CN103499580A - 一种红细胞形态学分析结果表示方法 - Google Patents
一种红细胞形态学分析结果表示方法 Download PDFInfo
- Publication number
- CN103499580A CN103499580A CN201310498952.6A CN201310498952A CN103499580A CN 103499580 A CN103499580 A CN 103499580A CN 201310498952 A CN201310498952 A CN 201310498952A CN 103499580 A CN103499580 A CN 103499580A
- Authority
- CN
- China
- Prior art keywords
- sample
- evaluating objects
- red blood
- blood cell
- erythrocytic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种红细胞形态学分析结果表示方法,该方法包括:通过对样本进行处理,得到样本中每个红细胞的大小、形状、色度和纹理形态学特征参数值,从中选取至少两个形态学特征参数值作为分析目标,根据所述样本中各个红细胞的分析目标在坐标区域中形成的散点区域来确定红细胞九分图的坐标区域;通过调查正常人群红细胞的分析目标在红细胞九分图中形成的散点区域,形成正常红细胞参考范围;根据各类样本中各类红细胞的分析目标在红细胞九分图中形成的散点区域的改变来判断异常红细胞的病理性质。本发明通过对样本中每个红细胞的色度、大小、形状和纹理特征进行分析,能够使分析结果更加的准确,更具有临床参考意义。
Description
技术领域
本发明属于红细胞检测技术领域,更具体地说,涉及一种红细胞形态学分析结果表示方法。
背景技术
对血液、尿液、脑脊液等样本中的红细胞形态学分析具有极其重要的临床诊断价值。
现有技术中,对红细胞各种参数的检测,主要采用人工和仪器检测几项基础指标后再进行计算得出。
1、红细胞形态学检查:由有经验的临床检验人员通过显微镜观察判断,描述各种类型红细胞形态。如:形态异常、大小异常、染色异常、结构异常等;
2、红细胞大小测定:由人工在显微镜下用测微计对红细胞的大小进行测量并记录其数据;
3、红细胞参数计算:根据红细胞数量、血红蛋白浓度和红细胞比容结果,计算平均红细胞体积、平均红细胞血红蛋白含量、平均红细胞血红蛋白浓度。
上述方法都存在其缺陷:人工方法检验结果的正确性主要取决于检验者的经验和责任心,因此存在有主观误差,并且工作量大,效率低下;目前无论是人工或仪器报告的红细胞形态学参数都是间接计算得出的平均值,不能得出每一类型单个红细胞的形态学结果,因此检验结果不精确。
人工和仪器检测不能体现单个红细胞的体积及血红蛋白浓度。则对于血液中红细胞大小不一的情况,无法体现。
由于这些参数都是间接求取的一个样本中所有红细胞的平均值,故不能真实反映样本中每个红细胞的形态学参数。例如平均红细胞体积,反映一个样本中红细胞体积的平均值。当为混合性贫血时,样本中红细胞大小不均,而平均红细胞体积无法反映这种情况,则检测出的平均红细胞体积则无临床参考意义。另外,对于红细胞形态,除了大小不一,还有形状各异的情况,例如椭圆形红细胞、镰刀形红细胞、口形红细胞、棘形红细胞、芽孢状红细胞、鞋扣状红细胞、靶形红细胞等,都代表着红细胞的异常,但是仪器无法检测出此类红细胞情况。
综上所述,现有技术不能对待检测样品中每个红细胞的形态学特征进行单独检测,从而使得对待检测样品的检测结果不精确。
发明内容
有鉴于此,本发明提供一种红细胞形态学分析结果表示方法,以实现能够对样本中每个红细胞特征进行单独分析,得出样本中每个红细胞的形态学特征值检测结果。为解决上述技术问题,本发明采用的技术方案为:一种红细胞形态学分析结果表示方法,包括以下步骤:
S101、处理样本,得到所述样本中每个红细胞的大小、形状、色度和纹理形态学特征参数值;
S102、选取所述样本中各个红细胞的大小、形状、色度和纹理特征中的至少两个形态学特征参数值,作为分析目标;
S103、根据所述样本中各个红细胞的分析目标在坐标区域中形成的散点区域来确定红细胞九分图的坐标区域;
S104、通过调查正常人群红细胞的分析目标在红细胞九分图中形成的散点区域,形成正常红细胞参考范围;
S105、根据各类异常样本中各类红细胞的分析目标在红细胞九分图中形成的散点区域的改变来判断异常红细胞的病理性质。
优选地,所述红细胞九分图具有九个分区、或三十六分区、或九的平方个分区。
优选地,所述步骤S103具体为:
