專利名稱：表征頻譜儀并提供定標(biāo)模型的方法
背景技術(shù)：
發(fā)明領(lǐng)域本發(fā)明涉及頻譜儀儀器中的偏差。本發(fā)明尤其涉及通過把頻譜儀儀器的響應(yīng)歸類到有限數(shù)量的群集中并且發(fā)展補(bǔ)償儀器偏差的群集間的定標(biāo)轉(zhuǎn)移模型來表征頻譜儀儀器。
現(xiàn)有技術(shù)描述頻譜儀的許多分析的應(yīng)用需要創(chuàng)建起來耗時(shí)并昂貴的定標(biāo)數(shù)據(jù)集。一般地，這些定標(biāo)具有高度的特殊性。例如，由相同制造商生產(chǎn)的同一儀器顯然應(yīng)顯示微小的儀器偏差；當(dāng)用與另一臺儀器內(nèi)的相同部件有輕微變化的部件建立一臺儀器時(shí)，可以看見該偏差。此外，由一個(gè)制造商生產(chǎn)的儀器的定標(biāo)集一般不適合由另一個(gè)制造商生產(chǎn)的類似儀器。而且，對單一儀器的修補(bǔ)會引起儀器的頻譜響應(yīng)的變化。當(dāng)儀器老化后，它的頻譜響應(yīng)可能發(fā)生變化。儀器的頻譜響應(yīng)可以根據(jù)操作環(huán)境的波動而變化。在需要例如極低濃度的分析物、非侵入的血糖預(yù)測的應(yīng)用中，甚至很小的儀器偏差都能造成無法接受的程度的分析誤差。倘若另一個(gè)考慮到該儀器當(dāng)前的頻譜響應(yīng)的定標(biāo)模型可以補(bǔ)償儀器偏差。然而，新定標(biāo)模型的發(fā)展是耗時(shí)的、勞動密集型的并且昂貴的。
在生物醫(yī)學(xué)應(yīng)用的基于頻譜學(xué)的分析儀的發(fā)展中，對特定的應(yīng)用需要生產(chǎn)幾千到幾百萬臺分析儀。不存在迅速并廉價(jià)地為大量儀器提供定標(biāo)的方法。
因此，試驗(yàn)針對把定標(biāo)從一臺分析儀轉(zhuǎn)移到另一臺。例如，可見E.Bouveresse，C.Hartmann，D.Massart，I.Last，Prebble所著的“Standardization ofnear-infrared spectrometric instruments”，(Anal.Chem.，vol.68，pp.982-990，1996)和M.Defernez，R.Wilson所著的“Infrared spectroscopyinstrumentalfactors affecting the long-term validity of chemometric models”，(Anal.Chem.，vol.69，pp.1288-1294，1997)，以及E.Bouveresse，D.Massart，P.Dardenne所著的“Calibration transfer across near-infrared spectrometricinstruments using Shenk’s algorithmeffects of different standardizationsamples”，(Analytica Chimica Acta，vol.297，pp.405-416，1994)和Y.Wang，D.Veltkamp，B.Kowalski所著的“Multivariate instrument calibration”，(Anal.Chem.，vol.63，pp.2750-2756，1991)。
大多數(shù)已公布的定標(biāo)轉(zhuǎn)移的方法已被應(yīng)用在包含高濃度分析物的情況中，其中的信噪比很高。因?yàn)檫@些當(dāng)前已知的方法在轉(zhuǎn)移定標(biāo)時(shí)起到平滑的功能，所以它們降低了可觀察到的信噪比，從而阻礙了對低濃度分析物的分析。尚未提出其它隨著時(shí)間或在儀器間的分辨率或帶寬的改變問題。
此外，當(dāng)前已知的方法僅僅成功地被用于包括少量儀器的情況下。當(dāng)包括大量儀器時(shí)，已公布的方法并不能模擬所遇到的復(fù)雜度。
存在對大量分析物的定標(biāo)的一種需要。對大量分析物提供一種降低傳輸定標(biāo)時(shí)固有的復(fù)雜度是合乎需求的。提供一種無需信噪比的大幅下降而傳輸定標(biāo)、并使定標(biāo)傳輸實(shí)際用于低濃度分析物的分析中的裝置也是有利的。
