JP6879366B2 - 試料の溶血、黄疸、脂肪血症、又は正常性を検出する方法、装置及び品質チェックモジュール - Google Patents

Description

関連出願の相互参照
本願は、２０１６年１１月１４日出願の米国仮出願６２／４２１，９５７の優先権を主張し、該出願の全内容は本明細書に援用される。

本発明は、試料の検査方法及び装置に関し、より詳細には、試料が溶血（Ｈ）、黄疸（Ｉ）、脂肪血症（Ｌ）のいずれか１つ以上を含むか、又は正常（Ｎ）であるかを判定する方法及び装置に関する。

自動検査システムは、尿、血清、血漿、間質液、脳脊髄液などの試料に含まれた分析対象物質又は他の成分を同定するために、１つ以上の試薬を使用して臨床化学又はアッセイ検査を行うために使用される。便宜上及び安全上の理由から、これらの試料は試料容器（例えば、採血管）内に収容される。アッセイ又は検査反応は、試料中に存在する分析対象物質又は他の成分の濃度を判定するために読み取られまた操作される種々の変化を生じる。

自動検査技術の改善は、ラボラトリオートメーションシステム（ＬＡＳ）の一部をなす自動化された分析前試料準備システムによる、分類、バッチ調製、試料成分を分離するための試料容器の遠心分離、試料へ接触できるようにするためのキャップ除去などの、分析前の試料準備及び取り扱い操作における相応の進歩を伴う。ＬＡＳは、試料容器内の試料を、１つ以上の分析前試料処理ステーションや、臨床化学分析器とアッセイ機器のいずれか又は両方（以下、集合的に「分析器」と呼ぶ）を含む分析器ステーションに、自動的に搬送する。

このようなＬＡＳは、バーコードラベル（以下、「ラベル」を含む）付きの試料容器に入れられた多数の異なる試料の処理を一度に扱える。ラベルは、検査指令や他の情報と共に病院のラボラトリインフォメーションシステム（ＬＩＳ）に入力される人口統計情報に相関される受入番号を含んでいる。オペレータがラベル付試料容器をＬＡＳに配置し、ＬＡＳは、ＬＡＳの一部をなす１つ以上の分析器による臨床分析又はアッセイに試料が実際に供される前に行われる、遠心分離、キャップ除去、及びアリコート調製などの１つ以上の分析前操作のために、試料容器を自動的にルーティングする。

Ｈ、Ｉ、Ｌの１つ以上など干渉物質の検出といった特定の検査では、分画（例えば、遠心分離）によって全血から得られた血清又は血漿成分が検査に供される。沈降した血液成分を血清又は血漿成分から分離し易いように、試料容器にゲルセパレータを加える例もある。分画及びその後のキャップ除去処理の後、いくつかの例では、試料容器から吸引によって血清又は血漿成分を抽出し、該血清又は血漿成分を反応容器（例えば、キュベット又は他の容器）内の１つ以上の試薬と組み合わせる適切な分析器へ、試料容器は搬送される。そして、分析測定は、多くの場合、例えば、インテロゲート放射のビームを使用して、又は、測光や蛍光吸収読み取り値などを使用することによって、実行される。測定値から終点又は速度値の判定が可能で、これから、分析対象物質又は他の成分の濃度を周知の技術を使用して判定することができる。

残念なことに、患者の状態又はサンプル処理の結果として、試料中の干渉物質（例えば、Ｈ、Ｉ、Ｌの１つ以上）の存在が、分析器から得られる分析対象物質又は成分の測定の検査結果に悪影響を及ぼす可能性がある。例えば、試料中の溶血の存在は、患者の病態とは無関係であることがあり、患者の病態の異なる解釈を招き得る。さらに、試料中の黄疸や脂肪血症の存在も、患者の疾患状態の異なる解釈を招き得る。

従来技術では、試料の血清又は血漿成分の完全性は、熟練した臨床検査技術者によって、視覚的に検査され、Ｈ、Ｉ、Ｌの１つ以上の程度について評価される（例えば、指数を割り当てることによって）。これは、既知の標準に対する試料の血清又は血漿成分の色の評価を含む。正常な（Ｎ）血清又は血漿成分は、淡黄色〜淡黄色をもつ。溶血を含む血清又は血漿成分は、赤みがかった色をもつ。黄疸を含む血清又は血漿成分は、ビリルビンの増加により暗黄色をもち、脂肪血症を含む血清又は血漿成分は、白っぽい又は乳白色の外観をもつ。このように色に応じて検査技師はインデックスを割り当てる。しかし、このような外観検査はかなり主観的であり、労働集約的であり、人為的エラーの可能性を伴う。

手動検査は、上記の問題を含むので、臨床検査技術者による外観検査を使用することなく、むしろ自動検査方法を使用することによって、試料の完全性を評価することが求められる。しかし、場合によっては、試料容器に直接貼られた１つ以上のラベルが試料の視界を部分的に遮蔽することがあり、その結果、血清又は血漿成分を視覚的に観測できる明確な機会がないことがある。したがって、このような分析前処理の自動化は困難である。

これに対応するために、Millerによる特許文献１「Methods And Apparatus For Ascertaining Interferents And Physical Dimensions in Liquid Samples And Containers To Be Analyzed By A Clinical Analyzer」に記載されているようなシステムがあり、特許文献１には、試料容器を回転させてラベルによって妨害されない視野ウィンドウを見つけてから撮像を実行することによる、ＨＩＬＮの自動事前スクリーニングが記載されている。しかし、当該システムは、自動化が容易ではない。

分析されるべき試料内に溶血、黄疸、脂肪血症（ＨＩＬ）の状態が含まれる場合に遭遇する問題のために、ＨＩＬの存在及び可能ならその程度を容易に判定できるように改善された方法及び装置という未だ解決されていない要求がある。この方法及び装置は、分析又はアッセイ検査結果を得る速度、すなわち、Ｈ、Ｉ、Ｌの１つ以上又はＮの存在を判定するための時間が非常に短いこと、にあまり悪影響を及ぼすべきではない。さらに、この方法及び装置は、ラベルが試料の血清又は血漿成分の一部を遮蔽し得るラベル付試料容器でも使用することができなければならない。

米国特許９，３２２，７６１

一態様によれば、ＨＩＬＮに関して試料を特徴付ける方法が提供される。この試料は血清又は血漿成分を含み、そして試料容器に入れられており、該試料容器がホルダに保持されていて試料容器の一部にラベルがある。本方法は、複数の視点から、バックライトを使用して試料容器の１つ以上の画像を取得し、複数の視点からの１つ以上の画像を処理して、各視点ごとに領域の分類を判定することによって各視点ごとにセグメント化情報を得て、各視点ごとのセグメント化情報からセマンティックマップを生成し、セマンティックマップから、血清又は血漿成分が可視である合成視点を選択し、合成視点に関して、当該合成視点からの正面セマンティックデータ及び当該合成視点とは反対の試料容器の裏側からの背面セマンティックデータを同定し、そして、背面セマンティックデータを考慮しつつ、ＨＩＬＮ分類器を用いて正面セマンティックデータに基づき血清又は血漿成分のＨＩＬＮを判定する、ことを含む。

別の態様によれば、試料容器に入った試料のＨＩＬＮ（干渉物質の存在）を判定するように構成された品質チェックモジュールが提供される。この品質チェックモジュールは、試料容器の周りに配置され、複数の視点から、バックライトを使用して試料の複数の画像を取得するように構成された複数の画像取得装置と、複数の画像取得装置に接続されて複数の画像の画像データを処理するように構成されたコンピュータとを備え、そのコンピュータが、前記画像データを処理し、前記視点ごとに領域の分類を判定することによって、前記視点ごとにセグメンテーション情報を生成し、該セグメンテーション情報からセマンティックマップを生成し、セマンティックマップから、試料の血清又は血漿成分を視認できる合成視点を選択し、合成視点に関して、当該合成視点からの正面セマンティックデータ及び当該合成視点とは反対の前記試料容器の裏側からの背面セマンティックデータを同定し、背面セマンティックデータを考慮しつつ、正面セマンティックデータに基づいて試料の血清又は血漿成分のＨＩＬＮを（干渉物質が存在するかどうかを）分類するように構成され動作する。

別の態様によれば、試料容器に入った試料のＨＩＬＮ（干渉物質の存在）を判定するように構成された試料検査装置が提供される。この試料検査装置は、トラックと、トラックに沿って移動可能であり、試料容器を収容するように構成されたキャリアと、トラックの周りに配置され、複数の視点から、バックライトを使用して試料の複数の画像を取得するように構成された複数の画像取得装置と、複数の画像取得装置に接続され、複数の画像の画像データを処理するように構成されたコンピュータとを備え、そのコンピュータは、前記画像データを処理し、前記視点ごとに領域の分類を判定することによって、前記視点ごとにセグメンテーション情報を生成し、該セグメンテーション情報からセマンティックマップを生成し、セマンティックマップから、前記試料の血清又は血漿成分を視認できる合成視点を選択し、合成視点に関して、当該合成視点からの正面セマンティックデータ及び当該合成視点とは反対の前記試料容器の裏側からの背面セマンティックデータを同定し、背面セマンティックデータを考慮しつつ、正面セマンティックデータに基づいて試料の血清又は血漿成分のＨＩＬＮを（干渉物質が存在するかどうかを）分類するように構成され動作する。

本発明の他の態様、特徴、及び利点は、本発明を実施するために想定される最良の形態を含む具体例及び実施形態を例示することによる以下の説明で明らかになる。本発明は、他の異なった実施の形態も可能であり、本発明のいくつかの詳細は、本発明の範囲から逸脱することなく様々な点で修正可能である。本発明について、特許請求の範囲に含まれる全ての修正、均等、代替の概念を包含することが意図されている。

以下に示す図面は例示を目的としたものであり、必ずしも一定の縮尺で描かれているわけではない。すなわち、図面及び説明は本質的に例示のものとみなされるべきであり、限定的なものとみなされるべきではない。図面は、本発明の範囲を限定するものではない。
試料のＨ、Ｉ、Ｌの１つ以上又はＮを検出するように構成された１つ以上の品質チェックモジュールと、１つ以上の分析器（臨床化学又はアッセイ機器）とを含む試料検査装置の一実施形態について概略平面図を示す。 干渉物質を含む血清又は血漿成分を有する分離後の試料が入った試料容器の側面図を示し、該試料容器にはラベルが付されている。 干渉物質を含む血清又は血漿成分を有する分離後の試料及びゲルセパレータが入ったラベル付試料容器の側面図を示す。 血清又は血漿成分に干渉物質を含む分離後の試料及びゲルセパレータが入ったラベル付試料コンテナの側面図を示し、該試料容器はホルダにより起立姿勢で保持されている。 複数の視点を含み、複数のバックライト画像を取得し分析して干渉物質の存在を判定することを可能にするように構成された品質チェックモジュールの一実施形態について（天井が除去された）概略平面図を示す。 図４Ａの品質チェックモジュールの一実施形態について概略側面図（筐体前面壁は除去して図示）を示す。 試料中のＨ、Ｉ、Ｌの１つ以上又はＮの存在を判定するように構成された品質チェックモジュールの機能要素の一実施形態についてブロック図を示す。 一実施形態に係るセマンティックマップの第１の視点からの第１のセグメント化画像を示す。 一実施形態に係るセマンティックマップの第２の視点からの第２のセグメント化画像を示す。 一実施形態に係るセマンティックマップの第３の視点からの第３のセグメント化画像を示す。 一実施形態に係る複数の視点を表した概略平面図を示す。 一実施形態に係る合成視点からのセマンティック背面を示す。 一実施形態に係る合成視点からのセマンティック正面を示す。 試料中のＨ、Ｉ、Ｌの１つ以上又はＮを判定する方法の一実施形態についてのフローチャートである。

