CN103969169B - 对样本进行检测检测方法和装置 - Google Patents
对样本进行检测检测方法和装置 Download PDFInfo
- Publication number
- CN103969169B CN103969169B CN201310039487.XA CN201310039487A CN103969169B CN 103969169 B CN103969169 B CN 103969169B CN 201310039487 A CN201310039487 A CN 201310039487A CN 103969169 B CN103969169 B CN 103969169B
- Authority
- CN
- China
- Prior art keywords
- measured
- light source
- multiple projections
- sample
- diverse location
- 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
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供一种对含有至少一个待测对象的样本进行检测的方法和装置。所述方法包括:利用具有不同位置的光源的检测装置使所述不同位置的光源依次照射所述样本,获取所述待测对象在不同位置的光源的照射下在一个投影面上产生的多个投影;将每个待测对象的多个投影与已知类型的参照对象的多个投影进行比较,以确定该待测对象的类型。本发明无需使用现有庞大复杂的图形识别软件,且避免了由于操作人员的熟练程度不同而造成的误差。
Description
技术领域
本发明涉及一种检测方法和装置,尤其涉及对血液、尿液以及含有形状固定的成分的溶液进行检测的方法和装置,可用于快速、可靠地进行成分检测。
背景技术
全血细胞计数(complete blood count,CBC,也称作full blood count,FBC)也称作全血液检测(full blood exam,FBE)或血常规(full blood panel)是一种医生和其他医疗从业人员经常要求的检测项目,其能够给出关于患者的血液细胞的信息。检测人员完成所要求的检测并将CBC的结果提供给医生或其他医疗从业人员。
血液中的细胞大致分为三类:白细胞(WBC,leukocytes)、红细胞(RBC,erythrocytes)和血小板(PLT,thrombocyte)。血细胞数量的过高或过低可指示多种疾病的存在,血细胞计数能够反映出患者大致的健康状况,因此血细胞计数是最常规的医疗检测之一。
特别地,CBC血液学分析包括红细胞密度、血色素浓度、压积细胞体积(PCV)、平均红细胞体积(MCV)、平均红细胞血红蛋白(MCH)、平均红细胞血红蛋白浓度(MCHC)、红细胞分布宽度(RDW)、总血小板数和尺寸范围、平均血小板体积(MPV)、白细胞密度和白细胞三分类或白细胞五分类密度(3part diffWBC/5part diffWBC)。CBC血液学分析和核心在于识别各种类型的细胞并对各种类型的细胞分别计数,因此如何识别细胞类型成为CBC血液学分析中的难点。
血液学分析大致有两种途径:基于流式细胞术的方法和基于图像的方法。
基于流式细胞术的方法采用流式血细胞计数器(通常采用鞘流技术(sheath flowtechnology)以确保颗粒一个接一个地流过激光二极管)对颗粒进行计数,并使用电信号或光信号获得尺寸信息,并通过该信息间接分类。为了分析WBC的差异,可能会需要染色。
这种间接计数的方法能够在短时间内对液相内的大量单个细胞进行分析,因此非常适于自动化。但是另一方面,这种方法所获得的信息并不是直接信息,而是作为散点图储存在系统中,因此有可能形成错误的分析结果,另外由于样本已经被扔掉,而留存的散点图没有包含更多的信息,因此当出现问题时,尤其是存在异常细胞和细胞群时,不能找回原始数据以供复查。
基于图像的方法通常由手动操作完成。操作人员在染色剂、显微镜和计数腔的帮助下完成计数和分类。原始记录被手动地保存,然后转换成有意义的诊断数据,诸如密度和尺寸分布。这是一种非常耗时的过程,非常依赖于操作人员的熟练程度。由于样品尺寸相对较小,因此这种方法的精确度因人而异,与操作人员的经验有关。例如,美国专利US2012/0098950A1中描述了一种基于图像的检测装置和检测方法,通过多个光源对血液样本进行照射,分别得到多个低分辨率的图像,再根据多个光源之间的位置关系将多个低分辨率的图像合成高分辨率的图像,反映待测细胞的形貌图像,然后操作人员根据待测细胞高分辨率的图像对细胞进行类型判断并分类,但是操作人员的熟练程度的差异有可能会造成结果的误差,也可以通过复杂庞大的图像识别软件或价格昂贵的血细胞数据采集系统依据高分辨率的图像来判断细胞的类型,虽然可避免操作人员的熟练程度的差异所造成的结果误差,但是成本较高。因此,这种基于图像的检测方法还有待进一步改进。
