用于配置分析系统的分类矩阵中的分类区域以及对测定的粒子进行分类的方法、存储介...的制作方法

专利名称：用于配置分析系统的分类矩阵中的分类区域以及对测定的粒子进行分类的方法、存储介 ...的制作方法
技术领域：
本发明一般涉及用于配置测定分析系统的分类矩阵中的分类区域的方法、存储介 质和系统，并且还涉及用于将测定的粒子分类的方法、存储介质和系统。
背景技术：
以下说明和示例不能由于其包括在此部分中而被承认为现有技术。在化学测定和生物测定的分析中广泛使用光谱技术。通常，这些技术需要测量感 兴趣的物质的电磁辐射的吸收或发射。一个这样的应用是在微阵列领域中，其是由包括组 合化学和生物测定行业的大量学科所采用的技术。德克萨斯州奥斯汀的Luminex公司已经 开发出了这样的系统，在该系统中通过检测来自各种颜色的荧光粒子的表面的荧光发射来 分析生物测定。该系统还可以经由测量由粒子所散射的光的水平、粒子的电阻抗和其它参 数来对测定进行分析。一些情况下，在测定分析系统中使用复用方案以便在单个样本的单个分析过程中 可以评估多个分析物。为了促进复用方案，粒子被配置成可区分的组，用不同的组去指示测 定中不同分析物的存在、不存在和/或数量。例如，不同的荧光染色和/或不同浓度的染色 可以被吸收到粒子中和/或粘合到粒子的表面，和/或粒子的大小可以不同。使用这些分类 粒子的传统系统能够在使用二维分类矩阵的测定中对数十个至一百个以上的不同分析物 进行测试。尽管通过增加染色的数目和/或不同的染色强度可以增加粒子种类的数目(以 及因此待检测的分析物的数目)，但是粒子种类数量的增加一般需要增大分类矩阵的大小。 如以下所描述的，分类矩阵的大小和分类矩阵内用于布置分类区域的可用空间可能是有限 的，因此需要分类区域的有效分配，并且当分类区域的数目增加时，分类区域的有效分配变 得更有挑战性。在利用荧光发射对粒子进行分类的测定分析系统中，荧光值的范围一般由能被雪 崩光电二极管检测到的染色的最小量限定，并且还由能被粒子保留的染色的最大量限定。 由此，特别在针对测定存在多于100种粒子类别的情况下，有时由多于2个的参数来构建 (frame)与这样的系统相关联的分类矩阵以增加可用的分类空间。但是，由多于2个的参数 所构建的分类矩阵可能特别易于限制可用的空间。更具体地，荧光发射的检测通道一般不 是正交的，因此，在通道之间可存在串扰(即，一种染色的增多和/或增加可在某种程度上 影响其它通道中的一个或更多个通道)。因此，可能存在可能不适合于分类区域(即，被串 扰影响的区域)的分类矩阵的区域。由于增多和/或增加染色以促进这种与二维分类矩阵 相关的矩阵，因此这种对可用空间的限制可特别地与由多于2个的参数所构建的分类矩阵 关系密切。不考虑构建分类矩阵参数的数量，使分类矩阵内的分类区域合适和确保明确分类 的一种方式是配置小的和间隔宽的分类区域。但是，由于在小的和间隔宽的分类区域内匹 配(fit)的粒子的比例相对低，因此这种策略经常导致差的分类效率。更高的分类效率给予更准确的分析结果，因此通常有利的是，将分类区域配置成包括粒子子集的可能测量值 中的大多数，并且更具体的，大于粒子子集的可能测量值的大约90%。但是，特别在针对测 定存在多于100种粒子类别的情况下，这种高分类效率通常很难达到，因为不同分类区域 的配置随着粒子种类数量的增加而趋向于变化更大，并且在某些实施例中，不同分类区域 的配置可能交叠。由于存在将粒子误分类到多于一个的分类区域的潜在性，交叠分类区域 尤其是不希望的，因此一般要避免交叠分类区域。因此，一般会根据构建分类矩阵的单元的 标度而将分类区域减小到下一个更小尺寸，显著地限制区域的大小并削弱获得高分类效率 的能力。对测定分析系统的另一挑战是存储分类区域的配置参数所需要的大量存储容量。 特别地，给定构建分类矩阵的等级粒度的具体水平，一般需要附加的存储容量以存储附加 的分类区域。此外，用于定义分类区域的参数越多，所需要的存储容量就越多。在某些情况 下，对系统存储容量的限制可能妨碍可被考虑用于测定的分类区域的数量，因此，不合乎希 望地限制多路复用方案的范围。在某些实施例中，分类矩阵可由比可从粒子测量到的值的 标度更小粒度的标度所构建，以具体地减少系统存储容量。例如，在某些实施例中，分类矩 阵可由根据粒子测量参数计算出的对数值的整数的标度所构建。但是，在这种情况下，转换 粒子测量值以匹配分类矩阵的对数标度可使值偏移，降低粒子分类的准确性。此外，使用这 种分类矩阵的系统可能仍然具有存储容量限制，这些存储容量限制妨碍可被考虑用于测定 的分类区域的数量。因此，期望的是，开发用于配置分类区域的方法和系统，其中，这些分类区域有效 分布在分类矩阵中并导致足够高的分类效率。此外，有益的是，开发用于创建分类区域的方 法和系统，其中，用更准确地对应于粒子测量值的值来表征这些分类区域。而且，有利的是， 开发用于将粒子分类到多个分类区域而不会严重地增加系统的存储使用量的方法和系统。

发明内容
用于配置测定分析系统的分类矩阵中的分类区域的方法、存储介质和系统的各种 实施例，以及用于对测定的粒子进行分类的方法、存储介质和系统的各种实施例的以下描 述，不应以任何方式被解释为限制所附权利要求的主题。方法、存储介质和系统的实施例包括用于识别分类矩阵中的多个分类区域的配 置，其中该分类矩阵由与被配置用于测定分析的粒子的一个或更多个可测量参数相关联的 值的各范围所构建。另外，方法、存储介质和系统包括用于将共同分配给多个分类区域中的 两个或更多个分类区域的单元位置(unit location)再分配为非分类区域的配置。方法、存储介质和系统的其它实施例包括用于将对应于测定粒子群种类中的点的 第一值数学变换成第二值以及将第二值转换成第一整数的配置。方法、存储介质和系统还 包括用于将第一整数数学变换成第三值、将第三值转换成第二整数、以及将第二整数指定 为测定粒子群种类中的点的替换值的配置。方法、存储介质和系统的其它实施例包括用于获取对应于粒子可测量参数的数据 以及识别分类矩阵中单个粒子的数据中的至少一些所对应的单元位置的配置。方法、存储 介质和系统还包括用于将对应于所识别的单元位置的数据或位于分类矩阵中已知位置处 的目标空间平移预定数量的预定坐标路径，直至得到粒子被分类到粒子群或拒绝类的结论的配置。在某些情况下，方法、存储介质和系统被配置成通过多个目标空间迭代这样的步骤 直至粒子被分类。


在阅读以下详细描述以及在参考附图之后，本发明的其它目标和优点将变得明 显，其中图Ia示出包括具有程序指令的存储介质的系统的示意图，其中，这些程序指令被 配置成执行参考图2a_12所描述的过程；图加和2b示出用于描述图4中所概述的过程的示例性分类矩阵和分类区域的图 形表示；图3示出由图5中概述的过程所产生的分类区域的示例性移位和示例性分类矩阵 的图形表示；图4和5示出用于配置测定分析系统的分类矩阵中的分类区域的示例性方法的流 程图；图6和7示出用于对测定的粒子进行分类的示例性方法的流程图；图8和9示出用于描述图6和7中所概述的过程的分类矩阵的图形表示；图10示出表示彼此堆叠的多个分类区域配置的示例性目标空间，该示例性目标 空间用于解释参考图11和12所描述的过程；图11和12示出当在参考图6和7所描述的两种方法之一中使用表示多个分类区 域配置的目标空间时，用于确定数据点或目标空间是否可被平移到多个分类区域配置以及 平移到多个分类区域配置中的哪一个的示例性技术的流程图；虽然该发明能够容许各种修改和替代形式，但是其具体实施例通过附图中的例子 被示出并且在本文中被详细描述。但是，应当理解，附图和详细说明不是试图将该发明限制 到所公开的特定形式，而是相反的，该发明将覆盖落入如所附权利要求定义的本发明的精 神和范围内的所有修改、等同实施例或替代实施例。
