详情

原文传递分类分析方法、分类分析装置及分类分析用记录介质

专利名称：	分类分析方法、分类分析装置及分类分析用记录介质
摘要：	本发明致力于解决的问题是：提供能够高精度地分析粒子状或者分子状的分析物的分类分析方法、分类分析装置以及分类分析用记录介质。本发明的解决方案是：相应于检体的粒子的贯通孔(12)的通过，以由纳米孔设备(8)检出了的粒子通过检出信号的数据组为基础，预先求出对与规定的分析物的通过对应的脉冲状信号的波形形态的特征进行表示的特征量，将预先求出了的特征量作为用于机械学习的学习数据，从被分析数据的脉冲状信号得到的特征量作为变数，通过执行由机械学习的分类分析程序，能够进行关于该被分析数据中规定的分析物的分类分析。
专利类型：	发明专利
国家地区组织代码：	日本;JP
申请人：	国立大学法人大阪大学
发明人：	鷲尾隆;川合知二;谷口正輝;筒井真楠;横田一道;石井陽;吉田剛
专利状态：	有效
申请日期：	2017-12-12T00:00:00+0800
发布日期：	2019-08-27T00:00:00+0800
申请号：	CN201780077372.6
公开号：	CN110178012A
代理机构：	北京市领专知识产权代理有限公司
代理人：	陈有业
分类号：	G01N15/14(2006.01);G;G01;G01N;G01N15
申请人地址：	日本大阪府吹田市山田丘1番1号5650871
主权项：	1.一种分类分析方法，其包括：配置形成了贯通孔的分隔壁、和介由所述贯通孔在分隔壁的表被侧所配置的电极，将含有粒子状或者分子状的分析物的流动性物质供给到所述分隔壁的一面侧，以及获得由所述分析物通过所述贯通孔而产生的电极间的通电变化所检出了的检出信号，通过电脑控制程序的执行来进行所述检出信号的数据的分类分析，其特征在于，所述电脑控制程序具有进行使用了机械学习的分类分析的分类分析程序，预先求出从含有规定的分析物的流动性物质作为所述检出信号得到的对与分析物通过对应的脉冲状信号的波形形态的特征进行表示的特征量，将预先求出了的特征量作为用于所述机械学习的学习数据，将从被分析数据的脉冲状信号得到的特征量作为变数，通过执行所述分类分析程序，进行关于所述被分析数据中的所述规定的分析物的分类分析。 2.权利要求1所述的分类分析方法，其中，所述特征量为表示所述脉冲状信号的波形的局部特征的第1类型、和表示所述脉冲状信号的波形的整体特征的第2类型中的任意一者。 3.权利要求2所述的分类分析方法，其中，所述第1类型的特征量为如下的任意一者：在规定的时间幅内的波形的波高值、脉冲波长ta、从脉冲开始至脉冲峰的时间tb与ta的比tb/ta所表示的峰位置比、表示该波形的锐度的尖度、表示从脉冲开始至脉冲峰的倾斜的俯角、表示将波形按照每规定的时间进行了划分的时间划分面积的总和的面积、以及表示从脉冲开始至脉冲峰的时间划分面积之和相对于全部波形面积的面积比。 4.权利要求2所述的分类分析方法，其中，所述第2类型的特征量为如下的任意一者：以脉冲开始时点作为中心，将所述时间划分面积作为质量，并且将从该中心至所述时间划分面积的时间作为旋转半径进行了拟制时所确定的时间惯性力矩；相对于所述时间惯性力矩以波高成为基准值的方式而规格化时的被规格化的时间惯性力矩；将波形按波高方向同等分割，脉冲峰前后分别计算出在各个分割単位中的时刻值的平均值，将以同一波高位置的平均值作为矢量的成分的平均值矢量；相对于所述平均值矢量以波长成为基准值的方式而规格化时的被规格化的平均值矢量；将波形在波高方向同等分割，脉冲峰前后分别计算出在各个分割单位的时刻值的平均值，将以同一波高位置的平均值之差作为矢量的成分的平均值的差矢量拟制为质量分布并以波形底部的时间轴作为旋转中心时所确定的波幅平均值惯性力矩；相对于所述波幅平均值惯性力矩以波长成为基准值的方式而规格化时的被规格化的波幅平均值惯性力矩；将波形在波高方向同等分割，从每个分割单位的时刻值求出分散，将以该分散作为矢量的成分的分散矢量拟制为质量分布并以波形底部的时间轴作为旋转中心时所确定的波幅分散惯性力矩；以及相对于所述波幅分散惯性力矩以波长成为基准值的方式而规格化时的被规格化的波幅分散惯性力矩。 