发明内容
本发明旨在提供成分的判别方法,无需使用复杂庞大的图像识别软件和价格昂贵的数据采集系统,且无需操作人员根据形貌图像对成分进行类型判断并分类,避免了由于操作人员的熟练程度的差异而造成的结果误差,还可以获得较大的视场(View of Field)。
本发明的一个实施例提供了一种对含有至少一个待测对象的样本进行检测的方法,该方法用于确定所述样本中含有的待测对象的类型,所述方法包括:
利用具有不同位置的光源的检测装置使所述不同位置的光源依次照射所述样本,获取所述待测对象在不同位置的光源的照射下在一个投影面上产生的多个投影;
将每个待测对象的多个投影与已知类型的参照对象的多个投影进行比较,以确定该待测对象的类型。本发明由于采用投影分布作为输出信号,并非输出可供人眼等识别的形貌图像,因此无需使用庞大复杂的图像识别软件和价格昂贵的血细胞数据采集系统,且避免了由于操作人员的熟练程度的差异而造成的结果误差,且能够保留检测数据以供人工复查,且能够重复检验。
根据本发明的一个实施例提供的方法,其中所述不同位置的光源以预定次序依次照射所述待测对象。
根据本发明的一个实施例提供的方法,其中得到待测对象的多个投影与得到所述已知类型的参照对象的多个投影所采用的检测装置相同,所述不同位置的光源照射待测对象的预定次序与照射参照对象的预定次序相同。
根据本发明的一个实施例提供的方法,其中通过将已知类型的参照对象在所述检测装置中以多种姿态布置,获取所述多个已知类型的参照对象的多个投影。
根据本发明的一个实施例提供的方法,其中在所述投影面上设置有含多个像素的成像装置,每个待测对象的多个投影使所述成像装置的像素形成对应于所述多个投影的灰度值分布,通过比较每个待测对象的多个投影的灰度值分布和已知类型的参照对象的多个投影的灰度值分布来判定待测对象的类型。由于采用采用灰度值分布作为输出信号,并非输出可供人眼、庞大复杂的等识别的形貌图像,因此无需使用庞大复杂的图像识别软件和价格昂贵的血细胞数据采集系统,且避免了由于操作人员的熟练程度的差异而造成的结果误差,且能够保留检测数据以供人工复查,且能够重复检验。
根据本发明的一个实施例提供的方法,其中所述灰度值分布是指与待测对象近邻的预定范围内的像素的灰度值分布。
根据本发明的一个实施例提供的方法,其中所述灰度值分布是用灰度值矩阵表示的,通过比较灰度值矩阵实现所述灰度值分布的比较,所述灰度值矩阵包括多个子矩阵,每个子矩阵是由待测对象在一个位置的光源的照射下形成的投影使各个像素产生的灰度值作为元素,并且各个元素按照对应的像素的位置排列形成所述子矩阵,所述灰度值矩阵是通过将所述子矩阵按照所述光源的位置排列而形成的。
根据本发明的一个实施例提供的方法,其中所述灰度值分布是用灰度值矩阵表示的,通过比较灰度值矩阵实现所述灰度值分布的比较,所述灰度值矩阵包括多个子矩阵,每个子矩阵是由待测对象在多个不同位置的光源的照射下形成的投影使其中一个像素产生的灰度值作为元素,并且该元素按照各个光源的位置排列形成所述子矩阵,所述灰度值矩阵是通过将所述子矩阵按照多个像素的位置排列而形成的。
根据本发明的一个实施例提供的方法,其中该方法还包括生成所述灰度值矩阵的特征向量,灰度值矩阵之间的比较是通过比较它们的特征向量完成的,避免了由于操作人员的熟练程度的差异而造成的结果误差,且能够保留检测数据以供人工复查,且能够重复检验。
根据本发明的一个实施例提供的方法,其中所述不同位置的光源的位置呈阵列状或蜂窝状排列。
根据本发明的一个实施例提供的方法,其中光源与待测对象之间的距离大于待测对象与投影面之间的距离,以使得照射到所述样本上的光为平行光。
根据本发明的一个实施例提供的方法,其中所述获取所述待测对象在不同位置的光源的照射下在一个投影面上产生的多个投影的步骤中,先对所述至少一个待测对象进行定位,然后仅获取对应于所述至少一个待测对象的多个投影。
根据本发明的一个实施例提供的方法,其中所述获取所述待测对象在不同位置的光源的照射下在一个投影面上产生的多个投影的步骤中,先获取所述样本的多个投影,然后在所述样本的多个投影中提取所述至少一个待测对象的多个投影。
