CN112945807A - 基于血液细胞分析仪的自动检测方法和装置 - Google Patents
基于血液细胞分析仪的自动检测方法和装置 Download PDFInfo
- Publication number
- CN112945807A CN112945807A CN202110127249.9A CN202110127249A CN112945807A CN 112945807 A CN112945807 A CN 112945807A CN 202110127249 A CN202110127249 A CN 202110127249A CN 112945807 A CN112945807 A CN 112945807A
- Authority
- CN
- China
- Prior art keywords
- pulse
- peak
- signal
- point
- width
- 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.)
- Pending
Links
- 210000000601 blood cell Anatomy 0.000 title claims abstract description 33
- 238000001514 detection method Methods 0.000 title claims abstract description 33
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 238000000034 method Methods 0.000 claims abstract description 17
- 239000002245 particle Substances 0.000 claims description 48
- 210000004369 blood Anatomy 0.000 claims description 23
- 239000008280 blood Substances 0.000 claims description 23
- 238000000605 extraction Methods 0.000 claims description 7
- 230000005684 electric field Effects 0.000 claims description 6
- 230000036278 prepulse Effects 0.000 claims description 6
- 230000000875 corresponding effect Effects 0.000 description 47
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 6
- 238000005070 sampling Methods 0.000 description 5
- 238000003672 processing method Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 2
- 210000003743 erythrocyte Anatomy 0.000 description 2
- 210000000265 leukocyte Anatomy 0.000 description 2
- 239000011148 porous material Substances 0.000 description 2
- 230000008569 process Effects 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
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 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
-
- 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
- G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood 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
- 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)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种基于血液细胞分析仪的自动检测方法和装置,所述的方法包括获取原始信号;对原始信号进行均值滤波处理,去除原始信号中的硬件干扰,再基于滤波后的信号确定信号中每个脉冲的参数信息,基于每个脉冲的参数信息确定信号的阈值参数,提取滤波后的信号中满足阈值参数的有效信号,提升了血液细胞分析仪检测结果的准确度。
Description
技术领域
本发明涉及血液细胞分析仪检测技术领域,具体涉及一种基于血液细胞分析仪的自动检测方法和装置。
背景技术
血液细胞分析仪在人类生命健康体检中扮演着越来越重要的角色,其中,有效信号的检测在血液细胞分析仪中处于核心地位。在血液细胞分析仪中,一个粒子(例如血液细胞)经过微孔(宝石孔)时,会产生一个幅值与粒子(例如血液细胞)体积成正比的脉冲信号。模数采样装置采集脉冲信号时,由于接触不良、低频干扰等外界因素影响,导致模数采样装置输出的脉冲信号将有效信号叠加于一个不稳定的基线电压水平上(基频信号)。波动的基线叠加在脉冲信号上,使得输出的脉冲信号中除了有效信号外,还包含噪声。除此之外,由于管路中可能含有气泡,气泡通过宝石孔时也会显示为脉冲信号,导致输出的脉冲信号可能同时含有噪声、气泡和有效信号,影响血液细胞分析仪最终的检测结果。
发明内容
本发明主要解决的技术问题是能够提升血液细胞分析仪检测结果的准确度。
根据第一方面,一种实施例中提供一种基于血液细胞分析仪的自动检测方法,所述血液细胞分析仪用于对待测血液样本中的各种粒子进行检测,所述方法包括:
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原始信号;所述原始信号包括至少一个脉冲;
对原始信号进行均值滤波处理,得到滤波后的信号;
基于滤波后的信号,确定所述信号中每个脉冲的参数信息;
基于所述信号中每个脉冲的参数信息,确定信号中每个脉冲的阈值参数;
基于所述信号中每个脉冲的阈值参数,确定所述信号的阈值范围,从滤波后的信号中提取满足所述阈值范围的信号作为有效信号;所述有效信号用于统计血液样本中各种粒子的数量。
在一种实施例中,所述参数信息至少包括脉冲峰值点坐标、脉冲后半峰宽对应点坐标、脉冲终点坐标、脉冲前半峰宽对应点坐标、脉冲起点坐标、脉冲起点前一个点坐标和脉冲起点后一个点坐标。
在一种实施例中,若滤波后的信号包括M波脉冲,且所述M波脉冲中间谷点的纵坐标大于M波脉冲任一峰值点的纵坐标的一半时,将所述中间谷点的坐标作为M波脉冲峰值点的坐标。
在一种实施例中,所述阈值参数包括:脉冲前峰宽度、脉冲后峰宽度、脉冲全峰宽度、脉冲前半高宽度、脉冲后半高宽度、脉冲半高宽度、第一斜率、第二斜率、最小有效脉冲峰值和最大有效脉冲峰值。
在一种实施例中,基于所述信号的参数信息,确定信号的阈值参数,包括:
通过以下公式确定阈值参数:
Ww1=peak_x-start_x;
Ww2=end_x-peak_x;
Ww3=end_x-start_x;
Wg1=peak_x-pri_x;
Wg2=sub_x-peak_x;
Wg3=sub_x-pri_x;
k1=start_y-start_y2;
k2=start_y3-start_y;
peakmin=min(peak_y);
peakmax=max(peak_y);
其中,Ww1为脉冲前峰宽度,Ww2为脉冲后峰宽度,Ww3为脉冲全峰宽度,Wg1为脉冲前半高宽度,Wg2为脉冲后半高宽度,Wg3为脉冲半高宽度,k1为第一斜率,k2为第二斜率,peakmin为最小有效脉冲峰值,peakmax为最大有效脉冲峰值,peak_x为脉冲峰值点的横坐标,start_x为脉冲起点的横坐标,end_x为脉冲终点的横坐标,pri_x为脉冲前半峰宽对应点的横坐标,sub_x为脉冲后半峰宽对应点的横坐标,start_y为脉冲起点的纵坐标,start_y2为脉冲起点前一个点的纵坐标,start_y3为脉冲起点后一个点的纵坐标,peak_y为脉冲峰值点的纵坐标。
根据第二方面,一种实施例中提供一种基于血液细胞分析仪的自动检测装置,包括:
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原始信号;所述原始信号包括至少一个脉冲;
滤波单元,用于对原始信号进行均值滤波处理,得到滤波后的信号;
参数信息确定单元,用于基于滤波后的信号,确定所述信号中每个脉冲的参数信息;
阈值范围确定单元,用于基于所述信号的参数信息,确定信号的阈值参数;
有效信号提取单元,用于基于所述信号中每个脉冲的阈值参数,确定所述信号的阈值范围,从滤波后的信号中提取满足所述阈值范围的信号作为有效信号;所述有效信号用于统计血液样本中各种粒子的数量。
在一种实施例中,所述参数信息至少包括脉冲峰值点坐标、脉冲后半峰宽对应点坐标、脉冲终点坐标、脉冲前半峰宽对应点坐标、脉冲起点坐标、脉冲起点前一个点坐标和脉冲起点后一个点坐标。
在一种实施例中,若滤波后的信号包括M波脉冲,所述M波脉冲中间谷点的纵坐标大于M波脉冲任一峰值点的纵坐标的一半时,将所述中间谷点的坐标作为M波脉冲峰值点的坐标。
在一种实施例中,所述阈值参数包括:脉冲前峰宽度、脉冲后峰宽度、脉冲全峰宽度、脉冲前半高宽度、脉冲后半高宽度、脉冲半高宽度、第一斜率、第二斜率、最小有效脉冲峰值和最大有效脉冲峰值。
依据上述实施例的基于血液细胞分析仪的自动检测方法/装置,由于对原始信号进行均值滤波处理,去除了原始信号中的硬件干扰,再基于滤波后的信号确定信号中每个脉冲的参数信息,基于每个脉冲的参数信息确定信号的阈值参数,提取滤波后的信号中满足阈值参数的有效信号,提升了血液细胞分析仪检测结果的准确度。
附图说明
图1为一种实施例的基于血液细胞分析仪的自动检测方法的流程图;
图2为一种实施例的原始信号示意图;
图3为一种实施例的滤波后的信号示意图;
图4为一种实施例的基于血液细胞分析仪的自动检测装置的结构示意图;
图5为另一种实施例的原始信号的示意图;
图6为一种实施例的有效信号的示意图;
图7为图6中有效信号的局部放大示意图。
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)。
在血液细胞分析仪中,脉冲信号通常同时包含噪声、气泡和有效信号,为了将有效信号提取出来,先对脉冲信号进行滤波处理,去除脉冲信号中的噪声(硬件干扰),再将滤波后的信号根据阈值参数进行特征点检测,从而实现有效信号的提取。阈值参数的大小与血液细胞分析仪中液路的流速、硬件带通、光学组件功率、机械安装情况等相关,换而言之,阈值参数并不是固定不变的,当血液细胞分析仪的设计方案改变时,阈值参数也需要进行对应的调整,很多时候需要人眼观察脉冲信号的特征来选取阈值参数,使得选取阈值参数的时间较长,且人眼观察带有一定的主观性,导致所选取的阈值参数过宽,从而影响有效信号提取的准确度。
在本发明实施例中,对原始信号进行均值滤波处理后,基于滤波后的信号确定脉冲信号中每个脉冲的参数信息,基于每个脉冲的参数信息确定信号的阈值参数,再基于阈值参数,从滤波后的信号中提取有效信号,实现了有效信号的准确提取,提升了血液细胞分析仪的检测准确度。
请参考图1,图1为一种实施例的基于血液细胞分析仪的自动检测方法的流程图,所述的自动检测方法包括以下步骤,下面详细说明。
步骤101,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原始信号;其中,原始信号包括至少一个脉冲。
在检测区域中,血液样本中的粒子在经过微孔时,会产生幅值与粒子体积相关的脉冲信号,不同种类的粒子体积不相同,通过统计脉冲信号中不同幅值脉冲的数量,可确定不同种类粒子的数量,以实现血液样本中粒子的检测。血液样本中的粒子可以为红细胞、白细胞等血液细胞粒子。
需要说明的是,血液样本中的粒子经过微孔时所产生的脉冲信号为模拟电压信号,将模拟电压信号经过模数采样装置后,采集得到数字的原始信号,因此,原始信号为粒子经过微孔产生的模拟信号经过模数采样装置采集后的数字信号,本实施例中原始信号的纵坐标为模数采样值(AD值),即为信号的幅值,横坐标为对应的数据点序号。
步骤102,对原始信号进行均值滤波处理,得到滤波后的信号。
如图2所示,硬件干扰产生的噪声使得原始信号的基线整体或者部分抬升,通过对原始信号进行均值滤波处理后,如图3所示,抬升基线已基本为0。本实施例中采用的均值滤波处理方法可以为现有任一种均值滤波处理方法。
步骤103,基于滤波后的信号,确定信号中每个脉冲的参数信息。
在本实施例中,每个脉冲的参数信息包括脉冲峰值点坐标、脉冲后半峰宽对应点坐标、脉冲终点坐标、脉冲前半峰宽对应点坐标、脉冲起点坐标、脉冲起点前一个点坐标和脉冲起点后一个点坐标。需要说明的是,上述坐标包括横坐标和纵坐标,且信号中每个脉冲均具有上述参数信息,也就是,信号中的一个脉冲的参数信息之间是相互关联的,例如,信号中包括6个脉冲,则需获取6组参数信息,每组参数信息与每个脉冲是一一对应的。
在一实施例中,假设滤波后的信号为信号Nobase_data,通过以下方式来获取信号Nobase_data中每个脉冲的参数信息:
步骤1031,通过极大值法获取Nobase_data中每个脉冲对应的脉冲峰值点坐标(peak_x,peak_y)。
步骤1032,获取信号Nobase_data中每个脉冲的脉冲终点坐标(end_x,end_y)。需要说明的是,本实施例中的脉冲终点可以为信号中的谷点,也可以为脉冲峰值点后第一个纵坐标小于硬件带来最大噪声对应的点。
步骤1033,获取信号Nobase_data中每个脉冲的脉冲起点坐标(start_x,start_y),基于脉冲起点坐标(start_x,start_y)获取脉冲起点前一个点坐标(start_x-1,start_y2)和脉冲起点后一个点坐标(start_x+1,start_y3)。需要说明的是,脉冲峰值点前第一个纵坐标小于硬件带来最大噪声对应的点。
步骤1034,基于每个脉冲对应的脉冲峰值点坐标(peak_x,peak_y)和脉冲终点坐标(end_x,end_y),获取每个脉冲对应的脉冲后半峰宽对应点坐标(sub_x,sub_y),其中sub_y=peak_y/2,也就是脉冲峰值点纵坐标一半对应的点,通常来说,脉冲峰值点纵坐标一半对应的点有两个,其中在脉冲峰值点与脉冲终点之间的点为脉冲后半峰宽对应点。
步骤1035,基于每个脉冲对应的脉冲峰值点坐标(peak_x,peak_y)和脉冲起点坐标(start_x,start_y),获取每个脉冲对应的脉冲前半峰宽对应点坐标(pri_x,pri_y),其中pri_y=peak_y/2,也就是脉冲峰值点纵坐标一半对应的点,通常来说,脉冲峰值点纵坐标一半对应的点有两个,其中在脉冲峰值点与脉冲起点之间的点为脉冲前半峰宽对应点。
在另一实施例中,由于液路中粒子流的分布并不是绝对均匀的,当粒子通过微孔时,可能存在两个粒子同时通过的情况,此时脉冲信号中会出现两个脉冲相连的情况,也就是M波脉冲形式,此时,若M波脉冲中间的谷点的纵坐标大于M波脉冲任一峰值点纵坐标的一半时,本实施例将这两个粒子归类为不可分辨的粒子,也就是说将M波脉冲作为一个脉冲,该脉冲的峰值点作为即为M波脉冲中间的谷点;相反地,若M波脉冲中间的谷点的纵坐标小于等于M波脉冲任一峰值点纵坐标的一半时,本实施例将这两个粒子归类为两个独立粒子,也就是,M波脉冲的两个峰值点分别作为两个脉冲的峰值点,M波脉冲中间的谷点为前一个脉冲的脉冲终点,同时为后一个脉冲的脉冲起点。
步骤104,基于所述信号中每个脉冲的参数信息,确定信号中每个脉冲的阈值参数。
在本实施例中,阈值参数包括:脉冲前峰宽度、脉冲后峰宽度、脉冲全峰宽度、脉冲前半高宽度、脉冲后半高宽度、脉冲半高宽度、第一斜率、第二斜率、最小有效脉冲峰值和最大有效脉冲峰值。
在一实施例中,通过以下公式确定阈值参数:
Ww1=peak_x-start_x;
Ww2=end_x-peak_x;
Ww3=end_x-start_x;
Wg1=peak_x-pri_x;
Wg2=sub_x-peak_x;
Wg3=sub_x-pri_x;
k1=start_y-start_y2;
k2=start_y3-start_y;
peakmin=min(peak_y);
peakmax=max(peak_y);
其中,Ww1为脉冲前峰宽度,Ww2为脉冲后峰宽度,Ww3为脉冲全峰宽度,Wg1为脉冲前半高宽度,Wg2为脉冲后半高宽度,Wg3为脉冲半高宽度,k1为第一斜率,k2为第二斜率,peakmin为最小有效脉冲峰值,peakmax为最大有效脉冲峰值,peak_x为脉冲峰值点的横坐标,start_x为脉冲起点的横坐标,end_x为脉冲终点的横坐标,pri_x为脉冲前半峰宽对应点的横坐标,sub_x为脉冲后半峰宽对应点的横坐标,start_y为脉冲起点的纵坐标,start_y2为脉冲起点前一个点的纵坐标,start_y3为脉冲起点后一个点的纵坐标,peak_y为脉冲峰值点的纵坐标。
对于信号Nobase_data中每个脉冲均根据上述公式计算阈值参数,得到每个脉冲对应的阈值参数。
步骤105,基于信号中每个脉冲的阈值参数,确定信号的阈值范围,从滤波后的信号中提取满足所述阈值范围的信号作为有效信号;其中,有效信号用于统计血液样本中各种粒子的数量。
由于信号Nobase_data中每个脉冲均具有阈值参数,本实施例从多组阈值参数中确定阈值参数的最大值和最小值,即得到阈值参数的范围,阈值参数的范围也就是阈值范围。
从信号Nobase_data中提取满足阈值范围的脉冲组成的信号即为有效信号。
血液细胞分析仪通过统计有效信号中脉冲的幅值分布情况,即可得到血液样本中各种粒子的分布。
请参考图4,图4为一种实施例的基于血液细胞分析仪的自动检测装置,所述的自动检测装置包括:信号获取单元201、滤波单元202、参数信息确定单元203、阈值范围确定单元204和有效信号提取单元205。
信号获取单元201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原始信号;其中,原始信号包括至少一个脉冲。
在检测区域中,血液样本中的粒子在经过微孔时,会产生幅值与粒子体积相关的脉冲信号,不同种类的粒子体积不相同,通过统计脉冲信号中不同幅值脉冲的数量,可确定不同种类粒子的数量,以实现血液样本中粒子的检测。血液样本中的粒子可以为红细胞、白细胞等血液细胞粒子。
滤波单元202用于对原始信号进行均值滤波处理,得到滤波后的信号。
硬件干扰产生的噪声使得原始信号的基线整体或者部分抬升,通过对原始信号进行均值滤波处理后,抬升基线可基本为0。本实施例中采用的均值滤波处理方法可以为现有任一种均值滤波处理方法。
参数信息确定单元203用于基于滤波后的信号,确定信号中每个脉冲的参数信息。
在本实施例中,每个脉冲的参数信息包括脉冲峰值点坐标、脉冲后半峰宽对应点坐标、脉冲终点坐标、脉冲前半峰宽对应点坐标、脉冲起点坐标、脉冲起点前一个点坐标和脉冲起点后一个点坐标。需要说明的是,上述坐标包括横坐标和纵坐标,且信号中每个脉冲均具有上述参数信息,也就是,信号中的一个脉冲的参数信息之间是相互关联的,例如,信号中包括6个脉冲,则需获取6组参数信息,每组参数信息与每个脉冲是一一对应的。
在一实施例中,假设滤波后的信号为信号Nobase_data,通过以下方式来获取信号Nobase_data中每个脉冲的参数信息:
通过极大值法获取Nobase_data中每个脉冲对应的脉冲峰值点坐标(peak_x,peak_y)。
获取信号Nobase_data中每个脉冲的脉冲终点坐标(end_x,end_y)。需要说明的是,本实施例中的脉冲终点可以为信号中的谷点,也可以为脉冲峰值点后第一个纵坐标小于硬件带来最大噪声对应的点。
获取信号Nobase_data中每个脉冲的脉冲起点坐标(start_x,start_y),基于脉冲起点坐标(start_x,start_y)获取脉冲起点前一个点坐标(start_x-1,start_y2)和脉冲起点后一个点坐标(start_x+1,start_y3)。需要说明的是,脉冲峰值点前第一个纵坐标小于硬件带来最大噪声对应的点。
基于每个脉冲对应的脉冲峰值点坐标(peak_x,peak_y)和脉冲终点坐标(end_x,end_y),获取每个脉冲对应的脉冲后半峰宽对应点坐标(sub_x,sub_y),其中sub_y=peak_y/2,也就是脉冲峰值点纵坐标一半对应的点,通常来说,脉冲峰值点纵坐标一半对应的点有两个,其中在脉冲峰值点与脉冲终点之间的点为脉冲后半峰宽对应点。
基于每个脉冲对应的脉冲峰值点坐标(peak_x,peak_y)和脉冲起点坐标(start_x,start_y),获取每个脉冲对应的脉冲前半峰宽对应点坐标(pri_x,pri_y),其中pri_y=peak_y/2,也就是脉冲峰值点纵坐标一半对应的点,通常来说,脉冲峰值点纵坐标一半对应的点有两个,其中在脉冲峰值点与脉冲起点之间的点为脉冲前半峰宽对应点。
在另一实施例中,由于液路中粒子流的分布并不是绝对均匀的,当粒子通过微孔时,可能存在两个粒子同时通过的情况,此时脉冲信号中会出现两个脉冲相连的情况,也就是M波脉冲形式,此时,若M波脉冲中间的谷点的纵坐标大于M波脉冲任一峰值点纵坐标的一半时,本实施例将这两个粒子归类为不可分辨的粒子,也就是说将M波脉冲作为一个脉冲,该脉冲的峰值点作为即为M波脉冲中间的谷点;相反地,若M波脉冲中间的谷点的纵坐标小于等于M波脉冲任一峰值点纵坐标的一半时,本实施例将这两个粒子归类为两个独立粒子,也就是,M波脉冲的两个峰值点分别作为两个脉冲的峰值点,M波脉冲中间的谷点为前一个脉冲的脉冲终点,同时为后一个脉冲的脉冲起点。
阈值范围确定单元203用于基于信号的参数信息,确定信号中每个脉冲的阈值参数。
在本实施例中,阈值参数包括:脉冲前峰宽度、脉冲后峰宽度、脉冲全峰宽度、脉冲前半高宽度、脉冲后半高宽度、脉冲半高宽度、第一斜率、第二斜率、最小有效脉冲峰值和最大有效脉冲峰值。
在一实施例中,通过以下公式确定阈值参数:
Ww1=peak_x-start_x;
Ww2=end_x-peak_x;
Ww3=end_x-start_x;
Wg1=peak_x-pri_x;
Wg2=sub_x-peak_x;
Wg3=sub_x-pri_x;
k1=start_y-start_y2;
k2=start_y3-start_y;
peakmin=min(peak_y);
peakmax=max(peak_y);
其中,Ww1为脉冲前峰宽度,Ww2为脉冲后峰宽度,Ww3为脉冲全峰宽度,Wg1为脉冲前半高宽度,Wg2为脉冲后半高宽度,Wg3为脉冲半高宽度,k1为第一斜率,k2为第二斜率,peakmin为最小有效脉冲峰值,peakmax为最大有效脉冲峰值,peak_x为脉冲峰值点的横坐标,start_x为脉冲起点的横坐标,end_x为脉冲终点的横坐标,pri_x为脉冲前半峰宽对应点的横坐标,sub_x为脉冲后半峰宽对应点的横坐标,start_y为脉冲起点的纵坐标,start_y2为脉冲起点前一个点的纵坐标,start_y3为脉冲起点后一个点的纵坐标,peak_y为脉冲峰值点的纵坐标。
对于信号Nobase_data中每个脉冲均根据上述公式计算阈值参数,得到每个脉冲对应的阈值参数。
有效信号提取单元204用于基于信号中每个脉冲的阈值参数,确定信号的阈值范围,从滤波后的信号中提取满足阈值范围的信号作为有效信号;其中,有效信号用于统计血液样本中各种粒子的数量。
请参考图5,图5为另一种原始信号的示意图,从图5中可以看出,原始信号的基线被整体抬升,且原始信号中含有气泡,采用均值滤波处理后,如图6所示,滤波后的信号的基线基本为0,去除了原始信号中的硬件干扰,然后基于上述方法确定滤波后信号的阈值范围,从图6中可以看出,信号上有黑色圆圈标识的脉冲为满足阈值范围的有效信号,其中图7为图6方框部分信号的放大示意图,将图6中黑色圆圈标识的脉冲提取出来,即得到有效信号。
在本发明实施例中,血液细胞分析仪通过统计有效信号中脉冲的幅值分布情况,即可得到血液样本中各种粒子的分布。
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 (10)
1.一种基于血液细胞分析仪的自动检测方法,所述血液细胞分析仪用于对待测血液样本中的各种粒子进行检测,其特征在于,所述方法包括:
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原始信号;所述原始信号包括至少一个脉冲;
对原始信号进行均值滤波处理,得到滤波后的信号;
基于滤波后的信号,确定所述信号中每个脉冲的参数信息;
基于所述信号中每个脉冲的参数信息,确定信号中每个脉冲的阈值参数;
基于所述信号中每个脉冲的阈值参数,确定所述信号的阈值范围,从滤波后的信号中提取满足所述阈值范围的信号作为有效信号;所述有效信号用于统计血液样本中各种粒子的数量。
2.如权利要求1所述的方法,其特征在于,所述参数信息至少包括脉冲峰值点坐标、脉冲后半峰宽对应点坐标、脉冲终点坐标、脉冲前半峰宽对应点坐标、脉冲起点坐标、脉冲起点前一个点坐标和脉冲起点后一个点坐标。
3.如权利要求2所述的方法,其特征在于,若滤波后的信号包括M波脉冲,所述M波脉冲中间谷点的纵坐标大于M波脉冲任一峰值点的纵坐标的一半时,将所述中间谷点的坐标作为M波脉冲峰值点的坐标。
4.如权利要求2所述的方法,其特征在于,所述阈值参数包括:脉冲前峰宽度、脉冲后峰宽度、脉冲全峰宽度、脉冲前半高宽度、脉冲后半高宽度、脉冲半高宽度、第一斜率、第二斜率、最小有效脉冲峰值和最大有效脉冲峰值。
5.如权利要求4所述的方法,其特征在于,基于所述信号的参数信息,确定信号的阈值参数,包括:
通过以下公式确定阈值参数:
Ww1=peak_x-start_x;
Ww2=end_x-peak_x;
Ww3=end_x-start_x;
Wg1=peak_x-pri_x;
Wg2=sub_x-peak_x;
Wg3=sub_x-pri_x;
k1=start_y-start_y2;
k2=start_y3-start_y;
peakmin=min(peak_y);
peakmax=max(peak_y);
其中,Ww1为脉冲前峰宽度,Ww2为脉冲后峰宽度,Ww3为脉冲全峰宽度,Wg1为脉冲前半高宽度,Wg2为脉冲后半高宽度,Wg3为脉冲半高宽度,k1为第一斜率,k2为第二斜率,peakmin为最小有效脉冲峰值,peakmax为最大有效脉冲峰值,peak_x为脉冲峰值点的横坐标,start_x为脉冲起点的横坐标,end_x为脉冲终点的横坐标,pri_x为脉冲前半峰宽对应点的横坐标,sub_x为脉冲后半峰宽对应点的横坐标,start_y为脉冲起点的纵坐标,start_y2为脉冲起点前一个点的纵坐标,start_y3为脉冲起点后一个点的纵坐标,peak_y为脉冲峰值点的纵坐标。
6.一种基于血液细胞分析仪的自动检测装置,其特征在于,包括:
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原始信号;所述原始信号包括至少一个脉冲;
滤波单元,用于对原始信号进行均值滤波处理,得到滤波后的信号;
参数信息确定单元,用于基于滤波后的信号,确定所述信号中每个脉冲的参数信息;
阈值范围确定单元,用于基于所述信号的参数信息,确定信号的阈值参数;
有效信号提取单元,用于基于所述信号中每个脉冲的阈值参数,确定所述信号的阈值范围,从滤波后的信号中提取满足所述阈值范围的信号作为有效信号;所述有效信号用于统计血液样本中各种粒子的数量。
7.如权利要求6所述的装置,其特征在于,所述参数信息至少包括脉冲峰值点坐标、脉冲后半峰宽对应点坐标、脉冲终点坐标、脉冲前半峰宽对应点坐标、脉冲起点坐标、脉冲起点前一个点坐标和脉冲起点后一个点坐标。
8.如权利要求7所述的装置,其特征在于,若滤波后的信号包括M波脉冲,所述M波脉冲中间谷点的纵坐标大于M波脉冲任一峰值点的纵坐标的一半时,将所述中间谷点的坐标作为M波脉冲峰值点的坐标。
9.如权利要求7所述的装置,其特征在于,所述阈值参数包括:脉冲前峰宽度、脉冲后峰宽度、脉冲全峰宽度、脉冲前半高宽度、脉冲后半高宽度、脉冲半高宽度、第一斜率、第二斜率、最小有效脉冲峰值和最大有效脉冲峰值。
10.一种计算机可读存储介质,其特征在于,所述介质上存储有程序,所述程序能够被处理器执行以实现如权利要求1-5中任一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110127249.9A CN112945807A (zh) | 2021-01-29 | 2021-01-29 | 基于血液细胞分析仪的自动检测方法和装置 |
PCT/CN2021/092451 WO2022160498A1 (zh) | 2021-01-29 | 2021-05-08 | 基于血液细胞分析仪的自动检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110127249.9A CN112945807A (zh) | 2021-01-29 | 2021-01-29 | 基于血液细胞分析仪的自动检测方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112945807A true CN112945807A (zh) | 2021-06-11 |
Family
ID=76239839
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110127249.9A Pending CN112945807A (zh) | 2021-01-29 | 2021-01-29 | 基于血液细胞分析仪的自动检测方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN112945807A (zh) |
WO (1) | WO2022160498A1 (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499700A (zh) * | 2013-09-30 | 2014-01-08 | 深圳理邦实验生物电子有限公司 | 一种应用于细胞分析仪的信号有效性分析方法及其装置 |
CN105866011A (zh) * | 2016-03-31 | 2016-08-17 | 艾康生物技术(杭州)有限公司 | 脉冲基线值计算方法及血球分析仪的粒子计数方法 |
US20180303429A1 (en) * | 2017-04-25 | 2018-10-25 | Seiko Epson Corporation | Blood flow analyzer, blood flow analysis method, and program |
CN108931463A (zh) * | 2018-05-29 | 2018-12-04 | 迈克医疗电子有限公司 | 基于鞘流阻抗原理的血细胞脉冲识别方法及识别装置 |
CN109283121A (zh) * | 2018-10-11 | 2019-01-29 | 迈克医疗电子有限公司 | 脉冲识别方法和装置、分析仪器、存储介质 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4952162B2 (ja) * | 2006-09-19 | 2012-06-13 | 三菱化学株式会社 | データ処理装置,データ処理方法及びデータ処理プログラム |
JP5012587B2 (ja) * | 2008-03-07 | 2012-08-29 | 日本電気株式会社 | 信号抽出装置および信号抽出方法 |
CN103364452A (zh) * | 2013-06-03 | 2013-10-23 | 南昌大学 | 一种血细胞分类识别电路及方法 |
CN110118715B (zh) * | 2018-02-06 | 2024-05-14 | 深圳市帝迈生物技术有限公司 | 一种血细胞脉冲信号分析装置以及方法 |
CN109508649B (zh) * | 2018-10-22 | 2023-07-18 | 迪瑞医疗科技股份有限公司 | 一种血细胞分析仪的脉冲信号分析识别方法 |
-
2021
- 2021-01-29 CN CN202110127249.9A patent/CN112945807A/zh active Pending
- 2021-05-08 WO PCT/CN2021/092451 patent/WO2022160498A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103499700A (zh) * | 2013-09-30 | 2014-01-08 | 深圳理邦实验生物电子有限公司 | 一种应用于细胞分析仪的信号有效性分析方法及其装置 |
CN105866011A (zh) * | 2016-03-31 | 2016-08-17 | 艾康生物技术(杭州)有限公司 | 脉冲基线值计算方法及血球分析仪的粒子计数方法 |
US20180303429A1 (en) * | 2017-04-25 | 2018-10-25 | Seiko Epson Corporation | Blood flow analyzer, blood flow analysis method, and program |
CN108931463A (zh) * | 2018-05-29 | 2018-12-04 | 迈克医疗电子有限公司 | 基于鞘流阻抗原理的血细胞脉冲识别方法及识别装置 |
CN109283121A (zh) * | 2018-10-11 | 2019-01-29 | 迈克医疗电子有限公司 | 脉冲识别方法和装置、分析仪器、存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2022160498A1 (zh) | 2022-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Watkins et al. | Validation of adaptive threshold spike detector for neural recording | |
Gabarda et al. | Detection of events in seismic time series by time–frequency methods | |
CN112687333B (zh) | 一种泛癌种的单样本微卫星不稳定性的分析方法和装置 | |
CN104297133B (zh) | 一种基于小孔阻抗原理的脉冲信号筛选方法及装置 | |
CN110850244A (zh) | 基于深度学习的局放缺陷时域图谱诊断方法、系统及介质 | |
US4254779A (en) | Brain wave analysis apparatus for use in diagnosing living body conditions | |
CN107550484B (zh) | 一种心磁信号质量评价方法及系统 | |
CN108553084B (zh) | 一种睡眠分期事件的识别方法、装置及设备 | |
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 | |
CN116129102A (zh) | 一种基于改进型图像处理算法的水表识别方法及相关装置 | |
CN109100813B (zh) | 一种基于协同滤波消除地面核磁共振数据中尖峰噪声的方法 | |
KR20210009771A (ko) | 전력 기기 부분방전 진단 시스템 및 방법 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 | |
CN110118715B (zh) | 一种血细胞脉冲信号分析装置以及方法 | |
CN112945807A (zh) | 基于血液细胞分析仪的自动检测方法和装置 | |
CN111999607B (zh) | 一种单通道信号下局部放电窄带干扰盲源分离方法及装置 | |
CN111220839A (zh) | 一种脉冲信号的识别方法及装置、计算机存储介质 | |
CN112332807A (zh) | 一种弱包络信号检测方法和系统 | |
CN114614825B (zh) | 一种低成本高速脉冲信号数据采样和峰值检测方法 | |
CN113848391B (zh) | 一种脉冲信号检测和提取方法 | |
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 | |
CN110857909B (zh) | 测量微粒粒径的系统 | |
CN111487447B (zh) | 一种用于实现快速测量的数字示波器 | |
CN111812404A (zh) | 一种信号处理方法以及处理装置 | |
CN112116917A (zh) | 基于相位跃变度的电抗器本体与风机声信号分离方法 | |
CN103090886A (zh) | 光信号的去噪方法和装置 |
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 |