自动分析装置的制作方法

本发明涉及一种进行血液或尿液等生物检体的定性/定量分析的自动分析装置。

背景技术：

自动分析装置是在血液或尿液等生物检体(以下简称为检体)所含有的特定成分中添加会产生特异性反应的试剂使其产生反应，通过测定反应液的吸光度或发光量，进行定性/定量分析。

在此种自动分析装置中，为了使检体和试剂发生反应，则必需将检体容器中收容的分析对象即检体、和添加至检体中并使其反应的试剂分注至反应容器中的工序。被分注至反应容器中的检体和试剂量较少，因此分注精度对分析精度造成的影响则必然会变大。

因此，可靠地检测出导致分注精度下降的分注异常则显得尤为重要。

在将检体分注至反应容器的工序中，发生分注异常的频度较高的原因是吸入纤维蛋白等固态异物导致探头堵塞。探头发生堵塞后，无法将规定量的检体分注至反应容器，则无法获得具有可靠性的分析结果。

此外，在被检检体的液面上存在气泡或者液膜时，会将气泡或液膜判断成液面，无法吸入原本应当吸入的量的检体，从而发生分注异常。为了避免存在气泡或者液膜时的分注异常，虽然可以考虑加大探头在被检检体中的浸渍量，但是若加大探头在检体中的浸渍量，则污染增多，可能会对分析结果造成不良影响。

因此，为了尽量减小探头在液体内的浸渍深度，一般采用以下方法，即检测容器内液体的液面，在探头前端到达液面稍许下方的位置处停止探头的下降动作，接下来进行动作控制，使得将规定量的液体吸入探头内。在检测被检检体的液面的方法中，最常用的是检测探头接触到液面时的静电容量变化的静电容量变化方式。

但是，使用此种液面传感器时，如上所述，若液面上存在气泡或者液膜，则可能会将其错误检测为液面，发生分注异常。

即使在将试剂分注至反应容器的工序中，也可能由于吸入试剂液面上产生的气泡，导致发生分注异常。若与检体的情况相同地加大探头在试剂中的浸渍量，则污染增多，可能会对分析结果造成不良影响。因此，一般采用与检体的情况相同的探头动作控制方法。

关于检测分注异常的技术，例如专利文献1中公开了一种自动分析装置，具备：探头，其吸入/喷出样本(检体)；至少一个压力传感器，其检测与分注注射器连接的分注流路内的压力，该分注注射器产生用于使该探头吸入/喷出样本的压力；压力值存储单元，其按照时间顺序存储样本分注动作时压力传感器的输出值；存储基准数据库的存储单元，该基准数据库由探头正常吸入或喷出样本时压力传感器按照时间顺序的输出值构成，根据基于该压力值存储单元中按照时间顺序存储的压力传感器输出值制作而成的比较数据和基准数据库，计算出马氏距离，将计算出的结果与预先规定的阈值进行比较，从而判定样本的分注异常。

现有技术文献

专利文献

【专利文献1】

日本专利特开2008-224691号公报

技术实现要素：

发明所要解决的技术问题

但是，可列举出以下2个上述背景技术所存在的问题。

第一，构成基准数据库的数据结构平衡度会影响判别性能。这是因为使用马氏距离的方法是基于到基准数据库重心的距离判别是否正确。当基准数据库的数据结构失衡时，重心位置也会受到失衡的影响，因此错误判别率可能上升。希望检测出如吸入气泡导致的分注异常那样，与正常时相比压力变动差较小的异常情况时，此问题则尤为重要，可能必须为了使得平衡度最优化而花费更多的精力用于调整基准数据库。

第二，伴随着特征量(从压力波形中提取的信息)数量的增加，会导致计算量变得庞大。为了提高判别性能，有时增加特征量的数量是重要的，但是能够用于计算的时间有限。由于特征量的数量增加也可能导致计算无法完成，所以为了在规定时间内完成计算，有时必须提高微机等的性能。针对如此庞大的计算量，可能有必须对特征量的数量设限、导致成本上升之虞。该庞大的计算量是由马氏距离的计算式所产生的问题。

