CN102144153A - 用于分类、显示并探查生物数据的方法和装置 - Google Patents

Abstract

本发明涉及一种用在用于测量针对每个被检测细胞的至少四个物理参数(n＞3)的自动生物液体分析机中的方法，所述方法既用于通过判别和计数来执行分类以分成至少三个细胞类别的集合，又用于表示这些细胞类别。在该方法中，需要存储和完成下述步骤：用于将多个n元组变换成m元组的数学变换，m＜n，每个变换使得给出平均统计特性的生物液体的细胞类别能够被置于m维复合空间的不同区域；过滤器，其用于判别并重新分类成至少两个细胞类别；以及将多个n元组变换成3元组、2元组或者1元组的至少一个变换，以在至3维空间、2维表面或者1维轴的不同区域中显示给出平均统计特性的生物液体的细胞类别。

Description

用于分类、显示并探查生物数据的方法和装置

背景技术

本发明涉及生物液体分析的一般领域，更具体地，涉及自动生物液体分析机的领域。

更精确地，本发明提供了通过处理例如来自生物液体分析仪的数据进行计数和判别来对细胞群进行分类的方法。这种方法旨在用于自动分析装置。

分析大量细胞或子细胞级别结构的可能性，对于基础研究非常有意义，不管是对于药研究还是作为诊断工具。对大量生物细胞的系统分析，意味着可通过统计分析来进行生物学研究，例如，研究大量细胞中的一种或多种细胞性质。

流式细胞仪是一种适于细胞群统计学研究的技术，因为细胞一个接一个的在几百或几千细胞样品中研究。

通过合适的细胞制备，通常通过染色剂或荧光剂制备，更通常被称之“分子探针”，生物学家可以获得关于这些细胞的信息。具体而言，这涉及细胞内含物的确定，这些细胞内含物例如为DNA、RNA、蛋白质、离子种类或者血红蛋白含量。使用分子探针联合表面抗原原理上的抗体和发光体，意味着能够揭示出位于细胞膜表面的特定功能。

流式细胞仪的原理如下所述。将待分析的微观对象沿着液体路径传送到通常为激光的光束的焦点处。探测器沿着特定的可视轴安置，以收集光和粒子之间的交互信号。

位于入射激光束的轴附近的第一探测器测量小角度衍射；通常，它是有范围的，以便对低空间频率敏感，即对粒子的体积及其折射指数敏感。没有与粒子产生交互的径直激光束被掩模阻隔。

其他探测器可以被安置成与入射束的轴成90°。将探测到的光进行分析得到一个或多个对应于荧光或衍射光的光谱成分。

也可执行电子测量，例如本领域技术人员熟知的使用电子门原理测量电阻率。该技术是，例如，在Volker Kachel的文章“Electrical Resistance Pulse Sizing：Coulter Sizing”(Flow Cytometry and Sorting，第二版，1990，Wiley-Liss公司编写，第45-80页)中详细描述的。

原则上，电子门包括使得每个生物细胞穿过非常小的孔。恒定电流以一定强度流经所述孔，通过由粒子穿过所述孔引起的电阻变化来调制该强度。信号大致与细胞的体积成比例。根据文献US 4791355，电子门还可以提供交变电流。

血液分析仪还包括用于测量穿过测量细胞的粒子的吸光率的光学通道。

血液分析仪的目的例如为计算存在于血液样品中的各种细胞，区分那些细胞，并因此能够确定相对于整个样品每个细胞类别的比例。

在绝大多数情况下，解释来自为计数并区分细胞群而对全血进行操作的细胞计数器的测量值需要二维矩阵形式的图形表示来。

为此，所表示的群用两个物理参数来识别，这两个物理参数可以是光学的和/或电学的。具体而言，利用为白血细胞亚群在HORIBA ABX仪器(5DIFF分析)上的标准表征的LMNE矩阵，所采用的两种测量是吸光率和电阻率。该矩阵被称作LMNE矩阵是因为它允许对淋巴细胞、单核细胞、嗜中性粒细胞和嗜酸性粒细胞，即，通常存在于血液中的白细胞群或者白血细胞群进行区分和计数。

该表示指的是能够可视化大多数的白细胞群，但是图形可视化只能考虑到从分析仪获得的两种物理参数。

在新一代分析仪中，能够获得更多的物理参数，例如，小角度衍射(也称之为前散射(FSC))、90°漫射(也称之为侧散射(SSC))、以噻唑橙作为试剂的荧光通道(被指示为FL1)和最终的电阻率(被指示为RES)。还能够观察具有例如以荧光染料作为试剂标记的抗体的其他荧光。

