专利名称：用于传感器阵列检测及分类的混合式统计与数值模型的制作方法
技术领域：
本发明大体来说涉及生物传感器及化学传感器阵列检测及分类的领域。
背景技术：
随着生物恐怖主义的威胁正变得越来越突出，具有传感器阵列的生物传感器阵列 单元在当今社会也正变得极为有用。更详细地，生物恐怖主义及生物战对军力及民力以及 对平民人口造成身体及心理两方面的威胁。生物及化学传感器对于环境监测、室内空气质 量评估以及在餐饮分析方面也有着广阔的前景。通常，利用分析或统计模型来产生用于传感器阵列的检测算法。分析模型仅适用 于量化数据分析，而统计模型通常在其中的一些数据集可由不在研究中的原因产生的数据 集中捕获所有相关性。灵敏度及特异性高度取决于操作条件，且因此难以优化检测灵敏度 与特异性之间的折衷关系。实际上，经常需要收集标准数据集以校准这些模型，且因此其对 于稳健环境下的操作来说并不理想。
发明内容
本发明涉及一种用于传感器阵列检测及分类的方法及设备。根据本发明的一个方面，提供一种用于对传感器数据进行检测及分类的方法。所 述方法包含执行对从传感器阵列中收集的数据的统计分析，以获得经统计分析的传感器数 据。基于所述经统计分析的传感器数据，确定是否已从所述传感器阵列产生响应信号。如 果确定已产生响应信号，那么所述方法进一步包含对从所述传感器阵列中收集的所述数据 执行数值模式辨识，以对所述数据进行归类。根据本发明的另一方面，提供一种用于对传感器数据进行检测及分类的系统。所 述系统包含数据处理单元，其经配置以接收从传感器阵列输出的数据并对所述数据执行数 据处理。所述系统还包含统计分析单元，其经配置以对由所述数据处理单元处理的所述数 据执行统计分析，以获得经统计分析的传感器数据，其中所述统计分析单元基于所述经统 计分析的传感器数据确定是否已从所述传感器阵列产生响应信号。所述系统进一步包含数 值模式辨识单元，其经配置以对从所述传感器阵列中收集的所述数据执行数值模式辨识， 以对所述数据进行归类。根据本发明的又一方面，提供一种计算机可读媒体，其体现用于对传感器数据进 行检测及分类的计算机程序产品，当由计算机执行时，所述计算机程序产品致使所述计算 机执行以下步骤提取从传感器阵列中收集的数据；
执行对从所述传感器阵列中收集的所述数据的统计分析，以获得经统计分析的传 感器数据；基于所述经统计分析的传感器数据确定是否已从所述传感器阵列产生响应信号； 及如果确定已产生响应信号，那么对从所述传感器阵列中收集的所述数据执行数值 模式辨识，以对所述数据进行归类。应理解，前面一般描述及以下具体实施方式
两者均仅为实例性及解释性且并不限 制所请求的本发明。
并入于本说明书中并构成本说明书一部分的附解说明本发明的数个实施例， 并与所述描述一起用于解释本发明的原理。图1是显示根据本发明第一实施例在执行对生物传感器数据的统计与数值分析 中所涉及的元件的框图。图2是用图表示出根据第一实施例执行生物传感器阵列检测及分类的方法的流 程图。
具体实施例方式现在将详细参考本发明的实施例，在附图中图解说明其实例。已试图在所有这些 图式中使用相同参考编号来指代相同或类似部分。除非另外明确陈述，否则“及(and)”可意指“或(or)”，且“或(or)”可意指“及 (and) ”。举例来说，如果将特征为具有A、B或C，那么所述特征可具有A、B及C或A、B及C 的任一组合。类似地，如果将特征描述为具有A、B及C，那么所述特征可仅具有A、B或C中
的一者或两者。除非另外明确陈述，否则“一(a) ”及“一 (an) ”可意指“一个或多于一个”。举例 来说，如果将装置描述为具有特征X，那么所述装置可具有一个或一个以上特征X。图1显示根据本发明第一实施例组合已作为用于生物传感器阵列的检测及 分类算法开发的统计与数值模型两者的数据分析系统。用于向根据第一实施例的系 统提供数据的生物传感器阵列可以是智能生物传感器(SBS)，且举例来说，其可以是由 SmithsDetection Inc.(史密斯检测公司)制造的手持式或便携式传感器检测单元(例如， Bioseeq或BioseeqPlus)的生物传感器阵列。