專利名稱：采用散射光直方圖快速辨別顆粒的方法及設備的制作方法
技術領域：
本發明提供快速辨別懸浮在液體或氣體中的原生動物和其它微生物之類的微觀顆粒的獨特方法和設備。
背景技術：
目前可接受的辨別致病微觀顆粒的方法需要相當長時間的、勞動密集的過程。例如，為了判定在飲用水中是否存在帕沃姆式隱孢(Cryptosporidium parvum)或蘭伯式鞭毛蟲(Giardia lamblia)，供應者必須采用一種長時間的、勞動密集的程序-USEPA方法1622。臨床化驗室和食品檢查員也必須采用長時間的、勞動密集的程序查找并辨別有害細菌。
不幸的是，在許多情況下不能等待對微生物的確切判定。必須在向家庭供水之前就立即識別出隱孢對飲用水的污染。同樣，辨別細菌性腦膜炎之類疾病的病因也常常不能等待需要的時間。最后，在多數情形下檢測并辨別牛肉之類的食品源中的細菌耗費了太多的時間，以至于在發現問題之前就已經將食品分發出去了。
已經有各種檢測微觀生物體的方法和設備。例如，De Leon等人在美國專利No.5,770,368中給出了一種檢測隱孢的方法。采用特定屬或特定種原生動物所特有的引物(primer)從誘導HSP RNA模板合成cDNA、然后對cDNA進行酶放大，可以判定包囊體的生存能力或感染性。替或，可通過采用特定屬或種原生動物所特有的引物對(primer pair)放大來自受感染細胞的HSP DNA來判定感染性。
Steele等人在美國專利No.5,693,472中公開了檢測帕沃姆式隱孢的方法。描述了在表層水或糞便之類的水樣或生物樣品中檢測帕沃姆式隱孢的方法和工具包。該方法依賴于采用引物檢測帕沃姆式隱孢的至少一個DNA序列的全部或部分特征，該序列是分別包含在重組體質粒pINV38G和pHem4之中的、稱作38G和HemA的全部或部分染色體區。
Pleass等人在美國專利No.5,229,849中公開了對微觀生物體行為進行統計學研究的激光多普勒光譜儀。一種監視并辨別在液體中游動或在液體中穿過表面的微生物群的改良方法和系統，提供了快速測量微小活動變化、基本在有碎屑存在的情況下檢測并辨別在較大容積液體中的單個微生物的靈敏方法。該系統包括激光站、樣品收集站、攝影站和監視站。
Wyatt等人在美國專利No.4,548,500中給出了辨別或表征微小顆粒的方法和設備。描述了基于測量在每一顆粒穿過一束光或其它電磁輻射時產生的某些可觀測光學量來表征和/或辨別單個微粒的設備和方法。一束細的光線，優選地，一束單色線性極化光通過球形探測器陣列或光纖設備，將入射光傳送給一組探測器設備，顆粒流在球形陣列的中心與光束相交。選定的可觀測量從檢測到的散射輻射計算出來，然后用于從計算機存儲器設備中調出特定的映射圖，每一觀測量都有一個圖。
Lee等人在美國專利No.5,473,428中公開了一種具有耦合激光二極管的干涉測量溫度傳感系統，其中將幅度調整到與之前的反饋激光束相當。干涉測量溫度傳感系統提供了采用激光檢測元件的自耦合效應準確處理干涉圖樣的簡化設計，其中，激光二極管和光學檢測元件封裝在一起。
Curtis Thompson的美國專利No.5,582,985公開了分枝桿菌的檢測。該發明提供了檢測樣品中的分枝桿菌的方法、合成物和工具包。該方法包括在將分枝桿菌專用的核酸探針(nucleic acid probe)與樣品混合(hybridizing)之前，將樣品與甲醛溶液、一種有機溶劑和蛋白質劣化劑相接觸。該發明在檢測和感病性篩分(susceptibility screening)人類致病性分枝桿菌(如結核分枝桿菌)方面尤其有用。
發明內容
