CN105424560A - 流式颗粒仪数据自动化定量分析方法 - Google Patents
流式颗粒仪数据自动化定量分析方法 Download PDFInfo
- Publication number
- CN105424560A CN105424560A CN201510823352.1A CN201510823352A CN105424560A CN 105424560 A CN105424560 A CN 105424560A CN 201510823352 A CN201510823352 A CN 201510823352A CN 105424560 A CN105424560 A CN 105424560A
- Authority
- CN
- China
- Prior art keywords
- sample
- fluidic cell
- analysis method
- quantitative analysis
- data
- 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
- 239000002245 particle Substances 0.000 title claims abstract description 91
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000004445 quantitative analysis Methods 0.000 title claims abstract description 21
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000001514 detection method Methods 0.000 claims description 10
- 238000003709 image segmentation Methods 0.000 claims description 6
- 241000272510 Apteryx Species 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 210000004027 cell Anatomy 0.000 description 58
- 210000002751 lymph Anatomy 0.000 description 12
- 238000010586 diagram Methods 0.000 description 7
- 102100024222 B-lymphocyte antigen CD19 Human genes 0.000 description 3
- 101000980825 Homo sapiens B-lymphocyte antigen CD19 Proteins 0.000 description 3
- 101000917858 Homo sapiens Low affinity immunoglobulin gamma Fc region receptor III-A Proteins 0.000 description 3
- 101000917839 Homo sapiens Low affinity immunoglobulin gamma Fc region receptor III-B Proteins 0.000 description 3
- 102100029185 Low affinity immunoglobulin gamma Fc region receptor III-B Human genes 0.000 description 3
- 238000000684 flow cytometry Methods 0.000 description 3
- 238000001943 fluorescence-activated cell sorting Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 101000738771 Homo sapiens Receptor-type tyrosine-protein phosphatase C Proteins 0.000 description 2