具体实施例方式转向附图，提供了用于配置测定分析系统的分类矩阵内的分类区域的示例性方 法、存储介质和系统。另外，提供了用于对测定粒子进行分类的示例性方法、存储介质和系 统。特别的，图4和图5描述了用于配置测定分类系统的分类矩阵内的分类区域的流程图。 另一方面，图6、7、11和12描述了用于对测定粒子进行分类的流程图。图1描述了具有存 储介质的示例性系统，该存储介质包括程序指令，程序指令被配置成执行图4-7、11和12中 描述的流程图中所概述的过程。图加_3和图8-10示出了用于描述流程图中所概述的过程 的分类矩阵的图形表示和/或目标空间。应当指出，本文描述的方法、存储介质和系统不需要取决于物理意义上图形地描 述的分类矩阵和分类区域。相反的，本文描述的分类矩阵和分类区域在某种意义上可具有 虚拟存在。图加-3和图8-10主要用于帮助解释本文描述的方法、程序指令和系统的纷繁 复杂之处。应当指出，在某些情况下，本文描述的系统、存储介质和方法可被配置成执行除 与配置分类区域和/或分类粒子相关联的那些过程之外的过程，因此，本文描述的系统、存储介质和方法不需要被限于图1-12的描述。如图1所示，系统20包括存储介质22和处理器26。系统20可采用各种形式，包括 个人计算机系统、大型机计算机系统、工作站、网络设备、英特网设备、个人数字助理(PDA)、 数字信号处理器(DSP)、现场可编程门阵列(FPGA)或其它设备。在任何情况下，存储介质 22包括程序指令对，其能够使用处理器沈来执行，用于生成和传送输出29，尤其用于执行 以下参考图4-7、11和12所概述的处理。在某些情况下，系统20可被配置成接收输入观 以通过处理器沈激活程序指令M和/或为程序指令M提供待处理的数据。附加地或替 选地，存储介质22可包括数据库和/或查找表，其可被程序指令访问，用于执行以下根据图 4-7,11和12所概述的过程。参考图8-10来描述可被包括在存储介质22中的示例性数据 库和/或查找表。一般地，如本文所使用的，术语“存储介质”可指被配置成保持一个或更多个程序 指令集的任何电子介质，例如但不限于只读存储器、随机访问存储器、磁盘或光盘、或磁带。 术语“程序指令” 一般可指程序中的命令，其被配置成执行特定的功能，例如，如以下更详细 描述的，对测定分析系统的分类矩阵中的分类区域进行配置或对测定粒子进行分类。可以 以各种方式中的任何一种来实现程序指令，尤其包括基于过程的技术、基于组件的技术和/ 或面向对象的技术。例如，根据需要，可使用ActiveX控制、C++对象、JavaBeans、微软基础 类(“MFC”)、或其它的技术或方法来实现程序指令。可被设置成执行本文中所描述的过程中的一个或更多个过程(即，可包括系统20 的系统或可被连接到系统20的系统)的系统包括但不限于Luminex ； 100 、Luminex (S) HTS,Luminex 100E、Luminex 200 、以及来自德克萨斯州奥斯汀的Luminex公司的该产 品家族的任何另外的插件。但是，应该理解，本文中描述的方法、存储介质和系统可使用或 者可被设置成使用通过任何测定测量系统获得的粒子数据。测量系统的示例包括流式细胞 器和静态荧光成像系统。另外，尽管本文中描述了能够用于粒子分类的各种参数，但是应该 理解，本文中描述的实施例可使用能用于区分不同粒子群的粒子的任何可测量参数，因此， 参数不需要限于粒子的荧光属性。此外，本文中描述的方法、存储介质和系统可被应用到用 于分析任何类型测定的系统中，具体是生物测定、化学测定或环境测定，其中，期望的是，确 定感兴趣的一个或更多个分析物的存在或不存在。如上所指出的，程序指令M —般可被配置成执行图4-7、图11和12中描述的流程 图所概述的过程。同样的，图4-7、图11和12中描述的流程图一般描述通过使用软件模块 来实现的方法。更具体的，参考图4-7、图11和12所描述的方法包括通过使用一个或更多 个算法来分析和计算相对大量的数据，因此，通过计算机可最好地实现这些方法。因此，参 考图4-7、图11和12所描述的方法可被称作“计算机实现的方法”。如本文中使用的，术语“分类”一般被称为将测定粒子分类到成员粒子具有相似性 质的群组中。群组在本文中被称为“粒子群”。在某些情况下，术语“测定粒子群”在本文中 可被用于具体地指示被配置用于测定分析的粒子群。因为在单个测定实验(即，在多路复 用方案中)中通常用多个不同的粒子群来分析样本，所以分类是特别重要的。特别的，不同 的粒子群典型地具有至少一个不同的特征，例如耦合到粒子的物质的类型和/或耦合到粒 子的物质的量，从而通过测定分析系统在一遍运行中能够检测和/或量化样本中不同类型 和/或数量的分析物的存在。为了解释测量结果，可确定测定中单个粒子的身份或分类，从而可将测量值与单个粒子的属性相关联。以这种方式，能够区分与不同粒子群相关联的测 量值以及把与不同粒子群相关联的测量值分别归于感兴趣的分析物。为了对测定的粒子进 行分类，可将测量值与分类矩阵相关联，如以下详细描述的，其在本文中被称为对应于用于 分类的粒子的测量参数的值的阵列(真实的或虚拟的)。在用于对粒子进行分类的分类矩 阵中可定义多个分类区域，因此，如本文中所使用的，术语“分类区域”是指粒子群可被分类 到的分类矩阵的区域。本文中使用的术语“粒子”一般是指微粒、微球、聚苯乙烯颗粒、量子点、纳米点、纳 米粒子、纳米壳、颗粒、微颗粒、乳胶粒子、乳胶颗粒、荧光颗粒、荧光粒子、有色粒子、有色颗 粒、组织、细胞、微生物、有机物、无机物、或者在本领域中已知的任何其它离散的基质或物 质。在本文中能够可交换地使用这样的术语中的任一个。本文中描述的方法、存储介质和 系统可被用于任何类型的粒子的分类。在某些情况下，本文中描述的方法、存储介质和系统 可特别用于充当分子反应媒介的粒子。流式细胞计中所使用的示例性分子反应粒子包括 xMAP 微球，其可从德克萨斯州奥斯汀的Luminex公司购买。图4中描述了用于配置测定分析系统的粒子分类区域的示例性方法的流程图。图 2a和2b描述了由图4概述的过程所产生的分类矩阵和分类区域的图形表示，因此结合图4 描述图加和2b。如图4的方框30中所示，图4中概述的方法包括识别分类矩阵中的多个 分类区域，该分类矩阵由与被配置用于测定分析的粒子的一个或更多个可测量参数相关联 的值的各范围所构建。可测量参数包括粒子的荧光、光散射、电阻抗、或任何其它可测量属 性。另外，与粒子的一个或更多个可测量参数相关联的值以及构建分类矩阵的值可以是与 粒子的测量标度相等的标度，或者可以是从这样的测量标度的值变换得到的值的标度。当 分类矩阵由比可从粒子测量到的值的标度更小粒度的标度所构建时，后者的实施例可以是 特别适用的。