本發明的獨特系統為辨別懸浮在液體或氣體中的原生動物和其它微生物之類的各種微觀顆粒提供準確有效的測量。本發明的方法論提供一種用于定性和定量辨別顆粒種類的程序，該程序源自對以方便可靠的方式、由一組環繞懸浮顆粒的光傳感器收集的顆粒散射的光線的測量。
更詳細地，懸浮顆粒的散射光被傳感器陣列檢測到并被轉換成電壓之類的電信號。來自每一傳感器的電壓進入修正裝置組件(modifyingmeans componet)，在此處電壓被數字化，得到的數值被用作顆粒辨別的指紋。獨特的修正組件包括一組或多組一維或多維概率經驗直方圖推導出的預測公式，該直方圖是數字化電壓的一種或多種數學組合的函數。每一組直方圖由單個的概率直方圖組成，這些概率直方圖給出由某一特定顆粒種類產生所觀察到的特定數字化電壓的特定組合的數值的可能性。這樣，在預測公式得到某一特定種類的很大的概率值時，本發明系統中的獨特的修正組件將測量到的信號理解成“特定種類”。
在一種實施例中，本發明的快速檢測并辨別微觀顆粒以進行定性和定量測量的方法包括如下步驟a)將待辨別顆粒懸浮在樣品室內所盛的控制流體中；b)將樣品室保持在相對于一個強光源的指定方向上；c)采用所述的光源對樣品室進行照射；d)通過環繞檢測區的一組光傳感器收集并測量來自樣品室的散射光；e)在顆粒穿過所述強光源時將傳感器陣列的電壓輸出轉換成數字信號；并且f)將獲得的信號與概率直方圖庫進行比較，并對得到的數據進行統計學分類，從而對存在的微觀顆粒進行辨別。
根據本發明，該直方圖庫由每一顆粒種類的包含在一個統計分類算法的直方圖組成，所述算法計算有關信號由那些顆粒種類產生的概率。通過測量一種微粒與傳感器的數字化電壓數學組合的特定數值范圍相關聯的頻率來經驗性地獲得概率直方圖。因此，可以對于一個數學組合，也就是說對于一個一維分析可生成發生頻率直方圖，或者，可以對多個數學組合，也就是說對一個多維分析生成頻率直方圖。
在優選實施形式中，本發明的設備以組合的方式包括a)產生光束腰的極化激光；b)包括多個光探測器的光學底座，每一個光探測器沿四周放置，并毫無遮蔽地朝向激光光束腰的共同會聚區(common region ofregard)；c)盛有待分析液體樣品的樣品室；d)將樣品室保持在相對于激光光束腰的指定方向上以及保持在光探測器的共同會聚區中的裝置；e)使樣品中的顆粒流過激光光束腰的裝置；f)蓋住光源和光學底座以產生黑暗外罩的裝置；g)將由探測器所測量到的光強值轉換成數字化值的裝置；h)將數字化值連續輸入計算機的裝置；i)基于數字化的測量、判定在顆粒何時進入共同會聚區處的光束中的裝置；j)將數字化數值轉換成校準值的裝置；k)從數字化并樣準的事件數據提取事件描述符的裝置；l)從事件描述符中計算判別函數值的裝置；m)定義概率直方圖的裝置，該直方圖使得可以計算從測量值計算出的判別函數值是由特定顆粒種類導致的的概率；n)辨別最有效的判別函數的裝置。
o)將概率直方圖和判別函數存貯在辨別庫中的裝置，對于每一個可被辨別的顆粒種類和每一個判別函數有一個概率直方圖；p)恢復先前存貯的概率直方圖和判別函數的裝置，對于每一個可采用辨別庫進行辨別的顆粒種類和每一個判別函數有一個概率直方圖；q)對于判別函數的一個給定值計算庫中的每一顆粒種類的概率的裝置；r)將可采用辨別庫進行辨別的每一個顆粒種類的概率組合起來的裝置；以及s)基于閾值辨別未知顆粒的裝置。
圖1是表示采用本發明的優選實施形式、生成辨別庫并采用辨別庫辨別顆粒的各步驟的流程圖；圖2是整個辨別系統的示意圖；圖3是激光光束腰的詳細圖。如果激光的強度分布是高斯型，穿過激光光束的球形顆粒散射對時間呈高斯形狀的光線；以及圖4表示三個歸一化發生頻率直方圖。這些圖表示對于三種顆粒的測量數據的結果直徑1.588±0.025微米(標準偏差0.006微米)的聚苯乙烯球粒樣品、蘭伯式鞭毛蟲樣品和帕沃姆式隱孢樣品。