本发明鉴于上述问题开发而成，其目的在于，实现一种可以高准确度检测分注异常的自动分析装置，其不会产生由于基准数据库的结构平衡度导致的判别性能下降及计算量庞大等情况。

解决技术问题的技术方案

为了达到上述目的，本发明的结构如下。

本发明的自动分析装置具备：反应盘，其配置有多个反应容器；试样分注机构，其具有试样分注喷嘴，该试样分注喷嘴吸入试样容器中收容的试样，向在上述反应盘中配置的上述反应容器喷出；试剂盘，其配置有多个试剂容器；试剂分注机构，其具有试剂分注喷嘴，该试剂分注喷嘴吸入上述试剂容器中收容的试剂，向上述反应盘中配置的上述反应容器喷出；分光检测器，其检测透过上述反应容器中收容的溶液的光；压力传感器，其检测上述试样分注喷嘴的内部压力；控制部，其控制上述反应盘、上述试样分注机构、上述试剂盘、上述试剂分注机构以及上述分光检测器的动作。

而且，上述控制部根据上述压力传感器检测出的压力波形，计算出多个特征量，再通过使用了最优系数的线性组合式即判别函数，由上述多个特征量运算出一个输出值，再基于运算出的上述一个输出值，判别上述试样喷嘴是否正常吸入及喷出试样。

上述自动分析装置还具备显示部，当上述控制部判别出上述试样喷嘴未正常吸入或喷出试样时，在上述显示部显示存在分注异常，并且控制上述反应盘、上述试样分注机构、上述试剂盘、上述试剂分注机构以及上述分光检测器，执行下一个试样的分析动作。

发明效果

通过本发明，能够实现一种可以高准确度检测分注异常的自动分析装置，其不会产生由于基准数据库的结构平衡度导致的判别性能下降及计算量庞大等情况。

附图说明

图1是使用本发明的自动分析装置的整体概略结构图。

图2是多个分注机构中以试样分注机构为代表，示意性地表示其内部结构的图。

图3是表示控制装置详情的功能框图。

图4是表示本发明实施例1中吸入检体或试剂时的压力波形例的图。

图5是表示根据基准数据计算出的特征量分布的图。

图6是说明判别式的计算方法的图。

图7是成本函数q的说明图。

图8是表示在实际的分注系统中，获得正常的基准数据和异常的基准数据，验证判别能力的实验结果例的图。

图9是表示异常判定处理的流程图。

图10是说明根据实施例1的方法确定判别面的特征的图。

图11是实施例2的说明图。

图12是表示实施例3中判别函数的系数求法的概念图。

具体实施方式

以下，参照附图，对本发明的实施方式进行说明。

【实施例】

(实施例1)

(1)自动分析装置的整体结构

图1是使用本发明实施例的自动分析装置的整体概略结构图。

在图1中，自动分析装置具备：试样盘(样本盘)10、第1试剂盘20、第2试剂盘30、反应盘40、试样分注机构50、第1试剂分注机构60、第2试剂分注机构70、测光机构80、以及控制装置90。

试样盘10上搭载有多个检体容器11，该多个检体容器11在周向上排列并收容有作为分析对象的血液或尿液等生物检体。试样盘10被未图示的旋转驱动装置旋转驱动，在周向上搬运检体容器11。

第1试剂盘20上搭载有多个试剂容器21，该多个试剂容器21在周向上排列并收容有用于检体分析的试剂(第1试剂)。第1试剂盘20被未图示的旋转驱动装置沿周向旋转驱动，在周向上搬运试剂容器21。

第2试剂盘30上搭载有多个试剂容器31，该多个试剂容器31在周向上排列并收容有用于检体分析的试剂(第2试剂)。第2试剂盘30被未图示的旋转驱动装置沿周向旋转驱动，在周向上搬运试剂容器31。

反应盘40上搭载有多个反应容器41，该多个反应容器41在周向上排列并收容有检体和试剂的混合液(反应液)。反应盘40被未图示的旋转驱动装置沿周向旋转驱动，在周向上搬运反应容器41。此外，在反应盘40的反应容器41的搬运路径上，配置有：搅拌机构42，其对反应容器41中收容的混合液进行搅拌；以及清洗机构43，其对分析结束后的反应容器41进行清洗。

