪血レベルを低下させる追加の処理の後、試料２１２をトラック１２１に戻して、分析装置（例えば、分析装置１０６、１０８、及び／又は１１０）に直接載置して分析することができる。任意で、試料２１２は、再度、品質チェックモジュール１３０に送られ、その結果、試料は、脂肪血症について再スクリーニングされ得る。もし、脂肪血レベルが今度は十分に低ければ、試料をトラック１２１上に送り、分析装置（例えば、分析装置１０６、１０８、及び／又は１１０）で分析させ、次いで試料２１２をローディングエリア１０５に戻せばよい。脂肪血の再検査をすれば、試料２１２は、１つ以上の分析装置（例えば、分析装置１０６，１０８，１１０）で適切に分析でき、検査室は検査結果についてより信頼することができる。

【0087】

したがって、本発明の実施形態は、試料２１２の遠心分離の後で、第１の可能な場合に（例えば、品質チェックモジュール１３０において）Ｈ、Ｉ、及び／又はＬを検出できることは理解できよう。この処理の時点でＨ、Ｉ及び／又はＬを検出した場合、試料２１２は無駄にならず、誤った検査結果が防止され、いかなる患者の検査結果の遅延も最小限に抑えられる。もちろん、血清又は血漿部分２１２ＳＰ中に存在するＨ、Ｉ、及び／又はＬのレベルのさらに正確な測定値を提供するために、アーチファクト検出法を用いて、凝塊、気泡、又は泡などのアーチファクトの存在を識別することができる。１つ以上のアーチファクトを含むと識別された画素は、この方法では無視され、ＨＩＬ検出には使用されない。６２２のアーチファクト検出法（図６）は、２０１６年１月２８日に出願された「試料中のアーチファクトを分類するための方法及び装置」と題した米国仮特許出願第６２／２８８，３５８号でさらに説明されている。

【0088】

この方法によれば、複数のトレーニングセットに基づいてトレーニングされた１つ以上の分類器を用いて画像データサブセットを操作することによって、５２１Ｈにおける溶血の識別、５２１Ｉにおける黄疸の識別、及び５２１Ｌにおける脂肪血の識別を行うことができる。個々のバイナリ分類器は、Ｈ、Ｉ、及び／又はＬのそれぞれに対して、又はＮについてそれぞれ使用されてもよく、又は、存在する１つ以上のＨ、Ｉ、及び／又はＬあるいはＮを識別するために１つのマルチクラス分類器が使用されてもよい。任意で、データサブセットの各画素の格納されたＲＧＢ値は、参照テーブルなどのメモリ内のＲＧＢ値に対して測定することができる。

【0089】

１つ以上の実施形態では、１つ以上のインターフェレントの存在を判定することは、画素のうちの個々をノーマル（Ｎ）であるか、あるいは溶血（Ｈ）、黄疸（Ｉ）、又は脂肪血（Ｌ）を含むか、を特徴付けるために画像データサブセットを最初に分析することを含む。この判定から、液体領域の全体的な分類が提供される。全体的な分類は、ノーマル（Ｎ）であるか、又は特定の単数又は複数の種類のインターフェレントを含んでいるかでもよい。例えば、液体領域内の特定のインターフェレントの種類は、Ｈ、Ｉ、及び／又はＬのうちの１つであると判定することができる。例えば、Ｈ、Ｉ、Ｌ、Ｈ及びＩ、Ｈ及びＬ、Ｉ及びＬ、又はＨ、Ｉ、及びＬなどである。

【0090】

１つ以上の実施形態では、インターフェレント分類器５２１は、任意の適切な教師あり分類モデルを含んでいてもよい。インターフェレント分類器５２１は、別の分類モデルを利用して、液体領域内にあるとして分類された画素がＮ、Ｈ、Ｉ、又はＬのクラスの１つであるかどうかを判定することができる。インターフェレント分類器は、５２１で、個々のバイナリ分類器に基づいて、Ｈ、Ｉ、及びＬのそれぞれに対して１つでもよく、あるいは、Ｈ、Ｉ、Ｌ、及びＮの複数のインターフェレントトレーニングセットに基づいて十分にトレーニングされたマルチクラス分類器に基づいてもよい。一実施形態では、マルチクラス分類器（例えば、４クラス分類モデル）は、サポートベクトルマシン（ＳＶＭ）、サポートベクトルネットワーク、又はブースティングクラスアルゴリズムでもよい。サポートベクトルマシン及びネットワークの例は、“C. Cortes and V. Vapnik, “Support-vectorNetworks”, Machine Learning, Vol. 20, Issue 3, page273-297”と題する論文、及び “J. Friedman, T. Hastie, R.Tibshirani (1998), “Additive Logistic Regression: AStatistical View of Boosting””と題する論文、及び “Y. Freund andR. E. Schapire (1999), A Short Introduction to Boosting”と題する論文などに記載されている。