具體實施例方式
本發明提供一種基于對測量數據進行統計分析的、用于微觀顆粒辨別方法的獨特方法和設備。本方法建立在三個相關的部分(參見圖1)之上測量儀器和原始數據處理系統；生成辨別庫；以及使用辨別庫。
本發明提供了快速檢測并辨別微生物和其它類型的顆粒的裝置。該系統基于對顆粒穿過準直強光源時從顆粒散射的光線進行測量和分析。當顆粒與入射光的波長相當或稍大時，在顆粒上光線主要發生散射，散射光的能量分布在各個方向上。很明顯各個方向上的光強決定于顆粒尺寸和形狀，以及入射光的波長。一般，可以從對光強的高角分辨率測量和所有散射輻射的電磁相位計算出顆粒尺寸和形狀。實際上，這在航空航天上在處理飛行器的雷達信號時得到了普遍應用。然而在處理可見光時是不切實際的。此外，測量細菌之類的顆粒的準確尺寸和形狀對于識別毫無用處，因為在尺寸和形狀上存在著自然的差異。根據本發明，提供了一種通過僅測量一小部分散射光來辨別顆粒的系統。通過將測量結果與先前對各種顆粒所作測量的庫進行比較，實現準確的顆粒辨別。
以下定義將有助于對優選實施例進行更完整的描述。
術語“流體”表示液體或氣體介質。
術語“光”表示電磁輻射。
術語“共同會聚區”表示由所有光探測器同時可見的一個小空間區域。
術語“毫無遮蔽”表示沒有視覺阻礙、扭曲或虛光。
術語“透明的”表示對所采用的光線的波長透明。
術語“樣品室”表示盛有樣品的透明外罩。
術語“探測器”表示對光線敏感并將入射光轉換成電壓或電流的電子裝置，電壓或電流的大小與入射光強成正比。
術語“光學底座”表示框架、光探測器和環繞樣品室的電子設備。
術語“進行校準”表示對原始測量數據進行修正以便標準測量導致正確的值。
術語“顆粒種類”表示單一的一種顆粒，如一種微生物或花粉或如血紅細胞等類型。
術語“事件”表示在顆粒穿過光束時所測量的一組散射光數據。
術語“發生頻率直方圖”表示對于特定測量的給定數學組合的計算，顆粒種類的測量在多高頻率上會導致特定數值范圍。
術語“概率直方圖”表示歸一化發生頻率直方圖，從而曲線下的面積(一維情形)或曲線下的體積(多維情形)是1。
在一個實施形式中，本發明的用于定性和定量測量(三個相關部分的第三部分)、快速檢測并辨別微生物顆粒的方法采用如圖2所示的儀器并包括以下步驟a)將待辨別的顆粒懸浮在盛在玻璃瓶中的超高品質水中；b)將樣品瓶固定在強激光光源中，使光束腰穿過中心；c)通過環繞樣品室的光傳感器陣列收集并測量來自玻璃瓶的散射光；d)當顆粒穿過強光源時將傳感器陣列的電壓輸出轉換成數字信號；并且e)將所獲得的信號與至少一組概率直方圖進行比較以辨別存在的微觀顆粒。
因此，對顆粒種類的辨別是通過先測量統計學意義上大量的種類數、然后從測量中推導出相關信息來進行的。在收集并將相關信息存入辨別庫之后，對未知顆粒的辨別是通過將新的測量與顆粒特征存檔庫進行比較來進行的。
該系統使用了顆粒穿過強光源時產生的散射光。圖2表示測量散射光以及建立庫以及進行顆粒辨別的儀器的一種實施形式的示意圖。光學底座提供了支撐光探測器的框架，并將它們的視域限制在單一的共同會聚區。光探測器收集并測量散射到樣品室外的光強度。事件處理器子系統連續將探測器產生的電壓數字化并監控數字化后的電壓，以便動態提取背景信號并判定何時有顆粒穿過激光束。
在事件處理器檢測到穿過激光束的顆粒時，處理器保持來自每一個探測器的數字化電壓，直到顆粒完全穿過光束。在顆粒穿過光束之后，事件處理器進行校準，然后從數字化數據中提取顆粒辨別算法所需的特定數據(事件描述符)并將描述符傳送到ID處理器子系統。
ID處理器子系統使用事件描述符形成判別函數值，與顆粒種類辨別庫進行對照。在庫中包含很多組可用于計算所觀察到的判別函數值產生于特定顆粒種類的概率的概率直方圖。ID處理器使用概率直方圖和統計分類算法推導出穿過光束的顆粒的身份。ID處理器在顯示器上給出該顆粒身份。
因而，本發明過程的第一階段使用由測量儀器進行的大量測量來生成辨別庫。本發明過程的第二階段使用測量儀器和辨別庫辨別未知顆粒。
對生成庫的過程的理解依賴于對球形顆粒的測量數據的理解。在球形顆粒穿過準直光束時，光探測器測量決定于顆粒速度和激光截面強度分布的時間相關強度。圖3表示在激光的截面強度分布為高斯型時球形顆粒對時間的散射光強度也是高斯型(注顆粒比光束直徑小得多)。因此，在探測器d上測量的電壓v(d，t)作為時間t的函數也是高斯型。沿不同路徑穿過光束腰的同一顆粒會表現出幅度不同的高斯分布。將在每一時刻所測量的值除以在同一時刻一個或多個探測器值之和可以消除這種路徑依賴性。從而v′(d，t)＝v(d，t)/∑d′v(d′，t) 公式(1)這里，d’是一些或全部探測器。在顆粒為球形時，只要信號強度足夠大，歸一化值v’(d，t)就是常數。此外，該數值也與顆粒穿過激光束時所走的路徑無關。
在波長、顆粒直徑、顆粒折射率和流體已知時公式(1)中球形顆粒的比值是可預測的。因此對于球形顆粒，采用來自每一探測器的單個比值就可以表征穿過光束的顆粒。這些來自每一探測器的單個比值被稱作事件描述符，因為它們獨一無二地描述了事件源，也就是說引起事件的顆粒。在下文中，ED(d)表示探測器d的事件描述符，也就是說ED(d)＝v’(d，t1)，其中t1是特定時刻。每一個尺寸相同的球形顆粒產生相同的事件描述符ED(d)。因此從原理上講，給出球形顆粒事件的測量，就可以從事件描述符的值推導出顆粒直徑。
在顆粒不是球形時，公式(1)中的事件描述符不再是常數。v’(d，t)對時間的曲線圖不會是直線。曲線的形狀決定于在顆粒穿過光速時顆粒的取向。同一顆粒反復穿過激光光束時將產生不同的曲線形狀。類似的，同一顆粒種類的不同顆粒也會產生一系列曲線形狀。結果，上述事件描述符決定于時間。從而，考慮到非球形顆粒，事件描述符的概念變寬了，指的僅特征事件的數據，即使描述符數值對顆粒種類而言在時間方面不是常數。
辨別方法需要從事件數據中提取事件描述符的特定模式。有各種模式。其中兩個為1.選擇在事件過程中所獲得的ED(d，t)＝v’(d，t)最大值作為事件描述符數值。也就是說EDd＝max(v(d，t))/Σd’v(d’，t))。
2.在事件過程中特定探測器dn的值v’(dn，t)為最大值時，選擇在時間tn時的值ED(d，tn)＝v’(d，tn)為事件描述符數值。也就是說EDd＝v(d，t’n)/Σd’v(d’，t’n))，其中t’n是在探測器d＝n最大時的時刻。
由于在非球形顆粒穿過激光光束時所測量到的事件數據決定于顆粒的取向，給定事件描述符數值，人們不能直接辨別顆粒。然而，人們可采用統計學分析預測是何種顆粒。測量多個同一類顆粒將產生一系列事件描述符數值。該系列數值描述數據描述符所取的數值范圍。重要的是應當注意到數值范圍限制在一定范圍。將這些測量值繪制成對事件描述數值的發生頻率直方圖，會形成類似于圖4的曲線圖。如該曲線圖所揭示的，事件描述符的數值范圍受到限制，并且更重要的是，一些數值比其它數值更有可能。