目前，当每个细胞或粒子测量多于两个变量时，常规通过选择两个变量来执行在二维屏幕上的可视化。因此这包括与那些两个变量的平面相正交地进行投影。

但是，取决于观察到的元素和可用的测量，这种正交投影并不总是适用于显示和自动区分元素类别。

雅培(Abbott)提交的美国专利US 6630990“Optical method and apparatus for red blood cell differentiation on a cell-by-cell basis，and simultaneous analysis of white blood cell differentiation”提出在三维空间上投影数据，并基于Mie模型确定样品中血红蛋白的浓度、红细胞的成熟度和形状。

BD(Becton Dickinson)公司的美国专利US6944338“System for identifying clusters in scatter plots using smoothed polygons with optimal boundaries”产生基于密度的二维柱状图以判别群。

Sysmex Corpd的美国专利US6662117“Particle analyzer and particle classifying method”描述了基于待判别的细胞的特征的变量和互变量的矩阵的使用。其使用二维柱状图来执行分类。

Dako Cytomation的国际专利申请WO2006/015056“ENHANCING FLOW CYTOMETRY DISCRIMINATION WITH GEOMETRIC TRANSFORMATION”描述了通过线性数据处理实时分类两种类型的粒子。

上述提及的文献均没有描述这样一种方法或装置，使得能够管理每个细胞可用的大量数据，并能够实现自动分类至至少三个细胞类别。此外，没有一篇文件提及，能够在单个屏幕上产生对存在于样品中的所有细胞类别的可视化，并对这些细胞进行区分和计数。上述方法还不能用于隔离，例如，特定细胞类别中的某些异常细胞。

发明内容

因此，本发明的主要目的是通过提供一种用在能够检测液体中的细胞并能够确定包括针对每个被检测细胞的至少四个物理参数的n元组(n＞3)的自动生物液体分析机中的方法以克服这些缺点，所述方法既用于通过判别和计数来执行分类以分成至少一个细胞类别集合，又用于表示所述细胞类别，所述分类和表示有利地适合于对(一个或多个)病变特征的检测，并所述方法包括下列步骤：

a)最初，存储用于将多个n元组变换成m元组的多个数学变换T，m＜n，每个变换与细胞类别的预定集合内的n元组元素的特定分类相关联并根据关于构成所述细胞类别的细胞的统计知识来确定，所述每个变换使得给出了平均统计特性的生物液体的细胞类别能够被置于m维复合空间的不同区域中，所存储的多个变换有利地允许获得细胞类别的各种安置，其适合于用于指示病变的特定判别；

b)最初存储多个过滤器，其用于判别并重新分类以分成至少两个细胞类别，以允许在m维复合空间中判别出来自至少两个细胞类别的m元组；

c)最初存储用于显示的根据关于构成正常生物液体的细胞类别的细胞的统计知识所确定的将多个n元组变换成3元组、2元组或者1元组的至少一种变换，其使得给出了平均统计特性的生物液体的细胞类别能够被置于3维空间或者2维表面或者1维轴的不同区域中；

d)接收作为生物液体的分析结果的多个n元组；

e)将第一任意分类与所接收的n元组相关联；

f)根据n元组的类别选择所述n元组的子集；

g)选择变换成m元组的变换T并将其应用到所选择的n元组；

h)选择判别过滤器并将其应用到m元组，从而实现对所述n元组的类别的更新；

i)通过选择n元组的子集和/或其不同的变换和/或其不同的过滤器，来反复迭代步骤f)、g)和h)，每次迭代定义了判别算法中的一步，所述算法是通过对变换和过滤器的系列应用来定义的，所述系列有利地根据期望的特征来调整；

j)根据m元组的类别选择所述n元组中将要被显示为m元组的子集；

k)根据n元组的类别向所述n元组应用特定的显示标签；

l)向所选择的n元组应用变换成3元组、2元组或1元组的变换；并且

m)在屏幕上或者任何其他显示媒介上显示变换成3元组、2元组或者1元组的变换的结果，所判别出的每个细胞类别被表示成动态的二维、三维或一维的带标签点云。

术语“显示媒介”是指计算机屏幕、纸媒介或任何其他可视的表示装置，不管它是装置的集成部分还是距离该装置的远程位置。

术语“标签”是指颜色、图标或者任何其他能够在视觉上对应于不同类别或细胞类别分开n元组的图形元素。术语“动态3D空间”是指屏幕上显示的3D空间，因此能够将其在二维上旋转，以便能够在屏幕上从若干角度对其进行观察。

步骤f)到h)的迭代对应于“分类”算法的多步骤序列，这些步骤中的每步涉及到所考虑类别的集合，并包括定义复合空间的至少一个变换以及用于对所观察的元素进行判别和重新分类以分成至少两个类别的过滤器。针对将要判别的细胞类别的每对的算法中的每一步，以对应的n元组的形式更新每个选择的粒子的类别。

本发明的方法通过整合分析仪所测量的所有物理参数，例如下列参数：FSC、SSC、FL1、RES来提供更精确的判别结果。具体而言，通常地，补偿能够从给定强度的荧光减去其他荧光的影响。这通常只用于荧光。

