CN109508649A - 一种血细胞分析仪的脉冲信号分析识别方法 - Google Patents
一种血细胞分析仪的脉冲信号分析识别方法 Download PDFInfo
- Publication number
- CN109508649A CN109508649A CN201811231256.8A CN201811231256A CN109508649A CN 109508649 A CN109508649 A CN 109508649A CN 201811231256 A CN201811231256 A CN 201811231256A CN 109508649 A CN109508649 A CN 109508649A
- Authority
- CN
- China
- Prior art keywords
- data
- value
- pulse
- haemocyte
- sliding block
- 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
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 22
- 238000000034 method Methods 0.000 title claims abstract description 17
- 238000001514 detection method Methods 0.000 claims abstract description 10
- 238000000605 extraction Methods 0.000 claims abstract description 5
- 210000004369 blood Anatomy 0.000 claims description 8
- 239000008280 blood Substances 0.000 claims description 8
- 210000001367 artery Anatomy 0.000 claims description 7
- 210000003462 vein Anatomy 0.000 claims description 7
- 241001269238 Data Species 0.000 claims description 3
- 238000004080 punching Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 210000000601 blood cell Anatomy 0.000 abstract description 11
- 210000004027 cell Anatomy 0.000 abstract description 10
- 239000000284 extract Substances 0.000 abstract description 3
- 239000011148 porous material Substances 0.000 description 5
- JEIPFZHSYJVQDO-UHFFFAOYSA-N ferric oxide Chemical compound O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000010790 dilution Methods 0.000 description 3
- 239000012895 dilution Substances 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000003677 hemocyte Anatomy 0.000 description 2
- 229940000351 hemocyte Drugs 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004820 blood count Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
- G06F2218/04—Denoising
-
- 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
- G01N15/1031—Investigating individual particles by measuring electrical or magnetic effects
- G01N15/12—Investigating individual particles by measuring electrical or magnetic effects by observing changes in resistance or impedance across apertures when traversed by individual particles, e.g. by using the Coulter principle
-
- H—ELECTRICITY
