CN117491259A - 流式淋巴细胞分析方法、装置、计算机设备及存储介质 - Google Patents
流式淋巴细胞分析方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN117491259A CN117491259A CN202311319337.4A CN202311319337A CN117491259A CN 117491259 A CN117491259 A CN 117491259A CN 202311319337 A CN202311319337 A CN 202311319337A CN 117491259 A CN117491259 A CN 117491259A
- Authority
- CN
- China
- Prior art keywords
- flow
- ratio
- population
- lymphocyte
- cells
- 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
- 210000004698 lymphocyte Anatomy 0.000 title claims abstract description 347
- 238000004458 analytical method Methods 0.000 title claims abstract description 137
- 210000004027 cell Anatomy 0.000 claims abstract description 211
- 230000006870 function Effects 0.000 claims description 67
- 238000000034 method Methods 0.000 claims description 23
- 102100024222 B-lymphocyte antigen CD19 Human genes 0.000 claims description 20
- 101000980825 Homo sapiens B-lymphocyte antigen CD19 Proteins 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 10
- 238000004140 cleaning Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 210000001744 T-lymphocyte Anatomy 0.000 description 15
- 210000001616 monocyte Anatomy 0.000 description 12
- 238000000684 flow cytometry Methods 0.000 description 9
- 230000014509 gene expression Effects 0.000 description 9
- 210000003719 b-lymphocyte Anatomy 0.000 description 8
- 101000738771 Homo sapiens Receptor-type tyrosine-protein phosphatase C Proteins 0.000 description 7
- 102100037422 Receptor-type tyrosine-protein phosphatase C Human genes 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000002159 abnormal effect Effects 0.000 description 5
- 210000005087 mononuclear cell Anatomy 0.000 description 5
- 101000917858 Homo sapiens Low affinity immunoglobulin gamma Fc region receptor III-A Proteins 0.000 description 4
- 101000917839 Homo sapiens Low affinity immunoglobulin gamma Fc region receptor III-B Proteins 0.000 description 4
- 102100029185 Low affinity immunoglobulin gamma Fc region receptor III-B Human genes 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 4
- 230000036737 immune function Effects 0.000 description 3
- 208000023275 Autoimmune disease Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000002865 immune cell Anatomy 0.000 description 2
- 210000000822 natural killer cell Anatomy 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 208000030507 AIDS Diseases 0.000 description 1
- 102000017420 CD3 protein, epsilon/gamma/delta subunit Human genes 0.000 description 1
- 108050005493 CD3 protein, epsilon/gamma/delta subunit Proteins 0.000 description 1
- 101000716102 Homo sapiens T-cell surface glycoprotein CD4 Proteins 0.000 description 1
- 101000946843 Homo sapiens T-cell surface glycoprotein CD8 alpha chain Proteins 0.000 description 1
- 208000029462 Immunodeficiency disease Diseases 0.000 description 1
- 206010027476 Metastases Diseases 0.000 description 1
- 102100036011 T-cell surface glycoprotein CD4 Human genes 0.000 description 1
- 102100034922 T-cell surface glycoprotein CD8 alpha chain Human genes 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000000844 anti-bacterial effect Effects 0.000 description 1
- 239000000427 antigen Substances 0.000 description 1
- 102000036639 antigens Human genes 0.000 description 1