试样分注机构50将分注喷嘴(分注探头)51(如图2所示)浸渍在检体容器11所收容的分注对象即检体中并进行吸入，再将其喷出至反应容器41中，从而进行检体的分注。试样分注机构50被未图示的驱动装置沿水平及垂直方向驱动。试样分注机构50具备分注流路53、压力传感器54、定量泵57。以下将说明试样分注机构50的详情。

第1试剂分注机构60将分注喷嘴(未图示)浸渍在试剂容器21收容的分注对象即第1试剂中并进行吸入，再将其喷出至反应容器41中，从而进行第1试剂的分注。第1试剂分注机构60被未图示的驱动装置沿水平及垂直方向驱动。

第2试剂分注机构70将分注喷嘴(未图示)浸渍在试剂容器31收容的分注对象即第2试剂中并进行吸入，再将其喷出至反应容器41中，从而进行第2试剂的分注。第2试剂分注机构70被未图示的驱动装置沿水平及垂直方向驱动。

测光机构80配置在反应盘40的反应容器41的搬运路径上，具备：光源81，其对收容有测定对象的反应液的反应容器41照射光；以及分光检测器82，其对透过在反应容器41中收容的反应液的透射光进行检测。分光检测器82的检测结果被转换成数字信号，发送至控制装置90。

控制装置90控制包含各驱动装置的自动分析装置整体的动作，其进行：分析处理，即对作为分析对象的血液或尿液等检体进行分析；以及异常判定处理等，该异常判定处理对伴随着分析处理的各分注机构50、60、70的异常进行判定，其具备：用于输入各种设定值或指令等的输入装置91，以及显示各种设定画面或分析结果画面等的显示装置92。

(1－1)分注机构50、60、70

图2是多个分注机构中以试样分注机构50为代表，示意性地表示其内部结构的图。

如图2所示，试样分注机构50具备：分注喷嘴51，其具有用于使检体51a以及系统液51b通过内部的分注流路53；定量泵57，其将试样51a、系统液51b及分离空气51c等从分注喷嘴51吸入/喷出等；压力传感器54，其检测分注喷嘴51的内部(换而言之，即分注流路53的内部)压力；泵59，其与分注流路53连接；以及阀门58，其设置于分注流路53和泵59之间的流路上。上述分离空气51c是用于将试样51a和系统液51b相互分离的空气。

在分注喷嘴51浸渍在试剂侧的一端形成有节流部52，其剖面积小于分注流路53的其他部分。

定量泵57与分注喷嘴51的另一端连接，通过由驱动机构56使柱塞55进入分注流路53内或者使柱塞55从分注流路53内退出，来调整分注流路53内的容量，从而从节流部52吸入/喷出检体等。

泵59向分注流路53供应系统液51b，伴随着阀门58的开关状态，被控制装置90控制。

压力传感器54对分注喷嘴51内的压力检测结果经由a/d转换器54a，被发送至控制装置90。

另外，在第1及第2试剂分注机构60、70中也具有与试样分注机构50相同的结构，因此省略图示及详细的说明。

(1－2)控制装置90

图3是表示控制装置90详情的功能框图。

在图3中，控制装置90除了输入装置91和显示装置92，还具备控制部300。

而且，控制部300具备判定部200，其具有：压力信号处理部96，其针对来自各分注机构50、60、70的a/d转换器54a的压力信号的数字信号，计算出特征量；判别函数运算部94，其使用基准数据，采用预先规定的判别函数进行运算，该基准数据由压力信号处理部96计算出的特征量和在正常条件及异常条件下获得的数据构成；存储部93，其存储分析处理和异常判定处理等自动分析装置的动作中使用的各种信息；分注处理异常判定部95，其将为了用于分注处理的异常判定处理而存储于存储部93的阈值、和判别函数运算部94计算出的值比较，进行分注处理的异常判定处理。

