CN105308588A - 流式细胞仪中有效的等高线和建门 - Google Patents

流式细胞仪中有效的等高线和建门 Download PDF

Info

Publication number
CN105308588A
CN105308588A CN201480032967.6A CN201480032967A CN105308588A CN 105308588 A CN105308588 A CN 105308588A CN 201480032967 A CN201480032967 A CN 201480032967A CN 105308588 A CN105308588 A CN 105308588A
Authority
CN
China
Prior art keywords
level line
segment
level
data
information
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
CN201480032967.6A
Other languages
English (en)
Other versions
CN105308588B (zh
Inventor
约瑟夫·特罗特
克里斯多弗·沃夫
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.)
Becton Dickinson and Co
Original Assignee
Becton Dickinson and Co
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 Becton Dickinson and Co filed Critical Becton Dickinson and Co
Publication of CN105308588A publication Critical patent/CN105308588A/zh
Application granted granted Critical
Publication of CN105308588B publication Critical patent/CN105308588B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10Investigating individual particles
    • G01N15/14Optical investigation techniques, e.g. flow cytometry
    • G01N15/1429Signal processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/194Segmentation; Edge detection involving foreground-background segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T9/00Image coding
    • G06T9/20Contour coding, e.g. using detection of edges
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/44Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/69Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695Preprocessing, e.g. image segmentation
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10Investigating individual particles
    • G01N2015/1006Investigating individual particles for cytology
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10Investigating individual particles
    • G01N15/14Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1402Data analysis by thresholding or gating operations performed on the acquired signals or stored data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Signal Processing (AREA)
  • Dispersion Chemistry (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Image Analysis (AREA)
  • User Interface Of Digital Computer (AREA)
  • Image Generation (AREA)
  • Controls And Circuits For Display Device (AREA)

Abstract

提供了流式细胞仪中有效的等高线和建门的方法以及系统。压缩事件数据以减少表示事件数据的多边形等高线所需的点的数量。然后,在等高线中选择水平引起门的生成。这允许有限的资源装置,如触屏无线装置,以资源有效的方式对流式细胞仪数据呈现和建门。

