CN107576634B - 血液细胞分析仪及其细胞的识别方法与系统 - Google Patents
血液细胞分析仪及其细胞的识别方法与系统 Download PDFInfo
- Publication number
- CN107576634B CN107576634B CN201710687201.7A CN201710687201A CN107576634B CN 107576634 B CN107576634 B CN 107576634B CN 201710687201 A CN201710687201 A CN 201710687201A CN 107576634 B CN107576634 B CN 107576634B
- Authority
- CN
- China
- Prior art keywords
- cells
- cell
- detected
- electric pulse
- equivalent width
- 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.)
- Active
Links
Images
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种细胞的识别方法,包括以下步骤:将待测细胞进行预分群;获取反映所述待测细胞体积信息的信号并转化为第一电脉冲,计算得到所述第一电脉冲的等效宽度;将一个细胞群中的待测细胞的等效宽度与所述细胞群的预设值进行比较;根据上述比较结果,判断所述细胞群中是否存在相应细胞群中的异常细胞。由于正常细胞的等效宽度的上限是一定的,当细胞群中出现等效宽超出相应的细胞群的预设值的为异常细胞。因此,采用上述识别细胞可以提高异常细胞识别的准确度。此外,上述血液细胞识别方法在现有的光散射法获取电脉冲的基础上,通过计算获取电脉冲的等效宽度,不需要单独的检测通道,从而降低了仪器的复杂程度,使仪器更加小型化。
Description
本申请是分案申请,其原申请的申请号是201310299584.2,申请日是2013年7月16日,发明名称是“血液细胞分析仪及其异常细胞的识别方法与系统”。
技术领域
本发明涉及血液分析,特别是涉及一种血液细胞分析仪及其细胞的识别方法与系统。
背景技术
血液细胞分析仪一般用于对血液中的红细胞、血小板、白细胞进行计数和分类,其中,五分类血液细胞分析仪一般会将白细胞分成淋巴、单核、中性粒、嗜酸、嗜碱五个亚群,当白细胞中存在异型异常淋巴细胞和幼稚白细胞时,血液细胞分析仪会有异常报警提示。
一般地,将白细胞进行五分类的方法为光散射法,其基本原理是使用两个或两个以上角度的光散射信号对流动室中动态流过的血液细胞进行探测,通常较低的散射角度信号反映了细胞的大小,较大的散射角度信号反映了细胞内部复杂程度,通过较低散射角度信号和较高散射角度信号获取的散点图对白细胞进行分类。
当血液样本中有异型异常淋巴细胞和幼稚白细胞等异常细胞时,散点图上会出现额外的细胞亚群。由于异常细胞和正常细胞区域重叠,采用上述光散射法对血液中异常细胞进行识别存在着准确度低的缺陷。
发明内容
基于此,有必要提供一种准确度高的细胞的识别方法。
一种细胞的识别方法,包括以下步骤:
将待测细胞进行预分群;
获取反映所述待测细胞体积信息的信号并转化为第一电脉冲,获得第一幅值;
根据所述第一电脉冲的幅值和面积,将所述电脉冲的面积除以所述电脉冲的幅值,得到所述第一电脉冲的等效宽度;
将一个细胞群中的待测细胞的等效宽度与所述细胞群的预设值进行比较;
根据上述比较结果,判断所述细胞群中是否存在相应细胞群中的异常细胞。
在其中一个实施例中,若所述等效宽度超过所述预设值,将所述待测细胞识别为相应细胞群中的异常细胞。
在其中一个实施例中,将所述待测细胞进行预分群的步骤为:
获取反映所述待测细胞内部复杂程度信息的信号并转化为第二电脉冲,获得第二幅值;
根据所述第一幅值和所述第二幅值将所述待测细胞预分群。
在其中一个实施例中,所述预分群将所述待测细胞分为淋巴细胞、单核细胞和粒细胞三群,或淋巴细胞、单核细胞、嗜酸性粒细胞和中性粒细胞四群,或淋巴细胞、单核细胞、嗜碱性粒细胞、嗜酸性粒细胞、中性粒细胞五群。
在其中一个实施例中,若预分群在淋巴细胞群中的待测细胞的等效宽度超过淋巴细胞的预设值,将所述待测细胞识别为异型异常淋巴细胞;或
若预分群在粒细胞群中的待测细胞的等效宽度超过粒细胞的预设值,将所述待测细胞识别为幼稚粒细胞。
在其中一个实施例中,根据所述电脉冲的面积和幅值,得到所述电脉冲的等效宽度具体包括以下步骤:
获取反映所述待测细胞体积的信号并将所述信号转换成电脉冲;
采集所述电脉冲的幅值;
对所述电脉冲积分,得到积分值,所述积分值代表所述电脉冲的面积;
将所述电脉冲的面积除以所述电脉冲的幅值,得到所述电脉冲的等效宽度。
在其中一个实施例中,在所述等效宽度与预设值比较步骤之前,还包括通过理论计算或统计正常细胞的等效宽度,获取所述预设值。
一种细胞的识别方法,其特征在于,包括以下步骤:
将待测细胞进行预分群;
获取反映所述待测细胞体积信息的信号并转化为第一电脉冲,获得第一幅值;
根据所述第一电脉冲的幅值和面积,将所述电脉冲的面积除以所述电脉冲的幅值,得到所述第一电脉冲的等效宽度;
将一个细胞群中的待测细胞的等效宽度与所述细胞群的预设值进行比较;
根据上述比较结果,判断所述细胞群中是否存在相应细胞群中的异常细胞。
一种细胞的识别系统,包括:
预分群模块,将待测细胞进行预分群;
第一幅值模块,获取反映所述待测细胞体积信息的信号并转化为第一电脉冲,获得第一幅值;
等效宽度模块,根据所述第一电脉冲的幅值和面积,将所述电脉冲的面积除以所述电脉冲的幅值,得到所述第一电脉冲的等效宽度;
比较模块,将一个细胞群中的待测细胞的等效宽度与所述细胞群的预设值进行比较;
识别模块,根据上述比较结果,判断所述细胞群中是否存在相应细胞群中的异常细胞。
在其中一个实施例中,所述识别模块将所述等效宽度超过所述预设值的待测细胞识别为相应细胞群中的异常细胞。
在其中一个实施例中,所述预分群模块包括:
第二幅值单元,获取反映所述待测细胞内部复杂程度信息的信号并转化为第二电脉冲,获得第二幅值;
预分群单元,根据所述第一幅值和所述第二幅值将所述待测细胞预分群。
在其中一个实施例中,所述预分群模块将所述待测细胞分为淋巴细胞、单核细胞和粒细胞三群,或淋巴细胞、单核细胞、嗜酸性粒细胞和中性粒细胞四群,或淋巴细胞、单核细胞、嗜碱性粒细胞、嗜酸性粒细胞、中性粒细胞五群。
在其中一个实施例中,若预分群在淋巴细胞群中的待测细胞的等效宽度超过淋巴细胞的预设值,识别模块将所述待测细胞识别为异型异常淋巴细胞;或
若预分群在粒细胞群中的待测细胞的等效宽度超过粒细胞的预设值,识别模块将所述待测细胞识别为幼稚粒细胞。
在其中一个实施例中,所述等效宽度模块包括:
获取单元,获取反映所述待测细胞体积的信号并将所述信号转换成电脉冲;
采集单元,采集所述电脉冲的幅值;
积分单元,对所述电脉冲积分,得到积分值;
计算单元,将所述积分值除以幅值,得到所述电脉冲的等效宽度。
在其中一个实施例中,反映所述待测细胞体积信息的信号为前向散射光信号或者电阻抗信号,所述前向散射光信号优选前向低角散射光信号。
一种血液细胞分析仪,包括上述的细胞的识别系统。
上述血液细胞分析仪及其细胞的识别方法与系统,先将待测细胞预分群,然后基于反映待测细胞体积信息的信号转换的电脉冲,计算所述电脉冲的等效宽度,当一个细胞群中的等效宽度超出相应细胞群的预设值时,识别为异常细胞。由于正常细胞的等效宽度的上限是一定的,当待测细胞分群后,其等效宽度超出相应的细胞群的预设值时,就可以将异常细胞识别出来。因此,采用上述异常细胞识别方法可以提高血液细胞中异常细胞识别的准确度。
此外,上述异常细胞识别方法在传统的光散射法获取电脉冲的基础上,利用反映待测细胞体积的光信号,通过计算获取电脉冲的等效宽度,不需要单独的检测通道,从而降低了仪器的复杂程度,降低了生产成本、使用成本或维护维修成本。同时,上述异常细胞识别方法也不需要增加检测试剂,降低了检测成本。
附图说明
图1为一实施方式的异常细胞的识别方法流程图;
图2为一实施方式中待测白细胞在一时间轴上x1-x2之间的电脉冲图;
图3为一实施方式中待测白细胞在不同角度信号下的电脉冲图;
图4为血液样本中白细胞的第一幅值和第二幅值生成的二维散点图;
图5为待测白细胞的第一幅值和第二幅值生成的二维散点图;
图6为待测白细胞中单核细胞与中性粒细胞的第二幅值和对应的等效宽度生成的二维散点图;
图7为一实施方式的异常细胞的识别系统示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施的限制。
在血液检测领域,准确识别血液细胞的细胞类型并识别异常细胞,有利于了解血液相关的生理参数。但是,检测出异常细胞并不能直接得出是否疾病的结论,是否异常取决于异常细胞的数量、异常形态、其他相关生理参数的参考等。因此,以下描述的异常细胞的识别方法,不属于疾病的诊断和治疗方法。如图1所示,一实施方式的异常细胞的识别方法,包括以下步骤:
步骤S110,将待测细胞进行预分群。先把待测细胞分为不同的群,再在各个群中识别异常细胞。这样避免了不同细胞群之间由于等效宽度接近而导致识别的准确率降低。
将待测细胞预分群,可以采用折射、散射、吸收光信号、电阻抗信号及它们的任意组合对待测细胞进行预分群,根据检测细胞的类型和需要,可以将待测细胞分为不同的细胞群。其中,在一实施方式中,待测细胞为白细胞时,可以将白细胞分为淋巴细胞、单核细胞和粒细胞三群,或者淋巴细胞、单核细胞、嗜酸性粒细胞和中性粒细胞四群,或者分成淋巴细胞、单核细胞、嗜碱性粒细胞、嗜酸性粒细胞、中性粒细胞五群。