由于顆粒尺寸、形狀或光學特征不同，不同顆粒種類的發生頻率直方圖將導致稍有不同的直方圖曲線。圖4表示三種不同顆粒種類的歸一化直方圖蘭伯式鞭毛蟲、帕沃姆氏隱孢和直徑1.588微米的聚苯乙烯球樣品，事件描述符為ED1。對于給定的ED1數值，如在圖中點α處，人們可推導出該顆粒可能是蘭伯式鞭毛蟲或是帕沃姆氏隱孢。同樣地，如果該數值是β，則該顆粒可能是直徑1.88微米的球體。然而辨別并不是絕對的。在點α和β，由三種顆粒中的任一個引起事件的機會都還不是零。
顯然，該過程需要附加的信息以提高準確辨別的可能性。附加信息來自不同的事件描述符ED2等的另一組直方圖。辨別過程變成是在預先測量的直方圖曲線數據組中從所測得的事件描述符數值由不同顆粒產生的概率來推導顆粒種類。該預先測量的歸一化直方圖數據組被稱作辨別庫。
辨別庫生成階段開始于從事件數據中提取事件描述符并由測量儀器來處理。事件描述符被重新組織成很大的一組判別函數。計算每一函數和將要包括在庫中的每一不同顆粒種類的概率直方圖。計算提供種類與種類之間區別的每一判別函數的強度。識別最好的判別函數并將相關數據存貯起來，以便辨別程序使用。
判別函數加強了顆粒種類之間的區別。考慮兩個不同的球體直徑的數據。人們會發現一個球體的ED1值大于另一個球體，而第一個球體的ED2小于第二個球體的情況。在這種情形下，比值ED1/ED2是兩個不同球體間很好的鑒別器。一個球體直徑的比值大于另一個球體直徑的比值。在這種情形下，由判別函數DF＝ED1/ED2產生的數值的直方圖比單個事件描述符的直方圖更明顯地表現出兩個不同顆粒種類曲線之間的分離。
判別函數只是事件描述符概念的推廣。例如，下面的事件描述符之間的三個關系就是每一個判別函數DF1＝ED1，DF2＝1/ED2，DF3＝ED1/ED2。由于判別函數包括單個事件描述符，下文中的討論將只采用判別函數。
歸一化處理后更容易使用直方圖。也就是說，在曲線下的面積是1(一維情形)或在曲線下的體積是1(多維情形)。得到的曲線類似于概率密度。這些概率直方圖可直接給出從對特定顆粒種類的測量產生特定判別函數值的概率。
如上文所述，每一顆粒種類的一個概率直方圖不能將測得的事件歸類為特定顆粒種類。因此需要從一組判別函數推導出一組密度。不幸的是，如圖4所示，有的判別函數可能不會對不同顆粒種類表現出概率直方圖曲線的良好分離性。在鞭毛蟲與球體以及隱孢與球體之間分離良好的同時，鞭毛蟲與隱孢之間的分離并不好。因此圖4中所繪制的判別函數沒有提供鞭毛蟲與隱孢之間有用的識別信息區別。選擇哪一組判別函數用于辨別是很關鍵的判別函數的選擇不是盲目的。此外，并沒有“先驗的”的理由優先于另一組去選擇一組判別函數。幸運的是，只要有現代計算機的高速和大數據處理能力，人們就可以很簡單地計算很多組函數的密度，整理所得結果并識別出那些可使各顆粒種類概率直方圖曲線之間明顯分離的函數。
有了所識別出的表現最好的一組判別函數，就可以生成辨別庫并將之存檔。庫必須包含由概率直方圖包含的種類列表。每一組概率直方圖必須具有自己的相關判別函數。
為了用辨別庫中辯別未知顆粒，將庫加載到辨別計算機的存儲器。測量儀器和原始數據分析程序測量未知顆粒并提取如上所述的事件描述符數據。
辨別程序開始于在顆粒穿過激光束時測量并收集未知顆粒的數據。事件處理器將獲得的信號數字化并從事件中提取事件描述符數據。然后事件處理器將事件處理符數據傳送到嘗試辨別顆粒的ID處理器。
ID處理器開始于從庫中第一組概率直方圖的事件描述符計算判別函數的值。對于每一個顆粒種類從概率直方圖中查找或插入概率值，并采用統計學分類算法判定特定顆粒種類產生這些判別函數值的概率。結果是一組與這些第一判別函數相關的概率p(df，species)，式中df在這種情形下是判別函數組是數，在這種情形下是1-也就是說，它是第一組判別函數。對于所有各組判別函數和庫中相關的概率直方圖，ID處理器重復這一過程。