Description

流式细胞仪中有效的等高线和建门
相关申请的引用
本申请要求2013年5月17日提交的名称为“用于流式细胞仪中有效的等高线和建门的系统和方法”的美国临时专利申请第61/824,824号的优先权,将其以引用的方式整体并入。
背景
技术领域
本申请涉及数据的等高线和建门,并且具体涉及用于细胞仪数据(如流式细胞仪群体)的建门以及门操作的有效等高线。
背景
颗粒分析仪,例如流式细胞仪和扫描细胞仪,是能够基于光学参数(例如光散射以及荧光)表征颗粒的分析工具。例如,在流式细胞仪中,流体悬液中的颗粒(例如分子、分析物结合珠或者个体细胞)通过检测区域,在检测区域中,所述颗粒暴露于通常来自一种或者多种激光器的激发光,并且测量颗粒的光散射以及荧光特性。通常用荧光染料标记颗粒或其组分以帮助检测。通过使用光谱学性质不同的荧光染料标记不同的颗粒或者组分,可以同时检测多种不同的颗粒或者组分。在一些实施方式中,分析器包括多种光探测器,一种用于每一待测量的散射参数,一种用于每一待检测的不同染料。获得的数据包括每一光散射参数以及荧光发射的测量信号。
细胞仪还可包括记录测量数据以及分析数据的装置。例如可以利用与检测用电子装置相连的计算机实施数据的存储以及分析。例如,数据可以以表格的形式存储,其中每行对应于一个颗粒的数据,各个列对应于每项测量参数。使用标准文件格式,例如“FCS”文件格式,存储来自流式细胞仪的数据便于使用单独的程序和/或机器分析数据。使用现有分析方法,通常将数据以2维(2D)图的形式展示以方便显示,但是可以使用其它方法使多维数据可视化。
使用流式细胞仪测量的参数通常包括颗粒沿主要为向前方向散射的激发光(被称为前向散射(FSC)),颗粒沿主要为侧向方向散射的激发光(被称为侧向散射(SSC)),以及由在光谱的一个或者多个通道(频率范围)中的荧光分子发出的光(被称为FL1、FL2等),或者在该通道中主要检测到的荧光染料发出的光。可以通过用染料标记抗体标记的不同细胞蛋白生成的散射参数以及荧光发射来鉴定不同的细胞类型。
流式细胞仪以及扫描细胞仪都是可市购的,例如,从BDBiosciences(SanJose,Calif.)。流式细胞仪描述于,例如,Landyetal.(eds.),ClinicalFlowCytometry,AnnalsoftheNewYorkAcademyofSciencesVolume677(1993);Baueretal.(eds.),ClinicalFlowCytometry:PrinciplesandApplications,Williams&Wilkins(1993);Ormerod(ed.),FlowCytometry:APracticalApproach,OxfordUniv.Press(1994);Jaroszeskietal.(eds.),FlowCytometryProtocols,MethodsinMolecularBiologyNo.91,HumanaPress(1997);以及PracticalShapiro,FlowCytometry,4thed.,Wiley-Liss(2003);通过引用的方式全部并入本文。荧光成像显微镜描述于,例如,Pawley(ed.),HandbookofBiologicalConfocalMicroscopy,2ndEdition,PlenumPress(1989),通过引用的方式并入本文。
通过多色流式细胞仪从细胞(或其它颗粒)分析获得的数据数是多维的,其中每个细胞对应于通过测量的参数所限定的多维空间中的一个点。细胞或颗粒群作为数据空间中的点簇被识别。因此,可通过在显示于一个或多个2维图(被称为数据的“散点图”或“点状图”)中的群体的周围画出门来手动实施簇和群体的鉴定。可选地,可自动识别簇以及自动确定限定群体的界限的门。自动建门的方法的实例描述于,例如美国专利号4,845,653、5,627,040、5,739,000、5,795,727、5,962,238、6,014,904、6,944,338以及美国专利出版物第2012/0245889号中,每个以引用的方式并入本文。
建门被用于帮助理解可能从样品生成的大量数据。相应地,促进有效的门的生成和操作可帮助提高理解结果的含义的速度和准确性。
概述
本申请的每一系统、方法以及装置中都有多个创新的方面,并不是其中的单个独自提供本文公开的期望属性。
在一个创新方面,参考附图描述了生成等高线的方法、存储有用于生成等高线的计算机可执行的指令的有形的机器可读存储装置,以及用于生成等高线的系统。
例如,在一个实施方式中,描述了生成等高线的方法。该方法包括获得初始等高线,所述初始等高线包含第一多个点。所述第一多个点表明一组流式细胞仪数据内的事件密度。所述方法还包括基于初始等高线生成等高线,所述等高线具有第二多个点,其中所述第二多个点少于所述第一多个点。在一些实施方式中,所述方法还包括接收包含等高线的水平的标识符的信息,以及基于鉴定的等高线的水平生成门。
在另一创新方面,参考附图,基本如上文所述,描述了生成门的方法、存储有用于生成门的计算机可执行的指令的有形的机器可读存储装置,以及用于生成门的系统。
例如,在一个创新方面,提供了生成门的方法。该方法包括获得一组数据的等高线,所述等高线包含一个或多个等高线水平。该方法还包括接收信息,所述信息鉴定所述一个或多个等高线水平的等高线水平。该方法还包括基于鉴定的等高线水平生成一组数据的门。
附图简要说明
图1显示了点图的实例。
图2显示了直方图的实例。
图3显示了2D密度图的实例。
图4A显示了等高线图的实例。
图4B显示了另一个等高线图的实例。
图5显示了处理细胞仪数据的方法实例的流程图。
图6显示了生成等高线的方法实例的流程图。
图7显示了初始等高线图的实例。
图8显示了图块(tile)代码绘制的的实例。
图9A显示了图块代码绘制的另一实例。
图9B显示了等高线绘制规约的另一实例,其可在本文描述的系统和装置中实施。
图10A显示了等高线中两个相邻的图块。
图10B显示了包含简化的多边形的两个相邻的图块。
图11显示了简化的等高线图的实例。
图12显示了用于有效处理细胞仪数据的电子装置的一个实例的功能框图。
图13显示了等高线图的门的实例。
图14显示了生成门的方法的流程图。
图15显示了生成流式细胞仪数据的呈现的方法的流程图。
图16显示了包含门和等高线信息的示例性展示的接口图。
图17显示了组合的图块的相容位置的实例。
详述
所描述的特征允许使用者利用点图与等高线算法的组合快速创建等高线(contour)。当使用者选择了一部分图时,可实施所述特征以有效地生成关于等高线的信息,从而使所述信息可以在前景中实时显示。在另一实施方式中,所述信息可还包含所述一部分图的分类符以帮助通过触屏装置(如平板电脑)进行区域的图形选择。
生成的等高线也可被用于对数据集中的事件进行分类。等高线也可为其它目的提供那些事件的摘要,如生成新的显示,传输数据的位图信息或其它形式。例如,可向固件提供摘要用于后续处理,或者向移动装置提供摘要用于展示。在一些实施方式中,摘要可存储于存储器中用于将来处理。通过所述系统及方法生成的等高线图模型也可作为覆盖于位于下面的第二图形模型/层之上的透明层来实施,以能够选择可由下方的第二可视层呈现的目标(群体)。
本文所使用的“系统”、“仪器”以及“装置”通常既包括硬件组件(例如,机械组件以及电子组件)也包括相关的软件组件(例如,计算机程序)。
本文所使用的“事件”通常指从单个颗粒(例如细胞或者合成的颗粒)测量的数据。通常,从单个颗粒测量的数据包括一些参数,包括一种或者多种光散射参数以及至少一种荧光强度参数。因此,每一事件被表示为参数测量的向量,其中每一测量的参数与数据空间的一维对应。
本文所使用的颗粒(例如细胞或者其它颗粒)的“群体”或者“亚群”通常指的是具有关于一种或者多种测量参数的光学特性的一组颗粒,以使测量的参数数据在数据空间中形成群集(cluster)。因此,在数据中,群体被识别为群集。相反地,每一数据群集通常被解释为与群体对应,但是通常也观察到与噪音或者背景对应的群集。可以在维数的子集中定义群集,例如,关于测量参数的子集,群集对应于区别仅在于测量参数子集的群体。
本文使用的“门(gate)”通常指的是能鉴定目标数据子集的一组边界点。在细胞术中,门可以限制一组具体目标事件。本文所使用的“建门(gating)”通常指为给定的数据集定义门的过程。
如上文所简单讨论的,点图是使细胞仪生成的数据可视化的一种方法。当展示以及分析数据时,也可以使用直方图、2D密度和/或等高线图。
图1显示了点图的实例。点图100显示了x平面102和y平面104内的事件的散点图。x平面102显示了目标参数。在图1显示的实例中,x平面102代表FITC-ACD3抗体的光强度。y平面103显示了侧向角散射计数(SSC)。侧向角散射计数可被称为事件或事件计数。