本发明的方法能够在算法上取消或增加信号比例，以获得对感兴趣群的更好判别。具体而言，这些特性能用于形态测量(SSC、FSC、RES等)的结果。

本发明能够以二维矩阵的形式更好地表示白细胞的子群。除二维表示之外，在确保所有细胞群彼此不同的情况下，本发明根据细胞的成熟和物理特性、核以及细胞质来识别细胞，以能够将所述细胞分类成细胞类别；进一步地，重叠现象小，特别是在没有病变时。这便于本领域技术人员进行解释。

利用本发明的方法，n个输入变量融合以创建m维复合空间。在该空间中，如果有必要，在完成适当旋转后，能够产生适合于显示的二维投影。然后可形成感兴趣区域，特别是使用变焦或偏移函数。所述复合空间和形成适合于在投影上可视化或者自动判别受分类影响的元素类别。所述判别可以通过研究柱状图中的峰值和谷值来实现。

本发明的方法给出用于白血细胞的自动分类的算法，并提供用于所有白血细胞类别或者某些细胞特征的高性能可视化手段，例如借助于检测淋巴细胞的若干子群。

本发明使用与基于上述定义的变量/互变量矩阵所关心的细胞类别的物理参数有关的统计分析。所存储的变换是线性或非线性的。

根据本发明的特定特性，所述物理参数是RES、FSC、FL1和SSC值。

术语“值”是指RES、FSC、FL1或SSC通道上脉冲的最大高度。

根据本发明的有利特性，应用可以是线性的或者非线性的函数变换Tn-＞m，其包括将n维测量向量(n≥3)变换成m维复合向量，m＜n，如下：

F：Rⁿ-＞R^m

X-＞Y，因此y_i＝f_i(X)，0＜i≤m其中，x是初始n维测量向量，还表示为xi(X1…Xn)，并且y是图形向量，表示在标准化m维复合向量空间中的元素yi(Y1…Ym)。

有利地，函数fi是下列形式：

f_i(X)＝(A_i.X+b_i)/(C_i.X+d_i)

其中，Ai(相应地Ci)是包括m行n列的矩阵A(相应地C)的第i行，并且bi(相应地di)是m维向量B(相应地D)的第i个元素。

因此，变换通过这两个矩阵A和C以及这两个向量B和D来表征。如果矩阵C为零，而D的所有元素非零，则情况是线性的。

该特性是指，假设借助于关于在正常生物液体中观察到的细胞类别的统计知识确定矩阵A和C以及向量B和D中的所有因子，确保各个细胞类别分布于复合空间的不同区域。

因此，m维空间的变换是这样的，使得在存在正常血液的情况下，各个细胞类别的点云位于不同区域。因此容易理解，一旦生物液体成分变得不正常，例如在病变期间，不会发生到不同和/或限定区域的分布，并且生物失调变得显著。

根据本发明的特定特性，可以重复应用一个特定变换，随后应用一个具有过滤器，以改善判别。

具体而言，有利地在其他不同变换之后执行这样的重复，所述其他不同变换能够根据不同于所述重复的变换的标准而执行一个或多个判别。

根据本发明的有利特性，所使用的变换系列与预定的揭示出病变的细胞类别集合的特定分类相关联，所述系列是根据关于构成所述细胞类别的细胞的统计知识而确定的，从而使得具有有关病变的平均统计特性的生物液体的细胞类别能够被置于m维复合空间的不同区域，所述“病变(pathology)”变换是指，正常生物液体能够与具有特定病变的生物液体相区分开来。

根据本发明的特定特性，在步骤f)和g)中使用的变换系列以及二维或三维空间中的变换是这样的，使得通过成熟度来对细胞类别进行分类。

这意味着，在屏幕上一看，就能够注意到存在于生物液体中的细胞存在异常退化还是存在细胞成熟异常。

本发明还提供一种通过判别和计数进行分类以分成三个细胞类别的至少一个集合的装置，该装置连接到能够检测生物液体中的细胞并能够确定包括针对每个被检测细胞的至少四个物理参数的n元组(n＞3)的自动生物液体分析机，所述装置包括：

-存储器，其用于存储：

-用于将多个n元组变换成m元组的多个数学变换T，m＜n，每个变换与对细胞类别的预定集合的特定分类相关联并根据关于构成所述细胞类别的细胞的统计知识来确定，这样的每个变换使得给出平均统计特性的生物液体的细胞类别能够被置于m维复合空间的不同区域中；

-多个判别过滤器，其使得在所述m维复合空间中能够判别出所述预定集合的每个细胞类别的m元组；

-根据关于构成正常生物液体的细胞类别的细胞的统计知识所确定的将多个n元组变换成3元组、2元组或者1元组的至少一个变换，其使得给出平均统计特性的生物液体的细胞类别能够被置于3维空间或者2维平面或者1维轴的不同区域中；