- 102100037422 Receptor-type tyrosine-protein phosphatase C Human genes 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- GNBHRKFJIUUOQI-UHFFFAOYSA-N fluorescein Chemical compound O1C(=O)C2=CC=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 GNBHRKFJIUUOQI-UHFFFAOYSA-N 0.000 description 1
- 239000008187 granular material Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/02—Investigating particle size or size distribution
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N15/14—Optical investigation techniques, e.g. flow cytometry
- G01N15/1429—Signal processing
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Engineering & Computer Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了流式颗粒仪数据自动化定量分析方法，至少包括以下步骤：第一步，区分出样本中各类颗粒或颗粒群体，并读出这些颗粒或颗粒群体的检测参数；第二步，给定一个对照样本，检测出被测样本与对照样本之间的相同点或不同点，并给出差异数；第三步，读出各个不可分的颗粒或颗粒群体在各参数的读数，和各个群体之间相对值(距离)，保存这些数据形成样本“纹库”用于描述样本的性状，或两个或两个以上“纹库”进行相互比较，给出相同点及不同点，来评估各样本的特性。本发明提高了流式细胞分析的稳定性和自动化程度，其在高维空间下采用MEAN？SHIFT聚类算法识别出细胞群体，降维合并生成中间群体，便于观察人员判断流式细胞群体状况。
Description
技术领域
本发明涉及流式细胞分析技术领域，特别是涉及流式颗粒仪数据自动化定量分析方法。
背景技术
流式颗粒仪是一种在颗粒流动过程中对颗粒进行检测的设备，它一次可收集一个颗粒多个物理参数(本身物理特性，大小、颗粒度、体积等)及多个特异性的荧光信号(抗体标记或荧光染料染色)，这些数据以FACS文件格式进行保存(附FACS文件数据格式规范)。由于仪器可在短时间内收大量颗粒(每秒1万至10个颗粒)多个参数信息(2至20个参数)，数据信息量极其庞大。但目前对这些数据还是以人工分析为主，主要由分析者构建散点图、直方图，在其中选择出目标颗粒群体，通过一系列的逻辑设置得到颗粒的一个或多个参数的定量信息。分析耗时耗力，主观性强，重复性差，目前已经成为流式颗粒仪运用的瓶颈所在。
一个标准的流式颗粒仪实验，要求检测到1000个以上目标颗粒数量，在信息统计时，统计学上才能达到稳定。(此处已淋巴颗粒亚群分析为例)由于目标颗粒只占样本全部颗粒的30％或更低(示样本情况而定，)，故总体要需要采集3000～10000个颗粒总数供数据分析。淋巴颗粒亚群的分析目的是将人外周血中淋巴颗粒群体按已经的T淋巴颗粒、B淋巴颗粒和NK颗粒等亚群标准进行分类计数，计算其在百分比含量及绝对数值(附淋巴颗粒亚群的检测意义)。样本需要经过荧光抗体组合：CD45\CD3\CD4\CD8\CD16+56\CD19，分别标记出CD3+/CD4+,CD3+/CD8+,CD3-/CD19+,CD3-/CD16+56+的颗粒亚群。
手工分析标准流程如下：
构建CD45/SSC散点图，设门选择淋巴颗粒群体。
构建CD3/CD4散点图，显示淋巴颗粒群体，并识别出CD3+CD4+颗粒，计算其百分比含量。
构建CD3/CD8散点图，显示淋巴颗粒群体，并识别出CD3+CD8+颗粒，计算其百分比含量。
构建CD3/CD19散点图，显示淋巴颗粒群体，并识别出CD3－CD19+颗粒，计算其百分比含量。
构建CD3/CD16+56散点图，显示淋巴颗粒群体，并识别出CD3-CD16+56+颗粒，计算其百分比含量。
由于个体差异，每个人的颗粒分布情况都会有差异，在分析过程中需要人工干预调整门的区域或十字象限位置，使得分析更为准确。
如果是异常病人，分析者需要从新调整分析设置，准确地读得可区分的颗粒群体的各参数读数，然后与现有的知识库进行比较或现有诊断依据读数比较后，得出相应的检测结论。
要准确地得到流式分析结果，分析者需要足够培训时间熟悉各类样本数据，每个样本数据需要手工调整分析，耗时耗力，准确性、稳定性差。
美国BD公司现有一款全自动淋巴颗粒亚群分析软件，能够自动分析数据，给出以上各种颗粒群体的比例，但有以下限制条件：
