CN106290081A - 一种区分粒子群落的方法及粒子分析仪 - Google Patents
一种区分粒子群落的方法及粒子分析仪 Download PDFInfo
- Publication number
- CN106290081A CN106290081A CN201610676826.9A CN201610676826A CN106290081A CN 106290081 A CN106290081 A CN 106290081A CN 201610676826 A CN201610676826 A CN 201610676826A CN 106290081 A CN106290081 A CN 106290081A
- Authority
- CN
- China
- Prior art keywords
- particle
- sum
- different
- omega
- inter
- 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 227
- 238000000034 method Methods 0.000 title claims abstract description 58
- 210000001772 blood platelet Anatomy 0.000 claims description 12
- 210000003743 erythrocyte Anatomy 0.000 claims description 10
- 210000004369 blood Anatomy 0.000 claims description 8
- 239000008280 blood Substances 0.000 claims description 8
- 210000003714 granulocyte Anatomy 0.000 claims description 3
- 238000000205 computational method Methods 0.000 claims description 2
- 210000004698 lymphocyte Anatomy 0.000 claims description 2
- 210000004027 cell Anatomy 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 210000000601 blood cell Anatomy 0.000 description 3
- 230000000875 corresponding effect Effects 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 210000000265 leukocyte Anatomy 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000003085 diluting agent Substances 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 239000008151 electrolyte solution Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000002751 lymph Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000002558 medical inspection Methods 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000004153 renaturation Methods 0.000 description 1
- 239000000243 solution Substances 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
-
- G01N15/01—
Abstract