步骤S120,获取反映待测细胞体积信息的信号并转化为第一电脉冲,获得第一幅值。由于第一电脉冲也可以用于待测细胞的预分群,因此步骤S120可以在步骤S110之前。在血液细胞逐个通过流动室时,当光电转换器接收到待测细胞的光信号并转换成电脉冲时,电脉冲随着细胞的移动而信号强度会有变化。如图2所示,图2中的横坐标x表示时间,纵坐标f(x)表示电脉冲信号强度。反映所述待测细胞体积信息的信号为前向散射光信号或者电阻抗信号。其中,前向散射光与细胞直径的平方值密切相关,因此可以反映细胞体积的大小。本实施方式中,前向散射光信号为反映待测细胞体积信息的信号为前向低角散射光信号,一般地,前向低角散射光信号是指激光束照射方向与收集散射光信号的光电倍增光轴向方向之间成0-5度的光信号。前向散射光信号在进行预分群的过程中也可以使用,因此可以利用该信号而不增加额外的信号发射及接收通道,只需要对获得的数据进行处理即可,降低了硬件成本同时也节省了检测时间。
步骤S130,根据第一电脉冲的幅值和面积,得到第一电脉冲的等效宽度。
同样幅值的脉冲,等效宽度大的,说明顶部较扁平,整体较肥胖。在一实施方式中,等效宽度的获取方法包括:获取反映待测细胞体积的信号并将所述信号转换成电脉冲,如图2中的波形曲线的f(x)的值;采集电脉冲的幅值,即f max;对所述电脉冲积分,得到积分值;将积分值除以幅值f max,即电脉冲的幅度,得到的数值为等效宽度:具体公式参考图2如下:
容易想到,还有其他数学方法获得等效宽度,例如以该公式为基础,乘以或除以固定的系数或者进行倒数运算等变形计算得到的等效宽度也可以用于本实施例。
在一实施方式中,将待测细胞进行预分群包括以下步骤:
获取反映待测细胞体积信息的信号并转化为第一电脉冲,例如:接收反映待测细胞体积的散射光信号,并将光信号转换成电脉冲,采集电脉冲的幅值,记录为第一幅值;在本实施例中,预分群的信息是利用的反映待测细胞体积的信号,可以更简便的获取等效宽度。
获取反映待测细胞内部复杂程度信息的信号并转化为第二电脉冲,获得第二幅值;在一实施方式中,反映待测细胞内部复杂程度的信号包括侧向散射光信号、前向高角散射光信号、荧光信号和射频信号。其中,侧向散射光信号是指与激光束正交90度方向的散射光信号,侧向散射光对细胞膜的折射率更为敏感,可以反映待测细胞内的精细结构信息。前向高角散射光信号是指激光束照射方向与收集散射光信号的光电倍增光轴向方向之间成3-30度的光信号。
根据第一幅值和所述第二幅值将待测细胞预分群,例如根据第一幅值和第二幅值生成的二维散点图,就可以将待测细胞分为不同的细胞群。
步骤S140,将一个细胞群中的待测细胞的等效宽度与细胞群的预设值进行比较。当对细胞进行预分群后,不同的细胞群对应不同的等效宽度数值,将待测细胞的等效宽度与相应的细胞群的预设值进行比较,便可以得知待测细胞中是否存在异常细胞,在一实施方式中,在所述等效宽度与预设值比较步骤之前,还包括通过理论计算或统计正常细胞的等效宽度,获取所述预设值。例如,对正常细胞进行测量,并对正常细胞按照步骤S110的方法进行预分群,然后对每个正常细胞群的等效宽度的分布进行统计,就可以得到正常细胞的等效宽度,即相应的细胞群的预设值。
步骤S150,若等效宽度超过预设值,将待测细胞识别为相应细胞群中的异常细胞。对正常细胞的细胞群的等效宽度进行统计后发现正常细胞中每个细胞群都具有明显的等效宽度上限,所以当待测细胞中出现等效宽度大于相应的细胞群的预设值的细胞时,就可以识别出异常细胞。在一实施方式中,当待测细胞为白细胞时,并将所述白细胞分为三群,其异常细胞的识别方法为:
若预分群在淋巴细胞群中的待测细胞的等效宽度超过淋巴细胞的预设值,将所述待测细胞识别为异型异常淋巴细胞;
若预分群在粒细胞群中的待测细胞的等效宽度超过粒细胞的预设值,将所述待测细胞识别为幼稚粒细胞。
当白细胞被分为四群或五群时,相应的粒细胞群中的异常细胞就被识别为该群的幼稚粒细胞。
在一实施方式中,步骤S150还可以采取以下方法:获取反映待测细胞复杂程度的电脉冲的第二幅值;根据第二幅值和等效宽度生成散点图;当等效宽度超出相应细胞群的预设值时,识别为异常细胞。当细胞群中出现异常细胞时,其等效宽度就会超出相应细胞群的预设值,就会很直观地在散点图上被识别出来。
以下以更具体的例子进行详细说明。
一种血液细胞仪测定血液细胞中的白细胞,包括以下步骤:
在血液细胞逐个通过流动室时,光电转换器接收反映白细胞体积的散射光信号,获得第一角度(例如0~5度)电脉冲,采集第一角度电脉冲的幅值,将电脉冲进行积分,得到积分值,然后用积分值除以幅值,得到等效宽度。
如图2所示,为本实施例中白细胞在一时间轴上x1-x2之间的电脉冲,其波形函数为f(x),其幅值为波形的最大值处Fmax。
如图3所示,第一行波形为第二角度(第二角度大于第一角度,例如3~30度)光信号获得的电脉冲,幅值反映细胞内的复杂度,主要是细胞内部的复杂度;第二行为细胞的结构示意图;第三行为第一角度光信号获得的电脉冲,幅值反映细胞的体积。由图3可知,第一角度信号反应细胞体积的大小,不同的细胞在第一角度下脉冲幅值差不多,但是脉冲形状明显不同。采用第一角度电脉冲来计算获得等效宽度,脉冲形状不同,得到的等效宽度也会不同。以第一角度的光信号获得的电脉冲计算得到的等效宽度作为测试参数,可以提高结果的准确性。