统计分析用于传感器信号检测，而一个或一 个以上数值方法则应用于分析在数据中捕获的所关注相关性以进行模式辨识。统计分析 提供检测灵敏度，且数值分析增强生物辨识能力且因此提供检测及分类特异性。所述系统 (其在第一实施例的一个可能实施方案中可以Matlab及C程序设计语言来实施)可实时地 与数据收集同时运行。借助实例而非限制方式，在第一实施例中，利用3到5个数据点来进 行检测分析且利用10个数据点来进行分类分析。根据第一实施例的系统能够实时地实施 自校准，且因此适合于稳健操作。可利用除了 SBS阵列以外的其它化学/生物传感器阵列 来提供将要借助第一实施例检测及分类的传感器数据。如图1中所示，所述系统将从传感器通道阵列中收集且存储于数据存储装置中的数据接收到主成分分析(PCA)统计模型中，以确定是否存在响应信号。对于所检测传感器 响应，所述系统运行可基于所关注的传感器响应来定制的数值模式辨识模型。还可存储 (在所述数据存储装置中)来自其它传感器通道的信息(例如气载粒子计数器(APC)数 据)，对所述信息进行解释且利用其作为用于干扰物抑制的模式辨识模型中的参数。还可利 用从不同生物传感器通道之间的相关性中以数值方式抽取的指纹来进行分类。借助根据第一实施例的系统，提供一种用于生物传感器阵列的检测及分类系统， 其适合于实时且稳健的操作。因此，不需要并入有根据第一实施例的系统及方法的生物传 感器检测单元的用户进行频繁的模型校准。在第一实施例的一个可能实施方案中，利用统计模型主成分分析(PCA)单元来进 行信号检测，且接着运行数值模型(其依赖于在生物传感器数据集中捕获的所关注相关 性)来进行模式辨识以增强所检测传感器阵列数据的特异性。举例来说，可使用相对操作 特性(ROC)曲线来优化检测灵敏度与特异性之间的折衷关系。现在转到图1，在根据第一实施例的系统100中，将由生物传感器阵列(未显示) 获得的原始生物传感器数据存储于原始数据存储装置105中。数据处理单元110处理所存 储的原始生物传感器数据，且将经处理数据存储于经处理数据存储装置120中。PCA单元 130基于统计模型执行对经数据处理生物传感器数据的信号检测。如果基于PCA单元130所 进行的分析确定已发生信号检测，那么执行对生物传感器及APC数据的数值分析。更详细 地，使用干扰物抑制I单元140、生物匹配传感器数据单元150及干扰物抑制II单元160来 对经统计分析的生物传感器数据及未经统计分析的APC数据执行数值分析，且使用分类传 感器数据单元170来对经数值分析的数据进行分类(如果确定为需要的)。单元140、150、 160及170利用不同的数值模型且共同回应于根据第一实施例的系统的数值分析单元。此外，如图1中所示，通过APC传感器(未显示)中收集气载粒子计数器(APC)数 据，且将所述数据存储于原始数据存储装置105中。数据处理单元110处理所存储的原始 APC数据，且将经处理数据存储于经处理数据存储装置120中，借此也通过根据第一实施例 的系统及方法对所述APC数据进行统计分析和数值分析。所述APC数据用于由干扰物抑制 II单元160确定的干扰物抑制。由生物传感器阵列获得的生物传感器数据提供荧光信息，而APC数据提供每升空 气的总粒子计数。因此，生物传感器数据及APC数据是对不同物理性质的测量。假定所述数 据有完全独立的性质，那么需要不同的方法来处理这些数据。在第一实施例的一个可能实 施方案中，通过SaVitZky_G0lay滤波器处理生物传感器数据处理以使所述数据平滑且移 除偏移，借此此滤波对应于由数据处理单元110对原始生物传感器数据执行的数据处理。 此外，在第一实施例的一个可能实施方案中，通过应用中值滤波器之后对多个数据点进行 积分以使所述数据平滑且减去基线水平以移除偏移来实施由数据处理单元110对原始APC 数据执行的数据处理。所属领域的技术人员可构想由数据处理单元110对所述原始生物传 感器数据及所述原始APC数据的其它类型的数据处理，此并不背离本发明的精神及范围。PCA单元130执行主成分分析，主成分分析是数学技术中已知的用于减少多维数 据集以降低供分析的维数的统计技术。