此外，控制部300具备：分析部201和控制指令部202，该分析部201接收从分光检测器82供应的分光数据，并进行检体的分析。控制指令部202将来自分析部201的分析结果显示在显示装置92上等。此外，控制指令部202基于来自分注处理异常判定部95的异常判定结果，控制分析处理机构(第1、第2试剂盘20、30、试样盘10、反应盘40、试样分注机构50、第1、第2试样分注机构60、70、测光机构80等)的动作。控制指令部202为了进行通常的分析动作，控制分析处理机构1000的动作。

(2)分析处理

以下对本发明实施例1所述自动分析装置的分析处理基本动作进行说明。

分析处理是在血液或尿液等检体所含有的特定成分中添加会产生特异性反应的试剂使其产生反应，通过测定反应液的吸光度，进行定性/定量分析。

在图1中，首先在检体容器11中收容作为分析对象的检体(试样)，并将其搭载在试样盘10上。另外，各个检体的分析处理中所需的信息(分析项目和试剂种类等)预先通过控制装置90的输入装置91进行输入和存储。

接下来，由试样分注机构50的分注探头51(如图2所示)从检体容器11中吸入定量的检体，并喷出至反应盘40上搭载的反应容器41中，从而进行分注。

之后，通过由第1及第2试剂分注机构60、70从试剂容器21、31中吸入定量的试剂，再喷出至反应盘40的反应容器41中，进行分注，再由搅拌机构42进行搅拌。另外，由第1及第2试剂分注机构60、70分注的试剂的种类、分量及定时等，根据检体的种类或分析项目等预先予以规定。

之后，反应盘40周期性地反复旋转/停止，在反应容器41通过测光机构80(即通过光源81和分光检测器82之间)时进行测光。在预先规定的反应时间内，由分光检测器82反复测光，然后由清洗机构43清洗分析结束后的反应容器41。测光机构80也对多个检体容器41并排进行测光。由测光机构80检测的结果被发送至控制装置90的控制部300，计算出对应分析种类的成分浓度，显示在显示装置92上。

(2－1)分注处理

接下来，关于分析处理中分注机构的分注处理基本动作进行说明。

此处，在分注机构50、60、70中以试样分注机构50为代表进行说明。

在图1、图2中，试样分注机构50进行的分注处理(即检体的分注处理)是在分注探头51浸渍在作为分注对象的检体中的状态下，吸入检体，再喷出至规定的反应容器41中，从而进行分注。

控制装置90首先在吸入检体前，打开阀门58，使得从泵59供应的系统液51b充满分注探头51的分注流路53内部，再关闭阀门58。接下来，在分注探头51的前端处于空中的状态下，通过驱动机构56使柱塞55进行下降动作，吸入分离空气51c。

再使分注探头51下降至检体容器11中，在其前端浸渍到检体中的状态下再对柱塞55实施下降动作，将检体吸入至节流部52及分注探头51的分注流路53内。之后，在将分注探头51移动至反应容器41上的状态下，通过驱动机构56使柱塞55进行上升动作，分注探头51的前端开口部喷出检体，直至达到分离空气51c。

分注探头51吸入及喷出检体时，由压力传感器54检测分注探头51的分注流路53的压力，并通过a/d转换器54a进行数字转换，再发送至控制装置90中的控制部300的判定部200。

控制装置90中的控制部300的判定部200根据压力传感器54a的检测结果(即吸入时及喷出时的压力波形)，进行异常判定处理，判定各分注机构50、60、70有无异常，判定出有异常时，分析处理机构1000根据控制指令部202的指令暂停分析处理，并通过在显示装置92上显示警报等方式通知操作员，敦促进行复位动作。

复位动作是从排除发生异常的原因后的再次分注、转移至其他检体的分析、以及停止装置等中进行选择。根据发生异常的原因，能够分开进行复位动作。

分注探头51在喷出检体后，通过开关阀门58，被系统液51b的流体清洗，以备下一次的分注处理。

(2－2)异常判定处理

异常判定处理是判定各分注机构50、60、70在分注处理中的异常情况的处理。参照图1、图3进行说明。

在异常判定处理中，判别函数运算部94将判定对象数据的特征量用于预先规定的判别函数中并进行运算，该判定对象数据的特征量是根据各分注机构50、60、70的分注喷嘴51吸入及喷出对象(检体或试剂)时的压力波形(即压力传感器54的检测结果)计算得出。