發(fā)明摘要本發(fā)明提供了一種表征大量頻譜儀儀器的方法，它根據(jù)頻譜特性和性能特征的相似性，通過把儀器的頻譜歸類到先前定義的有限數(shù)量的群集中而實(shí)現(xiàn)。該方法也可用來跟蹤單一儀器內(nèi)隨著時(shí)間的偏差。用于歸類的頻譜特性可能涉及已知的儀器參數(shù)，或者它們可以是用多種計(jì)算方法得到的抽象特性。這些群集預(yù)先根據(jù)范例數(shù)據(jù)組用被監(jiān)督或未被監(jiān)督的方法來定義。每個(gè)群集的定標(biāo)模型補(bǔ)償多臺儀器間或一臺儀器內(nèi)隨著時(shí)間產(chǎn)生的儀器偏差。
在本發(fā)明的優(yōu)選實(shí)施例中，用定標(biāo)傳輸?shù)姆椒▉硖峁┒?biāo)模型，其中群集被彼此映射，從而從一個(gè)群集傳輸?shù)搅硪粋€(gè)的定標(biāo)只需要模擬兩個(gè)群集間的差異。在另一個(gè)實(shí)施例中，對每個(gè)群集獨(dú)立地計(jì)算不同的定標(biāo)。在又一個(gè)實(shí)施例中，由于每個(gè)群集表示許多儀器，所以定標(biāo)傳輸?shù)臄?shù)量大大降低。
附圖簡要說明根據(jù)本發(fā)明，

圖1提供了通過根據(jù)頻譜特性的分組來表征頻譜儀儀器的方法的示意圖。
根據(jù)本發(fā)明，圖2提供了通過把主定標(biāo)傳輸?shù)綇膶俣?biāo)模型來產(chǎn)生定標(biāo)模型的方法的流程圖。
圖3A和3B說明了與頻譜儀儀器內(nèi)檢測器溫度的降低有關(guān)的頻譜截止點(diǎn)的降低；以及圖4說明了與頻譜儀儀器內(nèi)源溫度的改變有關(guān)的光通量的改變。
詳細(xì)描述本發(fā)明提供了一種表征大量頻譜儀儀器的方法，它通過把來自許多頻譜儀(分析儀)的頻譜響應(yīng)歸類到先前定義的有限數(shù)量的群集中而實(shí)現(xiàn)。組成這些群集的群組根據(jù)特定特性的相似性而定義。根據(jù)頻譜特性和性能特征把儀器分組能減少在給定的組內(nèi)的儀器間的偏差。因此，對應(yīng)于單個(gè)群集的頻譜量比那些來自整組分析儀的頻譜量更均勻。然后為每個(gè)群集創(chuàng)建的定標(biāo)用于后續(xù)的分析。為每個(gè)群集創(chuàng)建的定標(biāo)將具有包含在模型內(nèi)的儀器偏差，它反映由隨后的分析中使用的特定分析物所產(chǎn)生的偏差。理想情況下，群集特有的定標(biāo)模型最好更簡單并且具有改進(jìn)的準(zhǔn)確性水平。因此，多元分析將需要較少的因素來模擬儀器偏差，導(dǎo)致較早的模擬采樣的因素以及較早的模擬小的吸收分析物的因素。最終結(jié)果是對采樣分析需要較少的因素并且創(chuàng)建更加強(qiáng)的算法。
在本發(fā)明的一個(gè)實(shí)施例中，每個(gè)群集需要一個(gè)獨(dú)立的定標(biāo)數(shù)據(jù)組，每個(gè)群集的定標(biāo)組中需要大量采樣。在優(yōu)選的實(shí)施例中，僅在一個(gè)群集中需要定標(biāo)模型的足夠采樣。定義該群集和其它群集的主要特性被確定，并且這些群集被彼此映射，顯示出從一個(gè)群集到另一個(gè)的特定差異。隨后，根據(jù)群集間的特定差異，來自最初群集的定標(biāo)被傳輸?shù)搅硪粋€(gè)群集。
S.Malin和T.Ruchti提出的、美國專利申請序列號為09/359191(1999年7月22日)、題為“An intelligent system for noninvasive blood analyteprediction”的當(dāng)前申請的原始申請中提供了對通過在吸收率頻譜中觀察到的相似性把頻譜量歸類到先前定義的群集的方法的詳細(xì)說明。該題目的樣本組織容量的歸類系統(tǒng)在這里被擴(kuò)展到包括儀器偏差的歸類。
現(xiàn)在參考圖1，它表示了把頻譜量歸類到先前定義的群集中的一般方法。該方法的簡要步驟為1.測量。(11)2.歸類(12)，其中經(jīng)測量的頻譜成為若干預(yù)定群集13中的一員。