根据所述样本中每个红细胞的分析目标在坐标区域中形成的散点区域,统计得到每个分析目标的最小值和最大值,所述分析目标的最小值确定红细胞九分图的左下角的边界,所以分析目标的最大值确定红细胞九分图的右上角的边界。
优选地,根据所述样本中每个红细胞的分析目标在坐标区域中形成的散点区域,统计得到每个分析目标的最小值和最大值,将所述分析目标的最小值均减去第一固定值得到第一边界值,利用第一边界值确定红细胞九分图的左下角的边界,将所述分析目标的最大值均加上第二固定值得到第二边界值,利用第二边界值确定红细胞九分图右上角的边界。
优选地,当选取所述样本中每个红细胞的大小、形状、色度和纹理特征中的二个形态学特征参数值,作为样本的分析目标时,则得到样本的第一分析目标和第二分析目标。
优选地,当选取所述正常人群样本和病理性病例样本中每个红细胞的大小、形状、色度和纹理特征中的三个形态学特征参数值,作为样本的分析目标时;则得到样本的第一分析目标、第二分析目标和第三分析目标。
优选地,当选取所述样本中每个红细胞的大小、形状、色度和纹理特征中的四个形态学特征参数值,作为样本的分析目标时;则在四个分析目标中任选两个目标,作为样本的第一分析目标和第二分析目标,剩余两个作为第三分析目标和第四分析目标。
优选地,所述红细胞九分图的表现形式为坐标区域图或坐标数值范围。
优选地,所述红细胞形态学分析结果表示方法还包括样本前处理步骤:
在所述处理过程之前对所述样本采用染色试剂进行染色。
优选地,所述步骤S101具体如下:
S201、用显微镜摄像装置对样本进行镜检摄像采图,获取红细胞形态学特征参数信息;
S202、用图像数字转换器对采集的图像先根据所含细胞进行分割定位,再对分割后的图像进行数字化处理,即提取各细胞的形态学特征参数值,用大小、形状、色度、纹理四类特征来描述各类细胞;
S203、将取得的各细胞的大小、形状、色度、纹理四类形态学特征参数值输入建立在神经网络基础上的分类器,由该分类器从各类细胞中分离出红细胞;
S204、将分离出的红细胞的大小、形状、色度、纹理形态学特征参数值输入建立在模糊聚类基础上的特征融合器,由该特征融合器进行归一化处理,得到大小、形状、色度、纹理的一维特征向量值。
优选地,所述红细胞形态学分析结果表示方法还包括如下步骤:
S106、显示每个样本中红细胞的分析目标在所述红细胞九分图中形成的散点图。
优选地,所述红细胞形态学分析结果表示方法还包括如下步骤:
S107、统计每个样本中红细胞的分析目标在所述红细胞九分图中每个区域的百分比;
S108、以表格形式显示所述每个样本中红细胞的分析目标在所述红细胞九分图中每个区域的百分比数值。
从上述的技术方案可以看出,本发明公开的一种红细胞形态学分析结果表示方法,首先,处理样本,得到所述样本中每个红细胞的大小、形状、色度和纹理形态学特征参数值;其次,选取所述样本中每个红细胞的大小、形状、色度和纹理特征中的至少两个形态学特征参数值,作为分析目标;其次,根据所述样本中各个红细胞的分析目标在坐标区域中形成的散点区域来确定红细胞九分图的坐标区域;其次,通过调查正常人群红细胞的分析目标在红细胞九分图中形成的散点区域,形成正常红细胞参考范围;最后,根据各类异常样本中各类红细胞的分析目标在红细胞九分图中形成的散点区域的改变来判断异常红细胞的病理性质。由此可见,本发明对待测样本的分析是通过对样本中的每个红细胞的色度、大小、形状和纹理特征进行的分析,并将样本形成在红细胞九分图中,能够使得对样本的分析结果更加的准确,更具有临床的参考意义。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明公开的一种红细胞形态学分析结果表示方法的流程图;
图2为本发明公开的样本的大小、色度形态学参数值在二维坐标中的散点分布图;
图3为本发明公开的一种以选取样本中红细胞大小和色度形态学特征参数值作为分析目标确定红细胞九分图边界的示意图;
图4为本发明公开的另一种以选取样本中红细胞大小和色度形态学特征参数值作为分析目标确定红细胞九分图边界的示意图;
图5为本发明公开的具有九个分区的红细胞九分图;
图6为本发明公开的具有三十六个分区的红细胞九分图;
图7为本发明公开的具有九的平方个分区的红细胞九分图;
图8a为本发明公开的正常人群样本中红细胞的大小形态学特征分布情况;
图8b为本发明公开的正常人群样本中红细胞的色度形态学特征分布情况;
图8c本发明公开的正常人群样本中红细胞的大小、色度形态学特征在红细胞九分图中的散点分布图;
图9a为本发明公开的一种病理性病例样本中红细胞的大小形态学特征分布情况,虚线部分为正常人群样本大小形态学特征分布情况,实线部分为该病理性病例样本中红细胞的大小形态学特征分布情况;
图9b为本发明公开的一种病理性病例样本中红细胞的色度形态学特征分布情况,虚线部分为正常人群样本色度形态学特征分布情况,实线部分为该病理性病例样本中红细胞的色度形态学特征分布情况;
图9c本发明公开的一种病理性病例样本中红细胞的大小、色度形态学特征在红细胞九分图中的散点分布图;
图10a为本发明公开的另一种病理性病例样本中红细胞的大小形态学特征分布情况,虚线部分为正常人群样本大小形态学特征分布情况,实线部分为该病理性病例样本中红细胞的大小形态学特征分布情况;
图10b为本发明公开的另一种病理性病例样本中红细胞的色度形态学特征分布情况,虚线部分为正常人群样本色度形态学特征分布情况,实线部分为该病理性病例样本中红细胞的色度形态学特征分布情况;
图10c本发明公开的另一种病理性病例样本中红细胞的大小、色度形态学特征在红细胞九分图中的散点分布图;
图11为本发明公开的样本中每个红细胞的大小、形状、色度和纹理形态学特征参数值的提取方法流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种红细胞形态学分析结果表示方法,以实现能够对样本中每个红细胞特征进行单独分析,并对样本中每个红细胞的特征进行统计和分析,得出样本的分析结果。
如图1所示,为本发明公开的一种红细胞形态学分析结果表示方法,包括:
S101、处理样本,得到所述样本中每个红细胞的大小、形状、色度和纹理形态学特征参数值;
S102、选取所述样本中每个红细胞的大小、形状、色度和纹理特征中的至少两个形态学特征参数值,作为分析目标;
S103、根据所述样本中各个红细胞的分析目标在坐标区域中形成的散点区域来确定红细胞九分图的坐标区域;
S104、通过调查正常人群红细胞的分析目标在红细胞九分图中形成的散点区域,形成正常红细胞参考范围;
S105、根据各类异常样本中各类红细胞的分析目标在红细胞九分图中形成的散点区域的改变来判断异常红细胞的病理性质。
在上述方法中,需要说明的是,由于不同年龄、性别、地区、红细胞形态特征的分布可能会有差异,样本的不同的来源(如尿液、血液、脑脊液),其红细胞特征分布的临床意义也不同,故针对样本进行统计形成红细胞九分图时,需要考虑这些造成差异的因素。
上述的样本可以包括:多例正常人群样本,多例病理性病例样本。例如,如果统计样本为血液样本,则病理性病例样本包括:小细胞低色素贫血样本、大细胞高色素贫血样本、单纯小细胞性贫血样本等;还可以包括含有形态异常红细胞的样本,形态异常的红细胞包括皱缩状红细胞、芽孢性红细胞、口状红细胞、花环状红细胞、扭曲状红细胞、泡状红细胞、碎裂状红细胞、菠萝状红细胞、泪滴状红细胞、回形红细胞等.样本的例数可自行确定,只要符合统计学的要求即可。
对于样本中红细胞形态学特征参数值的来源,除了用本方案中对样本进行检测获取外,还可以根据现有的临床经验值进行获取。
由于样本的大小、形状、色度和纹理形态学特征参数值均在一定的范围内,参数值不会太大,也不会为零。为了使图中能充分显示细胞的形态学特征参数值的分布范围,则将坐标区域进行截取,只显示关注的坐标区域。步骤S103具体如下:根据所述样本中每个红细胞的分析目标在坐标区域中形成的散点区域,统计得到每个分析目标的最小值和最大值,所述分析目标的最小值确定红细胞九分图的左下角的边界,所述分析目标的最大值确定红细胞九分图的右上角的边界。
以选取样本每个红细胞的大小、色度形态学特征参数值作为分析目标为例,详细描述此类红细胞九分图的形成过程。具体步骤如下:
a、选取样本中每个红细胞的大小、色度两个形态学特征参数值作为分析目标;
b、将样本中每个红细胞的大小、色度两个形态学特征参数值在坐标区域形成散点分布,如图2所示;
c、统计步骤b中的散点,得到大小特征和色度特征各自的最小值和最大值,并采用红细胞大小特征和色度特征的最小值确定红细胞九分图的左下角边界,采用红细胞大小特征和色度特征的最大值确定红细胞九分图的右上角边界;如图3所示;
d、对形成的区域进行划分成九个区域,从而得到红细胞九分图,如图5所示。
另外,为了使各种样本红细胞的形态学特征参数值构成的散点不至于落入到红细胞九分图以外的区域,在形成红细胞九分图的边界时,采用如下方法:根据所述样本中每个红细胞的分析目标在坐标区域中形成的散点区域,统计得到每个分析目标的最小值和最大值,将所述分析目标的最小值均减去第一固定值得到第一边界值,利用第一边界值确定红细胞九分图的左下角的边界,将所述分析目标的最大值均加上第二固定值得到第二边界值,利用第二边界值确定红细胞九分图右上角的边界。
以选取样本每个红细胞的大小、色度形态学特征参数值作为分析目标为例,详细描述此类红细胞九分图的形成过程。具体步骤如下:
a、选取样本中每个红细胞的大小、色度两个形态学特征参数值作为分析目标;
b、将样本中每个红细胞的大小、色度两个形态学特征参数值在坐标区域形成散点分布,如图2所示;
c、统计步骤b中的散点,得到大小特征和色度特征各自的最小值和最大值,并采用红细胞大小特征和色度特征的最小值均减去第一固定值得到第一边界值,利用第一边界值确定红细胞九分图的左下角边界,采用红细胞大小特征和色度特征的最大值均加上第二固定值得到第二边界值,利用第二边界值确定红细胞九分图的右上角边界;如图4所示;此步骤中,第一固定值和第二固定值可以相同,也可以不同。例如,可以均取3、或4,也可以第一固定值取3,第二固定值取4。另外,大小特征的最小值减去的第一固定值和色度特征的最小值减去的第一固定值可以相同,也可以不同,例如,大小特征的最小值减去的第一固定值为3,色度特征的最小值减去的第一固定值为4,同理,大小特征的最大值加上的第二固定值和色度特征的最大值加上的第二固定值可以相同,也可以不同。
d、对形成的区域进行划分成九个区域,从而得到红细胞九分图,如图5所示。
另外,上述无论哪种方式形成的红细胞九分图区域,均可根据需要划分为三十六个分区、九的平方个分区等。如图6所示,为划分为三十六个区域的红细胞九分图;如图7所示,为划分为九的平方个分区的红细胞九分图,当然,分区数不限于此列举的类型。
发明的实施例,在上述方法中,当选取所述正常人群样本和病理性病例样本中每个红细胞的大小、形状、色度和纹理特征中的二个形态学特征参数值,分别作为正常人群样本及病理性病理样本的分析目标时,则得到正常人群样本和病理性病例样本的第一分析目标和第二分析目标;步骤S103具体为:根据所述样本中每个红细胞的第一分析目标和第二分析目标在坐标区域中形成的散点区域,统计得到每个分析目标的最小值和最大值,所述分析目标的最小值确定红细胞九分图左下角的边界,所述分析目标的最大值确定红细胞九分图右上角的边界。
具体的,第一分析目标和第二分析目标的选择方案可以为以下几种情况:
a、第一分析目标为大小,第二分析目标为色度;
b、第一分析目标为大小,第二分析目标为形状;
c、第一分析目标为大小,第二分析目标为纹理;
d、第一分析目标为色度,第二分析目标为形状;
e、第一分析目标为色度,第二分析目标为纹理;
f、第一分析目标为形状,第二分析目标为纹理。
作为本发明的实施例,在上述方法中,当选取所述样本中每个红细胞的大小、形状、色度和纹理特征中的三个形态学特征参数值,作为样本的分析目标时,则得到样本的第一分析目标、第二分析目标和第三分析目标;步骤S103具体为:
根据所述样本中每个红细胞的第一分析目标、第二分析目标和第三分析目标在三维坐标区域中形成的散点,统计得到每个分析目标的最小值和最大值,所述分析目标的最小值确定红细胞九分图最下角的边界,所述分析目标的最大值确定红细胞九分图右上角的边界。
具体的,第一分析目标、第二分析目标和第三分析目标的选择方案可以为以下几种情况:
a、第一分析目标为大小,第二分析目标为色度,第三分析目标为形状;
b、第一分析目标为大小,第二分析目标为色度,第三分析目标为纹理;
c、第一分析目标为大小,第二分析目标为形状,第三分析目标为纹理;
d、第一分析目标为色度,第二分析目标为形状,第三分析目标为纹理。
作为本发明的实施例,在上述方法中,当选取所述样本中每个红细胞的大小、形状、色度和纹理特征中的四个形态学特征参数值,作为样本的分析目标时;则在四个分析目标中任选两个目标,作为样本的第一分析目标和第二分析目标,剩余两个作为第三分析目标和第四分析目标;
根据所述样本中每个红细胞的第一分析目标和第二分析目标在二维坐标区域中形成的散点区域,统计得到第一分析目标和第二分析目标各自的最小值和最大值,所述分析目标的最小值确定红细胞九分图左下角的边界,所述分析目标的最大值确定红细胞九分图右上角的边界。
根据所述样本中的第三分析目标和第四分析目标在二维坐标区域中形成的散点区域,统计得到第三分析目标和第四分析目标各自的最小值和最大值,所述分析目标的最小值确定红细胞九分图左下角的边界,所述分析目标的最大值确定红细胞九分图右上角的边界。
具体的,第一分析目标、第二分析目标、第三分析目标和第四分析目标的选择方案可以为以下几种情况:
a、第一分析目标为大小,第二分析目标为色度,第三分析目标为形状,第四分析目标为纹理;
b、第一分析目标为大小,第二分析目标为形状,第三分析目标为纹理,第四分析目标为色度;
c、第一分析目标为大小,第二分析目标为纹理,第三分析目标为色度,第四分析目标为形状;
d、第一分析目标为色度,第二分析目标为形状,第三分析目标为纹理,第四分析目标为大小。
上述红细胞九分图及正常人群样本及病理性病例样本的形态学特征在红细胞九分图中的散点分布可以为如图5、或图6、或图7、或图8c、或图9c、或图10c中的坐标区域图表示,还可以利用坐标数值范围表示这些区域范围。例如,用(x1,y1)~(x2,y2)表示红细胞九分图中一个分区的范围。
对于形成的红细胞九分图,正常人群样本及病理性病例样本在九分图中分布区域的不同,代表样本的分析结果不同。如图8c、图9c、图10c所示,为正常人群样本及两类病理性病例样本的大小和色度形态学特征参数值在红细胞九分图中形成散点分布。图8a为正常人群样本红细胞大小特征的分布情况、图8b为正常人群样本红细胞色度特征的分布情况,可以看出,大小及色度的分布均比较集中。图8c为正常人群样本中每个红细胞的大小、色度形态学特征参数值在二维红细胞九分图中的散点分布图,从图8c可以看出样本中红细胞在红细胞九分图中形成的散点大部分分布在中间区域。极少数分布在边缘区域;图9a为一种病理性病例样本红细胞大小特征的分布情况,图9b为一种病理性病例样本红细胞色度特征的分布情况,可以看出,与正常人群红细胞的大小、色度特征相比,均往数值偏小的方向偏移,且分布范围更宽。从图9c可以看出样本中红细胞在红细胞九分图中形成的散点往左下角偏移,证明样本中小细胞低色素的红细胞比较多,则该样本所在的病人可能犯有小细胞低色素性贫血。图10a为另一种病理性病例样本红细胞大小特征的分布情况,图10b为另一种病理性病例样本红细胞色度特征的分布情况,可以看出,与正常人群红细胞的大小、色度特征相比,均往数值偏大的方向偏移,且分布范围更宽。从图10c可以看出样本中红细胞在红细胞九分图中形成的散点往右上角偏移,证明样本中大细胞高色素的红细胞比较多,则该样本所在的病人可能犯有大细胞高色素性贫血。
在上述方法中,在对样本进行处理的过程中,还可以采用染色试剂对样本进行染色。此处,如果对样本进行染色,则需要对同时对正常人群样本和病理性病例样本进行染色,否则,均不染色。避免由染色造成的差异。
在上述方法中,步骤S101中处理样本,得到所述样本中每个红细胞的大小、形状、色度和纹理形态学特征参数值的方法具体如下,如图11所示。
S201、用显微镜摄像装置对样本进行镜检摄像采图,获取红细胞形态学特征参数信息;
S202、用图像数字转换器对采集的图像先根据所含细胞进行分割定位,再对分割后的图像进行数字化处理,即提取各细胞的形态学特征参数值,用大小、形状、色度、纹理四类特征来描述各类细胞;
S203、将取得的各细胞的大小、形状、色度、纹理四类形态学特征参数值输入建立在神经网络基础上的分类器,由该分类器从各类细胞中分离出红细胞;
S204、将分离出的红细胞的大小、形状、色度、纹理形态学特征参数值输入建立在模糊聚类基础上的特征融合器,由该特征融合器进行归一化处理,得到大小、形状、色度、纹理的一维特征向量值。
在上述方法的基础上,本发明红细胞形态学分析结果表示方法还包括:
S106、显示每个样本中的红细胞的分析目标在所述红细胞九分图中形成的散点图。如图8c、图9c图10c所示。
所述红细胞形态学分析结果表示方法还包括如下步骤:
S107、统计每个样本中红细胞的分析目标在所述红细胞九分图中每个区域的百分比;
S108、以表格形式显示所述每个样本中红细胞的分析目标在所述红细胞九分图中每个区域的百分比数值。
步骤107和108中统计得出样本的分析目标在红细胞九分图中每个区域的散点百分比,然后显示各分区的百分比,检验人员能够直接了解样本中红细胞的分布状态,便于临床病理分析。
在上述方法中,针对不同来源的样本,例如尿液、血液、脑脊液等。对待测样本检测后,同样的检测结果对临床的意义各不相同。
例如:在尿液中出现皱缩红细胞,则可能是犯有肾炎或肾结石;而在脑脊液中发现皱缩红细胞,则可能为陈旧性出血。
例如:以红细胞的大小形态学特征和色度形态学特征作为分析目标为例,散点分布往红细胞九分图的左下角偏移,如图9c所示,如果为血液样本,则可能是小细胞低色素贫血,如果为尿液样本,则可能是肾性血尿所致。
针对分析目标为大小特征和色度特征时,待测样本在样本红细胞九分图中不同的分布情况,体现出不同的病理特征。
例如针对血液样本,如待测样本为缺铁性贫血,红细胞形态特征为小细胞低色素,待测样本中红细胞散点分布往小细胞低色素的方向偏移,如图9c所示。
如待测样本为叶酸及维生素B12缺乏引起的巨幼红细胞贫血,则红细胞形态特征为大细胞高色素,待测样本中红细胞散点分布往大细胞高色素的方向偏移,如图10c所示。
针对分析目标为形状特征和纹理特征时,同样根据待测样本中红细胞的散点分布情况,判断样本的正常或异常状况。
本技术方案中红细胞的大小特征与现有技术中红细胞的体积对应。但是现有技术中,测得的是每个样本中红细胞的平均红细胞体积;针对红细胞大小不一的样本。现有技术无法体现。
本技术方案中红细胞的色度特征与现有技术中红细胞的血红蛋白含量具有相关性。通过对红细胞色度的测量,可体现红细胞血红蛋白含量。色度的深浅与红细胞血红蛋白含量的高低相对应。但是现有技术中测得的是样本中所有红细胞血红蛋白的平均值。不能体现血液样本中每个红细胞的血红蛋白含量。
本技术方案中的形状和纹理特征能够体现样本中每个红细胞的形态。利用形状及纹理特征参数的异常来体现样本中红细胞的异形性。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (12)
1.一种红细胞形态学分析结果表示方法,其特征在于,包括以下步骤:
S101、处理样本,得到所述样本中每个红细胞的大小、形状、色度和纹理形态学特征参数值;
S102、选取所述样本中每个红细胞的大小、形状、色度和纹理特征中的至少两个形态学特征参数值,作为分析目标;
S103、根据所述样本中各个红细胞的分析目标在坐标区域中形成的散点区域来确定红细胞九分图的坐标区域;
S104、通过调查正常人群红细胞的分析目标在红细胞九分图中形成的散点区域,形成正常红细胞参考范围;
S105、根据各类异常样本中各类红细胞的分析目标在红细胞九分图中形成的散点区域的改变来判断异常红细胞的病理性质。
2.根据权利要求1所述的方法,其特征在于,所述红细胞九分图具有九个分区、或三十六分区、或九的平方个分区。
3.根据权利要求1所述的方法,其特征在于,步骤S103具体为:
根据所述样本中每个红细胞的分析目标在坐标区域中形成的散点区域,统计得到每个分析目标的最小值和最大值,所述分析目标的最小值确定红细胞九分图的左下角的边界,所述分析目标的最大值确定红细胞九分图的右上角的边界。
4.根据权利要求1所述的方法,其特征在于,步骤S103具体为:
根据所述样本中每个红细胞的分析目标在坐标区域中形成的散点区域,统计得到每个分析目标的最小值和最大值,将所述分析目标的最小值均减去第一固定值得到第一边界值,利用第一边界值确定红细胞九分图的左下角的边界,将所述分析目标的最大值均加上第二固定值得到第二边界值,利用第二边界值确定红细胞九分图右上角的边界。
5.根据权利要求1所述的方法,其特征在于,当选取所述样本中每个红细胞的大小、形状、色度和纹理特征中的二个形态学特征参数值,作为样本的分析目标时,则得到样本的第一分析目标和第二分析目标。
6.根据权利要求1所述的方法,其特征在于,当选取所述正常人群样本和病理性病例样本中每个红细胞的大小、形状、色度和纹理特征中的三个形态学特征参数值,作为样本的分析目标时;则得到样本的第一分析目标、第二分析目标和第三分析目标。
7.根据权利要求1所述的方法,其特征在于,当选取所述样本中每个红细胞的大小、形状、色度和纹理特征中的四个形态学特征参数值,作为样本的分析目标时;则在四个分析目标中任选两个目标,作为样本的第一分析目标和第二分析目标,剩余两个作为第三分析目标和第四分析目标。
8.根据权利要求1所述的方法,其特征在于,所述红细胞九分图的表现形式为坐标区域图或坐标数值范围。
9.根据权利要求1所述的方法,其特征在于,所述红细胞形态学分析结果表示方法还包括样本前处理步骤:
在所述处理过程之前对所述样本采用染色试剂进行染色。
10.根据权利要求1所述的方法,其特征在于,所述步骤S101具体如下:
S201、用显微镜摄像装置对样本进行镜检摄像采图,获取红细胞形态学特征参数信息;
S202、用图像数字转换器对采集的图像先根据所含细胞进行分割定位,再对分割后的图像进行数字化处理,即提取各细胞的形态学特征参数值,用大小、形状、色度、纹理四类特征来描述各类细胞;
S203、将取得的各细胞的大小、形状、色度、纹理四类形态学特征参数值输入建立在神经网络基础上的分类器,由该分类器从各类细胞中分离出红细胞;
S204、将分离出的红细胞的大小、形状、色度、纹理形态学特征参数值输入建立在模糊聚类基础上的特征融合器,由该特征融合器进行归一化处理,得到大小、形状、色度、纹理的一维特征向量值。
11.根据权利要求1所述的方法,其特征在于,所述红细胞形态学分析结果表示方法还包括如下步骤:
S106、显示每个样本中红细胞的分析目标在所述红细胞九分图中形成的散点图。
12.根据权利要求1所述的方法,其特征在于,所述红细胞形态学分析结果表示方法还包括如下步骤:
S107、统计每个样本中红细胞的分析目标在所述红细胞九分图中每个区域的百分比;
S108、以表格形式显示所述每个样本中红细胞的分析目标在所述红细胞九分图中每个区域的百分比数值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310498952.6A CN103499580A (zh) | 2013-10-22 | 2013-10-22 | 一种红细胞形态学分析结果表示方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310498952.6A CN103499580A (zh) | 2013-10-22 | 2013-10-22 | 一种红细胞形态学分析结果表示方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103499580A true CN103499580A (zh) | 2014-01-08 |
Family
ID=49864810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310498952.6A Pending CN103499580A (zh) | 2013-10-22 | 2013-10-22 | 一种红细胞形态学分析结果表示方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103499580A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015058353A1 (zh) * | 2013-10-22 | 2015-04-30 | 爱威科技股份有限公司 | 一种红细胞形态学分析结果表示方法 |
CN108537092A (zh) * | 2017-03-02 | 2018-09-14 | 爱威科技股份有限公司 | 变异红细胞识别方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102359938A (zh) * | 2011-09-16 | 2012-02-22 | 长沙高新技术产业开发区爱威科技实业有限公司 | 红细胞形态学分析装置及其方法 |
-
2013
- 2013-10-22 CN CN201310498952.6A patent/CN103499580A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102359938A (zh) * | 2011-09-16 | 2012-02-22 | 长沙高新技术产业开发区爱威科技实业有限公司 | 红细胞形态学分析装置及其方法 |
Non-Patent Citations (1)
Title |
---|
NAVEEN KAKKAR等: "Red Cell Cytograms Generated by an ADVIA 120 automated Hematology Analyzer: Characteristic Patterns in Common Hematological Conditions", 《LABMEDICINE》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015058353A1 (zh) * | 2013-10-22 | 2015-04-30 | 爱威科技股份有限公司 | 一种红细胞形态学分析结果表示方法 |
CN108537092A (zh) * | 2017-03-02 | 2018-09-14 | 爱威科技股份有限公司 | 变异红细胞识别方法及装置 |
CN108537092B (zh) * | 2017-03-02 | 2020-11-10 | 爱威科技股份有限公司 | 变异红细胞识别方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7361149B2 (ja) | デジタルホログラフィ顕微鏡検査および無傷の(untouched)末梢血白血球を用いる高精度の5部鑑別(5-part Differential) | |
US6630990B2 (en) | Optical method and apparatus for red blood cell differentiation on a cell-by-cell basis, and simultaneous analysis of white blood cell differentiation | |
EP2554987B1 (en) | Method and apparatus for determining red blood cell indices of a blood sample utilizing the intrinsic pigmentation of hemoglobin contained within the red blood cells | |
EP2265946B1 (en) | Method and apparatus for determining the hematocrit of a blood sample utilizing the intrinsic pigmentation of hemoglobin contained within the red blood cells | |
EP2734827B1 (en) | Blood analyzer calibration and assessment | |
CN102822670B (zh) | 用于分析血液样品的方法和系统 | |
CN103984939B (zh) | 一种样本有形成分分类方法及系统 | |
CN107533047A (zh) | 尿分析系统、拍摄装置、细胞拍摄装置、尿分析方法、管理装置及信息处理方法 | |
CN101097180A (zh) | 分析仪及分析方法 | |
Smith et al. | Single-step preparation and image-based counting of minute volumes of human blood | |
Fleming et al. | UF-1000 i: validation of the body fluid mode for counting cells in body fluids | |
CN103345654A (zh) | 一种基于形态学分类计数白细胞的方法 | |
CN105940301A (zh) | 一种流式细胞分析仪及其多维数据分类方法、装置 | |
CN102331393A (zh) | 一种对人体血液中细胞进行自动分类计算的方法 | |
CN110226083B (zh) | 红细胞碎片识别方法和装置、血液细胞分析仪及分析方法 | |
Stouten et al. | Examination of peripheral blood smears: performance evaluation of a digital microscope system using a large-scale leukocyte database | |
CN103499580A (zh) | 一种红细胞形态学分析结果表示方法 | |
Yang et al. | Determination of acute leukemia lineage with new morphologic parameters available in the complete blood cell count | |
US20110167029A1 (en) | Method and device for classifying, displaying and exploring biological data | |
Kim et al. | Automated red blood cell differential analysis on a multi‐angle light scatter/fluorescence hematology analyzer | |
CN103776751B (zh) | 用于粒子检测仪中散点图的粒子分类方法 | |
JP2006330001A (ja) | 尿中赤血球の鑑別装置および方法 | |
Zhang et al. | Schistocyte detection in artificial intelligence age | |
Mukherjee et al. | Application of biomedical image processing in blood cell counting using hough transform | |
Rahar et al. | Haematology reference range evaluation for novel research parameters on the complete blood count analyzer sysmex XN-1000 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C12 | Rejection of a patent application after its publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20140108 |