- H03—ELECTRONIC CIRCUITRY
- H03K—PULSE TECHNIQUE
- H03K5/00—Manipulating of pulses not covered by one of the other main groups of this subclass
- H03K5/125—Discriminating pulses
- H03K5/1252—Suppression or limitation of noise or interference
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/14—Classification; Matching by matching peak patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Dispersion Chemistry (AREA)
- Health & Medical Sciences (AREA)
- Signal Processing (AREA)
- General Engineering & Computer Science (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Nonlinear Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
一种血细胞分析仪的脉冲信号分析识别方法属于信号分析识别处理领域,解决了现有技术中精准提取血细胞电脉冲信号数据的难度的问题。包括以下步骤:利用DC检测法,采集血细胞电脉冲信号数据;对采集得到的电脉冲数据进行分析处理,提取出不含有噪声及气泡等干扰数据的血细胞脉冲数据;分析计算每个血细胞电脉冲数据极值点的个数;根据每个血细胞电脉冲信号极值点的个数,统计出血细胞的总数;根据每个血细胞电脉冲极值点的极值大小,分析得出每个血细胞的体积大小。本发明能准确提取出血细胞电脉冲数据,排除噪声及气泡等数据对于提取血细胞脉冲数据的干扰,同时排除细胞堆叠等因素对于血细胞个数统计的干扰,准确统计出血细胞的大小、个数等信息。
Description
技术领域
本发明属于信号分析识别处理领域,特别涉及一种血细胞分析仪的脉冲信号分析识别方法。
背景技术
库尔特原理是当前世界公认的用于进行血细胞分类、计数的一项基本原理。DC检测法是基于库尔特原理设计的,用于获取血细胞相关数据的检测方法。DC检测法的工作流程如下:定量地吸取血液试样,按规定的倍率稀释后,被送入各检测器容器。在检测器容器中有孔眼状细孔,在其两侧的电极间通有直流电。当浮游在稀释试样中的血细胞通过细孔时,电极之间的直流电阻将发生变化。根据直流电阻的变化,血细胞的相关性质信息作为电脉冲被检测出来,用于后续分析使用。
血细胞分析仪进行血细胞相关项目的检测、诊断,用到的其中一种技术是:利用DC检测方法采集血细胞的电脉冲数据,进一步,统计电脉冲信号数据中血细胞脉冲的个数,由此计算血细胞的数量;另外,通过分析电脉冲信号数据的大小,可估算出血细胞体积的大小,进而描绘出血细胞的粒度分布直方图。通过对血细胞粒度分布直方图的解析,可实现血细胞的分类计数,得到各类血细胞的统计数据结果,为后续进行血细胞相关项目的临床诊断分析提供参考依据。
利用DC检测法采集得到的电脉冲信号数据中存在噪声的干扰,同时电脉冲信号数据中还混杂有类似血细胞脉冲数据的气泡脉冲数据,诸多不确定因素增加了提取血细胞电脉冲信号数据的难度。在进行血细胞计数时,血细胞脉冲数据中,存在由多个细胞堆叠而形成的脉冲数据,同样增加了准确解析血细胞电脉冲数据的难度。
发明内容
为了解决现有技术中存在的问题,本发明提供了一种血细胞分析仪的脉冲信号分析识别方法,利用DC检测法采集得到电脉冲信号数据,采取本发明所述的血细胞脉冲信号识别算法对采集得到的电脉冲信号数据进行解析。
本发明解决技术问题所采用的技术方案如下:
一种血细胞分析仪的脉冲信号分析识别方法,该方法包括如下步骤:
步骤一:通过DC检测法采集被稀释的血液样本中变化的电压数据,通过模数转换,得到电脉冲信号原始数据;
步骤二:在步骤一所述的电脉冲信号原始数据中取宽度大于一个血细胞脉冲数据,小于两个血细胞脉冲数据值,包含n个数据滑块N,所述数据滑块N内包含的每个数据Ni,其中i∈(1,n)都明确其为血细胞脉冲数据值或不包含血细胞脉冲的数据,仅仅是环境脉冲数据值及气泡脉冲数据值的本底值;
步骤三:在步骤二所述的数据滑块N中找到最大值和最小值,并确定最大值和最小值的位置;设定第一阈值,当满足最大值与最小值的差大于阈值时,所述数据滑块N中存在脉冲数据;当最大值位于所述数据滑块N的前三分之一段内,说明该脉冲的峰值为分析过的脉冲,重新在数据滑块N的后半段内寻找新的最大值和新的最小值,以及他们的位置,当满足新的最大值与新的最小值的差大于阈值时,所述数据滑块N中存在脉冲数据;