-用于接收从对生物液体的分析得到的多个n元组的模块；

-用于将第一任意分类与每个n元组相关联的模块；

-用于根据n元组的类别选择n元组的子集的模块；

-用于从多个变换中选择至少一个变换T并且从多个判别过滤器中选择至少一个判别过滤器的模块；

-用于向所选择的n元组至少应用所选择的变换T和判别过滤器的数据处理模块；

-用于根据m元组的类别将特定标签与所述m元组关联的数据处理模块；

-用于应用将多个n元组变换成3元组、2元组或者1元组的变换的数据处理模块；

-用于在屏幕上显示变换成3元组、2元组或者1元组的所述变换的结果的模块。

根据优选实施例，本发明的方法的各个步骤通过计算机程序指令确定。

因此，本发明还提供一种在信息媒介上的计算机程序，所述程序能够在计算机、诸如FPGA(现场可编程门阵列)的处理硬件、或者任何其他形式的可编程电子器件中执行，所述程序包括适合于执行本发明方法步骤的指令。

这个程序可使用任何编程语言，可以以源代码、机器代码或者在源代码和机器代码中间的一种代码的形式，例如以部分编译形式，或者任何其他期望的形式。

本发明还提供一种计算机可读数据介质，其包括用于上述计算机程序的指令。

该数据介质可以是能够存储程序的任何实体或装置。例如，该介质可包括存储模块，例如只读存储器(ROM)，例如光盘(CD)或者可随意重写的数字视频光盘(DVD)等等，或者微电子电路ROM，或者磁记录模块，例如软盘、硬盘或者非易失性存储器(例如闪速存储器，例如通用串行总线(USB钥匙，等等)。

此外，信息支持可以是传输介质，例如可以通过电缆或光缆以无线电或者其他手段传送的电信号或光信号。本发明的程序尤其可以通过因特网网络下载。

或者，数据介质可以是包括程序的集成电路，该电路适于执行所述方法或在执行所述方法中使用。

附图说明

本发明的其他特性和优点将从参考附图的描述中变得明显，其中附图示出了实施例但并不用于任何限制。在附图中：

图1是本发明的装置的示意性表示；

图2a至2c示出针对正常血液使用本发明的方法得到的结果；

图3以框图形式示出图2b的群的期望位置；

图4a至4j示出使用本发明的方法得到的针对正常血液(4a)和病变血液(4b至4j)的结果。

具体实施方式

图1是实施本发明的装置的示意性表示。该装置包括：用于接收来自生物液体分析仪1的数据的接收模块9，其中所述数据能够用于确定针对每个被检测细胞xi的n个物理参数X1至Xn，n＞3。这n个参数定义n元组或者测量向量xi(X1…Xn)。

该分析仪有利的为流式细胞仪，并提供至少四个参数，例如，即小角度衍射，其在下文被表示为X1＝FSC；90°漫射，其被表示为X2＝SSC；至少一个荧光路径，其被表示为X3＝FL1；以及电阻率，其被表示为X4＝RES。在描述的特定示例中，使用结合到细胞内核酸的噻唑桔来揭示有核细胞，尤其是本例中的白细胞。

在任意类别分配模块10内，关于这些参数的知识是指能够将任意类别分配给n元组的每个。但是，由于所使用的变换没有修改与每个n元组相关联的类别Ci，因此下文指的是将n维空间变换为m维空间的变换，并继续参考n元组。

在所述示例中，所述装置包括用于选择属于所谓步骤Csi中所使用的输入类别的类别的子集的一组n元组的模块11。

所述装置包括存储器18，其存储软件单元，所述软件单元使得所接收的数据集合xi(X1…Xn，Csi)能够通过变换T变换成严格小于n的多维空间，并且在给定示例中，步骤Cdi使用过滤器A来判别输出的细胞类别的子集。

所述装置还包括用于选择将n维空间中的数据星座(constellation)变换成m维空间中的星座的变换Tn-＞m的模块12。根据本发明，每个变换可以与对细胞类别的预定集合的一个或多个特定分类相关联，并可以根据关于构成对应于这些细胞类别的细胞群的细胞的统计知识来确定。

术语“特定分类”是指被检测细胞将要被分类到的细胞类别的任何集合。这些分类根据分析目的而有所不同。

在简单血液分析期间，第一目的是辨别所分析血液的成分是否在正常范围内。本发明能通过分离出将要被判别为正常血液的细胞类别来提供这种信息，并允许这些细胞类别在屏幕上被显示时得以被可视化。

另一目的是确认病变血液的典型特征。这种针对特定病变的血液的典型元素以统计学方式所知，因此相关联的变换Tn-＞m使得对应的细胞类别能够在屏幕上被显示时被分离出。此外，所获得的计算能够提供关于被研究血液的病变状况的结果。