- 108091007433 antigens Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000002902 bimodal effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000007969 cellular immunity Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- GNBHRKFJIUUOQI-UHFFFAOYSA-N fluorescein Chemical compound O1C(=O)C2=CC=CC=C2C21C1=CC=C(O)C=C1OC1=CC(O)=CC=C21 GNBHRKFJIUUOQI-UHFFFAOYSA-N 0.000 description 1
- 230000004727 humoral immunity Effects 0.000 description 1
- 238000011502 immune monitoring Methods 0.000 description 1
- 210000000987 immune system Anatomy 0.000 description 1
- 230000036039 immunity Effects 0.000 description 1
- 230000007813 immunodeficiency Effects 0.000 description 1
- 238000013394 immunophenotyping Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000000207 lymphocyte subset Anatomy 0.000 description 1
- 230000009401 metastasis Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 210000004976 peripheral blood cell Anatomy 0.000 description 1
- 230000002688 persistence Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011282 treatment Methods 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
- G01N15/14—Electro-optical investigation, e.g. flow cytometers
- G01N15/1429—Electro-optical investigation, e.g. flow cytometers using an analyser being characterised by its signal processing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume, or surface-area of porous materials
- G01N15/10—Investigating individual particles
- G01N2015/1006—Investigating individual particles for cytology
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Signal Processing (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (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
本申请提出一种流式淋巴细胞分析方法，包括：获取待分析数据；对待分析数据进行密度分布分析，得到待分析数据的密度分布结果；基于FlowDentity函数判断密度分布结果在预设密度分布范围内是否存在流式淋巴细胞群与非流式淋巴细胞群的第一阈值；若预设密度分布范围内不存在第一阈值，则基于FlowDentity函数从密度分布结果中确定一个包含流式淋巴细胞群的初始区域；通过调整FlowDentity函数的函数参数调整初始区域的区域边界，使得调整后的区域边界处于预设密度分布范围之内，并将调整后的区域边界作为第一阈值；基于第一阈值确定出待分析数据中的流式淋巴细胞群；确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值；根据比值输出流式淋巴细胞分析结果。
Description
技术领域
本申请涉及流式细胞学技术领域，尤其涉及一种流式淋巴细胞分析方法、装置、计算机设备及存储介质。
背景技术
淋巴细胞是构成机体免疫系统和执行免疫功能的主要细胞群，参与机体细胞免疫和体液免疫。淋巴细胞亚群检测是临床上用于评价机体免疫状态的重要检查，常会从数量及比例上反映机体各类免疫细胞的功能状态，广泛应用于肿瘤、艾滋病和自身免疫病的诊断、治疗及预后。流式细胞术(flow cytometry，FCM)是临床上进行淋巴细胞免疫表型分析的常规手段之一。FCM是对在高能量激光照射状态下，高速流动的经荧光标记的单细胞(生物微粒)产生的散射光和荧光的信号强度进行分析，从而对细胞进行定性分类和定量统计，实现对目的细胞的分析或分选的技术。目前，虽然已有研究开发了多种监督和无监督FCM数据分析算法，但它们在样本细胞数量大、细胞类别数不固定等多种情况下的分析的效率和准确度均不够理想。
发明内容
本申请提供流式淋巴细胞分析方法、装置、计算机设备及存储介质，以解决现有流式淋巴细胞分析技术中分析效率和准确度均不够理想的技术问题。
第一方面，提供一种流式淋巴细胞分析方法，所述方法包括：
获取待分析数据；
对所述待分析数据进行密度分布分析，得到所述待分析数据的密度分布结果；
基于FlowDentity函数判断所述密度分布结果在预设密度分布范围内是否存在流式淋巴细胞群与非流式淋巴细胞群的第一阈值；所述第一阈值为所述密度分布结果中两峰之间的波谷；
若所述预设密度分布范围内不存在所述第一阈值，则基于FlowDentity函数从所述密度分布结果中确定一个包含流式淋巴细胞群的初始区域；
通过调整FlowDentity函数的函数参数调整所述初始区域的区域边界，使得调整后的区域边界处于所述预设密度分布范围之内，并将所述调整后的区域边界作为所述第一阈值；
基于所述第一阈值确定出所述待分析数据中的流式淋巴细胞群；
确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值；
根据所述比值输出流式淋巴细胞分析结果。
结合第一方面，在一种可能的实现方式中，所述获取待分析数据，包括：对临床检测获得的原始数据进行进行数据清洗，得到清洗后的数据，并将所述清洗后的数据作为所述待分析数据。
结合第一方面，在一种可能的实现方式中，所述基于所述第一阈值确定出流式淋巴细胞群，包括：采用FlowDentity函数，用椭圆形门控圈定所述第一阈值范围内的流式淋巴细胞群的边界，以确定出流式淋巴细胞群。