光电转换器同时还接收反映该白细胞复杂程度的光信号,获得第二角度电脉冲,采集第二角度电脉冲的幅值;去除血影后,采用第一角度电脉冲的幅值和第二角度电脉冲的幅值生成二维散点图,对待测白细胞进行预分群。本实施例中,白细胞的二维散点图如图4、图5所示,其中图4是比较正常的血液样本。而由图5可知,本实施例测定的白细胞中存在异常细胞,但是由于异常细胞核正常区域交叠,影响异常细胞的识别。
然后分别测量待测白细胞中不同细胞群的等效宽度,将等效宽度数值超出预设值时,即为异常细胞。其中,淋巴细胞中分离出来的为异型异淋细胞,中性粒细胞、嗜酸性粒细胞、嗜碱性粒细胞中分离出来的为幼稚粒细胞。
其中等效宽度的预设值的获得可以采用不含异常细胞的正常血液样本或是白细胞模拟粒子进行测量,先对白细胞进行分群,其得到的二维散点图如图4所示,然后测定每群白细胞的等效宽度,并对各个群细胞的等效进行统计,得到各群细胞的等效宽度预设值。
为了方便直观的显示利用等效宽度识别异常细胞,以采用第二幅值与等效宽度生成二维散点图,大于预设值的异常细胞就会很清楚的在散点图中显示出来。由于较大角度的信号可以反映细胞内的复杂程度,当对白细胞进行分群后,各群细胞的细胞结构相对简单,此时,采用第二幅值和等效宽度来生成二维散点图,可以更大程度地利用等效宽度来识别,提高散点图的直观性。
如图6所示,为本实施例中单核细胞和粒细胞的第二幅值与其测定的等效宽度生成的二维散点图。由图6可以看出,当单核细胞和粒细胞中出现幼稚白细胞时,幼稚白细胞的等效宽度会超出单核细胞与粒细胞的等效宽度预设值,因此可以清楚的识别出来。
采用本实施例的方法,检测已知含有幼稚粒细胞的血液样本,获得的幼稚粒细胞比例是19.6%。传统的镜检方法得到该样本中幼稚粒细胞的比例是19%(人工数200个细胞中有38个幼稚细胞)。本方法检测的结果与传统方法一致。
本发明的重点是利用反映细胞体积信息的信号的电脉冲计算得到的等效宽度来识别预分群后某个细胞群中的异常细胞。用来预分群的信息可以利用体积信息得到的第一幅值,也可以不利用第一幅值,只要获得某个细胞预分群信号并获得反映细胞体积信息的信号即可。当然,本实施例中的方案更加简便。用来预分群的信号可以是折射、散射、吸收光信号、电阻抗信号以及其任意组合,只要能将白细胞至少分为三群即可。
上述白细胞中异常细胞的识别方法,只是在现有的五分类血液细胞分析仪上增加一个等效宽度的特征参数,并且等效宽度是通过计算得到的,因此,不需要单独的检测通道,从而降低了仪器的复杂程度,降低了生产成本、使用成本和维护维修成本。将白细胞分群后,当白细胞中出现异常细胞时,异常细胞的等效宽度会超出相应的细胞群的等效宽度阈值,从而将异常细胞识别出来,提高了识别的准确度。
此外,如图7所示,还提供了一种异常细胞的识别系统,包括预分群模块710、第一幅值模块720、等效宽度模块730、比较模块740及识别模块750。
预分群模块710,将待测细胞进行预分群。预分群模块710先把待测细胞分为不同的群,再在各个群中识别异常细胞。这样避免了不同细胞群之间由于等效宽度接近而导致识别的准确率降低。
将待测细胞预分群,可以采用折射、散射、吸收光信号、电阻抗信号及它们的任意组合对待测细胞进行预分群,根据检测细胞的类型和需要,可以将待测细胞分为不同的细胞群。其中,在一实施方式中,待测细胞为白细胞时,可以将白细胞分为淋巴细胞、单核细胞和粒细胞三群,或者淋巴细胞、单核细胞、嗜酸性粒细胞和中性粒细胞四群,或者分成淋巴细胞、单核细胞、嗜碱性粒细胞、嗜酸性粒细胞、中性粒细胞五群。
第一幅值模块720获取反映所述待测细胞体积信息的信号并转化为第一电脉冲,获得第一幅值。在血液细胞逐个通过流动室时,当光电转换器接收到待测细胞的光信号并转换成电脉冲时,电脉冲随着细胞的移动而信号强度会有变化。如图2所示,图2中的横坐标x表示时间,纵坐标f(x)表示电脉冲信号强度。反映所述待测细胞体积信息的信号为前向散射光信号或者电阻抗信号。其中,前向散射光与细胞直径的平方值密切相关,因此可以反映细胞体积的大小。本实施方式中,前向散射光信号为反映待测细胞体积信息的信号为前向低角散射光信号,一般地,前向低角散射光信号是指激光束照射方向与收集散射光信号的光电倍增光轴向方向之间成0-5度的光信号。前向散射光信号在进行预分群的过程中也可以使用,因此可以利用该信号而不增加额外的信号发射及接收通道,只需要对获得的数据进行处理即可,降低了硬件成本同时也节省了检测时间。
等效宽度模块730,根据所述第一电脉冲的幅值和面积,得到所述第一电脉冲的等效宽度。同样幅值的脉冲,等效宽度大的,说明顶部较扁平,整体较肥胖。在一实施方式中,等效宽度模块包括:获取单元,获取反映所述待测细胞体积的信号并将所述信号转换成电脉冲,如图2中的波形曲线的f(x)的值;采集单元,采集所述电脉冲的幅值,即f max;积分单元,对所述电脉冲积分,得到积分值;计算单元,将所述积分值除以幅值f max,即电脉冲的幅度,得到所述电脉冲的等效宽度。具体公式参考图2如下:
容易想到,还有其他数学方法获得等效宽度,例如以该公式为基础,乘以或除以固定的系数或者进行倒数运算等变形计算得到的等效宽度也可以用于本实施例。