本发明涉及一种区分粒子群落的方法及粒子分析仪,其中方法包括:获取不同粒子的特性分布的原始直方图H;根据获取的不同粒子的特性分布的原始直方图H,计算得到粒子的总数目;根据得到的粒子总数目,得到不同粒子的数目;根据得到的不同粒子数目,计算得到原始直方图的类间方差g(T);根据计算得到的原始直方图的类间方差,得到最大类间方差,根据其最大类间方差确定不同粒子间的临界分类线。本发明的一种区分粒子群落的方法,粒子分布的原始直方图在不进过处理的情况,直接通过统计原始直方图的类间方差,获得最大类间方差值,从而较为准确的获得不同粒子之间的界限。
Description
技术领域
本发明涉及一种区分粒子群落的方法,同时本发明还涉及一种粒子分析仪。
背景技术
血液细胞分析是临床医学检验中应用最广泛的检查项目之一,目前国内外普遍采用全自动血液细胞分析仪对抗凝全血进行自动检测,给出白细胞数目(WBC),红细胞数目(RBC),血小板数目(PLT),红细胞平均体积(MCV),血小板平均体积(MPV)等参数,这些参数将帮助临床医生和检验人员正确的分析测定结果,为临床诊断提供依据。血小板数目是临床检验工作中常用的指标之一,其对临床诊断有重要意义。目前大多数的血液细胞分析对血小板的分析主要采用的是电阻抗法。其基本原理是:将一定量的血液细胞稀释在电解质稀释液中,将这种细胞混合溶液吸进一个微孔通道中,当每个细胞通过这个微孔时,由于细胞取代了等体积的电解质溶液,从而使该微孔的电阻增大,这样就相应的产生一个脉冲电压,脉冲电压的幅度大小与细胞大小成正相关。这样每一个脉冲就对应一个细胞,将脉冲绘成直方图就能得到一个细胞体积和细胞数目的分布直方图。
在采用电阻抗进行红细胞和血小板测定时,一般以细胞体积大小作为各类细胞划分的依据,例如把红细胞和血小板的界限定为35fl,大于此值定为红细胞,小于此值定为血小板;对于正常血样,这种方法是可行的,但有些病理情况下可能会出现大于35fl的血小板,这样必然导致血小板 计数偏低,同时对于某些小红细胞病例可能会使血小板计数偏高。因此采用这种固定血小板与红细胞界限的方法只是对正常样本计数结果比较准确;为了避免这一缺陷,还有一种方法是采用在5fl和35fl之间寻找直方图的最低点,以此作为红细胞与血小板的界限,这种方法能够适应大多数的样本,但由于直方图中存在某些局部最低点干扰全局最低点,以及对于某些浓度比较稀的样本的来说多次测量最低点的位置的重复性比较差,从而导致计数结果的重复性比较差。
目前还有提到一种采用等效负细胞直方图的方法,来确定红细胞与血小板的界限,在很大程度上能减小上述两种方法的缺陷,但是需要在每次测定中事先设定一有效区域选择高度,而这个高度与较小群落的最高值有关,在低浓度样本多次测量中,其最高值点的变化比较明显,而且当某些样本的较小群落的最高值无法确定时,这种方法也是存在检测不准,影响检测结果等缺陷。
发明内容
本发明的目的在于为了解决上述问题,提供了一种区分粒子群落的方法及粒子分析仪。
其中本发明的一种区分粒子群落的方法,包括以下步骤:步骤S1:获取不同粒子的特性分布的原始直方图H;步骤S2:根据获取的不同粒子的特性分布的原始直方图H,计算得到粒子的总数目;步骤S3:根据得到的粒子总数目,得到不同粒子的数目;其中设置一个粒子大小阈值T,其中T表示粒子的大小,且T∈(1,N),直方图中粒子大小为小于T的个数记为Sum1,粒子大小为大于等于T的个数记为Sum2,则有: 步骤S4:根据得到的不同粒子数目,计算得到原始直方图的类间方差g(T);其中g(T)=Omega0·Omega1·(Mu0-Mu1)2;Omega0表示粒子小于T的个数占总个数的比值;Omega1表示粒子大于等于T的个数占总个数的比值;Mu0表示粒子小于T的个数加权平均值。Mu1表示粒子大于等于T的个数加权平均值;步骤S5:根据计算得到的原始直方图的类间方差,得到最大类间方差,根据其最大类间方差确定不同粒子间的临界分类线。
一种区分粒子群落的方法,所述Omega0、Omega1、Mu0及Mu1通过以下公式获得:Omega0=Sum1/Sum;Omega1=Sum2/Sum;Mu0=Sum3/Sum1;Mu1=Sum4/Sum2;其中Sum3表示粒子小于T的个数加权值;Sum4表示粒子大于等于T的个数加权值。
一种区分粒子群落的方法,所述得到最大类间方差的方法为:Taim=max(g(T)),对T∈(1,N),采用遍历的方法,得到类间方差最大的阈值Taim。
一种区分粒子群落的方法,所述粒子的总数目Sum的计算方法为:i代表粒子大小,其中i=1~N。
一种区分粒子群落的方法,所述步骤S1中获取不同粒子的特性分布的原始直方图H的方法为:获取不同粒子的电压脉冲,根据所述电压脉冲统计出不同粒子的特性和与该特性相对应的粒子的数目,得到不同粒子的特性分布的原始直方图H。