结合第一方面，在一种可能的实现方式中，所述特定荧光信号包括：CD3、CD4、CD8、CD19、CD16+56；所述确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值，包括：确定流式淋巴细胞群中CD3阳性表达的细胞占流式淋巴细胞群的细胞的第一比值；确定流式淋巴细胞群中CD3阳性表达且CD4阳性表达的细胞占流式淋巴细胞群的细胞的第二比值；确定流式淋巴细胞群中CD3阳性表达且CD4阴性表达的细胞占流式淋巴细胞群的细胞的第三比值；确定流式淋巴细胞群中CD3阳性表达且CD8阳性表达的细胞占流式淋巴细胞群的细胞的第四比值；确定流式淋巴细胞群中CD3阳性表达且CD8阴性表达的细胞占流式淋巴细胞群的细胞的第五比值；确定流式淋巴细胞群中CD3阴性表达且CD19阳性表达的细胞占流式淋巴细胞群的细胞的第六比值；确定流式淋巴细胞群中CD3阴性表达且CD16+56阳性表达的细胞占流式淋巴细胞群的细胞的第七比值。
结合第一方面，在一种可能的实现方式中，所述根据所述比值输出流式淋巴细胞分析结果，包括：计算所述第二比值与所述第四比值的和得到第一分析结果；计算所述第一比值、第六比值以及第七比值的和得到第二分析结果；若所述第一分析结果不大于所述第一比值、所述第二分析结果处于第一预设比值范围、所述第二比值与所述第五比值的差不超过第二预设比值范围以及所述第四比值与所述第三比值的差不超过第三预设比值范围，则将所述第一分析结果与所述第二分析结果输出。
结合第一方面，在一种可能的实现方式中，所述确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值，还包括：确定流式淋巴细胞群中CD3阴性表达且CD4阳性表达的细胞占流式淋巴细胞群的细胞的第八比值。
结合第一方面，在一种可能的实现方式中，所述根据所述比值输出流式淋巴细胞分析结果，还包括：判断所述第八比值是否处于第四预设比值范围内：若所述第八比值处于所述第四预设比值范围内，则执行所述根据所述比值输出流式淋巴细胞分析结果的步骤；若所述第八比值不处于所述第四预设比值范围内，则根据所述第八比值调整所述第一阈值，直至所述第八比值处于所述第四预设比值范围内。
第二方面，提供一种流式淋巴细胞分析装置，所述装置包括：
数据获取模块，用于获取待分析数据；
密度分布分析模块，用于对所述待分析数据进行密度分布分析，得到所述待分析数据的密度分布结果；
第一判断模块，用于基于FlowDentity函数判断所述密度分布结果在预设密度分布范围内是否存在流式淋巴细胞群与非流式淋巴细胞群的第一阈值；所述第一阈值为所述密度分布结果中两峰之间的波谷；
第二判断模块，用于若所述预设密度分布范围内不存在所述第一阈值，则基于FlowDentity函数从所述密度分布结果中确定一个包含流式淋巴细胞群的初始区域；
第一阈值确定模块，用于通过调整FlowDentity函数的函数参数调整所述初始区域的区域边界，使得调整后的区域边界处于所述预设密度分布范围之内，并将所述调整后的区域边界作为所述第一阈值；
流式淋巴细胞群确定模块，用于基于所述第一阈值确定出所述待分析数据中的流式淋巴细胞群；
比值确定模块，用于确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值；
数据输出模块，用于根据所述比值输出流式淋巴细胞分析结果。
结合第二方面，在一种可能的设计中，所述数据获取模块具体用于：对临床检测获得的原始数据进行进行数据清洗，得到清洗后的数据，并将所述清洗后的数据作为所述待分析数据。
结合第二方面，在一种可能的设计中，所述流式淋巴细胞群确定模块具体用于：采用FlowDentity函数，用椭圆形门控圈定所述第一阈值范围内的流式淋巴细胞群的边界，以确定出流式淋巴细胞群。
结合第二方面，在一种可能的设计中，所述特定荧光信号包括：CD3、CD4、CD8、CD19、CD16+56；所述比值确定模块具体用于：确定流式淋巴细胞群中CD3阳性表达的细胞占流式淋巴细胞群的细胞的第一比值；确定流式淋巴细胞群中CD3阳性表达且CD4阳性表达的细胞占流式淋巴细胞群的细胞的第二比值：确定流式淋巴细胞群中CD3阳性表达且CD4阴性表达的细胞占流式淋巴细胞群的细胞的第三比值；确定流式淋巴细胞群中CD3阳性表达且CD8阳性表达的细胞占流式淋巴细胞群的细胞的第四比值；确定流式淋巴细胞群中CD3阳性表达且CD8阴性表达的细胞占流式淋巴细胞群的细胞的第五比值；确定流式淋巴细胞群中CD3阴性表达且CD19阳性表达的细胞占流式淋巴细胞群的细胞的第六比值；确定流式淋巴细胞群中CD3阴性表达且CD16+56阳性表达的细胞占流式淋巴细胞群的细胞的第七比值。
结合第二方面，在一种可能的设计中，所述数据输出模块具体用于：计算所述第二比值与所述第四比值的和得到第一分析结果；计算所述第一比值、第六比值以及第七比值的和得到第二分析结果；若所述第一分析结果不大于所述第一比值、所述第二分析结果处于第一预设比值范围、所述第二比值与所述第五比值的差不超过第二预设比值范围以及所述第四比值与所述第三比值的差不超过第三预设比值范围，则将所述第一分析结果与所述第二分析结果输出。
结合第二方面，在一种可能的设计中，所述比值确定模块还具体用于：确定流式淋巴细胞群中CD3阴性表达且CD4阳性表达的细胞占流式淋巴细胞群的细胞的第八比值。
结合第二方面，在一种可能的设计中，所述数据输出模块还具体用于：判断所述第八比值是否处于第四预设比值范围内；若所述第八比值处于所述第四预设比值范围内，则执行所述根据所述比值输出流式淋巴细胞分析结果的步骤：若所述第八比值不处于所述第四预设比值范围内，则根据所述第八比值调整所述第一阈值，直至所述第八比值处于所述第四预设比值范围内。
第三方面，提供一种计算机设备，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，使得所述处理器实现流式淋巴细胞分析方法。
第四方面，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，使得所述处理器实现流式淋巴细胞分析方法。
本申请可以实现如下有益效果：本申请通过基于FlowDentity函数判断所述密度分布结果在预设密度分布范围内是否存在流式淋巴细胞群与非流式淋巴细胞群的第一阈值；并在所述预设密度分布范围内不存在所述第一阈值时，基于FlowDentity函数确定一个包含流式淋巴细胞群的初始区域；并通过调整FlowDentity函数的函数参数调整所述初始区域的区域边界，使得调整后的区域边界与所述预设密度分布范围相匹配，并将所述调整后的区域边界作为所述第一阈值；最后基于所述第一阈值确定出流式淋巴细胞群以及分析结果；分析结果不受样本细胞数量大、细胞类别数不固定的影响，能够有效提高分析的效率与准确度。
附图说明
图1为本申请实施例提供的一种流式淋巴细胞分析方法的流程示意图；
图2为本申请实施例提供的一种基于流式淋巴细胞分析方法得到的分析结果示意图；
图3为本申请实施例提供的一种流式淋巴细胞分析装置的结构示意图；
图4为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。
本申请的技术方案适用于流式淋巴细胞分析的各种场景，具体的，本申请的技术方案适用于在流式淋巴细胞分析的各种场景中通过FlowDentity函数来进行流式淋巴细胞的分析。在实际应用中，可以是通过FlowDentity函数对该场景中的流式淋巴细胞进行识别，从而确定出分析结果。
为便于理解本申请的技术方案，先对本申请涉及的流式淋巴细胞进行介绍。流式淋巴细胞是指通过流式细胞术分选的淋巴细胞。流式细胞术(flowcytometry，FCM)是以高能量激光照射高速流动状态下，经荧光标记的单细胞(生物微粒)，通过检测产生的散射光和荧光的信号强度，从而对细胞进行定性分类和定量统计，实现对目的细胞的分析或分选的技术。人体主要的免疫细胞为淋巴细胞，包括T细胞、B细胞和NK细胞。T淋巴细胞反映细胞免疫功能，免疫缺陷和自身免疫性疾病与T淋巴细胞的含量有着紧密联系；B淋巴细胞通过产生各种自身抗体、抗细菌抗体及致病性抗体，发挥体液免疫功能；NK细胞具能够直接杀伤靶细胞，具有抗肿瘤、抗感染、免疫调节等功能，从而行使免疫监视，在抑瘤及抗肿瘤转移方面起重要作用。不同类型的淋巴细胞具备不同的细胞表面抗原。FCM通过采用多种不同荧光素标记的单克隆抗体试剂，标记人体外周血细胞，实现对各亚群淋巴细胞的分类。
在一个实施例中，如图1所示，图1为本申请实施例提供的一种流式淋巴细胞分析方法的流程示意图，所述方法包括：
步骤101，获取待分析数据；
其中，待分析数据可以是实时获取的数据，也可以是从数据库中获取的历史数据。
在一个实施例中，所述获取待分析数据，包括：对临床检测获得的原始数据进行进行数据清洗，得到清洗后的数据，并将所述清洗后的数据作为所述待分析数据。
具体的，数据清洗主要包括读取数据、转换参数名称、标准化数据尺度。首先，采用R包flowCore中的函数read.FCS()读取FCS或者LMD格式的流式原始数据；其次，对于淋巴细胞亚型分析所用到的信号参数FSC.A、SSC.A、CD45、CD3、CD4、CD8、CD19、CD16+56，不同实验室的命名方式会存在差异，为方便后续的代码构建，本申请将不同的参数名称统一成固定名称。实现方法是，预先建立数据表，该数据表中包括各参数名称对应的固定名称以及与各参数名称对应的描述信息，对临床检测获得的原始数据进行进行数据清洗时，根据各参数名称对应的描述信息，将各参数名称与固定名称对应。最后，由于流式原始数据具有FCS2.0、FCS3.0、FCS3.1等多种格式，而本申请用于构建算法的训练数据主要为FCS2.0格式，因此在算法中需要将非FCS2.0的数据转化到FCS2.0格式。转化方式是根据非FCS2.0格式数据与FCS2.0格式数据的对应关系，构建对应的转换函数进行转换。
步骤102，对所述待分析数据进行密度分布分析，得到所述待分析数据的密度分布结果；
其中，采用密度分布算法，统计细胞群的荧光信号，预测各细胞群的概率密度分布。具体的，密度分布算法可以是高斯核密度算法。
步骤103，基于FlowDentity函数判断所述密度分布结果在预设密度分布范围内是否存在流式淋巴细胞群与非流式淋巴细胞群的第一阈值；所述第一阈值为所述密度分布结果中两峰之间的波谷；
其中，预设密度分布范围是根据从大量样本中得到的淋巴细胞的密度分布情况，获取到的淋巴细胞的正常密度分布范围，此范围可以用预定的百分比范围表示。
其中，基于已有FlowDentity算法(R包)的多个函数构建自动识别淋巴细胞群的函数gatedFD_lym()。具体的，使用flowDensity中的deGate()函数，基于密度分布找到淋巴细胞密度分布的所有拐点，并判断在预设密度分布范围内是否存在拐点，若存在拐点，那么在预定范围内的拐点可直接作为淋巴细胞群与非淋巴细胞群之间的第一阈值。
在一个实施例中，以SSC.A信号参数为例：根据从大量样本中得到的淋巴细胞在SSC.A上的分布情况，可以获得淋巴细胞在SSC.A数据上的正常分布范围，并作为预设密度分布范围；使用flowDensity中的deGate()函数，基于密度分布找到SSC.A数据密度分布的所有拐点，并判断在预设密度分布范围内是否存在拐点，若存在拐点，那么在预定范围内的拐点可直接作为淋巴细胞群与非淋巴细胞群之间的第一阈值。
具体的，SSC.A找阈值时，在预定范围内已经只有淋巴细胞和单核细胞。一般在预定范围内只有一个拐点，即是淋巴细胞与非淋巴细胞群的分界位置；若在预定范围内的拐点有多个，一般是单核细胞分布为不止一团，从而在单核细胞群内部形成了拐点，基于淋巴细胞SSC.A的值小于单核细胞，取最小的一个拐点即可。
在一个实施例中，以CD45信号参数为例：根据从大量样本中得到的淋巴细胞在CD45上的分布情况，可以获得淋巴细胞在CD45数据上的正常分布范围，并作为预设密度分布范围；使用flowDensity中的deGate()函数，基于密度分布找到CD45数据密度分布的所有拐点，并判断在预设密度分布范围内是否存在拐点，若存在拐点，那么在预定范围内的拐点可直接作为淋巴细胞群与非淋巴细胞群之间的第一阈值。
具体的，利用SSC.A轴划分的结果，取小于SSC.A阈值部分的细胞，这部分一般仅包含碎细胞和淋巴细胞，偶尔包含少量单核细胞，细胞的组成情况没有全量细胞复杂，因此仅利用这部分细胞能够更加简单找到CD45的阈值，对于CD45轴的划分同样基于密度来进行。若密度分布为双峰，只有一个拐点，此时碎细胞和淋巴细胞各自成团，因此可以以拐点的位置进行划分，来区分两群细胞；若密度分布为单峰，此时碎细胞不成团，只有淋巴细胞一团。此时以密度波峰前端进行划分；若密度分布超过两个峰，由于淋巴细胞会位于密度分布最右端的峰，因此以最后一个密度拐点作为分界位置。
步骤104，若所述预设密度分布范围内不存在所述第一阈值，则基于FlowDentity函数从所述密度分布结果中确定一个包含流式淋巴细胞群的初始区域；
其中，若所述预设密度分布范围内存不在拐点，也就是不存在第一阈值，那么可以用flowDensity()函数先从所述密度分布结果中圈定一个包含淋巴细胞群的区域，并使用该区域与预设密度分布范围进行比对，从而确定出第一阈值，也就是确定出细胞群之间的边界。
步骤105，通过调整FlowDentity函数的函数参数调整所述初始区域的区域边界，使得调整后的区域边界处于所述预设密度分布范围之内，并将所述调整后的区域边界作为所述第一阈值；
其中，若所述预设密度分布范围内存不在拐点，也就是不存在第一阈值，那么可以用flowDensity()函数先从所述密度分布结果中圈定一个包含淋巴细胞群的区域，并通过输入flowDensity()函数的percentile,after.peak,upper等参数对这一区域的边界进行调整，当该区域调整后的边界值落在预设密度分布范围内时，则该区域调整后的边界值则作为细胞群之间的阈值。
步骤106，基于所述第一阈值确定出所述待分析数据中的流式淋巴细胞群；
其中，在确定出第一阈值后，即可采用flowDensity()函数，用椭圆形门控圈定第一阈值范围内的淋巴细胞群的边界(以坐标的形式储存)。并使用polygonGate()以及Subset()函数，将淋巴细胞数据从原始数据中提取出来。
步骤107，确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值；
其中，特定荧光信号包括：CD3、CD4、CD8、CD19、CD16+56。在确定出淋巴细胞后，便能够从淋巴细胞群中确定出特定荧光信号表达的细胞，从而确定出流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值。
具体的，通过自动设门的方式从淋巴细胞群中确定出特定荧光信号表达的细胞。自动设门指的是基于淋巴细胞的CD3、CD4、CD8、CD19、CD16+56荧光信号数据，在两两组成的二维散点图中，画出荧光信号阴阳性表达的阈值分界线，并圈出特定荧光信号表达的细胞群，例如圈出同时表达CD3阳性CD4阳性的细胞群。本申请采用flowDensity()以及deGate()函数，针对CD3荧光信号的密度分布，找出淋巴细胞在CD3阴性和阳性表达之间的阈值。一般的，淋巴细胞群在CD3上的密度分布只存在一个拐点，该拐点则为CD3阴阳性表达之间的分界线(即阈值)。在一些特殊情况下，CD3的密度分布会存在多个拐点，此时选择在预设密度分布范围以内的拐点作为CD3阴阳性表达的阈值。对于淋巴细胞在CD4、CD8、CD19和CD16+56上的密度分布，可以使用flowDensity()函数选择在荧光信号密度分布的最高峰之后的拐点作为阈值。若CD4(或CD8)的阈值落在了预设密度分布范围之外，则采用CD3阳性表达的细胞群进行分析，选择CD3阳性细胞群在CD4(或CD8)上的密度分布拐点作为阈值。若CD19或CD16+56的阈值落在了预设密度分布范围之外，则采用CD3阴性表达的细胞群进行分析，选择CD3阴性细胞群在CD19(或CD16+56)信号上的密度分布拐点作为阈值。在获得阈值之后，可通过flowDensity()函数获取特定荧光表达的细胞群及其占淋巴细胞的比值。
在一个实施例中，所述确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值，包括：确定流式淋巴细胞群中CD3阳性表达的细胞占流式淋巴细胞群的细胞的第一比值；确定流式淋巴细胞群中CD3阳性表达且CD4阳性表达的细胞占流式淋巴细胞群的细胞的第二比值；确定流式淋巴细胞群中CD3阳性表达且CD4阴性表达的细胞占流式淋巴细胞群的细胞的第三比值；确定流式淋巴细胞群中CD3阳性表达且CD8阳性表达的细胞占流式淋巴细胞群的细胞的第四比值；确定流式淋巴细胞群中CD3阳性表达且CD8阴性表达的细胞占流式淋巴细胞群的细胞的第五比值；确定流式淋巴细胞群中CD3阴性表达且CD19阳性表达的细胞占流式淋巴细胞群的细胞的第六比值；确定流式淋巴细胞群中CD3阴性表达且CD16+56阳性表达的细胞占流式淋巴细胞群的细胞的第七比值。
具体的，确定流式淋巴细胞群中CD3阳性表达的细胞占流式淋巴细胞群的细胞的第一比值，也即确定T淋巴细胞占流式淋巴细胞群的细胞的第一比值；确定流式淋巴细胞群中CD3阳性表达且CD4阳性表达的细胞占流式淋巴细胞群的细胞的第二比值，也即确定T淋巴细胞的亚群Th细胞占流式淋巴细胞群的细胞的第二比值；确定流式淋巴细胞群中CD3阳性表达且CD4阴性表达的细胞占流式淋巴细胞群的细胞的第三比值，也即将流式淋巴细胞群中CD3阳性表达且CD4阴性表达的细胞占流式淋巴细胞群的细胞的第三比值作为其中一个判断指标；确定流式淋巴细胞群中CD3阳性表达且CD8阳性表达的细胞占流式淋巴细胞群的细胞的第四比值，也即确定T淋巴细胞的亚群Ts细胞占流式淋巴细胞群的细胞的第四比值；确定流式淋巴细胞群中CD3阳性表达且CD8阴性表达的细胞占流式淋巴细胞群的细胞的第五比值，也即将流式淋巴细胞群中CD3阳性表达且CD8阴性表达的细胞占流式淋巴细胞群的细胞的第五比值作为其中一个判断指标；确定流式淋巴细胞群中CD3阴性表达且CD19阳性表达的细胞占流式淋巴细胞群的细胞的第六比值，也即确定B淋巴细胞占流式淋巴细胞群的细胞的第六比值；确定流式淋巴细胞群中CD3阴性表达且CD16+56阳性表达的细胞占流式淋巴细胞群的细胞的第七比值，也即确定NK淋巴细胞占流式淋巴细胞群的细胞的第七比值。
在一个实施例中，所述确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值，还包括：确定流式淋巴细胞群中CD3阴性表达且CD4阳性表达的细胞占流式淋巴细胞群的细胞的第八比值。
具体的，将流式淋巴细胞群中CD3阴性表达且CD4阳性表达的细胞占流式淋巴细胞群的细胞的第八比值作为其中一个判断指标。
步骤108，根据所述比值输出流式淋巴细胞分析结果。
其中，在获取到流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值后，便能基于特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值进行异常数据的识别，并根据非异常数据输出流式淋巴细胞分析结果。
在一个实施例中，所述根据所述比值输出流式淋巴细胞分析结果，包括：计算所述第二比值与所述第四比值的和得到第一分析结果；计算所述第一比值、第六比值以及第七比值的和得到第二分析结果；若所述第一分析结果不大于所述第一比值、所述第二分析结果处于第一预设比值范围、所述第二比值与所述第五比值的差不超过第二预设比值范围以及所述第四比值与所述第三比值的差不超过第三预设比值范围，则将所述第一分析结果与所述第二分析结果输出。
其中，首先获取淋巴细胞群的细胞数量，接着获取CD3阳性细胞群(即T淋巴细胞)、CD3阳性同时CD4阳性的细胞群(即T淋巴细胞的亚群Th细胞)、CD3阳性同时CD8阳性的细胞群(即T淋巴细胞的亚群Ts细胞)、CD3阴性同时CD19阳性的细胞群(即B淋巴细胞)、CD3阴性同时CD16+56阳性的细胞群(即NK淋巴细胞)这5群细胞占淋巴细胞的比值。然后，计算所述第二比值与所述第四比值的和得到第一分析结果，也即对CD3阳CD4阳细胞群(即T淋巴细胞的亚群Th细胞)以及CD3阳CD8阳细胞群即T淋巴细胞的亚群Ts细胞)的占比进行求和。最后，计算所述第一比值、第六比值以及第七比值的和得到第二分析结果，也即计算CD3阳性细胞群(即T淋巴细胞)、CD3阴性同时CD19阳性的细胞群(即B淋巴细胞)、以及CD3阴性同时CD16+56阳性的细胞群(即NK淋巴细胞)占淋巴细胞比值之和。以上结果以数据表的形式存储到csv文件中。
其中，对上述计算的统计结果进行逻辑判断，从而对异常分析结果进行识别。判断条件包括：
1)所述第二分析结果处于第一预设比值范围，也即T淋巴细胞、B淋巴细胞、以及NK淋巴细胞占淋巴细胞比值之和在95％-100％范围内；
2)所述第一分析结果不大于所述第一比值，也即CD3阳CD4阳细胞群以及CD3阳CD8阳细胞群占比之和不超过T淋巴细胞的占比；
3)所述第二比值与所述第五比值的差不超过第二预设比值范围，也即CD3阳CD4阳细胞群占比与CD3阳CD8阴细胞群占比相差不超过20％；
4)所述第四比值与所述第三比值的差不超过第三预设比值范围，也即CD3阳CD4阴细胞群占比与CD3阳CD8阳细胞群占比相差不超过20％。
在一种实现方法中，非异常数据还需要满足：1)淋巴细胞数超过2000；2)单核细胞占比不超过5％；3)B淋巴细胞占比不超过50％。
当统计结果不满足上述规则时，则判断该样本的算法分析结果异常。异常信息单独作为一列存储到csv文件中。当统计结果满足上述规则时，则判断该样本的算法分析结果正常，并将正常信息存储到csv文件中。
在一个实施例中，所述根据所述比值输出流式淋巴细胞分析结果，还包括：判断所述第八比值是否处于第四预设比值范围内；若所述第八比值处于所述第四预设比值范围内，则执行所述根据所述比值输出流式淋巴细胞分析结果的步骤；若所述第八比值不处于所述第四预设比值范围内，则根据所述第八比值调整所述第一阈值，直至所述第八比值处于所述第四预设比值范围内。
其中，由于使用FlowDensity算法对淋巴细胞进行识别时，容易将临近的单核细胞也识别成淋巴细胞，因此可以根据单核细胞(即CD3阴CD4阳细胞群)的占比(第八比值)反向调整淋巴细胞群的在SSC.A上的阈值。根据大样本分析发现，在分析结果正常的情况下，单核细胞占比的正常范围在0％-5％。当算法分析结果中单核细胞占比超过5％时，表明淋巴细胞与非淋巴细胞在SSC.A信号中的阈值过高，包含了大量单核细胞，该分析结果可归为异常。因此，在本申请中，当算法识别到分析结果中单核细胞占比超过5％时，即对SSC.A数据中淋巴细胞与非淋巴细胞的阈值进行调整。具体包括，当单核细胞占比超过5％但不超过8％时，SSC.A阈值乘以0.95；当单核细胞占比超过8％时，SSC.A阈值乘以0.90。调整后的阈值重新用于识别单核细胞、设门以及异常识别。循环此步骤直到单核细胞占比不超过5％。
在一个实施例中，在分析结束后将输出分析结果图片、统计结果以及预警信息。每分析完一个样本，便会立即输出对应的分析结果图(示例见图2)。如图2所示，图2为本申请实施例提供的一种基于流式淋巴细胞分析方法得到的分析结果示意图，该图片包含九张二维散点图。其中，绿色散点为CD3阳性细胞(即T淋巴细胞)，红色散点为CD3阴性细胞(即B淋巴细胞、NK淋巴细胞以及可能存在的单核细胞)。在第四到第九张散点图中，横(竖)线代表区别荧光信号阴阳性表达的阈值，阈值分割出了四象限代表不同的细胞群表达的荧光信号情况(例如第一象限中的细胞群是两种荧光信号呈双阴性表达)，每现象中标出的数字代表该象限细胞数量占淋巴细胞的比值。在分析完批量样本后，该批量中所有样本的统计结果以及预警信息会整合为一个数据表，输出到一个CSV文件中。该数据表包含该批量中所有样本的样本名称、统计结果以及预警信息。预警信息内容包含该样本分析结果不满足哪些判断条件，分析结果正常时预警信息为空。