【0091】

画像データサブセットの画素がインターフェレント分類器５２１によってＮ、Ｈ、Ｉ、又はＬであると分類されると、方法５００は、試料２１２の液体領域が全体としてノーマル（Ｎ）かどうか、あるいは、ノーマル（Ｎ）でない場合には、Ｈ、Ｉ、及び／又はＬのうちの１つ以上を含むと判定することも含んでよい。試料２１２がノーマル（Ｎ）であるようなら、試料２１２は、単にトラック１２１上を指示された検査のための分析装置（例えば、分析装置１０６、１０８、及び／又は１１０）まで進めてもよい。ノーマルでない場合には、１つ以上のインターフェレントタイプを判定する。さらに、インターフェレントレベル検出器を５２１Ｂで使用して、各インターフェレントタイプのインターフェレントレベルを判定することもできる。

【0092】

血清又は血漿部分２１２ＳＰが全体としてノーマル（Ｎ）であると判定された場合、あるいはノーマル（Ｎ）でないと判定された場合、インターフェレントタイプは、Ｎ、Ｈ、Ｉ、又はＬであると予め分類された液体領域内の多数の画素を加えることによって判定することができる。ノーマル（Ｎ）であるかインターフェレントを含むかどうかの分類は、各クラスの最大数の画素、又はいくつかの実施形態における重み付けスキームに基づくものであってもよい。したがって、一実施形態では、画素の大部分がＮとして分類される場合、液体領域と試料２１２はノーマル（Ｎ）として分類してもよい。画素の大部分がＨとして分類される場合、液体領域と試料２１２は溶血（Ｈ）を含むものとして分類してもよい。同様に、画素の大部分がＩ又はＬとして分類される場合、液体領域と試料２１２は、黄疸（Ｉ）又は脂肪血（Ｌ）としてそれぞれ分類してもよい。他の実施形態では、重み付き多数決方式を用いて、インターフェレント分類器５２１からの確率を重みとして使用して試料２１２を分類することもできる。他の手段を使用して、試料２１２を全体として特徴付けることもできる。

【0093】

さらに、試料２１２の画像データセットが、２つ以上のインターフェレントクラス（例えば、Ｈ及びＩ、Ｈ及びＬ、Ｉ及びＬ、又はさらにＨ、Ｉ、及びＬ）に分類される比較的多量の画素を含有する場合、インターフェレント検出方法は、複数のインターフェレントタイプが試料２１２に存在すると報告するようにしてもよい。試料２１２に複数のインターフェレントタイプ（例えば、Ｈ、Ｉ、及び／又はＬ）を含有するような特徴付けが与えられると、インターフェレントレベル検出器５２１Ｂを使用して、試料２１２の複数のインターフェレントタイプのインターフェレントレベルを提供することができる。インターフェレントレベル検出器５２１Ｂは、画像データサブセットを、教師あり回帰モデルのようなレベル特徴化モデルに通すことにより、特定のインターフェレントごとにインターフェレントレベル又は指数を得ることができる。サポートベクトル回帰（ＳＶＲ）、ニューラルネットワーク回帰、ツリーベース回帰などの任意の適切な回帰モデルを使用することができる。

【0094】

溶血回帰モデル５２６Ｈ、黄疸回帰モデル５２６Ｉ、及び脂肪血回帰モデル５２６Ｌなどのような異なる回帰モデルをそれぞれのインターフェレントタイプに対して使用してもよい。１つ以上の実施形態では、回帰モデルのそれぞれはＳＶＲマシンであってもよく、その特定のタイプのインターフェレントタイプ（例えば、Ｈ、Ｉ、又はＬ）を示す液体領域のみを用いてトレーニングされてもよい。例えば、溶血回帰モデル５２６Ｈは、予想される溶血レベルの多様な範囲に亘って溶血レベルを有する広範囲の試料２１２を用いてトレーニングすることができる。例えば、溶血範囲は、約５０〜５２５の溶血レベルを含んでいてもよい。同様に、黄疸回帰モデル５２６Ｉは、約１．７〜３０の黄疸レベルを含む多様な範囲の予測レベルにわたる黄疸レベルを有する、広範な試料２１２でトレーニングすることができる。同様に、脂肪血回帰モデル５２６Ｌは、約１２５〜１０００の脂肪血レベルを含む、多様な範囲の予想レベルに亘って脂肪血レベルを有する広範な範囲の試料２１２でトレーニングすることができる。

