CN106501160A - 一种粒子分类方法及粒子分类装置 - Google Patents
一种粒子分类方法及粒子分类装置 Download PDFInfo
- Publication number
- CN106501160A CN106501160A CN201610810747.2A CN201610810747A CN106501160A CN 106501160 A CN106501160 A CN 106501160A CN 201610810747 A CN201610810747 A CN 201610810747A CN 106501160 A CN106501160 A CN 106501160A
- Authority
- CN
- China
- Prior art keywords
- particle
- region
- division
- scatterplot
- minimum distance
- 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 177
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001914 filtration Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 239000004744 fabric Substances 0.000 claims description 2
- 210000004027 cell Anatomy 0.000 description 15
- 210000000265 leukocyte Anatomy 0.000 description 15
- 238000010586 diagram Methods 0.000 description 9
- 210000003714 granulocyte Anatomy 0.000 description 7
- 210000005087 mononuclear cell Anatomy 0.000 description 7
- 230000003448 neutrophilic effect Effects 0.000 description 6
- 210000000601 blood cell Anatomy 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 210000004698 lymphocyte Anatomy 0.000 description 4
- 210000004369 blood Anatomy 0.000 description 3
- 239000008280 blood Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 206010008190 Cerebrovascular accident Diseases 0.000 description 2
- 208000006011 Stroke Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 210000003912 basophilic leucocyte Anatomy 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000001772 blood platelet Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 210000003743 erythrocyte Anatomy 0.000 description 2
- 238000000684 flow cytometry Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000007935 neutral effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 102000001554 Hemoglobins Human genes 0.000 description 1
- 108010054147 Hemoglobins Proteins 0.000 description 1
