专利名称：采用散射光直方图快速辨别颗粒的方法及设备的制作方法
技术领域：
本发明提供快速辨别悬浮在液体或气体中的原生动物和其它微生物之类的微观颗粒的独特方法和设备。
背景技术：
目前可接受的辨别致病微观颗粒的方法需要相当长时间的、劳动密集的过程。例如，为了判定在饮用水中是否存在帕沃姆式隐孢(Cryptosporidium parvum)或兰伯式鞭毛虫(Giardia lamblia)，供应者必须采用一种长时间的、劳动密集的程序-USEPA方法1622。临床化验室和食品检查员也必须采用长时间的、劳动密集的程序查找并辨别有害细菌。
不幸的是，在许多情况下不能等待对微生物的确切判定。必须在向家庭供水之前就立即识别出隐孢对饮用水的污染。同样，辨别细菌性脑膜炎之类疾病的病因也常常不能等待需要的时间。最后，在多数情形下检测并辨别牛肉之类的食品源中的细菌耗费了太多的时间，以至于在发现问题之前就已经将食品分发出去了。
已经有各种检测微观生物体的方法和设备。例如，De Leon等人在美国专利No.5,770,368中给出了一种检测隐孢的方法。采用特定属或特定种原生动物所特有的引物(primer)从诱导HSP RNA模板合成cDNA、然后对cDNA进行酶放大，可以判定包囊体的生存能力或感染性。替或，可通过采用特定属或种原生动物所特有的引物对(primer pair)放大来自受感染细胞的HSP DNA来判定感染性。
Steele等人在美国专利No.5,693,472中公开了检测帕沃姆式隐孢的方法。描述了在表层水或粪便之类的水样或生物样品中检测帕沃姆式隐孢的方法和工具包。该方法依赖于采用引物检测帕沃姆式隐孢的至少一个DNA序列的全部或部分特征，该序列是分别包含在重组体质粒pINV38G和pHem4之中的、称作38G和HemA的全部或部分染色体区。
Pleass等人在美国专利No.5,229,849中公开了对微观生物体行为进行统计学研究的激光多普勒光谱仪。一种监视并辨别在液体中游动或在液体中穿过表面的微生物群的改良方法和系统，提供了快速测量微小活动变化、基本在有碎屑存在的情况下检测并辨别在较大容积液体中的单个微生物的灵敏方法。该系统包括激光站、样品收集站、摄影站和监视站。
Wyatt等人在美国专利No.4,548,500中给出了辨别或表征微小颗粒的方法和设备。描述了基于测量在每一颗粒穿过一束光或其它电磁辐射时产生的某些可观测光学量来表征和/或辨别单个微粒的设备和方法。一束细的光线，优选地，一束单色线性极化光通过球形探测器阵列或光纤设备，将入射光传送给一组探测器设备，颗粒流在球形阵列的中心与光束相交。选定的可观测量从检测到的散射辐射计算出来，然后用于从计算机存储器设备中调出特定的映射图，每一观测量都有一个图。
Lee等人在美国专利No.5,473,428中公开了一种具有耦合激光二极管的干涉测量温度传感系统，其中将幅度调整到与之前的反馈激光束相当。干涉测量温度传感系统提供了采用激光检测元件的自耦合效应准确处理干涉图样的简化设计，其中，激光二极管和光学检测元件封装在一起。
Curtis Thompson的美国专利No.5,582,985公开了分枝杆菌的检测。该发明提供了检测样品中的分枝杆菌的方法、合成物和工具包。该方法包括在将分枝杆菌专用的核酸探针(nucleic acid probe)与样品混合(hybridizing)之前，将样品与甲醛溶液、一种有机溶剂和蛋白质劣化剂相接触。该发明在检测和感病性筛分(susceptibility screening)人类致病性分枝杆菌(如结核分枝杆菌)方面尤其有用。
发明内容