检测的数据需要提前用标准微球校准仪器，即颗粒群体需要出现在预设的位置附件，颗粒群体小范围内移动时，软件可以自动跟踪颗粒群体。
检测方案需要提前预设，并定义之间逻辑关系。
出错后不会纠正。
这个自动分析软件只是局部地解决了分析自动化问题，但构架还是在手工方案的基础上增加了附近颗粒群体中心点动自寻找功能，且无法适用于其他项目分析，仅用于读取数据，无法对数据作出分析与判断。
流式颗粒仪分析颗粒后生成FACS文件，现有软件需要人工设定分析方案并建立参数之间的逻辑关系，由于在操作过程中的人为因素，分析结果极不稳定，同一份数据给不同的工作人员分析可以得出来不同的数据结果。所以需一种全自动的自动分析算法来客观、全面地分析数据，得出稳定可重复的分析结果。
发明内容
为了克服上述现有技术的不足，本发明提供了流式颗粒仪数据自动化定量分析方法，其目的在于，提供一种全自动的自动分析算法来客观、全面地分析数据，得出稳定可重复的分析结果，提高流式细胞分析的稳定性和自动化程度，其在高维空间下采用MEANSHIFT聚类算法识别出细胞群体，降维合并生成中间群体，使得以低维传递方式观察多维下的细胞群体，便于观察人员判断流式细胞群体状况。
本发明所采用的技术方案是：流式颗粒仪数据自动化定量分析方法，至少包括以下步骤：
第一步，区分出样本中各类颗粒或颗粒群体，并读出这些颗粒或颗粒群体的检测参数；
第二步，给定一个对照样本，检测出被测样本与对照样本之间的相同点或不同点，并给出差异数；
第三步，读出各个不可分的颗粒或颗粒群体在各参数的读数，和各个群体之间相对值(距离)，保存这些数据形成样本“纹库”用于描述样本的性状，或两个或两个以上“纹库”进行相互比较，给出相同点及不同点，来评估各样本的特性。本发明的动化定量分析方法，在多维空间区分出样本中各类颗粒或颗粒群体，并读出这些颗粒或颗粒群体的检测参数；在低维空间下将群展示出来便于分析。对于一个给定的模板，找出与模板中继承关系、多维空间内相对位一致的群体(点集合)。提高了流式细胞群体的分析精度以及准度。
本发明的进一步改进在于，分析方法包括如下步骤：
第一步，参数化流式细胞群体，包括步骤S1和S2；
S1：定义流式细胞参数，包括散射光参数FS，物理参数SS，荧光信号FL1，FL2……,FLn；
S2：设置流式细胞显示方式，采用降维次序，合并细胞群体；其中维数是指是指流式细胞仪检测的参数数量，即在每个被检测细胞上所收集的信号数量；
第二步，获取标准模版数据路样本，包括步骤S3-S7；
S3：输入已知的检测样本；
S4：获取流式细胞参数，采取图像分割分类算法将数据集进行分类，得到若干个具有分布浓度中心的集合，即得到若干个具有相同参数的流式细胞群体；
S5：按照降维秩序，获取流式细胞群体的降维合并关系图，无论在几维参数中进行群体分类，最终至不可分为止；
S6：循环S3至S5步骤，得到常规流式细胞的一维至多维的分类分布关系图，最后为流式细胞群体的标准分类分布关系图；
S7：为S6步骤得到的标准分类分布关系图，设置对应的方案和结论数据库；
第三步，未知检测流式细胞样本分析；
S8：输入未知的检测样本；
S9：调取S6中流式细胞群体的标准分类分布关系图，获取对应的位置样本的参数，以及对应的位置坐标，或者的位置样本细胞参数与每一个标准分类分布关系图中的细胞进行对比；
S10：得到与流式细胞标准样本最接近的分类分布关系图；
S11：输出流式细胞分类分布关系图以及对应方案和结论。
本发明的进一步改进在于，步骤S4中采取meanshift图像分割分类算法将数据集进行分类。
本发明的进一步改进在于，S6步得到的流式细胞群体的标准分类分布关系图与S7步的方案和结论数据库相互映射。
本发明的进一步改进在于，S6步得到的流式细胞群体的标准分类分布关系图可直接采用现有的转换而来。
与现有技术相比，本发明的有益效果是：本发明的动化定量分析方法，在多维空间区分出样本中各类颗粒或颗粒群体，并读出这些颗粒或颗粒群体的检测参数；在低维空间下将群展示出来便于分析。对于一个给定的模板，找出与模板中继承关系、多维空间内相对位一致的群体(点集合)。提高了流式细胞群体的分析精度以及准度。本发明以二维参数中进行群体的识别，同理可以通一维、二维、N维来进行颗粒分类。无论在几维参数中进行群体分类，最终至不可分为止。
本发明的自动定量分析方法，提供一种全自动的自动分析算法来客观、全面地分析数据，得出稳定可重复的分析结果，提高了流式细胞分析的稳定性和自动化程度，其在高维空间下采用MEANSHIFT聚类算法识别出细胞群体，降维合并生成中间群体，使得以低维传递方式观察多维下的细胞群体，便于观察人员判断流式细胞群体状况。
附图说明
图1为流式颗粒仪数据自动化定量分析方法的一个实施例的原理以及流程图；