根据本发明的一个实施例提供的方法,根据权利要求1所述的方法,其中所述多个光源中的每一个直接照射所述至少一个待测对象,无需经过额外的透镜,无需光束的聚焦和定向,使测试装置的结构更加简单。
根据本发明的一个实施例提供的方法,其中所述待测对象为血液中的各种细胞,以用于全血细胞计数。
根据本发明的一个实施例提供的方法,其中所述待测对象为尿液中的有形成分,以用于尿沉渣分析。
本发明的一个实施例还提供一种对含有至少一个待测对象的样本进行检测的装置,该装置用于确定所述样本中含有的待测对象的类型,该装置包括:获取装置,用于利用具有不同位置的光源的检测装置使所述不同位置的光源依次照射所述样本,获取所述待测对象在不同位置的光源的照射下在一个投影面上产生的多个投影;判定装置,用于将每个待测对象的多个投影与已知类型的参照对象的多个投影进行比较,以确定该待测对象的类型。
本发明提供的细胞类型的判别方法和装置,无需使用价格昂贵的数据采集系统,且避免了由于操作人员的熟练程度的差异而造成的结果误差,且能够保留检测数据以供人工复查,且能够重复检验,无需经过额外的透镜,无需光束的聚焦和定向,使测试装置的结构更加简单,且可以获得较大的视场(View of Field),从而能够大大减少总的检测时间。
附图说明
以下附图仅旨在于对本发明做示意性说明和解释,并不限定本发明的范围。其中,
图1是根据本发明的一个实施例的方法所采用的装置的结构示意图;
图2是图1中所示装置的侧视图;
图3示出了光源102a照射用于标定的红细胞R时的情形;
图4示出了光源102b照射用于标定的红细胞R时的情形;
图5示出了光源102c照射用于标定的红细胞R时的情形。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图说明本发明的具体实施方式。
本实施例提供一种血液细胞类型的判别方法,其利用的检测系统的立体结构如图1所示,侧视图如图2所示,其中包括成像装置106、样品池104以及多个由LED构成的光源102。成像装置106例如可由CMOS传感器构成,具有多个像素109,各像素的中心间距为2微米,成像装置106上连接有数据采集装置108,用于采集成像装置106的各个像素109的灰度值。样品池104由玻璃制成,贴合于成像装置上,样品池104具有用于容纳血液样本的凹槽105,凹槽105底部的各个点与成像装置106之间的距离相等。多个光源102例如可呈3×3矩阵状排列,各个光源102由控制器107分别单独控制其点亮或熄灭,多个光源102位于样品池104的上方,并可位于与成像装置106所在的平面平行的平面内,各个光源102能够从不同角度照射样品池104中的血液样本,并将血液样本中的各个血细胞投影到成像装置106上,各个血细胞的投影使成像装置106的各个像素中形成灰度值分布,在利用该检测系统进行检测的过程中,数据采集装置108采集成像装置106中的各个像素109的灰度值,由此得到一个对应于所测血液样本的灰度值分布。
由于血液样本中的各种血液细胞的形状、尺寸、透光度等各不相同,不同的细胞在同一光源照射下所形成的投影有所不同;同时,不同人相同类型的细胞的形状、尺寸、透光度等基本相同。因此,可用已知类型的血液细胞作为参照对象,利用多个光源102其中的一个对该血液细胞进行照射,从而在成像装置106上形成一个对应于该光源的投影,多个光源102依次照射,从而获取该作为参照对象的血液细胞在不同角度的多个光源102的照射下所产生的多个投影,这些投影形成了对应于该类型血液细胞的“投影分布”,可将该作为参照对象的血液细胞的“投影分布”作为类型血液细胞的特征投影分布,然后利用已知类型的血液细胞的特征投影分布作为判定标准,确定待测的血液细胞的类型,即,若一未知类型的血液细胞在多个光源的不同角度照射下的投影分布符合白细胞的特征投影分布,则可判定该未知类型的血液细胞为白细胞。又由于投影分布可以由成像装置106中的若干个像素的灰度值分布来表征,而该灰度值分布又可以由各个像素的灰度值所构成的灰度值矩阵来表示,因此,可以用对应于已知类型的作为参照对象的血液细胞的特征投影分布的特征灰度值矩阵作为判定标准,对未知类型的血液细胞进行类型检测,例如,若一未知类型的血液细胞的灰度值矩阵符合红细胞的特征灰度值矩阵,则可判定该未知细胞为红细胞。本发明实施例中的成像装置输出灰度值矩阵(即输出投影分布),并由此来评判待测血细胞的类型,而并非输出可供人眼等识别的细胞形貌图像,从而避免了由于操作人员的熟练程度不同而造成的误差。确定血细胞类型后对各种类型的血细胞分别计数,可实现全血细胞计数。