本发明的独特系统为辨别悬浮在液体或气体中的原生动物和其它微生物之类的各种微观颗粒提供准确有效的测量。本发明的方法论提供一种用于定性和定量辨别颗粒种类的程序，该程序源自对以方便可靠的方式、由一组环绕悬浮颗粒的光传感器收集的颗粒散射的光线的测量。
更详细地，悬浮颗粒的散射光被传感器阵列检测到并被转换成电压之类的电信号。来自每一传感器的电压进入修正装置组件(modifyingmeans componet)，在此处电压被数字化，得到的数值被用作颗粒辨别的指纹。独特的修正组件包括一组或多组一维或多维概率经验直方图推导出的预测公式，该直方图是数字化电压的一种或多种数学组合的函数。每一组直方图由单个的概率直方图组成，这些概率直方图给出由某一特定颗粒种类产生所观察到的特定数字化电压的特定组合的数值的可能性。这样，在预测公式得到某一特定种类的很大的概率值时，本发明系统中的独特的修正组件将测量到的信号理解成“特定种类”。
在一种实施例中，本发明的快速检测并辨别微观颗粒以进行定性和定量测量的方法包括如下步骤a)将待辨别颗粒悬浮在样品室内所盛的控制流体中；b)将样品室保持在相对于一个强光源的指定方向上；c)采用所述的光源对样品室进行照射；d)通过环绕检测区的一组光传感器收集并测量来自样品室的散射光；e)在颗粒穿过所述强光源时将传感器阵列的电压输出转换成数字信号；并且f)将获得的信号与概率直方图库进行比较，并对得到的数据进行统计学分类，从而对存在的微观颗粒进行辨别。
根据本发明，该直方图库由每一颗粒种类的包含在一个统计分类算法的直方图组成，所述算法计算有关信号由那些颗粒种类产生的概率。通过测量一种微粒与传感器的数字化电压数学组合的特定数值范围相关联的频率来经验性地获得概率直方图。因此，可以对于一个数学组合，也就是说对于一个一维分析可生成发生频率直方图，或者，可以对多个数学组合，也就是说对一个多维分析生成频率直方图。
在优选实施形式中，本发明的设备以组合的方式包括a)产生光束腰的极化激光；b)包括多个光探测器的光学底座，每一个光探测器沿四周放置，并毫无遮蔽地朝向激光光束腰的共同会聚区(common region ofregard)；c)盛有待分析液体样品的样品室；d)将样品室保持在相对于激光光束腰的指定方向上以及保持在光探测器的共同会聚区中的装置；e)使样品中的颗粒流过激光光束腰的装置；f)盖住光源和光学底座以产生黑暗外罩的装置；g)将由探测器所测量到的光强值转换成数字化值的装置；h)将数字化值连续输入计算机的装置；i)基于数字化的测量、判定在颗粒何时进入共同会聚区处的光束中的装置；j)将数字化数值转换成校准值的装置；k)从数字化并样准的事件数据提取事件描述符的装置；l)从事件描述符中计算判别函数值的装置；m)定义概率直方图的装置，该直方图使得可以计算从测量值计算出的判别函数值是由特定颗粒种类导致的的概率；n)辨别最有效的判别函数的装置。
o)将概率直方图和判别函数存贮在辨别库中的装置，对于每一个可被辨别的颗粒种类和每一个判别函数有一个概率直方图；p)恢复先前存贮的概率直方图和判别函数的装置，对于每一个可采用辨别库进行辨别的颗粒种类和每一个判别函数有一个概率直方图；q)对于判别函数的一个给定值计算库中的每一颗粒种类的概率的装置；r)将可采用辨别库进行辨别的每一个颗粒种类的概率组合起来的装置；以及s)基于阈值辨别未知颗粒的装置。
图1是表示采用本发明的优选实施形式、生成辨别库并采用辨别库辨别颗粒的各步骤的流程图；图2是整个辨别系统的示意图；图3是激光光束腰的详细图。如果激光的强度分布是高斯型，穿过激光光束的球形颗粒散射对时间呈高斯形状的光线；以及图4表示三个归一化发生频率直方图。这些图表示对于三种颗粒的测量数据的结果直径1.588±0.025微米(标准偏差0.006微米)的聚苯乙烯球粒样品、兰伯式鞭毛虫样品和帕沃姆式隐孢样品。
