JP3213097B2 - 粒子分析装置及び方法 - Google Patents
粒子分析装置及び方法Info
- Publication number
- JP3213097B2 JP3213097B2 JP35989392A JP35989392A JP3213097B2 JP 3213097 B2 JP3213097 B2 JP 3213097B2 JP 35989392 A JP35989392 A JP 35989392A JP 35989392 A JP35989392 A JP 35989392A JP 3213097 B2 JP3213097 B2 JP 3213097B2
- Authority
- JP
- Japan
- Prior art keywords
- distribution data
- data
- similarity
- particle
- equation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 239000002245 particle Substances 0.000 title claims description 102
- 238000000034 method Methods 0.000 title claims description 10
- 238000009826 distribution Methods 0.000 claims description 142
- 238000003908 quality control method Methods 0.000 claims description 15
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 201000010099 disease Diseases 0.000 claims description 12
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 12
- 210000000601 blood cell Anatomy 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000013441 quality evaluation Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 8
- 239000000126 substance Substances 0.000 description 8
- 230000007423 decrease Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 4
- 238000007405 data analysis Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000000265 leukocyte Anatomy 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000005315 distribution function Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 210000003714 granulocyte Anatomy 0.000 description 2
- 210000004698 lymphocyte Anatomy 0.000 description 2
- 210000001616 monocyte Anatomy 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000013643 reference control Substances 0.000 description 2
- 206010018910 Haemolysis Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 230000008588 hemolysis Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/1031—Investigating individual particles by measuring electrical or magnetic effects
- G01N15/12—Investigating individual particles by measuring electrical or magnetic effects by observing changes in resistance or impedance across apertures when traversed by individual particles, e.g. by using the Coulter principle
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1456—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
- G01N15/1459—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals the analysis being performed on a sample stream
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
- G01N2015/016—White blood cells
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1019—Associating Coulter-counter and optical flow cytometer [OFC]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/1031—Investigating individual particles by measuring electrical or magnetic effects
- G01N15/12—Investigating individual particles by measuring electrical or magnetic effects by observing changes in resistance or impedance across apertures when traversed by individual particles, e.g. by using the Coulter principle
- G01N2015/139—Measuring the ratio of AC/DC impedances
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N2015/1477—Multiparameters
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、粒子分析装置及び方法
に関し、特に粒子分析の結果として得られた分布データ
が、基準となる分布データにどの程度類似しているかを
数値化することができる装置及び方法に関する。
に関し、特に粒子分析の結果として得られた分布データ
が、基準となる分布データにどの程度類似しているかを
数値化することができる装置及び方法に関する。
【０００２】
【従来の技術】従来、粒子分析装置としては、例えば複
数の粒子個々に対して、それぞれ測定データを得て、こ
れら測定データの違いに基づき粒子を分類するものがあ