在一实施方式中,预分群模块包括第二幅值单元及预分群单元。
第二幅值单元,获取反映所述待测细胞内部复杂程度信息的信号并转化为第二电脉冲,获得第二幅值;在一实施方式中,反映待测细胞内部复杂程度的信号包括侧向散射光信号、前向高角散射光信号、荧光信号和射频信号。其中,侧向散射光信号是指与激光束正交90度方向的散射光信号,侧向散射光对细胞膜的折射率更为敏感,可以反映待测细胞内的精细结构信息。前向高角散射光信号是指激光束照射方向与收集散射光信号的光电倍增光轴向方向之间成3-30度的光信号。
预分群单元,根据所述第一幅值和所述第二幅值将所述待测细胞预分群,例如根据第一幅值和第二幅值生成的二维散点图,就可以将待测细胞分为不同的细胞群。
比较模块740将一个细胞群中的待测细胞的等效宽度与所述细胞群的预设值进行比较。当对细胞进行预分群后,不同的细胞群对应不同的等效宽度数值,将待测细胞的等效宽度与相应的细胞群的预设值进行比较,便可以得知待测细胞中是否存在异常细胞,可以通过理论计算或统计正常细胞的等效宽度,获取所述预设值。例如,对正常细胞进行测量,并进行预分群,然后对每个正常细胞群的等效宽度的分布进行统计,就可以得到正常细胞的等效宽度,即相应的细胞群的预设值。
若所述等效宽度超过所述预设值,识别模块750将所述待测细胞识别为相应细胞群中的异常细胞。对正常细胞的细胞群的等效宽度进行统计后发现正常细胞中每个细胞群都具有明显的等效宽度上限,所以当待测细胞中出现等效宽度大于相应的细胞群的预设值的细胞时,就可以识别出异常细胞。在一实施方式中,当待测细胞为白细胞时,并将所述白细胞分为至少三群,其异常细胞的识别方法为:若预分群在淋巴细胞群中的待测细胞的等效宽度超过淋巴细胞的预设值,将所述待测细胞识别为异型异常淋巴细胞;若预分群在粒细胞群中的待测细胞的等效宽度超过粒细胞的预设值,将所述待测细胞识别为幼稚粒细胞。当白细胞被分为四群或五群时,相应的粒细胞群中的异常细胞就被识别为该群的幼稚粒细胞。
识别模块750还可以获取反映待测细胞复杂程度的电脉冲的第二幅值;根据第二幅值和等效宽度生成散点图;当等效宽度超出相应细胞群的预设值时,识别为异常细胞。当细胞群中出现异常细胞时,其等效宽度就会超出相应细胞群的预设值,就会很直观地在散点图上被识别出来。
本发明还公开了一种血液细胞分析仪,在现有的血液细胞分析仪的基础上,还包括上述的异常细胞识别系统。利用反映待测细胞体积信息的信号计算待测细胞的等效宽度,在相应的细胞群中识别异常细胞。不需要单独的检测通道,从而降低了仪器的复杂程度,使仪器更加小型化。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (14)
1.一种细胞的识别方法,其特征在于,包括以下步骤:
将待测细胞进行预分群;
获取反映所述待测细胞体积信息的信号并转化为第一电脉冲,获得第一幅值;
根据所述第一电脉冲的幅值和面积,将所述电脉冲的面积除以所述电脉冲的幅值,得到所述第一电脉冲的等效宽度;
将一个细胞群中的待测细胞的等效宽度与所述细胞群的预设值进行比较;
根据上述比较结果,判断所述细胞群中是否存在相应细胞群中的异常细胞。
2.根据权利要求1所述的细胞的识别方法,其特征在于,若所述等效宽度超过所述预设值,将所述待测细胞识别为相应细胞群中的异常细胞。
3.根据权利要求1所述的细胞的识别方法,其特征在于,将所述待测细胞进行预分群的步骤为:
获取反映所述待测细胞内部复杂程度信息的信号并转化为第二电脉冲,获得第二幅值;
根据所述第一幅值和所述第二幅值将所述待测细胞预分群。
4.根据权利要求1所述的细胞的识别方法,其特征在于,所述预分群将所述待测细胞分为淋巴细胞、单核细胞和粒细胞三群,或淋巴细胞、单核细胞、嗜酸性粒细胞和中性粒细胞四群,或淋巴细胞、单核细胞、嗜碱性粒细胞、嗜酸性粒细胞、中性粒细胞五群。
5.根据权利要求4所述的细胞的识别方法,其特征在于,
若预分群在淋巴细胞群中的待测细胞的等效宽度超过淋巴细胞的预设值,将所述待测细胞识别为异型淋巴细胞;或
若预分群在粒细胞群中的待测细胞的等效宽度超过粒细胞的预设值,将所述待测细胞识别为幼稚粒细胞。
6.根据权利要求1所述的细胞的识别方法,其特征在于,根据所述电脉冲的面积和幅值,得到所述电脉冲的等效宽度具体包括以下步骤:
获取反映所述待测细胞体积的信号并将所述信号转换成电脉冲;
采集所述电脉冲的幅值;
对所述电脉冲积分,得到积分值,所述积分值代表所述电脉冲的面积;
将所述电脉冲的面积除以所述电脉冲的幅值,得到所述电脉冲的等效宽度。
7.根据权利要求1所述的细胞的识别方法,其特征在于,在所述等效宽度与预设值比较步骤之前,还包括通过理论计算或统计正常细胞的等效宽度,获取所述预设值。
8.一种细胞的识别系统,其特征在于,包括:
预分群模块,将待测细胞进行预分群;
第一幅值模块,获取反映所述待测细胞体积信息的信号并转化为第一电脉冲,获得第一幅值;