具体实施例方式
本发明提供一种基于对测量数据进行统计分析的、用于微观颗粒辨别方法的独特方法和设备。本方法建立在三个相关的部分(参见图1)之上测量仪器和原始数据处理系统；生成辨别库；以及使用辨别库。
本发明提供了快速检测并辨别微生物和其它类型的颗粒的装置。该系统基于对颗粒穿过准直强光源时从颗粒散射的光线进行测量和分析。当颗粒与入射光的波长相当或稍大时，在颗粒上光线主要发生散射，散射光的能量分布在各个方向上。很明显各个方向上的光强决定于颗粒尺寸和形状，以及入射光的波长。一般，可以从对光强的高角分辨率测量和所有散射辐射的电磁相位计算出颗粒尺寸和形状。实际上，这在航空航天上在处理飞行器的雷达信号时得到了普遍应用。然而在处理可见光时是不切实际的。此外，测量细菌之类的颗粒的准确尺寸和形状对于识别毫无用处，因为在尺寸和形状上存在着自然的差异。根据本发明，提供了一种通过仅测量一小部分散射光来辨别颗粒的系统。通过将测量结果与先前对各种颗粒所作测量的库进行比较，实现准确的颗粒辨别。
以下定义将有助于对优选实施例进行更完整的描述。
术语“流体”表示液体或气体介质。
术语“光”表示电磁辐射。
术语“共同会聚区”表示由所有光探测器同时可见的一个小空间区域。
术语“毫无遮蔽”表示没有视觉阻碍、扭曲或虚光。
术语“透明的”表示对所采用的光线的波长透明。
术语“样品室”表示盛有样品的透明外罩。
术语“探测器”表示对光线敏感并将入射光转换成电压或电流的电子装置，电压或电流的大小与入射光强成正比。
术语“光学底座”表示框架、光探测器和环绕样品室的电子设备。
术语“进行校准”表示对原始测量数据进行修正以便标准测量导致正确的值。
术语“颗粒种类”表示单一的一种颗粒，如一种微生物或花粉或如血红细胞等类型。
术语“事件”表示在颗粒穿过光束时所测量的一组散射光数据。
术语“发生频率直方图”表示对于特定测量的给定数学组合的计算，颗粒种类的测量在多高频率上会导致特定数值范围。
术语“概率直方图”表示归一化发生频率直方图，从而曲线下的面积(一维情形)或曲线下的体积(多维情形)是1。
在一个实施形式中，本发明的用于定性和定量测量(三个相关部分的第三部分)、快速检测并辨别微生物颗粒的方法采用如图2所示的仪器并包括以下步骤a)将待辨别的颗粒悬浮在盛在玻璃瓶中的超高品质水中；b)将样品瓶固定在强激光光源中，使光束腰穿过中心；c)通过环绕样品室的光传感器阵列收集并测量来自玻璃瓶的散射光；d)当颗粒穿过强光源时将传感器阵列的电压输出转换成数字信号；并且e)将所获得的信号与至少一组概率直方图进行比较以辨别存在的微观颗粒。
因此，对颗粒种类的辨别是通过先测量统计学意义上大量的种类数、然后从测量中推导出相关信息来进行的。在收集并将相关信息存入辨别库之后，对未知颗粒的辨别是通过将新的测量与颗粒特征存档库进行比较来进行的。
该系统使用了颗粒穿过强光源时产生的散射光。图2表示测量散射光以及建立库以及进行颗粒辨别的仪器的一种实施形式的示意图。光学底座提供了支撑光探测器的框架，并将它们的视域限制在单一的共同会聚区。光探测器收集并测量散射到样品室外的光强度。事件处理器子系统连续将探测器产生的电压数字化并监控数字化后的电压，以便动态提取背景信号并判定何时有颗粒穿过激光束。
在事件处理器检测到穿过激光束的颗粒时，处理器保持来自每一个探测器的数字化电压，直到颗粒完全穿过光束。在颗粒穿过光束之后，事件处理器进行校准，然后从数字化数据中提取颗粒辨别算法所需的特定数据(事件描述符)并将描述符传送到ID处理器子系统。
ID处理器子系统使用事件描述符形成判别函数值，与颗粒种类辨别库进行对照。在库中包含很多组可用于计算所观察到的判别函数值产生于特定颗粒种类的概率的概率直方图。ID处理器使用概率直方图和统计分类算法推导出穿过光束的颗粒的身份。ID处理器在显示器上给出该颗粒身份。
因而，本发明过程的第一阶段使用由测量仪器进行的大量测量来生成辨别库。本发明过程的第二阶段使用测量仪器和辨别库辨别未知颗粒。
对生成库的过程的理解依赖于对球形颗粒的测量数据的理解。在球形颗粒穿过准直光束时，光探测器测量决定于颗粒速度和激光截面强度分布的时间相关强度。图3表示在激光的截面强度分布为高斯型时球形颗粒对时间的散射光强度也是高斯型(注颗粒比光束直径小得多)。因此，在探测器d上测量的电压v(d，t)作为时间t的函数也是高斯型。沿不同路径穿过光束腰的同一颗粒会表现出幅度不同的高斯分布。将在每一时刻所测量的值除以在同一时刻一个或多个探测器值之和可以消除这种路径依赖性。从而v′(d，t)＝v(d，t)/∑d′v(d′，t) 公式(1)这里，d’是一些或全部探测器。在颗粒为球形时，只要信号强度足够大，归一化值v’(d，t)就是常数。此外，该数值也与颗粒穿过激光束时所走的路径无关。
在波长、颗粒直径、颗粒折射率和流体已知时公式(1)中球形颗粒的比值是可预测的。因此对于球形颗粒，采用来自每一探测器的单个比值就可以表征穿过光束的颗粒。这些来自每一探测器的单个比值被称作事件描述符，因为它们独一无二地描述了事件源，也就是说引起事件的颗粒。在下文中，ED(d)表示探测器d的事件描述符，也就是说ED(d)＝v’(d，t1)，其中t1是特定时刻。每一个尺寸相同的球形颗粒产生相同的事件描述符ED(d)。因此从原理上讲，给出球形颗粒事件的测量，就可以从事件描述符的值推导出颗粒直径。
在颗粒不是球形时，公式(1)中的事件描述符不再是常数。v’(d，t)对时间的曲线图不会是直线。曲线的形状决定于在颗粒穿过光速时颗粒的取向。同一颗粒反复穿过激光光束时将产生不同的曲线形状。类似的，同一颗粒种类的不同颗粒也会产生一系列曲线形状。结果，上述事件描述符决定于时间。从而，考虑到非球形颗粒，事件描述符的概念变宽了，指的仅特征事件的数据，即使描述符数值对颗粒种类而言在时间方面不是常数。
辨别方法需要从事件数据中提取事件描述符的特定模式。有各种模式。其中两个为1.选择在事件过程中所获得的ED(d，t)＝v’(d，t)最大值作为事件描述符数值。也就是说EDd＝max(v(d，t))/Σd’v(d’，t))。
2.在事件过程中特定探测器dn的值v’(dn，t)为最大值时，选择在时间tn时的值ED(d，tn)＝v’(d，tn)为事件描述符数值。也就是说EDd＝v(d，t’n)/Σd’v(d’，t’n))，其中t’n是在探测器d＝n最大时的时刻。
由于在非球形颗粒穿过激光光束时所测量到的事件数据决定于颗粒的取向，给定事件描述符数值，人们不能直接辨别颗粒。然而，人们可采用统计学分析预测是何种颗粒。测量多个同一类颗粒将产生一系列事件描述符数值。该系列数值描述数据描述符所取的数值范围。重要的是应当注意到数值范围限制在一定范围。将这些测量值绘制成对事件描述数值的发生频率直方图，会形成类似于图4的曲线图。如该曲线图所揭示的，事件描述符的数值范围受到限制，并且更重要的是，一些数值比其它数值更有可能。
由于颗粒尺寸、形状或光学特征不同，不同颗粒种类的发生频率直方图将导致稍有不同的直方图曲线。图4表示三种不同颗粒种类的归一化直方图兰伯式鞭毛虫、帕沃姆氏隐孢和直径1.588微米的聚苯乙烯球样品，事件描述符为ED1。对于给定的ED1数值，如在图中点α处，人们可推导出该颗粒可能是兰伯式鞭毛虫或是帕沃姆氏隐孢。同样地，如果该数值是β，则该颗粒可能是直径1.88微米的球体。然而辨别并不是绝对的。在点α和β，由三种颗粒中的任一个引起事件的机会都还不是零。
显然，该过程需要附加的信息以提高准确辨别的可能性。附加信息来自不同的事件描述符ED2等的另一组直方图。辨别过程变成是在预先测量的直方图曲线数据组中从所测得的事件描述符数值由不同颗粒产生的概率来推导颗粒种类。该预先测量的归一化直方图数据组被称作辨别库。
辨别库生成阶段开始于从事件数据中提取事件描述符并由测量仪器来处理。事件描述符被重新组织成很大的一组判别函数。计算每一函数和将要包括在库中的每一不同颗粒种类的概率直方图。计算提供种类与种类之间区别的每一判别函数的强度。识别最好的判别函数并将相关数据存贮起来，以便辨别程序使用。
判别函数加强了颗粒种类之间的区别。考虑两个不同的球体直径的数据。人们会发现一个球体的ED1值大于另一个球体，而第一个球体的ED2小于第二个球体的情况。在这种情形下，比值ED1/ED2是两个不同球体间很好的鉴别器。一个球体直径的比值大于另一个球体直径的比值。在这种情形下，由判别函数DF＝ED1/ED2产生的数值的直方图比单个事件描述符的直方图更明显地表现出两个不同颗粒种类曲线之间的分离。
判别函数只是事件描述符概念的推广。例如，下面的事件描述符之间的三个关系就是每一个判别函数DF1＝ED1，DF2＝1/ED2，DF3＝ED1/ED2。由于判别函数包括单个事件描述符，下文中的讨论将只采用判别函数。
归一化处理后更容易使用直方图。也就是说，在曲线下的面积是1(一维情形)或在曲线下的体积是1(多维情形)。得到的曲线类似于概率密度。这些概率直方图可直接给出从对特定颗粒种类的测量产生特定判别函数值的概率。
如上文所述，每一颗粒种类的一个概率直方图不能将测得的事件归类为特定颗粒种类。因此需要从一组判别函数推导出一组密度。不幸的是，如图4所示，有的判别函数可能不会对不同颗粒种类表现出概率直方图曲线的良好分离性。在鞭毛虫与球体以及隐孢与球体之间分离良好的同时，鞭毛虫与隐孢之间的分离并不好。因此图4中所绘制的判别函数没有提供鞭毛虫与隐孢之间有用的识别信息区别。选择哪一组判别函数用于辨别是很关键的判别函数的选择不是盲目的。此外，并没有“先验的”的理由优先于另一组去选择一组判别函数。幸运的是，只要有现代计算机的高速和大数据处理能力，人们就可以很简单地计算很多组函数的密度，整理所得结果并识别出那些可使各颗粒种类概率直方图曲线之间明显分离的函数。
有了所识别出的表现最好的一组判别函数，就可以生成辨别库并将之存档。库必须包含由概率直方图包含的种类列表。每一组概率直方图必须具有自己的相关判别函数。
为了用辨别库中辩别未知颗粒，将库加载到辨别计算机的存储器。测量仪器和原始数据分析程序测量未知颗粒并提取如上所述的事件描述符数据。
辨别程序开始于在颗粒穿过激光束时测量并收集未知颗粒的数据。事件处理器将获得的信号数字化并从事件中提取事件描述符数据。然后事件处理器将事件处理符数据传送到尝试辨别颗粒的ID处理器。
ID处理器开始于从库中第一组概率直方图的事件描述符计算判别函数的值。对于每一个颗粒种类从概率直方图中查找或插入概率值，并采用统计学分类算法判定特定颗粒种类产生这些判别函数值的概率。结果是一组与这些第一判别函数相关的概率p(df，species)，式中df在这种情形下是判别函数组是数，在这种情形下是1-也就是说，它是第一组判别函数。对于所有各组判别函数和库中相关的概率直方图，ID处理器重复这一过程。
一种可能的统计学分类算法用下列方式采用描述成p(df，species)的概率值组，式中，df是特定判别函数，species是颗粒种类。每一不同颗粒种类(species)的概率组合起来从而形成该种类的一个单一的概率值p(species)＝∑dfW(df)xp(df，species)，式中W(df)是来自判别函数组df的概率直方图的权重。
通过正确解释这些最终的概率值来辨别颗粒种类。一种实施理解是采用阈值。如果p(speciess)＞t(species)，式中t(species)是某一特定颗粒种类的阈值，并且所有其它的值都比它们的阈值小，那么该颗粒就被认为是该种类。如果有一个以上的概率在各自的阈值之上，或如果没有概率在阈值之上，那么该颗粒就不能被辨认出来。
在本优选实施形式中，本发明的仪器包括下列的组合a)产生光束腰的极化激光；b)包括多个光探测器的光学底座，每一个光探测器沿四周放置，并毫无遮蔽地朝向激光光束腰的共同会聚区(common region ofregard)；c)盛有待分析液体样品的样品室；d)将样品室保持在相对于激光光束腰的指定方向上以及保持在光探测器的共同会聚区中的装置；e)使样品中的颗粒流过激光光束腰的装置；f)盖住光源和光学底座以产生黑暗外罩的装置；g)将由探测器所测量到的光强值转换成数字值的装置；h)将数字值连续输入计算机的装置；i)基于数字化的测量、判定何时有颗粒进入共同会聚区处的光束中的装置；j)将数字化数值转换成校准值的装置；
k)从数字化并样准的事件数据提取事件描述符的装置；l)从事件描述符计算判别函数值的装置；m)定义概率直方图的装置，该直方图使得可以计算特定颗粒种类导致从测量值计算出的判别函数值的概率；n)辨别最有效的判别函数的装置。
o)将概率直方图和判别函数存贮在辨别库中的装置，对于每一个可被辨别的颗粒种类和每一个判别函数有一个概率直方图；p)恢复先前存贮的概率直方图和判别函数的装置，对于每一个可采用辨别库进行辨别的颗粒种类和每一个判别函数有一个概率直方图；q)对于判别函数的一个给定值计算库中的每一颗粒种类的概率的装置；r)将可采用辨别库进行辨别的每一个颗粒种类的概率组合起来的装置；以及s)基于阈值辨别未知颗粒的装置。
权利要求
1.一种快速检测并辨别微观颗粒以进行定性和定量测量的方法，包括以下步骤a)将待辨别颗粒悬浮在样品室内所盛的控制流体中b)将样品室固定在相对于一个强光源的指定方向上；c)采用所述的光源对样品室进行照射；d)通过环绕检测区的一组光传感器收集并测量来自样品室的散射光；e)在每一瞬间将传感器阵列的电压输出转换成数字化探测器数值，并采用一个或更多的数字化探测器数值之和进行归一化，以产生事件描述符；f)将获得的信号与一组发生频率/概率直方图进行比较，使得可以通过统计学分类算法辨别存在的微观颗粒。
2.权利要求1所述的方法，其中事件探测器是在事件过程中每一探测器测量到的最大值。
3.权利要求1所述的方法，其中事件描述符等于在一个瞬间的数字化探测器数值。
4.权利要求1所述的方法，其中所述样品室包括颗粒环流装置。
5.权利要求1所述的方法，其中待辨别颗粒浸没在气体中。
6.权利要求1所述的方法，其中待辨别颗粒浸没在流体中。
7.权利要求1所述的方法，其中强光源由多个共准直(co-aligned)激光器产生，每一个激光器发射波长不同的激光。
8.权利要求1所述的方法，其中强光源由一个多波长激光器产生。
9.权利要求1所述的方法，其中光传感器是固态光致电压器件。
10.权利要求1所述的方法，其中光传感器是固态光致电流器件。
11.权利要求1所述的方法，其中光传感器是固态雪崩器件。