步骤四:当新的最大值与新的最小值的差小于第二阈值时,与数据滑块N结尾端临近的数据Mn+1的数值满足:data[Mn+1]=2data[Nn]-data[Nn-1];当新的最大值与新的最小值的差大于第二阈值,且脉冲数据峰值的位置位于所述数据滑块N的后半段,设定区分细胞脉冲与气泡脉冲的幅度阈值,若Mn+1周围的所述数据滑块N的几个数据值变化幅度大于幅度阈值时,判定Mn+1为血细胞脉冲的数据的一部分,则data[Mn+1]=最小值+补偿常数;当若Mn+1周围的所述数据滑块N的几个数据值变化幅度小于幅度阈值时,判定Mn+1为本底值,通过差分法,data[Mn+1]=2data[Nn]-data[Nn-1];当新的最大值与新的最小值的差大于第二阈值,且脉冲数据峰值的位置位于所述数据滑块N的中间时,通过差分法,data[Mn+1]=2data[Nn]-data[Nn-1];
步骤五:所述电脉冲信号原始数据中数据滑块N的结尾端以后的数据为Mj,且j∈(n+1,m),重复步骤二至四,Mj以一个数据为步长进行移动计算;最后计算得到全部电脉冲信号原始数据所有的本底值,血细胞脉冲数据值=电脉冲信号原始数据值-本底值,完成血细胞脉冲数据的提取;
步骤六:利用差分法,计算每个血细胞脉冲数据所包含的极值点的个数;同时统计各个极值点数值的大小以及各个极值点之间的间隔距离,进而得到每个血细胞脉冲所包含的血细胞的个数数据及每个血细胞的体积大小数据,实现血细胞电脉冲信号的计数和分析识别。
本发明的有益效果是:本发明通过排除噪声数据和气泡数据等异常电脉冲信号数据对于血细胞电脉冲信号数据的干扰,准确提取出仅含有血细胞电脉冲的数据;能够快速、高效、准确的获取每个血细胞电脉冲数据中包含的血细胞的数量及每个血细胞的体积大小,以用于后续的分类统计。
附图说明
图1本发明一种血细胞分析仪的脉冲信号提取设备示意图。
图2本发明电脉冲信号原始数据图。
图中:1、检测器容器,2、外部电极,3、血球浮游液,4、细孔,5、内部电极。
具体实施方式
下面结合附图和实施例对本发明做进一步详细说明。
一种血细胞分析仪的脉冲信号分析识别方法,该方法包括如下步骤:
步骤一:血细胞分析仪采集得到的血细胞电脉冲信号数据。该数据的获取基于库尔特原理,利用DC检测法得到。其具体检测方式如下:定量地吸取血液试样,按规定的倍率稀释后,被送入检测器容器1,如图1所示。在检测器容器中有孔眼状细孔4,在其两侧的外部电极2和内部电极5间通有直流电。当浮游在稀释试样中的血球浮游液3通过细孔时,电极之间的直流电阻将发生变化,同样电压数据也会发生变化。采集变化的电压数据,并通过控制AD9221AR芯片对采集到的电压数据进行AD转换,行输出12位数据,最终得到用于进行后续分析的电脉冲原始数据,完成信号的采集工作。
步骤二:首先分析电脉冲数据的原始数据,并定义本底值:不包含血细胞脉冲的数据值,仅包含环境脉冲数据值及气泡脉冲数据值。在本实施例中,建立一个具有10个数据点的数据滑块N,所述数据滑块N内包含的每个数据Ni,其中i∈(1,n)都明确其为血细胞脉冲数据值或不包含血细胞脉冲的数据,仅仅是环境脉冲数据值及气泡脉冲数据值的本底值。
数据滑块N中的数据Ni取自待分析的细胞脉冲信号原始数据。同时数据滑块N从待分析数据的头部向尾部移动,每次移动步长为一个数据单位。对于数据滑块N的大小要求满足:大于一个细胞脉冲的宽度,以确保待分析的数据量能够包含得了一个完整的血细胞脉冲数据;同时要求数据滑块N的选取小于两个细胞脉冲数据的宽度,以确保待分析的数据中最多包含两个血细胞脉冲的部分数据,以降低待分析数据的复杂度。
步骤三:查找数据滑块N中个数据Ni的最大值data_max和最小值data_min,同时记录最大值data_max和最小值data_min的在数据滑块N中的相对位置pos_max和pos_min。设定用于界定脉冲信号是否存在的阈值threshold。对于给定的阈值threshold,若有数据滑块N中数据的最大值data_max与最小值data_min之差,大于给定的阈值threshold,即:data_max-data_min>threshold,则判定数据滑块N中存在脉冲数据(可能为血细胞脉冲,也可能为气泡脉冲)。
若此时最大值data_max数据点的位置pos_max位于数据滑块N中的前三分之一部分内,判定该峰值为已经分析过的脉冲。此时重新查找数据滑块N的后半段(由于数据滑块N的选取规则,两个脉冲峰值的距离不会小于数据滑块N的三分之一,故而选取数据滑块N后半段的数据点)的最大值data_max'和最小值data_min'及其在最大值data_max'和最小值data_min'的相对位置pos_max'和pos_min'。若经过再次查找得到的最大值与最小值之差,大于给定的脉冲信号存在性阈值,即:data_max'-data_min'>threshold,则判定数据滑块N中存在脉冲数据(可能为血细胞脉冲,也可能为气泡脉冲)。
步骤四:基于步骤一和步骤二的计算,通过对数据滑块N中n个数据点的初步分析,利用如下规则对第n+1个据点的值进行计算:
(1)若待分析数据滑块N的n个数据点中不存在脉冲数据,则待预测的数据点Mj,j∈(n+1,m)位置对应电脉冲原始数据的环境值。由于环境值的数据变化平稳,故而可以利用差分法,对第n+1个数据点的本底值进行估算:data[Mn+1]=2*data[Nn]-data[Nn-1]。
