СПОСОБ АНАЛИЗА КЛЕТОК И АНАЛИЗАТОР КЛЕТОК Российский патент 2025 года по МПК G01N15/14 G06N3/08 G16H10/40 

ОБЛАСТЬ ТЕХНИКИ

[0001] Настоящее изобретение относится к способу анализа клеток и анализатору клеток.

ПРЕДПОСЫЛКИ ИЗОБРЕТЕНИЯ

[0002] В патентном документе 1 описан способ, в котором: данные, полученные посредством измерения клеток крови проточным цитометром, анализируют в системе обработки данных с установленным в ней процессором; и клетки классифицируют по типам. В патентном документе 1 указано, что дополнительно используют информацию об объеме и электрической проводимости клеток, когда клетки невозможно классифицировать в соответствии с оптической информацией, полученной при измерении проточным цитометром.

СПИСОК ЛИТЕРАТУРЫ

[ПАТЕНТНЫЙ ДОКУМЕНТ]

[0003] Патентный документ 1 выложенная публикация заявки на японский патент №2012-519848 (перевод Международной заявки РСТ)

СУЩНОСТЬ ИЗОБРЕТЕНИЯ

ПРОБЛЕМЫ, РЕШАЕМЫЕ ИЗОБРЕТЕНИЕМ

[0004] Если количество информации, используемой для классификации клеток, увеличивают для улучшения точности классификации клеток, в случае образца, такого как кровь или моча, содержащего множество клеток, объем данных на образец становится огромным из-за увеличения количества информации, полученной от отдельной клетки. Например, для классификации индивидуальных клеток с использованием алгоритма глубокого обучения, количество полученной от индивидуальных клеток информации необходимо значительно увеличивать для извлечения признаков каждой клетки. В патентном документе 1 не описана система, в которой можно обрабатывать значительно увеличенное количество информации в диапазоне требуемой производительности.

[0005] Один аспект настоящего изобретения относится к предоставлению способа анализа клеток и анализатора клеток, которые в конфигурации, в которой анализируют данные, полученные от множества клеток, содержащихся в образце, могут удовлетворять требуемой производительности по отношению к данным клеток, имеющим значительно увеличенное количество информации.

РЕШЕНИЕ ПРОБЛЕМ

[0006] Для решения вышеуказанной проблемы способ анализа клеток в соответствии с одним аспектом настоящего изобретения с использованием анализатора (4000, 4000', 4000'') клеток, содержащего ведущий процессор (3001, 4831, 6001, 8111) и процессор (3002, 4833, 6002, 8112) для параллельной обработки, включает: получение, на основании управления ведущим процессором (3001, 4831, 6001, 8111), данных о каждой из множества клеток в образце; исполнение параллельной обработки применительно к этим данным процессором (3002, 4833, 6002, 8112) для параллельной обработки; и создание информации о типе клетки в отношении каждой из множества клеток на основании результата параллельной обработки.

[0007] Для решения вышеуказанной проблемы способ анализа клеток в соответствии с другим аспектом настоящего изобретения включает: выполнение измерения клетки измерительным блоком (400, 400а, 500, 500а, 700); исполнение процессором (3002, 4833, 6002, 8112) для параллельной обработки, соединенным с измерительным блоком (400, 400а, 500, 500а, 700) не через Интернет или интранет, параллельной обработки относящихся к клетке данных, основанных на измерении; и создание информации о типе клетки на основании результата параллельной обработки.

[0008] Для решения вышеуказанной проблемы способ анализа клеток в соответствии с другим аспектом настоящего изобретения включает: всасывание образца измерительным блоком (400, 400а, 500, 500а, 700), установленным в анализаторе (4000, 4000', 4000'') клеток; создание данных о клетке в образце, подвергнутом всасыванию; исполнение процессором (3002, 4833, 6002, 8112) для параллельной обработки, установленным в анализаторе (4000, 4000', 4000'') клеток, параллельной обработки применительно к этим данным; и создание информации о типе клетки на основании результата параллельной обработки, исполненной процессором (3002, 4833, 6002, 8112) для параллельной обработки.

[0009] Для решения вышеуказанной проблемы анализатор клеток в соответствии с одним аспектом настоящего изобретения включает: измерительный блок (400, 400а, 500, 500а, 700), выполненный с возможностью измерения множества клеток, содержащихся в образце; процессор (3001, 4831, 6001, 8111), выполненный с возможностью осуществления обработки информации, относящейся к анализу множества клеток; и процессор (3002, 4833, 6002, 8112) для параллельной обработки, причем измерительный блок (400, 400а, 500, 500а, 700) получает данные о каждой из множества клеток, процессор (3002, 4833, 6002, 8112) для параллельной обработки исполняет параллельную обработку применительно к этим данным, а процессор (3001, 4831, 6001, 8111) обрабатывает относящуюся к типу клетки информацию о каждой из множества клеток, которая была создана на основании результата параллельной обработки.

ПРЕИМУЩЕСТВЕННЫЕ ЭФФЕКТЫ ИЗОБРЕТЕНИЯ

[0010] В то время как множество клеток анализируют на основании данных, имеющих большой объем, можно удовлетворять требованиям по производительности.

КРАТКОЕ ОПИСАНИЕ ЧЕРТЕЖЕЙ

[0011] [ФИГ. 1] На ФИГ. 1(a) показан пример классификации лейкоцитов в соответствии с обычным способом. На ФИГ. 1(b) показан пример классификации лейкоцитов в соответствии с предложенным способом.

[ФИГ. 2] На ФИГ. 2(a) показан пример подачи света к клетке, протекающей в проточной ячейке. На ФИГ. 2(b) показан пример проведения дискретизации сигнала рассеянного вперед света, сигнала рассеянного вбок света и сигнала флуоресценции. На ФИГ. 2(c) показан пример полученных при дискретизации данных о форме волны.

[ФИГ. 3] На ФИГ. 3 показан пример способа создания обучающих данных.

[ФИГ. 4] На ФИГ. 4 показан пример значения метки.

[ФИГ. 5] На ФИГ. 5 показан пример способа анализа для анализа данных.

[ФИГ. 6] На ФИГ. 6 показан пример внешнего вида анализатора клеток.

[ФИГ. 7] На ФИГ. 7 показан пример блок-схемы измерительного блока.

[ФИГ. 8] На ФИГ. 8 показан пример узла всасывания образцов и узла подготовки проб.

[ФИГ. 9] На ФИГ. 9 показан пример конфигурации оптической системы детектора проточной цитометрии (ПЦМ-детектора).

[ФИГ. 10] На ФИГ. 10 показан пример конфигурации обрабатывающего блока.

[ФИГ. 11] На ФИГ. 11 показан пример конфигурации процессора для параллельной обработки.

[ФИГ. 12] На ФИГ. 12 показан пример внедрения процессора для параллельной обработки в измерительный блок.

[ФИГ. 13] На ФИГ. 13 показан другой пример внедрения процессора для параллельной обработки в измерительный блок.

[ФИГ. 14] На ФИГ. 14 показан другой пример внедрения процессора для параллельной обработки в измерительный блок.

[ФИГ. 15] На ФИГ. 15 показан другой пример внедрения процессора для параллельной обработки в измерительный блок.

[ФИГ. 16] На ФИГ. 16 показана общая схема операции, в которой процессор исполняет арифметические процессы для матричных данных с использованием процессора для параллельной обработки.

[ФИГ. 17] На ФИГ. 17(a) показана формула расчета произведения матрицы. На ФИГ. 17(b) показан пример арифметических процессов, исполняемых параллельно в процессоре для параллельной обработки.

[ФИГ. 18] На ФИГ. 18 показано, каким образом арифметические процессы исполняются в процессоре для параллельной обработки.

[ФИГ. 19] На ФИГ. 19(a) показан пример данных о форме волны сигнала рассеянного вперед света в качестве данных о форме волны, введенных в алгоритм глубокого обучения. На ФИГ. 19(b) показана общая схема матричной операции между данными о форме волны и фильтром.

[ФИГ. 20] На ФИГ. 20 показан пример операции анализа образца, выполняемой анализатором клеток.

[ФИГ. 21] На ФИГ. 21 показан пример процесса анализа клетки.

[ФИГ. 22] На ФИГ. 22 показан пример параллельной обработки.

[ФИГ. 23] На ФИГ. 23 показан другой пример блок-схемы измерительного блока.

[ФИГ. 24] На ФИГ. 24 показан пример блок-схемы обрабатывающего блока.

[ФИГ. 25] На ФИГ. 25 показана общая схема операции, в которой процессор исполняет арифметические процессы для матричных данных с использованием процессора для параллельной обработки.

[ФИГ. 26] На ФИГ. 26 показан другой пример блок-схемы измерительного блока.

[ФИГ. 27] На ФИГ. 27 показан другой пример блок-схемы обрабатывающего блока.

[ФИГ. 28] На ФИГ. 28 показан пример конфигурации измерительного блока, обрабатывающего блока и блока анализа.

[ФИГ. 29] На ФИГ. 29 показан другой пример блок-схемы измерительного блока.

[ФИГ. 30] На ФИГ. 30 показан пример блок-схемы блока анализа.

[ФИГ. 31] На ФИГ. 31 показана общая схема операции, в которой процессор исполняет арифметические процессы для матричных данных с использованием процессора для параллельной обработки.

[ФИГ. 32] На ФИГ. 32 показан другой пример блок-схемы обрабатывающего блока.

[ФИГ. 33] На ФИГ. 33 показан другой пример блок-схемы измерительного блока.

[ФИГ. 34] На ФИГ. 34 показан другой пример блок-схемы блока анализа.

[ФИГ. 35] На ФИГ. 35 показан пример блок-схемы измерительного блока.

[ФИГ. 36] На ФИГ. 36 показан схематический пример оптической системы проточного цитометра.

[ФИГ. 37] На ФИГ. 37 показан схематический пример узла подготовки проб измерительного блока.

[ФИГ. 38] На ФИГ. 38 показан схематический пример системы анализа данных о форме волны.

[ФИГ. 39] На ФИГ. 39 показан пример блок-схемы устройства на стороне поставщика.

[ФИГ. 40] На ФИГ. 40 показан пример блок-схемы измерительного блока.

[ФИГ. 41] На ФИГ. 41 показан другой пример блок-схемы блока анализа.

[ФИГ. 42] На ФИГ. 42 показан пример функциональной блок-схемы устройства глубокого обучения.

[ФИГ. 43] На ФИГ. 43 показан пример блок-схемы операции узла обработки для создания обучающих данных.

[ФИГ. 44] На ФИГ. 44 показан схематический рисунок для описания нейронной сети. На ФИГ. 44(a) показан схематический рисунок, показывающий общую схему нейронной сети. На ФИГ. 44(b) показан схематический рисунок, показывающий арифметическую операцию в каждом узле. На ФИГ. 44(c) показан схематический рисунок, показывающий арифметические операции между узлами.

[ФИГ. 45] На ФИГ. 45 показана смешанная матрица результата определения в соответствии с эталонным способом и результата определения с использованием алгоритма глубокого обучения.

[ФИГ. 46] На ФИГ. 46(a) показана кривая ROC нейтрофила. На ФИГ. 46(b) показана кривая ROC лимфоцита. На ФИГ. 46(c) показана кривая ROC моноцита.

[ФИГ. 47] На ФИГ. 47(a) показана кривая ROC эозинофила. На ФИГ. 47(b) показана кривая ROC базофила. На ФИГ. 47(c) показана кривая ROC контрольной крови (КОНТР.).

[ФИГ. 48] На ФИГ. 48 показан пример конфигурации анализатора клеток в качестве анализатора изображений.

[ФИГ. 49] На ФИГ. 49 показан пример конфигурации узла обработки.

[ФИГ. 50] На ФИГ. 50 показан пример способа создания обучающих данных.

[ФИГ. 51] На ФИГ. 51 показан пример значения метки.

[ФИГ. 52] На ФИГ. 52 показан пример способа анализа изображения.

[ФИГ. 53] На ФИГ. 53 показан вариант результата анализа.

ОПИСАНИЕ ВАРИАНТОВ ОСУЩЕСТВЛЕНИЯ

[0012] Далее в настоящем описании общие схемы и варианты осуществления настоящего изобретения будут описаны подробно со ссылкой на прилагаемые чертежи. В следующем описании и на чертежах одинаковые ссылочные позиции обозначают одинаковые или сходные компоненты, и поэтому описание одинаковых или сходных компонентов опущено.

[1. Способ анализа клеток]

[0013] В настоящем варианте осуществления раскрыт способ анализа клеток, включающий: в анализаторе клеток, включающем ведущий процессор и процессор для параллельной обработки, получение данных о каждой из клеток на основании управления ведущим процессором; исполнение параллельной обработки применительно к этим данным процессором для параллельной обработки; и создание информации о типе клетки в отношении каждой из клеток на основании результата параллельной обработки.

[0014] В соответствии с предложенным способом анализа, даже когда анализируют данные, имеющие огромный объем от нескольких сотен мегабайт до нескольких гигабайт на образец, обработку применительно к данным клеток можно исполнять параллельно процессором для параллельной обработки, предусмотренным отдельно от ведущего процессора. Поэтому, например, даже когда клетки классифицируют посредством алгоритма глубокого обучения, в котором используются данные, имеющие огромный объем, обработка данных заключена только в анализаторе клеток. Например, нет необходимости передавать данные клеток через Интернет или интранет на сервер для анализа с сохраненным на нем алгоритмом глубокого обучения. Поэтому, в соответствии с предложенным способом анализа, нет необходимости передавать большой объем данных из анализатора клеток на сервер для анализа и получать результат анализа, возвращающийся от сервера для анализа. Таким образом, производительность анализатора клеток может сохраняться, в то время как точность классификации клеток улучшается.

[0015] Пример общей схемы настоящего варианта осуществления будет описан со ссылкой на ФИГ. 1. ФИГ. 1(a) - рисунок, схематически показывающий классификацию лейкоцитов в соответствии с обычным способом, а ФИГ. 1(b) - рисунок, схематически показывающий классификацию лейкоцитов в соответствии с предложенным способом. На ФИГ. 1(a) и ФИГ. 1(b) FSC представляет аналоговый сигнал, указывающий интенсивность сигнала рассеянного вперед света, SSC представляет аналоговый сигнал рассеянного вбок света, и SFL представляет аналоговый сигнал, указывающий интенсивность сигнала боковой флуоресценции. Как показано на ФИГ. 1(a), в обычном способе каждую индивидуальную клетку, содержащуюся в образце, измеряют посредством проточного цитометра и получают высоты пиков импульсов аналоговых сигналов соответствующего рассеянного вперед света, рассеянного вбок света и боковой флуоресценции в качестве интенсивности рассеянного вперед света, интенсивности рассеянного вбок света и интенсивность боковой флуоресценции. Затем, на основании интенсивности рассеянного вперед света, интенсивности рассеянного вбок света и интенсивности боковой флуоресценции, каждую клетку классифицируют в специфический тип. Результаты классификации клеток отображаются в виде диаграммы рассеяния, как показано на ФИГ. 1(a). На диаграмме рассеяния на ФИГ. 1(a) по горизонтальной оси отложена интенсивность рассеянного вбок света, а по вертикальной оси интенсивность боковой флуоресценции.

[0016] Как показано на ФИГ. 1(a), при обычной классификации лейкоцитов тип каждой клетки крови определяют на основании только информации о высоте пика волны аналогового сигнала. В отличие от этого, в способе по настоящему варианту осуществления в качестве данных, относящихся к клеткам в образце, как показано на ФИГ. 1(b), анализируют всю форму волны аналогового сигнала, полученного от одиночной клетки проточным цитометром, в качестве данных о цели анализа, в результате чего клетку классифицируют. На ФИГ. 1(b) показана форма волны, полученная посредством вычерчивания аналогового сигнала, полученного проточным цитометром. Однако, как описано далее, данные о клетке в образце в настоящем варианте осуществления означают цифровые данные (описанные далее данные о форме волны), в которых в качестве элементов используются значения, указывающие интенсивность сигнала во множестве временных точек, полученные при проведении аналого-цифрового (A/D) преобразования этого аналогового сигнала. Эта группа цифровых данных представляет собой матричные данные, а в настоящем варианте осуществления - матричные данные, состоящие, например, из одного ряда х множество колонок (т.е. одномерный массив данных).

[0017] В настоящем варианте осуществления показанный на ФИГ. 1(b) алгоритм 50 глубокого обучения до его обучения вынуждают обучаться данным о форме волны сигнала для каждого типа клеток. Затем данные о форме волны сигнала каждой клетки, у которой тип клетки является неизвестным и которая содержится в образце, вводят в обучаемый алгоритм 60 глубокого обучения, в результате чего из алгоритма 60 глубокого обучения выводится результат определения типа клетки по отношению к каждой клетке. Алгоритм 50, 60 глубокого обучения представляет собой один из алгоритмов искусственного интеллекта и выполнен в виде нейронной сети, которая включает средний слой, состоящий из множественных слоев. В настоящем варианте осуществления, когда обработка применительно к анализу данных о форме волны подлежит исполнению в соответствии с обученным алгоритмом 60 глубокого обучения, большое количество матричных операций, включенных в алгоритм 60 глубокого обучения, исполняют посредством параллельной обработки, используя процессор для параллельной обработки, установленный в анализаторе клеток. Анализатор клеток включает: процессор для параллельной обработки, способный исполнять параллельную обработку; и процессор для исполнения команд (далее просто называемый «процессором»), который вынуждает процессор для параллельной обработки исполнять параллельную обработку.

[0018] Далее, каждая индивидуальная клетка в биологической пробе, подвергаемая анализу с целью определения ее типа, может быть также названа «клеткой-целью анализа». Иными словами, биологическая проба может содержать множество клеток-целей анализа. Множество клеток могут включать клетки множества типов, подлежащих анализу.

[0019] Примером биологической пробы является биологическая проба, собранная от субъекта. Например, биологическая проба может включать периферическую кровь, такую как венозная кровь и артериальная кровь, мочу и иную биологическую жидкость, отличную от крови и мочи. Примеры биологической жидкости, отличной от крови и мочи, могут включать аспират костного мозга, асциты, плевральный выпот, спинномозговую жидкость и т.п. Далее биологическая жидкость, отличная от крови и мочи, может называться просто «биологической жидкостью». Образец крови может быть любым образцом крови, который находится в таком состоянии, при котором можно подсчитать число клеток и можно определить типы клеток. Предпочтительно, кровь представляет собой периферическую кровь. Примеры крови включают периферическую кровь, собранную с использованием антикоагулирующего средства, такого как этилендиаминтетраацетат (натриевая соль или калиевая соль), гепарин натрия или т.п. Периферическая кровь может быть взята из артерии или из вены.

[0020] Типы клеток, определяемые в настоящем варианте осуществления, - это типы в соответствии с типами клеток, основанными на морфологической классификации, и являются различными, в зависимости от вида биологической пробы. Когда биологическая проба представляет собой кровь и кровь взята у здорового индивидуума, типы клеток, определяемые в настоящем варианте осуществления, включают, например, эритроцит, ядросодержащую клетку, такую как лейкоцит, тромбоцит и т.п. Ядросодержащие клетки включают, например, нейтрофилы, лимфоциты, моноциты, эозинофилы и базофилы. Нейтрофилы включают, например, сегментоядерные нейтрофилы и палочкоядерные нейтрофилы. В то же время, когда кровь взята у нездорового индивидуума, ядросодержащие клетки могут включать, например, по меньшей мере один тип, выбранный из группы, состоящей из незрелого гранулоцита и аномальной клетки. Такие клетки также входят в типы клеток, определяемые в настоящем варианте осуществления. Незрелые гранулоциты могут включать, например, такие клетки, как метамиелоциты, миелоциты, промиелоциты и миелобласты.

[0021] Ядросодержащие клетки могут включать, в дополнение к нормальным клеткам, аномальные клетки, которые не содержатся в периферической крови здорового индивидуума. Примерами аномальных клеток являются клетки, которые появляются, когда индивидуум имеет некоторое заболевание, и такими аномальными клетками являются, например, клетки опухолей. В случае гематопоэтической системы некоторое заболевание может представлять собой заболевание, выбранное из группы, состоящей, например из: миелодиспластического синдрома; лейкоза, такого как острый миелобластный лейкоз, острый миелобластный лейкоз, острый промиелоцитарный лейкоз, острый миеломоноцитарный лейкоз, острый моноцитарный лейкоз, эритролейкоз, острый мегакариобластный лейкоз, острый миелоидный лейкоз, острый лимфоцитарный лейкоз, лимфобластный лейкоз, хронический миелогенный лейкоз или хронический лимфоцитарный лейкоз; злокачественной лимфомы, такой как лимфома Ходжкина или неходжскинская лимфома; и множественной миеломы.

[0022] Кроме того, аномальные клетки могут включать, например, клетки, которые обычно не наблюдаются в периферической крови здорового индивидуума, такие как: лимфобласты; плазматические клетки; атипичные лимфоциты; реактивные лимфоциты; эритробласты, представляющие собой ядросодержащие эритроциты, такие как проэритробласты, базофильные эритробласты, полихроматические эритробласты, ортохроматические эритробласты, промегалобласты, базофильные мегалобласты, полихроматические мегалобласты и ортохроматические мегалобласты; мегакариоциты, включая микромегакариоциты; и т.п.

[0023] Когда биологическая проба представляет собой мочу, типы клеток, определяемые в настоящем варианте осуществления, могут включать, например, эритроцит, лейкоцит, эпителиальную клетку, такую как клетка переходного эпителия, плоского эпителия, и т.п. Примеры аномальных клеток включают, например, бактерии, грибы, такие как мицелиальные грибы и дрожжи, клетки опухолей и т.п.

[0024] Когда биологическая проба представляет собой биологическую жидкость, которая обычно не содержит компонентов крови, такую как асциты, плевральный выпот или спинномозговая жидкость, типы клеток могут включать, например, эритроцит, лейкоцит и крупную клетку. Здесь «крупная клетка» означает клетку, которая отделена от внутренней оболочки полости тела или полости внутреннего органа и которая крупнее, чем лейкоциты. Например, мезотелиальные клетки, гистиоциты, клетки опухолей и т.п. соответствуют «крупной клетке».

[0025] Когда биологическая проба представляет собой аспират костного мозга, типы клеток, определяемые в настоящем варианте осуществления, могут включать, в качестве нормальных клеток, зрелые клетки крови и незрелые гематопоэтические клетки. Зрелые клетки крови включают, например, эритроциты, ядросодержащие клетки, такие как лейкоциты, тромбоциты и т.п. Ядросодержащие клетки, такие как лейкоциты, включают, например, нейтрофилы, лимфоциты, плазматические клетки, моноциты, эозинофилы и базофилы. Нейтрофилы включают, например, сегментоядерные нейтрофилы и палочкоядерные нейтрофилы. Незрелые гематопоэтические клетки включают, например, гематопоэтические стволовые клетки, незрелые гранулоцитарные клетки, незрелые лимфоидные клетки, незрелые моноцитарные клетки, незрелые эритроидные клетки, мегакариоцитарные клетки, мезенхимальные клетки и т.п. Незрелые гранулоциты могут включать, например, такие клетки, как метамиелоциты, миелоциты, промиелоциты, миелобласты и т.п. Незрелые лимфоидные клетки включают, например, лимфобласты и т.п. Незрелые моноцитарные клетки включают монобласты и т.п. Незрелые эритроидные клетки включают, например, ядросодержащие эритроциты, такие как проэритробласты, базофильные эритробласты, полихроматические эритробласты, ортохроматические эритробласты, промегалобласты, базофильные мегалобласты, полихроматические мегалобласты и ортохроматические мегалобласты. Мегакариоцитарные клетки включают, например, мегакариобласты и т.п.

