CN117388154A - 白细胞分类方法、装置、介质和设备 - Google Patents
白细胞分类方法、装置、介质和设备 Download PDFInfo
- Publication number
- CN117388154A CN117388154A CN202311237322.3A CN202311237322A CN117388154A CN 117388154 A CN117388154 A CN 117388154A CN 202311237322 A CN202311237322 A CN 202311237322A CN 117388154 A CN117388154 A CN 117388154A
- Authority
- CN
- China
- Prior art keywords
- signal intensity
- center point
- angle
- particle distribution
- coordinate center
- 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
- 210000000265 leukocyte Anatomy 0.000 title claims abstract description 82
- 238000000034 method Methods 0.000 title claims abstract description 40
- 239000002245 particle Substances 0.000 claims abstract description 268
- 238000010586 diagram Methods 0.000 claims abstract description 110
- 210000004698 lymphocyte Anatomy 0.000 claims abstract description 39
- 210000001616 monocyte Anatomy 0.000 claims abstract description 33
- 210000000440 neutrophil Anatomy 0.000 claims abstract description 30
- 210000003714 granulocyte Anatomy 0.000 claims abstract description 10
- 230000007935 neutral effect Effects 0.000 claims abstract description 10
- 210000003979 eosinophil Anatomy 0.000 claims description 18
- 210000000601 blood cell Anatomy 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 210000005087 mononuclear cell Anatomy 0.000 claims description 7
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 4
- 210000004027 cell Anatomy 0.000 description 8
- 230000000630 rising effect Effects 0.000 description 8
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 239000013618 particulate matter Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 206010018910 Haemolysis Diseases 0.000 description 1
- 210000000170 cell membrane Anatomy 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 210000000805 cytoplasm Anatomy 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 230000008588 hemolysis Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000000790 scattering method Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
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
-
- 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
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
- G06F18/24133—Distances to prototypes
- G06F18/24137—Distances to cluster centroïds
-
- 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
- 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
- G01N2021/0106—General arrangement of respective parts
- G01N2021/0112—Apparatus in one mechanical, optical or electronic block
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Pathology (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Analytical Chemistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Probability & Statistics with Applications (AREA)
- Dispersion Chemistry (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种白细胞分类方法、装置、介质和设备,获取待分类白细胞样本在低角和中角散射角度下的脉冲信号集,并基于信号强度构建信号强度散点图。然后,统计信号强度散点图在中角散射角度下的整体粒子分布情况,并将其划分为第一区域散点图和第二区域散点图。接着,基于第一区域和第二区域散点图在低角和中角散射角度下局部粒子分布情况的粒子数变化速率,确定中性粒细胞、单核细胞和淋巴细胞的坐标中心点。最后,在信号强度散点图内对各坐标中心点进行聚类操作,将各聚类簇内的离散点分别作为中性粒细胞离散点、单核细胞离散点和淋巴细胞离散点。可见,本发明分类准确,操作人员无需实验经验和专业知识。
Description
技术领域
本发明涉及白细胞技术领域,尤其是涉及一种白细胞分类方法、装置、介质和设备。
背景技术
血液细胞分析仪中的白细胞检测最常见的一种方法是激光散射法,待测样本加入化学试剂处理后,在鞘液的包裹下,待测细胞单行排列,匀速流入流动室。通过光照射流过检测区域的细胞粒子,收集各类粒子的三个角度的散射光信号,然后通过对光信号进行处理和分析,从而对白细胞进行分类和计数,检测原理如图1所示;收集到的光信号包括低角散射光信号、中角散射光信号、高角散射光信号等三种光信号。低角散射光信号可反映细胞体积大小的信息,中角散射光信号可反映细胞的内部精细结构和颗粒物质;高角散射光信号可反映分叶性和细胞膜、核模和细胞质的变化,最后综合利用这三个维度的散射光信号来实现对白细胞的进行分类。
但在该传统的白细胞分类方法中,数据处理一般基于人工判断,但该过程需要一定的实验经验和专业知识,对于不具备或不完全具备实验经验和专业知识的人来说,有较高操作难度,导致分类结果的准确性会因人而异。
发明内容
基于此,有必要提供白细胞分类方法、装置、介质和设备,以解决白细胞数据处理有较高操作难度,导致分类结果的准确性会因人而异的问题。
一种白细胞分类方法,所述方法包括:
获取待分类白细胞样本在低角散射角度及中角散射角度下的脉冲信号集,识别所述脉冲信号集中每个脉冲信号的信号强度,并基于信号强度构建包含多个离散点的信号强度散点图;其中,所述待分类白细胞样本包含中性粒细胞、单核细胞及淋巴细胞,每个离散点指示一个白细胞在不同散射角度下的信号强度;
统计所述信号强度散点图在中角散射角度下的整体粒子分布情况,并基于所述整体粒子分布情况的粒子数变化速率将所述信号强度散点图划分为第一区域散点图和第二区域散点图;其中,粒子分布情况用于指示不同信号强度的血细胞粒子的粒子数,所述第一区域散点图在中角散射角度下的信号强度大于所述第二区域散点图在中角散射角度下的信号强度;
统计所述第一区域散点图在低角散射角度下的第一局部粒子分布情况和在中角散射角度下的第二局部粒子分布情况,并基于所述第一局部粒子分布情况和所述第二局部粒子分布情况的粒子数变化速率确定出所述中性粒细胞的第一坐标中心点;
统计所述第二区域散点图在低角散射角度下的第三局部粒子分布情况和在中角散射角度下的第四局部粒子分布情况,并基于所述第三局部粒子分布情况和所述第四局部粒子分布情况的粒子数变化速率确定出所述单核细胞的第二坐标中心点和所述淋巴细胞的第三坐标中心点;其中,所述第二坐标中心点在低角散射角度下的信号强度大于所述第三坐标中心点在低角散射角度下的信号强度;
在所述信号强度散点图内分别对所述第一坐标中心点、所述第二坐标中心点及第三坐标中心点分别进行聚类操作,并将所述第一坐标中心点所归属的第一聚类簇内的离散点作为中性粒细胞离散点,将所述第二坐标中心点所归属的第二聚类簇内的离散点作为单核细胞离散点,及将所述第三坐标中心点所归属的第三聚类簇内的离散点作为淋巴细胞离散点。
在其中一个实施例中,所述基于所述整体粒子分布情况的粒子数变化速率将所述信号强度散点图划分为第一区域散点图和第二区域散点图,包括:
计算所述整体粒子分布情况中每类信号强度的粒子数变化速率,以得到整体变化速率情况;
搜寻所述整体变化速率情况中的上升过零点,并基于搜寻到的上升过零点在所述粒子分布情况中确定出粒子数局部极小值所对应的第一临界信号强度;
在所述信号强度散点图中,将中角散射角度下的信号强度大于或等于所述第一临界信号强度的区域划分为所述第一区域散点图,及将中角散射角度下的信号强度小于所述第一临界信号强度的区域划分为所述第二区域散点图。
在其中一个实施例中,所述基于所述第一局部粒子分布情况和所述第二局部粒子分布情况的粒子数变化速率确定出所述中性粒细胞的第一坐标中心点,包括:
分别计算所述第一局部粒子分布情况和所述第二局部粒子分布情况中每类信号强度的粒子数变化速率,以得到低角散射角度下的第一变化速率情况和中角散射角度下的到第二变化速率情况;
分别搜寻所述第一变化速率情况和所述第二变化速率情况中的下降过零点,并基于搜寻到的下降过零点在所述第一局部粒子分布情况中确定出粒子数局部极大值所对应的第二临界信号强度,及在所述第二局部粒子分布情况中确定出粒子数局部极大值所对应的第三临界信号强度;
组合所述第二临界信号强度和所述第三临界信号强度,以得到所述第一坐标中心点。
在其中一个实施例中,所述基于所述第三局部粒子分布情况和所述第四局部粒子分布情况的粒子数变化速率确定出所述单核细胞的第二坐标中心点和所述淋巴细胞的第三坐标中心点,包括:
分别计算所述第三局部粒子分布情况和所述第四局部粒子分布情况中每类信号强度的粒子数变化速率,以得到低角散射角度下的第三变化速率情况和中角散射角度下的到第四变化速率情况;
分别搜寻所述第三变化速率情况和所述第四变化速率情况中的下降过零点,并基于搜寻到的下降过零点在所述第三局部粒子分布情况中确定出粒子数局部极大值所对应的第四临界信号强度和第五临界信号强度,及在所述第四局部粒子分布情况中确定出粒子数局部极大值所对应的第六临界信号强度;其中,所述第四临界信号强度大于所述第五临界信号强度
组合所述第四临界信号强度和所述第六临界信号强度,以得到所述第二坐标中心点,及组合所述第五临界信号强度和所述第六临界信号强度,以得到所述第三坐标中心点。
在其中一个实施例中,所述粒子数变化速率的计算公式为:
Si=Lai+1-Lai,(i∈1,2,3,L N-1)
上式中,Si指示第i类信号强度的粒子数变化速率,Lai+1指示第i+1类信号强度的血细胞粒子的粒子数,Lai指示第i类信号强度的血细胞粒子的粒子数,N指示信号强度的总类数。
在其中一个实施例中,所述聚类操作,包括:
计算目标坐标中心点与所述信号强度散点图内每一离散点之间的距离,并将距离小于预设距离阈值的离散点确定为所述目标坐标中心点的候选离散点;其中,所述目标坐标中心点为所述第一坐标中心点、所述第二坐标中心点和所述第三坐标中心点中的任意一个;
若确定的候选离散点的数量大于预设的数量阈值,则将所述目标坐标中心点和确定的候选离散点作为一个聚类簇。
在其中一个实施例中,所述待分类白细胞样本还包含嗜酸细胞,所述方法,还包括:
将所述信号强度散点图内,满足嗜酸细胞条件的离散点作为所述嗜酸细胞离散点;其中,所述嗜酸细胞条件为未被归类为所述中性粒细胞离散点、所述单核细胞离散点及所述淋巴细胞离散点,且中角散射角度下的信号强度在预设的分布范围内。
一种白细胞分类装置,所述装置包括:
散点图构建模块,用于获取待分类白细胞样本在低角散射角度及中角散射角度下的脉冲信号集,识别所述脉冲信号集中每个脉冲信号的信号强度,并基于信号强度构建包含多个离散点的信号强度散点图;其中,所述待分类白细胞样本包含中性粒细胞、单核细胞及淋巴细胞,每个离散点指示一个白细胞在不同散射角度下的信号强度;
中心点确定模块,用于统计所述信号强度散点图在中角散射角度下的整体粒子分布情况,并基于所述整体粒子分布情况的粒子数变化速率将所述信号强度散点图划分为第一区域散点图和第二区域散点图;其中,粒子分布情况用于指示不同信号强度的血细胞粒子的粒子数,所述第一区域散点图在中角散射角度下的信号强度大于所述第二区域散点图在中角散射角度下的信号强度;及统计所述第一区域散点图在低角散射角度下的第一局部粒子分布情况和在中角散射角度下的第二局部粒子分布情况,并基于所述第一局部粒子分布情况和所述第二局部粒子分布情况的粒子数变化速率确定出所述中性粒细胞的第一坐标中心点;及统计所述第二区域散点图在低角散射角度下的第三局部粒子分布情况和在中角散射角度下的第四局部粒子分布情况,并基于所述第三局部粒子分布情况和所述第四局部粒子分布情况的粒子数变化速率确定出所述单核细胞的第二坐标中心点和所述淋巴细胞的第三坐标中心点;其中,所述第二坐标中心点在低角散射角度下的信号强度大于所述第三坐标中心点在低角散射角度下的信号强度;
分类模块,用于在所述信号强度散点图内分别对所述第一坐标中心点、所述第二坐标中心点及第三坐标中心点分别进行聚类操作,并将所述第一坐标中心点所归属的第一聚类簇内的离散点作为中性粒细胞离散点,将所述第二坐标中心点所归属的第二聚类簇内的离散点作为单核细胞离散点,及将所述第三坐标中心点所归属的第三聚类簇内的离散点作为淋巴细胞离散点。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行上述白细胞分类方法的步骤。
一种白细胞分类设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行上述白细胞分类方法的步骤。
本发明提供了白细胞分类方法、装置、介质和设备,获取待分类白细胞样本在低角和中角散射角度下的脉冲信号集,并基于信号强度构建信号强度散点图。然后,统计信号强度散点图在中角散射角度下的整体粒子分布情况,并将其划分为第一区域散点图和第二区域散点图。接着,基于第一区域和第二区域散点图在低角和中角散射角度下局部粒子分布情况的粒子数变化速率,确定中性粒细胞、单核细胞和淋巴细胞的坐标中心点。最后,在信号强度散点图内对各坐标中心点进行聚类操作,将各聚类簇内的离散点分别作为中性粒细胞离散点、单核细胞离散点和淋巴细胞离散点。可见,本发明分类准确,操作人员无需实验经验和专业知识。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
其中:
图1为白细胞监测原理的示意图;
图2为白细胞分类方法的流程示意图;
图3为产生三个不同角度的散射光的示意图;
图4为白细胞的在三维信号下的信号强度散点图;
图5为将图4在中角散射角度MS方向上进行映射的粒子分布情况示意图;
图6为对应图4的第一区域散点图;
图7为对应图4的第二区域散点图;
图8为第一区域散点图在低角散射角度及中角散射角度下的局部粒子分布情况示意图;
图9为第二区域散点图在低角散射角度及中角散射角度下的局部粒子分布情况示意图;
图10为白细胞分类的结果示意图;
图11为白细胞分类装置的结构示意图;
图12为白细胞分类设备的结构框图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
如图2所示,图2为一个实施例中白细胞分类方法的流程示意图,本实施例中白细胞分类方法提供的步骤包括:
S201,获取待分类白细胞样本在低角散射角度及中角散射角度下的脉冲信号集,识别脉冲信号集中每个脉冲信号的信号强度,并基于信号强度构建包含多个离散点的信号强度散点图。
其中,待分类白细胞样本包含中性粒细胞、单核细胞及淋巴细胞,本实施例需要将这些类别的白细胞进一步区分开来。
示例性的,在其中一种场景下,待分类白细胞样本先经过充足的5LDS溶血剂处理,处理后红细胞被溶解,而白细胞被染色。在鞘液的包裹下,细胞排列成单行,匀速流入流动室,在激光束的照射下,参照图3,产生三个不同角度的散射光。产生的散射光包括低角散射光、中角散射光和高角散射光,其中,低角散射光即前向低角度区域内的散射光,中角散射光即前向中角度区域内的散射光,高角散射光即侧向高角度区域内的散射光。低角散射光能反映细胞的大小,中角散射光能反映细胞的内部精细结构和颗粒物质,高角前向散射光同样能反映细胞的内部精细结构和颗粒物质。接收部分的光阑用于确定是否有散射光,而第一接收器接收自流动室射出的中角散射光并将其转化为中角脉冲信号,构成中角对应的脉冲信号集;第二接收器接收自流动室射出的高角散射光并将其转化为高角脉冲信号,构成高角对应的脉冲信号集;第三接收器则接收自流动室射出的低角散射光并将其转化为低角脉冲信号,构成低角对应的脉冲信号集。而本实施例中,只需要使用到低角散射角度及中角散射角度下的脉冲信号集。
进一步的,通过现有的脉冲识别算法来识别脉冲信号集中每个脉冲信号的信号强度,例如阈值检测算法,或能量门限算法等脉冲识别算法。对所有脉冲信号的信号强度进行汇总,可以得到Rpak,(a∈1,2,3,L A)(k∈1,2),表示样本中的第a个白细胞的脉冲信号的信号强度,其中A表示脉冲信号总数,k=1指示低角散射角度,k=2指示中角散射角度。
进一步的,基于这些信号强度,可以汇总得到白细胞的在三维信号下的信号强度散点图。示例性的,如图4所示,该图中Y轴-LS表示的是低角散射光的信号强度,X轴-MS表示的是中角散射光的信号强度。可以理解是,信号强度散点图中每个离散点指示一个白细胞在不同散射角度下的信号强度。
S202,统计信号强度散点图在中角散射角度下的整体粒子分布情况,并基于整体粒子分布情况的粒子数变化速率将信号强度散点图划分为第一区域散点图和第二区域散点图。
其中,该粒子分布情况用于指示不同信号强度的血细胞粒子的粒子数。表示为Lai,(i=1,2,3,L N),指示第i类信号强度的粒子数,N为信号强度的总类数。示例性的,对应图4,将图4中的散点图在中角散射角度MS方向上进行映射,可得到图5所示的粒子分布情况。而第一区域散点图和第二区域散点图则分别是图5两个“山峰”所对应的散点图。
在一个具体实施例中,通过如下方式将信号强度散点图划分为第一区域散点图和第二区域散点图:
(1)、计算整体粒子分布情况中每类信号强度的粒子数变化速率,以得到整体变化速率情况。
基于该变化速率情况可以了解粒子分布情况中每一个信号强度下的粒子数变化趋势。
可选的,第i类信号强度的粒子数变化速率的计算公式为:
Si=Lai+1-Lai,(i∈1,2,3,L N-1)
上式中,Si指示第i类信号强度的粒子数变化速率,Lai+1指示第i+1类信号强度的血细胞粒子的粒子数,Lai指示第i类信号强度的血细胞粒子的粒子数,N指示信号强度的总类数。
(2)、搜寻整体变化速率情况中的上升过零点,并基于搜寻到的上升过零点在粒子分布情况中确定出粒子数局部极小值所对应的第一临界信号强度。
其中,在整体变化速率情况中,上升过零点的左侧局部范围内小于0,表示对应的粒子分布情况中信号强度的粒子数一直在递减;上升过零点的右侧局部范围内大于0,表示对应的粒子分布情况中信号强度的粒子数一直在递增,基于上述条件就能在整体变化速率情况中找到上升过零点。可选的,将上升过零点定义为,对于一个第i类信号强度的粒子数变化速率Si来说,若满足如下条件,则将其确定为上升过零点:
接着可基于搜寻到的这些上升过零点,在粒子分布情况中确定出粒子数局部极小值及第一临界信号强度。如图5所示,点p1的纵坐标即粒子数局部极小值,点p1的横坐标即第一临界信号强度。
(3)、在信号强度散点图中,将中角散射角度下的信号强度大于或等于第一临界信号强度的区域划分为第一区域散点图,及将中角散射角度下的信号强度小于第一临界信号强度的区域划分为第二区域散点图。
示例性的,如图6所示,图6为对应图4的第一区域散点图;如图7所示,图7为对应图4的第二区域散点图。可见,第一区域散点图在中角散射角度下的信号强度大于第二区域散点图在中角散射角度下的信号强度。
S203,统计第一区域散点图在低角散射角度下的第一局部粒子分布情况和在中角散射角度下的第二局部粒子分布情况,并基于第一局部粒子分布情况和第二局部粒子分布情况的粒子数变化速率确定出中性粒细胞的第一坐标中心点。
示例性的,如图8所示,图8(a)为对应图6的第一区域散点图在低角散射角度下的第一局部粒子分布情况,图8(b)为对应图6的第一区域散点图在中角散射角度下的第二局部粒子分布情况。
在一个具体实施例中,通过如下方式确定出中性粒细胞的第一坐标中心点:
(1)、分别计算第一局部粒子分布情况和第二局部粒子分布情况中每类信号强度的粒子数变化速率,以得到低角散射角度下的第一变化速率情况和中角散射角度下的到第二变化速率情况。
其中,该变化速率的计算方式同上文相同,此处就不再赘述。
(2)、分别搜寻第一变化速率情况和第二变化速率情况中的下降过零点,并基于搜寻到的下降过零点在第一局部粒子分布情况中确定出粒子数局部极大值所对应的第二临界信号强度,及在第二局部粒子分布情况中确定出粒子数局部极大值所对应的第三临界信号强度。
其中,在变化速率情况中,下降过零点的左侧局部范围内大于0,表示对应的粒子分布情况中信号强度的粒子数一直在递增;下降过零点的右侧局部范围内小于0,表示对应的粒子分布情况中信号强度的粒子数一直在递减,基于上述条件就能在变化速率情况中找到下降过零点。可选的,将下降过零点定义为,对于一个第i类信号强度的粒子数变化速率Si来说,若满足如下条件,则将其确定为下降过零点:
接着可基于搜寻到的这些下降过零点,在粒子分布情况中确定出粒子数局部极大值、第一临界信号强度及第二临界信号强度。如图8(a)所示,点p2的纵坐标即粒子数局部极大值,点p2的横坐标即第二临界信号强度,表示为O1y。如图8(b)所示,点p3的纵坐标即粒子数局部极大值,点p3的横坐标即第三临界信号强度,表示为O1x。
(3)、组合第二临界信号强度和第三临界信号强度,以得到第一坐标中心点。
相应的,该中性粒细胞的第一坐标中心点表示为(O1x,O1y)
S204,统计第二区域散点图在低角散射角度下的第三局部粒子分布情况和在中角散射角度下的第四局部粒子分布情况,并基于第三局部粒子分布情况和第四局部粒子分布情况的粒子数变化速率确定出单核细胞的第二坐标中心点和淋巴细胞的第三坐标中心点。
示例性的,如图9所示,图9(a)为对应图7的第二区域散点图在低角散射角度下的第三局部粒子分布情况,图9(b)为对应图7的第二区域散点图在中角散射角度下的第四局部粒子分布情况。
在一个具体实施例中,通过如下方式确定出单核细胞的第二坐标中心点和淋巴细胞的第三坐标中心点:
(1)、分别计算第三局部粒子分布情况和第四局部粒子分布情况中每类信号强度的粒子数变化速率,以得到低角散射角度下的第三变化速率情况和中角散射角度下的到第四变化速率情况。
