本申请对2016年1月28日提交的、题为“methodsandapparatusadaptedtoquantifyaspecimenfrommultiplelateralviews”的序列号为62/288,362的美国临时专利申请要求优先权，所述专利申请的公开内容由此通过引用以其全部被并入本文中。
本发明涉及用于测试试样的方法和装置，并且更具体地涉及用于确定试样中所包含的各种组分的量的方法和装置。
背景技术：
自动化测试系统可以使用一个或多个试剂来标识诸如尿、血清、血浆、间隙液体、脑脊液等等之类的试样中的分析物或其它成分来进行试验或临床分析。为了便利和安全的原因，这样的试样通常被包含在试样容器（例如试样收集管）内。测试反应生成各种改变，所述改变可以被读取和/或操纵以确定试样中所包含的分析物或其它成分的浓度，其在一些实施例中可以指示患者的疾病状态。
自动化测试技术中的改进已经伴随有通过被称为“实验室自动化系统（las）”的自动化试样制备系统的预分析试样制备和处置操作（诸如分类、批制备、使试样容器离心以分离试样组分、移除盖子以促进流体进入等等）中的对应进步。las还可以自动地将试样容器中的试样输送到多个试样处理站，使得可以在其上执行各种操作（例如预分析或分析测试）。
las可以处置在可以具有不同尺寸的标准、有条形码标签的试样容器中所包含的多个不同试样。条形码标签可以包含编目号，所述编目号可以包含或相关于患者信息、其它信息，其可以连同测试次序和其它期望的信息一起被录入到医院的实验室信息系统（lis）中。操作者可以将有标签的试样容器置于las系统上，所述las系统可以自动路由试样容器以用于预分析操作，诸如离心、脱盖、和/或等分（aliquot）制备，并且所有都在试样实际经受也可以是las的部分的一个或多个分析器（临床化学或试验仪器）的临床分析或试验之前。
对于某些测试，可以使用血清或血浆部分（通过离心获得自完整血液）。胶体分离器可以被添加到试样容器以有助于在一些情况中经沉淀的血液部分与血清或血浆部分的分离。在离心和随后的脱盖过程之后，试样容器可以被输送到适当的分析器，所述分析器可以从试样容器中提取试样的精确血清或血浆部分，并且在反应器皿（例如试管）中组合血清或血浆部分与一个或多个试剂。然后可以通常使用例如询问辐射射束或通过使用测光或荧光吸收读数等等执行分析测量。测量允许确定端点或比率或其它值，据此通过使用众所周知的技术来确定分析物或其它成分的量。
不幸地，试样中各种部分（例如经沉淀的部分、血清或血浆部分、和胶体分离器（如果被使用的话））之间的划界的确定通过使用现存方法可能难以确定。因而，结果得到的血清或血浆部分的体积，或者经沉淀的部分与血清或血浆部分的相对量可能难以确定，或简单地没有被确定。
之前，可以通过深度传感器（例如经由电容性探针测量或在探针下降时监视吸引压力）来确定试样的血清或血浆部分的液体-气体界面的位置。基于此，可以使探针（另行被称为“移液管”）在血清或血浆部分的表面以下降低预定量，并且吸引可以开始。然而，不知道可用血清或血浆部分的量、尤其是当在患者试样上安排了多个测试的时候可能导致探针的沾污。如果探针被降低得太多，则探针可能被沾污有经沉淀的血液部分或胶体分离器，这可能需要尖端替换或停止分析器以清洁探针。
由于la界面检测包括以上列举的问题，所以期望的是在不使用电容性或基于压力的方法而是经由自动化光学检查方法的情况下评估试样的各种部分的大小。然而，在一些情况中，直接粘附到试样容器的条形码标签可能部分地遮挡试样，使得可能没有清楚的机会来可视地观察血清或血浆部分。此外，相当大的色差可能存在于包括溶血、黄疸、和脂血的试样之间，其使得划界线的检测进一步复杂化。
其它系统（诸如在miller的公布号为2012/0140230的美国专利中所描述的那些）描述了旋转试样容器以找到不被标签遮挡的观察窗，然后通过使用光学成像系统来测量组分的相对量。然而，这样的系统可能不太倾向于易于自动化。
由于在确定试样中所包含的各种组分的量中所遇到的困难，存在对于以下的未被满足的需要：被适配成容易地确定每个组分的体积和/或组分之间的划界的精确位置的方法和装置。所述方法和装置不应当可察觉地不利地影响获得分析测试结果的速度，即可察觉地减缓las上发生的整体测试过程。此外，所述方法和装置应当能够甚至在有标签的试样容器上被使用，其中一个或多个标签遮挡试样的某个部分。
技术实现要素：
根据第一方面，提供了对试样容器内所包含的试样进行量化的方法。所述方法包括提供试样；以具有不同标称波长的多个光谱并且以多个不同的曝光来捕获试样的图像；从以多个光谱中每一个光谱以多个不同曝光的图像中选择最优曝光的像素来针对多个光谱中的每一个生成最优曝光的图像数据；将试样分类成各种类的类型，包括以下各项中的一个或多个：血清或血浆部分、经沉淀的血液部分、胶体分离器（如果胶体分离器被使用的话）、空气、管、标签、或盖子；以及计算以下各项中的一个或多个：在空气和血清或血浆部分之间的液体-空气界面的位置、在血清或血浆部分与胶体分离器（如果胶体分离器被使用的话）之间的血清-胶体界面的位置、在血清或血浆部分与经沉淀的血液部分之间的血清-血液界面的位置、在经沉淀的血液部分与胶体分离器（如果胶体分离器被使用的话）之间的血液-胶体界面的位置、血清或血浆部分的体积和/或深度、或经沉淀的血液部分的体积和/或深度。
根据另一方面，提供了被适配成量化试样的品质检查模块。所述品质检查模块包括多个相机，其被配置成以具有不同标称波长的多个光谱、多个曝光以及从不同视点捕获试样的图像；计算机，其被配置并且可操作以进行以下各项：从以多个光谱中每一个光谱以不同曝光的图像中选择最优曝光的像素来针对多个光谱中的每一个生成最优曝光的图像数据；将试样分类成各种类的类型，包括以下各项中的一个或多个：血清或血浆部分、经沉淀的血液部分、胶体分离器（如果其存在的话）、空气、管、标签、或盖子；以及通过确定以下各项中的一个或多个来量化试样：在空气和血清或血浆部分之间的液体-空气界面的位置、在血清或血浆部分与经沉淀的血液部分之间的血清-血液界面的位置、在血清或血浆部分与胶体分离器（如果其被使用的话）之间的血清-胶体界面的位置、在经沉淀的血液部分与胶体分离器（如果其被使用的话）之间的血液-胶体界面的位置、血清或血浆部分的体积和/或深度、或经沉淀的血液部分的体积和/或深度。
在又一方面中，提供了试样测试装置。所述试样测试装置包括轨道以及在轨道上的品质检查模块，所述品质检查模块包括：多个相机，其被配置成以具有不同标称波长的多个光谱、以多个不同曝光以及从不同视点捕获试样的图像；以及计算机，其被配置并且可操作以进行以下各项：从以多个光谱中每一个光谱以多个不同曝光的图像中选择最优曝光的像素来针对多个光谱中的每一个生成最优曝光的图像数据；将试样分类成各种类的类型，包括以下各项中的一个或多个：血清或血浆部分、经沉淀的血液部分、胶体分离器（如果胶体分离器被使用的话）、空气、管、标签、或盖子；以及通过确定以下各项中的一个或多个来量化试样：在空气和血清或血浆部分之间的液体-空气界面的位置、在血清或血浆部分与经沉淀的血液部分之间的血清-血液界面的位置、在血清或血浆部分与胶体分离器（如果胶体分离器被使用的话）之间的血清-胶体界面的位置、在经沉淀的血液部分与胶体分离器（如果胶体分离器被使用的话）之间的血液-胶体界面的位置、血清或血浆部分的体积和/或深度、或经沉淀的血液部分的体积和/或深度。
根据另一方面，提供了对试样容器内所包含的试样进行量化的蒙特卡洛仿真方法。所述方法包括：在成像位置处提供试样容器中所包含的试样；捕获试样的图像；确定至少包括血清或血浆部分以及经沉淀的血液部分的试样的区；从多变量层级（level）模型中得出层级假设；将层级假设映射到图像空间；在所述区内对置信度求积分；在每一个区内使置信度最大化；以及选择使置信度最大化的层级假设。
