CN103499700B - 一种应用于细胞分析仪的信号有效性分析方法及其装置 - Google Patents
一种应用于细胞分析仪的信号有效性分析方法及其装置 Download PDFInfo
- Publication number
- CN103499700B CN103499700B CN201310455795.0A CN201310455795A CN103499700B CN 103499700 B CN103499700 B CN 103499700B CN 201310455795 A CN201310455795 A CN 201310455795A CN 103499700 B CN103499700 B CN 103499700B
- Authority
- CN
- China
- Prior art keywords
- segmentation
- pulse
- probability level
- peak value
- pulse width
- 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.)
- Expired - Fee Related
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 44
- 239000002245 particle Substances 0.000 claims abstract description 141
- 230000002159 abnormal effect Effects 0.000 claims abstract description 11
- 230000011218 segmentation Effects 0.000 claims description 373
- 238000011156 evaluation Methods 0.000 claims description 35
- 230000005856 abnormality Effects 0.000 claims description 22
- 238000012163 sequencing technique Methods 0.000 claims description 18
- 239000007788 liquid Substances 0.000 claims description 14
- 238000006467 substitution reaction Methods 0.000 claims description 12
- 238000007405 data analysis Methods 0.000 claims description 9
- 238000000556 factor analysis Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 abstract description 7
- 238000005259 measurement Methods 0.000 abstract description 6
- 210000004027 cell Anatomy 0.000 description 112
- 238000005516 engineering process Methods 0.000 description 7
- 210000001772 blood platelet Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000000684 flow cytometry Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及医用细胞分析仪领域，具体涉及一种应用于细胞分析仪的信号有效性分析方法及其装置，本发明的分析方法包括：通过信号采集通道采集粒子/细胞的数据，并将粒子/细胞的数据进行分组，得到两组以上的粒子/细胞分段信号，并进行排序；统计各分段的脉冲参数；并根据各分段的脉冲参数计算出分段可信系数与分段变化趋势，再与预设阈值进行对比，判短数据是否异常；本发明对采集到的整体数据进行分段处理，其可以准确地分析到所采集数字信号的有效性，在既不延长测量时间也不增加样本用量的前提下，判断数据是否异常，提高了测量结果的可信度。
Description
技术领域
本发明涉及医用细胞分析仪领域，具体涉及一种应用于细胞分析仪的信号有效性分析方法及其装置。
背景技术
血细胞分析仪是医院临床检验应用非常广泛的仪器之一，是指对一定体积内血细胞数量及异质性进行检测、分析的仪器。随着电子技术、电子计算机技术、流式细胞技术、激光技术和新荧光化学物质等各种高新技术在血细胞分析仪中的应用，使血细胞分析仪的检测原理不断完善、测量参数不断增加、检测水平不断提高、自动化程度越来越高，并朝着快速、准确、微量的方向发展。但所有的这些产品都有一个共同的技术特点就是，不论采用何种测量原理，其所采集到的粒子/细胞的模拟信号都需要转换为粒子/细胞的数字信号，通过计算机对数字信号进行识别、分析、计算，得到测量分析结果。
因此，对血细胞分析仪来说，所采集到的粒子/细胞的数字信号，是仪器算法分析的原始输入数据，是保证测量分析结果的性能指标的最重要因素。也因此，分析这些数字信号是否有效，并判断其无效的原因就显得尤为重要。数据无效的原因，即对应着仪器的某一单元或某些单元的运行状态出现了异常/故障。
在现有的技术中，有一种血细胞分析仪，其利用对同一样本进行多次测试直到连续两次的测量值之差小于设定值的范围的方法来对信号的有效性进行判定；还有一种血细胞分析仪，当血小板（PLT）计数值小于设定值，则自动进行PLT倍计数，也就是说，其需要使用通常测试所用两倍量的样本进行血小板计数。因此，在现有的技术中，其需要延长测量时间或增加样本用量的方法对输入信号的有效性进行测量，其测量时间较长，测量中消耗样本较多。
发明内容
为克服上述缺陷，本发明的目的即在于提供一种应用于细胞分析仪的信号有效性分析方法及其装置。
本发明的目的是通过以下技术方案来实现的：
本发明是一种应用于细胞分析仪的信号有效性分析方法，包括：
通过信号采集通道采集粒子/细胞的原始数据，并进行采集时间计时；
对每个采集通道采集到的粒子/细胞原始数据进行预处理，去除粒子/细胞原始数据中的干扰信号，得到粒子/细胞数字信号；
对粒子/细胞数字信号进行识别与计算，得到并记录粒子/细胞数字信号中每个粒子/细胞的脉冲信号，所述脉冲信号包括：脉冲峰值、脉冲宽度和脉冲总数，并按采集时间将所有的脉冲信号进行分组，得到两组以上的粒子/细胞分段信号，记录每组粒子/细胞分段信号中的分段脉冲峰值、分段脉冲宽度和分段脉冲总数，同时根据采集时间的先后顺序将粒子/细胞分段信号进行排序；
根据每段粒子/细胞分段信号中的分段脉冲峰值和分段脉冲宽度，分别求得其分段脉冲峰值均值、分段脉冲宽度均值；
分别计算所有分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数，并按采集时间的先后顺序分别统计分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的变化趋势；