PCA涉及数据集的特征值分解或奇异值分解的计算。 PCA的结果通常是根据成分得分及加载量来论述的。PCA主要用于制定预测模型。在第一 实施例中，PCA用作将多维生物传感器数据减少到一维得分对时间的工具。所述得分是在生物传感器数据中捕获的主成分中的一个主成分的，但其通常是第一主成分或第二主成分 的。接着利用得分对时间的关系来检测来自生物传感器的相关信号响应。对于常规生物传感器分析系统，通常使用标准数据集来产生PCA模型，为了获得 预测，将未知数据投射到所述PCA模型上。如果操作条件有任何变化，那么可借助更新的标 准数据集来校准此类常规系统的PCA模型。然而，在第一实施例中，不在其实时模型中使用 标准数据集来进行校准。而是，针对每一数据点应用PCA，且基于得分的最新改变与背景窗 口中的得分变化之间的比较来执行决策制定。针对每一数据点来更新借助背景窗口产生的 参考模型，且将其视为被实时校准。此增强根据第一实施例由PCA模型执行(由PCA单元 130执行)的统计分析的稳健性。根据第一实施例的系统及方法利用得分值的改变来检测非特定响应信号而非用 于特定模式辨识及预测的主成分向量。非特定响应信号可由所关注的任何分析物、干扰物、 高噪声级或操作条件的改变所导致。仅统计分析步骤(由PCA单元130执行)处的正结果 将触发用于生物报警的数值模式辨识的下一步骤(由数值分析单元140、150、160及170执 行)。 在第一实施例中，仅对生物传感器数据执行PCA，而不对APC数据执行PCA，如通过 图1中经处理数据存储装置120与干扰物抑制II单元160之间的直接路径所见。使存储 于经处理数据存储装置120中的生物传感器数据经受由PCA单元130执行的统计分析，且 接着所述经统计分析的数据被提供给干扰物抑制I单元140。由数值分析单元140、150、160执行的数值分析实质上是模式辨识过程。其仅在 PCA单元130 (例如，产生响应信号)获得正结果的情况下执行。对于数值分析，每一模式借 助其中的每一者与特定传感器/检测器类型相关联的一组向量来表征。给每一向量指派逻 辑值+1、0或-1。下文描述根据一个可能数值分析实施方案的逻辑值指派。对于生物传感器数据，ο如果生物传感器数据满足以下条件，那么将+1指派给相关向量(PtTPt^Pt)的第一导数_(Pt-5，Pt-4，Pt-3)的第一导数彡正阈值，其中Pt为当前数 据点而Ph为之前的点等等，且(PtfPt+Pt)定义检测窗口，而(Pt-5，Pt-4，Pt-3)被视为背景 窗口。ο如果生物传感器数据满足以下条件，那么将-1指派给相关向量(Pt_2，Pm, Pt)的第一导数 _(Pt_5，Pt_4，Pt_3)的第一导数彡负阈值ο否则，将0指派给向量。对于APC数据，ο如果APC的净增加(当前APC水平-基线水平)大于正阈值，那么将+1指派给向量。ο如果APC的净降低(当前APC水平-基线水平)小于负阈值，那么将_1指派给向量。ο否则，将0指派给向量。将逻辑值组合成向量以形成模式。用于表达一模式的向量数目等于系统中传感器 /检测器类型的数目。举例来说，传感器阵列中存在四个(4)生物传感器类型(S1、S2、S3、 S4)及一个(I)APC检测器(APCl)。下文描述模式的形成
8
仅一子组的经组合模式与所关注的分析物相关。在第一实施例的一个可能实施方 案中，使用以下三个条件来确定模式是否与分析物相关ο经组合模式不含有干扰物模式的类属特征。(干扰物抑制I单元140)ο经组合模式捕获已知分析物模式的类属特征(生物匹配单元150)。oAPC向量为+1。(干扰物抑制II单元160)从可从内部系统测试或从现场系统测试中收集的数据中抽取上文所述的干扰物 及分析物类属模式特征。在第一实施例中，创建用于校验以上所列三个条件中的每一者的 模型。可依序或平行地运行数值模型，但应满足所有条件以触发生物报警。在第一实施例 中，由三个数值分析单元140、150、160执行顺序校验以确定是否已满足以上三个条件，以 减少冗余计算。或者，可平行地执行由数值分析单元140、150、160执行的处理，这取决于用 于执行对生物传感器及APC数据的数值分析的(一个或多个)处理器的类型。如果已全部满足以上所述的三个条件，那么将发出生物报警，且此发出将起始分 类传感器数据单元170对所述数据的分类，借此实施更详细的模式辨识。此外，可由分类传 感器数据单元170分析其它数据签名(例如某些传感器类型之间的响应时间差)以将所检 测生物制剂识别为属于不同生物制剂种类中的一者，例如以下种类中的一者细菌孢子、细 菌、病毒及毒素。图2显示根据第一实施例执行生物传感器阵列检测及分类的方法。在第一步骤 210中，收集生物传感器数据，借此可从一个或一个以上传感器阵列获得此生物传感器数 据。在第二步骤220中，收集APC数据，步骤220通常与第一步骤210同时执行。在第三步 骤230中，将所述生物传感器数据及所述APC数据存储于数据存储装置中。在第四步骤240 中，通过主成分分析(PCA)统计模型对所述生物传感器数据进行统计分析，以确定是否存 在响应信号。在第五步骤260中，做出关于所述生物传感器数据中是否存在响应信号的确 定。如果不存在响应信号，那么在第六步骤260中，不再执行进一步的步骤(不执行数值分 析)。如果确定存在响应信号，那么在第七步骤270中，将所述生物传感器数据及所述APC 数据置于一个或一个以上数值模型之下，以便将所述数据归类为生物或非生物检测。接着， 在第八步骤280中，做出关于归类结果是否满足某些准则的确定。如果是，那么在步骤282 中输出生物报警，在步骤295中做出对所述生物传感器数据的更详细分类且在步骤297中 输出分类结果(注意，可同时起始步骤282与295)。如果否，那么在步骤280中，不再对所 述生物传感器数据执行进一步的数值分析，如步骤290中所示。本文中已出于图解说明目的而阐明了上述实施例。然而，不将此描述认为是对本 发明范围的限制。在不背离所请求的发明性概念的情况下，所属领域的技术人员可联想到 各种修改、改动及替代方案。举例来说，在第二实施例中，将仅分析由传感器或生物传感器 阵列提供的传感器数据，而将不输入及分析APC数据，借此在所述情形中数值处理单元将仅包含单元140、150及170。本发明的精神及范围由以上权利要求书指示。
权利要求
一种用于对传感器数据进行检测及分类的方法，其包括处理从传感器阵列中收集的数据；执行对从所述传感器阵列中收集的所述数据的统计分析，以获得经统计分析的传感器数据；基于所述经统计分析的传感器数据确定是否已从所述传感器阵列产生响应信号；及如果确定已产生响应信号，那么对从所述传感器阵列中收集的所述数据执行数值模式辨识，以便对所述数据进行归类。
2.根据权利要求1所述的方法，其进一步包括 处理来自一个或一个以上其它传感器的气载粒子数据，其中对从所述传感器阵列中收集的所述数据而不对所述气载粒子数据执行所述执行 统计分析的步骤。
3.根据权利要求1所述的方法，其中通过使用主成分分析统计模型来执行所述执行统 计分析的步骤。
4.根据权利要求1所述的方法，其中所述执行数值模式的步骤包括 对所述传感器数据执行干扰物抑制模式分析；对所述传感器数据执行生物匹配模式分析； 对气载粒子计数器数据执行干扰物抑制模式分析；及 对所述传感器数据执行分类模式分析。
5.根据权利要求2所述的方法，其中所述执行数值模式的步骤包括 对所述传感器数据执行第一干扰物抑制模式分析；对所述传感器数据执行生物匹配模式分析； 对所述气载粒子数据执行第二干扰物抑制模式分析；及如果所述三个执行步骤的结果满足预定准则，那么对所述传感器数据执行分类模式分析。
6.根据权利要求5所述的方法，其中对所述统计传感器数据与尚未经统计分析的原始 传感器数据的组合执行所述执行第一干扰物抑制模式分析的步骤。
7.一种用于对传感器数据进行检测及分类的系统，其包括数据处理单元，其经配置以接收从传感器阵列输出的数据并对所述数据执行数据处理；统计分析单元，其经配置以对从所述传感器阵列中收集的所述数据及由所述数据处理 单元处理的数据执行统计分析，以获得经统计分析的传感器数据，其中所述统计分析单元 基于所述经统计分析的传感器数据确定是否已从所述传感器阵列产生响应信号；及数值模式辨识单元，其经配置以对从所述传感器阵列中收集的所述数据执行数值模式 辨识，以便对所述数据进行归类。
