CN112557281B - 血液细胞分析仪的plt粒子检测方法和装置 - Google Patents
血液细胞分析仪的plt粒子检测方法和装置 Download PDFInfo
- Publication number
- CN112557281B CN112557281B CN202011320383.2A CN202011320383A CN112557281B CN 112557281 B CN112557281 B CN 112557281B CN 202011320383 A CN202011320383 A CN 202011320383A CN 112557281 B CN112557281 B CN 112557281B
- Authority
- CN
- China
- Prior art keywords
- particles
- classification
- particle
- histogram
- boundary
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 239000002245 particle Substances 0.000 title claims abstract description 286
- 238000001514 detection method Methods 0.000 title claims abstract description 39
- 210000000601 blood cell Anatomy 0.000 title claims abstract description 12
- 210000003743 erythrocyte Anatomy 0.000 claims abstract description 24
- 208000010110 spontaneous platelet aggregation Diseases 0.000 claims abstract description 10
- 239000013598 vector Substances 0.000 claims description 26
- 210000004369 blood Anatomy 0.000 claims description 19
- 239000008280 blood Substances 0.000 claims description 19
- 210000004027 cell Anatomy 0.000 claims description 15
- 238000000034 method Methods 0.000 claims description 14
- 230000005684 electric field Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 description 28
- 210000001772 blood platelet Anatomy 0.000 description 14
- 238000010586 diagram Methods 0.000 description 5
- 239000011148 porous material Substances 0.000 description 5
- 101100517651 Caenorhabditis elegans num-1 gene Proteins 0.000 description 4
- 239000003085 diluting agent Substances 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 206010027540 Microcytosis Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 239000012634 fragment Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012163 sequencing technique Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 210000000265 leukocyte Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 210000001995 reticulocyte Anatomy 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G01N15/1031—Investigating individual particles by measuring electrical or magnetic effects
-
- 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
- G01N15/02—Investigating particle size or size distribution
- G01N15/0266—Investigating particle size or size distribution with electrical classification
-
- 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
- G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
- G01N2015/011—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells with lysing, e.g. of erythrocytes
-
- 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
- G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
- G01N2015/018—Platelets
-
- 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
- G01N2015/1029—Particle size
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)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种血液细胞分析仪的PLT粒子检测方法和装置,通过对脉冲信号按照多个分类精度分别进行分类,得到多个分类精度的分类直方图,再将每个分类精度的分类直方图按照参考分界线分割为预设数量的参考子分类直方图,在每个参考子分类直方图中对参考分界线进行修正,得到准确的子分类直方图,基于所有分类直方图中对应的子分类直方图,确定血小板聚集粒子的数量,再根据预设的显示直方图函数和血小板聚集粒子的数量,确定准确的第一分界线,使得更为准确地在分类直方图中区分血小板聚集粒子和红细胞粒子。
Description
技术领域
本发明涉及血液细胞分析仪技术领域,具体涉及一种血液细胞分析仪的PLT粒子检测方法和装置。
背景技术
血液细胞分析仪是一种可检测血液中细胞的仪器,可以对白细胞、红细胞、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血小板检测最常见的一种方法为阻抗检测法,将血液样本在具有导电性的稀释液中稀释混匀,然后使稀释液流过两端有电极的小孔,稀释液中的细胞粒子在通过小孔时,小孔两端的电压因变化会产生电压脉冲,细胞粒子的体积越大,电压脉冲就越大,通过记录每个细胞粒子的电压脉冲值,将具有相同电压脉冲值的电压脉冲进行统计,可得到电压脉冲值-脉冲个数的直方图。由于红细胞和血小板的体积、数量均相差很大,正常血液样本的电压脉冲值-脉冲个数的直方图会有很明显的特征,请参考图1,图1为正常血液样本的电压脉冲值-脉冲个数的直方图,根据这个明显特征即可对血小板和红细胞进行分类,从而检测到血小板的数量。
然而,部分血液样本为包含小红细胞的样本或者存在红细胞碎片的样本,小红细胞和红细胞碎片由于体积与血小板相近,很容易被检测为血小板,而巨大的血小板也容易被误是被为红细胞,此时血液样本的电压脉冲值-脉冲个数的直方图没有很明显的特征,请参考图2,图2为异常血液样本的电压脉冲值-脉冲个数的直方图,PLT-RBC分界线很难准确的对血小板聚集粒子(PLT粒子)和红细胞粒子(RBC粒子)进行区分,使得血小板的检测准确性受到很大影响。
发明内容
本发明主要解决的技术问题是如何提高血液样本中血小板的检测准确性。
根据第一方面,一种实施例中提供一种血液细胞分析的PLT粒子检测方法,包括:
获取检测区域中的血液样本中的各种粒子经过电场时产生的脉冲信号,所述粒子至少包括第一类粒子和第二类粒子;
对脉冲信号按照多个分类精度分别进行分类,得到多个分类直方图,所述分类直方图用于表征粒子体积与粒子数量的对应关系;
获取预设数量的参考分界线,通过所述参考分界线将每个分类直方图分割为预设数量的参考子分类直方图,所述参考分界线用于表征参考分界粒子体积;
在每个参考子分类直方图中对参考分界线进行修正,得到每个参考子分类直方图中的分界线,即得到预设数量的分界线;
基于所述分界线将每个分类直方图分割为预设数量的子分类直方图;
基于所有分类直方图中对应的子分类直方图,确定第一类粒子的数量;
获取预设的显示直方图函数,所述显示直方图函数用于表征第一类粒子的体积与第一类粒子的数量的对应关系;
基于预设的显示直方图函数和第一类粒子的数量,确定第一分界线,所述第一分界线用于在分类直方图中区分第一类粒子与第二类粒子。
根据第二方面,一种实施例中提供一种血液细胞分析仪的PLT粒子检测装置,包括:
脉冲信号获取单元,用于获取检测区域中的血液样本中的各种粒子经过电场时产生的脉冲信号,所述粒子至少包括第一类粒子和第二类粒子;
分类单元,用于对脉冲信号按照多个分类精度分别进行分类,得到多个分类直方图,所述分类直方图用于表征粒子体积与粒子数量的对应关系;
获取参考子分类直方图单元,用于获取预设数量的参考分界线,通过所述参考分界线将每个分类直方图分割为预设数量的参考子分类直方图,所述参考分界线用于表征参考分界粒子体积;
分界线确定单元,用于在每个参考子分类直方图中对参考分界线进行修正,得到每个参考子分类直方图中的分界线,即得到预设数量的分界线;
子分类直方图确定单元,用于基于所述分界线将每个分类直方图分割为预设数量的子分类直方图;
第一类粒子数量确定单元,用于基于所有分类直方图中对应的子分类直方图,确定第一类粒子的数量;
显示直方图函数获取单元,用于获取预设的显示直方图函数,所述显示直方图函数用于表征第一类粒子的体积与第一类粒子的数量的对应关系;
第一分界线确定单元,用于基于预设的显示直方图函数和第一类粒子的数量,确定第一分界线,所述第一分界线用于在分类直方图中区分第一类粒子与第二类粒子。
根据第三方面,一种实施例中提供一种计算机可读存储介质,包括程序,所述程序能够被处理器执行以实现上述实施例所述的方法。
依据上述实施例的血液细胞分析仪的PLT粒子检测方法和装置,通过对脉冲信号按照多个分类精度分别进行分类,得到多个分类精度的分类直方图,再将每个分类精度的分类直方图按照参考分界线分割为预设数量的参考子分类直方图,在每个参考子分类直方图中对参考分界线进行修正,得到准确的子分类直方图,基于所有分类直方图中对应的子分类直方图,确定第一类粒子的数量,再根据预设的显示直方图函数和第一类粒子的数量,确定准确的第一分界线,使得更为准确地在分类直方图中区分第一类粒子和第二类粒子。
附图说明
图1为正常血液样本的电压脉冲值-脉冲个数的直方图;
图2为异常血液样本的电压脉冲值-脉冲个数的直方图;
图3为一种实施例的细胞分析仪中血小板和红细胞检测通道的结构示意图;
图4为一种实施例的PLT粒子检测方法流程图;
图5为一种实施例的PLT粒子检测装置的结构示意图;
图6为一种实施例的分类直方图中第一分界线(PLT-RBC分界线)的位置示意图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。其中不同实施方式中类似元件采用了相关联的类似的元件标号。在以下的实施方式中,很多细节描述是为了使得本申请能被更好的理解。然而,本领域技术人员可以毫不费力的认识到,其中部分特征在不同情况下是可以省略的,或者可以由其他元件、材料、方法所替代。在某些情况下,本申请相关的一些操作并没有在说明书中显示或者描述,这是为了避免本申请的核心部分被过多的描述所淹没,而对于本领域技术人员而言,详细描述这些相关操作并不是必要的,他们根据说明书中的描述以及本领域的一般技术知识即可完整了解相关操作。
另外,说明书中所描述的特点、操作或者特征可以以任意适当的方式结合形成各种实施方式。同时,方法描述中的各步骤或者动作也可以按照本领域技术人员所能显而易见的方式进行顺序调换或调整。因此,说明书和附图中的各种顺序只是为了清楚描述某一个实施例,并不意味着是必须的顺序,除非另有说明其中某个顺序是必须遵循的。
本文中为部件所编序号本身,例如“第一”、“第二”等,仅用于区分所描述的对象,不具有任何顺序或技术含义。而本申请所说“连接”、“联接”,如无特别说明,均包括直接和间接连接(联接)。
在本发明实施例中,采用动态聚类的方式,将单分类精度的分类直方图中没有明显特征的数据,通过动态聚类的方式找到数据的特征,实现了血小板聚集粒子(PLT)和红细胞粒子(RBC)的分类。
请参考图3,图3为一种实施例的细胞分析仪中血小板和红细胞检测通道的结构示意图,所述的血小板和红细胞检测通道包括样品杯101、检测器102、正电极103、负电极104、电源105、传感器106和小孔107。其中,样品杯101中用于盛放用稀释液进行稀释后的血液样本,正电极103与电源105的正极电连接,负电极104与电源105的负极电连接,检测器102设置在样品杯101中,检测器102的杯壁上设有一小孔107,正电极103设置在检测器102内正对小孔107的位置,负电极104设置在样品杯101内正对小孔107的位置,正电极103和负电极104在小孔107处形成电场,当样品杯101中的各种细胞粒子通过小孔107时产生电压脉冲,通过传感器106检测到电压脉冲,随着检测时间的推移可得到电压脉冲信号。
请参考图4,图4为一种实施例的PLT粒子检测方法流程图,所述的方法包括步骤201至步骤208,下面具体说明。
步骤201,获取检测区域中的血液样本中的各种粒子经过电场时产生的脉冲信号,所述粒子至少包括第一类粒子和第二类粒子。其中,第一类粒子为血小板聚集粒子(PLT粒子),第二类粒子为红细胞粒子(RBC)。
本实施例中的检测区域为血小板和红细胞检测通道中检测器102的小孔107,当血液样本中的各种粒子依次经过小孔107时引起电压的变化,从而产生电压脉冲,在检测时间内所产生的电压脉冲形成电压脉冲信号f(t),t为检测时间,t≥0,电压脉冲信号f(t)为关于检测时间t的函数。
步骤202,对脉冲信号按照多个分类精度分别进行分类,得到多个分类直方图,分类直方图用于表征粒子体积与粒子数量的对应关系。
在本实施例中,分类精度i为从1到N的自然数,将电压脉冲信号f(t)转换为N个电压脉冲值-粒子数的直方图,该直方图的横轴表示脉冲的大小,纵轴表示粒子的数量,由于粒子的体积越大,电压脉冲值越大,因此电压脉冲值可等价为粒子的体积,即得到N个分类直方图,每个分类直方图对应一个分类精度。
假设Hist(i)为分类精度为i时的分类直方图(i∈N),则有:
因为电压脉冲值与粒子体积可等价,所以分类直方图Hist(i)实际上是一个:体积-频率直方图,即一个体积-频率相关的函数,所以上式可写为:
其中,i表示分类精度,V表示粒子的体积(脉冲值大小),t表示检测时间。
步骤203,获取预设数量的参考分界线,通过参考分界线将每个分类直方图分割为预设数量的参考子分类直方图,参考分界线用于表征参考分界粒子体积。
本实施例根据生理学知识,将PLT细胞理论计算的理论体积最大值MaxV设置为配置参数,并确定MaxV在各个分类精度对应的分类直方图中对应的横轴的位置,然后再各个分类直方图中分别取1/8MaxV、2/8MaxV、3/8MaxV、4/8MaxV和5/8MaxV作为5个参考分界线,每个分类直方图中通过这5个参考分界线分割为5个区域,即得到5个参考子分类直方图,即横轴的1/8MaxV到MaxV的第一参考子分类直方图、横轴的2/8MaxV到MaxV的第二参考子分类直方图,横轴的3/8MaxV到MaxV为第三参考子分类直方图、横轴的4/8MaxV到MaxV为第四参考子分类直方图、横轴的5/8MaxV到MaxV为第五参考子分类直方图。
步骤204,在每个参考子分类直方图中对参考分界线进行修正,得到每个参考子分类直方图中的分界线,即得到预设数量的分界线。
在一实施例中,步骤204中在每个参考子分类直方图中对参考分界线进行修正,得到每个参考子分类直方图中的分界线,包括:
在每个参考子分类直方图中查找粒子数量最小值对应的粒子体积。
若参考子分类直方图中粒子数量最小值只有一个,则将该粒子数量最小值对应的粒子体积作为该参考分类直方图的分界线。
若所述参考分类直方图中粒子数量最小值具有多个,则将对应的多个粒子体积中最大的粒子体积作为该参考分类直方图的分界线。
本实施例在1/8MAXV到MAXV中寻找第一参考子分类直方图中纵轴的最小值,如有多个最小值,则以最右边(即粒子体积最大)为分界线1;在2/8MAXV到MAXV中寻找第二参考子分类直方图中纵轴的最小值,如有多个最小值,则以最右边(即粒子体积最大)为分界线2;同理在3/8MAXV到MAXV中可得到分界线3,在4/8MAXV到MAXV中可得到分界线4,在5/8MAXV到MAXV中可得到分界线5。综上,可得到5个分界线。
步骤205,基于分界线将每个分类直方图分割为预设数量的子分类直方图。
基于上述得到的5个分界线,将各个分类精度对应的分类直方图可切割为5个子分类直方图,即横轴的分界线1至MaxV为子分类直方图1、横轴的分界线2至MaxV为子分类直方图2、横轴的分界线3至MaxV为子分类直方图3、横轴的分界线4至MaxV为子分类直方图4、横轴的分界线5至MaxV为子分类直方图5。
步骤206,基于所有分类直方图中对应的子分类直方图,确定第一类粒子的数量。
在一实施例中,步骤206中基于所有分类直方图中对应的子分类直方图,确定第一类粒子的数量,包括:
在每个分类直方图中统计每个分界线之前的粒子,得到每个分类直方图中预设数量的第一粒子集合。
本实施例在每个分类精度对应的分类直方图中,统计分界线1之前的粒子总和,记为Num1;统计分界线2之前的粒子数之和,记为Num2;统计分界线3之前的粒子数之和,记为Num3;统计分界线4之前的粒子数之和,记为Num4;统计分界线5之前的粒子数之和,记为Num5。
将所有分类直方图中的第一粒子集合进行统计,得到预设数量的第二粒子集合。
本实施例将所有分类直方图中的Num1取出组成一个集合记为S1;将所有分类直方图中的Num2取出组成一个集合记为S2;将所有分类直方图中的Num3取出组成一个集合记为S3;将所有分类直方图中的Num4取出组成一个集合记为S4;将所有分类直方图中的Num5取出组成一个集合记为S5。
对每个第二粒子集合中的粒子按照粒子体积进行排序。
本实施例将集合S1中的元素排序后取中值记为M1;将集合S2中的元素排序后取中值记为M2;将集合S3中的元素排序后取中值记为M3;将集合S4中的元素排序后取中值记为M4;将集合S5中的元素排序后取中值记为M5。
取所有第二粒子集合中排序后粒子体积为中间位置对应的粒子数量,得到粒子数量向量mT=[M1,M2,M3,M4,M5],粒子数量向量的维数与预设数量相同。
获取预设权重向量,所述预设权重向量的维数与预设数量相同。
假设预设权重向量w=[w1,w2,w3,w4,w5],其中w1+w2+w3+w4+w5=1。
基于预设权重向量和粒子数量向量,得到第一类粒子的数量。本实施例通过M=w×m则可得到第一类粒子的数量M。
步骤207,获取预设的显示直方图函数,其中显示直方图函数用于表征第一类粒子的体积与第一类粒子的数量的对应关系。
步骤208,基于预设的显示直方图函数和第一类粒子的数量,确定第一分界线,其中第一分界线用于在分类直方图中区分第一类粒子与第二类粒子。
假设预设的显示直方图函数为F(v),其中v表示粒子体积,v∈[0,127];
请参考图5,图5为一种实施例的PLT粒子检测装置的结构示意图,所述的PLT粒子检测装置包括脉冲信号获取单元301、分类单元302、获取参考子分类直方图单元302、分界线确定单元304、子分类直方图确定单元305、第一类粒子数量确定单元306、显示直方图函数获取单元307和第一分界线确定单元308。
脉冲信号获取单元301用于获取检测区域中的血液样本中的各种粒子经过电场时产生的脉冲信号,其中粒子至少包括第一类粒子和第二类粒子。其中,第一类粒子为血小板聚集粒子(PLT粒子),第二类粒子为红细胞粒子(RBC)。
本实施例中的检测区域为血小板和红细胞检测通道中检测器102的小孔107,当血液样本中的各种粒子依次经过小孔107时引起电压的变化,从而产生电压脉冲,在检测时间内所产生的电压脉冲形成电压脉冲信号f(t),t为检测时间,t≥0,电压脉冲信号f(t)为关于检测时间t的函数。
分类单元302用于对脉冲信号按照多个分类精度分别进行分类,得到多个分类直方图,其中分类直方图用于表征粒子体积与粒子数量的对应关系。
在本实施例中,分类精度i为从1到N的自然数,将电压脉冲信号f(t)转换为N个电压脉冲值-粒子数的直方图,该直方图的横轴表示脉冲的大小,纵轴表示粒子的数量,由于粒子的体积越大,电压脉冲值越大,因此电压脉冲值可等价为粒子的体积,即得到N个分类直方图,每个分类直方图对应一个分类精度。
假设Hist(i)为分类精度为i时的分类直方图(i∈N),则有:
因为电压脉冲值与粒子体积可等价,所以分类直方图Hist(i)实际上是一个:体积-频率直方图,即一个体积-频率相关的函数,所以上式可写为:
其中,i表示分类精度,V表示粒子的体积(脉冲值大小),t表示检测时间。
获取参考子分类直方图单元303用于获取预设数量的参考分界线,通过参考分界线将每个分类直方图分割为预设数量的参考子分类直方图,其中参考分界线用于表征参考分界粒子体积。
本实施例根据生理学知识,将PLT细胞理论计算的理论体积最大值MaxV设置为配置参数,并确定MaxV在各个分类精度对应的分类直方图中对应的横轴的位置,然后再各个分类直方图中分别取1/8MaxV、2/8MaxV、3/8MaxV、4/8MaxV和5/8MaxV作为5个参考分界线,每个分类直方图中通过这5个参考分界线分割为5个区域,即得到5个参考子分类直方图,即横轴的1/8MaxV到MaxV的第一参考子分类直方图、横轴的2/8MaxV到MaxV的第二参考子分类直方图,横轴的3/8MaxV到MaxV为第三参考子分类直方图、横轴的4/8MaxV到MaxV为第四参考子分类直方图、横轴的5/8MaxV到MaxV为第五参考子分类直方图。
分界线确定单元304用于在每个参考子分类直方图中对参考分界线进行修正,得到每个参考子分类直方图中的分界线,即得到预设数量的分界线。
在一实施例中,在每个参考子分类直方图中对参考分界线进行修正,得到每个参考子分类直方图中的分界线,包括:
在每个参考子分类直方图中查找粒子数量最小值对应的粒子体积。
若参考子分类直方图中粒子数量最小值只有一个,则将该粒子数量最小值对应的粒子体积作为该参考分类直方图的分界线。
若所述参考分类直方图中粒子数量最小值具有多个,则将对应的多个粒子体积中最大的粒子体积作为该参考分类直方图的分界线。
本实施例在1/8到中寻找第一参考子分类直方图中纵轴的最小值,如有多个最小值,则以最右边(即粒子体积最大)为分界线1;在2/8到中寻找第二参考子分类直方图中纵轴的最小值,如有多个最小值,则以最右边(即粒子体积最大)为分界线2;同理在3/8到中可得到分界线3,在4/8到中可得到分界线4,在5/8到中可得到分界线5。综上,可得到5个分界线。
子分类直方图确定单元305用于基于分界线将每个分类直方图分割为预设数量的子分类直方图。
基于上述得到的5个分界线,将各个分类精度对应的分类直方图可切割为5个子分类直方图,即横轴的分界线1至MaxV为子分类直方图1、横轴的分界线2至MaxV为子分类直方图2、横轴的分界线3至MaxV为子分类直方图3、横轴的分界线4至MaxV为子分类直方图4、横轴的分界线5至MaxV为子分类直方图5。
第一类粒子数量确定单元306用于基于所有分类直方图中对应的子分类直方图,确定第一类粒子的数量。
在一实施例中,基于所有分类直方图中对应的子分类直方图,确定第一类粒子的数量,包括:
在每个分类直方图中统计每个分界线之前的粒子,得到每个分类直方图中预设数量的第一粒子集合。
本实施例在每个分类精度对应的分类直方图中,统计分界线1之前的粒子总和,记为Num1;统计分界线2之前的粒子数之和,记为Num2;统计分界线3之前的粒子数之和,记为Num3;统计分界线4之前的粒子数之和,记为Num4;统计分界线5之前的粒子数之和,记为Num5。
将所有分类直方图中的第一粒子集合进行统计,得到预设数量的第二粒子集合。
本实施例将所有分类直方图中的Num1取出组成一个集合记为S1;将所有分类直方图中的Num2取出组成一个集合记为S2;将所有分类直方图中的Num3取出组成一个集合记为S3;将所有分类直方图中的Num4取出组成一个集合记为S4;将所有分类直方图中的Num5取出组成一个集合记为S5。
对每个第二粒子集合中的粒子按照粒子体积进行排序。
本实施例将集合S1中的元素排序后取中值记为M1;将集合S2中的元素排序后取中值记为M2;将集合S3中的元素排序后取中值记为M3;将集合S4中的元素排序后取中值记为M4;将集合S5中的元素排序后取中值记为M5。
取所有第二粒子集合中排序后粒子体积为中间位置对应的粒子数量,得到粒子数量向量mT=[M1,M2,M3,M4,M5],粒子数量向量的维数与预设数量相同。
获取预设权重向量,所述预设权重向量的维数与预设数量相同。
假设预设权重向量w=[w1,w2,w3,w4,w5],其中w1+w2+w3+w4+w5=1。
基于预设权重向量和粒子数量向量,得到第一类粒子的数量。本实施例通过M=w×m则可得到第一类粒子的数量M。
显示直方图函数获取单元307用于获取预设的显示直方图函数,其中显示直方图函数用于表征第一类粒子的体积与第一类粒子的数量的对应关系。
第一分界线确定单元308用于基于预设的显示直方图函数和第一类粒子的数量,确定第一分界线,其中第一分界线用于在分类直方图中区分第一类粒子与第二类粒子。
假设预设的显示直方图函数为F(v),其中v表示粒子体积,v∈[0,127];
请参考图6,图6为一种实施例的分类直方图中第一分界线(PLT-RBC分界线)的位置示意图,其与采用现有技术得到第一分界线的图2相比,更加准确的对血小板聚集粒子(PLT粒子)和红细胞粒子(RBC粒子)进行了识别与检测。
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功能可以通过硬件的方式实现,也可以通过计算机程序的方式实现。当上述实施方式中全部或部分功能通过计算机程序的方式实现时,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、光盘、硬盘等,通过计算机执行该程序以实现上述功能。例如,将程序存储在设备的存储器中,当通过处理器执行存储器中程序,即可实现上述全部或部分功能。另外,当上述实施方式中全部或部分功能通过计算机程序的方式实现时,该程序也可以存储在服务器、另一计算机、磁盘、光盘、闪存盘或移动硬盘等存储介质中,通过下载或复制保存到本地设备的存储器中,或对本地设备的系统进行版本更新,当通过处理器执行存储器中的程序时,即可实现上述实施方式中全部或部分功能。
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。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
Claims (8)
1.一种血液细胞分析仪的PLT粒子检测方法,其特征在于,包括:
获取检测区域中的血液样本中的各种粒子经过电场时产生的脉冲信号,所述粒子至少包括第一类粒子和第二类粒子;
对脉冲信号按照多个分类精度分别进行分类,得到多个分类直方图,所述分类直方图用于表征粒子体积与粒子数量的对应关系;
基于PLT细胞理论体积最大值MaxV,获取预设数量的参考分界线,通过所述参考分界线将每个分类直方图分割为预设数量的参考子分类直方图,所述参考分界线用于表征参考分界粒子体积;
在每个参考子分类直方图中对参考分界线进行修正,得到每个参考子分类直方图中的分界线,即得到预设数量的分界线;
基于所述分界线将每个分类直方图分割为预设数量的子分类直方图;
基于所有分类直方图中对应的子分类直方图,确定第一类粒子的数量;
获取预设的显示直方图函数,所述显示直方图函数用于表征第一类粒子的体积与第一类粒子的数量的对应关系;
基于预设的显示直方图函数和第一类粒子的数量,确定第一分界线,所述第一分界线用于在分类直方图中区分第一类粒子与第二类粒子;
所述在每个参考子分类直方图中对参考分界线进行修正,得到每个参考子分类直方图中的分界线,包括:
在每个参考子分类直方图中查找粒子数量最小值对应的粒子体积;
若所述参考子分类直方图中粒子数量最小值只有一个,则将该粒子数量最小值对应的粒子体积作为该参考子分类直方图的分界线;
若所述参考子分类直方图中粒子数量最小值具有多个,则将对应的多个粒子体积中最大的粒子体积作为该参考子分类直方图的分界线。
2.如权利要求1所述的方法,其特征在于,所述第一类粒子为血小板聚集粒子,第二类粒子为红细胞粒子。
3.如权利要求1所述的方法,其特征在于,所述基于所有分类直方图中对应的子分类直方图,确定第一类粒子的数量,包括:
在每个分类直方图中统计每个分界线之前的粒子,得到每个分类直方图中预设数量的第一粒子数据,所述第一粒子数据包括粒子数量和粒子体积;
将所有分类直方图中的第一粒子数据进行统计,得到预设数量的第二粒子数据,所述第二粒子数据包括粒子数量和粒子体积;
对每个第二粒子数据对应的粒子按照粒子体积进行排序;
取所有第二粒子数据对应的粒子中排序后粒子体积为中间位置对应的粒子数量,得到粒子数量向量,所述粒子数量向量的维数与预设数量相同;
获取预设权重向量,所述预设权重向量的维数与预设数量相同;
基于预设权重向量和粒子数量向量,得到第一类粒子的数量。
5.一种血液细胞分析仪的PLT粒子检测装置,其特征在于,包括:
脉冲信号获取单元,用于获取检测区域中的血液样本中的各种粒子经过电场时产生的脉冲信号,所述粒子至少包括第一类粒子和第二类粒子;
分类单元,用于对脉冲信号按照多个分类精度分别进行分类,得到多个分类直方图,所述分类直方图用于表征粒子体积与粒子数量的对应关系;
获取参考子分类直方图单元,用于基于PLT细胞理论体积最大值MaxV,获取预设数量的参考分界线,通过所述参考分界线将每个分类直方图分割为预设数量的参考子分类直方图,所述参考分界线用于表征参考分界粒子体积;
分界线确定单元,用于在每个参考子分类直方图中对参考分界线进行修正,得到每个参考子分类直方图中的分界线,即得到预设数量的分界线;
子分类直方图确定单元,用于基于所述分界线将每个分类直方图分割为预设数量的子分类直方图;
第一类粒子数量确定单元,用于基于所有分类直方图中对应的子分类直方图,确定第一类粒子的数量;
显示直方图函数获取单元,用于获取预设的显示直方图函数,所述显示直方图函数用于表征第一类粒子的体积与第一类粒子的数量的对应关系;
第一分界线确定单元,用于基于预设的显示直方图函数和第一类粒子的数量,确定第一分界线,所述第一分界线用于在分类直方图中区分第一类粒子与第二类粒子;
所述在每个参考子分类直方图中对参考分界线进行修正,得到每个参考子分类直方图中的分界线,包括:
在每个参考子分类直方图中查找粒子数量最小值对应的粒子体积;
若所述参考子分类直方图中粒子数量最小值只有一个,则将该粒子数量最小值对应的粒子体积作为该参考子分类直方图的分界线;
若所述参考子分类直方图中粒子数量最小值具有多个,则将对应的多个粒子体积中最大的粒子体积作为该参考子分类直方图的分界线。
6.如权利要求5所述的装置,其特征在于,所述基于所有分类直方图中对应的子分类直方图,确定第一类粒子的数量,包括:
在每个分类直方图中统计每个分界线之前的粒子,得到每个分类直方图中预设数量的第一粒子数据,所述第一粒子数据包括粒子数量和粒子体积;
将所有分类直方图中的第一粒子数据进行统计,得到预设数量的第二粒子数据,所述第二粒子数据包括粒子数量和粒子体积;
对每个第二粒子数据对应的粒子按照粒子体积进行排序;
取所有第二粒子数据对应的粒子中排序后粒子体积为中间位置对应的粒子数量,得到粒子数量向量,所述粒子数量向量的维数与预设数量相同;
获取预设权重向量,所述预设权重向量的维数与预设数量相同;
基于预设权重向量和粒子数量向量,得到第一类粒子的数量。
8.一种计算机可读存储介质,其特征在于,包括程序,所述程序能够被处理器执行以实现如权利要求1-4中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011320383.2A CN112557281B (zh) | 2020-11-23 | 2020-11-23 | 血液细胞分析仪的plt粒子检测方法和装置 |
PCT/CN2021/092161 WO2022105141A1 (zh) | 2020-11-23 | 2021-05-07 | 血液细胞分析仪的plt粒子检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011320383.2A CN112557281B (zh) | 2020-11-23 | 2020-11-23 | 血液细胞分析仪的plt粒子检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112557281A CN112557281A (zh) | 2021-03-26 |
CN112557281B true CN112557281B (zh) | 2022-06-24 |
Family
ID=75044787
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011320383.2A Active CN112557281B (zh) | 2020-11-23 | 2020-11-23 | 血液细胞分析仪的plt粒子检测方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112557281B (zh) |
WO (1) | WO2022105141A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112557281B (zh) * | 2020-11-23 | 2022-06-24 | 深圳市科曼医疗设备有限公司 | 血液细胞分析仪的plt粒子检测方法和装置 |
CN113052086B (zh) * | 2021-03-29 | 2024-02-27 | 深圳市科曼医疗设备有限公司 | 一种白细胞分类方法、装置、计算机设备和存储介质 |
CN113218845B (zh) * | 2021-07-08 | 2021-11-23 | 深圳市帝迈生物技术有限公司 | 一种样本分析仪及其计数异常的检测方法 |
CN114729871A (zh) * | 2021-08-05 | 2022-07-08 | 深圳迈瑞动物医疗科技有限公司 | 一种样本分析装置、动物用分析装置和样本分析方法 |
WO2023123463A1 (zh) * | 2021-12-31 | 2023-07-06 | 深圳迈瑞动物医疗科技股份有限公司 | 一种样本分析装置和样本分析方法 |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA1091350A (en) * | 1976-11-04 | 1980-12-09 | John L. Haynes | Particle-density measuring system |
US4202625A (en) * | 1978-08-18 | 1980-05-13 | Ortho Diagnostics, Inc. | Method and apparatus for discriminating red blood cells from platelets |
JP2714629B2 (ja) * | 1988-03-23 | 1998-02-16 | 東亜医用電子株式会社 | 粒子計数方法および装置 |
JP4817270B2 (ja) * | 1997-05-13 | 2011-11-16 | シスメックス株式会社 | 粒子測定装置 |
JP3521381B2 (ja) * | 1998-02-23 | 2004-04-19 | リオン株式会社 | 粒子計数装置 |
US6228652B1 (en) * | 1999-02-16 | 2001-05-08 | Coulter International Corp. | Method and apparatus for analyzing cells in a whole blood sample |
US20070105234A1 (en) * | 2005-10-20 | 2007-05-10 | University Of Utah Research Foundation | Diagnosing equine hyperelastosis cutis |
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 |
CN101387599B (zh) * | 2007-09-13 | 2011-01-26 | 深圳迈瑞生物医疗电子股份有限公司 | 一种区分粒子群落的方法及粒子分析仪 |
CN101226133B (zh) * | 2008-01-28 | 2010-04-14 | 宁波大学 | 一种血细胞脉冲信号的分类识别方法 |
CN106290081A (zh) * | 2016-08-16 | 2017-01-04 | 江苏康尚生物医疗科技有限公司 | 一种区分粒子群落的方法及粒子分析仪 |
CN106501160A (zh) * | 2016-09-08 | 2017-03-15 | 长春迪瑞医疗科技股份有限公司 | 一种粒子分类方法及粒子分类装置 |
CN107817208B (zh) * | 2016-09-12 | 2024-07-02 | 深圳市帝迈生物技术有限公司 | 一种血细胞计数装置及其白细胞计数修正方法 |
WO2018232589A1 (zh) * | 2017-06-20 | 2018-12-27 | 深圳迈瑞生物医疗电子股份有限公司 | 一种血小板聚集识别的方法、装置和细胞分析仪 |
WO2019206310A1 (zh) * | 2018-04-28 | 2019-10-31 | 深圳迈瑞生物医疗电子股份有限公司 | 血液分析方法、血液分析系统及存储介质 |
CN111849736A (zh) * | 2019-04-25 | 2020-10-30 | 深圳市帝迈生物技术有限公司 | 动物血液细胞测量方法及动物血液分析设备 |
CN111912978A (zh) * | 2019-05-09 | 2020-11-10 | 深圳迈瑞生物医疗电子股份有限公司 | 白细胞分类计数的方法、装置和血液分析仪 |
CN111812012B (zh) * | 2020-06-29 | 2023-08-11 | 迈克医疗电子有限公司 | 有核红细胞区域的识别方法、装置及血液分析仪 |
CN112557281B (zh) * | 2020-11-23 | 2022-06-24 | 深圳市科曼医疗设备有限公司 | 血液细胞分析仪的plt粒子检测方法和装置 |
-
2020
- 2020-11-23 CN CN202011320383.2A patent/CN112557281B/zh active Active
-
2021
- 2021-05-07 WO PCT/CN2021/092161 patent/WO2022105141A1/zh active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2022105141A1 (zh) | 2022-05-27 |
CN112557281A (zh) | 2021-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112557281B (zh) | 血液细胞分析仪的plt粒子检测方法和装置 | |
CN110444248B (zh) | 基于网络拓扑参数的癌症生物分子标志物筛选方法及系统 | |
EP1969362B1 (en) | Systems and methods for particle counting | |
CN107389536B (zh) | 基于密度-距离中心算法的流式细胞粒子分类计数方法 | |
WO2018151680A1 (en) | Methods and devices for identifying population clusters in data | |
JP2012519848A (ja) | 細胞集団識別のための機器間の方法およびシステム | |
CN102177427A (zh) | 颗粒分析中的检测和处理同步 | |
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 | |
CN116046643B (zh) | 辅助诊断信息提供装置及血液分析系统 | |
WO2023186051A1 (zh) | 辅助诊断方法及装置、构建装置、分析装置及相关产品 | |
EP2252872B1 (en) | High resolution classification | |
US4309757A (en) | Method for classification of signals by comparison with an automatically determined threshold | |
US20110167029A1 (en) | Method and device for classifying, displaying and exploring biological data | |
JPS63196852A (ja) | 液体中の粒子分析の閾値決定方法とその装置 | |
CN112424582A (zh) | 血液样本检测的方法、血液样本检测仪和存储介质 | |
US4314346A (en) | Auxiliary apparatus for a particle analyser | |
Lina et al. | Focused color intersection for leukocyte detection and recognition system | |
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 | |
CN106290081A (zh) | 一种区分粒子群落的方法及粒子分析仪 | |
Harkins et al. | Discriminant analysis of macrocytic red cells | |
CN111812070A (zh) | 核左移以及取值范围的确定方法、装置和细胞分析仪 | |
CN114878440B (zh) | 一种样本分析仪及其堵孔检测方法 | |
LU504621B1 (en) | Animal Blood Cell Measurement Method, and Animal Blood Analysis Equipment | |
CN114674729B (zh) | 脉冲识别方法、装置、存储介质、设备及血液细胞分析仪 | |
CN108037060B (zh) | 粒子计数方法、实现所述方法的粒子计数装置和粒子分析仪 |
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 |