一种区分粒子群落的方法,所述粒子的特性为粒子体积。
一种区分粒子群落的方法,所述粒子为血液中的粒子,包括血小板、红细胞、淋巴细胞及粒细胞。
本发明提供一种区分粒子群落的粒子分析仪,包括原始直方图生成单 元、粒子总数计算单元、不同粒子数目计算单元、类间方差计算单元及临界分类线计算单元;所述原始直方图生成单元用于分别得到不同粒子的特性分布的原始直方图;所述粒子总数计算单元与所述原始直方图生成单元相连接,用于根据原始直方图,计算得到粒子的总数目;所述不同粒子数目计算单元与所述粒子总数计算单元相连接,用于根据粒子的总数目,得到不同粒子的数目;具体过程为:选定一个粒子大小阈值T,其中T表示粒子的大小,且T∈(1,N),直方图中粒子大小为小于T的个数记为Sum1,粒子大小为大于等于T的个数记为Sum2,则有:所述类间方差计算单元与所述不同粒子数目计算单元相连接,用于根据得到不同粒子的数目,计算得到原始直方图的类间方差;具体过程为:根据得到不同粒子的数目,计算得到原始直方图的类间方差g(T);具体获得g(T)的公式为:g(T)=Omega0·Omega1·(Mu0-Mu1)2;其中Omega0表示粒子小于T的个数占总个数的比值;Omega1表示粒子大于等于T的个数占总个数的比值;Mu0表示粒子小于T的个数加权平均值;Mu1表示粒子大于等于T的个数加权平均值。所述临界分类线计算单元与所述类间方差计算单元相连接,用于根据计算得到的原始直方图的类间方差,得到最大类间方差,根据其最大类间方差确定不同粒子间的临界分类线。
一种区分粒子群落的粒子分析仪,所述粒子的总数目Sum的计算公式为:
一种区分粒子群落的粒子分析仪,所述Omega0、Omega1、Mu0及Mu1通过以下公式获得:Omega0=Sum1/Sum;Omega1=Sum2/Sum;Mu0=Sum3/Sum1;Mu1=Sum4/Sum2;其中Sum3表示粒子小于T的个数加权值;Sum4表示粒子大于等于T的个数加权值。
本发明的一种区分粒子群落的方法,通过对获得粒子群落的原始直方图,经过一系列的运算,得到其类间方差,然后计算得到最大类间方差,从而获得其不同种类粒子之间的临界分界线,该分界线就是能够较好的区分大小粒子之间的临界位置。本发明的方法的优点在于:粒子分布的原始直方图在不进过处理的情况,直接通过统计原始直方图的类间方差,获得最大类间方差值,从而较为准确的获得不同粒子之间的界限;同时,不同类粒子方差的阈值计算与构成直方图的所有元素相关,而不是仅仅跟直方图部分元素相关,进一步的提高了区分粒子群落的准确性;而方差是粒子大小分布均匀性的一种度量,方差值越大,说明构成粒子直方图的两部分差别越大,当部分目标错分为背景、或者部分背景错分为目标时都会导致两部分差别变小,因此使类间方差最大的分割意味着错分概率最小。
为让本发明的上述特征和优点能更明显易懂,下文特举实施例,并配合所附图式作详细说明如下,其中相同的标号指示同样或相似的单元或步骤。
附图说明
为了易于说明,本发明由下述的具体实施方式及附图作详细描述。
图1为本发明一种区分粒子群落的方法的流程示意图;
图2为本发明一种区分粒子群落的方法的粒子电脉冲示意图;
图3为本发明一种区分粒子群落的方法的粒子电脉冲示的另一示意图;
图4为本发明一种区分粒子群落的方法的粒子的类间方差示意图;
图5为本发明一种区分粒子群落的方法的电脉冲平滑后的直方图;
图6为本发明一种区分粒子群落的方法的电脉冲平滑后的类间方差示 意图;
图7为本发明一种区分粒子群落的粒子分析仪示意图。
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,对本发明进行进一步详细说明。
请参照图1,本发明提供一种区分粒子群落的方法,包括如下步骤:
步骤101:获取不同粒子的特性分布的原始直方图。
具体为:使用细胞分析仪获取不同粒子的电压脉冲,然后细胞分析仪根据所述电压脉冲统计出不同粒子的特性和与该特性相对应的粒子的数目,进而分别得到不同粒子的特性分布的原始直方图H;所述粒子的特性为粒子体积;所述粒子为血液中的粒子,包括血小板、红细胞、淋巴细胞及粒细胞;请参考附图2,其中横轴i代表粒子大小,其中i=1~N,纵轴代表粒子数目。
步骤102:根据获取的原始直方图,得出粒子的总数目。
具体过程为:根据获取的不同粒子的特性分布的原始直方图,计算得到粒子的总数目Sum,具体公式为:
步骤103:根据得到粒子的总数目,得到不同粒子的数目。
具体过程为:设置一个粒子大小阈值T,其中T表示粒子的大小,且T∈(1,N),直方图中粒子大小为小于T的个数记为Sum1,粒子大小为大于等于T的个数记为Sum2,则有:
步骤104:根据得到不同粒子的数目,计算得到原始直方图的类间方差。
具体过程为:根据得到不同粒子的数目,计算得到原始直方图的类间方差g(T);具体获得g(T)的公式为:
g(T)=Omega0·Omega1·(Mu0-Mu1)2;其中Omega0表示粒子小于T的个数占总个数的比值;Omega1表示粒子大于等于T的个数占总个数的比值;Mu0表示粒子小于T的个数加权平均值。Mu1表示粒子大于等于T的个数加权平均值;
同时,Omega0、Omega1、Mu0及Mu1通过以下公式获得:
Omega0=Sum1/Sum;
Omega1=Sum2/Sum;
Mu0=Sum3/Sum1;
Mu1=Sum4/Sum2;
其中Sum3表示粒子小于T的个数加权值;Sum4表示粒子大于等于T的个数加权值。
步骤105:根据计算得到的原始直方图的类间方差,得到最大类间方差,根据其最大类间方差确定不同粒子间的临界分类线。
具体过程为:根据计算得到的原始直方图的类间方差,得到最大类间方差Taim,并根据其最大类间方差确定不同粒子间的临界分类线;Taim=max(g(T)),对T∈(1,N),采用遍历的方法,得到类间方差最大的阈值Taim;Taim就是不同粒子间的临界分类线,其中该临界分类线利用了直方图中的每个元素,与直方图是否采取滤波关系不大,是最优的分类线,准确的反应粒子之间的间隔,有效了区分了粒子群落之间的界限。请参照图3-图6;图3表示不同粒子的电压脉冲图,并却可以看出其粒子间的最佳分界线;图4为所有粒子的类间方差曲线图,可以看出最大类间方差位置与图3中的粒子间的最佳分界线基本重合;图5和图6为经过对电压脉冲进行滤波平滑处理的粒子的直方图,与图3和图4相吻合,不再赘述。
本发明的一种区分粒子群落的方法,通过对获得粒子群落的原始直方图,经过一系列的运算,得到其类间方差,然后计算得到最大类间方差, 从而获得其不同种类粒子之间的临界分界线,该分界线就是能够较好的区分大小粒子之间的临界位置。本发明的方法的优点在于:粒子分布的原始直方图在不进过处理的情况,直接通过统计原始直方图的类间方差,获得最大类间方差值,从而较为准确的获得不同粒子之间的界限;同时,不同类粒子方差的阈值计算与构成直方图的所有元素相关,而不是仅仅跟直方图部分元素相关,进一步的提高了区分粒子群落的准确性;而方差是粒子大小分布均匀性的一种度量,方差值越大,说明构成粒子直方图的两部分差别越大,当部分目标错分为背景、或者部分背景错分为目标时都会导致两部分差别变小,因此使类间方差最大的分割意味着错分概率最小。
请参照图7,本发明提供一种区分粒子群落的粒子分析仪,包括原始直方图生成单元201、粒子总数计算单元202、不同粒子数目计算单元203、类间方差计算单元204及临界分类线计算单元205;所述原始直方图生成单元201用于分别得到不同粒子的特性分布的原始直方图;所述粒子总数计算单元202与所述原始直方图生成单元201相连接,用于根据原始直方图,计算得到粒子的总数目;具体为:所述Sum为粒子的总数目。所述不同粒子数目计算单元203与所述粒子总数计算单元202相连接,用于根据粒子的总数目,得到不同粒子的数目;具体过程为:选定一个粒子大小阈值T,其中T表示粒子的大小,且T∈(1,N),直方图中粒子大小为小于T的个数记为Sum1,粒子大小为大于等于T的个数记为Sum2,则有: 所述类间方差计算单元204与所述不同粒子数目计算单元203相连接,用于根据得到不同粒子的数目,计算得到原始直方图的类间方差;具体过程为:根据得到不同粒子的数目,计算得到原始直 方图的类间方差g(T);具体获得g(T)的公式为:
g(T)=Omega0·Omega1·(Mu0-Mu1)2;其中Omega0表示粒子小于T的个数占总个数的比值;Omega1表示粒子大于等于T的个数占总个数的比值;Mu0表示粒子小于T的个数加权平均值。Mu1表示粒子大于等于T的个数加权平均值;而Omega0、Omega1、Mu0及Mu1通过以下公式获得:
Omega0=Sum1/Sum;
Omega1=Sum2/Sum;
Mu0=Sum3/Sum1;
Mu1=Sum4/Sum2;