下面通过图2-图5,以作为参照对象的红细胞为例,详细地描述其中一种获得作为参照对象的红细胞的特征灰度值矩阵的方法。
从图2中可以看出,各个光源102由于位置上的差异,因而照射血液样本的角度不同,为了清楚起见,图2中仅示出了其中3个光源102a、102b和102c,图3-图5分别示出了3个不同光源102a、102b和102c从不同角度照射血液样本中的一个用作参照对象的红细胞R时的情形(为了清楚起见,图中省略了样品池104)。
如图3所示,当光源102a照射红细胞R时,红细胞R在成像装置106上形成投影a,投影a覆盖一部分像素109,每个像素由于被覆盖的面积的不同而输出不同的灰度,从而在一定区域范围内,在本实施例中例如为与红细胞R最近邻的3×3个像素矩阵内的多个像素中,形成一灰度值分布,对于上述3×3个像素矩阵内的每个像素,数据采集装置108读出一个灰度值,得到一个3×3的灰度值矩阵:
该矩阵中中的下标表示当前投影采用的光源102a在光源矩阵中的位置,上标表示产生该灰度值的像素在像素矩阵中的位置,例如表示利用光源矩阵中位于第1行第1列的光源对红细胞投影后在像素矩阵中的第2行第3列的像素上形成的灰度值。
如图4所示,当光源102b照射红细胞R时,红细胞R在成像装置106上形成投影b,与图3中的投影a一样,该投影b在上述与红细胞R最近邻的3×3个像素矩阵内的多个像素中形成灰度分布,由于光源102b照射的角度与102a不同,因此投影b与投影a的形状不同,所示投影b形成的灰度分布不同于投影a形成的灰度值分布。同样的,对于上述3×3个像素矩阵内的每个像素,数据采集装置108读出一个灰度值,得到一个3×3的灰度值矩阵:
该矩阵中中的“12”表示当前投影采用的光源102b在光源矩阵中的位置,ij表示产生该灰度值的像素在像素矩阵中的位置,例如表示利用光源矩阵中位于第1行第2列的光源对红细胞投影后在像素矩阵中的第2行第3列的像素上形成的灰度值。
如图5所示,当光源102c照射红细胞R时,红细胞R在成像装置106上形成投影c,与图3和图4中的投影a和b一样,该投影c在上述与红细胞R最近邻的3×3个像素矩阵内的多个像素中形成不同于投影a和b的灰度分布。同样的,对于上述3×3个像素矩阵内的每个像素,数据采集装置108读出一个灰度值,得到一个3×3的灰度值矩阵:
该矩阵中中的“13”表示当前投影采用的光源102c在光源矩阵中的位置,ij表示产生该灰度值的像素在像素矩阵中的位置,例如表示利用光源矩阵中位于第1行第3列的光源对红细胞投影后在像素矩阵中的第2行第3列的像素中形成的灰度值。
以此类推,利用每个光源对红细胞R进行投影,均可如上述过程一样得到一个3×3的灰度值矩阵,3×3个光源共可得到9个3×3的灰度值矩阵,然后合并这9个3×3的矩阵,即得到一个9×9的特征灰度值矩阵:
该9×9的特征灰度值矩阵即可表示红细胞R在不同角度的9个光源的照射下的投影分布,因此我们将该矩阵称为红细胞特征灰度值矩阵。
对于其他类型的已知类型的血液细胞,如白细胞等,也可以利用与上述红细胞R相同的方法,得到对应的特征灰度值矩阵,例如白细胞特征灰度值矩阵。
同样地,也可以利用与得到上述红细胞R的特征灰度值矩阵相同的过程,针对待测血液样本中的未知类型的各个血液细胞,得到其灰度值矩阵,并分别与各种已知类型的细胞的特征灰度值矩阵相比较,若某个血液细胞的灰度值矩阵符合其中某一类型细胞的特征灰度值矩阵,则判定该细胞为该类型的细胞,例如若一未知类型的血液细胞的灰度值矩阵符合红细胞的特征灰度值矩阵,则可判定该未知细胞为红细胞。确定各个血液细胞的类型后对各种类型的血液细胞分别计数,即可完成全血细胞计数。
其中,灰度值矩阵与特征灰度值矩阵的比较可通过比较两者的特征向量来完成,也可以通过其他方法实现灰度值矩阵与特征灰度值矩阵之间的比较,例如主成份分析法等。
其中,优选上述光源102发出平行光束,在这种情况下,同一光源对样品池104的各个位置的照射角度均相同,可排除因红细胞R在样品池中的位置不同而造成的投影分布的差别,从而使投影分布仅仅反映红细胞R的形状、尺寸、透光度等参数,而与红细胞R所在的位置无关,这样,在测试未知类型的待测细胞时,不必使该待测细胞一定位于用于标定的红细胞R所在的位置,而是可位于样品池的任意位置。光源102发出的光也可也以为非平行光,在这种情况下,光源102与样品池104之间的距离要远大于待测对象与成像装置106之间的距离,从而可以近似认为照射到样品池上的光束为平行光。本发明中所说的“平行光”并非指严格平行的光,也包括近似平行光,本领域技术人员可以理解的是,严格平行的光是难以获得的,即使是太阳光也并非严格平行的光,如同太阳光可以被认为是平行光一样,在实际应用中通常采取使光源的距离较远的方式来获得近似平行光,这一手段也适用于本发明。