因此，每个变换意味着，能够将给出平均统计特性的生物液体的期望特定分类的细胞类别置于m维复合空间的不同区域中。

处理模块13对数据集xi(X1…Xn)执行所选择的变换Tn-＞m，以产生m维空间中的数据集yi(Y1…Ym)。

该函数变换Tn-＞m是线性或非线性的，并包括通过如下函数变换将n维测量向量(n＞3)变换成m维复合向量，＜n：

F：Rⁿ-＞R^m

x  -＞y，因此y_i＝f_i(X1…Xn)，0＜i≤m其中，x是初始n维测量向量，其还被表示为xi(X1…Xn)，并且y是图形向量，其表示在标准化m维复合向量空间中的元素yi(Y1…Ym)。

有利地，函数fi是如下形式：

f_i(X)＝(A_i.X+b_i)/(C_i.X+d_i)

其中，Ai(相应地Ci)是包括m行n列的矩阵A(相应地C)的第i行，并且bi(相应地di)是具有m维的向量B(相应地D)的第i个元素。

因此，所述变换通过这两个矩阵A和C以及这两个向量B和D来表征。如果矩阵C为零，并且D的所有元素非零，则情况是线性的。

所存储的变换的其他类型有利地允许与同一细胞相关联的两个参数相乘，目的是将复合空间的维数m减少到实现此目的所需的最小值。

因此，以彼此分离开的多个星座的形式把将要被判别的细胞类别置于m维空间中。

然后，用于选择判别过滤器的模块14能够选择用于过程步骤的过滤器A。应当理解，每个步骤通过选择过滤器——类别子集、变换和将复合空间中的m元组重新分类到类别子集的判别过滤器来定义。选择可以是通过使用者手动执行，或者通过预先编程因而自动执行。在处理器模块15中，这些过滤器A然后用于观察星座，以允许在若干不同群的细胞之间进行最佳判别。然后在m维空间中执行一定数量的细胞判别。对于每一步，过滤器的选择与先前执行的变换Tn-＞m的选择相关联。同一变换可以使用一个或多个过滤器。类似地，同一过滤器可以用于两个不同的变换。

相同的过滤器和变换还可以作用在所选择的不同n元组的子集。

通过选择n元组(或者n+1元组，如果一个类别与n元组适当地相关联)的子集、选择并应用变换以及选择并应用一个或多个过滤器所形成的集合，构成了根据本发明所使用的判别算法中的步骤。步骤集合构成了适当的判别算法，在该算法最后所有细胞都与将要被判别的类别之一相关联，其中每一步使用了对n元组、变换和至少一个过滤器的选择。

有利地，可以执行重复群校正步骤的原则。通过选择预定区域的程序执行第一初始分类。

在示意性示例中，每一步使用将每个测量向量变换成具有维度m＝1的空间的变换；然后每个测量向量减少到单个值。然后应用用于判别类别子集的过滤器。只考虑具有属于所选向量子集的初始分类的向量。

有利地，预先设定分离或重新分类边界，然后存储或利用先前建立的统计标准借助于柱状图确定所述边界。

在各个步骤中，使用合适的变换、过滤器以及类别结果，这些操作一起定义如本发明所定义的判别算法。

一旦应用了所述的算法步骤，控制模块16核查所有计划的步骤是否已被执行。如果没有，则执行另一算法步骤。如果是，则将n元组集合发送给处理器模块17。

通过判别所执行的分类将不同的图形区别COLk与每个将要被判别的细胞类别Ck相关联，例如点颜色或点形状。这产生对应于n维空间中的点集xi(X1…Xn，COLk)的m维空间中的点集yi(Y1…Ym，COLk)。

最后，这些处理器模块17应用变换Tn-＞1、Tn-＞2或者Tn-＞3，以将点集xi(X1…Xn，COLk)改变为二维或三维空间中的复合向量集Ei(Z1，Z2，COLk)。然后结果是将细胞类别分布到有颜色的平面或三维星座。变换Tn-＞1、Tn-＞2或者Tn-＞3是这样的，使得当生物液体具有正常血液的平均特性时，当在显示模块19上以平面方式或者利用动态3D空间显示点Ei(Z1，Z2，COLk)时点云有少量重叠或者没有重叠，在以平面方式显示的情况下，对于一维而言，能够使用通道密度来表示柱状图。当不是这种情况时，通常使用正交的二维投影。

这种屏幕上的二维显示，允许使用者非常快速地获得信息，因为选择变换成m维空间的变换，随后变换成二维空间的变换，需要回答如下问题：例如，“是正常血液？”或者“血液显示给定的病变吗？”等等。

本发明的本质在于，根据本发明，在本发明的装置的存储器中存储多个变换，能够产生更适合于每个预想问题的矩阵。

通常，在本发明中，必须有三个步骤，以获得根据本发明的四个物理参数X1、X2、X3、X4的二维表示。

除在事先与任意类别相关联之外，第一步1包括应用对构成与每个细胞相关联的n元组的实测数据X1、X2、X3、X4的变换，以根据X1、X2、X3和X4的实测值以及取决于对测量机构和获取系统的校准的三个常数，获得针对每个细胞的坐标Y1、Y2和Y3。

接着，在第二步2，应用过滤器，选择属于将要显示的类别的点的子集。

第三步，包括应用n元组到一、二或三维空间的变换，这里应用n元组到二维空间的变换以用于显示。对于这些点中的每个，此时表示为Ei，然后，例如，利用对应于借助于分类所确定的类别Ck的颜色COLk，将两个坐标Z1和Z2与每个细胞相关联。

图2示出了二维空间中这种变换的结果的三个示例，其意味着能够根据分析要求特定可视化细胞类别。图2A是这些表示之一，并随后描述。图2B对应于另一个变换，用于对细胞系的成熟状态的优先可视化，并同样在随后描述。图2C示出了淋巴系病变的优先可视化，尤其是对慢性淋巴细胞白血病(CLL)的优先可视化。

在本发明的一个实施例中，有利地对同一点集xi(X1…Xn)连续使用可用的变换。

这样，第一变换能够回答如下基本问题：血液是否正常？

如果使用者观察到，点云没有分离开，则有可能是技术问题或者是病变。同时，使用者可以得到对每个细胞类别的细胞的计数以及这些细胞的相对比例。

此外，即使细胞类别，例如用不同颜色染色，在获得的最终表示中重叠，也能够做出关于该血液的决定。已经在不是在2D中显示的空间中使用不同的变换执行所述分类。这样，可以精确分离开，即使在可视化平面中细胞群投影在彼此上。

有意思的是，注意到能够选择掩蔽与分析无密切关系的某些细胞类别，以简化显示，或者揭示某些特定特性。

在这种情况下，或者如果比例或者计数值不正常，或者如果根据预先算法已经触发了特定警报，可以利用与例如对应于特定病变或患者特定年龄的特定分类相关联的变换重新开始方法。

新变换在m维空间中产生点集，其可能类似于针对所采用的第一变换的点集或与其不同。在这种对应于特定分类的变换中，将要更仔细察看的细胞群是相似的，或者，更通常地，它们与第一变换期间所分类出的细胞群不同。

变换包括线性和/或非线性计算，其允许从提供期望信息的角度获得结果的可能最佳表示。这个角度与将要从所采集的原始数据所揭示的病变相关。

本发明还可使用交互探测装置。

因此，如上所述，使用在维度m＝3的复合空间中的变换。变换Tn-＞m和过滤器子集适合于观察，例如细胞系、病变族或者其他。

然后，可以采用包括旋转、亲合力等的常规3D几何元素作为二次变换，以通过在子簇上投影观察异常和/或对测量向量进行重新分类。如果变换Tn-＞m是线性的，则很容易将这些二次变换与初始变换Tn-＞m合并，以产生新的变换T′。

在该实施例中，因此从血液分析仪中获得四个物理参数：X1、X2、X3、X4的四个物理测量值，其中X1、X2、X3、X4分别对应于小角度衍射、90°漫射、噻唑桔作为试剂的荧光轨迹以及电阻率。

如图2A所示，这样的变换能够用于将4D测量空间改变成复合2D空间，在4D测量空间中每个细胞可得到的测量是参数X1、X2、X3、X4，这种变换的示例通过下列等式定义：

Y1＝C11.X1+C12.X2+C13.X3+C14.X4+C15

Y2＝C21.X1+C22.X2+C23.X3+C24.X4+C25

该变换允许可视化正常血液的所有群，并能检测许多的淋巴系病变。常数C1i和C2i根据分析仪的特性，尤其是光学平台的特性进行定义。

作为示例，C11＝0.1431，C12＝0.1496，C13＝-0.8895，C14＝-0.1261，C15＝4155，C21＝-0.3713，C22＝0.0279，C23＝-0.0877，C24＝0.7925并且C25＝682.8。

图5以二维表面的形式示出利用上述变换在正常血液中和病变血液中观察到的各种群。

本发明能够可视化包括嗜碱细胞的五个白血细胞群。在这些图中示出的表示类型是根据本发明根据有病变或无病变血样给出各种白血细胞群的布置的示例。

图4A对应于正常血液。图4B对应于指示毛细胞(tricholeukocyte)白血病的血液。图4C对应于指示骨髓瘤的血液。图4D对应于指示Sezary综合征的血液。图4E和4F对应于指示ALL(急性淋巴细胞白血病)类型B2白血细胞白血病的血液。图4G对应于指示BurkittALL/B3ALL白血病的血液。图4H对应于指示T ALL的血液。图4I对应于指示AML(急性髓系白血病)白血病的血液。图4J对应于指示CLL(慢性淋巴细胞白血病)病变的血液。