る。例えば、粒子として血球を使用する場合、血球が懸
濁している検体を粒子検出部に順次供給し、粒子を検出
するごとに、粒子検出部が例えば２種類のデータＸ１、
Ｘ２を発生する。これら各粒子ごとに得られたデータＸ
１、Ｘ２を、特徴パラメータ空間における分布データに
変換する。ここで、分布データは、データＸ１、Ｘ２を
それぞれ座標軸とする二次元スキャッタグラムデータＦ
（Ｘ１、Ｘ２）である。このスキャッタグラムに基づい
て、血球を例えば顆粒球、リンパ球、単球等に分類す
る。
数の粒子個々に対して、それぞれ測定データを得て、こ
れら測定データの違いに基づき粒子を分類するものがあ
る。例えば、粒子として血球を使用する場合、血球が懸
濁している検体を粒子検出部に順次供給し、粒子を検出
するごとに、粒子検出部が例えば２種類のデータＸ１、
Ｘ２を発生する。これら各粒子ごとに得られたデータＸ
１、Ｘ２を、特徴パラメータ空間における分布データに
変換する。ここで、分布データは、データＸ１、Ｘ２を
それぞれ座標軸とする二次元スキャッタグラムデータＦ
（Ｘ１、Ｘ２）である。このスキャッタグラムに基づい
て、血球を例えば顆粒球、リンパ球、単球等に分類す
る。
【０００３】上記の粒子分析装置では、スキャッタグラ
ムの分布パターンを見れば、少なくとも正常検体か、異
常検体かを区別することができるし、分布パターンを詳
細に検討すれば、疾患を推定することも可能である。そ
こで、従来、使用者に対し、各症例における典型的なス
キャッタグラム例を記載した症例集をユーザに提供し、
ユーザは粒子分析装置で得られたスキャッタグラムと、
症例集に示されたスキャッタグラムとを比較することに
よって両者の類似性を見いだし、検査情報として役立た
せていた。
ムの分布パターンを見れば、少なくとも正常検体か、異
常検体かを区別することができるし、分布パターンを詳
細に検討すれば、疾患を推定することも可能である。そ
こで、従来、使用者に対し、各症例における典型的なス
キャッタグラム例を記載した症例集をユーザに提供し、
ユーザは粒子分析装置で得られたスキャッタグラムと、
症例集に示されたスキャッタグラムとを比較することに
よって両者の類似性を見いだし、検査情報として役立た
せていた。
【０００４】
【発明が解決しようとする課題】しかし、このような人
間の主観に頼っていたのでは、判定に多大な手間を要
し、判定結果も曖昧であるので、有効に利用されている
とは言いがたい状況であった。従って、粒子分析装置で
得たスキャッタグラムと、疾患の典型例のスキャッタグ
ラムとの類似度を数値で表すことによって、疾患の可能
性を定量的にかつ簡単に知ることのできる装置及び方法
の開発が望まれていた。
間の主観に頼っていたのでは、判定に多大な手間を要
し、判定結果も曖昧であるので、有効に利用されている
とは言いがたい状況であった。従って、粒子分析装置で
得たスキャッタグラムと、疾患の典型例のスキャッタグ
ラムとの類似度を数値で表すことによって、疾患の可能
性を定量的にかつ簡単に知ることのできる装置及び方法
の開発が望まれていた。
【０００５】また、粒子分析装置では、この粒子分析装
置が正常に動作しているか否かの管理、即ち精度管理を
する必要がある。従来、この精度管理は、粒子分析装置
の測定項目ごとに精度管理の指標となるパラメータを求
め、このパラメータの変動をチェックすることによって
行われていた。しかし、この精度管理の精度（正常に動
作しているか否かの検知能力）を向上させようとする
と、パラメータの数を多くしなければならず、粒子分析
装置から得られる分布データが二次元から三次元という
ように多次元になればなるほど、管理するパラメータの
数も増え、その管理に手間と時間とがかかっていた。
置が正常に動作しているか否かの管理、即ち精度管理を
する必要がある。従来、この精度管理は、粒子分析装置
の測定項目ごとに精度管理の指標となるパラメータを求
め、このパラメータの変動をチェックすることによって
行われていた。しかし、この精度管理の精度（正常に動
作しているか否かの検知能力）を向上させようとする
と、パラメータの数を多くしなければならず、粒子分析
装置から得られる分布データが二次元から三次元という
ように多次元になればなるほど、管理するパラメータの
数も増え、その管理に手間と時間とがかかっていた。
【０００６】従って、精度管理を短時間にかつ容易に行
える粒子分析装置の開発が望まれていた。
える粒子分析装置の開発が望まれていた。
【０００７】さらに、粒子分析装置を製造したときに、
この粒子分析装置から得られた分布データに再現性や安
定性があるか（同じ検体を何度も分析した場合に、同じ
分布データが得られるか）を評価する必要がある。即
ち、製造された粒子分析装置を、製品として出荷するこ
とができる否かの性能評価を行う必要がある。従来、こ
の評価は、精度管理と同様に行われていたので、その評
価には手間と時間とがかかっていた。
この粒子分析装置から得られた分布データに再現性や安
定性があるか（同じ検体を何度も分析した場合に、同じ
分布データが得られるか）を評価する必要がある。即
ち、製造された粒子分析装置を、製品として出荷するこ
とができる否かの性能評価を行う必要がある。従来、こ
の評価は、精度管理と同様に行われていたので、その評
価には手間と時間とがかかっていた。
【０００８】従って、性能評価を短時間にかつ容易に行
える粒子分析装置の開発が望まれていた。
える粒子分析装置の開発が望まれていた。
【０００９】
【課題を解決するための手段】本発明は、上記の各要望
を満足させることができる粒子分析装置及び方法を提供
することを目的とし、そのための粒子分析装置は、複数
の粒子を個々に測定することにより上記粒子個々に少な
くとも１種類のデータを得る粒子検出手段と、これらデ
ータを分布データに変換する変換手段と、上記分布デー
タに基づいて上記各粒子を分類する分類手段とを具備す
る粒子分析装置において、上記粒子に対する基準分布デ
ータを格納しているデータベース記憶手段と、上記分布
データと上記基準分布データとに基づいて、上記分布デ
ータの上記基準分布データに対する分布の類似度δを算
出する類似度算出手段とを具備することを特徴とするも
のである。
を満足させることができる粒子分析装置及び方法を提供
することを目的とし、そのための粒子分析装置は、複数
の粒子を個々に測定することにより上記粒子個々に少な
くとも１種類のデータを得る粒子検出手段と、これらデ
ータを分布データに変換する変換手段と、上記分布デー
タに基づいて上記各粒子を分類する分類手段とを具備す
る粒子分析装置において、上記粒子に対する基準分布デ
ータを格納しているデータベース記憶手段と、上記分布
データと上記基準分布データとに基づいて、上記分布デ
ータの上記基準分布データに対する分布の類似度δを算
出する類似度算出手段とを具備することを特徴とするも
のである。
【００１０】また、上記類似度算出手段は、上記分布デ
ータＦ（Ｘ１、Ｘ２・・・Ｘｎ）と上記基準分布データ
Ｇ（Ｘ１、Ｘ２・・・Ｘｎ）との所定領域のデータに対
して、
ータＦ（Ｘ１、Ｘ２・・・Ｘｎ）と上記基準分布データ
Ｇ（Ｘ１、Ｘ２・・・Ｘｎ）との所定領域のデータに対
して、
【数３】 に基づき類似度を算出することができる。また、上記粒
子を血球とし、上記基準分布データを、或る疾患におけ
る代表的な分布データ（血球分布データ）とすることも
できる。また、上記基準分布データを、粒子分析装置の
精度管理用の基準分布データ、または品質評価用の基準
分布データとすることもできる。
子を血球とし、上記基準分布データを、或る疾患におけ
る代表的な分布データ（血球分布データ）とすることも
できる。また、上記基準分布データを、粒子分析装置の
精度管理用の基準分布データ、または品質評価用の基準
分布データとすることもできる。
【００１１】本発明による粒子分析方法は、複数の粒子
を個々に測定することにより、上記粒子個々に少なくと
も１種類のデータを得る過程と、これらデータを分布デ
ータに変換する過程と、上記分布データと、基準分布デ
ータとに基づいて、上記分布データの上記基準分布デー
タに対する分布の類似度δを算出する過程とを、具備す
るものである。この類似度δを算出する過程を、上記分
布データＦ（Ｘ１、Ｘ２・・・Ｘｎ）と上記基準分布デ
ータＧ（Ｘ１、Ｘ２・・・Ｘｎ）との所定領域に対し
て、
を個々に測定することにより、上記粒子個々に少なくと
も１種類のデータを得る過程と、これらデータを分布デ
ータに変換する過程と、上記分布データと、基準分布デ
ータとに基づいて、上記分布データの上記基準分布デー
タに対する分布の類似度δを算出する過程とを、具備す
るものである。この類似度δを算出する過程を、上記分
布データＦ（Ｘ１、Ｘ２・・・Ｘｎ）と上記基準分布デ
ータＧ（Ｘ１、Ｘ２・・・Ｘｎ）との所定領域に対し
て、
【数４】 に基づいて上記類似度を算出するものとすることもでき
る。
る。
【００１２】
【作用】本発明による粒子分析装置及び方法では、分布
データを得ると、これと基準分布データとによって、分
布データの基準分布データに対する類似度δが数値とし
て得られる。
データを得ると、これと基準分布データとによって、分
布データの基準分布データに対する類似度δが数値とし
て得られる。
【００１３】基準分布データとして、或る疾患の分布デ
ータを用いると、算出された類似度δから、検体が該疾
患である可能性、即ち診断情報を得ることができる。
ータを用いると、算出された類似度δから、検体が該疾
患である可能性、即ち診断情報を得ることができる。
【００１４】また、基準分布データとして、粒子分析装
置の精度管理用の基準分布データ、または品質評価用の
基準分布データを用いると、類似度δから装置が正常で
あるか否か、どの程度正常から乖離しているかを知るこ
とによって、精度管理や装置の評価を行える。
置の精度管理用の基準分布データ、または品質評価用の
基準分布データを用いると、類似度δから装置が正常で
あるか否か、どの程度正常から乖離しているかを知るこ
とによって、精度管理や装置の評価を行える。
【００１５】
【実施例】本発明による粒子分析装置の１実施例は、図
２に示すように、粒子検出器１０を有している。この粒
子検出器１０は、測定のための前処理がなされた検体、
例えば人の血液に希釈、溶血等の前処理をして、粒子と
して白血球が懸濁している検体を測定するためのもので
ある。この粒子検出器１０は、これを粒子が通過するご
とに、複数種類の信号を発生する。
２に示すように、粒子検出器１０を有している。この粒
子検出器１０は、測定のための前処理がなされた検体、
例えば人の血液に希釈、溶血等の前処理をして、粒子と
して白血球が懸濁している検体を測定するためのもので
ある。この粒子検出器１０は、これを粒子が通過するご
とに、複数種類の信号を発生する。
【００１６】例えば、粒子検出器１０として、フローサ
イトメータを使用すると、粒子個々に散乱光や蛍光信号
が発生される。また、粒子検出器１０として、粒子が通
過する微細孔を設け、この微細孔に直流電流と高周波電
流とを同時に供給したものを使用すると、粒子が微細孔
を通過するたびに、直流インピーダンスの変化に基づく
信号と、高周波インピーダンスの変化に基づく信号とが
検出される。
イトメータを使用すると、粒子個々に散乱光や蛍光信号
が発生される。また、粒子検出器１０として、粒子が通
過する微細孔を設け、この微細孔に直流電流と高周波電
流とを同時に供給したものを使用すると、粒子が微細孔
を通過するたびに、直流インピーダンスの変化に基づく
信号と、高周波インピーダンスの変化に基づく信号とが
検出される。
【００１７】粒子検出器１０で検出された複数種類の信
号は、増幅回路１２で増幅された後、波形処理回路１４
で波形処理され、さらにＡ／Ｄ変換器１６においてＡ／
Ｄ変換される。
号は、増幅回路１２で増幅された後、波形処理回路１４
で波形処理され、さらにＡ／Ｄ変換器１６においてＡ／
Ｄ変換される。
【００１８】このＡ／Ｄ変換器１６からのディジタル信
号は、データ解析装置１８に供給される。ディジタル化
された粒子の検出信号は、このデータ解析装置１８にお
いて解析され、その解析結果に基づいて分類が行われ、
その結果が表示装置２０に表示される。
号は、データ解析装置１８に供給される。ディジタル化
された粒子の検出信号は、このデータ解析装置１８にお
いて解析され、その解析結果に基づいて分類が行われ、
その結果が表示装置２０に表示される。
【００１９】このデータ解析装置１８は、例えばマイク
ロコンピュータによって構成されており、図１に示すよ
うな手段をソフトウエアによって実現している。なお、
このデータ解析装置１８に入力されるディジタル信号
は、粒子検出器１０によって１粒子に対して、それぞれ
得られた直流インピーダンスの変化に基づく信号をディ
ジタル化した信号Ｘ１と、高周波インピーダンスの変化
に基づく信号をディジタル化した信号Ｘ２とする。
ロコンピュータによって構成されており、図１に示すよ
うな手段をソフトウエアによって実現している。なお、
このデータ解析装置１８に入力されるディジタル信号
は、粒子検出器１０によって１粒子に対して、それぞれ
得られた直流インピーダンスの変化に基づく信号をディ
ジタル化した信号Ｘ１と、高周波インピーダンスの変化
に基づく信号をディジタル化した信号Ｘ２とする。
【００２０】データ解析装置１８は、データ変換手段２
２を有し、このデータ変換手段２２は、各粒子ごとに発
生する信号Ｘ１、Ｘ２を特徴パラメータ空間の分布デー
タＦ（Ｘ１、Ｘ２）に変換する。
２を有し、このデータ変換手段２２は、各粒子ごとに発
生する信号Ｘ１、Ｘ２を特徴パラメータ空間の分布デー
タＦ（Ｘ１、Ｘ２）に変換する。
【００２１】即ち、データ変換手段２２は、図３に示す
ように０からｍ１までの合計ｍ１＋１個のチャンネル
（ランク）からなるパラメータＸ１と、０からｍ２まで
の合計ｍ２＋１個のチャンネル（ランク）からなるパラ
メータＸ２とを有するメモリを有している。従って、こ
のメモリは、〔（ｍ１＋１）＊（ｍ２＋１）〕の基本要
素に区分けされている。
ように０からｍ１までの合計ｍ１＋１個のチャンネル
（ランク）からなるパラメータＸ１と、０からｍ２まで
の合計ｍ２＋１個のチャンネル（ランク）からなるパラ
メータＸ２とを有するメモリを有している。従って、こ
のメモリは、〔（ｍ１＋１）＊（ｍ２＋１）〕の基本要
素に区分けされている。
【００２２】そして、データ変換手段２２にＸ１、Ｘ２
の信号が入力されるごとに、この入力されたＸ１の大き
さと、Ｘ２の大きさとに対応する基本要素の記憶値を増
加させていく。従って、全ての粒子に対するＸ１、Ｘ２
信号がデータ変換手段２２に入力されたとき、例えばＦ
（１、１）が２であると、パラメータＸ１が１で、パラ
メータＸ２が１である粒子が、全粒子内に２個あること
を表している。
の信号が入力されるごとに、この入力されたＸ１の大き
さと、Ｘ２の大きさとに対応する基本要素の記憶値を増
加させていく。従って、全ての粒子に対するＸ１、Ｘ２
信号がデータ変換手段２２に入力されたとき、例えばＦ
（１、１）が２であると、パラメータＸ１が１で、パラ
メータＸ２が１である粒子が、全粒子内に２個あること
を表している。
【００２３】このようにしてデータ変換手段２２によっ
て得られた分布データＦ（Ｘ１、Ｘ２）は、クラスタリ
ング手段２４に供給されて、クラスタリング（分類）が
行われ、例えば白血球の単球、顆粒球、リンパ球等の分
類が行われる。
て得られた分布データＦ（Ｘ１、Ｘ２）は、クラスタリ
ング手段２４に供給されて、クラスタリング（分類）が