【0095】

いくつかの実施形態では、インターフェレントレベルを離散化することができる。例えば、４つの離散的なレベルを使用してもよい。溶血回帰モデル５２６Ｈでは、５０、１５０、２５０及び５２５の離散的な溶血レベルを使用することができる。黄疸回帰モデル５２６Ｉでは、１．７、６．６、１６、及び３０の離散的な黄疸レベルを使用することができ、脂肪血回帰モデル５２６Ｌでは、１２５、２５０、５００、及び１０００の離散的な脂肪血レベルを使用することができる。４つ前後の離散的なレベルを使用してもよい。上記の離散的なレベル以外のレベルを使用してもよい。

【0096】

複数の視点からの結果は、試料がノーマル（Ｎ）であるか、又はより多くのＨＩＬを含むかを示すことができるが、インターフェレントレベルの最終判定は、所望の回帰モデルを通したときのその特定なインターフェレントタイプの画像データサブセットの回帰結果を融合することによって判定することができる。モデルのインターフェレントレベルが離散化されている場合、回帰モデルからの出力も、最も近い目標レベルにマッピングすることによって離散化することもできる。いずれにしても、１つ以上の実施形態によれば、試料２１２内の検出されたインターフェレントタイプごとに、インターフェレントレベル又は指数を提供することができる。この判定は、各クラスの画素数に基づいて画像が重み付けされる重み付けスキームに従って集計することができる。最終的な決定は、複数の視点に亘って検証することができる。

【0097】

したがって、品質チェックモジュール１３０によって実行されるモデルベースのインターフェレント検出及び分類方法５００は、試料２１２がノーマルであるか、又は１つ以上のインターフェレントを含むかどうか、迅速に特徴付けすることができることは明らかである。試料２１２が１つ以上のインターフェレントを含む場合、この方法５００はさらに、存在する単数又は複数のインターフェレントのタイプを判定し、存在するインターフェレントのタイプそれぞれについてインターフェレントレベル又は指数を判定することもできる。最終的な結果及び判定は、複数の視点に亘って集約することができる。

【0098】

図６は、より広範な特徴付け方法６００のフローチャートを示し、６２１でのインターフェレント（すなわちＨＩＬＮ分類）の特徴付けは、品質チェックモジュール１３０を使用して、より広範な方法６００によって特徴付けられる、又は分類される多くの品目のうちの１つのみである。方法６００の１つ以上の実施形態によれば、例えば複数のカメラ（カメラ４４０Ａが示されている）によって画像がキャプチャされる。しかしながら、他のカメラ４４０Ｂ、４４０Ｃを使用して、他の視点から画像をキャプチャすることができる。カメラ４４０Ａでキャプチャされた画像について説明する処理は、他の視点の他のカメラ４４０Ｂ、４４０Ｃについても同じであり、ライン６０５のそれらの入力を使用して、最終的な判定、又は視点による違いを解決するために使用する試料２１２の３Ｄモデルを生成することができる。

【0099】

カメラ４４０Ａ及び他のカメラ４４０Ｂ、４４０Ｃによってキャプチャされた画像は、上述したように、マルチスペクトル（例えば、ＲＧＢ、近ＩＲ、ＩＲ）及び複数露光画像であってもよい。特に、６０４Ａで使用される光の波長スペクトルごとに、複数の露光（例えば、４〜８回の露光）を行ってもよい。図４Ａ及び図４Ｂに示すように、各カメラ４４０Ａ〜４４０Ｃの各露光のそれぞれの画像は、モノクロカメラと背面照明光源４４４Ａ〜４４４Ｃを使用して同時に取得することができる。任意で、白色光源４４４Ｄ〜４４４Ｆを使用して、前面照明された複数の露光画像を、カラーカメラを使用して６０４Ｂで取得してもよい。

【0100】

その後、任意の背景除去方法に関して上述したように、画像を任意で５０８において処理して、参照画像５１０を使用して背景を除去してもよい。その後、画像をさらに処理して、上述したように５１１でセグメント化を判定してもよい。いくつかの実施形態では、６０４Ｂからの前面照明カメラ４４０Ａ〜４４０Ｃ（図４Ｃ〜４Ｄ参照）からの画像は、５１１でのセグメント化に最もよく使用できる。同様に、背景照明を使って６０４Ａでキャプチャされた任意の画像は、６２１でのＨＩＬＮの特徴付けに最もよく使用される。しかしながら、明らかに、６０４Ａでキャプチャされた画像は、５１１でのセグメント化に使用でき、６０４Ｂでキャプチャされた画像は、６２１でのＨＩＬＮ検出に使用できる。