[0026] Примеры аномальных клеток, которые могут входить в состав костного мозга, включают, например, клетки гематопоэтических опухолей при заболевании, выбранном из группы, состоящей из: миелодиспластического синдрома; лейкоза, такого как острый миелобластный лейкоз, острый миелобластный лейкоз, острый промиелоцитарный лейкоз, острый миеломоноцитарный лейкоз, острый моноцитарный лейкоз, эритролейкоз, острый мегакариобластный лейкоз, острый миелоидный лейкоз, острый лимфоцитарный лейкоз, лимфобластный лейкоз, хронический миелогенный лейкоз или хронический лимфоцитарный лейкоз; злокачественной лимфомы, такой как лимфома Ходжкина или неходжскинская лимфома; и множественной миеломы, описанные выше, и клетки метастазирующих опухолей из злокачественной опухоли, развившейся в органе, отличном от костного мозга.

[0027] На ФИГ. 1 показан пример использования в качестве сигнала, полученного от каждой клетки, сигнала рассеянного вперед света, сигнала рассеянного вбок света и сигнала боковой флуоресценции, представляющих собой оптические сигналы, полученные при подаче света на клетку, протекающую в проточной ячейке. Однако сигнал конкретно не ограничен при условии, что сигнал указывает на признак каждой клетки и позволяет провести классификацию клеток для каждого типа.

[0028] Сигнал, полученный от каждой клетки, может быть любым из сигнала, указывающего морфологический признак клетки, сигнала, указывающего ее химический признак, сигнала, указывающего ее физический признак, и сигнала, указывающего ее генетический признак, но, предпочтительно, представляет собой сигнал, указывающий морфологический признак клетки. Сигналом, указывающим морфологический признак клетки, является, предпочтительно, оптический сигнал, полученный от клетки.

[0029] Предпочтительно, оптический сигнал представляет собой световой сигнал, полученный в качестве оптического ответа в результате подачи света на клетку. Световой сигнал может включать по меньшей мере один тип, выбранный из сигнала, основанного на рассеянии света, сигнала, основанного на поглощении света, сигнала, основанного на пропускании света, и сигнала, основанного на флуоресценции.

[0030] Сигнал, основанный на рассеянии света, может включать сигнал рассеянного света, вызванный подачей света, и сигнал потери света, вызванный подачей света. Сигнал рассеянного света служит в качестве параметра, который указывает на признак клетки и который является разным в соответствии с углом приема рассеянного света по отношению к направлению прохождения подаваемого света. Сигнал рассеянного вперед света используют в качестве параметра, который указывает на размер клетки. Сигнал рассеянного вбок света используют в качестве параметра, который указывает на сложность ядра клетки.

[0031] Термин «вперед» у рассеянного вперед света означает направление прохождения света, излученного из источника света. Когда угол подачи света принимается за 0 градусов, «вперед» может включать угол прямого малоуглового светорассеяния, при котором угол приема света составляет примерно от 0 до 5 градусов, и/или угол прямого высокоуглового светорассеяния, при котором угол приема света составляет примерно от 5 до 20 градусов. Термин «вбок» («боковой») не ограничен при условии, что «вбок» не перекрывается с «вперед». Когда угол подачи света принимается за 0 градусов, «вбок» может включать угол приема света, составляющий примерно от 25 градусов до 155 градусов, предпочтительно, примерно от 45 градусов до 135 градусов, а более предпочтительно, примерно 90 градусов.

[0032] Сигнал, основанный на рассеянии света, может включать поляризованный свет или деполяризованный свет в качестве компонента сигнала. Например, рассеянный свет, вызванный подачей света на клетку, принимают через поляризующую пластину, в результате чего может быть принят только рассеянный свет, поляризованный под конкретным углом. В то же время, когда свет подают на клетку через поляризующую пластину и получаемый рассеянный свет принимают через поляризующую пластину, позволяющую проходить через нее только поляризованному свету, имеющему угол, отличный от угла поляризующей пластины для подачи света, может быть принят только деполяризованный рассеянный свет.

[0033] Сигнал потери света указывает на потерянное количество принятого света на основании уменьшения количества принятого света на светоприемной части, которое вызвано подачей света на клетку и рассеянием света. Предпочтительно, сигнал потери света получают в виде потери света в направлении оптической оси подаваемого света (осевой потери света). Сигнал потери света может быть выражен как доля от количества принятого света во время протекания клетки в проточной ячейке, когда количество принятого света на светоприемной части в состоянии, при котором клетка не протекает в проточной ячейке, взято за 100%. Подобно сигналу рассеянного вперед света, осевую потерю света используют в качестве параметра, который указывает на размер клетки, однако получаемый сигнал различен в зависимости от того, обладает ли клетка просвечиваемостью или нет.

[0034] Сигнал, основанный на флуоресценции, может представлять собой флуоресценцию, возбужденную в результате подачи света на клетку, меченную флуоресцентным веществом, или может представлять собой собственную флуоресценцию, происходящую из неокрашенной клетки. Флуоресцентным веществом может быть флуоресцентный краситель, который связывается с нуклеиновой кислотой или мембранным белком, или может быть меченое антитело, полученное посредством модификации флуоресцентным красителем антитела, которое связывается со специфическим белком клетки.

[0035] Оптический сигнал можно получать в форме данных изображения, полученных при подаче света на клетку и захвата изображения клетки, на которую был подан свет. Данные изображения можно получать посредством захвата с использованием визуализирующего элемента, такого как камера TDI (time delay and integration) или ПЗС-камера (на приборах с зарядовой связью), изображения каждой индивидуальной клетки, протекающей в протоке, с использованием так называемого визуализирующего проточного цитометра. Альтернативно, образец или пробу для измерения, содержащие клетки, наносят, распыляют или капают на предметное стекло и захватывают изображение предметного стекла визуализирующим элементом, в результате чего можно получать данные изображений клеток.

[0036] Сигнал, полученный от клетки, не ограничен оптическим сигналом и может представлять собой электрический сигнал, полученный от клетки. Что касается электрического сигнала, то, например, подают на проточную ячейку постоянный ток, и в качестве электрического сигнала можно использовать изменение импеданса (полного сопротивления), вызванное клеткой, протекающей в проточной ячейке. Полученный таким образом электрический сигнал служит в качестве параметра, отражающего объем клетки. Альтернативно, что касается электрического сигнала, то в качестве электрического сигнала можно использовать изменение импеданса на время подачи радиочастоты на клетку, протекающую в проточной ячейке. Полученный таким образом электрический сигнал служит в качестве параметра, отражающего электрическую проводимость клетки.

[0037] Сигнал, полученный от клетки, может представлять собой комбинацию по меньшей мере двух видов сигналов из вышеописанных сигналов, полученных от клетки. Посредством комбинирования множества сигналов признаки клетки можно подвергать плейотропному анализу, и, таким образом, возможна классификация клеток с более высокой точностью. Что касается такой комбинации, то можно комбинировать, например, по меньшей мере два из множества оптических сигналов, например, сигнал рассеянного вперед света, сигнал рассеянного вбок света и сигнал флуоресценции. Альтернативно, можно комбинировать сигналы рассеянного света с различными углами, например, сигнал малоуглового рассеянного света и сигнал высокоуглового рассеянного света. Кроме того, альтернативно, можно комбинировать оптический сигнал и электрический сигнал. Вид и число комбинируемых сигналов конкретно не ограничены.

[0038] В способе анализа клеток по настоящему варианту осуществления способ определения типа клетки не ограничен тем способом, в котором используется алгоритм глубокого обучения. От индивидуальных клеток, проходящих через заданное положение в протоке, получают интенсивность сигнала, для каждой из клеток, во множестве временных точек в период времени, пока клетка проходит через заданное положение, и на основании результата, в котором полученные интенсивности сигналов во множестве временных точек в отношении каждой индивидуальной клетки, распознают в качестве паттерна, можно определять тип клетки. Паттерн можно распознавать в виде числового паттерна интенсивностей сигналов во множестве временных точек, или можно распознавать в виде паттерна формы, полученного при нанесении на график интенсивностей сигналов во множестве временных точек. Когда паттерн распознают в виде числового паттерна, если сравнивают друг с другом числовой паттерн клетки-цели анализа и числовой паттерн, для которого тип клетки уже известен, можно определить тип клетки. Для сравнения между числовым паттерном клетки-цели анализа и контрольным числовым паттерном можно использовать, например, коэффициент ранговой корреляции Спирмена, z-показатель или т.п. Когда сравнивают друг с другом паттерн формы графика клетки-цели анализа и паттерн формы графика, для которого тип клетки уже известен, можно определить тип клетки. Для сравнения между паттерном формы графика клетки-цели анализа и паттерном формы графика, для которого тип клетки уже известен, можно использовать совпадение геометрической формы паттернов, или можно использовать, например, дескриптор признаков, представленный дескриптором SIFT.

<Общая схема способа анализа клеток>

[0039] Далее, со ссылкой на примеры, показанные на ФИГ. 2 и ФИГ. 3 - ФИГ. 5, будет описан способ создания обучающих данных 75 и способ анализа данных о форме волны.

<Данные о форме волны>

[0040] ФИГ. 2 представляет собой схематический рисунок для описания данных о форме волны, используемых в предложенном способе анализа. Как показано на ФИГ. 2(a), когда образец, содержащий клетку С, вынуждают протекать в проточной ячейке FC и на протекающую в проточной ячейке FC клетку С подают свет, рассеянный вперед свет FSC образуется в прямом направлении по отношению к направлению прохождения света. Подобным образом, рассеянный вбок свет SSC и боковая флуоресценция SFL образуются в боковом направлении по отношению к направлению прохождения света. Рассеянный вперед свет принимается первой светоприемной частью D1, и выводится сигнал, соответствующий количеству принятого света. Рассеянный вбок свет принимается второй светоприемной частью D2, и выводится сигнал, соответствующий количеству принятого света. Боковая флуоресценция принимается третьей светоприемной частью D3, и выводится сигнал, соответствующий количеству принятого света. Соответственно, из каждой из светоприемных частей D1-D3 выводится аналоговый сигнал, представляющий изменение сигнала, связанное с течением времени. Аналоговый сигнал, соответствующий рассеянному вперед свету, будет называться «сигналом рассеянного вперед света», аналоговый сигнал, соответствующий рассеянному вбок свету, будет называться «сигналом рассеянного вбок света», а аналоговый сигнал, соответствующий боковой флуоресценции, будет называться «сигналом флуоресценции». Один импульс каждого аналогового сигнала соответствует одной клетке.

[0041] Аналоговые сигналы вводятся в A/D преобразователь для преобразования в цифровые сигналы. На ФИГ. 2(b) схематически показано преобразование в цифровой сигнал, выполняемое A/D преобразователем. В данном случае, для упрощения описания, аналоговый сигнал изображен напрямую вводимым в A/D преобразователь. Аналоговый сигнал можно преобразовывать напрямую, без изменения его уровня, в цифровой сигнал. Однако, по необходимости, можно выполнять обработку, такую как как устранение шума, поправка на фон и нормализация. Как показано на ФИГ. 2(b), от начальной точки, представляющей собой временную точку, когда уровень сигнала рассеянного вперед света среди аналоговых сигналов, вводимых из светоприемных частей D1-D3, достиг уровня, установленного в качестве заданного порога, A/D преобразователь дискретизирует сигнал рассеянного вперед света, сигнал рассеянного вбок света и сигнал флуоресценции. A/D преобразователь дискретизирует соответствующие аналоговые сигналы с заданной частотой дискретизации (например, дискретизация в 1024 точках с интервалом 10 наносекунд, дискретизация в 128 точках с интервалом 80 наносекунд, дискретизация в 64 точках с интервалом 160 наносекунд, или т.п.).

[0042] На ФИГ. 2(c) схематически показаны данные о форме волны, полученные в ходе дискретизации. В ходе дискретизации в качестве данных о форме волны, соответствующих одной клетке, получают матричные данные, имеющие в качестве элементов значения, в цифровой форме указывающие уровень аналогового сигнала во множестве временных точек. Таким образом, A/D преобразователь создает цифровой сигнал рассеянного вперед света, цифровой сигнал рассеянного вбок света и цифровой сигнал боковой флуоресценции, соответствующие одной клетке. A/D преобразование повторяют до тех пор, пока число клеток в цифровом сигнале не достигает заданного числа, или пока не истечет заданный период времени от начала протекания образца в проточной ячейке. Соответственно, как показано на ФИГ. 2(c), получают цифровой сигнал, полученный посредством комбинирования данных о форме волны для N клеток, содержащихся в одном образце. Данными о форме волны будет называться набор данных дискретизации для каждой клетки (в примере на ФИГ. 2 - набор из 1024 цифровых значений, полученных каждые 10 наносекунд от t=0 не до t=10240 нс), а набор данных о форме волны, полученных из одного образца, будет называться цифровым сигналом.

[0043] Каждому фрагменту данных о форме волны, созданному A/D преобразователем, можно присвоить индекс для идентификации соответствующей клетки. В качестве индексов, например, созданным фрагментам данных о форме волны присваивают целые числа от 1 до N в последовательном порядке, и каждым из данных о форме волны рассеянного вперед света, данных о форме волны рассеянного вбок света и данных о форме волны боковой флуоресценции, полученным от одной и той же клетки, присваивают один и тот же индекс.

[0044] Поскольку один фрагмент данных о форме волны соответствует одной клетке, индекс соответствует той клетке, которая была измерена. Поскольку идентичный индекс присваивают фрагментам данных о форме волны, соответствующим одной и той же клетке, описанный далее алгоритм глубокого обучения может анализировать, в качестве одного набора, данные о форме волны рассеянного вперед света, данные о форме волны рассеянного вбок света и данные о форме волны флуоресценции, соответствующие индивидуальной клетке, и может классифицировать тип клетки.

<Создание обучающих данных>

[0045] ФИГ. 3 представляет собой схематический рисунок, показывающий пример способа создания обучающих данных, используемых для обучения алгоритма глубокого обучения, для определения типа клетки. Обучающие данные 75 представляют собой данные о форме волны, созданные на основании аналогового сигнала 70а рассеянного вперед света (FSC), аналогового сигнала 70b рассеянного вбок света (SSC) и аналогового сигнала 70с боковой флуоресценции (SFL), которые были получены в отношении содержащейся в образце клетки посредством измерения образца, проведенного проточным цитометром. Способ получения данных о форме волны был описан выше.

[0046] Что касается обучающих данных 75, то, например, образец измеряют посредством проточного цитометра, и могут быть использованы данные о форме волны клетки, определенные в результате анализа содержащихся в образце клеток на основании диаграммы рассеяния в соответствии с обычным способом как имеющие высокую вероятность представлять собой специфический тип клетки. Будет описан пример с использованием счетчика форменных элементов крови. Сначала образец крови измеряют проточным цитометром и собирают данные о форме волны рассеянного вперед света, рассеянного вбок света и флуоресценции каждой индивидуальной клетки, содержащейся в образце. На основании интенсивности рассеянного вбок света (высоты импульса сигнала рассеянного вбок света) и интенсивности флуоресценции (высоты импульса сигнала флуоресценции), каждую клетку классифицируют в группу нейтрофила, лимфоцита, моноцита, эозинофила, базофила, незрелого гранулоцита или аномальной клетки. Данным о форме волны клетки присваивают значение метки, соответствующее классифицированному типу клетки, в результате чего получают обучающие данные. Например, получают моду, среднее значение или медиану интенсивности рассеянного вбок света и интенсивности боковой флуоресценции клеток, включенных в группу нейтрофилов, репрезентативные клетки идентифицируют на основании этого значения и присваивают данным о форме волны этих клеток значение метки «1», соответствующее нейтрофилу, в результате чего можно получать обучающие данные. Способ создания обучающих данных не ограничен этим. Например, выделяют только специфические клетки сортировщиком клеток, каждую клетку измеряют проточным цитометром и присваивают полученным данным о форме волны значение метки для клетки, в результате чего можно получать обучающие данные.

[0047] Аналоговые сигналы 70а, 70b, 70с соответственно представляют собой сигнал рассеянного вперед света, сигнал рассеянного вбок света и сигнал боковой флуоресценции в то время, когда проточным цитометром был измерен нейтрофил. Когда эти аналоговые сигналы подвергают A/D преобразованию, как описано выше, получают данные 72а о форме волны сигнала рассеянного вперед света, данные 72b о форме волны сигнала рассеянного вбок света и данные 72с о форме волны сигнала боковой флуоресценции. Каждая из ячеек, соседних друг с другом в каждых из данных 72а, 72b, 72с о форме волны, хранит уровень сигнала с интервалом, соответствующим частоте дискретизации, например, с интервалом 10 наносекунд. Каждый из фрагментов данных 72а, 72b, 72с о форме волны комбинируют со значением метки 77, указывающим тип клетки, являющейся источником данных, и эти три фрагмента данных о форме волны, соответствующие клетке, иными словами, данные об интенсивности трех сигналов (интенсивности сигнала рассеянного вперед света, интенсивности сигнала рассеянного вбок света и интенсивности сигнала боковой флуоресценции), вводят так, чтобы сформировать набор, в качестве обучающих данных 75 в алгоритм 50 глубокого обучения. Поскольку в примере на ФИГ. 3 клетка, являющаяся источником обучающих данных, является нейтрофилом, данным 72а, 72b, 72с о форме волны присваивают «1» как значение метки 77, указывающее на то, что клетка представляет собой нейтрофил, в результате чего получают обучающие данные 75. На ФИГ. 4 показан пример значения метки 77. Поскольку обучающие данные 75 создают для каждого типа клеток, в качестве значения метки присваивают разное значение метки 77 в соответствии с типом клетки.

<Общая схема глубокого обучения>

[0048] С использованием ФИГ. 3 в качестве примера будет описана общая схема обучения нейронной сети. Предпочтительно, нейронная сеть 50 представляет собой сверточную нейронную сеть, имеющую сверточный слой. Число узлов входного слоя 50а в нейронной сети 50 соответствует числу элементов массива, включенного в данные о форме волны вводимых обучающих данных 75. Число элементов массива равно сумме числа элементов данных 72а, 72b, 72с о форме волны рассеянного вперед света, рассеянного вбок света и боковой флуоресценции, соответствующих одной клетке. В примере на ФИГ. 3 каждые из данных 72а, 72b, 72с о форме волны включают 1024 элемента, а значит, число узлов входного слоя 50а составляет 1024×3=3072. Данные 72а, 72b, 72с о форме волны вводят во входной слой 50а нейронной сети 50. Значение метки 77 каждого фрагмента данных о форме волны обучающих данных 75 вводят в выходной слой 50b нейронной сети, в результате чего обучают нейронную сеть 50. Ссылочная позиция 50с на ФИГ. 3 представляет средний слой.

<Способ анализа данных о форме волны>

[0049] На ФИГ. 5 показан пример способа анализа данных о форме волны клетки, являющейся целью анализа. В способе анализа данных о форме волны, из аналогового сигнала 80а рассеянного вперед света, аналогового сигнала 80b рассеянного вбок света и аналогового сигнала 80с боковой флуоресценции, полученных от клетки-цели анализа посредством проточного цитометра, создают данные 85 анализа, состоящие из данных о форме волны, полученных вышеописанным способом.

[0050] Предпочтительно, данные 85 анализа и обучающие данные 75 имеют одинаковое условие получения, по меньшей мере. Условие получения включает условия измерения содержащихся в образце клеток проточным цитометром, например, условие подготовки пробы для измерения, скорость течения, с которой пробу для измерения вынуждают протекать в проточной ячейке, интенсивность света, подаваемого на проточную ячейку, коэффициент усиления на светоприемных частях, принимающих рассеянный свет и флуоресценцию, и т.п. Условие получения дополнительно включает частоту дискретизации во время выполнения A/D преобразования аналогового сигнала.

[0051] Когда клетка-цель анализа протекает в проточной ячейке, получают аналоговый сигнал 80а рассеянного вперед света, аналоговый сигнал 80b рассеянного вбок света и аналоговый сигнал 80с боковой флуоресценции. Когда эти аналоговые сигналы 80а, 80b, 80с подвергают A/D преобразованию, как описано выше, те временные точки, когда были получены интенсивности сигналов, синхронизируют для каждой клетки и получают данные 82а о форме волны сигнала рассеянного вперед света, данные 82b о форме волны сигнала рассеянного вбок света и данные 82с о форме волны сигнала боковой флуоресценции. Фрагменты данных 82а, 82b, 82с о форме волны комбинируют так, что фрагменты данных по интенсивности трех сигналов (интенсивности сигнала рассеянного вперед света, интенсивности сигнала рассеянного вбок света и интенсивности сигнала боковой флуоресценции) каждой клетки формируют набор, и получившийся набор вводят в качестве данных 85 анализа в алгоритм 60 глубокого обучения.

[0052] Когда данные 85 анализа введены во входной слой 60а нейронной сети 60, образующей обученный алгоритм 60 глубокого обучения, результат 83 анализа выводится из выходного слоя 60b в качестве классификационной информации, относящейся к типу клетки и соответствующей данным 85 анализа. Ссылочная позиция 60с на ФИГ. 5 представляет средний слой. Классификационная информация, относящаяся к типу клетки, представляет собой, например, вероятность, с которой клетка принадлежит к каждому из множества типов клеток. Кроме того, можно определять, что клетка-цель анализа, для которой получены данные 85 анализа, принадлежит к той классификации, которая имеет самое высокое значение среди вероятностей, и результат 83 анализа может включать значение метки 82 или т.п., являющееся идентификатором, представляющим ее тип клетки. Результат 83 анализа может быть собственно значением метки, или же может представлять собой данные, полученные посредством замены значения метки на информацию (например, последовательность символов), которая указывает на тип клетки. В примере на ФИГ. 5, на основании данных 85 анализа, алгоритм 60 глубокого обучения выводит значение метки «1», которое имеет самую высокую вероятность того, что клетка-цель анализа, для которой получены данные 85 анализа, принадлежит к этой классификации. Далее, в качестве результата 83 анализа выводятся символьные данные «нейтрофил», соответствующие этому значению метки. Вывод значения метки может быть выполнен алгоритмом 60 глубокого обучения, но другая компьютерная программа может выводить наиболее предпочтительное значение метки на основании вероятности, рассчитанной алгоритмом 60 глубокого обучения.

[2. Анализатор клеток и измерение биологической пробы в анализаторе клеток]

[0053] Данные о форме волны клетки в соответствии с настоящим вариантом осуществления и аналоговый сигнал клетки, являющейся источником данных о форме волны, могут быть получены в первом анализаторе 4000 клеток или втором анализаторе 4000' клеток. В (а) на ФИГ. 6 показан пример внешнего вида анализатора 4000 клеток. В (b) на ФИГ. 6 показан пример анализатора 4000' клеток. В (а) на ФИГ. 6 анализатор 4000 клеток включает в себя: измерительный блок 400 и обрабатывающий блок 300 для управления настройкой условий измерения пробы и ее измерения в измерительном блоке 400, а также для анализа результата анализа данных каждой клетки посредством алгоритма 60 глубокого обучения. В (b) на ФИГ. 6 анализатор 4000' клеток включает в себя: измерительный блок 500 и обрабатывающий блок 300 для управления настройкой условий измерения пробы и ее измерения в измерительном блоке 500, а также для анализа результата анализа данных каждой клетки посредством алгоритма 60 глубокого обучения. Измерительный блок 400, 500 и обрабатывающий блок 300 могут быть соединены с возможностью коммуникации друг с другом проводным или беспроводным способом. Далее, ниже будет показан пример конфигурации измерительного блока 400, 500, однако настоящий вариант осуществления не следует рассматривать как ограниченный нижеприведенным примером. Обрабатывающий блок 300 может использоваться совместно описанным далее устройством 100 на стороне поставщика.

<Первый анализатор клеток и подготовка пробы для измерения>

(Конфигурация измерительного блока и обрабатывающего блока)

[0054] Будет описан пример конфигурации, в котором измерительный блок 400 представляет собой анализатор крови, включающий в себя ПЦМ-детектор, являющийся проточным цитометром для детектирования каждой клетки в пробе крови, более конкретно, измерительный блок 400 представляет собой счетчик форменных элементов крови.