可以作图以鉴定一些数据群体。每一群体可用单独的颜色表示。点图100的优势在于,可从视觉上将群体容易地彼此区分开。当比较不同的数据集时,这是有用的。点图100的一个显著的劣势在于,这样的图不包含关于数据密集度如何的信息。此外,当存在几十万个事件时,点图100可达到饱和。这可能导致可能位于同一位置或者位于相近位置的群集保真度损失。为了帮助提供密度信息,可使用一种或多种其它图表类型。
图2显示了直方图的实例。直方图200显示了给定参数的数据密度。在图2显示的实例中,直方图200沿x轴202绘制了目标参数,沿y轴204绘制了每一参数的计数。可绘制线206,连接位于某些或全部参数处的计数。峰和谷提供了关于事件的给定参数的相对密度的信息。因此,直方图200提供了数据密度的可视化表示,即,在具体参数下事件发生的次数。直方图的一项局限在于,它以一个方向显示数据密度。
图3显示了2D密度图的实例。2D密度图300利用针对彼此绘制的两种参数显示了数据密度。如图1和2,x轴302显示了参数值,y轴304显示了侧向角散射计数水平。此外,2D密度图300可包含图中区域的密度信息。例如,2D密度图300包含数据群集320。数据群集320可包含几个区域,每个区域与共同密度相关。如图3中所示,显示了325a、325b、325c以及325d四个区域。在一些实施方式中,可使用不同的颜色图形化地表示每一区域。
尽管2D密度图300提供了相关密度的背景,但是仍是以相对粗略的形式表示密度信息。因此,展示可包含视觉伪影(visualartifacts)。如图3中所示,在给定密度可形成数据口袋(pocket)330。图3中还显示了离群值群集335。2D密度图300中的这些伪影可能是由于噪音、标定误差或者数据的其它特征。
图4A显示了等高线图的实例。类似于2D密度图300,等高线图400提供了可用于理解一组流式细胞仪数据中的数据的可视化表示。等高线图400可以是用于显示数据的更好选择,因为等高线图400比2D密度图300使用更少的存储器。此外,等高线图通常能缓解结合2D密度图300中所讨论的分散注意力的视觉伪影。
图4A中显示的等高线图400包含显示参数值的x轴402以及显示侧向角散射计数水平的y轴404。此外,等高线图400可包含图中区域的密度信息。例如,等高线图400包含数据群集420。数据群集420可包含几个区域,每一区域与共同密度相关。在图4A中,显示了425a、425b、425c、425d以及425e五个区域。在一些实施方式中,可使用不同的颜色图形化地表示每一区域。图4A中显示的等高线图400不存在结合图3所讨论的视觉伪影。
等高线图是允许二维数据展示的工具。它使用值的二维阵列,所述值包含直方图的事件计数。使等高线有用的是绘制了沿z方向的一系列显示数据水平的等高线(例如线段)。这与用于创建拓扑地图的方法是类似的。然后,可为每一水平指定颜色或者其它视觉鉴别物。生成的显示是可根据数据的水平而着色的多边形集合。
对于一组给定的流动数据,决定使用何种水平取决于流动数据本身。例如,地形图可能每10英尺高度具有一个水平。这被认为是线性算法。可使用多种方法来计算用于显示流式细胞仪数据的等高线水平以及密度水平的水平。
一种方法是概率密度。在概率密度方法中,等高线图的每一水平包含大致相同百分比的数据。另一方法是线性密度。在线性密度实施方式中,可将最高水平除以水平的数量以确定值。第三个实例是对数密度。在此类实施方式中,利用对数算法计算水平。对数密度方法可很好地适用于强调较低水平的数据。这可以允许研究者对某些参数和某些范围的微小差别之间进行区分。
至少部分基于所述数据,选择等高线水平方法。选择可以考虑下述中的一种或多种:数据的密度、事件的数量、参数的数量、实施的分析等。为了创建等高线所使用的水平,设置一个值确定创建的水平的数量。这可以是百分比值。在此类实施方式中,当选择概率密度方法时,默认百分比可以是百分之十。生成的等高线图可以包含10个水平,每一水平中显示大约百分之十的数据。
图4B显示了另一等高线图的实例。等高线图450基本上与图4A中显示的类似。然而,图4B中的等高线图450包含离群数据。例如,等高线图450包含离群值455。这些离群值代表未包含于等高线图450指定水平的等高线中的事件。
尽管等高线图可能比其它图表提供流动数据的更有效的存储表示,但是基本等高线数据还是基于一整套流动数据生成的。这能导致呈现显示和操作挑战的复杂的等高线图。等高线算法通常返回一系列多边形和线段。每一图块通常存在一个多边形,其中图块是等高线分辨率的单位。线和多边形的数量可以容易地落入成千上万或者甚至是几十万的范围内。对于使用即时模式作图的图形系统(如Win32)而言,这对绘图可能不是问题。然而,对于保留模式作图系统(如WindowsPresentationFoundation)而言,该图形子系统不能有效地保存成千上万的对象。结果将会是性能缓慢以及高度内存使用。
图5显示了处理细胞仪数据的示例性方法的流程图。图5中显示的方法可被用于生成有效的等高线以及每一等高线水平的信息。图5中显示的方法在下述方面是有效的:生成的等高线比其它等高线方法耗费显著更少的资源来存储、传输、接收以及显示。此外,作为方法的一部分,图5中显示的方法在生成每一等高线水平的信息方面是有效的。这提供了超过处理细胞仪数据的其它方法的生成过程的操作效率。
等高线的生成通常包括接收二维直方图作为输入,并输出一系列代表数据的z水平的多边形。为了有效地显示等高线,应当将表现、传输以及显示创建的等高线所需的资源保持在最低限度,以允许快速并且使用有限的处理、带宽和/或电力用量来呈现多边形。这在实时数据获取过程中可能尤为重要。此外,当在电池寿命和带宽可能有限的移动装置(如智能手机或平板计算机)上查看等高线数据时,这可能很重要。
典型的等高线算法可以生成成千上万个多边形,其需要许多内存来存储,高带宽水平来传输,增加的处理时间来接收和呈现,并且通常提供较慢的使用者体验。为了减少存储负载,可以使用多边形网格简化(下文进一步详细描述)以移出冗余点,从而减少多边形计数。此外,一旦创建了单一多边形,就可能生成具体等高线的信息。信息可以包含下述中的一种或多种:包含于多边形内的多个事件、包含于多边形内的总事件的百分比、事件的总量、用于特异地鉴定多边形的描述性标签、水平、视觉提示(visualcue)等。下面的表1提供了显示使用一种或多种描述特征可能实现的效率收益的一些实验结果。
表1
图5中显示的方法通过接收原始细胞仪数据在节点502处开始。如所讨论的,该数据可以是流式细胞仪数据。可以从网络位置、存储器位置(例如磁盘、USB驱动、CD-ROM、DVD、云存储等),或者通过来自其它电子装置的一种或多种有线或无线通讯通道接收数据。数据是“原始的”意思可以是信息简单地是一种或多种参数的一系列事件。数据形式可以被改变以帮助通过细胞仪的计算机处理。然而,数据可不包含可以允许研究者分析并基于信息作出决定的概要、背景或其它改进。
在节点504处,生成接收的数据的2D直方图。2D直方图通过将事件分至一种或多种库,提供了原始数据整理。在某些情况下,这可以被称作量子化。
在节点506处,确定等高线水平的数量。可以使用例如上文所述的线性、百分比或对数方法来确定等高线水平的数量。确定可以基于数据的特征,如事件的数量、数据的密度、目标参数、预先确定的使用者偏好(例如方法偏好)、实施的分析等。每一方法也可以包含参数以生成水平。例如,百分比方法也可能需要百分比值。可以基于所述数据、预先定义的如使用者偏好或默认值或者通过接收参数的其它输入来确定这些另外的参数。
在节点508处,基于接收的数据的2D直方图以及确定的等高线水平生成等高线。下文参考图6进一步详细描述了生成等高线的方法。
在节点510处,生成每一等高线水平的信息。信息可以包含下述中的一种或多种:包含于多边形中的多个事件、包含于多边形中的总事件的百分比、事件的总量、用于特异地鉴定多边形的描述性标签、水平、视觉提示等。在一些实施方式中,当通过节点508生成等高线的多边形时,可以并行生成信息。
在一些实施方式中,可以存储生成的等高线和生成的等高线信息,用于进一步处理,如显示。在一些实施方式中,可将生成的等高线和/或生成的等高线信息传输至另一电子装置。例如,平板计算机可以将包含一组原始数据的标识符的信息传输至显示器。利用该标识符,系统可以执行图5中显示的过程,并且将生成的等高线和生成的等高线水平信息传输至平板计算机。
图6展示生成等高线的流程图。更具体而言,图6中显示的过程展示如何生成有效的等高线。
在节点602处,生成初始等高线。在一些实施方式中,初始等高线可以作为输入提供。在一些实施方式中,可以利用例如上文所述的等高线方法中的任何方法来生成等高线。所述方法中显示的过程的一个非限制性优势是可适用于从任何等高线生成有效的等高线。
图7显示了初始等高线的实例。将初始等高线700分为4×4的网格。4×4网格中的每一格可被称作图块或网格单元。每一图块可以包含代表事件数据的多边形。显示的初始等高线700包含16个多边形702a–702p,每一单元中一个。每一多边形可由三个或更多个点表示。为了表示图7中显示的等高线中的全部多边形,使用64个点。虽然图7中的初始等高线700是相对较小的等高线,但是随着数据的量的增加,其中包含的图块和多边形的数量可以大幅增加。这些增加为改善等高线表示提供了机会。
回到图6,在节点604处,初始等高线700的每一网格单元由图块代码表示,所述图块代码取决于网格单元的角值以及与每一角值相关的等高线水平。图块代码表明如何计算具体单元的多边形。基于单元的四个角点生成图块代码。每一角点可高于或等于当前的等高线水平,或者低于当前的等高线水平。如果角值高于或等于当前的等高线水平,则该角附近的值应当被包含于当前的等高线水平。如果角值低于当前的等高线水平,则该角附近的值不应被包含于当前的等高线水平。
可以使用4个二进制数来表示图块代码,每个数表示图块的一个角。
图8显示了图块代码绘图的实例。图8中显示的图块代码绘图可以为图块代码“1101”。显示的图块代码绘图包含四个角点802、804、806以及808。如所显示的,角802、804和806的值高于等高线水平。相应地,可以使用第一二进制值(如“1”)来识别这些角。角808小于当前的等高线值。相应地,可以使用不同的二进制值(如“0”)来表示该角。因此,在该实例中,为该图块指定的图块代码是“1101”。该图块代码识别具有5个点的多边形810。
图9A显示了图块代码绘图的另一实例。图9A中显示的绘图包含了图块900的每个角902、904、906和909的角值(分别为3.7、5.7、2.1和1.8)。对于图9A中显示的实例而言,期望的等高线水平是4.3。对于第一个角902而言,角值(3.7)低于期望的等高线水平(4.3)。所述图块代码可以在第一位置包含“0”来显示这一情况。对于第二个角904而言,角值(5.7)高于期望的等高线。所述图块代码可以在第二位置包含“1”来显示这一情况。第三个角906的值(2.1)低于期望的等高线水平,因此在所述图块代码的第三位置可以用“0”表示。最后的角908的值(1.8)也低于期望的等高线水平。因此,在所述图块代码的最后位置可以使用“0”来表示最后的角908。图9A中显示的生成的所述图块的图块代码是“0100”。虽然在该实例中使用了二进制,可以使用其它格式(如十进制、十六进制、分隔格式或者其它机器可读的格式)来表示图块代码。
当确定了图块900的等高线水平中包含的角点时,可以基于角点之间的线性插值生成两个另外的点910和912。因此形成三角形的多边形914代表该图块900。多边形914确定了图块900a中包含的一部分等高线水平。
图9B显示了等高线绘图规约的另一实例,其可以在本文描述的系统和装置中实施。图9B中显示的规约包含每一图块的等高线代码。代码格式包括四个要素,图块的每个角一个要素。图9B将左上角指定为第一要素(要素0),并按顺时针方式行进渐增地为点编号。每一要素可由两个值“0”或“1”中的一个来表示。如在图9B的规约中所使用的,如果角点的要素包含“0”,则所述角点低于当前的等高线水平。如果角点的要素包含“1”,则所述角点高于或等于当前的等高线水平。在该范围的一端,与代码“0000”相关的图块完全在当前的等高线水平之下。在该范围的另一端,与代码“1111”相关的图块完全位于当前的等高线水平之内。图9B包含根据所述的规约的中间排列。
生成等高线水平的点之后,可将生成的多边形提供给显示器。然而,如之前所讨论的,等高线生成了非常大的数据结构,其可能不允许例如快速呈现给显示器或者通过因特网连接快速下载。
回到图6,在节点606处,包含于等高线中的多边形被简化。通过匹配相邻的多边形和它们的点以及合并共同点来完成多边形简化。这提供了包含更少的点的更大的多边形。
图10A和10B分别显示了简化之前和之后的相邻的图块。图10A显示了等高线中的两个相邻的图块。第一图块1002包含含有四个点1004a–1004d的多边形1012。第二图块1006包含含有五个点1008a–1008e的另一多边形1014。来自第一图块1002的点1004b和1004c与来自第二个图块1006的1008d和1008e具有基本相同的值。这些重叠点代表冗余数据。
图10B显示了包含简化的多边形的两个相邻的图块。重叠的点仅考虑一次,并且在等高线中表示单一多边形1016。如所显示的,保留了来自第一个多边形1002的点1004b和1004c的值。在一些实施方式中,保留来自当前图块的值。在一些实施方式中,使用来自相邻的图块的值。这将用于表示所述多边形的点的数量从9个减少至7个。当表示涉及多个图块的更大的多边形时,这些节约尤为显著。
由图6的节点606实施的简化可以基于图块是否具有与其左边相邻或者在其上方的‘相容性’多边形。如果确定确实存在相邻图块的相容性多边形,则可将多边形组合。该过程可以从左上方的角开始,并行进至右侧和下方。应当理解的是,可以使用其它扫描模式,实现的效果类似。
可能看上去存在如何组合多边形的无穷组合,但是组合的集合实际上小的多。可以通过确定图块是否可与下述图块组合将实际情况进行分类:仅与左侧图块组合;仅与上方图块组合;与左侧和上方的图块组合;或者不与图块组合,在不与图块组合的情况下,确定新的多边形的起点。
基于图块扫描模式以及给定图块的图块代码,可以确定寻找相容性多边形的方向。例如,在一个实施方式中,可以使用从左至右、从上至下的扫描模式。对于如图8中显示的具有代码“1101”的图块而言,相邻的多边形可以存在于上方或左侧。对于如图9A中显示的具有代码“0100”的图块而言,相邻的多边形可以存在于上方。图17(下文进一步详细讨论)为确定不同图块的相容性位置的提供了规约的其它实例。
图11显示了简化的等高线图的实例。简化的等高线1100是图7中显示的初始等高线700的简化版本。简化的等高线1100包含使用16个点表示的两个多边形1102和1104。
图12显示了用于高效处理细胞仪数据的电子装置的一个实例的功能区块图。可以将电子装置1200配置为实施图5和/或6中所显示的以及如上文所述的方法的一个或多个方面。
电子装置1200包括接收器1202。接收器1202被配置用于接收信息,用于电子装置1200的进一步处理。例如,接收器1202可接收原始流式细胞仪数据。接收器1202也可以接收参数以控制电子装置1200的操作特征。接收器1202可以配置用于接收来自另一电子装置(例如平板计算机或者智能手机)的信息。
接收器1202可以实施为有线或者无线接收器。在无线实施方式中,接收器1202可以包括天线以及信号处理器。在有线实施方式中,接收器1202可包括所述各特征的网络接口、物理连接(例如以太网、USB、HDMI、电话等)以及应用程序接口中的一种或者多种。
电子装置1200可包括传输器1204。传输器1204可以配置用于传输电子装置1200生成的或者以其他方式获得的信息。可以通过传输器1204传输的信息的一个实例为简化的等高线图。
传输器1204可以配置用于将数据格式化用于传输。格式化可以包括以下所述的一种或者多种:分包、封装(例如,以机器可读的格式(如XML、JSON、分隔的文本)、二进制格式(如位图)或者其它图像文件格式等))、加密以及压缩。
传输器1204可以配置用于有线或者无线传送。在无线实施方式中,传输器1204可包括信号生成器、放大器以及天线。在有线实施方式中,传输器1204可包括网络接口以及物理连接(例如,以太网、USB、HDMI、电话等)中的一种或者多种。
电子装置1200可以包括存储器1206。存储器1206可包括只读存储器(ROM)和/或随机存取存储器(RAM),可以存储电子装置1200接收的信息。存储器1206也可以存储电子装置1200生成的信息。存储器1206的一部分也可以包括非易失性随机存取存储器(NVRAM)。
电子装置1200也可包括处理器1208。处理器1207可以控制和/或调整电子装置1200的操作。在一些实施方式中,处理器1207可以被称作中央处理单元(CPU)。处理器可以配置用于向电子装置1200的一个或者多个组件传输信息。处理器也可以配置用于接收来自电子装置1200的一个或者多个组件的信息。
可以用以下所述的任何组合来实施处理器1208:通用或者专用微处理器、微控制器、数字信号处理器(DSP)、场可编程门阵列(FPGA)、可编程逻辑设备(PLD)、控制器、状态机、门控逻辑、独立的硬件组件、专用硬件有限状态机,或者能够实施信息计算或者其它操作的任何其它合适的实体。
存储器1206可以向处理器1208提供指令和数据。处理器1208可以配置用于基于存储于存储器1206中的程序指令实施逻辑以及算术运算。存储器1206中的指令可以是可执行的,以实施本文所述的方法。
图12中显示的电子装置1200包括直方图生成器1210。直方图生成器1210显示为接收两种输入:直方图参数和数据。在一些实施方式中,这些输入可以存储于存储器1206中。在一些实施方式中,基于接收的信息,在外部接收这些输入中的一种或两种,如经由接收器1202接收。
直方图生成器1210可以配置用于生成提供的数据的2D直方图。生成的直方图可以基于向直方图生成器1210提供的直方图参数。例如,直方图参数可以包含直方图的库的数量。在一些实施方式中,直方图生成器1210可以配置用于基于输入的数据动态确定直方图参数。例如,可将一组流式细胞仪数据中包含的事件的数量用于鉴定库的数量。
直方图生成器1210可以配置用于在存储器1206中存储生成的直方图。
电子装置1200包括等高线处理器1230。等高线处理器配置用于处理本文所述的等高线。等高线处理器配置用于接收作为输入的生成的直方图。可以通过接收器1202或者从直方图生成器1210接收生成的直方图。可以直接从生成的直方图的来源或者通过存储器1206获得生成的直方图。
图12中显示的等高线处理器1230包括等高线水平引擎1235。等高线水平引擎1235配置用于鉴定合适的等高线确定方法以及等高线水平的数量。等高线水平引擎1235可以接收一种或多种等高线水平参数。例如,可以提供用于百分比密度等高线的百分比值。在一些实施方式中,等高线水平引擎1235可以配置用于基于输入的数据动态确定等高线水平参数。例如,可将一组流式细胞仪数据中包含的事件的数量用于鉴定所述百分比。在一些实施方式中,等高线水平参数可以存储于存储器1206中。在一些实施方式中,基于接收的信息,可以在外部接收一种或多种等高线水平参数,如通过接收器1202接收。
所示等高线处理器1230包括等高线生成器1240。等高线生成器1240可以利用生成的直方图、通过等高线水平引擎1235鉴定的等高线水平以及等高线水平参数中的一种或多种,以生成如上文所述的等高线。等高线生成器1240可以配置用于将生成的等高线存储于存储器1206中。在一些实施方式中,等高线生成器1240可以配置用于使传输器1204传输生成的等高线。如所讨论的,生成的等高线可以是大的结构,其可能存在一些挑战,特别是在有限的资源环境中。
相应地,电子装置1200可以包括等高线处理器1230中的等高线简化单元1245。等高线简化单元1245可以配置用于生成等高线(如通过等高线生成器1240生成的等高线)的有效表示。在一些实施方式中,等高线简化单元1245可以接收之前生成的等高线。例如,等高线可能之前已经生成并存储于存储器中。等高线简化单元1245可以获得该等高线,并生成如上文所述的简化的表示。
等高线简化单元1245可以配置用于将生成的等高线存储于存储器1206中。在一些实施方式中,等高线简化单元1245可以配置用于使传输器1204传输生成的等高线。
所示等高线处理器1230还包括水平信息关联单元1250。水平信息关联单元1250可以配置用于生成关于生成的等高线中包含的一个或多个水平的信息。水平信息可以包含下述信息:多边形中包含的多个事件、多边形中包含的总事件的百分比、事件的总数、用于特异地鉴定多边形的描述性标签、水平、视觉提示(例如颜色、图标、填充模式)等。
水平信息关联单元1250可以配置用于将生成的水平信息存储于存储器1206中。在一些实施方式中,水平信息关联单元1250可以配置用于使传输器1204将生成的水平信息与相关的等高线一起传输或者与相关的等高线分开传输。
以上描述的电子装置1200的元件可以通过总线1290联接。总线1290可以是数据总线、通信总线或者其它的总线机构,以使电子装置1200中的不同组件能够交换信息。在一些实施方式中,总线1290可以便于所示元件之间的电力传输。应当进一步理解,虽然显示了不同的元件,显示的多种元件可以组合为单个元件。
能够有效地生成和表示等高线可以提供一些其它益处。例如,可向每一等高线水平提供请求式统计学信息(on-demandstatistics)。在一个实施方式中,当使用者在所述等高线上移动指针时,可以在“弹出”显示窗中提供等高线的统计学信息。获得所述统计学信息的过程可以是十分动态的,并且几乎是瞬时的。一旦接收鉴定等高线水平的输入信号,就可以传输鉴定的等高线的统计学信息。可以突出与接收的信号相关的等高线水平,或者引起生成显示选择的等高线水平的视觉提示。
利用描述的特征允许研究者快速理解数据的位置。在概率密度为10%的实施方式中,显示的三个主要区域中的每一个的总百分比统计学信息的总和是90%。即,这三个主要区域代表了该集合中90%的流动数据的水平。剩余的10%是离群值。这些特征允许使用者立刻理解数据的位置,以及在所述位置的数据的量,这对于阅读流式细胞仪结果报告是重要方面。
一些研究者可能偏好于将事件看作点而非等高线。因为能有效地表示等高线信息,所以可将等高线信息与点图联合使用以增强点的显示。例如,描述的系统和方法允许生杂合的等高线-点图,其将个体事件作为点显示,但是具有等高线的着色。着色可以基于如上文所述生成的简化等高线中包含的信息。此外,也可以获得与等高线水平相关的请求式统计学信息。在一些包含所述杂合图的实施方式中,研究者可以用点的密度着色来查看点图。而且研究者可以利用不可见的等高线轮廓观察点区域的统计学信息。
描述的系统和方法的另一实施方式包括创建门。通常,研究者会在目标数据的周围创建门。密度图对于对数据建门是有用的,因为密集的数据区域通常表示重要的数据。研究者可以使用多种工具中的一种来绘制几何门,如矩形、椭圆形或多边形。这一手动‘绘制’所述门的过程可能很繁琐。此外,由于目标数据可能不是完全是几何形或者不能使用可获得的工具来容易地表示,因此所述工具可能不允许绘制精确的门。利用描述的特征,可以通过确定等高线水平创建门。利用与请求式统计学信息类似的技术,等高线图包含允许从确定的区域快速创建门的信息。
通常利用等高线后的点自动创建门。由于等高线信息以简化的方式表示,因此确定和生成门的效率比标准等高线建门有所提高。
图13显示了等高线图的门的实例。图13中显示的等高线图1300包含显示参数值的x轴1302以及显示侧向角散射计数水平的y轴1304。值得注意的是,与显示的等高线图(例如图4A中)相比,图13的等高线图被放大以使x轴和y轴以较小的比例呈现数据。
等高线图1300包含门1306。门1306由一系列点组成。图13中鉴定了一个点1308,但是门可以包含成百上千的点。确保选择合适的门可能很繁琐。相应地,使用者可以选择等高线,并且沿所述等高线的边界从所述等高线生成门。
图14显示了生成门的方法的流程图。可以使用电子通讯装置(如平板计算机、笔记本计算机、智能手机等)来实施图14中显示的方法。
在节点1402处,传输对流动数据的请求。请求可以包含待显示的一组流动数据的标识符。在节点1404处,接收请求的流动数据。接收的流动数据可以包含如上文所述的等高线图。等高线图可以包含一种或多种等高线水平。等高线水平可与水平信息相关,如描述性水平标签、统计学信息或者其它信息。可以以机器可读的格式提供接收的流动数据,如XML、JSON、分隔文本、二进制格式如位图或者其它图像文件格式等。在一些实施方式中,可以分别确定每一水平,从而可以选择性地控制给定层的表示(例如基于包含待显示层的标识符的接收的信息而显示)。
在一些实施方式中,接收的流动数据可以包含用于生成点图的信息和等高线信息。在此类实施方式中,可以基于等高线信息显示点图。例如,可以基于等高线信息中包含的密度信息选择用于呈现点图上的点的颜色。相应地,可以生成包含密度信息(如一种或多种等高线水平)的图。下文参考图15讨论生成流式细胞仪数据的呈现的其它实例。
在节点1406处,接收包含用于生成门的等高线水平的标识符的信息。例如,使用者可以点击以选择等高线水平,并引起待传输的等高线水平的鉴定信息的传输。在节点1408处,基于接收的等高线水平的标识符,生成对于数据集的门。任选地,在节点1410处,可以显示与门相关的信息,所述门与等高线水平相关。
在一些实施方式中,图14中显示的过程可以包括向中央服务器传输信息以获得所述信息。在一些实施方式中,图14中显示的过程可以包括接收一组流动数据,所述流动数据包含等高线图、等高线水平和等高线信息中的一种或多种。然后,显示可以包括确定提供哪一部分流动数据用于呈现。因为本文所述的等高线数据能被有效地表示,所以将该信息保持于存储器中(如平板计算机上)提供了合适的使用者体验。
图15显示了生成流式细胞仪数据的呈现的方法的流程图。在节点1502处,接收流式细胞仪数据。可以接收原始格式(如从流式细胞仪或者从存储器)的流式细胞仪数据。在一些实施方式中,接收流式细胞仪数据可以包括接收一组流动数据的标识符以及基于接收的标识符获得流式细胞仪数据。接收的流动数据可以包含一种或多种图,如上文描述的那些图。
在决策节点1504处,作出接收的流式细胞仪数据是否包含等高线信息的决定。如果流动数据不包含等高线信息,在节点1505处获得接收的流动数据的等高线信息。获得所述等高线信息可以包括生成如上文所述的网格简化的等高线。在一些实施方式中,可以传输请求以获得等高线信息。
如果在决策节点1504处确定接收的流动数据包含等高线信息,或者在节点1505处接收等高线信息时,则过程继续流动至节点1506处。在决策节点1506处,作出是否仅可获得的信息是等高线信息的决定。例如,仅可获得流式细胞仪数据的等高线图。如果情况是这样的,则过程继续流动至节点1516处,在节点1516处提供包含等高线图的呈现。如所讨论的,等高线图可以包含一种或多种等高线水平。每一水平可以与如上文所述的信息相关。
回到决策节点1506,如果可以获得等高线信息以及其它流动数据(如点图),则过程继续流动至节点1508处。在节点1508处,生成基本呈现。基本呈现可以包含例如流动数据的点图。在节点1510处,获得等高线水平的信息。关于等高线水平的信息可以包含视觉提示,如水平的颜色和/或图标。所述获得可以基于基本呈现中包含的点。在节点1512处,可以基于获得的等高线水平信息更新基本呈现。更新可以包括为位于等高线水平内的基本呈现所包含的一个或多个点指定呈现颜色。更新可以包括向包含等高线水平信息的呈现添加另外的显示层。在一些实施方式中,该层可以是透明的直至被选择。在决策节点1514处,作出是否可以获得其它等高线水平信息的决定。如果不能,则过程继续流动至节点1516处,在此提供更新的呈现。如果可获得其它等高线水平信息,则过程返回至节点1510处以处理其它等高线水平信息。
如图15中所示,对等高线水平进行迭代以更新基本显示。在一些实施方式中,当生成基本呈现时,可以获得等高线水平信息,并将其应用于每个点。不论哪种情况,提供的呈现都包含密度信息以及任何其它的流动数据。
图16显示了包含门和等高线信息的显示实例的界面图。可以使用颜色来突出门1602,该颜色能将选择的区域与等高线图的其它区域区分开。等高线信息1504包括显示名称、门区域中包含的总事件的百分比以及门区域内的事件的数量。应当理解,在等高线信息1604要素中可以呈现更少的、不同的或者另外的信息。
图16也显示了点图如何可以包含经由等高线信息提供的密度信息。图中包含的每个点可以例如以不同的颜色呈现。明暗度可以表明在具体区域的事件的相对密度。可以利用图15中描述的方法生成图16中显示的杂合的点图/等高线呈现。
门的自动生成允许基于生成的等高线水平准确地表示门。这比相同区域的手动绘制的门更加准确。此外,所述门能够更快更准确地创建多边形,而非手动创建多边形。在一些实施方式中,如果未选择所述门,则门的提示信息可以显示所述区域的统计学信息。
利用描述的技术可以实施的另一特征是实时等高线生成。由于所描述的系统和方法提供了更小的数据集,可以基于接收的鉴定目标点的输入信号生成局部等高线。例如,利用预先定义的容差范围(tolerancerange),可以生成在鉴定的点周围绘制的局部等高线。可以响应于鼠标点击、通过触屏点击或者其它动作而传输所述鉴定。随着目标点的改变,可以基于基本简化的等高线信息显示待包围的区域。当研究者对结果满意时,按下指针以创建门。
除等高线图的一些新的特征之外,描述的特征使得能够更有效的表示等高线图。当将存储器和其它资源利用最小化时,可以快速生成表示等高线的多边形结构。生成的数据结构也允许有效转移至第三方应用。这些数据结构也可以用于包含密度信息,其与不包含密度信息的图(如点图)共同包含于等高线信息中。
通过使用所讨论的新的特征,对于等高线和密度图的利用可以更有效。请求式统计学信息、杂合的等高线-点图以及点图上的等高线建门仅是三种可能的实施方式,它们可以单独或组合使用以允许使用者快速理解数据,从而使使用者可以更快地作出更好的决定。请求式统计学信息精确显示了存在于等高线处的数据的量。杂合的等高线-点图允许在仍然提供相同的统计学信息的同时,用密度着色查看常规的点图。利用等高线建门,可以快速且准确地绘制门,实现更好的分类。
此外,描述的系统和方法允许压缩事件数据以减少表示事件数据的多边形等高线所需的点的数量。在等高线内选择水平可以引起门的生成。这允许有限的资源装置(如触屏无线装置)以资源有效的方式对流式细胞仪数据呈现和建门。
图17显示了组合图块的相容位置的实例。图17中显示的候选搜索位置采取从左至右以及从上至下的图块扫描模式。相应地,图17的第一行第一列中显示的图块的候选组合为所述图块至所述图块的左侧,因为所述图块可能是在先前扫描的(以及可能组合)图块中起始的多边形的延续。第一行第四列中显示的图块的候选组合表明开始新的多边形。因为在实施方式中显示的扫描模式是从左至右以及从上至下,因此图17的第一行第四列显示的图块代表新的多边形的上方的角。
本文使用的术语“测定(determine)”或者“测定(determining)”包含多种动作。例如,“测定”可以包括计算、计算机计算、处理、衍生、调查、查找(例如,在表、数据库或者其它数据结构中查找)、确定等。而且,“测定”可以包括接收(例如,接收信息)、评估(例如,评估存储器中的数据)等。而且,“测定”可以包括解析、选择、挑选、建立等。
本文使用的术语“提供(provide)”或者“提供(providing)”包含多种动作。例如,“提供”可以包括在位置存储值用于后续检索、直接将数值传输给接收者、传输或者存储值的参考等。“提供”也可以包括编码、解码、加密、解密、确认、验证等。
本文使用的意为一系列项目中“至少一项”的短语指的是那些项目的任何组合,包括单一项。作为一个实例,“a、b或者c中至少一项”意图包括:a、b、c、a-b、a-c、b-c以及a-b-c。
本领域技术人员将会理解,可以使用任意多种不同技术以及工艺来代表信息以及信号。例如,贯穿上文描述提到的数据、指令、命令、信息、信号、比特、符号以及芯片可以通过电压、电流、电磁波、磁场或者磁粒子、光场或者光学粒子或者其任何组合来代表。
本领域技术人员将会进一步理解,结合本文公开的实施方案描述的各种说明性逻辑块、模块、电路以及算法步骤可以作为电子硬件、计算机软件或者两者的组合来实施。为了明确地说明硬件与软件之间的这一可交换性,上文大体地从功能方面描述了不同的说明性组件、区块、模块、电路以及步骤。此类功能以硬件方式或者软件方式实施取决于施加于整体系统的具体应用以及设计限制。本领域技术人员可以针对每一具体应用,以不同的方式实施描述的功能,但是该类实施决定不应被理解为引起脱离本发明的范围。
本文描述的技术可以在硬件、软件、固件或者其任何组合中实施。可以在任意各种各样的装置中实施此类技术,例如通用计算机、无线通讯装置或者具有多种用途的集成电路装置,所述多种用途包括在无线通讯装置手持设备以及其它装置中的应用。描述为模块或者组件的任何特征可以在集成逻辑装置中共同实施,或者在分别作为独立组件但是具有协同作用的逻辑装置中实施。如果在软件中实施,通过包括包含指令的程序编码的计算机可读数据存储介质可以至少部分实现技术,当执行所述指令时,实施以上所述的一种或者多种方法。计算机可读数据存储介质可以形成计算机程序产品的一部分,其可以包括包装材料。计算机可读介质可以包括存储器或者数据存储介质,例如随机存取存储器(RAM)(例如同步动态随机存储器(SDRAM))、只读存储器(ROM)、非易失性随机存储器(NVRAM)、电可擦可编程只读存储器(EEPROM)、FLASH存储器、磁性或者光学数据存储介质等。计算机可读介质可以是永久性存储介质。此外,或者可选地,通过计算机可读通讯介质可以至少部分实现所述技术,所述介质以指令或者数据结构的形式携带或者传输程序编码,并且可以通过计算机例(如信号传播或者光传播)访问、读取和/或执行。
可以通过处理器执行程序编码,处理器可以包括一种或者多种处理器,例如一种或者多种数字信号处理器(DSP)、通用微处理器、专用集成电路(ASIC)、场可编程逻辑阵列(FPGA),或者其它等同的集成或者离散逻辑电路。此种处理器可以配置用于实施本公开内容中描述的任何技术。通用处理器可以是微处理器,或者处理器也可以是任何常规的处理器、控制器、微控制器或者状态机。也可以作为计算机设备的组合实施处理器,例如,DSP与微处理器、多个微处理器、一个或者多个微处理器与DSP核的联合,或者任何其它的此类配置。相应地,本文使用的术语“处理器”可以指任意前述结构中、前述结构的任意组合或者适合实施本文所述技术的任何其它结构或者装置。此外,在一些方面,本文描述的功能可以由用于编码以及解码的专用软件模块或者硬件模块提供,或者并入组合视频编码解码器(CODEC)。
本文公开的方法包括实现所述方法的一个或者多个步骤或者动作。在不脱离权利要求范围的情况下,可以将方法步骤和/或动作进行互换。换言之,除非指定步骤或者动作的具体顺序,可以在不脱离权利要求范围的条件下修改具体步骤和/或动作的顺序和/或使用。
上文已经描述了发明的不同实施方案。这些或者其它实施方案属于以下权利要求的范围。

Claims (20)

1.生成具有门的等高线的方法,所述方法包括:
获得初始等高线,所述初始等高线包含第一多个点,所述第一多个点鉴定流式细胞仪事件;
向所述初始等高线包含的每一图块指定图块代码;
对于所述初始等高线中包含的给定图块,鉴定所述初始等高线中与所述给定图块相邻的图块,所述相邻的图块具有第一多边形,所述第一多边形与所述给定图块中的第二多边形有重叠;
当鉴定为重叠时,将第一多边形和第二多边形的点组合,所组合的点形成等高线;
生成所述等高线的水平信息;
接收包含所述等高线的水平的标识符的信息;以及
基于所述等高线的水平的标识符与所述水平信息的比较来生成门,所述门鉴定在所述水平的一组流式细胞仪事件。
2.如权利要求1所述的方法,其中获得初始等高线包括:
接收一组数据;
生成该组数据的直方图;和
基于所生成的直方图,生成所述初始等高线。
3.如权利要求1或2中任一项所述的方法,其中获得初始等高线包括通过通讯通道接收所述初始等高线。
4.如权利要求1-3中任一项所述的方法,其中所述初始等高线包含基于概率密度、线性密度或对数密度中的至少一种所生成的一种或多种水平。
5.如权利要求1-4中任一项所述的方法,其中每一图块包含四个角点,并且其中各图块的图块代码包含四个部分,每一部分与所述图块的一个角点相对应。
6.如权利要求5所述的方法,其中基于角点值与等高线水平的比较,设定所述图块代码的一部分的值。
7.如权利要求1-6中任一项所述的方法,其中基于所述给定图块的图块代码以及图块扫描方向,鉴定相邻的图块。
8.如权利要求1-7中任一项所述的方法,其中所述水平信息包含下述中的一种或多种:水平标识符、包含于所述水平中的多个事件、包含于所述水平中的总事件的百分比、事件的总数目、用于特异地鉴定所述水平的描述性标签、以及所述水平的视觉提示。
9.如权利要求1-8中任一项所述的方法,其还包括向触屏装置传输所述门。
10.用于生成具有门的等高线的装置,所述装置包括:
处理器,其被配置用于获得初始等高线,所述初始等高线包含第一多个点;
等高线简化单元,其被配置用于:
为所述初始等高线中包含的每一图块指定图块代码;
对于所述初始等高线中包含的给定图块,鉴定所述初始等高线中与所述给定图块相邻的图块,所述相邻的图块具有第一多边形,所述第一多边形与所述给定图块中的第二多边形有重叠;以及
当鉴定为重叠时,将第一多边形和第二多边形的点组合,所组合的点形成等高线;
等高线信息生成器,其被配置用于生成所述等高线的水平信息;以及
接收器,其被配置用于接收包含所述等高线的水平的标识符的信息,其中所述处理器被进一步配置用于基于所述等高线的水平的标识符与所述水平信息的比较来生成门,所述门鉴定在所述水平的一组流式细胞仪事件。
11.如权利要求10所述的装置,其还包括:
接收器,其被配置用于接收一组数据;
直方图生成器,其被配置用于生成该组数据的直方图;以及
等高线生成器,其被配置用于基于所生成的直方图生成所述初始等高线。
12.如权利要求10或11中任一项所述的装置,其中所述接收器被进一步配置用于通过通讯通道接收所述初始等高线。
13.如权利要求10-12中任一项所述的装置,其中所述初始等高线包含基于概率密度、线性密度或对数密度中的至少一种所生成的一种或多种水平。
14.如权利要求10-13中任一项所述的装置,其中每一图块包含四个角点,并且其中各图块的图块代码包含四个部分,每一部分与所述图块的一个角点相对应。
15.如权利要求14所述的装置,其中基于角点值与等高线水平的比较,设定所述图块代码的一部分的值。
16.如权利要求10-15中任一项所述的装置,其中基于给定图块的图块代码以及图块扫描方向,鉴定相邻的图块。
17.如权利要求10-16中任一项所述的装置,其中所述水平信息包含下述中的一种或多种:水平标识符、包含于所述水平中的多个事件、包含于所述水平中的总事件的百分比、事件的总数目、用于特异地鉴定所述水平的描述性标签、以及所述水平的视觉提示。
18.如权利要求10-17中任一项所述的装置,其还包括传输器,所述传输器被配置用于向触屏装置传输所述门。
19.如权利要求18所述的装置,其中所述接收器被配置用于从所述触屏装置接收包含所述等高线的水平的标识符的信息。
20.计算机可读的存储介质,所述介质包含指令,所述指令可被用于生成具有门的等高线的装置的处理器执行,所述指令引起所述装置:
获得初始等高线,所述初始等高线包含第一多个点,所述第一多个点鉴定流式细胞仪事件;
为所述初始等高线中包含的每一图块指定图块代码;
对于所述初始等高线中包含的给定图块,鉴定所述初始等高线中与所述给定图块相邻的图块,所述相邻的图块具有第一多边形,所述第一多边形与所述给定图块中的第二多边形有重叠;
当鉴定为重叠时,将第一多边形和第二多边形的点组合,所组合的点形成等高线;
生成所述等高线的水平信息;
接收包含所述等高线的水平的标识符的信息;以及
基于所述等高线的水平的标识符与所述水平信息的比较,生成所述门,所述门鉴定在所述水平的一组流式细胞仪事件。
CN201480032967.6A 2013-05-17 2014-05-15 流式细胞仪中有效的等高线和建门 Active CN105308588B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201361824824P 2013-05-17 2013-05-17
US61/824,824 2013-05-17
PCT/US2014/038106 WO2014186527A1 (en) 2013-05-17 2014-05-15 Efficient contours and gating in flow cytometry

Publications (2)

Publication Number Publication Date
CN105308588A true CN105308588A (zh) 2016-02-03
CN105308588B CN105308588B (zh) 2017-11-24

Family

ID=51896449

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480032967.6A Active CN105308588B (zh) 2013-05-17 2014-05-15 流式细胞仪中有效的等高线和建门

Country Status (6)

Country Link
US (2) US10088407B2 (zh)
EP (1) EP2997493B1 (zh)
JP (1) JP6480918B2 (zh)
CN (1) CN105308588B (zh)
ES (1) ES2900811T3 (zh)
WO (1) WO2014186527A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107063981A (zh) * 2017-02-28 2017-08-18 赛雷纳(中国)医疗科技有限公司 一种基于流式细胞术的数据集中处理方法

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10088407B2 (en) 2013-05-17 2018-10-02 Becton, Dickinson And Company Systems and methods for efficient contours and gating in flow cytometry
KR102122793B1 (ko) * 2013-08-22 2020-06-15 삼성전자주식회사 전자 디바이스 및 전자 디바이스에서 이미지 처리 방법
WO2019209977A1 (en) * 2018-04-26 2019-10-31 Becton, Dickinson And Company Biexponential transformation for particle sorters
US11428692B2 (en) * 2018-07-11 2022-08-30 Visiongate, Inc. Specimen enrichment for optical tomography cell analysis
WO2020146733A1 (en) 2019-01-11 2020-07-16 Becton, Dickinson And Company Optimized sorting gates
WO2020219347A1 (en) 2019-04-21 2020-10-29 Becton, Dickinson And Company Cytometric bead array analysis
JP7445672B2 (ja) 2019-09-02 2024-03-07 合同会社H.U.グループ中央研究所 ゲート領域推定プログラム、ゲート領域推定装置、学習モデルの生成方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4845653A (en) * 1987-05-07 1989-07-04 Becton, Dickinson And Company Method of displaying multi-parameter data sets to aid in the analysis of data characteristics
US4976035A (en) * 1988-06-30 1990-12-11 "Xi" Information Processing Systems Ltd. Method and apparatus for contouring data particularly useful in preparing topographic maps
EP0554447B1 (en) * 1991-08-28 1997-04-09 Becton, Dickinson and Company Gravitational attractor engine for adaptively autoclustering n-dimensional data streams
US6944338B2 (en) * 2000-05-11 2005-09-13 Becton Dickinson And Company System for identifying clusters in scatter plots using smoothed polygons with optimal boundaries
US20070188491A1 (en) * 2005-12-12 2007-08-16 Ensco, Inc. System and method for fast efficient contour shading of sampled data
CN101790713A (zh) * 2007-04-17 2010-07-28 番石榴技术公司 用于位置特定的多参数数据集的分析和比较的图形用户界面

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5739000A (en) 1991-08-28 1998-04-14 Becton Dickinson And Company Algorithmic engine for automated N-dimensional subset analysis
US5556764A (en) 1993-02-17 1996-09-17 Biometric Imaging, Inc. Method and apparatus for cell counting and cell classification
US6014904A (en) 1996-05-09 2000-01-18 Becton, Dickinson And Company Method for classifying multi-parameter data
US8682810B2 (en) 2008-02-08 2014-03-25 Health Discovery Corporation Method and system for analysis of flow cytometry data using support vector machines
US8140300B2 (en) * 2008-05-15 2012-03-20 Becton, Dickinson And Company High throughput flow cytometer operation with data quality assessment and control
US8990047B2 (en) 2011-03-21 2015-03-24 Becton, Dickinson And Company Neighborhood thresholding in mixed model density gating
US10088407B2 (en) 2013-05-17 2018-10-02 Becton, Dickinson And Company Systems and methods for efficient contours and gating in flow cytometry

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4845653A (en) * 1987-05-07 1989-07-04 Becton, Dickinson And Company Method of displaying multi-parameter data sets to aid in the analysis of data characteristics
US4976035A (en) * 1988-06-30 1990-12-11 "Xi" Information Processing Systems Ltd. Method and apparatus for contouring data particularly useful in preparing topographic maps
EP0554447B1 (en) * 1991-08-28 1997-04-09 Becton, Dickinson and Company Gravitational attractor engine for adaptively autoclustering n-dimensional data streams
US6944338B2 (en) * 2000-05-11 2005-09-13 Becton Dickinson And Company System for identifying clusters in scatter plots using smoothed polygons with optimal boundaries
US20070188491A1 (en) * 2005-12-12 2007-08-16 Ensco, Inc. System and method for fast efficient contour shading of sampled data
CN101790713A (zh) * 2007-04-17 2010-07-28 番石榴技术公司 用于位置特定的多参数数据集的分析和比较的图形用户界面

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
GUENTHER WALTHER等: "Automatic Clustering of Flow Cytometry Data with Density-Based Merging", 《ADVANCES IN BIOINFORMATICS》 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107063981A (zh) * 2017-02-28 2017-08-18 赛雷纳(中国)医疗科技有限公司 一种基于流式细胞术的数据集中处理方法

Also Published As

Publication number Publication date
EP2997493A1 (en) 2016-03-23
EP2997493B1 (en) 2021-09-29
US20140343897A1 (en) 2014-11-20
US10088407B2 (en) 2018-10-02
CN105308588B (zh) 2017-11-24
US20190017921A1 (en) 2019-01-17
JP2016525678A (ja) 2016-08-25
EP2997493A4 (en) 2017-01-11
US10753848B2 (en) 2020-08-25
ES2900811T3 (es) 2022-03-18
JP6480918B2 (ja) 2019-03-13
WO2014186527A1 (en) 2014-11-20

Similar Documents

Publication Publication Date Title
CN105308588A (zh) 流式细胞仪中有效的等高线和建门
CN109829399B (zh) 一种基于深度学习的车载道路场景点云自动分类方法
Bremer et al. Interactive exploration and analysis of large-scale simulations using topology-based data segmentation
CA3105035A1 (en) Identifying geometrical properties of rock structure through digital imaging
US9652684B2 (en) Image processing for classification and segmentation of rock samples
CN105074456A (zh) 用于改进由岩石样品的材料特性的直接数值模拟以及确定材料特性的不确定性的系统和方法
CN104685382A (zh) 可靠地预测孔隙渗透性趋势的数字岩石分析系统及方法
US11982635B2 (en) Material properties from two-dimensional image
Leung et al. Sample truncation strategies for outlier removal in geochemical data: the MCD robust distance approach versus t-SNE ensemble clustering
Molchanov et al. Overcoming the Curse of Dimensionality When Clustering Multivariate Volume Data.
CN110770571B (zh) 多参数定量生物学数据的动态交互显示
CA3231502A1 (en) Systems and methods for multi-tree deconstruction and processing of point clouds
Baddeley et al. Optimal thresholding of predictors in mineral prospectivity analysis
US8774530B1 (en) Automated diagnostic analysis of image data
JP7333956B2 (ja) 三次元の片刃分布の推定プログラム、方法及び装置
Marques et al. DC-GAN for Fracture Data Generation Based on Segmented Outcrop Images Acquired from UAV
Chen et al. Differentiating outcropping strata from oblique photogrammetric data using an octree-based convolutional neural network with spatial parameters
Lemus et al. SUQ2: Uncertainty Quantification Queries over Large Spatio-temporal Simulations.
Flanagan Efficient Open Source Lidar for Desktop Users
Menjoge et al. Visualizing the Sampling Variability of Plots

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