(2)若待分析的数据滑块N中,n个数据点中存在脉冲数据,且脉冲数据峰值的位置pos_max位于数据滑块N的右半端,则此时待计算的第n+1个数据点对应电脉冲原始数据的一部分,其可能为血细胞脉冲的一部分,也可能为气泡脉冲的一部分。血细胞脉冲与气泡脉冲的区别在于,血细胞脉冲数据点变化的幅度大于气泡脉冲变化的幅度。设定用于区分血细胞脉冲与气泡脉冲的幅度阈值threshold_cell。
对于待估算的第n+1个数据点,若在数据滑块N中与其临近的几个已知的原始数据点,数据值的变化幅度大于threshold_cell,则判断待预测的数据点Mn+1为血细胞脉冲数据的一部分,参考n个数据中的最小数据值data_min对第n+1个数据值进行预测,即data[Mn+1]=data_min+C(其中C为给定的一个补偿常数,补偿最小值与本底环境均值之间的偏差)。
对于待估算的第n+1个数据点,若在数据滑块N中与其临近的几个已知原始数据点,数据值的变化幅度小于threshold_cell,则判断待预测的数据点Mn+1为气泡脉冲数据的一部分。将气泡脉冲认定为血细胞本底数据的一部分,则利用差分法,对第n+1个本底数据点的值进行计算:data[Mn+1]=2*data[Nn]-data[Nn-1]。利用差分法计算可以有效保留气泡脉冲数据的大小及形状信息。
(3)若待分析的数据滑块N中,n个数据点中存在脉冲数据,且脉冲数据峰值的位置pos_max位于数据滑块N的中间,能够判断整个血细胞脉冲大致包含在待分析的数据滑块N内,则利用差分法,对第n+1个数据点的值进行预测:data[Mn+1]=2*data[Nn]-data[Nn-1]。
基于步骤一和步骤二对于数据滑块N中原始数据的分析处理,计算得到的脉冲数据峰值的位置pos_max不会位于数据滑块N的左端。
步骤五:所述电脉冲信号原始数据中数据滑块N的结尾端以后的数据为Mj,且j∈(n+1,m),重复步骤二至四,Mj以一个数据为步长进行移动计算,从Mn+2,Mn+3,Mn+4……Mm;计算得到全部电脉冲信号原始数据所有的数据值,从中找出本底值,最后血细胞脉冲数据值=电脉冲信号原始数据值-本底值,完成血细胞脉冲数据的提取。
经过对上面步骤一到步骤五情况的分析判断,得到本底值的计算结果。然而个别的本底值计算结果可能存在异常,即个别本底值存在跳值的现象。此时利用滤波算法,对跳值的数据预测结果进行校正。校正方法如下:
对于每一个利用上述方法进行计算的本底值data_predict[Mj],利用如下方式判断计算的本底值结果是否为异常跳值数据结果。建立一个包含有4个已知数据点的滑动窗口,记录当前最新计算的4个本底数据值(即data_predict[Mj-1]、data_predict[Mj-2]、data_predict[Mj-3]、data_predict[Mj-4])。将待确定的本底数据值data_predict[Mj]与这4个本底数据值进行比较,其中j-4,j-3,j-2,j-1都∈(n+1,m)。若待确定本底数据值大于这4个本底数据值均值的1.3倍(即data_predict[Mj]>1.3*(data_predict[Mj-1]+data_predict[Mj-2]+data_predict[Mj-3]+data_predict[Mj-4])/4),则判断待确定的本底数据值异常跳值,此时利用滑动窗口中的4个本底数据值的均值,对待确定的本底数据点的值进行填充,完成对data_predict[Mj]本底数据点的值的计算。经过上述算法步骤,得到脉冲数据本底数据结果data_predict。然后由原始脉冲数据data_original与本底值数据data_predict,计算得到无噪声及气泡脉冲等干扰电脉冲数据的血细胞电脉冲数据:data_cell=data_original-data_predict。至此完成血细胞脉冲数据的提取工作,如图2所示。
步骤六:下面进行血细胞脉冲信号数据的分析工作,以得到血细胞脉冲数据的大小、数量等性质信息,为血细胞分析仪后续的血细胞分类、分析工作做准备。
利用差分法和计算极值的方式,对血细胞脉冲数据data_cell中的每一个血细胞脉冲数据进行分析。对于血细胞脉冲数据data_cell,其中每一个血细胞脉冲数据,存在单个或多个波峰。一般而言,单个波峰表示该细胞脉冲里存在一个血细胞;多个波峰,表示该血细胞脉冲里存在多个血细胞。利用差分法计算极值的方式,可计算出每个血细胞脉冲数据含有极值点的个数,进一步通过分析每个血细胞脉冲数据全部极值点的离散程度,可以确定每个血细胞脉冲中,所含有的血细胞的数量,最终完成血细胞数量的统计。另外,每个血细胞脉冲波峰峰值的大小,反映了血细胞体积的大小,由此可以得到每个血细胞体积大小的信息。至此,由血细胞脉冲数据,得到了血细胞的数量、大小等信息,完成了对血细胞脉冲数据的分析识别工作,得到了用于后续血细胞分析仪进行分类、分析工作的数据。
Claims (2)
1.一种血细胞分析仪的脉冲信号分析识别方法,其特征在于,该方法包括如下步骤:
步骤一:通过DC检测法采集被稀释的血液样本中变化的电压数据,通过模数转换,得到电脉冲信号原始数据;
步骤二:在步骤一所述的电脉冲信号原始数据中取宽度大于一个血细胞脉冲数据,小于两个血细胞脉冲数据值,包含n个数据滑块N,所述数据滑块N内包含的每个数据Ni,其中i∈(1,n)都明确其为血细胞脉冲数据值或不包含血细胞脉冲的数据,仅仅是环境脉冲数据值及气泡脉冲数据值的本底值;
步骤三:在步骤二所述的数据滑块N中找到最大值和最小值,并确定最大值和最小值的位置;设定第一阈值,当满足最大值与最小值的差大于阈值时,所述数据滑块N中存在脉冲数据;当最大值位于所述数据滑块N的前三分之一段内,说明该脉冲的峰值为分析过的脉冲,重新在数据滑块N的后半段内寻找新的最大值和新的最小值,以及他们的位置,当满足新的最大值与新的最小值的差大于阈值时,所述数据滑块N中存在脉冲数据;
步骤四:当新的最大值与新的最小值的差小于第二阈值时,与数据滑块N结尾端临近的数据Mn+1的数值满足:data[Mn+1]=2data[Nn]-data[Nn-1];当新的最大值与新的最小值的差大于第二阈值,且脉冲数据峰值的位置位于所述数据滑块N的后半段,设定区分细胞脉冲与气泡脉冲的幅度阈值,若Mn+1周围的所述数据滑块N的几个数据值变化幅度大于幅度阈值时,判定Mn+1为血细胞脉冲的数据的一部分,则data[Mn+1]=最小值+补偿常数;当若Mn+1周围的所述数据滑块N的几个数据值变化幅度小于幅度阈值时,判定Mn+1为本底值,通过差分法,data[Mn+1]=2data[Nn]-data[Nn-1];当新的最大值与新的最小值的差大于第二阈值,且脉冲数据峰值的位置位于所述数据滑块N的中间时,通过差分法,data[Mn+1]=2data[Nn]-data[Nn-1];
步骤五:所述电脉冲信号原始数据中数据滑块N的结尾端以后的数据为Mj,且j∈(n+1,m),重复步骤二至四,Mj以一个数据为步长进行移动计算;最后计算得到全部电脉冲信号原始数据所有的本底值,血细胞脉冲数据值=电脉冲信号原始数据值-本底值,完成血细胞脉冲数据的提取;
步骤六:利用差分法,计算每个血细胞脉冲数据所包含的极值点的个数;同时统计各个极值点数值的大小以及各个极值点之间的间隔距离,进而得到每个血细胞脉冲所包含的血细胞的个数数据及每个血细胞的体积大小数据,实现血细胞电脉冲信号的计数和分析识别。
2.根据权利要求1所述的一种血细胞分析仪的脉冲信号分析识别方法,其特征在于,所述步骤五还包括:利用滤波法对待确定的本底值进行校正,即选取四个与所述正在计算的本底值相邻的,并已知的本底值,若所述待确定本底数据值大于所述四个已知本底数据值均值的1.3倍,则判断待确定的本底数据值异常跳值,此时利用已知四个本底数据值的均值,对待确定的本底数据点的值进行填充,完成对本底数据点的值的计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811231256.8A CN109508649B (zh) | 2018-10-22 | 2018-10-22 | 一种血细胞分析仪的脉冲信号分析识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811231256.8A CN109508649B (zh) | 2018-10-22 | 2018-10-22 | 一种血细胞分析仪的脉冲信号分析识别方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109508649A true CN109508649A (zh) | 2019-03-22 |
CN109508649B CN109508649B (zh) | 2023-07-18 |
Family
ID=65745890
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811231256.8A Active CN109508649B (zh) | 2018-10-22 | 2018-10-22 | 一种血细胞分析仪的脉冲信号分析识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109508649B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112730202A (zh) * | 2020-12-29 | 2021-04-30 | 深圳市科曼医疗设备有限公司 | 血球分析仪的阻抗法检测系统和识别阻抗通道堵孔的方法 |
WO2022160498A1 (zh) * | 2021-01-29 | 2022-08-04 | 深圳市科曼医疗设备有限公司 | 基于血液细胞分析仪的自动检测方法和装置 |
CN116481982A (zh) * | 2023-04-20 | 2023-07-25 | 瑞芯智造(深圳)科技有限公司 | 一种基于库尔特粒度检测仪的颗粒检测方法及检测仪 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150276720A1 (en) * | 2014-03-31 | 2015-10-01 | Sysmex Corporation | Blood analyzer |
CN106769698A (zh) * | 2016-12-29 | 2017-05-31 | 长春迪瑞医疗科技股份有限公司 | 一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法 |
CN107576634A (zh) * | 2013-07-16 | 2018-01-12 | 成都深迈瑞医疗电子技术研究院有限公司 | 血液细胞分析仪及其细胞的识别方法与系统 |
-
2018
- 2018-10-22 CN CN201811231256.8A patent/CN109508649B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107576634A (zh) * | 2013-07-16 | 2018-01-12 | 成都深迈瑞医疗电子技术研究院有限公司 | 血液细胞分析仪及其细胞的识别方法与系统 |
US20150276720A1 (en) * | 2014-03-31 | 2015-10-01 | Sysmex Corporation | Blood analyzer |
CN106769698A (zh) * | 2016-12-29 | 2017-05-31 | 长春迪瑞医疗科技股份有限公司 | 一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法 |
Non-Patent Citations (1)
Title |
---|
丁远超: ""血细胞脉冲信号立体化识别原理及实现方法"", 《制造业自动化》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112730202A (zh) * | 2020-12-29 | 2021-04-30 | 深圳市科曼医疗设备有限公司 | 血球分析仪的阻抗法检测系统和识别阻抗通道堵孔的方法 |
WO2022160498A1 (zh) * | 2021-01-29 | 2022-08-04 | 深圳市科曼医疗设备有限公司 | 基于血液细胞分析仪的自动检测方法和装置 |
CN116481982A (zh) * | 2023-04-20 | 2023-07-25 | 瑞芯智造(深圳)科技有限公司 | 一种基于库尔特粒度检测仪的颗粒检测方法及检测仪 |
Also Published As
Publication number | Publication date |
---|---|
CN109508649B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11403751B2 (en) | System and method of classification of biological particles | |
CN109508649A (zh) | 一种血细胞分析仪的脉冲信号分析识别方法 | |
CN109359690B (zh) | 基于卡口数据的车辆出行轨迹识别方法 | |
CN102085095A (zh) | 一种检测心电图中st段的方法、系统和心电检测仪器 | |
CN106650605B (zh) | 一种基于机器学习的Morse信号自动检测译码方法 | |
CN109784383B (zh) | 一种基于图域特征和ds证据理论融合的钢轨裂纹识别方法 | |
CN109727446A (zh) | 一种用电数据异常值的识别与处理方法 | |
CN105261152A (zh) | 基于聚类分析的空中交通管制员疲劳检测方法、装置和系统 | |
CN108171119B (zh) | 基于残差网络的sar图像变化检测方法 | |
CN101226133A (zh) | 一种血细胞脉冲信号的分类识别方法 | |
CN116821809B (zh) | 基于人工智能的生命体征数据采集系统 | |
CN103892830A (zh) | 一种基于人体皮肤电阻变化的情绪检测方法及系统 | |
CN112528774B (zh) | 一种复杂电磁环境下未知雷达信号智能分选系统及方法 | |
CN106935038B (zh) | 一种停车检测系统及检测方法 | |
CN112380992B (zh) | 一种加工过程监控数据准确性评估与优化方法及装置 | |
CN107622259A (zh) | 一种t波检测方法、心电数据分析方法及装置 | |
CN114707608A (zh) | 医疗质控数据处理方法、装置、设备、介质及程序产品 | |
CN104794896B (zh) | 基于升降式限高架的高架桥拥堵空间热点自动提取方法 | |
CN112599250A (zh) | 一种基于深度神经网络的术后数据分析方法及设备 | |
CN117113118A (zh) | 一种生物气溶胶用智能监测方法及系统 | |
CN117172601A (zh) | 一种基于残差全卷积神经网络的非侵入式负荷监测方法 | |
CN115941807B (zh) | 一种园区安防系统数据高效压缩方法 | |
KR101483218B1 (ko) | 활동 진단 장치 | |
CN115700557A (zh) | 一种用于对核酸样本进行分类的方法、设备和存储介质 | |
CN113744318A (zh) | 一种rfid无设备人体追踪系统的择优标签方法 |
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 |