CN111060443A - 一种干扰脉冲识别方法、装置、存储介质及细胞计数设备 - Google Patents
一种干扰脉冲识别方法、装置、存储介质及细胞计数设备 Download PDFInfo
- Publication number
- CN111060443A CN111060443A CN201911349765.5A CN201911349765A CN111060443A CN 111060443 A CN111060443 A CN 111060443A CN 201911349765 A CN201911349765 A CN 201911349765A CN 111060443 A CN111060443 A CN 111060443A
- Authority
- CN
- China
- Prior art keywords
- pulse
- pulses
- time
- value
- suspicious
- 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
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 claims abstract description 90
- 238000005259 measurement Methods 0.000 claims abstract description 23
- 230000002159 abnormal effect Effects 0.000 claims description 65
- 238000005070 sampling Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 10
- 238000003745 diagnosis Methods 0.000 abstract description 6
- 210000004027 cell Anatomy 0.000 description 49
- 238000004364 calculation method Methods 0.000 description 10
- 210000000601 blood cell Anatomy 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 210000004369 blood Anatomy 0.000 description 6
- 239000008280 blood Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000012360 testing method Methods 0.000 description 5
- 238000004820 blood count Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 239000003085 diluting agent Substances 0.000 description 3
- 210000000265 leukocyte Anatomy 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 239000012535 impurity Substances 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012937 correction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000003245 working effect Effects 0.000 description 1
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
-
- 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
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)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请公开了一种干扰脉冲识别方法,该方法包括以下步骤:获得细胞计数设备测量时采集到的脉冲序列;根据脉冲序列中每个脉冲的开始时间和结束时间,计算每两个相邻脉冲的时间间距;基于每三个相邻脉冲之中前两个相邻脉冲和后两个相邻脉冲的时间间距,计算时间间距差值;根据时间间距和时间间距差值,确定脉冲序列中的可疑脉冲;根据预设规则,确定每个可疑脉冲的可疑值;根据可疑值,确定每个可疑脉冲是否为干扰脉冲。应用本申请实施例所提供的技术方案,可以提高细胞计数准确性,为后续诊断提供较为准确的参考依据。本申请还公开了一种干扰脉冲识别装置、存储介质及细胞计数设备,具有相应技术效果。
Description
技术领域
本申请涉及数据分析技术领域,特别是涉及一种干扰脉冲识别方法、装置、存储介质及细胞计数设备。
背景技术
目前,医学临床上常用细胞计数设备进行细胞数量的测量,如血液细胞分析仪就是一种最常用的血细胞分类/计数仪器。测量原理通常采用小孔阻抗法。以对血细胞计数为例,需要将待检测血液与稀释液充分混匀,在小孔管另外一侧加恒定负压使得液体通过小孔,由于血细胞的电阻抗较大,通过小孔时会使小孔两端电压快速上升,在小孔两端加持恒流源和电信号采集电路,可以观察到比较明显的电压脉冲信号,识别脉冲并进行计数,通过计算可得到血细胞的数量。
但是,细胞计数设备在测量过程中往往存在电磁干扰、测量系统中的杂质、气泡等,这些物质产生的脉冲信号和细胞产生的脉冲信号相似,容易被识别为正常的细胞脉冲信号,从而导致最终得到的细胞数量的准确性较低,容易造成诊断误差。
所以,如何较为准确地进行干扰脉冲的识别,是目前本领域技术人员急需解决的技术问题。
发明内容
本申请的目的是提供一种干扰脉冲识别方法、装置、存储介质及细胞计数设备,以较为准确地进行干扰脉冲的识别,提高细胞计数准确性。
为解决上述技术问题,本申请提供如下技术方案:
一种干扰脉冲识别方法,其特征在于,包括:
获得细胞计数设备测量时采集到的脉冲序列;
根据所述脉冲序列中每个脉冲的开始时间和结束时间,计算每两个相邻脉冲的时间间距;
基于每三个相邻脉冲之中前两个相邻脉冲和后两个相邻脉冲的时间间距,计算时间间距差值;
根据所述时间间距和所述时间间距差值,确定所述脉冲序列中的可疑脉冲;
根据预设规则,确定每个可疑脉冲的可疑值;
根据所述可疑值,确定每个可疑脉冲是否为干扰脉冲。
在本申请的一种具体实施方式中,所述根据所述脉冲序列中每个脉冲的开始时间和结束时间,计算每两个相邻脉冲的时间间距,包括:
针对任意两个相邻脉冲,使用后一脉冲的开始时间减前一脉冲的结束时间,得到该两个相邻脉冲的时间间距。
在本申请的一种具体实施方式中,所述基于每三个相邻脉冲之中前两个相邻脉冲和后两个相邻脉冲的时间间距,计算时间间距差值,包括:
针对任意三个相邻脉冲,将后两个相邻脉冲的时间间距与前两个相邻脉冲的时间间距的差值的绝对值,确定为该三个相邻脉冲的时间间距差值。
在本申请的一种具体实施方式中,所述根据所述时间间距和所述时间间距差值,确定所述脉冲序列中的可疑脉冲,包括:
针对所述脉冲序列中的任意三个相邻脉冲,如果该三个相邻脉冲对应的两个时间间距的最小值小于异常脉冲间距阈值,且该三个相邻脉冲的时间间距差值小于异常脉冲间距差值阈值,则确定该三个相邻脉冲为可疑脉冲。
在本申请的一种具体实施方式中,所述确定每个可疑脉冲的可疑值,包括:
初始化所述脉冲序列中每个可疑脉冲的可疑值;
针对确定为可疑脉冲的每三个相邻脉冲,如果该三个相邻脉冲对应的两个时间间距均小于所述异常脉冲间距阈值,则在该三个相邻脉冲的可疑值上增加第一值;
如果该三个相邻脉冲对应的两个时间间距中,其中一个时间间距小于所述异常脉冲间距阈值,另一个时间间距小于所述异常脉冲间距阈值与常数系数之积、大于或等于所述异常脉冲间距阈值,则在小于所述异常脉冲间距阈值的时间间距所对应的两个脉冲的可疑值上增加第一值,在除这两个之外的另一个脉冲的可疑值上增加第二值,所述第二值小于所述第一值,所述常数系数大于1。
在本申请的一种具体实施方式中,所述根据所述可疑值,确定每个可疑脉冲是否为干扰脉冲,包括:
针对每个可疑脉冲,如果该可疑脉冲的可疑值大于异常可疑阈值,则将该可疑脉冲确定为干扰脉冲。
在本申请的一种具体实施方式中,还包括:
根据确定出的干扰脉冲,统计所述脉冲序列的采样时段内每单位时间的干扰信息,所述干扰信息包括干扰时长和干扰脉冲数;
根据每单位时间的干扰信息和每单位时间的原始脉冲数,确定每单位时间的修正脉冲数;
根据确定的每单位时间的修正脉冲数,输出所述采样时段的计数结果。
在本申请的一种具体实施方式中,所述根据每单位时间的干扰信息和每单位时间的原始脉冲数,确定每单位时间的修正脉冲数,包括:
针对每单位时间,在该单位时间的原始脉冲数中剔除该单位时间内的干扰脉冲数,获得该单位时间的可用脉冲数;
在该单位时间的时长中剔除该单位时间内的干扰时长,获得该单位时间的可用总时长;
将所述可用脉冲数与所述可用总时长的比值确定为该单位时间的修正脉冲数。
在本申请的一种具体实施方式中,在所述统计所述脉冲序列的采样时段内每单位时间的干扰信息之后,还包括:
根据每单位时间的干扰信息,确定所述脉冲序列的采样时段内总的干扰时长;
如果所述总的干扰时长大于异常时间阈值,则输出报警信息。
一种干扰脉冲识别装置,包括:
脉冲序列获得模块,用于获得细胞计数设备测量时采集到的脉冲序列;
时间间距计算模块,用于根据所述脉冲序列中每个脉冲的开始时间和结束时间,计算每两个相邻脉冲的时间间距;
间距差值计算模块,用于基于每三个相邻脉冲之中前两个相邻脉冲和后两个相邻脉冲的时间间距,计算时间间距差值;
可疑脉冲确定模块,用于根据所述时间间距和所述时间间距差值,确定所述脉冲序列中的可疑脉冲;
可疑值确定模块,用于根据预设规则,确定每个可疑脉冲的可疑值
干扰脉冲确定模块,用于根据所述可疑值,确定每个可疑脉冲是否为干扰脉冲。
一种细胞计数设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现上述任一项所述干扰脉冲识别方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述干扰脉冲识别方法的步骤。
应用本申请实施例所提供的技术方案,在获得细胞计数设备测量时采集到的脉冲序列后,根据脉冲序列中每个脉冲的开始时间和结束时间,计算每两个相邻脉冲的时间间距,基于每三个相邻脉冲之中前两个相邻脉冲和后两个相邻脉冲的时间间距,计算时间间距差值,再根据时间间距和时间间距差值,确定脉冲序列中的可疑脉冲,根据预设规则,确定每个可疑脉冲的可疑值,根据可疑值,确定每个可疑脉冲是否为干扰脉冲。综合考虑每两个相邻脉冲的时间间距和每三个相邻脉冲的时间间距差值的影响,确定脉冲序列中的可疑脉冲,及每个可疑脉冲的可疑值,再进一步确定出干扰脉冲,使得最终确定出的干扰脉冲较为准确,从而根据确定出的干扰脉冲可以修正细胞计数设备对于细胞数量的测量结果,提高细胞计数准确性,为后续诊断提供较为准确的参考依据。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例中一种干扰脉冲识别方法的实施流程图;
图2为本申请实施例中一种细胞计数设备的测量原理示意图;
图3为本申请实施例中一种异常样本片段示意图;
图4为本申请实施例中一种正常样本片段示意图;
图5为本申请实施例中一种干扰脉冲识别装置的结构示意图;
图6为本申请实施例中一种细胞计数设备的结构示意图。
具体实施方式
本申请的核心是提供一种干扰脉冲识别方法,在获得细胞计数设备测量时采集到的脉冲序列后,根据脉冲序列中每个脉冲的开始时间和结束时间,计算每两个相邻脉冲的时间间距,基于每三个相邻脉冲之中前两个相邻脉冲和后两个相邻脉冲的时间间距,计算每三个相邻脉冲的时间间距差值,再根据时间间距和时间间距差值,确定脉冲序列中的可疑脉冲,根据预设规则,确定每个可疑脉冲的可疑值,根据可疑值,确定每个可疑脉冲是否为干扰脉冲。综合考虑每两个相邻脉冲的时间间距和每三个相邻脉冲的时间间距差值的影响,确定脉冲序列中的可疑脉冲,及每个可疑脉冲的可疑值,进一步确定出干扰脉冲,使得最终确定出的干扰脉冲较为准确,从而根据确定出的干扰脉冲可以修正细胞计数设备对于细胞数量的测量结果,提高细胞计数准确性和稳定性,为后续诊断提供较为准确的参考依据。
为了使本技术领域的人员更好地理解本申请方案,下面结合附图和具体实施方式对本申请作进一步的详细说明。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
参见图1所示,为本申请实施例所提供的一种干扰脉冲识别方法的实施流程图,该方法可以包括以下步骤:
S110:获得细胞计数设备测量时采集到的脉冲序列。
细胞计数设备在测量时可采集到脉冲序列,脉冲序列包含多个脉冲,记录有每个脉冲的开始时间和结束时间。
如图2所示,为一种细胞计数设备的测量原理示意图。以进行血细胞的数量测量为例,在实际测量过程中,可以将待检测血液与稀释液充分混匀,放入左侧的容器中,在小孔管另外一侧加恒定负压使得液体通过小孔,血细胞在通过小孔时会使小孔两端电压快速上升,在小孔两端加持恒流源和电信号采集电路,可以观察到比较明显的电压脉冲信号,通过整形滤波、分析计数、结果显示等模块可以得到脉冲序列。细胞计数设备具体可以是血液细胞分析仪、流式细胞仪、血液分析仪等利用脉冲信号检测细胞进行细胞计数的设备。
脉冲序列中可能包括正常脉冲,还可能包括干扰脉冲。在本申请实施例中,正常脉冲就是指单个细胞通过小孔轴心区域时产生的脉冲,干扰脉冲就是指系统杂质、电路干扰、气泡等产生的脉冲。
图3所示即为一个时间片段内异常样本的脉冲信号的示意图,图4所示即为一个时间片段内正常样本的脉冲信号的示意图。该异常样本和正常样本是通过测试数据获得的样本。
获得脉冲序列后,可以继续执行步骤S120的操作。
S120:根据脉冲序列中每个脉冲的开始时间和结束时间,计算每两个相邻脉冲的时间间距。
获得的脉冲序列中包含多个脉冲,并记录有每个脉冲的开始时间和结束时间。根据脉冲序列中每个脉冲的开始时间和结束时间,可以计算得到每两个相邻脉冲的时间间距。该时间间距可以是前一脉冲的结束时间至相邻的后一脉冲的开始时间的时长,还可以是前一脉冲的开始时间至相邻的后一脉冲的开始时间的时长。对于一个脉冲序列中每两个相邻脉冲的时间间距的计算使用同一方式即可。
S130:基于每三个相邻脉冲之中前两个相邻脉冲和后两个相邻脉冲的时间间距,计算时间间距差值。
根据脉冲序列中每个脉冲的开始时间和结束时间,计算得到每两个相邻脉冲的时间间距。对于每三个相邻脉冲而言,基于该三个相邻脉冲之中前两个相邻脉冲和后两个相邻脉冲的时间间距,可以计算该三个相邻脉冲的时间间距差值。该时间间距差值可以是前一个时间间距与相邻的后一个时间间距的差值绝对值。
S140:根据时间间距和时间间距差值,确定脉冲序列中的可疑脉冲。
在通过对仪器性能的测试研究中发现,偶尔出现细胞计数结果“跳变”的情况,将正常样本与异常样本的脉冲信号进行对比,可以发现,异常样本存在大量的密集连续的干扰脉冲信号,如图3所示,从而导致脉冲数量明显高于正常样本的脉冲数量。从图3、图4可以看出,在相同时间片段内,干扰脉冲信号比正常脉冲信号数量更多,相邻细胞的时间间距更小。
所以,本申请综合考虑每两个相邻脉冲的时间间距和每三个相邻脉冲的时间间距差值,在脉冲序列中确定出密集连续的脉冲,这样的脉冲为可疑脉冲。
S150:根据预设规则,确定每个可疑脉冲的可疑值。
可以理解的是,根据时间间距和时间间距差值,在脉冲序列中确定的可疑脉冲是密集连续的脉冲,但并非所有可疑脉冲都是干扰脉冲,其中可能存在正常脉冲。
在本申请实施例中,可以按照设定规则,确定每个可疑脉冲的可疑值。该设定规则可以根据先前采集的数据进行设定,如在时间间距大于某一阈值时,给相应脉冲积上某一分数值,或者在时间间距差值大于某一阈值时,给相应脉冲积上某一分数值。
S160:根据可疑值,确定每个可疑脉冲是否为干扰脉冲。
按照设定规则,确定每个可疑脉冲的可疑值之后,进一步可以根据可疑值的大小,确定每个可疑脉冲是否为干扰脉冲,确定出的干扰脉冲的可疑值较大。
应用本申请实施例所提供的方法,在获得细胞计数设备测量时采集到的脉冲序列后,根据脉冲序列中每个脉冲的开始时间和结束时间,计算每两个相邻脉冲的时间间距,基于每三个相邻脉冲之中前两个相邻脉冲和后两个相邻脉冲的时间间距,计算时间间距差值,再根据时间间距和时间间距差值,确定脉冲序列中的可疑脉冲,根据预设规则,确定每个可疑脉冲的可疑值,根据可疑值,确定每个可疑脉冲是否为干扰脉冲。综合考虑每两个相邻脉冲的时间间距和每三个相邻脉冲的时间间距差值的影响,确定脉冲序列中的可疑脉冲,及每个可疑脉冲的可疑值,再进一步确定出干扰脉冲,使得最终确定出的干扰脉冲较为准确,从而根据确定出的干扰脉冲可以修正细胞计数设备对于细胞数量的测量结果,提高细胞计数准确性,为后续诊断提供较为准确的参考依据。
在本申请的一个实施例中,步骤S120可以包括以下步骤:
针对任意两个相邻脉冲,使用后一脉冲的开始时间减前一脉冲的结束时间,得到该两个相邻脉冲的时间间距。
在本申请实施例中,脉冲序列中记录有每个脉冲的开始时间和结束时间。针对任意两个相邻脉冲,可以使用后一脉冲的开始时间减前一脉冲的结束时间,得到该两个相邻脉冲的时间间距。
如将第i个脉冲与第i-1个脉冲的时间间距记为Dis[i],具体计算方式为:
Dis[i]=第i个脉冲开始时间-第i-1个脉冲结束时间。i为正整数。
这样单纯考虑两个相邻脉冲之间的时间间距,没有加入脉冲宽度,避免脉冲宽度影响对时间间距确定的准确性。
在本申请的一个实施例中,步骤S130可以包括以下步骤:
针对任意三个相邻脉冲,将后两个相邻脉冲的时间间距与前两个相邻脉冲的时间间距的差值的绝对值,确定为该三个相邻脉冲的时间间距差值。
在本申请实施例中,计算得到每两个相邻脉冲的时间间距之后,针对任意三个相邻脉冲,可以确定该三个相邻脉冲的时间间距差值,该三个相邻脉冲的时间间距差值为:后两个相邻脉冲的时间间距与前两个相邻脉冲的时间间距的差值的绝对值。
如将第i、i-1、i-2个相邻脉冲的时间间距差值记为DisD[i],具体计算方式为:
DisD[i]=|Dis[i]-Dis[i-1]|;
其中,Dis[i]为第i、i-1、i-2个相邻脉冲中后两个相邻脉冲(即第i、i-1个脉冲)的时间间距,Dis[i-1]为第i、i-1、i-2个相邻脉冲中前两个相邻脉冲(即第i-1、i-2个脉冲)的时间间距。
在本申请的一个实施例中,步骤S140可以包括以下步骤:
针对脉冲序列中的任意三个相邻脉冲,如果该三个相邻脉冲对应的两个时间间距的最小值小于异常脉冲间距阈值,且该三个相邻脉冲的时间间距差值小于异常脉冲间距差值阈值,则确定该三个相邻脉冲为可疑脉冲。
在本申请实施例中,得到每两个相邻脉冲的时间间距和每三个相邻脉冲的时间间距差值之后,可以根据时间间距和时间间距差值,在脉冲序列中确定出可疑脉冲。
具体的,针对脉冲序列中的任意三个相邻脉冲,如果该三个相邻脉冲对应的两个时间间距的最小值小于异常脉冲间距阈值,且该三个相邻脉冲的时间间距差值小于异常脉冲间距差值阈值,则可以确定该三个相邻脉冲为可疑脉冲。
在本申请实施例中,可以预先设置异常脉冲间距阈值和异常脉冲间距差值阈值,具体的,可以根据脉冲序列的所有脉冲的平均间距进行设置。
如将异常脉冲间距阈值记为DisTh,将异常脉冲间距差值阈值记为DisDTh,将脉冲序列的所有脉冲的平均间距记为MeanDis,可以有如下的线性关系:
DisTh=a1×MeanDis-b1;
DisDTh=a2×MeanDis-b2;
其中,a1、a2为系数,可在0.001-0.1之间取值,b1、b2为截断常数,可在0-10之间取值,N为脉冲序列中总的脉冲数量。
针对脉冲序列中任意三个相邻脉冲,可以将该三个相邻脉冲对应的两个时间间距与异常脉冲间距阈值对比,将该三个相邻脉冲的时间间距差值与异常脉冲间距差值阈值对比。如第i、i-1、i-2个相邻脉冲对应的两个时间间距为Dis[i]和Dis[i-1],第i、i-1、i-2个相邻脉冲的时间间距差值为DisD[i]。如果该三个相邻脉冲对应的两个时间间距的最小值小于异常脉冲间距阈值,且该三个相邻脉冲的时间间距差值小于异常脉冲间距差值阈值,则可以确定该三个相邻脉冲为可疑脉冲。
即如果三个相邻脉冲满足以下条件,则将这三个相邻脉冲确定为可疑脉冲:
min(Dis[i],Dis[i-1])<DisTh、DisD[i]<DisDTh。
Dis[i-1]=第i-1个脉冲开始时间-第i-2个脉冲结束时间。
分别对每三个相邻脉冲对应的时间间距和时间间距差值进行上述判断,可以筛选出密集连续的脉冲,确定出可疑脉冲。
在本申请的一个实施例中,步骤S150可以包括以下步骤:
步骤一:初始化脉冲序列中每个可疑脉冲的可疑值;
步骤二:针对确定为可疑脉冲的每三个相邻脉冲,如果该三个相邻脉冲对应的两个时间间距均小于异常脉冲间距阈值,则在该三个相邻脉冲的可疑值上增加第一值;
步骤三:如果该三个相邻脉冲对应的两个时间间距中,其中一个时间间距小于异常脉冲间距阈值,另一个时间间距小于异常脉冲间距阈值与常数系数之积、大于或等于异常脉冲间距阈值,则在小于异常脉冲间距阈值的时间间距所对应的两个脉冲的可疑值上增加第一值,在除这两个之外的另一个脉冲的可疑值上增加第二值,第二值小于第一值,常数系数大于1。
为便于描述,本申请实施例将上述三个步骤结合起来进行说明。
在本申请实施例中,根据时间间距和时间间距差值,确定出脉冲序列中的可疑脉冲之后,可以进一步对每个可疑脉冲进行可疑值的确定。
首先,对脉冲序列中每个可疑脉冲的可疑值进行初始化处理,如将可疑值置为0。
针对确定为可疑脉冲的每三个相邻脉冲,如果该三个相邻脉冲对应的两个时间间距均小于异常脉冲间距阈值,则表明这三个相邻脉冲都较为密集,可以在该三个相邻脉冲的可疑值上增加第一值,如果该三个相邻脉冲对应的两个时间间距中,其中一个时间间距小于异常脉冲间距阈值,另一个时间间距小于异常脉冲间距阈值与常数系数之积、大于或等于异常脉冲间距阈值,则表明这三个相邻脉冲中的两个更为密集,可以在小于异常脉冲间距阈值的时间间距所对应的两个脉冲的可疑值上增加第一值,在除这两个之外的另一个脉冲的可疑值上增加第二值。
举例而言,对于第i、i-1、i-2个相邻脉冲,可以按照以下规则确定每个脉冲的可疑值:
(1)Dis[i]<DisTh且Dis[i-1]<DisTh,则在第i-2、i-1、i个脉冲的可疑值上增加第一值,如2;
(2)Dis[i]<DisTh且DisTh≤Dis[i-1]<k*DisTh,则在第i-1、i个脉冲的可疑值上增加第一值,如2,在第i-2个脉冲的可疑值上增加第二值,如1;
(3)Dis[i-1]<DisTh且DisTh≤Dis[i]<k*DisTh,则在第i-2、i-1个脉冲的可疑值上增加第一值,如2,在第i个脉冲的可疑值上增加第二值,如1。
其中,k为常数系数,可在1-2之间取值。
分别对脉冲序列中确定为可疑脉冲的每三个相邻脉冲均重复进行上述可疑值的确定步骤,可得到每个可疑脉冲的可疑值。如果按照第一值为2,第一值为1设定,则每个脉冲的可疑值范围为0-6。如果一个脉冲的可疑值越大,则表明其与相邻脉冲的时间间距越小。通过可疑值的大小,可以表征相邻脉冲的密集分布程度。
在本申请的一个实施例中,步骤S160可以包括以下步骤:
针对每个可疑脉冲,如果该可疑脉冲的可疑值大于异常可疑阈值,则将该可疑脉冲确定为干扰脉冲。
在本申请实施例中,可以预先设定异常可疑阈值,该异常可疑阈值可以根据在先的测试数据进行确定,如在2-4之间取值。
确定脉冲序列中每个可疑脉冲的可疑值之后,可以根据可疑值,确定每个可疑脉冲是否为干扰脉冲。具体的,可以将每个可疑脉冲的可疑值与异常可疑阈值进行对比,将可疑值大于异常可疑阈值的脉冲确定为干扰脉冲。
在本申请的一个实施例中,该方法还可以包括以下步骤:
第一个步骤:根据确定出的干扰脉冲,统计脉冲序列的采样时段内每单位时间的干扰信息,干扰信息包括干扰时长和干扰脉冲数;
第二个步骤:根据每单位时间的干扰信息和每单位时间的原始脉冲数,确定每单位时间的修正脉冲数;
第三个步骤:根据确定的每单位时间的修正脉冲数,输出采样时段内的计数结果。
为便于描述,将上述三个步骤结合起来进行说明。
在本申请实施例中,根据可疑值,进行干扰脉冲的确定之后,可以根据确定出的干扰脉冲的开始时间和结束时间,统计脉冲序列的采样时段内每单位时间的干扰信息。该干扰信息可以包括干扰时长和干扰脉冲数。单位时间可以是1秒或者其他设定时间。第i秒的干扰时长为第i秒内所有干扰脉冲的时间长度和。
每单位时间的原始脉冲数已知,根据每单位时间的干扰信息和每单位时间的原始脉冲数,可以确定每单位时间的修正脉冲数。具体的,针对每单位时间,可以在该单位时间的原始脉冲数中剔除该单位时间内的干扰脉冲数,获得该单位时间的可用脉冲数,在该单位时间的时长中剔除该单位时间内的干扰时长,获得该单位时间的可用总时长,将可用脉冲数与可用总时长的比值可以确定为该单位时间的修正脉冲数。即对于每单位时间而言,可以使用该单位时间的原始脉冲数减去该单位时间内干扰脉冲数得到分子,使用该单位时间的时长减去该单位时间内干扰时长得到分母,分子与分母的商即为该单位时间的修正脉冲数。以单位时间为1秒为例,修正脉冲数的计算方式如下:
RepairCellNum[i]=(SrcCellNum[i]-AbnCellNum[i])/(1-AbnTime[i]);
其中,SrcCellNum[i]表示第i秒的原始脉冲数,AbnCellNum[i]表示第i秒的干扰脉冲数,AbnTime[i]表示第i秒的干扰时长,RepairCellNum[i]表示第i秒的修正脉冲数。
确定出每单位时间的修正脉冲数后,进一步可以根据确定的每单位时间的修正脉冲数,输出采样时段的计数结果。即通过每单位的修正脉冲数的累加,可以得到脉冲序列的最终的修正脉冲数,从而得到较为准确的细胞数量。
在本申请的一个实施例中,在统计脉冲序列的采样时段内每单位时间的干扰信息之后,该方法还可以包括以下步骤:
步骤一:根据每单位时间的干扰信息,确定脉冲序列的采样时段内总的干扰时长;
步骤二:如果总的干扰时长大于异常时间阈值,则输出报警信息。
在本申请实施例中,统计得到脉冲序列的采样时段内每单位时间的干扰信息之后,可以根据每单位时间的干扰信息,将各单位时间的干扰时长相加,得到脉冲序列的采样时段内总的干扰时长。如果总的干扰时长太长,大于异常时间阈值,则表明当前脉冲序列的干扰程度较大,则可以输出报警信息。
报警信息中可以携带异常程度信息,当异常程度较小时,可能是偶然情况的干扰,当异常程度较大时,可能是当前分析设备出现故障,便于提示维护人员查看原因。
异常时间阈值可以根据脉冲序列的采样时间进行设定。
下面通过实际试验数据验证本申请实施例所提供的技术方案对于干扰脉冲确定的准确性:
取一份血样在实验条件下进行干扰脉冲的去除试验。已知血样的白细胞计数值为4.54×10^9/L,在干扰条件下得到异常样本。异常样本粒子总数N=6030,对应白细胞计数值为10.67×10^9/L。采用本申请实施例所提供的技术方案进行异常样本处理,筛选出干扰粒子数目AbnCellNum=3245,修正后的粒子数目RepairCellNum=2785,对应的白细胞计数值约为4.92×10^9/L,比原始测量值更接近靶值。总的干扰时长AbnTime为0.03s,大于异常时间阈值0.02s,输出报警信息。
通过本申请实施例所提供的技术方案,可以较为准确、稳定地对干扰脉冲进行识别,这样在脉冲序列中剔除掉干扰脉冲,可以提高细胞计数的准确性,另外,通过对干扰时长的分析,可以及时了解到设备的工作性能是否完好,提高稳定性。
相应于上面的方法实施例,本申请实施例还提供了一种干扰脉冲识别装置,下文描述的干扰脉冲识别装置与上文描述的干扰脉冲识别方法可相互对应参照。
参见图5所示,该装置包括:
脉冲序列获得模块510,用于获得细胞计数设备测量时采集到的脉冲序列;
时间间距计算模块520,用于根据脉冲序列中每个脉冲的开始时间和结束时间,计算每两个相邻脉冲的时间间距;
间距差值计算模块530,用于每三个相邻脉冲之中前两个相邻脉冲和后两个相邻脉冲的时间间距,计算时间间距差值;
可疑脉冲确定模块540,用于根据时间间距和时间间距差值,确定脉冲序列中的可疑脉冲;
可疑值确定模块550,用于根据预设规则,确定每个可疑脉冲的可疑值;
干扰脉冲确定模块560,用于根据可疑值,确定每个可疑脉冲是否为干扰脉冲。
应用本申请实施例所提供的装置,在获得细胞计数设备测量时采集到的脉冲序列后,根据脉冲序列中每个脉冲的开始时间和结束时间,计算每两个相邻脉冲的时间间距,基于每三个相邻脉冲之中前两个相邻脉冲和后两个相邻脉冲的时间间距,计算时间间距差值,再根据时间间距和时间间距差值,确定脉冲序列中的可疑脉冲,根据预设规则,确定每个可疑脉冲的可疑值,根据可疑值,确定每个可疑脉冲是否为干扰脉冲。综合考虑每两个相邻脉冲的时间间距和每三个相邻脉冲的时间间距差值的影响,确定脉冲序列中的可疑脉冲,及每个可疑脉冲的可疑值,再进一步确定出干扰脉冲,使得最终确定出的干扰脉冲较为准确,从而根据确定出的干扰脉冲可以修正细胞计数设备对于细胞数量的测量结果,提高细胞计数准确性,为后续诊断提供较为准确的参考依据。
在本申请的一种具体实施方式中,时间间距计算模块520,具体用于:
针对任意两个相邻脉冲,使用后一脉冲的开始时间减前一脉冲的结束时间,得到该两个相邻脉冲的时间间距。
在本申请的一种具体实施方式中,间距差值计算模块530,具体用于:
针对任意三个相邻脉冲,将后两个相邻脉冲的时间间距与前两个相邻脉冲的时间间距的差值的绝对值,确定为该三个相邻脉冲的时间间距差值。
在本申请的一种具体实施方式中,可疑脉冲确定模块540,具体用于:
针对脉冲序列中的任意三个相邻脉冲,如果该三个相邻脉冲对应的两个时间间距的最小值小于异常脉冲间距阈值,且该三个相邻脉冲的时间间距差值小于异常脉冲间距差值阈值,则确定该三个相邻脉冲为可疑脉冲。
在本申请的一种具体实施方式中,可疑值确定模块550,具体用于
初始化脉冲序列中每个可疑脉冲的可疑值;
针对确定为可疑脉冲的每三个相邻脉冲,如果该三个相邻脉冲对应的两个时间间距均小于异常脉冲间距阈值,则在该三个相邻脉冲的可疑值上增加第一值;
如果该三个相邻脉冲对应的两个时间间距中,其中一个时间间距小于异常脉冲间距阈值,另一个时间间距小于异常脉冲间距阈值与常数系数之积、大于或等于异常脉冲间距阈值,则在小于异常脉冲间距阈值的时间间距所对应的两个脉冲的可疑值上增加第一值,在除这两个之外的另一个脉冲的可疑值上增加第二值,第二值小于第一值,常数系数大于1。
在本申请的一种具体实施方式中,干扰脉冲确定模块560,具体用于:
针对每个可疑脉冲,如果该可疑脉冲的可疑值大于异常可疑阈值,则将该可疑脉冲确定为干扰脉冲。
在本申请的一种具体实施方式中,还包括修正模块,用于:
根据确定出的干扰脉冲,统计脉冲序列的采样时段内每单位时间的干扰信息,干扰信息包括干扰时长和干扰脉冲数;
根据每单位时间的干扰信息和每单位时间的原始脉冲数,确定每单位时间的修正脉冲数;
根据确定的每单位时间的修正脉冲数,输出采样时段的计数结果。
在本申请的一种具体实施方式中,修正模块,具体用于:
针对每单位时间,在该单位时间的原始脉冲数中剔除该单位时间内的干扰脉冲数,获得该单位时间的可用脉冲数;
在该单位时间的时长中剔除该单位时间内的干扰时长,获得该单位时间的可用总时长;
将可用脉冲数与可用总时长的比值确定为该单位时间的修正脉冲数。
在本申请的一种具体实施方式中,还包括报警模块,用于:
在统计脉冲序列的采样时段内每单位时间的干扰信息之后,根据每单位时间的干扰信息,确定脉冲序列的采样时段内总的干扰时长;
如果总的干扰时长大于异常时间阈值,则输出报警信息。
相应于上面的方法实施例,本申请实施例还提供了一种细胞计数设备,包括:
存储器,用于存储计算机程序;
处理器,用于执行计算机程序时实现上述干扰脉冲识别方法的步骤。
如图6所示,为细胞计数设备的组成结构示意图,细胞计数设备可以包括:处理器10、存储器11、通信接口12和通信总线13。处理器10、存储器11、通信接口12均通过通信总线13完成相互间的通信。
在本申请实施例中,处理器10可以为中央处理器(Central Processing Unit,CPU)、特定应用集成电路、数字信号处理器、现场可编程门阵列或者其他可编程逻辑器件等。
处理器10可以调用存储器11中存储的程序,具体的,处理器10可以执行干扰脉冲识别方法的实施例中的操作。
存储器11中用于存放一个或者一个以上程序,程序可以包括程序代码,程序代码包括计算机操作指令,在本申请实施例中,存储器11中至少存储有用于实现以下功能的程序:
获得细胞计数设备测量时采集到的脉冲序列;
根据脉冲序列中每个脉冲的开始时间和结束时间,计算每两个相邻脉冲的时间间距;
基于每三个相邻脉冲之中前两个相邻脉冲和后两个相邻脉冲的时间间距,计算时间间距差值;
根据时间间距和时间间距差值,确定脉冲序列中的可疑脉冲;
根据预设规则,确定每个可疑脉冲的可疑值;
根据可疑值,确定每个可疑脉冲是否为干扰脉冲。
在一种可能的实现方式中,存储器11可包括存储程序区和存储数据区,其中,存储程序区可存储操作系统,以及至少一个功能(比如声音播放功能、图像播放功能)所需的应用程序等;存储数据区可存储使用过程中所创建的数据,如计算数据、规则数据等。
此外,存储器11可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件或其他易失性固态存储器件。
通信接口13可以为通信模块的接口,用于与其他设备或者系统连接。
当然,需要说明的是,图6所示的结构并不构成对本申请实施例中细胞计数设备的限定,在实际应用中细胞计数设备可以包括比图6所示的更多或更少的部件,或者组合某些部件。
相应于上面的方法实施例,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述干扰脉冲识别方法的步骤。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似部分互相参见即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
本文中应用了具体个例对本申请的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本申请的技术方案及其核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
Claims (11)
1.一种干扰脉冲识别方法,其特征在于,包括:
获得细胞计数设备测量时采集到的脉冲序列;
根据所述脉冲序列中每个脉冲的开始时间和结束时间,计算每两个相邻脉冲的时间间距;
基于每三个相邻脉冲之中前两个相邻脉冲和后两个相邻脉冲的时间间距,计算时间间距差值;
根据所述时间间距和所述时间间距差值,确定所述脉冲序列中的可疑脉冲;
根据预设规则,确定每个可疑脉冲的可疑值;
根据所述可疑值,确定每个可疑脉冲是否为干扰脉冲。
2.根据权利要求1所述的方法,其特征在于,所述根据所述脉冲序列中每个脉冲的开始时间和结束时间,计算每两个相邻脉冲的时间间距,包括:
针对任意两个相邻脉冲,使用后一脉冲的开始时间减前一脉冲的结束时间,得到该两个相邻脉冲的时间间距。
3.根据权利要求1所述的方法,其特征在于,所述基于每三个相邻脉冲之中前两个相邻脉冲和后两个相邻脉冲的时间间距,计算时间间距差值,包括:
针对任意三个相邻脉冲,将后两个相邻脉冲的时间间距与前两个相邻脉冲的时间间距的差值的绝对值,确定为该三个相邻脉冲的时间间距差值。
4.根据权利要求1所述的方法,其特征在于,所述根据所述时间间距和所述时间间距差值,确定所述脉冲序列中的可疑脉冲,包括:
针对所述脉冲序列中的任意三个相邻脉冲,如果该三个相邻脉冲对应的两个时间间距的最小值小于异常脉冲间距阈值,且该三个相邻脉冲的时间间距差值小于异常脉冲间距差值阈值,则确定该三个相邻脉冲为可疑脉冲。
5.根据权利要求4所述的方法,其特征在于,所述确定每个可疑脉冲的可疑值,包括:
初始化所述脉冲序列中每个可疑脉冲的可疑值;
针对确定为可疑脉冲的每三个相邻脉冲,如果该三个相邻脉冲对应的两个时间间距均小于所述异常脉冲间距阈值,则在该三个相邻脉冲的可疑值上增加第一值;
如果该三个相邻脉冲对应的两个时间间距中,其中一个时间间距小于所述异常脉冲间距阈值,另一个时间间距小于所述异常脉冲间距阈值与常数系数之积、大于或等于所述异常脉冲间距阈值,则在小于所述异常脉冲间距阈值的时间间距所对应的两个脉冲的可疑值上增加第一值,在除这两个之外的另一个脉冲的可疑值上增加第二值,所述第二值小于所述第一值,所述常数系数大于1。
6.根据权利要求1所述的方法,其特征在于,所述根据所述可疑值,确定每个可疑脉冲是否为干扰脉冲,包括:
针对每个可疑脉冲,如果该可疑脉冲的可疑值大于异常可疑阈值,则将该可疑脉冲确定为干扰脉冲。
7.根据权利要求1至6之中任一项所述的方法,其特征在于,还包括:
根据确定出的干扰脉冲,统计所述脉冲序列的采样时段内每单位时间的干扰信息,所述干扰信息包括干扰时长和干扰脉冲数;
根据每单位时间的干扰信息和每单位时间的原始脉冲数,确定每单位时间的修正脉冲数;
根据确定的每单位时间的修正脉冲数,输出所述采样时段的计数结果。
8.根据权利要求7所述的方法,其特征在于,所述根据每单位时间的干扰信息和每单位时间的原始脉冲数,确定每单位时间的修正脉冲数,包括:
针对每单位时间,在该单位时间的原始脉冲数中剔除该单位时间内的干扰脉冲数,获得该单位时间的可用脉冲数;
在该单位时间的时长中剔除该单位时间内的干扰时长,获得该单位时间的可用总时长;
将所述可用脉冲数与所述可用总时长的比值确定为该单位时间的修正脉冲数。
9.根据权利要求7所述的方法,其特征在于,在所述统计所述脉冲序列的采样时段内每单位时间的干扰信息之后,还包括:
根据每单位时间的干扰信息,确定所述脉冲序列的采样时段内总的干扰时长;
如果所述总的干扰时长大于异常时间阈值,则输出报警信息。
10.一种细胞计数设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于执行所述计算机程序时实现如权利要求1至9任一项所述干扰脉冲识别方法的步骤。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至9任一项所述干扰脉冲识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911349765.5A CN111060443B (zh) | 2019-12-24 | 2019-12-24 | 一种干扰脉冲识别方法、装置、存储介质及细胞计数设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911349765.5A CN111060443B (zh) | 2019-12-24 | 2019-12-24 | 一种干扰脉冲识别方法、装置、存储介质及细胞计数设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111060443A true CN111060443A (zh) | 2020-04-24 |
CN111060443B CN111060443B (zh) | 2022-09-30 |
Family
ID=70303235
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911349765.5A Active CN111060443B (zh) | 2019-12-24 | 2019-12-24 | 一种干扰脉冲识别方法、装置、存储介质及细胞计数设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111060443B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114692760A (zh) * | 2022-03-30 | 2022-07-01 | 中国民航科学技术研究院 | 下降率估算模型构建、下降率估算方法、装置及电子设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4706207A (en) * | 1985-06-24 | 1987-11-10 | Nova Celltrak, Inc. | Count accuracy control means for a blood analyses system |
US5308990A (en) * | 1991-05-15 | 1994-05-03 | Hitachi, Ltd. | Method for measuring microparticles, quantitative measuring method therefor and instrument for measuring microparticles |
CN101464245A (zh) * | 2007-12-19 | 2009-06-24 | 深圳迈瑞生物医疗电子股份有限公司 | 一种识别红细胞碎片的方法 |
CN102539302A (zh) * | 2010-12-31 | 2012-07-04 | 深圳迈瑞生物医疗电子股份有限公司 | 信号处理方法和装置 |
US20140134608A1 (en) * | 2011-08-26 | 2014-05-15 | Olympus Corporation | Single particle detection device, single particle detection method, and computer program for single particle detection, using optical analysis |
CN104297133A (zh) * | 2013-07-16 | 2015-01-21 | 成都深迈瑞医疗电子技术研究院有限公司 | 一种基于小孔阻抗原理的脉冲信号筛选方法及装置 |
WO2015099116A1 (ja) * | 2013-12-27 | 2015-07-02 | 株式会社堀場製作所 | 粒子計数方法および粒子計数装置 |
US20170074776A1 (en) * | 2015-09-15 | 2017-03-16 | Bio-Rad Laboratories, Inc. | Threshold selector for flow cytometer |
CN106769806A (zh) * | 2016-11-15 | 2017-05-31 | 深圳开立生物医疗科技股份有限公司 | 一种鞘流系统通道内液流异常检测方法及系统 |
CN109171807A (zh) * | 2018-08-28 | 2019-01-11 | 深圳开立生物医疗科技股份有限公司 | 一种超声诊断设备的信号处理方法、系统和超声诊断设备 |
CN109498057A (zh) * | 2018-12-29 | 2019-03-22 | 深圳开立生物医疗科技股份有限公司 | 一种超声造影成像方法、系统、控制设备及存储介质 |
-
2019
- 2019-12-24 CN CN201911349765.5A patent/CN111060443B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4706207A (en) * | 1985-06-24 | 1987-11-10 | Nova Celltrak, Inc. | Count accuracy control means for a blood analyses system |
US5308990A (en) * | 1991-05-15 | 1994-05-03 | Hitachi, Ltd. | Method for measuring microparticles, quantitative measuring method therefor and instrument for measuring microparticles |
CN101464245A (zh) * | 2007-12-19 | 2009-06-24 | 深圳迈瑞生物医疗电子股份有限公司 | 一种识别红细胞碎片的方法 |
CN102539302A (zh) * | 2010-12-31 | 2012-07-04 | 深圳迈瑞生物医疗电子股份有限公司 | 信号处理方法和装置 |
US20140134608A1 (en) * | 2011-08-26 | 2014-05-15 | Olympus Corporation | Single particle detection device, single particle detection method, and computer program for single particle detection, using optical analysis |
CN104297133A (zh) * | 2013-07-16 | 2015-01-21 | 成都深迈瑞医疗电子技术研究院有限公司 | 一种基于小孔阻抗原理的脉冲信号筛选方法及装置 |
WO2015099116A1 (ja) * | 2013-12-27 | 2015-07-02 | 株式会社堀場製作所 | 粒子計数方法および粒子計数装置 |
US20170074776A1 (en) * | 2015-09-15 | 2017-03-16 | Bio-Rad Laboratories, Inc. | Threshold selector for flow cytometer |
CN106769806A (zh) * | 2016-11-15 | 2017-05-31 | 深圳开立生物医疗科技股份有限公司 | 一种鞘流系统通道内液流异常检测方法及系统 |
CN109171807A (zh) * | 2018-08-28 | 2019-01-11 | 深圳开立生物医疗科技股份有限公司 | 一种超声诊断设备的信号处理方法、系统和超声诊断设备 |
CN109498057A (zh) * | 2018-12-29 | 2019-03-22 | 深圳开立生物医疗科技股份有限公司 | 一种超声造影成像方法、系统、控制设备及存储介质 |
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 (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114692760A (zh) * | 2022-03-30 | 2022-07-01 | 中国民航科学技术研究院 | 下降率估算模型构建、下降率估算方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111060443B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109239360B (zh) | 一种反应曲线异常检测方法及装置 | |
US7493219B1 (en) | Method of discriminating particle groups and particle analyzer | |
EP1094323B1 (en) | Method and system for identifying cause of partial discharge | |
EP2321661B1 (en) | Partial discharge monitoring method and system | |
EP3438643A1 (en) | Baseline pulse value calculation method and hematology analyzer particle count method | |
TWI586974B (zh) | Partial discharge measurement devices, partial discharge measurement methods, and computer program products | |
FI107081B (fi) | Menetelmä ja järjestely osittaispurkauslähteiden lukumäärän selvittämiseksi | |
EP3096152B1 (en) | Method and apparatus for classifying a signal waveform under test | |
CN112557281B (zh) | 血液细胞分析仪的plt粒子检测方法和装置 | |
JP2011069821A (ja) | ランダムノイズ信号の検出及びフィルタリング方法 | |
CN111060443B (zh) | 一种干扰脉冲识别方法、装置、存储介质及细胞计数设备 | |
CN108931463B (zh) | 基于鞘流阻抗原理的血细胞脉冲识别方法及识别装置 | |
CN104515725A (zh) | 一种识别异常粒子的方法和系统及其细胞分析仪 | |
CN110988624B (zh) | 一种间歇性局部放电信号的检测方法及系统 | |
CN114614825B (zh) | 一种低成本高速脉冲信号数据采样和峰值检测方法 | |
CN114441415B (zh) | 一种微堵孔识别方法和样本分析仪 | |
US4309757A (en) | Method for classification of signals by comparison with an automatically determined threshold | |
CN110857909B (zh) | 测量微粒粒径的系统 | |
US4314346A (en) | Auxiliary apparatus for a particle analyser | |
EP2252872B1 (en) | High resolution classification | |
CN111781171A (zh) | 体外检测样本中对象参数的测量方法、装置及设备 | |
CN116106368A (zh) | 一种血细胞电压信号的处理方法和系统 | |
JPS5825144A (ja) | 血液分析方法およびその装置 | |
CN112148764B (zh) | 特征的筛选方法、装置、设备和存储介质 | |
CN116448062B (zh) | 一种桥梁沉降变形检测方法、装置、计算机及存储介质 |
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 |