12.权利要求1所述的方法，其中光传感器是光电倍增管器件。
13.权利要求1所述的方法，其中光传感器结合有极化分析器使之仅感知一个极化方向。
14.权利要求1所述的方法，其中光传感器采用光纤电缆收集入射光并将光线传输到探测器。
15.权利要求14所述的方法，其中光纤电缆结合有极化分析器使之仅感知一个极化方向。
16.权利要求1所述的方法，其中样品室是玻璃瓶。
17.权利要求1所述的方法，其中样品室是塑料瓶。
18.权利要求1所述的方法，其中样品室允许流体连续流动。
19.权利要求1所述的方法，其中概率直方图是n个判别函数的函数，该函数对每一种颗粒种类产生一个n-维直方图，其中n是整数。
20.权利要求19所述的方法，其中对于每一个函数，完整的一组n-维直方图和n个判别函数存贮在辨别库中。
21.权利要求20所述的方法，其中从存储器装置中为辨别库中每一个直方图预先检索完整的一组n-维概率直方图和n个判别函数。
22.权利要求19所述的方法，其中统计学分类算法的输出基于每一颗粒种类的概率直方图，如果输出在阈值之上则归约成值1，如果输出在阈值之下则归约成值0。
23.权利要求4所述的方法，其中颗粒环流装置是作用于样品室外的加热器。
24.权利要求23所述的方法，其中加热器作用于样品室的下部。
25.权利要求4所述的方法，其中颗粒环流装置是作用于样品室外的冷却器。
26.权利要求25所述的方法，其中冷却器是热电器件。
27.一种快速检测并辨别微观颗粒以进行定性和定量测量的装置，包括以下步骤a)产生光束腰的极化激光；b)包括多个光探测器的光学底座，每一个光探测器沿四周放置，并毫无遮蔽地朝向激光光束腰的共同会聚区(common regionof regard)；c)盛有待分析液体样品的样品室；d)将样品室保持在相对于激光光束腰的指定方向上以及保持在光探测器的共同会聚区中的装置；e)使样品中的颗粒流过激光光束腰的装置；f)盖住光源和光学底座以产生黑暗外罩的装置；g)将由探测器所测量到的光强值转换成数字化值的装置；h)将数字化值连续输入计算机的装置；i)基于数字化的测量、判定何时有颗粒进入共同会聚区处的光束中的装置；j)将数字化数值转换成校准值的装置；k)从数字化并样准的事件数据提取事件描述符的装置；l)从事件描述符中计算判别函数值的装置；m)定义概率直方图的装置，该直方图使得可以计算由特定颗粒种类导致从测量值计算机的判别函数值的概率；n)辨别最有效的判别函数的装置。o)将概率直方图和判别函数存贮在辨别库中的装置，对于每一个可被辨别的颗粒种类和每一个判别函数有一个概率直方图；p)恢复先前存贮的概率直方图和判别函数的装置，对于每一个可采用辨别库进行辨别的颗粒种类和每一个判别函数有一个概率直方图；q)对于判别函数的一个给定值计算库中的每一颗粒种类的概率的装置；r)将可采用辨别库进行辨别的每一个颗粒种类的概率组合起来在一起的装置；以及s)基于阈值辨别未知颗粒的装置。
全文摘要
本发明提供了快速辨别悬浮在液体或气体中的原生动物和其它微生物之类的微观颗粒的独特方法和设备。在一种实施形式中，该方法包括采用激光之类的强光源照射要检测的颗粒，通过环绕检测区的一组光传感器检测散射光，将检测到的光线转换成电信号，采用至少一个发生频率/概率直方图比较导出的信号，从而对存在的微观颗粒进行定性和/或定量识别。
文档编号C12Q1/04GK1469111SQ0212621
公开日2004年1月21日 申请日期2002年7月15日 优先权日2002年7月15日
发明者戴维·L·哈维格, 加里·洛登, 戴维 L 哈维格, 洛登 申请人:微成像技术公司