【0101】

６２３での液体の識別及び定量化は、５１１でのセグメント化に続いて実施してもよい。６２３で液体を定量化することは、ＬＡ、ＳＢ、ＳＧ、及び／又はＢＧの物理的位置、及び／又はＨＳＰ、ＨＳＢ及び／又はＨＴＯＴの判定、及び／又は血清又は血漿部分の体積（ＶＳＰ）及び／又は沈降した血液部分の体積（ＶＳＢ）などの試料２１２の特定の物理的寸法特徴の判定を含んでいてもよい。内部幅（Ｗｉ）は、６２７における試料容器の特徴付けから得ることができる。これらの境界区域の画素を選択し、画素空間でのそれらの位置値を平均化してＬＡ、ＳＢ、又はＳＰＧに対する値を取得することによって識別することができるようになる。この情報から、血清又は血漿部分２１２ＳＰの体積を判定することができる。任意の適切な較正を使用して画素をミリメートルに較正することによって画素空間から機械的測定値へ関連付けることができる。

【0102】

検査に利用可能な血清又は血漿部分２１２ＳＰの実際の体積をさらに正確に測定するために、アーチファクト検出法を６２２で使用して、凝塊、気泡、又は泡が存在することを識別してもよい。存在する１つ以上のアーチファクトのそれぞれの推定体積は、より良い体積推定値を得るために、上記で判定された血清又は血漿部分２１２ＳＰの推定体積から差し引かれてもよい。アーチファクト分類器を使用して画像を処理して、６２２で血清又は血漿部分２１２ＳＰ中のアーチファクトの有無を判定してもよい。アーチファクト検出６２２でアーチファクトとして識別されたそれらの画素は、６２１でのＨＩＬＮ分類では無視されてもよい。アーチファクトの検出により、いくつかの実施形態において修復を開始できる。アーチファクト検出法については、２０１６年１月２８日に出願された「試料中のアーチファクトを分類するための方法及び装置」と題した米国仮特許出願第６２／２８８，３５８号で説明している。

【0103】

５１１でのセグメント化の結果は、バーコードなどの識別情報２１５を含むラベル２１８を識別するためにも使用してもよい。バーコードは６２５で読み取ることができる。従来のバーコード読み取りソフトウェアは、ラベル２１８が５１１のセグメント化で識別された場合に使用されてもよい。特定の画像が、読み取られるべきバーコードを十分に含まない場合、バーコードは、他のカメラ４４０Ａ〜４４０Ｃから得られた他の画像から、又はそれらに連動して読み取ることができる。

【0104】

試料容器１０２のさらなる特徴付けは、６２７でより広範な方法６００に従って達成してもよい。５２９での管の種類、５３１でのキャップの種類、５３３でのキャップの色の特徴付けは、３Ｄモデル６３５に供給されて、各カメラ４４０Ａ〜４４０Ｃからの画像の処理に基づいて同じ特徴付けが達成されかどうかを検証する。わずかに異なる値が得られた場合、その値は平均化してもよい。６２１でのＨＩＬＮ分類、６２３での液体定量化、６２２でのアーチファクト検出、及び６２７での試料容器検出からの出力のすべてが３Ｄモデル６３５に供給されて、最終的な意思判定、特徴付け、及び様々なカメラ４４０Ａ〜４４０Ｃからの結果の調和のために使用される。

【0105】

図７は、本開示の１つ以上の実施形態による、試料２１２のインターフェレントを判定する方法のフローチャートを示す。方法７００は、７０２で試料容器（例えば、キャップ付き採血管などの試料容器１０２）に収容された試料（例えば、試料２１２）を提供することを含む。次に、方法７００は、７０４で試料２１２を収容する試料容器１０２の画像を、異なる露光時間と異なるスペクトルでキャプチャすることを含む。例えば、いくつかの実施形態では、異なる露光時間で撮影された４〜８の異なる露出またはそれ以上であってもよいが、同じ照明条件で撮影してもよい。１つ以上の実施形態では、いくつかの画像は、白色光を用いて、また、前面照明を用いてキャプチャされ、一部は、背面照明光源４４４Ａ〜４４４Ｃとして、赤色、青色、及び緑色のような複数の単一の波長ピークの狭帯域光源を用いてキャプチャできる。他の実施形態では、ＮＩＲ及び／又はＩＲスペクトル源を使用することができる。いくつかの実施形態では、白色光画像は、上述のように、コンピュータ１４３によってキャプチャされたＲ、Ｇ、及びＢ画像に分解されてもよい。それぞれの場合において、複数のカメラ４４０Ａ〜４４０Ｃによって複数の視点から画像を撮影してもよい。