第１の広い態様において、本発明の実施形態は、干渉物質が試料の血清又は血漿成分に存在するかどうか、又は、血清又は血漿成分が正常（Ｎ）であるかどうか−すなわち干渉物質を含まないかどうか−を決定するように構成された方法及び装置を提供する。本明細書で使用する「干渉物質」は、試料の血清又は血漿中の溶血（Ｈ）、黄疸（Ｉ）、又は脂肪血症（Ｌ）の少なくとも１つの存在を意味する。溶血（Ｈ）、黄疸（Ｉ）、及び脂肪血症（Ｌ）は、本明細書では集合的に「ＨＩＬ」と表す。

本明細書で使用する「溶血」は、処理中に赤血球が破壊され、赤血球から血清又は血漿成分へのヘモグロビンの放出をもたらし、血清又は血漿成分が赤みがかった色相を呈するようになる、血清又は血漿成分における状態として定義される。溶血の程度は、溶血指数を割り当てることによって定量化することができる。

本明細書で使用する「黄疸」は、血液中の胆汁色素（ビリルビン）の蓄積によって血清又は血漿成分が変色した暗黄色である、血液の状態を意味する。黄疸の程度は、黄疸指数を割り当てることによって定量化することができる。

本明細書で使用する「脂肪血症」は、血清又は血漿成分が白っぽい又は乳白色の外観をみせるように、血液中に異常に高濃度の乳化脂肪が存在することを意味する。脂肪血症の程度は、脂肪血症指数を割り当てることによって定量化することができる。

前述したように、血清又は血漿成分における１つ以上の干渉物質（ＨＩＬ）の存在は、１つ以上の分析器によるその後の検査（例えば、臨床化学又はアッセイ検査）の結果の解釈に影響を及ぼす。したがって、分析器による最終解析の前にＨＩＬを事前にスクリーニングする能力は、分析のための適切な品質ではない試料を分析する無駄な時間を最小限に抑えることができ有益である。ＨＩＬの１つ以上を含むことが見出された試料は、オペレータにフラグを立てられ、再入手のためにスケジュールされ、改善プロセスに供され、又は存在する干渉物質の程度をより正確に測定するためにさらなる検査に供される。

試料は、本明細書に説明するように、採血管などの試料容器に採取され、分画（例えば、遠心分離による分離）後、沈降した血液成分と血清及び血漿成分とを含む。沈降血液成分は、白血球、赤血球、及び血小板などの血液細胞からなり、血清又は血漿成分から凝集及び分離される。沈降血液成分は、試料容器の底部に現れる。

血清又は血漿成分は血液の液体成分であり、沈降血液成分の一部ではない。分画後の沈降血液成分の上方に現れる。血漿及び血清は、凝固成分、主にフィブリノーゲンの含有量が異なる。血漿は凝固していない液体であり、一方、血清は、内因性酵素又は外因性成分のいずれかの影響下で凝固することが許容されている血漿を指す。試料容器には、遠心分離中に沈降した血液成分と血清又は血漿成分との間に配置される小さなゲルセパレータを使用することができるものもある。ゲルセパレータは、２つの部分（液体及び固体）の間の物理的なバリアとして働く。

一実施形態によれば、干渉物質検出方法は、分析前検査方法として、すなわち、分析器（例えば、臨床化学又はアッセイ機器）で分析を行う前に行われる。本明細書に記載のＨ、Ｉ、Ｌの１つ以上又はＮ検出方法は、一実施形態によれば、試料の血清又は血漿成分の高ダイナミックレンジ（ＨＤＲ）画像処理を使用して、干渉物質（Ｈ、Ｉ、Ｌの１つ以上又はＮ）の存在を判定することができる。一実施形態では、血清又は血漿成分の物理的境界の識別を、ＨＤＲ画像処理を使用することによって、セグメント化プロセス中に行うこともできる。

一実施形態では、品質チェックモジュールが干渉物検出方法を実行するように構成され得る。品質チェックモジュールは、ロボット機構（例えば、トラック又はグリッパフィンガロボット）が試料容器に含まれる試料を品質チェックモジュールへ搬送できる領域に、設けられる。一実施形態では、品質チェックモジュールは、分析器の分析（例えば、臨床化学検査又はアッセイ）のために試料を遠隔位置に搬送するトラック中に設けることが可能である。一実施形態において、品質チェックモジュールは、トラック上にある間に試料が干渉物質の存在について検査されるように、トラック中に設けられる。これらの例では、試料容器が試料容器ホルダ（以下、「ホルダ」）によって起立姿勢で保持され得る。ホルダは、試料容器を保持するフィンガを備え、これらのフィンガは、後述するように、フィンガの一部又は全部が画像取得装置の画像ウィンドウ内に位置するように配向することができる。

一実施形態において、処理されたデータ（例えば、ＨＤＲデータ）がＨＩＬＮ検出のために使用される。一実施形態では、データはまた、アーチファクト検出（例えば、血清又は血漿成分における血塊、泡、又は泡沫の検出）のために使用可能である。この場合、アーチファクトを含むことが分かった画素は、アーチファクトの位置及びその範囲が分かっているので、処理されたデータに基づいてＨＩＬＮの判定を実行する際に単純に無視することができる。

試料がＨ、Ｉ、Ｌのうちの１つ以上を含むことが検出された場合、該試料は、Ｈ、Ｉ、又はＬの範囲のさらなる定量化のために、再入手のために、又は他の処理のために、Ｈ、Ｉ、Ｌのうちの１つ以上を是正するための改善を実行するためにオフライン扱いにされる。本明細書で説明される干渉物質検出方法は画像ベースであり、すなわち、複数の視点で画像を取得するように配置された複数の画像取得装置によって取得されたピクセル化画像に基づく。本明細書で使用される「ピクセル化画像」は、単一の画素、又は複数の画素を含むスーパーピクセル又は画像パッチなどの画素のグループのいずれかを含む画像を意味する。１１個の単独画素×１１個の単独画素のサイズを有するスーパーピクセル又は画像パッチが、データの効率的な処理のために良好に機能することが分かった。

本明細書で説明するＨＩＬＮ検出方法は、品質チェックモジュールで複数の画像を取得することを含む。画像は、複数の露光時間で、異なる公称波長を有する複数のスペクトルで、複数の画像取得装置を使用して、複数の視点から取得することができる。本明細書で使用する「画像取得装置」は、デジタルカメラ、ＣＣＤ（電荷結合素子）及びＣＭＯＳ（相補型金属酸化膜半導体）センサ、センサアレイなど、分析のために画素化画像（例えば、デジタル画像）を取得することができるデバイスを意味する。露光時間は、画像取得装置の照明強度及び特徴に基づいて変化させることができ、複数の露光時間が各スペクトル及び各画像取得装置に対して使用され得る。各画像取得装置ごとの露光時間は、対応する画像取得装置ごとに同じであってもよい。

特定のスペクトルの複数の取得画像の対応する画素ごとに、最適な画像強度を示す画素が選択される。その結果は、異なるスペクトル（例えば、赤、緑、青など）ごとの複数の統合カラー画像データセットであって、その画素の全ては最適露光である（例えば、スペクトルごとに１つの画像データセット（例えば、赤、緑、青など））。統合カラーデータセットからのデータは、その各画素ごとに統計データ（例えば、平均、標準偏差、及び共分散行列）を決定するために、統計分析を受ける。共分散は、色画素のうちの２つ以上がどれだけ一緒に変化するかの尺度である。この統計データは、１つ以上のデータ行列の形で、画像データセットをクラスへセグメント化するために（以下、「セグメント化」と呼ぶ）、１つ以上のマルチクラス分類器によって演算することができる。

セグメント化は、画像中の血清又は血漿成分の領域と、他のクラス（例えば、沈降血液成分、ゲルセパレータ、管、キャップ、ラベル、ホルダ、空気）とを判定し得る。マルチクラス分類器は、サポートベクトルマシン（ＳＶＭ）又は複数のトレーニングセットから事前に訓練されたランダム決定木であってもよい。一旦、血清又は血漿成分がマルチクラス分類器によって同定されると、１つ以上の干渉物質分類器を使用して、干渉物質（例えば、Ｈ、Ｉ、Ｌの１つ以上）又は正常（Ｎ）の存在を直接同定及び分類し得る。１つ以上の干渉物質分類器は、各画素（又はスーパーピクセル／画像パッチ）をそれぞれＨ、Ｉ、又はＬ、又はＮとして分類することができる、個別に訓練されたバイナリモデルとすることができる。他の実施形態では、干渉物質分類器がマルチクラス分類器である。干渉物質分類器モデルは、それぞれ、サポートベクトルマシン（ＳＶＭ）又はランダム決定木であってもよい。

複数の視点からの画像を使用することにより、ＨＩＬＮを適切に特徴付けることに関して満足のいく結果を得られるが、画像を取得する視点に対し試料容器の背後にラベルやホルダがあると、該視点で取得される画像に影響を及ぼすことが、本発明の発明者によって見出された。例えば、１つの視点から見て、ラベル又はホルダの一部分が試料容器の背後に位置する場合、その存在が、血清又は血漿成分を通過するバックライトを不明瞭にし、その結果、該視点で画像取得装置によって測定される画像強度に影響を及ぼす。本発明の実施形態は、背面のそのようなラベルやホルダの存在を考慮に入れることができる。この補償は、背面情報を考慮に入れたセマンティックモデルを生成することによって達成することができる。このセマンティックモデルから、ＨＩＬＮのより正確な判定を提供することができる。

さらに、より正確な干渉物質分類結果に基づいて、血清又は血漿成分に関する干渉物質タイプが、全体として、セマンティックモデルから判定される（すなわち、Ｈ、Ｉ、Ｌの１つ以上又はＮ）。判定された干渉物質のタイプに関する干渉物質レベルも、選択的に提供される。干渉物質レベルは、一実施形態では１つ以上の追加のモデル（例えば、１つ以上の回帰モデル）に従う。回帰モデルは、多様な干渉レベルを示すサンプル試料に基づいて、各干渉物質タイプごとに訓練される。この方法によって複数の干渉物質タイプを判定することができ、判定した干渉物質タイプごとに干渉物質レベルを特定することができる。

本発明に係る干渉物検出方法、この方法を実行するように構成された品質チェックモジュール、及び１つ以上の品質チェックモジュールを含む試料検査装置のさらなる詳細を、図１〜図７を参照してさらに説明する。

図１は、複数の試料容器１０２（例えば、図２Ａ〜図３を参照）を自動的に処理することができる試料検査装置１００を示す。試料容器１０２は、１つ以上の分析器（例えば、試料検査装置１００に沿ってそれぞれ配置された第１、第２、第３の分析器１０６，１０８，１１０）へ搬送されて分析される前に、装填領域１０５の１つ以上のラック１０４に収容される。より多数の又はより少数の分析器を使用可能であることは当然である。分析器は、臨床化学分析器やアッセイ機器などの組み合わせである。試料容器１０２は、試料２１２を入れることのできる、採血管、試験管、サンプルカップ、キュベット、又は他の透明又は不透明なガラス又はプラスチック容器など、透明又は半透明の容器である。

通常、自動処理される試料２１２（図２Ａ〜図３）は、キャップ２１４で蓋をすることができる試料容器１０２に入れて、試料検査装置１００に提供される。キャップ２１４は、種々の形状とカラー（例えば、赤色、ロイヤルブルー、淡青色、緑色、灰色、黄色、又は色の組み合わせ）のいずれか又は両方を有し、これらは、例えば添加剤のタイプごとに試料容器１０２が使用される検査に関して、意味をもつ。他の色も使用できる。