在另一示例中，这种变换的结果是在例如图2B所示的表示。

在所建议的示例中，因子值如下：

$A=\left(\begin{array}{cccc}-1551& 0& 0& 0\\ 0& -100& 0& 0\\ -100& 0& 0& 0\end{array}\right)$

$B=\left(\begin{array}{c}6351345\\ 409500\\ 409500\end{array}\right)$

$C=\left(\begin{array}{cccc}0& 0& 1& 0\\ 0& 0& 0& 1\\ 0& 1& 0& 0\end{array}\right)$

$D=\left(\begin{array}{c}1\\ 1\\ 1\end{array}\right)$

第二步2包括具有平移和旋转矩阵(欧拉矩阵)的图形变换，从而使得在该示例中的旋转角度为关于位于(2048，2048，2048)的中心的130°、51°和209°。

因此得到下列等式：

Y′1＝[0.1161*(Y1-2048)-0.91899*(Y2-2048)-0.37677(Y3-2048)]+2048

Y′2＝[-0.92118*(Y1-2048)-0.24152*(Y2-2048)+0.30510(Y3-2048)]+2048

Y′3＝[-0.37138*(Y1-2048)+0.31163*(Y2-2048)-0.87461(Y3-2048)]+2048

第三步3包括图形调整，以优化细胞族在4096×4096图形表示中的可视化，从而使得：

Y″1＝Y′1*3-10500

Y″2＝Y′2

步骤集合并入的最后等式如下：

Y(1＝540.6*(4095-X1)/(1+X3)-275.7*(4095-X2)/(1+X4)-113.04*(4095-X1)/(1+X2)+2892；以及

Y(2＝-1429*(4095-X1)/(1+X3)-24.15*(4095-X2)/(1+X4)+30.51*(4095-X1)/(1+X2)+3805

为了将X和Y表示在0至4095范围内，可以增加饱和限值：

如果X＜0，则X＝0

如果X＞4095，则X＝4095

如果Y＜0，则Y＝0

如果Y＞4095，则Y＝4095

在这个矩阵形式中得到的细胞类别的表示，使得所有的白血细胞亚群存在于马上要观看的全血样品中。所述亚群是可见的且很好地分离开，并在除了异常血液的各群之间有小的重叠。在图2B中获得的表示中，横坐标轴和纵坐标轴没有固定的方向。相反，矩阵上的群的布置很大。

利用上述所列等式，在细胞类别的二维空间上的位置被安排成在垂直方向(纵坐标轴)，开始于大量的不成熟细胞，随后是成熟细胞；在水平方向(横坐标轴)上，分解为具有单核结构的细胞和具有多核结构的细胞。

这种表示像是从干细胞开始的血液细胞的分类树状图。其允许医生或者生物学家更容易并且更直接地解释各种白血细胞亚群。

图3是关于其中能够安置各个白血细胞群的不同区域的图形表示，假定在上述二维矩阵中观察这些白血细胞群。屏幕上是否存在这些群取决于正被分析的血液是正常的还是异常/有病变的。

最后，应当注意到，在本发明的原理之内包括各种实施方式。尤其，本发明能够得到对以星座集的形式的白血细胞群的不同表示形式。

Claims (11)

1.一种用在能够检测生物液体中的细胞并能够确定包括针对每个被检测细胞所测量的至少四个物理参数的n元组(xi(X1…Xn，Ci)(n＞3)的自动生物液体分析机中的方法，所述方法既用于通过判别和计数来执行分类以分成至少三个细胞类别的集合(Ci)，又用于表示所述细胞类别，所述方法包括下列步骤：

a)最初，存储用于将多个n元组变换成m元组(yi(Y1…Ym，Cj))的多个数学变换(Tn-＞m)，m＜n，每个变换与细胞类别(Cdi)的预定集合内的n元组元素的特定分类相关联并根据关于构成所述细胞类别的细胞的统计知识来确定，所述每个变换使得给出了平均统计特性的生物液体的细胞类别(Cdi)能够被置于m维复合空间的不同区域中；

b)最初，存储多个过滤器(A)，其用于判别并重新分类以分成至少两个细胞类别(Cd1，Cd2)，以允许在所述m维复合空间中判别出来自至少两个细胞类别的m元组；

c)最初，存储用于显示的根据关于构成正常生物液体的细胞类别的细胞的统计知识所确定的将多个n元组(xi(X1…Xn，Ci)变换成3元组、2元组或者1元组的至少一个变换(T-＞1，2，3)，其使得给出了平均统计特性的生物液体的细胞类别(Cdi)能够被置于3维空间、2维表面或者1维轴的不同区域中；