图2为图1的实施例的参数化流式细胞群体识别的多维空间坐标系；
图3为图1的实施例的标准模版数据路样本的流式细胞群体3-4维关系图；
图4为图1的实施例的标准模版数据路样本的流式细胞群体1-2维关系图。
具体实施方式
为了加深对本发明的理解，下面结合附图和实施例对本发明进一步说明，该实施例仅用于解释本发明，并不对本发明的保护范围构成限定。
流式颗粒仪数据自动化定量分析方法，至少包括以下步骤：
第一步，区分出样本中各类颗粒或颗粒群体，并读出这些颗粒或颗粒群体的检测参数；
第二步，给定一个对照样本，检测出被测样本与对照样本之间的相同点或不同点，并给出差异数；
第三步，读出各个不可分的颗粒或颗粒群体在各参数的读数，和各个群体之间相对值(距离)，保存这些数据形成样本“纹库”用于描述样本的性状，或两个或两个以上“纹库”进行相互比较，给出相同点及不同点，来评估各样本的特性。本发明的动化定量分析方法，在多维空间区分出样本中各类颗粒或颗粒群体，并读出这些颗粒或颗粒群体的检测参数；在低维空间下将群展示出来便于分析。对于一个给定的模板，找出与模板中继承关系、多维空间内相对位一致的群体(点集合)。提高了流式细胞群体的分析精度以及准度。
流式颗粒仪数据自动化定量分析方法主要包括以下三个步骤，参见图1：
1.识别细胞群体。多维空间下(多维是指流式细胞仪检测的参数数量，即在每个被检测细胞上所收集的信号数量，如FS、SS、FL1……FLn荧光信号)，使用meanshift分类算法将数据集进行分类，得到若干个具有分布浓度中心的集合(细胞群体)。
2.显示群体。按照一定的降维次序，维度降低一维后，在上一维中能够相互区分的群体会变得没有差别，按照一定的合并规则，将这些细胞群体合并，这个过程称为降维合并。例如有8个参数构成的8维空间下，识别出35个细胞群体；降一维后，33号群体与25号群体可合并，群体数量调整为34个；依次类推，当降到一维时，群体数量为13群。据此可以形成群体降维后的合并关系图。
3.自动分析。建立模板并分析待测样本。用户根据实验情况，选择目标细胞群体及显示坐标系，系统自动生成分析方案并显示这些群体。将分析方案及群体保存成为模板，分析未知样本时，软件在多维空间下在待测样本中寻找模板中的群体，如果多维空间中的位置及逻辑关系准确出输出这些群体。
如图1所示，在上述实施例中，分析方法包括如下步骤：
第一步，参数化流式细胞群体，参见图1中的101步骤，包括步骤S1和S2；
S1：定义流式细胞参数，包括散射光参数FS，物理参数SS，荧光信号FL1，FL2……,FLn；
S2：设置流式细胞显示方式，采用降维次序，合并细胞群体；其中维数是指是指流式细胞仪检测的参数数量，即在每个被检测细胞上所收集的信号数量，参见图2的维度显示；
第二步，获取标准模版数据路样本，步骤参见图1中的102，包括步骤S3-S7；
S3：输入已知的检测样本；
S4：获取流式细胞参数，采取图像分割分类算法将数据集进行分类，得到若干个具有分布浓度中心的集合，即得到若干个具有相同参数的流式细胞群体；
S5：按照降维秩序，获取流式细胞群体的降维合并关系图，无论在几维参数中进行群体分类，最终至不可分为止；
S6：循环S3至S5步骤，得到常规流式细胞的一维至多维的分类分布关系图，最后为流式细胞群体的标准分类分布关系图，参见图3和图4所示，；
S7：为S6步骤得到的标准分类分布关系图，设置对应的方案和结论数据库；
第三步，未知检测流式细胞样本分析，参见图1中的103步骤；
S8：输入未知的检测样本；
S9：调取S6中流式细胞群体的标准分类分布关系图，获取对应的位置样本的参数，以及对应的位置坐标，或者的位置样本细胞参数与每一个标准分类分布关系图中的细胞进行对比；
S10：得到与流式细胞标准样本最接近的分类分布关系图；
S11：输出流式细胞分类分布关系图以及对应方案和结论。
在上述实施例中，步骤S4中采取meanshift图像分割分类算法将数据集进行分类。
在上述实施例中，S6步得到的流式细胞群体的标准分类分布关系图与S7步的方案和结论数据库相互映射。
在上述实施例中，S6步得到的流式细胞群体的标准分类分布关系图可直接采用现有的转换而来。
本发明的自动定量分析方法，提供一种全自动的自动分析算法来客观、全面地分析数据，得出稳定可重复的分析结果，提高了流式细胞分析的稳定性和自动化程度，其在高维空间下采用MEANSHIFT聚类算法识别出细胞群体，降维合并生成中间群体，使得以低维传递方式观察多维下的细胞群体，便于观察人员判断流式细胞群体状况。
本发明的实施例公布的是较佳的实施例，但并不局限于此，本领域的普通技术人员，极易根据上述实施例，领会本发明的精神，并做出不同的引申和变化，但只要不脱离本发明的精神，都在本发明的保护范围内。