- 238000000149 argon plasma sintering Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000004043 dyeing Methods 0.000 description 1
- 244000144992 flock Species 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 208000014951 hematologic disease Diseases 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 210000004940 nucleus Anatomy 0.000 description 1
- 230000005693 optoelectronics Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000725 suspension 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
- G01N15/10—Investigating individual particles
-
- 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
- G01N2015/1006—Investigating individual particles for cytology
-
- 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
- G01N2015/1024—Counting particles by non-optical means
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供了一种粒子分类方法及粒子分类装置,通过获取粒子的二维分布散点图,并根据粒子个数和其所对应的X坐标值和Y坐标值得到X轴和Y轴粒子个数统计曲线图,对分布散点图上的粒子点群进行初步区域划分;计算分布散点图上各个区域全部粒子点所对应数据的均值和协方差,并根据计算出的均值和协方差,计算每个粒子距离各个区域中协方差所对应置信椭圆的最近距离,并将粒子归于最近距离最小的区域中,对初步划分出的区域进行修正,得到最终区域划分。由于本发明所述的方法及装置,可以基于其二维高斯分布,从而实现粒子的准确划分,使分类结果更加准确。
Description
技术领域
本发明涉及粒子检测技术领域,尤其涉及的是一种粒子分类方法及粒子分类装置。
背景技术
血液细胞分析仪可以检测血液中的白细胞、红细胞、血小板、血红蛋白等参数的数量并能对白细胞进行分类。其中对白细胞进行分类是其基本的功能。血液细胞分析仪对发现和确诊一些血液疾病具有参考作用,是临床检验不可缺少的仪器之一。
流式细胞技术(Flow Cytometry,FCM)是一种自动分析细胞的技术,其原理为待测细胞被制备成单个细胞的悬液,经特异性染料染色后放入样品管中,由喷嘴进入流动室。鞘液在一定压力下充满流动室,细胞在鞘液的约束下,排成单列经过流动室的检测部(如图1),激光照射到单个细胞上,引发光散射场变化,可以提供细胞的大小、细胞核、细胞颗粒大小和复杂度信息。再通过光电转换和AD转换,得到对应细胞的一组二维数据,分别表示粒子的体积信息和内部复杂度信息。将该组二维数据映射到二维坐标系上,便得到该白细胞在二维坐标系中对应的位置。以此类推,可以得到二维白细胞散点图。如图1所示,二维白细胞散点图中,同类的粒子会聚集在一起,而不同类的粒子会相互分离,而一种粒子快速自动分类算法就是将散点图中同类粒子找到,分别计数,进而计算出所取样本中各部分粒子占该样本白细胞总数的百分比,用于临床分析。
一些传统的粒子分类方法,比如:专利US.Pat.No.4987086描述了一种固定边界分类法,其采用在由前向散射光和侧向散射光形成的散点图上,通过“设门”,即在散点图上划分出边界的方式从全血细胞中区分中性粒细胞、淋巴细胞和单核细胞。该方法不能对边界进行自适应调整,不具有普遍性,适应性差。专利US.Pat.No.5627040描述了一种“重心引力因子”法。该方法用一种优化算法根据每个引力因子来确立边界,用尺寸、形状和方位固定而位置不固定的边界在散点图上进行分类,该方法虽然边界可以自动调整,但是尺寸、形状和方位还是固定的,适应性较差。
因此,现有技术还有待于进一步的改进。