根据分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数分别求得分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数；
分别将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数与预设阈值范围进行对比，且将其变化趋势与预设的变化特征进行匹配；若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均在预设阈值范围之内，且该变化趋势与预设的变化特征匹配成功，则判定为数据异常。
进一步，所述对粒子/细胞数字信号进行识别与计算，得到并记录粒子/细胞数字信号中每个粒子/细胞的脉冲信号之后包括：
求取所有粒子/细胞的脉冲信号的脉冲宽度的均值，得到整体脉冲宽度均值；并通过整体脉冲宽度均值的对应关系得到整体可信系数；将整体可信系数与预设阈值进行对比，若整体可信系数在预设阈值之内，则判定为数据异常。
进一步，所述根据分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数分别求得分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数包括：
将分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数，分别代入分段可信系数公式求得将分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的可信系数；
所述可信系数公式为：可信系数=a*（标准差的标准值–标准差）/标准差的标准值+b（1-变异系数）,其中，标准差的标准值为预设经验值，a和b是两个预设系数，a+b=1。
进一步，所述若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均在预设阈值范围之内，且该变化趋势与预设的变化特征匹配成功，则判定为数据异常包括：
若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均小于第一、第二、第三阈值，且分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势为由高到低的变化，则判定为堵孔；
若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均小于第四、第五、第六阈值，且分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势为随机出现定量偏大的值，则判定为信号中存在噪声；
若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均小于第七、第八、第九阈值，且分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势为间隔出现相对平坦的谷底，则判定为信号中存在气泡。
进一步，所述通过整体脉冲宽度均值的对应关系得到整体可信系数包括：
将整体脉冲宽度均值代入整体可信系数公式，得到整体可信系数：
所述整体可信系数公式为：整体可信系数=1-（ABS(整体脉冲宽度均值-整体宽度均值标准值）/整体宽度均值标准值)，其中，所述整体宽度均值标准值为预设的经验值。
进一步，所述将整体可信系数与预设阈值进行对比，若整体可信系数在预设阈值之内，则判定为数据异常包括：
将整体可信系数与预设阈值进行对比，若整体可信系数小于第十阈值，则判定为液路流速异常。
本发明一种细胞分析仪的信号有效性分析装置，其特征在于，包括：
信号采集模块，所述信号采集模块用于采集粒子/细胞的原始数据，并进行采集时间计时；
信号预处理模块，所述信号预处理模块与信号采集模块连接，用于对每个采集通道采集到的粒子/细胞原始数据进行预处理，去除粒子/细胞原始数据中的干扰信号，得到粒子/细胞数字信号；
脉冲识别模块，所述脉冲识别模块与信号预处理模块连接，用于对粒子/细胞数字信号进行脉冲峰值、脉冲宽度和脉冲总数识别与计算，得到每个粒子/细胞的脉冲信号；
分段排序模块，所述分段排序模块与脉冲识别模块连接，用于按采集时间将所有的脉冲信号进行分组，得到两组以上的粒子/细胞分段信号，记录每组粒子/细胞分段信号中的分段脉冲峰值、分段脉冲宽度和分段脉冲总数，同时根据采集时间的先后顺序将粒子/细胞分段信号进行排序；
分段数据计算模块，所述分段数据计算模块与分段排序模块连接，用于根据每段粒子/细胞分段信号中的分段脉冲峰值和分段脉冲宽度，分别求得其分段脉冲峰值均值、分段脉冲宽度均值，并记录分段脉冲总数；
分段差异度分析模块，所述分段差异度分析模块与分段数据计算模块连接，用于分别计算所有分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数，并按采集时间的先后顺序分别统计分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的变化趋势；
分段可信度分析模块，所述分段可信度分析模块与分段差异度分析模块连接，用于根据分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数分别求得分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数；
异常判定模块，所述异常判定模块与分段可信度分析模块连接，用于将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数与预设阈值范围进行对比，且将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势与预设的变化特征进行匹配；若分段可信系数在预设阈值范围之内，且该变化趋势与预设的变化特征匹配成功，则判定为数据异常。
进一步，本发明还包括：
整体数据分析模块，所述整体数据分析模块与脉冲识别模块和异常判定模块连接，用于求取整体脉冲宽度均值，并将该整体脉冲宽度均值代入整体可信系数公式，得到整体可信系数，并通过整体评价参数得到整体可信系数，并将该整体可信系数发送至异常判定模块。
进一步，所述异常判定模块包括：
堵孔判定单元，所述堵孔判定单元与分段可信度分析模块连接，用于分别将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数与预设阈值范围第一、第二、第三阈值进行对比，且将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势与预设的变化模式进行匹配，若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均小于第一、第二、第三阈值，且其的变化趋势为由高到低的变化，则判定为堵孔；