尽管示出构建图加和2b中所描述的分类矩阵的三个参数，但是参考图4所 描述的过程以及本文中所描述的所有其它方法可被应用到由任意数量的参数所构建的分 类矩阵。如以下详细描述的，参考图4所描述的过程特别地可被应用到具有交叠分类区域 的任何分类矩阵。图加和2b中描述的分类矩阵包括12个分类区域。应当指出，本文中描述的方法、 存储介质和系统可被应用到具有任意数量的分类区域的分类矩阵，包括但不限于多于100 个的分类区域，并且在某些情况下，多于几百个分类区域以及可能更多个分类区域。图加 和2b中描述的分类区域的数量仅仅是用于简化图形以及强调图4中描述的方法的处理步 骤。还应当指出的是，参考图4所描述的方法以及本文中所描述的任何其它方法不限于分 类区域不均勻地布置在如图加和2b所描述的矩阵中的示例。特别的，参考图4所描述的 方法以及本文中所描述的任何其它方法可被应用到具有均勻分布的分类区域的分类矩阵。如图加中所示，分类区域1-12中的一些分类区域相交叠(即，区域1和2 ；区域4 和5 ；区域3、6和7 ；以及区域10和11)。更具体的，如图加中双交叉影线标记所示，分类 区域1-12中的部分相交叠。应当指出，一些分类区域可能不交叠，例如图加中所描述的分 类区域8、9和12，但是在其它实施例中，所有分类区域可与矩阵中的至少一个其它分类区 域相交叠。如图4的方框32中所示，用于配置测定分析系统的粒子分类矩阵的方法包括识 别分类矩阵中共同分配给两个或更多个分类区域的单元位置。换言之，该方法可包括识别 分类矩阵中两个或更多个分类区域相交叠的单元位置。或者说，该方法可包括识别分类矩阵中落入多于一个分类区域的单元位置。本文中所使用的术语“单元位置”可指分类矩阵 中的特定坐标点。同样的，容易想到的是，分类区域可具有共同分配给另一分类区域的一个 或多于一个的单元位置。在某些情况下，如图4的方框34中所示，用于配置测定分析系统的粒子分类区域 的方法可包括确定共同分配的单元位置的数量。这样的过程在本文中被称为“冲突计数过 程”。在确定共同分配的单元位置的数量之后，可在方框36中确定计算出的数量是否大于预 定阈值。如果计算出的数量大于预定阈值，则处理继续到方框38以调整多个分类区域中的 一个或更多个中的一个或更多个空间属性(dimensional attribute)的值。空间属性可对 应于用来表征分类区域的大小、形状、角度、或者任何其它参数。如图加中所示，在某些实 施例中，分类区域1-12可以是椭圆形的。在这种情况下，图4中的方框38可包括调整多个 分类区域中的一个或更多个分类区域的长轴、短轴、仰角和方位角中至少之一的值。但是， 应当指出，本文中描述的方法、存储介质和系统不需要限于图中所描述的分类区域的形状， 因此，其不限于应用到具有椭圆形的分类区域的分类矩阵。在任何情况下，特性和分类区域 的数量以及方框38中概述的过程所影响的调整或多个调整的大小一般可预置，并且可随 系统和测定应用的不同而不同。在参考方框38调整分类区域1-12中的一个或更多个分类区域的空间属性之后， 可迭代地重复方框32、34、36和38中所概述的过程直至共同分配的单元位置的数量被计算 为小于或等于预定阈值。当这种情况发生时，如图4中的方框40所示，将单元位置再分配 为非分类区域。可替选地，当计算出共同分配的单元位置的数量小于或等于预定阈值时，该 方法在方框36的第一遍执行之后可继续到方框40。预定阈值可随系统和测定应用的不同 而不同。在某些实施例中，可限制方框32、34、36和38中所概述的过程被重复的迭代次数 (即，可预设迭代的最大次数)。在这种情况下，当计算出共同分配的单元位置小于或等于 预定阈值时，或者直至符合迭代的预设次数，迭代处理可终止。在后者的情况下，一般可确 定，用给定的分类区域集不能达到预定阈值，因此，可终止图4中概述的方法。在这种情况 下，可采取校正动作来选择不同的分类区域集以进行图4中概述的方法，并且/或者降低用 以控制方框36中所概述的过程的阈值。为了简化附图，图4中未示出对可重复方框32、34、 36和38的迭代次数的限制，但是应当声明，本领域技术人员能够想到如何基于上述描述来 结合这种限定。在可替选实施例中，该方法可不包括将共同分配的单元位置的数量与预定阈值进 行比较(即，参考方框36所描述的过程)。而是，在某些情况下，可从图4所描述的流程图 中省略方框36，因此，该方法可从方框34直接继续到方框38。在这种实施例中，方框32、 34和38中概述的过程可重复预定次数。然后，当完成预定次数的迭代时，在方框40中，选 择具有最小数量的共同分配单元位置的分类区域，并且将相关联的共同分配单元位置分配 为非分类区域。对于寻求相对于根据方框30初始设定的分类区域集具有较少共同分配单 元位置而不必被特定阈值所约束的分类区域，这样的实施例可以是有利的。应当指出，为了 简化附图，图4中未示出方框36的省略以及对方框32、34和38可重复的迭代数量的限制。 但是，本领域技术人员能够想到如何基于上述描述来结合这种限定。在其它实施例中，该方法可不包括确定共同分配单元位置的数量(即，根据方框 34所描述的冲突计数过程)，或者可不包括调整分类区域的空间属性(即，根据方框38所描述的过程)。特别的，应当指出，与方框34和38相关联的处理也是可选的，因此在某些实 施例中，可从图4描述的流程图中省略。更确切的，在某些实施例中，用于配置测定分析系 统的粒子分类区域的方法可直接从方框32继续到方框40。但是，在某些情况下，可以有利 的是，计算分类矩阵中共同分配单元位置的数量，以及调整分类区域的空间属性，使得共同 分配可被最小化。特别的，可以有利的是，保留分类区域中相对大的部分以确保达到相对高 的分类效率。在任何情况下，在某些实施例中，如方框42所示，该方法可包括将邻近已被再分 配的非分类区域的单元位置(即，先前被区分为共同分配的单元位置)再分配为非分类区 域。可以在方框40中所概述的过程之后或者与方框40中所概述的过程同时地执行此处 理。一般来说，由方框42中概述的过程所影响的单元位置的数量可随系统和测定应用的不 同而不同。例如，在某些实施例中，方框42中表示的过程可仅包括将紧邻根据方框40所分 配的非分类区域的单元位置集再分配为非分类区域。这些实施例在本文中可被称为相对于 根据方框40所分配的分类区域的边界对单层邻近单元位置进行再分配。在其它情况下，方 框42中表示的过程可包括对多层邻近单元位置进行再分配。换言之，方框42中表示的过 程可包括将一个或更多个单元位置集再分配为非分类区域，其中，一个或更多个单元位置 集从紧邻根据方框40分配的非分类区域的单元位置集横向延伸。在其它实施例中，图4中 描述的方法可以不包括对邻近单元位置进行再分配的过程。特别的，方框42中表示的过程 是可选的，因此，在某些实施例中，可从图4描述的流程图中省略方框42中表示的过程。一般来说，随着更多的单元位置被再分配为非分类区域，错误分类的发生减少，但 是，随着更多的区域被再分配为非分类区域，分类效率(被分类到群的粒子与被分类到拒 绝类的粒子的比率)降低。因此，在使分类区域间的缓冲区域最小化与扩大缓冲区域之间 存在权衡。最优化一般可取决于所使用的系统以及要被分析的测定。图2b中描述了对共同分配的单元位置进行再分配，以及在某些实施例中，对邻近 单元位置进行再分配的过程。