一種可能的統計學分類算法用下列方式采用描述成p(df，species)的概率值組，式中，df是特定判別函數，species是顆粒種類。每一不同顆粒種類(species)的概率組合起來從而形成該種類的一個單一的概率值p(species)＝∑dfW(df)xp(df，species)，式中W(df)是來自判別函數組df的概率直方圖的權重。
通過正確解釋這些最終的概率值來辨別顆粒種類。一種實施理解是采用閾值。如果p(speciess)＞t(species)，式中t(species)是某一特定顆粒種類的閾值，并且所有其它的值都比它們的閾值小，那么該顆粒就被認為是該種類。如果有一個以上的概率在各自的閾值之上，或如果沒有概率在閾值之上，那么該顆粒就不能被辨認出來。
在本優選實施形式中，本發明的儀器包括下列的組合a)產生光束腰的極化激光；b)包括多個光探測器的光學底座，每一個光探測器沿四周放置，并毫無遮蔽地朝向激光光束腰的共同會聚區(common region ofregard)；c)盛有待分析液體樣品的樣品室；d)將樣品室保持在相對于激光光束腰的指定方向上以及保持在光探測器的共同會聚區中的裝置；e)使樣品中的顆粒流過激光光束腰的裝置；f)蓋住光源和光學底座以產生黑暗外罩的裝置；g)將由探測器所測量到的光強值轉換成數字值的裝置；h)將數字值連續輸入計算機的裝置；i)基于數字化的測量、判定何時有顆粒進入共同會聚區處的光束中的裝置；j)將數字化數值轉換成校準值的裝置；
k)從數字化并樣準的事件數據提取事件描述符的裝置；l)從事件描述符計算判別函數值的裝置；m)定義概率直方圖的裝置，該直方圖使得可以計算特定顆粒種類導致從測量值計算出的判別函數值的概率；n)辨別最有效的判別函數的裝置。
o)將概率直方圖和判別函數存貯在辨別庫中的裝置，對于每一個可被辨別的顆粒種類和每一個判別函數有一個概率直方圖；p)恢復先前存貯的概率直方圖和判別函數的裝置，對于每一個可采用辨別庫進行辨別的顆粒種類和每一個判別函數有一個概率直方圖；q)對于判別函數的一個給定值計算庫中的每一顆粒種類的概率的裝置；r)將可采用辨別庫進行辨別的每一個顆粒種類的概率組合起來的裝置；以及s)基于閾值辨別未知顆粒的裝置。
權利要求
1.一種快速檢測并辨別微觀顆粒以進行定性和定量測量的方法，包括以下步驟a)將待辨別顆粒懸浮在樣品室內所盛的控制流體中b)將樣品室固定在相對于一個強光源的指定方向上；c)采用所述的光源對樣品室進行照射；d)通過環繞檢測區的一組光傳感器收集并測量來自樣品室的散射光；e)在每一瞬間將傳感器陣列的電壓輸出轉換成數字化探測器數值，并采用一個或更多的數字化探測器數值之和進行歸一化，以產生事件描述符；f)將獲得的信號與一組發生頻率/概率直方圖進行比較，使得可以通過統計學分類算法辨別存在的微觀顆粒。
2.權利要求1所述的方法，其中事件探測器是在事件過程中每一探測器測量到的最大值。
3.權利要求1所述的方法，其中事件描述符等于在一個瞬間的數字化探測器數值。
4.權利要求1所述的方法，其中所述樣品室包括顆粒環流裝置。
5.權利要求1所述的方法，其中待辨別顆粒浸沒在氣體中。
6.權利要求1所述的方法，其中待辨別顆粒浸沒在流體中。
7.權利要求1所述的方法，其中強光源由多個共準直(co-aligned)激光器產生，每一個激光器發射波長不同的激光。
8.權利要求1所述的方法，其中強光源由一個多波長激光器產生。
9.權利要求1所述的方法，其中光傳感器是固態光致電壓器件。
10.權利要求1所述的方法，其中光傳感器是固態光致電流器件。
11.權利要求1所述的方法，其中光傳感器是固態雪崩器件。