行われ、例えば白血球の単球、顆粒球、リンパ球等の分
類が行われる。
【００２４】このデータ解析装置１８には、データベー
ス記憶手段２６も設けられており、これには基準となる
基準分布データＧ（Ｘ１、Ｘ２）が記憶されている。図
４は、この基準分布データＧ（Ｘ１、Ｘ２）の一例を示
すもので、その構造は、データ変換手段２２のメモリと
同一のものであり、例えばＧ（１、１）は、Ｘ１パラメ
ータが１であり、Ｘ２パラメータも１である粒子が１０
個、全粒子中に存在していることを示している。
ス記憶手段２６も設けられており、これには基準となる
基準分布データＧ（Ｘ１、Ｘ２）が記憶されている。図
４は、この基準分布データＧ（Ｘ１、Ｘ２）の一例を示
すもので、その構造は、データ変換手段２２のメモリと
同一のものであり、例えばＧ（１、１）は、Ｘ１パラメ
ータが１であり、Ｘ２パラメータも１である粒子が１０
個、全粒子中に存在していることを示している。
【００２５】この基準分布データとしては、例えば或る
疾患における代表的な二次元分布データや、粒子制御装
置が正常な状態で或る精度管理用物質を分析して得た二
次元分布データ（精度管理用二次元分布データ）を使用
することができる。
疾患における代表的な二次元分布データや、粒子制御装
置が正常な状態で或る精度管理用物質を分析して得た二
次元分布データ（精度管理用二次元分布データ）を使用
することができる。
【００２６】データ変換手段２２から得られた二次元分
布データＦ（Ｘ１、Ｘ２）と、データベース記憶手段２
６の基準分布データＧ（Ｘ１、Ｘ２）とに基づいて、二
次元分布データＦ（Ｘ１、Ｘ２）の基準分布データＧ
（Ｘ１、Ｘ２）に対する類似度δを類似度算出手段２８
が算出する。この算出結果は、表示装置２０に表示され
る。
布データＦ（Ｘ１、Ｘ２）と、データベース記憶手段２
６の基準分布データＧ（Ｘ１、Ｘ２）とに基づいて、二
次元分布データＦ（Ｘ１、Ｘ２）の基準分布データＧ
（Ｘ１、Ｘ２）に対する類似度δを類似度算出手段２８
が算出する。この算出結果は、表示装置２０に表示され
る。
【００２７】類似度は、具体的には数５によって類似度
算出手段２８が算出する。
算出手段２８が算出する。
【数５】
【００２８】数５では、類似度δの算出領域は、パラメ
ータＸ１についてはチャンネルａ１乃至ｂ１、パラメー
タＸ２についてチャンネルａ２乃至ｂ２としている。類
似度δの算出領域は、特徴パラメータ空間の全て（パラ
メータＸ１ではチャンネル０からチャンネルｍ１、パラ
メータＸ２ではチャンネル０からチャンネルｍ２）であ
る必要はなく、目的に応じて適宜最適な領域に設定すれ
ばよい。例えば、データが分布しない領域が予め判断で
きる場合には、その領域外についてのみ類似度δを算出
すればよい。
ータＸ１についてはチャンネルａ１乃至ｂ１、パラメー
タＸ２についてチャンネルａ２乃至ｂ２としている。類
似度δの算出領域は、特徴パラメータ空間の全て（パラ
メータＸ１ではチャンネル０からチャンネルｍ１、パラ
メータＸ２ではチャンネル０からチャンネルｍ２）であ
る必要はなく、目的に応じて適宜最適な領域に設定すれ
ばよい。例えば、データが分布しない領域が予め判断で
きる場合には、その領域外についてのみ類似度δを算出
すればよい。
【００２９】具体的に図３、図４の分布データＦ（Ｘ
１、Ｘ２）と、基準分布データＧ（Ｘ１、Ｘ２）とに基
づいて、類似度δを算出すると、次のようになる。な
お、図３及び図４に示すようにａ１＝チャンネル１、ｂ
１＝チャンネル２、ａ２＝チャンネル１、ｂ２＝チャン
ネル４として計算する。
１、Ｘ２）と、基準分布データＧ（Ｘ１、Ｘ２）とに基
づいて、類似度δを算出すると、次のようになる。な
お、図３及び図４に示すようにａ１＝チャンネル１、ｂ
１＝チャンネル２、ａ２＝チャンネル１、ｂ２＝チャン
ネル４として計算する。
【００３０】数５の分子は、数６によって示される。
【数６】 また、分母の前半は数７によって示される。
【数７】 同じく分母の後半は数８によって示される。
【数８】 従って、類似度δは、２６５／（３１６・４１６）1/2
＝０．７３１となる。
＝０．７３１となる。
【００３１】数５は、関数Ｆ（Ｘ１、Ｘ２）、Ｇ（Ｘ
１、Ｘ２）の相関係数を表している。分布データＦ（Ｘ
１、Ｘ２）と基準分布データＧ（Ｘ１、Ｘ２）が相似の
とき、即ち、Ｆ（Ｘ１、Ｘ２）＝Ｋ・Ｇ（Ｘ１、Ｘ２）
のとき（但しＫは定数である）、類似度δは最大値１と
なる。そして、２つの分布が離れるに連れて（或いは分
布の類似性が無くなるに連れて）、δの値が小さくな
り、０に近づく。即ち、類似度δは、二次元分布の類似
性を定量的に表している。
１、Ｘ２）の相関係数を表している。分布データＦ（Ｘ
１、Ｘ２）と基準分布データＧ（Ｘ１、Ｘ２）が相似の
とき、即ち、Ｆ（Ｘ１、Ｘ２）＝Ｋ・Ｇ（Ｘ１、Ｘ２）
のとき（但しＫは定数である）、類似度δは最大値１と
なる。そして、２つの分布が離れるに連れて（或いは分
布の類似性が無くなるに連れて）、δの値が小さくな
り、０に近づく。即ち、類似度δは、二次元分布の類似
性を定量的に表している。
【００３２】以下、これを理論的に説明する。数５が分
布の変化に対してどのような挙動を示すかを解析する。
この分析装置で使用するデータは離散データであるディ
ジタル信号であるが、簡単のため分布データと基準分布
データとが、連続に分布していると仮定すると、類似度
δは、二次元分布については、数９によって表される。
布の変化に対してどのような挙動を示すかを解析する。
この分析装置で使用するデータは離散データであるディ
ジタル信号であるが、簡単のため分布データと基準分布
データとが、連続に分布していると仮定すると、類似度
δは、二次元分布については、数９によって表される。
【数９】
【００３３】説明の便宜上、まず連続な一次元分布につ
いて考えると、類似度δは数１０によって表される（株
式会社昭晃堂発行、土井康弘、安藤繁共著、「画像処理
理論」第１１頁参照）。
いて考えると、類似度δは数１０によって表される（株
式会社昭晃堂発行、土井康弘、安藤繁共著、「画像処理
理論」第１１頁参照）。
【数１０】
【００３４】元の分布関数ｆ（ｘ）が正規分布Ｎ（ｍ、
σ）とすると、ｆ（ｘ）は、数１１によって表される。
σ）とすると、ｆ（ｘ）は、数１１によって表される。
【数１１】
【００３５】このｆ（ｘ）に対してσをａσ、ｍをａｍ
＋ｂに変換した関数をｇ（ｘ）とすると、このｇ（ｘ）
は正規分布Ｎ（ａｍ＋ｂ、ａ2 σ2 ）であり、数１２に
よって表される（図５参照）。
＋ｂに変換した関数をｇ（ｘ）とすると、このｇ（ｘ）
は正規分布Ｎ（ａｍ＋ｂ、ａ2 σ2 ）であり、数１２に
よって表される（図５参照）。
【数１２】 無論ｆ（ｘ）、ｇ（ｘ）の負の無限大から正の無限大ま
での積分値は１である。
での積分値は１である。
【００３６】数１１を用いて、数１０の分母の前半を計
算すると、数１３によって示される。
算すると、数１３によって示される。
【数１３】
【００３７】同様に数１２によって、数１０の分母の後
半を計算すると、数１４によって表される。
半を計算すると、数１４によって表される。
【数１４】
【００３８】同様に数１１、数１２を用いて、数１０の
分子を計算すると、数１５となる。
分子を計算すると、数１５となる。
【数１５】
【００３９】ここで、Ｃを数１６に示すように定義する
と、
と、
【数１６】 数１５は数１７で表される。従って、δは、数１８で表
される。
される。
【数１７】
【数１８】
【００４０】移動の場合を考えると、即ち、元の分布デ
ータｆ（ｘ）に対してｇ（ｘ）の分散σはｆ（ｘ）と同
一であり（ａ＝１）、平均値がｆ（ｘ）からｂだけ移動
したｍ＋ｂの場合、δは数１９によって表される。
ータｆ（ｘ）に対してｇ（ｘ）の分散σはｆ（ｘ）と同
一であり（ａ＝１）、平均値がｆ（ｘ）からｂだけ移動
したｍ＋ｂの場合、δは数１９によって表される。
【数１９】
【００４１】ｍ＝１００、σ＝１０として、移動量ｂと
類似度δとの関係を表１に示す。この表から、δは移動
量ｂが大きくなる程、δは急激に減少することが分か
る。
類似度δとの関係を表１に示す。この表から、δは移動
量ｂが大きくなる程、δは急激に減少することが分か
る。
【表１】
【００４２】また、感度変化の場合、即ち、元の分布デ
ータｆ（ｘ）に対してｇ（ｘ）の分散がａσであり、平
均値がｆ（ｘ）のａ倍であるａｍ（ｂ＝０）の場合、δ
は数２０によって表される。
ータｆ（ｘ）に対してｇ（ｘ）の分散がａσであり、平
均値がｆ（ｘ）のａ倍であるａｍ（ｂ＝０）の場合、δ
は数２０によって表される。
【数２０】
【００４３】上記と同様に、ｍ＝１００、σ＝１０とし
て、感度ａと類似度δとの関係を表２に示す。ａが１か
ら大きくなるに従って、δは急激に減少することが表２
から分かる。
て、感度ａと類似度δとの関係を表２に示す。ａが１か
ら大きくなるに従って、δは急激に減少することが表２
から分かる。
【表２】
【００４４】次に二次元分布の場合を考える。δは、数
９によって表され、元の分布関数を正規分布とすると、
ｆ（ｘ）は数２１によって表される。但し、Ｘ＝（ｘ、
ｙ）である。ここで、適当な変数変換によりＫ＝σ2 Ｉ
（Ｉは単位行列）としても、数２１の一般性は失われな
い。従って、数９は、数２２によって表される。
９によって表され、元の分布関数を正規分布とすると、
ｆ（ｘ）は数２１によって表される。但し、Ｘ＝（ｘ、
ｙ）である。ここで、適当な変数変換によりＫ＝σ2 Ｉ
（Ｉは単位行列）としても、数２１の一般性は失われな
い。従って、数９は、数２２によって表される。
【数２１】
【数２２】
【００４５】このｆ（ｘ、ｙ）に対し、ｘ方向にはσを
ａx σ、ｍx をａx ｍx ＋ｂx 、ｙ方向にはσをａ
y σ、ｍy をａy ｍy ＋ｂy なるデータ変換をした関数
をｇ（ｘ、ｙ）とする。これは、数２３によって表され
る（図６参照）。
ａx σ、ｍx をａx ｍx ＋ｂx 、ｙ方向にはσをａ
y σ、ｍy をａy ｍy ＋ｂy なるデータ変換をした関数
をｇ（ｘ、ｙ）とする。これは、数２３によって表され
る（図６参照）。
【数２３】 無論、
【数２４】 である。
【００４６】ｆ（ｘ、ｙ）が数２５によって表されると
き、
き、
【数２５】 数２６が成立するので、
【数２６】 数９の分母の前半は、数２７で表される。
【数２７】 また、数９の分母の後半は、数２８で表される。
【数２８】 故に数９の分母は、数２９で表される。
【数２９】
【００４７】数２２、２３から、数９の分子は数３０に
よって表される。但しＣ1 、Ｃ2 を数３１とおくと、数
３２のように表わされる。
よって表される。但しＣ1 、Ｃ2 を数３１とおくと、数
３２のように表わされる。
【数３０】
【数３１】
【数３２】
【００４８】従って、数９は、数３３によって表され、
一次元の場合と同様となる。
一次元の場合と同様となる。
【数３３】
【００４９】一次元の場合と同様に、移動と感度変化を
考えると、移動の場合（ａx ＝ａy＝１）、δは、数３
４によって表される。
考えると、移動の場合（ａx ＝ａy＝１）、δは、数３
４によって表される。
【数３４】
【００５０】また、感度変化の場合（ｂx ＝ｂy ＝
０）、δは、数３５によって表される。
０）、δは、数３５によって表される。
【数３５】 従って、二次元分布ｆ（ｘ、ｙ）、ｇ（ｘ、ｙ）が離れ
る程、δは急激に減少する。勿論、三次元分布でも同様
である。
る程、δは急激に減少する。勿論、三次元分布でも同様
である。
【００５１】従って、図７（ａ）、（ｂ）に示すような
対角線を引かなければ、分布の位置が異なっていること
が判別しにくいような分布であっても、類似度δを求め
ることによって、両者の違いを明確に知ることができ
る。
対角線を引かなければ、分布の位置が異なっていること
が判別しにくいような分布であっても、類似度δを求め
ることによって、両者の違いを明確に知ることができ
る。
【００５２】図８に、健常人１００人の血液検体を、こ
の粒子分析装置で分析して得られた白血球の二次元分布
データについて、分布データ相互間の類似度δ（データ
数は100 Ｃ2 ＝４９５０）を調べた結果を示す。健常人
同士の類似度δは、０．８乃至０．９に集中しており、
正常検体と異常検体との間の類似度δは、上記の０．８
乃至０．９よりも低い値となる。ただし、どの程度とな
るかは、検体によって異なる。
の粒子分析装置で分析して得られた白血球の二次元分布
データについて、分布データ相互間の類似度δ（データ
数は100 Ｃ2 ＝４９５０）を調べた結果を示す。健常人
同士の類似度δは、０．８乃至０．９に集中しており、
正常検体と異常検体との間の類似度δは、上記の０．８
乃至０．９よりも低い値となる。ただし、どの程度とな
るかは、検体によって異なる。
【００５３】この粒子分析装置を診断支援に利用する場
合、データベース記憶手段２４に、各種疾患における代
表的な分布データＧｉと、この分布データＧｉに対応す
る症例名とを記憶しておく。即ち、代表的な分布データ
は、各種疾患ごとに記憶されている。各代表的な分布デ
ータＧｉ（症例分布データ）は、疾患名のはっきりした
検体を粒子分析装置で実際に分析し、そのとき得られた
分布データをそのままデータベース記憶手段２４に記憶
させる。
合、データベース記憶手段２４に、各種疾患における代
表的な分布データＧｉと、この分布データＧｉに対応す
る症例名とを記憶しておく。即ち、代表的な分布データ
は、各種疾患ごとに記憶されている。各代表的な分布デ
ータＧｉ（症例分布データ）は、疾患名のはっきりした
検体を粒子分析装置で実際に分析し、そのとき得られた
分布データをそのままデータベース記憶手段２４に記憶
させる。
【００５４】測定によって得られた分布データと、デー
タベース記憶手段２４の症例分布データとから、測定に
よって得られた分布データの各症例分布データＧｉとの
類似度δを逐次求める。類似度δが大きな値を示した症
例分布データＧｉに対応する症例名を新たな検査情報と
して測定結果と共に表示装置２０に表示する。
タベース記憶手段２４の症例分布データとから、測定に
よって得られた分布データの各症例分布データＧｉとの
類似度δを逐次求める。類似度δが大きな値を示した症
例分布データＧｉに対応する症例名を新たな検査情報と
して測定結果と共に表示装置２０に表示する。
【００５５】類似度δが大きいということは、測定され
た分布データと比較した症例分布データＧｉとが類似し
ているということであり、測定された検体が、その症例
ｉに該当する可能性が高いと判断できる。このように各
種症例分布データＧｉをデータベース記憶手段２４に記
憶させることにより、測定した分布データから症例を検
索することが可能となる。
た分布データと比較した症例分布データＧｉとが類似し
ているということであり、測定された検体が、その症例
ｉに該当する可能性が高いと判断できる。このように各
種症例分布データＧｉをデータベース記憶手段２４に記
憶させることにより、測定した分布データから症例を検
索することが可能となる。
【００５６】なお、１つの症例ｉに対して症例分布デー
タを、例えばＧｉ１、Ｇｉ２、Ｇｉ３等のように複数用
意しておき、各症例分布データＧｉ１、Ｇｉ２、Ｇｉに
測定された分布データとの類似度δｉ１、δｉ２、δｉ
３を算出し、さらにその平均δｉ＝（δｉ１＋δｉ２＋
δｉ３）／３を求めれば、疾患ごとにさらに精度の高い
類似度δを得ることができる。
タを、例えばＧｉ１、Ｇｉ２、Ｇｉ３等のように複数用
意しておき、各症例分布データＧｉ１、Ｇｉ２、Ｇｉに
測定された分布データとの類似度δｉ１、δｉ２、δｉ
３を算出し、さらにその平均δｉ＝（δｉ１＋δｉ２＋
δｉ３）／３を求めれば、疾患ごとにさらに精度の高い
類似度δを得ることができる。
【００５７】また、精度管理に使用する場合、粒子分析
装置が正常な状態において、或る精度管理用物質を測定
して得られた分布データを１つ基本分布データとして、
データベース記憶手段２４に記憶させておく。そして、
例えば毎日、この粒子分析装置で分析を開始する前に、
上記精度管理用物質をこの粒子分析装置において測定し
て、分布データを得て、この分布データと上記基本分布
データとの類似度δを算出し、この類似度δが所定値以
上の値であるか否かを判断することによって、充分な精
度によって分析することができるか判断することがで
き、この粒子分析装置の精度を管理することができる。
なお、類似度δが所定値よりも小さくなったとき、表示
装置２０に警報表示する。
装置が正常な状態において、或る精度管理用物質を測定
して得られた分布データを１つ基本分布データとして、
データベース記憶手段２４に記憶させておく。そして、
例えば毎日、この粒子分析装置で分析を開始する前に、
上記精度管理用物質をこの粒子分析装置において測定し
て、分布データを得て、この分布データと上記基本分布
データとの類似度δを算出し、この類似度δが所定値以
上の値であるか否かを判断することによって、充分な精
度によって分析することができるか判断することがで
き、この粒子分析装置の精度を管理することができる。
なお、類似度δが所定値よりも小さくなったとき、表示
装置２０に警報表示する。
【００５８】また、毎日この精度管理物質を分析し、類
似度δを算出し、このδの経日変化を測定することによ
って、この粒子分析装置の精度の経日変化を知ることが
できる。さらに、データベース記憶手段２４に精度管理
物質に対する複数の基本分布データ、例えばＧ１、Ｇ
２、Ｇ３を記憶しておき、各基本分布データＧ１、Ｇ
２、Ｇ３ごとに、測定した分布データとの類似度δ１、
δ２、δ３を算出し、さらにその平均をとって類似度δ
とすれば、さらに精度のよいδの値を得ることができ
る。このようにして、類似度δを用いることにより、こ
の粒子分析装置の精度管理を行うことができる。
似度δを算出し、このδの経日変化を測定することによ
って、この粒子分析装置の精度の経日変化を知ることが
できる。さらに、データベース記憶手段２４に精度管理
物質に対する複数の基本分布データ、例えばＧ１、Ｇ
２、Ｇ３を記憶しておき、各基本分布データＧ１、Ｇ
２、Ｇ３ごとに、測定した分布データとの類似度δ１、
δ２、δ３を算出し、さらにその平均をとって類似度δ
とすれば、さらに精度のよいδの値を得ることができ
る。このようにして、類似度δを用いることにより、こ
の粒子分析装置の精度管理を行うことができる。
【００５９】さらに、この粒子分析装置を生産した際の
検査に利用する場合、データベース記憶手段２４に、粒
子分析装置が正常に動作している場合に、或る基準管理
用物質を測定したときの基準分布データＧを記憶させて
おく。そして、実際に上記基準管理用物質を測定して、
分布データを得て、これの上記基準分布データに対する
類似度δを算出する。測定を複数回にわたって行い、そ
の都度得られた類似度δの再現性（どの程度同じ類似度
δとなるか）をみることによって、分布データの再現
性、ひいてはこの粒子分析装置の再現性を知ることがで
きる。
検査に利用する場合、データベース記憶手段２４に、粒
子分析装置が正常に動作している場合に、或る基準管理
用物質を測定したときの基準分布データＧを記憶させて
おく。そして、実際に上記基準管理用物質を測定して、
分布データを得て、これの上記基準分布データに対する
類似度δを算出する。測定を複数回にわたって行い、そ
の都度得られた類似度δの再現性（どの程度同じ類似度
δとなるか）をみることによって、分布データの再現
性、ひいてはこの粒子分析装置の再現性を知ることがで
きる。
【００６０】また、温度を変化させて、様々な温度にお
いて上記基準管理用物質を測定し、分布データを得て、
類似度δを算出すれば、このδの温度変化に伴う変化を
見ることによって、分布データの温度安定性、ひいては
粒子分析装置の温度安定性を簡単に知ることができる。
このようにして類似度δを見ることによって、この粒子
分析装置の性能評価をすることができる。
いて上記基準管理用物質を測定し、分布データを得て、
類似度δを算出すれば、このδの温度変化に伴う変化を
見ることによって、分布データの温度安定性、ひいては
粒子分析装置の温度安定性を簡単に知ることができる。
このようにして類似度δを見ることによって、この粒子
分析装置の性能評価をすることができる。
【００６１】上記の実施例では、１つの粒子から２種類
のデータを得たが、さらに多くのデータを得るようにし
てもよく、また、最低限度、１つの粒子から１種類のデ
ータを得るようにしてもよい。この場合、データ変換手
段２２は、１種類のデータについて適当なランクに分け
てヒストグラムを求めるものとすればよい。
のデータを得たが、さらに多くのデータを得るようにし
てもよく、また、最低限度、１つの粒子から１種類のデ
ータを得るようにしてもよい。この場合、データ変換手
段２２は、１種類のデータについて適当なランクに分け
てヒストグラムを求めるものとすればよい。
【００６２】
【発明の効果】以上述べたように、本発明による粒子分
析装置及び方法によれば、測定によって得た分布データ
と、予め定めた基準分布データとに基づいて、測定によ
って得た分布データの基準分布データに対する類似度δ
を数値として得ることができる。従って、今まで多くの
情報が含まれていながら、それを利用せずに人間の主観
に頼ってしか判断されなかった分布データに対して、定
量的な評価を行えるようになり、特に疾患の診断や精度
管理、粒子分析装置の評価などを定量的に行うことがで
きる。
析装置及び方法によれば、測定によって得た分布データ
と、予め定めた基準分布データとに基づいて、測定によ
って得た分布データの基準分布データに対する類似度δ
を数値として得ることができる。従って、今まで多くの
情報が含まれていながら、それを利用せずに人間の主観
に頼ってしか判断されなかった分布データに対して、定
量的な評価を行えるようになり、特に疾患の診断や精度
管理、粒子分析装置の評価などを定量的に行うことがで
きる。
【図１】本発明による粒子分析装置の１実施例のデータ
解析装置１８のブロック図である。
解析装置１８のブロック図である。
【図２】同実施例のブロック図である。
【図３】同実施例のデータ変換手段２２に設けられてい
るメモリの内容を示す図である。
るメモリの内容を示す図である。
【図４】同実施例のデータベース記憶手段２４の内容を
示す図である。
示す図である。
【図５】一次元の２つのデータの相関係数を説明するた
めの図である。
めの図である。
【図６】二次元の２つのデータの相関係数を説明するた
めの図である。
めの図である。
【図７】この実施例の粒子分析装置で分析して得た二次
元分布データを示す図である。
元分布データを示す図である。
【図８】この実施例の粒子分析装置で分析した白血球の
二次元分布データについて粒度分布相互間の類似度を調
べた結果を示す図である。
二次元分布データについて粒度分布相互間の類似度を調
べた結果を示す図である。
１８ データ解析装置 ２２ データ変換手段 ２６ データベース記憶手段 ２８ 類似度算出手段
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.7，ＤＢ名) G01N 15/14 G01N 33/49
Claims (7)
- 【請求項１】 複数の粒子を個々に測定することにより
上記粒子個々に少なくとも１種類のデータを得る粒子検
出手段と、これらデータを分布データに変換する変換手
段とを、具備する粒子分析装置において、 上記粒子に対する基準分布データを格納しているデータ
ベース記憶手段と、 上記分布データと上記基準分布データとに基づいて、上
記分布データの上記基準分布データに対する分布の類似
度δを算出する類似度算出手段と、を具備することを特
徴とする粒子分析装置。 - 【請求項２】 請求項１記載の粒子分析装置において、
上記類似度算出手段が、上記分布データＦ（Ｘ１、Ｘ２
・・・Ｘｎ）と上記基準分布データＧ（Ｘ１、Ｘ２・・
・Ｘｎ）との所定領域のデータに対して、 【数１】 に基づき類似度を算出することを特徴とする粒子分析装
置。 - 【請求項３】 請求項１記載の粒子分析装置において、
上記粒子が血球であって、上記基準分布データが、或る
疾患における代表的な分布データであることを特徴とす
る粒子分析装置。 - 【請求項４】 請求項１記載の粒子分析装置において、
上記基準分布データが、粒子分析装置の精度管理用の基
準分布データであることを特徴とする粒子分析装置。 - 【請求項５】 請求項１記載の粒子分析装置において、
上記基準分布データが、品質評価用の基準分布データで
あることを特徴とする粒子分析装置。 - 【請求項６】 複数の粒子を個々に測定することによ
り、上記粒子個々に少なくとも１種類のデータを得る過
程と、これらデータを分布データに変換する過程と、上
記分布データと基準分布データとに基づいて、上記分布
データの上記基準分布データに対する分布の類似度δを
算出する過程とを、具備する粒子分析方法。 - 【請求項７】 請求項６記載の粒子分析方法において、
上記類似度δを算出する過程が、上記分布データＦ（Ｘ
１、Ｘ２・・・Ｘｎ）と上記基準分布データＧ（Ｘ１、
Ｘ２・・・Ｘｎ）との所定領域に対して、 【数２】 に基づいて上記類似度を算出することを特徴とする粒子
分析装置。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP35989392A JP3213097B2 (ja) | 1992-12-28 | 1992-12-28 | 粒子分析装置及び方法 |
| CN93121213A CN1054203C (zh) | 1992-12-28 | 1993-12-25 | 粒子分析装置及方法 |
| US08/174,249 US5532943A (en) | 1992-12-28 | 1993-12-28 | Particle analyzing apparatus and method therefor |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP35989392A JP3213097B2 (ja) | 1992-12-28 | 1992-12-28 | 粒子分析装置及び方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06201569A JPH06201569A (ja) | 1994-07-19 |
| JP3213097B2 true JP3213097B2 (ja) | 2001-09-25 |
Family
ID=18466835
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP35989392A Expired - Lifetime JP3213097B2 (ja) | 1992-12-28 | 1992-12-28 | 粒子分析装置及び方法 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US5532943A (ja) |
| JP (1) | JP3213097B2 (ja) |
| CN (1) | CN1054203C (ja) |
Families Citing this family (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3504029B2 (ja) * | 1995-07-04 | 2004-03-08 | シスメックス株式会社 | 粒子分析装置 |
| FR2743143B1 (fr) * | 1995-12-28 | 1998-02-27 | Elf Antar France | Procede de determination de la valeur d'une grandeur physique |
| JP4136017B2 (ja) * | 1996-09-19 | 2008-08-20 | シスメックス株式会社 | 粒子分析装置 |
| JP3620946B2 (ja) * | 1997-03-17 | 2005-02-16 | シスメックス株式会社 | スキャッタグラムの表示方法および粒子計測装置 |
| US6122599A (en) * | 1998-02-13 | 2000-09-19 | Mehta; Shailesh | Apparatus and method for analyzing particles |
| JP4708605B2 (ja) * | 2000-07-24 | 2011-06-22 | シスメックス株式会社 | 粒子分析装置とその粒子分画方法 |
| US6535836B1 (en) * | 2000-09-29 | 2003-03-18 | Coulter International Corp. | Method for the analysis of abnormal particle populations |
| JP3572319B2 (ja) * | 2001-11-15 | 2004-09-29 | 独立行政法人理化学研究所 | 液体中微粒子分析装置 |
| US20070250548A1 (en) * | 2006-04-21 | 2007-10-25 | Beckman Coulter, Inc. | Systems and methods for displaying a cellular abnormality |
| JP5025371B2 (ja) * | 2007-07-31 | 2012-09-12 | シスメックス株式会社 | 血液分析装置 |
| CN101387599B (zh) | 2007-09-13 | 2011-01-26 | 深圳迈瑞生物医疗电子股份有限公司 | 一种区分粒子群落的方法及粒子分析仪 |
| JP4580976B2 (ja) * | 2007-12-26 | 2010-11-17 | シスメックス株式会社 | 精度管理機能を備えた生体試料分析装置および精度管理測定結果の表示方法 |
| JP2009222610A (ja) * | 2008-03-18 | 2009-10-01 | Hitachi High-Technologies Corp | 自動分析装置 |
| CN101672759B (zh) * | 2008-09-12 | 2013-01-23 | 深圳迈瑞生物医疗电子股份有限公司 | 一种粒子分类统计方法及装置 |
| JP2011075340A (ja) * | 2009-09-29 | 2011-04-14 | Sysmex Corp | 粒子分析装置およびコンピュータプログラム |
| FI20105645A0 (fi) * | 2010-06-07 | 2010-06-07 | Environics Oy | Laite ja menetelmä biologisen materiaalin havaitsemiseksi |
| JP5892967B2 (ja) * | 2013-03-29 | 2016-03-23 | シスメックス株式会社 | 細胞分析装置、細胞測定装置の管理方法およびコンピュータプログラム |