其中,该变化速率的计算方式同上文相同,此处就不再赘述。
(2)、分别搜寻第三变化速率情况和第四变化速率情况中的下降过零点,并基于搜寻到的下降过零点在第三局部粒子分布情况中确定出粒子数局部极大值所对应的第四临界信号强度和第五临界信号强度,及在第四局部粒子分布情况中确定出粒子数局部极大值所对应的第六临界信号强度。
同理,若满足如下条件,则将其确定为下降过零点:
接着可基于搜寻到的这些下降过零点,在粒子分布情况中确定出粒子数局部极大值、第四临界信号强度及第五临界信号强度。如图9(a)所示,点p4的纵坐标即粒子数局部极大值,点p4的横坐标即第四临界信号强度,表示为O2y。点p5的纵坐标即粒子数局部极大值,点p5的横坐标即第五临界信号强度,表示为O3y。可见,第四临界信号强度大于第五临界信号强度。如图9(b)所示,点p6的纵坐标即粒子数局部极大值,点p6的横坐标即第六临界信号强度,表示为O2x。
(3)、组合第四临界信号强度和第六临界信号强度,以得到第二坐标中心点,及组合第五临界信号强度和第六临界信号强度,以得到第三坐标中心点。
相应的,该单核细胞的第二坐标中心点表示为(O2x,O2y),该淋巴细胞的第三坐标中心点表示为(O2x,O3y)。可见,第二坐标中心点在低角散射角度下的信号强度大于第三坐标中心点在低角散射角度下的信号强度。
S205,在信号强度散点图内分别对第一坐标中心点、第二坐标中心点及第三坐标中心点分别进行聚类操作,并将第一坐标中心点所归属的第一聚类簇内的离散点作为中性粒细胞离散点,将第二坐标中心点所归属的第二聚类簇内的离散点作为单核细胞离散点,及将第三坐标中心点所归属的第三聚类簇内的离散点作为淋巴细胞离散点。
如图10所示,在确定了第一坐标中心点(O1x,O1y),第二坐标中心点(O2x,O2y),第三坐标中心点(O2x,O3y)之后,通过聚类操作可确定三个椭圆区域内的离散点分别为中性粒细胞离散点、单核细胞离散点和淋巴细胞离散点。该聚类操作可以是k-Modes、Squeezer等方法。
在一个具体实施例中,聚类操作,包括:计算目标坐标中心点与信号强度散点图内每一离散点之间的距离Di.j,并将距离Di.j小于预设距离阈值Theps的离散点确定为目标坐标中心点的候选离散点。其中,目标坐标中心点为第一坐标中心点、第二坐标中心点和第三坐标中心点中的任意一个;统计候选离散点的数量,若确定的候选离散点的数量Tnumber大于预设的数量阈值Thminpts,则将目标坐标中心点和确定的候选离散点作为一个聚类簇。
进一步的,待分类白细胞样本还包含嗜酸细胞,而考虑到嗜酸细胞所对应的离散点的分布较为分散,如图10所示,因此在一个具体实施例中,还通过如下方式进行分类:
将信号强度散点图内,满足嗜酸细胞条件的离散点作为嗜酸细胞离散点;其中,嗜酸细胞条件为未被归类为中性粒细胞离散点、单核细胞离散点及淋巴细胞离散点,且中角散射角度下的信号强度在预设的分布范围内,表示为落在如下分布范围:
其中ThEos1、ThEos2为经验阈值。这样就能进一步把嗜酸细胞从中性粒细胞、单核细胞和淋巴细胞分类出来。
上述白细胞分类方法,获取待分类白细胞样本在低角和中角散射角度下的脉冲信号集,并基于信号强度构建信号强度散点图。然后,统计信号强度散点图在中角散射角度下的整体粒子分布情况,并将其划分为第一区域散点图和第二区域散点图。接着,基于第一区域和第二区域散点图在低角和中角散射角度下局部粒子分布情况的粒子数变化速率,确定中性粒细胞、单核细胞和淋巴细胞的坐标中心点。最后,在信号强度散点图内对各坐标中心点进行聚类操作,将各聚类簇内的离散点分别作为中性粒细胞离散点、单核细胞离散点和淋巴细胞离散点。可见,本发明分类准确,操作人员无需实验经验和专业知识。
在一个实施例中,如图11所示,提出了一种白细胞分类装置,该装置包括:
散点图构建模块1101,用于获取待分类白细胞样本在低角散射角度及中角散射角度下的脉冲信号集,识别脉冲信号集中每个脉冲信号的信号强度,并基于信号强度构建包含多个离散点的信号强度散点图;其中,待分类白细胞样本包含中性粒细胞、单核细胞及淋巴细胞,每个离散点指示一个白细胞在不同散射角度下的信号强度;
中心点确定模块1102,用于统计信号强度散点图在中角散射角度下的整体粒子分布情况,并基于整体粒子分布情况的粒子数变化速率将信号强度散点图划分为第一区域散点图和第二区域散点图;其中,粒子分布情况用于指示不同信号强度的血细胞粒子的粒子数,第一区域散点图在中角散射角度下的信号强度大于第二区域散点图在中角散射角度下的信号强度;及统计第一区域散点图在低角散射角度下的第一局部粒子分布情况和在中角散射角度下的第二局部粒子分布情况,并基于第一局部粒子分布情况和第二局部粒子分布情况的粒子数变化速率确定出中性粒细胞的第一坐标中心点;及统计第二区域散点图在低角散射角度下的第三局部粒子分布情况和在中角散射角度下的第四局部粒子分布情况,并基于第三局部粒子分布情况和第四局部粒子分布情况的粒子数变化速率确定出单核细胞的第二坐标中心点和淋巴细胞的第三坐标中心点;其中,第二坐标中心点在低角散射角度下的信号强度大于第三坐标中心点在低角散射角度下的信号强度;
分类模块1103,用于在信号强度散点图内分别对第一坐标中心点、第二坐标中心点及第三坐标中心点分别进行聚类操作,并将第一坐标中心点所归属的第一聚类簇内的离散点作为中性粒细胞离散点,将第二坐标中心点所归属的第二聚类簇内的离散点作为单核细胞离散点,及将第三坐标中心点所归属的第三聚类簇内的离散点作为淋巴细胞离散点。
在其中一个实施例中,中心点确定模块1102,具体用于:计算整体粒子分布情况中每类信号强度的粒子数变化速率,以得到整体变化速率情况;搜寻整体变化速率情况中的上升过零点,并基于搜寻到的上升过零点在粒子分布情况中确定出粒子数局部极小值所对应的第一临界信号强度;在信号强度散点图中,将中角散射角度下的信号强度大于或等于第一临界信号强度的区域划分为第一区域散点图,及将中角散射角度下的信号强度小于第一临界信号强度的区域划分为第二区域散点图。