通过说明多个示例实施例和实现方式，包括被设想用于实施本发明的最佳模式，本发明的仍其它方面、特征和优点可以容易地从以下描述中显而易见。本发明还可以能够有其它和不同的实施例，并且可以在各种方面中修改其若干细节，全部都不偏离本发明的范围。因此，附图和描述在性质上被认为是说明性的，而不是限制性的。本发明将覆盖落入所附权利要求的范围内的所有修改、等同物和可替换方案。
附图说明
以下描述的附图仅仅用于说明性目的，并且不一定按比例绘制。附图不意图以任何方式限制本发明的范围。
图1图示了根据一个或多个实施例的包括一个或多个品质检查模块以及一个或多个分析器的试样测试装置的顶部示意图。
图2图示了包括试样的有标签的试样容器的侧视图，所述试样可以通过使用根据一个或多个实施例的试样量化方法来被量化。
图3图示了包括试样和胶体分离器的有标签的试样容器的侧视图，所述试样和胶体分离器可以通过根据一个或多个实施例的试样量化方法来被量化。
图4a图示了根据一个或多个实施例的被配置成捕获和分析多个图像以便量化试样的品质检查模块的示意性顶视图。
图4b图示了根据一个或多个实施例的图4a的品质检查模块的示意性侧视图。
图4c图示了根据一个或多个实施例的被配置成捕获和分析多个图像以便量化试样的品质检查模块的示意性顶视图。
图4d图示了根据一个或多个实施例的图4c的品质检查模块的示意性侧视图。
图5图示了根据一个或多个实施例的被配置成量化试样的品质检查模块的组件的框图。
图6图示了根据一个或多个实施例的试样测试装置的组件的一般框图，所述试样测试装置包括量化试样的能力以及检测试样的特性或量化试样容器的能力。
图7是根据一个或多个实施例的量化试样的方法的流程图。
图8是根据一个或多个实施例的量化试样的蒙特卡洛仿真方法的流程图。
具体实施方式
在第一宽泛方面中，本发明的实施例提供用于量化试样的一个或多个尺寸特性的方法和装置。“尺寸特性”，如本文中所使用的，应当意指作为整体的试样的任何尺寸、构成试样的组分的任何尺寸，诸如血清或血浆部分的尺寸、经沉淀的血液部分的尺寸、胶体分离器（如果被使用的话）的尺寸以及这些组分中一个或多个的体积和/或深度。更精确地知道试样的一个或多个组分的尺寸特性可以用于在吸引序列期间恰当地引导探针（另行被称为“移液管”）在试样容器内的定位，使得探针不通过吸引经沉淀的血液部分或胶体分离器（如果被使用的话）而变得被阻塞或污染，并且可以最小化吸引空气。此外，能够准确地确定可用的血清或血浆部分的量允许更完整地使用该部分，并且允许如下核实的预检查：将有足够量的血清或血浆部分存在于试样容器中以便当在特定试样上安排了多个测试的时候实施测试。准确地知道血清或血浆部分以及经沉淀的血液部分的尺寸特性还使得能够生成其之间的比率。
试样，如本文中描述的，可以被收集在试样容器、诸如血液收集管中，并且在分离（例如使用离心的分部分离（fractionation））之后包括经沉淀的血液部分以及血清和血浆部分。经沉淀的血液部分由血细胞构成，所述血细胞诸如白血细胞（白血球）、红血细胞（红血球）以及血小板（凝血细胞），其被聚合并且与血清或血浆部分分离。经沉淀的血液部分通常存在于试样容器的底部部分处。血清或血浆部分是血液的液体组分，其不是经沉淀的血液部分的部分。它通常存在于经沉淀的血液部分上方。血浆和血清主要在凝固组分的内容方面不同，主要是纤维蛋白原。血浆是不凝结的液体，而血清是指已经被允许在内生酶或外源性组分的影响下凝结的血液血浆。在一些试样容器中，胶体分离器（例如塞子（plug））可以被使用，其在分部分离期间将自身定位在经沉淀的血液部分以及血清或血浆部分之间。它用作两个部分之间的屏障。
根据一个或多个实施例，试样量化方法可以作为预分析测试方法被实施。例如，在一个或多个实施例中，试样量化方法可以在试样针对干扰物质的存在被表征之前、或在分析器上经受例程分析之前被实施。特别地，本发明的一个或多个实施例提供试样的尺寸量化作为用于进一步预分析测试的先决条件。可以在品质检查模块处确定试样的尺寸量化。品质检查模块可以包括多个相机，所述相机被布置成从不同的侧向视点提供试样容器和所包含的试样的图像。
特别地，尺寸量化方法涉及量化血清或血浆部分以及可能地试样的其它组分（例如经沉淀的血液部分），并且可以通过使用高动态范围（hdr）图像处理而被实施。根据所述方法，可以通过使用hdr图像处理而非常准确地确定血清或血浆部分的界面（例如液体-空气界面、血清-血液界面或血清-胶体界面）的位置。
在量化方法已经确定了试样的物理尺寸特性之后，所生成的hdr数据集可以用于确定关于试样的另外的信息，诸如在血清或血浆部分中是否存在任何伪像（例如凝块、气泡、泡沫），和/或确定存在干扰物质，诸如溶血、黄疸和/或脂血（下文中为“hil”）。如果发现血清或血浆部分包含伪像、或者一个或多个hil，则试样可经受进一步的处理。例如，所标识的凝块、气泡或泡沫可以被拿到另一站以供操作者手动移除所述凝块、气泡或泡沫，或用于针对hil的进一步处理或表征。在这样的进一步处理之后，在一些实施例中可以允许试样继续和经历通过一个或多个分析器的例程分析。如果预筛选发现试样是正常的，那么试样可以被直接路由以经历通过一个或多个分析器的例程分析。
在一些实施例中，品质检查模块被配置成实施尺寸量化方法。所述品质检查模块可以被提供作为实验室自动化系统（las）的部分，其中轨道将试样输送到一个或多个分析器，并且品质检查模块可以被提供在轨道上。在特定实施例中，品质检查模块被提供在轨道上，诸如加载站或轨道的其它定位处，使得可以在轨道上对试样进行尺寸上的量化。
包括hdr数据处理的所述量化方法可以包括在品质检查模块处在多个曝光（例如曝光时间）处并且当被具有不同标称波长的多个光谱照明的时候捕获多个图像。可以通过使用被布置成从不同视点捕获图像的多个相机获得图像。以多个光谱（例如颜色）拍摄一个或多个图像可以在使用不同光源用于照明的时候被实现。例如，可以使用白光源、红光源、绿光源、蓝光源、近红外光源、或uv光源。
可以通过品质检查模块获得针对每个光谱（或波长范围）的多个曝光处的图像。例如，可以在每个光谱（或波长范围）下获得不同曝光处的4-8或更多个图像。曝光可以基于光照强度和相机特征而变化。
发明的试样尺寸量化方法、品质检查模块以及包括所述品质检查模块的试样测试系统的进一步的细节将在本文中参考图1-7被进一步描述。
图1示出了能够自动处理试样容器102（例如试样收集管-参见图2和3）中的多个试样容器的试样测试装置100。试样容器102在被输送到一个或多个分析器（例如，分别被布置在试样测试装置100周围的第一、第二和第三分析器106、108、110）并且通过所述一个或多个分析器分析之前可以被包含在加载区域105处的一个或多个架子104中。应当显而易见的是可以使用更多或更少数目的分析器。分析器可以是临床化学分析器和/或试验仪器等等的任何组合。试样容器102可以是任何一般性透明或半透明的容器，诸如血液收集管、测试管、样品杯、试管或其它一般性清透的玻璃或塑料容器。可以使用其它合适的容器。
典型地，将被自动处理的试样212（图2和3）可以被提供给试样容器102中的试样测试装置100，所述试样容器102可以被盖子214（图2和3——另行被称为“塞子”）盖住。盖子214可以具有不同的形状和/或颜色（例如红色、品蓝、浅蓝、绿色、灰色、棕褐色、黄色或组合），其可以具有在试样容器102所用于的测试、试样容器102中的添加剂的类型等等方面的含义。可以使用其它颜色。