8.根据权利要求7所述的系统，其中所述数值模式辨识单元仅在确定已产生所述响应 信号时执行所述数值模式辨识。
9.根据权利要求7所述的系统，其进一步包括第二数据处理单元，其经配置以接收从一个或一个以上其它传感器输出的气载粒子数 据并对所述气载粒子数据执行数据处理，其中所述统计分析单元对从所述传感器阵列中收集的所述数据而不对所述气载粒子 数据执行统计分析。
10.根据权利要求7所述的系统，其中所述统计分析单元使用主成分分析统计模型来 执行统计分析。
11.根据权利要求7所述的系统，其中所述数值模式辨识单元包括干扰物抑制模式分析单元，其经配置以对所述传感器数据执行干扰物抑制模式分析； 生物匹配模式分析，其经配置以对所述传感器数据执行生物匹配模式分析；及 分类单元，其经配置以对所述传感器数据执行分类模式分析。
12.根据权利要求9所述的系统，其中所述执行数值模式的步骤包括第一干扰物抑制模式分析单元，其经配置以对所述传感器数据执行第一干扰物抑制模 式分析；生物匹配模式分析，其经配置以对所述传感器数据执行生物匹配模式分析； 第二干扰物抑制模式分析单元，其经配置以对所述气载粒子数据执行第二干扰物抑制 模式分析，及分类单元，其经配置以在所述第一及第二干扰物抑制模式分析及所述生物匹配模式分 析的结果满足预定准则时对所述传感器数据执行分类模式分析。
13.根据权利要求12所述的系统，其中所述第一干扰物抑制模式分析单元对所述统计 传感器数据与尚未经统计分析的原始传感器数据的组合执行所述第一干扰物抑制模式分 析。
14.一种计算机可读媒体，其体现用于对传感器数据进行检测及分类的计算机程序产 品，当由计算机执行时，所述计算机程序产品致使所述计算机执行以下步骤从传感器阵列中提取数据；执行对从所述传感器阵列中收集的所述数据的统计分析，以获得经统计分析的传感器 数据；基于所述经统计分析的传感器数据确定是否已从所述传感器阵列产生响应信号；及 如果确定已产生响应信号，那么对从所述传感器阵列中收集的所述数据执行数值模式 辨识，以便对所述数据进行归类。
15.根据权利要求14所述的计算机可读媒体，其进一步包括 从一个或一个以上其它传感器中提取气载粒子数据，其中所述执行统计分析的步骤是对从所述传感器阵列中收集的所述数据而不是对所 述气载粒子数据执行的。
16.根据权利要求14所述的计算机可读媒体，其中所述执行统计分析的步骤是通过使 用主成分分析统计模型来执行的。
17.根据权利要求14所述的计算机可读媒体，其中所述执行数值模式的步骤包括 对所述传感器数据执行干扰物抑制模式分析；对所述传感器数据执行生物匹配模式分析；及 对所述传感器数据执行分类模式分析。
18.根据权利要求15所述的计算机可读媒体，其中所述执行数值模式的步骤包括 对所述传感器数据执行第一干扰物抑制模式分析；对所述传感器数据执行生物匹配模式分析； 对所述气载粒子数据执行第二干扰物抑制模式分析；及如果所述三个执行步骤的结果满足预定准则，那么对所述传感器数据执行分类模式分析。
19.根据权利要求18所述的计算机可读媒体，其中所述执行第一干扰物抑制模式分析 的步骤是对所述统计传感器数据与尚未经统计分析的原始传感器数据的组合执行的。
20.根据权利要求14所述的计算机可读媒体，其中在所述执行步骤中执行的所述统计 分析是主成分分析。
全文摘要
本发明涉及一种用于对生物传感器及化学传感器数据进行检测及分类的方法及系统，其包含处理从传感器阵列中提取的数据。执行对所述经处理数据的统计分析，以获得经统计分析的传感器数据。基于所述经统计分析的传感器数据做出是否已从所述传感器阵列产生响应信号的确定。如果确定已产生响应信号，那么对从所述传感器阵列中收集的所述数据执行数值模式辨识，以便对所述数据进行归类。
文档编号G06F19/00GK101884045SQ200880118645
公开日2010年11月10日 申请日期2008年12月1日 优先权日2007年12月3日
发明者李思楚, 玛丽·E·塔巴科 申请人:史密斯探测公司