3.定標(biāo)(14)，其中提供適合每個(gè)群集的定標(biāo)模型。
4.標(biāo)識逸出值(15)。
測量一般地，儀器偏差可能通過產(chǎn)生信號強(qiáng)度變化、帶寬變化、波長變化或它們的組合來影響頻譜響應(yīng)。這些儀器偏差可包括1.波長偏移；2.非線性波長偏移；3.波長擴(kuò)展；4.波長收縮；5.非線性波長擴(kuò)展；6.源強(qiáng)漂移；7.黑體外形變化；8.帶寬變化；9.分辨率變化；10.基線偏離；11.隨時(shí)間的變化；12.溫度效應(yīng)；13.檢測器響應(yīng)；14.光學(xué)元件內(nèi)的差異(例如，長通道的濾波器或光纖)；15.關(guān)于裝配坐標(biāo)的偏差；16.光學(xué)界面到采樣的差異(光纖間隔)；17.線性度；18.檢測器截止點(diǎn)；及許多其它偏差，它們對于本領(lǐng)域的技術(shù)人員來說是顯而易見的。用來分類的頻譜一般是那些通常已知標(biāo)準(zhǔn)的頻譜。用來歸類在波長軸中觀察到的偏移的特別有效的標(biāo)準(zhǔn)包括聚苯乙烯、稀土元素氧化物例如氧化鈥、氧化鉺或氧化鏑；或它們的組合。Labsphere，Inc.(North Sutton NH)公司提供的像漫反射率標(biāo)準(zhǔn)這樣的標(biāo)準(zhǔn)可被用來歸類強(qiáng)度軸上的偏移。樣本的頻譜也可被用來歸類。本領(lǐng)域的技術(shù)人員將得知其它的強(qiáng)度和波長標(biāo)準(zhǔn)。
在近-IR的非侵入葡萄糖確定的特定情況下，這些標(biāo)準(zhǔn)覆蓋該近-IR的頻譜區(qū)域。其它像AA(原子吸收頻譜學(xué))或GC-MS(氣體色譜法質(zhì)譜學(xué))這樣的的頻譜學(xué)和色譜-頻譜的技術(shù)都需要各自自身的標(biāo)準(zhǔn)，這些標(biāo)準(zhǔn)是本領(lǐng)域的技術(shù)人員所熟知的。此外，在儀器上采集的組織幻象的頻譜也可被用來表征該儀器。因?yàn)檫@些幻象的頻譜仿真活動組織的非侵入頻譜，所以組織幻象在表征儀器時(shí)是有幫助的。一些幻象仿真各種皮膚組織的吸收系數(shù)；而其它的幻象則仿真身體的散射系數(shù)。共同的模擬裝置包括1.乳和乳制品；2.結(jié)合墨汁的乳制品，用來調(diào)節(jié)吸收系數(shù)；3.水中脂肪物質(zhì)的乳膠，它保存在像卵磷脂這樣的乳化劑溶液中。一種這樣的商業(yè)產(chǎn)物是INTRALIPID，它是由Kabivitrum AB(Stockholm，Sweden)公司提供的；4.內(nèi)血清和內(nèi)凝膠。見K.Hazen，J.Welch，S.Malin，T.Ruchti，A Lorenz，T.Troy，S.Thenadil，T.Blank所著的“Intra-serum and intra-gel formodeling human skin tissue”，其美國專利申請序列號為09/502877(2000年2月10日)。
其它的散射和吸收媒質(zhì)對本領(lǐng)域的技術(shù)人員是已知的。這些組織模擬裝置的濃度可被調(diào)節(jié)以匹配像皮膚或內(nèi)部器官這樣的身體組織的散射和吸收系數(shù)。
同樣顯而易見的是，除了用于歸類的實(shí)際頻譜量之外，群集定義和定標(biāo)模型的形成還需要一組范例測量。
歸類新的頻譜量被傳送到模式歸類系統(tǒng)，該系統(tǒng)把這些測量歸類到先前定義的群集中，這些群集在關(guān)于儀器偏差的頻譜特性中具有高度的內(nèi)部一致性。
該歸類本身包括下列步驟1.特征提取；以及2.按照歸類模型的特性的歸類。
特征提取本申請的原始申請中更為詳細(xì)地描述了特征提取的過程，該申請的美國專利申請序列號為09/359191，supra。特征提取是能加強(qiáng)對信號譯釋有幫助的數(shù)據(jù)的特定方面或質(zhì)量的任何數(shù)學(xué)變換。特征可以是兩種類型的1.抽象的，以及2.簡單的。