噪声判定单元，所述噪声判定单元与分段可信度分析模块连接，用于分别将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数与预设阈值范围第四、第五、第六阈值进行对比，且将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势与预设的变化模式进行匹配，若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均小于第四、第五、第六阈值，且其的变化趋势为随机出现定量偏大的值，则判定为信号中存在噪声；
气泡判定单元，所述气泡判定单元与分段可信度分析模块连接，用于分别将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数与预设阈值范围第七、第八、第九阈值进行对比，且将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势与预设的变化模式进行匹配，若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均小于第七、第八、第九阈值，且其的变化趋势为间隔出现相对平坦的谷底，则判定为信号中存在气泡；
液路异常判定单元，所述液路异常判定单元与整体数据分析模块连接，用于将整体可信系数与预设阈值进行对比，若整体可信系数小于第十阈值，则判定为液路流速异常。
进一步，所述信号采集模块包括：两路采集通道，分别为：第一路采集通道和第二路采集通道；
所述第一路采集通道采用库尔特原理通过传感器获取一组脉冲信号作为第一路的粒子/细胞的原始数据，
所述第二路采集通道通过激光传感器获取两组脉冲信号作为第二路的粒子/细胞的原始数据。
本发明对采集到的整体数据进行分段处理，其可以准确地分析到所采集数字信号的有效性，在既不延长测量时间也不增加样本用量的前提下，判断数据是否异常，提高了测量结果的可信度。
附图说明
为了易于说明，本发明由下述的较佳实施例及附图作详细描述。
图1为本发明应用于细胞分析仪的信号有效性分析方法的一个实施例的流程图；
图2为本发明应用于细胞分析仪的信号有效性分析方法的另一个实施例的流程图；
图3为本发明细胞分析仪的信号有效性分析装置的一个实施例的逻辑结构示意图；
图4为本发明细胞分析仪的信号有效性分析装置的另一个实施例逻辑结构的示意图；
图5为原始采集的粒子/细胞的脉冲信号数据效果图；
图6为经过脉冲识别后的粒子/细胞的脉冲峰值和宽度数据效果图；
图7为经过脉冲识别后的粒子/细胞的脉冲峰值数据示例图；
图8为经过脉冲识别后的粒子/细胞的脉冲宽度数据示例图；
图9为数据正常的粒子/细胞的分段信号示例图；
图10为粒子/细胞的分段信号中一个数据异常的实施例的示例图；
图11为粒子/细胞的分段信号中另一个数据异常的实施例的示例图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
请参阅图1，本发明是一种应用于细胞分析仪的信号有效性分析方法，包括：
101.采集原始数据
通过信号采集通道采集粒子/细胞的原始数据，并进行采集时间计时；
102.对原始数据进行预处理并进行脉冲识别
对每个采集通道采集到的粒子/细胞原始数据进行预处理，去除粒子/细胞原始数据中的干扰信号，得到粒子/细胞数字信号；对粒子/细胞数字信号进行识别与计算，得到并记录粒子/细胞数字信号中每个粒子/细胞的脉冲信号，所述脉冲信号包括：脉冲峰值、脉冲宽度和脉冲总数；
103.对脉冲信号进行分组排序
按采集时间将所有的脉冲信号进行分组，得到两组以上的粒子/细胞分段信号，记录每组粒子/细胞分段信号中的分段脉冲峰值、分段脉冲宽度和分段脉冲总数，同时根据采集时间的先后顺序将粒子/细胞分段信号进行排序；
104.计算么脉冲峰值与宽度的均值
根据每段粒子/细胞分段信号中的分段脉冲峰值和分段脉冲宽度，分别求得其分段脉冲峰值均值、分段脉冲宽度均值；
105.计算分段的差异性
在得到所有粒子/细胞分段信号的分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数后，分别计算所有分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数，并按采集时间的先后顺序分别统计分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的变化趋势；
106.计算分段的可信系数
根据分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数分别求得分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数；
107.判断数据的异常状态
将分段可信系数与预设阈值范围进行对比，且将该变化趋势与预设的变化特征进行匹配；判断是否异常，若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均在预设阈值范围之内，且该变化趋势与预设的变化特征匹配成功，则判定为数据异常。
为了便于理解，现用另一个实施例对本发明进行进一步的描述，请参看图2、图5-图11，具体为：
201.采集原始数据
通过两路信号采集通道采集粒子/细胞的原始数据，并进行采集时间计时；该粒子/细胞的原始数据包括粒子/细胞的体积数据和复杂度数据，
其中，一路采集通道中采用库尔特原理通过传感器获取一组脉冲信号作为一路粒子/细胞的体积数据，另一路采集通道中通过激光传感器获取两组脉冲信号作为另一路粒子/细胞的复杂度数据；图5为采集到的粒子/细胞体积原始数据。
202.对原始数据进行预处理
对每个采集通道采集到的粒子/细胞原始数据进行预处理，去除粒子/细胞原始数据中的干扰信号，得到粒子/细胞数字信号；
在脉冲识别前，首先需要对采集的原始数据进行去噪处理，消除错误数据，然后进行平滑处理，减小装置带来的干扰，经过处理后的信号更有利于脉冲识别算法的处理，大大降低了脉冲丢失的概率。
203.识别数字信号并进行分组排序
对粒子/细胞数字信号进行识别与计算，得到并记录粒子/细胞数字信号中每个粒子/细胞的脉冲信号，该脉冲信号包括：脉冲峰值、脉冲宽度和脉冲总数；优选的，本发明采用优化后的脉冲识别算法对脉冲信号进行识别，脉冲识别算法优化策略具体为：充分考虑脉冲信号波峰波谷的特征，结合信号斜率的变化趋势和波峰的宽度，能对非粒子/细胞脉冲和粒子/细胞脉冲进行区分。粒子/细胞脉冲还有个特点，波峰两侧信号是基本对称的，算法也通过这个规律可以把粒子/细胞的脉冲更精确地筛选出来。粒子/细胞在进入信号采集通道的时候，脉冲信号是一个从低到高的一个过程，在采集通道中，脉冲信号最大保持稳定，离开采集通道的时候，脉冲信号是一个从高到低的过程，这个峰值很好的反应了粒子/细胞的特征，统计成粒子/细胞峰值。脉冲宽度也是体现粒子/细胞特征的数值，正常的粒子/细胞的脉冲都是有固定宽度的，这个宽度太大和太小都会当成无效信号，脉冲宽度也很好的反应了粒子/细胞的特征，统计成粒子/细胞宽度；
并且，按采集时间将所有的脉冲信号进行分组，将同一时间段的脉冲峰值、脉冲宽度和脉冲总数放进一组粒子/细胞分段信号中，得到两组以上的粒子/细胞分段信号，记录每组粒子/细胞分段信号中的脉冲信号，同时根据采集时间的先后顺序将粒子/细胞分段信号进行排序；具体可以为：按某个时间长度将所有的脉冲信号分成N段。对每段的粒子/细胞标记段号，相同段粒子/细胞段号相同，段号为1-N，这样我们可以获取每个段的多个特征信息。
204.通过整体的脉冲宽度计算整体评价参数
求取所有粒子/细胞的脉冲宽度的均值，得到整体评价参数；整段采集信号的一个整体状态，可以通过粒子/细胞的宽度均值来表示，单个粒子/细胞的宽度值的大小和液路的流速有关，流速越快，宽度值越大，流速越慢，宽度值越小。所以统计全部粒子/细胞的宽度求取平均值，这个平均值作为一个整体评价参数，可以很好的反应整段采集信号的一个整体状态。
2051.通过每分段的脉冲总数计算第一分段评价参数
计算每段粒子/细胞分段信号中的脉冲总数，得到第一分段评价参数；堵孔是一种常见的故障，机器一旦堵孔，就会体现在分段信号的粒子/细胞的脉冲总数上，每一段信号的粒子/细胞的脉冲总数值会出现明显的差异，所以分段信号的粒子/细胞脉冲总数为第一分段评价参数；每一分段信号中均有一个第一分段评价参数；
2052.通过每分段的脉冲峰值计算第二分段评价参数
计算每段粒子/细胞分段信号中的脉冲峰值的均值，得到第二分段评价参数；噪声是一种常见的故障，虽然脉冲信号做了去噪处理，但有的时候系统还是会有不可消除的噪声，一定量噪声的混入，就会体现在分段信号的峰值均值上，每一段信号的粒子/细胞的峰值均值会出现明显的差异，所以统计每段粒子/细胞的峰值求取平均值，这个峰值均值作为第二分段评价参数；每一分段信号中均有一个第二分段评价参数；粒子/细胞峰值和宽度如图6所示；
2053.通过每分段的脉冲宽度计算第三分段评价参数
计算每段粒子/细胞分段信号中的脉冲宽度的均值，得到第三分段评价参数；气泡是一种常见的故障，气泡和粒子/细胞的有些特征类似，获取的信号相类似，但气泡的体积一般比粒子/细胞大很多，液路大量气泡存在时，就会体现在分段信号的宽度均值上，每一段信号的粒子/细胞的宽度均值会出现明显的差异，所以统计每段粒子/细胞的宽度求取平均值，这个宽度均值作为第三分段评价参数，每一分段信号中均有一个第三分段评价参数。
2061.计算得到第一标准差和第一变异系数与其变化趋势
对第1-第N个第一分段评价参数进行计算，得到第一标准差（SD，Standard Deviation）和第一变异系数(CV，Coefficient of Variability)，并按采集时间的先后顺序统计第一分段评价参数的变化趋势；
2062.计算得到第二标准差和第二变异系数与其变化趋势
对第1-第N个第二分段评价参数进行计算，得到第二标准差SD和第二变异系数CV，并按采集时间的先后顺序统计第二分段评价参数的变化趋势；
2063.计算得到第三标准差和第三变异系数与其变化趋势
对第1-第N个第三分段评价参数进行计算，得到第三标准差SD和第三变异系数CV，并按采集时间的先后顺序统计第三分段评价参数的变化趋势。
2071.计算第一分段可信系数
将第一标准差SD和第一变异系数CV，分别代入分段可信系数公式，分段可信系数=a*（SD标准值–SD）/SD标准值+b（1-CV）,其中，SD标准值为预设经验值，a和b是两个预设系数，a+b=1，求得第一分段可信系数；
2072.计算第二分段可信系数
将第二标准差SD和第二变异系数CV，分别代入分段可信系数公式，分段可信系数=a*（SD标准值–SD）/SD标准值+b（1-CV）,其中，SD标准值为预设经验值，a和b是两个预设系数，a+b=1，求得第二分段可信系数；
2073.计算第三分段可信系数
将第三标准差SD和第三变异系数CV，分别代入分段可信系数公式，分段可信系数=a*（SD标准值–SD）/SD标准值+b（1-CV）,其中，SD标准值为预设经验值，a和b是两个预设系数，a+b=1，求得第三分段可信系数；
208.计算整体可信系数
将整体评价参数代入整体可信系数公式，得到整体可信系数：
所述整体可信系数公式为：整体可信系数=1-（ABS(整体评价参数-整体宽度均值标准值）/整体宽度均值标准值)，其中，所述整体宽度均值标准值为预设的经验值。
或，利用第三分段评价参数与整体评价参数的对应关系计算出整体可信系数。
2090.判断错误的类型
将第一、第二、第三分段可信系数与预设阈值范围阈值进行对比，且将第一、第二、第三分段评价参数的变化趋势与预设的变化模式进行匹配；同时，将整体可信系数与预设阈值进行对比；
2091.判定为堵孔
若将第一、第二、第三分段可信系数与预设阈值范围第一、第二、第三阈值进行对比，且将第一、第二、第三分段评价参数的变化趋势与预设的变化模式进行匹配的结果为：第一、第二、第三分段可信系数均小于第一、第二、第三阈值，且第一、第二、第三分段评价参数的变化趋势为由高到低的变化，则判定为堵孔；
2092.判定为噪声
若将第一、第二、第三分段可信系数与预设阈值范围第四、第五、第六阈值进行对比，且将第一、第二、第三分段评价参数的变化趋势与预设的变化模式进行匹配的结果为：第一、第二、第三分段可信系数均小于第四、第五、第六阈值，且第一、第二、第三分段评价参数的变化趋势为随机出现定量偏大的值，则判定为信号中存在噪声；
2093.判定为气泡
若将第一、第二、第三分段可信系数与预设阈值范围第七、第八、第九阈值进行对比，且将第一、第二、第三分段评价参数的变化趋势与预设的变化模式进行匹配的结果为：第一、第二、第三分段可信系数均小于第七、第八、第九阈值，且第一、第二、第三分段评价参数的变化趋势为间隔出现相对平坦的谷底，则判定为信号中存在气泡；
2094.判定为液路异常
若将整体可信系数与预设阈值进行对比的结果为，整体可信系数小于第十阈值，则判定为液路流速异常。
请参看图3、图4，一种细胞分析仪的信号有效性分析装置，包括：
信号采集模块301，所述信号采集模块301用于采集粒子/细胞的原始数据，并进行采集时间计时；
信号预处理模块302，所述信号预处理模块302与信号采集模块301连接，用于对每个采集通道采集到的粒子/细胞原始数据进行预处理，去除粒子/细胞原始数据中的干扰信号，得到粒子/细胞数字信号；
脉冲识别模块303，所述脉冲识别模块303与信号预处理模块302连接，用于对粒子/细胞数字信号进行脉冲峰值、脉冲宽度和脉冲总数识别与计算，得到每个粒子/细胞的脉冲信号；
分段排序模块304，所述分段排序模块304与脉冲识别模块303连接，用于按采集时间将所有的脉冲信号进行分组，得到两组以上的粒子/细胞分段信号，记录每组粒子/细胞分段信号中的分段脉冲峰值、分段脉冲宽度和分段脉冲总数，同时根据采集时间的先后顺序将粒子/细胞分段信号进行排序；
分段数据计算模块305，所述分段数据计算模块305与分段排序模块304连接，用于根据每段粒子/细胞分段信号中的分段脉冲峰值和分段脉冲宽度，分别求得其分段脉冲峰值均值、分段脉冲宽度均值，并记录分段脉冲总数；
分段差异度分析模块306，所述分段差异度分析模块306与分段数据计算模块305连接，用于分别计算所有分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数，并按采集时间的先后顺序分别统计分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的变化趋势；