(Пример конфигурации 1)

[0055] Со ссылкой на ФИГ. 7 - ФИГ. 19 будут описаны примеры конфигурации измерительного блока 400 и обрабатывающего блока 300. На ФИГ. 7 показан пример блок-схемы измерительного блока 400. Как показано на ФИГ. 7, измерительный блок 400 включает в себя: ПЦМ-детектор 410 для детектирования клеток крови; узел 420 аналоговой обработки для обработки аналогового сигнала, выводимого из ПЦМ-детектора 410; контроллер 480 измерительного блока; узел 440 подготовки проб; узел 430 аппаратного механизма; и узел 450 всасывания образцов.

[0056] ФИГ. 8 представляет собой схематический рисунок для описания узла 450 всасывания образцов и узла 440 подготовки проб. Узел 450 всасывания образцов включает в себя: наконечник 451 для всасывания образца крови (цельной крови) из пробирки Т для сбора крови; и насос 452 для обеспечения отрицательного давления/положительного давления в наконечнике. Наконечник 451 передвигается вверх и вниз посредством узла 430 аппаратного механизма, чтобы вставляться в пробирку Т для сбора крови. Когда насос 452 обеспечивает отрицательное давление в состоянии, при котором наконечник 451 вставлен в пробирку Т для сбора крови, образец крови всасывается через наконечник 451. Узел 430 аппаратного механизма может включать в себя манипулятор для переворачивания и встряхивания пробирки Т для сбора крови перед всасыванием крови из пробирки Т для сбора крови.

[0057] Узел 440 подготовки проб включает в себя пять реакционных камер 440а-440е. Реакционные камеры 440а-440е используются в каналах измерения DIFF, RET, WPC, PLT-F и WNR соответственно. Каждая реакционная камера имеет соединенный с ней через протоки контейнер для гемолитического средства, содержащий гемолитическое средство, и контейнер для окрашивающей жидкости, содержащий окрашивающую жидкость, которые служат в качестве реагентов для соответствующего канала измерения. Одна реакционная камера и связанные с ней реагенты (гемолитическое средство и окрашивающая жидкость) образуют канал измерения. Например, канал измерения DIFF состоит из: гемолитического средства DIFF и окрашивающей жидкости DIFF, которые служат в качестве реагентов для измерения DIFF; и реакционной камеры DIFF 440а. Другие каналы измерения выполнены сходным образом. Здесь показан пример конфигурации, в котором один канал измерения включает одно гемолитическое средство и одну окрашивающую жидкость. Однако, один канал измерения не обязательно должен включать как гемолитическое средство, так и окрашивающую жидкость, и множество каналов измерения могут совместно использовать один общий реагент.

[0058] Посредством горизонтального передвижения и передвижения вверх-вниз узлом 430 аппаратного механизма наконечник 451 с подвергнутым всасыванию образцом крови получает доступ сверху в ту реакционную камеру среди реакционных камер 440а-440е, которая соответствует каналу измерения, соответствующему заказу, и наконечник 451 выгружает подвергнутый всасыванию образец крови. Узел 440 подготовки проб подает соответствующее гемолитическое средство и соответствующую окрашивающую жидкость в реакционную камеру с выгруженным в нее образцом крови для смешивания образца крови, гемолитического средства и окрашивающей жидкости в реакционной камере, тем самым подготавливая пробу для измерения. Подготовленную пробу для измерения подают из реакционной камеры в ПЦМ-детектор 410 через проток, чтобы подвергнуть измерению клеток посредством проточной цитометрии.

[0059] На ФИГ. 9 показан пример конфигурации оптической системы ПЦМ-детектора 410. Как показано на ФИГ. 9, при измерении проточным цитометром, когда каждая клетка, содержащаяся в пробе для измерения, проходит через проточную ячейку (ячейку с обжимным потоком) 4113, представленную в проточном питометре, источник 4111 света подает свет на проточную ячейку 4113, и при этом детектируют рассеянный свет и флуоресценцию, излученные от клетки в проточной ячейке 4113 из-за этого света.

[0060] На ФИГ. 9 свет, излученный от лазерного диода, являющегося источником 4111 света, подают через светоподающую систему 4112 линз на каждую клетку, проходящую через проточную ячейку 4113.

[0061] В настоящем варианте осуществления источник 4111 света проточного цитометра конкретно не ограничен, и выбирается источник 4111 света, который имеет длину волны, подходящую для возбуждения флуоресцентного красителя. В качестве такого источника 4111 света используют, например, источник света в виде полупроводникового лазера, включая источник света - полупроводниковый лазер красного свечения и/или источник света - полупроводниковый лазер синего свечения, источник света в виде газового лазера, такой как источник света - аргоновый лазер или гелиево-неоновый лазер, ртутную дуговую лампу или т.п. В частности, источник света - полупроводниковый лазер является подходящим, поскольку он очень недорог по сравнению с источником света - газовым лазером.

[0062] Как показано на ФИГ. 9, рассеянный вперед свет, испущенный от частицы, проходящей через проточную ячейку 4113, принимается принимающим рассеянный вперед свет элементом 4116 через конденсаторную линзу 4114 и деталь 4115 с отверстием малого диаметра. Принимающим рассеянный вперед свет элементом 4116 является фотодиод. Рассеянный вбок свет принимается принимающим рассеянный вбок свет элементом 4121 через конденсаторную линзу 4117, дихроическое зеркало 4118, полосовой фильтр 4119 и деталь 4120 с отверстием малого диаметра. Принимающим рассеянный вбок свет элементом 4121 является фотодиод. Боковая флуоресценция принимается принимающим боковую флуоресценцию элементом 4122 через конденсаторную линзу 4117 и дихроическое зеркало 4118. Принимающим боковую флуоресценцию элементом 4122 является лавинный фотодиод. В качестве принимающего рассеянный вперед свет элемента 4116, принимающего рассеянный вбок свет элемента 4121 и принимающего боковую флуоресценцию элемента 4122 можно использовать фотоумножитель.

[0063] Сигналы принятого света, выводимые из принимающих соответствующий свет элементов 4116, 4121, 4122, вводят в узел 420 аналоговой обработки через усилители 4151, 4152, 4153 соответственно.

[0064] Со ссылкой снова на ФИГ. 7, узел 420 аналоговой обработки выполняет такие процессы, как устранение шума и сглаживание аналоговых сигналов, вводимых из ПЦМ-детектора 410, и выводит обработанные аналоговые сигналы в контроллер 480 измерительного блока.

[0065] Контроллер 480 измерительного блока включает в себя A/D преобразователь 482, процессор 4831, ОЗУ 4834, хранилище 4835, контроллер 4850 шины, процессор 4833 для параллельной обработки и узел интерфейса 489, соединенный с обрабатывающим блоком 300. Кроме того, контроллер 480 измерительного блока включает в себя узел интерфейса 484, соединенный с A/D преобразователем 482, и узел интерфейса 488, соединенный с узлом 430 аппаратного механизма. Как показано на ФИГ. 7, в данном примере конфигурации процессор 4833 для параллельной обработки установлен в анализаторе 4000 клеток во встроенном в измерительный блок 400 виде.

[0066] Процессор 4831 соединен с узлом интерфейса 489, узлом интерфейса 488, узлом интерфейса 484, ОЗУ 4834 и хранилищем 4835 через шину 485. Процессор 4831 соединен с процессором 4833 для параллельной обработки через шину 485. Обрабатывающий блок 300 соединен с компонентами измерительного блока 400 через узел интерфейса 489 и шину 485. Шина 485 представляет собой линию передачи со скоростью передачи данных, например, не менее нескольких сотен Мб/с. Шина 485 может быть линией передачи со скоростью передачи данных, например, не менее 1 Гб/с. Шина 485 выполняет передачу данных на основании, например, стандарта PCI-Express или PCI-X.

[0067] A/D преобразователь 482 преобразует выводимый из узла 420 аналоговой обработки аналоговый сигнал в цифровой сигнал. A/D преобразователь 482 преобразует аналоговый сигнал, который идет от начала измерения образца до окончания измерения, в цифровой сигнал. Когда множество видов аналоговых сигналов (например, аналоговых сигналов, соответственно соответствующих интенсивности рассеянного вперед света, интенсивности рассеянного вбок света и интенсивности флуоресценции) получают посредством измерения в конкретном канале измерения, A/D преобразователь 482 преобразует каждый аналоговый сигнал, идущий от начала измерения до окончания измерения, в цифровой сигнал. Как описано со ссылкой на ФИГ. 9, например, три вида аналоговых сигналов (т.е. сигнал рассеянного вперед света, сигнал рассеянного вбок света и сигнал флуоресценции) вводят через множество соответствующих путей 421 передачи сигналов в A/D преобразователь 482. A/D преобразователь 482 преобразует каждый из аналоговых сигналов, вводимых из множества путей 421 передачи сигналов, в цифровой сигнал. Каждый путь 421 передачи сигнала выполнен с возможностью передачи аналогового сигнала, например, в виде дифференциального сигнала.

[0068] Как описано со ссылкой на ФИГ. 2, A/D преобразователь 482 дискретизирует аналоговые сигналы с заданной частотой дискретизации (например, дискретизация в 1024 точках с интервалом 10 наносекунд, дискретизация в 128 точках с интервалом 80 наносекунд, дискретизация в 64 точках с интервалом 160 наносекунд, или т.п.). Исполняя процессы дискретизации трех видов аналоговых сигналов, соответствующих каждой клетке, A/D преобразователь 482 создает данные о форме волны сигнала рассеянного вперед света, данные о форме волны сигнала рассеянного вбок света и данные о форме волны сигнала флуоресценции для каждой клетки. A/D преобразователь 482 присваивает индекс каждому фрагменту созданных данных о форме волны. Как показано на ФИГ. 2(c), фрагменты созданных данных о форме волны образуют цифровой сигнал, так что фрагменты данных о форме волны N клеток, содержащихся в одном образце, являются смежными друг с другом. Соответственно, создают три цифровых сигнала, соответствующие трем видам аналоговых сигналов (сигналу рассеянного вперед света, сигналу рассеянного вбок света и сигналу флуоресценции), полученным от N клеток.

[0069] В дополнение к созданию данных о форме волны из каждого аналогового сигнала, A/D преобразователь 482 может рассчитывать значение пика из импульса аналогового сигнала.

[0070] A/D преобразователь 482 вводит созданные цифровые сигналы в шину 485. Контроллер 4850 шины передает цифровые сигналы, выводимые из A/D преобразователя 482, в ОЗУ 4834, например, посредством ПДП-передачи (с прямым доступом к памяти). ОЗУ 4834 сохраняет цифровые сигналы.

[0071] Используя процессор 4833 для параллельной обработки, процессор 4831 исполняет процесс анализа данных о форме волны, включенных в созданный цифровой сигнал, в соответствии с алгоритмом 60 глубокого обучения. То есть, процессор 4831 запрограммирован на исполнение процесса анализа данных о форме волны, включенных в цифровой сигнал, в соответствии с алгоритмом 60 глубокого обучения. Аналитическое программное обеспечение 4832 для проведения анализа данных клеток на основании алгоритма 60 глубокого обучения может хранится в хранилище 4835. В этом случае процессор 4831 исполняет аналитическое программное обеспечение 4832, сохраненное в хранилище 4835, тем самым выполняя процесс анализа данных на основании алгоритма 60 глубокого обучения. Процессор 4831 представляет собой, например, центральный процессор (ЦП). Например, в качестве процессора 4831 может использоваться Core i9, Core i7 или Core i5, изготовленные компанией Intel Corporation, Ryzen 9, Ryzen 7, Ryzen 5 или Ryzen 3, изготовленные компанией AMD, или т.п.

[0072] Процессор 4831 управляет процессором 4833 для параллельной обработки. Процессор 4833 для параллельной обработки исполняет параллельную обработку применительно, например, к матричным операциям, под управлением процессора 4831. То есть, процессор 4831 является задающим процессором относительно процессора 4833 для параллельной обработки, а процессор 4833 для параллельной обработки является подчиненным процессору 4831 (ведомым) процессором. Процессор 4831 также называется ведущим процессором или главным процессором.

[0073] Процессор 4833 для параллельной обработки исполняет параллельно множество арифметических процессов, представляющих собой по меньшей мере часть обработки, относящейся к анализу данных о форме волны. Процессор 4833 для параллельной обработки представляет собой, например, графический процессор (ГП), программируемую в условиях эксплуатации матрицу логических элементов (FPGA) или специализированную интегральную схему (ASIC). Когда процессор 4833 для параллельной обработки представляет собой FPGA, процессор 4833 для параллельной обработки может иметь запрограммированный в нем заранее арифметический процесс, относящийся, например, к обученному алгоритму 60 глубокого обучения. Когда процессор 4833 для параллельной обработки представляет собой ASIC, процессор 4833 для параллельной обработки может иметь встроенную в него заранее схему для исполнения арифметического процесса, относящегося к обученному алгоритму 60 глубокого обучения, или может иметь, например, программируемый модуль, встроенный в него в дополнение к такой встроенной схеме. В качестве процессора 4833 для параллельной обработки можно использовать, например, GeForce, Quadro, TITAN, Jetson или т.п., изготовленные компанией NVIDIA Corporation. В случае серий Jetson, используют, например, Jetson Nano, Jetson Тх2, Jetson Xavier или Jetson AGX Xavier.

[0074] Процессор 4831 исполняет процесс вычислений, относящийся, например, к управлению измерительным блоком 400. Процессор 4831 исполняет процесс вычислений, относящийся, например, к управляющим сигналам, передаваемым/принимаемым между узлом 430 аппаратного механизма, узлом 440 подготовки проб и узлом 450 всасывания образцов. Процессор 4831 исполняет процесс вычислений, относящийся, например, к передаче/приему информации по отношению к обрабатывающему блоку 300. Процессор 4831 исполняет процессы, относящиеся, например, к считыванию данных программы из хранилища 4835, развертыванию программы в ОЗУ 4834 и передаче/приему данных в отношении ОЗУ 4834. Вышеописанные процессы, исполняемые процессором 4831, необходимо исполнять, например, в заданном последовательном порядке. Например, если процессы, необходимые для управления узлом 430 аппаратного механизма, узлом 440 подготовки проб и узлом 450 всасывания образцов, принять за А, В и С, то в некоторых случаях эти процессы необходимо исполнять в последовательном порядке В, А и С. Поскольку процессор 4831 часто исполняет такие непрерывные процессы, которые зависят от последовательного порядка, даже когда число арифметических блоков (каждый может быть назван «ядром процессора», «ядром» или т.п.) увеличивается, скорость обработки не всегда увеличивается.

[0075] В то же время, процессор 4833 для параллельной обработки исполняет большое количество обычных процессов вычислений, например, таких как арифметические операции на матричных данных, включающих большое число элементов. В настоящем варианте осуществления процессор 4833 для параллельной обработки исполняет параллельную обработку, в которой по меньшей мере часть процессов анализа данных о форме волны в соответствии с алгоритмом 60 глубокого обучения запараллелены. Алгоритм 60 глубокого обучения включает в себя, например большое число матричных операций. Например, алгоритм 60 глубокого обучения может включать по меньшей мере 100 матричных операций, или же может включать по меньшей мере 1000 матричных операций. Процессор 4833 для параллельной обработки имеет множество арифметических блоков, и соответствующие арифметические блоки могут одновременно исполнять матричные операции. То есть, процессор 4833 для параллельной обработки может параллельно исполнять матричные операции посредством множества соответствующих арифметических блоков в качестве параллельной обработки. Например, матричную операцию, включенную в алгоритм 60 глубокого обучения, можно разделять на множество арифметических процессов, которые не зависят от последовательного порядка друг относительно друга. Разделенные таким образом арифметические процессы могут параллельно исполняться множеством арифметических блоков соответственно. Каждый из этих арифметических блоков может быть назван «ядром процессора», «ядром» или т.п.

[0076] В результате исполнения такой параллельной обработки может быть реализовано ускорение арифметической обработки в измерительном блоке 400 в целом. Процесс, такой как матричная операция, включенная в алгоритм 60 глубокого обучения, может называться, например, «обработкой с одним потоком команд и множественными потоками данных (SIMD)». Процессор 4833 для параллельной обработки пригоден, например, для такой операции SIMD. Такой процессор 4833 для параллельной обработки может называться векторным процессором.

[0077] Как описано выше, процессор 4831 пригоден для исполнения разнообразных и сложных процессов. В то же время, процессор 4833 для параллельной обработки пригоден для параллельного исполнения большого числа обычных процессов. Посредством параллельного исполнения большого числа обычных процессов укорачивается оборотное время (ТАТ), необходимое для процесса вычислений.

[0078] Параллельная обработка, исполняемая процессором 4833 для параллельной обработки, не ограничена матричными операциями. Например, когда процессор 4833 для параллельной обработки исполняет процесс обучения в соответствии с алгоритмом 50 глубокого обучения, целью параллельной обработки могут быть дифференциальные операции или т.п., относящиеся к процессу обучения.

[0079] Что касается числа арифметических блоков процессора 4831, то применяются, например, двухъядерный (количество ядер: 2), четырехъядерный (количество ядер: 4) или восьмиядерный (количество ядер: 8). В то же время, процессор 4833 для параллельной обработки имеет по меньшей мере десять арифметических блоков (количество ядер: 10) и может исполнять, например, десять матричных операций параллельно. Существует также процессор 4833 для параллельной обработки, который имеет, например, несколько десятков арифметических блоков. Существует также процессор 4833 для параллельной обработки, который имеет, например, по меньшей мере 100 арифметических блоков (количество ядер: 100) и который может исполнять 100 матричных операций параллельно. Существует также процессор 4833 для параллельной обработки, который имеет, например, несколько сотен арифметических блоков. Существует также процессор 4833 для параллельной обработки, который имеет, например, по меньшей мере 1000 арифметических блоков (количество ядер: 1000) и который может исполнять 1000 матричных операций параллельно. Существует также процессор 4833 для параллельной обработки, который имеет, например, несколько тысяч арифметических блоков.

[0080] На ФИГ. 11 показан пример конфигурации процессора 4833 для параллельной обработки. Процессор 4833 для параллельной обработки включает в себя множество арифметических блоков 4836 и ОЗУ 4837. Соответствующие арифметические блоки 4836 исполняют арифметические процессы на матричных данных параллельно. ОЗУ 4837 хранит данные, относящиеся к арифметическим процессам, исполняемым арифметическими блоками 4836. ОЗУ 4837 представляет собой запоминающее устройство с емкостью по меньшей мере 1 гигабайт. ОЗУ 4837 может представлять собой запоминающее устройство, имеющее емкость 2 гигабайта, 4 гигабайт, 6 гигабайт, 8 гигабайт, 10 гигабайт или более. Каждый арифметический блок 4836 получает данные от ОЗУ 4837 и исполняет арифметический процесс. Арифметический блок 4836 может быть назван «ядром процессора», «ядром» или т.п.

[0081] На каждой из ФИГ. 12 - ФИГ. 14 показан пример установки процессора 4833 для параллельной обработки в измерительный блок 400. На каждой из ФИГ. 12 - ФИГ. 14 показан пример, в котором процессор 4833 для параллельной обработки установлен в анализаторе 4000 клеток во встроенном в измерительный блок 400 виде. На каждой из ФИГ. 12 и ФИГ. 13 показан пример установки, в котором процессор 4831 и процессор 4833 для параллельной обработки представлены в виде отдельных предметов. Как показано на ФИГ. 12, процессор 4831 установлен, например, на подложке 4838. Процессор 4833 для параллельной обработки установлен на графической плате 4830, и графическая плата 4830 соединена с подложкой 4838, например, через соединитель 4839. Процессор 4831 соединен с процессором 4833 для параллельной обработки через шину 485. Как показано на ФИГ. 13, процессор 4833 для параллельной обработки может быть установлен прямо на подложке 4838 и соединен с процессором 4831, например, через шину 485. На ФИГ. 14 показан пример установки, в котором процессор 4831 и процессор 4833 для параллельной обработки представлены как единое целое. Как показано на ФИГ. 14, процессор 4833 для параллельной обработки может быть, например, встроен в процессор 4831, установленный на подложке 4838.

[0082] На ФИГ. 15 показан другой пример установки процессора 4833 для параллельной обработки в измерительный блок 400. На ФИГ. 15 показан пример, в котором процессор 4833 для параллельной обработки установлен в измерительный блок 400 посредством внешнего устройства 4800, соединенного с измерительным блоком 400. Например, процессор 4833 для параллельной обработки смонтирован на внешнем устройстве 4800, представляющем собой устройство USB (универсальной последовательной шины), и это устройство USB соединено с шиной 485 через узел интерфейса 487, в результате чего процессор 4833 для параллельной обработки является установленным в анализатор 4000 клеток. Устройство USB может представлять собой малое устройство, например, такое как USB-адаптер. Узел интерфейса 487 представляет собой интерфейс USB со скоростью передачи несколько сотен Мб/с, например, а более предпочтительно, представляет собой интерфейс USB со скоростью передачи от нескольких Гб/с до нескольких десятков Гб/с или выше. В качестве внешнего устройства 4800 со смонтированным на нем процессором 4833 для параллельной обработки можно использовать, например, нейронный миниатюрный компьютер 2, изготовленный компанией Intel Corporation.

[0083] Множество устройств USB, каждое со смонтированным на нем процессором 4833 для параллельной обработки, могут быть соединены с узлом интерфейса 487, в результате чего множество процессоров 4833 для параллельной обработки могут быть установлены в анализатор 4000 клеток. Процессор 4833 для параллельной обработки, смонтированный на одном устройстве USB, в некоторых случаях имеет меньшее число арифметических блоков 4836, чем ГП или т.п. Таким образом, если множество устройств USB соединены с измерительным блоком 400, может быть реализовано масштабирование числа ядер.

[0084] На каждой из ФИГ. 16, ФИГ. 17 и ФИГ. 18 показана общая схема арифметических процессов, исполняемых процессором 4833 для параллельной обработки на основании контроля аналитического программного обеспечения 4832, функционирующего на процессоре 4831. На ФИГ. 16 показан пример конфигурации процессора 4833 для параллельной обработки, исполняющего арифметические процессы. Процессор 4833 для параллельной обработки включает в себя множество арифметических блоков 4836 и ОЗУ 4837. Процессор 4831, исполняющий аналитическое программное обеспечение 4832, может направлять команду процессору 4833 для параллельной обработки, вынуждая процессор 4833 для параллельной обработки исполнять по меньшей мере часть арифметических процессов, необходимых для анализа данных о форме волны в соответствии с алгоритмом 60 глубокого обучения. Процессор 4831 приказывает процессору 4833 для параллельной обработки исполнять арифметические процессы, относящиеся к анализу данных о форме волны, на основании алгоритма глубокого обучения. Все или по меньшей мере часть данных о форме волны, соответствующих сигналам, детектированным ПЦМ-детектором 410, хранятся в ОЗУ 4834. Данные, хранящиеся в ОЗУ 4834, передаются в ОЗУ 4837 процессора 4833 для параллельной обработки. Данные, хранящиеся в ОЗУ 4834, передаются в ОЗУ 4837, например, методом ПДП (прямого доступа к памяти). Множество арифметических блоков 4836 процессора 4833 для параллельной обработки соответственно исполняют параллельно арифметические процессы применительно к данным, хранящимся в ОЗУ 4837. Каждый из множества арифметических блоков 4836 получает необходимые данные из ОЗУ 4837 для исполнения арифметического процесса. Данные, соответствующие арифметическому результату, сохраняются в ОЗУ 4837 процессора 4833 для параллельной обработки. Данные, соответствующие арифметическому результату, передаются из ОЗУ 4837 в ОЗУ 4834, например, методом ПДП.