具体的，图2b描述了被再分配为非分类区域的分类区域1-2、 4-5,3和6-7、以及10-11的共同分配单元位置，这些非分类区域在图4中被表示为分类矩 阵中的白色空间。在某种意义上，分类区域1-2、4-5、3和6-7、以及10-11的共同分配单元 位置已经被“划出(carve out) ”，从而减少或消除将粒子分类到两个不同的分类中的可能 性和/或将粒子分到不正确群中的可能性。换言之，共同分配单元位置的再分配在分类区 域之间安置了缓冲区。再分配技术的好处在于能够使区域适度地更大而不会严格地限制分 类区域的大小。如上所指出的，本文中描述的方法、存储介质和系统不需要依赖于物理意义上图 形描述的分类矩阵和分类区域。因此，对共同分配单元位置进行再分配的过程不需要依赖 于分类矩阵的描绘，例如图加和2b中呈现的。而是，可在虚拟意义上执行该过程，具体地 扫描存储在存储器中的每个分类区域的每个点(即，单元位置)。在这样的扫描过程期间， 如果之前扫描的区域已经占用了那个单元位置(即，指示共同分配的单元位置)，那么该单 元位置可被再分配为非分类区域。在某些情况下，再分配过程可包括改变存储在存储器中 的单元位置的标识符。例如，单元位置最初可被分配与其被分配的类别相关联的数字(例 如，1-12)，然后被再分配数字“0”以表示其为非分配区域的部分。在其它实施例中，被识别为共同分配的单元位置可被再分配唯一标识符，例如，-1。这样的唯一标识符可帮助将单元位置与初始未被分配为分类区域的其它非分类点 区分开，这在以下情形中可能是有帮助的如上所描述的，关于图4中的方框42，作为可选 处理，邻近唯一标识符的点也可被再分配为非分类区域。特别的，可搜索整个分类矩阵，并 且可用-ι标识符代替与-ι标识符相邻的任意点，因此使缓冲区更大。可替选的，与-ι标 识符相邻的点可与具有-ι标识符的点一起被再分配0标识符，使得更大的缓冲区可与分类 矩阵的其它白色区域一起被分类为白色区域。如图4所示，在某些实施例中，用于配置测定分析系统的粒子分类区域的方法可 在方框40或者方框42之后终止。但是，在其它情况下，期望与再分配技术相结合的附加过 程(即，方框32和40的过程，以及有时方框42的过程)是确定一个或者更多个分类区域 的分类效率。特别的，有利的是，在执行再分配技术以确保再分配过程没有不合乎希望地改 变分类区域以致这些分类区域不是要在测定中使用的粒子群的表示之后，确定一个或更多 个分离区域的分类效率。附加地或可替换地，有利的是，在执行再分配技术以确保将过程应 用到分类区域之前，确定分类矩阵的一个或更多个分类区域的分类效率，其中，这些分类区 域是要在测定中使用的粒子群的表示。图4中的方框44-48示出用于计算一个或更多个分类区域的分类效率的示例性技 术。特别的，方框44涉及获得对应于多个粒子的可测量参数的数据。可通过测定测量系 统来获得该数据，并且在某些实施例中，该数据可包括对若干不同参数的测量，这些参数包 括但不限于那些用于对粒子进行分类的参数。例如，该数据可包括对粒子的荧光、光散射、 电阻抗或任何其它可测量属性的测量。在任何情况下，分别如图4中的方框46和48所示， 该过程还可包括识别分类矩阵中该数据中的至少一些所对应的单元位置，并且相对于多个 分类区域计算多个粒子的分类效率。如上所指出的以及如图4所示出的，分类效率的计算 (即，与方框44-48相关联的过程)可在再分配过程(即，与方框32和40、以及有时与方框 42相关联的过程)之前和/或之后执行。特别的，针对在再分配过程之前计算分类效率的 情况，图4描述了从方框30到方框44的继续箭头。另外，针对在再分配过程之后计算分类 效率的情况，图4描述了从方框42 (或方框40)到方框44的继续箭头。在某些情况下，可使用分类效率计算来确定是否应该调整分类区域的空间属性以 设法达到更高的分类效率。特别的，图4所描述的方法可包括确定方框50，其中，如果计算 得到的分类效率被确定为小于预定阈值，那么该方法继续到方框52以调整多个分类区域 中的一个或更多个中的一个或更多个空间属性的值。预定阈值可随系统和测定应用的不同 而不同。另外，空间属性可对应于用来描述分类区域特征的大小、形状、角度或任何其它参 数。在调整一个或更多个值之后，该方法返回到方框46以识别具有经调整的分类区 域的分类矩阵中方框44所获取的数据中的至少一些所对应的单元位置，然后继续到方框 48以计算新的分类效率，并在方框50中将该新的分类效率与预定阈值进行比较。在某些 实施例中，如图4所示，与方框46、48、50和52相关联的过程可迭代地重复直到分类效率被 计算为符合预定阈值或在预定阈值以上。在其它实施例中，可限制迭代的次数(即，可预设 迭代的最大次数)。在这样的情况下，当分类效率被计算为等于或大于预定阈值时，或者直 至达到迭代的预设次数，可结束迭代过程。在后者的情况下，一般可确定的是，利用给定的 分类区域集不可能达到预定阈值，因此可终止图4所概述的方法。在这种情况下，可采取校正动作来选择不同的分类区域集以进行图4所概述的方法，和/或降低用以管理方框50所 概述的过程的分类效率阈值。应当指出，为了简化附图，图4中未示出对方框46、48、50和 52可被重复的迭代次数的限制，但是应当声明的是，本领域技术人员能够想到如何基于上 述描述来加入这种限定。如图4所示，在得到分类效率等于或大于预定阈值时，尤其是在已经采用方框52 所概述的调整过程的实施例中，该方法可返回到方框32以再次初始化该再分配过程。在其 它情况下，该方法可继续到方框32以第一次开始再分配过程(即，如果在效率的计算之前 未进行再分配过程)。在其它实施例中，当得到分类效率等于或大于预定阈值时，该方法可 终止。特别的，有利的是，在针对分类效率所基于的分类区域集已经执行了再分配过程的情 况下(即，关于方框52，分类区域的空间属性没有变化时)，终止该方法。在任何情况下，应 当指出，可将本领域技术人员所公知的技术合并到图4所概述的方法中，使得再分配过程 和分类效率的计算之间的来回切换不被阻塞在非常耗时(或永不结束)的周期内。图5中的流程图示出用于配置测定检测系统的分类区域的另一个实施例。应当指 出，关于图4和5所描述的方法不需要是相互排斥的，因此，在某些实施例中，可使用上述两 者来配置测定分析系统的分类区域。一般地，可使用关于图5所描述的方法来创建分类区 域，用更精确地对应于粒子测量值的值来表征该分类区域。更具体地，当在精确度比粒子的 测量值更低的分类矩阵内匹配时，可使用关于图5所描述的方法来调整粒子群种类的一个 或更多个值以解决粒子群种类对应的分类区域的移位。如上所指出的，在某些实施例中，尤 其是为了降低系统存储容量，经常通过比可从粒子测量到的值的标度更低粒度的标度来构 建分类矩阵。例如，在某些实施例中，可通过从粒子测量参数的对数值所计算得到的整数范 围来构建分类矩阵。但是，在某些情况下，将粒子的测量值转换成匹配分类矩阵的对数标度 可使值偏移，降低粒子分类的准确性。图3描述分类矩阵以及由图5概述的过程所产生的 分类区域的移位的图形表示，因此结合图5来描述图3。如以上所指出的，分类矩阵在本文中是指对应于用于分类的粒子测量参数的值的 阵列(真实的或虚拟的)。另外，如本文中所使用的，术语“分类区域”是指分类矩阵中一个 群体的粒子可被分类到的区域。