分段可信度分析模块307，所述分段可信度分析模块307与分段差异度分析模块306连接，用于根据分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数分别求得分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数；
异常判定模块308，所述异常判定模块308与分段可信度分析模块307连接，用于将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数与预设阈值范围进行对比，且将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势与预设的变化特征进行匹配；若分段可信系数在预设阈值范围之内，且该变化趋势与预设的变化特征匹配成功，则判定为数据异常。
进一步，本发明还包括：
整体数据分析模块309，所述整体数据分析模块309与脉冲识别模块303和异常判定模块308连接，用于求取整体脉冲宽度均值，并将该整体脉冲宽度均值代入整体可信系数公式，得到整体可信系数，并通过整体评价参数得到整体可信系数，并将该整体可信系数发送至异常判定模块。
进一步，所述异常判定模块包括：
堵孔判定单元3081，所述堵孔判定单元3081与分段可信度分析模块307连接，用于分别将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数与预设阈值范围第一、第二、第三阈值进行对比，且将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势与预设的变化模式进行匹配，若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均小于第一、第二、第三阈值，且其的变化趋势为由高到低的变化，则判定为堵孔；
噪声判定单元3082，所述噪声判定单元3082与分段可信度分析模块307连接，用于分别将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数与预设阈值范围第四、第五、第六阈值进行对比，且将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势与预设的变化模式进行匹配，若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均小于第四、第五、第六阈值，且其的变化趋势为随机出现定量偏大的值，则判定为信号中存在噪声；
气泡判定单元3083，所述气泡判定单元3083与分段可信度分析模块307连接，用于分别将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数与预设阈值范围第七、第八、第九阈值进行对比，且将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势与预设的变化模式进行匹配，若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均小于第七、第八、第九阈值，且其的变化趋势为间隔出现相对平坦的谷底，则判定为信号中存在气泡；
液路异常判定单元3084，所述液路异常判定单元3084与整体数据分析模块309连接，用于将整体可信系数与预设阈值进行对比，若整体可信系数小于第十阈值，则判定为液路流速异常。
进一步，所述信号采集模块301包括：两路采集通道，分别为：第一路采集通道3011和第二路采集通道3012；
所述第一路采集通道3011采用库尔特原理通过传感器获取一组脉冲信号作为第一路的粒子/细胞的原始数据，该第一路的粒子/细胞的原始数据为粒子/细胞的体积数据；
所述第二路采集通道通3012过激光传感器获取两组脉冲信号作为第二路的粒子/细胞的原始数据，该第二路的粒子/细胞的原始数据为粒子/细胞的复杂度数据。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (9)
1.一种应用于细胞分析仪的信号有效性分析方法，其特征在于，包括：
通过信号采集通道采集粒子/细胞的原始数据，并进行采集时间计时；
对每个采集通道采集到的粒子/细胞原始数据进行预处理，去除粒子/细胞原始数据中的干扰信号，得到粒子/细胞数字信号；
对粒子/细胞数字信号进行识别与计算，得到并记录粒子/细胞数字信号中每个粒子/细胞的脉冲信号，所述脉冲信号包括：脉冲峰值、脉冲宽度和脉冲总数，并按采集时间将所有的脉冲信号进行分组，得到两组以上的粒子/细胞分段信号，记录每组粒子/细胞分段信号中的分段脉冲峰值、分段脉冲宽度和分段脉冲总数，同时根据采集时间的先后顺序将粒子/细胞分段信号进行排序；
根据每段粒子/细胞分段信号中的分段脉冲峰值和分段脉冲宽度，分别求得其分段脉冲峰值均值、分段脉冲宽度均值；
分别计算所有分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数，并按采集时间的先后顺序分别统计分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的变化趋势；
根据分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数分别求得分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数；
分别将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数与相应预设阈值范围进行对比，且将其变化趋势与预设的变化特征进行匹配；若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均在相应预设阈值范围之内，且该变化趋势与预设的变化特征匹配成功，则判定为数据异常；
所述根据分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数分别求得分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数包括：
将分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数，分别代入分段可信系数公式求得将分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的可信系数；
所述可信系数公式为：可信系数=a*（标准差的标准值–标准差）/标准差的标准值+b（1-变异系数）,其中，标准差的标准值为预设经验值，a和b是两个预设系数，a+b=1。
2.根据权利要求1所述的应用于细胞分析仪的信号有效性分析方法，其特征在于，所述对粒子/细胞数字信号进行识别与计算，得到并记录粒子/细胞数字信号中每个粒子/细胞的脉冲信号之后包括：
求取所有粒子/细胞的脉冲信号的脉冲宽度的均值，得到整体脉冲宽度均值；并通过整体脉冲宽度均值的对应关系得到整体可信系数；将整体可信系数与预设阈值进行对比，若整体可信系数小于预设阈值，则判定为数据异常。
3.根据权利要求2所述的应用于细胞分析仪的信号有效性分析方法，其特征在于，所述若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均在预设阈值范围之内，且该变化趋势与预设的变化特征匹配成功，则判定为数据异常包括：