儀器可用抽象的特征歸類，意味著它們可以用計(jì)算方法來歸類。這些方法可以是被監(jiān)督的或者未被監(jiān)督的。例子包括彼此繪制最初的主要元件并且表示產(chǎn)生的群集；判別式分析，譬如Mahalanobis距離的測量，以及K平均群集。其它方法對本領(lǐng)域的技術(shù)人員是顯而易見的。
值得注意的是，上面列出的群集技術(shù)并非互斥的?？梢酝ㄟ^一種或多種這些方法以及用這些方法的組合來實(shí)現(xiàn)把未加工的頻譜群集到一組或多組中。
簡單的特征可以從系統(tǒng)的先驗(yàn)理解得到，并且可以直接關(guān)于一個(gè)儀器參數(shù)或元件(或多個(gè)儀器參數(shù)和元件)。例如，經(jīng)測量的帶寬、噪聲特征、或線性度和檢測器截止點(diǎn)。
群集定義正如上面指出的，群集必須在事先已用范例頻譜量的數(shù)據(jù)組定義。群集定義是把探查數(shù)據(jù)組內(nèi)的測量值分配到各群集。在群集定義之后，這些測量值和類別分配被用來確定從特征到群集分配的映射。
群集定義既可以用被監(jiān)督的方法又可以用未被監(jiān)督的方法來進(jìn)行。在被監(jiān)督的情況下，可以用系統(tǒng)的特定指示來定義群集。例如，如下面進(jìn)一步說明的那樣，源強(qiáng)和檢測器溫度對頻譜有特定效應(yīng)。該方式中先驗(yàn)信息的使用是被監(jiān)督的模式識別中的第一步驟，當(dāng)該類別分配已知時(shí)形成歸類模型。
另外，在未被監(jiān)督的方法中群集可以用抽象特征來定義，譬如在主要元件得分“x”對頻譜負(fù)載“y”的圖內(nèi)分成群集。結(jié)果是在給定的群集內(nèi)，所有的頻譜都具有相同的特征(干擾、儀器偏差或樣本組織)?？梢愿鶕?jù)已知的下面的在特征空間內(nèi)產(chǎn)生偏差的現(xiàn)象來譯釋從具有物理意義的特征形成的群集。
歸類在類別定義之后，通過被監(jiān)督的模式識別設(shè)計(jì)一個(gè)歸類器。根據(jù)把被測的特征組轉(zhuǎn)換成被估計(jì)的類別的群集定義來創(chuàng)建一個(gè)模型。該類別模型是一種用預(yù)定的群集來確定一組相似性度量的方法。決策規(guī)則根據(jù)一組由決策機(jī)計(jì)算的度量值來分配成員。
定標(biāo)一旦頻譜被分成許多群集，則每個(gè)群集就需要定標(biāo)模型14。群集是通過兩種方法之一提供的。在優(yōu)選的實(shí)施例中，對第一群集形成主定標(biāo)，隨后該主定標(biāo)被傳輸?shù)綇膶俣?biāo)，每個(gè)剩余的群集都有一個(gè)從屬定標(biāo)。下面進(jìn)一步描述的另一個(gè)實(shí)施例為每個(gè)群集分別計(jì)算定標(biāo)。
在用主從儀器采集頻譜的情況下，本領(lǐng)域中通常使用的術(shù)語“定標(biāo)傳輸”可能具有不同的含義。定標(biāo)傳輸可以指把從屬頻譜傳輸?shù)较袷侵黝l譜上，或者反之亦然。另外，主頻譜和從屬頻譜都可以被傳輸?shù)讲淮嬖谟谥鲾?shù)據(jù)組或從數(shù)據(jù)組內(nèi)的共同的標(biāo)準(zhǔn)頻譜中。此外，定標(biāo)傳輸可以指基于標(biāo)準(zhǔn)的預(yù)處理步驟、采樣頻譜的多元調(diào)節(jié)、或者預(yù)定分析濃度的調(diào)節(jié)。
現(xiàn)在參考圖2，它示出定標(biāo)傳輸?shù)倪^程。n個(gè)群集的每一個(gè)都需要定標(biāo)14。對第一群集計(jì)算主定標(biāo)21；接著，為了對每個(gè)剩余的n個(gè)群集提供定標(biāo)，該主定標(biāo)被傳輸?shù)綇膶俣?biāo)。在這種情況下，定標(biāo)傳輸是指在從屬儀器上傳輸頻譜來匹配主定標(biāo)的特征從而使該主定標(biāo)能被應(yīng)用于從屬頻譜上的過程。對于群集來說，定標(biāo)傳輸是指在從屬儀器上傳輸頻譜來匹配主定標(biāo)的特征從而產(chǎn)生新的定標(biāo)的過程，該新的定標(biāo)滿足除了主定標(biāo)為之形成的群集之外的群集的規(guī)定。這些群集也可被組織成群集組，從而該主定標(biāo)被傳輸?shù)綇膶俣?biāo)23，該從屬定標(biāo)23依次被傳輸?shù)矫總€(gè)組內(nèi)各群集的從屬定標(biāo)。