发明内容
本发明的目的在于为用户提供一种粒子分类方法及粒子分类装置,克服现有技术中分类方法不能自适应调整粒子散点图上划出的边界,适应性差的缺陷。
本发明解决技术问题所采用的技术方案如下:
一种粒子分类方法,其中,包括以下步骤:
A、获取粒子在光照区域时产生的特征信号,并根据特征信号形成粒子分布散点图;
B、对分布散点图中数据分别作X轴和Y轴的垂直投影,得到分布散点图中X坐标值和Y坐标值相同的粒子个数,根据粒子个数和其所对应的X坐标值和Y坐标值得到X轴和Y轴粒子个数统计曲线图;
C、以所述统计曲线图中波谷所处位置点或者波峰的曲率最大值所对应位置点相应的数据作为划分阈值,对分布散点图上的粒子点群进行初步区域划分;
D、计算分布散点图上各个区域全部粒子点所对应数据的均值和协方差,并根据计算出的均值和协方差,计算每个粒子距离各个区域中协方差所对应置信椭圆的最近距离,并将粒子归于最近距离最小的区域中,对初步划分出的区域进行修正,得到最终区域划分。
所述的粒子分类方法,其中,所述步骤C包括:
C1、判断统计曲线图中波峰的个数,若为一个,则执行步骤C2,否则执行步骤C3;
C2、以波峰的曲率最大值所对应位置点相应的数据作为划分阈值,进行初步区域划分;
C3、以波谷所处位置点对应的数据作为划分阈值对分布散点图进行初步区域划分。
所述的粒子分类方法,其中,所述步骤B还包括步骤:
B1、使用平滑滤波方法对统计曲线图做平滑处理。
所述的粒子分类方法,其中,所述步骤D中还包括:
D1、分别计算相邻两个初步划分区域中每个粒子点距离两个区域协方差对应置信椭圆的最近距离,并将粒子点归入最近距离值小的区域内。
所述的粒子分类方法,其中,所述步骤D1中使用公式计算每个粒子距离各个区域中协方差所对应置信椭圆的最近距离:
其中,dist为所述最近距离,zi为粒子对应数据,mj为每个区域的粒子对应数据的均值,Σj为每个区域粒子对应数据的协方差。
一种粒子分类装置,其中,包括:
散点图形成模块,用于获取粒子在光照区域时产生的特征信号,并根据特征信号形成粒子分布散点图;
统计曲线图形成模块,用于对分布散点图中数据分别作X轴和Y轴的垂直投影,得到分布散点图中X坐标值和Y坐标值相同的粒子个数,根据粒子个数和其所对应的X坐标值和Y坐标值得到X轴和Y轴粒子个数统计曲线图;
初步区域划分模块,用于以所述统计曲线图中波谷所处位置点或者波峰的曲率最大值所对应位置点相应的数据作为划分阈值,对分布散点图上的粒子点群进行初步区域划分;
修正划分模块,用于计算分布散点图上各个区域全部粒子点所对应数据的均值和协方差,并根据计算出的均值和协方差,计算每个粒子距离各个区域中协方差所对应置信椭圆的最近距离,并将粒子归于最近距离最小的区域中,对初步划分出的区域进行修正,得到最终区域划分。
所述粒子分类装置,其中,所述初步区域划分模块包括:
波峰个数判断单元,用于判断统计曲线图中波峰的个数;
曲率点划分单元,用于以波峰的曲率最大值所对应位置点相应的数据作为划分阈值,进行初步区域划分;
波谷位置点划分单元,用于以波谷所处位置点对应的数据作为划分阈值对分布散点图进行初步区域划分。
所述粒子分类装置,其中,所述统计曲线图形成模块还用于使用平滑滤波方法对统计曲线图做平滑处理。
所述粒子分类装置,其中,所述修正划分模块还包括:
最近距离计算单元,用于计算相邻两个初步划分区域中每个粒子点距离两个区域协方差对应置信椭圆的最近距离,并将粒子点归入最近距离值小的区域内。
所述粒子分类装置,其中,所述修正划分模块还包括:
所述最近距离计算单元使用以下公式计算每个粒子距离各个区域中协方差所对应置信椭圆的最近距离:
其中,dist为所述最近距离,zi为粒子对应数据,mj为每个区域的粒子对应数据的均值,Σj为每个区域粒子对应数据的协方差。
有益效果,本发明提供了一种粒子分类方法及粒子分类装置,通过获取粒子的二维分布散点图,并根据粒子个数和其所对应的X坐标值和Y坐标值得到X轴和Y轴粒子个数统计曲线图,对分布散点图上的粒子点群进行初步区域划分;计算分布散点图上各个区域全部粒子点所对应数据的均值和协方差,并根据计算出的均值和协方差,计算每个粒子距离各个区域中协方差所对应置信椭圆的最近距离,并将粒子归于最近距离最小的区域中,对初步划分出的区域进行修正,得到最终区域划分。由于本发明所述的方法及装置,可以基于其二维高斯分布,从而实现粒子的准确划分,使分类结果更加准确。
附图说明
图1是白细胞分析仪的流动室示意图。
图2是本发明所提供的一种粒子分类方法的步骤流程图。