在其中一个实施例中,中心点确定模块1102,具体用于:分别计算第一局部粒子分布情况和第二局部粒子分布情况中每类信号强度的粒子数变化速率,以得到低角散射角度下的第一变化速率情况和中角散射角度下的到第二变化速率情况;分别搜寻第一变化速率情况和第二变化速率情况中的下降过零点,并基于搜寻到的下降过零点在第一局部粒子分布情况中确定出粒子数局部极大值所对应的第二临界信号强度,及在第二局部粒子分布情况中确定出粒子数局部极大值所对应的第三临界信号强度;组合第二临界信号强度和第三临界信号强度,以得到第一坐标中心点。
在其中一个实施例中,中心点确定模块1102,具体用于:分别计算第三局部粒子分布情况和第四局部粒子分布情况中每类信号强度的粒子数变化速率,以得到低角散射角度下的第三变化速率情况和中角散射角度下的到第四变化速率情况;分别搜寻第三变化速率情况和第四变化速率情况中的下降过零点,并基于搜寻到的下降过零点在第三局部粒子分布情况中确定出粒子数局部极大值所对应的第四临界信号强度和第五临界信号强度,及在第四局部粒子分布情况中确定出粒子数局部极大值所对应的第六临界信号强度;其中,第四临界信号强度大于第五临界信号强度组合第四临界信号强度和第六临界信号强度,以得到第二坐标中心点,及组合第五临界信号强度和第六临界信号强度,以得到第三坐标中心点。
在其中一个实施例中,粒子数变化速率的计算公式为:
Si=Lai+1-Lai,(i∈1,2,3,L N-1)
上式中,Si指示第i类信号强度的粒子数变化速率,Lai+1指示第i+1类信号强度的血细胞粒子的粒子数,Lai指示第i类信号强度的血细胞粒子的粒子数,N指示信号强度的总类数。
在其中一个实施例中,分类模块1103,具体用于:计算目标坐标中心点与信号强度散点图内每一离散点之间的距离,并将距离小于预设距离阈值的离散点确定为目标坐标中心点的候选离散点;其中,目标坐标中心点为第一坐标中心点、第二坐标中心点和第三坐标中心点中的任意一个;若确定的候选离散点的数量大于预设的数量阈值,则将目标坐标中心点和确定的候选离散点作为一个聚类簇。
在其中一个实施例中,待分类白细胞样本还包含嗜酸细胞,白细胞分类装置,还用于:将信号强度散点图内,满足嗜酸细胞条件的离散点作为嗜酸细胞离散点;其中,嗜酸细胞条件为未被归类为中性粒细胞离散点、单核细胞离散点及淋巴细胞离散点,且中角散射角度下的信号强度在预设的分布范围内。
图12示出了一个实施例中白细胞分类设备的内部结构图。如图12所示,该白细胞分类设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该白细胞分类设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现白细胞分类方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行白细胞分类方法。本领域技术人员可以理解,图12中示出的结构,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白细胞分类设备的限定,具体的白细胞分类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。
一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现如下步骤:获取待分类白细胞样本在低角散射角度及中角散射角度下的脉冲信号集,识别脉冲信号集中每个脉冲信号的信号强度,并基于信号强度构建包含多个离散点的信号强度散点图;其中,待分类白细胞样本包含中性粒细胞、单核细胞及淋巴细胞,每个离散点指示一个白细胞在不同散射角度下的信号强度;统计信号强度散点图在中角散射角度下的整体粒子分布情况,并基于整体粒子分布情况的粒子数变化速率将信号强度散点图划分为第一区域散点图和第二区域散点图;统计第一区域散点图在低角散射角度下的第一局部粒子分布情况和在中角散射角度下的第二局部粒子分布情况,并基于第一局部粒子分布情况和第二局部粒子分布情况的粒子数变化速率确定出中性粒细胞的第一坐标中心点;统计第二区域散点图在低角散射角度下的第三局部粒子分布情况和在中角散射角度下的第四局部粒子分布情况,并基于第三局部粒子分布情况和第四局部粒子分布情况的粒子数变化速率确定出单核细胞的第二坐标中心点和淋巴细胞的第三坐标中心点;在信号强度散点图内分别对第一坐标中心点、第二坐标中心点及第三坐标中心点分别进行聚类操作,并将第一坐标中心点所归属的第一聚类簇内的离散点作为中性粒细胞离散点,将第二坐标中心点所归属的第二聚类簇内的离散点作为单核细胞离散点,及将第三坐标中心点所归属的第三聚类簇内的离散点作为淋巴细胞离散点。
一种白细胞分类设备,包括存储器、处理器以及存储在该存储器中并可在该处理器上执行的计算机程序,该处理器执行该计算机程序时实现如下步骤:获取待分类白细胞样本在低角散射角度及中角散射角度下的脉冲信号集,识别脉冲信号集中每个脉冲信号的信号强度,并基于信号强度构建包含多个离散点的信号强度散点图;其中,待分类白细胞样本包含中性粒细胞、单核细胞及淋巴细胞,每个离散点指示一个白细胞在不同散射角度下的信号强度;统计信号强度散点图在中角散射角度下的整体粒子分布情况,并基于整体粒子分布情况的粒子数变化速率将信号强度散点图划分为第一区域散点图和第二区域散点图;统计第一区域散点图在低角散射角度下的第一局部粒子分布情况和在中角散射角度下的第二局部粒子分布情况,并基于第一局部粒子分布情况和第二局部粒子分布情况的粒子数变化速率确定出中性粒细胞的第一坐标中心点;统计第二区域散点图在低角散射角度下的第三局部粒子分布情况和在中角散射角度下的第四局部粒子分布情况,并基于第三局部粒子分布情况和第四局部粒子分布情况的粒子数变化速率确定出单核细胞的第二坐标中心点和淋巴细胞的第三坐标中心点;在信号强度散点图内分别对第一坐标中心点、第二坐标中心点及第三坐标中心点分别进行聚类操作,并将第一坐标中心点所归属的第一聚类簇内的离散点作为中性粒细胞离散点,将第二坐标中心点所归属的第二聚类簇内的离散点作为单核细胞离散点,及将第三坐标中心点所归属的第三聚类簇内的离散点作为淋巴细胞离散点。
需要说明的是,上述白细胞分类方法、装置、设备及计算机可读存储介质属于一个总的发明构思,白细胞分类方法、装置、设备及计算机可读存储介质实施例中的内容可相互适用。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,该程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种白细胞分类方法,其特征在于,所述方法包括:
获取待分类白细胞样本在低角散射角度及中角散射角度下的脉冲信号集,识别所述脉冲信号集中每个脉冲信号的信号强度,并基于信号强度构建包含多个离散点的信号强度散点图;其中,所述待分类白细胞样本包含中性粒细胞、单核细胞及淋巴细胞,每个离散点指示一个白细胞在不同散射角度下的信号强度;
统计所述信号强度散点图在中角散射角度下的整体粒子分布情况,并基于所述整体粒子分布情况的粒子数变化速率将所述信号强度散点图划分为第一区域散点图和第二区域散点图;其中,粒子分布情况用于指示不同信号强度的血细胞粒子的粒子数,所述第一区域散点图在中角散射角度下的信号强度大于所述第二区域散点图在中角散射角度下的信号强度;
统计所述第一区域散点图在低角散射角度下的第一局部粒子分布情况和在中角散射角度下的第二局部粒子分布情况,并基于所述第一局部粒子分布情况和所述第二局部粒子分布情况的粒子数变化速率确定出所述中性粒细胞的第一坐标中心点;
统计所述第二区域散点图在低角散射角度下的第三局部粒子分布情况和在中角散射角度下的第四局部粒子分布情况,并基于所述第三局部粒子分布情况和所述第四局部粒子分布情况的粒子数变化速率确定出所述单核细胞的第二坐标中心点和所述淋巴细胞的第三坐标中心点;其中,所述第二坐标中心点在低角散射角度下的信号强度大于所述第三坐标中心点在低角散射角度下的信号强度;
在所述信号强度散点图内分别对所述第一坐标中心点、所述第二坐标中心点及第三坐标中心点分别进行聚类操作,并将所述第一坐标中心点所归属的第一聚类簇内的离散点作为中性粒细胞离散点,将所述第二坐标中心点所归属的第二聚类簇内的离散点作为单核细胞离散点,及将所述第三坐标中心点所归属的第三聚类簇内的离散点作为淋巴细胞离散点。
2.根据权利要求1所述的方法,其特征在于,所述基于所述整体粒子分布情况的粒子数变化速率将所述信号强度散点图划分为第一区域散点图和第二区域散点图,包括:
计算所述整体粒子分布情况中每类信号强度的粒子数变化速率,以得到整体变化速率情况;
搜寻所述整体变化速率情况中的上升过零点,并基于搜寻到的上升过零点在所述粒子分布情况中确定出粒子数局部极小值所对应的第一临界信号强度;
在所述信号强度散点图中,将中角散射角度下的信号强度大于或等于所述第一临界信号强度的区域划分为所述第一区域散点图,及将中角散射角度下的信号强度小于所述第一临界信号强度的区域划分为所述第二区域散点图。
3.根据权利要求1所述的方法,其特征在于,所述基于所述第一局部粒子分布情况和所述第二局部粒子分布情况的粒子数变化速率确定出所述中性粒细胞的第一坐标中心点,包括:
分别计算所述第一局部粒子分布情况和所述第二局部粒子分布情况中每类信号强度的粒子数变化速率,以得到低角散射角度下的第一变化速率情况和中角散射角度下的到第二变化速率情况;
分别搜寻所述第一变化速率情况和所述第二变化速率情况中的下降过零点,并基于搜寻到的下降过零点在所述第一局部粒子分布情况中确定出粒子数局部极大值所对应的第二临界信号强度,及在所述第二局部粒子分布情况中确定出粒子数局部极大值所对应的第三临界信号强度;
组合所述第二临界信号强度和所述第三临界信号强度,以得到所述第一坐标中心点。
4.根据权利要求1所述的方法,其特征在于,所述基于所述第三局部粒子分布情况和所述第四局部粒子分布情况的粒子数变化速率确定出所述单核细胞的第二坐标中心点和所述淋巴细胞的第三坐标中心点,包括:
分别计算所述第三局部粒子分布情况和所述第四局部粒子分布情况中每类信号强度的粒子数变化速率,以得到低角散射角度下的第三变化速率情况和中角散射角度下的到第四变化速率情况;
分别搜寻所述第三变化速率情况和所述第四变化速率情况中的下降过零点,并基于搜寻到的下降过零点在所述第三局部粒子分布情况中确定出粒子数局部极大值所对应的第四临界信号强度和第五临界信号强度,及在所述第四局部粒子分布情况中确定出粒子数局部极大值所对应的第六临界信号强度;其中,所述第四临界信号强度大于所述第五临界信号强度
组合所述第四临界信号强度和所述第六临界信号强度,以得到所述第二坐标中心点,及组合所述第五临界信号强度和所述第六临界信号强度,以得到所述第三坐标中心点。
5.根据权利要求2-4任一项所述的方法,其特征在于,所述粒子数变化速率的计算公式为:
Si=Lai+1-Lai,(i∈1,2,3,L N-1)
上式中,Si指示第i类信号强度的粒子数变化速率,Lai+1指示第i+1类信号强度的血细胞粒子的粒子数,Lai指示第i类信号强度的血细胞粒子的粒子数,N指示信号强度的总类数。
6.根据权利要求1所述的方法,其特征在于,所述聚类操作,包括:
计算目标坐标中心点与所述信号强度散点图内每一离散点之间的距离,并将距离小于预设距离阈值的离散点确定为所述目标坐标中心点的候选离散点;其中,所述目标坐标中心点为所述第一坐标中心点、所述第二坐标中心点和所述第三坐标中心点中的任意一个;
若确定的候选离散点的数量大于预设的数量阈值,则将所述目标坐标中心点和确定的候选离散点作为一个聚类簇。
7.根据权利要求1所述的方法,其特征在于,所述待分类白细胞样本还包含嗜酸细胞,所述方法,还包括:
将所述信号强度散点图内,满足嗜酸细胞条件的离散点作为所述嗜酸细胞离散点;其中,所述嗜酸细胞条件为未被归类为所述中性粒细胞离散点、所述单核细胞离散点及所述淋巴细胞离散点,且中角散射角度下的信号强度在预设的分布范围内。
8.一种白细胞分类装置,其特征在于,所述装置包括:
散点图构建模块,用于获取待分类白细胞样本在低角散射角度及中角散射角度下的脉冲信号集,识别所述脉冲信号集中每个脉冲信号的信号强度,并基于信号强度构建包含多个离散点的信号强度散点图;其中,所述待分类白细胞样本包含中性粒细胞、单核细胞及淋巴细胞,每个离散点指示一个白细胞在不同散射角度下的信号强度;
中心点确定模块,用于统计所述信号强度散点图在中角散射角度下的整体粒子分布情况,并基于所述整体粒子分布情况的粒子数变化速率将所述信号强度散点图划分为第一区域散点图和第二区域散点图;其中,粒子分布情况用于指示不同信号强度的血细胞粒子的粒子数,所述第一区域散点图在中角散射角度下的信号强度大于所述第二区域散点图在中角散射角度下的信号强度;及统计所述第一区域散点图在低角散射角度下的第一局部粒子分布情况和在中角散射角度下的第二局部粒子分布情况,并基于所述第一局部粒子分布情况和所述第二局部粒子分布情况的粒子数变化速率确定出所述中性粒细胞的第一坐标中心点;及统计所述第二区域散点图在低角散射角度下的第三局部粒子分布情况和在中角散射角度下的第四局部粒子分布情况,并基于所述第三局部粒子分布情况和所述第四局部粒子分布情况的粒子数变化速率确定出所述单核细胞的第二坐标中心点和所述淋巴细胞的第三坐标中心点;其中,所述第二坐标中心点在低角散射角度下的信号强度大于所述第三坐标中心点在低角散射角度下的信号强度;
分类模块,用于在所述信号强度散点图内分别对所述第一坐标中心点、所述第二坐标中心点及第三坐标中心点分别进行聚类操作,并将所述第一坐标中心点所归属的第一聚类簇内的离散点作为中性粒细胞离散点,将所述第二坐标中心点所归属的第二聚类簇内的离散点作为单核细胞离散点,及将所述第三坐标中心点所归属的第三聚类簇内的离散点作为淋巴细胞离散点。
9.一种计算机可读存储介质,其特征在于,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种白细胞分类设备,其特征在于,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311237322.3A CN117388154A (zh) | 2023-09-21 | 2023-09-21 | 白细胞分类方法、装置、介质和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311237322.3A CN117388154A (zh) | 2023-09-21 | 2023-09-21 | 白细胞分类方法、装置、介质和设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117388154A true CN117388154A (zh) | 2024-01-12 |
Family
ID=89465765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311237322.3A Pending CN117388154A (zh) | 2023-09-21 | 2023-09-21 | 白细胞分类方法、装置、介质和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117388154A (zh) |
-
2023
- 2023-09-21 CN CN202311237322.3A patent/CN117388154A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10627332B2 (en) | Cell analyzer and sorting method therefor | |
US11105742B2 (en) | Nucleated red blood cell warning method and device, and flow cytometer using the same | |
US8682810B2 (en) | Method and system for analysis of flow cytometry data using support vector machines | |
US20170219475A1 (en) | Identifying and enumerating early granulated cells (egcs) | |
KR101995763B1 (ko) | 혈구 감별 장치 및 방법 | |
CN101672759B (zh) | 一种粒子分类统计方法及装置 | |
US11709123B2 (en) | Method for analyzing nucleated red blood cells, blood cell analyzer, and storage medium | |
KR101995764B1 (ko) | 혈구 감별 장치 및 방법 | |
CN117388154A (zh) | 白细胞分类方法、装置、介质和设备 | |
CN112424582A (zh) | 血液样本检测的方法、血液样本检测仪和存储介质 | |
CN117191676A (zh) | 溶血剂剂量不足的判断方法、装置、介质和设备 | |
CN111812070B (zh) | 核左移以及取值范围的确定方法、装置和细胞分析仪 | |
Lacombe et al. | Evaluation of the leukocyte differential flags on an hematologic analyzer: The Cobas Argos 5 Diff. | |
CN117191677A (zh) | 溶血剂剂量不足的判断方法、装置、介质和设备 | |
CN117269028A (zh) | 溶血剂剂量不足的判断方法、装置、介质和设备 | |
CN117491259A (zh) | 流式淋巴细胞分析方法、装置、计算机设备及存储介质 | |
CN117368076A (zh) | 溶血剂剂量不足的判断方法、装置、介质和设备 | |
CN116952807A (zh) | 辅助诊断方法及其生物样本分析方法、装置、设备和介质 | |
CN114965227A (zh) | 非诊断目的的样本检测方法、装置及计算机可读存储介质 | |
Goldberg et al. | Classification of volume distributions of blood cells by a weighted χ2 goodness-of-fit test | |
CN115704763A (zh) | 一种红细胞碎片的识别方法及装置 |
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 |