定標(biāo)傳輸?shù)默F(xiàn)有技術(shù)方法在模擬為大量儀器提供定標(biāo)模型包含的復(fù)雜度時(shí)是不成功的。把頻譜測量歸類到具有高度內(nèi)部一致性的群集中會把問題的復(fù)雜度降低到一定水平從而可以把定標(biāo)傳輸應(yīng)用于大量儀器。把所獲的頻譜分組到有限數(shù)量的子群允許該定標(biāo)傳輸組織被分裂成多個(gè)子組，從而只有所有組織的一個(gè)子組需要被定位在任何兩個(gè)群集之間。結(jié)果是給定的群集內(nèi)，所有的頻譜具有相同的特征。用包含有限量的該群集特征的采樣的頻譜產(chǎn)生給定群集的定標(biāo)。該排出需要處理可能在未加工的測量中的所有偏差，大大地降低了需由定標(biāo)來模擬的復(fù)雜度。由此，用于給定群集的定標(biāo)會具有包含在模型內(nèi)的儀器偏差，它們類似于由所使用的分析儀產(chǎn)生的偏差。由于每個(gè)群集具有其自身的規(guī)定，該定標(biāo)傳輸技術(shù)只需要處理兩個(gè)群集間的差異。例如，如果群集間的僅有差異是線性x軸偏移，那么該定標(biāo)傳輸技術(shù)只需要處理該參數(shù)。這允許使用更特定的定標(biāo)傳輸技術(shù)，它是加強(qiáng)的，產(chǎn)生較少的因素，因?yàn)橹恍枰M較少儀器偏差。由于在定標(biāo)傳輸步驟信噪比的保持，這將導(dǎo)致對較低濃度的分析物的分析。
一般地，定標(biāo)傳輸技術(shù)必須提出儀器和儀器間的偏差，譬如波長偏移、非線性波長偏移、波長擴(kuò)展(收縮)、非線性波長擴(kuò)展、源強(qiáng)漂移、黑體外形變化、帶寬(分辨率)變化、基線偏離、隨時(shí)間的變化、溫度效應(yīng)及其它本領(lǐng)域的技術(shù)人員已知的偏差。
然而，除了定標(biāo)傳輸中的儀器組織之外，采樣組成和采樣處理根據(jù)在定標(biāo)傳輸中也非常重要。因此，每個(gè)用來預(yù)測結(jié)果的被分析的采樣應(yīng)該是該定標(biāo)數(shù)據(jù)組的矩陣空間的插值；否則該定標(biāo)則不能計(jì)算分析物濃度的準(zhǔn)確預(yù)測。例如，如果該定標(biāo)數(shù)據(jù)組包含范圍在40到400mg/dL內(nèi)的葡萄糖采樣，那么對帶有該范圍外的葡萄糖的采樣的預(yù)測是令人懷疑的。
由此，如圖1所示，被發(fā)明的歸類算法的重要附加優(yōu)點(diǎn)在于可以標(biāo)識逸出的頻譜。每個(gè)群集具有其自身的一組歸類要求。如果頻譜未落在給定群集的參數(shù)內(nèi)，則可找到另一個(gè)群集，其參數(shù)允許該頻譜的分析。如果未找到任何群集，則把采樣的值公布為一個(gè)逸出值，而非說明該分析物可能錯誤的值。在該方式中避免對未形成令人滿意的定標(biāo)模型的采樣或儀器進(jìn)行分析。
被歸類為逸出值的頻譜可采用兩種形式。在一些情況下，該逸出頻譜接近給定的群集。在這種情況下，常規(guī)定標(biāo)傳輸技術(shù)可應(yīng)用于該頻譜以變換該頻譜，從而使它落在存在定標(biāo)的群集中的一個(gè)內(nèi)。若失敗，該頻譜仍被歸類為逸出值，正如將被表征為總逸出值的頻譜一樣。
歸類和定標(biāo)傳輸無須限于儀器間的差異；它也可以用于用來預(yù)測分析物的采樣頻譜中。例如，可以對健康的18到30歲間的人定義一個(gè)群集?？梢詫υ撚邢薜娜丝诮y(tǒng)計(jì)建立一個(gè)非侵入的葡萄糖模型。18到30歲的未懷孕婦女可形成一個(gè)獨(dú)立的群集?？梢蕴岢鲞@兩個(gè)群集間的差異，譬如身體脂肪和采樣的體積，并且定標(biāo)傳輸技術(shù)對于那些基于相對少的頻譜的差異可能是最佳的，從而使最初為有限人口統(tǒng)計(jì)產(chǎn)生的葡萄糖模型漸漸被擴(kuò)展。
上述的實(shí)施例無須對每個(gè)群集建立定標(biāo)，并且從而提供了能節(jié)約為每個(gè)群集建立獨(dú)立定標(biāo)所需的相當(dāng)多的時(shí)間、金錢和努力的重要優(yōu)點(diǎn)?？梢詮谋绢I(lǐng)域技術(shù)人員已知的許多算法中選擇所使用的實(shí)際定標(biāo)傳輸技術(shù)。
另一個(gè)實(shí)施例像在優(yōu)選實(shí)施例中那樣把頻譜歸類到群集，并且為每個(gè)群集建立各自的定標(biāo)。在需要更多頻譜的代價(jià)下，定標(biāo)傳輸?shù)男枨蟊幌?。然而，通過帶有明確的并有限的參數(shù)的群集可以獲得其它的可靠性的測量。如在前面的實(shí)施例中，需要模擬較少的儀器偏差，所以較早的因素能集中在分析物信息上，這產(chǎn)生加強(qiáng)了的模型。
雖然本發(fā)明的上述描述針對表征不同的儀器，然而被發(fā)明的方法也可以用于根據(jù)已知的儀器元件內(nèi)的偏差或已知的環(huán)境偏差來歸類來自單個(gè)儀器的頻譜。下面描述兩個(gè)例子。
1.使用在許多近-IR的分析物中的2.6μm的InGaAs檢測器的截止點(diǎn)隨著檢測器溫度的降低而發(fā)生藍(lán)移。圖3表示在NICOLET 860上采集的空氣頻譜，該NICOLET 860是由Nicolet Instrument Corporation(Madison WI)公司用0到-20℃范圍內(nèi)的InGaAs檢測器提供的。該2400到2600的頻譜截止點(diǎn)區(qū)域在圖3B內(nèi)得到擴(kuò)展。該截止點(diǎn)隨著檢測器溫度的降低而降低。像確定在觀察到10％的峰值強(qiáng)度處的波長這樣的簡單分析使用基準(zhǔn)或空氣頻譜，允許該儀器根據(jù)檢測器是否被適當(dāng)?shù)乩鋮s以及被冷卻到什么程度而被歸類。
2.隨著鹵素鎢源溫度的增加，黑體發(fā)射的幅度增加并且觀察到附加的光通量。例如，如圖4所示，在5％ Labsphere漫反射率標(biāo)準(zhǔn)的漫反射率光譜中，觀察到總強(qiáng)度隨著源溫度的增加而增加。該效應(yīng)可被用來根據(jù)源溫度和總的光通量歸類儀器。
相對簡單的工作是根據(jù)附加的元件表征該儀器。例子有影響帶寬的縫隙寬度或者影響總的光通量的室溫。然而，頻譜儀具有有限數(shù)量的元件；已觀察到這些儀器組成相對少量的群集。
一旦儀器或給定的頻譜被歸類到群集，則可以使用適當(dāng)?shù)亩?biāo)程序。由于儀器在其壽命期間可能發(fā)生改變，所以一個(gè)分析儀可以加載多個(gè)定標(biāo)程序。實(shí)際上，環(huán)境因素可能造成該適當(dāng)?shù)亩?biāo)隨著每個(gè)采集的頻譜而改變。
該儀器歸類方法被設(shè)計(jì)以用在非侵入的葡萄糖分析物上，其中葡萄糖是用人體上皮膚的漫反射率頻譜來測量的。然而，同樣的技術(shù)可用于任何形式的非侵入分析中，它們包括、但不限于白蛋白、球蛋白、尿素、肌酸酐、氧、血紅蛋白A1C以及像Na+，K+，Cl-這樣的電解質(zhì)的非侵入分析。該技術(shù)也可被用于生物醫(yī)學(xué)的應(yīng)用中。
這里揭示的歸類方法在所企圖的各種領(lǐng)域內(nèi)獲得應(yīng)用，例如，農(nóng)業(yè)領(lǐng)域。示例性的農(nóng)業(yè)應(yīng)用有牛奶里脂肪的分析、小麥內(nèi)的蛋白質(zhì)或濕度分析、或者水果內(nèi)糖的分析。該歸類方法也可以在完整藥片的分析中或在原材料的表征中有益于制藥公司。最終，制藥公司可以在燃料、燃料副產(chǎn)品和原始燃料材料的歸類中使用該方法。一般地，在使用大量分析儀來定量采樣中的分析物時(shí)，該技術(shù)是有效的。
盡管這里參考優(yōu)選實(shí)施例描述了本發(fā)明，本領(lǐng)域的技術(shù)人員可以理解，其它的應(yīng)用可以替代這里提出的應(yīng)用而無須背離本發(fā)明的精神和范圍。從而，本發(fā)明僅受到所附的權(quán)利要求的限制。
權(quán)利要求
1.一種根據(jù)儀器的偏差來表征頻譜儀儀器的方法，其特征在于包括下列步驟從至少一臺頻譜儀儀器提供標(biāo)準(zhǔn)的頻譜量；以及根據(jù)經(jīng)提取的頻譜特性把所述頻譜量歸類到預(yù)定的群集中；以及對每個(gè)所述預(yù)定的群集提供定標(biāo)模型，其中所述定標(biāo)模型補(bǔ)償所述儀器的偏差。
2.如權(quán)利要求1所述的方法，其特征在于，所述儀器偏差包括下述情況中的任一種波長偏移；非線性波長偏移；波長擴(kuò)展；波長收縮；非線性波長擴(kuò)展；源強(qiáng)漂移；黑體外形變化；帶寬變化；分辨率變化；基線偏離；隨時(shí)間的變化；溫度效應(yīng)；檢測器響應(yīng)；光學(xué)元件內(nèi)的差異(例如，長通道的濾波器或光纖)；關(guān)于裝配坐標(biāo)的偏差；光學(xué)界面到采樣的差異(光纖間隔)；線性度；檢測器截止點(diǎn)；
3.如權(quán)利要求1所述的方法，其特征在于，所述標(biāo)準(zhǔn)頻譜是在許多頻譜儀儀器上測量的。
4.如權(quán)利要求1所述的方法，其特征在于，所述標(biāo)準(zhǔn)頻譜是在一個(gè)頻譜儀儀器的連續(xù)時(shí)間間隔內(nèi)測量的。
5.如權(quán)利要求1所述的方法，其特征在于，所述歸類步驟包括提取特性；以及根據(jù)歸類模型和決策規(guī)則歸類所述的特性。
6.如權(quán)利要求5所述的方法，其特征在于，所述的特征提取步驟包括任何加強(qiáng)有益于信號譯釋的數(shù)據(jù)特定方面或質(zhì)量的數(shù)學(xué)變換。
7.如權(quán)利要求3所述的方法，其特征在于，所述的歸類模型包括用預(yù)定的類別確定一組相似性度量的裝置。
8.如權(quán)利要求5所述的方法，其特征在于，所述的決策規(guī)則包括根據(jù)由決策機(jī)計(jì)算的一組度量來分配類別成員的裝置。
9.如權(quán)利要求4所述的方法，其特征在于，單一的特性被分成兩個(gè)類別，所述的類別包括抽象特性，其中所述的特性是用各種計(jì)算方法提取的；以及簡單特性，它從系統(tǒng)的先驗(yàn)理解得到，其中所述特性直接涉及儀器參數(shù)或元件。
10.如權(quán)利要求7所述的方法，其特征在于，所述抽象特性用以下的任何方法計(jì)算彼此繪制最初的主要元件并且標(biāo)識產(chǎn)生的群集；判別式分析；以及K平均群集。
11.如權(quán)利要求5所述的方法，其特征在于，所述的歸類步驟還包括用基于因素的方法來建立能表示被測的頻譜中的變化的模型，該變化與頻譜響應(yīng)的變化有關(guān)；其中把被測的吸收頻譜投射到所述模型上來構(gòu)成表示關(guān)于儀器偏差的頻譜偏差的特性。
12.如權(quán)利要求5所述的方法，其特征在于，所述歸類步驟還包括下列步驟測量特性與預(yù)定群集的相似性；以及在一個(gè)群集內(nèi)分配成員。
13.如權(quán)利要求5所述的方法，其特征在于，還包括下述步驟把探查數(shù)據(jù)組內(nèi)的測量分配到群集。
14.如權(quán)利要求13所述的方法，其特征在于，還包括下述步驟用度量和類別分配來確定從特性到群集分配的映射。
15.如權(quán)利要求13所述的方法，其特征在于，還包括下列步驟以被監(jiān)督的方式從所述特性定義群集，其中每組特性被分成兩個(gè)或多個(gè)區(qū)域，且其中類別是由特性分集的組合定義的；通過由確定最佳映射或從特性空間到類別估計(jì)的變換而被監(jiān)督的模式識別來設(shè)計(jì)一種在類別定義之后的歸類器，該變換使誤歸類的數(shù)量最??；以及根據(jù)類別定義創(chuàng)建模型，該類別定義把被測的特性組轉(zhuǎn)換成估計(jì)的歸類。
16.如權(quán)利要求1所述的方法，其特征在于，還包括為新樣本測量的分析提供定標(biāo)模型的步驟。
17.如權(quán)利要求16所述的方法，其特征在于，所述定標(biāo)模型模擬所述預(yù)定群集間的差異。
18.如權(quán)利要求16所述的方法，其特征在于，從一組具有參考值和預(yù)分配的類別定義的范例頻譜中形成第一個(gè)所述群集的主定標(biāo)模型。
