本公開的實施例涉及診斷實驗室分析器的樣品處理機(sample?handler)以及使用該樣品處理機的方法。

背景技術(shù)：

1、臨床診斷實驗室系統(tǒng)處理患者樣品，例如，血液、尿液或身體組織，以測試各種分析物。樣品從患者身上采集并存儲在樣品容器中，然后這些樣品容器被運送到收容診斷系統(tǒng)的實驗室。實驗室系統(tǒng)包括接收樣品容器的樣品處理機。樣品容器被放入到托盤中，然后這些托盤被裝入到樣品處理機中。機器人將樣品容器往返載體傳送，這些載體將樣品容器在實驗室系統(tǒng)內(nèi)的儀器和其他部件之間運輸。

2、為了準確地接近和處理樣品容器，需要識別托盤中的樣品容器的位置和類型，使得機器人可在整個實驗室系統(tǒng)中定位和運輸樣品容器。隨著實驗室系統(tǒng)的處理時間的減少，需要更快地識別和定位樣品容器。因此，需要快速識別和定位樣品容器的樣品處理機和處理樣品容器的方法。

技術(shù)實現(xiàn)思路

1、根據(jù)第一方面，提供了一種診斷實驗室系統(tǒng)的樣品處理機。所述樣品處理機包括：多個保持位置，其配置成接收樣品容器；能夠在所述樣品處理機內(nèi)移動的成像裝置，所述成像裝置配置成捕獲所述保持位置的圖像，并且生成代表所述圖像的圖像數(shù)據(jù)；控制器，其配置成生成指令，所述指令使所述成像裝置在所述樣品處理機內(nèi)移動，并且使所述成像裝置捕獲圖像；以及以計算機代碼實現(xiàn)的分類算法，所述分類算法包括配置成對所述圖像中的對象分類的訓練模型。

2、在另一方面，提供了另一種診斷實驗室系統(tǒng)的樣品處理機。所述樣品處理機包括：多個保持位置，其配置成接收樣品容器；能夠在所述樣品處理機內(nèi)移動的機器人，所述機器人包括抓持器，所述抓持器配置成抓持所述樣品容器，以將所述樣品容器移入和移出所述保持位置；固定到所述機器人的成像裝置，所述成像裝置配置成捕獲所述樣品容器的圖像，并且生成代表所述圖像的圖像數(shù)據(jù)；控制器，其配置成生成指令，所述指令使所述機器人在所述樣品處理機內(nèi)移動，并且使用所述成像裝置捕獲圖像；以及以計算機代碼實現(xiàn)的分類算法，所述分類算法包括配置成識別所述樣品容器的訓練模型。

3、在另一方面，提供了一種操作診斷實驗室系統(tǒng)的樣品處理機的方法。所述方法包括：在所述樣品處理機內(nèi)提供多個保持位置，所述多個保持位置中的每一個配置成接收樣品容器；提供具有抓持器的機器人，所述抓持器配置成抓持所述樣品容器，并且將所述樣品容器移入和移出所述多個保持位置；在所述樣品處理機內(nèi)運輸成像裝置；捕獲所述樣品容器中的一個或多個的圖像；以及使用以計算機代碼實現(xiàn)的分類算法對所述圖像分類，所述分類算法包括配置成識別所述樣品容器的訓練模型。

4、根據(jù)包括為實施本公開而設(shè)想的最佳模式的若干示例性實施例的以下描述和圖示，本公開的其他方面、特征和優(yōu)點可以是顯而易見的。本公開還可具有其他和不同的實施例，并且可在各個方面修改其若干細節(jié)，所有這些都不脫離本公開的范圍。本公開旨在涵蓋落入權(quán)利要求和其等同形式的范圍內(nèi)的所有修改、等同形式和替代方案。

技術(shù)特征：

1.一種診斷實驗室系統(tǒng)的樣品處理機，包括：

2.根據(jù)權(quán)利要求1所述的樣品處理機，其中，所述分類算法被配置成將所述樣品容器識別為至少是帶帽的、無帽的以及管頂樣品杯。

3.根據(jù)權(quán)利要求1所述的樣品處理機，其中，所述分類算法被配置成對以下至少一者分類：

4.根據(jù)權(quán)利要求1所述的樣品處理機，其中，所述分類算法被配置成識別樣品容器相對于以下至少一者的位置：

5.根據(jù)權(quán)利要求1所述的樣品處理機，還包括傳感器，所述傳感器配置成檢測所述保持位置中的一個或多個的移動，并且響應于所述移動而生成信號，其中，所述控制器被配置成生成指令，以響應于所述信號，而在所述樣品處理機內(nèi)移動所述成像裝置并且捕獲圖像。

6.根據(jù)權(quán)利要求1所述的樣品處理機，還包括能夠在所述樣品處理機內(nèi)移動并且配置成照亮對象的照明源。

7.根據(jù)權(quán)利要求6所述的樣品處理機，其中，所述控制器被配置成控制照明強度和照明光譜中的至少一者。

8.根據(jù)權(quán)利要求1所述的樣品處理機，其中，所述控制器配置成：

9.根據(jù)權(quán)利要求1所述的樣品處理機，其中，所述分類算法被配置成識別錯放的樣品容器。

10.根據(jù)權(quán)利要求1所述的樣品處理機，其中，所述分類算法被配置成識別所述樣品處理機中的灑出液體。

11.根據(jù)權(quán)利要求1所述的樣品處理機，還包括配置成在所述樣品處理機內(nèi)移動的機器人，其中，所述成像裝置被固定到所述機器人，并且其中，所述控制器生成使所述機器人在所述樣品處理機內(nèi)移動的指令。

12.根據(jù)權(quán)利要求11所述的樣品處理機，還包括處于所述樣品處理機內(nèi)的固定位置的固定攝像機，其中，所述控制器被配置成：

13.根據(jù)權(quán)利要求11所述的樣品處理機，其中，所述機器人包括配置成抓持所述樣品容器的抓持器。

14.根據(jù)權(quán)利要求13所述的樣品處理機，其中，所述成像裝置被配置成捕獲抓持樣品容器的所述抓持器的圖像。

15.根據(jù)權(quán)利要求14所述的樣品處理機，其中，所述分類算法被配置成識別所述樣品容器的抓持中的一個或多個異常。

16.一種診斷實驗室系統(tǒng)的樣品處理機，包括：

17.根據(jù)權(quán)利要求16所述的樣品處理機，其中，所述成像裝置被配置成捕獲所述樣品處理機中的灑出液體的圖像，并且其中，所述分類算法被訓練成識別所述灑出液體。

18.根據(jù)權(quán)利要求16所述的樣品處理機，其中，所述成像裝置被配置成捕獲所述樣品容器在被所述抓持器抓持時的圖像，并且其中，所述分類算法被訓練成識別所述抓持器和所述樣品容器之間的異常。

19.根據(jù)權(quán)利要求16所述的樣品處理機，其中，所述分類算法被訓練成識別錯放的樣品容器。

20.一種操作診斷實驗室系統(tǒng)的樣品處理機的方法，所述方法包括：

21.根據(jù)權(quán)利要求20所述的方法，其中，所述分類包括識別所述樣品處理機中的灑出液體。

22.根據(jù)權(quán)利要求20所述的方法，其中，所述分類包括識別所述抓持器和所述樣品容器之間的抓持中的異常。

23.根據(jù)權(quán)利要求20所述的方法，其中，所述分類包括識別錯放的樣品容器。

技術(shù)總結(jié)
一種診斷實驗室系統(tǒng)的樣品處理機包括配置成接收樣品容器的多個保持位置。成像裝置可在樣品處理機內(nèi)移動，并且被配置成捕獲保持位置和其中接收的樣品容器的圖像?？刂破鞅慌渲贸缮芍噶?，其使成像裝置在樣品處理機內(nèi)移動并捕獲圖像。分類算法以計算機代碼實現(xiàn)，并且包括配置成對所捕獲的圖像中的對象分類的訓練模型。還公開了其他樣品處理機和處理樣品容器的方法。

技術(shù)研發(fā)人員：張耀仁,A·K·潘迪,N·謝諾伊,R·揚蓋爾,B·S·波拉克,A·卡普爾
受保護的技術(shù)使用者：美國西門子醫(yī)學診斷股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2