等效宽度模块,根据所述第一电脉冲的幅值和面积,将所述电脉冲的面积除以所述电脉冲的幅值,得到所述第一电脉冲的等效宽度;
比较模块,将一个细胞群中的待测细胞的等效宽度与所述细胞群的预设值进行比较;
识别模块,根据上述比较结果,判断所述细胞群中是否存在相应细胞群中的异常细胞。
9.根据权利要求8所述的细胞的识别系统,其特征在于,所述识别模块将所述等效宽度超过所述预设值的待测细胞识别为相应细胞群中的异常细胞。
10.根据权利要求8所述的细胞的识别系统,其特征在于,所述预分群模块包括:
第二幅值单元,获取反映所述待测细胞内部复杂程度信息的信号并转化为第二电脉冲,获得第二幅值;
预分群单元,根据所述第一幅值和所述第二幅值将所述待测细胞预分群。
11.根据权利要求8所述的细胞的识别系统,其特征在于,所述预分群模块将所述待测细胞分为淋巴细胞、单核细胞和粒细胞三群,或淋巴细胞、单核细胞、嗜酸性粒细胞和中性粒细胞四群,或淋巴细胞、单核细胞、嗜碱性粒细胞、嗜酸性粒细胞、中性粒细胞五群。
12.根据权利要求11所述的细胞的识别系统,其特征在于,
若预分群在淋巴细胞群中的待测细胞的等效宽度超过淋巴细胞的预设值,识别模块将所述待测细胞识别为异型淋巴细胞;或
若预分群在粒细胞群中的待测细胞的等效宽度超过粒细胞的预设值,识别模块将所述待测细胞识别为幼稚粒细胞。
13.根据权利要求8所述的细胞的识别系统,其特征在于,所述等效宽度模块包括:
获取单元,获取反映所述待测细胞体积的信号并将所述信号转换成电脉冲;
采集单元,采集所述电脉冲的幅值;
积分单元,对所述电脉冲积分,得到积分值;
计算单元,将所述积分值除以幅值,得到所述电脉冲的等效宽度。
14.一种血液细胞分析仪,其特征在于,包括权利要求8至13中任意一项所述的细胞的识别系统。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710687201.7A CN107576634B (zh) | 2013-07-16 | 2013-07-16 | 血液细胞分析仪及其细胞的识别方法与系统 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310299584.2A CN104297213B (zh) | 2013-07-16 | 2013-07-16 | 血液细胞分析仪及其异常细胞的识别方法与系统 |
CN201710687201.7A CN107576634B (zh) | 2013-07-16 | 2013-07-16 | 血液细胞分析仪及其细胞的识别方法与系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310299584.2A Division CN104297213B (zh) | 2013-07-16 | 2013-07-16 | 血液细胞分析仪及其异常细胞的识别方法与系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107576634A CN107576634A (zh) | 2018-01-12 |
CN107576634B true CN107576634B (zh) | 2021-07-23 |
Family
ID=52317037
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710687201.7A Active CN107576634B (zh) | 2013-07-16 | 2013-07-16 | 血液细胞分析仪及其细胞的识别方法与系统 |
CN201310299584.2A Active CN104297213B (zh) | 2013-07-16 | 2013-07-16 | 血液细胞分析仪及其异常细胞的识别方法与系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310299584.2A Active CN104297213B (zh) | 2013-07-16 | 2013-07-16 | 血液细胞分析仪及其异常细胞的识别方法与系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN107576634B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107367453A (zh) * | 2016-05-13 | 2017-11-21 | 上海纳衍生物科技有限公司 | 一种基于直流电阻抗测量的细胞粒子检测方法 |
CN111684263A (zh) * | 2018-04-28 | 2020-09-18 | 深圳迈瑞生物医疗电子股份有限公司 | 血液分析系统、血液分析仪、血液分析方法及存储介质 |
CN109508649B (zh) * | 2018-10-22 | 2023-07-18 | 迪瑞医疗科技股份有限公司 | 一种血细胞分析仪的脉冲信号分析识别方法 |
WO2020133285A1 (zh) * | 2018-12-28 | 2020-07-02 | 深圳迈瑞生物医疗电子股份有限公司 | 一种血液细胞参数修正方法、血液样本检测仪和存储介质 |
CN114222907A (zh) * | 2019-08-06 | 2022-03-22 | 贝克曼库尔特有限公司 | 检测和报道中性粒细胞亚群 |
CN111349683B (zh) * | 2020-02-10 | 2020-12-11 | 辽宁汇普源生物医学科技开发有限责任公司 | 粒细胞群嗜碱性粒细胞作为过敏性疾病诊断标记物的应用 |
CN112132831B (zh) * | 2020-11-26 | 2021-03-02 | 北京小蝇科技有限责任公司 | 一种白细胞散点图异常联合检测方法及系统 |
CN114235667B (zh) * | 2021-07-08 | 2024-04-09 | 深圳市帝迈生物技术有限公司 | 一种样本分析仪及其计数方法 |
CN114924252B (zh) * | 2022-07-22 | 2022-10-14 | 苏州一径科技有限公司 | 异常回波信号的识别方法、装置、设备及存储介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1380756A (en) * | 1971-12-23 | 1975-01-15 | Atomic Energy Commission | Multisensor particle sorter |
CN1677109A (zh) * | 2004-03-30 | 2005-10-05 | 希森美康株式会社 | 子宫颈癌的筛选方法 |
CN101226133A (zh) * | 2008-01-28 | 2008-07-23 | 宁波大学 | 一种血细胞脉冲信号的分类识别方法 |
CN101403739A (zh) * | 2007-10-03 | 2009-04-08 | 希森美康株式会社 | 细胞分析仪及细胞分析方法 |
CN101581654A (zh) * | 2008-05-16 | 2009-11-18 | 深圳迈瑞生物医疗电子股份有限公司 | 获取体积信息有效粒子脉冲及粒子体积分布的方法及装置 |
JP4484375B2 (ja) * | 2001-01-10 | 2010-06-16 | シスメックス株式会社 | 異常細胞検出方法 |
CN101750274A (zh) * | 2008-12-17 | 2010-06-23 | 深圳迈瑞生物医疗电子股份有限公司 | 白细胞分类计数试剂、试剂盒以及白细胞分类计数的方法 |
EP2320230A1 (en) * | 2008-07-30 | 2011-05-11 | Sysmex Corporation | Reagent for detecting abnormal cell in cervix of uterus, and method for detecting abnormal cell in cervix of uterus by using same |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7208319B2 (en) * | 2004-02-10 | 2007-04-24 | Beckman Coulter, Inc. | Method of measurement of nucleated red blood cells |
JP2007024844A (ja) * | 2005-07-21 | 2007-02-01 | Sysmex Corp | 血液分析方法及び血液分析装置 |
JP5378228B2 (ja) * | 2007-10-29 | 2013-12-25 | シスメックス株式会社 | 細胞分析装置及び細胞分析方法 |
US8524505B2 (en) * | 2009-07-03 | 2013-09-03 | Sysmex Corporation | Blood analyzer and blood analyzing method |
EP2520926B1 (en) * | 2011-05-05 | 2022-06-15 | Sysmex Corporation | Blood analyzer, blood analysis method, and computer program product |
CN102331393A (zh) * | 2011-07-08 | 2012-01-25 | 无锡荣兴科技有限公司 | 一种对人体血液中细胞进行自动分类计算的方法 |
CN102680379B (zh) * | 2012-05-31 | 2015-01-21 | 长春迪瑞医疗科技股份有限公司 | 一种使用偶次高次非球面激光整形系统的白细胞分类计数仪 |
-
2013