5.权利要求1～4中任一项所述的分类分析方法，其中，所述电脑控制程序包含：从所述检出信号的数据或者该数据中包含的波动成分提取无分析物通过时的基准线的基准线提取机制；将所述基准线作为基准，将超过规定范围的信号数据作为所述脉冲状信号的数据来提取的脉冲提取机制；以及从提取了的所述脉冲状信号的数据提取所述特征量的特征量提取机制。 6.一种分类分析装置，其包括：配置形成了贯通孔的分隔壁、和介由所述贯通孔在分隔壁的表被侧所配置的电极，将含有粒子状或者分子状的分析物的流动性物质供给到所述分隔壁的一面侧，以及获得由所述分析物通过所述贯通孔而产生的电极间的通电变化所检出了的检出信号，通过电脑控制程序的执行来进行所述检出信号的数据的分类分析，其特征在于，所述电脑控制程序具有进行使用了机械学习的分类分析的分类分析程序，预先求出从含有规定的分析物的流动性物质作为所述检出信号得到的对与分析物通过对应的脉冲状信号的波形形态的特征进行表示的特征量，具有：将预先求出了的特征量作为用于所述机械学习的学习数据进行记录的学习数据记录设备；以及将从被分析数据的脉冲状信号得到的特征量作为变数进行记录的变数记录设备；通过执行所述分类分析程序，基于所述学习数据及所述变数，进行关于所述被分析数据中的所述规定的分析物的分类分析。 7.权利要求6所述的分类分析装置，其中，所述特征量为表示所述脉冲状信号的波形的局部特征的第1类型、和表示所述脉冲状信号的波形的整体特征的第2类型中的任意一者。 8.权利要求7所述的分类分析装置，其中，所述第1类型的特征量为如下的任意一者：在规定的时间幅内波形的波高值、脉冲波长ta、从脉冲开始至脉冲峰的时间tb和ta的比tb/ta所表示的峰位置比、表示该波形的锐度的尖度、表示从脉冲开始至脉冲峰的倾斜的俯角、表示将波形按照每规定的时间进行了分割的时间划分面积的总和的面积、以及表示从脉冲开始至脉冲峰的时间划分面积之和相对于全部波形面积的面积比。 9.权利要求7所述的分类分析装置，其中，所述第2类型的特征量为如下的任意一者：以脉冲开始时点作为中心，将所述时间划分面积作为质量，并且将从该中心至所述时间划分面积的时间作为旋转半径进行了拟制时所确定的时间惯性力矩；相对于所述时间惯性力矩以波高成为基准值的方式而规格化时的被规格化的时间惯性力矩；将波形按波高方向同等分割，脉冲峰前后分别计算出在各个分割単位中的时刻值的平均值，将以同一波高位置的平均值作为矢量的成分的平均值矢量；相对于所述平均值矢量以波长成为基准值的方式而规格化时的被规格化的平均值矢量；将波形在波高方向同等分割，脉冲峰前后分别计算出在各个分割单位的时刻值的平均值，将以同一波高位置的平均值之差作为矢量的成分的平均值的差矢量拟制为质量分布并以波形底部的时间轴作为旋转中心时所确定的波幅平均值惯性力矩；相对于所述波幅平均值惯性力矩以波长成为基准值的方式而规格化时的被规格化的波幅平均值惯性力矩；将波形在波高方向同等分割，从每个分割单位的时刻值求出分散，将以该分散作为矢量的成分的分散矢量拟制为质量分布并以波形底部的时间轴作为旋转中心时所确定的波幅分散惯性力矩；以及相对于所述波幅分散惯性力矩以波长成为基准值的方式而规格化时的被规格化的波幅分散惯性力矩。 10.权利要求6～9中任一项所述的分类分析装置，其中，所述电脑控制程序包含：从所述检出信号的数据或者该数据中包含的波动成分来提取无分析物通过时的基准线的基准线提取机制；将所述基准线作为基准、将超过规定范围的信号数据作为所述脉冲状信号的数据来提取的脉冲提取机制；以及从提取了的所述脉冲状信号的数据提取所述特征量的特征量提取机制。 11.一种分类分析用记录介质，其特征在于：记录了权利要求1所述的所述电脑控制程序。
所属类别：	发明专利