术语“粒子群种类”与术语“分类区域”的细微差别在于，术 语“粒子群种类”是指粒子群的一个或更多个参数的可能测量值的组(即，用术语“粒子群” 指具有类似属性的粒子的集合)。特别的，术语“粒子群种类”是指用粒子群的一个或更多 个参数的测量标度来表征的可能值的组，而分类区域的值取决于值的范围和分类矩阵的粒 度，其中，在该分类矩阵中布置分类区域的值。例如，在使用平均荧光强度(MFI)对测定粒子进行分类的实施例中，粒子群的可 能MFI的组可被称为粒子群种类。相反的，对应于这种粒子群种类的分类矩阵的分类区域 可包括取决于值的范围和分类矩阵的粒度的相同值或不同值。特别的，如果通过与用于测 量粒子的MFI标度相同的值和粒度来构建分类矩阵，那么包括分类区域的值的范围将与相 应的粒子群种类的值相同。相反，如果通过与用于测量粒子的MFI标度不同的值和/或粒 度来构建分类矩阵，那么包括分类区域的值的范围将与相应的粒子群种类的值不同。如图5所示，用于配置测定分析系统的分类区域的方法可包括方框60，在方框60 中，对应于测定粒子群种类中的点的一个或更多个值被数学变换成新值。如本文中所使用 的，术语“数学变换”一般可指应用数学公式以将值改变成不同值。可考虑任意公式，且任意公式一般可取决于相对于用于获取关于粒子的数据的测量标度的、分类矩阵的期望粒度。 一些示例性公式可以是基于对数的公式；采用指数、幂、二项式、泰勒(Taylor)级数或麦克 劳林(MacLaurin)级数、参数方程、坐标转换的公式；或每点被乘以或加上常数的复杂度相 对小的公式。针对方框60中所概述的过程还可考虑其它公式。因此，尽管以下根据图5所 概述的方法，关于表1和2所描述的示例性数学过程为这个处理采用基于对数的公式，但是 图5中提及的方法不需要被如此限制。如上所指出的，可用一个或更多个测量参数来表征粒子群，因此，可用一个或更多 个值来表征粒子群种类中的点。例如，以下根据图5概述的方法、关于表1描述的示例性数 学过程描述了用3个参数来表征的粒子群种类，这3个参数被表示为分类通道“CL1”、“CL2” 和“CL3”。因此，方框60概述的过程可包括对与测定粒子群种类中的点对应的一个或更多 个值进行数学变换。一般地，与方框60概述的处理相对应的测定粒子群种类中的点可对应于所配置 的测定粒子群种类中的任意点。在某些实施例中，有利的是，该点为测定粒子群种类的中心 点。具体地，经常通过用目标量的染料对粒子群进行染色来创建粒子群，其基于测定粒子群 种类的中心点。但是，在某些情况下，有利的是，该点是非中心点，特别是如果预期粒子群相 对于测定粒子群种类所包围的值的分组是不对称的。在这些情况下，粒子群种类的非中心 点，而不是中心点，可以是对粒子群进行染色的基础。在任何情况下，转换粒子的测量值以 匹配具有更低粒度的分类矩阵可使值发生偏移。因此，目标染料量可不直接与分类区域的 特定点(例如，中心)相关联。因而，图5呈现的方法对于调整一个群体的粒子的目标染料 量可以是特别有益的。在其它情况下，针对方框60概述的过程，可考虑不需要与对粒子群 进行染色相关联的粒子群种类的点。这种点的示例可包括但不限于沿着分类区域的外围的 点ο在根据方框60数学变换一个或更多个值之后，分别如方框62、64和66所表示的， 分别将一个或更多个经数学变换的值转换成一个或更多个第一整数，一个或更多个第一整 数被数学转换，并且分别将得到的一个或更多个值转换成一个或更多个第二整数。值到第 一整数和第二整数的转换可包括对值进行舍入或舍位。一般，用于针对方框64概述的过程 数学转换一个或更多个第一整数的公式可以是用于关于方框60数学转换一个或更多个第 一整数的公式的逆反。例如，如果针对方框60概述的过程使用基于对数的公式来数学变换 一个或更多个值，那么关于方框64可使用相同基数的基于反对数的公式来数学变换一个 或更多个第一整数，反之亦然。而且，如果针对方框60概述的过程使用包括升到某正幂的 表达式的公式来数学变换一个或更多个值，那么关于方框64可使用包括升到那个数的负 数次幂的表达式的公式来数学变换一个或更多个第一整数，反之亦然。而且，如果针对方框 60中概述的过程使用包括乘以常数的公式来数学变换一个或更多个值，那么关于方框64 可使用包括除以同样常数的公式来数学变换一个或更多个第一整数，反之亦然。在任何情况下，在方框66概述的过程之后，该方法继续到方框68，其中，将一个或 更多个第二整数分别指定为方框60中所引用的测定粒子群种类中的点的一个或更多个替 换值。在某些实施例中，如方框70所表示的，该方法可附加地或可替换地包括将一个或更 多个第二整数指定为用于对粒子群进行染色的目标。但是，这种处理是可选的，因此在某些 实施例中可从图5中省略方框70。特别的，应当指出，第二整数中的一个或更多个相对接近于(例如，差小于粒子可被染色的精度)测定粒子群种类中的点的一个或更多个原始值，因 此可不需要改变用于对粒子群进行染色的目标。在任何情况下，一旦改变了测定粒子群种 类的一个点，则使分类区域的相应单元位置偏离其原始位置，分类区域中的其它点将基于 分类区域的已知配置(例如，大小、形状、维度)以相同的方向和大小位移。针对多个分类 区域，图3描述了示例性位移效果。如图5所示，在某些实施例中，该方法可在方框68或70之后进行到方框72以确 定是否存在要被评估的任何其它测定粒子群种类。如果该确定是肯定的，该方法返回方框 60以数学处理对应于不同测定粒子群种类中的点的一个或更多个值，并且针对不同的测定 粒子群种类，该方法还执行方框62-68概述的过程，以及有时执行方框70概述的过程。可 以针对测定粒子群种类的任意数量重复这种过程，并且在某些情况下，可以针对为测定所 考虑的全部测定粒子群种类重复这种过程。当在方框72确定没有其它测定粒子群种类要 被评估时，过程可终止或者进行到方框74以开始可选的评估过程，在以下根据方框74-78 被更详细地描述该可选的评估过程。在可替选的过程中，可以针对多个测定粒子群种类同 时执行关于方框60-68所描述的数学过程序列。如以下更详细描述的，在已经为多个测定粒子群种类指定多个替代值之后，可执 行根据图5 (即，方框74-88)所描述的可选的评估过程。但是，在其它实施例中，在已经为 单个测定粒子群种类指定一个或更多个替换值之后，执行可选的评估过程。为了反映后者 的实施例，图5包括在方框70和74之间的连接箭头，如果从方法中省略了与方框70相关 联的过程，则该连接箭头可替换地用作在方框68和74之间的连接箭头。对于这两种情况 中的任何一种，在执行可选的评估过程之后，可评估附加的测定粒子群种类(即，可数学地 调整对应于测定粒子群种类中的点的值从而为这些点指定替代值)，所以在图5的方框82 与方框72之间存在连接箭头以表示这种可选项。在其它实施例中，可放弃可选评估过程， 因此，在某些情况下，可从图5中省略方框74-88。一般来说，可使用可选的评估过程来确定第二整数与分类矩阵的标度匹配得如 何，从而产生可精确对应于粒子群的测量值的分类区域。如图5所示，方框74包括通过应用 参考方框60中用于数学变换一个或更多个值的公式来数学变换一个或更多个第二整数。 可直接在根据方框70所描述的过程之后执行方框74所概述的过程，或者当在方框72确定 没有其它测定粒子群种类要被评估时执行方框74所概述的过程。对于这两种情况中的任 何一种，在方框74之后，该方法继续到方框76，其中，计算由数学变换第二值或多个第二值 所得到的值或多个值与其最接近整数之间的差或多个差。在此之后，评估过程进行到如下 所描述的方框78处的两种情形之一。在已经评估了单个测定粒子群种类并且其值中的一个或更多个值已经被方框66 中所计算的一个或更多个第二整数替代的情况下，或者当希望为每个单个的测定粒子群种 类执行评估过程时，该方法可继续到方框80以确定方框76处计算的差或多个差是否大于 预定阈值。预定阈值可随系统和测定应用的不同而不同。如图5的方框82中所示，如果 所计算的差或多个差大于预定阈值，那么取消方框68中的将第二整数或多个第二整数指 定为替代值或多个替代值。特别的，大于预定阈值的差可指示相应的第二整数没有更好地 表示分类区域的粒子群的测量值，因此将测定粒子群种类中的点调整到这个数可能是无益 的。相反的，如果所计算的差或多个差小于预定阈值，那么保留将第二整数值或多个第二整数值指定为测定粒子群种类中的点的替代值或多个替代值。在替换实施例中，该方法可不包括将方框76处所计算的差或多个差与预定阈值 进行比较(即，根据方框80所描述的过程)。而是，在某些情况下，可从图5所示出的流程 图中省略方框80。在方框80的位置处，由根据方框60执行的数学变换所得到的值或多个 值与其最接近整数或多个整数之间的差或多个差的计算过程可被计算。当确定这个差或这 些差小于根据方框76所计算的差或多个差时，该方法可继续到方框82以取消将第二整数 或多个第二整数指定为替代值或多个替代值。应当指出，为了简化附图，图5中未示出方框 80的省略以及表示前述处理的方框的替代。但是，应当声明，本领域技术人员能够想到如何 基于前述描述来合并这种限定。在任何情况下，该方法在如上所指出的评估过程之后可进行到方框72以确定是 否存在要被评估的任何其它测定粒子群种类。与方框60-76相关联的步骤序列以及如上所 指出的评估过程可被重复任意多次以评估不同测定粒子群种类中的点。当确定没有其它测 定粒子群种类要被评估时，过程可终止。在替换实施例中，尤其是如果多个测定粒子群种类 在评估过程之前已经被评估了，则该方法从如上所指出的评估过程进行到方框76。在其它 实施例中，过程可在以下情况下终止当在方框80处确定所计算的差小于预定阈值时；在 确定由根据方框60执行的数学变换所得到的值或多个值与其最接近整数或多个整数之间 的差或多个差大于根据方框76所计算的差之后；或者当在方框82处取消将第二整数指定 为替代值时。但是，为了简化附图，这些终止情形中的任何一个都未在图5中示出。在多个测定粒子群种类中的点在可选的评估过程之前已经被评估并且被方框66 中计算的第二整数值所替代的情况下，方法可从方框78继续到方框84以计算针对第二整 数中的每一个整数所计算的、大于预定阈值的差的比例。预定阈值可随系统和测定应用的 不同而不同，并且可以与方框80中所引用的预定阈值相同或不同。其后，方法继续到方框 86以确定比例是否大于预定水平。预定水平可随系统和测定应用的不同而不同。如图5 的方框88中所示，如果比例大于预定水平，那么取消根据方框68所描述的将第二整数值指 定为替代值。特别的，大于预定水平的比例可指示相当大数量的第二整数没有更好地表示 其各自测定粒子群种类的粒子的测量值，因此将测定粒子群种类中的点调整到这些数可能 不是有益的。相反，如果计算出的比例小于预定水平，那么保留将第二整数值指定为分类区 域的替代值。在上述两种情况的任何一种情况下，如图5所示，处理可在方框86或88之后 终止。可替选地，处理可返回到方框72以确定是否存在要被评估的任何其它测定粒子群种 类。仅仅是为了简化附图，图5中未示出这种可选项。在替选实施例中，该方法可以不包括计算大于预定阈值(即，根据方框84所描述 的过程)的差的比例。而是，在某些情况下，可从图5所示出的流程图中省略方框84。在方 框84的位置，由根据方框60执行的数学变换所得到的值与其最接近整数之间的差或多个 差的计算过程可被计算。在这种情况下，可计算比根据方框76计算的差更小的差的比例。 在某些情况下，可将这个比例与如根据方框86所描述的预定水平进行比较，并且方法可继 续进行到方框88、终止、或返回到方框72。应当指出，为了简化附图，图5中未示出方框86 的省略以及前述处理的替代。但是，应当声明，本领域技术人员能够想到如何基于前述描述 来合并这种限定。不管如何使用评估过程，其仅仅可与相对大的值有关，这些相对大的值对应于根据方框60描述的测定粒子群种类中的点。特别的，在图5概述的方法仅使值最多改变几个 百分点的情况下，这种变化对于相对小的值可能不是足够显著的。因此，可将规定合并到图 5概述的方法中，以仅针对大于特定数的、对应于根据方框60所描述的测定粒子群种类中 的点的值来实施评估过程。可替换地，可实施规定，使得将评估过程应用到全体范围的值， 但是针对小于特定数的值，忽略方框82和88的取消过程。应当指出，为了简化附图，图5 中未示出这些措施，但是应当声明，本领域技术人员能够想到如何基于前述描述来合并这 种限定。可被增加到图5所概述的方法的可选过程是使用不同的数学变换等式集来重复 根据方框60-76所描述的过程，然后针对用于评估粒子群种类的每个数学变换等式集来比 较根据方框76计算的差。在这种情况下，由生成差的最小变化的数学变换等式集产生的第 二整数可被指定为方框60概述的过程中所指的测定粒子群种类中的点的最终替代值。特 别的，由生成差的最小变化的数学变换等式集生成的第二整数可以是值的表示，其中，这些 值可最精确地对应于由基于数学变换等式集的参数标度构建的分类矩阵中的粒子的测量 值。应当指出，为了简化附图，图5中未示出这个可选过程，但是应当声明，本领域技术人员 能够想到如何基于前述描述来合并该过程。下面描述示例性数学过程，其可被用于根据图5的方框60-88所描述的过程。另 外，表1和表2示出了从这种示例性过程生成的和所使用的数据。特别的，表1和表2列出 了针对3个测定粒子群种类所生成的数据，具体是每个测定粒子群种类中被表示为“CL1”、 “CL2”和“CL3”的3个分类通道的分类数据。应当指出，多路复用系统典型地可以并且将 包括多于3个的测定粒子群种类。另外，取决于所采用的测定分析系统，可使用少于3个或 多于3个的分类通道。因此，根据图5所描述的过程不应该被解释成限于表1和表2所提 供的示例性数据。分类通道CL1-CL3 —般可指用来对粒子进行分类的任何参数，但是在某 些实施例中，分类通道CL1-CL3可具体地指荧光测量。在这些情况下，图5概述的方法尤其 能够应用于改变对粒子群进行染色的目标量。表1具体涉及图5的方框60-70所概述的过 程，而表2具体涉及根据图5的方框76-88所描述的评估过程以及评估过程的替选选项。
MFl目标变换公式舍入的第一整数逆反变化函数舍入的第二整数