分注处理异常判定部95将判别函数运算部94输出的值和存储部93中存储的阈值进行比较，基于该比较结果，进行各分注机构50、60、70分注异常的判定。存储部93中存储的阈值是预先针对每个分注处理对象及各个分注量所规定的。

(2－2.1)确定判别函数

图4是表示本发明实施例1中吸入检体或试剂时的压力波形例的图。图4中，粗实线所示的波形是表示正常分注的情况，细实线所示的波形是空吸、吸入气泡、堵塞等未正常分注的情况。

未正常分注的原因有分注喷嘴51堵塞、吸入气泡、空吸等，根据原因不同，压力波形的变化方式也存在差异。即使原因相同，由于例如吸入气泡时的气泡大小或者在何时吸入气泡等，也会造成变化方式存在差异。在正常分注的情况下，由于吸入液体的粘性及分注喷嘴的位置等各种原因，都会使波形发生变动。

为了将压力波形的形状量化，通过预先规定的方法，从压力波形中计算出n个特征量(x1、x2、……、xn)。特征量能够使用分割区间内(时间内)的平均值、峰值位置、峰值高度等。特征量会形成以各个特征量为坐标的n维的特征量空间。

预先根据分注的正常条件及模拟异常情况的条件获得基准数据。

图5是表示根据基准数据计算出的特征量分布的图，其是对特征量分布进行主成分分析的平面上的分布图。图5中，圆圈标记表示正常，+标记表示吸入小气泡，倒三角标记表示吸入大气泡，×标记表示堵塞，黑色圆点表示空吸的情况。

在主成分平面上，可知正常及异常的基准数据分别分布得较广。另外，此处所示的是一部分条件的数据，若显示所有条件的数据，则在主成分平面上会发生正常分布和异常分布的重叠。

下面，采用图6说明判别式的计算方法。图6是表示由特征量空间中的2个坐标表示的平面内数据分布的图。假设有2个数据组1、2。可以将数据组1设为正常的基准数据，数据组2设为异常的基准数据。考虑作为一般方法的判别面。判别面在2维平面上是直线，但在3维空间内是平面，在n维空间内是超平面。与判别面正交的方向视作新坐标h。坐标h的值能够视作各数据点与判别面的距离。使用公式表示，即为下式(1)。

h＝k1x1+k2x2+……knxn+c……(1)

在式(1)中，k1、k2、……kn是判别面的法线矢量方向的余弦。

此处，对称作成本函数q的函数进行定义。成本函数q表示相对于特征量空间中的某坐标上存在隶属于某数据组的数据的成本。设想定义如下，即该坐标处于该数据普遍存在的区域内则成本低，若其处于仅稀少存在的区域内则成本变高。

在此定义中，包含未确定的上述k、c这样的参数。未规定的参数k、c通过代入基准数据组中的各数据点来计算成本，以使该成本总和达到最小为目的，进行最优化。

最后使用最优化的参数，制作下述的判别式。

在对于各数据点的h，计算称作成本函数q的函数。图7是成本函数q的说明图。成本函数q呈如图7所示的形状。即，在特征量空间中若与预先规定的判别面的垂直方向距离变大，则收敛为固定值，相对于数据组1的成本函数q在h小于0时则为0，当h大于0时则为1，但当h接近0时，则取0到1中间的值。相对于数据组2的成本函数q在h小于0时则为1，当h大于0时则为0，但当h接近0时，则取0到1中间的值。此种函数中可以使用评定(logit)函数或概率(probit)函数，但不限定于此。

针对正常的基准数据和异常的基准数据，计算成本函数q，搜索使总和最小的参数k1、k2、……kn及c的值。在该条件下确定的判别面是能够最好地将数据组1和数据组2分离的面。

即，通过判别面能够将数据组1和数据组2完全分离时，使分布在判别面附近的数据点处于尽可能远离判别面的位置，即使无法完全分离时也使横切判别面的数据数量最小。搜索总和最小的参数k1、k2、……kn及c的值时，使用最优化算法。