12.權利要求1所述的方法，其中光傳感器是光電倍增管器件。
13.權利要求1所述的方法，其中光傳感器結合有極化分析器使之僅感知一個極化方向。
14.權利要求1所述的方法，其中光傳感器采用光纖電纜收集入射光并將光線傳輸到探測器。
15.權利要求14所述的方法，其中光纖電纜結合有極化分析器使之僅感知一個極化方向。
16.權利要求1所述的方法，其中樣品室是玻璃瓶。
17.權利要求1所述的方法，其中樣品室是塑料瓶。
18.權利要求1所述的方法，其中樣品室允許流體連續流動。
19.權利要求1所述的方法，其中概率直方圖是n個判別函數的函數，該函數對每一種顆粒種類產生一個n-維直方圖，其中n是整數。
20.權利要求19所述的方法，其中對于每一個函數，完整的一組n-維直方圖和n個判別函數存貯在辨別庫中。
21.權利要求20所述的方法，其中從存儲器裝置中為辨別庫中每一個直方圖預先檢索完整的一組n-維概率直方圖和n個判別函數。
22.權利要求19所述的方法，其中統計學分類算法的輸出基于每一顆粒種類的概率直方圖，如果輸出在閾值之上則歸約成值1，如果輸出在閾值之下則歸約成值0。
23.權利要求4所述的方法，其中顆粒環流裝置是作用于樣品室外的加熱器。
24.權利要求23所述的方法，其中加熱器作用于樣品室的下部。
25.權利要求4所述的方法，其中顆粒環流裝置是作用于樣品室外的冷卻器。
26.權利要求25所述的方法，其中冷卻器是熱電器件。
27.一種快速檢測并辨別微觀顆粒以進行定性和定量測量的裝置，包括以下步驟a)產生光束腰的極化激光；b)包括多個光探測器的光學底座，每一個光探測器沿四周放置，并毫無遮蔽地朝向激光光束腰的共同會聚區(common regionof regard)；c)盛有待分析液體樣品的樣品室；d)將樣品室保持在相對于激光光束腰的指定方向上以及保持在光探測器的共同會聚區中的裝置；e)使樣品中的顆粒流過激光光束腰的裝置；f)蓋住光源和光學底座以產生黑暗外罩的裝置；g)將由探測器所測量到的光強值轉換成數字化值的裝置；h)將數字化值連續輸入計算機的裝置；i)基于數字化的測量、判定何時有顆粒進入共同會聚區處的光束中的裝置；j)將數字化數值轉換成校準值的裝置；k)從數字化并樣準的事件數據提取事件描述符的裝置；l)從事件描述符中計算判別函數值的裝置；m)定義概率直方圖的裝置，該直方圖使得可以計算由特定顆粒種類導致從測量值計算機的判別函數值的概率；n)辨別最有效的判別函數的裝置。o)將概率直方圖和判別函數存貯在辨別庫中的裝置，對于每一個可被辨別的顆粒種類和每一個判別函數有一個概率直方圖；p)恢復先前存貯的概率直方圖和判別函數的裝置，對于每一個可采用辨別庫進行辨別的顆粒種類和每一個判別函數有一個概率直方圖；q)對于判別函數的一個給定值計算庫中的每一顆粒種類的概率的裝置；r)將可采用辨別庫進行辨別的每一個顆粒種類的概率組合起來在一起的裝置；以及s)基于閾值辨別未知顆粒的裝置。
全文摘要
本發明提供了快速辨別懸浮在液體或氣體中的原生動物和其它微生物之類的微觀顆粒的獨特方法和設備。在一種實施形式中，該方法包括采用激光之類的強光源照射要檢測的顆粒，通過環繞檢測區的一組光傳感器檢測散射光，將檢測到的光線轉換成電信號，采用至少一個發生頻率/概率直方圖比較導出的信號，從而對存在的微觀顆粒進行定性和/或定量識別。
文檔編號C12Q1/04GK1469111SQ0212621
公開日2004年1月21日 申請日期2002年7月15日 優先權日2002年7月15日
發明者戴維·L·哈維格, 加里·洛登, 戴維 L 哈維格, 洛登 申請人:微成像技術公司