d)接收作为生物液体的分析结果的多个n元组(xi(X1…Xn，Ci)；

e)将第一任意分类(Csi)与所接收的n元组相关联；

f)根据n元组的类别(Csi)选择n元组的子集；

g)选择变换成m元组的变换(Tn-＞m)并将其应用到所选择的n元组；

h)选择判别过滤器(A)并将其应用到所述m元组，从而实现对所述n元组的类别(Cdi)的更新；

i)通过选择n元组(Csi)的子集和/或其不同的变换和/或其不同的过滤器来反复迭代步骤f)、g)和h)，每次迭代定义了判别算法中的一步，所述算法是通过对变换和过滤器的系列应用来定义的；

j)根据m元组的类别选择n元组中将要被显示为所述m元组的子集；

k)根据所述n元组的类别(Ck)向所述n元组应用特定的显示标签(COLk)；

l)向所选择的n元组应用变换成3元组或者2元组或者1元组的变换(Tn-＞1，2，3)；并且

m)在屏幕(18)或者任何其他的显示媒介上显示变换成3元组或者2元组的变换的结果，所判别出的每个细胞类别被表示成动态的二维或三维的带标签点云。

2.根据前述任一项权利要求所述的方法，其特征在于，所述物理参数是RES、FSC、FL1和SSC。

3.根据权利要求2所述的方法，其特征在于，将n元组变换成2元组的变换将如下形式的复合向量与每个细胞相关联：

Y1＝C11.FSC+C12.SSC+C13.FL1+C14.RES+C15和

Y2＝C21.FSC+C22.SSC+C23.FL1+C24.RES+C25。

4.根据前述任一项权利要求所述的方法，其特征在于，为了改进所述判别，重复所述判别算法中的至少某些步骤。

5.根据前述任一项权利要求所述的方法，其特征在于，所述方法包括如下步骤：存储将多个n元组变换成m元组的所谓“病变”变换，m＜n，其与对揭示出所述病变的细胞类别的预定集合的特定分类相关联并根据构成所述细胞类别的细胞的统计知识来确定，所述病变变换使得给出了所述病变的平均统计特性的生物液体的细胞类别能够被置于所述m维复合空间的不同区域中，所述病变变换允许从正常生物液体分离出具有特定病变的生物液体。

6.根据前述任一项权利要求所述的方法，其特征在于，将n元组变换成2元组的变换使得给出了所述病变的平均统计特性的生物液体的细胞类别能够被置于2维复合空间的不同区域中。

7.根据前述任一项权利要求所述的方法，其特征在于，变换成二维空间的所述变换是这样的，使得通过成熟度对所述细胞类别进行分类。

8.根据权利要求1至5中任一项所述的方法，其特征在于，将n元组变换成3元组的变换使得给出了所述病变的平均统计特性的生物液体的细胞类别能够被置于显示器上的动态3维复合空间的不同区域中。

9.一种用于通过判别和计数进行分类以分成至少三个细胞类别的集合的装置，所述装置连接到能够检测生物液体中的细胞并能够确定包括针对每个被检测细胞的至少四个物理参数的n元组(n＞3)的自动生物液体分析机，所述装置包括：

-存储器，其用于存储：

-用于将多个n元组变换成m元组的多个数学变换，m＜n，每个变换与细胞类别的预定集合的特定分类相关联并根据构成所述细胞类别的细胞的统计知识来确定，所述每个变换使得给出了平均统计特性的生物液体的细胞类别能够被置于m维复合空间的不同区域中；

-用于判别并重新分类以分成至少两个细胞类别的多个过滤器，其使得在所述m维复合空间中能够判别出至少两个细胞类别的m元组；

-用于显示的根据关于构成正常生物液体的细胞类别的细胞的统计知识所确定的将多个n元组变换成3元组、2元组或者1元组的至少一个变换，其使得给出了平均统计特性的生物液体的细胞类别能够被置于3维空间或者2维表面或者1维轴的不同区域中；

-用于接收从对生物液体的分析得到的多个n元组的模块；

-用于将第一任意分类与每个n元组相关联的模块；

-用于根据n元组的类别选择n元组的子集的模块；

-用于从所述多个变换中选择至少一个变换并且从所述多个判别过滤器中选择至少一个判别过滤器的模块；

-用于向所选择的n元组至少应用所选择的变换和判别过滤器并且用于反复迭代所述应用的数据处理模块；

-用于根据m元组的类别选择所述n元组中将要被显示为所述m元组的子集的模块；

-用于根据所述m元组的类别将特定标签与所述m元组相关联的数据处理模块

-用于应用将所述多个n元组变换成3元组、2元组或者1元组的变换的数据处理模块；

-用于在屏幕上显示变换成3元组、2元组或者1元组的所述变换的结果的模块。

10.一种计算机程序，其用于由计算机、诸如FPGA(现场可编程门阵列)的处理硬件、或者任何其他类型的可编程电子器件使用，所述计算机程序包括用于在由计算机运行所述程序时执行根据权利要求1至8中任一项所述的方法的步骤的指令。

11.一种计算机可读记录介质，其上记录有包括用于执行根据权利要求1至8中任一项所述的方法的步骤的指令的计算机程序。

Images