特别是，在成本函数中使用了logit函数或概率函数的情况下，在确定最佳系数时，能够使用广义线性模型进行计算，例如能够使用malta(注册商标)等市售应用软件。

使用如此最优化后的参数k1、k2、……kn及c的值，将判别函数f作为特征量的线性组合式定义为以下式(2)。

f＝k1x1+k2x2+……knxn+c……(2)

使用判别函数f的判别式定义为以下式(3)、(4)。

f＜0……判定为正常(3)

f≥0……判定为异常(4)

另外，用于判别分注正常或者异常的判别式不限定于上述式(3)、(4)，也可以是多项式。上述式(3)、(4)最为简便，因此在实施例1中，将判别式定义为上述式(3)、(4)。

此外，将上述式(3)、(4)作为判别式是因为上述式(3)、(4)是以针对基准数据组计算的成本最小的方式决定的区域划分，因此只要是从与分注正常或者异常的基准数据组相同的总体发生的数据，则应当能够同样地缩小成本。

此外，上述判别函数的输出值接近预先规定的阈值时，还能够变更判别函数的线性组合式的系数或者阈值，判别上述试样喷嘴吸入及喷出试样是否正常。

图8是表示在实际的分注系统中，获得正常的基准数据和异常的基准数据，验证判别能力的实验结果例的图。

在图8中，横轴表示特征量的数量n，纵轴表示错误判别的比率。将正常错误判别为异常时记为fp(圆圈标记)，将异常错误判别为正常时记为fn(方形标记)，错误判别的比率是将其数量除以整体数据数量的比率。如图8所示的例子中，特征量的数量n为30以上时错误判别率为1/1000以下，n为40以上时未发生错误判别，因此特征量的数量采用40以上。

另外，由图4可知，此处所示的系统下的压力波形变动持续时间是从时间点t0到tn，考虑压力变动的主导性振动周期是从时间点t0到t1的大约一个周期，因此变动持续时间是主导性振动周期的10倍左右。

由此能够推测出，所需的特征量数量是吸入或喷出时间除以流体周期的值的4倍左右。即，特征量的数量为40以上，变动持续时间为主导性振动周期的10倍左右，因此所需特征量的数量判断为吸入或喷出的时间除以流体周期的值的4倍左右(40/{(t0～tn)/(t0～t1)}＝4)。

当然，不同系统下所需的特征量数量存在差异，有时采用较少的特征量便足以判别出异常情况。

(2－2.2)异常判定处理的动作

图9是表示异常判定处理的流程图。

另外，虽然在图9中以试样分注机构50的动作为例进行了说明，但是第1试剂分注机构60及第2试剂分注机构70也同样进行异常判定处理。因此，第1试剂分注机构60及第2试剂分注机构70的动作通过试样分注机构50的动作说明取而代之，省略详细说明。

在图9中，控制装置90被指示开始分析后，由试样分注机构50进行分注工序的吸入动作(step1(步骤1))，再由判定部200的压力信号处理部96，针对从a/d转换器54a发送来的压力波形的数字信号，计算出判定对象数据的特征量(step2(步骤2))。

之后，判别函数运算部94使用从压力信号处理部96发送来的判定对象数据的特征量，进行上述判别函数f的计算，并输出一个值(step3(步骤3))。

接下来，由分注处理异常判定部95判定判别函数运算部94计算并发送来的值是否小于存储部93中存储的阈值，即是否小于0(step4(步骤4))。

步骤4的判定结果为否时(分注异常)，控制指令部202向分析处理机构1000、显示装置92发送动作指令，进行复位处理(step5(步骤5))，结束处理。另外，复位处理是指分注处理异常判定部95发出存在吸入异常的信息，显示装置92进行警报处理(可显示存在分注异常的处理)以及分析处理机构1000执行推进至下一个检体处理动作的处理。

此外，步骤4的判定结果为是时(分注正常)，控制指令部202向分析处理机构1000发送动作指令，进行喷出动作(step6(步骤6))。然后，由控制部300判定是否有下一次的分注(step7(步骤7))。