Claims (5)
1.流式颗粒仪数据自动化定量分析方法，至少包括以下步骤：
第一步，区分出样本中各类颗粒或颗粒群体，并读出这些颗粒或颗粒群体的检测参数；
第二步，给定一个对照样本，检测出被测样本与对照样本之间的相同点或不同点，并给出差异数；
第三步，读出各个不可分的颗粒或颗粒群体在各参数的读数，和各个群体之间相对值(距离)，保存这些数据形成样本“纹库”用于描述样本的性状，或两个或两个以上“纹库”进行相互比较，给出相同点及不同点，来评估各样本的特性。
2.根据权利要求1所述的流式颗粒仪数据自动化定量分析方法，其特征在于：所述分析方法包括如下步骤：
第一步，参数化流式细胞群体，包括步骤S1和S2；
S1：定义流式细胞参数，包括散射光参数FS，物理参数SS，荧光信号FL1，FL2……,FLn；
S2：设置流式细胞显示方式，采用降维次序，合并细胞群体；其中维数是指是指流式细胞仪检测的参数数量，即在每个被检测细胞上所收集的信号数量；
第二步，获取标准模版数据路样本，包括步骤S3-S7；
S3：输入已知的检测样本；
S4：获取流式细胞参数，采取图像分割分类算法将数据集进行分类，得到若干个具有分布浓度中心的集合，即得到若干个具有相同参数的流式细胞群体；
S5：按照降维秩序，获取流式细胞群体的降维合并关系图，无论在几维参数中进行群体分类，最终至不可分为止；
S6：循环S3至S5步骤，得到常规流式细胞的一维至多维的分类分布关系图，最后为流式细胞群体的标准分类分布关系图；
S7：为S6步骤得到的标准分类分布关系图，设置对应的方案和结论数据库；
第三步，未知检测流式细胞样本分析；
S8：输入未知的检测样本；
S9：调取S6中流式细胞群体的标准分类分布关系图，获取对应的位置样本的参数，以及对应的位置坐标，或者的位置样本细胞参数与每一个标准分类分布关系图中的细胞进行对比；
S10：得到与流式细胞标准样本最接近的分类分布关系图；
S11：输出流式细胞分类分布关系图以及对应方案和结论。
3.根据权利要求2所述的流式颗粒仪数据自动化定量分析方法，其特征在于：所述步骤S4中采取meanshift图像分割分类算法将数据集进行分类。
4.根据权利要求2所述的流式颗粒仪数据自动化定量分析方法，其特征在于：所述S6步得到的流式细胞群体的标准分类分布关系图与S7步的方案和结论数据库相互映射。
5.根据权利要求4所述的流式颗粒仪数据自动化定量分析方法，其特征在于：所述S6步得到的流式细胞群体的标准分类分布关系图可直接采用现有的转换而来。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510823352.1A CN105424560A (zh) | 2015-11-24 | 2015-11-24 | 流式颗粒仪数据自动化定量分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510823352.1A CN105424560A (zh) | 2015-11-24 | 2015-11-24 | 流式颗粒仪数据自动化定量分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN105424560A true CN105424560A (zh) | 2016-03-23 |
Family
ID=55502912
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510823352.1A Pending CN105424560A (zh) | 2015-11-24 | 2015-11-24 | 流式颗粒仪数据自动化定量分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105424560A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107389536A (zh) * | 2017-07-31 | 2017-11-24 | 上海纳衍生物科技有限公司 | 基于密度‑距离中心算法的流式细胞粒子分类计数方法 |
| CN108982872A (zh) * | 2018-07-25 | 2018-12-11 | 苏州丰泰医疗用品贸易有限公司 | 一种基于微球和荧光标记的快速检测抗原或抗体方法 |
| CN111850084A (zh) * | 2020-09-21 | 2020-10-30 | 泛肽生物科技(浙江)有限公司 | 一种用于线粒体或溶酶体质量差异分析的系统及方法 |
| CN112154317A (zh) * | 2018-04-26 | 2020-12-29 | 贝克顿·迪金森公司 | 颗粒分析仪的表征和分选 |
