CN103776751A - 用于粒子检测仪中散点图的粒子分类方法 - Google Patents

用于粒子检测仪中散点图的粒子分类方法 Download PDF

Info

Publication number
CN103776751A
CN103776751A CN201210407597.2A CN201210407597A CN103776751A CN 103776751 A CN103776751 A CN 103776751A CN 201210407597 A CN201210407597 A CN 201210407597A CN 103776751 A CN103776751 A CN 103776751A
Authority
CN
China
Prior art keywords
layer
contour map
classification
scatter diagram
pixel
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.)
Granted
Application number
CN201210407597.2A
Other languages
English (en)
Other versions
CN103776751B (zh
Inventor
卓远
易晗平
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Lanyun Biomedical Technology Co ltd
Original Assignee
Shenzhen Landwind Industry Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Landwind Industry Co Ltd filed Critical Shenzhen Landwind Industry Co Ltd
Priority to CN201210407597.2A priority Critical patent/CN103776751B/zh
Publication of CN103776751A publication Critical patent/CN103776751A/zh
Application granted granted Critical
Publication of CN103776751B publication Critical patent/CN103776751B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)

Abstract

本发明公开一种用于粒子检测仪中散点图的粒子分类方法，其包括步骤：A、将散点图转换成地形图，输出等高线图；B、按第一层间步长从灰度值最大的像素点所在的最高层开始查找每一层等高线图；C、判断第i层等高线图中的一个闭合等高线是否可以通过预设归类规则与第i+1层等高线图中类别P的像素点之间产生联系，如是，则把第i层等高线图中的该闭合等高线投影到散点图上所包围的像素点归入类别P，否则将不能归属于任何已知类别的新顶点标记为一个新类别，其中i为自然数；D、逐层归类直到达到第1层等高线图时判断是否满足终止条件。本发明可以提高散点图中粒子分类精度。

Description

用于粒子检测仪中散点图的粒子分类方法
技术领域
本发明涉及一种医学图像处理技术，尤其是涉及一种用于粒子检测仪中对散点图通过自适应查找各个类别进行粒子分类的方法。
背景技术
粒子检测仪用于对各种粒子进行分类统计，例如血液细胞分析仪，其主要功能就是提供人体中各类细胞的数目，其中对各类白细胞的计数是基本的功能。使经过试剂处理后的、被液体包被的白细胞逐个通过检测区域(流动室)，将激光照射到单个的细胞上，通过收集不同角度的折射或散射光线(通常为前向散射光FSC、侧向散射光SSC)，再通过光电转换和AD转换，得到对应细胞的一组二维数据，将此二维数据映射到坐标系中，可以得到该细胞在二维坐标系中的位置，将样本中的所有白细胞都映射到坐标上可以得到二维的白细胞分布图(简称散点图)。在散点图中，同一类的白细胞聚集在一起，不同类的白细胞互相分离，如图1所示。
在散点图上划分多个区域，把落在统一区域的白细胞归为同一类，并统计落在这些类别内的粒子数据和百分比，用于分析被测样本的成分组成。
实际上，由于样本多种多样，散点图的形态也是多种多样，见错误！未找到引用源。A、图2B和图2C所示。各类粒子群落之间的分界线可能不明显；群落的形态可能不相同；某些群落粒子数有时较高而有时较低，甚至不存在；群落在散点图所处的位置会发生改变。以上这些因素都会影响到粒子分群，因此，简单地划分区域无法准确地提取出这些分群信息。
发明内容
本发明提出一种用于粒子检测仪中散点图的粒子分类方法，以提高散点图中粒子分类精度。
本发明采用如下技术方案实现：一种用于粒子检测仪中散点图的粒子分类方法，其包括步骤：
A、将散点图转换成地形图，并将地形图以等高线图的形式输出；
B、按预设的第一层间步长，从灰度值最大的像素点所在的最高层开始查找每一层等高线图；
C、将第i+1层等高线图中灰度值最大的像素点归入类别P，判断第i层等高线图中的一个闭合等高线是否可以通过预设归类规则与第i+1层等高线图中类别p的像素点之间产生联系，如是，则把第i层等高线图中的该闭合等高线投影到散点图上所包围的像素点归入类别P，否则将不能归属于任何已知类别的新顶点标记为一个新类别，其中i为自然数；
D、逐层归类直到达到第1层等高线图时判断是否满足终止条件，若否，则在第1层等高线图与像素灰度值为0的第0层等高线图之间采用预设的第二层间步长进行再分层，然后转入步骤C，否则结束；
其中，第二层间步长≤第一层间步长/2。
其中，所述预设归类规则包括：类别P的像素点中灰度值最大的像素点或类别P的像素点在第i+1层等高线图中形成的闭合等高线在第i层等高线图中的投影被包含在第i层等高线图中的一个闭合等高线内。
其中，所述预设归类规则包括：在第i层等高线图中的一个闭合等高线包围的像素点到类别P中灰度值最大的像素点在第i层等高线图的投影距离处于一个预设范围值之内。
其中，所述终止条件包括：所发现的类别数量超过设定阈值。
其中，假设散点图中所包含的粒子类别数量N，其中有n个类别的粒子无法识别，则设定阈值取N-n，其中N为整数，n小于N的整数。
与现有技术相比，本发明具有如下有益效果：
本发明是一个精度可变、可以适应不同用途的精度要求的散点图粒子分类方法，该方法较少地依赖于散点图中分类的形状、位置信息，即只要知道粒子的类别数量，即使粒子群出现的位置和形状发生改变，该方法也能通过查找新增类的方式，一个一个把粒子群找出来。另外，本发明通过查找闭合等高线的方式，能够智能地识别散点图中的各类边界，包括不规则的边界，而不是只能处理圆形、方形或椭圆形等规则边界，从而可以提高散点图中粒子分类精度。
附图说明
图1是现有散点图的示意图
图2A、图2B和图2C分别是现有散点图的几种粒子群落形态分布示意图；
图3是本发明个优选实施例的流程示意图；
图4是将散点图转换生成地形图的示意图；
图5是将地形图转换生成等高线图的过程示意图；
图6是等高线图的示意图。
具体实施方式
为了弥补现有对散点图划分区域进行粒子分类方法存在的不足，本发明提出了一种提高散点图中粒子分类精度的方法，能够自适应查找各个类别，提供稳定、准确的分类结果，该方法尤其适用于粒子分析仪用，也可适用于所有存在粒子聚类的散点图的分类识别。
如图3所示，本发明的一个优先实施包括如下步骤：
步骤S1、以散点图的长和宽分别为X轴与Y轴、以散点图中像素点的灰度值为Z轴建立三维坐标，将散点图中每一个粒子在散点图中位置所在像素点的灰度值表示为该像素点的海拔高度，形成一张地形图，如图4所示。
步骤S2、将地形图以等高线图的形式输出。
在图4中，等高线是Z轴上高程相等(即灰度值相同)的各相邻点所连成的闭合曲线。以等高线在X-Y平面上投影后形成等高线图，如图5和图6所示。
步骤S3、按预设层间步长查找每一层等高线图。
地形图上灰度值最大的像素点对应记为顶点，顶点为等高线的最高层。从最高层(顶点)开始，按预设层间步长在等高线图上逐层向下查找每一层等高线图。
层间步长也就是每一层等高线图包含的灰度等级，可以根据具体情况决定。需要精度越高时，层间步长越短，分的层数越多。层间步长与总灰度等级满足以下关系：分层数＝总灰度等级/层间步长。
原则上可以先取一个较长的层间步长，如把整个地形图分成3-6层，可以有效提高计算效率。
步骤S4、将第i+1层等高线图中灰度值最大的像素点归入类别P，判断下一层(第i层，i为自然数)等高线图中的一个闭合等高线是否可以通过预设归类规则与上一层(第i+1层)等高线图中某一类别p(p无实际含义，只是为了描述时区分的方便)的像素点之间产生联系，如是，则转入步骤S5，否则转入步骤S6。
把地形图上灰度值最大的像素点(顶点)记为第一类别的像素点。
如果第i层等高线图的一个闭合等高线通过预设归类规则能够与第i+1层等高线图中某个类别P的像素点之间产生联系：如果该类别P的像素点中顶点(即该类别的像素点中灰度值最大的像素点)或该类别P的像素点在第i+1层等高线图中形成的闭合等高线在第i层等高线图中的投影被包含在第i层等高线图中的一个闭合等高线内，或者在第i层等高线图中的一个闭合等高线包围的像素点到该类别P中灰度值最大的像素点在第i层等高线图的投影距离处于一个预设范围值之内，则通过步骤S5把第i层等高线图中的该闭合等高线投影到散点图上所包围的像素点归入该类别P，而通过步骤S6将不能归属于任何已知类别的新顶点用来标记一个新类别。
步骤S7、逐层归类直到达到最下层(第1层)时判断是否满足终止条件(如所发现的类别数量超过设定阈值，比如该散点图中所包含的粒子类别数量N(N为整数)，或者如果有n个(n小于N的整数)类别不便于用这种方法识别却能通过其他方法识别，设定阈值也可以取N-n，这些可以根据需要分析的图像样本的具体情况而定)，若否，则转入步骤S8，否则结束
步骤S8、如果查找到最下层(由于存在预设层间步长，故最下层是灰度值不为0的底层)时未达到终止条件，在非0的最下层(第1层)与像素灰度值为0的第0层之间采用更较小的层间步长进行再分层，这时候分层数与这次所取的层间步长的关系是：
分层数＝步骤S3的层间步长(或第一层间步长)/步骤S8的层间步长(或第二层间步长)。一般而言，第二层间步长≤第一层间步长/2。
重新分层后，在第1层与第0层之间，按照新的分层重复步骤S4-步骤S7直到达到终止条件。
该方法介绍了一些在分层后归类的原则，但不限于这些方法。通过改变归类规则和终止条件可以调节分类识别的精度。
找到散点图上各种粒子的类别以后，可以通过所分析图像的特点，将找到的每一类别与实际需要解析的类别一一对应。对应规则需要通过所分析的具体样本确定，比如各类顶点的相对位置，或者各类粒子数。至此，通过这个方法就可以自动地从一个粒子散点图中把所需要查找的各类粒子提取出来并进行分析。以血液分析仪为例，这些粒子信息可以用作病人的疾病诊断。
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 (5)

1.一种用于粒子检测仪中散点图的粒子分类方法，其特征在于，所述方法包括步骤：
A、将散点图转换成地形图，并将地形图以等高线图的形式输出；
B、按预设的第一层间步长，从灰度值最大的像素点所在的最高层开始查找每一层等高线图；
C、将第i+1层等高线图中灰度值最大的像素点归入类别P，判断第i层等高线图中的一个闭合等高线是否可以通过预设归类规则与第i+1层等高线图中类别p的像素点之间产生联系，如是，则把第i层等高线图中的该闭合等高线投影到散点图上所包围的像素点归入类别P，否则将不能归属于任何已知类别的新顶点标记为一个新类别，其中i为自然数；
D、逐层归类直到达到第1层等高线图时判断是否满足终止条件，若否，则在第1层等高线图与像素灰度值为0的第0层等高线图之间采用预设的第二层间步长进行再分层，然后转入步骤C，否则结束；
其中，第二层间步长≤第一层间步长/2。
2.根据权利要求1所述用于粒子检测仪中散点图的粒子分类方法，其特征在于，所述预设归类规则包括：类别P的像素点中灰度值最大的像素点或类别P的像素点在第i+1层等高线图中形成的闭合等高线在第i层等高线图中的投影被包含在第i层等高线图中的一个闭合等高线内。
3.根据权利要求1所述用于粒子检测仪中散点图的粒子分类方法，其特征在于，所述预设归类规则包括：在第i层等高线图中的一个闭合等高线包围的像素点到类别P中灰度值最大的像素点在第i层等高线图的投影距离处于一个预设范围值之内。
4.根据权利要求1所述用于粒子检测仪中散点图的粒子分类方法，其特征在于，所述终止条件包括：所发现的类别数量超过设定阈值。
5.根据权利要求4所述用于粒子检测仪中散点图的粒子分类方法，其特征在于，假设散点图中所包含的粒子类别数量N，其中有n个类别的粒子无法识别，则设定阈值取N-n，其中N为整数，n小于N的整数。
CN201210407597.2A 2012-10-23 2012-10-23 用于粒子检测仪中散点图的粒子分类方法 Active CN103776751B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201210407597.2A CN103776751B (zh) 2012-10-23 2012-10-23 用于粒子检测仪中散点图的粒子分类方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201210407597.2A CN103776751B (zh) 2012-10-23 2012-10-23 用于粒子检测仪中散点图的粒子分类方法

Publications (2)

Publication Number Publication Date
CN103776751A true CN103776751A (zh) 2014-05-07
CN103776751B CN103776751B (zh) 2016-06-01

Family

ID=50569257

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201210407597.2A Active CN103776751B (zh) 2012-10-23 2012-10-23 用于粒子检测仪中散点图的粒子分类方法

Country Status (1)

Country Link
CN (1) CN103776751B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105203446A (zh) * 2015-09-14 2015-12-30 广州埃克森生物科技有限公司 基于概率分布细胞分类统计方法
CN105424726A (zh) * 2016-01-12 2016-03-23 苏州富鑫林光电科技有限公司 基于机器视觉的发光面板检测方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007087094A2 (en) * 2006-01-24 2007-08-02 Beckman Coulter, Inc. Method of measurement of nucleated red blood cells
CN101226190A (zh) * 2007-01-17 2008-07-23 深圳迈瑞生物医疗电子股份有限公司 流式细胞术的自动分类方法和装置
CN101493400A (zh) * 2008-01-25 2009-07-29 深圳迈瑞生物医疗电子股份有限公司 一种基于形状特征的自动分类校正的方法
US20090316151A1 (en) * 2005-09-14 2009-12-24 University Of Washington Dynamic characterization of particles with flow cytometry
CN102239402A (zh) * 2008-11-04 2011-11-09 贝克曼考尔特公司 用于颗粒分析的非线性的直方图分割
CN102331393A (zh) * 2011-07-08 2012-01-25 无锡荣兴科技有限公司 一种对人体血液中细胞进行自动分类计算的方法
CN102507417A (zh) * 2011-11-29 2012-06-20 长春迪瑞医疗科技股份有限公司 一种粒子自动分类方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090316151A1 (en) * 2005-09-14 2009-12-24 University Of Washington Dynamic characterization of particles with flow cytometry
WO2007087094A2 (en) * 2006-01-24 2007-08-02 Beckman Coulter, Inc. Method of measurement of nucleated red blood cells
CN101226190A (zh) * 2007-01-17 2008-07-23 深圳迈瑞生物医疗电子股份有限公司 流式细胞术的自动分类方法和装置
CN101493400A (zh) * 2008-01-25 2009-07-29 深圳迈瑞生物医疗电子股份有限公司 一种基于形状特征的自动分类校正的方法
CN102239402A (zh) * 2008-11-04 2011-11-09 贝克曼考尔特公司 用于颗粒分析的非线性的直方图分割
CN102331393A (zh) * 2011-07-08 2012-01-25 无锡荣兴科技有限公司 一种对人体血液中细胞进行自动分类计算的方法
CN102507417A (zh) * 2011-11-29 2012-06-20 长春迪瑞医疗科技股份有限公司 一种粒子自动分类方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105203446A (zh) * 2015-09-14 2015-12-30 广州埃克森生物科技有限公司 基于概率分布细胞分类统计方法
CN105203446B (zh) * 2015-09-14 2019-09-13 广州埃克森生物科技有限公司 基于概率分布细胞分类统计方法
CN105424726A (zh) * 2016-01-12 2016-03-23 苏州富鑫林光电科技有限公司 基于机器视觉的发光面板检测方法
CN105424726B (zh) * 2016-01-12 2018-06-22 苏州富鑫林光电科技有限公司 基于机器视觉的发光面板检测方法

Also Published As

Publication number Publication date
CN103776751B (zh) 2016-06-01

Similar Documents

Publication Publication Date Title
US9880155B2 (en) System, method, and article for detecting abnormal cells using multi-dimensional analysis
CN101702200B (zh) 一种机载激光雷达点云数据的自动分类方法
US20240044904A1 (en) System, method, and article for detecting abnormal cells using multi-dimensional analysis
CN105940301B (zh) 一种流式细胞分析仪及其多维数据分类方法、装置
CN106248559A (zh) 一种基于深度学习的白细胞五分类方法
CN102507417B (zh) 一种粒子自动分类方法
US20080172185A1 (en) Automatic classifying method, device and system for flow cytometry
CN104200114B (zh) 流式细胞仪数据快速分析方法
CN112347894B (zh) 基于迁移学习和高斯混合模型分离的单株植被提取方法
CN106228554A (zh) 基于多属性约简的模糊粗糙集煤粉尘图像分割方法
US20160267113A1 (en) Methods and apparatus related to gate boundaries within a data space
CN105203446B (zh) 基于概率分布细胞分类统计方法
CN101672759B (zh) 一种粒子分类统计方法及装置
JPWO2005050479A1 (ja) 類似パターン検索装置、類似パターン検索方法、類似パターン検索プログラム、および分画分離装置
ES2867860T3 (es) Método de clasificación de información digital
CN103364324A (zh) 一种用于血液细胞分析仪的自适应分类计算方法
CN109684477A (zh) 一种专利文本特征提取方法及系统
CN102331393A (zh) 一种对人体血液中细胞进行自动分类计算的方法
Johnsson Structures in high-dimensional data: Intrinsic dimension and cluster analysis
CN115270874A (zh) 一种基于密度估计的流式细胞分类和计数的方法和系统
Rahman et al. Automatic identification of abnormal blood smear images using color and morphology variation of RBCS and central pallor
CN110197193A (zh) 一种多参数流式数据自动分群方法
White et al. Completeness in photometric and spectroscopic searches for clusters
Luo et al. Test and analysis of vegetation coverage in open-pit phosphate mining area around dianchi lake using uav–vdvi
CN103776751A (zh) 用于粒子检测仪中散点图的粒子分类方法

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
TR01 Transfer of patent right

Effective date of registration: 20170704

Address after: 518000 Guangdong city of Shenzhen province Nanshan District Xili Street Xueyuan Road No. 1001 Nanshan Chi Park A4 Building 9 floor

Patentee after: SHENZHEN LANDWIND BIOLOGICAL ENGINEERING CO.,LTD.

Address before: Futian District King Road Shenzhen city Guangdong province 518000 No. 81 country garden building E 601

Patentee before: SHENZHEN LANDWIND INDUSTRY Co.,Ltd.

TR01 Transfer of patent right

Effective date of registration: 20190628

Address after: 518000 8th Floor, Building A4, Nanshan Zhiyuan, 1001 Xueyuan Avenue, Xili Street, Nanshan District, Shenzhen City, Guangdong Province

Patentee after: Shenzhen Lanyun Biomedical Technology Co.,Ltd.

Address before: 518000 9, A4 building, Nanshan Zhiyuan 1001, Xue Yuan Avenue, Xili street, Nanshan District, Shenzhen, Guangdong.

Patentee before: SHENZHEN LANDWIND BIOLOGICAL ENGINEERING CO.,LTD.

TR01 Transfer of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Particle classification method for scatter plot in particle detector

Effective date of registration: 20230117

Granted publication date: 20160601

Pledgee: Bank of Communications Limited Shenzhen Branch

Pledgor: Shenzhen Lanyun Biomedical Technology Co.,Ltd.

Registration number: Y2023980031158

PE01 Entry into force of the registration of the contract for pledge of patent right