CL1CL2CL3CL1CL2CL3CL1CL2CL3CL1CL2CL3CL1CL2CL318.8530.9910.5973.2984.9960.0973.0085.0060.0018.6231.0010.5519.0031.0011.002691.74Θ85.68341.37160.38169.07143.06160.00169.00143.00680.11.982.07339.55680.00982.00340.0037113.711077.04264.63217.54171.24136.81218.00171.00137.007247.631065.59265.657248.001066.00266.00表1 使用图5中描述的过程对测定分析系统的分类区域进行配置的示例性数据 生成
19关于笫二整数的变换公式 舍入的第三整数差关于第一变换公式的差
权利要求
1.一种包括程序指令的存储介质，所述程序指令能够被处理器执行以用于识别分类矩阵中的多个分类区域，所述分类矩阵由与被配置成用于测定分析的粒子的 一个或更多个可测量参数相关联的值的各范围所构建；以及将被共同分配给所述多个分类区域中的两个或更多个分类区域的单元位置再分配为 非分类区域。
2.如权利要求1所述的存储介质，其中，所述程序指令还能够被所述处理器执行以用 于进一步将与所述共同分配的单元位置邻近的单元位置再分配为非分类区域。
3.如权利要求1所述的存储介质，其中，所述程序指令还能够被所述处理器执行以用于在将所述分类矩阵的单元位置再分配为非分类区域之前，计算所述分类矩阵中的所述 共同分配的单元位置的数量；当计算出的共同分配的单元位置的数量在预定阈值以上时，调整所述多个分类区域中 的一个或更多个分类区域的一个或更多个空间属性值；在调整所述分类区域中的一个或更多个分类区域的一个或更多个空间属性值之后，识 别所述分类矩阵中被共同分配给所述分类区域中的两个或更多个分类区域的单元位置；以 及迭代执行以下步骤计算所述分类矩阵中的所述共同分配的单元位置的数量；调整所 述多个分类区域中的一个或更多个分类区域的一个或更多个空间属性值；以及识别所述分 类矩阵中被共同分配给所述分类区域中的两个或更多个分类区域的单元位置，直至所述分 类矩阵中被共同分配的单元位置的数量被计算为等于或小于所述预定阈值为止，其中，所 述用于将所述分类矩阵的单元位置再分配为非分类区域的程序指令包括用于将与下述分 类区域相关联的共同分配的单元位置再分配为非分类区域的程序指令所述分类区域使被 计算出的共同分配的单元位置的数量等于或小于所述预定阈值。
4.如权利要求1所述的存储介质，其中，所述程序指令还能够被所述处理器执行以用于在将所述分类矩阵的单元位置再分配为非分类区域之前，计算所述分类矩阵中的所述 共同分配的单元位置的数量；调整所述多个分类区域中的一个或更多个分类区域的一个或更多个空间属性值；在调整所述分类区域中的一个或更多个分类区域的一个或更多个空间属性值之后，识 别所述分类矩阵中被共同分配给所述分类区域中的两个或更多个分类区域的单元位置；以 及以预定次数迭代执行以下步骤计算所述分类矩阵中的所述共同分配的单元位置的数 量，调整所述多个分类区域中的一个或更多个分类区域的一个或更多个空间属性值，以及 识别所述分类矩阵中被共同分配给所述分类区域中的两个或更多个分类区域的单元位置， 其中，所述用于将所述分类矩阵的单元位置再分配为非分类区域的程序指令包括用于将与 下述分类区域相关联的共同分配的单元位置再分配为非分类区域的程序指令所述分类区 域具有最小数量的共同分配的单元位置。
5.如权利要求3所述的存储介质，其中，所述多个分类区域是椭圆形的，并且其中，所 述用于调整一个或更多个空间属性值的程序指令包括调整所述多个分类区域的长轴、短轴、仰角以及方位角中至少之一的值。
6.如权利要求1所述的存储介质，其中，所述程序指令还能够被所述处理器执行以用于获取对应于多个粒子的可测量参数的数据；识别所述分类矩阵中所述数据中的至少一些所对应的单元位置；相对于所述多个分类区域计算所述多个粒子的分类效率；当计算出的分类效率在预定阈值以下时，调整所述多个分类区域中的一个或更多个分 类区域的一个或更多个空间属性值；重复以下步骤计算分类效率，以及当计算出的分类效率在预定阈值以下时调整一个 或更多个空间属性值，直至分类效率等于或大于所述预定阈值为止。
7.如权利要求6所述的存储介质，其中，所述程序指令还能够被所述处理器执行以用 于重复以下步骤计算分类效率，以及在将所述分类矩阵的单元位置再分配为非分类区域 的步骤之前调整一个或更多个空间属性值。
8.如权利要求6所述的存储介质，其中，所述程序指令还能够被所述处理器执行以用 于重复以下步骤计算分类效率，以及在将所述分类矩阵的单元位置再分配为非分类区域 的步骤之后调整所述一个或更多个空间属性值。
9.一种系统，包括 处理器；以及存储介质，包括程序指令，所述程序指令能够被所述处理器执行以用于 将对应于测定粒子群种类中的点的第一值数学变换成第二值； 将所述第二值转换成第一整数；通过将变换公式应用到所述第一整数来将所述第一整数数学变换成第三值，其中，所 述变换公式与用于数学变换所述第一值的变换公式相逆； 将所述第三值转换成第二整数；以及将所述第二整数指定为所述测定粒子群种类中的所述点的替代值。
10.如权利要求9所述的系统，其中，所述用于数学变换对应于所述测定粒子群种类中 的所述点的所述第一值的程序指令包括用于数学变换对应于所述测定粒子群种类的中心 点的值的程序指令。
11.如权利要求9所述的系统，还包括用于将所述第二整数指定为用于对用于测定分 析的粒子群进行染色的目标的程序指令。
12.如权利要求9的系统，其中，所述用于数学变换所述第一值的程序指令包括用于以 基于对数的公式、包括指数的公式、包括幂的公式、包括二项式的公式、包括泰勒级数或麦 克劳林级数的公式、包括参数方程的公式、包括坐标变换的公式或将所述第一值乘以或加 上常数的公式来数学变换所述第一值的程序指令。
13.如权利要求9所述的系统，还包括程序指令，用于通过将用于数学变换所述第一值的变换公式应用到所述第二整数来将所述第二整数 数学变换成第四值；计算所述第四值与其最接近整数之间的差；以及当计算出的差大于预定阈值时，取消将所述第二整数指定为所述替代值。
14.如权利要求9所述的系统，还包括程序指令，用于通过将用于数学变换所述第一值的变换公式应用到所述第二整数来将所述第二整数 数学变换成第四值；计算所述第四值与其最接近整数之间的第一差； 计算所述第二值与其最接近整数之间的第二差；以及当确定所述第二差小于所述第一差时，取消将所述第二整数指定为所述替代值。
15.如权利要求9所述的系统，其中，所述程序指令还能够被所述处理器执行以用于 针对多个不同测定粒子群种类中的每个，重复以下步骤将对应于相应测定粒子群种类中的点的第一值数学变换成第二值，将所述第二值转换成第一整数，通过将与用于数学 变换所述第一值的变换公式相逆的公式应用到所述第一整数来将所述第一整数数学变换 成第三值，将所述第三值转换成第二整数，以及将所述第二整数指定为对应于所述相应测 定粒子群种类中的所述点的替代值；通过将用于数学变换与所述多个不同测定粒子群种类中的每个中的点相对应的所述 第一值的变换公式应用到所述第二整数，将针对所述多个不同测定粒子群种类中的每个而 计算的所述第二整数中的每个数学变换成各第四值； 计算所述第四值与其各自最接近整数之间的差； 计算预定阈值以上的所述差的比例；以及当计算出的比例大于预定水平时，取消将所述第二整数指定为所述替代值。