本申请提出一种流式淋巴细胞分析方法，所述方法包括：获取待分析数据；对所述待分析数据进行密度分布分析，得到所述待分析数据的密度分布结果；基于FlowDentity函数判断所述密度分布结果在预设密度分布范围内是否存在流式淋巴细胞群与非流式淋巴细胞群的第一阈值；所述第一阈值为所述密度分布结果中两峰之间的波谷；若所述预设密度分布范围内不存在所述第一阈值，则基于FlowDentity函数从所述密度分布结果中确定一个包含流式淋巴细胞群的初始区域；通过调整FlowDentity函数的函数参数调整所述初始区域的区域边界，使得调整后的区域边界处于所述预设密度分布范围之内，并将所述调整后的区域边界作为所述第一阈值；基于所述第一阈值确定出所述待分析数据中的流式淋巴细胞群；确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值；根据所述比值输出流式淋巴细胞分析结果。本申请通过基于FlowDentity函数判断所述密度分布结果在预设密度分布范围内是否存在流式淋巴细胞群与非流式淋巴细胞群的第一阈值；并在所述预设密度分布范围内不存在所述第一阈值时，基于FlowDentity函数确定一个包含流式淋巴细胞群的初始区域；并通过调整FlowDentity函数的函数参数调整所述初始区域的区域边界，使得调整后的区域边界与所述预设密度分布范围相匹配，并将所述调整后的区域边界作为所述第一阈值；最后基于所述第一阈值确定出流式淋巴细胞群以及分析结果；分析结果不受样本细胞数量大、细胞类别数不固定的影响，能够有效提高分析的效率与准确度。
如图3所示，在一个实施例中，本发明提供了一种流式淋巴细胞分析装置，所述装置包括：
数据获取模块301，用于获取待分析数据；
密度分布分析模块302，用于对所述待分析数据进行密度分布分析，得到所述待分析数据的密度分布结果；
第一判断模块303，用于基于FlowDentity函数判断所述密度分布结果在预设密度分布范围内是否存在流式淋巴细胞群与非流式淋巴细胞群的第一阈值；所述第一阈值为所述密度分布结果中两峰之间的波谷；
第二判断模块304，用于若所述预设密度分布范围内不存在所述第一阈值，则基于FlowDentity函数从所述密度分布结果中确定一个包含流式淋巴细胞群的初始区域；
第一阈值确定模块305，用于通过调整FlowDentity函数的函数参数调整所述初始区域的区域边界，使得调整后的区域边界处于所述预设密度分布范围之内，并将所述调整后的区域边界作为所述第一阈值；
流式淋巴细胞群确定模块306，用于基于所述第一阈值确定出所述待分析数据中的流式淋巴细胞群；
比值确定模块307，用于确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值；
数据输出模块308，用于根据所述比值输出流式淋巴细胞分析结果。
如图4所示，在一个实施例中，为一种计算机设备的内部结构图。该计算机设备可以是一种流式淋巴细胞分析装置、或与一种流式淋巴细胞分析装置连接的终端或服务器。如图4所示，该计算机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。该计算机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，可使得处理器实现一种流式淋巴细胞分析方法。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，可使得处理器执行一种流式淋巴细胞分析方法。网络接口用于与外接进行通信。本领域技术人员可以理解，图4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计算机设备的限定，具体的计算机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。
在一个实施例中，本申请提供的一种流式淋巴细胞分析方法可以实现为一种计算机程序的形式，计算机程序可在如图4所示的计算机设备上运行。计算机设备的存储器中可存储组成该流式淋巴细胞分析装置的各个程序模板。比如，数据获取模块301，密度分布分析模块302，第一判断模块303，第二判断模块304，第一阈值确定模块305，流式淋巴细胞群确定模块306，比值确定模块307，数据输出模块308。
一种计算机设备，包括存储器和处理器，该存储器存储有计算机程序，该计算机程序被该处理器执行时，使得该处理器执行如下步骤：获取待分析数据；对所述待分析数据进行密度分布分析，得到所述待分析数据的密度分布结果；基于FlowDentity函数判断所述密度分布结果在预设密度分布范围内是否存在流式淋巴细胞群与非流式淋巴细胞群的第一阈值；所述第一阈值为所述密度分布结果中两峰之间的波谷；若所述预设密度分布范围内不存在所述第一阈值，则基于FlowDentity函数从所述密度分布结果中确定一个包含流式淋巴细胞群的初始区域；通过调整FlowDentity函数的函数参数调整所述初始区域的区域边界，使得调整后的区域边界处于所述预设密度分布范围之内，并将所述调整后的区域边界作为所述第一阈值；基于所述第一阈值确定出所述待分析数据中的流式淋巴细胞群；确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值；根据所述比值输出流式淋巴细胞分析结果。
在一个实施例中，所述获取待分析数据，包括：对临床检测获得的原始数据进行进行数据清洗，得到清洗后的数据，并将所述清洗后的数据作为所述待分析数据。
在一个实施例中，所述基于所述第一阈值确定出流式淋巴细胞群，包括：采用FlowDentity函数，用椭圆形门控圈定所述第一阈值范围内的流式淋巴细胞群的边界，以确定出流式淋巴细胞群。
在一个实施例中，所述特定荧光信号包括：CD3、CD4、CD8、CD19、CD16+56；所述确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值，包括：确定流式淋巴细胞群中CD3阳性表达的细胞占流式淋巴细胞群的细胞的第一比值；确定流式淋巴细胞群中CD3阳性表达且CD4阳性表达的细胞占流式淋巴细胞群的细胞的第二比值；确定流式淋巴细胞群中CD3阳性表达且CD4阴性表达的细胞占流式淋巴细胞群的细胞的第三比值；确定流式淋巴细胞群中CD3阳性表达且CD8阳性表达的细胞占流式淋巴细胞群的细胞的第四比值；确定流式淋巴细胞群中CD3阳性表达且CD8阴性表达的细胞占流式淋巴细胞群的细胞的第五比值；确定流式淋巴细胞群中CD3阴性表达且CD19阳性表达的细胞占流式淋巴细胞群的细胞的第六比值；确定流式淋巴细胞群中CD3阴性表达且CD16+56阳性表达的细胞占流式淋巴细胞群的细胞的第七比值。
在一个实施例中，所述根据所述比值输出流式淋巴细胞分析结果，包括：计算所述第二比值与所述第四比值的和得到第一分析结果；计算所述第一比值、第六比值以及第七比值的和得到第二分析结果；若所述第一分析结果不大于所述第一比值、所述第二分析结果处于第一预设比值范围、所述第二比值与所述第五比值的差不超过第二预设比值范围以及所述第四比值与所述第三比值的差不超过第三预设比值范围，则将所述第一分析结果与所述第二分析结果输出。
在一个实施例中，所述确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值，还包括：确定流式淋巴细胞群中CD3阴性表达且CD4阳性表达的细胞占流式淋巴细胞群的细胞的第八比值。
