CN110244032B - 细胞分析仪及细胞分析仪的分类方法 - Google Patents

细胞分析仪及细胞分析仪的分类方法 Download PDF

Info

Publication number
CN110244032B
CN110244032B CN201910468524.6A CN201910468524A CN110244032B CN 110244032 B CN110244032 B CN 110244032B CN 201910468524 A CN201910468524 A CN 201910468524A CN 110244032 B CN110244032 B CN 110244032B
Authority
CN
China
Prior art keywords
signal
particle
signals
particles
scattered light
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
Application number
CN201910468524.6A
Other languages
English (en)
Other versions
CN110244032A (zh
Inventor
叶波
王官振
狄建涛
章颖
祁欢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Mindray Bio Medical Electronics Co Ltd
Original Assignee
Shenzhen Mindray Bio Medical Electronics Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Mindray Bio Medical Electronics Co Ltd filed Critical Shenzhen Mindray Bio Medical Electronics Co Ltd
Priority to CN201910468524.6A priority Critical patent/CN110244032B/zh
Publication of CN110244032A publication Critical patent/CN110244032A/zh
Application granted granted Critical
Publication of CN110244032B publication Critical patent/CN110244032B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01N15/14—Electro-optical investigation, e.g. flow cytometers
    • G01N15/1429—Electro-optical investigation, e.g. flow cytometers using an analyser being characterised by its signal processing
    • 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—Electro-optical investigation, e.g. flow cytometers
    • 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—Electro-optical investigation, e.g. flow cytometers
    • G01N15/1456—Electro-optical investigation, e.g. flow cytometers without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
    • G01N15/1459—Electro-optical investigation, e.g. flow cytometers without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals the analysis being performed on a sample stream
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
    • G01N21/53—Scattering, i.e. diffuse reflection within a body or fluid within a flowing fluid, e.g. smoke
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/487—Physical analysis of biological material of liquid biological material
    • G01N33/49—Blood
    • G01N15/149—
    • G01N2015/016—
    • 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
    • G01N15/14—Electro-optical investigation, e.g. flow cytometers
    • G01N2015/1402—Data analysis by thresholding or gating operations performed on the acquired signals or stored data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2201/00—Features of devices classified in G01N21/00
    • G01N2201/12—Circuits of general importance; Signal processing

Abstract

一种细胞分析仪、粒子分类方法及装置，根据检测的光信号获取至少一种光信号的脉宽，选取至少一种光信号作为组合光信号，将该组合光信号的信号强度分别与所述脉宽进行组合计算，得到至少一种加强信号，所述组合计算使得第一类粒子和第二类粒子在加强信号上的差异相较于两者在组合光信号上的差异增加，基于加强信号和其它信号组成新散点图，其它信号为其它加强信号和光信号中的至少一种，根据新散点图区分第一类粒子和第二类粒子。由于第一类粒子和第二类粒子在加强信号上的差异增加，从而使得第一类粒子和第二类粒子的分离效果得到显著加强。

Description

细胞分析仪及细胞分析仪的分类方法
本申请为下述母案的分案申请：
母案申请日为2015.02.12，国家阶段中国申请号为2015800393840(国际申请号为PCT/CN2015/072907)，名称为细胞分析仪、粒子分类方法及装置。
技术领域
本发明涉及一种医疗设备，具体涉及一种细胞分析仪及细胞分析仪的分类方法。
背景技术
血液细胞分析仪是一种可检测血液中细胞的一种仪器，可以对白细胞(WBC)、红细胞、血小板、有核红细胞、网织红细胞等细胞进行计数及分类。
血液细胞分析仪实现白细胞检测最常见的一种方法为激光散射法，通过光照射流经检测区域的细胞粒子，收集各类粒子反射或散射的光信号，然后通过对光信号进行处理和分析，从而对白细胞进行分类和计数。收集的光信号可以包括前向散射光、侧向散射光、荧光信号等三种光信号。前向散射光可反映细胞的大小信息，侧向散射光可反映细胞内部结构的复杂程度，荧光信号反映细胞内DNA、RNA等可被荧光染料染色物质的含量。利用这些光信号可对白细胞进行分类，同时可以得到白细胞的计数值。
根据对血液样本的前期处理不同(例如反应试剂不同)，将其检测过程分为不同的检测通道，例如DIFF通道、BASO通道和NRBC通道，其中BASO通道用于对白细胞进行分类和计数，其在血液样本经化学试剂处理后，一般采用侧向散射光和前向散射光对白细胞总数进行计数，同时会给出白细胞中嗜碱性粒细胞的计数值。NRBC通道在血液样本加入荧光试剂处理后，可以对有核红细胞进行分类，NRBC通道可以给出白细胞计数值和有核红细胞计数值。
在血液细胞分析仪检测血液细胞的过程中，有些情况下两种粒子不能明显区分，从而影响对粒子的分类结果。例如在对白细胞进行计数时，可能受到干扰粒子的影响，无法对白细胞进行准确计数，干扰粒子可能是脂质颗粒或PLT (血小板，blood platelet)聚集粒子，PLT属于血影的一部分，血影是血液样本经过样本前处理，其中的红细胞或血小板等细胞经低渗透或试剂处理致细胞膜破裂后，形成的细胞碎片结构，通常粒子体积较小，前向散射光信号较小。但在某些样本中，会发生PLT聚集，对白细胞的检测造成干扰。这些干扰粒子在散点图中会和白细胞散点图相交叠，如图1所示为NRBC通道的检测结果，血小板聚集团A1同白细胞团B1在前向散射光和荧光信号上存在交叠。如图2所示为BASO通道的检测结果，白细胞被分类成嗜碱性粒细胞团A2和其它白细胞粒子团B2，其它白细胞粒子团包括淋巴细胞、单核细胞、中性粒细胞和嗜酸性粒细胞。由于脂质颗粒的存在，脂质颗粒团C2与其它白细胞粒子团B2在前向散射光和侧向散射光信号低端相交叠区域D2，这会对白细胞计数产生干扰。可见，当血液样本中存在这些干扰粒子时，会影响检测结果的准确性。
发明内容
根据第一方面，一种实施例中提供一种细胞分析仪的分类方法,包括：
收集检测区域中的血液样本中的各粒子经光照射产生的多种光信号，所述粒子包括第一类粒子和第二类粒子；
针对每个粒子，获取选自所述多种光信号的第一组光信号的强度，并获取选自所述多种光信号的第二组光信号的脉宽，所述第一组光信号包括至少两种光信号，所述第二组光信号包括至少一种光信号；
计算出与每个粒子相关的一种或多种加强信号，每种加强信号基于选自所述第一组光信号的第一种光信号的强度和选自所述第二组光信号的第二种光信号的脉宽，所述第一种光信号与所述第二种光信号是相同或不同的光信号；
至少部分地基于与各粒子相关的所述一种或多种加强信号区分第一类粒子和第二类粒子。
根据第二方面，一种实施例中提供一种细胞分析仪,包括：
反应池，为血液样本和反应试剂提供反应场所得到样本液；
流动室，具有供样本液在鞘液裹挟下通过的检测区，样本液中的粒子排队经过检测区；
输送装置，具有输送管路和控制阀，样本液通过所述输送管路被输送到所述流动室；
光检测装置，具有多个光信号检测器，收集检测区域中的血液样本中的粒子经光照射产生的多种光信号，所述粒子包括第一类粒子和第二类粒子；
所述数据处理装置，被配置为：
针对每个粒子，获取选自所述多种光信号的第一组光信号的强度，并获取选自所述多种光信号的第二组光信号的脉宽，所述第一组光信号包括至少两种光信号，所述第二组光信号包括至少一种光信号；
计算出与每个粒子相关的一种或多种加强信号，每种加强信号基于选自所述第一组光信号的第一种光信号的强度和选自所述第二组光信号的第二种光信号的脉宽，所述第一种光信号与所述第二种光信号是相同或不同种类的光信号；
至少部分地基于与每个粒子相关的所述一种或多种加强信号区分第一类粒子和第二类粒子。
根据第三方面，一种实施例中提供一种细胞分析仪的分类方法,包括：
收集检测区域中的血液样本中的各粒子经光照射产生的多种光信号，所述粒子包括第一类粒子和第二类粒子，所述多种光信号包括前向散射光信号和侧向散射光信号；
针对每个粒子，获取前向散射光信号和侧向散射光信号的强度，并获取前向散射光信号的脉宽；
基于前向散射光信号的强度和前向散射光信号的脉宽计算出与每个粒子相关的加强信号；
基于与每个粒子相关的所述加强信号和相应粒子的所述侧向散射光信号的强度生成所述粒子的第一散点图；
基于所述第一散点图区分第一类粒子和第二类粒子，其中所述第一类粒子包括白细胞粒子，第二类粒子包括脂质颗粒。
根据第四方面，一种实施例中提供另一种粒子分类装置,包括：
收集检测区域中的血液样本中的各粒子经光照射产生的多种光信号，所述粒子包括第一类粒子和第二类粒子，所述多种光信号为荧光信号和至少一种散射光信号；
针对每个粒子，获取多种光信号中的第一种光信号和第二种光信号的强度，并获取多种光信号中的第三种光信号的脉宽，所述第一种光信号与所述第二种光信号是不同种类的光信号，所述第三种光信号与所述第一种光信号或第二种光信号是相同或不同种类的光信号；
基于第一种光信号的强度和第二种光信号的脉宽计算出与每个粒子相关的加强信号；
基于与每个粒子相关的所述加强信号和相应粒子的多种光信号中的第三种光信号的强度生成所述粒子的第一散点图；
基于所述第一散点图区分第一类粒子和第二类粒子。
根据第五方面，一种实施例中提供一种非临时性计算机可读存储介质，存储有计算机指令，当所述指令被处理器执行时，使处理器执行上述方法。
本发明由于利用某一光学信号和脉宽信号的函数组合形成新的加强信号，使得第一类粒子和第二类粒子在加强信号上的差异增加，并基于该该加强信号生成新的散点图，利用第一类粒子和第二类粒子在加强信号上的较大的差异，得以区分第一类粒子和第二类粒子，从而提高了粒子分类的准确性。
附图说明
图1为血小板聚集样本的NRBC通道的散点图；
图2为脂质颗粒样本的BASO通道的散点图；
图3为检测到的脉冲示意图；
图4a为脂质颗粒样本前散脉宽-前向散射光散点图；
图4b为脂质颗粒样本前散脉宽-侧向散射光散点图；
图5为血液细胞分析仪的结构示意图；
图6为一种实施例中粒子分类装置的结构示意图；
图7为另一种实施例中粒子分类装置的结构示意图；
图8为正常样本的NRBC通道散点图；
图9为NRBC通道粒子分类流程图；
图10为NRBC通道荧光信号经前散脉宽加强后的散点图；
图11为NRBC通道前向散射光信号经前散脉宽加强后的散点图；
图12为NRBC通道荧光信号经侧散脉宽加强后的散点图；
图13为NRBC通道前向散射光信号经侧散脉宽加强后的散点图；
图14为NRBC通道荧光信号经荧光脉宽加强后的散点图；
图15为NRBC通道前向散射光信号经荧光脉宽加强后的散点图；
图16为正常样本的BASO通道散点图；
图17为BASO通道粒子分类流程图；
图18为BASO通道前向散射光信号经前散脉宽加强后的散点图；
图19为BASO通道前向散射光信号经前散脉宽的平方加强后的散点图。
具体实施方式
研究发现，粒子通过检测区域会形成一个脉冲，脉冲的宽度(以下简称脉宽)可反映粒子通过检测区域的时间，从而可表征粒子的大小。如图3所示为检测到的脉冲示意图，当粒子通过检测区域时，激发脉冲信号。脉冲宽度为从脉冲起始位置开始，到脉冲结束为止，脉宽信号实际为粒子通过检测区域的时间。当流速一定时，粒子越小，其通过检测区域的时间越短，对应的脉宽便会越小；粒子越大，其通过检测区域的时间越长，对应的脉宽便会越大。因此，理论上可通过脉宽来区分不同种类的粒子。
在出现血小板聚集的样本中，聚集粒子通过检测区域，产生的脉冲的脉宽会比较大。理论上可通过脉宽的大小来区分血小板聚集粒子和白细胞，但由于发生聚集的血小板的个数不同，血小板群的粒子大小的分布范围较宽，一些体积较大的血小板聚集粒子会与白细胞群存在交叠，因此利用脉宽无法很好地区分白细胞和血小板聚集粒子。
对于血液样本中的脂质颗粒，由于其大小不一，其体积分别呈现出从小到大的变化，对于直径小的脂质颗粒粒子，其对应的脉宽较小；对于直径大的脂质颗粒粒子，其对应的脉宽较大。对于小脉宽的情况，脂质颗粒与白细胞的脉宽会有相等的情况，如图4a、图4b所示，可以看到脂质颗粒团A4的脉宽分布从小到大都有，与嗜碱性粒细胞团B4和其它白细胞粒子团C4在小脉宽部分有重叠区域，因此根据脉宽，无论是与前向散射光的散点图还是与侧向散射光的散点图，都无法较好地分离脂质颗粒与白细胞。
因此，本发明实施例中，根据干扰粒子同白细胞粒子在脉宽上的差异，利用光学信号和脉宽信号的函数组合形成新的加强信号，基于加强信号生成的散点图可使粒子群的分离效果得到显著加强。
具体地，本发明由于利用某一光学信号和脉宽信号的函数组合形成新的加强信号，使得第一类粒子和第二类粒子在加强信号上的差异增加，并基于该该加强信号生成新的散点图，利用第一类粒子和第二类粒子在加强信号上的较大的差异，得以区分第一类粒子和第二类粒子，从而提高了粒子分类的准确性。
本领域技术人员可以认识到，散点图仅仅是一种数据表示形式。本文中的散点图不受其图形呈现形式的局限，还可以是数据形式。在一些实施例中，可以不生成散点图，可以基于加强信号采用其它的数据分析方法来区分第一类粒子和第二类粒子。
请参考图5，图5所示为血液细胞分析仪的结构示意图，血液细胞分析仪包括光学检测设备20、输送设备30、数据处理装置40和显示设备50。
输送设备30用于将与试剂反应后的样本液(例如被测血液样本)输送到光学检测设备20中。输送设备30通常包括输送管路和控制阀，样本液通过输送管路和控制阀输送到光学检测设备20中。
光学检测设备20用于对流经其检测区域的样本液进行光照射，收集细胞因光照射所产生的各种光信息(例如散射光信息和/或荧光信息)，并转换成对应的电信号，这些信息与细胞粒子的特征对应，可作为细胞粒子特征数据，前向散射光信号反映细胞的大小信息，侧向散射光信号反映细胞内部结构的复杂程度，荧光信号反映细胞内DNA、RNA等可被荧光染料染色物质的含量。图5所示的实施例中，光学检测设备20可包括光源1025、作为检测区域的检测区域1021、设置在光轴上的前向散射光信号收集装置1023、设置在光轴侧边的侧向散射光信号收集装置1026和荧光信号收集装置1027，在有的实施例中，不需要用到荧光信号收集装置1027。
血液样本根据需要进行分样，血液样本在反应池(未示出)中经与不同试剂反应后得到样本液，样本液中的粒子先后在鞘液的裹挟下通过流动室1022的检测区域1021，光源1025发射的光束照射到检测区域1021，样本液中的各细胞粒子经光束照射后发出散射光，光收集装置对散射光进行收集，经收集整形后的光照射到光电感应器，光电感应器将光信号转换成对应的电信号输出至数据处理装置40。
数据处理装置40用于接收光学检测设备输出的光信息，将每个粒子的光信息作为表征该粒子的特征数据组，通过对粒子特征数据的分析处理从而实现对被测血液样本的分析。本实施例中，数据处理装置40包括粒子分类装置，粒子分类装置根据各粒子的特征数据组生成所需要的散点图，根据散点图对粒子进行分类，本发明实施例中，粒子分类装置用于将白细胞和干扰粒子区分开来，干扰粒子可以是血小板聚集粒子，也可以是脂质颗粒。本发明实施例中，散点图是指由各细胞粒子的特征数据组组成的集合，其可以数字化的形式存储在存储装置中，也可以可视化的形式呈现在显示界面上。
显示设备50与数据处理装置40电耦合，用于显示数据处理设备40输出的分析结果，分析结果可以是图形、文字描述或表格等。本实施例中，显示设备 50可以输出各种可视化的散点图和/或各种细胞分类结果。
在一种实施例中，不管是否存在干扰粒子，以及干扰粒子是否与白细胞存在交叠，都利用光学信号和脉宽信号的加强信号区分白细胞粒子与干扰粒子。如图6所示，粒子分类装置包括光信号获取单元41、脉宽获取单元42、计算单元43、新散点图生成单元44和分类单元45。
光信号获取单元41用于获取光信号。当血液样本经过检测区域时，光学检测设备20发射的光照射检测区域，样本中各粒子经光照射产生相应的光信号，光学检测设备20收集各粒子因光照射所产生的各种光信息，光信号包括前向散射光、侧向散射光和荧光中的至少两种，例如可以是前向散射光和侧向散射光，也可以是前向散射光、侧向散射光和荧光。
脉宽获取单元42用于获取至少一种光信号的脉宽。在一种具体实施例中，脉宽获取单元42从收集的光信号中选择一种光信号，并统计该光信号的脉宽，例如可以统计前向散射光、侧向散射光或者荧光的脉宽。在另一种具体实施例中，脉宽获取单元42从收集的光信号中选择多种光信号，并分别统计多种光信号的脉宽，例如统计前向散射光和荧光两种光信号的脉宽。
计算单元43用于计算加强信号，加强信号分别根据一种光信号的脉宽和组合光信号通过函数组合计算获得，组合光信号可以是选自光信号获取单元41获得的任一种光信号，该组合计算使得白细胞粒子和干扰粒子在加强信号上的差异相较于两者在组合光信号上的差异增加，例如加强信号可以是组合光信号和脉宽的函数，其表达式如下：
Z＝f(X,Y)…………………(1)
其中，Z为加强信号，f为函数，X为组合光信号强度，本发明实施例中，光信号强度可以是光脉冲信号的峰值，Y为脉宽。
根据上述表达式(1)，函数f具有以下特性：
函数f对组合光信号或脉宽而言是单调的，即：当组合光信号确定(或者不变)时，函数对脉宽而言是单调函数，例如函数是脉宽的增函数或减函数；当脉宽确定时，函数对组合光信号是单调函数，例如函数是组合光信号的增函数或减函数。
或者，函数f具有以下特性：函数f是组合光信号和脉宽的非线性组合函数。
在具体实施例中，计算单元43通过组合计算所获得的加强信号可以有一种，例如，加强信号仅是前向散射光和脉宽的加强信号；计算单元43通过组合计算所获得的加强信号也可以有多种，例如加强信号可以包括前向散射光和脉宽的加强信号，以及侧向散射光和脉宽的加强信号。在具体实施例中，统计脉宽的光信号和组合光信号可以是相同的光信号，也可以是不同的光信号。
新散点图生成单元44用于基于加强信号和其它信号组成新散点图，其它信号可以为不同于组合光信号的至少一种光信号，也可以为其它加强信号中的至少一种，或者两者的组合。新散点图可以是二维或三维，其中至少一个维度是加强信号。在一种具体实施例中，新散点图选取光信号和加强信号组成新散点图，例如选取一种光信号和一种加强信号组成二维的新散点图，或选取一种光信号和两种加强信号组成三维的新散点图，或选取两种光信号和一种加强信号组成三维的新散点图，具体实施时，可优选不同于组合光信号的光信号和加强信号组成新散点图，例如计算加强信号的组合光信号为荧光，则选择前向散射光和加强信号组成新散点图。在另一种具体实施例中，新散点图选取某种加强信号和其它加强信号组成新散点图，其它加强信号是指不同于某种加强信号的加强信号。例如从上述计算单元43计算出的至少一种加强信号中选择A种加强信号作为新散点图的一个维度，另外再选择不同于A种加强信号的B种加强信号作为新散点图的另一个维度，即新散点图选取两种加强信号组成二维新散点图，例如选取前向散射光和脉宽的加强信号，以及侧向散射光和脉宽的加强信号组成二维新散点图。
分类单元45用于根据新散点图区分白细胞粒子和干扰粒子。白细胞粒子和干扰粒子在光信号和脉宽上有些差异，但差异不足以区分白细胞粒子和干扰粒子，通过将光信号和脉宽进行组合计算，可使得该差异增加。由于加强信号使得白细胞粒子和干扰粒子在加强信号上的差异相较于两者在组合光信号上的差异增加，因此，在至少基于加强信号的散点图上可将白细胞粒子和干扰粒子区分开来。
在另一种实施例中，先采用通常的分类方法，即基于光信号生成散点图，该散点图被称为初始散点图。当初始散点图中白细胞粒子团和干扰粒子团存在交叠区域时，再利用光学信号和脉宽信号的加强信号来区分白细胞粒子与干扰粒子。如图7所示，粒子分类装置包括光信号获取单元51、散点图生成单元52、脉宽获取单元53、计算单元54、新散点图生成单元55和分类单元56。光信号获取单元51、计算单元54和新散点图生成单元55与前述实施例相同，散点图生成单元52用于根据光信号生成用于对白细胞进行分类和/或计数的初始散点图。脉宽获取单元53用于当初始散点图中白细胞粒子团和干扰粒子团存在交叠区域时获取至少一种光信号的脉宽。分类单元56用于根据新散点图区分白细胞粒子和干扰粒子，并统计白细胞数量，当初始散点图中白细胞粒子团和干扰粒子团不存在交叠区域时，分类单元56还根据初始散点图统计白细胞数量。
下面以具体血液样本的实施例方式进行详细说明。
实施例1：
本实施例以血小板聚集样本为例，利用血液细胞分析仪对血液样本进行测量，由NRBC通道可以得到白细胞的计数值。
一般红细胞、血小板经过溶血剂处理后，会形成细胞碎片，经过血液细胞分析仪测量后，在NRBC通道中位于低端信号的血影部分。一例正常样本的 NRBC通道散点图如图8所示，可见血影A5与白细胞团B5分离显著，血影不会干扰白细胞计数。
当血液样本中存在血小板聚集时，溶血剂不能很好的将血小板溶解，从而会在血液样本中残留聚集的血小板，聚集的血小板信号强度较大，会与白细胞群相重叠，如图1所示，血小板聚集粒子群A1与白细胞群B1相互交叠，影响NRBC通道的白细胞计数。
因此，本实施例的处理过程如图9所示，包括以下步骤：
步骤61，获取血液样本经过检测区域时样本中各粒子经光照射产生的光信号，光信号包括前向散射光、侧向散射光和荧光，本实施例中，荧光为侧向荧光。
步骤62，统计前向散射光的脉宽(以下简称前散脉宽)。
步骤63，基于脉宽计算加强信号。选取荧光信号作为组合光信号，加强信号为荧光信号增函数和脉宽增函数的乘积，其计算式如下：
Z1＝fx·fy…………………(2)
其中，Z1为荧光-前散脉宽加强信号，fx为荧光信号强度的增函数，fy为前散脉宽的增函数。
具体实施例中，将荧光信号的信号强度乘以前散脉宽，得到荧光-前散脉宽加强信号。
步骤64，选取前向散射光和荧光-前散脉宽加强信号组成新散点图，如图10 所示,横坐标为荧光-前散脉宽加强信号，纵坐标为前向散射光，A1为血小板聚集粒子群，B1为白细胞粒子团。
步骤65，根据新散点图进行粒子分类和/或计数。本实施例中，根据新散点图区分白细胞粒子和干扰粒子。通常情况下，在交叠区域，血小板的脉宽趋向于大于白细胞粒子的脉宽。根据图1所示，血小板聚集粒子群A1位于白细胞粒子团B1的右下方，在荧光方向上，在前向散射光相同的情况下，血小板粒子的荧光强度大于白细胞粒子的荧光强度，或者血小板聚集粒子群A1的中心的荧光强度大于白细胞粒子团B1的中心的荧光强度，在分别将血小板和白细胞粒子的荧光强度乘以脉宽后，大的因子相乘，积会更大，小的因子相乘，积会更小，因此得到的血小板和白细胞粒子加强信号的差异更大，相较于两者在荧光信号上的差异增加，如图10所示，血小板聚集粒子群A1相对于白细胞粒子团B1 而言更向右偏移，血小板聚集粒子群A1和白细胞粒子团B1的交叠区域已分开，因此，在新的散点图上更容易、也能够更准确地将白细胞粒子和血小板区分开。
在步骤63中，也可以选取前向散射光作为组合光信号，加强信号为前向散射光增函数和脉宽增函数的商，例如将前向散射光的信号强度除以前散脉宽，得到前散-前散脉宽加强信号。在步骤64中，选取侧向散射荧光和前散-前散脉宽加强信号组成新散点图，如图11所示。同样，在交叠区域，血小板的脉宽大于白细胞粒子的脉宽，根据图1所示，在前向散射光方向上，在荧光相同的情况下，血小板粒子的前向散射光强度小于白细胞粒子的前向散射光强度，或者血小板聚集粒子群A1的中心的前向散射光强度小于白细胞粒子团B1的中心的前向散射光强度，而加强信号为前向散射光强度除以前散脉宽，因此在新散点图上，血小板聚集粒子群A1在加强信号方向上将变得更小，而白细胞粒子团 B1在加强信号方向上将变得更大，因此白细胞粒子和血小板聚集粒子的差异更大，也能够更容易、更准确地将白细胞粒子和血小板聚集粒子区分开。
在另外的实施例中，脉宽还可以是侧向散射光或荧光的脉宽。
如图12所示，脉宽为侧向散射光的脉宽(简称侧散脉宽)，加强信号为荧光乘以侧散脉宽的乘积(简称荧光-侧散脉宽加强信号)，选取前向散射光和荧光 -侧散脉宽加强信号组成新散点图，根据该新散点图，也可更容易、更准确地将白细胞粒子团B1和血小板聚集粒子群A1区分开。
如图13所示，脉宽为侧向散射光的脉宽(简称侧散脉宽)，加强信号为前向散射光除侧散脉宽的商(简称前散-侧散脉宽加强信号)，选取前向散射光-侧散脉宽加强信号和荧光组成新散点图，根据该新散点图，也可更容易、更准确地将白细胞粒子团B1和血小板聚集粒子群A1区分开。
如图14所示，脉宽为荧光的脉宽(简称荧光脉宽)，加强信号为荧光乘以荧光脉宽的乘积(简称荧光-荧光脉宽加强信号)，选取前向散射光和荧光-荧光脉宽加强信号组成新散点图，根据该新散点图，也可更容易、更准确地将白细胞粒子团B1和血小板聚集粒子群A1区分开。
由于脉冲信号可看作一近似三角形，在本实施例中，加强信号为荧光乘以荧光脉宽的乘积，因此可将加强信号看作为是荧光脉冲信号的面积的2倍，即当计算加强信号的组合光信号强度和脉宽属于同一种光信号时，加强信号有可能是某种光的脉冲信号的面积或面积的若干倍，这可以作为加强信号的一种特例，这种情况下，本领域技术人员应当理解，即使将光脉冲信号的面积或面积的若干倍作为加强信号也应看作是组合光信号的信号强度与脉宽的组合计算。另外，光脉冲信号的面积可以根据三角形面积公式将脉冲峰值乘以脉宽计算得出，也可以通过对脉冲宽度内的光信号进行累加或积分得出。
如图15所示，脉宽为荧光的脉宽(简称荧光脉宽)，加强信号为前向散射光除荧光脉宽的商(简称前散-荧光脉宽加强信号)，选取前向散射光-荧光脉宽加强信号和荧光组成新散点图，根据该新散点图，也可更容易、更准确地将白细胞粒子团B1和血小板聚集粒子群A1区分开。
本领域技术人员能够理解，本实施例是利用了NRBC检测中的光信号，在前向散射光信号-荧光信号散点图上，NRBC可以和白细胞区分，并分别计数得到NRBC计数结果和白细胞计数结果。
实施例2：
本实施例以脂质颗粒样本为例，利用血液细胞分析仪对血液样本进行测量，由BASO通道得到白细胞的计数值。
正常样本在BASO通道中不存在脂质颗粒，白细胞计数准确。一例正常样本BASO通道的散点图如图16所示，横坐标为侧向散射光信号，纵坐标为前向散射光信号。其中B6为除嗜碱性粒细胞外的其他白细胞，即淋巴细胞、单核细胞、中性粒细胞、嗜酸性粒细胞，为白细胞主团；A6为嗜碱性粒细胞；C6为血影，即经过溶血剂处理后的红细胞、血小板碎片。从图16中可以看出，正常样本血影点极少，且位于白细胞主团的下方，与白细胞主团分离程度大，不会干扰白细胞计数。
当血液样本中存在脂质颗粒时，会在BASO通道中形成S形的曲线，如图2 所示，横坐标为侧向散射光信号，纵坐标为前向散射光信号。其中B2为除嗜碱性粒细胞外的其他白细胞，即淋巴细胞、单核细胞、中性粒细胞、嗜酸性粒细胞，为白细胞主团；A2为嗜碱性粒细胞；C2为血影，即经过溶血剂处理后的红细胞、血小板碎片。特别是在侧向散射光信号和前向散射光信号的低端，脂质颗粒同白细胞群相交叠，影响白细胞计数。所以采用侧向散射光和前向散射光信号，不能将白细胞和脂质颗粒区分开。
为减少脂质颗粒对白细胞计数的影响，本实施的处理过程如图17所示，包括以下步骤：
步骤71，获取血液样本经过检测区域检测时样本中各粒子经光照射产生的光信号，光信号包括前向散射光和侧向散射光。
步骤72，根据前向散射光和侧向散射光生成初始散点图，横坐标为侧向散射光，纵坐标为前向散射光。
步骤73，判断初始散点图中脂质颗粒同白细胞群是否存在交叠区域，如果不存在，如图16所示，则执行步骤74，如果存在，如图2所示，则执行步骤 75。
步骤74，根据初始散点图对白细胞进行分类和/或计数。
步骤75，统计前向散射光的脉宽(以下简称前散脉宽)。
步骤76，基于脉宽计算加强信号。选取前向散射光作为组合光信号，加强信号为前向散射光增函数和脉宽增函数的乘积，具体实施例中，将前向散射光信号的强度乘以前散脉宽，得到前向散射光-前散脉宽加强信号。
步骤77，选取侧向散射光和前向散射光-前散脉宽加强信号组成新散点图，如图18所示,横坐标为侧向散射光，纵坐标为前向散射光-前散脉宽加强信号，A2为嗜碱性粒细胞群，B2为白细胞主团，C2为脂质颗粒。
步骤78，根据新散点图进行粒子分类和/或计数。本实施例中，根据新散点图区分白细胞粒子和干扰粒子。根据图2可知，在脂质颗粒同白细胞群相交叠的区域D2，脂质颗粒位于白细胞主团B2的偏右下方，在前向散射光方向上，在侧向散射光相同的情况下，脂质颗粒的前向散射光强度小于白细胞粒子的前向散射光强度。而根据图4a、4b所示，在前向散射光信号低端，脂质颗粒A4 的脉宽比白细胞主团C4的脉宽偏小。在分别将脂质颗粒和白细胞粒子的前向散射光强度乘以脉宽后，大的因子相乘，积会更大，小的因子相乘，积会更小，因此得到的脂质颗粒和白细胞粒子加强信号的差异更大，相较于两者在前向散射光信号上的差异增加，如图18所示，脂质颗粒C2相对于白细胞主团B2而言更向右下方偏移，脂质颗粒C2和白细胞主团B2之间已明显存在一个空白区域 W，如图18右边放大图所示，因此，在新的散点图上避免了脂质颗粒与白细胞团交叠，更容易、也能够更准确地将白细胞粒子和脂质颗粒区分开，从而可以较好的分类。
本实施例中，也可以不通过初始散点图判断是否存在交叠区，而在步骤71 后直接执行步骤75。
在步骤76中，选取前向散射光作为组合光信号后，也可以将前向散射光信号的强度乘以前散脉宽的N次方，N大于1，得到前向散射光-前散脉宽加强信号，例如将前向散射光信号的强度乘以前散脉宽的平方，得到加强信号。由侧向散射光和加强信号生成新散点图，如图19所示，脂质颗粒C2相对于白细胞主团B2而言更向右下方偏移，脂质颗粒C2和白细胞主团B2之间已明显存在一个空白区域W，如图19右边放大图所示，因此，根据新的散点图也能够更容易、更准确地将白细胞粒子和脂质颗粒区分开。
在另外的实施例中，新散点图的横坐标和纵坐标可以是不同的加强信号，例如，横坐标是侧散-前散脉宽加强信号，纵坐标是前散-前散脉宽加强信号。
在另外的实施例中，脉宽还可以是侧向散射光的脉宽。在步骤76中，也可以选取前向散射光作为组合光信号，加强信号为前向散射光增函数和侧散脉宽增函数的乘积，例如将前向向散射光的信号强度乘以侧散脉宽，得到前散-侧散脉宽加强信号，在步骤77中，选取侧向散射荧光和前散-侧散脉宽加强信号组成新散点图，白细胞主团相对于脂质颗粒而言更向左上方偏移，也可将白细胞粒子和脂质颗粒区分开。
根据上述公开的内容，为了得到可将白细胞粒子和干扰粒子区分开的散点图，本领域技术人员应当理解，加强信号可以是组合光信号和脉宽的函数；该函数能够使白细胞粒子和干扰粒子在加强信号上的差异相较于两者在组合光信号上的差异增加即可。
上述实施例阐述了白细胞和脂质颗粒或PLT聚集粒子的区分，根据本申请中公开的发明构思，本领域技术人员应当理解，对于不同种类的两类粒子，如果它们在交叠区域存在大小上的区别，即交叠区域的两类粒子在脉宽上存在差异，上述实施例也可以用于区分该两类粒子，例如当某种场景下白细胞常规的五分类检测，当某两类粒子存在交叠区域时，例如淋巴细胞和单核细胞团有交叠区域时，根据淋巴细胞和单核细胞在交叠区域的粒子的脉宽不同，也可利用光学信号和脉宽信号的函数组合形成新的加强信号，然后基于加强信号生成的散点图来区分淋巴细胞和单核细胞，从而得到更准确的五分类结果。
前述实施例以细胞分析仪中常见的NRBC和BASO通道为例进行说明。本领域技术人员能够理解，在白细胞分类通道(DIFF通道)也可以用前面描述的方法，区分某两类交叠粒子。具体的，血液样本在试剂作用下，红细胞被裂解，样本液中的各细胞粒子经光束照射后发出散射光，收集前向散射光和侧向散射光信号，基于至少两种散射光，白细胞可以被分为淋巴细胞、单核细胞、中性粒细胞、嗜酸性粒细胞四类，即白细胞四分类(DIFF)。可以理解，通过基于前述方法得到的包括加强信号的新散点图，可以区分白细胞和血小板聚集粒子或脂质颗粒。在另一种情况下，血液样本在试剂作用下，红细胞被裂解，细胞被荧光染料染色，样本液中的粒子经光束照射，收集荧光信号、前向散射光和/或侧向散射光，至少基于荧光信号和侧向散射光信号，白细胞也可以被分为淋巴细胞、单核细胞、中性粒细胞、嗜酸性粒细胞四类。同样的，通过基于前述方法得到的包括加强信号的新散点图，可以区分白细胞和血小板聚集粒子或脂质颗粒。
前面的实施方式中，通过组合光信号和光信号的脉宽组合通过乘积或商的计算得到加强信号。在其他实施方式中，也可以用对组合光信号和脉宽信号都是单调增或单调减的函数替代乘积的计算方式，或者用对组合光信号和脉宽信号中一个是单调增函数，另一个是单调减的函数替代商的计算方式，得到加强信号。
本领域技术人员可以理解，上述实施方式中各种方法的全部或部分步骤可以通过程序来指令相关硬件完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：只读存储器、随机存储器、磁盘或光盘等。
以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本领域的一般技术人员，依据本发明的思想，可以对上述具体实施方式进行变化。

Claims (47)

1.一种细胞分析仪的分类方法，包括：
收集检测区域中的血液样本中的各粒子经光照射产生的多种光信号，所述多种光信号包括散射光信号和/或荧光信号，所述粒子包括第一类粒子和第二类粒子；
针对每个粒子，获取选自所述多种光信号的第一组光信号的强度，并获取选自所述多种光信号的第二组光信号的脉宽，所述第一组光信号包括至少两种光信号，所述第二组光信号包括至少一种光信号；
计算出与每个粒子相关的一种或多种加强信号，每种加强信号基于选自所述第一组光信号的第一种光信号的强度和选自所述第二组光信号的第二种光信号的脉宽，所述第一种光信号与所述第二种光信号是相同或不同的光信号；
至少部分地基于与各粒子相关的所述一种或多种加强信号区分第一类粒子和第二类粒子。
2.如权利要求1所述的方法，其中，至少部分地基于与各粒子相关的所述一种或多种加强信号区分第一类粒子和第二类粒子包括：
基于与各粒子相关的所述一种或多种加强信号和相应粒子的选自所述第一组光信号的至少一种光信号的强度生成所述粒子的第一散点图，所述选自所述第一组光信号的至少一种光信号不同于与任一加强信号相对应的第一种光信号；
基于第一散点图区分第一类粒子和第二类粒子。
3.如权利要求1所述的方法，其中，所述多种光信号包括前向散射光信号和侧向散射光信号，
所述第一种光信号和所述第二种光信号各自独立地选自前向散射光信号和侧向散射光信号。
4.如权利要求3所述的方法，其中，所述第一种光信号和所述第二种光信号中的至少一者为前向散射光信号。
5.如权利要求3所述的方法，其中，所述一种加强信号基于作为第一种光信号的前向散射光信号的强度和作为第二种光信号的前向散射光信号的脉宽计算得出。
6.如权利要求5所述的方法，其中，所述第一类粒子为白细胞粒子，所述第二类粒子为脂质颗粒或血小板(PLT)聚集粒子，
区分第一类粒子和第二类粒子包括：基于与各粒子相关的所述一种加强信号与相应粒子的所述侧向散射光信号的强度区分第一类粒子和第二类粒子。
7.如权利要求5所述的方法，其中，所述一种加强信号基于第一种光信号的强度与第二种光信号的脉宽的乘积计算得出。
8.如权利要求3所述的方法，进一步包括：
基于各粒子的所述前向散射光信号和所述侧向散射光信号将白细胞区分为淋巴细胞、单核细胞、中性粒细胞和嗜碱性粒细胞四类。
9.如权利要求3所述的方法，其中，区分第一类粒子和第二类粒子包括：
基于与各粒子相关的两种加强信号区分第一类粒子和第二类粒子，
其中，所述两种加强信号包括：基于前向散射光信号的强度与前向散射光信号的脉宽计算出的第一种加强信号，以及基于侧向散射光信号的强度与前向散射光信号的脉宽计算出的第二种加强信号。
10.如权利要求1所述的方法，其中，所述多种光信号包括荧光信号和至少一种散射光信号。
11.如权利要求10所述的方法，其中，所述一种加强信号基于荧光信号和散射光信号中的至少一者计算得出。
12.如权利要求11所述的方法，其中，所述第一种光信号和所述第二种光信号各自独立地选自荧光信号和前向散射光信号。
13.如权利要求10所述的方法，其中，所述第一类粒子为白细胞粒子，所述第二类粒子为PLT聚集粒子。
14.如权利要求10所述的方法，其中，所述至少一种散射光信号包括前向散射光信号和侧向散射光信号，
区分第一类粒子和第二类粒子包括：
基于与各粒子相关的所述一种加强信号和相应粒子的选自所述第一组光信号的第三种光信号的强度生成所述粒子的第一散点图；
基于第一散点图区分第一类粒子和第二类粒子，
其中，所述第一种光信号、第二种光信号、第三种光信号各不相同；或者所述第一种光信号、第二种光信号、第三种光信号选自荧光信号和前向散射光信号。
15.权利要求1所述的方法，其中，所述多种光信号包括荧光信号和前向散射光信号；
该方法还包括：
基于各粒子的前向散射光信号和荧光信号生成所述粒子的第二散点图；
基于第二散点图对有核红细胞进行计数。
16.权利要求1所述的方法，其中，所述多种光信号包括荧光信号和侧向散射光信号；
该方法进一步包括：
基于各粒子的侧向散射光信号和荧光信号将白细胞区分为淋巴细胞、单核细胞、中性粒细胞和嗜碱性粒细胞四类。
17.如权利要求1所述的方法，在获取第一组光信号的强度之后，还包括：
基于第一组光信号的强度生成粒子的第三散点图；
其中，获取所述第二组光信号的脉宽，包括：
当第三散点图中第一类粒子团和第二类粒子团存在交叠区域时，针对每个粒子，获取所述第二组光信号的脉宽，计算所述加强信号。
18.如权利要求1所述的方法，还包括：统计所述第一类粒子和所述第二类粒子中的至少一种的数目。
19.如权利要求1所述的方法，还包括：在血液样本进入检测区域之前，在血液样本中加入溶血剂。
20.如权利要求1所述的方法，其中，所述一种加强信号基于所述第一种光信号的强度的增函数和所述第二种光信号的脉宽的增函数计算得出。
21.如权利要求1所述的方法，其中，所述一种加强信号是所述第一种光信号强度和第二种光信号的脉宽的非线性组合函数，或者所述加强信号是所述第一种光信号强度和第二种光信号的脉宽的单调函数。
22.一种细胞分析仪，其中包括：
反应池，为血液样本和反应试剂提供反应场所得到样本液；
流动室，具有供样本液在鞘液裹挟下通过的检测区，样本液中的粒子排队经过检测区；
输送装置，具有输送管路和控制阀，样本液通过所述输送管路被输送到所述流动室；
光检测装置，具有多个光信号检测器，收集检测区域中的血液样本中的粒子经光照射产生的多种光信号，所述多种光信号包括散射光信号和/或荧光信号，所述粒子包括第一类粒子和第二类粒子；
数据处理装置，被配置为：
针对每个粒子，获取选自所述多种光信号的第一组光信号的强度，并获取选自所述多种光信号的第二组光信号的脉宽，所述第一组光信号包括至少两种光信号，所述第二组光信号包括至少一种光信号；
计算出与每个粒子相关的一种或多种加强信号，每种加强信号基于选自所述第一组光信号的第一种光信号的强度和选自所述第二组光信号的第二种光信号的脉宽，所述第一种光信号与所述第二种光信号是相同或不同种类的光信号；
至少部分地基于与每个粒子相关的所述一种或多种加强信号区分第一类粒子和第二类粒子。
23.如权利要求22所述的细胞分析仪，其中，所述数据处理装置被配置为：
基于所述一种或多种加强信号和选自所述第一组光信号的至少一种光信号的强度生成所述粒子的第一散点图，所述选自所述第一组光信号的至少一种光信号不同于与任一加强信号相对应的第一种光信号；
基于第一散点图区分第一类粒子和第二类粒子。
24.如权利要求22所述的细胞分析仪，其中，所述多个光信号检测器包括收集前向散射光的前向散射光检测器和收集侧向散射光的侧向散射光检测器，
所述第一种光信号和所述第二种光信号各自独立地选自前向散射光信号和侧向散射光信号。
25.如权利要求24所述的细胞分析仪，其中，所述第一种光信号和所述第二种光信号中的至少一者为前向散射光信号。
26.如权利要求24所述的细胞分析仪，其中，所述数据处理装置被配置为基于作为第一种光信号的前向散射光信号的强度和作为第二种光信号的前向散射光信号的脉宽计算得出所述一种加强信号。
27.如权利要求26所述的细胞分析仪，其中，所述第一类粒子为白细胞粒子，所述第二类粒子为脂质颗粒或血小板(PLT)聚集粒子，
所述数据处理装置被配置为：
基于与各粒子相关的所述一种加强信号与各粒子的所述侧向散射光信号的强度区分第一类粒子和第二类粒子。
28.如权利要求24所述的细胞分析仪，其中，所述数据处理装置进一步被配置为：
基于各粒子的所述前向散射光信号和所述侧向散射光信号将白细胞区分为淋巴细胞、单核细胞、中性粒细胞和嗜酸性粒细胞四类。
29.如权利要求22所述的细胞分析仪，其中，
所述多个光信号检测器包括用于收集荧光信号的荧光检测器和用于收集相应散射光信号的至少一个散射光检测器；
其中，所述数据处理装置进一步被配置为：
基于荧光信号和散射光信号中的至少一者计算出所述一种加强信号。
30.如权利要求29所述的细胞分析仪，其中，所述第一类粒子为白细胞粒子，所述第二类粒子为PLT聚集粒子。
31.如权利要求29所述的细胞分析仪，其中，所述至少一种散射光信号包括前向散射光信号和侧向散射光信号，
所述数据处理装置被配置为：
基于所述一种加强信号和选自所述第一组光信号的第三种光信号的强度生成所述粒子的第一散点图；
基于第一散点图区分第一类粒子和第二类粒子，
其中，所述第一种光信号、第二种光信号、第三种光信号各不相同；或者所述第一种光信号、第二种光信号、第三种光信号选自荧光信号和前向散射光信号。
32.如权利要求22所述的细胞分析仪，其中，所述多个光信号检测器包括用于收集荧光信号的荧光检测器和用于收集前散射光信号的前向散射光检测器；
所述数据处理装置进一步被配置为：
基于各粒子的前向散射光信号和荧光信号生成所述粒子的第二散点图；
基于第二散点图对有核红细胞进行计数。
33.如权利要求22所述的细胞分析仪，其中，所述光检测装置包括用于收集荧光信号的荧光收集装置和用于收集侧散射光信号的侧向散射光收集装置；
所述数据处理装置进一步被配置为：
基于各粒子的侧向散射光信号和荧光信号将白细胞区分为淋巴细胞、单核细胞、中性粒细胞和嗜碱性粒细胞四类。
34.如权利要求22所述的细胞分析仪，在获取第一组光信号的强度之后，所述数据处理装置进一步被配置为基于第一组光信号的强度生成粒子的第三散点图；
其中，所述数据处理装置在第三散点图中第一类粒子团和第二类粒子团存在交叠区域时，针对每个粒子，获取所述第二组光信号的脉宽，并计算所述加强信号。
35.如权利要求22所述的细胞分析仪，其中，所述反应试剂中含有溶血剂，红细胞被裂解为血影粒子。
36.如权利要求22所述的细胞分析仪，其中，
所述一种加强信号是所述第一种光信号强度和第二种光信号的脉宽的非线性组合函数，或者所述加强信号是所述第一种光信号强度和第二种光信号的脉宽的单调函数。
37.如权利要求22所述的细胞分析仪，还包括：
光源，被配置为对检测区域的血液样本进行光照射；以及
光电感应器，被配置为将收集的光信号转换成电信号以输出至数据处理装置。
38.一种细胞分析仪的分类方法，包括：
收集检测区域中的血液样本中的各粒子经光照射产生的多种光信号，所述粒子包括第一类粒子和第二类粒子，所述多种光信号包括前向散射光信号和侧向散射光信号；
针对每个粒子，获取前向散射光信号和侧向散射光信号的强度，并获取前向散射光信号的脉宽；
基于前向散射光信号的强度和前向散射光信号的脉宽计算出与每个粒子相关的加强信号；
基于与每个粒子相关的所述加强信号和相应粒子的所述侧向散射光信号的强度生成所述粒子的第一散点图；
基于所述第一散点图区分第一类粒子和第二类粒子，其中所述第一类粒子包括白细胞粒子，第二类粒子包括脂质颗粒。
39.如权利要求38所述的方法，其中，所述加强信号基于前向散射光信号的强度和前向散射光信号的脉宽的乘积计算出。
40.如权利要求38所述的方法，其中，所述加强信号基于前向散射光信号的强度和前向散射光信号的脉宽的n次方的乘积计算出，其中n为大于1的整数。
41.如权利要求38所述的方法，进一步包括：
将白细胞粒子区分为嗜碱性粒细胞和除了嗜碱性粒细胞之外的其它白细胞；或者
基于各粒子的前向散射光信号和侧向散射光信号将白细胞粒子区分为淋巴细胞、单核细胞、中性粒细胞和嗜酸性粒细胞四类。
42.一种细胞分析仪的分类方法，包括：
收集检测区域中的血液样本中的各粒子经光照射产生的多种光信号，所述粒子包括第一类粒子和第二类粒子，所述多种光信号为荧光信号和至少一种散射光信号；
针对每个粒子，获取多种光信号中的第一种光信号和第二种光信号的强度，并获取多种光信号中的第三种光信号的脉宽，所述第一种光信号与所述第二种光信号是不同种类的光信号，所述第三种光信号与所述第一种光信号或第二种光信号是相同或不同种类的光信号；
基于第一种光信号的强度和第二种光信号的脉宽计算出与每个粒子相关的加强信号；
基于与每个粒子相关的所述加强信号和相应粒子的多种光信号中的第三种光信号的强度生成所述粒子的第一散点图；
基于所述第一散点图区分第一类粒子和第二类粒子。
43.如权利要求42所述的方法，其中，所述至少一种散射光信号包括前向散射光信号，其中所述第一类粒子包括白细胞粒子，第二类粒子包括血小板聚集粒子。
44.如权利要求43所述的方法，其中，所述第一种光信号为前向散射光信号，所述加强信号基于作为第一种光信号的前向散射光信号的强度和第二种光信号的脉宽的商计算出；或者
所述第一种光信号为荧光信号，所述加强信号基于作为第一种光信号的荧信号的强度和第二种光信号的脉宽的乘积计算出。
45.如权利要求42所述的方法，其中，所述多种光信号包括荧光信号、前向散射光信号和侧向散射光信号，所述第一类粒子包括白细胞粒子，第二类粒子包括血小板聚集粒子。
46.如权利要求42所述的方法，进一步包括：
基于前向散射光信号和荧光信号对有核红细胞进行计数；或者
基于侧向散射光信号和荧光信号将白细胞区分为淋巴细胞、单核细胞、中性粒细胞和嗜碱性粒细胞四类。
47.一种非临时性计算机可读存储介质，存储有计算机指令，当所述指令被处理器执行时，使处理器执行如权利要求1至21、38至46中任一项所述的方法。
CN201910468524.6A 2015-02-12 2015-02-12 细胞分析仪及细胞分析仪的分类方法 Active CN110244032B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910468524.6A CN110244032B (zh) 2015-02-12 2015-02-12 细胞分析仪及细胞分析仪的分类方法

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
PCT/CN2015/072907 WO2016127364A1 (zh) 2015-02-12 2015-02-12 细胞分析仪、粒子分类方法及装置
CN201910468524.6A CN110244032B (zh) 2015-02-12 2015-02-12 细胞分析仪及细胞分析仪的分类方法
CN201580039384.0A CN106662572B (zh) 2015-02-12 2015-02-12 细胞分析仪、粒子分类方法及装置

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
CN201580039384.0A Division CN106662572B (zh) 2015-02-12 2015-02-12 细胞分析仪、粒子分类方法及装置

Publications (2)

Publication Number Publication Date
CN110244032A CN110244032A (zh) 2019-09-17
CN110244032B true CN110244032B (zh) 2021-01-12

Family

ID=56614033

Family Applications (2)

Application Number Title Priority Date Filing Date
CN201580039384.0A Active CN106662572B (zh) 2015-02-12 2015-02-12 细胞分析仪、粒子分类方法及装置
CN201910468524.6A Active CN110244032B (zh) 2015-02-12 2015-02-12 细胞分析仪及细胞分析仪的分类方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
CN201580039384.0A Active CN106662572B (zh) 2015-02-12 2015-02-12 细胞分析仪、粒子分类方法及装置

Country Status (4)

Country Link
US (4) US10330584B2 (zh)
EP (2) EP3258263B1 (zh)
CN (2) CN106662572B (zh)
WO (1) WO2016127364A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3644041B1 (en) * 2017-06-20 2022-11-02 Shenzhen Mindray Bio-Medical Electronics Co., Ltd. Method and device for identifying platelet aggregation, and cell analyzer
WO2019206311A1 (zh) * 2018-04-28 2019-10-31 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
EP3867625A4 (en) 2018-10-17 2022-08-24 Becton, Dickinson and Company ADAPTIVE SORTING FOR PARTICLE ANALYZERS
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
CN113227757B (zh) * 2018-12-28 2024-04-16 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
WO2020223938A1 (zh) * 2019-05-08 2020-11-12 深圳迈瑞生物医疗电子股份有限公司 全血样本分析仪、全血样本分析方法及其装置和存储介质
WO2021015604A1 (ko) * 2019-07-25 2021-01-28 서울바이오시스주식회사 광 조사 장치
CN111274949B (zh) * 2020-01-19 2023-05-30 重庆医科大学附属第一医院 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
CN113959911A (zh) * 2020-07-20 2022-01-21 深圳迈瑞生物医疗电子股份有限公司 抗血小板聚集干扰的检测方法、试剂及其应用
JP2022039780A (ja) * 2020-08-28 2022-03-10 シスメックス株式会社 測定方法、測定装置、及び測定プログラム
CN112798769B (zh) * 2021-01-28 2022-02-18 深圳市科曼医疗设备有限公司 一种细胞分析仪的细胞分析方法、装置和细胞分析仪
CN113686759B (zh) * 2021-02-03 2023-11-24 深圳市帝迈生物技术有限公司 试剂盒、poct血细胞分析仪
CN115219392A (zh) * 2021-04-14 2022-10-21 深圳迈瑞生物医疗电子股份有限公司 样本分析仪和样本分析方法
CN114544469B (zh) * 2022-04-25 2022-10-21 深圳市帝迈生物技术有限公司 粒子分类方法及血细胞分析仪

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BE793185A (fr) * 1971-12-23 1973-04-16 Atomic Energy Commission Appareil pour analyser et trier rapidement des particules telles que des cellules biologiques
US5559037A (en) * 1994-12-15 1996-09-24 Abbott Laboratories Method for rapid and simultaneous analysis of nucleated red blood cells
JP3305181B2 (ja) * 1995-12-19 2002-07-22 シスメックス株式会社 尿中有形成分分析装置
US5861950A (en) * 1997-07-10 1999-01-19 Particle Measuring Systems, Inc. Particle detection system utilizing an inviscid flow-producing nozzle
US6734965B2 (en) * 2000-09-18 2004-05-11 Douglas G. Talley Optical patternation method
JP4324552B2 (ja) * 2002-06-24 2009-09-02 シスメックス株式会社 白血球の分類計数方法
AU2004274855B2 (en) * 2003-04-29 2010-05-27 S3I, Llc A multi-spectral optical method and system for detecting and classifying biological and non-biological particles
JP2007024844A (ja) * 2005-07-21 2007-02-01 Sysmex Corp 血液分析方法及び血液分析装置
JP4976038B2 (ja) * 2006-03-29 2012-07-18 シスメックス株式会社 血液学的試料の測定方法
JP4994920B2 (ja) * 2007-02-01 2012-08-08 シスメックス株式会社 検体分析装置
JP5006107B2 (ja) * 2007-05-30 2012-08-22 シスメックス株式会社 表示方法および血液分析装置
CN104122191B (zh) * 2007-10-29 2020-02-18 希森美康株式会社 细胞分析仪及细胞分析方法
US8628976B2 (en) * 2007-12-03 2014-01-14 Azbil BioVigilant, Inc. Method for the detection of biologic particle contamination
CN101498646B (zh) * 2008-02-03 2014-06-11 深圳迈瑞生物医疗电子股份有限公司 前向散射光信号探测装置与方法及细胞或粒子分析仪
CA2719020C (en) * 2008-03-21 2014-07-08 Abbott Point Of Care, Inc. Method and apparatus for analyzing individual cells or particulates using fluorescent quenching and/or bleaching
JP5399647B2 (ja) * 2008-03-28 2014-01-29 シスメックス株式会社 試料分析装置及びコンピュータプログラム
JP5420203B2 (ja) 2008-06-30 2014-02-19 シスメックス株式会社 試料分析装置、粒子分布図表示方法、及びコンピュータプログラム
CN101672759B (zh) * 2008-09-12 2013-01-23 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
JP5537347B2 (ja) * 2009-11-30 2014-07-02 シスメックス株式会社 粒子分析装置
WO2012158826A2 (en) * 2011-05-19 2012-11-22 Abbott Laboratories Method and apparatus for detection, analysis, and collection of rare cellular events
CN103091286B (zh) * 2011-10-31 2016-08-17 深圳迈瑞生物医疗电子股份有限公司 疟原虫感染的红细胞的识别方法及装置

Also Published As

Publication number Publication date
US10330584B2 (en) 2019-06-25
WO2016127364A1 (zh) 2016-08-18
US20200191701A1 (en) 2020-06-18
EP3258263A1 (en) 2017-12-20
EP3258263A4 (en) 2018-09-12
CN106662572B (zh) 2019-07-05
CN110244032A (zh) 2019-09-17
EP3258263B1 (en) 2021-09-01
EP3943912A1 (en) 2022-01-26
US20200191700A1 (en) 2020-06-18
CN106662572A (zh) 2017-05-10
US10883916B2 (en) 2021-01-05
US10983042B2 (en) 2021-04-20
US20190277746A1 (en) 2019-09-12
US10627332B2 (en) 2020-04-21
US20170350804A1 (en) 2017-12-07

Similar Documents

Publication Publication Date Title
CN110244032B (zh) 细胞分析仪及细胞分析仪的分类方法
US10222320B2 (en) Identifying and enumerating early granulated cells (EGCs)
US20180003634A1 (en) Nucleated red blood cell warning method and device, and flow cytometer using the same
EP1714146B1 (en) Method of measurement of nucleated red blood cells
EP1977219B1 (en) Method of measurement of nucleated red blood cells
CN111656161B (zh) 样本分析仪异常的报警方法、系统及存储介质
CN111684263A (zh) 血液分析系统、血液分析仪、血液分析方法及存储介质
CN111684264B (zh) 血液分析方法、血液分析系统及存储介质
CN105986003B (zh) 一种白细胞计数方法、装置及细胞分析仪
CN111801568A (zh) 测定血小板浓度的方法及系统
US20220334046A1 (en) Sample analyzer and sample analysis method
EP4257974A1 (en) Sample analysis method, sample analyzer, and computer-readable storage medium
CN113567327A (zh) 用于检验血液的方法、设备和系统
CN112789503A (zh) 分析有核红细胞的方法、血液细胞分析仪和存储介质
EP3882601A1 (en) Cell classification method, classification device, and program
CN113227757A (zh) 一种血液细胞参数修正方法、血液样本检测仪和存储介质
Tsuchiya et al. Evaluation of bone marrow aspirates using the automated hematology analyzer Sysmex XN‐3000
CN114414442A (zh) 样本检测方法、装置及计算机可读存储介质
CN115843332A (zh) 一种样本分析装置和样本分析方法
CN115201155A (zh) 血液样本的检测方法和样本分析仪

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