当步骤7的判定结果为是时，即存在下一次的分注时，则返回至步骤1的处理。当步骤7的判定结果为否时，即没有下一次的分注时，则结束处理。

关于步骤3、步骤4，针对包含堵塞、空吸、吸入气泡中任一情况的多种异常或多个条件下的各个正常状态，还能够分别使用不同的判别函数及阈值。

例如，考虑可以首先针对堵塞检测使用马氏距离进行异常检测，在去除异常数据后，使用上述判别式即线性组合式，检测空吸及吸入气泡的情况。

另外，上述例子是对分注机构吸入检体或试剂时的压力变动进行检测及处理，对喷出检体或试剂时的压力变动也进行同样的处理。

(3)本实施方式的效果

以下针对如上结构的本实施例1的效果进行说明。

使用马氏距离作为分注异常检测方法的自动分析装置存在2个由于马氏距离的计算式导致的问题点。第一，构成基准数据库的数据结构平衡度会影响判别性能，第二，伴随着特征量数量的增加，会导致计算量庞大。

对此，本实施例1用线性组合式表示判别函数，因此即使特征量的数量n较大，也可将计算量控制在较小程度。另外，判别式不仅可以是线性组合式，还可以包含少数的非线性项。

此外，本实施例1的情况下，使用当与判别面的距离h偏离0时收敛为0或1的成本函数q，计算出使该总和最小的参数，确定判别函数，因此确定的判别面是最佳地将n维数据空间分离的面。

图10是说明根据本实施例1的方法确定判别面的特征的图。在图10中，特征量的数量n为2时，特征变量平面上的分布即基准1的数据点(正常)为100a(黑色圆点)、100b(黑三角)，基准2的数据点(异常)为101(方形)。然后，根据本实施例1方法确定的判别线为98a、98b，根据以往的方法确定的判别线为97a、97b。

判别线98a是根据正常的基准1数据100a和异常的基准数据101求出的判别式。此外，判别线98b是将正常的基准数据100a加上100b求出的判别式。

而判别线97a是根据使用了正常的基准数据97a和马氏距离的以往方法求出的判别式，判别线97b是将正常的基准数据97a加上正常的基准数据97b，根据使用了马氏距离的以往方法求出的判别式。

以往的方法中，根据与基准数据分布的重心的距离即马氏距离划出判别线，因此当基准数据变化时，判别线的位置会发生较大变化，判别性能不稳定。

相对于此，本实施例1不受基准数据分布重心所限，能够在可使判别最佳的位置上设置判别线，因此可知即使基准数据的分布发生变化，判别线98a、98b的位置变化也小，能够发挥稳定的判别性能。

此外，本实施例1的情况下，判别式不易受到基准数据的分布重心的影响，因此即使基准数据获取条件的稍许欠缺平衡，也能够高性能地判别。

本实施例1即使由于自动分析装置的使用条件发生变化等原因，导致最初确定的正常、异常条件发生变更，也可以随后追加基准数据，再次计算判别函数的系数。此时，追加的条件处于靠近判别面的位置时，判别函数的系数得以调整，判别面的倾斜度会适当改变。追加的条件处于远离判别面的位置时，对判别面几乎没影响。

另外，为了方便起见，图10将特征量的数量n设为2，因此在图形上能够容易想象出最佳的判别线位置，但是当n为3以上时，则无法在图形上想象最佳的判别面倾斜度及位置，则必须使用计算机进行优化。

(实施例2)

下面，对本发明的实施例2进行说明。实施例2是使用2个判别函数时的例子。使用实施例2的自动分析装置的整体结构、试样分注机构、试剂分注机构与实施例1相同，因此省略图示及详细的说明。

此外，控制装置90也与实施例1的结构相同，因此省略图示及详细的说明。但，在判别函数运算部94运算下述判别函数fa和判别函数fb，在分注处理异常判定部95针对判别函数fa和判别函数fb各自的运算结果进行判定。

并且，实施例2中的异常判定处理动作与图9所示的流程图相同，因此省略图示及详细的说明。但，在步骤3中运算下述判别函数fa和判别函数fb，在步骤4中，针对判别函数fa和判别函数fb各自的运算结果进行判定。