【0106】

方法７００は、任意で、７０６に示すように背景除去を含み、背景の一部を減算して計算負荷を低減してもよい。背景除去は、較正プロセスの一部として撮影することができる対応する参照画像から画像を減算することによって達成できる。参照画像は、試料容器１０２の画像と同じ露光時間、波長スペクトル、及び照明条件で撮影してもよいが、キャリア１２２に試料容器１０２なしでキャプチャすることができる。背景縮小段階は、正規化を含んでいてもよい。

【0107】

方法７００は、７１０において、それぞれの波長の異なる露光時間の画像から最適に露光された画素を選択して、各波長スペクトルにおいて最適に露光された画像データを生成することを含む。特定の波長における各画像内の対応する画素位置毎に、（露光不足でも、又は露光しすぎでもない）最良に露光された画素を選択することができる。最適な露光範囲は、上述したようなものであってもよい。この最適に露光された画素の選択は、画像統合フェーズ（例えば、画像統合５１２）で行われる。したがって、スペクトル（Ｒ、Ｇ、Ｂ、近ＩＲ、及び／又はＩＲ）のそれぞれについて、最適に露光された画素のデータセットが生成されてもよい。

【0108】

次に、方法７００は、最適に露光された画素を、血清及び血漿部分２１２ＳＰ、すなわち、７１２における液体領域として分類することを含む。分類は、異なる波長スペクトルにおける最適に露光された画素の統計データを計算して統計データを生成し、次いで、最適に露光された画素の統計データを操作して、血清及び血漿部分２１２ＳＰを識別することによって達成できる。他のクラス（例えば、沈降した血液部分２１２ＳＢ、空気２１２Ａ、管２１２Ｔ、ラベル２１８、及び／又はゲルセパレータ３１３）は、５１１のセグメント化によって識別してもよい。

【0109】

最後に、方法７００は、インターフェレント分類器を用いて各波長スペクトルについて最適に露光された画像データを操作することに基づいて、インターフェレントの存在又は不存在及びインターフェレントタイプを７１４で識別することを含む。任意で、７１６において、回帰モデルなどのインターフェレントレベルモデルを使用するなどして、インターフェレントレベル又は指数を検出することができる。したがって、上記に基づいて、品質チェックモジュール１３０によって実行されるモデルベースの試料インターフェレント検出方法７００により、Ｈ、Ｉ、及び／又はＬ、又はＮの存在の迅速な特徴付けが可能となることは明らかである。インターフェレントが検出された場合、インターフェレントレベルを評価して報告することができる。

【0110】

品質チェックモジュール１３０は、プレスクリーニングが遠心分離機１２５での遠心分離の直後に行われるような位置にあるように図１に示されているが、いくつかの実施形態では、この特性を直接分析装置（例えば分析装置１０６，１０８、及び／又は１１０）、あるいは、その他の場所に含んでいても有利である。例えば、試料検査装置１００のトラック１２１に物理的に接続されていない遠隔ステーション１３２に配置された独立した品質チェックモジュール１３０は、この技術を使用して分析前に試料２１２を検証することができる。さらに、いくつかの実施形態では、品質チェックモジュール１３０をローディングエリア１０５に配置して、ロボット１２４が試料容器１０２をキャリア１２２にロードするとすぐに品質チェックを実施することができるように、ラック１０４をローディングエリア１０５にロードする前に遠心分離を行ってもよい。品質チェックモジュール１３０は他の位置に配置することも可能である。

【0111】

本発明は様々な変更及び代替形態が可能であるが、特定のシステム及び装置の実施形態及びその方法は、図面の例として示されており、本明細書で詳細に説明してきた。しかしながら、開示された特定の装置又は方法に本開示を限定することを意図するものではなく、反対に、添付の特許請求の範囲の範囲内に入るすべての変更、均等物、及び代替物を網羅することを意図するものであることを理解されたい。

【符号の説明】

【0112】

１００ 試料検査装置
１０２ 試料容器
１０４ ラック
１０６、１０８、１１０ 分析装置
１２１ トラック
１２２ キャリア
１３０、１３０Ａ 品質チェックモジュール
１４３ コンピュータ
２１２ 試料
２１２ＳＰ 血清又は血漿部分
４４０Ａ〜４４０Ｃ カメラ
４４６ ハウジング
５２１ インターフェレント分類器
５１５ マルチクラス分類器

【図1】

【図2】

【図3】

【図4A】

【図4B】

【図4C】

【図4D】

【図5】

【図6】

【図7】

【国際調査報告】