在一个实施例中，所述根据所述比值输出流式淋巴细胞分析结果，还包括：判断所述第八比值是否处于第四预设比值范围内：若所述第八比值处于所述第四预设比值范围内，则执行所述根据所述比值输出流式淋巴细胞分析结果的步骤；若所述第八比值不处于所述第四预设比值范围内，则根据所述第八比值调整所述第一阈值，直至所述第八比值处于所述第四预设比值范围内。
一种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，使得该处理器执行如下步骤：获取待分析数据；对所述待分析数据进行密度分布分析，得到所述待分析数据的密度分布结果；基于FlowDentity函数判断所述密度分布结果在预设密度分布范围内是否存在流式淋巴细胞群与非流式淋巴细胞群的第一阈值；所述第一阈值为所述密度分布结果中两峰之间的波谷；若所述预设密度分布范围内不存在所述第一阈值，则基于FlowDentity函数从所述密度分布结果中确定一个包含流式淋巴细胞群的初始区域；通过调整FlowDentity函数的函数参数调整所述初始区域的区域边界，使得调整后的区域边界处于所述预设密度分布范围之内，并将所述调整后的区域边界作为所述第一阈值；基于所述第一阈值确定出所述待分析数据中的流式淋巴细胞群；确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值；根据所述比值输出流式淋巴细胞分析结果。
在一个实施例中，所述获取待分析数据，包括：对临床检测获得的原始数据进行进行数据清洗，得到清洗后的数据，并将所述清洗后的数据作为所述待分析数据。
在一个实施例中，所述基于所述第一阈值确定出流式淋巴细胞群，包括：采用FlowDentity函数，用椭圆形门控圈定所述第一阈值范围内的流式淋巴细胞群的边界，以确定出流式淋巴细胞群。
在一个实施例中，所述特定荧光信号包括：CD3、CD4、CD8、CD19、CD16+56；所述确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值，包括：确定流式淋巴细胞群中CD3阳性表达的细胞占流式淋巴细胞群的细胞的第一比值；确定流式淋巴细胞群中CD3阳性表达且CD4阳性表达的细胞占流式淋巴细胞群的细胞的第二比值；确定流式淋巴细胞群中CD3阳性表达且CD4阴性表达的细胞占流式淋巴细胞群的细胞的第三比值；确定流式淋巴细胞群中CD3阳性表达且CD8阳性表达的细胞占流式淋巴细胞群的细胞的第四比值；确定流式淋巴细胞群中CD3阳性表达且CD8阴性表达的细胞占流式淋巴细胞群的细胞的第五比值；确定流式淋巴细胞群中CD3阴性表达且CD19阳性表达的细胞占流式淋巴细胞群的细胞的第六比值；确定流式淋巴细胞群中CD3阴性表达且CD16+56阳性表达的细胞占流式淋巴细胞群的细胞的第七比值。
在一个实施例中，所述根据所述比值输出流式淋巴细胞分析结果，包括：计算所述第二比值与所述第四比值的和得到第一分析结果；计算所述第一比值、第六比值以及第七比值的和得到第二分析结果；若所述第一分析结果不大于所述第一比值、所述第二分析结果处于第一预设比值范围、所述第二比值与所述第五比值的差不超过第二预设比值范围以及所述第四比值与所述第三比值的差不超过第三预设比值范围，则将所述第一分析结果与所述第二分析结果输出。
在一个实施例中，所述确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值，还包括：确定流式淋巴细胞群中CD3阴性表达且CD4阳性表达的细胞占流式淋巴细胞群的细胞的第八比值。
在一个实施例中，所述根据所述比值输出流式淋巴细胞分析结果，还包括：判断所述第八比值是否处于第四预设比值范围内：若所述第八比值处于所述第四预设比值范围内，则执行所述根据所述比值输出流式淋巴细胞分析结果的步骤；若所述第八比值不处于所述第四预设比值范围内，则根据所述第八比值调整所述第一阈值，直至所述第八比值处于所述第四预设比值范围内。
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，所述的程序可存储于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，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only memory，ROM)或随机存储记忆体(Random Accessmemory，RAM)等。
以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。
Claims (10)
1.一种流式淋巴细胞分析方法，其特征在于，所述方法包括：
获取待分析数据；
对所述待分析数据进行密度分布分析，得到所述待分析数据的密度分布结果；
基于FlowDentity函数判断所述密度分布结果在预设密度分布范围内是否存在流式淋巴细胞群与非流式淋巴细胞群的第一阈值；所述第一阈值为所述密度分布结果中两峰之间的波谷；
若所述预设密度分布范围内不存在所述第一阈值，则基于FlowDentity函数从所述密度分布结果中确定一个包含流式淋巴细胞群的初始区域；
通过调整FlowDentity函数的函数参数调整所述初始区域的区域边界，使得调整后的区域边界处于所述预设密度分布范围之内，并将所述调整后的区域边界作为所述第一阈值；
基于所述第一阈值确定出所述待分析数据中的流式淋巴细胞群；
确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值；
根据所述比值输出流式淋巴细胞分析结果。
2.根据权利要求1所述的方法，其特征在于，所述获取待分析数据，包括：
对临床检测获得的原始数据进行进行数据清洗，得到清洗后的数据，并将所述清洗后的数据作为所述待分析数据。
3.根据权利要求1所述的方法，其特征在于，所述基于所述第一阈值确定出流式淋巴细胞群，包括：
采用FlowDentity函数，用椭圆形门控圈定所述第一阈值范围内的流式淋巴细胞群的边界，以确定出流式淋巴细胞群。
4.根据权利要求1所述的方法，其特征在于，所述特定荧光信号包括：CD3、CD4、CD8、CD19、CD16+56；所述确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值，包括：
确定流式淋巴细胞群中CD3阳性表达的细胞占流式淋巴细胞群的细胞的第一比值；
确定流式淋巴细胞群中CD3阳性表达且CD4阳性表达的细胞占流式淋巴细胞群的细胞的第二比值；
确定流式淋巴细胞群中CD3阳性表达且CD4阴性表达的细胞占流式淋巴细胞群的细胞的第三比值；
确定流式淋巴细胞群中CD3阳性表达且CD8阳性表达的细胞占流式淋巴细胞群的细胞的第四比值；
确定流式淋巴细胞群中CD3阳性表达且CD8阴性表达的细胞占流式淋巴细胞群的细胞的第五比值；
确定流式淋巴细胞群中CD3阴性表达且CD19阳性表达的细胞占流式淋巴细胞群的细胞的第六比值；
确定流式淋巴细胞群中CD3阴性表达且CD16+56阳性表达的细胞占流式淋巴细胞群的细胞的第七比值。
5.根据权利要求4所述的方法，其特征在于，所述根据所述比值输出流式淋巴细胞分析结果，包括：
计算所述第二比值与所述第四比值的和得到第一分析结果；
计算所述第一比值、第六比值以及第七比值的和得到第二分析结果；
若所述第一分析结果不大于所述第一比值、所述第二分析结果处于第一预设比值范围、所述第二比值与所述第五比值的差不超过第二预设比值范围以及所述第四比值与所述第三比值的差不超过第三预设比值范围，则将所述第一分析结果与所述第二分析结果输出。
