JPH0926388A - 粒子分析装置および分布データ相違度評価装置 - Google Patents

Abstract

(57)【要約】 【構成】 検体に含まれる粒子の特徴を粒子個々に測定
し、得られた測定値に基づいて粒子の分布データを作成
する粒子分析器と、作成した分布データと所定の基準分
布データとの差を演算してその差の分布データを作成す
る減算部と、分布データを平滑化する平滑部と、作成し
た分布データの基準分布データに対する相違度を平滑化
された差の分布データに基づいて算出する相違度算出部
をさらに備えてなる。 【効果】 測定によって得た分布データの基準分布デー
タに対する相違度αを定量化することができるので、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
に疾患の診断や粒子分析装置の評価などを定量的に行う
ことが可能となる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、粒子分析に関し、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相違しているかを数値化、
視覚化することができる装置に関する。

【０００２】

【従来の技術】従来、粒子分析装置としては、複数の粒
子の各々に対して、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、各粒子を測定し
て分布図（ヒストグラムやスキャッタグラム）を作成
し、この分布図に基づいて、血球を例えば顆粒球、リン
パ球、単球等に分類する。

【０００３】そして、分布図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、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点を見いだし、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、このように人
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
ラムとの相違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の開発が
望まれていた。

【０００５】さらに、粒子分析装置を量産したときに、
各粒子分析装置から得られた分布データ間にどの程度の
バラツキがあるか（同じ検体を異なる粒子分析装置で分
析した場合に、同じ分布データが得られるか）を評価す
る必要があるが、この評価には手間と時間とがかかって
いた。従って、この評価を短時間にかつ容易に行える分
布データ相違度評価装置の開発が望まれていた。

【０００６】ところで、２つのスキャッタグラムを比較
するには、それらの分布データの値を比較器でドット
（アドレス）単位で比較することが考えられる。しか
し、統計的に等しい２つのスキャッタグラム（例えば、
同一検体から得られた２つのスキャッタグラム）であっ
ても、各分布データのドット（アドレス）単位の値（デ
ータ）は必ずしも等しくないため、ドット単位で比較す
ると、誤った比較結果が得られてしまう。従って、スキ
ャッタグラムの比較においては、ミクロ的な比較より
も、ある程度マクロ的な比較によって統計的に行う技術
が要求される。この発明はこのような事情を考慮してな
されたもので、スキャッタグラムの比較を統計的に行う
ことにより、その相違度を適正に算出することが可能な
粒子分析装置および分布データ相違度評価装置を提供す
るものである。

【０００７】

【課題を解決するための手段およびその作用】この発明
は、検体に含まれる粒子の特徴を粒子個々に測定し、得
られた測定値に基づいて粒子の分布データを作成する粒
子分析器と、作成した分布データと所定の基準分布デー
タとの差を演算してその差の分布データを作成する減算
部と、分布データを平滑化する平滑部と、作成した分布
データの基準分布データに対する相違度を平滑化された
差の分布データに基づいて算出する相違度算出部をさら
に備えてなる粒子分析装置を提供するものである。平滑
部は減算部で得られた差の分布データを平滑化するもの
であるが、各分布データをそれぞれ平滑化するものであ
ってもよい。その場合には、各平滑化された分布データ
は減算部で減算され、平滑化された差の分布データが得
られる。

【０００８】また、平滑化された差の分布データを分布
図として視覚化する表示部を備えるのが好ましい。この
発明の粒子分析装置の分析対象粒子は、血液に含まれる
各種の血球、あるいは無機粉末に含まれる微粒子などを
含む。検体とは、例えば、ヒトから採取した血液に希
釈、溶血等の前処理をして、粒子として血球が懸濁して
いる液体をいう。

【０００９】また、粒子の特徴を粒子個々に測定すると
は、粒子個々に粒子のサイズや形態を表わすパラメー
タ、つまり電気的インピーダンスや前方又は側方散乱光
強度や蛍光強度を電気的にまたは光学的に測定すること
であり、粒子の分布データを作成するとは、得られたパ
ラメータをスキャッタグラムやヒストグラムのような分
布図に示すための分布データに変換することである。そ
して、これらを行う粒子分析器には、従来のフローサイ
トメータを用いることができる。

【００１０】所定の基準分布データとは、例えば、ある
疾患における代表的な分布データや、基準とする粒子分
析装置によって得た分布データである。

【００１１】作成した分布データと基準分布データとの
差を演算してその差の分布データを作成する減算部と
は、作成した分布データと基準分布データの一方から他
方を分布データのドット（アドレス）単位で減算し、そ
の差による分布データを作成する手段である。