图3是本发明所述粒子的二维分布散点图示意一。
图4是本发明所述粒子的二维分布散点图示意二。
图5是本发明中分布散点图示意一中数据投影到X轴或者Y轴的统计曲线图。
图6是图5统计曲线图平滑后的曲线图及划分阈值线的示意图。
图7是本发明中分布散点图示意二中数据投影到X或者Y轴的统计曲线图。
图8是图7统计曲线图平滑后的曲线图及划分阈值线的示意图。
图9是本发明中分布散点图示意一区域最终划分的示意图。
图10是本发明中分布散点图示意二区域最终划分的示意图。
图11是本发明所提供的一种粒子分类系统的原理结构示意图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确,以下参照附图并举实施例对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
现有技术中利用血液细胞分析仪可以检测血液中的白细胞、红细胞、血小板、血红蛋白等参数的数量并能对白细胞进行分类。血液中的白细胞可分为五大类,即:淋巴细胞、单核细胞、中性粒细胞、嗜酸细胞、嗜碱细胞。在血细胞分析仪的散点图上,各类细胞根据各自的特征占据不同的位置,需要由算法对各类进行精确的分类,以对临床提供诊断参考。在散点图上,淋巴细胞位于散点图的左下部,单核细胞位于左上部,中性粒细胞和嗜碱细胞共同位于右上部,嗜酸细胞位于右下部。本发明即是在该技术上进行改进,实现对白细胞准确分类的方法。
本发明提出的一种粒子分类方法,如图2所示,其包括以下几个步骤:
S1、获取粒子在光照区域时产生的特征信号,并根据特征信号形成粒子分布散点图。
当白细胞的粒子在血液细胞分析仪中,经过流动室的检测部时,在激光的照射到单个细胞,产生与当前被照射单个细胞相对应的特征信号。所述特征信号为散射光信号,为了对表征该单个细胞的特征,本步骤中获取两种特征信号,分别为正向散射光和侧向散射光。将这两种特征信号分别作为直角坐标系中的X坐标和Y坐标,形成直角坐标系中的一个点。因此获取到的全部白细胞粒子的两种特征信号,便形成了粒子分布散点图。
S2、对分布散点图中数据分别作X轴和Y轴的垂直投影,得到分布散点图中X坐标值和Y坐标值相同的粒子个数,根据粒子个数和其所对应的X坐标值和Y坐标值得到X轴和Y轴粒子个数统计曲线图。
对获取到的分布散点图分别作X坐标轴和Y坐标轴上的垂直投影,得到分布散点图中X坐标值和Y坐标值相同的粒子个数,并将粒子个数与其对应的X坐标值或者Y坐标值组成统计曲线图。优选的,为了好的呈现X坐标值或者Y坐标值相近点的分布情况,在具体实施过程中,可以将粒子个数作为Y轴,以X轴的坐标值作为X轴,形成X轴投影的统计曲线图,也以同样的方法进行Y轴投影的统计曲线图。
S3、以所述统计曲线图中波谷所处位置点或者波峰的曲率最大值所对应位置点相应的数据作为划分阈值,对分布散点图上的粒子点群进行初步区域划分。
对上述X轴或者Y轴投影的统计曲线图进行数据分析,获取X坐标值或者Y坐标值最小点所对应的阈值点,并以该点所对应的数据作为阈值点,得到划分线,对相应的分布散点图进行区域划分。
通过上述方法,分别基于X轴和Y轴获取横向和纵向两条划分线,因此分别散点图可以划分成四个区域,从而实现对分布散点图上粒子的初步区域划分。
为了更好的得到数据最小值所对应的点,得到划分线,本步骤还包括:
S31、判断统计曲线图中波峰的个数,若为一个,则执行步骤S32,否则执行步骤S33;
S32、以波峰的曲率最大值所对应位置点相应的数据作为划分阈值,进行初步区域划分;
S33、以波谷所处位置点对应的数据作为划分阈值对分布散点图进行初步区域划分。
通过上述方法可以针对不同的情况分别得到划分阈值,从而根据划分阈值对统计曲线图进行区域划分。
S4、计算分布散点图上各个区域全部粒子点所对应数据的均值和协方差,并根据计算出的均值和协方差,计算每个粒子距离各个区域中协方差所对应置信椭圆的最近距离,并将粒子归于最近距离最小的区域中,对初步划分出的区域进行修正,得到最终区域划分。
所述步骤S4中还包括:
S41、分别计算相邻两个初步划分区域中每个粒子点距离两个区域协方差对应置信椭圆的最近距离,并将粒子点归入最近距离值小的区域内。
所述步骤S41中使用公式计算每个粒子距离各个区域中协方差所对应置信椭圆的最近距离:
其中,dist为所述最近距离,zi为粒子对应数据,mj为每个区域的粒子对应数据的均值,Σj为每个区域粒子对应数据的协方差。
本步骤中,由于粒子在直角坐标系中的二维散点满足高斯分布,因此利用高斯分布的函数,对分布的点所对应的数据进行计算,从分布稳定性的方面对其所属的区域进行判断,从而获得更准确的分类结果。上述计算公式中结合了每个区域内数据协方差所对应的置信椭圆和每个区域内数据均差,其计算结果相似于获取每个点与各个区域内距离置信椭圆最近的距离,从而将其划分到最近距离最小的区域内,提供了分类的准确度。
可以想到的是,为了更好的对统计曲线图中的数据进行处理,所述步骤S2还包括步骤:
S21、使用平滑滤波方法对统计曲线图做平滑处理,从而更好的获取曲线的波谷位置点和波峰的最大曲率位置点。
为了对本发明所述方法进行更加详细的说明,下面以其具体应用实施例的方法步骤为例对本发明所述方法做进一步的解释。
1、通过收集血细胞分析仪散射光信号获得细胞信息。将细胞的体积信息和内部复杂度信息映射为二维向量,形成粒子的分布散点图,如图3和图4所示。对于分布散点图上的每个点P,可以用(x,y)来表示,其中x和y分别为点P的横坐标和纵坐标,所述横坐标和纵坐标分布代表获取的正向散射光信号和侧向散射光信号所对应的数据。
2、将散点图向X轴方向做投影,得到投影直方图,如图5和图7所示。
3、用Savitzky-Golay滤波方法对统计直方图进行平滑处理,结果如图6和图8所示。
4、确定波谷处为阈值分割线,将散点图分为左右两部分,如图6和图8所示。
5、对于特殊样本,例如图4所示散点图,其投影统计曲线图如图7所示,由于统计曲线图没有明显的波谷,为了确定阈值的位置,需计算统计曲线图的曲率。曲率计算方法如下所述:
设曲线方程为y=f(x),计算曲线的曲率的公式为:
其中y'和y”分别为y=f(x)的一阶导数和二阶导数。
6、根据所得阈值将左部分散点图初步划分为上下两部分。
7、分别根据这两部分中的散点信息估计高斯分布参数:
高斯分布为:
为样本均值;
上式中,为样本的协方差矩阵;其中,j=1,2,Nj为第j类中粒子的个数,|Σj|是协方差矩阵Σj的行列式,是Σj的逆矩阵。
对于此两个部分中的任一点zi,计算:
其中m1,m2分别为两部分各自的样本均值,Σ1,Σ2分别为两部分各自的样本方差,最终将样本zi归于dist1和dist2最小的那个类中。由此得到直方图左半部分的两个分类Γ1和Γ2,分别对应淋巴细胞和单核细胞。
8、同理,对散点图的右半部分进行同样的处理,得到分类Γ3和Γ4,分别对应中性粒细胞和嗜酸细胞。此时的单核细胞Γ2和中性粒细胞Γ3可以看作是单核细胞和中性粒细胞之间的初步分类。对单核细胞Γ2和中性粒细胞Γ3再进行同样的上述处理,会得到单核细胞和中性粒细胞的准确分类。
图3和图4中粒子的分布散点图的最终区域划分,如图9和图10所示。
9、统计每个区域中的细胞个数,从而实现对白细胞的分类。
本发明所述粒子分类方法,先根据粒子点的分布对分布散点图进行初步划分,然后利用高斯分布中的函数关系,对初步划分出四个区域内的点再进行相应的调整,提高粒子分类的准确性,提高分类的效率。
本发明所述方法在上述粒子分类方法的基础上,提供了一种粒子分类装置,如图11所示,包括:
散点图形成模块110,用于获取粒子在光照区域时产生的特征信号,并根据特征信号形成粒子分布散点图;其功能如步骤S1所述。
统计曲线图形成模块120,用于对分布散点图中数据分别作X轴和Y轴的垂直投影,得到分布散点图中X坐标值和Y坐标值相同的粒子个数,根据粒子个数和其所对应的X坐标值和Y坐标值得到X轴和Y轴粒子个数统计曲线图;其功能如步骤S2所述。
初步区域划分模块130,用于以所述统计曲线图中波谷所处位置点或者波峰的曲率最大值所对应位置点相应的数据作为划分阈值,对分布散点图上的粒子点群进行初步区域划分;其功能如步骤S3所述。
修正划分模块140,用于计算分布散点图上各个区域全部粒子点所对应数据的均值和协方差,并根据计算出的均值和协方差,计算每个粒子距离各个区域中协方差所对应置信椭圆的最近距离,并将粒子归于最近距离最小的区域中,对初步划分出的区域进行修正,得到最终区域划分,其功能如步骤S4所述。
所述初步区域划分模块包括:
波峰个数判断单元,用于判断统计曲线图中波峰的个数;
曲率点划分单元,用于以波峰的曲率最大值所对应位置点相应的数据作为划分阈值,进行初步区域划分;
波谷位置点划分单元,用于以波谷所处位置点对应的数据作为划分阈值对分布散点图进行初步区域划分。
所述统计曲线图形成模块还用于使用平滑滤波方法对统计曲线图做平滑处理。
所述修正划分模块还包括:
最近距离计算单元,用于计算相邻两个初步划分区域中每个粒子点距离两个区域协方差对应置信椭圆的最近距离,并将粒子点归入最近距离值小的区域内。
所述修正划分模块还包括:
所述最近距离计算单元使用以下公式计算每个粒子距离各个区域中协方差所对应置信椭圆的最近距离:
其中,dist为所述最近距离,zi为粒子对应数据,mj为每个区域的粒子对应数据的均值,Σj为每个区域粒子对应数据的协方差。
有益效果,本发明提供了一种粒子分类方法及粒子分类装置,通过获取粒子的二维分布散点图,并根据粒子个数和其所对应的X坐标值和Y坐标值得到X轴和Y轴粒子个数统计曲线图,对分布散点图上的粒子点群进行初步区域划分;计算分布散点图上各个区域全部粒子点所对应数据的均值和协方差,并根据计算出的均值和协方差,计算每个粒子距离各个区域中协方差所对应置信椭圆的最近距离,并将粒子归于最近距离最小的区域中,对初步划分出的区域进行修正,得到最终区域划分。由于本发明所述的方法及装置,可以基于其二维高斯分布,从而实现粒子的准确划分,使分类结果更加准确。
可以理解的是,对本领域普通技术人员来说,可以根据本发明的技术方案及其发明构思加以等同替换或改变,而所有这些改变或替换都应属于本发明所附的权利要求的保护范围。
Claims (10)
1.一种粒子分类方法,其特征在于,包括以下步骤:
A、获取粒子在光照区域时产生的特征信号,并根据特征信号形成粒子分布散点图;
B、对分布散点图中数据分别作X轴和Y轴的垂直投影,得到分布散点图中X坐标值和Y坐标值相同的粒子个数,根据粒子个数和其所对应的X坐标值和Y坐标值得到X轴和Y轴粒子个数统计曲线图;
C、以所述统计曲线图中波谷所处位置点或者波峰的曲率最大值所对应位置点相应的数据作为划分阈值,对分布散点图上的粒子点群进行初步区域划分;
D、计算分布散点图上各个区域全部粒子点所对应数据的均值和协方差,并根据计算出的均值和协方差,计算每个粒子距离各个区域中协方差所对应置信椭圆的最近距离,并将粒子归于最近距离最小的区域中,对初步划分出的区域进行修正,得到最终区域划分。
2.根据权利要求1所述的粒子分类方法,其特征在于,所述步骤C包括:
C1、判断统计曲线图中波峰的个数,若为一个,则执行步骤C2,否则执行步骤C3;
C2、以波峰的曲率最大值所对应位置点相应的数据作为划分阈值,进行初步区域划分;
C3、以波谷所处位置点对应的数据作为划分阈值对分布散点图进行初步区域划分。
3.根据权利要求1所述的粒子分类方法,其特征在于,所述步骤B还包括步骤:
B1、使用平滑滤波方法对统计曲线图做平滑处理。
4.根据权利要求2所述的粒子分类方法,其特征在于,所述步骤D中还包括:
D1、分别计算相邻两个初步划分区域中每个粒子点距离两个区域协方差对应置信椭圆的最近距离,并将粒子点归入最近距离值小的区域内。
5.根据权利要求4所述的粒子分类方法,其特征在于,所述步骤D1中使用公式计算每个粒子距离各个区域中协方差所对应置信椭圆的最近距离:
其中,dist为所述最近距离,zi为粒子对应数据,mj为每个区域的粒子对应数据的均值,Σj为每个区域粒子对应数据的协方差。
6.一种粒子分类装置,其特征在于,包括:
散点图形成模块,用于获取粒子在光照区域时产生的特征信号,并根据特征信号形成粒子分布散点图;
统计曲线图形成模块,用于对分布散点图中数据分别作X轴和Y轴的垂直投影,得到分布散点图中X坐标值和Y坐标值相同的粒子个数,根据粒子个数和其所对应的X坐标值和Y坐标值得到X轴和Y轴粒子个数统计曲线图;
初步区域划分模块,用于以所述统计曲线图中波谷所处位置点或者波峰的曲率最大值所对应位置点相应的数据作为划分阈值,对分布散点图上的粒子点群进行初步区域划分;
修正划分模块,用于计算分布散点图上各个区域全部粒子点所对应数据的均值和协方差,并根据计算出的均值和协方差,计算每个粒子距离各个区域中协方差所对应置信椭圆的最近距离,并将粒子归于最近距离最小的区域中,对初步划分出的区域进行修正,得到最终区域划分。
7.根据权利要求6所述粒子分类装置,其特征在于,所述初步区域划分模块包括:
波峰个数判断单元,用于判断统计曲线图中波峰的个数;
曲率点划分单元,用于以波峰的曲率最大值所对应位置点相应的数据作为划分阈值,进行初步区域划分;
波谷位置点划分单元,用于以波谷所处位置点对应的数据作为划分阈值对分布散点图进行初步区域划分。
8.根据权利要求7所述粒子分类装置,其特征在于,所述统计曲线图形成模块还用于使用平滑滤波方法对统计曲线图做平滑处理。
9.根据权利要求7所述粒子分类装置,其特征在于,所述修正划分模块还包括:
最近距离计算单元,用于别计算相邻两个初步划分区域中每个粒子点距离两个区域协方差对应置信椭圆的最近距离,并将粒子点归入最近距离值小的区域内。
10.根据权利要求9所述粒子分类装置,其特征在于,所述修正划分模块还包括:
所述最近距离计算单元使用以下公式计算每个粒子距离各个区域中协方差所对应置信椭圆的最近距离:
其中,dist为所述最近距离,zi为粒子对应数据,mj为每个区域的粒子对应数据的均值,Σj为每个区域粒子对应数据的协方差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610810747.2A CN106501160A (zh) | 2016-09-08 | 2016-09-08 | 一种粒子分类方法及粒子分类装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610810747.2A CN106501160A (zh) | 2016-09-08 | 2016-09-08 | 一种粒子分类方法及粒子分类装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106501160A true CN106501160A (zh) | 2017-03-15 |
Family
ID=58291342
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610810747.2A Pending CN106501160A (zh) | 2016-09-08 | 2016-09-08 | 一种粒子分类方法及粒子分类装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106501160A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109580550A (zh) * | 2018-12-03 | 2019-04-05 | 迪瑞医疗科技股份有限公司 | 一种白细胞的分类处理方法及其装置 |
CN112557281A (zh) * | 2020-11-23 | 2021-03-26 | 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 (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101672759A (zh) * | 2008-09-12 | 2010-03-17 | 深圳迈瑞生物医疗电子股份有限公司 | 一种粒子分类统计方法及装置 |
CN101762448A (zh) * | 2008-12-17 | 2010-06-30 | 深圳迈瑞生物医疗电子股份有限公司 | 一种粒子分类方法及粒子检测装置 |
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 |
CN102305758A (zh) * | 2011-05-19 | 2012-01-04 | 长春迪瑞医疗科技股份有限公司 | 一种粒子快速自动分类方法及其实现装置 |
CN103426155A (zh) * | 2012-05-16 | 2013-12-04 | 深圳市蓝韵实业有限公司 | 基于求直方图变化率的直方图分界方法 |
-
2016
- 2016-09-08 CN CN201610810747.2A patent/CN106501160A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN101672759A (zh) * | 2008-09-12 | 2010-03-17 | 深圳迈瑞生物医疗电子股份有限公司 | 一种粒子分类统计方法及装置 |
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 |
CN101762448A (zh) * | 2008-12-17 | 2010-06-30 | 深圳迈瑞生物医疗电子股份有限公司 | 一种粒子分类方法及粒子检测装置 |
CN102305758A (zh) * | 2011-05-19 | 2012-01-04 | 长春迪瑞医疗科技股份有限公司 | 一种粒子快速自动分类方法及其实现装置 |
CN103426155A (zh) * | 2012-05-16 | 2013-12-04 | 深圳市蓝韵实业有限公司 | 基于求直方图变化率的直方图分界方法 |
Non-Patent Citations (1)
Title |
---|
姬中华,等: "置信椭圆在能力验证中的应用", 《理化检验-化学分册》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109580550A (zh) * | 2018-12-03 | 2019-04-05 | 迪瑞医疗科技股份有限公司 | 一种白细胞的分类处理方法及其装置 |
CN112557281A (zh) * | 2020-11-23 | 2021-03-26 | 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 |
---|---|---|
US9880155B2 (en) | System, method, and article for detecting abnormal cells using multi-dimensional analysis | |
CN103985119B (zh) | 一种彩色血细胞图像中白细胞的细胞质和细胞核分割方法 | |
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 | |
JPH05149863A (ja) | 粒子計数方法 | |
JPH06501106A (ja) | N次元データストリームを適応的に自動クラスタリングする重力アトラクターエンジン | |
CN106687810A (zh) | 一种有核红细胞报警方法、装置及流式细胞分析仪 | |
CN102507417A (zh) | 一种粒子自动分类方法 | |
Terstappen et al. | Increased light scattering resolution facilitates multidimensional flow cytometric analysis | |
CN102305758B (zh) | 一种粒子快速自动分类方法及其实现装置 | |
CN101672759B (zh) | 一种粒子分类统计方法及装置 | |
CN102331393A (zh) | 一种对人体血液中细胞进行自动分类计算的方法 | |
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 | |
CN108257124A (zh) | 一种基于图像的白细胞计数方法和系统 | |
CN103364324A (zh) | 一种用于血液细胞分析仪的自适应分类计算方法 | |
CN106501160A (zh) | 一种粒子分类方法及粒子分类装置 | |
CN105203446A (zh) | 基于概率分布细胞分类统计方法 | |
CN105986003A (zh) | 一种白细胞计数方法、装置及细胞分析仪 | |
CN109580550A (zh) | 一种白细胞的分类处理方法及其装置 | |
Sklarew et al. | Quantitative imaging of immunocytochemical (PAP) estrogen receptor staining patterns in breast cancer sections | |
CN110197193A (zh) | 一种多参数流式数据自动分群方法 | |
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 | |
CN101762448B (zh) | 一种粒子分类方法及粒子检测装置 | |
CN102298780A (zh) | 一种彩色图像阴影检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 130103 Changchun high tech Zone, Jilin livable Road, No. 3333 Applicant after: Medical Polytron Technologies Inc Address before: 130103 Changchun high tech Zone, Jilin livable Road, No. 3333 Applicant before: Changchun Dirui Medical Technology Co., Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170315 |