インピーダンスフローサイトメトリーにおけるリアルタイム信号処理およびイベント検出のための導関数ベースのフレームワーク

科学分野:

• 生物医学工学;信号処理;分析化学

背景:

• インピーダンスフローサイトメトリー（IFC）はラベルフリーの細胞特性評価を提供しますが、ノイズによるイベント検出と特徴抽出の課題に直面しています。現在の方法では、複雑なマルチステージパイプラインと広範なパラメータチューニングが必要になることが多く、リアルタイムの適用性を制限しています。

研究 の 目的:

• IFCのための計算効率の高い、単一ステップの信号処理フレームワークを開発すること。IFCデータにおけるベースラインドリフト抑制、イベント検出、および特徴抽出を強化すること。IFCを使用した微粒子のリアルタイム分類を可能にすること。

主な方法:

• IFCデータ用に新しい導関数ベースの信号処理アルゴリズムを実装しました。このフレームワークは、ベースラインドリフト抑制、イベント検出、および特徴抽出を1つの計算ステップに統合します。精度、再現率、偽発見率、および処理時間の点で従来のメソッドと比較してパフォーマンスを評価しました。

主要な成果:

• 導関数アプローチは、単純な閾値処理と比較して、精度と再現率で約20％の改善、偽発見率で15〜25％の削減を示しました。処理時間は、さまざまなテスト条件で45〜78％削減されました。導関数から抽出された特徴により、データ取得率を大幅に超える速度で、リアルタイムの微粒子分類で98％以上の精度が可能になりました。

結論:

• 導関数ベースのフレームワークは、リアルタイムIFCデータ分析のための堅牢でパラメータフリーのソリューションを提供します。その効率性と精度は、リソースが制約された組み込みIFCプラットフォームに適しています。このアプローチは、ラベルフリーの細胞および粒子特性評価機能を大幅に進歩させます。