若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均小于第一、第二、第三阈值，且分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势为由高到低的变化，则判定为堵孔；
若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均小于第四、第五、第六阈值，且分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势为随机出现定量偏大的值，则判定为信号中存在噪声；
若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均小于第七、第八、第九阈值，且分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势为间隔出现相对平坦的谷底，则判定为信号中存在气泡。
4.根据权利要求3所述的应用于细胞分析仪的信号有效性分析方法，其特征在于，所述通过整体脉冲宽度均值的对应关系得到整体可信系数包括：
将整体脉冲宽度均值代入整体可信系数公式，得到整体可信系数：
所述整体可信系数公式为：整体可信系数=1-（ABS(整体脉冲宽度均值-整体宽度均值标准值）/整体宽度均值标准值)，其中，所述整体宽度均值标准值为预设的经验值。
5.根据权利要求4所述的应用于细胞分析仪的信号有效性分析方法，其特征在于，所述将整体可信系数与预设阈值进行对比，若整体可信系数在预设阈值之内，则判定为数据异常包括：
将整体可信系数与预设阈值进行对比，若整体可信系数小于第十阈值，则判定为液路流速异常。
6.一种细胞分析仪的信号有效性分析装置，其特征在于，包括：
信号采集模块，所述信号采集模块用于采集粒子/细胞的原始数据，并进行采集时间计时；
信号预处理模块，所述信号预处理模块与信号采集模块连接，用于对每个采集通道采集到的粒子/细胞原始数据进行预处理，去除粒子/细胞原始数据中的干扰信号，得到粒子/细胞数字信号；
脉冲识别模块，所述脉冲识别模块与信号预处理模块连接，用于对粒子/细胞数字信号进行脉冲峰值、脉冲宽度和脉冲总数识别与计算，得到每个粒子/细胞的脉冲信号；
分段排序模块，所述分段排序模块与脉冲识别模块连接，用于按采集时间将所有的脉冲信号进行分组，得到两组以上的粒子/细胞分段信号，记录每组粒子/细胞分段信号中的分段脉冲峰值、分段脉冲宽度和分段脉冲总数，同时根据采集时间的先后顺序将粒子/细胞分段信号进行排序；
分段数据计算模块，所述分段数据计算模块与分段排序模块连接，用于根据每段粒子/细胞分段信号中的分段脉冲峰值和分段脉冲宽度，分别求得其分段脉冲峰值均值、分段脉冲宽度均值，并记录分段脉冲总数；
分段差异度分析模块，所述分段差异度分析模块与分段数据计算模块连接，用于分别计算所有分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数，并按采集时间的先后顺序分别统计分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的变化趋势；
分段可信度分析模块，所述分段可信度分析模块与分段差异度分析模块连接，用于根据分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数分别求得分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数；
所述根据分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数分别求得分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数包括：
将分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的标准差和变异系数，分别代入分段可信系数公式求得将分段脉冲峰值均值、分段脉冲宽度均值和分段脉冲总数的可信系数；
所述可信系数公式为：可信系数=a*（标准差的标准值–标准差）/标准差的标准值+b（1-变异系数）,其中，标准差的标准值为预设经验值，a和b是两个预设系数，a+b=1；
异常判定模块，所述异常判定模块与分段可信度分析模块连接，用于将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数与预设阈值范围进行对比，且将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势与预设的变化特征进行匹配；若分段可信系数在预设阈值范围之内，且该变化趋势与预设的变化特征匹配成功，则判定为数据异常。
7.根据权利要求6所述的细胞分析仪的信号有效性分析装置，其特征在于，还包括：
整体数据分析模块，所述整体数据分析模块与脉冲识别模块和异常判定模块连接，用于求取整体脉冲宽度均值，并将该整体脉冲宽度均值代入整体可信系数公式，得到整体可信系数，并通过整体评价参数得到整体可信系数，并将该整体可信系数发送至异常判定模块。
8.根据权利要求7所述的细胞分析仪的信号有效性分析装置，其特征在于，所述异常判定模块包括：
堵孔判定单元，所述堵孔判定单元与分段可信度分析模块连接，用于分别将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数与预设阈值范围第一、第二、第三阈值进行对比，且将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势与预设的变化模式进行匹配，若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均小于第一、第二、第三阈值，且其的变化趋势为由高到低的变化，则判定为堵孔；
噪声判定单元，所述噪声判定单元与分段可信度分析模块连接，用于分别将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数与预设阈值范围第四、第五、第六阈值进行对比，且将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势与预设的变化模式进行匹配，若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均小于第四、第五、第六阈值，且其的变化趋势为随机出现定量偏大的值，则判定为信号中存在噪声；
气泡判定单元，所述气泡判定单元与分段可信度分析模块连接，用于分别将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数与预设阈值范围第七、第八、第九阈值进行对比，且将分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数的变化趋势与预设的变化模式进行匹配，若分段脉冲峰值可信系数、分段脉冲宽度可信系数和分段脉冲总数可信系数均小于第七、第八、第九阈值，且其的变化趋势为间隔出现相对平坦的谷底，则判定为信号中存在气泡；
液路异常判定单元，所述液路异常判定单元与整体数据分析模块连接，用于将整体可信系数与预设阈值进行对比，若整体可信系数小于第十阈值，则判定为液路流速异常。
9.根据权利要求8所述的细胞分析仪的信号有效性分析装置，其特征在于，所述信号采集模块包括：两路采集通道，分别为：第一路采集通道和第二路采集通道；
所述第一路采集通道采用库尔特原理通过传感器获取一组脉冲信号作为第一路的粒子/细胞的原始数据，
所述第二路采集通道通过激光传感器获取两组脉冲信号作为第二路的粒子/细胞的原始数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310455795.0A CN103499700B (zh) | 2013-09-30 | 2013-09-30 | 一种应用于细胞分析仪的信号有效性分析方法及其装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201310455795.0A CN103499700B (zh) | 2013-09-30 | 2013-09-30 | 一种应用于细胞分析仪的信号有效性分析方法及其装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN103499700A CN103499700A (zh) | 2014-01-08 |
| CN103499700B true CN103499700B (zh) | 2014-12-10 |
Family
ID=49864927
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201310455795.0A Expired - Fee Related CN103499700B (zh) | 2013-09-30 | 2013-09-30 | 一种应用于细胞分析仪的信号有效性分析方法及其装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN103499700B (zh) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2018139144A1 (ja) * | 2017-01-25 | 2018-08-02 | Ntn株式会社 | 状態監視方法および状態監視装置 |
| CN110118715B (zh) * | 2018-02-06 | 2024-05-14 | 深圳市帝迈生物技术有限公司 | 一种血细胞脉冲信号分析装置以及方法 |
| CN111122841A (zh) * | 2018-10-31 | 2020-05-08 | 深圳市帝迈生物技术有限公司 | 提高样本结果准确性的方法及样本分析仪 |
| CN111257204B (zh) * | 2018-11-30 | 2021-11-23 | 深圳市帝迈生物技术有限公司 | 用于样本分析仪的微孔堵塞的侦测方法及样本分析仪 |
| CN112730202B (zh) * | 2020-12-29 | 2023-06-16 | 深圳市科曼医疗设备有限公司 | 血球分析仪的阻抗法检测系统和识别阻抗通道堵孔的方法 |
| CN112945807A (zh) * | 2021-01-29 | 2021-06-11 | 深圳市科曼医疗设备有限公司 | 基于血液细胞分析仪的自动检测方法和装置 |
| CN113252537B (zh) * | 2021-07-08 | 2021-11-23 | 深圳市帝迈生物技术有限公司 | 一种样本分析仪及其计数异常的检测方法 |
| CN113218845B (zh) * | 2021-07-08 | 2021-11-23 | 深圳市帝迈生物技术有限公司 | 一种样本分析仪及其计数异常的检测方法 |
| CN114441415B (zh) * | 2022-04-06 | 2022-09-20 | 深圳市帝迈生物技术有限公司 | 一种微堵孔识别方法和样本分析仪 |
| CN114441414B (zh) * | 2022-04-06 | 2022-09-20 | 深圳市帝迈生物技术有限公司 | 一种堵孔判断方法和样本分析仪 |
| CN115931037A (zh) * | 2022-12-23 | 2023-04-07 | 深圳市科曼医疗设备有限公司 | 粒子通道的堵孔识别方法、装置及系统、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002088635A1 (fr) * | 2001-04-27 | 2002-11-07 | Matsushita Electric Industrial Co., Ltd. | Procede d'extraction d'un signal significatif, support d'enregistrement et programme associe |
| CN101246113A (zh) * | 2007-02-14 | 2008-08-20 | 深圳迈瑞生物医疗电子股份有限公司 | 一种对血红蛋白测试结果的监测方法 |
| CN101266205A (zh) * | 2007-03-12 | 2008-09-17 | 深圳迈瑞生物医疗电子股份有限公司 | 一种监测血液细胞测试结果可靠性的方法 |
| CN102539302A (zh) * | 2010-12-31 | 2012-07-04 | 深圳迈瑞生物医疗电子股份有限公司 | 信号处理方法和装置 |
| CN103091232A (zh) * | 2011-10-31 | 2013-05-08 | 深圳迈瑞生物医疗电子股份有限公司 | 粒子分析仪及其粒子测试控制方法、装置 |
| JP2013170872A (ja) * | 2012-02-20 | 2013-09-02 | Shimadzu Corp | 光学的粒子計測装置 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS57186150A (en) * | 1981-04-30 | 1982-11-16 | Coulter Electronics | Detector for abnormal pulse |
-
2013
- 2013-09-30 CN CN201310455795.0A patent/CN103499700B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2002088635A1 (fr) * | 2001-04-27 | 2002-11-07 | Matsushita Electric Industrial Co., Ltd. | Procede d'extraction d'un signal significatif, support d'enregistrement et programme associe |
| CN101246113A (zh) * | 2007-02-14 | 2008-08-20 | 深圳迈瑞生物医疗电子股份有限公司 | 一种对血红蛋白测试结果的监测方法 |
| CN101266205A (zh) * | 2007-03-12 | 2008-09-17 | 深圳迈瑞生物医疗电子股份有限公司 | 一种监测血液细胞测试结果可靠性的方法 |
| CN102539302A (zh) * | 2010-12-31 | 2012-07-04 | 深圳迈瑞生物医疗电子股份有限公司 | 信号处理方法和装置 |
| CN103091232A (zh) * | 2011-10-31 | 2013-05-08 | 深圳迈瑞生物医疗电子股份有限公司 | 粒子分析仪及其粒子测试控制方法、装置 |
| JP2013170872A (ja) * | 2012-02-20 | 2013-09-02 | Shimadzu Corp | 光学的粒子計測装置 |
Non-Patent Citations (1)
| Title |
|---|
| JP昭57-186150A 1982.11.16 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN103499700A (zh) | 2014-01-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103499700B (zh) | 一种应用于细胞分析仪的信号有效性分析方法及其装置 | |
| CN103720468B (zh) | 应用于动态心电数据的伪差识别方法和装置 | |
| CN102507417B (zh) | 一种粒子自动分类方法 | |
| JP5475010B2 (ja) | マイクロ流体単一粒子解析に関する指型電極 | |
| CN111257204B (zh) | 用于样本分析仪的微孔堵塞的侦测方法及样本分析仪 | |
| CN111143438B (zh) | 一种基于流处理的车间现场数据实时监测与异常检测方法 | |
| US20210267551A1 (en) | Noise detection method and apparatus | |
| CN106769698B (zh) | 一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法 | |
| CN112006683B (zh) | 一种基于自组织临界性的精神疲劳临界点标定方法 | |
| CN104515725A (zh) | 一种识别异常粒子的方法和系统及其细胞分析仪 | |
| CN108802535B (zh) | 筛选方法、主干扰源识别方法及装置、服务器及存储介质 | |
| WO2012139047A2 (en) | Identifying and enumerating early granulated cells (egcs) | |
| WO2014206376A1 (zh) | 一种基于形态学分类计数白细胞的方法 | |
| CN106618542A (zh) | 一种去噪心率信号检测装置及方法 | |
| CN101246113B (zh) | 一种对血红蛋白测试结果的监测方法 | |
| CN105959316A (zh) | 网络安全性验证系统 | |
| CN104297133A (zh) | 一种基于小孔阻抗原理的脉冲信号筛选方法及装置 | |
| US11331024B2 (en) | Calibration method for critical point of mental fatigue based on self-organized criticality | |
| CN114441414B (zh) | 一种堵孔判断方法和样本分析仪 | |
| CN114441415B (zh) | 一种微堵孔识别方法和样本分析仪 | |
| CN101266205B (zh) | 一种监测血液细胞测试结果可靠性的方法 | |
| CN202018424U (zh) | 食品安全检测仪 | |
| CN104515723A (zh) | 细胞分析仪及其红细胞凝集报警方法和系统 | |
| US12055472B2 (en) | Method for correcting a blood cell parameter, blood sample analyzer and storage medium | |
| CN109284341A (zh) | 一种能效监测大数据分析系统及方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20140108 Assignee: Shenzhen south intellectual property operation center Co.,Ltd. Assignor: EDAN LABORATORY Co.,Ltd. Contract record no.: X2020980008441 Denomination of invention: A signal validity analysis method and device for cell analyzer Granted publication date: 20141210 License type: Exclusive License Record date: 20201125 |
|
| EE01 | Entry into force of recordation of patent licensing contract | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A signal validity analysis method and device for cell analyzer Effective date of registration: 20201130 Granted publication date: 20141210 Pledgee: Shenzhen south intellectual property operation center Co.,Ltd. Pledgor: EDAN LABORATORY Co.,Ltd. Registration number: Y2020980008615 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20220401 Granted publication date: 20141210 Pledgee: Shenzhen south intellectual property operation center Co.,Ltd. Pledgor: EDAN LABORATORY Co.,Ltd. Registration number: Y2020980008615 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141210 |
|
| CF01 | Termination of patent right due to non-payment of annual fee |