试样容器102中的每一个可以被提供有标识信息215（即标记），诸如条形码、字母的、数字的、字母数字的或其组合，其可以在试样测试装置100周围的各种位置处机器可读。例如，标识信息215可以指示、或可以以其它方式经由实验室信息系统（lis）147相关于患者的标识以及将在试样212上完成的测试或其它信息。一般可以在被粘附到试样容器102或以其它方式被提供在试样容器102的侧面上的标签218上提供这样的标识信息215。标签218一般不一路围绕试样容器102或完全沿着试样容器102的长度而延伸。在一些实施例中，多个标签218可以被粘附，并且可以稍微重叠。因此，尽管标签218可能遮挡查看试样212的一些部分，但是试样212的某些其它部分从某些视点仍可以是可查看的。本发明的实施例可以消除用于表征的试样容器的旋转（如现有技术中那样）。在一些实施例中，架子104可以在其上具有附加的标识信息，诸如条形码。
试样212可以包括被包含在管212t内的血清或血浆部分212sp以及经沉淀的血液部分212sb。空气212a可以被提供在血清和血浆部分212sp上方，并且在它们之间的线或划界在本文中被定义为液体-空气界面（la）。在血清或血浆部分212sp与经沉淀的血液部分212sb之间的划界线在本文中被定义为血清-血液界面（sb），如图2中所示。在空气212a和盖子214之间的界面在本文中被称为管-盖界面（tc）。血清或血浆部分212sp的高度是（hsp），并且被定义为从血清或血浆部分212sp的顶部到经沉淀的血液部分212sb的顶部、即在图2中从la到sb的高度。经沉淀的血液部分212sb的高度是（hsb），并且被定义为从经沉淀的血液部分212sb的底部到图2中sb处经沉淀的血液部分212sb的顶部的高度。图2中的htot是试样212的总高度，并且htot=hsp+hsb。
在其中使用胶体分离器313（参见图3）的情况中，血清或血浆部分212sp的高度是（hsp），并且被定义为从la处的血清或血浆部分212sp的顶部到sg处的胶体分离器313的顶部、即在图3中从la到sg的高度。经沉淀的血液部分212sb的高度是（hsb），并且被定义为从经沉淀的血液部分212sb的底部到图3中bg处的胶体分离器313的底部的高度。图3中的htot是试样212的总高度，并且htot=hsp+hsb+胶体分离器313的高度。在每个情况中，壁厚度是tw，外部宽度是w，并且试样容器102的内部宽度是wi。管的高度（ht）被定义为从管212t的最底部的部分到盖子214的底部的高度。
更详细地，试样测试装置100可以包括基底120（例如，框架或其它结构），在其上可以装配或支撑轨道121。轨道121可以是有轨的轨道（例如单轨轨道或多轨轨道）、传送带集合、传送链、可移动平台、或任何其它合适类型的传送机制。轨道121可以是圆形、蛇状或任何其它合适形状的。轨道121在一些实施例中可以是闭合的轨道（例如环状的轨道）。轨道121在操作中可以将试样容器102中单独的那些输送到围绕轨道121隔开的位置而同时驻留在载体122中。
载体122可以是可以被配置成在轨道121上承载单个试样容器102的无源、非装有电动机的定位盘（puck），或可选地是包括板上驱动电动机的自动化载体，所述板上驱动电动机诸如线性电动机，所述线性电动机被编程以绕轨道121移动并且停在围绕轨道121的预编程的位置处。载体122可以各自包括保持器122h（图4a-4d），所述保持器被配置成将试样容器102保持在所限定的竖立的定位中。保持器122h可以包括任何合适的构造，并且可以包括多个指状物或叶片弹簧，其将试样容器102紧固在载体122中，但是横向可移动或柔性以允许适应不同大小的试样容器102以被接收在其中。在一些实施例中，载体122可以从加载区域105离开，所述加载区域105具有被呈现在那里的一个或多个架子104。在一些实施例中，加载区域105可以用于如下双重功能：在完成分析之后允许试样容器102从载体122卸载。否则，可以在轨道121上的别处提供卸载通道。
机器人124可以被提供在加载区域105处，并且可以被配置成抓取位于所述一个或多个架子104处的试样容器102，并且将试样容器102加载到载体122上，诸如加载到轨道121上的输入通道上或轨道121上的别处。机器人124还可以被配置成在完成分析时从载体122移除试样容器102。机器人124包括能够进行x和z、y和z、x、y和z、r和西塔（theta）、或r、西塔和z运动的一个或多个（例如至少两个）机器人臂或组件。机器人124可以是台架（gantry）机器人、铰接式机器人、r-西塔机器人或其它合适的机器人，其中机器人124可以配备有机器人抓指，所述机器人抓指大小被定成拾取并且放置试样容器102。
在被加载到轨道121上时，载体122承载的试样容器102可以前进到离心机125（例如自动化离心机），所述离心机可以被配置成实施试样212的分部分离。承载试样容器102的载体122可以通过流入通道126或其它合适的机器人被转向到离心机125。在被离心之后，试样容器102可以在流出通道128上离开，或以其它方式被机器人移除，并且在轨道121上继续。在所描绘的实施例中，载体122中的试样容器102可以接下来被输送到品质检查模块130，所述品质检查模块将在本文中参考图4a和4d被进一步描述。
品质检查模块130被配置和适配用于试样容器102中所包含的试样212的量化。试样212的量化可以发生在品质检查模块130处，并且可以包括hsp、hsb、htot的确定，以及sb、la、sg和/或bg）的位置的确定。品质检查模块130还可以被配置用于确定存在干扰物质，诸如在将通过试样测试装置100被处理的试样212中所包含的溶血（h）、黄疸（i）和/或脂血（l）中的一个或多个。在一些实施例中，试样212还可以在品质检查模块130处针对存在伪像（例如凝块、气泡或泡沫）而被测试。在一些实施例中，试样容器102的物理属性的量化可以发生在品质检查模块130处，诸如确定ht、盖子颜色、盖子类型、tc和管宽度（w）。
一旦试样被量化，并且试样212和/或试样容器102可以针对干扰物质的存在、针对一个或多个伪像、或针对试样容器102的另外的表征而被预筛选，于是试样212可以在将每个试样容器102返回到加载区域105用于卸载之前被转发以在所述一个或多个分析器（例如分析器106、108和/或110）中被分析。
另外，远程站132可以被提供在自动化的试样测试装置100上，尽管远程站132不是直接链接到轨道121。例如，独立的机器人133（示出为点线式）可以将包含试样212的试样容器102运载到远程站132并且在测试/处理之后返回它们。可选地，试样容器102可以被手动移除和返回。远程站132可以用于针对某些成分（诸如溶血水平）被测试，或者可以用于进一步处理，诸如通过一个或多个添加物而降低脂血水平，或例如移除凝块、气泡或泡沫。可以在远程站132上实现其它测试或处理。此外，附加站（未示出）可以围绕轨道121被布置，诸如脱盖站、等分制备等等。
试样测试装置100可以包括在围绕轨道121的一个或多个位置处的多个传感器116。传感器116可以用于借助于读取被置于试样容器102上的标识信息215（图2）或可以被提供在每个载体122上的类似的信息（未示出）而检测沿着轨道121的试样容器102的位置。在一些实施例中，例如，不同的rfid芯片可以被嵌入在每个载体122中，并且常规的rfid读取器系统可以在追踪操作中被采用。可以使用用于追踪位置的其它部件，诸如邻近传感器。所有传感器116可以与计算机143对接，使得每个试样容器102的位置可以始终适当地已知。
分析器106、108、110中的每一个以及离心机125可以一般地配备有被配置成从轨道121移除载体122的机器人机构和/或流入通道（例如流入通道126、134、138、144），以及被配置成使载体122重进入到轨道121的机器人机构和/或流出通道（例如流出通道128、136、141和146）。
试样测试装置100可以由计算机143控制，所述计算机143可以是基于微处理器的中央处理单元cpu，具有合适的存储器以及合适的调节电子器件、驱动器以及用于操作各种系统组件的软件。计算机143可以被容纳为试样测试装置100的基底120的部分或与所述基底120分离。计算机143可以操作以经由所编程的指令而控制载体122向和自加载区域105的移动、关于轨道121的运动、向和自离心机125的运动。计算机143或分离的计算机可以控制离心机125的操作、向和自品质检查模块130的运动以及品质检查模块130的操作，以及向和自每个分析器106、108、110的运动，以及每个分析器106、108、110的操作以用于实施各种类型的测试（例如试验或临床化学）。
对于除了品质检查模块130之外的全部，计算机143可以根据软件、固件和/或硬件命令或电路（诸如由纽约柏油村的西门子健康护理诊断（siemenshealthcarediagnostics）公司所出售的dimension®临床化学分析器上所使用的那些）来控制试样测试装置100，并且这样的控制对于基于计算机的机电控制编程领域中的技术人员是典型的，并且将不在本文中被进一步描述。然而，可以使用用于控制试样测试装置100的其它合适系统。品质检查模块130的控制还可以由计算机143提供，但是根据发明的基于模型的方法，如将在本文中详细描述的。
本发明的实施例可以通过使用计算机接口模块（cim）145来被实现，所述计算机接口模块（cim）145允许用户容易并且快速地访问各种控制屏幕和状态显示屏幕。这些控制和状态屏幕可以描述用于试样212的制备和分析的多个相互联系的自动化设备的一些或所有方面。cim145可以被采用以提供关于多个相互联系的自动化设备的操作状态的信息、以及描述任何试样212的位置的信息，以及将在试样212上被执行、或正在试样212上被执行的测试的状态。cim145因而被适配成促进在操作者和试样测试装置100之间的交互。cim145可以包括显示屏，所述显示屏被适配成显示菜单，其包括图标、滚动条、框和按钮，通过所述菜单操作者可以与试样测试装置100对接。
在图2和3中，示出包括试样212的试样容器102。图2图示了试样212，其包括血清或血浆部分212sp以及经沉淀的血液部分212sb，没有胶体分离器。图3图示了试样212，其包括血清或血浆部分212sp以及经沉淀的血液部分212sb，具有胶体分离器313。根据发明的一方面对试样212进行预筛选允许准确地量化血清或血浆部分212sp以及经沉淀的血液部分212sb的相对量，而且还有la、sb和sg的物理位置。量化确保：如果存在可用于实施所安排的测试的不足量的血清或血浆部分212sp，则可以阻止试样212继续前进到一个或多个分析器106、108、110。以此方式，可以避免不准确的测试结果。
有利地，准确地量化la和sb或sg的位置的能力可以不仅最小化吸引空气的可能性，而且还最小化吸引经沉淀的血液部分212sb或胶体分离器313（如果被使用的话）的可能性。因而，在一些实施例中可以避免或最小化分析器106、108、110处用于吸引血清或血浆部分的试样吸引探针的堵塞和污染。
参考图4a-4b，示出和描述了品质检查模块130的第一实施例。品质检查模块130可以被配置和适配成在通过所述一个或多个分析器106、108、110的分析之前自动量化试样（例如量化血清或血浆部分212sp、经沉淀的血液部分212sb或二者）。以此方式的预筛选允许精确的吸引探针定位，以及确定足够量（例如体积或深度）的液体部分（例如试样212的血清或血浆部分212sp）可用，因而避免浪费有价值的分析器资源或吸引空气、经沉淀的血液部分212sb或胶体分离器313（如果被使用的话）。
除了其中量化la、sb和/或sg的物理位置、和/或确定hsp、hsb和/或htot和/或血清或血浆部分的体积或深度（vsp）和/或经沉淀的血液部分的体积或深度（vsb）中的一个或多个的试样量化方法之外，在品质检查模块130处在试样容器120中所包含的试样212上可以发生其它检测方法。例如，在一些实施例中，干扰物质检测方法可以确定存在或不存在干扰物质（例如h、i和/或l）。伪像检测方法可以确定存在或不存在伪像（例如凝块、气泡或泡沫）。此外，品质检查模块130可以用于量化试样容器102，即量化试样容器102的某些物理尺寸特性，诸如试样容器102的tc、ht和/或w的位置，和/或盖子214的颜色和/或类型。
现在参考图1、4a和4b，品质检查模块130的第一实施例可以包括多个相机440a-440c。示出三个相机440a-440c，但是可以使用两个或更多、三个或更多、或甚至四个或更多个相机。相机440a-440c可以是能够捕获数字图像（即像素化图像）的常规数字相机、电荷耦合设备（ccd）、光电检测器阵列、一个或多个cmos传感器等等。例如，三个相机440a、440b、440c在图4a中被图示并且被配置成从三个不同的视点捕获数字图像。每个相机440a、440b、440c可以是能够捕获数字像素化图像的设备，所述数字像素化图像具有的图像尺寸在一个实施例中可以是大约2560像素x694像素，并且在另一实施例中大约是1280像素x384像素。可以使用其它像素密度。每个相机440a-440c可以被配置并且可操作以捕获试样容器102的至少一部分以及试样212的至少一部分的侧面图像。例如，相机440a-440c可以捕获标签218或盖子214的一部分以及管212t的部分。最后，根据多个图像，可以开发试样容器102中的试样212的复合模型。所述复合模型在一些实施例中可以是3d模型，并且可以用于做出最终确定或用于确认由单独相机关于试样212所做的确定。
在所示的实施例中，所述多个相机440a-440c被布置在试样212周围，并且被配置成从多个视点捕获侧面图像。当使用三个相机440a、440b、440c的时候，视点可以被隔开使得它们近似均等地与彼此隔开，诸如距彼此大约120度，如所示出的那样。如所描绘的，相机440a-440c可以绕轨道121布置。可以使用所述多个相机440a-440c的其它布置以及间隔。以此方式，当试样容器102驻留在载体122中的时候，但是在不旋转试样容器102的情况下，可以拍摄试样容器102中试样212的图像。图像可以轻微重叠。
在一个或多个实施例中，载体122可以停在品质检查模块130中预定的位置处，诸如在来自相机440a-440c中的每一个的法向向量相交的点处。在一些实施例中，可以提供门栅（gate）以将载体122停在预定位置处，使得可以捕获良好品质图像。在其它实施例中，载体122可以包括线性电动机，所述线性电动机被配置成将载体122停在期望的位置处，如所编程的那样。在其中在品质检查模块130处存在门栅的实施例中，可以使用一个或多个传感器（比如传感器116）来确定在品质检查模块130处存在载体122。
相机440a-440c可以被提供在极邻近处，并且被训练或聚焦以捕获图像窗口，即包括试样容器102的预期位置的区域，其中试样容器102可以被停住使得它近似位于视图窗口的中心。如所配置的，相机440a-440c可以拍摄图像，所述图像包括血清或血浆部分212sp的部分、经沉淀的血液部分212sb的部分以及盖子214的部分或全部，以及可能地管212t或参考基准的最底部的部分。在图像内，可以存在一个或多个参考基准。参考基准可以有助于量化试样212。例如，参考基准可以是试样容器102的tc或最底部的部分，或试样容器102上某处的已知位置中的标记。
在操作中，响应于通信线443a-443c中所提供的、可由计算机143发送的触发信号，可以触发和捕获每个图像。可以根据本文中提供的量化方法的一个或多个实施例来处理所捕获的图像中的每一个。特别地，hdr处理可以用于捕获和处理图像以便量化试样212。
更详细地，以多个不同的曝光（例如曝光时间），当被具有不同标称波长的不同光谱照明的时候，并且以不同的视点，对品质检查模块130处的试样212（例如通过分部分离而被分离的试样212）捕获多个图像。例如，每个相机440a-440c可以以不同的曝光时间、以一个或多个光谱（或者一个或多个波长范围，诸如白光）拍摄4-8个或更多图像。可以针对所有相机440a-440c同时拍摄针对每个光谱、以不同曝光的图像。
在一个实施例中，可以通过使用不同颜色的光源444a-444c来照明试样容器102和试样212而实现多个波长图像。在第一实施例中，光源444a-444c可以对试样容器102（如图4a-4b中所示）进行背光照明。可选地，光源444d-444f可以对试样容器102进行前置光照明，诸如通过被布置在相应相机440a-440c上方、下方或其侧面，或者位于别处，如图4c-4d中所示。在一些实施例中，光扩散器和/或滤光器可以结合光源444a-444c或444d-444f被使用。
例如，为了利用第一光谱来捕获图像，可以使用三个红光源（大约450nm的标称波长，其具有大约+/-35nm的光谱范围）来从三个横向隔开的位置对试样212进行照明。在通过每个相机440a-440c捕获以不同曝光时间的多个图像（例如4-8个或更多图像）的时候，可以发生通过光源444a-444c的红色照明。在一些实施例中，曝光时间可以在大约1ms和256ms之间。例如，可以使用8ms、32ms、128ms和156ms的曝光时间。可以使用其它曝光时间。
在每个实施例中，品质检查模块130、130a可以包括外壳446，所述外壳446可以至少部分地围绕或覆盖轨道121，并且试样容器102在图像拍摄阶段期间可以位于外壳446内部使得外部光照被最小化。外壳446可以包括一个或多个门446d以允许载体122进入到外壳446中和/或从外壳446离开。在一些实施例中，顶板（ceiling）可以包括开口446o以允许由包括机器人抓指的机器人从上方将试样容器102加载到载体122中。在其中前置光照用于照明的情况中，品质检查模块130a可以包括背挡壁447以提供经改善的图像对比度。背挡壁447可以是除了试样212的颜色的预期范围之外的任何合适的颜色。在一些实施例中，可以使用黑色材料。
一旦在图4a-4b的实施例中捕获了红色照明的图像，红光源444a-444c就可以被关断，并且光的另一光谱，例如绿光源444a-444c可以被开启（大约560nm的标称波长，其具有大约+/-35nm的光谱范围），并且可以通过被布置在不同视点处的每个相机440a-440c以该波长来捕获以不同曝光时间的多个图像（例如4-8个或更多图像）。这可以针对每个相机440a-440c、利用蓝光源444a-444c（大约635nm的标称波长，其具有大约+/-35nm的光谱范围）而被重复。可以使用更多或更少的波长，或者与rgb不同的标称波长。可以经由使用例如可替换的过滤器或例如可以被选择性地开启和关断的不同颜色光源的库（bank）来实现不同波长的光源444a-444c。可以使用用于生成不同光谱（颜色）光照的其它部件。
在可选实施例中，如在图4c和4d中最佳地示出的，试样容器102可以在品质检查模块130a中包括前置光照，诸如通过包括光源444d、444e和444f，所述光源444d、444e和444f被布置成邻近于相机440a-440c，即在上方、下方、到侧面、或组合，但是与相应的相机440a-440c在试样容器102的同一侧上。在该可选实施例中，相机440a-440c可以是数字彩色相机，其分别具有近似635nm、560nm和450nm的rgb峰，但是其中rgb颜色中的每一个如与在以上实施例中结合单色相机所使用的分立光源相比具有相对更宽的波长范围。
在该可选实施例中，光源444d、444e和444f可以各自是白光源。例如，光源444d-444f可以发射在大约390nm到大约700nm之间的波长范围，并且可以用于从多个横向位置对试样212进行照明。可以通过每个相机440a-440c拍摄以不同曝光时间（例如4-8或更多曝光）的多个图像。所拍摄的每个白光图像可以被分离成其以多个波长的颜色分量，以提供所捕获的图像和多个波长。例如，计算机143可以将所拍摄的图像分离成在大约400nm和大约700nm之间的至少三个所捕获的波长。例如，分别以450nm、560nm和635nm的rgb分量可以由计算机143从图像中分离出来，以捕获多光谱、多次曝光捕获的图像。如先前那样，可以经由在线443a-443c中来自计算机143的信号而拍摄图像。
对于以上设置中的每一个，针对每个相应的波长（例如r、g和b）、以多个曝光时间所拍摄的这些多个图像中的全部可以紧接地被获得，使得可以在小于大约2s内获得从多个视点针对试样212的图像的完整集合。例如，通过使用三个相机440a、440b、440c和利用rgb光源444a-444c的背光照明、在三个视点处针对每个波长的四个不同的曝光图像将导致4个图像x3个颜色x3个相机=36个图像，其拍摄是紧接着的。在另一示例中，通过使用相机440a、440b、440c和利用白光源444d-444f的前置光照、在三个视点处的四个不同的曝光图像将导致4个图像x3个相机=12个图像。然而，然后通过将通过相机440a-440c所拍摄的白光图像分离成其单独的rgb分量而捕获rgb图像。因而，在分离之后，还捕获36个图像。图像数据可以被存储在计算机143的存储器中，并且随后由此被处理以量化试样212。
根据试样量化方法，图像数据的处理可以涉及例如从针对每个光谱和针对每个相机440a-440c、以不同曝光的多个捕获的图像中选择最优曝光的像素，使得针对每个光谱（例如r、g和b）以及针对每个相机440a-440c生成最优曝光的图像数据。这在本文中被称为“图像合并”。对于每个对应的像素，对于来自每个相机440a-440c的曝光时间图像中的每一个，从不同曝光时间图像中的每一个中选择表现出最优图像强度的像素。最优图像强度可以例如被定义为落入预定强度范围（例如在0-255的尺度上在180-254之间的强度）内的像素。如果两个图像的对应位置中的多于一个像素被确定为是最优曝光的，则选择两个中较高的。结果是针对每个相机440a-440c的多个合并的彩色图像数据集（例如r、g、b），其中所有像素被最优曝光（例如每个波长（例如r、g和b）以及相机一个图像数据集）。针对每个像素的最优曝光的强度值然后通过曝光时间被归一化，使得所有像素都被归一化，而无论曝光时间如何。
作为品质检查模块130、130a的校准的部分，可以拍摄没有试样容器102或载体122的参考图像。以此方式，可以从每一个图像数据集移除背景，仅仅留下前景。针对每个曝光时间和光照条件（r、g、b或白光）的参考图像可以通过品质检查模块130、130a在实施例如试样量化方法之前被拍摄。
对于包括最优曝光的像素的每个图像数据集，开始进行表征过程以标识像素。像素可以被分类为液体区（即试样212的血清或血浆部分212sp）或被分类为属于另一类。标识血清或血浆部分212sp可以基于对最优曝光的图像数据中的每个像素进行分类。分类可以基于从多个训练集生成的多类分类器（例如多类分类器515）。多类分类器515可以包括例如支持向量机（svm）或随机决策树。可以使用用于确定液体区的其它部件。
为了在分割阶段中实施像素分类，可以针对每个相机440a-440c、以不同光谱（例如r、g和b）的最优曝光的像素中的每一个计算第一统计数据。统计数据可以包括多达二阶的属性，其可以包括平均值、变化和相关值。特别地，协方差矩阵可以在多维数据上被计算，并且表示区别模式。
一旦被生成，统计数据就被呈现给多类分类器515，并且被所述多类分类器515在其上操作，所述多类分类器515可以将图像中的像素分类为属于多个类标签中的一个，诸如1-血清或血浆部分，2-经沉淀的血液部分，3-胶体分离器（如果被使用的话），4-空气，5-管，6-标签，7-盖子。可选地，还可以对载体进行分类。据此，可以标识构成液体区（即血清和血浆部分212sp）的像素。
多类分类器515可以是线性或非线性的任何合适类型的监督分类模型。例如，多类分类器515可以是支持向量机（svm），其是线性的或基于内核的。可选地，多类分类器515可以是提升（boosting）分类器，诸如自适应提升分类器（例如，adaboost、logitboost等等）、任何人工神经网络、基于树的分类器（例如决策树、随机决策森林）、以及作为分类器的逻辑回归等等。svm对于液体和非液体之间的分类是特别有效的，诸如在试样212分析中发现的。svm是具有相关联的学习算法的监督学习模型，其分析数据并且识别模式。svm用于分类和回归分析。
训练示例的多个集合用于训练多类分类器515，然后图像数据集在多类分类器515上被操作，并且每个像素被分类。可以通过图形地对试样容器102的大量示例中的各种区描画轮廓来训练多类分类器515，所述试样容器102具有各种试样条件，通过标签218的遮挡、血清或血浆部分212sp和经沉淀的血液部分212sb的水平、包含胶体分离器313或否、等等。多达500或更多的图像可以用于训练多类分类器515。每个训练图像可以被手动地描画轮廓以向多类分类器515标识和教导属于每个类的区域。
svm训练算法构建多类分类器515，所述多类分类器515将任何新教导试样的像素指派到类中的一个类中。svm模型将示例表示为空间中的点，所述点被映射使得分离的类的示例被尽可能宽的清晰间隙所划分。来自图像数据集的新像素可以被映射到该相同的空间中，并且基于它们在映射上落在哪里而被预测为属于特定的类。在一些实施例中，svm可以高效地执行非线性分类，这通过使用被称为内核技巧（例如基于内核的svm分类器）的事物，隐式地将其输入映射到高维特征空间中。特别地优选svm和基于树的分类器。可以使用其它类型的分类模型。
被认为是血清或血浆部分212sp和/或经沉淀的血液部分212sb的类的多类分类器515结果然后可以用于量化试样212。还可以确定试样容器102的宽度（w）。
在图5中示出根据一个或多个实施例的试样量化方法的流程图。首先，在502中在品质检查模块（例如品质检查模块130或130a）处提供由载体122承载的包括试样212试样容器102。在504处捕获多个图像；所述多个图像是以多个不同曝光并且以多个不同光谱和多个视点所拍摄的多光谱图像，如上所述。为了量化，可以使用品质检查模块130a的前置光照的设置，并且多个图像可以被存储在计算机143的存储器中。从这些图像中，背景可以在508的背景移除阶段中可选地被减去以降低计算负担。可以通过减去先前在510中拍摄的参考图像来实现背景缩减。
在504中的图像捕获以及508中的可选背景移除之后，在511中可以着手进行分割。511中的分割可以包括在512中着手进行的图像合并过程。在512中的该图像合并过程期间，以每个光谱（r、g和b）并且针对每个相机440a-440c的各种曝光时间图像被逐像素地审阅以确定已经最优曝光的那些像素。对于每个对应的像素位置，任何最优曝光的像素中的最佳像素被选择并且被归一化，并且被包括在针对每个光谱和相机400a-440c的最优曝光的图像数据集中。因而，在512中的图像合并之后，产生针对每个光谱（r、g和b）以及针对每个相机440a-440c的一个最优曝光的图像数据集。hdr处理的使用可以起作用以关于反射和吸收而丰富图像的细节。这可以使得量化更加精确。
在512中的图像合并之后，或可能地与之并发的，在514中可以着手进行统计生成过程，其中针对每个像素生成统计量，诸如多达二阶的平均值和/或协方差。最优曝光的数据集上的该统计数据然后被多类分类器515在其上操作，以在516中提供图像数据集中存在的像素类的标识。对于每个像素位置，在小的超像素补块（例如11x11像素）内提取该统计描述。每个超像素补块提供描述符，所述描述符在训练和评估过程中被考虑。典型地，分类器在这些特征描述符上操作，并且使用输入类标签用于在测试期间训练和输出类标签。为了获得针对每个像素的类标签，通过合适的已知的扫描技术来扫描图像数据集。
从511的该分割过程，针对相机440a-440c中每一个相机的2d合并的图像数据集中的每个像素在516中被给予分类，作为属于所述多个类的类型中的一个。类的类型可以例如是液体（血清或血浆部分212sp）、经沉淀的血液部分212sb、胶体分离器313、空气212a、管212t、标签218、或盖子214。从511中的该分割信息，可以确定试样212的量化。
例如，可以在518中标识液体区（例如血清或血浆部分212sp）。这可以涉及将来自类——血清或血浆部分212sp的所有像素群组起来，并且然后在519中确定液体（血清或血浆部分212sp）和空气212a（即la）之间的上界面的位置。竖直方向上的la的数值可以通过对2d合并的图像数据集中被分类为血清或血浆部分212sp的最上的像素的位置求平均而被计算。任何实质异常值可以被拒绝并且不在平均中被使用。先前执行的像素空间到机器空间（例如，以mm）校准可以通过任何已知的机器空间到图像空间校准技术来被实现。取决于是否使用胶体分离器313，量化方法然后在520中确定sb或sg（如果胶体分离器被使用的话）的物理竖直位置。
可以在520中通过对被分类为血清或血浆部分212sp的最低像素的位置求平均来计算针对sb或sg的数值。再次，可以忽略异常值。根据la和sb或sg的位置，可以经由平均值的减法来确定血清或血浆部分（hsp-图2和3）的高度。可以使用用于计算高度hsp的其它手段，诸如例如对被标识为血清或血浆部分212sp的像素的竖直堆叠进行计数，对像素的数目求平均，然后转换到机器空间。
量化液体区（例如血清或血浆部分212sp）可以此外包括在526中确定试样容器102的内部宽度（wi）。外部宽度（w）可以在526中通过如下被确定：对被分类为管212t的像素进行标识并且减去如在la和sb或sg之间测量的位于管212t的外部横向边上的像素中的对应那些像素的位置，然后例如对所减去的值求平均值。可以通过减去壁厚度tw两次而从w中确定wi，即wi=w-2tw。tw可以是用于所有试样容器102的平均壁厚度值，或可以是基于管类型而从查找表中获得的特定测量值，所述管类型基于外部宽度w和高度ht的确定而被确定。
从hsp和wi，在528中可以通过使用以下等式1来确定液体区（例如血清或血浆部分212sp）的体积vsp。
等式1vsp=hspxpi/4wi2。
为了量化经沉淀的血液部分212sb，可以首先在530中标识与经沉淀的血液部分212sb的类相对应的像素。取决于是否存在胶体分离器313，经沉淀的血液部分hsb的高度可以在532中通过定位经沉淀的血液部分212sb的最低像素并且然后减去sb或bg来被确定。可以在520中确定sb或sg。可以通过对被分类为经沉淀的血液部分212sb的最高像素的位置求平均来确定针对sb或bg的数值。可以在526中确定wi。根据hsb和wi，可以在534中通过使用以下等式2来确定经沉淀的血液部分212sb的体积，所述等式2包括减去的调节因子来计及试样容器的圆端。
等式2vsb=(hsbxpi/4wi2)-{½wi2-(pi/24)wi3}。
一旦在528和534中确定了vsp和vsb，液体部分（例如血清或血浆部分212sp）与经沉淀的血液部分212sb的体积比就可以在536中被计算，其中体积比={vsp/vsb}x100(%)。
可选地，液体部分（即血清或血浆部分212sp）和经沉淀的血液部分212sb的深度水平可以通过使用蒙特卡洛仿真方法来被确定。蒙特卡洛仿真方法是一类计算算法，其基于从给定模型分布中的重复随机采样以获得数值解。所述方法依赖于从多变量层级模型中生成多个随机假设，其然后利用图像测量而被验证/测试，所述图像测量诸如在图像捕获阶段期间所生成的置信度值。蒙特卡洛仿真方法涉及导出例如la、sb或sg和bg的位置的假设，其取决于是否使用胶体分离器313。为了应用蒙特卡洛仿真方法，获取模型分布，从其中抽取随机样本。所述模型可以是利用大量有注释的训练试样所训练的多变量模型。
在训练阶段期间，收集基于界标的层注释，并且从这些注释中导出模型的估计。为了生成，我们假定知道图像中的两个参考界标
在一个或多个实施例中，所述方法可以将流体区的扩展归一化成正则表示。特别地，假设流体层级垂直于重力向量，因而归一化方案无关于试样容器102的倾斜。此外，假设流体hg的高度（沿着重力向量所计算的）被归一化成该正则表示内的一的值（基于两个界标参考点(l1,l2)）。基于该归一化方案，可以为每个有注释的样本图像导出针对层级点p对的归一化比率。在考虑
为了建模，我们假设用于所述两个层级点的多变量高斯分布，其导致归一化表示中的均值µ和方差/协方差矩阵∑：(1)µ=e(p)以及(2)
提取自训练数据的所生成的模型用于在蒙特卡洛仿真方法的假设测试期间生成随机样本。由于注释有时是时间密集的，所以可以根据来自离心过程的配方或理论期望而综合地生成针对界标p的模型。
在方法的验证/测试阶段期间，针对层级点的样本可以从分布模型中随机生成，并且因而综合地生成潜在流体层结构，其包括针对la、sb或sg和bg的所假设的层级。从校准步骤中，我们可以具有关于尖端参考点212b的认知。液体-空气界面la从在空气和血清或血浆部分212sp之间的转变导出。顶部流体层级ht可以从单个或多个视图导出，因为行之间的对应性是可用的。类似于训练阶段，流体高度ht被归一化成一，并且经归一化的比率因此被绘制以生成流体层结构。
高效方法用于从多变量高斯层级模型中生成随机样本，这通过使用二阶统计量、例如协方差矩阵∑向
通过x限定的该结构假设通过聚合（例如积分）在归一化的图像区内的置信度值而被验证。针对所述区（血清或血浆部分212sp、胶体分离器313（如果存在的话），以及经沉淀的血液部分212sb）执行验证。通过使用均值/方差计算来稳健地聚合置信度，从而克服缺失的数据，例如在遮挡的情况中。在顶部流体层级ht以及针对sb或sg处的层级点的第一假设之间，我们假定发现针对血清和血浆部分212sp的高响应。在两个层级界标sg和bg之间，我们预期针对胶体分离器313的高响应。在较低的界标sb或bg以及参考点（管尖端212b）之间，可靠的层模型预期针对经沉淀的血液部分212sb的高置信度值。
最佳拟合流体层模型通过最小化值的标准偏差而最大化对应的置信度值。为了高效计算，可以生成查找表以建立在经归一化的流体空间和图像域之间的联系。另外，可以使用高效数据结构，即积分图像，以使能快速假设测试。验证可以包括单个图像，但是为了鲁棒性还可以考虑来自多个相机440a-440c的多视图信息。由于在行层级处的对应性是已知的，所以在置信度的聚合期间，积分是直截了当的。
根据蒙特卡洛仿真方法，关于血清或血浆部分2121sp、胶体分离器313和经沉淀的血液部分212sb的最可能的流体层级结构可以被发现，即la、sb或la、sg和bg的确定。另一细化测试可以包括验证假设，其通过考虑hdr成像，即通过最小化这些区中的光谱响应的标准偏差。另一细化测试方法可以包括通过蒙特卡洛仿真方法所达的假设的验证，其通过考虑hdr成像，诸如通过最小化在所检测的水平流体层级之间的误差，即边缘检测、提取自hdr图像，以及被投影到图像域的随机假设。基础强度计算将会支持找到最佳的假设。
总而言之，如参考图8所描述的蒙特卡洛仿真方法可以用于确定分割并且量化在试样容器102内所包含的试样212。方法800包括在802中将试样容器102中所包含的试样212提供在成像位置441处，以及在804中，捕获试样212的图像。可以利用单个相机、诸如440a来捕获图像。
方法800包括在806中确定至少包括血清或血浆部分212sp以及经沉淀的血液部分212sb的试样212的区。这可以通过本文中所述的hdr成像方法或通过任何其它合适的分割方法来被实现。
所述方法包括在810中从多变量层级模型812中得出层级假设。框810涉及得出由多变量层级模型812所生成的随机层级假设，诸如如果没有任何胶体分离器313存在的话则针对la和sb的假设，以及如果胶体分离器313存在的话则针对la、sg和sb的假设。
所述方法包括在814中将层级假设映射到图像空间。例如，所述方法可以利用查找表以将层级假设投影到2d图像域中。接下来，在816中，方法800在区内对置信度积分。在框818和框816之间发生迭代过程，直到在每个区内使置信度最大化为止。最后，在820中选择最大针对每个区的置信度的层级假设。一个或多个实施例中的蒙特卡洛方法可以单独使用以用于确定分段位置（例如la、和sb或sg），或用于验证通过hdr成像所确定的分段位置。
一旦在519、520和528中确定了分段位置（例如la和sb或sg）和vsp，这些经量化的值就可以用于确定对于如从lis147接收的所安排的测试，是否存在充足的流体。此外，来自519-520的分段位置la和sb或sg可以用于确定在哪里安置吸引探针尖端，使得当安排了多个测试的时候，对于任何吸引，没有任何经沉淀的血液部分212sb或胶体分离器313被吸引。
在品质检查模块130或130a处，一旦在528中计算了液体区的体积，就可以通过在伪像检测522中利用一个或多个伪像分类器在液体区的2d数据子集上操作来确定伪像（例如凝块、气泡和/或泡沫）的存在。可以从可用体积vsp中减去伪像的所估计的体积，使得当伪像存在的时候提供液体的可用体积的更好的估计。在题为“methodsandapparatusforclassifyinganartifactinaspecimen”的共同待决并且同时提交的临时专利申请中描述了伪像检测方法和装置。然而，在一些实施例中，可以从试样212中移除伪像（例如凝块、气泡、泡沫），然后可以根据量化方法来重新量化试样212。
此外，一旦在518中标识了液体区，就可以通过利用一个或多个干扰物质分类器在液体区的数据子集上操作来确定干扰物质（例如h、i和/或l）的存在。在一个实施例中，分离的分类器可以用于h、i和l中的每一个，如在题为“methodsandapparatusfordetectinganinterferentinaspecimen”的共同待决且同时提交的临时专利申请中所描述的。如果存在高指数的溶血、黄疸或脂血，则试样212可以被丢弃而不进一步的量化，或可以被重吸和重筛选。在一些实施例中，试样212可以被处理以降低脂血水平，然后被重筛选。
因此，应当显而易见的是，由品质检查模块130或130a所实施的基于模型的量化方法500可以导致试样212的血清或血浆部分212sp和/或经沉淀的血液部分212sb的快速量化。每一个视点和确定的最终2d结果可以跨多个视点被聚合，并且被比较和/或求平均以提供3d模型。
图6图示了更宽泛的表征方法600的流程图，其中试样212的量化是可以使用品质检查模块130或130a由所述更宽泛的方法600表征或分类的许多项中的仅一个。根据方法600的一个或多个实施例，图像被捕获，诸如通过多个相机（示出了相机440a）。然而，其它相机440b、440c可以用于从其它视点捕获图像，诸如在图4a和4c中所示出的。将针对相机440a上所捕获的图像而被描述的处理对于其它视点处的其它相机440b、440c是相同的，并且其在线605中的输入可以用于开发试样212的3d模型，其用于最终确定和/或解析各种视点之间的任何差异。
通过相机440a和其它相机440b、440c所捕获的图像可以是多光谱（例如rgb）和多曝光图像，如以上所讨论的。特别地，在每个视点处，可以针对604a中使用的光的每个光谱来拍摄多个曝光（例如4-8或更多曝光）。以每个曝光并且针对每个光谱和针对每个相机440a-440c的相应图像可以通过使用如图4a-4b中所描述的单色相机和背光光源444a-444c来同时被获得。可选地，使用白光源444d-444f的前置照明的多曝光图像可以在604b中通过使用用于品质检查模块130a的彩色相机来被获得。背光式品质检查模块130或前置光品质检查模块130a可以被使用或二者都被使用。
图像然后可以在508中被处理以通过使用参考图像510来移除背景，如以上在可选的背景移除方法中所描述的。图像然后可以被进一步处理以在511中以上述方式确定分割。在一些实施例中，从604b来自前置光相机440a-440c（参见图4c-4d）的图像可以最佳地用于确定在511中的分割。然而，604b中所捕获的图像也可以用于521中的hiln检测。同样地，604a中所捕获的任何图像可以最佳地用于621中的hiln的表征。然而，604a中所捕获的图像也可以用于511中的分割。
根据本文中所述的方法的500中的液体的标识和量化还可以在511中的分割之后被实施。500中对液体进行量化如本文中所述的那样可以涉及确定试样212的某些物理尺寸特性，诸如la、sb或sg和/或bg的物理位置，和/或确定hsp、hsb和/或htot、和/或血清或血浆部分的体积或深度（vsp）、和/或经沉淀的血液部分的体积或深度（vsb），如以上所讨论的。在627中，可以从试样容器表征中获得内部宽度（wi）。
为了提供可用于测试的血清或血浆部分212sp的实际体积的甚至更接近的测量，或简单地对伪像的存在进行标记，在522中可以采用伪像检测方法来标识凝块、气泡或泡沫的存在。可以从以上在522中确定的血清或血浆部分的所估计的体积vsp中减去存在的所述一个或多个伪像的相应估计的体积，从而获得更好的体积估计。在522中，图像数据然后可以通过使用伪像分类器被处理，用以确定在血清或血浆部分212sp中存在或不存在伪像。通过伪像检测522被标识为伪像的那些像素然后可以在本文中所述的量化方法中、而且还在521中的hiln分类中被忽略。伪像的检测还可以在一些实施例中发起补救。伪像检测方法在同时提交的并且题为“methodsandapparatusforclassifyinganartifactinaspecimen”的美国申请中被描述。
511中的分割的结果还可以用于标识标签218，所述标签218可以包括标识信息215，诸如条形码。在625中可以读取条形码。一旦在511中的分割中标识了标签218，就可以使用常规的条形码读取软件。如果特定的图像不包含待读取的足够条形码，则可以从或结合获得自其它相机340b、340c的其它图像来读取条形码。
试样容器102的另外的表征还可以根据更宽泛的方法600在627中被实现。529中的管类型、531中的盖子类型和/或533中的盖子颜色的表征可以被馈送到3d模型635以验证：基于对来自每个相机440a-440c的图像进行处理，实现了相同的表征。如果获得了稍微不同的值，那么值可以被求平均或以其它方式被聚合。来自521中的hiln分类、500中的试样量化、522中的伪像检测以及627中的试样容器检测的所有输出可以被馈送到3d模型635中，其中所述3d模型635其可以被用于对来自各种相机440a-440c的结果的最终决策做出、表征和协调，并且其可以被显示在监视器上或以其它方式被报告。
图7图示了根据一个或多个实施例的量化试样容器102中的试样212的方法的流程图。方法700包括在702中提供试样容器（例如试样容器102、诸如被加盖的血液收集管）中所包含的试样（例如试样212）。接下来，所述方法700包括在704中以不同的曝光（例如曝光时间）并且以具有不同标称波长的多个光谱来捕获包含试样212的试样容器102的图像。例如，在一些实施例中可以存在以不同的曝光时间、但是在针对每个光谱的相同光照条件下所拍摄的4-8或更多不同的曝光。在一个或多个实施例中，可以通过使用白光和使用前置光照来捕获图像。在其它实施例中，可以用窄带光源作为背光式光源444a-444c通过使用多个光谱（诸如红、蓝和绿色）来捕获图像。白光图像可以被解析成如通过计算机143所捕获的r、g和b图像，如以上所讨论的。在每个情况中，可以通过多个相机440a-440c从多个视点拍摄图像。
方法700可以可选地包括，如在706中所示的，背景移除，用以减去背景以便降低计算负担。背景移除可以作为校准过程的部分被实现。参考图像可以以与用于试样容器102的图像相同的曝光时间来拍摄，但是可以在没有试样容器102或载体122的情况下被捕获。
方法700可以包括在710中从在多个光谱中每一个光谱下以不同曝光时间的图像中选择最优曝光的像素，用以生成在每个光谱下的最优曝光的图像数据。对于特定光谱下的每个图像中的每个对应的像素位置，最佳曝光的像素（非曝光不足或过度曝光）被选择和归一化。最优曝光范围可以如以上所讨论的那样。该选择最优曝光的像素在图像合并阶段（例如图像合并512）中发生。因而，对于针对每个相机的rgb光谱中的每一个，可以生成最优曝光的像素的2d数据集。
接下来，方法700包括将试样分类成各种类的类型，包括以下各项中的一个或多个：血清或血浆部分212sp、经沉淀的血液部分212sb、胶体分离器313、空气212a、管212t、标签218、或盖子214。分类可以通过如下来被实现：计算不同波长下的最优曝光的像素的统计数据，用以生成统计数据，然后利用多类分类器515在最优曝光的像素的统计数据上操作以标识数据集中存在的类。
接下来，方法700包括通过确定以下各项中的一个或多个而在714中对试样进行量化：在空气212a和血清或血浆部分212sp之间的液体-空气界面la的位置、在血清或血浆部分212sp与经沉淀的血液部分212sb之间的血清-血液界面sb的位置、在血清或血浆部分212sp与胶体分离器313之间的血清-胶体界面sg的位置、在经沉淀的血液部分212sb与胶体分离器313之间的血液-胶体界面bg的位置、血清或血浆部分212sp的体积vsp和/或深度hsp、或经沉淀的血液部分212sb的体积vsb和/或深度hsb。
因此，基于前述，应当显而易见的是通过品质检查模块130、130a实施的基于模型的试样量化方法700可以导致试样212l的快速量化。虽然品质检查模块130已经在图1中被示出为被这样定位使得紧接在离心机125上的离心之后执行预筛选，但是可以有利的是在一些实施例中直接在分析器（例如分析器106、108和/或110）上或别处包括该特征。此外，在一些实施例中，可以在将架子104加载到加载区域105中之前执行离心，使得在一些实施例中，品质检查模块130可以位于加载区域105处，并且一旦机器人124将试样容器102加载到载体122中就可以实施品质检查。可选地，品质检查模块130a可以被提供在与品质检查模块130相同的位置中。在一些实施例中，专用于量化的一个品质检查模块130a可以用于一个位置处，而专用于hiln检测的另一品质检查模块130可以被提供在不同的位置处。
虽然本发明易有各种修改和可替换形式，但是特定的系统和装置实施例及其方法已经在附图中作为示例被示出并且在本文中被详细描述。然而，应当理解的是，不意图将本发明限制到所公开的特定装置或方法，而是相反地，本发明将覆盖落入本发明范围内的所有修改、等同物和可替换方案。