6.根据权利要求4所述的方法，其特征在于，所述确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值，还包括：
确定流式淋巴细胞群中CD3阴性表达且CD4阳性表达的细胞占流式淋巴细胞群的细胞的第八比值。
7.根据权利要求6所述的方法，其特征在于，所述根据所述比值输出流式淋巴细胞分析结果，还包括：
判断所述第八比值是否处于第四预设比值范围内；
若所述第八比值处于所述第四预设比值范围内，则执行所述根据所述比值输出流式淋巴细胞分析结果的步骤；
若所述第八比值不处于所述第四预设比值范围内，则根据所述第八比值调整所述第一阈值，直至所述第八比值处于所述第四预设比值范围内。
8.一种流式淋巴细胞分析装置，其特征在于，所述装置包括：
数据获取模块，用于获取待分析数据；
密度分布分析模块，用于对所述待分析数据进行密度分布分析，得到所述待分析数据的密度分布结果；
第一判断模块，用于基于FlowDentity函数判断所述密度分布结果在预设密度分布范围内是否存在流式淋巴细胞群与非流式淋巴细胞群的第一阈值；所述第一阈值为所述密度分布结果中两峰之间的波谷；
第二判断模块，用于若所述预设密度分布范围内不存在所述第一阈值，则基于FlowDentity函数从所述密度分布结果中确定一个包含流式淋巴细胞群的初始区域；
第一阈值确定模块，用于通过调整FlowDentity函数的函数参数调整所述初始区域的区域边界，使得调整后的区域边界处于所述预设密度分布范围之内，并将所述调整后的区域边界作为所述第一阈值；
流式淋巴细胞群确定模块，用于基于所述第一阈值确定出所述待分析数据中的流式淋巴细胞群；
比值确定模块，用于确定流式淋巴细胞群中特定荧光信号表达的细胞占流式淋巴细胞群的细胞的比值；
数据输出模块，用于根据所述比值输出流式淋巴细胞分析结果。
9.一种计算机设备，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如权利要求1-7所述方法的步骤。
10.一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如权利要求1-7所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311319337.4A CN117491259A (zh) | 2023-10-11 | 2023-10-11 | 流式淋巴细胞分析方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311319337.4A CN117491259A (zh) | 2023-10-11 | 2023-10-11 | 流式淋巴细胞分析方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117491259A true CN117491259A (zh) | 2024-02-02 |
Family
ID=89675330
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311319337.4A Pending CN117491259A (zh) | 2023-10-11 | 2023-10-11 | 流式淋巴细胞分析方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117491259A (zh) |
-
2023
- 2023-10-11 CN CN202311319337.4A patent/CN117491259A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8682810B2 (en) | Method and system for analysis of flow cytometry data using support vector machines | |
| EP2936116B1 (en) | System and method for classification of particles in a fluid sample | |
| US11105742B2 (en) | Nucleated red blood cell warning method and device, and flow cytometer using the same | |
| KR20190043135A (ko) | 생물학적 입자의 분류 시스템 및 방법 | |
| US20170219475A1 (en) | Identifying and enumerating early granulated cells (egcs) | |
| US20160169786A1 (en) | Automated flow cytometry analysis method and system | |
| Rees et al. | Imaging flow cytometry | |
| US20080172185A1 (en) | Automatic classifying method, device and system for flow cytometry | |
| CN107389536B (zh) | 基于密度-距离中心算法的流式细胞粒子分类计数方法 | |
| CN106662572A (zh) | 细胞分析仪、粒子分类方法及装置 | |
| KR101995763B1 (ko) | 혈구 감별 장치 및 방법 | |
| US10133962B2 (en) | Method of digital information classification | |
| CN103364324A (zh) | 一种用于血液细胞分析仪的自适应分类计算方法 | |
| CN115270874A (zh) | 一种基于密度估计的流式细胞分类和计数的方法和系统 | |
| Frankel et al. | Application of neural networks to flow cytometry data analysis and real‐time cell classification | |
| KR101995764B1 (ko) | 혈구 감별 장치 및 방법 | |
| CN112432948A (zh) | 一种外周血细胞形态学自动检测方法 | |
| CN117491259A (zh) | 流式淋巴细胞分析方法、装置、计算机设备及存储介质 | |
| EP3230887A1 (en) | Automated flow cytometry analysis method and system | |
| US20220180515A1 (en) | Artificial intelligence enabled reagent-free imaging hematology analyzer | |
| CN117275574A (zh) | 流式淋巴细胞亚群分析方法、设备及其存储介质 | |
| Wood | Principles of gating | |
| CN112557285B (zh) | 一种流式细胞检测数据自动设门方法和装置 | |
| CN115050024B (zh) | 一种可解释性的粒细胞智能实时识别方法及系统 | |
| US20240037967A1 (en) | Blood analyser with out-of-focus image plane analysis and related methods |
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 |