CN116298348A - 一种物种用血液分析装置及方法 - Google Patents
一种物种用血液分析装置及方法 Download PDFInfo
- Publication number
- CN116298348A CN116298348A CN202310551284.2A CN202310551284A CN116298348A CN 116298348 A CN116298348 A CN 116298348A CN 202310551284 A CN202310551284 A CN 202310551284A CN 116298348 A CN116298348 A CN 116298348A
- Authority
- CN
- China
- Prior art keywords
- measurement
- species
- blood sample
- species type
- blood
- 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
- 238000004159 blood analysis Methods 0.000 title claims abstract description 48
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000005259 measurement Methods 0.000 claims abstract description 382
- 210000004369 blood Anatomy 0.000 claims abstract description 330
- 239000008280 blood Substances 0.000 claims abstract description 330
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 134
- 239000002245 particle Substances 0.000 claims description 107
- 239000003153 chemical reaction reagent Substances 0.000 claims description 87
- 238000001514 detection method Methods 0.000 claims description 79
- 210000003743 erythrocyte Anatomy 0.000 claims description 60
- 230000003287 optical effect Effects 0.000 claims description 54
- 238000004458 analytical method Methods 0.000 claims description 41
- 238000010586 diagram Methods 0.000 claims description 39
- 238000009826 distribution Methods 0.000 claims description 37
- 210000001772 blood platelet Anatomy 0.000 claims description 35
- 102000001554 Hemoglobins Human genes 0.000 claims description 28
- 108010054147 Hemoglobins Proteins 0.000 claims description 28
- 238000003556 assay Methods 0.000 claims description 27
- 210000000265 leukocyte Anatomy 0.000 claims description 22
- 210000003979 eosinophil Anatomy 0.000 claims description 20
- 210000004698 lymphocyte Anatomy 0.000 claims description 20
- 210000000440 neutrophil Anatomy 0.000 claims description 20
- 230000005484 gravity Effects 0.000 claims description 19
- 210000001616 monocyte Anatomy 0.000 claims description 19
- 238000004820 blood count Methods 0.000 claims description 16
- 238000007635 classification algorithm Methods 0.000 claims description 12
- 210000003651 basophil Anatomy 0.000 claims description 11
- 230000004044 response Effects 0.000 claims description 11
- 238000013528 artificial neural network Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 claims description 7
- 238000005534 hematocrit Methods 0.000 claims description 4
- 230000000875 corresponding effect Effects 0.000 claims 25
- 230000002596 correlated effect Effects 0.000 claims 1
- 238000001228 spectrum Methods 0.000 claims 1
- 241000894007 species Species 0.000 description 291
- 210000004027 cell Anatomy 0.000 description 49
- 238000012545 processing Methods 0.000 description 11
- 241000282326 Felis catus Species 0.000 description 8
- 240000005578 Rivina humilis Species 0.000 description 8
- 239000003795 chemical substances by application Substances 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 238000012360 testing method Methods 0.000 description 6
- 210000000601 blood cell Anatomy 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 241000282472 Canis lupus familiaris Species 0.000 description 4
- 230000001413 cellular effect Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 4
- 230000003595 spectral effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 206010018910 Haemolysis Diseases 0.000 description 3
- 230000008588 hemolysis Effects 0.000 description 3
- 238000002356 laser light scattering Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 241000282693 Cercopithecidae Species 0.000 description 2
- 241000283073 Equus caballus Species 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 239000003085 diluting agent Substances 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000010186 staining Methods 0.000 description 2
- 241000283690 Bos taurus Species 0.000 description 1
- 241000282832 Camelidae Species 0.000 description 1
- 241000282994 Cervidae Species 0.000 description 1
- 241000283086 Equidae Species 0.000 description 1
- 241000282575 Gorilla Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241000699666 Mus <mouse, genus> Species 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 208000025174 PANDAS Diseases 0.000 description 1
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 1
- 240000004718 Panda Species 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 241000282320 Panthera leo Species 0.000 description 1
- 241000282376 Panthera tigris Species 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000003945 anionic surfactant Substances 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 239000003093 cationic surfactant Substances 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 238000001917 fluorescence detection Methods 0.000 description 1
- 210000003714 granulocyte Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- CPBQJMYROZQQJC-UHFFFAOYSA-N helium neon Chemical compound [He].[Ne] CPBQJMYROZQQJC-UHFFFAOYSA-N 0.000 description 1
- 208000014951 hematologic disease Diseases 0.000 description 1
- 230000002949 hemolytic effect Effects 0.000 description 1
- 210000001320 hippocampus Anatomy 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000002934 lysing effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002736 nonionic surfactant Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 210000001995 reticulocyte Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000004094 surface-active agent Substances 0.000 description 1
- -1 that is Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N35/00—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor
- G01N35/02—Automatic analysis not limited to methods or materials provided for in any single one of groups G01N1/00 - G01N33/00; Handling materials therefor using a plurality of sample containers moved by a conveyor system past one or more treatment or analysis stations
-
- 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
- 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
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
-
- 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
- G01N21/6402—Atomic fluorescence; Laser induced fluorescence
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/02—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating impedance
-
- 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
-
- 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
- G01N2015/1022—Measurement of deformation of individual particles by non-optical means
-
- 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
- G01N2015/1024—Counting particles by non-optical means
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Immunology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Dispersion Chemistry (AREA)
- Optics & Photonics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
一种物种用血液分析装置及方法,例如可以根据所述测定信号,自动确定所述血样样本的物种类型;然后,从多种物种类型的测量算法中,选择与所确定的物种类型对应的测量算法,据所选择的测量算法对所述测定信号进行分析,得到所述血液样本的测量结果,无需用户手动来选择物种类型。
Description
技术领域
本发明涉及兽用体外诊断领域,具体涉及一种物种用血液分析装置及方法。
背景技术
血常规检查是临床诊断检查项目之一,对于疾病的诊断和治疗发挥着重要的作用。通过血细胞检测得出的细胞数量、形态、分布等指标,可了解个体的健康状态、病情恶化程度等,并能够有效判断各种血液疾病。血常规检查项目主要包括红细胞、白细胞、血红蛋白和血小板等。
基于检测血液样本的物种用血液分析装置通常可以对多种物种的血液进行测定,用户使用仪器检测样本时,需要先选择相应的物种类型,仪器则会根据用户所选择的物种类型对当前样本进行测定,当用户选择或设置了错误的物种类型则有可能会影响测定结果,进而影响临床诊断结果。
发明内容
为解决上述问题,本发明提供一种物种用血液分析装置及方法,下面具体说明。
根据第一方面,一种实施例提供一种物种用血液分析装置,包括:
血样供给部,用于供给血液样本;
试剂供给部,用于供给试剂;
检测部,用于接收所述血样供给部提供的血液样本和所述试剂供给部提供的试剂以制备试样,并测定所述试样以得到测定信号;
物种类型设置部,用于响应于用户的物种类型设置命令,设置当前的物种类型,不同的物种类型对应有各自的测量算法;
处理器,用于:
获取当前所设置的物种类型所对应的测量算法;
根据当前所设置的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第一测量结果;
根据所述测定信号和/或所述第一测量结果进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
获取所确定的物种类型所对应的测量算法;
根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第二测量结果;
根据所确定的物种类型,判断所设置的物种类型是否正确;
若正确,则输出所述第一测量结果作为所述血液样本的测量结果;
若不正确,则输出所述第二测量结果作为所述血液样本的测量结果。
根据第二方面,一种实施例提供一种物种用血液分析装置,包括:
血样供给部,用于供给血液样本;
试剂供给部,用于供给试剂;
检测部,用于接收所述血样供给部提供的血液样本和所述试剂供给部提供的试剂以制备试样,并测定所述试样以得到测定信号;
物种类型设置部,用于响应于用户的物种类型设置命令,设置当前的物种类型,不同的物种类型对应有各自的测量算法;
处理器,用于:
获取当前所设置的物种类型所对应的测量算法;
根据当前所设置的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第一测量结果;
根据所述测定信号和/或所述第一测量结果进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
根据所确定的物种类型,判断所设置的物种类型是否正确;
若正确,则输出所述第一测量结果作为所述血液样本的测量结果;
若不正确,则进行预设操作。
根据第三方面,一种实施例提供一种物种用血液分析装置,包括:
血样供给部,用于供给血液样本;
试剂供给部,用于供给试剂;
检测部,用于接收所述血样供给部提供的血液样本和所述试剂供给部提供的试剂以制备试样,并测定所述试样以得到测定信号;
处理器,用于:
根据所述测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
从多种物种类型的测量算法中,选择与所确定的物种类型对应的测量算法;
根据所选择的测量算法对所述测定信号进行分析,得到所述血液样本的测量结果。
根据第四方面,一种实施例提供一种物种血液分析装置,包括:
血样供给部,用于供给血液样本;
试剂供给部,用于供给试剂;
检测部,用于接收所述血样供给部提供的血液样本和所述试剂供给部提供的试剂以制备试样,并测定所述试样以得到测定信号;
物种类型设置部,用于响应于用户的物种类型设置命令,设置当前的物种类型,不同的物种类型对应有各自的测量算法;
处理器,用于:
根据所述测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
根据所确定的物种类型,判断所设置的物种类型是否正确;
若正确,进行第一预设操作;
若不正确,则进行第二预设操作。
根据第五方面,一种实施例提供一种物种血液分析方法,包括:
响应于用户的物种类型设置命令,设置当前的物种类型,不同的物种类型对应有各自的测量算法;
通过血液样本和试剂制备试样;
测定所述试样得到测定信号;
根据当前所设置的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第一测量结果;
根据所述测定信号和/或所述第一测量结果进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
获取所确定的物种类型所对应的测量算法;
根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第二测量结果;
根据所确定的物种类型,判断所设置的物种类型是否正确;
若正确,则输出所述第一测量结果作为所述血液样本的测量结果;
若不正确,则输出所述第二测量结果作为所述血液样本的测量结果。
根据第六方面,一种实施例提供一种物种血液分析方法,包括:
响应于用户的物种类型设置命令,设置当前的物种类型,不同的物种类型对应有各自的测量算法;
通过血液样本和试剂制备试样;
测定所述试样得到测定信号;
根据当前所设置的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第一测量结果;
根据所述测定信号和/或所述第一测量结果进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
根据所确定的物种类型,判断所设置的物种类型是否正确;
若正确,则输出所述第一测量结果作为所述血液样本的测量结果;
若不正确,则进行预设操作;所述预设操作包括以下至少一种:
生成物种类型设置错误的提示;
生成所确定的物种类型的提示;
获取所确定的物种类型所对应的测量算法;根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第二测量结果,并输出所述第二测量结果作为所述血液样本的测量结果;