【００１２】また、分布データを平滑化するとは、例え
ば、一次元分布データにおいて、注目点の座標をｘ、分
布データをｆ（ｘ）とするとき、ｘの周辺のｎ個の分布
データの平均をＦ（ｘ）とし、ｆ（ｘ）をＦ（ｘ）に変
換する処理であり、通常「スムージングポイントｎのス
ムージング」と呼ばれる。ｎ＝５のときには、Ｆ（ｘ）
は次のように算出される。

【００１３】

【数１】 但し、ａ_iは各分布データに付される重み係数である。

【００１４】二次元分布データにおいても同様に、注目
点(x,y)の周辺に２次元的に存在するｎ×ｎ個の分布デ
ータの平均を算出してそれをＦ(x,y)とし、ｆ(x,y)をＦ
(x,y)に変換する処理である。

【００１５】相違度算出部は、平滑化された差の分布デ
ータをそのままスキャッタグラムとして出力してもよい
が、相違度を数値化して出力するためには、平滑化され
た差の分布データに含まれる全粒子数（度数）を、測定
分布データおよび基準分布データの両方に含まれる全粒
子数（度数）で除算し、正規化した値を相違度とするこ
とが好ましい。

【００１６】なお、減算部、平滑部および相違度算出部
は、マイクロコンピュータを用いて一体的に構成するこ
とができる。また、この発明は、第１分布データを記憶
する第１記憶部と、第２分布データを記憶する第２記憶
部と、第１分布データと第２分布デタとの差を演算して
その差の分布データを作成する減算部と、分布データを
平滑化する平滑部と、平滑化された差の分布データに基
づいて第１分布データの第２分布データに対する相違度
を算出する相違度算出部からなる分布データ相違度評価
装置を提供するものである。この発明における第１分布
データと第２分布データとは、互いの相違度を評価した
い２つの分布データである。なお、分布データは、１つ
以上のパラメータによってスキャッタグラムやヒストグ
ラム等の分布図を作成するためのデータであればどのよ
うなものでもよいが、例えば、フローサイトメータのよ
うな粒子分析装置によって得られる分布データである。
なお、第１および第２記憶部、減算部、平滑部、および
相違度算出部は、マイクロコンピュータによって一体的
に構成することができる。

【００１７】

【実施例】この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、測定部１０を有している。測定部１
０は、測定のため前処理がなされた液体、例えばヒトの
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。測定
部１０は、粒子が通過するごとに、複数種類の信号を発
生する。

【００１８】例えば、測定部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、測定部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。

【００１９】測定部１０で検出された複数種類の信号は
分布データ作成部１２に供給される。粒子の検出信号
は、分布データ作成部１２において粒子を特徴づけるパ
ラメータに変換され、そのパラメータに基づいて分布デ
ータ（測定分布データ）が作成され、その分布データが
スキャッタグラムやヒストグラムとして表示部１６に表
示される。

【００２０】なお、分布データ作成部１２に入力される
信号は、測定部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ｘ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ｙとする。

【００２１】分布データ作成部１２は、測定部１０から
の信号を、各粒子の特徴パラメータ(x,y)に変換し、分
布データＦ(x,y)を作成する。即ち、分布データ作成部
１２は、図３に示すように１からｍまでの合計ｍ個のチ
ャンネル（ランク）からなるパラメータｘと、１からｎ
までの合計ｎ個のチャンネル（ランク）からなるパラメ
ータｙとを有する分布データを格納するための測定分布
データ記憶部２０を備えている。つまり、記憶部２０
は、図３のようにｍ×ｎの基本要素（アドレス）に区分
けされている。

【００２２】そして、分布データ作成部１２においてパ
ラメータ(x,y)が得られるごとに、ｘの大きさと、ｙ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。例えばｆ(2,2)が２であると、パラメータｘが２
で、パラメータｙが２である粒子が、２個あることを表
している。

【００２３】このようにして分布データ作成部１２によ
って得られた分布データｆ(x,y)は、スキャッタグラム
として表示部１６に表示される。

【００２４】一方、相違度評価部１４は、図１に示すよ
うに構成される。相違度評価部１４には、基準分布デー
タ記憶部２２が設けられており、これには基準となる分
布データｇ(x,y)が記憶されている。図４は、この基準
分布データｇ(x,y)の一例を示すもので、その構造は、
測定分布データと同一であり、例えばｇ(2,2)は、パラ
メータｘが２であり、パラメータｙも２である粒子が１
０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、或る精度管
理用物質を分析して得た二次元分布データ（管理用二次
元分布データ）を使用することができる。

【００２６】相違度評価部１４は、測定分布データｆ
(x,y)の基準分布データｇ(x,y)に対する相違度αを算出
する。この算出結果は、表示部１６に表示される。以
下、相違度評価部１４の構成と相違度αの算出方法につ
いて説明する。

【００２７】なお、ここでは、説明を簡単にするため、
まず、分布データが一次元ヒストグラムを表わすデータ
であるとして、すなわち、測定分布データおよび基準分
布データがそれぞれｆ（ｘ），ｇ（ｘ）で表されるもの
として、説明する。

【００２８】図１の相違度評価部１４では、差分布デー
タ作成部２４が、測定分布データｆ（ｘ）と基準分布デ
ータｇ（ｘ）との差として、ｈ（ｘ）を次の通りのよう
に算出する。 ｈ（ｘ）＝ｆ（ｘ）−ｇ（ｘ） …………（１）

【００２９】次に、平滑化部２６がｈ（ｘ）で表される
分布データをポイント数ｎで平滑化（スムージング）処
理して分布データｉ（ｘ）を得る。 ｉ（ｘ）＝ＬＰＦｎ〔ｆ（ｘ）−ｇ（ｘ）〕 …………（２） ここで、ＬＰＦｎ〔ｆ（ｘ）〕は、ｆ（ｘ）をスムージ
ング処理して得られたデータを表わす。そして、相違度
算出部２８は、次式によって、ｆ（ｘ）のｇ（ｘ）に対
する相違度αを算出する。

【００３０】

【数２】 なお、式（３）の右辺の分母は、ｆ（ｘ）とｇ（ｘ）の
総粒子数を表わし、αの値を正規化するための係数であ
る。

【００３１】このようにして、αは０から１までの値と
して算出され、αが大きいほどｆ（ｘ）はｇ（ｘ）に対
して相違し、αが小さいほど類似することになる。この
相違度αは、ヒストグラムとしてのｆ（ｘ），ｇ（ｘ）
が同じ形状であれば、ヒストグラムの位置が多少ずれて
も（アドレス単位の値が異なっても）αの値が影響され
ないという特徴を有する。

【００３２】この特徴を図５と図６を用いて説明する。
図５の（ａ）と（ｂ）に示すように、ｆ（ｘ）がｇ
（ｘ）に対して同形で位置が少しずれている場合には、
ｆ（ｘ）−ｇ（ｘ）は、図５の（ｃ）に示すような図形
になる。これがスムージング処理されると、図５の
（ｄ）のように０となり、α＝０となる。

【００３３】これに対して、図６の（ａ）と（ｂ）に示
すように、ｆ（ｘ）がｇ（ｘ）に対して、同形であって
も位置が大きくずれると、ｆ（ｘ）−ｇ（ｘ）は図６の
（ｃ）に示すようになり、式（２）で表わされるｉ
（ｘ）は、図５（ｄ）のようになる。従って、式（３）
で算出されるαも大きくなることが判る。

【００３４】このように、ｆ（ｘ）の位置がｇ（ｘ）に
対して、どの程度ずれても、統計的に同等としてみなさ
れるかということは、平滑化の程度、つまり、スムージ
ングポイントｎの値で決定される。αはｎを小さくする
とわずかなずれにも敏感に変化し、ｎを大きくするとず
れに対して鈍感になる。従って、ｆ（ｘ）をｇ（ｘ）に
対して比較する場合の条件、例えば、検体の測定条件や
分布データの分散の程度などを考慮して決定される。

【００３５】上記では便宜上、分布データが一次元ヒス
トグラムを表わす場合を説明したが、分布データが図３
および図４に示すような二次元スキャッタグラムを表わ
すデータｆ(x,y)，ｇ(x,y)である場合には、それぞれ式
（１）〜（３）に対応して ｈ(x,y)＝ｆ(x,y)−ｇ(x,y) …………（１ａ） ｉ(x,y)＝ＬＰＦｎ〔ｆ(x,y)−ｇ(x,y)〕 …………（２ａ）

【００３６】

【数３】 で表される。

【００３７】図７および図８は、式（３ａ）でα＝０．
３４と算出された場合の測定分布データｆ(x,y)と基準
分布データｇ(x,y)をそれぞれ示すスキャッタグラムで
ある。この場合のｈ(x,y)を示すスキャッタグラムは図
９のようになり、ｉ(x,y)を示すスキャッタグラムは図
１０のようになる。

【００３８】また、図１１および図１２は、式（３ａ）
で、α＝０．０４と算出された場合のｆ(x,y)とｇ(x,y)
をそれぞれ示すスキャッタグラムである。この場合に
は、ｈ(x,y)およびｉ(x,y)を示すスキャッタグラムはそ
れぞれ図１３および図１４のようになる。

【００３９】図１０および図１４を見て判るように、相
違度は、ｉ(x,y)を示すスキャッタグラムから視覚的に
も判定することが可能である。この粒子分析装置を診断
支援に利用する場合、基準分布データ記憶部２２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布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基準分布データ
記憶部２２に記憶させる。

【００４０】測定によって得られた分布データと、基準
分布データ記憶部２２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
相違度αを逐次求める。相違度αが小さな値を示した症
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部１６に表示する。

【００４１】相違度αが小さいということは、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を基準分布データ記憶部２２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。

【００４２】さらに、この粒子分析装置を量産した際の
各装置間のバラツキ検査に利用する場合、検査される粒
子分析装置の基準分布データ記憶部２２に、基準の粒子
分析装置によって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。

【００４３】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Ｇ
に対する相違度αを算出する。得られた相違度αをみる
ことによって、この粒子分析装置の分析特性のバラツキ
を知ることができる。

【００４４】なお、図１に示す構成、つまり、相違度評
価部１４と測定分布データ記憶部２０と表示部１６とか
らなる構成を用いれば、予め作成された測定分布データ
の基準分布データに対する相違度を評価する分布データ
相違度評価装置を実現することができる。

【００４５】

【発明の効果】この発明によれば、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
相違度αを定量化することができる。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。また、相違度を視覚化すれば、相違度の程
度がより把握しやすくなる。

【図面の簡単な説明】

【図１】この発明の一実施例の要部を示すブロック図で
ある。

【図２】この発明の一実施例を示すブロック図である。

【図３】実施例の分布データの説明図である。

【図４】実施例の分布データの説明図である。

【図５】実施例の演算工程を示す説明図である。

【図６】実施例の演算工程を示す説明図である。

【図７】実施例の測定分布データを示すスキャッタグラ
ムである。

【図８】実施例の基準分布データを示すスキャッタグラ
ムである。

【図９】実施例の差の分布データを示すスキャッタグラ
ムである。

【図１０】実施例の平滑化された差の分布データを示す
スキャッタグラムである。

【図１１】実施例の測定分布データを示すスキャッタグ
ラムである。

【図１２】実施例の基準分布データを示すスキャッタグ
ラムである。

【図１３】実施例の差の分布データを示すスキャッタグ
ラムである。

【図１４】実施例の平滑化された差の分布データを示す
スキャッタグラムである。

【符号の説明】

１４ 相違度評価部 １６ 表示部 ２０ 測定分布データ記憶部 ２２ 基本分布データ記憶部 ２４ 差分布データ作成部 ２６ 平滑部 ２８ 相違度算出部

Claims (4)

【特許請求の範囲】
1. 【請求項１】 検体に含まれる粒子の特徴を粒子個々に
   測定し、得られた測定値に基づいて粒子の分布データを
   作成する粒子分析器と、作成した分布データと所定の基
   準分布データとの差を演算してその差の分布データを作
   成する減算部と、分布データを平滑化する平滑部と、作
   成した分布データの基準分布データに対する相違度を平
   滑化された差の分布データに基づいて算出する相違度算
   出部をさらに備えてなる粒子分析装置。
2. 【請求項２】 第１分布データを記憶する第１記憶部
   と、第２分布データを記憶する第２記憶部と、第１分布
   データと第２分布データとの差を演算してその差の分布
   データを作成する減算部と、分布データを平滑化する平
   滑部と、平滑化された差の分布データに基づいて第１分
   布データの第２分布データに対する相違度を算出する相
   違度算出部からなる分布データ相違度評価装置。
3. 【請求項３】 平滑化された差の分布データを分布図と
   して視覚化する表示部をさらに備えてなる請求項１記載
   の粒子分析装置。
4. 【請求項４】 平滑化された差の分布データを分布図と
   して視覚化する表示部をさらに備えてなる請求項２記載
   の分布データ相違度評価装置。