試料容器１０２の各々には、試料検査装置１００に沿った様々な位置で機械読み取り可能なバーコード、アルファベット、数字、英数字、又はこれらの組合せなどの識別情報２１８ｉ（すなわち、しるし）を含むラベル２１８が付けられる。識別情報２１８ｉは、例えば、ラボラトリインフォメーションシステム（ＬＩＳ）１４７を介して、患者の識別、試料２１２に実施されるべき検査、又は他の情報を示すか、又はこれらと相関する。このような識別情報２１８ｉは、管２１５に貼り付けられたラベル２１８において提供される。ラベル２１８は、試料容器１０２の全周に又は試料容器１０２の全長に延びていなくてもよい。一実施形態では、複数のラベル２１８が貼られ、わずかに重なっている。したがって、ラベル２１８は試料２１２の一部を遮蔽するが、それでも試料２１２の一部は少なくとも１つの視点から観測することができる。一実施形態では、ラック１０４に追加の識別情報をもたせることもできる。

試料２１２は、管２１５内に血清又は血漿成分２１２ＳＰ及び沈降血液成分２１２ＳＢを含む。空気２１６が血清及び血漿成分２１２ＳＰの上方にあり、それらの間の線又は境界は本明細書では液体−空気界面（ＬＡ）として定義される。血清又は血漿成分２１２ＳＰと沈降血液成分２１２ＳＢとの間の境界は、本明細書では血清−血液界面（ＳＢ）と定義される。空気２１６とキャップ２１４との間の境界は、本明細書では管−キャップ界面（ＴＣ）と呼ぶ。管の高さ（ＨＴ）は、管２１５の底からキャップ２１４の下端までの高さとして定義される。血清又は血漿成分２１２ＳＰの高さはＨＳＰであり、沈降血液成分２１２ＳＢの上端から血清又は血漿成分２１２ＳＰの上端まで、すなわちＬＡからＳＢまでの高さとして定義される。沈降血液成分２１２ＳＢの高さはＨＳＢであり、沈降血液成分２１２ＳＢの下端からＳＢの沈降血液成分２１２ＳＢの上端までの高さとして定義され、ＨＴＯＴは試料２１２の全高であり、ＨＳＰ＋ＨＳＢに等しい。

ゲルセパレータ３１３が使用される場合（図２Ｂ）、血清又は血漿成分２１２ＳＰの高さはＨＳＰであり、ＬＡの血清又は血漿成分２１２ＳＰの上端からＳＧのゲルセパレータ３１３の上端まで、すなわちＬＡからＳＧまでの高さとして定義される。沈降血液成分２１２ＳＢの高さはＨＳＢであり、沈降血液成分２１２ＳＢの下端からＢＧのゲルセパレータ３１３の下端までの高さとして定義される。ＨＴＯＴは試料２１２の全高であり、ＨＳＰ＋ＨＳＢ＋ゲルセパレータ３１３の高さに等しい。いずれの場合も、壁厚はＴｗであり、外側幅はＷであり、試料容器１０２の内側幅はＷｉである。

より詳細に、試料検査装置１００は、トラック１２１を設置することができるベース１２０（例えば、フレーム又は他の構造体）を含む。軌道１２１は、レール軌道（例えば、モノレール又はマルチレール）、コンベヤベルトの集合体、コンベヤチェーン、可動プラットフォーム、又は他の適切なタイプの搬送機構である。トラック１２１は、円形又は他の適切な形状で、一実施形態では、閉じたトラック（例えば、無端トラック）である。トラック１２１は、動作中、個々の試料容器１０２を一つ一つ、キャリア１２２により、トラック１２１に沿って離れた位置へ移送する。

キャリア１２２は、トラック１２１で単一の試料容器１０２を運ぶように構成された受動的な非電動パック、又は選択的に、トラック１２１に沿って移動し、事前にプログラムされた位置で停止するようにプログラムされたリニアモータなどのオンボード駆動モータをもつ自動式キャリアである。キャリア１２２はそれぞれ、試料容器１０２を、規定された起立姿勢に保持するように構成されたホルダ１２２Ｈ（図３）を含む。ホルダ１２２Ｈは、試料容器１０２をキャリア１２２に固定するもので、異なるサイズの試料容器１０２を受け入れられるように移動可能又は可撓性の複数のフィンガ又は板ばねを含む。一実施形態では、キャリア１２２は、１つ以上のラック１０４を設置してある装填領域１０５から出発する。一実施形態では、装填領域１０５は、分析が完了した後にキャリア１２２からの試料容器１０２を取り出すことを可能にする機能も担う。

ロボット１２４が装填領域１０５に設けられ、１つ以上のラック１０４から試料容器１０２を把持してトラック１２１の投入レーンなどにあるキャリア１２２に試料容器１０２を装填するように構成される。ロボット１２４はまた、検査の完了時に、キャリア１２２から試料容器１０２を取り出すようにも構成される。ロボット１２４は、Ｘ及びＺ、Ｙ及びＺ、Ｘ、Ｙ及びＺ、又はｒ及びθ運動が可能な１つ以上（例えば、少なくとも２つ）のロボットアーム又は要素を含む。ロボット１２４は、ガントリロボット、多関節ロボット、Ｒθロボット、又は他の適切なロボットであり、試料容器１０２をピックアップして分配するようにサイズ決め、構成されたロボットグリッパフィンガを備える。

トラック１２１に装填されてキャリア１２２によって搬送される試料容器１０２は、第１の前処理ステーション１２５（例えば、試料２１２の分画を実行するように構成された自動遠心分離機）に進む。試料容器１０２を運ぶキャリア１２２は、流入レーン又は他の適切なロボットによって、第１の前処理ステーション１２５へ方向転換する。遠心分離後、試料容器１０２は、流出レーンから出るか又はロボットによって取り出され、トラック１２１へ戻る。図示の実施形態では、キャリア１２２の試料容器１０２は次に、図４Ａ及び図４Ｂを参照してさらに説明する、品質チェックモジュール１３０へ搬送される。

品質チェックモジュール１３０は、試料検査装置１００によって処理される試料２１２に含まれるＨ、Ｉ、Ｌのうちの１つ以上の存在を自動的に判定するように構成される。Ｈ、Ｉ、Ｌの１つ以上を、正常（Ｎ）と考えられるほどに少量しか含まないことが判明した場合、当該試料２１２は、トラック１２１を継続し、そして、試料容器１０２を装填領域１０５へ戻して排出するまでに、１つ以上の分析器（例えば、第１、第２、第３の分析器１０６，１０８，１１０の１つ以上）で分析される。一実施形態において、試料２１２は、品質チェックモジュール１３０においてアーチファクト（例えば、血塊、泡、又は泡沫）の存在についても検査される。一実施形態では、試料２１２の定量化も品質チェックモジュール１３０で行われる（すなわち、ＨＳＰ、ＨＳＢ、ＨＴＯＴの決定、及びＳＢ、ＬＡの位置の決定）。一実施形態では、試料容器１０２の物理的属性の特徴付けが、品質チェックモジュール１３０で行われる。該特徴付けは、ＨＴ、キャップ色、キャップタイプ、ＴＣ、管幅Ｗ、及び内側幅Ｗｉを判定することを含む。

一実施形態では、トラック１２１に直接連結されていない離隔ステーション１３２を、検査装置１００に設けることができる。例えば、独立したロボット１３３（点線で示す）が試料２１２の入った試料容器１０２を離隔ステーション１３２に運び、検査／処理後にそれらを戻す。選択的に、試料容器１０２は手動で取り出して戻すこともできる。離隔ステーション１３２は、溶血レベルなどの特定の成分を検査するために使用可能であり、又は、例えば、１つ以上の添加剤で脂肪血症レベルを低下させるため、血塊、泡又は泡沫除去するためなど、さらなる処理のために使用される。他の検査又は処理も、離隔ステーション１３２で実行できる。トラック１２１に沿って他のステーションを設けてもよい。さらに、追加のステーション（図示せず）として、デキャッピング（キャップ取り外し）ステーション、１つ以上の追加の品質チェックモジュール１３０などを含むことができる。

試料検査装置１００は、トラック１２１に対する１つ以上の位置にセンサ１１６を含む。センサ１１６は、試料容器１０２に付された識別情報２１８ｉ又は各キャリア１２２に提供される同様の情報（図示せず）を読み取る手段によって、トラック１２１に沿った試料容器１０２の位置を検出するために使用される。一実施形態では、個別ＲＦＩＤチップを各キャリア１２２に埋め込むことができ、例えば、既存のＲＦＩＤリーダシステムを追跡動作に使用することができる。近接センサなど、位置を追跡するための他の手段を使用することもできる。全てのセンサ１１６は、コンピュータ１４３とインターフェースし、各試料容器１０２の位置を常に適切に把握することができる。

第１の前処理ステーション１２５及び分析器１０６，１０８，１１０の各々は、トラック１２１からキャリア１２２を取り出すように構成されたロボット機構や流入レーンと、トラック１２１へキャリア１２２を戻すように構成されたロボット機構や流出レーンとを備え得る。

試料検査装置１００はコンピュータ１４３によって制御され、コンピュータ１４３は、マイクロプロセッサベースの中央処理装置ＣＰＵとすることができ、各種システム構成要素を動作させるための適切なメモリ、適切な調節電子機器、及びドライバを有する。コンピュータ１４３は、試料検査装置１００のベース１２０の一部として収容するか、又はベース１２０から分離して備えることもできる。コンピュータ１４３は様々なタイプの検査（例えば、アッセイ又は臨床化学）を実行するために、キャリア１２２の、装填領域１０５への及び装填領域１０５からの移動とトラック１２１に沿った移動、また、第１の前処理ステーション１２５（例えば、遠心分離機）の動作と共に第１の前処理ステーション１２５への及び第１の前処理ステーション１２５からの移動動作、さらに、品質チェックモジュール１３０の動作と共に品質チェックモジュール１３０への及び品質チェックモジュール１３０からの移動動作、そして、各分析器１０６，１０８，１１０の動作と共に各分析器１０６，１０８，１１０への及び各分析器１０６，１０８，１１０からの移動動作を制御する。

品質チェックモジュール１３０以外の全てに対して、コンピュータ１４３は、例えばニューヨーク州タリータウンのSiemens Healthcare Diagnostics Inc.によって販売されているDimension（登録商標）臨床化学分析装置で使用されるソフトウェア、ファームウェア、ハードウェアコマンド又は回路のいずれか１つ以上に従って試料検査装置１００を制御することができ、当該制御はコンピュータベースの電気機械制御プログラムの当業者には典型的であり、本明細書ではこれ以上言及しない。試料検査装置１００を制御するための他の適切なシステムを使用してもよい。品質チェックモジュール１３０の制御もコンピュータ１４３により提供し得るが、本明細書で詳述する本発明の方法に従う。

本発明の実施形態は、ユーザが様々な制御画面及び状況表示画面に容易且つ迅速にアクセスすることを可能にするコンピュータインターフェースモジュール（ＣＩＭ）１４５を使用して実行される。これらの制御及び状況表示画面は、試料２１２の準備（調製）及び分析に使用される複数の相互に関連する自動装置のいくつか又は全ての態様を説明することができる。ＣＩＭ１４５は、複数の相互に関連した自動装置の動作状態に関する情報と、試料２１２の位置と、試料２１２に実施すべき又は試料２１２に実施されている検査の状態とを説明する情報を提供するために使用される。したがって、ＣＩＭ１４５は、オペレータと試料検査装置１００との間の相互作用を容易にするように構成される。ＣＩＭ１４５はアイコン、スクロールバー、ボックス、及びボタンを含むメニューを表示するように構成された表示画面を含み、これらを介してオペレータは、試料検査装置１００とインターフェースすることができる。メニューは、試料検査装置１００の機能的状態を表示するようにプログラムされた多数の機能ボタンを含む。

図２Ａ、図２Ｂ及び図３において、Ｈ、Ｉ、Ｌのうちの１つを含む試料容器１０２が示されている。図２Ａは、ゲルセパレータなしで、血清又は血漿成分２１２ＳＰにＨ、Ｉ、Ｌの１つ以上を含む試料２１２を示す。図２Ｂは、ゲルセパレータ３１３を有し、血清又は血漿成分２１２ＳＰにＨ、Ｉ、Ｌの１つ以上を含む試料２１２を示す。干渉物質の存在について試料容器１０２を事前にスクリーニングすることにより、試料２１２が１つ以上の分析器１０６，１０８，１１０へ進まないように確実に停止させることができる。これにより不正確な検査結果を回避することができる。一実施形態では、ＨＩＬＮ判定方法によって干渉物質が存在すると判定された場合、改善処置（例えば、脂肪血症減少）のために、検査結果と共に報告することができる溶血又は黄疸のレベルのより良好な定量化のために、又は場合によっては試料２１２を再入手するために、離隔ステーション１３２などへ試料容器１０２を切り離すことができる。

図４Ａ及び図４Ｂに品質チェックモジュール１３０の一実施形態を示して説明する。品質チェックモジュール１３０は、１つ以上の分析器１０６，１０８，１１０による分析の前に、試料２１２（例えば、その血清又は血漿成分２１２ＳＰ）中の干渉物質（例えば、Ｈ、Ｉ、Ｌ）の存在を自動的に判定するように構成される。このような事前スクリーニングは、貴重な分析資源の浪費を防ぎ、又は干渉物質の存在が検査結果の正確性に影響する可能性を排除すべく、試料２１２の追加の処理、追加の定量化又は特徴付け、廃棄、又は再入手を可能にする。

干渉物質検出方法に加えて、他の検出方法を、品質チェックモジュール１３０において試料容器１０２に入った試料２１２に実施してもよい。さらに、試料２１２を定量化する方法を、品質チェックモジュール１３０で実行することができる。例えば、品質チェックモジュール１３０は試料２１２を定量化するために、すなわち、試料２１２の所定の物理的寸法特性（例えば、ＬＡ及びＳＢの物理的位置、ＨＳＰ、ＨＳＢ、ＨＴＯＴの決定、血清又は血漿成分の体積ＶＳＰ、沈降血液成分の体積ＶＳＢの１つ以上）を判定するために、使用できる。さらに、一実施形態では、アーチファクト検出方法を実施してアーチファクト（例えば、血塊、泡、又は泡沫）の有無を判定することができる。

加えて、品質チェックモジュール１３０は、試料容器１０２を定量化するために、すなわち、試料容器１０２のＴＣの位置、ＨＴ、Ｗ又はＷｉ、キャップ２１４の色やタイプの１つ以上など試料容器１０２の所定の物理的寸法特性を定量化するために、使用することもできる。

図１、図４Ａ、及び図４Ｂを参照すると、品質チェックモジュール１３０の一実施形態は、複数の画像取得装置４４０Ａ〜４４０Ｃを含む。３つの画像取得装置４４０Ａ〜４４０Ｃが示されているが、２つ、３つ、４つ、それ以上を使用することもできる。画像取得装置４４０Ａ〜４４０Ｃは、デジタル画像（すなわち、画素化画像）取得することができる既存のデジタルカメラ、電荷結合デバイス（ＣＣＤ）、光検出器アレイ、１つ以上のＣＭＯＳセンサなどとすることができる。一例として３つの画像取得装置４４０Ａ，４４０Ｂ，４４０Ｃが図４Ａに示されており、３つの異なる横方向の視点から画像を取得するように構成されている。各画像取得装置４４０Ａ，４４０Ｂ，４４０Ｃは、画像サイズを有する画像を取得することができる装置であってもよい。一実施形態では、画像サイズは例えば２５６０×６９４画素とすることができる。別の実施形態では、画像サイズは例えば１２８０×３８７画素とすることができる。他の画素密度を用いてもよい。各画像取得装置４４０Ａ，４４０Ｂ，４４０Ｃは、試料容器１０２の少なくとも一部分と試料２１２の少なくとも一部分の側方画像を取得するように構成されて動作する。例えば、画像取得装置４４０Ａ〜４４０Ｃは、ラベル２１８又はキャップ２１４の一部及び管２１５の一部を取得することができる。最終的に、複数の画像から、試料容器１０２内の試料２１２の複合モデルが展開される。複合モデルは、一実施形態では３Ｄモデルとすることができ、試料２１２に関する最終判定を行うために使用することができる。本実施形態では、該モデルは、透過光に影響を及ぼし得る裏面の構造（例えば、ラベル２１８、ホルダ１２２Ｈ）の存在を考慮に入れたセマンティックモデルである。

図示の実施形態において、複数の画像取得装置４４０Ａ，４４０Ｂ，４４０Ｃは、試料２１２の周りに配置され、複数の視点から側方画像を取得するように構成される。視点は、３つの画像取得装置４４０Ａ，４４０Ｂ，４４０Ｃが使用される場合、図示されるように、互いに１２０度など、互いにほぼ等しく間隔を空けて配置される。図示のように、画像取得装置４４０Ａ，４４０Ｂ，４４０Ｃは、トラック１２１の周りに配置することができる。複数の画像取得装置４４０Ａ，４４０Ｂ，４４０Ｃの他の構成を使用することもできる。このようにして、試料容器１０２がキャリア１２２にある間に、試料容器１０２内の試料２１２の画像を取得する。複数の画像は、少し重なり合ってもよい。

一実施形態では、キャリア１２２は、撮像位置、すなわち、画像取得装置４４０Ａ，４４０Ｂ，４４０Ｃのそれぞれからの法線ベクトルが交差する点など、品質チェックモジュール１３０内の所定の位置で停止する。一実施形態では、キャリア１２２を停止させるためにゲートを設け、該ゲート位置で１つ以上の良好な品質の画像を取得する。他の実施形態では、予め設定された位置でキャリア１２２をスタート及びストップさせるようにプログラムに従い構成されたリニアモータを含む。品質チェックモジュール１３０にゲートがある実施形態では、１つ以上のセンサ（センサ１１６など）を使用して、品質チェックモジュール１３０におけるキャリア１２２の存在を判定する。

画像取得装置４４０Ａ，４４０Ｂ，４４０Ｃは、画像ウィンドウ、すなわち、試料容器１０２の予定位置を含むエリアを捉えるように、近接して設けられ、配向され、又は焦点を合わせてあり、試料容器１０２は、視野ウィンドウのほぼ中心に位置するように停止させる。上述のように、画像取得装置４４０Ａ，４４０Ｂ，４４０Ｃは、血清又は血漿成分２１２ＳＰの一部、沈降血液成分２１２ＳＢの一部、及びキャップ２１４の一部又は全部を含む画像を取得する。取得された画像内に、１つ以上の基準データが存在するとよい。基準データは、試料２１２の定量化を容易にする。基準データは例えば、ＴＣ又は試料容器１０２の底、あるいは、試料容器１０２の、全視点から見ることができる既知の位置に付けたマークである。

作動中、各画像は、コンピュータ１４３によって送信されて通信回線４４３Ａ，４４３Ｂ，４４３Ｃに提供されるトリガ信号に応答してトリガされ、取得される。取得した画像のそれぞれは、ここに説明する方法の一実施形態に従って処理される。１つの特に有効な方法では、ＨＤＲ処理を使用して取得画像を処理することができる。他の画像処理方法を使用してもよいのは当然である。

より詳細に、一実施形態によれば、複数の異なる露光時間で、１つ以上の異なるスペクトルにより照明し、品質チェックモジュール１３０において試料２１２（例えば、分画によって分離された試料）の複数の画像を取得する。例えば、各画像取得装置４４０Ａ，４４０Ｂ，４４０Ｃは、１つ以上のスペクトルを用い異なる露光時間で４〜８枚の画像を取得することができる。

一実施形態では、複数のスペクトルの画像は、異なるスペクトルの照明を発生する異なる色の光源４４４Ａ〜４４４Ｃを使用して得ることができる。光源４４４Ａ〜４４４Ｃは、（図示のように）試料容器１０２をバックライトで照らす。一実施形態では、光源４４４Ａ〜４４４Ｃと共に光拡散板を使用することができる。複数の異なるスペクトルの光源４４４Ａ〜４４４Ｃは、６３４ｎｍ＋／−３５ｎｍ（赤）、５３７ｎｍ＋／−３５ｎｍ（緑）、及び４５５ｎｍ＋／−３５ｎｍ（青）の公称波長など、２つ以上の異なるスペクトルを放射するＬＥＤなどのＲＧＢ光源である。他の実施形態では、光源４４４Ａ〜４４４Ｃは、７００ｎｍ〜１２００ｎｍ程度の公称波長を有する１つ以上のスペクトルを放射することができる。

例えば、第１の波長で画像を取得するために、３つの赤色光源（６３４ｎｍ＋／−３５ｎｍ程度の波長）を使用して、３つの横方向位置から試料２１２を照らすことができる。光源４４４Ａ〜４４４Ｃによる赤色照明を使用して、異なる露光時間で複数の画像（例えば、４〜８枚以上の画像）を各画像取得装置４４０Ａ〜４４０Ｃによって取得する。一実施形態では、露光時間は０．１ｍｓ〜２５６ｍｓの間程度である。他の露光時間を使用してもよい。画像取得装置４４０Ａ〜４４０Ｃそれぞれの画像は、同時撮像可能である。

一実施形態において、品質チェックモジュール１３０は、トラック１２１を少なくとも部分的に取り囲むか又は覆うことができる筐体４４６を含み、試料容器１０２は撮像ステップで筐体４４６の内側に位置決めされる。筐体４４６は、キャリア１２２が筐体４４６に出入りすることができるように、１つ以上のドア４４６Ｄを含む。一実施形態では、その天井に、可動ロボットフィンガをもつロボットによって上方から試料容器１０２をキャリア１２２に装填できるように、開口４４６Ｏを設ける。

図４Ａ及び図４Ｂの実施形態において赤色照明画像を取得した後、赤色スペクトルの光源４４４Ａ〜４４４Ｃをオフし、別のスペクトルの光、例えば、緑色スペクトルの光源４４４Ａ〜４４４Ｃをオンにし（＋／−３５ｎｍ程度の帯域幅を有する５３７ｎｍ程度の公称波長）、異なる露光時間で複数の画像（例えば、４〜８枚以上の画像）を各画像取得装置４４０Ａ，４４０Ｂ，４４０Ｃにより、当該スペクトルで取得する。このプロセスは、各画像取得装置４４０Ａ，４４０Ｂ，４４０Ｃについて、青色スペクトルの光源４４４Ａ〜４４４Ｃ（＋／−３５ｎｍ程度の帯域幅を有する４５５ｎｍ程度の公称波長）を用いて繰り返すことができる。異なる公称波長のスペクトル光源４４４Ａ〜４４４Ｃは、例えば、選択的にオンオフすることができる異なる色の光源のバンクを含む照明パネルによって実施することができる。バックライト用の他の手段を使用してもよい。さらに、赤外線（ＩＲ）、近赤外線（近ＩＲ）など、ＲＧＢ光源に加えて、又はＲＧＢ光源の代替として、別のスペクトル光源を照明のために使用することができる。

各波長のスペクトルごとに複数の露光時間で取得した複数の画像は、複数の視点からの試料２１２の画像の集合全体が例えば数秒未満で取得されるように、高速に連続して取得される。一例では、画像取得装置４４０Ａ，４４０Ｂ，４４０Ｃを使用し、ＲＧＢ光源４４４Ａ〜４４４Ｃでバックライトすることによって、３つの視点において各波長について４つの異なる露光時間で、４つの画像×３色×３つのカメラ＝３６の画像が得られる。一実施形態では、白色光を使用して複数の画像を取得し、次に、取得した白色光画像をその個々のＲＧＢ成分に分離することによって、ＲＧＢ画像を取得する手法も可能である。この場合は分離後に３６個の画像を得ることができる。画像データは、コンピュータ１４３のメモリに記録され、その後、コンピュータ１４３によって処理され得る。なお、このような画像に加えて、参照画像を撮像してもよい。

ＨＩＬ特徴付け方法によれば、画像データの処理は、例えば、各スペクトル及び各視点ごとに最適露光の画像データを生成するように、各波長スペクトル及び各画像取得装置４４０Ａ〜４４０Ｃごとに、異なる露光時間で取得した複数の画像から最適露光の画素を選択することを含む。これは、本明細書では「画像統合」と呼ぶ。対応する画素（又はスーパーピクセル／画像パッチ）ごとに、画像取得装置４４０Ａ〜４４０Ｃからの画像ごとに、最適な画像強度を示す画素（又はスーパーピクセル／画像パッチ）を、視点ごとの異なる露光時間の画像の各々から選択することができる。一実施形態では、最適な画像強度は例えば、所定の範囲の強度（例えば、０〜２５５のスケールで１８０〜２５４の間）に入る画素（又はスーパーピクセル／画像パッチ）である。別の実施形態では、最適な画像強度は例えば、０〜２５５のスケールで１６〜２５４の間である。２つの画像の対応する位置にある２つ以上の画素（又はスーパーピクセル／画像パッチ）が最適露光と判定された場合、２つのうちの強い方が選択される。最適な画像強度を示す選択画素（又はスーパーピクセル／画像パッチ）は、それぞれの露光時間によって正規化することができる。その結果、各画像取得装置４４０Ａ〜４４０Ｃの照明スペクトル（例えば、Ｒ、Ｇ、Ｂ、白色光、ＩＲ、ＩＲの１つ以上）に対する複数の正規化及び統合されたスペクトル画像データセットが得られ、ここでは、画素（又はスーパーピクセル／画像パッチ）の全てが最適露光である（例えば、スペクトル当たり１つの画像データセット）。

品質チェックモジュール１３０の較正処理の一部として、試料容器１０２又はキャリア１２２のない参照画像を取得することができる。この方法の場合、各画像データセットから管の背景（試料容器１０２の外側の領域）を減算することによって、計算負荷を最小限に抑えることができる。各露光時間及び照明条件（例えば、Ｒ、Ｇ、Ｂ、白色光、ＩＲ、近ＩＲの１つ以上）の参照画像は、干渉物質検出方法を実行する前に品質チェックモジュール１３０によって取得される。

最適露光画素（又はスーパーピクセル／画像パッチ）を含む各画像データセットごとに、試料２１２の血清又は血漿成分２１２ＳＰとして分類される画素（又はスーパーピクセル／画像パッチ）を識別するために、特徴付けプロセスが行われる。血清又は血漿成分２１２ＳＰを同定することは、最適露光画像データ中の各画素（又はスーパーピクセル／画像パッチ）を分類することに基づく。分類は、複数のトレーニングセットから生成されたマルチクラス分類器の演算に従う。マルチクラス分類器は、例えば、サポートベクトルマシン（ＳＶＭ）又はランダム決定木を含む。血清又は血漿成分２１２ＳＰの範囲を決定するための他の手段を使用してもよい。

分類を実行するため、上述のように、第１の統計データが、各画像取得装置４４０Ａ〜４４０Ｃごとに、異なるスペクトル（例えば、Ｒ、Ｇ、Ｂ、白色光、ＩＲ、近ＩＲの１つ以上）における最適露光画素（又はスーパーピクセル／画像パッチ）ごとに計算される。統計データは、例えば、２次までの平均値及び共分散を含む。計算された統計的属性はオブジェクトクラスの特定のプロパティを符号化し、したがって、クラスラベルを割り当てることによって、異なるオブジェクトクラス間の差別化のために使用される。一旦生成されると、統計データは、画像内の画素（又はスーパーピクセル／画像パッチ）を、１−血清又は血漿成分、２−沈降血液成分、３−管、４−空気、５−キャップ、６−ラベル、７−ホルダ、及び８−ゲルセパレータ（使用される場合）などの複数のクラスラベルのうちの１つに属するものとして分類することができるマルチクラス分類器５１５に、提供され、演算される。これにより、液体領域（すなわち、血清及び血漿成分２１２ＳＰ）を構成する画素（又はスーパーピクセル）を識別することができる。

マルチクラス分類器５１５は、線形又は非線形である適切なタイプの教師あり分類モデルである。例えば、マルチクラス分類器５１５は、線形又はカーネルベースのいずれかであるサポートベクトルマシン（ＳＶＭ）とすることができる。選択的に、マルチクラス分類器５１５は、適応型ブースティング分類器（例えば、ＡｄａＢｏｏｓｔ、ＬｏｇｉｔＢｏｏｓｔなど）、人工ニューラルネットワーク、ツリーベースの分類器（例えば、決定ツリー、ランダム決定フォレスト）、又は分類器としてのロジスティック回帰など、ブースティング分類器とすることができる。ＳＶＭは、試料２１２の分析において見られるような、液体と非液体との間の分類に特に有効である。ＳＶＭは、データを分析してパターンを認識する相関学習アルゴリズムを有する教師付き学習モデルである。ＳＶＭは、分類及び回帰分析のために使用される。

訓練例の複数のセットがマルチクラス分類器５１５を訓練するために使用され、そして、画像データセットがマルチクラス分類器５１５で演算され、各画素（又はスーパーピクセル）が分類される。マルチクラス分類器５１５は、様々な試料条件、ラベル２１８による遮蔽、ホルダ１２２Ｈによる遮蔽、血清又は血漿成分２１２ＳＰ及び沈降血液成分２１２ＳＢの液面などをもった試料容器１０２の多数の例において様々な領域の輪郭を図式的に描くことによって訓練される。５００を越える画像をマルチクラス分類器５１５の訓練に使用される。各トレーニング画像は、各クラスに属する領域を識別し、マルチクラス分類器５１５に教示するために、手動で輪郭を描くこともできる。

トレーニングアルゴリズムが、撮像される新しい試料の画素（又はスーパーピクセル／画像パッチ）をクラスの１つに割り当てるマルチクラス分類器５１５を構築する。ＳＶＭモデルは、別々のクラスの例が可能な限り広い明確なギャップによって分割されるようにマッピングされる空間内の点として、例を表す。画像データセットからの新しい画素が同じ空間にマッピングされ、ギャップのどちら側にあるかに基づいて特定のクラスに属すると予測される。一実施形態では、ＳＶＭは、いわゆるカーネルトリック（例えば、カーネルベースのＳＶＭ分類器）を使用して線形分類を効率的に実行することができ、入力を高次元特徴空間に暗黙的にマッピングする。ＳＶＭ及びブーストが特に好ましい。他のタイプの分類モデルを使用してもよい。

ブロック５１６における画素（又はスーパーピクセル／画像パッチ）のクラス識別から、ブロック５１７においてセマンティックマップを生成することができる。セマンティックマップは、コンピュータ１４３のデータベースに格納される３Ｄマップであり、位置（例えば、試料容器１０２の半径方向及び軸方向の位置）の関数として、すべての分類（１−血清又は血漿成分、２−沈降血液成分、３−管、４−空気、５−キャップ、６−ラベル、７−ホルダ、及び８−ゲルセパレータ（使用される場合））を統合できる。一実施形態では、セマンティックマップをグラフィカルに表示する。

セマンティックマップから、ブロック５１８において、合成視点を選択することができる。合成視点は、画像取得装置４４０Ａ〜４４０Ｃで画像を取得した視点のうちの１つであり得る。別の実施形態では、合成視点は、画像取得装置４４０Ａ〜４４０Ｃで画像を取得した複数の横方向視点のうちの２つの間にある別の視点であってもよい。合成視点は、血清又は血漿成分２１２ＳＰとして分類された画素（又はスーパーピクセル／画像パッチ）の最大数を含む視点である。合成視点が、画像取得装置４４０Ａ〜４４０Ｃで画像を取得した視点の１つの場合、選択合成視点は、血清又は血漿成分２１２ＳＰに分類される画素（又はスーパーピクセル／画像パッチ）の最大数を示す視点であるように選択される。

場合によっては、２つの隣接する視点がそれぞれ、血清又は血漿成分２１２ＳＰに識別されるいくつかの画素（又はスーパーピクセル／画像パッチ）を含み得る。この場合、合成視点は、画像取得装置４４０Ａ〜４４０Ｃのある２つの視点の間にあり、各視点のセグメンテーションデータが統合されて、それぞれの視点から、血清又は血漿成分２１２ＳＰに分類された領域を含む合成視点が構築される。本実施形態では、合成視点における血清又は血漿成分２１２ＳＰを反映する各領域を、いずれかの視点に比べて拡大してもよい。したがって、後述するように、分類された画素（又はスーパーピクセル／画像パッチ）の量が多くなることから、ＨＩＬＮのより良好な特徴付けを実行することができる。

ブロック５１８において合成視点が選択されると、ブロック５１９において、合成視点に関する正面データ及び背面データが同定される。背面データは、背面の分類及び対応する位置データである。背面データはブロック５１１におけるセグメント化の間に、ラベル２１８又はホルダ１２２Ｈのいずれかであるとして分類された画素（又はスーパーピクセル／画像パッチ）に関するデータである。

光源４４４Ａ〜４４４Ｃから各視点における試料容器１０２の裏面へのバックライトは、裏面に位置するラベル２１８やホルダ１２２Ｈの存在によって遮蔽されるので、ラベル２１８とホルダ１２２Ｈの１つ以上を含む裏面領域に対応する前面領域において画像取得装置４４０Ａ〜４４０Ｃによって取得される前面画像の強度が影響を受ける。したがって、これらの領域における強度は疑わしい（例えば、人工的に低い）場合があり、したがって、ＨＩＬＮ検知のためにそのまま使用されるべきではない。そこで、一実施形態による方法において、ブロック５２０で背面データを考慮に入れる。

一実施形態において、ブロック５２０の背面データ考慮は、ＨＩＬＮ分類器５２１によってＨＩＬＮを判定する前に、背面セマンティックデータ内のラベル２１８又はホルダ２１２Ｈとして分類される領域に関し、正面セマンティックデータ内の対応する領域を使用しないことを含む。例えば、図６Ａは、画像取得装置４４０Ａの第１の視点１（図６Ｄ）からの正面セマンティック画像６４０Ａを示す。図からわかるように、血清及び血漿の一部は図６Ａに現れ且つ一部はラベル２１８によって遮蔽されており、光源４４４Ａ（図４Ａ）から放射されたバックライトの一部が背面ラベル部分２１８Ｂ（すなわち、図６Ａの試料容器１０２の裏面に位置するラベル２１８の部分）によって遮蔽される。

図６Ｂは、画像取得装置４４０Ｂの第２の視点２（図６Ｄ）からの正面セマンティック画像６４０Ｂを示す。図６Ｂにおいて、血清又は血漿成分２１２ＳＰの一部がラベル２１８によって遮蔽され、光源４４４Ｂ（図６Ｄ）から放射されたバックライトの一部が背面ラベル部分２１８Ｂ（すなわち、図６Ｂの試料容器１０２の裏面に位置するラベル２１８の部分）によって遮蔽される。

図６Ｃは、画像取得装置４４０Ｃの第３の視点３（図６Ｄ）からの正面セマンティック画像６４０Ｃを示す。図６Ｃでは、血清又は血漿成分２１２ＳＰの全てがラベル２１８によって遮蔽されている。したがって、本方法において、ブロック５１８の合成視点をこれら３つの視点（１、２、３）のうちの１つに選択する場合、図６Ｄにおける第２の視点２が選択される。これは、図６Ｂに示すように、ブロック５１７で生成したセマンティックマップから判定するなど、血清又は血漿成分２１２ＳＰとして分類された最も多くの画素（又はスーパーピクセル／画像パッチ）を有する視点だからである。この場合、ラベルによって遮蔽された血清又は血漿成分２１２ＳＰの正面セマンティック画像６４０Ｂ内の対応する領域（点線で示された領域）は無視することができ、ＨＩＬＮ分類器５２１において使用されない。この遮蔽部分は、強度データ、分類データ、及び３つの視点（１、２、３）の全てから収集及び統合された位置データを含む、セマンティックマップ５１７に基づいて、背面セマンティックマップ又は画像を構成することによって判定される。言い換えれば、背面データが考慮され、すなわち、ラベル２１８及び見えているホルダ２１２Ｈの位置の知識を得て、第２のセマンティック正面２の対応する領域を修正するために使用する。仮想背面セマンティックマップ６４０Ｄが図６Ｅに示されている。これは、視点２（図６Ｄ）からの正面セマンティック画像において考慮される背面２Ｂ（図６Ｄ）からの背面データを表す。実際には、ＨＩＬＮ分類器５２１で使用される単なる背面セマンティックデータである（図６Ｅのような）セマンティック背面マップは存在しない。

ブロック５１８で選択された合成視点が複数の視点（１〜３）のうちの１つ以外である場合、他の２つの視点の編集である視点が選択される。例えば、図６Ｃの視点３が、ラベル２１８によって完全に遮蔽された血清又は血漿成分２１２ＳＰを有する場合、視点１と２との間の視点が選択され得る。この図６Ｆに示す合成視点４は、合成正面である。これは、視点１及び視点２の編集であり、したがって、血清又は血漿成分２１２ＳＰとして分類される画素数を約２倍有する。前述のように、一実施形態では、合成背面４Ｂからの対応する背面ラベル部分２１８Ｂ（図６Ｆに点線で示す）に関連するデータは、血清又は血漿成分２１２ＳＰとして分類される合成正面データ内の対応する領域から外し、ＨＩＬＮ分類器５２１では使用しない。血清又は血漿成分２１２ＳＰとして分類された領域を示す代表的な正面セマンティック画像６４０Ｆを図６Ｆに示す。血清又は血漿成分２１２ＳＰ（２つの点線領域の間）として分類された残存領域に対応するデータは、ＨＩＬＮ分類器５２１に供給される。

他の実施形態では、分類は、ＨＩＬＮ分類器５２１への入力を修正することによって、選択視点に対し試料容器１０２の裏側に存在し得る構造物を考慮に入れる。「背面セマンティックデータを考慮に入れる」ことは、追加の特徴記述子をＨＩＬＮ分類器に提供することを含む。例えば、追加の特徴記述子を提供することは、ＨＩＬＮ分類器に提示される表現における局所特徴記述子を数値（例えば、スカラー値）として符号化することを含む。例えば、追加の特徴記述子は、１＝ラベル又は０＝ラベルなしとして符号化される。さらに、追加の特徴記述子は、１＝ホルダ又は０＝ホルダなしとして符号化される。

続いて、クラス血清又は血漿成分２１２ＳＰの背面セマンティックを考慮した合成正面セマンティックデータを、Ｈ、Ｉ、Ｌの１つ以上が液体領域内に存在するかどうか、又はＨＩＬが存在せず、したがって血清又は血漿成分２１２ＳＰが正常（Ｎ）であるかどうかを判定するように構成された分類器５２２に供給する。事実上、干渉物質分類器（例えば、ＨＩＬＮ分類器５２２）は、干渉物質が血清又は血漿成分２１２ＳＰ内に存在するか又は血清又は血漿成分２１２ＳＰ内に存在しないかにかかわらず、セマンティックデータに基づいて分類する。一実施形態では、干渉物質分類器５２２は、ブロック５２１Ｈで溶血を同定するように構成された溶血（Ｈ）分類器、ブロック５２１Ｉで黄疸を同定するように構成された黄疸（Ｉ）分類器、ブロック５２１Ｌで脂肪血症を同定するように構成された脂肪血症（Ｌ）分類器、及びブロック５２１Ｎで正常性を同定するように構成された（Ｎ）分類器など、１つ以上の異なる干渉物質タイプ分類器として実施することができる。各干渉物質分類器は、バイナリ分類モデルであってもよい。セマンティックデータに対する演算の結果は、血清又は血漿成分２１２ＳＰにおける干渉物質の存在又は干渉物質の非存在である。

溶血検出
一つの広範な態様によれば、本実施形態は、試料容器１０２に入っている遠心分離された血液の試料２１２が溶血しているかどうかを検出するために使用される方法及び装置を対象とする。この方法は、複数の視点で複数の画像取得装置４４０Ａ〜４４０Ｃを利用し、複数の露光（例えば、４〜８回以上の露光）及び複数のスペクトル照明（例えば、Ｒ、Ｇ、Ｂ、白色光、ＩＲ、近ＩＲ）を利用して、複数の画素化マルチスペクトル画像を取得する。次に、視点に該当する画像が分析され、演算されて、セグメント化を提供し、上述のように血清又は血漿成分２１２ＳＰを同定する。このセグメンテーションデータから、セマティックマップを生成することができる。１つの合成視点を選択可能であり、そのために、正面及び背面セマンティックデータを生成することもできる。このセマンティックデータは、異なる溶血指数の多数の溶血試料で予め訓練された分類器モデルに基づいて、ブロック５２１Ｈにおける溶血同定のために、ＨＩＬＮ分類器５２２によってさらに演算される。

溶血の範囲又は程度は、ブロック５２６Ｈにおいて判定される溶血指数によって特徴付けられる。本明細書で使用する「溶血指数」は、血清又は血漿成分２１２ＳＰに存在する溶血の判定量に基づいて、特定の試料２１２に与えられるグレードを意味する。観測範囲の評価スケールは、例えば０〜４の範囲とする。「０」は実質的に溶血がないことを表し、一方、「４」は、重大な（かなりの）溶血を表す。他にも、０〜１０、０〜２０、Ａ〜Ｆ、又は他の範囲のスケールを使用することができる。品質チェックモジュール１３０によって判定された、十分に高い溶血指数を有する試料２１２は、はじかれる。通常の手順に従うと、患者から別の試料２１２を再入手し、良好な品質の試料２１２が分析器１０６，１０８，１１０の１つ以上に提供できることを確実にする。したがって、溶血を示す試料２１２は、さらに検査されることなく、装填領域１０５でリジェクトされ、取り出され得る。選択的に、試料２１２を別の品質チェックモジュールで検査することもでき、指令された検査に応じて、溶血指数を検査結果と共に報告することができる。

試料２１２が処理され、ブロック５２１Ｎにおいて品質チェックモジュール１３０及び正常性分類器によって正常（Ｎ）であるとみなされると、干渉ヘモグロビンなしで、試料２１２を良好に分析することができる。ブロック５２１Ｈにおいて、試料２１２が十分なレベルの溶血を含むことが分かった場合、試料検査装置１００のコンピュータ１４３又はＣＩＭ１４５のディスプレイ（例えば、コンピュータ画面）にアラートを表示して職員に報知し、試料２１２が溶血を含むことが分かったときにさらなる評価を命令したり、さらなる判定を行うことができるようにする。

溶血を含む試料２１２の評価を職員に伝える能力を向上させるために、溶血を含む試料２１２の入った試料容器１０２の画像を、コンピュータ１４３又はＣＩＭ１４５のディスプレイに表示することができる。この画像は、限定するものではないが、様々な既知の溶血試料の参照画像、比較のための色スペクトル、試料２１２の溶血の評価された指数レベル、そして、職員の取るべき行動の提案など、他の共同情報と共に表示される。

黄疸検出
一つの広範な態様によれば、本実施形態は、遠心分離後の血液の試料容器１０２に含まれている血清又は血漿成分２１２ＳＰ中の黄疸を検出するために使用される方法及び装置を対象とする。黄疸干渉物質は、例えば、脾臓において壊した赤血球がビリルビンに変えられる結果の超過ビリルビンから生じる。２〜３ｍｇ／ｄｌを超えるビリルビンのレベルは、明白に暗黄色や褐色がかっており、分析器（例えば、分析器１０６，１０８，１１０の１つ以上）で実施される酵素ベースのイムノアッセイに悪影響を及ぼす。このような状態は、ビリルビン血症とも呼ばれる。

黄疸検出方法は、溶血の検出方法と同様である。画像取得及び画素化画像の分析を実行した後、ブロック５１１でセグメント化を提供し、背面セマンティックデータを考慮に入れた（遮光ラベル２１８やホルダ１２２Ｈの存在を考慮に入れた）セマンティックデータを、黄疸の存在について分析する。この方法によれば、溶血検出のために演算したのと同じセマンティックデータを黄疸検出のために使用することができる。分析は、黄疸が存在するかどうかを判定するために、適切に訓練されたバイナリ分類器を使用し、存在する場合、黄疸指数などの干渉レベルを判定する。本明細書で使用する「黄疸指数」は、存在する黄疸の判定量に基づいて特定の試料２１２に与えられるグレードを意味する。観測用評価スケールは、０〜４までの範囲にできる。上記同様、「０」は実質的に黄疸がないことを表し、「４」は重大な（かなりの）黄疸存在を表す。他にも、０〜１０、０〜２０、Ａ〜Ｆ、又は他の範囲などのスケールを使用することもできる。

脂肪血症検出
一つの広範な態様によれば、本実施形態は、遠心分離後の血液の試料容器１０２に含まれている試料２１２中の脂肪血症を検出するために使用される方法及び装置を対象とする。血清又は血漿成分において白っぽい外観を示す脂肪血症干渉物質は、血液中の過剰な脂質の存在から生じる。約５０ｍｇ／ｄｌを超える脂質レベルは、イムノアッセイ検査における抗体結合を妨害し、したがって、分析器１０６，１０８，１１０からのイムノアッセイ結果に影響する。

脂肪血症検出方法は、溶血及び黄疸の検出方法と同様である。この方法において、品質チェックモジュール１３０に試料容器１０２を受け入れる。次に、画像取得装置４４０Ａ〜４４０Ｃが、複数の視点から試料２１２の画素化画像を取得する。そして、コンピュータ１４３が、ブロック５１１において、試料容器１０２及び試料２１２をセグメント化するために、画像の分析を実行する。セグメント化から、セマンティックマップがブロック５１７において生成される。最終的に、セマンティックデータは、ＨＩＬＮ分類器５２１において脂肪血症の存在を判定するために演算される。この方法によれば、溶血及び黄疸の検出に使用したのと同じセマンティックデータを演算して、脂肪血症の存在を判定することができる。分析は、トレーナーＬ分類器モデルを使用してブロック５２１Ｌにおいて脂肪血症を同定することによって、脂肪血症干渉物質が存在するかどうかを判定し、存在する場合、脂肪血症指数などの干渉物質レベルを判定する。訓練された脂肪血症分類器が、ブロック５２１Ｌにおいて脂肪血症を判定するために使用される。ＳＶＭなどの適切な分類器を使用することができる。本明細書で使用する「脂肪血症指数」は、内包する脂肪血症の判定量に基づいて血清又は血漿成分２１２ＳＰに与えられるグレードを意味する。視認観測用評価スケールは、０〜４までの範囲とできる。上記同様、「０」は脂肪血症が実質的にないことを表し、一方、「４」は、脂肪血症の重大な（かなりの）存在を表す。あるいは、０〜１０、０〜２０、Ａ〜Ｆ、又は他の範囲など、他のスケールを使用することもできる。脂肪血症は、試料２１２を分析器（例えば、分析器１０６，１０８，１１０）で検査又は分析する前に特別な処理で解消し得る、特定の試料品質変色欠陥である。他の評価スケールを使用してもよい。

検査で試料が脂肪血症であることが分かれば、脂質を除去又は低減するために、別の場所（例えば、ステーション１３２）で試料２１２をさらに処理することができる。例えば、脂肪血症の量を減少させるために、溶媒又は他の物質を導入し得る。ステーション１３２における脂肪血症レベルを低下させるための追加の処理に続いて、試料２１２は、トラック１２１に戻され、そして分析のために分析器（例えば、分析器１０６，１０８，１１０）へ直接送られる。選択的に、試料２１２は、本明細書に開示した方法に従って脂肪血症に関して再スクリーニングするべく、再び品質チェックモジュール１３０に送ってもよい。脂肪血症レベルが既に十分に低くなっている場合、該試料は分析器（例えば、分析器１０６，１０８，１１０）で分析すべくトラック１２１で経路指定され、その後に、試料２１２は、装填領域１０５に戻される。

正常性検出
試料２１２は、正常性（Ｎ）、すなわち、Ｈ、Ｉ、及びＬが無いことについても分析され、正常性検出方法では、品質チェックモジュール１３０に試料容器１０２を受け入れる。この方法は、品質チェックモジュール１３０に試料容器１０２を受け入れる。次に、画像取得装置４４０Ａ〜４４０Ｃが、複数の視点から試料２１２の画素化画像を取得する。そして、コンピュータ１４３が、ブロック５１１において、試料容器１０２及び試料２１２をセグメント化するために、画像の分析を実行し得る。セグメント化から、セマンティックマップがブロック５１７において生成される。最終的に、画像データが、ＨＩＬＮ分類器５２１において正常性の存在について分析される。この方法によれば、前述の溶血、黄疸、及び脂肪血症の検出に使用されたのと同じセマンティックデータを演算して、正常性を判定することができる。訓練された正常性分類器が、ブロック５２１Ｎにおいて正常性を判定するために使用される。ＳＶＭなどの適切な分類器を使用することができる。

以上のとおり、ここに開示の実施形態は、試料２１２の遠心分離後に、第１の実施例（例えば、品質チェックモジュール１３０）において、Ｈ、Ｉ、Ｌの１つ以上又はＮを検出することができることが分かる。プロセスのこの時点でＨ、Ｉ、Ｌの１つ以上又はＮを検出することによって、試料２１２が浪費されず、誤った検査結果が防止され、患者検査結果の遅延が最小限に抑えられる。一実施形態では、血清又は血漿成分２１２ＳＰに存在するＨ、Ｉ、Ｌの１つ以上のレベルのよりいっそう正確な測定値を得るために、血塊、泡、又は泡沫などのアーチファクトの存在を同定するべく、アーチファクト検出方法を使用することもできる。血清又は血漿成分に１つ以上のアーチファクトを含むと認識された画素は、合成視点の正面セマンティックデータで無視することができ、ＨＩＬＮ分類器５２１では使用しないでおける。アーチファクト検出方法６２２（図６）は、２０１６年１月２８日出願の同時係属米国仮特許出願６２／２８８，３５８「Methods And Apparatus For Classifying An Artifact In A Specimen」に詳述されている。

本方法によれば、ブロック５２１Ｈの溶血同定、ブロック５２１Ｉの黄疸同定、ブロック５２１Ｌの脂肪血症同定、ブロック５２１Ｎの正常性同定は、複数のトレーニングセットに基づいて訓練されるＨＩＬＮ分類器５２１でセマンティックデータを演算することによって実施される。一実施形態では、Ｈ、Ｉ、Ｌ、及びＮのそれぞれについて個々のバイナリ分類器を使用することができ、選択的に、Ｈ、Ｉ、Ｌ、又はＮのいずれか１つ以上を同定するためにマルチクラス分類器を使用することができ、マルチクラス分類器（たとえば、４クラス分類モデル）は、サポートベクトルマシン（ＳＶＭ）、サポートベクトルネットワーク、又はブースティングクラスアルゴリズムとすることができる。サポートベクターマシン及びネットワークの例は、論文：「Support-vector Networks」−C. Cortes and V. Vapnik in Machine Learning Vol.20, Issue3, page273-297；「Additive Logistic Regression: A Statistical View of Boosting」−J. Friedman, T. Hastie, R. Tibshirani (1998)；「A Short Introduction to Boosting」−Y. Freund and R. E. Schapire (1999)に記載されている。選択的に、セマンティックデータの各画素（又はスーパーピクセル／画像パッチ）のＲ、Ｇ、Ｂ、白色光の１つ以上の照明強度値を、Ｈ、Ｉ、Ｌ、又はＮを決定するためにルックアップテーブルなどに記憶したＲ、Ｇ、Ｂ、白色光値の範囲と、比較することができる。

一実施形態では、１つ以上の干渉物質の存在判定は、まず画素（又はスーパーピクセル／画像パッチ）ベースでセマンティックデータを分析し、合成視点の背面データを考慮に入れて、個々の画素（又はスーパーピクセル／画像パッチ）の１つ１つを、正常（Ｎ）であるか、又は溶血（Ｈ）、黄疸（Ｉ）又は脂肪血症（Ｌ）を含むかとして特徴付ける。この判定から、血清又は血漿成分２１２ＳＰの全体的な分類が提供される。全体的な分類は、正常（Ｎ）であるか、又は特定の１つ以上のタイプの干渉物質を含む、とすることができる。例えば、特定の干渉物質タイプは、Ｈ、Ｉ、Ｌの１つ以上、すなわち、Ｈ、Ｉ、又はＬ、Ｈ及びＩ、Ｈ及びＬ、Ｉ及びＬ、又はＨ、Ｉ及びＬなどと判定する。

血清又は血漿成分２１２ＳＰが全体として、Ｈ、Ｉ、Ｌの１つ以上、又はＮであるという判定は、ＨＩＬＮ分類器５２１によってＮ、Ｈ、Ｉ、又はＬとして分類された血清又は血漿成分２１２ＳＰ中の画素（又はスーパーピクセル／画像パッチ）数を加算することによって行える。正常（Ｎ）又は干渉物質を含むとしての分類は、各クラスの画素（又はスーパーピクセル／画像パッチ）の最大数に基づき、又は重み付けスキームに基づく実施形態もある。すなわち、一実施形態では、画素（又はスーパーピクセル）の大多数がＮとして分類される場合、当該血清又は血漿成分２１２ＳＰは正常（Ｎ）として分類される。画素（又はスーパーピクセル／画像パッチ）の大多数がＨとして分類される場合、当該血清又は血漿成分２１２ＳＰは溶血（Ｈ）を含むものとして分類される。同様に、画素（又はスーパーピクセル／画像パッチ）の大多数がＩ又はＬとして分類される場合、当該血清又は血漿成分２１２ＳＰはそれぞれ黄疸（Ｉ）又は脂肪血症（Ｌ）として分類される。他の実施形態では、重み付け多数決方式を使用して、ＨＩＬＮ分類器５２１からの確率を重みとして使用し試料２１２を分類することもできる。血清又は血漿成分２１２ＳＰを全体として特徴付けるための他の手段を使用してもよい。

さらに、セマンティックデータセットが２つ以上の干渉物質クラス（例えば、Ｈ及びＩ、Ｈ及びＬ、Ｉ及びＬ、又はさらにはＨ、Ｉ及びＬ）に分類される比較的大量の画素（又はスーパーピクセル／画像パッチ）を含む場合、本干渉物質検出方法は、複数の干渉物質タイプが存在することを報告する。一旦、試料２１２が複数の干渉物質レベル（例えば、Ｈ、Ｉ、Ｌの１つ以上）を含むものとして特徴付けされると、干渉物質レベル検出器５２３が、血清又は血漿成分２１２ＳＰにおける複数の干渉物質レベルを提供するために使用される。干渉物質レベル検出器５２３は、教師付き回帰モデルなどのレベル特徴付けモデルにセマンティックデータセットを通すことによって、各特定の干渉物質の干渉物質レベル又は指数を取得する。サポートベクトル回帰（ＳＶＲ）、ニューラルネットワーク回帰、ツリーベース回帰などの適切な回帰モデルを使用することができる。

溶血回帰モデル５２６Ｈ、黄疸回帰モデル５２６Ｉ、及び脂肪血症回帰モデル５２６Ｌなどの、異なる回帰モデルを、各干渉物質タイプごとに使用することができる。一実施形態では、回帰モデルのそれぞれがＳＶＲマシーンであり、その特定のタイプの干渉物質（例えば、Ｈ、Ｉ、又はＬ）を示す液体領域を使用して訓練され得る。例えば、溶血回帰モデル５２６Ｈは、予想される溶血レベルの多様な範囲にわたって溶血レベルを有する広範囲の試料２１２で訓練される。例えば、溶血範囲は、５０〜５２５程度の溶血レベルを含む。同様に、黄疸回帰モデル５２６Ｉは、１．７〜３０程度の黄疸レベルを含む、多様な範囲の予想レベルにわたる黄疸レベルを有する広範囲の試料２１２で訓練することができる。同様に、脂肪血症回帰モデル５２６Ｌは、１２５〜１，０００程度の脂肪血症レベルを含む、予想されるレベルの多様な範囲にわたる脂肪血症レベルを有する広範囲の試料２１２で訓練され得る。

一実施形態では、干渉レベルを離散化することができる。例えば、４つの個別レベルを使用することができる。溶血回帰モデル５２６Ｈについては、５０、１５０、２５０、及び５２５の個別の溶血レベルを使用することができる。黄疸回帰式モデル５２６Ｉについては、１．７、６．６、１６、及び３０の分別黄疸レベルを使用することができ、脂肪血症回帰式モデル５２６Ｌについては、１２５、２５０、５００、及び１，０００の分別脂肪血症レベルを使用することができる。４つより多い又は少ない個別レベルを使用することもできる。

複数の視点からの結果は、試料が正常（Ｎ）であるか、又は１つ以上のＨＩＬを含むかの指示を提供し得るが、干渉物質レベルの最終決定は、回帰モデルを通過したときのその特定の干渉物質タイプのデータセットの回帰結果の融合によって判定される。モデルの干渉レベルが離散化されている場合、回帰モデルからの出力も、最も近いターゲットレベルにマッピングすることによって離散化される。いずれにしても、一実施形態によれば、検出された干渉物質タイプごとに干渉物質レベル又は指数を提供することができる。

以上のとおり、品質チェックモジュール１３０によって実行される干渉物質検出及び分類方法は、正常Ｎであるか、又は１つ以上の干渉物質ＨＩＬを含有するか、のいずれかとして、試料２１２の迅速な特徴付けをもたらすことが分かる。試料２１２が１つ以上の干渉物質を含む場合、本方法は、存在する干渉物質の１つ以上のタイプをさらに判定することができ、存在するタイプの干渉物質について干渉物質のレベル又は指数を判定することもできる。

図７は、一実施形態による、試料２１２中の干渉物質を判定する方法のフローチャートを示す。方法７００は、ステップ７０２において、試料容器（例えば、キャップ付き採血管などの試料容器１０２）に入れた試料（例えば、試料２１２）を提供する。次に、方法７００は、ステプ７０４において、複数の視点から試料２１２の入った試料容器１０２の画像を取得する。試料容器１０２はホルダ１２２Ｈに保持され、該試料容器１０２の一部にはラベル２１８が付されている。上述のような画像取得装置４４０Ａ〜４４０Ｃが、画像取得のために使用される。複数の画像は、異なる露光時間、異なるスペクトル（例えば、Ｒ、Ｇ、Ｂ、白色光、ＩＲ、近ＩＲの１つ以上）のいずれか又は組み合わせで、各視点において取得される複数の画像を含む。例えば、一実施形態では４〜８回又はこれ以上の異なる露光時間で撮影されるが、同じ照明条件下での撮像も可能である。一実施形態では、画像の一部をバックライト光源４４４Ａ〜４４４Ｃとして白色光を使用して取得し、他の一部はバックライト光源４４４Ａ〜４４４Ｃとして赤、青、及び緑などの複数の単一波長ピーク狭帯域スペクトル光源を使用して取得することができる。

方法７００は、ステップ７０６において、複数の視点からの１つ以上の画像を処理して、各視点ごとに領域の分類を判定することによって、各視点ごとにセグメンテーション情報を提供する。様々な視点からの画像のセグメント化は、各スペクトル及び視点で最適露光の画像データを生成するために、各スペクトルで異なる露光時間の画像から最適露光の画素（又はスーパーピクセル／画像パッチ）を選択することを含む。特定のスペクトル及び視点における各画像における各対応する画素（又はスーパーピクセル／画像パッチ）位置について、最良の露光画素（又はスーパーピクセル／画像パッチ−露光不足又は露光過多ではない）が選択される。最適露光範囲は、上述の通りである。この最適露光画素（又はスーパーピクセル／画像パッチ）の選択は、画像統合フェーズ（例えば、画像統合５１２）で行うことができる。その結果、照明スペクトルのそれぞれについて、最適露光の画素（又はスーパーピクセル／画像パッチ）のデータセットを生成することができる。

次に、方法７００は、最適露光画素（又はスーパーピクセル／画像パッチ）を分類する。分類は、最適露光画素（又はスーパーピクセル／画像パッチ）の統計データを異なるスペクトルで計算して統計データを生成し、そして、統計データを演算して画像データ内の様々なクラスを識別することによって達成される。ブロック５１１におけるセグメント化は、クラス（例えば、血清又は血漿成分２１２ＳＰ、沈降血液成分２１２ＳＢ、空気２１２Ａ、管２１２Ｔ、ラベル２１８、ホルダ１２２Ｈ、ゲルセパレータ３１３など）を判定することを含む。

統合及びセグメント化が完了すると、ステップ７０８において、複数の視点のそれぞれからのセグメンテーション情報からセマンティックマップを生成する。セマンティックマップは、セグメンテーションデータ（分類、強度、及び位置データ）を集約することによって生成することができる。セマンティックマップは３Ｄレンダリングとすることができ、データベースにセマンティックデータとして格納することができる。他の実施形態では、セマンティックマップが単にデータベースに格納されたデータであってもよい。

方法７００は、ステップ７１０において、血清又は血漿成分２１２ＳＰを視認できる合成視点を選択する。合成視点は、画像取得装置４４０Ａ〜４４０Ｃにかかわる３つの視点（視点１、２、３−図６Ｄ）のうちの１つか、又は視点４（図６Ｄ）などのそれ以外の視点とすることができる。合成視点は、血清又は血漿成分として分類された画素（又はスーパーピクセル／画像パッチ）が最大数ある画像に基づいて選択される。合成視点を選択すると、方法７００は、ステップ７１２において、合成視点の正面セマンティックデータ及び背面セマンティックデータの同定を実行する。これは、合成視点の正面及び背面を構成するセマンティックマップから画素（又はスーパーピクセル／画像パッチ）の集合を同定することを含む。

方法７００は、ステップ７１４において、背面セマンティックデータを考慮しながら、ＨＩＬＮ分類器５２１を用いて正面セマンティックデータに基づいて血清又は血漿成分２１２ＳＰのＨＩＬＮを判定する。これは、例えば、背面セマンティックデータにおけるラベル２１８やホルダ１２２Ｈに対応する正面マンティックデータの選択された部分又は領域に関連するデータの除去又は不使用によって、又は、背面データにおけるラベル２１８やホルダ１２２Ｈに関連する追加の特徴記述子を含むようにＨＩＬＮ分類器５２１への入力を符号化することによって、背面セマンティックデータを考慮したＨＩＬＮ分類器５２１を用いて正面セマンティックデータを演算することを含む。

選択的に、ステップ７１６で、回帰モデルなどの干渉物質レベルモデルを使用するなどによって、干渉物質レベル（たとえば、Ｈ、Ｉ、Ｌの指数）を検出することができる。したがって、以上のことに基づいて、品質チェックモジュール１３０によって実行される、背面に存在し得る光遮蔽構造物を考慮に入れた、モデルベースの試料干渉物検出方法７００は、試料２１２のＨ、Ｉ、Ｌの１つ以上の存在、又はＮの、迅速且つロバストな特徴付けをもたらすことが分かる。干渉物質（例えば、Ｈ、Ｉ、Ｌの１つ以上）が検出された場合、干渉物質レベルを評価し、報告することができる。

品質チェックモジュール１３０は、遠心分離の直後に事前スクリーニングを実行するように配置されるものとして図１に示してあるが、一実施形態では、分析器（例えば、１つ以上の分析器１０６，１０８，１１０）に直接、又はトラック１２１中の他の場所に、品質チェックモジュール１３０を備えることも有利である。例えば、品質チェックモジュール１３０は、試料検査装置１００のトラック１２１に物理的に接続されていないステーション１３２に設けることもできる。品質チェックモジュール１３０は、分析の前に試料２１２を検証するために使用することができる。さらに、一実施形態では、遠心分離はラック１０４を装填領域１０５に入れる前に実行することも可能であり、この場合は品質チェックモジュール１３０が装填領域１０５又はその近くに配置され、ＨＩＬＮ判定は、ロボット１２４が試料容器１０２をキャリア１２２に装填すると直ちに実行される。

様々な選択要素、特徴、又は具体例を本明細書で個々に説明することができる。そのような要素、特徴、又は具体例は、他の個々に説明される要素、特徴、又は具体例と置き換えて、あるいは、他の個々に説明される要素、特徴、又は具体例と組み合わせて、使用し実施可能であるのは当然である。

本発明には、様々な修正及び代替を適用することができるが、特定のシステム、装置及び方法の実施形態を例として図面に示し、本明細書で詳細に説明してある。ただし、本発明を、開示した特定の装置や方法に限定することは意図されておらず、反対に、特許請求の範囲内に含まれるすべての修正、均等、及び代替の概念を包含することが意図されている。

Claims (19)

1. ＨＩＬＮに関して試料を特徴付ける方法であって、
   前記試料は血清又は血漿成分を含み、該試料が試料容器に入れられており、該試料容器はホルダに保持されていて該試料容器の一部にラベルがあり、
   複数の視点から、バックライトを使用して前記試料容器の１つ以上の画像を取得し、
   前記複数の視点からの１つ以上の画像を処理し、前記視点ごとに領域の分類を判定することによって、前記視点ごとにセグメンテーション情報を提供し、
   前記視点ごとの前記セグメンテーション情報からセマンティックマップを生成し、
   該セマンティックマップから、前記血清又は血漿成分を視認できる合成視点を選択し、
   当該合成視点からの正面セマンティックデータ及び当該合成視点とは反対の前記試料容器の裏側からの背面セマンティックデータを同定し、
   前記背面セマンティックデータを考慮しつつ、ＨＩＬＮ分類器を用いて前記正面セマンティックデータに基づき前記血清又は血漿成分のＨＩＬＮを判定する、ことを含む方法。
2. 前記背面セマンティックデータが、前記ラベルであるとして分類される領域に関する情報を含む、請求項１に記載の方法。
3. 前記背面セマンティックデータが、前記ホルダであるとして分類される領域に関する情報を含む、請求項１に記載の方法。
4. 前記背面セマンティックデータが、前記ラベル及び前記ホルダとして分類される領域に関する情報を含む、請求項１に記載の方法。
5. 前記背面セマンティックデータを考慮するときに、前記背面セマンティックデータにおいて前記ラベルであるとして分類された領域について、前記正面セマンティックデータにおける対応する領域を、前記ＨＩＬＮ分類器に対し使用しないことを含む、請求項１、２又は４に記載の方法。
6. 前記背面セマンティックデータを考慮するときに、前記背面セマンティックデータで前記ホルダであるとして分類された領域に対応する前記正面セマンティックデータの領域を、前記ＨＩＬＮ分類器に対し使用しないことを含む、請求項１、３又は４に記載の方法。
7. 前記セマンティックマップは、少なくとも前記血清又は血漿成分及び前記ラベルに関する分類及び位置データを含む、請求項１〜６のいずれか１項に記載の方法。
8. 前記セマンティックマップは、少なくとも前記血清又は血漿成分及び前記ホルダに関する分類及び位置データを含む、請求項１〜６のいずれか１項に記載の方法。
9. 前記試料容器が少なくとも管及びキャップを有し、
   前記セマンティックマップは、前記ホルダ、前記管、前記キャップ、前記管に含まれ得るセパレータ、前記管に含まれ得る空気のうちの１つ以上に関する分類及び位置データを含む、請求項８に記載の方法。
10. 前記合成視点が前記複数の視点のうちの１つである、請求項１〜９のいずれか１項に記載の方法。
11. 前記合成視点が前記複数の視点のうちのいずれでもない、請求項１〜９のいずれか１項に記載の方法。
12. 前記合成視点が前記複数の視点のいずれでもない視点であり、当該合成視点の前記正面セマンティックデータが前記血清又は血漿成分として判定される画素を最も多く含む、請求項１〜９のいずれか１項に記載の方法。
13. 前記複数の視点から前記１つ以上の画像を取得するときに、Ｒ、Ｇ、Ｂ、白色光、ＩＲ、及び近ＩＲのうちの１つ以上のスペクトルを放射可能な光源による前記バックライトを使用することを含む、請求項１〜１２のいずれか１項に記載の方法。
14. 前記複数の視点から前記１つ以上の画像を取得するときに、前記バックライトのスペクトルごとに、異なる露光時間で複数回露光することを含む、請求項１〜１３のいずれか１項に記載の方法。
15. 前記１つ以上の画像を取得するときに、少なくとも赤色光、緑色光、青色光、白色光、又はＩＲ光から選ばれるスペクトルを前記バックライトとして切り替えることを含む、請求項１〜１４のいずれか１項に記載の方法。
16. 前記背面セマンティックデータを考慮するときに、前記ＨＩＬＮの判定前に、前記背面セマンティックデータを考慮に入れるための追加の特徴記述子を含めるべく前記ＨＩＬＮ分類器への入力を符号化し、該符号化入力を前記ＨＩＬＮ分類器に提供することを含む、請求項１〜１５のいずれか１項に記載の方法。
17. 前記追加の特徴記述子の１つは、１＝ラベル又は０＝ラベルなし、別の１つは、１＝ホルダ又は０＝ホルダなしとして符号化する、請求項１６に記載の方法。
18. 試料容器に入れられた試料のＨＩＬＮを判定するように構成される品質チェックモジュールであって、
    前記試料容器の周りに配置されて、複数の視点から、バックライトを使用して前記試料の複数の画像を取得するように構成された複数の画像取得装置と、
    前記複数の画像取得装置に接続されて、前記複数の画像の画像データを処理するように構成されたコンピュータとを備え、
    前記コンピュータは、
    前記画像データを処理し、前記視点ごとに領域の分類を判定することによって、前記視点ごとにセグメンテーション情報を生成し、
    該セグメンテーション情報からセマンティックマップを生成し、
    該セマンティックマップから、前記試料の血清又は血漿成分を視認できる合成視点を選択し、
    該合成視点に関して、当該合成視点からの正面セマンティックデータ及び当該合成視点とは反対の前記試料容器の裏側からの背面セマンティックデータを同定し、
    前記背面セマンティックデータを考慮しつつ、前記正面セマンティックデータに基づいて前記血清又は血漿成分のＨＩＬＮを分類する、ように構成され、動作する、品質チェックモジュール。
19. 試料容器に入れられた試料のＨＩＬＮを判定するように構成される試料検査装置であって、
    トラックと、
    該トラックで移動可能であり、前記試料容器を収容するように構成されたキャリアと、
    前記トラックに沿って配置され、複数の視点から、バックライトを使用して前記試料の複数の画像を取得するように構成された複数の画像取得装置と、
    該複数の画像取得装置に接続され、前記複数の画像からの画像データを処理するように構成されたるコンピュータとを備え、
    前記コンピュータは、
    前記画像データを処理し、前記視点ごとに領域の分類を判定することによって、前記視点ごとにセグメンテーション情報を生成し、
    該セグメンテーション情報からセマンティックマップを生成し、
    該セマンティックマップから、前記試料の血清又は血漿成分を視認できる合成視点を選択し、
    当該合成視点からの正面セマンティックデータ及び当該合成視点とは反対の前記試料容器の裏側からの背面セマンティックデータを同定し、
    前記背面セマンティックデータを考慮しつつ、前記正面セマンティックデータに基づいて前記血清又は血漿成分のＨＩＬＮを分類する、ように構成され、動作する、試料検査装置。

Images