获取用户通过物种类型设置部重新设置的物种类型,并根据重新设置的物种类型获取对应的测量算法,根据该测量算法对所述测定信号进行分析,得到血液样本的第二测量结果,并输出所述第二测量结果作为所述血液样本的测量结果。
根据第七方面,一种实施例提供一种物种血液分析方法,包括:
通过血液样本和试剂制备试样;
测定所述试样得到测定信号;
根据所述测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
从多种物种类型的测量算法中,选择与所确定的物种类型对应的测量算法;
根据所选择的测量算法对所述测定信号进行分析,得到所述血液样本的测量结果。
根据第八方面,一种实施例提供一种物种血液分析方法,包括:
响应于用户的物种类型设置命令,设置当前的物种类型,不同的物种类型对应有各自的测量算法;
通过血液样本和试剂制备试样;
测定所述试样得到测定信号;
根据所述测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
若正确,进行第一预设操作;
若不正确,则进行第二预设操作。
依上述一些实施例的物种用血液分析装置及方法,先手动设置物种类型,再根据所述测定信号和/或所述第一测量结果进行血液样本的物种类型分析,以确定所述血液样本的物种类型,并判断所设置的物种类型是否正确,能够自动纠错,从而使得测量结果更加可靠。
附图说明
图1为一种实施例的物种用血液分析装置的结构示意图;
图2为一种实施例的物种用血液分析装置的结构示意图;
图3为一种实施例的物种用血液分析装置的结构示意图;
图4为一种实施例的物种用血液分析装置的结构示意图;
图5为一种实施例的光学检测部的结构示意图;
图6为一种实施例的光学检测部的结构示意图;
图7为一种实施例的光学检测部的结构示意图;
图8为一种实施例的阻抗法计数部件的结构示意图;
图9为一种实施例的物种用血液分析装置的结构示意图;
图10为一种实施例的分别为狗的血液样本、猫的血液样本、马的血液样本和猴的血液样本在DIFF通道荧光强度-侧向散射光强度视角下的散点图;
图11为一种实施例的散点图的示意图;
图12为对图11的散点图进行预分类后的一个示意图;
图13为一种实施例的物种用血液分析方法的流程示意图;
图14为一种实施例的物种用血液分析方法的流程示意图;
图15为一种实施例的物种用血液分析方法的流程示意图;
图16为一种实施例的物种用血液分析方法的流程示意图;
图17为一种实施例中应用本申请方案后对散点图进行处理的示意图;
图18为一种实施例中作为对照的猫血样本的散点图的示意图;
图19为一种实施例中应用本申请方案后对散点图进行处理的示意图。
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地理解。然而,本领域技术人员可以毫不费力地认识到,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)。
基于检测血液样本的用血液分析装置,广泛应用于科研机构、宠物医院等。物种用血液分析装置能够分析多物种血液,血种需由用户在输入血样时手动选择,仪器根据用户选定的物种使用相应血种的血液分析算法。该操作过程效率低,易出错。如检测人员错误选择物种,仪器将输出错误结果,影响临床诊断。一些实施例中的物种可以包括猫、狗、鼠、马、熊猫、老虎、狮子、河马、鹿、骆驼、牛和猩猩中的一者或多者。再例如,一些实施例中,物种包括人。
本申请一些实施例中,通过对试样的测定信号进行分析,得到血液样本的物种类型,并自动选择相应物种类型的测量算法来得到检测结果。
本申请一些实施例中公开了一种物种用血液分析装置。请参照图1,一些实施例中的物种用血液分析装置可以包括血样供给部10、试剂供给部20、检测部30和处理器50。具体地,血样供给部10供给物种的血液样本;试剂供给部20则用于供给试剂;检测部30则用于接收血样供给部10提供的血液样本和试剂供给部20提供的试剂以制备试样,并测定试样以得到测定信号。下面具体说明。
一些实施例中,请参照图2,物种用血液分析装置还可以包括物种类型设置部33,物种类型设置部33用于响应于用户的物种类型设置命令,设置当前的物种类型,不同的物种类型对应有各自的测量算法。一些实施例中,物种类型至少包括猫和狗。用户可以通过输入工具例如键盘或鼠标等来为血液样本设置或者选择相应的物种类型。
一些实施例中,血样供给部10可以包括样本针,样本针通过二维或三维的驱动机构来在空间上进行二维或三维的运动,从而样本针可以移动去吸取承载血液样本的容器(例如样本管)中的血液样本,然后移动到用于为被测血液样本和试剂提供反应场所例如检测部30,向检测部30排放血液样本。
一些实施例中,试剂供给部20可以包括试剂盘和试剂针,试剂盘呈圆盘状结构设置,具有多个用于承载试剂容器的位置,试剂盘能够转动并带动其承载的试剂容器转动,用于将试剂容器转动到特定的位置,例如被试剂针吸取试剂的位置;试剂针则能够通过二维或三维的驱动机构来在空间上进行二维或三维的运动,从而试剂针可以移动去吸取试剂盘所承载的试剂,并排放到检测部30中。另一些实施例中,试剂供给部20也可以包括承载试剂的区域和试剂针,试剂被固定放置,通过试剂针的移动来实现吸取不同的试剂并向检测部30排放。
一些实施例中,试剂供给部20可以包括承载试剂容器的区域和将试剂容器与检测部30连通的试剂液路,通过试剂液路将试剂从试剂容器加入到检测部30中。
一些实施例中,请参照图3,检测部30可以包括一个或多个混合室31,混合室31用于提供血液样本和试剂的处理场所或者说反应场所。不同的检测项目可以共用同一个混合室31;不同的检测项目也可以使用不同的混合室31,例如白细胞分类的检测项目可以使用一个混合室31,有核红细胞计数的检测项目可以使用另外一个混合室31。
通过使用试剂来处理样本,可以得到待测的试样。一些实施例中,试剂包括溶血剂、荧光剂和稀释液中的一种或多种。溶血剂是一种能够将血液样本和体液样本中红细胞溶解的试剂,具体地,其可以是阳离子表面活性剂、非离子表面活性剂、阴离子表面活性剂、两亲性表面活性剂中的任意一种或几种的组合。荧光剂用于对血细胞进行染色,具体种类根据检测项目进行选择。等渗电解质稀释液可以用于保持细胞粒子的形态,以制备用于阻抗法计数的试样等。
一些实施例中,请参照图4,检测部30包括光学检测部60和/或阻抗法计数部件80,下面具体说明。
一些实施例中,检测部30可以包括光学检测部60,光学检测部60能够通过激光散射原理对样本进行测定,原理为:将激光照射在细胞上,通过收集细胞被照射后产生的光信号,例如散射光和荧光,来对细胞进行分类和计数等——当然在一些实施例中,如果细胞没有使用荧光试剂来处理,那么自然收集不到荧光。下面对检测部30中的光学检测部60进行说明。
一些实施例中,光学检测部60能够通过激光散射原理对样本进行测定,原理为:将激光照射在细胞上,通过收集细胞被照射后产生的光信号,例如散射光和/或荧光,来对细胞进行分类和计数等——当然在一些实施例中,如果细胞没有使用荧光试剂来处理,那么自然收集不到荧光。下面对检测部30中的光学检测部60进行说明。
请参照图5,光学检测部60可以包括光源61、流动室62和光学检测器69。流动室62与反应部30连通,用于供待测试样的细胞逐个通过;光源61用于照射通过流动室62的细胞,光学检测器69用于获取细胞通过流动室62的光信号。图6为光学检测部60的一个具体例子,光学检测器69可以包括用于收集前向散射光的透镜组63,用于将收集到的前向散射光由光学信号转换为电信号的光电探测器64,用于收集侧向散射光和侧向荧光的透镜组65,二向色镜66,用于将收集到的侧向散射光由光学信号转换为电信号的光电探测器67,用于将收集到的侧向荧光由光学信号转换为电信号的光电探测器68;其中二向色镜66用于分光,将混合在一起的侧向散射光和侧向荧光分为两路,一路为侧向散射光,一路为侧向荧光。需要说明的是,本文中光信号可以是指光学信号,也可以是指由光学信号转成的电信号,他们在表征细胞检测结果所含有的信息实质上是一致的。
不妨以图6所示的光学检测部60的结构为例,说明光学检测部60是如何具体来获取待测试样的光信号。
流动室62用于供待测试样的细胞逐个通过。例如在反应部30中将样本中的红细胞通过一些试剂例如溶血剂溶解,或者再进一步通过荧光剂染色后,采用鞘流技术,使得所制备的待测试样中的细胞从流动室62中依次一个接一个地排队通过。图中Y轴方向为待测试样中细胞运动的方向,需要说明的是,图中Y轴方向为垂直于纸面的方向。光源61用于照射通过流动室62的细胞。一些实施例中,光源61为激光器,例如氦氖激光器或半导体激光器等。当光源61发出的光照射到流动室62中的细胞时会向周围产生散射。因此,当制备好的待测试样中的细胞在鞘流的作用下逐个通过流动室62时,光源61发出的光向通过流动室62的细胞照射,照射到细胞上的光会向四周产生散射,通过透镜组63来收集前向散射光——例如图中Z轴的方向,使之到达光电探测器64,从而处理器50可以从光电探测器64获取到细胞的前向散射光信息;同时,在与照射到细胞的光线垂直的方向通过透镜组65收集侧向光——例如图中X轴的方向,收集的侧向光再通过二向色镜66发生反射和折射,其中侧向光中的侧向散射光在经过二向色镜66时发生反射,然后到达相应的光电探测器67,侧向光中的侧向荧光则经过折射或者说透射后也到达相应的光电探测器68,从而处理器50可以从光电探测器67获取到细胞的侧向散射光信息,从光电探测器68获取到细胞的侧向荧光信息。请参照图7,为光学检测部60另一个例子。为了使得光源61照射到流动室62的光性能更好,可以在光源61和流动室62之间引入准直透镜61a,光源61发出的光被准直透镜61a准直后再向通过流动室62的细胞照射。一些例子中,为了使得收集到的荧光噪声更少(即没有其他光的干扰),可以在光电探测器68的前面再设置一滤光片66a,经二向色镜66分光后的侧向荧光再经过滤光片66a后才到达光电探测器68。一些实施例子,在透镜组63收集前向散射光后,再引入一个光阑63a来限定最终到达光电探测器64的前向散射光的角度,例如将前向散射光限定为低角度(或者说小角度)的前向散射光。
通过激光散射法可以对白细胞进行分类和计数,上述的光学检测部60就是一个例子。细胞受到激光束的照射产生的散射光与细胞大小、细胞膜和细胞内部结构的折射率相关。根据散射光信号可以得到血细胞大小及细胞内部信息的分布图,称为散点图。
一些实施例中,请参照图8,阻抗法计数部件80包括计数池81、压力源83、恒流电源85和电压脉冲检测部件87。计数池81包括一微孔81a,计数池81用于反应部30接收试样。压力源83用于提供压力以使得计数池81中的试样所包含的细胞通过微孔81a。恒流电源85的两端分别与微孔81a的两端电连接。电压脉冲检测部件87与恒流电源85电连接,用于检测细胞通过微孔81a时产生的电压脉冲。
通过阻抗法也可以对白细胞进行分类和计数,上述的阻抗法计数部件80就是一个例子。通过收到与细胞相关的电压脉冲,可以统计形成细胞的直方图,从而可以完成对细胞的分类和计数。
通过阻抗法也可以对红细胞进行计数。
以上是检测部30的一些说明。也可以通过所测量的参数来对检测部30进行划分。一些实施例中,请参照图9,检测部30包括多个检测通道32,每个检测通道32用于接收血样供给部10提供的血液样本和试剂供给部20提供的试剂以制备本检测通道的试样,并对本检测通道的试样进行测定得到本检测通道的测定信号。