| CN114136868A (zh) * | 2021-12-03 | 2022-03-04 | 浙江博真生物科技有限公司 | 一种基于密度和非参数聚类的流式细胞术全自动分群方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02165050A (ja) * | 1988-12-20 | 1990-06-26 | Omron Tateisi Electron Co | 細胞分析装置 |
| US6246786B1 (en) * | 1996-09-19 | 2001-06-12 | Sysmex Corporation | Particle analyzer |
| CN1826529A (zh) * | 2003-07-18 | 2006-08-30 | A&T株式会社 | 临床检查分析装置、临床检查分析方法以及使该方法在计算机中执行的程序 |
| CN101949819A (zh) * | 2010-09-16 | 2011-01-19 | 北京优纳科技有限公司 | 一种基于图像识别的细胞计数方法 |
| CN103207105A (zh) * | 2006-01-20 | 2013-07-17 | 美国樱花检验仪器株式会社 | 一种自动处理生物样本的系统和方法 |
-
2015
- 2015-11-24 CN CN201510823352.1A patent/CN105424560A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH02165050A (ja) * | 1988-12-20 | 1990-06-26 | Omron Tateisi Electron Co | 細胞分析装置 |
| US6246786B1 (en) * | 1996-09-19 | 2001-06-12 | Sysmex Corporation | Particle analyzer |
| CN1826529A (zh) * | 2003-07-18 | 2006-08-30 | A&T株式会社 | 临床检查分析装置、临床检查分析方法以及使该方法在计算机中执行的程序 |
| CN103207105A (zh) * | 2006-01-20 | 2013-07-17 | 美国樱花检验仪器株式会社 | 一种自动处理生物样本的系统和方法 |
| CN101949819A (zh) * | 2010-09-16 | 2011-01-19 | 北京优纳科技有限公司 | 一种基于图像识别的细胞计数方法 |
Non-Patent Citations (4)
| Title |
|---|
| NIANZHI JIAO ET AL.: "Time series observation based InfraRed Epifluorescence Microscopic (TIREM) approach for accurate enumeration of bacteriochlorophyll-containing microbes in marine environments", 《JOURNAL OF MICROBIOLOGICAL METHODS》 * |
| TANDAKHA NDIAYE DIEYE ET AL.: "Evaluation of a flow cytometry method for CD4 T cell enumeration based on volumetric primary CD4 gating using thermoresistant reagents", 《JOURNAL OF IMMUNOLOGICAL METHODS》 * |
| 林峰等: "流式细胞术在植物细胞检测中的主要问题及对策", 《实验室科学》 * |
| 陈龙等: "基于FCM聚类的粒子滤波多目标跟踪算法", 《仪器仪表学报》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107389536A (zh) * | 2017-07-31 | 2017-11-24 | 上海纳衍生物科技有限公司 | 基于密度‑距离中心算法的流式细胞粒子分类计数方法 |
| CN107389536B (zh) * | 2017-07-31 | 2020-03-31 | 上海纳衍生物科技有限公司 | 基于密度-距离中心算法的流式细胞粒子分类计数方法 |
| CN112154317A (zh) * | 2018-04-26 | 2020-12-29 | 贝克顿·迪金森公司 | 颗粒分析仪的表征和分选 |
| CN108982872A (zh) * | 2018-07-25 | 2018-12-11 | 苏州丰泰医疗用品贸易有限公司 | 一种基于微球和荧光标记的快速检测抗原或抗体方法 |
| CN108982872B (zh) * | 2018-07-25 | 2022-04-05 | 苏州丰泰医疗用品贸易有限公司 | 一种基于微球和荧光标记的快速检测抗原或抗体方法 |
| CN111850084A (zh) * | 2020-09-21 | 2020-10-30 | 泛肽生物科技(浙江)有限公司 | 一种用于线粒体或溶酶体质量差异分析的系统及方法 |
| CN111850084B (zh) * | 2020-09-21 | 2020-12-29 | 泛肽生物科技(浙江)有限公司 | 一种用于线粒体或溶酶体质量差异分析的系统及方法 |
| CN114136868A (zh) * | 2021-12-03 | 2022-03-04 | 浙江博真生物科技有限公司 | 一种基于密度和非参数聚类的流式细胞术全自动分群方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105424560A (zh) | 流式颗粒仪数据自动化定量分析方法 | |
| Briggs et al. | Continuing developments with the automated platelet count 1 | |
| CN102027368B (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 | |
| CN105940301B (zh) | 一种流式细胞分析仪及其多维数据分类方法、装置 | |
| CN103597349B (zh) | 识别和计数早期粒细胞(egc) | |
| CN105659068B (zh) | 用于细胞的细胞类型的无标识确定的体外方法 | |
| JP7428994B2 (ja) | 測定システム | |
| CN101097180B (zh) | 分析仪及分析方法 | |
| WO2016127364A1 (zh) | 细胞分析仪、粒子分类方法及装置 | |
| WO2014121126A2 (en) | Methods and systems for assessing sample behavior in a flow cytometer | |
| Terstappen et al. | Increased light scattering resolution facilitates multidimensional flow cytometric analysis | |
| CN106687810A (zh) | 一种有核红细胞报警方法、装置及流式细胞分析仪 | |
| US8581927B2 (en) | Multidimensional particle analysis data cluster reconstruction | |
| CN107389536B (zh) | 基于密度-距离中心算法的流式细胞粒子分类计数方法 | |
| US11029242B2 (en) | Index sorting systems and methods | |
| CN102331393A (zh) | 一种对人体血液中细胞进行自动分类计算的方法 | |
| CN103984939A (zh) | 一种样本有形成分分类方法及系统 | |
| Staats et al. | Guidelines for gating flow cytometry data for immunological assays | |
| CN107490672A (zh) | 一种快速分析甲壳动物血淋巴细胞类群和数量的方法及应用 | |
| CN104359821A (zh) | 一种散点图的粒子分类统计方法和系统及血液细胞分析仪 | |
| CN111801568A (zh) | 测定血小板浓度的方法及系统 | |
| GB2428471A (en) | Flow cytometry | |
| 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 | |
| CN111274949B (zh) | 一种基于结构分析的血液病白细胞散点图相似度分析方法 | |
| CN112432948A (zh) | 一种外周血细胞形态学自动检测方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160323 |