| CN111247418B (zh) | 2017-10-26 | 2024-07-23 | 粒子监测***有限公司 | 粒子测量***和方法 |
| JP6906477B2 (ja) * | 2018-05-22 | 2021-07-21 | 株式会社日立製作所 | データ処理装置およびデータ処理方法 |
| KR20220005478A (ko) | 2019-04-25 | 2022-01-13 | 파티클 머슈어링 시스템즈, 인크. | 축상 입자 검출 및/또는 차동 검출을 위한 입자 검출 시스템 및 방법 |
| WO2021102256A1 (en) | 2019-11-22 | 2021-05-27 | Particle Measuring Systems, Inc. | Advanced systems and methods for interferometric particle detection and detection of particles having small size dimensions |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4661913A (en) * | 1984-09-11 | 1987-04-28 | Becton, Dickinson And Company | Apparatus and method for the detection and classification of articles using flow cytometry techniques |
| US4706207A (en) * | 1985-06-24 | 1987-11-10 | Nova Celltrak, Inc. | Count accuracy control means for a blood analyses system |
| US4741043B1 (en) * | 1985-11-04 | 1994-08-09 | Cell Analysis Systems Inc | Method of and apparatus for image analyses of biological specimens |
| JPH03131756A (ja) * | 1989-10-18 | 1991-06-05 | Hitachi Ltd | 血球自動分類装置 |
| JP2643596B2 (ja) * | 1990-11-29 | 1997-08-20 | 株式会社日立製作所 | スカラ量分布表示方法 |
| US5187673A (en) * | 1991-02-05 | 1993-02-16 | Edward L. Carver, Jr. | Method and apparatus for determining the distribution of constituent subpopulations within a population of particles having overlapping subpopulations |
-
1992
- 1992-12-28 JP JP35989392A patent/JP3213097B2/ja not_active Expired - Lifetime
-
1993
- 1993-12-25 CN CN93121213A patent/CN1054203C/zh not_active Expired - Fee Related
- 1993-12-28 US US08/174,249 patent/US5532943A/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| US5532943A (en) | 1996-07-02 |
| CN1054203C (zh) | 2000-07-05 |
| CN1091830A (zh) | 1994-09-07 |
| JPH06201569A (ja) | 1994-07-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3213097B2 (ja) | 粒子分析装置及び方法 | |
| KR101106201B1 (ko) | 임상검사분석장치, 임상검사분석방법 및 그 방법을 컴퓨터에 실행시키는 프로그램을 저장하는 컴퓨터 판독 가능한 기록매체 | |
| JP3076118B2 (ja) | 粒子計数方法 | |
| EP0140616B1 (en) | Method and apparatus for determining the volume and index of refraction of particles | |
| JP2667867B2 (ja) | 粒子解析装置 | |
| JPH0475463B2 (ja) | ||
| US6246786B1 (en) | Particle analyzer | |
| KR20090018920A (ko) | 클러스터링 시스템 및 결함 종류 판정 장치 | |
| CA2137670A1 (en) | Medical signal analyser | |
| CN110320323A (zh) | 基于传感器的实时恶臭分类装置及方法 | |
| Rogers et al. | Cytometric fingerprinting: quantitative characterization of multivariate distributions | |
| EP0254380B1 (en) | Particle size distribution analysis | |
| WO1997043620A1 (en) | Selectively emphasizing particles of interest from a fluid sample for analysis | |
| CN111274949B (zh) | 一种基于结构分析的血液病白细胞散点图相似度分析方法 | |
| WO2023186051A1 (zh) | 辅助诊断方法及装置、构建装置、分析装置及相关产品 | |
| Eudey | Statistical considerations in DNA flow cytometry | |
| JP2012505470A (ja) | 血液学機器のための形状パラメータ | |
| US6141624A (en) | Fluid sample for analysis controlled by total fluid volume and by total particle counts | |
| JPH02194359A (ja) | 白血球細胞ヒストグラムから３種の主要タイプの血液細胞を分離するための方法 | |
| EP0138591A2 (en) | Screening method for red blood cell abnormality | |
| JP2587824B2 (ja) | 細胞分析装置 | |
| JPH0926388A (ja) | 粒子分析装置および分布データ相違度評価装置 | |
| JPH0629838B2 (ja) | 粒度分布解析法 | |
| JP2023101619A (ja) | 好中球の亜集団の検出および報告 | |
| CN117191172A (zh) | 一种天平称量罩的质量检测和饱和预警的方法及装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20010703 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100719 Year of fee payment: 9 |