例如,激光散射法或者说光学法来对白细胞计数可以作为一个独立的检测通道32,不妨称之为白细胞溶血通道或者WBC计数通道。再例如,激光散射法或者说光学法来对白细胞分类可以作为一个独立的检测通道32,例如迈瑞相关仪器中的DIFF通道是一种白细胞分类的检测通道。阻抗法来对红细胞计数可以作为一个独立的检测通道32,不妨称之为红细胞阻抗通道。阻抗法来对血小板计数可以作为一个独立的检测通道32,不妨称之为血小板阻抗通道。一些例子中,红细胞阻抗通道和血小板阻抗通道可以是同一个阻抗通道。光学法血小板测量也可以作为一个独立的检测通道32,可以记为R通道,该检测通道可以同时用于检测网织红细胞和未成熟血小板。有核红细胞测量或者说计数,也可以作为一个独立的检测通道32,可以记为N通道。
一些实施例中,物种类型设置部33用于响应于用户的物种类型设置命令,设置当前的物种类型。处理器50根据测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型;处理器50根据所确定的物种类型,判断所设置的物种类型是否正确;若正确,进行第一预设操作;若不正确,则进行第二预设操作。处理器50如何根据测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型,在下文还在有进一步的说明。
可以理解地,若处理器50根据测定信号进行血液样本的物种类型分析,所确定的所述血液样本的物种类型,若与用户通过物种类型设置部33所设置的物种类型相同,则说明正确,反之,则说明不正确。一些实施例中,第一预设操作包括以下至少一种:
生成所确定的物种类型的提示;
获取所确定的物种类型所对应的测量算法;根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第一测量结果,并输出所述第一测量结果作为所述血液样本的测量结果。
一些实施例中,第二预设操作包括以下至少一种:
生成物种类型设置错误的提示;
生成所确定的物种类型的提示;
获取所确定的物种类型所对应的测量算法;根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第二测量结果,并输出所述第二测量结果作为所述血液样本的测量结果;
获取用户通过物种类型设置部33重新设置的物种类型,并根据重新设置的物种类型获取对应的测量算法,根据该测量算法对所述测定信号进行分析,得到血液样本的第二测量结果,并输出所述第二测量结果作为所述血液样本的测量结果。
一些实施例中,处理器50根据测定信号进行血液样本的物种类型分析,以确定血液样本的物种类型;处理器50从多种物种类型的测量算法中,选择与所确定的物种类型对应的测量算法;处理器50根据所选择的测量算法对测定信号进行分析,得到血液样本的测量结果。
一些实施例中,血液样本的测量结果包括粒子数目和/或粒子分类。本文中的粒子为细胞粒子,例如白细胞、红细胞和血小板等等。
一些实施例中,血液样本的测量结果包括血常规参数。
一些实施例中,血常规参数包括白细胞数目、嗜碱性粒细胞数目、嗜碱性粒细胞百分比、中性粒细胞数目、中性粒细胞百分比、嗜酸性粒细胞数目、嗜酸性粒细胞百分比、淋巴细胞数目、淋巴细胞百分比、单核细胞数目、单核细胞百分比、血红蛋白含量、平均红细胞体积、红细胞数量、红细胞压积、平均红细胞血红蛋白含量、红细胞平均血红蛋白浓度、血小板数量、血小板的平均体积和血小板压积中的一者或多者。
在物种用血液分析装置包括物种类型设置部33例子中,可以通过分析得到的物种类型来判断通过物种类型设置部33所设置的物种类型是否正确,无需用户手动来选择物种类型。
一些实施例中,处理器50获取当前所设置的物种类型所对应的测量算法;处理器50根据当前所设置的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第一测量结果。处理器50根据测定信号和/或第一测量结果进行血液样本的物种类型分析,以确定血液样本的物种类型;处理器50获取所确定的物种类型所对应的测量算法;处理器50根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第二测量结果;处理器50根据所确定的物种类型,判断所设置的物种类型是否正确;若正确,则处理器50输出所述第一测量结果作为所述血液样本的测量结果;若不正确,则处理器50输出所述第二测量结果作为所述血液样本的测量结果。
一些实施例中,处理器50获取当前所设置的物种类型所对应的测量算法;处理器50根据当前所设置的物种类型所对应的测量算法,对测定信号进行分析,得到血液样本的第一测量结果;处理器50根据测定信号和/或第一测量结果进行血液样本的物种类型分析,以确定血液样本的物种类型;处理器50根据所确定的物种类型,判断所设置的物种类型是否正确;若正确,则处理器50输出第一测量结果作为所述血液样本的测量结果;一些实施例中,若正确,则处理器50还生成所确定的物种类型的提示;若不正确,则处理器50则进行预设操作,例如生成物种类型设置错误的提示,再例如生成所确定的物种类型的提示,再例如获取所确定的物种类型所对应的测量算法,根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第二测量结果,并输出第二测量结果作为血液样本的测量结果;再例如处理器50获取所确定的物种类型所对应的测量算法,处理器50根据所确定的物种类型所对应的测量算法,对测定信号进行分析,得到血液样本的第二测量结果,并输出所述第二测量结果作为血液样本的测量结果。
一些实施例中,第一测量结果包括粒子数目、粒子分类和血常规参数中的一者或多者。本文中的粒子为细胞粒子,例如白细胞、红细胞和血小板等等。
一些实施例中,第一测量结果包括血常规参数。
一些实施例中,血常规参数包括白细胞数目、嗜碱性粒细胞数目、嗜碱性粒细胞百分比、中性粒细胞数目、中性粒细胞百分比、嗜酸性粒细胞数目、嗜酸性粒细胞百分比、淋巴细胞数目、淋巴细胞百分比、单核细胞数目、单核细胞百分比、血红蛋白含量、平均红细胞体积、红细胞数量、红细胞压积、平均红细胞血红蛋白含量、红细胞平均血红蛋白浓度、血小板数量、血小板的平均体积和血小板压积中的一者或多者
一些实施例中,第二测量结果包括粒子数目和/或粒子分类。
一些实施例中,第二测量结果包括血常规参数。
一些实施例中,处理器50根据第一测量结果进行血液样本的物种类型分析,以确定所述血液样本的物种类型,包括:根据至少一种血常规参数确定所述血液样本的物种类型;所述血常规参数包括白细胞数目、嗜碱性粒细胞数目、嗜碱性粒细胞百分比、中性粒细胞数目、中性粒细胞百分比、嗜酸性粒细胞数目、嗜酸性粒细胞百分比、淋巴细胞数目、淋巴细胞百分比、单核细胞数目、单核细胞百分比、血红蛋白含量、平均红细胞体积、红细胞数量、红细胞压积、平均红细胞血红蛋白含量、红细胞平均血红蛋白浓度、血小板数量、血小板的平均体积和血小板压积中的一者或多者。
例如,基于临床上的统计结果,狗血液样本的平均红细胞体积(MCV)结果一般不低于50fL(飞升),而猫血液样本的平均红细胞体积(MCV)结果一般不高于55fL;故基于此种血常规参数可以来确定血液样本的物种类型。
一些实施例,处理器50根据测定信号进行血液样本的物种类型分析,以确定血液样本的物种类型,下面具体说明。
一些实施例中,处理器50根据所述测定信号构建信号图;处理器50对信号图构建特征区域;处理器50根据所构建的特征区域计算特征参数;处理器50根据特征参数确定血液样本的物种类型。一些实施例中,处理器50使用预分类算法对信号图进行计算,得到预分类结果,再基于预分类结果来在所构建的特征区域计算特征参数。一些例子中,可以选择将某一种物种类型所对应的测量算法作为预分类算法。一些例子中,将不考虑物种类型的一套通用的测量算法作为预分类算法,这样得到的预分类结果虽然不像考虑物种类型后所执行相应的测量算法所得到的预分类结果那么可靠和准确,但是也能够在一定程度上得到相对值得参考的结果。
一些实施例中,预分类结果为各粒子标签信息,即各粒子所属的粒子团,例如下文图12就是预分类结果的一个例子,图中得到了5个粒子团。
一些实施例中,特征参数包括:特征区域内粒子数目、特征区域内粒子数目占总粒子数目的比例特征区域内粒子团重心、特征区域内最大粒子团重心和特征区域内粒子团数量、特征区域内粒子团的前向散射光强度分布宽度、特征区域内粒子团的前向散射光强度分布重心、特征区域内粒子团的前向散射光强度分布变异系数、特征区域内粒子团的侧向散射光强度分布宽度、特征区域内粒子团的侧向散射光强度分布重心、特征区域内粒子团的侧向散射光强度分布变异系数、特征区域内粒子团的荧光前度分布宽度、特征区域内粒子团的荧光强度分布重心、特征区域内粒子团的荧光强度分布变异系数、特征区域内粒子团在由前向散射光强度、侧向散射光强度和荧光强度中的两种光信号生成的二维散点图中的分布区域的面积、所述特征区域内粒子团在由前向散射光强度、侧向散射光强度和荧光强度这三种光信号生成的三维散点图中的分布区域的体积中的至少一者。
一些实施例中,特征参数包括:所述特征区域内粒子数目、所述特征区域内粒子数目占总粒子数目的比例、所述特征区域内粒子团重心、所述特征区域内最大粒子团重心和所述特征区域内粒子团数量、所述特征区域内粒子团的前向散射光强度分布宽度、所述特征区域内粒子团的前向散射光强度分布重心、所述特征区域内粒子团的前向散射光强度分布变异系数、所述特征区域内粒子团的侧向散射光强度分布宽度、所述特征区域内粒子团的侧向散射光强度分布重心、所述特征区域内粒子团的侧向散射光强度分布变异系数、所述特征区域内粒子团的荧光前度分布宽度、所述特征区域内粒子团的荧光强度分布重心、所述特征区域内粒子团的荧光强度分布变异系数、所述特征区域内粒子团在由前向散射光强度、侧向散射光强度和荧光强度中的两种光信号生成的二维散点图中的分布区域的面积、所述特征区域内粒子团在由前向散射光强度、侧向散射光强度和荧光强度这三种光信号生成的三维散点图中的分布区域的体积中的至少一者。
一些实施例中,测定信号包括阻抗脉冲信号和/或阻抗脉冲信号的相关信号;所述阻抗脉冲信号的相关信号包括脉冲峰值和/或脉冲宽度;处理器50根据测定信号构建信号图,包括:根据所述阻抗脉冲信号和/或阻抗脉冲信号的相关信号构建直方图或散点图。
一些实施例中,测定信号包括至少两种光信号和/或光信号的相关信号,所述至少两种光信号包括前向散射光、侧向散射光和荧光的至少两种;所述光信号的相关信号包括光信号的脉冲峰值和/或脉冲宽度,例如前向散射光的脉冲峰值和/或脉冲宽度,例如侧向散射光的脉冲峰值和/或脉冲宽度,再例如荧光的脉冲峰值和/或脉冲宽度;处理器50根据测定信号构建信号图,包括:根据所述至少两种光信号和/或所述光信号的相关信号构建直方图或散点图。
因此,一些实施例中,本文中的信号图包括直方图和/或散点图。
在激光散射检测、荧光检测下,不同物种血细胞各细胞团的前向散射光强度(FS)、侧向散射光强度(SS)和荧光强度(FL)各有不同,导致在前向散射光强度(FS)、侧向散射光强度(SS)和荧光强度(FL)的三维坐标下,不同物种淋巴细胞、中性粒细胞、嗜酸性粒细胞、嗜碱性粒细胞、幼稚粒细胞等细胞团相对位置、相对比例各有不同。因此,可以通过血细胞中各团的相对位置和比例等特征参数,识别物种。例如图10中(a)、(b)、(c)和(d)分别为狗的血液样本、猫的血液样本、马的血液样本和猴的血液样本在DIFF通道荧光强度(FL)-侧向散射光强度(SS)视角下的散点图,不同物种类型样本散点图中各细胞粒子团分布位置、大小等特征有明显差异。需要说明的是,本文及附图中,FS表示前向散射光强度,SS表示侧向散射光强度,FL表示荧光强度。Mon指单核细胞,Lym指淋巴细胞,Neu指中性粒细胞,Eos指嗜酸性粒细胞,Bas指嗜碱性粒细胞。
一些实施例中,处理器50对信号图构建特征区域时,可以使用深度学习语义分割算法,其适用于任何物种类型的血液样本所形成的散点图,其仅用于给散点图打上标签信息(如1类粒子、2类粒子等),从而获得到包含各粒子标签信息的散点图;图11为原始的散点图的一个例子,经过深度学习语义分割算法,散点图中的粒子被打上相关标签,从而如图12所示的得到5个粒子团。
一些实施例中,处理器50根据测定信号构建信号图;处理器50使用预分类算法对信号图进行分析,得到预分类结果;处理器50根据预分类结果确定血液样本的物种类型。一些实施例中,预分类结果包括粒子数目和/或粒子分类。
一些实施例中,处理器50根据测定信号构建信号图;处理器50计算信号图分别与多种物种类型的预设信号图之间的相似度;处理器50将相似度最大的预设信号图所属的物种类型,确定为血液样本的物种类型。在计算相似度时,可以使用如机器学习方法SVM,可以使用基于图像相似度得分的图像处理算法。
一些实施例中,处理器50根据测定信号构建信号图;处理器50利用神经网络提取信号图的特征,并基于所提取的特征,神经网络输出所述血液样本的物种类型。
一些实施例中,测定信号包括阻抗脉冲信号和/或阻抗脉冲信号的相关信号;所述阻抗脉冲信号的相关信号包括脉冲峰值和/或脉冲宽度;处理器50根据测定信号构建信号图,包括:根据所述阻抗脉冲信号和/或阻抗脉冲信号的相关信号构建直方图或散点图。
一些实施例中,测定信号包括至少两种光信号和/或光信号的相关信号,所述至少两种光信号包括前向散射光、侧向散射光和荧光的至少两种;所述光信号的相关信号包括光信号的脉冲峰值和/或脉冲宽度,例如前向散射光的脉冲峰值和/或脉冲宽度,例如侧向散射光的脉冲峰值和/或脉冲宽度,再例如荧光的脉冲峰值和/或脉冲宽度;处理器50根据测定信号构建信号图,包括:根据所述至少两种光信号和/或所述光信号的相关信号构建直方图或散点图。
一些实施例中,测定信号包括光谱信号(或者说光谱数据/光谱信息),处理器50根据测定信号构建信号图,包括:根据光谱信号构建光谱图。
一些实施例中,处理器50根据测定信号获取至少一种血常规参数,根据所述至少一种血常规参数确定血液样本的物种类型。一些实施例中,所述至少一种血常规参数包括白细胞数目、嗜碱性粒细胞数目、嗜碱性粒细胞百分比、中性粒细胞数目、中性粒细胞百分比、嗜酸性粒细胞数目、嗜酸性粒细胞百分比、淋巴细胞数目、淋巴细胞百分比、单核细胞数目、单核细胞百分比、血红蛋白含量、平均红细胞体积、红细胞数量、红细胞压积、平均红细胞血红蛋白含量、红细胞平均血红蛋白浓度、血小板数量、血小板的平均体积和血小板压积中的一者或多者。例如,基于临床上的统计结果,狗血液样本的平均红细胞体积(MCV)结果一般不低于50fL(飞升),而猫血液样本的平均红细胞体积(MCV)结果一般不高于55fL;故基于此种血常规参数可以来确定血液样本的物种类型。
如上所述,检测部30可以包括多个检测通道32。处理器50根据测定信号进行血液样本的物种类型分析,以确定血液样本的物种类型,包括:根据一个检测通道32的测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型;或者,根据至少两个检测通道32的测定信号进行血液样本的物种类型分析,以确定血液样本的物种类型。
例如,处理器50根据一个或多个检测通道32的测定信号构建信号图;处理器50对信号图构建特征区域;处理器50根据所构建的特征区域计算特征参数;处理器50根据特征参数确定血液样本的物种类型。
例如,处理器50根据一个或多个检测通道32的构建信号图;处理器50使用预分类算法对信号图进行分析,得到预分类结果;处理器50根据预分类结果确定血液样本的物种类型。一些实施例中,预分类结果包括粒子数目和/或粒子分类。一些例子中,可以选择将某一种物种类型所对应的测量算法作为预分类算法。一些例子中,将不考虑物种类型的一套通用的测量算法作为预分类算法,这样得到的预分类结果虽然不像考虑物种类型后所执行相应的测量算法所得到的预分类结果那么可靠和准确,但是也能够在一定程度上得到相对值得参考的结果。
例如,处理器50根据一个或多个检测通道32的构建信号图;处理器50使用预分类算法对信号图进行分析,得到预分类结果;处理器50根据预分类结果确定血液样本的物种类型。一些实施例中,预分类结果包括粒子数目和/或粒子分类。
例如,处理器50根据一个或多个检测通道32的构建信号图;处理器50计算信号图分别与多种物种类型的预设信号图之间的相似度;处理器50将相似度最大的预设信号图所属的物种类型,确定为血液样本的物种类型。在计算相似度时,可以使用如机器学习方法SVM,可以使用基于图像相似度得分的图像处理算法。
例如,处理器50根据一个或多个检测通道32的构建信号图;处理器50利用神经网络提取信号图的特征,并基于所提取的特征,神经网络输出所述血液样本的物种类型。
例如,处理器50根据一个或多个检测通道32的获取至少一种血常规参数,根据所述至少一种血常规参数确定血液样本的物种类型。
一些实施例中,处理器50从多种物种类型的测量算法中,选择与所确定的物种类型对应的测量算法,并根据所选择的测量算法对所述测定信号进行分析,得到所述血液样本的测量结果,包括:对于检测部30所包括的多个检测通道32中的每个检测通道32:为该检测通道32选择与所确定的物种类型对应的测量算法,并根据所选择的测量算法对该检测通道32的测定信号进行分析,得到该检测通道32的测量结果。
可以理解地,总体而言,不同物种类型对应的不同的测量算法;对于每个不同的检测通道,其检测结果所针对的血液参数是不同的,显然不同的检测通道所使用的测量算法也是不同的,同一检测通道中所使用的测量算法则和物种类型相关,因此需要为每一个检测通道选择与其所检测血液样本的物种类型对应的测量算法。
本申请一些实施例中还公开了一种物种血液分析方法。
请参照图13,一些实施例的物种血液分析方法包括以下步骤:
步骤100:响应于用户的物种类型设置命令,设置当前的物种类型,不同的物种类型对应有各自的测量算法。
步骤101:通过血液样本和试剂制备试样;
步骤102:测定所述试样得到测定信号;
步骤103:根据当前所设置的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第一测量结果;
步骤104:根据所述测定信号和/或所述第一测量结果进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
步骤105:获取所确定的物种类型所对应的测量算法;
步骤106:根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第二测量结果;
步骤107:根据所确定的物种类型,判断所设置的物种类型是否正确;
步骤108:若正确,则输出所述第一测量结果作为所述血液样本的测量结果;一些实施例中,若正确,还生成所确定的物种类型的提示;
步骤109:若不正确,则输出所述第二测量结果作为所述血液样本的测量结果。一些实施例中,若不正确,步骤109还生成所确定的物种类型的提示。
请参照图14,一些实施例的物种血液分析方法包括以下步骤:
步骤110:响应于用户的物种类型设置命令,设置当前的物种类型,不同的物种类型对应有各自的测量算法。
步骤111:通过血液样本和试剂制备试样;
步骤112:测定所述试样得到测定信号;
步骤113:根据当前所设置的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第一测量结果;
步骤114:根据所述测定信号和/或所述第一测量结果进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
步骤115:根据所确定的物种类型,判断所设置的物种类型是否正确;一些实施例中,若正确,还生成所确定的物种类型的提示;
步骤116:若正确,则输出所述第一测量结果作为所述血液样本的测量结果;
步骤117:若不正确,则进行预设操作,预设操作包括以下至少一种:
生成物种类型设置错误的提示;
生成所确定的物种类型的提示;
获取所确定的物种类型所对应的测量算法;根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第二测量结果,并输出所述第二测量结果作为所述血液样本的测量结果;
获取用户通过所述物种类型设置部重新设置的物种类型,并根据重新设置的物种类型获取对应的测量算法,根据该测量算法对所述测定信号进行分析,得到血液样本的第二测量结果,并输出所述第二测量结果作为所述血液样本的测量结果。
一些实施例中,第一测量结果包括粒子数目、粒子分类和血常规参数中的一者或多者。本文中的粒子为细胞粒子,例如白细胞、红细胞和血小板等等。
一些实施例中,第一测量结果包括血常规参数。
一些实施例中,血常规参数包括白细胞数目、嗜碱性粒细胞数目、嗜碱性粒细胞百分比、中性粒细胞数目、中性粒细胞百分比、嗜酸性粒细胞数目、嗜酸性粒细胞百分比、淋巴细胞数目、淋巴细胞百分比、单核细胞数目、单核细胞百分比、血红蛋白含量、平均红细胞体积、红细胞数量、红细胞压积、平均红细胞血红蛋白含量、红细胞平均血红蛋白浓度、血小板数量、血小板的平均体积和血小板压积中的一者或多者
一些实施例中,第二测量结果包括粒子数目和/或粒子分类。
一些实施例中,第二测量结果包括血常规参数。
一些实施例中,步骤104和步骤114中,根据第一测量结果进行血液样本的物种类型分析,以确定所述血液样本的物种类型,包括:根据至少一种血常规参数确定所述血液样本的物种类型;所述至少一种血常规参数包括白细胞数目、嗜碱性粒细胞数目、嗜碱性粒细胞百分比、中性粒细胞数目、中性粒细胞百分比、嗜酸性粒细胞数目、嗜酸性粒细胞百分比、淋巴细胞数目、淋巴细胞百分比、单核细胞数目、单核细胞百分比、血红蛋白含量、平均红细胞体积、红细胞数量、红细胞压积、平均红细胞血红蛋白含量、红细胞平均血红蛋白浓度、血小板数量、血小板的平均体积和血小板压积中的一者或多者。
请参照图15,一些实施例的物种血液分析方法包括以下步骤:
步骤120:通过血液样本和试剂制备试样;
步骤121:测定所述试样得到测定信号;
步骤122:根据所述测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
步骤123:从多种物种类型的测量算法中,选择与所确定的物种类型对应的测量算法;
步骤124:根据所选择的测量算法对所述测定信号进行分析,得到所述血液样本的测量结果。
请参照图16,一些实施例的物种血液分析方法包括以下步骤:
步骤130:响应于用户的物种类型设置命令,设置当前的物种类型。一些实施例中,不同的物种类型对应有各自的测量算法。
步骤131:通过血液样本和试剂制备试样;
步骤132:测定所述试样得到测定信号;
步骤133:根据所述测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型。
步骤134:若正确,进行第一预设操作。也即,若步骤133中所确定的血液样本的物种类型与步骤130所设置的物种类型相同,则正确。
步骤135:若不正确,则进行第二预设操作。也即,若步骤133中所确定的血液样本的物种类型与步骤130所设置的物种类型不相同,则不正确。
一些实施例中,步骤134中第一预设操作包括以下至少一种:
生成所确定的物种类型的提示;
获取所确定的物种类型所对应的测量算法;根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第一测量结果,并输出所述第一测量结果作为所述血液样本的测量结果。
一些实施例中,步骤135中第二预设操作包括以下至少一种:
生成物种类型设置错误的提示;
生成所确定的物种类型的提示;
获取所确定的物种类型所对应的测量算法;根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第二测量结果,并输出所述第二测量结果作为所述血液样本的测量结果;
获取用户通过物种类型设置部33重新设置的物种类型,并根据重新设置的物种类型获取对应的测量算法,根据该测量算法对所述测定信号进行分析,得到血液样本的第二测量结果,并输出所述第二测量结果作为所述血液样本的测量结果。
一些实施例中,血液样本的测量结果包括粒子数目和/或粒子分类。本文中的粒子为细胞粒子,例如白细胞、红细胞和血小板等等。
一些实施例中,血液样本的测量结果包括血常规参数。
一些实施例中,步骤104、步骤114、步骤122和步骤133中,根据测定信号进行血液样本的物种类型分析以确定所述血液样本的物种类型,可以包括以下的任意一种方式。
方式一:根据所述测定信号构建信号图;对信号图构建特征区域;根据所构建的特征区域计算特征参数;根据特征参数确定血液样本的物种类型。一些实施例中,特征参数包括:特征区域内粒子数目、特征区域内粒子数目占总粒子数目的比例特征区域内粒子团重心、特征区域内最大粒子团重心和特征区域内粒子团数量中的至少一者。
方式二:根据测定信号构建信号图;使用预分类算法对信号图进行分析,得到预分类结果;根据预分类结果确定血液样本的物种类型。一些实施例中,预分类结果包括粒子数目和/或粒子分类。
方式三:根据测定信号构建信号图;使用预分类算法对信号图进行分析,得到预分类结果;根据预分类结果确定血液样本的物种类型。一些实施例中,预分类结果包括粒子数目和/或粒子分类。
方式四:根据测定信号构建信号图;计算信号图分别与多种物种类型的预设信号图之间的相似度;将相似度最大的预设信号图所属的物种类型,确定为血液样本的物种类型。在计算相似度时,可以使用如机器学习方法SVM,可以使用基于图像相似度得分的图像处理算法。
方式五:根据测定信号构建信号图;利用神经网络提取信号图的特征,并基于所提取的特征,神经网络输出所述血液样本的物种类型。
方式六:根据测定信号获取至少一种血常规参数,根据所述至少一种血常规参数确定血液样本的物种类型。一些实施例中,所述至少一种血常规参数包括白细胞数目、嗜碱性粒细胞数目、嗜碱性粒细胞百分比、中性粒细胞数目、中性粒细胞百分比、嗜酸性粒细胞数目、嗜酸性粒细胞百分比、淋巴细胞数目、淋巴细胞百分比、单核细胞数目、单核细胞百分比、血红蛋白含量、平均红细胞体积、红细胞数量、红细胞压积、平均红细胞血红蛋白含量、红细胞平均血红蛋白浓度、血小板数量、血小板的平均体积和血小板压积中的一者或多者。
图17为应用本申请一些实施例后的例子。将狗血样本输入物种用血液分析装置,以进行自物种种识别。首先,DIFF通道对输入血样进行检测,获取其荧光强度(FL)信号、侧向散射光强度(SS)信号并依此构建散点图,通过预分类算法处理,获得带标签的散点图;之后,根据大量样本统计规律,构建特征区域1和特征区域2,并计算以下三个特征参数:
1)特征区域1内最大粒子团所在的粒子团类别的重心;
2)特征区域2内最大的两个粒子团重心的横坐标距离;
3)1类粒子团的上界与3类粒子团上界的距离。
通过将该特征参数与各物种的特征参数的分布范围作对比(例如图18为作为对照的猫血样本),认为该样本满足狗血的特征参数分布范围,因此判断该样本为狗血样本。具体地,待判断的样本在特征区域1内最大料子团所在的粒子了团类别的重心为(80,140),特征区域2内最大的两个粒子团重心的横坐标距离为48,1类粒子团的上界与3类粒子团上界的距离为6;而作为对照的猫血样本在特征区域1内最大料子团所在的粒子了团类别的重心为(66,128),特征区域2内最大的两个粒子团重心的横坐标距离为0(未找到两个粒子团),1类粒子团的上界与3类粒子团上界的距离为98。
图19为应用本申请一些实施例后的例子。将狗血样本输入物种用血液分析装置,以进行自物种种识别。首先,DIFF通道对输入血样进行检测,获取其荧光强度(FL)信号、侧向散射光强度(SS)信号并依此构建散点图。之后,计算该散点图与各物种的平均粒子分布图的相似度得分。该样本与狗样本平均粒子分布图的相似度得分为0.95,高于该样本与其它物种平均粒子分布图的相似度得分。因此,算法判断该样本为狗血样本。
本文参照了各种示范实施例进行说明。然而,本领域的技术人员将认识到,在不脱离本文范围的情况下,可以对示范性实施例做出改变和修正。例如,各种操作步骤以及用于执行操作步骤的组件,可以根据特定的应用或考虑与系统的操作相关联的任何数量的成本函数以不同的方式实现(例如一个或多个步骤可以被删除、修改或结合到其他步骤中)。
在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。另外,如本领域技术人员所理解的,本文的原理可以反映在计算机可读存储介质上的计算机程序产品中,该可读存储介质预装有计算机可读程序代码。任何有形的、非暂时性的计算机可读存储介质皆可被使用,包括磁存储设备(硬盘、软盘等)、光学存储设备(CD至ROM、DVD、Blu-Ray盘等)、闪存和/或诸如此类。这些计算机程序指令可被加载到通用计算机、专用计算机或其他可编程数据处理设备上以形成机器,使得这些在计算机上或其他可编程数据处理装置上执行的指令可以生成实现指定的功能的装置。这些计算机程序指令也可以存储在计算机可读存储器中,该计算机可读存储器可以指示计算机或其他可编程数据处理设备以特定的方式运行,这样存储在计算机可读存储器中的指令就可以形成一件制造品,包括实现指定功能的实现装置。计算机程序指令也可以加载到计算机或其他可编程数据处理设备上,从而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一个计算机实现的进程,使得在计算机或其他可编程设备上执行的指令可以提供用于实现指定功能的步骤。
虽然在各种实施例中已经示出了本文的原理,但是许多特别适用于特定环境和操作要求的结构、布置、比例、元件、材料和部件的修改可以在不脱离本披露的原则和范围内使用。以上修改和其他改变或修正将被包含在本文的范围之内。
前述具体说明已参照各种实施例进行了描述。然而,本领域技术人员将认识到,可以在不脱离本披露的范围的情况下进行各种修正和改变。因此,对于本披露的考虑将是说明性的而非限制性的意义上的,并且所有这些修改都将被包含在其范围内。同样,有关于各种实施例的优点、其他优点和问题的解决方案已如上所述。然而,益处、优点、问题的解决方案以及任何能产生这些的要素,或使其变得更明确的解决方案都不应被解释为关键的、必需的或必要的。本文中所用的术语“包括”和其任何其他变体,皆属于非排他性包含,这样包括要素列表的过程、方法、文章或设备不仅包括这些要素,还包括未明确列出的或不属于该过程、方法、系统、文章或设备的其他要素。此外,本文中所使用的术语“耦合”和其任何其他变体都是指物理连接、电连接、磁连接、光连接、通信连接、功能连接和/或任何其他连接。
具有本领域技术的人将认识到,在不脱离本发明的基本原理的情况下,可以对上述实施例的细节进行许多改变。因此,本发明的范围应仅由权利要求确定。
Claims (24)
1.一种物种用血液分析装置,其特征在于,包括:
血样供给部,用于供给血液样本;
试剂供给部,用于供给试剂;
检测部,用于接收所述血样供给部提供的血液样本和所述试剂供给部提供的试剂以制备试样,并测定所述试样以得到测定信号;
物种类型设置部,用于响应于用户的物种类型设置命令,设置当前的物种类型,不同的物种类型对应有各自的测量算法;
处理器,用于:
获取当前所设置的物种类型所对应的测量算法;
根据当前所设置的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第一测量结果;
根据所述测定信号和/或所述第一测量结果进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
获取所确定的物种类型所对应的测量算法;
根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第二测量结果;
根据所确定的物种类型,判断所设置的物种类型是否正确;
若正确,则输出所述第一测量结果作为所述血液样本的测量结果;
若不正确,则输出所述第二测量结果作为所述血液样本的测量结果。
2.如权利要求1所述的物种用血液分析装置,其特征在于,所述第一测量结果包括如下一项或多项:
粒子数目;
粒子分类;
血常规参数。
3.如权利要求1所述的物种用血液分析装置,其特征在于,所述处理器根据所述第一测量结果进行血液样本的物种类型分析,以确定所述血液样本的物种类型,包括:根据至少一种血常规参数确定所述血液样本的物种类型;所述血常规参数包括白细胞数目、嗜碱性粒细胞数目、嗜碱性粒细胞百分比、中性粒细胞数目、中性粒细胞百分比、嗜酸性粒细胞数目、嗜酸性粒细胞百分比、淋巴细胞数目、淋巴细胞百分比、单核细胞数目、单核细胞百分比、血红蛋白含量、平均红细胞体积、红细胞数量、红细胞压积、平均红细胞血红蛋白含量、红细胞平均血红蛋白浓度、血小板数量、血小板的平均体积和血小板压积中的一者或多者。
4.如权利要求1所述的物种用血液分析装置,其特征在于,所述处理器根据所述测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型,包括:
根据所述测定信号构建信号图;
对所述信号图构建特征区域;
根据所构建的特征区域计算特征参数;
根据所述特征参数确定所述血液样本的物种类型。
5.如权利要求4所述的物种用血液分析装置,其特征在于,所述对所述信号图构建特征区域和根据所构建的特征区域计算特征参数,包括:使用预分类算法对所述信号图进行分析,得到预分类结果,基于预分类结果构建所述特征区域和/或计算所述特征参数。
6.如权利要求4所述的物种用血液分析装置,其特征在于,所述特征参数包括:所述特征区域内粒子数目、所述特征区域内粒子数目占总粒子数目的比例、所述特征区域内粒子团重心、所述特征区域内最大粒子团重心和所述特征区域内粒子团数量、所述特征区域内粒子团的前向散射光强度分布宽度、所述特征区域内粒子团的前向散射光强度分布重心、所述特征区域内粒子团的前向散射光强度分布变异系数、所述特征区域内粒子团的侧向散射光强度分布宽度、所述特征区域内粒子团的侧向散射光强度分布重心、所述特征区域内粒子团的侧向散射光强度分布变异系数、所述特征区域内粒子团的荧光前度分布宽度、所述特征区域内粒子团的荧光强度分布重心、所述特征区域内粒子团的荧光强度分布变异系数、所述特征区域内粒子团在由前向散射光强度、侧向散射光强度和荧光强度中的两种光信号生成的二维散点图中的分布区域的面积、所述特征区域内粒子团在由前向散射光强度、侧向散射光强度和荧光强度这三种光信号生成的三维散点图中的分布区域的体积中的至少一者。
7.如权利要求1所述的物种用血液分析装置,其特征在于,所述处理器根据所述测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型,包括:
根据所述测定信号构建信号图;使用预分类算法对所述信号图进行分析,得到预分类结果;根据预分类结果确定所述血液样本的物种类型;
或者,
根据所述测定信号构建信号图;计算所述信号图分别与多种物种类型的预设信号图之间的相似度;将相似度最大的预设信号图所属的物种类型,确定为所述血液样本的物种类型;
或者,
根据所述测定信号构建信号图;利用神经网络提取所述信号图的特征,并基于所提取的特征,所述神经网络输出所述血液样本的物种类型。
8.如权利要求4或7所述的物种用血液分析装置,其特征在于,所述测定信号包括阻抗脉冲信号和/或阻抗脉冲信号的相关信号;所述阻抗脉冲信号的相关信号包括脉冲峰值和/或脉冲宽度;所述处理器根据所述测定信号构建信号图,包括:根据所述阻抗脉冲信号和/或阻抗脉冲信号的相关信号构建直方图或散点图;
和/或,
所述测定信号包括至少两种光信号和/或光信号的相关信号,所述至少两种光信号包括前向散射光、侧向散射光和荧光的至少两种;所述光信号的相关信号包括光信号的脉冲峰值和/或脉冲宽度;所述处理器根据所述测定信号构建信号图,包括:根据所述至少两种光信号和/或所述光信号的相关信号构建直方图或散点图,
和/或,
所述测定信号包括光谱信号;所述处理器根据所述测定信号构建信号图,包括:根据所述光谱信号构建光谱图。
9.如权利要求1所述的物种用血液分析装置,其特征在于,所述处理器根据所述测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型,包括:根据所述测定信号获取至少一种血常规参数,根据所述至少一种血常规参数确定所述血液样本的物种类型。
10.如权利要求2或9所述的物种用血液分析装置,其特征在于,所述血常规参数包括白细胞数目、嗜碱性粒细胞数目、嗜碱性粒细胞百分比、中性粒细胞数目、中性粒细胞百分比、嗜酸性粒细胞数目、嗜酸性粒细胞百分比、淋巴细胞数目、淋巴细胞百分比、单核细胞数目、单核细胞百分比、血红蛋白含量、平均红细胞体积、红细胞数量、红细胞压积、平均红细胞血红蛋白含量、红细胞平均血红蛋白浓度、血小板数量、血小板的平均体积和血小板压积中的一者或多者。
11.如权利要求1所述的物种用血液分析装置,其特征在于,所述处理器还生成所确定的物种类型的提示。
12.如权利要求1所述的物种用血液分析装置,其特征在于,所述检测部包括多个检测通道;每个检测通道用于接收所述血样供给部提供的血液样本和所述试剂供给部提供的试剂以制备本检测通道的试样,并对本检测通道的试样进行测定得到本检测通道的测定信号;
所述处理器根据所述测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型,包括:
根据一个检测通道的测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型;或者,
根据至少两个检测通道的测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型。
13.如权利要求12所述的物种用血液分析装置,其特征在于,所述处理器从多种物种类型的测量算法中,选择与所确定的物种类型对应的测量算法,并根据所选择的测量算法对所述测定信号进行分析,得到所述血液样本的测量结果,包括:
对于所述多个检测通道中的每个检测通道:为该检测通道选择与所确定的物种类型对应的测量算法,并根据所选择的测量算法对该检测通道的测定信号进行分析,得到该检测通道的测量结果。
14.一种物种用血液分析装置,其特征在于,包括:
血样供给部,用于供给血液样本;
试剂供给部,用于供给试剂;
检测部,用于接收所述血样供给部提供的血液样本和所述试剂供给部提供的试剂以制备试样,并测定所述试样以得到测定信号;
物种类型设置部,用于响应于用户的物种类型设置命令,设置当前的物种类型,不同的物种类型对应有各自的测量算法;
处理器,用于:
获取当前所设置的物种类型所对应的测量算法;
根据当前所设置的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第一测量结果;
根据所述测定信号和/或所述第一测量结果进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
根据所确定的物种类型,判断所设置的物种类型是否正确;
若正确,则输出所述第一测量结果作为所述血液样本的测量结果;
若不正确,则进行预设操作。
15.如权利要求14所述的物种用血液分析装置,其特征在于,若正确,所述处理器还生成所确定的物种类型的提示。
16.如权利要求14所述的物种用血液分析装置,其特征在于,所述预设操作包括以下至少一种:
生成物种类型设置错误的提示;
生成所确定的物种类型的提示;
获取所确定的物种类型所对应的测量算法;根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第二测量结果,并输出所述第二测量结果作为所述血液样本的测量结果;
获取用户通过所述物种类型设置部重新设置的物种类型,并根据重新设置的物种类型获取对应的测量算法,根据该测量算法对所述测定信号进行分析,得到血液样本的第二测量结果,并输出所述第二测量结果作为所述血液样本的测量结果。
17.一种物种用血液分析装置,其特征在于,包括:
血样供给部,用于供给血液样本;
试剂供给部,用于供给试剂;
检测部,用于接收所述血样供给部提供的血液样本和所述试剂供给部提供的试剂以制备试样,并测定所述试样以得到测定信号;
处理器,用于:
根据所述测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
从多种物种类型的测量算法中,选择与所确定的物种类型对应的测量算法;
根据所选择的测量算法对所述测定信号进行分析,得到所述血液样本的测量结果。
18.一种物种用血液分析装置,其特征在于,包括:
血样供给部,用于供给物种的血液样本;
试剂供给部,用于供给试剂;
检测部,用于接收所述血样供给部提供的血液样本和所述试剂供给部提供的试剂以制备试样,并测定所述试样以得到测定信号;
物种类型设置部,用于响应于用户的物种类型设置命令,设置当前的物种类型,不同的物种类型对应有各自的测量算法;
处理器,用于:
根据所述测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
根据所确定的物种类型,判断所设置的物种类型是否正确;
若正确,进行第一预设操作;
若不正确,则进行第二预设操作。
19.如权利要求18所述的物种用血液分析装置,其特征在于,所述第一预设操作包括以下至少一种:
生成所确定的物种类型的提示;
获取所确定的物种类型所对应的测量算法;根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第一测量结果,并输出所述第一测量结果作为所述血液样本的测量结果。
20.如权利要求18所述的物种用血液分析装置,其特征在于,所述第二预设操作包括以下至少一种:
生成物种类型设置错误的提示;
生成所确定的物种类型的提示;
获取所确定的物种类型所对应的测量算法;根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第二测量结果,并输出所述第二测量结果作为所述血液样本的测量结果;
获取用户通过所述物种类型设置部重新设置的物种类型,并根据重新设置的物种类型获取对应的测量算法,根据该测量算法对所述测定信号进行分析,得到血液样本的第二测量结果,并输出所述第二测量结果作为所述血液样本的测量结果。
21.一种物种血液分析方法,其特征在于,包括:
响应于用户的物种类型设置命令,设置当前的物种类型,不同的物种类型对应有各自的测量算法;
通过血液样本和试剂制备试样;
测定所述试样得到测定信号;
根据当前所设置的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第一测量结果;
根据所述测定信号和/或所述第一测量结果进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
获取所确定的物种类型所对应的测量算法;
根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第二测量结果;
根据所确定的物种类型,判断所设置的物种类型是否正确;
若正确,则输出所述第一测量结果作为所述血液样本的测量结果;
若不正确,则输出所述第二测量结果作为所述血液样本的测量结果。
22.一种物种血液分析方法,其特征在于,包括:
响应于用户的物种类型设置命令,设置当前的物种类型,不同的物种类型对应有各自的测量算法;
通过血液样本和试剂制备试样;
测定所述试样得到测定信号;
根据当前所设置的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第一测量结果;
根据所述测定信号和/或所述第一测量结果进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
根据所确定的物种类型,判断所设置的物种类型是否正确;
若正确,则输出所述第一测量结果作为所述血液样本的测量结果;
若不正确,则进行预设操作;所述预设操作包括以下至少一种:
生成物种类型设置错误的提示;
生成所确定的物种类型的提示;
获取所确定的物种类型所对应的测量算法;根据所确定的物种类型所对应的测量算法,对所述测定信号进行分析,得到血液样本的第二测量结果,并输出所述第二测量结果作为所述血液样本的测量结果;
获取用户通过物种类型设置部重新设置的物种类型,并根据重新设置的物种类型获取对应的测量算法,根据该测量算法对所述测定信号进行分析,得到血液样本的第二测量结果,并输出所述第二测量结果作为所述血液样本的测量结果。
23.一种物种血液分析方法,其特征在于,包括:
通过血液样本和试剂制备试样;
测定所述试样得到测定信号;
根据所述测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
从多种物种类型的测量算法中,选择与所确定的物种类型对应的测量算法;
根据所选择的测量算法对所述测定信号进行分析,得到所述血液样本的测量结果。
24.一种物种血液分析方法,其特征在于,包括:
响应于用户的物种类型设置命令,设置当前的物种类型,不同的物种类型对应有各自的测量算法;
通过血液样本和试剂制备试样;
测定所述试样得到测定信号;
根据所述测定信号进行血液样本的物种类型分析,以确定所述血液样本的物种类型;
若正确,进行第一预设操作;
若不正确,则进行第二预设操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310551284.2A CN116298348A (zh) | 2023-05-17 | 2023-05-17 | 一种物种用血液分析装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310551284.2A CN116298348A (zh) | 2023-05-17 | 2023-05-17 | 一种物种用血液分析装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116298348A true CN116298348A (zh) | 2023-06-23 |
Family
ID=86796258
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310551284.2A Pending CN116298348A (zh) | 2023-05-17 | 2023-05-17 | 一种物种用血液分析装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116298348A (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1945325A (zh) * | 2005-10-03 | 2007-04-11 | 希森美康株式会社 | 试样分析仪及试样分析方法 |
US20070111197A1 (en) * | 2005-10-03 | 2007-05-17 | Sysmex Corporation | Sample analyzer and sample analyzing method |
CN101315323A (zh) * | 2007-05-30 | 2008-12-03 | 希森美康株式会社 | 试样分析仪、血液分析仪及其显示方法 |
CN109344917A (zh) * | 2018-11-08 | 2019-02-15 | 李凯兵 | 一种毒蛾属昆虫的物种鉴别方法及鉴别系统 |
CN110097965A (zh) * | 2018-01-30 | 2019-08-06 | 深圳市帝迈生物技术有限公司 | 基于血液细胞分析仪的结果数据分析方法及装置 |
WO2019206311A1 (zh) * | 2018-04-28 | 2019-10-31 | 深圳迈瑞生物医疗电子股份有限公司 | 血液分析系统、血液分析仪、血液分析方法及存储介质 |
CN111175091A (zh) * | 2020-03-17 | 2020-05-19 | 桂林优利特医疗电子有限公司 | 血细胞分析仪多通道微量定量系统 |
CN111239027A (zh) * | 2020-01-22 | 2020-06-05 | 深圳市锦瑞生物科技有限公司 | 血液粒子检测方法及其血液分析仪 |
WO2021051349A1 (zh) * | 2019-09-19 | 2021-03-25 | 深圳迈瑞生物医疗电子股份有限公司 | 一种动物血液细胞分析方法、分析仪及存储介质 |
CN113589395A (zh) * | 2021-07-15 | 2021-11-02 | 桂林优利特医疗电子有限公司 | 一种血液分析仪中多通道管路试剂报警检测方法及装置 |
CN217278390U (zh) * | 2021-12-16 | 2022-08-23 | 杭州睿丽科技有限公司 | 一种多通道化学发光免疫分析仪 |
CN115184244A (zh) * | 2021-04-07 | 2022-10-14 | 深圳迈瑞生物医疗电子股份有限公司 | 血液分析系统 |
US20220334046A1 (en) * | 2021-04-14 | 2022-10-20 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Sample analyzer and sample analysis method |
WO2023056712A1 (zh) * | 2021-12-22 | 2023-04-13 | 深圳迈瑞动物医疗科技股份有限公司 | 一种动物用血液分析装置和血液分析方法 |
-
2023
- 2023-05-17 CN CN202310551284.2A patent/CN116298348A/zh active Pending
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007101312A (ja) * | 2005-10-03 | 2007-04-19 | Sysmex Corp | 生体試料分析方法及び生体試料分析装置 |
US20070111197A1 (en) * | 2005-10-03 | 2007-05-17 | Sysmex Corporation | Sample analyzer and sample analyzing method |
CN1945325A (zh) * | 2005-10-03 | 2007-04-11 | 希森美康株式会社 | 试样分析仪及试样分析方法 |
CN101315323A (zh) * | 2007-05-30 | 2008-12-03 | 希森美康株式会社 | 试样分析仪、血液分析仪及其显示方法 |
CN110097965A (zh) * | 2018-01-30 | 2019-08-06 | 深圳市帝迈生物技术有限公司 | 基于血液细胞分析仪的结果数据分析方法及装置 |
WO2019206311A1 (zh) * | 2018-04-28 | 2019-10-31 | 深圳迈瑞生物医疗电子股份有限公司 | 血液分析系统、血液分析仪、血液分析方法及存储介质 |
CN109344917A (zh) * | 2018-11-08 | 2019-02-15 | 李凯兵 | 一种毒蛾属昆虫的物种鉴别方法及鉴别系统 |
WO2021051349A1 (zh) * | 2019-09-19 | 2021-03-25 | 深圳迈瑞生物医疗电子股份有限公司 | 一种动物血液细胞分析方法、分析仪及存储介质 |
CN111239027A (zh) * | 2020-01-22 | 2020-06-05 | 深圳市锦瑞生物科技有限公司 | 血液粒子检测方法及其血液分析仪 |
CN111175091A (zh) * | 2020-03-17 | 2020-05-19 | 桂林优利特医疗电子有限公司 | 血细胞分析仪多通道微量定量系统 |
CN115184244A (zh) * | 2021-04-07 | 2022-10-14 | 深圳迈瑞生物医疗电子股份有限公司 | 血液分析系统 |
US20220334046A1 (en) * | 2021-04-14 | 2022-10-20 | Shenzhen Mindray Bio-Medical Electronics Co., Ltd. | Sample analyzer and sample analysis method |
CN113589395A (zh) * | 2021-07-15 | 2021-11-02 | 桂林优利特医疗电子有限公司 | 一种血液分析仪中多通道管路试剂报警检测方法及装置 |
CN217278390U (zh) * | 2021-12-16 | 2022-08-23 | 杭州睿丽科技有限公司 | 一种多通道化学发光免疫分析仪 |
WO2023056712A1 (zh) * | 2021-12-22 | 2023-04-13 | 深圳迈瑞动物医疗科技股份有限公司 | 一种动物用血液分析装置和血液分析方法 |
Non-Patent Citations (1)
Title |
---|
王家良: "临床流行病学 临床可研设计、测量与评价", 上海科学技术出版社, pages: 56 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11105742B2 (en) | Nucleated red blood cell warning method and device, and flow cytometer using the same | |
US10401351B2 (en) | Sample analyzer and computer program product | |
US10627332B2 (en) | Cell analyzer and sorting method therefor | |
US7943383B2 (en) | Apparatus and method for automatically determining the validity of white blood sample measurements based on the characteristics of optical scattering data | |
EP1953526B1 (en) | Hematological analyzer, method for analyzing body fluid and computer program product | |
US7936456B2 (en) | Particle analyzer and particle analyzing method | |
JP2022039780A (ja) | 測定方法、測定装置、及び測定プログラム | |
US9541542B2 (en) | Method of detecting filarial larvae in blood | |
CN110226083B (zh) | 红细胞碎片识别方法和装置、血液细胞分析仪及分析方法 | |
CN114450589A (zh) | 分析血液样本中红细胞方法及血液分析系统 | |
CN116420074B (zh) | 一种动物用血液分析装置和血液分析方法 | |
JP2023179520A (ja) | 細胞分類方法、分類装置及びプログラム | |
CN116298348A (zh) | 一种物种用血液分析装置及方法 | |
CN115839912B (zh) | 一种动物用血液分析装置及方法 | |
CN115843332B (zh) | 一种样本分析装置和样本分析方法 | |
CN116569041A (zh) | 样本分析方法、样本分析仪及计算机可读存储介质 | |
CN117501127A (zh) | 一种样本分析装置和样本分析方法 | |
CN114113644A (zh) | 一种血液细胞分析装置及方法 | |
CN117529648A (zh) | 一种样本分析装置和样本分析方法 | |
CN117501096A (zh) | 一种样本分析装置和样本分析方法 | |
CN117907197A (zh) | 血液细胞分析仪和血液细胞分析方法 | |
CN113884690A (zh) | 样本分析仪及其荧光试剂余量不足的判断方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230623 |
|
RJ01 | Rejection of invention patent application after publication |