另外,可以多种不同的方式布置用作参照对象的血液细胞,例如使用作参照对象的血液细胞相对于光源的取向不同,并针对该血液细胞的多种不同的布置方式得到多个特征灰度值矩阵,可得到各种布置方式的血液细胞所对应的特征灰度值矩阵,从而构成包括多个特征灰度值矩阵的集合,只要待测细胞的灰度值矩阵符合该集合中的一个,即可判定该待测细胞为该集合所对应的细胞类型。例如使多个红细胞(尺寸、形状也可能有细微差别)随机地以各种姿态(即细胞的各种取向,如立式、卧式等各种相对于光源的不同取向)分布在样品池中,然后针对每个红细胞得到相应的特征灰度值矩阵,从而获得各种尺寸、取向、形状下的红细胞的特征灰度值矩阵的集合,以使多个特征灰度值矩阵形成一个完善的判定规则,从而能够判别出待测样本中各种尺寸、取向、形状的待测红细胞。
判定规则的生成可以有多种方法,例如利用机器学习、神经网络等方法,采集已知细胞(例如红细胞),通过上述方法得到特征灰度值矩阵,然后通过数学方法生成该特征灰度值矩阵的特征向量,从而得到一个训练样本。对同一种类型的多个细胞生成多个训练样本,把一系列训练样本输入机器学习系统进行训练,最后形成判定规则,利用该判定规则来评判待测的各个血液细胞的类型,继而完成全血细胞计数,从而能够判别出各种尺寸、取向、形状的待测红细胞。
根据本发明的其他实施例,其中所述成像装置106中的各像素的中心间距优选为小于待测血液细胞的尺寸,以使得一个血液细胞在各个光源的照射下的投影至少覆盖两个像素。
根据本发明的其他实施例,其中光源102的个数也可以扩展为m×n个,其中m、n优选在2至100之间,例如m=8,n=8,又例如m=16,n=16。根据本发明的其他实施例,在获得灰度值矩阵或特征灰度值矩阵时,不限于采集与待测细胞或用于标定的细胞(即红细胞R)最近邻的3×3个像素矩阵的灰度值,也可以扩展为p×q个,其中p、q优选在2至2000之间,例如在10至1000之间,例如在15至500之间,例如p=20,q=20。这样得到的灰度值矩阵为:
其中上述实施例中是针对一个光源获得一个p×q的子矩阵,再针对m×n个光源获得m×n个子矩阵,最后将这m×n个子矩阵合并成总的灰度值矩阵或特征灰度值矩阵。根据本发明的其他实施例,也可以针对一个像素获得一个m×n的子矩阵,再针对p×q个像素获得p×q个子矩阵,最后将这p×q个子矩阵合并成总的灰度值矩阵或特征灰度值矩阵。
根据本发明的其他实施例,其中上述血液细胞类型的判别方法所使用的装置不限于图1和图2中所示的装置,只要能够实现不同位置的光源分别从不同角度向待测细胞照射并投影到一投影面(在本实施例中为成像装置106)即可,例如多个光源也可以不位于一个平面上,而是位于一个弧形面上,多个光源也可以不排列成矩阵状或阵列状,而是排列为其他形状,例如蜂窝状等,只要是能够分别从不同角度向待测细胞照射即可。又例如,光源102也可以并非多个,而仅利用单个光源,并采用使单个光源与样品池之间相对运动的方式,使光源从多个位置照射待测细胞,从而实现光源对待测细胞的多个角度的照射。
根据本发明的其他实施例,在利用数据采集装置108获取用于标定的一个或几个红细胞的灰度值矩阵时,可先对该一个或几个红细胞R进行定位,然后仅读取对应于这一个或几个红细胞的投影分布的灰度值矩阵,也可以在利用数据采集装置108获取样品池中的整个样本的投影分布所对应的灰度值矩阵,再提取这一个或几个红细胞的投影所对应的灰度值矩阵。
根据本发明的其他实施例,在利用数据采集装置108获取一个或几个待测细胞的灰度值矩阵时,可先对该一个或几个待测细胞进行定位,然后仅读取对应于这一个或几个待测细胞的投影分布的灰度值矩阵,也可以在利用数据采集装置108获取样品池中的整个样本的投影分布所对应的灰度值矩阵,再提取这一个或几个待测细胞的投影所对应的灰度值矩阵。
根据本发明的其他实施例,除上述具有多个像素的成像装置106以外,上述投影分布可以由其他的装置来记录,例如胶片等,通过胶片上所成的待测细胞的图像判断是否与已知类型细胞在胶片上所成的图像是否一致,从而判断待测细胞的类型。
根据本发明的其他实施例,其中本发明提供的方法不限于应用于判断血液细胞的类型,还可以用于判断生物学组织、无机微粒、细胞组分、微生物、蛋白质等的类型,例如淋巴细胞、细菌、病毒等。
根据本发明的其他实施例,其中每个光源102直接照射待测对象,无需经过额外的透镜,无需光束的聚焦和定向,使测试装置的结构更加简单。
根据本发明的其他实施例,上述细胞类型的判别方法可作为其他检测方法的一个子步骤,例如可用于全血细胞计数中,用于判别待测血液样本中的各种细胞的类型,然后对各个类型的细胞进行计数。也可以用于尿液有形成分分析,也称尿沉渣分析法,即对尿液中的各种有形成分分类计数,例如红细胞,白细胞,管型,上皮细胞,内皮细胞,粘液,精子,细菌,晶体,霉菌等。
本发明还提供一种检测装置,用于对含有至少一个待测对象的样本进行检测,包括:获取装置,用于利用具有不同位置的光源的检测装置使所述不同位置的光源依次照射所述样本,获取所述待测对象在不同位置的光源的照射下在一个投影面上产生的多个投影;判定装置,用于将每个待测对象的多个投影与已知类型的参照对象的多个投影进行比较,以确定该待测对象的类型。
本发明还提供一种其上包含多个指令的存储介质,当执行所述指令时,提供用于检测待测对象的方法,该方法包括:利用具有不同位置的光源的检测装置使所述不同位置的光源依次照射所述样本,获取所述待测对象在不同位置的光源的照射下在一个投影面上产生的多个投影;将每个待测对象的多个投影与已知类型的参照对象的多个投影进行比较,以确定该待测对象的类型。
应当理解,虽然本说明书是按照各个实施例描述的,但并非每个实施例仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
以上所述仅为本发明示意性的具体实施方式,并非用以限定本发明的范围。任何本领域的技术人员,在不脱离本发明的构思和原则的前提下所作的等同变化、修改与结合,均应属于本发明保护的范围。
附图标记列表
102光源、102a光源、102b光源、102c光源、104样品池、105凹槽、106成像装置、107控制器、108数据采集装置、109像素、R红细胞、a投影、b投影、c投影。
Claims (14)
1.一种对含有至少一个待测对象的样本进行检测的方法,该方法用于确定所述待测对象的类型,其中所述待测对象为血液中的各种细胞,或者所述待测对象为尿液中的有形成分,所述方法包括:
利用具有不同位置的光源的检测装置使所述不同位置的光源依次照射所述样本,获取所述待测对象在不同位置的光源的照射下在一个投影面上产生的多个投影;
将每个待测对象的多个投影与已知类型的参照对象的多个投影进行比较,以确定该待测对象的类型,
其中在所述投影面上设置有含多个像素的成像装置,每个待测对象的多个投影使所述成像装置的像素产生对应于所述多个投影的灰度值分布,通过比较每个待测对象的多个投影的灰度值分布和参照对象的多个投影的灰度值分布来判定待测对象的类型。
2.根据权利要求1所述的方法,其中所述不同位置的光源以预定次序依次照射所述待测对象。
3.根据权利要求2所述的方法,其中得到待测对象的多个投影与得到所述参照对象的多个投影所采用的检测装置相同,所述不同位置的光源照射待测对象的预定次序与照射参照对象的预定次序相同。
4.根据权利要求1所述的方法,其中通过将已知类型的参照对象在所述检测装置中以多种姿态布置,获取所述多个已知类型的参照对象的多个投影。
5.根据权利要求1所述的方法,其中所述灰度值分布是与待测对象近邻的预定范围内的像素的灰度值分布。
6.根据权利要求1所述的方法,其中所述灰度值分布是用灰度值矩阵表示的,通过比较灰度值矩阵实现所述灰度值分布之间的比较,所述灰度值矩阵包括多个子矩阵,每个子矩阵是由待测对象在一个位置的光源的照射下形成的投影使各个像素产生的灰度值作为元素,并且各个元素按照对应的像素的位置排列形成所述子矩阵,所述灰度值矩阵是通过将子矩阵按照所述光源的位置排列形成的。
7.根据权利要求1所述的方法,其中所述灰度值分布是用灰度值矩阵表示的,通过比较灰度值矩阵实现所述灰度值分布的比较,所述灰度值矩阵包括多个子矩阵,每个子矩阵是由待测对象在多个不同位置的光源的照射下形成的投影使其中一个像素产生的灰度值作为元素,并且该元素按照各个光源的位置排列形成所述子矩阵,所述灰度值矩阵是通过将子矩阵按照多个像素的位置排列而形成的。
8.根据权利要求6或7所述的方法,其中该方法还包括生成所述灰度值矩阵的特征向量,灰度值矩阵之间的比较是通过比较它们的特征向量完成的。
9.根据权利要求1所述的方法,其中所述光源的位置呈阵列状或蜂窝状排列。
10.根据权利要求1所述的方法,其中光源与所述样本之间的距离大于所述样本与投影面之间的距离,以使得照射到所述样本上的光为平行光。
11.根据权利要求1所述的方法,其中所述获取所述待测对象在不同位置的光源的照射下在一个投影面上产生的多个投影的步骤中,先对所述至少一个待测对象进行定位,然后获取所述至少一个待测对象的多个投影。
12.根据权利要求1所述的方法,其中所述获取所述待测对象在不同位置的光源的照射下在一个投影面上产生的多个投影的步骤中,先获取所述样本的多个投影,然后在所述样本的多个投影中选取所述至少一个待测对象的多个投影。
13.根据权利要求1所述的方法,其中所述多个光源中的每一个直接照射所述至少一个待测对象。
14.一种对含有至少一个待测对象的样本进行检测的装置,该装置用于确定所述待测对象的类型,其中所述待测对象为血液中的各种细胞,或者所述待测对象为尿液中的有形成分,该装置包括:
获取装置,用于利用具有不同位置的光源的检测装置使所述不同位置的光源依次照射所述样本,获取所述待测对象在不同位置的光源的照射下在一个投影面上产生的多个投影;
判定装置,用于将每个待测对象的多个投影与已知类型的参照对象的多个投影进行比较,以确定该待测对象的类型,
其中在所述投影面上设置有含多个像素的成像装置,每个待测对象的多个投影使所述成像装置的像素产生对应于所述多个投影的灰度值分布,通过比较每个待测对象的多个投影的灰度值分布和参照对象的多个投影的灰度值分布来判定待测对象的类型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310039487.XA CN103969169B (zh) | 2013-01-31 | 2013-01-31 | 对样本进行检测检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310039487.XA CN103969169B (zh) | 2013-01-31 | 2013-01-31 | 对样本进行检测检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103969169A CN103969169A (zh) | 2014-08-06 |
CN103969169B true CN103969169B (zh) | 2017-11-17 |
Family
ID=51238938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310039487.XA Expired - Fee Related CN103969169B (zh) | 2013-01-31 | 2013-01-31 | 对样本进行检测检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103969169B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106247981A (zh) * | 2016-08-26 | 2016-12-21 | 广西玉柴机器股份有限公司 | 一种管类零部件检测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1623163A (zh) * | 2002-01-22 | 2005-06-01 | 维森盖特有限公司 | 自动检测具有与疾病相关的核密度特征和细胞质密度特征的细胞的光学投影成像系统和方法 |
CN1653480A (zh) * | 2002-05-14 | 2005-08-10 | 维森盖特有限公司 | 用与疾病相关的分子标记物划分自动检测细胞的光学投影成像系统及方法 |
CN102566291A (zh) * | 2010-12-29 | 2012-07-11 | 中芯国际集成电路制造(上海)有限公司 | 投影掩膜版的测试系统 |
CN102741862A (zh) * | 2010-01-29 | 2012-10-17 | 诺基亚公司 | 用于促进对象识别的方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AU2011224520B2 (en) * | 2010-03-09 | 2016-04-21 | Perceptimed, Inc. | Medication verification and dispensing |
-
2013
- 2013-01-31 CN CN201310039487.XA patent/CN103969169B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1623163A (zh) * | 2002-01-22 | 2005-06-01 | 维森盖特有限公司 | 自动检测具有与疾病相关的核密度特征和细胞质密度特征的细胞的光学投影成像系统和方法 |
CN1653480A (zh) * | 2002-05-14 | 2005-08-10 | 维森盖特有限公司 | 用与疾病相关的分子标记物划分自动检测细胞的光学投影成像系统及方法 |
CN102741862A (zh) * | 2010-01-29 | 2012-10-17 | 诺基亚公司 | 用于促进对象识别的方法和装置 |
CN102566291A (zh) * | 2010-12-29 | 2012-07-11 | 中芯国际集成电路制造(上海)有限公司 | 投影掩膜版的测试系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103969169A (zh) | 2014-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105228749B (zh) | 便携式血细胞计数监测器 | |
CN105143849B (zh) | 用于血液样品中粒子分析的动态范围扩展系统和方法 | |
CN108351289B (zh) | 分析装置 | |
CN105136795B (zh) | 血液样本检测装置、方法和系统 | |
CN102084241B (zh) | 使用荧光淬灭和/或漂白分析个体细胞或微粒的方法及设备 | |
CN104136907B (zh) | 分析和分选流入对象 | |
CN101685060B (zh) | 标本摄像装置 | |
CN103823051B (zh) | 利用红细胞内含有的血红蛋白的本征色素沉着来确定血样的红细胞指数的方法及设备 | |
JP5320510B2 (ja) | 細胞分析装置 | |
CN102768271B (zh) | 样本分析方法及综合样本分析仪 | |
CN108780032A (zh) | 使用数字全息显微术和来自外周血的未接触白细胞的高准确度五部分区分 | |
CN102047095B (zh) | 粒子图像解析方法及装置 | |
JPH0352573B2 (zh) | ||
ES2610820T3 (es) | Método para juzgar de forma automática una imagen de aglutinación mediante sistema MT, dispositivo, programa y medio de grabación | |
CA2745587A1 (en) | Optical sectioning of a sample and detection of particles in a sample | |
WO2009151610A2 (en) | Flow cytometer apparatus for three dimensional diffraction imaging and related methods | |
JP5580117B2 (ja) | 細胞分析装置 | |
US20150064742A1 (en) | Sample analyzing method and sample analyzer | |
Tantikitti et al. | Image processing for detection of dengue virus based on WBC classification and decision tree | |
CN113218844A (zh) | 一种用于分析待测样本中微粒的方法 | |
CN109490287A (zh) | 一种全自动尿液分析系统 | |
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 | |
CN103969169B (zh) | 对样本进行检测检测方法和装置 | |
WO2022165411A1 (en) | Plaque detection method for imaging of cells | |
CN112924452A (zh) | 一种血液检查辅助系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20171117 Termination date: 20200131 |
|
CF01 | Termination of patent right due to non-payment of annual fee |