- 2013-07-16 CN CN201710687201.7A patent/CN107576634B/zh active Active
- 2013-07-16 CN CN201310299584.2A patent/CN104297213B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB1380756A (en) * | 1971-12-23 | 1975-01-15 | Atomic Energy Commission | Multisensor particle sorter |
JP4484375B2 (ja) * | 2001-01-10 | 2010-06-16 | シスメックス株式会社 | 異常細胞検出方法 |
CN1677109A (zh) * | 2004-03-30 | 2005-10-05 | 希森美康株式会社 | 子宫颈癌的筛选方法 |
CN101403739A (zh) * | 2007-10-03 | 2009-04-08 | 希森美康株式会社 | 细胞分析仪及细胞分析方法 |
CN101226133A (zh) * | 2008-01-28 | 2008-07-23 | 宁波大学 | 一种血细胞脉冲信号的分类识别方法 |
CN101581654A (zh) * | 2008-05-16 | 2009-11-18 | 深圳迈瑞生物医疗电子股份有限公司 | 获取体积信息有效粒子脉冲及粒子体积分布的方法及装置 |
EP2320230A1 (en) * | 2008-07-30 | 2011-05-11 | Sysmex Corporation | Reagent for detecting abnormal cell in cervix of uterus, and method for detecting abnormal cell in cervix of uterus by using same |
CN101750274A (zh) * | 2008-12-17 | 2010-06-23 | 深圳迈瑞生物医疗电子股份有限公司 | 白细胞分类计数试剂、试剂盒以及白细胞分类计数的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107576634A (zh) | 2018-01-12 |
CN104297213A (zh) | 2015-01-21 |
CN104297213B (zh) | 2017-10-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107576634B (zh) | 血液细胞分析仪及其细胞的识别方法与系统 | |
US10222320B2 (en) | Identifying and enumerating early granulated cells (EGCs) | |
US10330584B2 (en) | Cell analyzer and particle sorting method and device | |
EP1714146B1 (en) | Method of measurement of nucleated red blood cells | |
CN111684263A (zh) | 血液分析系统、血液分析仪、血液分析方法及存储介质 | |
CN103364324A (zh) | 一种用于血液细胞分析仪的自适应分类计算方法 | |
JP2012505470A (ja) | 血液学機器のための形状パラメータ | |
CN112424582A (zh) | 血液样本检测的方法、血液样本检测仪和存储介质 | |
JP3504030B2 (ja) | 粒子判定基準の決定方法およびその装置並びにその判定基準を用いた粒子分析装置 | |
CN112789503A (zh) | 分析有核红细胞的方法、血液细胞分析仪和存储介质 | |
EP3933376A1 (en) | Method and system for characterizing particles using an angular detection in a flow cytometer | |
US20210041345A1 (en) | Detecting and reporting subpopulations of neutrophils | |
CN115791573A (zh) | 一种血细胞分析仪的白细胞检测方法 | |
CN111812070A (zh) | 核左移以及取值范围的确定方法、装置和细胞分析仪 | |
CN114414442A (zh) | 样本检测方法、装置及计算机可读存储介质 | |
CN117871371A (zh) | 血液分析仪、血液分析方法和计算机可读存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |