CN114460005A - 动态显微成像的红细胞多角度形态学测量方法及系统 - Google Patents
动态显微成像的红细胞多角度形态学测量方法及系统 Download PDFInfo
- Publication number
- CN114460005A CN114460005A CN202210114468.8A CN202210114468A CN114460005A CN 114460005 A CN114460005 A CN 114460005A CN 202210114468 A CN202210114468 A CN 202210114468A CN 114460005 A CN114460005 A CN 114460005A
- Authority
- CN
- China
- Prior art keywords
- blood cells
- red blood
- image
- target object
- blood cell
- 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
- 210000003743 erythrocyte Anatomy 0.000 title claims abstract description 170
- 238000000034 method Methods 0.000 title claims abstract description 58
- 238000003384 imaging method Methods 0.000 title claims abstract description 22
- 210000004027 cell Anatomy 0.000 claims abstract description 48
- 210000000265 leukocyte Anatomy 0.000 claims abstract description 47
- 210000000601 blood cell Anatomy 0.000 claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 22
- 238000006073 displacement reaction Methods 0.000 claims abstract description 13
- 238000007781 pre-processing Methods 0.000 claims abstract description 12
- 230000000877 morphologic effect Effects 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 14
- 238000003860 storage Methods 0.000 claims description 12
- 210000004369 blood Anatomy 0.000 claims description 9
- 239000008280 blood Substances 0.000 claims description 9
- 238000000691 measurement method Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 3
- 238000005452 bending Methods 0.000 claims description 2
- 238000001514 detection method Methods 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 17
- 238000004590 computer program Methods 0.000 description 11
- 206010012601 diabetes mellitus Diseases 0.000 description 11
- 239000000523 sample Substances 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000009826 distribution Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000012488 sample solution Substances 0.000 description 2
- 239000002473 artificial blood Substances 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 230000021164 cell adhesion Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 208000014951 hematologic disease Diseases 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 208000010110 spontaneous platelet aggregation Diseases 0.000 description 1
- 230000003068 static effect 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
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/01—Arrangements or apparatus for facilitating the optical investigation
-
- 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
- G01N21/84—Systems specially adapted for particular applications
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material 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
本发明涉及一种动态显微成像的红细胞多角度形态学测量方法及系统,其包括:将经微流控芯片实时采集到的全血细胞视频图像进行预处理,得到单帧的二值化图像;全血细胞视频图像包括白细胞图像以及多角度形态的红细胞图像;在二值化图像中,检测并识别出需要分析的目标物,并标记目标物当前帧的质心位置,建立当前帧质心点坐标集;根据细胞位移特点,分别为当前帧每个目标物进行前帧匹配,建立帧与帧之间的数据关联,并绘制当前目标物的运动轨迹跟踪曲线;根据运动轨迹跟踪曲线,利用红细胞、白细胞特征进行判断,得到红细胞、白细胞的分类结果和计数结果,根据多帧关联的灰度图像进行细胞形态学分析,确定红细胞状态。本发明能实现对血细胞大样本量、高分辨率的检测。
Description
技术领域
本发明涉及一种生物医学检测领域,特别是关于一种动态显微成像的红细胞多角度形态学测量方法及系统。
背景技术
红细胞(red blood cells,RBCs)是血液中数量最多的一种血细胞,具有携带氧气、输送二氧化碳、维持血流结构等诸多功能,在人体血液循环系统中发挥着重要作用。通常情况下,成熟的红细胞呈双凹圆盘状,如果红细胞形态异常,其形态及体积将发生改变,常见的异常红细胞形态有水滴形、球形、椭圆形、镰刀形、半月形等。因此,红细胞形态的变化,某种意义上决定着人体的健康状况,是诊断很多疾病的重要指标之一。
传统的检测血液细胞的仪器大多基于Coulter原理,主要是应用光学和电学两大原理对细胞形态进行间接检测,存在一定的假阳性和假阴性。当检测交叉细胞时,其信号会产生叠加现象,特别是对糖尿病患者的红细胞粘连和血小板聚集现象进行检测时会产生较大的误差。为了克服这一缺点,需要对细胞进行直接的形态学测量,医院里常用的方法是人工血涂片镜检法,此方法是血液细胞学检查的基本方法,可以通过显微镜对血细胞形态进行静态分析,对各种血液病的诊断有很大的价值。但人工血涂片方法对操作人员技术要求比较高,操作步骤也较为繁琐,若血片制备和染色不良,常使细胞鉴别发生困难,甚至导致错误结论。另外,此方法只能对异常细胞进行单一角度的检测,无法实现对大样本量、多角度的检测,不仅费时,而且效率和精度都很低。
发明内容
针对上述问题,本发明的目的是提供一种动态显微成像的红细胞多角度形态学测量方法及系统,其能实现对血细胞大样本量、高分辨率的检测,能对红细胞多角度的不同形态进行准确识别。
为实现上述目的,本发明采取以下技术方案:一种动态显微成像的红细胞多角度形态学测量方法,其包括:将经微流控芯片实时采集到的全血细胞视频图像进行预处理,得到单帧的二值化图像;所述全血细胞视频图像包括白细胞图像以及多角度形态的红细胞图像;在所述二值化图像中,检测并识别出需要分析的目标物,并标记所述目标物当前帧的质心位置,建立当前帧质心点坐标集;根据细胞位移特点,分别为当前帧每个目标物进行前帧匹配,建立帧与帧之间的数据关联,并绘制当前目标物的运动轨迹跟踪曲线;根据所述运动轨迹跟踪曲线,利用红细胞、白细胞特征进行判断,得到红细胞、白细胞的分类结果和计数结果,并根据多帧关联的灰度图像进行细胞形态学分析,确定红细胞状态。
进一步,所述多角度形态的红细胞图像的采集方法包括:所述微流控芯片上具有特定转弯位置,所述红细胞在该转弯位置发生旋转或翻转,会呈现出不同角度的形态,对所述不同角度的形态参数进行测量得到所述多角度形态的红细胞图像。
进一步,所述将经微流控芯片实时采集到的全血细胞视频图像进行预处理,包括:
将所述全血细胞视频图像拆分分为单帧灰度图像,并选取图像清晰且背景噪音满足预先设定要求的范围作为区域图像;
采用中值滤波对所述区域图像进行去噪处理,并根据预先设定的阈值对去噪后的所述区域图像进行二值化处理。
进一步,所述检测并识别出需要分析的目标物,并标记所述目标物当前帧的质心位置,建立当前帧质心点坐标集,包括:
利用质心法标记出所述目标物,清除通道背景和视野范围边缘的不完整的细胞;
利用连通域与面积判断的方法,识别出大于预先设定面积的红细胞和白细胞,剔除掉血小板;
计算目标物体的横坐标、纵坐标,标记识别出的各红白细胞当前帧的质心位置,由各细胞的质心位置构建成当前帧质心点坐标集。
进一步,所述得到红、白细胞的分类结果和计数结果,并根据多帧关联的灰度图像进行细胞形态学分析,确定红细胞状态,包括:
提取单个红细胞的所有形态,利用形态学特征将灰度图像进行增强、复原及重建处理,对细胞的面积、长轴与短轴、细胞的周长、等效直径、圆形度、最大直径形态特征进行计算与分析;
根据红细胞特有的双圆环结构特征进行判断,对血液中红细胞和白细胞进行识别与分类;
获取识别分类后得到的各红细胞的最大直径,根据预设的红细胞最大直径范围确定各红细胞是否为正常状态,若在范围内则为正常状态。
进一步,所述获取识别分类后得到的各红细胞的最大直径,包括:
基于对单个红细胞的每一帧形态的测量结果,计算单个红细胞在此形态时的直径,并将该单个红细胞所有形态下测得的直径进行比较,得到其最大直径。
一种动态显微成像的红细胞多角度形态学测量系统,其包括:图像采集处理模块,将经微流控芯片实时采集到的全血细胞视频图像进行预处理,得到单帧的二值化图像;所述全血细胞视频图像包括白细胞图像以及多角度形态的红细胞图像;质心点坐标集模块,在所述二值化图像中,检测并识别出需要分析的目标物,并标记所述目标物当前帧的质心位置,建立当前帧质心点坐标集;数据关联模块,根据细胞位移特点,分别为当前帧每个目标物进行前帧匹配,建立帧与帧之间的数据关联,并绘制当前目标物的运动轨迹跟踪曲线;分类识别模块,根据所述运动轨迹跟踪曲线,利用红细胞、白细胞特征进行判断,得到红细胞、白细胞的分类结果和计数结果,并根据多帧关联的灰度图像进行细胞形态学分析,确定红细胞状态。
进一步,所述微流控芯片包括芯片主体以及与所述芯片主体一体成型的微流道;
所述微流道设置为两路,两路所述微流道呈对称设置;
每路所述微流道都包括至少一个以上的倒几字型缩/扩的凹凸结构,由所述凹凸结构的折弯处构成全血细胞流通时的旋转或翻转的特定转弯位置。
一种存储一个或多个程序的计算机可读存储介质,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行上述方法中的任一方法。
一种计算设备,其包括:一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行上述方法中的任一方法的指令。
本发明由于采取以上技术方案,其具有以下优点:
本发明结合显微镜和微流控芯片技术,实现红细胞的动态显微成像,用于红细胞多角度形态学的测量与分析。本发明采用特定的通道结构,获取红细胞在特定位置不同角度的形态,并利用显微镜对红细胞在通道中的流动状态进行采集,通过动态图像处理方法对采集到的视频图像进行处理,进而实现对红细胞多角度形态学的分析;实现了对血细胞大样本量、高分辨率的检测,可对红细胞多角度的不同形态进行准确识别,从而得到更准确的红细胞最大直径,为红细胞形态学分析提供方法。
附图说明
图1是本发明一实施例中的红细胞多角度形态学测量方法整体流程图;
图2是本发明一实施例中的红细胞多角度形态学最大直径获取示意图;
图3是本发明一实施例中的采集系统结构示意图;
图4是本发明一实施例中的微流道结构图;
图5a是本发明一实施例中的细胞在缩-扩结构的微流控芯片通道中的翻转轨迹示意图;
图5b是本发明一实施例中的不同细胞在观察区域中翻转的分帧图像示意图;
图6是本发明一实施例中的白细胞目标跟踪运动轨迹图;
图7是本发明一实施例中的红细胞目标跟踪运动轨迹图;
图8a是本发明一实施例中的红细胞灰度图;
图8b是本发明一实施例中的红细胞质心横轴坐标灰度曲线图;
图8c是本发明一实施例中的红细胞质心纵轴坐标灰度曲线图;
图9是本发明一实施例中的正常红细胞与糖尿病患者红细胞最大直径分布统计图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员所获得的所有其他实施例,都属于本发明保护的范围。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。
本发明提供一种动态显微成像的红细胞多角度形态学测量方法及系统,实现红细胞的动态显微成像,用于红细胞多角度形态学的测量与分析。本发明采用显微镜结合微流控芯片技术,通过图像处理的方法,实现了对红、白细胞准确的分类、计数,通过对红细胞多角度形态学的分析,可准确测量红细胞的最大直径。对糖尿病患者和正常人红细胞进行实验和分析验证该方法的可行性,实验结果测得,正常人红细胞平均最大直径约为7.886μm,糖尿病患者约为10.026μm,此方法可获得红细胞的最大直径;另外,糖尿病患者红细胞最大直径分布宽度比正常红细胞最大直径分布宽度更大。本发明实现了对血细胞大样本量、高分辨率的检测,可对红细胞多角度的不同形态进行准确识别,从而得到更准确的红细胞最大直径,为红细胞形态学分析提供方法。
在本发明的一个实施例中,如图1所示,提供一种动态显微成像的红细胞多角度形态学测量方法。本实施例中,该方法包括以下步骤:
1)将经微流控芯片实时采集到的全血细胞视频图像进行预处理,得到单帧的二值化图像;全血细胞视频图像包括白细胞图像以及多角度形态的红细胞图像;
2)在二值化图像中,检测并识别出需要分析的目标物,并标记目标物当前帧的质心位置,建立当前帧质心点坐标集;该目标物中含有红白细胞;
3)根据细胞位移特点,分别为当前帧每个目标物进行前帧匹配,建立帧与帧之间的数据关联,并绘制当前目标物的运动轨迹跟踪曲线,以便后续能准确的提取出细胞经过检测区域时所有的形态,减少细胞粘连、重复计数等情况带来的误差影响;
4)根据运动轨迹跟踪曲线,利用红细胞、白细胞特征进行判断,得到红细胞、白细胞的分类结果和计数结果,并根据多帧关联的灰度图像进行细胞形态学分析,确定红细胞状态。
上述步骤1)中,多角度形态的红细胞图像的采集方法为:微流控芯片上具有特定转弯位置,红细胞在该转弯位置发生旋转或翻转,会呈现出不同角度的形态,对不同角度的形态参数进行测量得到多角度形态的红细胞图像。
上述步骤1)中,将经微流控芯片实时采集到的全血细胞视频图像进行预处理,包括以下步骤:
1.1)将全血细胞视频图像拆分分为单帧灰度图像,并选取图像清晰且背景噪音满足预先设定要求的范围作为区域图像;
具体为:采取分量法对原始视频图像进行灰度化,选择图像清晰且背景噪音满足预先设定要求的范围作为区域图像;
1.2)采用中值滤波对区域图像进行去噪处理,并根据预先设定的阈值对去噪后的区域图像进行二值化处理;
具体为:为了消除图像噪声,改善图像质量,本实施例中采用3×3中值滤波对区域图像进行处理,并通过设定的阈值对灰度图像进行二值化处理。
上述步骤2)中,检测并识别出需要分析的目标物,并标记目标物当前帧的质心位置,建立当前帧质心点坐标集,包括以下步骤:
2.1)利用质心法标记出目标物,清除通道背景和视野范围边缘的不完整的细胞;
在本实施例中,利用imclearborder函数将通道背景和在实验视野范围边缘的不完整的细胞进行清除,减小图像识别过程中的干扰。
2.2)利用连通域与面积判断的方法,识别出大于预先设定面积的红细胞和白细胞,剔除掉血小板;
2.3)计算目标物体(即识别出的所有细胞)的横坐标、纵坐标,标记识别出的各红白细胞当前帧的质心位置,由各细胞的质心位置构建成当前帧质心点坐标集X1、Y1。
上述步骤3)中,根据细胞位移特点,分别为当前帧每个目标物进行前帧匹配,建立帧与帧之间的数据关联,具体为:
假设在第t帧中,己经出现的目标个数(也即轨迹片段数目)为N个,将它们记作{X1,X2,……XN};在t+1帧中,检测响应数量为M个,将它们记作{Y1,Y2,……YM}。另外,根据细胞位移间距设置判断关联的条件检测响应与目标的关联关系,当符合关联条件时,表示第x条轨迹与第y个检测响应匹配,定义当没有相匹配的响应时,表示没有与该目标相关联的检测响应。
在本实施例中,在下一帧目标物的识别中,利用相同的检测方法,对当前帧目标物进行检测,并建立当前帧质心点坐标集X2、Y2。根据细胞位移特点,分别为当前帧每一个目标物进行前帧匹配,建立帧与帧之间的数据关联,并绘制其运动轨迹跟踪曲线,最后将当前帧目标质心点坐标集X2、Y2作为下一帧匹配的坐标集X1、Y1。
上述步骤4)中,得到红、白细胞的分类结果和计数结果,并根据多帧关联的灰度图像进行细胞形态学分析,确定红细胞状态,具体包括以下步骤:
4.1)提取单个红细胞的所有形态,利用形态学特征将灰度图像进行增强、复原及重建处理,对细胞的面积、长轴与短轴、细胞的周长、等效直径、圆形度、最大直径形态特征进行计算与分析;
4.2)根据红细胞特有的双圆环结构特征进行判断,对血液中红细胞和白细胞进行识别与分类;
4.3)获取识别分类后得到的各红细胞的最大直径,根据预设的红细胞最大直径范围确定各红细胞是否为正常状态,若在范围内则为正常状态。
上述步骤4.1)中,获取识别分类后得到的各红细胞的最大直径,具体为:为了得到红细胞更为准确的最大直径,基于对单个红细胞的每一帧形态的测量结果,计算单个红细胞在此形态时的直径D,并将该单个红细胞所有形态下测得的直径(D1、D2、D3……)进行比较,得到其最大直径。红细胞多角度形态学最大直径获取示意图如图2所示。
在本发明的一实施例中,提供一种全血细胞视频图像的采集系统,该系统用于提供上述实施例中测量方法所需的全血细胞视频图像,如图3所示,该系统包括:
微流控芯片1,其上设置有微流道,血液样本在微流道内流动,便于进行全血细胞图像采集;
光学模块,包括透镜2、调焦手轮3和支撑板4,用于对细胞的显微成像;透镜2设置在调焦手轮3的中心处,支撑板4上设置有成像设备,并在支撑板4上设置有用做光通路的豁口,该豁口与透镜2位于同一轴线上,通过支撑板4实现成像设备的承载和距离调整。
上述实施例中,微流控芯片1包括芯片主体以及与芯片主体一体成型的微流道。微流道设置为两路,两路微流道呈对称设置;每路微流道都包括至少一个以上的倒几字型缩/扩的凹凸结构,由凹凸结构的折弯处构成全血细胞流通时的旋转或翻转的特定转弯位置,如图4所示,为缩/扩的凹凸结构的微流道结构图,虚线矩形框通道结构尺寸放大图及流体流动方向。
上述实施例中,还包括芯片夹具5、芯片夹具盖6、LED座7和外壳8。LED座7设置在外壳8内,LED座7上的一端设置有芯片夹具,LED座7上的另一端设置有LED灯,该LED灯作为照明光源,用于成像区域的照明,提高细胞样本与背景的对比度。微流控芯片1设置在芯片夹具5上,并在芯片夹具5的上部设置有芯片夹具盖6,并通过芯片夹具盖6中心的螺纹结构与调焦手轮3进行安装,实现LED光源—微流控芯片成像区域—透镜,三者的同轴心安装。
上述实施例中,还包括供电模块;该供电模块分别用LED(~3.0V)和微型气泵(~1.2V)进行隔离供电,避免电磁干扰导致的成像背景噪声。
本实施例中采用的微流控芯片1可以实现对大样本量的检测,在生物医学研究中显示出巨大潜力,以微流控技术为基础的图像细胞分析法开始流行起来。该方法成本低,不需要复杂的样品制备,而且能够提供细胞形态的可视化信息,实现了对大样本量的检测。红细胞在通道中流动时,发生的旋转或翻转是随机的、不确定的,本发明采用的微流控芯片1可以使红细胞在特定位置旋转或翻转,得到其不同角度的形态,本发明将微流控芯片成像区域通道结构设计成凹凸的缩/扩结构,有效改变了微流道内速度分布情况,实现了细胞在特定位置的翻转/旋转,增加了红细胞的不同形态特征,从而实现对红细胞更准确的识别与分析。
在本发明的一个实施例中,提供一种动态显微成像的红细胞多角度形态学测量系统,其包括:
图像采集处理模块,将经微流控芯片实时采集到的全血细胞视频图像进行预处理,得到单帧的二值化图像;全血细胞视频图像包括白细胞图像以及多角度形态的红细胞图像;
质心点坐标集模块,在二值化图像中,检测并识别出需要分析的目标物,并标记目标物当前帧的质心位置,建立当前帧质心点坐标集;
数据关联模块,根据细胞位移特点,分别为当前帧每个目标物进行前帧匹配,建立帧与帧之间的数据关联,并绘制当前目标物的运动轨迹跟踪曲线;
分类识别模块,根据运动轨迹跟踪曲线,利用红细胞、白细胞特征进行判断,得到红细胞、白细胞的分类结果和计数结果,并根据多帧关联的灰度图像进行细胞形态学分析,确定红细胞状态。
本实施例提供的系统是用于执行上述各方法实施例的,具体流程和详细内容请参照上述实施例,此处不再赘述。
实施例:
本发明对人血细胞中的红、白细胞进行形态学分析,并进行准确的分类与计数。取5μL的健康人血细胞加入1mL的PBS溶液中,充分混匀,将其作为实验的样本溶液。取少量溶液加入微流控芯片储液池中,通过调节压力泵调节阀控制样本溶液的流速,利用显微镜观察微流控芯片的成像区域,记录细胞通过通道的全过程。
基于图像处理方法对实验视频进行分析,利用红细胞的双圆环结构进行判断与区分。红细胞图像处理目标跟踪运动轨迹图如图5a、图5b所示。同红细胞图像处理相同,如图6所示为白细胞运动跟踪轨迹图。计数结果显示,检测出红细胞数量为11270个,白细胞数量为11个。红、白细胞比例约为1000:1,此方法可实现对红、白细胞的准确识别与计数。
本发明对糖尿病患者和正常人的两组血液进行相同浓度(200:1)配置,分析糖尿病患者红细胞与正常人红细胞形态大小的差异。在进行直径标定前对细胞做旋转处理,即将细胞“摆正”,此时细胞质心的横纵坐标处将会产生最大直径,如图7所示。利用其质心坐标点的灰度二维曲线反值图的峰值宽度进行标定,对比得到其最大直径。
图像处理所计算出来的最大直径为像素点,为了避免视频拍摄过程中放大尺寸所造成的误差,利用通道中的固定尺寸参数进行比例换算,得到与实际情况相匹配的数值。正常红细胞与糖尿病患者红细胞最大直径分布如图8a至图8c所示。此实验统计中,正常人红细胞统计个数为10003个,平均最大直径约为7.886μm,标准差为0.761;糖尿病患者红细胞统计个数为10001个,平均最大直径约为10.026μm,标准差为1.837。统计结果在数值上均有增大,另外,如图9所示,可以直观地看出,糖尿病患者具有更大的最大直径分布宽度,正常人红细胞最大直径分布宽度大约为5~9.5μm,糖尿病患者最大直径分布宽度大约为5.5~14μm。
本发明一实施例中提供一种计算设备结构,该计算设备可以是终端,其可以包括:处理器(processor)、通信接口(Communications Interface)、存储器(memory)、显示屏和输入装置。其中,处理器、通信接口、存储器通过通信总线完成相互间的通信。该处理器用于提供计算和控制能力。该存储器包括非易失性存储介质、内存储器,该非易失性存储介质存储有操作系统和计算机程序,该计算机程序被处理器执行时以实现一种测量方法;该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该通信接口用于与外部的终端进行有线或无线方式的通信,无线方式可通过WIFI、管理商网络、NFC(近场通信)或其他技术实现。该显示屏可以是液晶显示屏或者电子墨水显示屏,该输入装置可以是显示屏上覆盖的触摸层,也可以是计算设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。处理器可以调用存储器中的逻辑指令,以执行如下方法:
将经微流控芯片实时采集到的全血细胞视频图像进行预处理,得到单帧的二值化图像;全血细胞视频图像包括白细胞图像以及多角度形态的红细胞图像;在二值化图像中,检测并识别出需要分析的目标物,并标记目标物当前帧的质心位置,建立当前帧质心点坐标集;根据细胞位移特点,分别为当前帧每个目标物进行前帧匹配,建立帧与帧之间的数据关联,并绘制当前目标物的运动轨迹跟踪曲线;根据运动轨迹跟踪曲线,利用红细胞、白细胞特征进行判断,得到红细胞、白细胞的分类结果和计数结果,并根据多帧关联的灰度图像进行细胞形态学分析,确定红细胞状态。
此外,上述的存储器中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以理解,上述的计算设备结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算设备的限定,具体的计算设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在本发明的一个实施例中,提供一种计算机程序产品,所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,所述计算机程序包括程序指令,当所述程序指令被计算机执行时,计算机能够执行上述各方法实施例所提供的方法,例如包括:将经微流控芯片实时采集到的全血细胞视频图像进行预处理,得到单帧的二值化图像;全血细胞视频图像包括白细胞图像以及多角度形态的红细胞图像;在二值化图像中,检测并识别出需要分析的目标物,并标记目标物当前帧的质心位置,建立当前帧质心点坐标集;根据细胞位移特点,分别为当前帧每个目标物进行前帧匹配,建立帧与帧之间的数据关联,并绘制当前目标物的运动轨迹跟踪曲线;根据运动轨迹跟踪曲线,利用红细胞、白细胞特征进行判断,得到红细胞、白细胞的分类结果和计数结果,并根据多帧关联的灰度图像进行细胞形态学分析,确定红细胞状态。
在本发明的一个实施例中,提供一种非暂态计算机可读存储介质,该非暂态计算机可读存储介质存储服务器指令,该计算机指令使计算机执行上述各实施例提供的方法,例如包括:将经微流控芯片实时采集到的全血细胞视频图像进行预处理,得到单帧的二值化图像;全血细胞视频图像包括白细胞图像以及多角度形态的红细胞图像;在二值化图像中,检测并识别出需要分析的目标物,并标记目标物当前帧的质心位置,建立当前帧质心点坐标集;根据细胞位移特点,分别为当前帧每个目标物进行前帧匹配,建立帧与帧之间的数据关联,并绘制当前目标物的运动轨迹跟踪曲线;根据运动轨迹跟踪曲线,利用红细胞、白细胞特征进行判断,得到红细胞、白细胞的分类结果和计数结果,并根据多帧关联的灰度图像进行细胞形态学分析,确定红细胞状态。
上述实施例提供的一种计算机可读存储介质,其实现原理和技术效果与上述方法实施例类似,在此不再赘述。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种动态显微成像的红细胞多角度形态学测量方法,其特征在于,包括:
将经微流控芯片实时采集到的全血细胞视频图像进行预处理,得到单帧的二值化图像;所述全血细胞视频图像包括白细胞图像以及多角度形态的红细胞图像;
在所述二值化图像中,检测并识别出需要分析的目标物,并标记所述目标物当前帧的质心位置,建立当前帧质心点坐标集;
根据细胞位移特点,分别为当前帧每个目标物进行前帧匹配,建立帧与帧之间的数据关联,并绘制当前目标物的运动轨迹跟踪曲线;
根据所述运动轨迹跟踪曲线,利用红细胞、白细胞特征进行判断,得到红细胞、白细胞的分类结果和计数结果,并根据多帧关联的灰度图像进行细胞形态学分析,确定红细胞状态。
2.如权利要求1所述红细胞多角度形态学测量方法,其特征在于,所述多角度形态的红细胞图像的采集方法包括:
所述微流控芯片上具有特定转弯位置,所述红细胞在该转弯位置发生旋转或翻转,会呈现出不同角度的形态,对所述不同角度的形态参数进行测量得到所述多角度形态的红细胞图像。
3.如权利要求1所述红细胞多角度形态学测量方法,其特征在于,所述将经微流控芯片实时采集到的全血细胞视频图像进行预处理,包括:
将所述全血细胞视频图像拆分分为单帧灰度图像,并选取图像清晰且背景噪音满足预先设定要求的范围作为区域图像;
采用中值滤波对所述区域图像进行去噪处理,并根据预先设定的阈值对去噪后的所述区域图像进行二值化处理。
4.如权利要求1所述红细胞多角度形态学测量方法,其特征在于,所述检测并识别出需要分析的目标物,并标记所述目标物当前帧的质心位置,建立当前帧质心点坐标集,包括:
利用质心法标记出所述目标物,清除通道背景和视野范围边缘的不完整的细胞;
利用连通域与面积判断的方法,识别出大于预先设定面积的红细胞和白细胞,剔除掉血小板;
计算目标物体的横坐标、纵坐标,标记识别出的各红白细胞当前帧的质心位置,由各细胞的质心位置构建成当前帧质心点坐标集。
5.如权利要求1所述红细胞多角度形态学测量方法,其特征在于,所述得到红、白细胞的分类结果和计数结果,并根据多帧关联的灰度图像进行细胞形态学分析,确定红细胞状态,包括:
提取单个红细胞的所有形态,利用形态学特征将灰度图像进行增强、复原及重建处理,对细胞的面积、长轴与短轴、细胞的周长、等效直径、圆形度、最大直径形态特征进行计算与分析;
根据红细胞特有的双圆环结构特征进行判断,对血液中红细胞和白细胞进行识别与分类;
获取识别分类后得到的各红细胞的最大直径,根据预设的红细胞最大直径范围确定各红细胞是否为正常状态,若在范围内则为正常状态。
6.如权利要求5所述红细胞多角度形态学测量方法,其特征在于,所述获取识别分类后得到的各红细胞的最大直径,包括:
基于对单个红细胞的每一帧形态的测量结果,计算单个红细胞在此形态时的直径,并将该单个红细胞所有形态下测得的直径进行比较,得到其最大直径。
7.一种动态显微成像的红细胞多角度形态学测量系统,其特征在于,包括:
图像采集处理模块,将经微流控芯片实时采集到的全血细胞视频图像进行预处理,得到单帧的二值化图像;所述全血细胞视频图像包括白细胞图像以及多角度形态的红细胞图像;
质心点坐标集模块,在所述二值化图像中,检测并识别出需要分析的目标物,并标记所述目标物当前帧的质心位置,建立当前帧质心点坐标集;
数据关联模块,根据细胞位移特点,分别为当前帧每个目标物进行前帧匹配,建立帧与帧之间的数据关联,并绘制当前目标物的运动轨迹跟踪曲线;
分类识别模块,根据所述运动轨迹跟踪曲线,利用红细胞、白细胞特征进行判断,得到红细胞、白细胞的分类结果和计数结果,并根据多帧关联的灰度图像进行细胞形态学分析,确定红细胞状态。
8.如权利要求7所述动态显微成像的红细胞多角度形态学测量系统,其特征在于,所述微流控芯片包括芯片主体以及与所述芯片主体一体成型的微流道;
所述微流道设置为两路,两路所述微流道呈对称设置;
每路所述微流道都包括至少一个以上的倒几字型缩/扩的凹凸结构,由所述凹凸结构的折弯处构成全血细胞流通时的旋转或翻转的特定转弯位置。
9.一种存储一个或多个程序的计算机可读存储介质,其特征在于,所述一个或多个程序包括指令,所述指令当由计算设备执行时,使得所述计算设备执行如权利要求1至6所述方法中的任一方法。
10.一种计算设备,其特征在于,包括:一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行如权利要求1至6所述方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210114468.8A CN114460005A (zh) | 2022-01-30 | 2022-01-30 | 动态显微成像的红细胞多角度形态学测量方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210114468.8A CN114460005A (zh) | 2022-01-30 | 2022-01-30 | 动态显微成像的红细胞多角度形态学测量方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114460005A true CN114460005A (zh) | 2022-05-10 |
Family
ID=81410747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210114468.8A Pending CN114460005A (zh) | 2022-01-30 | 2022-01-30 | 动态显微成像的红细胞多角度形态学测量方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114460005A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115326685A (zh) * | 2022-10-13 | 2022-11-11 | 深圳安侣医学科技有限公司 | 基于显微放大图像的血液目标细胞体积获取方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109967143A (zh) * | 2019-02-27 | 2019-07-05 | 西安理工大学 | 一种基于微流控显微系统的细胞大小检测方法 |
-
2022
- 2022-01-30 CN CN202210114468.8A patent/CN114460005A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109967143A (zh) * | 2019-02-27 | 2019-07-05 | 西安理工大学 | 一种基于微流控显微系统的细胞大小检测方法 |
Non-Patent Citations (1)
Title |
---|
张朦 等: "基于动态显微成像的红细胞多角度形态学分析方法", 《光学技术》, vol. 47, no. 4, pages 417 - 421 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115326685A (zh) * | 2022-10-13 | 2022-11-11 | 深圳安侣医学科技有限公司 | 基于显微放大图像的血液目标细胞体积获取方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
ES2641480T3 (es) | Sistema de aprendizaje automático basado en objetos de tejido para puntuación automatizada de portaobjetos digitales completos | |
Meijering et al. | Tracking in molecular bioimaging | |
EP3036520B1 (en) | Apparatus and method for determining the mechanical properties of cells | |
US20230324278A1 (en) | Assay accuracy improvement | |
US20140347447A1 (en) | Optical sectioning of a sample and detection of particles in a sample | |
US11416991B2 (en) | Fast bacteria detection and antibiotic susceptibility test by precision tracking of bacterial cells | |
WO2006125674A1 (en) | Microscope system and screening method for drugs, physical therapies and biohazards | |
Hortinela et al. | Identification of abnormal red blood cells and diagnosing specific types of anemia using image processing and support vector machine | |
JPH0352573B2 (zh) | ||
CN114813522B (zh) | 基于显微放大数字图像的血液细胞分析方法及系统 | |
WO2022167005A1 (zh) | 基于深度神经网络对活体细胞形态检测的方法及相关产品 | |
JP2022528693A (ja) | アッセイ精度及び信頼性の向上 | |
Hamouda et al. | Automated red blood cell counting | |
Iwabuchi et al. | Evaluation of the effectiveness of Gaussian filtering in distinguishing punctate synaptic signals from background noise during image analysis | |
US11592657B2 (en) | Method and system for identifying objects in a blood sample | |
US20190234853A1 (en) | Holographic characterization using hu moments | |
CN114460005A (zh) | 动态显微成像的红细胞多角度形态学测量方法及系统 | |
Herold et al. | Automated detection and quantification of fluorescently labeled synapses in murine brain tissue sections for high throughput applications | |
US20180040120A1 (en) | Methods for quantitative assessment of mononuclear cells in muscle tissue sections | |
TW201404878A (zh) | 自動快速分析生物細胞的裝置和其相關的方法 | |
Hodneland et al. | Automated detection of tunneling nanotubes in 3D images | |
US20220383629A1 (en) | Label-free cell classification and screening system based on hybrid transfer learning | |
WO2023108412A1 (zh) | 目标蛋白快速识别及定量方法 | |
Shimoni et al. | Normalized polarization ratios for the analysis of cell polarity | |
CN114152557A (zh) | 基于图像分析的血细胞计数方法和系统 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20220510 |