CN111812068A - 异型淋巴细胞确定方法、装置和细胞分析仪 - Google Patents

异型淋巴细胞确定方法、装置和细胞分析仪 Download PDF

Info

Publication number
CN111812068A
CN111812068A CN202010605178.4A CN202010605178A CN111812068A CN 111812068 A CN111812068 A CN 111812068A CN 202010605178 A CN202010605178 A CN 202010605178A CN 111812068 A CN111812068 A CN 111812068A
Authority
CN
China
Prior art keywords
gaussian
fitting
gaussian function
preset
determining
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
Application number
CN202010605178.4A
Other languages
English (en)
Other versions
CN111812068B (zh
Inventor
戴磊
周文静
余江琦
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.)
Maccura Medical Electronics Co Ltd
Original Assignee
Maccura 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 Maccura Medical Electronics Co Ltd filed Critical Maccura Medical Electronics Co Ltd
Priority to CN202010605178.4A priority Critical patent/CN111812068B/zh
Publication of CN111812068A publication Critical patent/CN111812068A/zh
Application granted granted Critical
Publication of CN111812068B publication Critical patent/CN111812068B/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
    • 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
    • G01N21/6486—Measuring fluorescence of biological material, e.g. DNA, RNA, cells
    • 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

  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Biomedical Technology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Dispersion Chemistry (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本申请公开了异型淋巴细胞确定方法、装置和细胞分析仪。该方法包括：获取血液样本中各细胞的光信号强度值；根据血液样本中各细胞的光信号强度值，确定血液样本中的目标细胞；基于目标细胞的光信号强度值中的目标光信号强度值，确定M个待拟合数据；利用预设高斯模型对M个待拟合数据进行拟合，得到预设高斯函数以及预设高斯函数对应的拟合特征参数；若拟合特征参数满足预设条件，确定血液样本存在异型淋巴细胞。根据本申请实施例提供的异型淋巴细胞确定方法、装置和细胞分析仪，可以准确确定血液样本中存在异型淋巴细胞。

Description

异型淋巴细胞确定方法、装置和细胞分析仪
技术领域
本申请涉及血液分析领域，尤其涉及异型淋巴细胞确定方法、装置、设备、介质和细胞分析仪。
背景技术
血液中存在着一定量的淋巴细胞，因病毒或某些过敏原等因素的刺激，血液中会出现一种形态变异的淋巴细胞，即异型淋巴细胞。
在临床检测上，异型淋巴细胞可以作为诊断依据，例如可以作为淋巴细胞白血病、巨细胞病毒、肝炎病毒、风疹病毒、人类疱疹病毒(Epstein-Barr virus，EB病毒)的诊断依据，因此，在血液检测时需要对血液中的异型淋巴细胞进行识别。
现阶段，由于异型淋巴细胞往往位于细胞散点图的固定位置，因此往往通过设置门的方式来识别异型淋巴细胞。然而，在细胞散点图上，单核细胞中的原始单核细胞的分布区域与异型淋巴细胞分布区域部分重叠，设置门的识别方法容易将原始单核细胞误识别为异型单核细胞，无法准确判断血液样本中是否存在异型淋巴细胞。
发明内容
本申请实施例提供的异型淋巴细胞确定方法、装置和细胞分析仪，可以准确确定血液样本中存在异型淋巴细胞。
第一方面，提供一种异型淋巴细胞的确定方法，包括：获取血液样本中各细胞的光信号强度值，光信号强度值包括荧光强度值和散射光强度值；根据血液样本中各细胞的光信号强度值，确定血液样本中的目标细胞，目标细胞包括疑似异型淋巴细胞和单核细胞；基于目标细胞的光信号强度值中的目标光信号强度值，确定M个待拟合数据，其中，每个待拟合数据包括一个目标光信号强度值以及与一个目标光信号强度值对应的目标细胞数量，M为正整数；利用预设高斯模型对M个待拟合数据进行拟合，得到预设高斯函数以及预设高斯函数对应的拟合特征参数；若拟合特征参数满足预设条件，确定血液样本存在异型淋巴细胞。
在一种可选的实施方式中，预设高斯模型为单高斯模型，预设高斯函数为第一单高斯函数，拟合特征参数包括表征第一单高斯函数对M个待拟合数据的拟合程度的第一评价参数，预设条件包括第一评价参数超出第一取值范围，其中，在第一评价参数超出第一取值范围的情况下，M个待拟合数据的分布趋势与单高斯函数表征的数据分布趋势不一致。
在一种可选的实施方式中，预设高斯模型为双高斯混合模型，预设高斯函数为双高斯函数，其中，双高斯函数为第二单高斯函数和第三高斯函数的叠加函数；拟合特征参数包括：表征双高斯函数对M个待拟合数据的拟合程度的第二评价参数、以及第二单高斯函数表征的第一高斯分布与第三单高斯函数表征的第二高斯分布的距离，预设条件包括第二评价参数处于第二取值范围、且距离大于预设距离阈值，其中，在第二评价参数处于第二取值范围的情况下，M个待拟合数据的分布趋势与双高斯函数表征的数据分布趋势一致。
在一种可选的实施方式中，预设高斯模型为双高斯混合模型，预设高斯函数为双高斯函数；利用预设高斯模型对M个待拟合数据进行拟合，得到预设高斯函数以及预设高斯函数对应的拟合特征参数，具体包括：利用单高斯模型对M个待拟合数据进行拟合，得到第一单高斯函数，以及表征第一单高斯函数对M个待拟合数据的拟合程度的第一评价参数；在第一评价参数超出第一取值范围的条件下，利用双高斯混合模型对M个待拟合数据进行拟合，得到双高斯函数以及双高斯函数对应的拟合特征参数；其中，拟合特征参数包括：表征双高斯函数对M个待拟合数据的拟合程度的第二评价参数，预设条件包括第二价参数处于第二取值范围，在第二评价参数处于第二取值范围的情况下M个待拟合数据的分布趋势与双高斯函数表征的数据分布趋势一致。
在一种可选的实施方式中，双高斯函数为第二单高斯函数和第三高斯函数的叠加函数；方法还包括：确定第一高斯函数和第二高斯函数的交点的荧光强度值；将血液样本中荧光强度值高于交点的荧光强度值的细胞，确定为异型淋巴细胞。
在一种可选的实施方式中，第一评价参数包括以下至少一个参数：均方根误差、拟合系数、方差和均方差。
在一种可选的实施方式中，第二评价参数包括以下至少一个参数：均方根误差、拟合系数、方差和均方差。
在一种可选的实施方式中，若目标光信号强度值为荧光强度值，则预设高斯模型为一维高斯模型；若目标光信号强度值为荧光强度值和散射光强度值，则预设高斯模型为二维高斯模型。
在一种可选的实施方式中，确定血液样本存在异型淋巴细胞之后，方法还包括：进行异型淋巴细胞告警。
在一种可选的实施方式中，将血液样本中荧光强度值高于交点的荧光强度值的细胞，确定为异型淋巴细胞之后，方法还包括：确定异型淋巴细胞的特征参数，其中，特征参数包括异型淋巴细胞的数量，或者异型淋巴细胞的数量与淋巴细胞总数的比值；若特征参数处于预设参数区间，则进行异型淋巴细胞告警。
在一种可选的实施方式中，预设取值区间包括多个子区间，每一子区间对应一个告警等级；若特征参数处于预设取值区间，则进行异型淋巴细胞告警，包括：确定特征参数所处的子区间，进行所处的子区间对应的告警等级的告警。
第二方面，提供一种异型淋巴细胞的确定装置，包括：细胞参数获取模块，用于获取血液样本中各细胞的光信号强度值，光信号强度值包括荧光强度值和散射光强度值；目标细胞确定模块，用于根据血液样本中各细胞的光信号强度值，确定血液样本中的目标细胞，目标细胞包括疑似异型淋巴细胞和单核细胞；拟合数据确定模块，用于基于目标细胞的光信号强度值中的目标光信号强度值，确定M个待拟合数据，其中，每个待拟合数据包括一个目标光信号强度值以及与一个目标光信号强度值对应的目标细胞数量，M为正整数；高斯拟合模块，用于利用预设高斯模型对M个待拟合数据进行拟合，得到预设高斯函数以及预设高斯函数对应的拟合特征参数；异型淋巴细胞确定模块，用于若拟合特征参数满足预设条件，确定血液样本存在异型淋巴细胞。
第三方面，提供一种异型淋巴细胞的确定设备，包括：存储器，用于存储程序；处理器，用于运行存储器中存储的程序，以执行第一方面或第一方面的任一可选的实施方式提供的异型淋巴细胞的确定方法。
第四方面，提供一种血液细胞分析仪，用于执行第一方面或第一方面的任一可选的实施方式提供的异型淋巴细胞的确定方法。
第五方面，提供一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现第一方面或第一方面的任一可选的实施方式提供的异型淋巴细胞的确定方法。
根据本申请实施例中的异型淋巴细胞确定方法、装置和细胞分析仪，可以根据血液样本各细胞的光信号强度值，确定目标细胞，其中目标细胞包括疑似异型淋巴细胞和单核细胞。考虑到异型淋巴细胞的目标光信号强度值与成熟单核细胞的目标光信号强度值之间存在明显差异，若利用预设高斯模型对M个待拟合数据拟合，当目标细胞中存在异型淋巴细胞时拟合特征参数会满足预设条件，因此，利用拟合特征参数是否满足预设条件，能够准确的确定血液样本中存在异型淋巴细胞。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单地介绍，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是本申请实施例提供的在血液样本中存在异型淋巴细胞的情况下的一种示例性的细胞散点图；
图2是本申请实施例提供的在血液样本中存在异型淋巴细胞的情况下的另一种示例性的细胞散点图；
图3是本申请实施例提供的在血液样本中存在原始单核细胞的情况下的一种示例性的细胞散点图；
图4是本申请实施例提供的在血液样本中存在原始单核细胞的情况下的另一种示例性的细胞散点图；
图5是本申请实施例提供的在血液样本中存在异型淋巴细胞的情况下的另一种示例性的细胞散点图；
图6是本申请实施例提供的在血液样本中存在异型淋巴细胞的情况下的再一种示例性的细胞散点图；
图7是本申请实施例提供的在血液样本中存在原始单核细胞的情况下的又一种示例性的细胞散点图；
图8是本申请实施例提供的在血液样本中存在原始单核细胞的情况下的再一种示例性的细胞散点图；
图9是本申请实施例提供的一种异型淋巴细胞的确定方法的示意流程图；
图10是本申请实施例提供的另一种异型淋巴细胞的确定方法的流程示意图；
图11是本申请实施例提供的又一种异型淋巴细胞的确定方法的流程示意图；
图12是本申请实施例提供的又一种异型淋巴细胞的确定方法的流程示意图；
图13是本申请实施例提供的再一种异型淋巴细胞的确定方法的流程示意图；
图14是本申请实施例提供的一种异型淋巴细胞的确定装置的结构示意图；
图15是本申请实施例中异型淋巴细胞的确定设备的示例性硬件架构的结构图。
具体实施方式
下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本申请，并不被配置为限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
本申请实施例提供了异型淋巴细胞确定方法、装置、设备、介质和细胞分析仪，可以应用到对血液样本进行检测或分析的应用场景中。示例性的，可以具体应用于根据细胞的荧光强度值和散射光强度值判断血液样本是否存在异型淋巴细胞的具体应用场景中。
为了更好的理解本申请，本申请实施例依次对血液样本、细胞的光信号强度值、淋巴细胞、单核细胞等概念作具体解释说明。
(1)血液样本。血液样本可以从人类或动物体内采集，并用于临床检验，例如可以是人体外周血的血液样本。血液样本中可以包含多种白细胞，例如淋巴细胞、嗜酸细胞、单核细胞、中性粒细胞等多个类别。在本申请实施例中，由于需要血液中细胞的散射光强度信号和荧光信号构建散点图，血液样本可以指与试剂反应后得到的样本。例如试剂可以包括荧光试剂。此外，可选地，由于本申请实施例主要涉及的是对白细胞的亚分类中淋巴细胞和单核细胞的划分，血液样本可以是溶解掉血细胞和血小板后的样本。例如，可以利用血液细胞分析仪的白细胞分类通道(Florescence Channel，FCD)或者DIFF通道(即一种白细胞分类通道)对血液样本进行处理。又可选地，本申请实施例的血液样本还可以是包含红细胞、血小板、白细胞等各类细胞的血液样本。
(2)细胞的光信号强度值。在血液样本分析仪中，细胞经过检测区会受到激光的照射，并在照射后产生各种光信号强度值，例如能够反映细胞体积大小的前向散射光(Forward SCatter，FSC)强度、能够反映细胞复杂程度的侧向散射光(Side SCatter，SSC)强度和能够反映细胞核酸含量的荧光(Side FLuorescence，SFL)强度等，因此，为了能够区分各类白细胞，本申请实施例中的光信号强度值可以是荧光强度值和前向散射光强度值，或者是荧光强度值和侧向散射光强度值。
需要说明的是，同一类别的细胞彼此间的荧光强度以及散射光强度值往往差异性较小，然而对于分化程度不同或者形态存在差异的同一类别的细胞，其荧光强度以及散射光强度值往往存在一定差异性。不同类别的细胞彼此间的荧光强度以及彼此间的散射光强度往往具备一定差异性。
(3)淋巴细胞。淋巴细胞是一种白细胞，淋巴细胞按照形态可以进一步细分为异型淋巴细胞和正常淋巴细胞。其中，可以将体积正常且分化成熟的淋巴细胞划分为正常淋巴细胞。在一般情况下，血液中的淋巴细胞往往以正常淋巴细胞为主。
其中，异型淋巴细胞分为Ⅰ型、Ⅱ型、Ⅲ型。其中，Ⅰ型又称空泡型或浆细胞型，胞体比正常淋巴细胞稍大，多为圆形、椭圆形、不规则形。细胞核为圆形、肾形、分叶状，常偏位。染色质粗糙，呈粗网状或小块状，排列不规则，胞质丰富、染深蓝色、含空泡或呈泡沫状。Ⅱ型又称不规则型，或称单核细胞型。胞体较大，外形常不规则，可有多个伪足。核形状及结构与Ⅰ型相同，或更不规则，染色质较粗糙致密。胞质丰富，染淡蓝或灰蓝色，有透明感，边缘处着色深，一般无空泡，可有少数嗜天青颗粒。Ⅲ型，又称幼稚型或幼淋巴细胞型。胞体较大，细胞核圆形、卵圆形，染色质细致呈网状排列，可见1～2个核仁。胞质深蓝色，可有少数空泡。
由于异型淋巴细胞的体积往往大于正常淋巴细胞的体积，异型淋巴细胞的荧光强度值往往大于正常淋巴细胞的荧光强度值。异型淋巴细胞的细胞复杂程度也往往大于正常淋巴细胞的细胞复杂程度，异型淋巴细胞的侧向散射光强度往往大于正常淋巴细胞的侧向散射光强度。
为了便于理解两者光信号强度值的差异，本申请实施例的下述部分结合图1对其进行说明。图1是本申请实施例提供的在血液样本中存在异型淋巴细胞的情况下的一种示例性的细胞散点图。其中，图1示出的细胞散点图的横坐标为侧向散射光强度，纵坐标为荧光强度。由于细胞散点图是根据细胞的光信号强度值生成的，不同细胞在散点图上的分布差异性即表征了不同细胞的信号值的差异。如图1所示，异型淋巴细胞分布区域内的细胞为异型淋巴细胞，正常淋巴细胞分布区域内的细胞为正常淋巴细胞。通过图1可知，异型淋巴细胞和正常淋巴细胞分布在不同的区域，也就是说，两者的荧光强度值和侧向散射光强度值存在着一定差值。
在临床检测过程中，可以将光信号强度值在异型淋巴细胞的光信号强度值的取值范围内的细胞识别为异型淋巴细胞。为了便于理解，本申请实施例将结合图2对异型淋巴细胞的光信号强度值的取值范围进行说明。图2是本申请实施例提供的在血液样本中存在异型淋巴细胞的情况下的另一种示例性的细胞散点图。如图2所示，异型淋巴细胞识别区域对应的荧光强度值和侧向散射光强度值的变化范围即为异型淋巴细胞的光信号强度值的取值范围。也就说，若某一细胞的散点在异型淋巴细胞识别区域内，则该细胞的光信号强度值在异型淋巴细胞的光信号强度值的取值范围内。其中，异型淋巴细胞的光信号强度值的取值范围的具体数值可以根据具体检测场景和检测需求设置，对此不作具体限定。
此外，需要说明的是，若血液样本中不存在异型淋巴细胞或者存在少量的异型淋巴细胞，则淋巴细胞主要分布在图1示出的正常淋巴细胞分布区域。
(4)单核细胞。单核细胞也是一种白细胞，单核细胞按照细胞分化程度可以进一步划分为原始单核细胞和成熟单核细胞。需要说明的是，在本申请实施例中将未成熟的单核细胞(例如原始期的单核细胞、幼稚期的单核细胞等)均称为原始单核细胞。
由于与成熟单核细胞相比，原始单核细胞往往具备一个较大的细胞核。原始单核细胞的体积和细胞复杂程度往往大于成熟单核细胞的体积和细胞复杂程度，相应地，原始单核细胞的荧光强度值往往大于成熟单核细胞的荧光强度值，原始单核细胞的侧向散射光强度往往大于成熟单核细胞的侧向散射光强度。
为了便于理解两者光信号强度值的差异，本申请实施例的下述部分结合图3对其进行说明。图3是本申请实施例提供的在血液样本中存在原始单核细胞的情况下的一种示例性的细胞散点图。如图3所示，原始单核细胞分布区域内的细胞为原始单核细胞，成熟单核细胞分布区域内的细胞为成熟单核细胞。通过图3可知，原始单核细胞和成熟单核细胞分布在相近的区域中，也就是说，两者的荧光强度值和侧向散射光强度值存在着一定差值。
在临床检测过程中，可以将光信号强度值在单核细胞的光信号强度值的取值范围内的细胞识别为单核细胞。为了便于理解，继续以图3为例，由于单核细胞包括原始单核细胞和成熟单核细胞，可以将原始单核细胞分布区域和成熟单核细胞分布区域合并起来的区域称为单核细胞分布区域。单核细胞分布区域对应的荧光强度值和侧向散射光强度的变化范围即为单核细胞的光信号强度值的取值范围。也就说，若某一细胞的散点在原始单核细胞分布区域内或者在成熟单核细胞分布区域内，则该细胞的光信号强度值在单核细胞的光信号强度值的取值范围内。其中，单核细胞的光信号强度值的取值范围的具体数值可以根据具体检测场景和检测需求设置，对此不作具体限定。
可以将光信号强度值处于原始单核细胞分布区域所表征的光信号强度值变化范围内的细胞识别为原始单核细胞。也就是说，若某一细胞的散点在原始单核细胞分布区域内，则该细胞被识别为原始单核细胞。另外，可以将光信号强度值处于成熟单核细胞分布区域所表征的光信号强度值变化范围内的细胞识别为成熟单核细胞。也就是说，若某一细胞的散点在成熟单核细胞分布区域内，则该细胞被识别为成熟单核细胞。
需要说明的是，若血液样本中不存在原始单核细胞或者存在少量的原始单核细胞，则淋巴细胞主要分布在图3示出的成熟单核细胞分布区域。
本申请实施例的上述部分结合图1至图3对血液样本、细胞的光信号强度值、淋巴细胞、单核细胞等进行了详细的说明。
通过图1至图3可知，异型淋巴细胞的光信号强度值的取值范围会与原始单核细胞的光信号强度值的取值范围部分重叠，为了便于直观对比，本申请实施例将异型淋巴细胞的识别区域和原始单核细胞的分布区域放在同一散点图上对二者进行说明。图4是本申请实施例提供的在血液样本中存在原始单核细胞的情况下的另一种示例性的细胞散点图。如图4所示，异型淋巴细胞的识别区域与原始单核细胞的分布区域存在部分重叠，因此可能会将原始单核细胞误识别为异型淋巴细胞，甚至可能会存在将原始单核细胞识别为异型淋巴细胞的误告警。
申请人通过研究发现，异型淋巴细胞的光信号强度值与成熟单核细胞的光信号强度值之间存在明显的差异。示例性地，图5是本申请实施例提供的在血液样本中存在异型淋巴细胞的情况下的另一种示例性的细胞散点图。如5所示，由于异型淋巴细胞的光信号强度值与成熟单核细胞的光信号强度值之间存在明显的差异，在细胞散点图上，二者之间的分布之间之前存在明显的间隙。
申请人通过研究还进一步发现，若利用成熟单核细胞的荧光强度值和异型淋巴细胞的荧光强度值生成以荧光强度值为横坐标、以细胞数量为纵坐标的目标直方图，若目标直方图上示出的是根据离散点拟合得到的曲线，则可以发现曲线是一个符合双高斯分布的曲线。示例性地，图6是本申请实施例提供的在血液样本中存在异型淋巴细胞的情况下的再一种示例性的细胞散点图。为了能够对目标直方图和目标散点图进行直观比较，可以将目标直方图绘制在目标散点图中，其中，纵坐标的比例相同，目标直方图的横坐标为细胞数量。如图6所示，在目标直方图上示出的曲线是一个符合双高斯分布的曲线。
此外，申请人还通过研究发现，原始单核细胞的光信号强度值与成熟单核细胞的光信号强度值之间的差异较不明显。示例性地，图7是本申请实施例提供的在血液样本中存在原始单核细胞的情况下的又一种示例性的细胞散点图。如7所示，由于原始单核细胞的光信号强度值与成熟单核细胞的光信号强度值之间无明显差异，在细胞散点图上，原始单核细胞分布区域可以视为在成熟单核细胞分布区域的基础上的自然延伸。
申请人通过研究还进一步发现，若利用成熟单核细胞的荧光强度值和原始单核细胞的荧光强度值生成以荧光强度值为横坐标、以细胞数量为纵坐标的目标直方图，若目标直方图上示出的是利用离散度拟合的曲线，则可以发现曲线是一个符合单高斯分布的曲线。示例性地，图8是本申请实施例提供的在血液样本中存在原始单核细胞的情况下的再一种示例性的细胞散点图。为了能够对目标直方图和目标散点图进行直观比较，可以将目标直方图绘制在目标散点图中，其中，纵坐标的比例相同，目标直方图的横坐标为细胞数量。如图8所示，在目标直方图上示出的曲线是一个符合单高斯分布的曲线。
基于上述研究发现，本申请实施例提供了一种异型淋巴细胞确定方法、装置、设备、介质和细胞分析仪。
为了更好的理解本申请，下面将结合附图，详细描述根据本申请实施例的异型淋巴细胞确定方法、装置、设备、介质和细胞分析仪，应注意，这些实施例并不用来限制本申请公开的范围。
图9是本申请实施例提供的一种异型淋巴细胞的确定方法的示意流程图。如图9所示，本实施例中的异型淋巴细胞的确定方法900可以包括以下步骤S910至S950。
S910，获取血液样本中各细胞的光信号强度值。
首先，对于血液样本。在一些实施例中，S910中的血液样本可以是指血液细胞分析仪溶解掉血细胞和血小板后的血液样本。在另一些实施例中，在一些实施例中，S910中的血液样本可以是包含红细胞、血小板、白细胞等各类细胞的血液样本，此时，S910之后，还需要再利用细胞分析仪溶解血细胞和血小板。
其次，对于光信号强度值，光信号强度值包括荧光强度值和散射光强度值，散射光强度值为前向散射光强度值或者侧向散射光强度值。
此外，S910中的血液样本和细胞的光信号强度值可参见本申请实施例上述部分的相关描述，在此不再赘述。
S920，根据血液样本中各细胞的光信号强度值，确定血液样本中的目标细胞。
其中，对于目标细胞，目标细胞包括疑似异型淋巴细胞和单核细胞。疑似异型淋巴细胞是血液样本中需要进一步确定是异型淋巴细胞或者单核细胞的细胞。
在一个实施例中，可以将血液样本中各细胞的光信号强度值中处于第一取值范围内的光信号强度值，确定为血液样本中的目标细胞的光信号强度值。
其中，第一取值范围是异型淋巴细胞的光信号强度值的取值范围和单核细胞的光信号强度值的取值范围的并集。也就是说，若异型淋巴细胞的光信号强度值的取值范围表示为A，单核细胞的光信号强度值的取值范围表示为B，其中，原始单核细胞的光信号强度值的取值范围表示为B1，成熟单核细胞的光信号强度值的取值范围表示为B2。则第一取值范围表示为(A∪B)，B表示为(B1∪B2)。
示例性地，继续参见图2，异型淋巴细胞的光信号强度值的取值范围对应于异型淋巴细胞识别区域所表示的荧光强度值和侧向散射光强度值的变化范围。也就是说，若异型淋巴细胞的散点在异型淋巴细胞识别区域，则该细胞的光信号强度值处于第一取值范围。
又示例性地，继续参见图3，单核细胞的光信号强度值的取值范围对应于原始单核细胞分布区域所表示的荧光强度值和侧向散射光强度值的变化范围，以及还对应于成熟单核细胞分布区域所表示的荧光强度值和侧向散射光强度值的变化范围。也就是说，若单核细胞的散点在原始单核细胞分布区域内或者在成熟单核细胞分布区域内，则该细胞的光信号强度值处于第一取值范围。
S930，基于目标细胞的光信号强度值中的目标光信号强度值，确定M个待拟合数据。
在步骤S930中，目标光信号强度值与后续拟合步骤中选用的预设高斯模型的维度相关。示例性地，若后续拟合步骤中预设高斯模型选用一维高斯模型，则目标光信号强度值可以为荧光强度值。或者，若后续拟合步骤中预设高斯模型选用二维高斯模型，则目标光信号强度值为荧光强度值和目标散射光强度值。
其中，每个待拟合数据包括一个目标光信号强度值以及与一个目标光信号强度值对应的目标细胞数量，M为正整数。其中，若目标光信号强度值为荧光强度值，待拟合数据可以表示为(SFLi,ni)，其中i为不大于M的任意正整数。若目标光信号强度值为荧光强度值和侧向散射光强度值，待拟合数据可以表示为(SFLi,SSCi,ni)。由于两种待拟合数据的拟合方式和后续确定方式相同，本申请实施例的下属部分将以目标光信号强度值为荧光强度值，待拟合数据可以表示为(SFLi,ni)为例展开具体说明。此外，利用待拟合数据进行数据拟合时，待拟合数据可视为输入预设高斯模型的观测数据。
继续针对S930，由于血液样本中含有大量的目标细胞，不同细胞的荧光强度值可能相同，若血液样本中n个目标细胞的荧光强度值均为m，则可以生成一个待拟合数据(m,n)。此外，若目标细胞群的荧光强度值取值范围为[D1,DM]，则该范围[D1,DM]内的每一个荧光强度值均可以对应一个待拟合数据。
示例性地，为了更加直观的说明待拟合数据的确定方式，本申请实施例的下述部分将结合直方图对待拟合数据展开具体说明。需要说明的是，本部分仅为了说明M个待拟合数据的确定方式，而并非表示后续拟合过程均需要对直方图上的点进行拟合。
若基于目标细胞的荧光强度值建立一个横坐标为荧光强度值、纵坐标为目标细胞数量的直方图，则直方图上包括M个离散点，M个离散点的横坐标x表示一个荧光强度值m，M个离散点的横坐标y表示目标细胞群中荧光强度值等于m的细胞的总数。该直方图上的M个离散点，均可以各自表示为一个待拟合数据。
S940，利用预设高斯模型对M个待拟合数据进行拟合，得到预设高斯函数以及预设高斯函数对应的拟合特征参数。
其中，S940中的预设高斯模型可以是单高斯模型或者双高斯混合模型。本发明实施例的下述部分将分别结合两个高斯模型对S940作具体解释说明。
单高斯模型：
首先，当预设高斯模型选用单高斯模型，用单高斯模型拟合得到的预设高斯函数为第一单高斯函数，拟合特征参数包括表征第一单高斯函数对M个待拟合数据的拟合程度的第一评价参数。
S940的下述部分将对单高斯模型、第一单高斯函数、第一评价参数依次进行详细说明。
1、单高斯模型。单高斯模型满足公式(1)：
Figure BDA0002560786040000141
其中，
Figure BDA0002560786040000142
σ1为单高斯模型的标准差，b1为单高斯模型的均值，c1为单高斯模型的标准差。x表示荧光强度值，f(x)表示该荧光强度值对应的目标细胞数量。
需要说明的是，单高斯模型中参数a1、b1、c1是未知的，单高斯模型表示数据的整体分布趋势。
2、第一单高斯函数。第一单高斯函数也满足公式(1)，与单高斯模型的不同之处在于，参数a1、b1、c1是拟合得到的已知量。
在一些实施例中，在利用单高斯模型拟合第一单高斯函数时，可以采用列文伯格-马夸尔特法(Levenberg-Marquardt，LM)算法。或者，可以使用最大似然算法，又或者最大期望(Expectation Maximization，EM)算法。对具体算法不作限定。
3、第一评价参数。第一评价参数用于表征第一单高斯函数对M个待拟合数据的拟合程度。示例性地，第一评价参数包括以下至少一个参数：均方根误差(Root-Mean-SquareError，RMSE)、拟合系数(Coefficient of determination，R2)、和方差(Sum of Squaresfor Error，SSE)和均方差(Mean Square Error，MSE)。以RMSE为例，该值越接近于0，则拟合效果越高，也就是拟合程度越高。以拟合系数为例，该值越接近于1，则拟合效果越高，也就是拟合程度越高。
双高斯混合模型：
在一些实施例中，若预设高斯模型选用双高斯混合模型，用双高斯混合模型拟合得到的预设高斯函数为双高斯函数，拟合特征参数包括表征双高斯函数对M个待拟合数据的拟合程度的第二评价参数、以及第二单高斯函数表征的第一高斯分布与第三单高斯函数表征的第二高斯分布的距离。
S940的下述部分将对双高斯混合模型、双高斯函数、第二评价参数、第二单高斯函数表征的第一高斯分布与第三单高斯函数表征的第二高斯分布的距离依次进行详细说明。
1、双高斯混合模型。双高斯混合模型是第一单高斯模型和第二单高斯模型的线性组合。
其中，双高斯混合模型满足计算公式(2)：
Figure BDA0002560786040000151
其中，
Figure BDA0002560786040000152
为第一单高斯模型的表达公式，
Figure BDA0002560786040000153
为第二单高斯模型的表达公式。
其中，
Figure BDA0002560786040000154
σ2为第一单高斯模型的标准差，b2为第一单高斯模型的均值，c2为第一单高斯模型的标准差。
Figure BDA0002560786040000155
σ3为第二单高斯模型的标准差，b3为第二单高斯模型的均值，c3为第二单高斯模型的标准差。
需要说明的是，双高斯混合模型中参数a2、b2、c2、a3、b3、c3是未知的，双高斯混合模型表示数据的整体分布趋势。
2、双高斯函数。第二拟合结果为双高斯函数，双高斯函数是第一单高斯模型对应的第二高斯函数和第二单高斯模式对应的第三高斯函数的叠加函数。双高斯函数也满足公式(2)，与双高斯混合模型的不同之处在于，参数a2、b2、c2、a3、b3、c3是拟合得到的已知量。
其中，第二高斯函数表示为
Figure BDA0002560786040000156
第三高斯函数表示为
Figure BDA0002560786040000157
示例性地，在利用双高斯混合模型拟合双高斯函数时，可以采用LM算法。或者，可以使用最大似然算法，又或者EM算法。对具体算法不作限定。
3、第二评价参数。第二评价参数用于表征双高斯函数对M个待拟合数据的拟合程度。示例性地，第二评价参数包括以下至少一个参数：均RMSE、R2、SSE和MSE。以RMSE为例，该值越接近于0，则拟合效果越高，也就是拟合程度越高。以拟合系数为例，该值越接近于1，则拟合效果越高，也就是拟合程度越高。
3、第二单高斯函数表征的第一高斯分布与第三单高斯函数表征的第二高斯分布的距离d1。具体地，可以将第一高斯分布上的一个基准位置点和第二高斯分布上的一个基准位置点之间的距离作为第一高斯分布与第二高斯分布的距离d1。例如，可以用两个高斯分布的峰值作为第一高斯分布与第二高斯分布的距离d1。具体地，距离d1可以等于第一高斯分布的均值b2和第二高斯分布的均值b3的差值的绝对值。
在另一些实施例中，在利用双高斯混合模型拟合之前，可以先用单高斯模型进行初步拟合。此时，预设高斯模型、预设高斯函数与上一实施例相同，在此不再赘述。不同之处在于，本实施例中拟合特征参数可以仅包括第二评价参数，以及S940的具体实施方式。
由于第二特征参数已在上一实施例进行详细说明，本实施例的下述部分将集合附图10对S940的具体实施方式进行详细说明。
图10是本申请实施例提供的另一种异型淋巴细胞的确定方法的流程示意图。如图10所示，S940的具体实施方式包括S941和S942。
S941，利用单高斯模型对M个待拟合数据进行拟合，得到第一单高斯函数以及表征第一单高斯函数对M个待拟合数据的拟合程度的第一评价参数。
其中，单高斯模型、第一单高斯函数、第一评价参数可详见本发明实施例上述部分的相关说明，在此不再赘述。
S942，在第一评价参数超出第一取值范围的条件下，利用双高斯混合模型对M个待拟合数据进行拟合，得到双高斯函数以及双高斯函数对应的拟合特征参数。
其中，在第一评价参数超出第一取值范围的情况下，M个待拟合数据的分布趋势与单高斯模型表征的数据分布趋势不一致。此时，第一评价参数超出第一取值范围可以表征血液样本中疑似存在异型淋巴细胞，为了提高精度度，还可以利用双高斯混合模型进一步确定。此外，若第一评价参数处于第一取值范围，则确定血液样本不存在异型淋巴细胞，则无需执行本申请实施例的下述步骤。
第一取值范围是一个在0至1之间的取值范围。具体地，第一取值范围的取值与第一评价参数的类型相关。示例性地，若第一评价参数为RMSE，则第三取值范围是一个以0为下限值的取值范围，例如[0,f]，f小于1。又比如，若第二评价参数为确定参数，则第三取值范围是一个以1为上限值的取值范围，例如[g,1]，g大于0。
通过本实施例，先利用单高斯模型进行数据拟合，在利用单高斯模型确定血液样本可能存在异型淋巴细胞之后，再利用双高斯模型进行数据拟合，在保证异型淋巴细胞判断精度的同时，可以提高数据处理速率。
S950，若拟合特征参数满足预设条件，确定血液样本存在异型淋巴细胞。
其中，在拟合特征参数满足预设条件的情况下，M个待拟合数据的分布趋势与预设高斯模型表征的数据分布趋势一致。
此外，S950中的预设条件与S940的预设高斯模型的类别相关。在本实施例下述部分将结合预设高斯模型对预设条件进行具体解释说明。
第一种情况，预设高斯模型为单高斯模型，则预设条件包括第一评价参数超出第一取值范围。其中，在第一评价参数超出第一取值范围的情况下，M个待拟合数据的分布趋势与单高斯函数表征的数据分布趋势不一致。
由于当目标细胞中存在异型淋巴细胞时，待拟合数据实际上符合双高斯分布，此时若用单高斯模型对其进行拟合，则会导致拟合效果不好。因此，当第一评价参数超出第一取值范围时，能够确定存在异型淋巴细胞。
第二种情况，预设高斯模型为双高斯混合模型。预设条件包括第二评价参数处于第二取值范围、且距离大于预设距离阈值。其中，第二取值范围的相关内容可参见本申请实施例上述部分对第一取值范围的相关描述，在此不再赘述。
需要说明的是，本实施例考虑到若目标细胞中不存在异型淋巴细胞时，待拟合数据实际上符合单高斯分布。由于双高斯函数对单高斯分布、双高斯的拟合效果均较好，仅利用双高斯混合模型无法准确判断是否存在异型淋巴细胞。若第一高斯分布和第二高斯分布的距离大于预设距离阈值，则表征待拟合数据实际上符合双高斯分布，从而能够确定存在异型淋巴细胞。
第三种情况，预设高斯模型为双高斯混合模型。预设条件包括第二价参数处于第二取值范围，在第二评价参数处于第二取值范围的情况下M个待拟合数据的分布趋势与双高斯函数表征的数据分布趋势一致。
在这种情况下，由于可以先利用单高斯模型进行初步拟合，并确定单高斯函数对待拟合数据的拟合程度不高，从而可以提前确定待拟合数据不符合单高斯分布。此时，再利用双高斯混合模型的拟合程度就能准确确定是否存在异型淋巴细胞。
根据本申请实施例中的异型淋巴细胞确定方法、装置、设备、介质和细胞分析仪，可以根据血液样本各细胞的光信号强度值，确定目标细胞，其中目标细胞包括疑似异型淋巴细胞和单核细胞。考虑到异型淋巴细胞的目标光信号强度值与成熟单核细胞的目标光信号强度值之间存在明显差异，若利用预设高斯模型对M个待拟合数据拟合，当目标细胞中存在异型淋巴细胞时拟合特征参数会满足预设条件，因此，利用拟合特征参数是否满足预设条件，能够准确的确定血液样本中存在异型淋巴细胞。
此外，现有的利用门进行异型淋巴细胞识别的方案对仪器的调试精度较高，往往因仪器差异、仪器调试精度等因素的影响对异型淋巴细胞识别结果产生较大差异。而本申请实施例通过数据拟合的方式即可确定是否存在异型淋巴细胞，对仪器调试精度要求较低，可以降低仪器差异、仪器调试精度等因素对识别结果的影响，提高了异型淋巴细胞确定方案的通用性。
在一些实施例中，图11是本申请实施例提供的又一种异型淋巴细胞的确定方法的流程示意图。如图11所示，为了及时向相关人员进行异型淋巴细胞告警，S960之后，方法900还包括S960。
S960，进行异型淋巴细胞告警。
例如，可以在血液细胞分析仪的显示界面显示表征血液样本存在异型淋巴细胞的标识或者文字。或者，可以发出相应地告警音。
通过本申请实施例提供的方法准确的确定异型淋巴细胞之后，基于相同的申请构思本申请实施例的下述部分还提供了一个能够进一步准确的识别出血液样本中哪些细胞是异型淋巴细胞的技术方案。本申请实施例的下述部分将结合图11对该技术方案进行详细说明。
图12是本申请实施例提供的再一种异型淋巴细胞的确定方法的流程示意图，图12与图9相同或等同的步骤使用相同的标号。如图12所示，方法1200基本相同于方法900，不同之处在于，在方法1200中，方法900中的S950之后还可以包括S970和S980。
S970，确定第一高斯函数和第二高斯函数的交点的荧光强度值。
具体地，交点满足计算公式(3)：
Figure BDA0002560786040000191
其中，计算公式(3)的各参数的相关说明可参见本申请上述实施例对公式(2)的相关说明，在此不再赘述。
继续对于S970，可以求出一个满足公式(3)的x，即为第一高斯函数和第二高斯函数的交点的荧光强度值。
S980，将血液样本中荧光强度值高于交点的荧光强度值的细胞，确定为异型淋巴细胞。
对于S980，为了直观示出，继续以图6为例，若虚线对应的荧光强度值为交点的荧光强度值，则可以将虚线以上的细胞识别为异型淋巴细胞。将虚线以下的目标细胞识别为单核细胞。
在一些实施例中，由于血液样本中异型淋巴细胞的数量往往是临床检测指标一种。图13是本申请实施例提供的再一种异型淋巴细胞的确定方法的流程示意图，如图13所示，在S980之后方法1200还包括S991和S992。
S991，确定异型淋巴细胞的特征参数。
可选地，特征参数包括异型淋巴细胞的数量。其中，异型淋巴细胞的数量可以是对通过S980确定的异型淋巴细胞计数得到的。
可选地，特征参数包括异型淋巴细胞的数量与淋巴细胞总数的比值。
S992，若特征参数处于预设参数区间，则进行异型淋巴细胞告警。
其中，预设参数区间可以根据具体临床场景和临床需求设置，对此不再赘述。以异型淋巴细胞的数量与淋巴细胞总数的比值为例，若正常血液样本的比值为小于2％，则预设参数区间可以设置为一个最小值大于等于2％的区间，例如[2％,100％]。
在一个具体的实施例中，预设取值区间包括多个子区间，每一子区间对应一个告警等级。
示例性地，继续异型淋巴细胞的数量与淋巴细胞总数的比值为例，预设参数区间可以包括至少二个子区间：第一子区间[2％,6％]，表征异型淋巴细胞明显增多；第二子区间[6％,10％]，表征异型淋巴细胞显著增多。
在一个具体的实施例中，S992具体实现为：确定特征参数所处的子区间，进行所处的子区间对应的告警等级的告警。
示例性地，继续异型淋巴细胞的数量与淋巴细胞总数的比值为例，第一子区间[2％,6％]对应一级告警，第二子区间[6％,10％]对应二级告警。二级告警的等级高于一级告警的等级。
通过本示例，细化了告警精度，可以及时向相关人员进行异型淋巴细胞告警，并可以根据多级告警的显示方式或报警音的区别，告知相应人员异型淋巴细胞的异常程度。
基于相同的申请构思，本申请实施例除了提供了异型淋巴细胞的确定方法之外，还提供了与之对应的异型淋巴细胞的确定装置。下面结合附图，详细介绍根据本申请实施例的装置。
本申请实施例提供了一种异型淋巴细胞的确定装置。图14是本申请实施例提供的一种异型淋巴细胞的确定装置的结构示意图。如图14所示，异型淋巴细胞的确定装置1400包括：
细胞参数获取模块1410，用于获取血液样本中各细胞的光信号强度值，光信号强度值包括荧光强度值和散射光强度值。
目标细胞确定模块1420，用于根据血液样本中各细胞的光信号强度值，确定血液样本中的目标细胞，目标细胞包括疑似异型淋巴细胞和单核细胞。
拟合数据确定模块1430，用于基于目标细胞的光信号强度值中的目标光信号强度值，确定M个待拟合数据，其中，每个待拟合数据包括一个目标光信号强度值以及与一个目标光信号强度值对应的目标细胞数量，M为正整数。
高斯拟合模块1440，用于利用预设高斯模型对M个待拟合数据进行拟合，得到预设高斯函数以及预设高斯函数对应的拟合特征参数。
异型淋巴细胞确定模块1450，用于若拟合特征参数满足预设条件，确定血液样本存在异型淋巴细胞。
在一些实施例中，预设高斯模型为单高斯模型，预设高斯函数为第一单高斯函数。
拟合特征参数包括表征第一单高斯函数对M个待拟合数据的拟合程度的第一评价参数。
预设条件包括第一评价参数超出第一取值范围，其中，在第一评价参数超出第一取值范围的情况下，M个待拟合数据的分布趋势与单高斯函数表征的数据分布趋势不一致。
在一些实施例中，预设高斯模型为双高斯混合模型，预设高斯函数为双高斯函数，其中，双高斯函数为第二单高斯函数和第三高斯函数的叠加函数。
拟合特征参数包括：表征双高斯函数对M个待拟合数据的拟合程度的第二评价参数、以及第二单高斯函数表征的第一高斯分布与第三单高斯函数表征的第二高斯分布的距离。
预设条件包括第二评价参数处于第二取值范围、且距离大于预设距离阈值，其中，在第二评价参数处于第二取值范围的情况下，M个待拟合数据的分布趋势与双高斯函数表征的数据分布趋势一致。
在一些实施例中，预设高斯模型为双高斯混合模型，预设高斯函数为双高斯函数。
高斯拟合模块1440，具体包括：
第一拟合单元，用于利用单高斯模型对M个待拟合数据进行拟合，得到第一单高斯函数，以及表征第一单高斯函数对M个待拟合数据的拟合程度的第一评价参数。
第二拟合单元，用于在第一评价参数超出第一取值范围的条件下，利用双高斯混合模型对M个待拟合数据进行拟合，得到双高斯函数以及双高斯函数对应的拟合特征参数。
其中，拟合特征参数包括：表征双高斯函数对M个待拟合数据的拟合程度的第二评价参数，预设条件包括第二价参数处于第二取值范围，在第二评价参数处于第二取值范围的情况下M个待拟合数据的分布趋势与双高斯函数表征的数据分布趋势一致。
在一些实施例中，双高斯函数为第二单高斯函数和第三高斯函数的叠加函数。
异型淋巴细胞的确定装置1400还包括：
交点参数确定模块，用于确定第一高斯函数和第二高斯函数的交点的荧光强度值。
异型淋巴细胞识别模块，用于将血液样本中荧光强度值高于交点的荧光强度值的细胞，确定为异型淋巴细胞。
在一些实施例中，第一评价参数包括以下至少一个参数：均方根误差、拟合系数、方差和均方差。
在一些实施例中，第二评价参数包括以下至少一个参数：均方根误差、拟合系数、方差和均方差。
在一些实施例中，若目标光信号强度值为荧光强度值，则预设高斯模型为一维高斯模型。
若目标光信号强度值为荧光强度值和散射光强度值，则预设高斯模型为二维高斯模型。
在一些实施例中，异型淋巴细胞的确定装置1400还包括：
告警模块，用于进行异型淋巴细胞告警。
在一些实施例中，异型淋巴细胞的确定装置1400还包括：
特征参数确定模块，用于确定异型淋巴细胞的特征参数，其中，特征参数包括异型淋巴细胞的数量，或者异型淋巴细胞的数量与淋巴细胞总数的比值；
告警模块，用于若特征参数处于预设参数区间，则进行异型淋巴细胞告警。
在一些实施例中，预设取值区间包括多个子区间，每一子区间对应一个告警等级。
告警模块，具体用于确定特征参数所处的子区间，进行所处的子区间对应的告警等级的告警。
根据本申请实施例中的异型淋巴细胞确定装置，可以根据血液样本各细胞的光信号强度值，确定目标细胞，其中目标细胞包括疑似异型淋巴细胞和单核细胞。考虑到异型淋巴细胞的目标光信号强度值与成熟单核细胞的目标光信号强度值之间存在明显差异，若利用预设高斯模型对M个待拟合数据拟合，当目标细胞中存在异型淋巴细胞时拟合特征参数会满足预设条件，因此，利用拟合特征参数是否满足预设条件，能够准确的确定血液样本中存在异型淋巴细胞。
根据本申请实施例的异型淋巴细胞的确定装置的其他细节，与以上结合图9至图13所示实例描述的异型淋巴细胞的确定方法类似，并能达到其相应的技术效果，为简洁描述，在此不再赘述。
图15是本申请实施例中异型淋巴细胞的确定设备的示例性硬件架构的结构图。
如图15所示，异型淋巴细胞的确定设备1500包括输入设备1501、输入接口1502、中央处理器1503、存储器1504、输出接口1505、以及输出设备1506。其中，输入接口1502、中央处理器1503、存储器1504、以及输出接口1505通过总线1510相互连接，输入设备1501和输出设备1506分别通过输入接口1502和输出接口1505与总线1510连接，进而与异型淋巴细胞的确定设备1500的其他组件连接。
具体地，输入设备1501接收来自外部的输入信息，并通过输入接口1502将输入信息传送到中央处理器1503；中央处理器1503基于存储器1504中存储的计算机可执行指令对输入信息进行处理以生成输出信息，将输出信息临时或者永久地存储在存储器1504中，然后通过输出接口1505将输出信息传送到输出设备1506；输出设备1506将输出信息输出到异型淋巴细胞的确定设备1500的外部供用户使用。
也就是说，图15所示的异型淋巴细胞的确定设备也可以被实现为包括：存储有计算机可执行指令的存储器；以及处理器，该处理器在执行计算机可执行指令时可以实现结合图1至图2描述的异型淋巴细胞的确定设备的方法和装置。
在一个实施例中，图15所示的异型淋巴细胞的确定设备1500可以被实现为一种设备，该设备可以包括：存储器，用于存储程序；处理器，用于运行存储器中存储的程序，以执行本申请实施例的异型淋巴细胞的确定方法。
本申请实施例还提供了一种细胞分析仪，用于执行图9至图13描述的异型淋巴细胞的确定设备的方法。
本申请实施例还提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现本申请实施例的异型淋巴细胞的确定方法。
需要明确的是，本申请并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本申请的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本申请的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本申请的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。在本申请的一个实施例，计算机可读存储介质是指非暂态可读介质。
以上，仅为本申请的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

Claims (13)

1.一种异型淋巴细胞的确定方法，其特征在于，所述方法包括：
获取血液样本中各细胞的光信号强度值，所述光信号强度值包括荧光强度值和散射光强度值；
根据所述血液样本中各细胞的光信号强度值，确定所述血液样本中的目标细胞，所述目标细胞包括疑似异型淋巴细胞和单核细胞；
基于目标细胞的光信号强度值中的目标光信号强度值，确定M个待拟合数据，其中，每个待拟合数据包括一个目标光信号强度值以及与所述一个目标光信号强度值对应的目标细胞数量，M为正整数；
利用预设高斯模型对所述M个待拟合数据进行拟合，得到预设高斯函数以及所述预设高斯函数对应的拟合特征参数；
若所述拟合特征参数满足预设条件，确定血液样本存在异型淋巴细胞。
2.根据权利要求1所述的方法，其特征在于，
所述预设高斯模型为单高斯模型，所述预设高斯函数为第一单高斯函数，
所述拟合特征参数包括表征所述第一单高斯函数对M个待拟合数据的拟合程度的第一评价参数，
所述预设条件包括所述第一评价参数超出第一取值范围，其中，在所述第一评价参数超出第一取值范围的情况下，所述M个待拟合数据的分布趋势与所述单高斯函数表征的数据分布趋势不一致。
3.根据权利要求1所述的方法，其特征在于，
所述预设高斯模型为双高斯混合模型，所述预设高斯函数为双高斯函数，其中，所述双高斯函数为第二单高斯函数和第三高斯函数的叠加函数；
所述拟合特征参数包括：表征所述双高斯函数对M个待拟合数据的拟合程度的第二评价参数、以及所述第二单高斯函数表征的第一高斯分布与所述第三单高斯函数表征的第二高斯分布的距离，
所述预设条件包括所述第二评价参数处于第二取值范围、且所述距离大于预设距离阈值，其中，在所述第二评价参数处于第二取值范围的情况下，所述M个待拟合数据的分布趋势与所述双高斯函数表征的数据分布趋势一致。
4.根据权利要求1所述的方法，其特征在于，
所述预设高斯模型为双高斯混合模型，所述预设高斯函数为双高斯函数；
所述利用预设高斯模型对所述M个待拟合数据进行拟合，得到预设高斯函数以及所述预设高斯函数对应的拟合特征参数，具体包括：
利用单高斯模型对所述M个待拟合数据进行拟合，得到第一单高斯函数，以及表征所述第一单高斯函数对M个待拟合数据的拟合程度的第一评价参数；
在所述第一评价参数超出第一取值范围的条件下，利用双高斯混合模型对所述M个待拟合数据进行拟合，得到双高斯函数以及所述双高斯函数对应的拟合特征参数；
其中，所述拟合特征参数包括：表征所述双高斯函数对M个待拟合数据的拟合程度的第二评价参数，所述预设条件包括所述第二价参数处于第二取值范围，在所述第二评价参数处于第二取值范围的情况下所述M个待拟合数据的分布趋势与所述双高斯函数表征的数据分布趋势一致。
5.根据权利要求3或权利要求4所述的方法，其特征在于，所述双高斯函数为第二单高斯函数和第三高斯函数的叠加函数；
所述方法还包括：
确定所述第一高斯函数和所述第二高斯函数的交点的荧光强度值；
将所述血液样本中荧光强度值高于所述交点的荧光强度值的细胞，确定为异型淋巴细胞。
6.根据权利要求2或权利要求4所述的方法，其特征在于，
所述第一评价参数包括以下至少一个参数：均方根误差、拟合系数、方差和均方差。
7.根据权利要求3或权利要求4所述的方法，其特征在于，
所述第二评价参数包括以下至少一个参数：均方根误差、拟合系数、方差和均方差。
8.根据权利要求1至4任一项所述的方法，其特征在于，
若所述目标光信号强度值为荧光强度值，则所述预设高斯模型为一维高斯模型；
若所述目标光信号强度值为荧光强度值和散射光强度值，则所述预设高斯模型为二维高斯模型。
9.根据权利要求1至4任一权利要求所述的方法，其特征在于，确定所述血液样本存在异型淋巴细胞之后，所述方法还包括：
进行异型淋巴细胞告警。
10.根据权利要求5任一权利要求所述的方法，其特征在于，所述将所述血液样本中荧光强度值高于所述交点的荧光强度值的细胞，确定为异型淋巴细胞之后，所述方法还包括：
确定所述异型淋巴细胞的特征参数，其中，所述特征参数包括所述异型淋巴细胞的数量，或者所述异型淋巴细胞的数量与淋巴细胞总数的比值；
若所述特征参数处于预设参数区间，则进行异型淋巴细胞告警。
11.根据权利要求10所述的方法，其特征在于，所述预设取值区间包括多个子区间，每一子区间对应一个告警等级；
所述若所述特征参数处于预设取值区间，则进行异型淋巴细胞告警，包括：
确定所述特征参数所处的子区间，进行所述所处的子区间对应的告警等级的告警。
12.一种异型淋巴细胞的确定装置，其特征在于，所述方法包括：
细胞参数获取模块，用于获取血液样本中各细胞的光信号强度值，所述光信号强度值包括荧光强度值和散射光强度值；
目标细胞确定模块，用于根据所述血液样本中各细胞的光信号强度值，确定所述血液样本中的目标细胞，所述目标细胞包括疑似异型淋巴细胞和单核细胞；
拟合数据确定模块，用于基于目标细胞的光信号强度值中的目标光信号强度值，确定M个待拟合数据，其中，每个待拟合数据包括一个目标光信号强度值以及与所述一个目标光信号强度值对应的目标细胞数量，M为正整数；
高斯拟合模块，用于利用预设高斯模型对所述M个待拟合数据进行拟合，得到预设高斯函数以及所述预设高斯函数对应的拟合特征参数；
异型淋巴细胞确定模块，用于若所述拟合特征参数满足预设条件，确定所述血液样本存在异型淋巴细胞。
13.一种血液细胞分析仪，其特征在于，
所述细胞分析仪用于执行权利要求1-11任一权利要求所述的异型淋巴细胞的确定方法。
CN202010605178.4A 2020-06-29 2020-06-29 异型淋巴细胞确定方法、装置和细胞分析仪 Active CN111812068B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010605178.4A CN111812068B (zh) 2020-06-29 2020-06-29 异型淋巴细胞确定方法、装置和细胞分析仪

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010605178.4A CN111812068B (zh) 2020-06-29 2020-06-29 异型淋巴细胞确定方法、装置和细胞分析仪

Publications (2)

Publication Number Publication Date
CN111812068A true CN111812068A (zh) 2020-10-23
CN111812068B CN111812068B (zh) 2023-08-08

Family

ID=72856223

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010605178.4A Active CN111812068B (zh) 2020-06-29 2020-06-29 异型淋巴细胞确定方法、装置和细胞分析仪

Country Status (1)

Country Link
CN (1) CN111812068B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102472738A (zh) * 2009-07-03 2012-05-23 希森美康株式会社 血液分析装置及血液分析方法
US20140270458A1 (en) * 2013-03-13 2014-09-18 The Regents Of The University Of California Portable Blood Count Monitor
CN106687810A (zh) * 2014-12-31 2017-05-17 深圳迈瑞生物医疗电子股份有限公司 一种有核红细胞报警方法、装置及流式细胞分析仪
CN110249223A (zh) * 2017-02-17 2019-09-17 深圳迈瑞生物医疗电子股份有限公司 血液细胞分析方法及血液细胞分析仪
US20190360929A1 (en) * 2017-02-17 2019-11-28 Shenzhen Mindray Bio-Medical Electronics Co., Ltd. Method and device for identifying fragmented red blood cells, blood cell analyzer and analysis method

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102472738A (zh) * 2009-07-03 2012-05-23 希森美康株式会社 血液分析装置及血液分析方法
US20140270458A1 (en) * 2013-03-13 2014-09-18 The Regents Of The University Of California Portable Blood Count Monitor
CN106687810A (zh) * 2014-12-31 2017-05-17 深圳迈瑞生物医疗电子股份有限公司 一种有核红细胞报警方法、装置及流式细胞分析仪
CN110249223A (zh) * 2017-02-17 2019-09-17 深圳迈瑞生物医疗电子股份有限公司 血液细胞分析方法及血液细胞分析仪
US20190360929A1 (en) * 2017-02-17 2019-11-28 Shenzhen Mindray Bio-Medical Electronics Co., Ltd. Method and device for identifying fragmented red blood cells, blood cell analyzer and analysis method
US20190371434A1 (en) * 2017-02-17 2019-12-05 Shenzhen Mindray Bio-Medical Electronics Co., Ltd. Blood cell analysis method and blood cell analyzer

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
袁建华: "Sysmex XT-2000i血液分析仪散点图对检测儿童异型淋巴细胞的价值", 《健康之路》 *

Also Published As

Publication number Publication date
CN111812068B (zh) 2023-08-08

Similar Documents

Publication Publication Date Title
JP5425814B2 (ja) サポートベクタマシンを用いてフローサイトメトリーデータを分析するための方法及びシステム
Tanaka et al. Performance evaluation of platelet counting by novel fluorescent dye staining in the XN‐series automated hematology analyzers
US9880155B2 (en) System, method, and article for detecting abnormal cells using multi-dimensional analysis
US5436978A (en) Method and an apparatus for differentiating a sample of biological cells
US20070076190A1 (en) Apparatus for obtaining an image of a blood cell and method for obtaining an image of a blood cell
US10337975B2 (en) Method and system for characterizing particles using a flow cytometer
CN106687810A (zh) 一种有核红细胞报警方法、装置及流式细胞分析仪
CN107576634B (zh) 血液细胞分析仪及其细胞的识别方法与系统
US20230071301A1 (en) Blood cell analysis method and blood cell analyzer
CN111684264B (zh) 血液分析方法、血液分析系统及存储介质
Staats et al. Guidelines for gating flow cytometry data for immunological assays
CN111812012A (zh) 有核红细胞区域的识别方法、装置及血液分析仪
CN110887818B (zh) 一种血液样本的分析方法和血液细胞分析仪及存储介质
US20210164885A1 (en) Method for detecting a blood sample, blood cell analyzer, and storage medium
CN111274949B (zh) 一种基于结构分析的血液病白细胞散点图相似度分析方法
CN111812068B (zh) 异型淋巴细胞确定方法、装置和细胞分析仪
CN114419620A (zh) 异常样本识别方法、装置、样本分析仪和存储介质
JPH0921740A (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
EP3244191A1 (en) Method and system for characterizing particles using a flow cytometer
CN114281283B (zh) 散点图像的显示方法及样本分析设备、相关装置
CN111812070B (zh) 核左移以及取值范围的确定方法、装置和细胞分析仪
CN113380318A (zh) 人工智能辅助流式细胞术40cd免疫表型检测方法及系统
CN118150443A (zh) 血小板的分类方法、血细胞分析仪、终端设备及存储介质
CN118067589A (zh) 动物血样本白细胞的分类方法、装置、终端设备及介质
CN115201269A (zh) 应用电阻抗检测血小板的方法和血液分析系统

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