19.如權(quán)利要求18所述的方法，其特征在于，還包括把所述主定標(biāo)模型傳輸?shù)蕉鄠€(gè)從屬定標(biāo)模型的步驟，其中對每個(gè)剩余的群集計(jì)算從屬定標(biāo)模型，并且其中的變換根據(jù)定義每個(gè)類別的主要特性把所述主定標(biāo)模型來修改為從屬定標(biāo)模型。
20.如權(quán)利要求19所述的方法，其特征在于，所述的傳輸步驟包括把所述主定標(biāo)模型傳輸?shù)降谝粡膶俣?biāo)模型；把所述第一從屬定標(biāo)模型傳輸?shù)降诙膶俣?biāo)模型；以及重復(fù)從一個(gè)從屬定標(biāo)模型到另一個(gè)從屬定標(biāo)模型的所述傳輸，直到為每個(gè)預(yù)定的群集提供一個(gè)定標(biāo)為止；其中的變換根據(jù)定義每個(gè)所述群集的主要特性來修改所述被傳輸?shù)亩?biāo)模型。
21.如權(quán)利要求18所述的方法，其特征在于，還包括把所述主定標(biāo)模型傳輸?shù)蕉鄠€(gè)從屬定標(biāo)模型的步驟，其中對每個(gè)剩余的群集計(jì)算從屬定標(biāo)模型，并且其中的變換根據(jù)定義每個(gè)類別的主要特性把所述從屬定標(biāo)模型來修改為所述主定標(biāo)模型。
22.如權(quán)利要求21所述的方法，其特征在于，所述傳輸步驟包括把所述主定標(biāo)模型傳輸?shù)降谝粡膶俣?biāo)模型；把所述第一從屬定標(biāo)模型傳輸?shù)降诙膶俣?biāo)模型；以及重復(fù)從一個(gè)從屬定標(biāo)模型到另一個(gè)定標(biāo)模型的所述傳輸，直到為每個(gè)預(yù)定的群集提供一個(gè)定標(biāo)為止；其中的變換根據(jù)定義每個(gè)所述群集的主要特性來修改所述被傳輸?shù)亩?biāo)模型。
23.如權(quán)利要求16所述的方法，其特征在于，對每個(gè)類別形成不同的定標(biāo)模型，并且其中定標(biāo)模型是從一組具有參考值和預(yù)分配的群集定義的范例頻譜中形成的。
24.如權(quán)利要求23所述的方法，其特征在于，頻譜被分配到許多預(yù)定的群集之一，定標(biāo)模型為了這些預(yù)定群集而形成。
25.如權(quán)利要求1所述的方法，其特征在于，還包括下列步驟提供新的頻譜量；根據(jù)經(jīng)提取的頻譜特性比較所述新的頻譜量和每個(gè)所述的預(yù)定群集；把未找到匹配群集的度量公布為逸出值。
26.一種為頻譜分析形成定標(biāo)模型的方法，其特征在于包括下列步驟定義來自頻譜量的范例數(shù)據(jù)組的群集，其中所述群集顯示出高度的內(nèi)部相似性；互相映射所述的群集，其中確定分辨各群集的主要特性；為所述群集中的第一個(gè)計(jì)算定標(biāo)模型，所述的定標(biāo)模型包括主定標(biāo)；把所述主定標(biāo)傳輸?shù)街辽僖粋€(gè)從屬定標(biāo)，其中從屬定標(biāo)所包括的定標(biāo)是通過在從屬頻譜上應(yīng)用變換從而使該主定標(biāo)現(xiàn)在模擬該主群集和另一個(gè)對應(yīng)于所述從屬頻譜的群集間的差異而產(chǎn)生的。
全文摘要
頻譜儀儀器是通過把它們的頻譜歸類到先前定義的群集內(nèi)來表征的。該頻譜被映射到群集，并且根據(jù)經(jīng)提取的頻譜特征與先前定義的群集之一的相似性而進(jìn)行歸類(12)。對每個(gè)群集提供定標(biāo)模型來補(bǔ)償儀器的偏差。定標(biāo)模型既可以通過把主定標(biāo)(21)傳輸?shù)綇膶俣?biāo)(23)來提供，又可以通過對每個(gè)群集計(jì)算獨(dú)立的定標(biāo)來提供。定標(biāo)傳輸?shù)暮喕椒ɑハ嘤成溥@些群集，所以在群集間傳輸?shù)亩?biāo)只模擬這兩個(gè)群集間的差異，大大地降低了該模型的復(fù)雜度。
文檔編號A61B5/00GK1483141SQ01815812
公開日2004年3月17日 申請日期2001年8月16日 優(yōu)先權(quán)日2000年9月18日
發(fā)明者K·H·哈澤恩, T·B·布萊克, S·L·莫恩弗瑞, T·L·茹齊蒂, K H 哈澤恩, 布萊克, 茹齊蒂, 莫恩弗瑞 申請人:三西斯醫(yī)學(xué)股份有限公司