[0085] На ФИГ. 17 показана общая схема матричной операции, исполняемой процессором 4833 для параллельной обработки. Перед проведением анализа данных о форме волны в соответствии с алгоритмом 60 глубокого обучения исполняют расчет произведения матрицы (матричную операцию). Процессор 4833 для параллельной обработки исполняет параллельно множество арифметических процессов, например, относящихся к матричной операции. В (а) на ФИГ. 17 показана формула расчета произведения матрицы. В формуле расчета, показанной в (а), матрицу с получают посредством произведения матрицы а из n строк × n столбцов и матрицы b из n строк × n столбцов. Как показано в качестве примера на ФИГ. 17, формула расчета описана в синтаксисе иерархического цикла. В (b) из ФИГ. 17 показан пример арифметических процессов, исполняемых параллельно в процессоре 4833 для параллельной обработки. Формулу расчета, показанную в качестве примера на ФИГ. 17(a), можно разделить на n × n арифметических процессов, где n × n представляет собой, например, число комбинаций переменной цикла i для первого иерархического уровня и переменной цикла j для второго иерархического уровня. Такие разделенные арифметические процессы представляют собой арифметические процессы, которые не зависят друг от друга, и поэтому могут быть выполнены параллельно.

[0086] ФИГ. 18 представляет собой концептуальную схему, показывающую, что множество арифметических процессов, показанных в качестве примера в (b) на ФИГ. 17, исполняют параллельно в процессоре 4833 для параллельной обработки. Как показано на ФИГ. 18, каждый из множества арифметических процессов назначают одному из множества арифметических блоков 4836 процессора 4833 для параллельной обработки. Соответствующие арифметические блоки 4836 исполняют параллельно назначенные арифметические процессы. То есть, соответствующие арифметические блоки 4836 одновременно исполняют разделенные арифметические процессы.

[0087] Посредством арифметических операций, показанных в качестве примера на ФИГ. 17 и ФИГ. 18, выполняемых процессором 4833 для параллельной обработки, получают, например, информацию о вероятности, с которой клетка, соответствующая данным о форме волны, принадлежит к каждому из множества типов клеток. На основании результатов арифметических операций процессор 4831, исполняющий аналитическое программное обеспечение 4832, выполняет относящийся к типу клетки анализ клетки, соответствующей данным о форме волны. Арифметические результаты сохраняются в ОЗУ 4837 процессора 4833 для параллельной обработки, чтобы передаваться из ОЗУ 4837 в ОЗУ 4834. Процессор 4831 передает результат анализа, выполненного на основании арифметических результатов, сохраненных в ОЗУ 4834, в обрабатывающий блок 300 через шину 485 и узел интерфейса 489.

[0088] Арифметические операции применительно к вероятности, с которой клетка принадлежит к каждому из множества типов клеток, могут выполняться процессором, отличным от процессора 4833 для параллельной обработки. Например, арифметические результаты от процессора 4833 для параллельной обработки могут передаваться из ОЗУ 4837 в ОЗУ 4834, и на основании арифметических результатов, считанных с ОЗУ 4834, процессор 4831 может выполнять арифметические операции с информацией, относящейся к вероятности, с которой клетка, соответствующая каждому фрагменту данных о форме волны, принадлежит к каждому из множества типов клеток. Альтернативно, арифметические результаты от процессора 4833 для параллельной обработки могут передаваться из ОЗУ 4837 в обрабатывающий блок 300, и процессор, установленный в обрабатывающем блоке 300, может выполнять арифметические операции с информацией, относящейся к вероятности, с которой клетка, соответствующая каждому фрагменту данных о форме волны, принадлежит к каждому из множества типов клеток.

[0089] В настоящем варианте осуществления процессы, показанные на ФИГ. 17 и ФИГ. 18, применимы, например, к арифметическому процессу (также называемому процессом фильтрации), относящемуся к сверточному слою в алгоритме 60 глубокого обучения.

[0090] На ФИГ. 19 показана общая схема арифметического процесса, относящегося к сверточному слою. Б (а) на ФИГ. 19 показан пример данных о форме волны рассеянного вперед света (FSC) в качестве данных о форме волны, подлежащих введению в алгоритм 60 глубокого обучения. Как показано на ФИГ. 2, данные о форме волны по настоящему варианту осуществления представляют собой данные в виде одномерной матрицы. Для более простого изложения этого, данные о форме волны представляют собой массив, в котором элементы расположены в строку. При этом, для удобства описания, число элементов данных о форме волны принимается равным n (n - целое число 1 или более). В (а) на ФИГ. 19 показано множество фильтров. Каждый фильтр создан посредством процесса обучения алгоритма 50 глубокого обучения. Каждый из множества фильтров представляет собой одномерные матричные данные, указывающие признаки данных о форме волны. Хотя каждый фильтр, показанный в (а) на ФИГ. 19, представляет собой матричные данные из 1 ряда × 3 столбца, число столбцов не ограничено тремя. Матричную операцию выполняют на каждом фильтре и данных о форме волны, которые вводятся в алгоритм 60 глубокого обучения, в результате чего рассчитывают признаки, соответствующие типу клетки данных о форме волны. В (b) на ФИГ. 19 показана общая схема матричной операции между данными о форме волны и фильтром. Как показано в (b) на ФИГ. 19, матричную операцию исполняют в то время, как каждый фильтр сдвигают относительно элементов данных о форме волны, один за другим. Расчет матричной операции исполняют в соответствии с нижеприведенной формулой 1.

[Математическое выражение 1]

В формуле 1 суффиксы х - это переменные, указывающие номер строки и номер столбца данных о форме волны. Суффиксы h - это переменные, указывающие номер строки и номер столбца фильтра. В примере, показанном на ФИГ. 19, данные о форме волны представляют собой одномерные матричные данные, и фильтр представляет собой матричные данные из 1 строки × 3 столбца, и таким образом, L=1, М=3, р=0, q=0, 1, 2, i=0, и j=0, 1, …, n-1.

[0091] Процессор 4833 для параллельной обработки параллельно исполняет матричную операцию, представленную формулой 1, посредством множества соответствующих арифметических блоков 4836. На основании арифметических процессов, исполняемых процессором 4833 для параллельной обработки, создают относящуюся к типу клетки классификационную информацию о каждой клетке. Созданную классификационную информацию передают в обрабатывающий блок 300, который используется для создания и отображения результата тестирования образца на основании классификационной информации.

[0092] Измерительный блок 400 может обрабатывать данные о форме волны и идентификационную информацию так, чтобы они были связаны друг с другом. Конкретно, измерительный блок 400 может создавать результат анализа (т.е. относящуюся к типу клетки классификационную информацию о каждой клетке) по данным о форме волны и идентификационной информации так, чтобы они были связаны друг с другом. Измерительный блок 400 передает в обрабатывающий блок 300, например, относящуюся к типу клетки классификационную информацию о каждой клетке и идентификационную информацию в связи друг с другом. Примеры идентификационной информации включают: (1) идентификационную информацию биологической пробы, соответствующей данным о форме волны; (2) идентификационную информацию клетки, соответствующей данным о форме волны (например, описанный выше индекс); (3) идентификационную информацию пациента, соответствующего данным о форме волны; (4) идентификационную информацию теста, соответствующего данным о форме волны; (5) идентификационную информацию анализатора клеток, которым измерены данные о форме волны; и (6) идентификационную информацию предприятия (далее называемого «связанным с тестированием предприятием»), такого как больница или отделение тестирования, где были измерены данные о форме волны. Следует отметить, что (1) идентификационная информация биологической пробы, соответствующей данным о форме волны, может включать информацию для определения приоритета параллельной обработки, такую как: информация о моменте времени, в который был зарегистрирован заказ на измерение биологической пробы; информация о моменте времени, в который анализатор идентифицировал биологическую пробу; информация о моменте времени, в который анализатор начал измерение биологической пробы; информация для идентификации того, является ли биологическая проба срочным образцом или плановым образцом; и информация для идентификации того, является ли измерение биологической пробы повторным измерением или новым измерением. Когда измерительный блок 400 принимает заказ на тест, например, от LIS (информационной системы лаборатории) или обрабатывающего блока 300, измерительный блок 400 может получать по меньшей мере одну из вышеуказанной идентификационной информации (1) - (6) или их комбинацию из LIS или обрабатывающего блока 300. Например, по меньшей мере одну из (1) - (6), показанных в качестве примеров, передают в обрабатывающий блок 300 в связи с классификационной информацией и предоставляют в качестве результата теста пользователю через обрабатывающий блок 300. Множество комбинаций (1) - (6), показанных в качестве примеров, можно передавать в обрабатывающий блок 300 в связи с классификационной информацией. Сам измерительный блок 400 также может создавать, например, по меньшей мере одну из вышеуказанной идентификационной информации (1) - (6) или их комбинацию.

[0093] Связь между данными о форме волны и вышеуказанной идентификационной информацией (по меньшей мере одной из вышеуказанных (1) - (6) или их комбинацией) может выполняться обрабатывающим блоком 300. Когда обрабатывающий блок 300 принимает заказ на тест, например, от LIS, обрабатывающий блок 300 получает идентификационную информацию биологической пробы или идентификационную информацию пациента. Обрабатывающий блок 300 дает команду измерительному блоку 400 выполнить измерение, соответствующее вышеуказанному заказу на тест. Когда обрабатывающий блок 300 получил из измерительного блока 400 результат (т.е. данные о форме волны), соответствующий инструкции на измерение, обрабатывающий блок 300 связывает результат (т.е. данные о форме волны) с вышеуказанной идентификационной информацией.

[0094] Со ссылкой снова на ФИГ. 6, обрабатывающий блок 300 соединен с процессором 4831 через узел интерфейса 489 и шину 485 и может принимать результаты анализа из процессора 4831 и процессора 4833 для параллельной обработки. Узел интерфейса 489 представляет собой, например, интерфейс USB.

[0095] На ФИГ. 10 показана конфигурация обрабатывающего блока 300. Обрабатывающий блок 300 включает в себя процессор 3001, шину 3003, хранилище 3004, узел интерфейса 3006, узел 3015 отображения и операционный узел 3016. Обрабатывающий блок 300 в качестве аппаратных средств реализован персональным компьютером общего назначения и функционирует в качестве обрабатывающего блока анализатора 4000 клеток, исполняя специализированную программу, хранящуюся в хранилище 3004.

[0096] Процессор 3001 представляет собой ЦП и может исполнять программу, хранящуюся в хранилище 3004.

[0097] Хранилище 3004 включает в себя устройство с жестким диском. Хранилище 3004 хранит по меньшей мере программу 60 для обработки классификационной информации о каждой клетке, переданной из измерительного блока 400, и для создания результата теста образца. Результат теста образца означает, как описано далее, результат подсчета клеток крови, содержащихся в образце, на основании результата 83 анализа и классификационной информации 82 о каждой индивидуальной клетке, полученных измерительным блоком 400.

[0098] Узел 3015 отображения включает экран компьютера. Узел 3015 отображения соединен с процессором 3001 через узел интерфейса 3006 и шину 3003. Узел 3015 отображения может принимать сигнал изображения, вводимый из процессора 3001, и может отображать результат 83 анализа, принятый из измерительного блока 400, и результат теста, полученный процессором 3001, анализирующим результат 83 анализа.

[0099] Операционный узел 3016 включает указательное устройство, включая клавиатуру, мышь или сенсорную панель. Пользователь, такой как врач или лаборант, эксплуатирует операционный узел 3016 для ввода заказа (например, разового заказа) на измерение в анализатор 4000 клеток, при этом имея возможность вводить инструкцию на измерение в соответствии с заказом на измерение. Операционный узел 3016 может также принимать инструкцию на отображение результата теста от пользователя. Работая с операционным узлом 3016, пользователь может видеть различные типы информации, относящейся к результату теста, такие как график, таблица или сигнальная информация, присвоенные образцу.

[0100] Описанный выше измерительный блок 400 соединен с обрабатывающим блоком 300 через узел интерфейса 3006. Процессор 4831 измерительного блока 400 может передавать процессору 3001 обрабатывающего блока 300 классификационную информацию о каждой индивидуальной клетке, созданную алгоритмом 60 глубокого обучения, в связи с идентификационной информацией образца. Процессор 3001 сохраняет в хранилище 3004 результат 83 анализа каждой клетки, принятый из измерительного блока 400, в связи с идентификационной информацией образца.

<Функционирование анализатора клеток>

[0101] Со ссылкой на ФИГ. 20 - ФИГ. 22 будет описана операция анализа образца, выполняемая анализатором 4000 клеток.

[0102] Когда процессор 3001 обрабатывающего блока 300 принял заказ на измерение и инструкцию на измерение от пользователя через операционный узел 3016, процессор 3001 передает команду на измерение в измерительный блок 400 (стадия S1).

[0103] После приема команды на измерение процессор 4831 измерительного блока 400 начинает измерение образца. Процессор 4831 вынуждает узел 450 всасывания образцов всасывать образец из пробирки Т для сбора крови (стадия S10). Затем процессор 4831 вынуждает узел 450 всасывания образцов распределять подвергнутый всасыванию образец в одну из реакционных камер 440а-440е узла 440 подготовки проб. Команда на измерение, переданная от обрабатывающего блока 300 на стадии S1, включает информацию о канале измерения, для которого запрашивается измерение по заказу на измерение. На основании информации о канале измерения, включенной в команду измерения, процессор 4831 управляет узлом 450 всасывания образцов таким образом, чтобы выгружать образец в реакционную камеру соответствующего канала измерения.

[0104] Процессор 4831 вынуждает узел 440 подготовки проб подготавливать пробу для измерения (стадия S11). Конкретно, после приема заказа от процессора 4831, узел 440 подготовки проб подает реагенты (гемолитическое средство и окрашивающую жидкость) в реакционную камеру с выгруженным в нее образцом для смешивания образца с реагентами. Соответственно, в реакционной камере подготавливается проба для измерения, в которой эритроциты подвергаются гемолизу гемолитическим средством и в которой клетки, такие как лейкоциты или ретикулоциты, служащие в качестве мишени для канала измерения, окрашиваются окрашивающей жидкостью.

[0105] Процессор 4831 вынуждает ПЦМ-детектор 410 измерять подготовленную пробу для измерения (стадия S12). Конкретно, процессор 4831 управляет узлом 430 аппаратного механизма для отправки пробы для измерения, находящейся в реакционной камере узла 440 подготовки проб, в ПЦМ-детектор 410. Реакционная камера и ПЦМ-детектор 410 соединены друг с другом протоком, и отправленная из реакционной камеры проба для измерения протекает в проточной ячейке 4113 и облучается лазерным светом посредством источника 4111 света (см. ФИГ. 9). Когда содержащаяся в пробе для измерения клетка проходит через проточную ячейку 4113, на клетку воздействуют светом. Рассеянный вперед свет, рассеянный вбок свет и боковая флуоресценция, образованные клеткой, детектируются соответственно принимающими свет элементами 4116, 4121, 4122, и выводятся аналоговые сигналы, соответствующие интенсивности видов принятого света. Аналоговые сигналы выводятся в A/D преобразователь 482 через узел 420 аналоговой обработки.

[0106] A/D преобразователь 482 дискретизирует каждый аналоговый сигнал с заданной частотой, создавая цифровой сигнал, включающий данные о форме волны каждой индивидуальной клетки (стадия S13). Способы создания данных о форме волны и цифрового сигнала описаны выше. Процессор 4831 принимает каждый цифровой сигнал, созданный A/D преобразователем 482, в ОЗУ 4834. Например, процессор 4831 управляет контроллером 4850 шины, вынуждая принимать созданный A/D преобразователем 482 цифровой сигнал в ОЗУ 4834 посредством ПДП-передачи. Посредством ПДП-передачи цифровой сигнал напрямую передается в ОЗУ 4834, не через процессор 4831. Конкретно, процессор 4831 принимает в ОЗУ 4834 цифровой сигнал сигнала рассеянного вперед света, цифровой сигнал рассеянного вбок света и цифровой сигнал сигнала флуоресценции, которые были получены от каждой клетки, содержащейся в целевом образце тестирования. Каждый цифровой сигнал сохраняется в ОЗУ 4834.

[0107] Процессор 4831 исполняет классификацию клеток на основании данных о форме волны, включенных в каждый созданный цифровой сигнал, используя алгоритм 60 глубокого обучения (стадия S14). Процесс стадии S14 будет описан далее.

[0108] Процессор 4831 передает результат 83 анализа, включая классификационную информацию 82 о каждой индивидуальной клетке, полученную в качестве результата стадии S14, в обрабатывающий блок 300 в связи с идентификационной информацией образца (стадия S15). Что касается результатов 83 анализа, то, например, результат 83 анализа каждой из множества содержащихся в одном образце клеток посылается в связи с идентификационной информацией образца в обрабатывающий блок 300.

[0109] После приема результатов 83 анализа из измерительного блока (стадия S2), процессор 3001 обрабатывающего блока 300 анализирует результаты 83 анализа с использованием хранящейся в хранилище 3004 программы и создает результат теста образца (стадия S3). В процессе стадии S3, например, на основании значений метки, включенных в результаты 83 анализа индивидуальных клеток, подсчитывается число клеток для каждого типа клеток. Например, применительно к одному образцу, когда присутствует N фрагментов классификационной информации с присвоенным значением метки «1», которое указывает на нейтрофил, в качестве результата теста образца получают результат подсчета, что число нейтрофилов=N.

[0110] Процессор 3001 получает результат подсчета применительно к параметру измерения, соответствующему каналу измерения, на основании результатов 83 анализа и сохраняет результат подсчета, совместно с идентификационной информацией образца, в хранилище 3004. Параметр измерения, соответствующий каналу измерения, представляет собой параметр, результат подсчета которого запрошен в заказе на измерение. Например, параметр измерения, соответствующий каналу DIFF, представляет собой количества по пяти классификациям лейкоцитов, т.е. моноцитов, нейтрофилов, лимфоцитов, эозинофилов и базофилов. Параметр измерения, соответствующий каналу RET, представляет собой количество ретикулоцитов. Параметр измерения, соответствующий каналу PLT-F, представляет собой количество тромбоцитов. Параметр измерения, соответствующий WPC, представляет собой количество гематопоэтических клеток-предшественников. Параметр измерения, соответствующий WNR, представляет собой количества лейкоцитов и ядросодержащих эритроцитов. Результат подсчета не ограничен результатом по тому параметру (также называемому «регистрируемым параметром»), для которого запрошено измерение, как перечислено выше, и может включать результат подсчета другой клетки, измерение которой можно проводить в том же самом канале измерения. Например, когда канал измерения представляет собой DIFF, как показано на ФИГ. 4, в результат подсчета также включаются незрелые гранулоциты (IG) и аномальные клетки в дополнение к пяти классификациям лейкоцитов. Кроме того, процессор 3001 анализирует полученный результат подсчета для создания результата теста образца и сохраняет этот результат в хранилище 3004. Анализ результата подсчета включает выполнение определения того, например, лежит ли результат подсчета в диапазоне нормальных значений, детектированы ли какие-либо аномальные клетки, лежит ли отличие от результата предшествующего теста в допустимом диапазоне, и т.п.

[0111] Процессор 3001 отображает созданный результат теста на узле 3015 отображения (стадия S4).

[0112] Далее, со ссылкой на ФИГ. 21, будет описан процесс классификации клеток на стадии S14. Процесс классификации клеток на стадии S14 представляет собой процесс, выполняемый процессором 4831 в соответствии с функционированием аналитического программного обеспечения 4832. Процессор 4831 вынуждает передавать каждый цифровой сигнал, принятый в ОЗУ 4834 на стадии S13, в процессор 4833 для параллельной обработки (S101). Как показано на ФИГ. 16, процессор 4831 вынуждает передавать цифровой сигнал методом ПДП из ОЗУ 4834 в ОЗУ 4837. Например, процессор 4831 управляет контроллером 4850 шины для ПДП-передачи цифрового сигнала из ОЗУ 4834 в ОЗУ 4837.

[0113] Процессор 4831 дает команду процессору 4833 для параллельной обработки исполнять параллельную обработку данных о форме волны, включенных в цифровой сигнал (S102). Процессор 4831 дает команду на исполнение параллельной обработки, например, посредством вызова функции ядра процессора 4833 для параллельной обработки. Процесс, исполняемый процессором 4833 для параллельной обработки, будет описан далее со ссылкой на блок-схему, показанную в качестве примера на ФИГ. 22. Процессор 4831 дает команду процессору 4833 для параллельной обработки на исполнение матричной операции, например, относящейся к алгоритму 60 глубокого обучения. Цифровой сигнал разбивается на множество фрагментов данных о форме волны для их последовательного введения в алгоритм 60 глубокого обучения. Индекс, соответствующий каждой клетке и включенный в цифровой сигнал, не вводится в алгоритм 60 глубокого обучения. Данные о форме волны, введенные в алгоритм 60 глубокого обучения, подвергаются арифметическим операциям, выполняемым процессором 4833 для параллельной обработки.

[0114] Процессор 4831 принимает результаты арифметических операций, исполняемых процессором 4833 для параллельной обработки (S103). Арифметические результаты передаются методом ПДП из ОЗУ 4837 в ОЗУ 4834, например, как показано на ФИГ. 16.

[0115] На основании арифметических результатов от процессора 4833 для параллельной обработки, процессор 4831 создает результат анализа типа клетки для каждой измеренной клетки (S104).

[0116] На ФИГ. 22 показан пример функционирования арифметических процессов процессора 4833 для параллельной обработки, исполняемых на основании инструкции от процессора 4831, в соответствии с функционированием аналитического программного обеспечения 4832.

[0117] Процессор 4831, исполняющий аналитическое программное обеспечение 4832, вынуждает процессор 4833 для параллельной обработки исполнять назначение арифметических процессов арифметическим блокам 4836 (S110). Например, процессор 4831 вынуждает процессор 4833 для параллельной обработки исполнять назначение арифметических процессов арифметическим блокам 4836 посредством вызова функции ядра процессора 4833 для параллельной обработки. Как показано на ФИГ. 18, например, матричную операцию, относящуюся к алгоритму 60 глубокого обучения, разделяют на множество арифметических процессов, и соответствующие разделенные арифметические процессы назначают арифметическим блокам 4836. Множество фрагментов данных о форме волны последовательно вводят в алгоритм 60 глубокого обучения. Матричную операцию, соответствующую данным о форме волны, разделяют на множество арифметических процессов, подлежащих назначению арифметическим блокам 4836.

[0118] Арифметические процессы обрабатываются параллельно множеством арифметических блоков 4836 (S111). Арифметические процессы исполняют на множестве фрагментов данных о форме волны.

[0119] Арифметические результаты, созданные посредством параллельной обработки множеством арифметических блоков 4836, передаются из ОЗУ 4837 в ОЗУ 4834 (S112). Например, арифметические результаты передаются методом ПДП из ОЗУ 4837 в ОЗУ 4834.

(Пример конфигурации 2)

[0120] Со ссылкой на ФИГ. 23 и ФИГ. 24 будет описан другой пример конфигурации анализатора 4000 клеток, состоящего из измерительного блока 400 и обрабатывающего блока 300. В настоящем примере конфигурации процессор для параллельной обработки представлен в обрабатывающем блоке 300.

[0121] На ФИГ. 23 показан другой пример блок-схемы измерительного блока 400. За исключением того, что измерительный блок 400, показанный на ФИГ. 23, не снабжен A/D преобразователем 482, процессором 4831, ОЗУ 4834, хранилищем 4835 и процессором 4833 для параллельной обработки, а снабжен соединительным портом 4201, измерительный блок 400, показанный на ФИГ. 23, имеет конфигурации и функции, сходные с измерительным блоком 400, описанным со ссылкой на ФИГ. 6 и ФИГ. 7 и в относящемся к ним описании. Соединительный кабель 4202 соединен с соединительным портом 4201.

[0122] На ФИГ. 24 показан пример блок-схемы обрабатывающего блока 300. Как показано на ФИГ. 24, обрабатывающий блок 300 включает в себя процессор 3001, процессор 3002 для параллельной обработки, хранилище 3004, ОЗУ 3005, узел интерфейса 3006, A/D преобразователь 3008, контроллер 4850 шины, узел интерфейса 3009, и они соединены с шиной 3003. То есть, в примере на ФИГ. 24 процессор 3002 для параллельной обработки установлен в анализаторе 4000 клеток во встроенном в обрабатывающий блок 300 виде. Шина 3003 представляет собой линию передачи со скоростью передачи данных, например, не менее нескольких сотен Мб/с. Шина 3003 может представлять собой линию передачи со скоростью передачи данных не менее 1 Гб/с. Шина 3003 выполняет передачу данных, например, на основании стандарта PCI-Express или PCI-X. Конфигурации процессора 3001, процессора 3002 для параллельной обработки, хранилища 3004 и ОЗУ 3005 и исполняемые ими процессы сходны с конфигурациями и процессами процессора 4831, процессора 4833 для параллельной обработки, хранилища 4835 и ОЗУ 4834, описанными со ссылкой на ФИГ. 11 - ФИГ. 19 выше. A/D преобразователь 3008 дискретизирует каждый аналоговый сигнал, выводимый из измерительного блока 400, как описано выше, и создает цифровой сигнал, включающий данные о форме волны клеток. Способ создания цифрового сигнала был описан выше. В примере по ФИГ. 23 и ФИГ. 24 соединительный кабель 4202 снабжен путями передачи, число которых соответствует видам аналоговых сигналов, передаваемых, например, из измерительного блока 400 в обрабатывающий блок 300. Например, соединительный кабель 4202 реализован посредством кабелей с витыми парами и имеет пары проводов, причем число пар соответствует видам аналоговых сигналов, передаваемых в обрабатывающий блок 300. Путь передачи из соединительного порта 3007 в A/D преобразователь 3008 может также иметь провода, число которых соответствует видам аналоговых сигналов, передаваемых в обрабатывающий блок 300. В пути передачи из соединительного порта 3007 в A/D преобразователь 3008 аналоговые сигналы передаются, например, в виде дифференциальных сигналов.

[0123] Как показано на ФИГ. 25, процессор 3001 и процессор 3002 для параллельной обработки имеют конфигурации и функции, сходные с описанными выше процессором 4831 и процессором 4833 для параллельной обработки. Процессор 3002 для параллельной обработки включает в себя множество арифметических блоков 3200 и ОЗУ 3201. Аналитическое программное обеспечение 3100 для анализа типа клетки у каждой измеренной клетки исполняется в процессоре 3001. Процессор 3002 для параллельной обработки не обязательно должен быть напрямую соединен с шиной 3003. Например, процессор 3002 для параллельной обработки может быть смонтирован на устройстве USB, и это устройство USB может быть соединено с шиной 3003 через узел интерфейса (не показан), в результате чего процессор 3002 для параллельной обработки может быть установлен в качестве части обрабатывающего блока 300 в анализатор 4000 клеток. Это устройство USB может быть малым устройством, таким как, например, USB-адаптер.

[0124] Как показано на ФИГ. 23 и ФИГ. 24, обрабатывающий блок 300 соединен с узлом интерфейса 489 измерительного блока 400 через узел интерфейса 3006. Обрабатывающий блок 300 передает сигналы управления узлом 430 аппаратного механизма и узлом 440 подготовки проб в измерительный блок 400 через узел интерфейса 3006. Узел интерфейса 3006 представляет собой, например, интерфейс USB.

[0125] В примере, показанном на ФИГ. 23 и ФИГ. 24, обрабатывающий блок 300 соединен с соединительным портом 4201 измерительного блока 400 через соединенный с A/D преобразователем 3008 соединительный порт 3007 и соединенный с соединительным портом 3007 соединительный кабель 4202, в дополнение к узлу интерфейса 3006. Соединительный порт 4201 соединен с узлом 420 аналоговой обработки. Каждый аналоговый сигнал, выводимый из соединительного порта 4201 в обрабатывающий блок 300, представляет собой сигнал, полученный в качестве результата вывода ПЦМ-детектора 410 измерительного блока 400, обработанного узлом аналоговой обработки 420, как описано выше. Узел 420 аналоговой обработки выполняет процесс, включающий устранение шума, на аналоговом сигнале, вводимом из ПЦМ-детектора 410. Аналоговый сигнал, обработанный узлом 420 аналоговой обработки, передается в обрабатывающий блок 300 через соединительный порт 4201 и соединительный кабель 4202. Соединительный кабель 4202 выполнен имеющим длину, например, 1 метр или менее, для уменьшения шума в ходе передачи сигнала. Аналоговый сигнал передают в виде, например, дифференциального сигнала в обрабатывающий блок 300 через соединительный кабель 4202. Обрабатывающий блок 300 может включать множество соединительных портов 3007. Обрабатывающий блок 300 может получать аналоговые сигналы из множества измерительных блоков 400 через множество соединительных портов 3007.

[0126] Каждый аналоговый сигнал, переданный из измерительного блока 400 через соединительный кабель 4202, преобразуется в цифровой сигнал A/D преобразователем 3008 обрабатывающего блока 300. Как описано со ссылкой на ФИГ. 2, например, A/D преобразователь 3008 дискретизирует передаваемый аналоговый сигнал с заданной частотой дискретизации (например, дискретизация в 1024 точках с интервалом 10 наносекунд, дискретизация в 128 точках с интервалом 80 наносекунд, дискретизация в 64 точках с интервалом 160 наносекунд, или т.п.) и создает данные о форме волны для каждой клетки. Данные о форме волны сохраняются в хранилище 3004 или ОЗУ 3005 через шину 3003. Данные о форме волны передаются методом ПДП, например, в ОЗУ 3005. Процессор 3001 и процессор 3002 для параллельной обработки исполняют арифметические процессы на данных о форме волны, сохраненных в хранилище 3004 или ОЗУ 3005.

[0127] Аналитическое программное обеспечение 3100, работающее в процессоре 3001, имеет функции, сходные с функциями аналитического программного обеспечения 4832, показанного на ФИГ. 16. Процессор 3001 исполняет аналитическое программное обеспечение 3100, тем самым создавая относящуюся к типу клетки классификационную информацию о каждой измеренной клетке, посредством операций, сходных с операциями, описанными со ссылкой на ФИГ. 16, ФИГ. 17, ФИГ. 18, ФИГ. 21 и ФИГ. 22 и в связанном с ними описании.

[0128] В случае анализатора 4000 клеток из примера конфигурации 2, показанного на ФИГ. 23 и ФИГ. 24, в блок-схеме, показанной на ФИГ. 20, стадию S13 (создание цифрового сигнала) и стадию S14 (классификацию клеток) выполняют в обрабатывающем блоке 300. Стадия S15 (передача классификационной информации) исключена. Процессы на ФИГ. 21 и ФИГ. 22 выполняют процессором 3001 и процессором 3002 для параллельной обработки из обрабатывающего блока 300.

[0129] Процессор 3001 может обрабатывать данные о форме волны и идентификационную информацию так, чтобы они были связаны друг с другом. Конкретно, процессор 3001 может связывать друг с другом результат анализа (т.е. относящуюся к типу клетки классификационную информацию о каждой клетке) данных о форме волны и идентификационную информацию. Примеры идентификационной информации включают: (1) идентификационную информацию биологической пробы, соответствующей данным о форме волны; (2) идентификационную информацию клетки, соответствующей данным о форме волны; (3) идентификационную информацию пациента, соответствующего данным о форме волны; (4) идентификационную информацию теста, соответствующего данным о форме волны; (5) идентификационную информацию анализатора клеток, которым измерены данные о форме волны; и (6) идентификационную информацию связанного с тестированием предприятия, где были измерены данные о форме волны. Когда процессор 3001 принимает заказ на тест, например, от LIS, процессор 3001 может получать по меньшей мере одну из вышеуказанной идентификационной информации (1) - (6) или их комбинацию от LIS. Например, по меньшей мере одну из (1) - (6), показанных в качестве примеров, предоставляют пользователю в качестве результата теста в связи с классификационной информацией. Множество комбинаций (1) - (6), показанных в качестве примеров, можно предоставлять пользователю в качестве результата теста в связи с классификационной информацией.

(Пример конфигурации 3)

[0130] Со ссылкой на ФИГ. 26 и ФИГ. 27 будет описан другой пример конфигурации анализатора 4000 клеток, состоящего из измерительного блока 400 и обрабатывающего блока 300. В настоящем примере конфигурации также процессор 3002 для параллельной обработки установлен в анализаторе 4000 клеток во встроенном в обрабатывающий блок 300 виде.

[0131] На ФИГ. 26 показан другой пример блок-схемы измерительного блока 400. За исключением того, что измерительный блок 400, показанный на ФИГ. 26, не снабжен процессором 4831, ОЗУ 4834, хранилищем 4835 и процессором 4833 для параллельной обработки и снабжен узлом интерфейса 4851 и линией 4852 передачи для передачи созданных в A/D преобразователе 482 цифровых сигналов в обрабатывающий блок 300, измерительный блок 400, показанный на ФИГ. 26, имеет конфигурации и функции, сходные с измерительным блоком 400, описанным со ссылкой на ФИГ. 6 и ФИГ. 7 и в относящемся к ним описании. Узел интерфейса 4851 представляет собой интерфейс, служащий в качестве специализированной линии, имеющей ширину полосы канала связи, например, не менее 1 гигабит/секунду. Например, узел интерфейса 4851 представляет собой интерфейс, в соответствии с Gigabit Ethernet, USB 3.0 или Thunderbolt 3. Когда узел интерфейса 4851 соответствует Gigabit Ethernet, линия 4852 передачи представляет собой, например, кабель LAN. Когда узел интерфейса 4851 соответствует USB 3.0, линия 4852 передачи представляет собой кабель USB в соответствии с USB 3.0. Линия 4852 передачи представляет собой специализированную линию передачи для передачи цифровых сигналов, например, между измерительным блоком 400 и обрабатывающим блоком 300.

[0132] На ФИГ. 27 показан другой пример блок-схемы обрабатывающего блока 300. За исключением того, что обрабатывающий блок 300, показанный на ФИГ. 27, не снабжен A/D преобразователем 3008 и соединительным портом 3007 и снабжен узлом интерфейса 3010, обрабатывающий блок 300, показанный на ФИГ. 27, имеет конфигурации и функции, сходные с обрабатывающим блоком 300, описанным со ссылкой на ФИГ. 24 и в относящемся к ней описании. Обрабатывающий блок 300 может быть соединен с множеством измерительных блоков 400 через множество узлов интерфейса 3010 и множество узлов интерфейса 3006.

[0133] Процессор 3001 и процессор 3002 для параллельной обработки имеют конфигурации и функции, сходные с процессором 3001 и процессором 3002 для параллельной обработки, описанными со ссылкой на ФИГ. 25 и в относящемся к ней описании. На ФИГ. 27 процессор 3002 для параллельной обработки не обязательно должен быть напрямую соединен с шиной 3003. Например, процессор 3002 для параллельной обработки может быть смонтирован на устройстве USB, и это устройство USB может быть соединено с шиной 3003 через узел интерфейса (не показано). Это устройство USB может представлять собой малое устройство, например, такое как USB-адаптер.

[0134] Аналитическое программное обеспечение 3100, работающее на процессоре 3001, имеет функции, сходные с функциями аналитического программного обеспечения 4832, показанного на ФИГ. 16. Аналитическое программное обеспечение 3100 анализирует тип клетки для каждой измеренной клетки посредством операций, сходных с описанными со ссылкой на ФИГ. 16, ФИГ. 17, ФИГ. 18, ФИГ. 21 и ФИГ. 22 и в относящемся к ним описании.

[0135] В случае анализатора 4000 клеток из примера конфигурации 3, показанного на ФИГ. 26 и ФИГ. 27, в блок-схеме, показанной на ФИГ. 20, стадию S14 (классификацию клетки) выполняют в обрабатывающем блоке 300. Стадия S15 (передача классификационной информации) исключена. Процессы на ФИГ. 21 и ФИГ. 22 выполняют процессором 3001 и процессором 3002 для параллельной обработки обрабатывающего блока 300.

[0136] В конфигурации на ФИГ. 26 и ФИГ. 27 аналоговые сигналы (сигнал рассеянного вперед света, сигнал рассеянного вбок света, сигнал боковой флуоресценции) каждой клетки, созданные в ПЦМ-детекторе 410, преобразуют в цифровые сигналы в A/D преобразователе 482 в измерительном блоке 400. Цифровые сигналы посылают в обрабатывающий блок 300 через узел интерфейса 484, шину 485, узел интерфейса 4851 и линию 4852 передачи. Линия 4852 передачи представляет собой специализированную линию передачи для осуществления передачи цифровых сигналов между измерительным блоком 400 и обрабатывающим блоком 300, как описано выше. Например, измерительный блок 400 и обрабатывающий блок 300 соединены по принципу «один к одному» через линию 4852 передачи. Иными словами, линия 4852 передачи представляет собой линию передачи, не обеспечивающую передачу данных, например, относящихся к устройству, отличному от образующих анализатор 4000 клеток компонентов (например, измерительного блока 400 и обрабатывающего блока 300). Линия 4852 передачи представляет собой линию передачи, например, отличную от интранета или Интернета. Соответственно, даже когда цифровые сигналы, созданные посредством A/D преобразования в измерительном блоке 400, передают в обрабатывающий блок 300, можно избежать узкого места в скорости коммуникации при передаче цифровых сигналов.

(Пример конфигурации 4)

[0137] Со ссылкой на ФИГ. 28, ФИГ. 29, ФИГ. 30, ФИГ. 31 и ФИГ. 32 будет описан другой пример конфигурации анализатора 4000 клеток.

[0138] В настоящем примере конфигурации, как показано в качестве примера на ФИГ. 28, предусмотрен блок 600 анализа между измерительным блоком 400 и обрабатывающим блоком 300. То есть, в конфигурации на ФИГ. 28, ФИГ. 29, ФИГ. 30, ФИГ. 31 и ФИГ. 32 анализатор 4000 клеток состоит из измерительного блока 400, обрабатывающего блока 300 и блока 600 анализа. Блок 600 анализа анализирует тип клетки у каждой измеренной клетки. Как описано далее, в настоящем примере конфигурации процессор 6002 для параллельной обработки установлен в анализаторе 4000 клеток во встроенном в блок 600 анализа виде.

[0139] Измерительный блок 400, показанный в качестве примера на ФИГ. 29, имеет конфигурации и функции, сходные с измерительным блоком 400, описанным со ссылкой на ФИГ. 26 и в относящемся к ней описании. Блок 600 анализа предусмотрен между измерительным блоком 400 и обрабатывающим блоком 300. Блок 600 анализа может быть соединен с множеством измерительных блоков 400. Блок 600 анализа может быть соединен с множеством обрабатывающих блоков 300. Узел интерфейса 4851 представляет собой интерфейс, имеющий ширину полосы канала связи, например, не менее 1 гигабит/секунду. Например, узел интерфейса 4851 представляет собой интерфейс, в соответствии с Gigabit Ethernet, USB 3.0, или Thunderbolt 3. Когда узел интерфейса 4851 соответствует Gigabit Ethernet, линия 4852 передачи представляет собой, например, кабель LAN. Когда узел интерфейса 4851 соответствует USB 3.0, линия 4852 передачи представляет собой кабель USB в соответствии с USB 3.0. Линия 4852 передачи представляет собой специализированную линию передачи для осуществления передачи цифровых сигналов между измерительным блоком 400 и обрабатывающим блоком 300, как описано выше. Например, измерительный блок 400 и обрабатывающий блок 300 соединены по принципу «один к одному» через линию 4852 передачи.

[0140] На ФИГ. 30 показан пример конфигурации блока 600 анализа. Блок 600 анализа включает в себя, например, процессор 6001, процессор 6002 для параллельной обработки, шину 6003, хранилище 6004, ОЗУ 6005, узел интерфейса 6006 и узел интерфейса 6007, и они соединены с шиной 6003. Шина 6003 представляет собой линию передачи со скоростью передачи данных, например, не менее нескольких сотен Мб/с. Шина 3003 может представлять собой линию передачи со скоростью передачи данных не менее 1 Гб/с. Шина 3003 выполняет передачу данных, например, на основе стандарта PCI-Express или PCI-X. Блок 600 анализа может быть соединен с множеством измерительных блоков 400 через множество узлов интерфейса 6006. Когда представлено множество измерительных блоков 400, блок 600 анализа может быть соединен с каждым из измерительных блоков 400 (например, множество измерительных блоков 400 и множество блоков 600 анализа соединены по принципу «один к одному» соответственно).

[0141] Как показано на ФИГ. 31, процессор 6001 и процессор 6002 для параллельной обработки имеют конфигурации и функции, сходные с описанными выше процессором 4831 и процессором 4833 для параллельной обработки. Процессор 6002 для параллельной обработки включает множество арифметических блоков 6200 и ОЗУ 6201. Аналитическое программное обеспечение 6100, анализирующее тип клетки для каждой измеренной клетки, функционирует на процессоре 6001. Аналитическое программное обеспечение 6100, работающее на процессоре 6001, имеет функции, сходные с функциями аналитического программного обеспечения 4832, показанного на ФИГ. 16. Аналитическое программное обеспечение 6100 анализирует тип клетки у каждой измеренной клетки посредством операций, сходных с описанными со ссылкой на ФИГ. 16, ФИГ. 17, ФИГ. 18, ФИГ. 21 и ФИГ. 22 и в относящемся к ним описании. Аналитическое программное обеспечение 6100 передает классификационную информацию о каждой измеренной клетке в обрабатывающий блок 300 через узел интерфейса 6007. Узел интерфейса 6007 соответствует, например, Ethernet (зарегистрированный товарный знак) или USB. Узел интерфейса 6007 может представлять собой интерфейс, способный осуществлять беспроводную связь (например, WiFi (зарегистрированный товарный знак) или Bluetooth (зарегистрированный товарный знак)).

[0142] На ФИГ. 32 показан пример конфигурации обрабатывающего блока 300. Обрабатывающий блок 300, показанный на ФИГ. 32, не обязательно должен включать процессор 3002 для параллельной обработки, в отличие от обрабатывающего блока 300, показанного на ФИГ. 24 и ФИГ. 27. Кроме того, аналитическое программное обеспечение 3100, показанное на ФИГ. 24 и ФИГ. 27, не обязательно должно функционировать на процессоре 3001, показанном на ФИГ. 32. Обрабатывающий блок 300 принимает результаты анализа из блока 600 анализа через узел интерфейса 3006. Узел интерфейса 3006 соответствует, например, Ethernet или USB. Узел интерфейса 3006 может представлять собой интерфейс, способный осуществлять беспроводную связь (например, WiFi или Bluetooth).

[0143] В конфигурации на ФИГ. 29, ФИГ. 30, ФИГ. 31 и ФИГ. 32 аналоговые сигналы (сигнал рассеянного вперед света, сигнал рассеянного вбок света, сигнал боковой флуоресценции) каждой клетки, созданные в ПЦМ-детекторе 410, преобразуют в цифровые сигналы посредством A/D преобразователя 482 в измерительном блоке 400. Данные о форме волны посылают в блок 600 анализа через узел интерфейса 484, шину 485, узел интерфейса 4851 и линию 4852 передачи. Узел интерфейса 4851 представляет собой специализированный интерфейс, соединяющий измерительный блок 400 и блок 600 анализа друг с другом, как описано выше, а узел интерфейса 4851 соединяет измерительный блок 400 и блок 600 анализа по принципу «один к одному». Иными словами, линия 4852 передачи представляет собой линию передачи, не обеспечивающую передачу данных, например, относящихся к устройству, отличному от образующих анализатор 4000 клеток компонентов (например, измерительного блока 400 и обрабатывающего блока 300). Линия 4852 передачи представляет собой линию передачи, например, отличную от интранета или Интернета. Соответственно, даже когда цифровые сигналы, созданные посредством A/D преобразования в измерительном блоке 400, передают в обрабатывающий блок 300, можно избежать узкого места в скорости коммуникации при передаче цифровых сигналов.

[0144] В случае анализатора 4000 клеток из примера конфигурации 4, показанного на ФИГ. 29, ФИГ. 30, ФИГ. 31 и ФИГ. 32, в блок-схеме, показанной на ФИГ. 20, стадию S14 (классификацию клетки) и стадию S15 (передачу классификационной информации) выполняют в блоке 600 анализа. То есть, цифровые сигналы, созданные на стадии S13, передают из измерительного блока 400 в блок 600 анализа, и классификационную информацию передают в обрабатывающий блок 300 на стадии S15. Процессы на ФИГ. 21 и ФИГ. 22 выполняют процессором 6001 и процессором 6002 для параллельной обработки блока 600 анализа.

(Пример конфигурации 5)

[0145] Со ссылкой на ФИГ. 28, ФИГ. 33 и ФИГ. 34, описан другой пример конфигурации анализатора 4000 клеток. Подобно примеру конфигурации 4, описанному выше, анализатор клеток из этого примера конфигурации 5 также включает измерительный блок 400, обрабатывающий блок 300 и блок 600 анализа. Измерительный блок 400, показанный на ФИГ. 33, имеет функции и конфигурации, сходные с измерительным блоком 400, описанным со ссылкой на ФИГ. 23 и в относящемся к ней описании. Измерительный блок 400, показанный на ФИГ. 33, соединен с блоком 600 анализа через соединительный кабель 4202. Например, соединительный кабель 4202 реализован посредством кабеля с витыми парами и имеет пары проводов, причем число пар соответствует видам аналоговых сигналов, передаваемых в обрабатывающий блок 300. Соединительный кабель 4202 выполнен имеющим длину, например, 1 метр или менее, для уменьшения шума в ходе передачи сигнала. Измерительный блок 400 передает аналоговые сигналы в блок 600 анализа через соединительный кабель 4202.

[0146] Блок 600 анализа, показанный на ФИГ. 34, имеет функции и конфигурации, сходные с блоком 600 анализа, описанным со ссылкой на ФИГ. 30 и в относящемся к ней описании. То есть, в примере на ФИГ. 34 процессор 6002 для параллельной обработки установлен в анализаторе 4000 клеток во встроенном в блок 600 анализа виде. Блок 600 анализа, показанный на ФИГ. 34, дополнительно включает соединительный порт 6008 и A/D преобразователь 6009. Аналоговые сигналы, переданные из блока 600 анализа через соединительный кабель 4202, вводят в A/D преобразователь 6009 через соединительный порт 6008. A/D преобразователь 6009 преобразует аналоговые сигналы в цифровые сигналы посредством процесса, сходного с процессом, выполняемым A/D преобразователем 482.

[0147] Блок 600 анализа может быть соединен с множеством измерительных блоков 400 через множество соединительных портов 6008. Когда представлено множество измерительных блоков 400, блок 600 анализа может быть соединен с каждым из измерительных блоков 400 (например, множество измерительных блоков 400 и множество блоков 600 анализа соединены по принципу «один к одному» соответственно).

[0148] Как показано на ФИГ. 31, процессор 6001 и процессор 6002 для параллельной обработки имеют конфигурации и функции, сходные с описанными выше процессором 4831 и процессором 4833 для параллельной обработки. Аналитическое программное обеспечение 6100, анализирующее тип клетки у каждой измеренной клетки, функционирует на процессоре 6001. Аналитическое программное обеспечение 6100, работающее на процессоре 6001, имеет функции, сходные с функциями аналитического программного обеспечения 4832, показанного на ФИГ. 16. Аналитическое программное обеспечение 6100 анализирует тип клетки для каждой измеренной клетки посредством операций, сходных с описанными со ссылкой на ФИГ. 16, ФИГ. 17, ФИГ. 18, ФИГ. 21 и ФИГ. 22 и в относящемся к ним описании. Аналитическое программное обеспечение 6100 передает результат анализа типа клетки у каждой измеренной клетки в обрабатывающий блок 300 через узел интерфейса 6007. Узел интерфейса 6007 соответствует, например, Ethernet или USB. Узел интерфейса 6007 может представлять собой интерфейс, способный осуществлять беспроводную связь (например, WiFi или Bluetooth).

[0149] В случае анализатора 4000 клеток из примера конфигурации 5, показанного на ФИГ. 33 и ФИГ. 34, в блок-схеме, показанной на ФИГ. 20, стадию S13 (создание цифрового сигнала), стадию S14 (классификацию клетки) и стадию S15 (передачу классификационной информации) выполняют в блоке 600 анализа. То есть, создание цифровых сигналов (стадию S13) выполняют в A/D преобразователе 6009 блока 600 анализа, классификацию клетки (стадию S14) на основании цифровых сигналов выполняют процессором 6001 и процессором 6002 для параллельной обработки, и классификационную информацию передают из блока 600 анализа в обрабатывающий блок 300 (стадия S15). Процессы на ФИГ. 21 и ФИГ. 22 выполняют процессором 6001 и процессором 6002 для параллельной обработки блока 600 анализа.

(Объем данных о форме волны и цифрового сигнала)

[0150] Далее будут описаны объемы данных у данных о форме волны и цифрового сигнала. В настоящем варианте осуществления, например, применительно к каждому из аналогового сигнала рассеянного вперед света (FSC), аналогового сигнала рассеянного вбок света (SSC) и аналогового сигнала боковой флуоресценции (SFL), дискретизацию выполняют для каждой клетки во множестве временных точек с определенным интервалом. Примеры частоты дискретизации включают дискретизацию в 1024 точках с интервалом 10 наносекунд, дискретизацию в 128 точках с интервалом 80 наносекунд, дискретизацию в 64 точках с интервалом 160 наносекунд, и т.п. Количество данных составляет, например, 2 байта на дискрет. По отношению к каждому из FSC, SSC и SFL получают данные (в случае частоты 1024 точек, 2 байта×1024=2048 байтов) в количестве, соответствующем частоте дискретизации. Это количество данных представляет собой объем данных в расчете на одну клетку. В одном измерении измеряют FSC, SSC и SFL по отношению к по меньшей мере 100 клеткам, например. Альтернативно, в одном измерении FSC, SSC и SFL можно измерять по отношению к по меньшей мере 1000 клеток, например. Альтернативно, в одном измерении FSC, SSC, SFL можно измерять, например, по отношению к от примерно 10000 до примерно 140000 клеток. Таким образом, например, когда число измеренных в одном измерении клеток составляет 100000 и частота дискретизации составляет 1024, объем данных цифрового сигнала каждого из FSC, SSC и SFL составляет 2 байта×1024×100000=204800000 байт, а объем данных для FSC, SSC и SFL в сумме составляет 614400000 байт.

[0151] Кроме того, FSC, SSC и SFL измеряют для каждого канала измерения. Таким образом, например, когда число измеренных в одном измерении клеток составляет 100000, частота дискретизации составляет 1024, а число каналов измерения составляет 5, объем данных для каждого из FSC, SSC и SFL составляет 2 байта×1024×100000×5=1024000000 байт, а объем данных для FSC, SSC и SFL в сумме составляет 3072000000 байт.

[0152] Таким образом, объем каждого цифрового сигнала составляет, например, от нескольких сотен мегабайт до нескольких гигабайт на образец, и составляет по меньшей мере 1 гигабайт, в зависимости от числа клеток, частоты дискретизации и числа каналов измерения.

[0153] В соответствии с настоящим вариантом осуществления, когда анализируют цифровой сигнал, имеющий огромный объем от нескольких сотен мегабайт до нескольких гигабайт на образец, процесс анализа с использованием алгоритма 60 глубокого обучения заключен внутри анализатора 4000 или 4000' клеток, как описано выше, и цифровой сигнал не передается на сервер для анализа, представленный вне анализатора 4000 или 4000' клеток, через Интернет или интранет. Поэтому можно избежать уменьшения производительности, связанного с увеличением коммуникационной загрузки, вызванной передачей цифрового сигнала из анализатора 4000 или 4000' клеток на сервер для анализа.

<Второй анализатор клеток и измерение биологической пробы во втором анализаторе клеток>

[0154] В качестве примера конфигурации второго анализатора 4000' клеток показан пример блок-схемы анализатора частиц мочи или анализатора биологической жидкости, в котором измерительный блок 500 включает в себя проточный цитометр для измерения пробы мочи или пробы биологической жидкости.

[0155] ФИГ. 35 - это пример блок-схемы измерительного блока 500. На ФИГ. 35 измерительный блок 500 включает в себя: узел 501 распределения образцов; узел 502 подготовки проб; оптический детектор 505; усиливающую схему 550, которая усиливает выходной сигнал (выходной сигнал, усиленный предусилителем) оптического детектора 505; фильтрующую схему 506, которая выполняет процесс фильтрации выходного сигнала из усиливающей схемы 550, A/D преобразователь 507, который преобразует выходной сигнал (аналоговый сигнал) из фильтрующей схемы 506 в цифровой сигнал; процессор 4831; процессор 4833 для параллельной обработки; ОЗУ 4834; контроллер 4850 шины; устройство-хранилище 511а; и адаптер 512 LAN (локальной сети). Процессор 4831, процессор 4833 для параллельной обработки, ОЗУ 4834, контроллер 4850 шины, устройство-хранилище 511а и адаптер 512 LAN соединены с шиной 508. Алгоритм 60 глубокого обучения и аналитическое программное обеспечение на основании алгоритма 60 глубокого обучения хранятся в устройстве-хранилище 511а.

[0156] Как описано на основании примера первого анализатора 4000 клеток, процессор 4831 выполняет заданные арифметические процессы на цифровом сигнале, выводимом из A/D преобразователя 507. Процессор 4831 анализирует данные о форме волны с использованием процессора 4833 для параллельной обработки. Примеры конфигурации процессора 4831 и процессора 4833 для параллельной обработки и функционирования процессора 4833 для параллельной обработки являются сходными с описанными выше со ссылкой на ФИГ. 11 - ФИГ. 19 и в относящемся к ним описании.

[0157] Обрабатывающий блок 300 соединен с измерительным блоком 500, например, посредством кабеля LAN через адаптер 512 LAN, и этим обрабатывающим блоком 300 выполняется создание результата теста на основе данных измерения, полученных измерительным блоком 500. Оптический детектор 505, усиливающая схема 550, фильтрующая схема 506, A/D преобразователь 507, процессор 4831, процессор 4833 для параллельной обработки и устройство-хранилище 511а образуют узел 510 оптического измерения, который измеряет пробу для измерения и создает данные измерения.

[0158] На ФИГ. 36 показана конфигурация оптического детектора 505 измерительного блока 500. На ФИГ. 36 конденсаторная линза 552 конденсирует в проточной ячейке 551 лазерный свет, излученный от источника 553 света в виде полупроводникового лазера, служащего в качестве источника света, и конденсаторная линза 554 конденсирует на принимающем рассеянный вперед свет узле 555 рассеянный вперед свет, излученный от частицы в пробе для измерения. Другая конденсаторная линза 556 конденсирует на дихроическом зеркале 557 рассеянный вбок свет и флуоресценцию, излученные от частицы. Дихроическое зеркало 557 отражает рассеянный вбок свет к принимающему рассеянного вбок свет узлу 558 и позволяет флуоресценции проходить сквозь него к принимающему флуоресценцию узлу 559. Эти световые сигналы отражают характеристики частицы в пробе для измерения. Принимающий рассеянный вперед свет узел 555, принимающий рассеянного вбок свет узел 558 и принимающий флуоресценцию узел 559 преобразуют световые сигналы в электрические сигналы и выводят сигнал рассеянного вперед света, сигнал рассеянного вбок света и сигнал флуоресценции соответственно. Эти выходные сигналы усиливаются предусилителем и затем подвергаются последующей обработке. Что касается каждого из принимающего рассеянный вперед свет узла 555, принимающего рассеянный вбок свет узла 558 и принимающего флуоресценцию узла 559, то можно осуществлять переключение вывода с низкой чувствительностью и вывода с высокой чувствительностью посредством переключения управляющего напряжения. Переключение этих чувствительностей выполняется описанным далее процессором 4831. В настоящем варианте осуществления в качестве принимающего рассеянный вперед свет узла 555 можно использовать фотодиод, в качестве принимающего рассеянный вбок свет узла 558 и принимающего флуоресценцию узла 559 можно использовать фотоумножители, или же в качестве принимающего рассеянный вбок свет узла 558 и принимающего флуоресценцию узла 559 можно использовать фотодиоды. Сигнал флуоресценции, выводимый из принимающего флуоресценцию узла 559, усиливается предусилителем и затем предоставляется разветвленным двум каналам сигналов. Два канала сигналов соединены с усиливающей схемой 550, описанной выше со ссылкой на ФИГ. 35. Флуоресценцию, вводимую в один из каналов сигналов, усиливается усиливающей схемой 550 так, чтобы иметь высокую чувствительность.

(Подготовка пробы для измерения)

[0159] ФИГ. 37 представляет собой схематический рисунок, показывающий функциональную конфигурацию узла 502 подготовки проб и оптического детектора 505, показанных на ФИГ. 35. Узел 501 распределения образцов, показанный на ФИГ. 35 и ФИГ. 37, включает в себя всасывающую трубку 517 и шприцевой насос. Узел 501 распределения образцов всасывает образец (мочу или биологическую жидкость) 00b через всасывающую трубку 517 и распределяет образец в узел 502 подготовки проб. Узел 502 подготовки проб включает в себя реакционную камеру 512u и реакционную камеру 512b. Узел 501 распределения образцов распределяет количественно оцененную пробу для измерения в каждую из реакционной камеры 512u и реакционной камеры 512b.

[0160] В реакционной камере 512и, распределенный биологический образец смешивают с первым реагентом 519u в качестве разбавителя и третьим реагентом 518u, содержащим краситель. Благодаря красителю, содержащемуся в третьем реагенте 518u, частицы в образце окрашиваются. Когда биологический образец представляет собой мочу, подготовленную в реакционной камере 512u пробу используют в качестве первой пробы для измерения для проведения анализа частиц мочи, которые являются относительно крупными, таких как эритроциты, лейкоциты, эпителиальные клетки или клетки опухолей. Когда биологический образец представляет собой биологическую жидкость, подготовленную в реакционной камере 512u пробу используют в качестве третьей пробы для измерения для проведения анализа эритроцитов в биологической жидкости.

[0161] В то же время, в реакционной камере 512b распределенный биологический образец смешивают со вторым реагентом 519b в качестве разбавителя и четвертым реагентом 518b, содержащим краситель. Как описано далее, второй реагент 519b оказывает гемолитическое действие. Благодаря красителю, содержащемуся в четвертом реагенте 518b, частицы в образце окрашиваются. Когда биологический образец представляет собой мочу, подготовленная в реакционной камере 512b проба служит в качестве второй пробы для измерения для проведения анализа бактерий в моче. Когда биологический образец представляет собой биологическую жидкость, подготовленная в реакционной камере 512b проба служит в качестве четвертой пробы для измерения для проведения анализа ядросодержащих клеток (лейкоцитов и крупных клеток) и бактерий в биологической жидкости.

[0162] От реакционной камеры 512и до проточной ячейки 551 оптического детектора 505 проходит трубка, в результате чего подготовленная в реакционной камере 512u проба для измерения может подаваться в проточную ячейку 551. На выходе из реакционной камеры 512u предусмотрен соленоидный клапан 521u. От реакционной камеры 512b также проходит трубка, и эта трубка соединена с частью трубки, проходящей от реакционной камеры 512u. Соответственно, подготовленная в реакционной камере 512b проба для измерения может подаваться в проточную ячейку 551. На выходе из реакционной камеры 512u предусмотрен соленоидный клапан 521b.

[0163] Трубка, проходящая от реакционных камер 512u, 512b до проточной ячейки 551, разветвляется перед проточной ячейкой 551, и ответвленная трубка соединена со шприцевым насосом 520а. Между шприцевым насосом 520а и точкой ответвления предусмотрен соленоидный клапан 521с.

[0164] Между точкой соединения трубок, проходящих от соответствующих реакционных камер 512u, 512b, и точкой ответвления трубка дополнительно разветвляется, и ответвленная трубка соединена со шприцевым насосом 520b. Между точкой ответвления трубки, проходящей от шприцевого насоса 520b, и точкой соединения, предусмотрен соленоидный клапан 521d.

[0165] Узел 502 подготовки проб имеет соединенный с ним узел 522 хранения обжимающей жидкости, который хранит обжимающую жидкость, и узел 522 хранения обжимающей жидкости соединен с проточной ячейкой 551 посредством трубки. Узел 522 хранения обжимающей жидкости имеет соединенный с ним компрессор 522а, и когда компрессор 522а приводят в действие, сжатый воздух подается в узел 522 хранения обжимающей жидкости, и обжимающую жидкость подают из узла 522 хранения обжимающей жидкости в проточную ячейку 551.

[0166] Что касается двух видов суспензий (проб для измерений), подготовленных в соответствующих реакционных камерах 512u, 512b, то суспензию (первую пробу для измерения, когда биологический образец представляет собой мочу; третью пробу для измерения, когда биологический образец представляет собой биологическую жидкость) в реакционной камере 512u проводят в оптический детектор 505, формируя окруженный обжимающей жидкостью тонкий поток в проточной ячейке 551, и воздействуют на тонкий поток лазерным светом. Затем, аналогичным образом, суспензию (вторую пробу для измерения, когда биологический образец представляет собой мочу; четвертую пробу для измерения, когда биологический образец представляет собой биологическую жидкость) в реакционной камере 512b проводят в оптический детектор 505, формируя тонкий поток в проточной ячейке 551, и воздействуют на тонкий поток лазерным светом. Такие операции выполняют автоматически, вынуждая соленоидные клапаны 521а, 521b, 521с, 521d, узел 503 привода и т.п. функционировать под управлением процессора 4831 (контроллера).

[0167] Далее будет подробно описаны реагенты с первого по четвертый. Первый реагент 519u представляет собой реагент с буфером в качестве главного компонента, содержит средство для компенсации осмотического давления с тем, чтобы обеспечить получение стабильного сигнала флуоресценции без гемолиза эритроцитов, и доведен до 100-600 мОсм/кг с тем, чтобы реализовать осмотическое давление, подходящее для классификационного измерения. Предпочтительно, первый реагент 519u не оказывает гемолитического действия на эритроциты в моче.

[0168] В отличие от первого реагента 519u, второй реагент 519b оказывает гемолитическое действие. Это предназначено для облегчения прохождения описанного далее четвертого реагента 518b через клеточные мембраны бактерий с тем, чтобы способствовать окрашиванию. Кроме того, это предназначено также для ограничения контаминантов, таких как слизистые волокна и фрагменты эритроцитов. Второй реагент 519b содержит поверхностно-активное вещество, чтобы приобрести гемолитическое действие. В качестве поверхностно-активного вещества можно использовать множество анионных, неионных и катионных поверхностно-активных веществ, однако катионное поверхностно-активное вещество является особенно подходящим. Поскольку поверхностно-активное вещество может разрушать клеточные мембраны бактерий, нуклеиновые кислоты из бактерий можно эффективно окрашивать красителем, содержащимся в четвертом реагенте 518b. В результате, измерение бактерий можно выполнять посредством кратковременного способа окрашивания.

[0169] В качестве другого варианта осуществления, второй реагент 519b может приобретать гемолитическое действие не с помощью поверхностно-активного вещества, а в результате доведения до кислого или имеющего низкий рН. Имеющий низкий рН означает, что рН является более низким, чем рН первого реагента 519u. Когда первый реагент 519u лежит в диапазоне от нейтрального или слабо кислого до слабо щелочного, второй реагент 19b является кислым или сильно кислым. Когда рН первого реагента 519u составляет 6,0-8,0, рН второго реагента 519b является более низким, чем этот, и предпочтительно составляет 2,0-6,0.

[0170] Второй реагент 519b может содержать поверхностно-активное вещество и может быть доведен до низкого рН.

[0171] В качестве другого варианта осуществления, второй реагент 519b может приобретать гемолитическое действие за счет наличия более низкого осмотического давления, чем первый реагент 19u.

[0172] В то же время, первый реагент 519u не содержит какого-либо поверхностно-активного вещества. В другом варианте осуществления первый реагент 519u может содержать поверхностно-активное вещество, но его вид и концентрацию необходимо корректировать так, чтобы не подвергать эритроциты гемолизу. Таким образом, предпочтительно, первый реагент 519u не содержит такого же поверхностно-активного вещества, как и у второго реагента 519b, или даже если первый реагент 519u содержит такое же поверхностно-активное вещество, как и у второго реагента 519b, концентрация поверхностно-активного вещества в первом реагенте 519и является более низкой, чем во втором реагенте 519b.

[0173] Третий реагент 518и представляет собой окрашивающий реагент для применения в измерении частиц мочи (эритроцитов, лейкоцитов, эпителиальных клеток, цилиндры или т.п.). В качестве красителя, содержащегося в третьем реагенте 518u, выбирают краситель, который окрашивает мембраны, чтобы окрашивать также частицы, не имеющие нуклеиновых кислот. Предпочтительно, третий реагент 518u содержит средство для компенсации осмотического давления с целью предотвращения гемолиза эритроцитов и с целью получения стабильной интенсивности флуоресценции и доведен до 100-600 мОсм/кг с тем, чтобы реализовать осмотическое давление, подходящее для классификационного измерения. Клеточную мембрану и ядро (мембрану) частиц мочи окрашивают посредством третьего реагента 518u. В качествен окрашивающего реагента, содержащего краситель, который окрашивает мембраны, используют производное конденсированного бензола, и можно использовать, например, краситель на основе цианина. Третий реагент 518u окрашивает не только клеточные мембраны, но и ядерные мембраны. Когда третий реагент 518u используют в ядросодержащих клетках, таких как лейкоциты и эпителиальные клетки, интенсивность окрашивания в цитоплазме (клеточная мембрана) и интенсивность окрашивания в ядре (ядерная мембрана) объединяются, в результате чего интенсивность окрашивания становится выше, чем в частицах мочи, не имеющих нуклеиновых кислот. Соответственно, ядросодержащие клетки, такие как лейкоциты и эпителиальные клетки, можно отличать от частиц мочи, не имеющих нуклеиновых кислот, таких как эритроциты. В качестве третьего реагента можно использовать реагенты, описанные в публикации патента США № US 5891733. Содержание публикации патента США № US 5891733 включено сюда по ссылке. Третий реагент 518u смешивают с мочой или биологической жидкостью, совместно с первым реагентом 519u.

[0174] Четвертый реагент 518b представляет собой окрашивающий реагент, который позволяет точно измерять бактерии, даже когда образец содержит контаминанты, имеющие размеры, эквивалентные размерам бактерий и грибов. Четвертый реагент 518b подробно описан в публикации заявки на европейский патент № ЕР 1136563. В качестве красителя, содержащегося в четвертом реагенте 518b, подходящим образом используют краситель, окрашивающий нуклеиновые кислоты. В качестве окрашивающего реагента, содержащего краситель, который окрашивает ядра, можно использовать, например, краситель на основе цианина из патента США № US 7309581. Четвертый реагент 518b смешивают с мочой или образцом, совместно со вторым реагентом 519b. Содержания публикации заявки на европейский патент № ЕР 1136563 и патента США № US 7309581 включены сюда по ссылке.

[0175] Таким образом, предпочтительно, третий реагент 518u содержит краситель, который окрашивает клеточные мембраны, в то время как четвертый реагент 518b содержит краситель, который окрашивает нуклеиновые кислоты. Частицы мочи могут включать не имеющие ядра частицы, такие как эритроциты. Таким образом, с помощью третьего реагента 518u, содержащего краситель, который окрашивает клеточные мембраны, можно детектировать частицы мочи, включая частицы, не имеющие ядра. Поскольку второй реагент может разрушать клеточные мембраны бактерий, нуклеиновые кислоты бактерий и грибов можно эффективно окрашивать красителем, содержащимся в четвертом реагенте 18b. В результате измерение бактерий можно выполнять посредством кратковременного способа окрашивания.

[3. Первая система анализа данных о форме волны]

<Конфигурация первой системы анализа данных о форме волны>

[0176] Другой вариант осуществления относится к системе анализа данных о форме волны. Со ссылкой на ФИГ. 38 первая система анализа данных о форме волны включает в себя устройство 100А глубокого обучения. В качестве устройства 100А глубокого обучения функционирует устройство 100 на стороне поставщика. Устройство 100А глубокого обучения вынуждает нейронную сеть 50 обучаться с использованием обучающих данных и предоставляет пользователю алгоритм 60 глубокого обучения, обученный на обучающих данных. Алгоритм 60 глубокого обучения, выполненный в виде обученной нейронной сети, предоставляют из устройства 100А глубокого обучения в измерительный блок 400 посредством носителя 98 или коммуникационной сети 99. Измерительный блок 400 выполняет анализ данных о форме волны для клетки-цели анализа с использованием алгоритма 60 глубокого обучения, выполненного в виде обученной нейронной сети.

[0177] Устройство 100А глубокого обучения реализовано, например, в виде компьютера общего назначения и выполняет процесс глубокого обучения на основании блок-схемы, описанной далее. Измерительный блок 400 выполняет процесс анализа данных о форме волны на основании блок-схемы, описанной далее. Носитель 98 представляет собой, например, машиночитаемый невременный материальный носитель данных, такой как DVD-ROM или память USB.

[0178] Устройство 100А глубокого обучения соединено с измерительным блоком 400а или измерительным блоком 500а. Конфигурация измерительного блока 400а или измерительного блока 500а является сходной с конфигурацией описанных выше измерительного блока 400 или измерительного блока 500. Устройство 100А глубокого обучения получает обучающие данные о форме волны, полученные измерительным блоком 400а или измерительным блоком 500а. Способ создания обучающих данных о форме волны является таким, как описано выше.

[0179] Как показано на ФИГ. 38, измерительный блок 400а или измерительный блок 500а включает в себя проточную ячейку 4113, 551. В измерительном блоке 400а или измерительном блоке 500а биологическую пробу отправляют в проточную ячейку 4113, 551. Биологическую пробу, поданную в проточную ячейку 4113, 551, облучают светом от источника 4112, 553 света, и рассеянный вперед свет, рассеянный вбок свет и боковую флуоресценцию, излученные от каждой клетки в биологической пробе, детектируют светодетекторами (4116, 4121, 4122, 555, 558, 559). Измерительный блок 400а или измерительный блок 500а создает данные о форме волны из сигнала рассеянного вперед света, сигнала рассеянного вбок света и сигнала боковой флуоресценции, полученных посредством детектирования света светодетекторами (4116, 4121, 4122, 555, 558, 559), и передает данные о форме волны в устройство 100 на стороне поставщика.

<Конфигурация аппаратных средств устройства глубокого обучения>

[0180] На ФИГ. 39 показан пример блок-схемы устройства 100 на стороне поставщика (устройства 100А глубокого обучения). Устройство 100 на стороне поставщика включает в себя узел 10 (10А) обработки, узел 16 ввода и узел 17 вывода.

[0181] Узел 10 обработки включает в себя, например: ЦП 11, который выполняет описанную далее обработку данных, память 12, используемую в качестве рабочей среды для обработки данных; хранилище 13, которое хранит программу и обрабатываемые данные, описанные далее; шину 14, которая передает данные между узлами; узел интерфейса (узел I/F) 15, который выполняет ввод/вывод данных по отношению к внешнему устройству; и ГП 19. Узел 16 ввода и узел 17 вывода соединены с узлом 10 обработки через узел интерфейса 15. Например, узел 16 ввода представляет собой устройство ввода, такое как клавиатура или мышь, а узел 17 вывода представляет собой устройство отображения, такое как жидкокристаллический дисплей. ГП 19 функционирует в качестве ускорителя, помогающего арифметическим процессам (например, параллельным арифметическим процессам), выполняемым посредством ЦП 11. То есть, в нижеприведенном описании процессы, выполняемые ЦП 11, также включают процессы, выполняемые ЦП 11 с использованием ГП 19 в качестве ускорителя. ГП 19 имеет функцию, эквивалентную функции описанного выше процессора 4833 для параллельной обработки. В данном случае, вместо ГП 19, может быть установлен чип, который является пригодным для вычислений в нейронной сети. Примеры такого чипа включают FPGA, ASIC и Myriad X (Intel).

[0182] Для выполнения процесса каждой стадии, описанной ниже со ссылкой на ФИГ. 43, узел 10 обработки имеет предварительно сохраненные в хранилище 13 программу и алгоритм 50 глубокого обучения, выполненные в виде нейронной сети до подвергания обучению в соответствии с настоящим вариантом осуществления, например, в исполняемой форме. Исполняемая форма представляет собой форму, созданную посредством преобразования языка программирования компилятором, например. Узел 10 обработки использует программу, хранящуюся в хранилище 13, для выполнения процессов обучения нейронной сети 50 перед ее обучением.

[0183] В нижеприведенном описании, если не указано иное, процессы, выполняемые узлом 10 обработки, означают процессы, выполняемые ЦП 11 на основании программы и нейронной сети 50, хранящихся в хранилище 13 или памяти 12. ЦП 11 временно хранит необходимые данные (промежуточные данные, подвергаемые обработке, и т.д.) с использованием памяти 12 в качестве рабочей среды и, по необходимости, сохраняет в хранилище 13 данные, подлежащие хранению в течение длительного времени, такие как арифметические результаты.

<Конфигурация аппаратных средств анализатора>

[0184] Конфигурация измерительного блока 400 или 500, который обрабатывает данные о форме волны на основании алгоритма, предоставленного от устройства 100 на стороне поставщика, эквивалентна описанной выше конфигурации. Измерительный блок 400 или 500 может также иметь функцию устройства 100 на стороне поставщика (устройства 100А глубокого обучения), чтобы вынуждать нейронную сеть 50 обучаться с использованием обучающих данных. В этом случае устройство 100 на стороне поставщика (устройство 100А глубокого обучения) не является необходимым.

[0185] Для того чтобы выполнять процесс каждой стадии в описанном ниже процессе анализа данных о форме волны, контроллер 480 измерительного блока имеет предварительно сохраненные в хранилище 4835 программу и алгоритм 60 глубокого обучения, выполненные в виде обученной нейронной сети в соответствии с настоящим вариантом осуществления, например, в исполняемой форме. Исполняемая форма представляет собой форму, созданную посредством преобразования языка программирования компилятором, например. Контроллер 480 измерительного блока использует программу и алгоритм 60 глубокого обучения, сохраненные в хранилище 4835, для выполнения процессов.

[0186] Как показано на ФИГ. 40, контроллер 480 измерительного блока может обновлять программу и алгоритм 60 глубокого обучения, сохраненные в хранилище 4835, посредством коммуникационной сети, например, через адаптер 481 LAN. Как показано на ФИГ. 41, описанный выше блок 600 анализа может передавать цифровые сигналы и результаты анализа, принятые из измерительного блока 400, в устройство 100А глубокого обучения через узел интерфейса 6011. Например, блок 600 анализа передает данные о форме волны и классификационную информацию, соответствующую данным о форме волны, в устройство 100А глубокого обучения через Интернет. Устройство 100А глубокого обучения выполняет процесс обучения на основании данных о форме волны и классификационной информации, соответствующей данным о форме волны, переданной из блока 600 анализа, для обновления алгоритма 60 глубокого обучения. Устройство 100А глубокого обучения передает обновленный алгоритм 60 глубокого обучения в блок 600 анализа. Блок 600 анализа обновляет хранящийся в хранилище 6004 алгоритм посредством алгоритма 60 глубокого обучения, переданного из устройства 100А глубокого обучения. Например, в то время как процессор 6001 и процессор 6002 для параллельной обработки обрабатывают данные о форме волны, переданные из измерительного блока 400, параллельно с этим блок 600 анализа передает данные о форме волны в устройство 100А глубокого обучения. После завершения анализа данных о форме волны, т.е. после завершения создания классификационной информации, блок 600 анализа передает классификационную информацию в устройство 100А глубокого обучения.

[0187] В нижеприведенном описании, если не указано иное, процессы, выполняемые контроллером 480 измерительного блока, означают, фактически, процессы, выполняемые процессором 4831 и процессором 4833 для параллельной обработки на основании программы и алгоритма 60 глубокого обучения, хранящихся в хранилище 4835 или ОЗУ 4834. Процессор 4831 временно хранит необходимые данные (такие как промежуточные данные, подвергаемые обработке, результаты измерения, результаты анализа и т.д.), например, с использованием ОЗУ 4834 в качестве рабочей среды, и, по необходимости, сохраняет в хранилище 4835 данные, подлежащие хранению в течение длительного времени, такие как арифметические результаты.

<Функциональный блок и процедура обработки>

(Процесс глубокого обучения)

[0188] На ФИГ. 42 показан пример функционального блока устройства 100А глубокого обучения, который выполняет глубокое обучение. Со ссылкой на ФИГ. 42 узел 10А обработки устройства 100А глубокого обучения в соответствии с настоящим вариантом осуществления включает в себя узел 101 создания обучающих данных, узел 102 ввода обучающих данных и узел 103 обновления алгоритма. Эти функциональные блоки реализуются, когда: программа для вынуждения компьютера исполнять процесс глубокого обучения установлена в хранилище 13 или памяти 12 узла 10А обработки, показанного на ФИГ. 39; и программа исполняется ЦП 11 и ГП 19. В хранилище 13 или памяти 12 узла 10А обработки хранятся база 104 данных (БД) обучающих данных и база 105 данных (БД) алгоритмов.

[0189] Обучающие данные 76а, 76b, 76с о форме волны получают заранее, например, посредством измерительного блока 400, 500, и сохраняют заранее в хранилище 13 или памяти 12 узла 10А обработки. Алгоритм 50 глубокого обучения сохраняют в базе 105 данных алгоритмов заранее.

[0190] Узел 10А обработки устройства 100А глубокого обучения выполняет процессы, показанные на ФИГ. 43. Со ссылкой на функциональные блоки, показанные на ФИГ. 42, процессы стадий S211, S214 и S216, показанные на ФИГ. 43, выполняют узлом 101 создания обучающих данных. Процесс стадии S212 выполняют узлом 102 ввода обучающих данных. Процессы стадий S213 и S215 выполняют узлом 103 обновления алгоритма.

[0191] Со ссылкой на ФИГ. 43 будет описан пример процесса глубокого обучения, выполняемого узлом 10А обработки. Сначала узел 10А обработки получает обучающие данные 72а, 72b, 72с о форме волны. Обучающие данные 72а о форме волны представляют собой данные о форме волны рассеянного вперед света, обучающие данные 72b о форме волны представляют собой данные о форме волны рассеянного вбок света, и обучающие данные 72с о форме волны представляют собой данные о форме волны боковой флуоресценции. Обучающие данные 72а, 72b, 72с о форме волны получают, например, посредством выполнения операции оператором, из измерительного блока 400, 500, из носителя 98 или через узел 15 I/F посредством коммуникационной сети. Когда получают обучающие данные 72а, 72b, 72с о форме волны, получают также информацию о том, на какой тип клетки указывают обучающие данные 72а, 72b, 72с о форме волны. Информация о том, какой тип клетки указан, может быть связанной с обучающими данными 72а, 72b, 72с о форме волны, или же может быть введена оператором посредством узла 16 ввода.

[0192] На стадии S211 узел 10А обработки создает обучающие данные 75 из данных 72а, 72b, 72с о форме волны и полученного значения метки 77.

[0193] На стадии S212 узел 10А обработки вводит обучающие данные 75 в нейронную сеть 50, чтобы получить результат испытания. Результат испытания накапливают каждый раз, когда каждый из множества фрагментов обучающих данных 75 вводится в нейронную сеть 50.

[0194] В способе анализа типа клетки в соответствии с настоящим вариантом осуществления используют сверточную нейронную сеть и используют метод стохастического градиентного спуска. Таким образом, на стадии S213 узел 10А обработки определяет, накоплены или нет результаты испытаний из предварительно установленного заданного количества раз испытаний. Когда результаты испытаний из заданного количества раз испытаний накоплены (ДА), узел 10А обработки переходит к процессу стадии S214. Когда результаты испытаний из заданного количества раз испытаний не накоплены (НЕТ), узел 10А обработки переходит к процессу стадии S215.

[0195] Затем, когда результаты испытаний из заданного количества раз испытаний были накоплены, узел 10А обработки обновляет на стадии S214 вес w связи нейронной сети 50, используя результаты обучения, накопленные на стадии S212. В способе анализа типа клетки в соответствии с настоящим вариантом осуществления, поскольку используют метод стохастического градиентного спуска, вес w связи нейронной сети 50 обновляют на том этапе, когда были накоплены результаты испытаний из заданного количества раз испытаний. Конкретно, процесс обновления веса w связи представляет собой процесс проведения вычислений в соответствии с методом градиентного спуска, представленным описанными далее формулой 12 и формулой 13.

[0196] На стадии S215 узел 10А обработки определяет, была или нет нейронная сеть 50 обучена с использованием заданного количества фрагментов обучающих данных 75. Когда обучение было выполнено с использованием заданного количества фрагментов обучающих данных 75 (ДА), процесс глубокого обучения заканчивается.

[0197] Когда нейронная сеть 50 не была обучена с использованием заданного количества фрагментов обучающих данных 75 (НЕТ), узел 10А обработки переходит от стадии S215 к стадии S216 и выполняет процессы от стадии S211 до стадии S215 по отношению к следующим обучающим данным о форме волны.

[0198] В соответствии с процессами, описанными выше, обучают нейронную сеть 50, в результате чего получают алгоритм 60 глубокого обучения.

(Структура нейронной сети)

[0199] Как описано выше, в настоящем варианте осуществления используют сверточную нейронную сеть. В (а) на ФИГ. 44 показан пример структуры нейронной сети 50. Нейронная сеть 50 включает в себя входной слой 50а, выходной слой 50b и средний слой 50с между входным слоем 50а и выходным слоем 50b. Средний слой 50с состоит из множества слоев. Число слоев, образующих средний слой 50с, может составлять, например, 5 или более, предпочтительно 50 или более, а более предпочтительно 100 или более.

[0200] В нейронной сети 50 между слоями соединено множество узлов 89, ранжированных по слоям. Соответственно, информация распространяется только в одном направлении, указанном стрелкой D на рисунке, от входного слоя 50а к выходному слою 50b.

(Арифметическая операция в каждом узле)

[0201] (b) на ФИГ. 44 представляет собой схематический рисунок, показывающий арифметические операции, выполняемые в каждом узле. Каждый узел 89 принимает множество вводов и рассчитывает один вывод (z). В случае примера, показанного в (b) на ФИГ. 44, узел 89 принимает четыре ввода. Общий ввод (u), принятый узлом 89, представлен формулой 2 ниже в качестве примера. В настоящем варианте осуществления в качестве обучающих данных 75 и данных 85 анализа используют одномерные матричные данные. Таким образом, когда переменные арифметического выражения соответствуют двумерным матричным данным, выполняют процесс преобразования переменных таким образом, чтобы они соответствовали одномерным матричным данным.

[Математическое выражение 2]

Каждый ввод умножают на различный вес. В формуле 2 b - это значение, называемое смещением. Вывод (z) узла служит в качестве вывода заданной функции f по отношению к общему вводу (и), представленному формулой 2, и представлен формулой 3 ниже. Функция f называется функцией активации.

[Математическое выражение 3]

(с) на ФИГ. 44 представляет собой схематический рисунок, показывающий арифметические операции между узлами. В нейронной сети 50 узлы, каждый из которых выводит результат (z), представленный формулой 3, по отношению к общему вводу (u) в узел 89, представленному формулой 2, ранжированы по слоям. Выводы из узлов предшествующего слоя служат вводами в узлы следующего слоя. В примере, показанном в (с) на ФИГ. 44, выводы узла 89а в левом слое служат вводами в узлы 89b в правом слое. Каждый узел 89b принимает выводы из узлов 89а. Связь между каждым узлом 89а и каждым узлом 89b умножают на различный вес. Когда соответствующие выводы из множества узлов 89а определяются как x1-x4, вводы в соответствующие три узла 89b представлены формулами с 4-1 по 4-3 ниже.

[Математическое выражение 4]

При обобщении формул с 4-1 по 4-3 получается формула4-4. Здесь i=1, …, I, j=1,…, J (I - общее число вводов, и J - общее число выводов).

[Математическое выражение 5]

При применении формулы 4-4 к функции активации получается вывод. Вывод представлен формулой 5 ниже.

[Математическое выражение 6]

(Функция активации)

В способе анализа типа клетки в соответствии с вариантом осуществления в качестве функции активации используют функцию блока линейной ректификации. Функция блока линейной ректификации представлена формулой 6 ниже.

[Математическое выражение 7]

Формула 6 представляет собой функцию, полученную при установке u=0 в часть u<0 в линейной функции с z=u. В примере, показанном в (с) на ФИГ. 44, с использованием формулы 6, вывод из узла j=1 представлен нижеприведенной формулой.

[Математическое выражение 8]

(Обучение нейронной сети)

Если функцию, выраженную с использованием нейронной сети, определяют как y(x:w), функция y(x:w) изменяется, когда изменяется параметр w нейронной сети. Коррекция функции y(x:w) таким образом, что нейронная сеть выбирает более подходящий параметр w применительно к вводу х, называется тренировкой/обучением нейронной сети. Принимают, что представлено множество пар ввода и вывода функции, выраженной с использованием нейронной сети. Если желательный вывод для ввода х определяют как d, пары ввода/вывода приведены как {(x1,d1), (x2,d2), …, (xn,dn)}. Набор пар, где каждая выражена как (x,d), называется обучающими данными. Конкретно, набор фрагментов данных о форме волны (данных о форме волны рассеянного вперед света, данных о форме волны рассеянного вбок света, данных о форме волны флуоресценции), показанный на ФИГ. 3, представляет собой обучающие данные, показанные на ФИГ. 3.

[0202] Обучение нейронной сети означает коррекцию веса w таким образом, что, применительно к любой паре ввода/вывода (xn,dn), вывод y(xn:w) нейронной сети при данном вводе xn становится как можно ближе к выводу dn. Функция ошибок является показателем близости

[Математическое выражение 9]

между обучающими данными и функцией, выраженной с использованием нейронной сети. Функцию ошибок также называют функцией потерь. Функция ошибок E(w), используемая в способе анализа типа клетки в соответствии с вариантом осуществления, представлена нижеприведенной формулой 7. Формула 7 называется перекрестной энтропией.

[Математическое выражение 10]

Далее будет описан способ расчета перекрестной энтропии формулы 7. В выходном слое 50b нейронной сети 50, используемой в способе анализа типа клетки в соответствии с вариантом осуществления, т.е. в последнем слое нейронной сети, используют функцию активации для классификации ввода х на конечное количество классов в соответствии с содержимым. Функция активации обозначена как функция softmax и представлена ниже формулой 8. Принимают, что в выходном слое 50b узлы ранжированы по такому же числу, как число классов k. Принимают, что общий ввод и из каждого узла k (k=1, …, K) выходного слоя L дан как uk^(L) из выводов из предшествующего слоя L-1. Соответственно, вывод из k-того узла в выходном слое представлен ниже формулой 8.

[Математическое выражение 11]

Формула 8 представляет собой функцию softmax. Сумма выводов y1, …, yK, определенная по формуле 8, всегда составляет 1.

[0203] Когда каждый класс выражается как С1, …, CK, вывод yK из узла k в выходном слое L (т.е. uk^(L) представляет вероятность, с которой данный ввод х принадлежит к классу CK См. формулу 9 ниже. Ввод х классифицируют в тот класс, в котором вероятность, представленная формулой 9, становится наивысшей.

[Математическое выражение 12]

При обучении нейронной сети функцию, выраженную нейронной сетью, рассматривают в качестве модели апостериорной вероятности каждого класса, и правдоподобие веса w применительно к обучающим данным оценивают в такой вероятностной модели, и выбирают вес w, максимизирующий правдоподобие.

[0204] Принимают, что целевой вывод dn посредством функции softmax формулы 8 составляет 1 только тогда, когда вывод представляет собой правильный класс, а в ином случае целевой вывод dn составляет 0. Когда целевой вывод выражен в векторной форме dn=[dn1, …, dnK], если, например, правильный класс ввода xn представляет собой С3, только целевой вывод dn3 становится 1, а другие целевые выводы становятся 0. Когда выполняют кодирование этим способом, апостериорное распределение представлено ниже формулой 10.

[Математическое выражение 13]

Правдоподобие L(w) веса w применительно к обучающим данным {(xn, dn)}(n=1,…, N) представлено ниже формулой 11. При взятии логарифма правдоподобия L(w) и смене знака выводится функция ошибок формулы 7.

[Математическое выражение 14]

Обучение означает минимизацию функции ошибок E(w), рассчитанной на основании обучающих данных, применительно к параметру w нейронной сети. В способе анализа типа клетки в соответствии с вариантом осуществления функция ошибок E(w) представлена формулой 7.

[0205] Минимизация функции ошибок E(w) применительно к параметру w имеет такое же значение, как и нахождение точки локального минимума функции E(w). Параметр w представляет собой вес связи между узлами. Точку локального минимума веса w получают посредством итерационного расчета повторяющегося обновления параметра w от произвольного исходного значения, используемого в качестве начальной точки. Одним примером такого расчета является метод градиентного спуска.

[0206] В методе градиентного спуска используют вектор, представленный ниже формулой 12.

[Математическое выражение 15]

В методе градиентного спуска процесс продвижения значения текущего параметра w в направлении отрицательного градиента (т.е. -VE) повторяют множество раз. Когда текущий вес составляет w^(t), а вес после продвижения составляет w^(t+1), арифметическая операция в соответствии с методом градиентного спуска представлена нижеприведенной формулой 13. Значение t означает число раз продвижения параметра w.

[Математическое выражение 16]

Символ

[Математическое выражение 17]

представляет собой константу, которая определяет размах обновленной величины параметра w и называется коэффициентом обучения. В результате повторения арифметической операции, представленной формулой 13, функция ошибок E(w^(t)) уменьшается в связи с увеличением значения t, и параметр w достигает точки локального минимума.

[0207] Следует отметить, что арифметическую операцию в соответствии с формулой 13 можно выполнять для всех обучающих данных (n=1, …, N) или можно выполнять только для части обучающих данных. Метод градиентного спуска, выполняемый только для части обучающих данных, называется методом стохастического градиентного спуска. В способе анализа типа клетки в соответствии с вариантом осуществления используют метод стохастического градиентного спуска.

[4. Конструирование модели глубокого обучения]

[0208] Используя Sysmex XN-1000, кровь, собранную от здорового индивидуума, измеряли в качестве пробы здоровой крови, а в качестве пробы нездоровой крови измеряли XN CHECK Lv2 (контрольную кровь из Streck (подвергнутую обработке, такой как фиксация)). В качестве окрашивающего реагента для флуоресценции использовали Fluorocell WDF, изготовленный компанией Sysmex Corporation. В качестве гемолитического средства использовали Lysercell WDF, изготовленный компанией Sysmex Corporation. Для каждой клетки, содержащейся в каждом биологическом образце, данные о форме волны рассеянного вперед света, рассеянного вбок света и боковой флуоресценции получали в 1024 точках с интервалом 10 наносекунд от начала измерения рассеянного вперед света. Применительно к пробе здоровой крови, данные о форме волны клеток в крови, собранной от 8 здоровых индивидуумов, пулировали в форме цифровых сигналов. Применительно к данным о форме волны каждой клетки, классификацию нейтрофилов (НЕЙТР.), лимфоцитов (ЛИМФ.), моноцитов (МОНОЦ.), эозинофилов (ЭОЗ.), базофилов (BASO) и незрелых гранулоцитов (IG) выполняли вручную, и каждому фрагменту данных о форме волны присваивали аннотацию (присваивание метки) типа клетки. Временную точку, в которой интенсивность сигнала рассеянного вперед света превышала порог, определяли как временную точку начала измерения, и временные точки получения фрагментов данных о форме волны рассеянного вперед света, рассеянного вбок света и боковой флуоресценции синхронизировали друг с другом, создавая обучающие данные. Кроме того, контрольную кровь снабжали аннотацией «происходящая из контрольной крови клетка (КОНТР.)». Обучающие данные вводили в алгоритм глубокого обучения с тем, чтобы провести его обучение.

[0209] Применительно к клеткам крови другого здорового индивидуума, отличного от того здорового индивидуума, от которого получили обучающие данные клеток, аналитические данные о форме волны получали посредством Sysmex XN-1000 способом, сходным со способом для обучающих данных. Данные о форме волны, происходящие из контрольной крови, смешивали, создав данные анализа. Эти данные анализа вводили в сконструированный алгоритм глубокого обучения и получали данные о типах индивидуальных клеток.

[0210] На ФИГ. 45 показан результат в виде смешанной матрицы. Горизонтальная ось представляет результат определения сконструированным алгоритмом глубокого обучения, а вертикальная ось представляет результат определения, полученный вручную человеком (эталонного способа). Несмотря на то, что применительно к результату определения сконструированным алгоритмом глубокого обучения наблюдали небольшую путаницу между базофилами и лимфоцитами и между базофилами и тенями, результат определения сконструированным алгоритмом глубокого обучения продемонстрировал степень совпадения 98,8% с результатом определения эталонным способом.

[0211] Затем, применительно к каждому типу клеток выполняли анализ ROC и оценивали чувствительность и специфичность. В (а) на ФИГ. 46 показана кривая ROC нейтрофила, в (b) на ФИГ. 46 показана кривая ROC лимфоцита, в (с) на ФИГ. 46 показана кривая ROC моноцита, в (а) на ФИГ. 47 показана кривая ROC нейтрофила, в (b) на ФИГ. 47 показана кривая ROC базофила, и в (с) на ФИГ. 47 показана кривая ROC контрольной крови (КОНТР.). Чувствительность и специфичность составляли, соответственно, 99,5% и 99,6% для нейтрофилов, 99,4% и 99,5% для лимфоцитов, 98,5% и 99,9% доя моноцитов, 97,9% и 99,8% для эозинофилов, 71,0% и 81,4% для базофилов и 99,8% и 99,6% для контрольной крови (КОНТР.). Это было хорошими результатами.

[0212] Из вышеприведенных результатов выяснили, что типы клеток можно определять с высокой точностью классификации, используя алгоритм глубокого обучения, на основании сигналов, полученных от клеток, содержащихся в биологическом образце, и на основании данных о форме волны.

[0213] Кроме того, в некоторых случаях, где клетки нездоровой крови, такой как контрольная кровь, смешивались с клетками здоровой крови, было сложно по обычной диаграмме рассеяния определять тип каждой индивидуальной клетки. Однако было показано, что при использовании алгоритма глубокого обучения из настоящего варианта осуществления даже тогда, когда клетки нездоровой крови смешивались с клетками здоровой крови, можно было определить каждую индивидуальную клетку.

[5. Система анализа с использованием анализатора изображений]

[0214] Далее будет описан вариант осуществления, в котором в качестве анализатора клеток использован анализатор изображений. Третий анализатор 4000'' клеток, представляющий собой анализатор изображений, анализирует данные захваченных изображений, таким образом оценивая тип клетки для каждой клетки, изображение которой было захвачено.

[0215] На ФИГ. 48 показан пример конфигурации анализатора 4000'' клеток. Анализатор 4000'' клеток, показанный на ФИГ. 48, включает в себя измерительный блок 700 и обрабатывающий блок 800, измеряет пробу 901, подготовленную посредством предварительной обработки устройством 900 предварительной обработки, и выполняет анализ.

[0216] Измерительный блок 700 включает в себя проточную ячейку 710, источники 720-723 света, конденсаторные линзы 730-733, дихроические зеркала 740-741, конденсаторную линзу 750, оптический блок 751, конденсаторную линзу 752 и визуализирующий узел 760. Пробу 701 вынуждают протекать в протоке 711 проточной ячейки 710.

[0217] Каждый из источников 720-723 света подает свет на пробу 701, протекающую в проточной ячейке 710. Каждый из источников 720-723 света реализован, например, источником света в виде полупроводникового лазера. Свет с длинами волн λ11-λ14 излучают соответственно из источников 720-723 света. Конденсаторные линзы 730-733 конденсируют свет с длинами волн λ11-λ14, излученный соответственно из источников 720-723 света. Дихроическое зеркало 740 позволяет проходить сквозь него свету с длиной волны λ11 и отражает свет с длиной волны λ12. Дихроическое зеркало 741 позволяет проходить сквозь него свету с длиной волны λ11 и λ12 и отражает свет с длиной волны λ13. Таким образом, разным светом с длинами волн λ11-λ14 воздействуют на пробу 701, протекающую в протоке 711 проточной ячейки 710. Количество источников света в виде полупроводниковых лазеров измерительного блока 700 конкретно не ограничено, при условии, что их число составляет 1 или более. Количество источников света в виде полупроводниковых лазеров может быть выбрано, например, из 1, 2, 3, 4, 5 или 6.

[0218] В случае, когда проба 701, протекающая в проточной ячейке 710, была окрашена флуоресцентным красителем, когда разным светом с длинами волн λ11-λ13 воздействуют на пробу 701, образуется флуоресценция от флуоресцентного красителя, окрашивающего каждую клетку. Например, образуется флуоресценция с длинами волн λ21, λ22, λ23, соответствующими длинам волн λ11, λ12, λ13 соответственно. Когда светом с длиной волны λ14 воздействуют на пробу 701, протекающую в проточной ячейке 710, этот свет проходит через каждую клетку. Пропускаемый свет, имеющий длину волны λ14 и прошедший через клетку, используют для создания светлопольного изображения.

[0219] Конденсаторная линза 750 конденсирует флуоресценции, образовавшиеся от пробы 701, протекающей в протоке 711 проточной ячейки 710, и пропускаемый свет, прошедший через пробу 701, протекающую в протоке 711 проточной ячейки 710. Оптический блок 751 имеет конфигурацию, в которой скомбинированы четыре дихроических зеркала. Четыре дихроических зеркала оптического блока 751 отражают флуоресценции и пропускаемый свет под углами, немного отличающимися друг от друга, чтобы разделять их на принимающей свет поверхности визуализирующего узла 760. Конденсаторная линза 752 конденсирует флуоресценции и пропускаемый свет.

[0220] Визуализирующий узел 760 реализован камерой TDI (с временной задержкой и накоплением). Визуализирующий узел 760 может захватывать изображения флуоресценций и пропускаемого света и выводить в обрабатывающий блок 800 изображение флуоресценции, соответствующее флуоресценциям, и светлопольное изображение, соответствующее пропускаемому свету, в качестве сигналов визуализации.

[0221] Обрабатывающий блок 800 включает в себя узел 811 обработки, хранилище 812, узел интерфейса 816 и шину 815, в качестве конфигурации аппаратных средств. Узел 811 обработки, хранилище 812 и узел интерфейса 816 соединены с шиной 815. Данные изображений (например, изображения флуоресценции, светлопольного изображения), сформированные сигналами визуализации, захваченными визуализирующим узлом 760 измерительного блока 700, сохраняются в хранилище 812 через узел интерфейса 816. Узел 811 обработки считывает данные изображений из хранилища 812 и анализирует эти данные изображений.

[0222] На ФИГ. 49 показан пример конфигурации узла 811 обработки. Узел 811 обработки включает в себя, например, процессор 8111, процессор 8112 для параллельной обработки и ОЗУ 8113. Процессор 8111, процессор 8112 для параллельной обработки и ОЗУ 8113 имеют конфигурации и функции, сходные с описанными выше процессором 4831, процессором 4833 для параллельной обработки и ОЗУ 4834 соответственно. Данные изображений, захваченные визуализирующим узлом 760, анализируют процессором 8111 и процессором 8112 для параллельной обработки. Процессор 8112 для параллельной обработки исполняет, например, посредством процессов, показанных в качестве примера на ФИГ. 16, ФИГ. 17 и ФИГ. 18, арифметические процессы для матричных данных, относящихся к данным изображений, параллельно множеством арифметических блоков.

[0223] Обрабатывающий блок 800 не обязательно должен иметь функции (процессора 8111, процессора 8112 для параллельной обработки и ОЗУ 8113) узла 811 обработки, и эти функции может иметь измерительный блок 700.

<Создание обучающих данных>

[0224] Далее будет описан пример создания обучающих данных в настоящем варианте осуществления.

[0225] Предпочтительно, обучающие изображения, подлежащие использованию для обучения алгоритма глубокого обучения, захватывают в цветах RGB, в цветах CMY или т.п.Предпочтительно, в отношении цветного изображения, темноту/бледность или яркость каждого из первичных цветов, таких как красный, зеленый и синий, или голубой, пурпурный и желтый, выражают 24-битным значением (8 бит × 3 цвета). Достаточно, чтобы каждое обучающее изображение включало по меньшей мере один оттенок и темноту/бледность или яркость такого оттенка, но более предпочтительно, оно включает по меньшей мере два оттенка и темноту/бледность или яркость каждого оттенка. Информацию, включающую оттенок и темноту/бледность или яркость оттенка, также называют тоном.

[0226] Информацию о тоне каждого пикселя в обучающем изображении преобразуют, например, из цветов RGB в формат, который включает информацию о яркости и информацию об оттенке. Примеры формата, включающего информацию о яркости и информацию об оттенке, включают YUV (YCbCr, YPbPr, YIQ и т.д.). Здесь будет описан пример преобразования в формат YCbCr. Обучающее изображение, захваченное в цветах RGB, преобразуют в данные изображений, основанные на яркости, данные изображений, основанные на первом оттенке (например, синеватом цвете), и данные изображений, основанные на втором оттенке (например, красноватом цвете). Преобразование из RGB в YCbCr может выполняться известным способом. Например, преобразование из RGB в YCbCr можно выполнять в соответствии с международным стандартом ITU-R ВТ.601. Данные изображений, основанные на яркости, данные изображений, основанные на первом оттенке, и данные изображений, основанные на втором оттенке, можно выражать в форме матричных данных значений градации, как показано на ФИГ. 50 (далее также называемых матричными данными 72у, 72cb, 72cr тона). Данные изображений, основанные на яркости, данные изображений, основанные на первом оттенке, и данные изображений, основанные на втором оттенке, можно выражать в 256 градациях, состоящих, например, из градаций от 0 до 255. В данном случае, вместо яркости, первого оттенка и второго оттенка, обучающее изображение можно конвертировать в три первичных цвета из красного R, зеленого G и синего В, или в три первичных цвета пигмента голубого С, пурпурного М и желтого Y.

[0227] Затем, на основании матричных данных 72у, 72cb, 72cr тона, для каждого пикселя создают векторные данные 74 тона посредством комбинирования трех значений градации яркости 72у, первого оттенка 72cb и второго оттенка 72cr.

[0228] Затем, например, предполагая, что в обучающем изображении захвачено изображение сегментоядерного нейтрофила, каждому фрагменту векторных данных 74 тона, созданных из обучающего изображения, присваивают «1» в качестве значения метки 77, указывающего на сегментоядерный нейтрофил, в результате чего получают обучающие данные 75. На ФИГ. 50, для удобства, обучающие данные 75 выражены в виде 3 пикселя × 3 пикселя. Однако, фактически, векторные данные тона существуют по числу пикселей, с которым было захвачено обучающее изображение.

[0229] На ФИГ. 51 показан пример значения метки 77. Что касается значения метки, то присваивают значение метки 77, которое является различным в соответствии с типом клетки и присутствием или отсутствием признака каждой клетки.

<Общая схема глубокого обучения>

[0230] Со ссылкой на ФИГ. 50, используемую в качестве примера, будет описана общая схема обучения нейронной сети. Нейронная сеть 50 предпочтительно представляет собой сверточную нейронную сеть. Количество узлов входного слоя 50а в нейронной сети 50 соответствует произведению числа пикселей в обучающих данных 75, подлежащих введению, и числа яркостей и оттенков, включенных в изображение (например, в вышеуказанном примере - трех, т.е. яркости 72у, первого оттенка 72cb и второго оттенка 72cr). Фрагменты векторных данных 74 тона вводят в форме их набора 76 во входной слой 50а нейронной сети 50. Нейронную сеть 50 обучают с использованием, для выходного слоя 50b нейронной сети, значения метки 77 каждого пикселя обучающих данных 75.

[0231] На основании обучающих данных 75 нейронная сеть 50 извлекает количественные значения признака, относящегося к морфологическим типам клеток и признакам клетки. Выходной слой 50b нейронной сети выводит результат, отражающий эти количественные значения признака.

[0232] Ссылочная позиция 50с на ФИГ. 50 представляет средний слой.

[0233] Алгоритм 60 глубокого обучения с обученной таким образом нейронной сетью 60 используют в качестве дискриминатора для идентификации того, какому из множества типов клеток, которые принадлежат к заданной группе клеток и которые морфологически классифицированы, соответствует клетка-цель анализа.

<Способ анализа изображения>

[0234] На ФИГ. 52 показан пример способа анализа изображения. В способе анализа изображения данные 81 анализа создают из изображения для анализа, полученного при захвате изображения клетки-цели анализа. Изображение для анализа - это изображение, полученное при захвате изображения клетки-цели анализа.

[0235] Например, предпочтительно, в настоящем варианте осуществления изображение, захваченное визуализирующим устройством, выполнено в цветах RGB, цветах CMY и т.п. Предпочтительно, что касается цветного изображения, темноту/бледность или яркость каждого из первичных цветов, таких как красный, зеленый и синий, или голубой, пурпурный и желтый, выражают 24-битным значением (8 бит × 3 цвета). Достаточно, чтобы изображение для анализа включало по меньшей мере один оттенок и темноту/бледность или яркость такого оттенка, но более предпочтительно, оно включает по меньшей мере два оттенка и темноту/бледность или яркость каждого оттенка. Информацию, включающую оттенок и темноту/бледность или яркость оттенка, также называют тоном.

[0236] Например, выполняют преобразование из цветов RGB в формат, который включает информацию о яркости и информацию об оттенке. Примеры формата, включающего информацию о яркости и информацию об оттенке, включают YUV (YCbCr, YPbPr, YIQ и т.д.). Здесь будет описан пример преобразования в формат YCbCr. Обучающее изображение в цветах RGB преобразуют в данные изображения, основанные на яркости, данные изображения, основанные на первом оттенке (например, синеватом цвете), и данные изображения, основанные на втором оттенке (например, красноватом цвете). Преобразование из RGB в YCbCr можно выполнять известным способом. Например, преобразование из RGB в YCbCr можно выполнять в соответствии с международным стандартом ITU-R ВТ.601. Фрагменты данных изображения, соответствующие яркости, первому оттенку и второму оттенку соответственно, можно выражать в форме матричных данных значений градации, как показано на ФИГ. 52 (далее называемых матричными данными 79у, 79cb, 79cr тона). Яркость, первый оттенок и второй оттенок 72Cr можно выражать в 256 градациях, состоящих из градаций от 0 до 255. В данном случае, вместо яркости, первого оттенка и второго оттенка, обучающее изображение можно конвертировать в три первичных цвета из красного R, зеленого G и синего В, или в три первичных цвета пигмента голубого С, пурпурного М и желтого Y.

[0237] Затем, на основании матрицы 79у, 79cb, 79cr тона, для каждого пикселя создают векторные данные 80 тона комбинированием трех значений градации яркости 79у, первого оттенка 79cb и второго оттенка 79cr. В качестве данных 81 анализа создают набор векторных данных 80 тона, созданный из одного изображения для анализа.

[0238] Предпочтительно, создание данных 81 анализа и создание обучающих данных 75 выполняют по меньшей мере при таких же условиях захвата изображения и таких же условиях создания векторных данных, которые вводятся из каждого изображения в нейронную сеть.

[0239] Данные 81 анализа вводят во входной слой 60а нейронной сети 60, образующей обученный алгоритм 60 глубокого обучения. Алгоритм глубокого обучения извлекает количественные значения признака из данных 81 анализа и выводит результат из выходного слоя 60b нейронной сети 60. Значение, выводимое из выходного слоя 60b, представляет собой вероятность, с которой клетка-цель анализа, включенная в изображение для анализа, принадлежит к каждой из морфологических классификаций клеток и признаков, введенных в качестве обучающих данных.

[0240] Клетка-цель анализа, включенная в изображение для анализа, определяется как принадлежащая к морфологической классификации, имеющей самое высокое значение среди вероятностей, и выводится значение метки, связанное с морфологическим типом клетки или признаком клетки. Само значение метки или данные, полученные путем замены значения метки на информацию (например, термин), указывающую(ий) морфологический тип клетки или присутствие или отсутствие признака клетки, выводят в качестве результата 83 анализа в отношении морфологии клетки. На ФИГ. 52, на основании данных 81 анализа, значение метки «1» выводится дискриминатором в качестве значения метки 82, имеющего наибольшую вероятность, и в качестве результата 83 анализа в отношении морфологии клетки выводятся символьные данные «сегментоядерный нейтрофил», соответствующие этому значению метки.

[0241] Ссылочная позиция 60с на ФИГ. 52 представляет средний слой.

[6. Другие варианты осуществления]

[0242] Хотя были описаны общие схемы и конкретные варианты осуществления настоящего изобретения, настоящее изобретение не ограничено описанными выше общими схемами и вариантами осуществления.

[0243] В вышеуказанных вариантах осуществления функциональные блоки узла 101 создания обучающих данных, узла 102 ввода обучающих данных, узла 103 обновления алгоритма, узла 201 создания данных анализа, узла 202 ввода данных анализа и узла 203 анализа исполняются в единственном процессоре 4831 и единственном процессоре 4833 для параллельной обработки. Однако эти функциональные блоки не обязательно должны исполняться в единственном процессоре и единственном процессоре для параллельной обработки, и они могут исполняться распределенным образом множеством процессоров и множеством процессоров для параллельной обработки.

[0244] В вышеуказанных вариантах осуществления программа для выполнения процесса стадий, описанных со ссылкой на ФИГ. 43, заранее сохранена в хранилище 4835. Вместо этого, программа может быть установлена в контроллер 480 измерительного блока с машиночитаемого невременного материального носителя 98 информации, например, такого как DVD-ROM или память USB. Альтернативно, контроллер 480 измерительного блока может быть соединен с коммуникационной сетью 99, и программа может быть загружена и инсталлирована через коммуникационную сеть 99, например, с внешнего сервера (не показан).

[0245] На ФИГ. 53 показан вариант результата анализа. На ФИГ. 53 показаны: типы клеток, содержащихся в биологической пробе, измеренной методом проточной цитометрии, которым присвоены значения метки, показанные на ФИГ. 4; и число клеток каждого типа. Вместо отображения числа клеток, или совместно с отображением числа клеток, можно выводить долю (например, %) каждого типа клеток относительно суммарного числа клеток, которые были подсчитаны. Счет числа клеток можно получить путем подсчета числа значений метки (числа одинаковых значений метки), соответствующих каждому типу клетки, который был выведен. В итоговом результате может быть выведено предупреждение, указывающее, что в биологической пробе содержатся аномальные клетки. На ФИГ. 53 показан пример, в котором в качестве предупреждения в столбце аномальной клетки представлен восклицательный знак, однако такое предупреждение не ограничено этим. Кроме того, распределение каждого типа клеток можно наносить на график в форме диаграммы рассеяния, и диаграмму рассеяния можно выводить. При выведении диаграммы рассеяния, например, самые высокие значения во время получения интенсивностей сигнала могут быть нанесены на график, например, где вертикальная ось представляет интенсивность боковой флуоресценции, а горизонтальная ось представляет интенсивность рассеянного вбок света.

ОПИСАНИЕ ССЫЛОЧНЫХ ПОЗИЦИЙ

[0246] 50 - алгоритм глубокого обучения до подвергания обучению

60 - обученный алгоритм глубокого обучения

400, 400а, 500, 500а, 700 - измерительный блок

410 - ПЦМ-детектор

450 - узел всасывания образцов

482, 507, 3008, 6009 - AID преобразователь

3001, 4831, 6001, 8111 - процессор (ведущий процессор)

3002, 4833, 6002, 8112 - процессор для параллельной обработки

4000, 4000', 4000'' - анализатор клеток

3200, 6200, 4836 - арифметический блок

Группа изобретений относится к области вычислительной техники и может быть использована для анализа клеток. Техническим результатом является обеспечение требуемой производительности обработки данных, имеющих увеличенное количество информации о клетке. Способ осуществляется с использованием анализатора клеток, содержащего первый процессор, второй процессор и проточный цитометр, и содержит: получение на основании управления первым процессором матричных данных о каждой из множества клеток в образце посредством протекания образца в протоке, облучаемом лучом света, и детектирования сигналов от облучаемых клеток в образце, причем матричные данные имеют в качестве элементов матричных данных значения, каждое из которых соответствует интенсивности сигнала, полученной во временной точке, пока клетку облучают в протоке; исполнение вторым процессором параллельной обработки для обработки матричных данных в соответствии с алгоритмом искусственного интеллекта, содержащим множество матричных операций; и классифицирование первым процессором на основе результата параллельной обработки вторым процессором типа клетки для каждой из множества клеток. 2 н. и 28 з.п. ф-лы, 53 ил.

1. Способ анализа клеток с использованием анализатора клеток, содержащего первый процессор, второй процессор и проточный цитометр, включающий:

получение на основании управления первым процессором матричных данных о каждой из множества клеток в образце посредством протекания образца в протоке, облучаемом лучом света, и детектирования сигналов от облучаемых клеток в образце, причем матричные данные имеют в качестве элементов матричных данных значения, каждое из которых соответствует интенсивности сигнала, полученной во временной точке, пока клетку облучают в протоке;

исполнение вторым процессором параллельной обработки для обработки матричных данных в соответствии с алгоритмом искусственного интеллекта (ИИ), содержащим множество матричных операций; и

классифицирование первым процессором на основе результата параллельной обработки вторым процессором типа клетки для каждой из множества клеток.

2. Анализатор клеток, оборудованный проточным цитометром, содержащий:

измерительный блок, выполненный с возможностью измерения множества клеток, содержащихся в образце;

первый процессор, выполненный с возможностью осуществления обработки информации, относящейся к анализу множества клеток; и

второй процессор, выполненный с возможностью осуществления параллельной обработки, причем

измерительный блок получает матричные данные о каждой из множества клеток посредством протекания образца в протоке, облучаемом лучом света, и детектирования сигналов от облучаемых клеток в образце, причем матричные данные имеют в качестве элементов матричных данных значения, каждое из которых соответствует интенсивности сигнала, полученной во временной точке, пока клетку облучают в протоке,

второй процессор исполняет параллельную обработку для обработки матричных данных в соответствии с алгоритмом искусственного интеллекта (ИИ), содержащим множество матричных операций, и

первый процессор классифицирует на основании результата параллельной обработки вторым процессором тип клетки для каждой из множества клеток.

3. Анализатор клеток по п. 2, причем анализатор клеток содержит источник света для облучения проходящих по протоку клеток светом и детектор, принимающий оптический сигнал, подаваемый из источника света.

4. Анализатор клеток по п. 2, причем детектор принимает множество типов оптических сигналов.

5. Анализатор клеток по п. 2, включающий передачу данных во второй процессор через линию передачи, входящую в состав анализатора клеток.

6. Анализатор клеток по п. 2, включающий передачу данных во второй процессор через линию передачи, отличную от Интернета или интранета.

7. Анализатор клеток по п. 2, причем линия передачи имеет ширину полосы канала связи не менее 1 гигабит/секунду.

8. Анализатор клеток по п. 2, причем линия передачи представляет собой шину, и данные передаются во второй процессор через шину.

9. Анализатор клеток по любому из пп. 5-8, причем во второй процессор через линию передачи передаются данные, полученные посредством преобразования аналогового сигнала, относящегося к каждой из множества клеток, измеренных проточным цитометром.

10. Анализатор клеток по любому из пп. 2-6, причем информация включает идентификатор для идентификации типа клетки.

11. Анализатор клеток по любому из пп. 2-8, причем информация включает вероятность, с которой клетка принадлежит к каждому из множества типов клеток.

12. Анализатор клеток по любому из пп. 2-9, включающий передачу результата анализа, включая идентификатор для идентификации типа клетки, в обрабатывающий блок, который выполняет анализ результата анализа.

13. Анализатор клеток по любому из пп. 2-10, включающий передачу результата анализа, включая вероятность, с которой клетка принадлежит к каждому из множества типов клеток, в обрабатывающий блок, который выполняет анализ результата анализа.

14. Анализатор клеток по любому из пп. 2-11, причем второй процессор исполняет, параллельно в качестве параллельной обработки, множество арифметических процессов, относящихся к анализу данных.

15. Анализатор клеток по любому из пп. 2-12, причем второй процессор имеет множество арифметических блоков, каждый из которых способен к исполнению арифметического процесса, относящегося к анализу данных, и второй процессор исполняет, параллельно в качестве параллельной обработки, арифметические процессы посредством соответствующих арифметических блоков.

16. Анализатор клеток по любому из пп. 2-14, причем алгоритм искусственного интеллекта представляет собой алгоритм глубокого обучения.

17. Анализатор клеток по любому из пп. 2-14, причем второй процессор исполняет, параллельно в качестве параллельной обработки, процесс фильтрации для извлечения признака данных.

18. Анализатор клеток по любому из пп. 2-17, причем алгоритм искусственного интеллекта представляет собой алгоритм глубокого обучения, и второй процессор исполняет, параллельно в качестве параллельной обработки, множество арифметических процессов в сверточном слое в алгоритме глубокого обучения.

19. Анализатор клеток по любому из пп. 2-16, причем второй процессор исполняет параллельную обработку в соответствии с разовым заказом.

20. Анализатор клеток по любому из пп. 2-19, причем второй процессор исполняет множество матричных операций для каждого фрагмента матричных данных.

21. Анализатор клеток по любому из пп. 2-19, причем второй процессор исполняет по меньшей мере 100 матричных операций для каждого фрагмента матричных данных.

22. Анализатор клеток по любому из пп. 2-19, причем второй процессор исполняет по меньшей мере 1000 матричных операций для каждого фрагмента матричных данных.

23. Анализатор клеток по любому из пп. 2-22, причем второй процессор анализирует матричные данные, соответствующие каждой из по меньшей мере 100 упомянутых клеток.

24. Анализатор клеток по любому из пп. 2-22, причем второй процессор анализирует матричные данные, соответствующие каждой из по меньшей мере 1000 упомянутых клеток.

25. Анализатор клеток по любому из пп. 2-24, причем второй процессор анализирует матричные данные, имеющие объем по меньшей мере 1 гигабайт.

26. Анализатор клеток по любому из пп. 2-25, причем второй процессор имеет по меньшей мере 10 арифметических блоков, каждый из которых способен к исполнению арифметического процесса, относящегося к анализу матричных данных, и второй процессор исполняет, параллельно в качестве параллельной обработки, арифметические процессы посредством соответствующих арифметических блоков.

27. Анализатор клеток по любому из пп. 2-25, причем второй процессор имеет по меньшей мере 100 арифметических блоков, каждый из которых способен к исполнению арифметического процесса, относящегося к анализу матричных данных, и второй процессор исполняет, параллельно в качестве параллельной обработки, арифметические процессы посредством соответствующих арифметических блоков.

28. Анализатор клеток по любому из пп. 2-25, причем второй процессор имеет по меньшей мере 1000 арифметических блоков, каждый из которых способен к исполнению арифметического процесса, относящегося к анализу матричных данных, и второй процессор исполняет, параллельно в качестве параллельной обработки, арифметические процессы посредством соответствующих арифметических блоков.

29. Анализатор клеток по любому из пп. 2-28, причем второй процессор исполняет параллельную обработку с использованием, в качестве ввода, матричных данных, считанных из памяти, имеющей емкость по меньшей мере 1 гигабайт.

30. Анализатор клеток по любому из пп. 2-29, причем данные о клетке в образце представляют собой комбинацию фрагментов данных, основанных на множестве видов сигналов, полученных от клетки.