关于实施例2，参照图11进行说明。图11是实施例2的说明图。在图11中，横轴是将基准数据组1设定为正常，将基准数据组2设定为堵塞和吸入小气泡而求出的判别函数fa，纵轴是将基准数据组1设定为正常，将基准数据组2设定为空吸和吸入大气泡而求出的判别函数fb。在图11中，将判别函数fa记为判别函数a，将判别函数fb记为判别函数b。

判别函数fa、fb分别与上述式(2)的判别函数f相同，确定参数并进行定义(判别函数fa、fb分别设定参数)。

即使1个判别函数难以判别，也能够分类成多个异常种类，确定各自的判别式，只要使用这些判别式判别异常，即能够提高判别的精度。判别式可以与实施例1相同。

该实施例2也能够获得与实施例1相同的效果，判别函数fa、fb和判别函数f同样是线性组合式，因此即使使用多个判别式，也不会使计算量变得庞大。

此外，该实施例2的情况下，分别使用各个判别式的判别结果，能够根据异常种类选择装置动作。

此外，在上述例中是将异常种类分成了多个，但是也能够将正常的条件分成多个。

(实施例3)

下面，对本发明的实施例3进行说明。使用实施例3的自动分析装置的整体结构、试样分注机构、试剂分注机构与实施例1相同，因此省略图示及详细的说明。

此外，控制装置90的异常判定处理动作也与实施例1的结构相同，因此省略图示及详细的说明。

实施例3中，判别函数的系数(参数)求法与实施例1不同。图12是实施例3中判别函数的求法的概念图。

在图12中，为了求出判别基准1的正常数据点100(黑色圆点)和基准2的异常数据点101(方形)的判别线99，不使用所有的数据点，而是选择与确定判别式相关的少数数据点102(圆圈圈出的点)，使用这些点确定判别函数。被选择的数据称作支持向量。支持向量的选择能够采用称作支持向量机的方法，其例如能够使用matlab(注册商标)等市售应用软件进行计算。

支持向量从基准1及基准2这两方中选择。将支持向量的数量设定为r，第j号的支持向量的特征量用xj、1、xj、2、……xj、n表示后，使用由支持向量机计算的加权系数αj，计算下式(5)。

ki＝α1x1，i+α2x2，i+……+αrxr，i……(5)

在上述式(5)中，第j号的αj具有在基准1的支持向量下为正，而在基准2的支持向量下为负的值。

采用由上述式(5)获得系数k1、k2、……、kn和由支持向量机另外计算得到的截距c，确定上述式(2)的判别函数f。

判别式与上述式(3)、(4)相同。

本发明的实施例3也能够获得与实施例1相同的效果。该实施例2的情况下，仅使用对判别影响大的基准数据确定判别式，因此处于远离判别面的位置的基准数据的影响小，能够获得不受基准数据分布限制且稳定的判别性能。

另外，在上述例中，试剂分注机构60、70也与试样分注机构50相同，其构成为判别吸入及喷出试剂的异常，但是本发明的异常判别也可以仅适用于试样分注机构。此外，本发明的异常判别也可以仅适用于试剂分注机构。

标号说明

10……试样盘(样本盘)，

11……检体容器，

20……第1试剂盘，

21……试剂容器，

30……第2试剂盘，

31……反应容器，

40……反应盘，

41……反应容器，

42……搅拌机构，

43……清洗机构，

50……试样分注机构，

51……分注喷嘴(分注探头)，

52……节流部，

53……分注流路，

54……压力传感器，

54a……a/d转换器，

55……柱塞，

56……驱动机构，

57……定量泵，

58……阀门，

59……泵，

60……第1试剂分注机构，

70……第2试剂分注机构，

80……测光机构，

90……控制装置，

91……输入装置，

92……显示装置，

93……存储部，

94……判别函数运算部，

95……分注处理异常判定部，

96……压力信号处理部，

200……判定部，

201……分析部，

202……控制指令部，

300……控制部，

1000……分析处理机构。