16.一种方法，包括获取对应于粒子的可测量参数的数据；识别分类矩阵中单个粒子的所述数据中的至少一些所对应的单元位置，其中，所述分 类矩阵由与所述可测量参数的至少之一相关联的值所构建；将对应于所述被识别的单元位置的数据在所述分类矩阵中平移预定坐标路径； 确定经平移的数据是否在所述分类矩阵中预定位置处的目标空间内匹配； 重复以下步骤平移所述数据；以及针对所述分类矩阵中的不同预定坐标路径确定经 平移的数据是否在所述目标空间内匹配，直至做出两个结论性动作之一为止，其中所述两 个结论性动作包括确定所述经平移的数据在所述目标空间内匹配；以及在没有确定所述经平移的数据在所述目标空间内匹配的情况下，将所述数据平移预定 数量的预定坐标路径；当确定所述经平移的数据在所述目标空间内匹配时，将所述粒子分类到与这样的预定 坐标路径相关联的粒子群所述数据经平移所述预定坐标路径而匹配到所述目标空间内； 以及当将所述数据平移所述预定数量的预定坐标路径而没有确定所述经平移的数据在所 述目标空间内匹配时，执行两个动作项之一，其中所述动作项包括如果没有其它目标空间能够用于评估，则将所述粒子分类到拒绝类；以及 重复以下步骤平移所述数据，以及确定经由所述预定坐标路径平移的数据是否在不 同的目标空间内匹配，直至做出所述两个决定性动作之一为止。
17.如权利要求16所述的方法，其中，所述识别分类矩阵中的单元位置的步骤还包括识别所速分类矩阵的包括所述单元位置的段，并且其中所述平移所述数据的步骤包括以与 所述被识别的段相关联的预定坐标路径平移所述数据。
18.如权利要求16所述的方法，其中，所述目标空间和所述不同目标空间的至少之一 包括单个分类区域配置的边缘。
19.如权利要求16所述的方法，其中，所述目标空间和所述不同目标空间的至少之一 包括以同一点为中心的多个分类区域配置的边缘。
20.如权利要求19所述的方法，其中，所述确定所述经平移的数据是否在所述目标空 间内匹配的步骤包括在平移所述数据的步骤过程中，检测代表包括所述目标空间的多个分类形状之一的代码；识别与所述数据被平移的预定坐标路径相关联的粒子群以检测所述代码； 将检测到的代码和与被识别的粒子群相关联的有效形状代码的列表进行比较； 当确定所检测到的代码被列为所述被识别的粒子群的有效形状代码时，确定所述经平 移的数据在所述目标空间内匹配；以及当确定所检测到的代码未被列为所述被识别的粒子群的有效形状代码时，确定所述经 平移的数据未在所述目标空间内匹配。
21.如权利要求20所述的方法，其中，所述将所述检测到的代码与有效形状代码的列 表进行比较的步骤包括识别寄存器中的有效形状代码的列表，其列出所述分类矩阵中所包 括的每个粒子群的有效形状代码。
22.如权利要求20所述的方法，其中，所述将所述检测到的代码与有效形状代码的列 表进行比较的步骤包括参照代表第一寄存器中与所述被识别的粒子群相关联的一团形状代码的指示器；以及 识别不同的第二寄存器中与所参照的指示器相关联的有效形状代码的列表。
23.一种包括程序指令的存储介质，所述程序指令能够被处理器执行以用于 获取对应于粒子的可测量参数的数据；识别分类矩阵中单个粒子的所述数据中的至少一些所对应的单元位置，其中，所述分 类矩阵由与所述可测量参数的至少之一相关联的值所构建；将所述分类矩阵中已知位置处的目标空间在所述分类矩阵中平移预定坐标路径； 确定经平移的目标空间是否包围所述分类矩阵的所述被识别的单元位置； 重复以下步骤平移所述目标空间，以及针对所述分类矩阵中的不同预定坐标路径确 定所述经平移的目标空间是否包围所述被识别的单元位置，直至做出两个结论性动作之一 为止，其中所述两个结论性动作包括确定所述经平移的目标空间包围所述被识别的单元位置；以及 将所述目标空间平移预定数量的预定坐标路径而没有确定所述目标空间包围所述被 识别的单元位置；当确定所述经平移的目标空间包围所述被识别的单元位置时，将所述粒子分类到与这 样的预定坐标路径相关联的粒子群所述目标空间被平移所述预定坐标路径而包围所述被 识别的单元位置；以及当将所述目标空间平移预定数量的预定坐标路径而没有确定所述经平移的目标空间包围所述被识别的单元位置时，执行两个动作项之一，其中所述动作项包括如果没有其它目标空间能够用于评估，则将粒子分类到拒绝类；以及重复以下步骤平移不同目标空间，以及确定经由所述预定坐标路径平移的所述不同 目标空间是否包围所述被识别的单元位置，直至做出所述两个决定性动作之一为止。
24.如权利要求23所述的存储介质，其中，用于识别分类矩阵中单元位置的程序指令 还包括用于识别所述分类矩阵的包括所述单元位置的段的程序指令，并且其中，用于平移 所述目标空间的程序指令包括用于以与所述被识别的段相关联的预定坐标路径平移所述 目标空间的程序指令。
25.如权利要求23所述的存储介质，其中，所述目标空间和所述不同目标空间的至少 之一包括单个分类区域配置的边缘。
26.如权利要求23所述的存储介质，其中，所述目标空间和所述不同目标空间至少之 一包括以同一点为中心的多个分类区域配置的边缘。
27.如权利要求26所述的存储介质，其中，用于确定所述经平移的目标空间是否包围 所述被识别的单元位置的程序指令包括用于以下操作的程序指令在平移所述目标空间的步骤过程中，检测代表包括所述目标空间的多个分类形状之一 的代码；识别与所述目标空间被平移的预定坐标路径相关联的粒子群以检测所述代码；将检测到的代码和与所述被识别的粒子群相关联的有效形状代码的列表进行比较；当确定所述检测到的代码被列为所述被识别的粒子群的有效形状代码时，确定所述经 平移的目标空间包围所述被识别的单元位置；以及当确定所述检测到的代码未被列为所述被识别的粒子群的有效形状代码时，确定所述 经平移的目标空间未包围所述被识别的单元位置。
28.如权利要求27所述的存储介质，其中，将所述检测到的代码与有效形状代码的列 表进行比较的程序指令包括用于识别寄存器中的有效形状代码列表的程序指令，所述有效 形状代码列表列出所述分类矩阵中包括的每个粒子群的有效形状代码。
29.如权利要求27所述的存储介质，其中，将所述检测到的代码与有效分类代码的列 表进行比较的程序指令包括用于以下操作的程序指令参照代表第一寄存器中与所述被识别的粒子群相关联的一团形状代码的指示器；以及识别不同的第二寄存器中与所参照的指示器相关联的有效形状代码的列表。
全文摘要
公开了方法和系统，其包括用于将分类矩阵中两个或更多个分类区域交叠处的单元位置再分配为非分类区域的配置。另外，公开了系统和方法，其包括用于数学地创建可以用更准确地与粒子的测量值对应的值来表征的分类区域的配置。方法和系统的其它实施例包括用于获取对应于粒子可测量参数的数据的配置，以及用于识别分类矩阵中数据中的至少一些所对应的位置的配置。这种方法和系统还包括用于将与被识别的单元位置或位于分类矩阵中已知位置处的目标空间相对应的数据中的任一个平移预定数量的预定坐标路径，直至得到粒子可被分类到某粒子种类或拒绝类的结论为止的配置。
文档编号G06F17/00GK102124458SQ200980132161
公开日2011年7月13日 申请日期2009年7月17日 优先权日2008年7月17日
发明者韦恩·D·罗特 申请人:卢米耐克斯公司