其中Sum3表示粒子小于T的个数加权值;Sum4表示粒子大于等于T的个数加权值。所述临界分类线计算单元205与所述类间方差计算单元204相连接,用于根据计算得到的原始直方图的类间方差,得到最大类间方差,根据其最大类间方差确定不同粒子间的临界分类线。
以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (10)
1.一种区分粒子群落的方法,其特征在于,包括以下步骤:
步骤S1:获取不同粒子的特性分布的原始直方图H;
步骤S2:根据获取的不同粒子的特性分布的原始直方图H,计算得到粒子的总数目;
步骤S3:根据得到的粒子总数目,得到不同粒子的数目;其中设置一个粒子大小阈值T,其中T表示粒子的大小,且T∈(1,N),直方图中粒子大小为小于T的个数记为Sum1,粒子大小为大于等于T的个数记为Sum2,则有:
步骤S4:根据得到的不同粒子数目,计算得到原始直方图的类间方差g(T);其中g(T)=Omega0·Omega1·(Mu0-Mu1)2;Omega0表示粒子小于T的个数占总个数的比值;Omega1表示粒子大于等于T的个数占总个数的比值;Mu0表示粒子小于T的个数加权平均值。Mu1表示粒子大于等于T的个数加权平均值;
步骤S5:根据计算得到的原始直方图的类间方差,得到最大类间方差,根据其最大类间方差确定不同粒子间的临界分类线。
2.如权利要求1所述的一种区分粒子群落的方法,其特征在于,所述步骤S4中所述Omeg0、Omeg1、Mu0及Mu1通过以下公式获得:Omega0=Sum1/Sum;Omega1=Sum2/Sum;Mu0=Sum3/Sum1;Mu1=Sum4/Sum2;其中Sum3表示粒子小于T的个数加权值;Sum4表示粒子大于等于T的个数加权值。
3.如权利要求1或2所述的一种区分粒子群落的方法,其特征在于,所述步骤S5中得到最大类间方差的方法为:Taim=max(g(T)),对T∈(1,N),采用遍历的方法,得到类间方差最大的阈值Taim。
4.如权利要求1所述的一种区分粒子群落的方法,其特征在于,所述步骤S2中粒子的总数目Sum的计算方法为:i代表粒子大小,其中i=1~N。
5.如权利要求1所述的一种区分粒子群落的方法,其特征在于,所述步骤S1中获取不同粒子的特性分布的原始直方图H的方法为:获取不同粒子的电压脉冲,根据所述电压脉冲统计出不同粒子的特性和与该特性相对应的粒子的数目,得到不同粒子的特性分布的原始直方图H。
6.如权利要求5所述的一种区分粒子群落的方法,其特征在于,所述粒子的特性为粒子体积。
7.如权利要求6所述的一种区分粒子群落的方法,其特征在于,所述粒子为血液中的粒子,包括血小板、红细胞、淋巴细胞及粒细胞。
8.一种区分粒子群落的粒子分析仪,其特征在于,包括原始直方图生成单元、粒子总数计算单元、不同粒子数目计算单元、类间方差计算单元及临界分类线计算单元;所述原始直方图生成单元用于分别得到不同粒子的特性分布的原始直方图;所述粒子总数计算单元与所述原始直方图生成单元相连接,用于根据原始直方图,计算得到粒子的总数目;所述不同粒子数目计算单元与所述粒子总数计算单元相连接,用于根据粒子的总数目,得到不同粒子的数目;具体过程为:选定一个粒子大小阈值T,其中T表示粒子的大小,且T∈(1,N),直方图中粒子大小为小于T的个数记为Sum1,粒子大小为大于等于T的个数记为Sum2,则有:所述类间方差计算单元与所述不同粒子数目计算单元相连接,用于根据得到不同粒子的数目,计算得到原始直方图的类间方差;具体过程为:根据得到不同粒子的数目,计算得到原始直方图的类间方差g(T);具体获得g(T)的公式为:g(T)=Omega0·Omega1·(Mu0-Mu1)2;其中Omega0表示粒子小于T的个数占总个数的比值;Omega1表示粒子大于等于T的个数占总个数的比值;Mu0表示粒子小于T的个数加权平均值;Mu1表示粒子大于等于T的个数加权平均值。所述临界分类线计算单元与所述类间方差计算单元相连接,用于根据计算得到的原始直方图的类间方差,得到最大类间方差,根据其最大类间方差确定不同粒子间的临界分类线。
9.如权利要求8所述的一种区分粒子群落的粒子分析仪,其特征在于,所述粒子的总数目Sum的计算公式为:
10.如权利要求8所述的一种区分粒子群落的粒子分析仪,其特征在于,所述Omega0、Omega1、Mu0及Mu1通过以下公式获得:Omega0=Sum1/Sum;Omega1=Sum2/Sum;Mu0=Sum3/Sum1;Mu1=Sum4/Sum2;其中Sum3表示粒子小于T的个数加权值;Sum4表示粒子大于等于T的个数加权值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610676826.9A CN106290081A (zh) | 2016-08-16 | 2016-08-16 | 一种区分粒子群落的方法及粒子分析仪 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610676826.9A CN106290081A (zh) | 2016-08-16 | 2016-08-16 | 一种区分粒子群落的方法及粒子分析仪 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106290081A true CN106290081A (zh) | 2017-01-04 |
Family
ID=57679336
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610676826.9A Pending CN106290081A (zh) | 2016-08-16 | 2016-08-16 | 一种区分粒子群落的方法及粒子分析仪 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106290081A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108169081A (zh) * | 2017-12-14 | 2018-06-15 | 四川大学华西医院 | 血细胞分析的差值核查模型及其应用方法 |
WO2022105141A1 (zh) * | 2020-11-23 | 2022-05-27 | 深圳市科曼医疗设备有限公司 | 血液细胞分析仪的plt粒子检测方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101387599A (zh) * | 2007-09-13 | 2009-03-18 | 深圳迈瑞生物医疗电子股份有限公司 | 一种区分粒子群落的方法及粒子分析仪 |
CN103364324A (zh) * | 2012-03-27 | 2013-10-23 | 嘉善加斯戴克医疗器械有限公司 | 一种用于血液细胞分析仪的自适应分类计算方法 |
US20140185906A1 (en) * | 2011-09-16 | 2014-07-03 | Changsha High-Tech Industrial Development Zone Ave Science & Technology Industry Co., Ltd. | Device and Method for Erythrocyte Morphology Analysis |
CN104515725A (zh) * | 2013-09-30 | 2015-04-15 | 深圳迈瑞生物医疗电子股份有限公司 | 一种识别异常粒子的方法和系统及其细胞分析仪 |
-
2016
- 2016-08-16 CN CN201610676826.9A patent/CN106290081A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101387599A (zh) * | 2007-09-13 | 2009-03-18 | 深圳迈瑞生物医疗电子股份有限公司 | 一种区分粒子群落的方法及粒子分析仪 |
US20140185906A1 (en) * | 2011-09-16 | 2014-07-03 | Changsha High-Tech Industrial Development Zone Ave Science & Technology Industry Co., Ltd. | Device and Method for Erythrocyte Morphology Analysis |
CN103364324A (zh) * | 2012-03-27 | 2013-10-23 | 嘉善加斯戴克医疗器械有限公司 | 一种用于血液细胞分析仪的自适应分类计算方法 |
CN104515725A (zh) * | 2013-09-30 | 2015-04-15 | 深圳迈瑞生物医疗电子股份有限公司 | 一种识别异常粒子的方法和系统及其细胞分析仪 |
Non-Patent Citations (2)
Title |
---|
鱼滨,等: "《基于MATLAB和遗传算法的图像处理》", 30 September 2015 * |
龚声蓉,等: "《数字图像处理与分析》", 31 May 2014 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108169081A (zh) * | 2017-12-14 | 2018-06-15 | 四川大学华西医院 | 血细胞分析的差值核查模型及其应用方法 |
CN108169081B (zh) * | 2017-12-14 | 2021-06-04 | 四川大学华西医院 | 血细胞分析的差值核查方法及其应用方法 |
WO2022105141A1 (zh) * | 2020-11-23 | 2022-05-27 | 深圳市科曼医疗设备有限公司 | 血液细胞分析仪的plt粒子检测方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7493219B1 (en) | Method of discriminating particle groups and particle analyzer | |
CN102507417B (zh) | 一种粒子自动分类方法 | |
CN103471980B (zh) | 一种芯片式血细胞分析装置及方法 | |
CN112557281B (zh) | 血液细胞分析仪的plt粒子检测方法和装置 | |
Caselli et al. | A simple and robust event-detection algorithm for single-cell impedance cytometry | |
CN104297213A (zh) | 血液细胞分析仪及其异常细胞的识别方法与系统 | |
CN102331393A (zh) | 一种对人体血液中细胞进行自动分类计算的方法 | |
Lee et al. | Mean platelet volume and platelet distribution width are useful in the differential diagnosis of aplastic anemia and idiopathic thrombocytopenic purpura | |
CN114813522A (zh) | 基于显微放大数字图像的血液细胞分析方法及系统 | |
CN106290081A (zh) | 一种区分粒子群落的方法及粒子分析仪 | |
CN101246113B (zh) | 一种对血红蛋白测试结果的监测方法 | |
CN104515723A (zh) | 细胞分析仪及其红细胞凝集报警方法和系统 | |
CN104515728A (zh) | 血液细胞分析仪及网织红细胞计数装置和计数修正方法 | |
CN113470770B (zh) | 基于误差预测模型的血小板检测系统 | |
CN102981005B (zh) | 血细胞分析仪 | |
CN108226238A (zh) | 一种利用叉指电极测量亚硝酸盐浓度的方法 | |
CN110537088A (zh) | 炎症标志物测量方法、炎症标志物测量设备、炎症标志物测量程序和存储程序的记录介质 | |
CN113866074A (zh) | 基于位置补偿的电阻抗法的白细胞分类计数微流控芯片 | |
JP2005077148A (ja) | 血液検査方法及び装置 | |
CN104515726B (zh) | 细胞分析仪及其红细胞凝集量的测量方法和系统 | |
CN203025194U (zh) | 血细胞分析仪 | |
CN106501160A (zh) | 一种粒子分类方法及粒子分类装置 | |
CN203324217U (zh) | 一种血细胞分类识别电路 | |
JPS5825144A (ja) | 血液分析方法およびその装置 | |
LU504621B1 (en) | Animal Blood Cell Measurement Method, and Animal Blood Analysis Equipment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination |