DE2903625C2 - - Google Patents
Info
- Publication number
- DE2903625C2 DE2903625C2 DE2903625A DE2903625A DE2903625C2 DE 2903625 C2 DE2903625 C2 DE 2903625C2 DE 2903625 A DE2903625 A DE 2903625A DE 2903625 A DE2903625 A DE 2903625A DE 2903625 C2 DE2903625 C2 DE 2903625C2
- Authority
- DE
- Germany
- Prior art keywords
- cell
- cells
- logic
- blood
- erythrocytes
- 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.)
- Expired - Fee Related
Links
- 210000004027 cell Anatomy 0.000 claims description 344
- 210000004369 blood Anatomy 0.000 claims description 60
- 239000008280 blood Substances 0.000 claims description 60
- 210000003743 erythrocyte Anatomy 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 39
- 230000001788 irregular Effects 0.000 claims description 8
- 210000002506 abnormal erythrocyte Anatomy 0.000 claims 1
- 238000009826 distribution Methods 0.000 description 61
- 238000012545 processing Methods 0.000 description 53
- 108010054147 Hemoglobins Proteins 0.000 description 45
- 102000001554 Hemoglobins Human genes 0.000 description 45
- 208000007502 anemia Diseases 0.000 description 40
- 206010033546 Pallor Diseases 0.000 description 39
- 238000004458 analytical method Methods 0.000 description 29
- 239000000523 sample Substances 0.000 description 25
- 239000013598 vector Substances 0.000 description 25
- 238000005259 measurement Methods 0.000 description 22
- 210000001090 spherocyte Anatomy 0.000 description 16
- 238000010586 diagram Methods 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 7
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 5
- 210000000601 blood cell Anatomy 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 5
- 238000009795 derivation Methods 0.000 description 5
- 239000006185 dispersion Substances 0.000 description 5
- 230000015654 memory Effects 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 206010022971 Iron Deficiencies Diseases 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 4
- 206010041509 Spherocytic anaemia Diseases 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 229910052742 iron Inorganic materials 0.000 description 3
- 238000010186 staining Methods 0.000 description 3
- 101100322249 Caenorhabditis elegans lev-1 gene Proteins 0.000 description 2
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 208000015710 Iron-Deficiency Anemia Diseases 0.000 description 2
- 210000004460 N cell Anatomy 0.000 description 2
- 108010016797 Sickle Hemoglobin Proteins 0.000 description 2
- 208000002903 Thalassemia Diseases 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 230000002950 deficient Effects 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 210000000265 leukocyte Anatomy 0.000 description 2
- 208000007056 sickle cell anemia Diseases 0.000 description 2
- 238000002179 total cell area Methods 0.000 description 2
- 206010002065 Anaemia megaloblastic Diseases 0.000 description 1
- 206010002536 Anisocytosis Diseases 0.000 description 1
- 208000000682 Megaloblastic Anemia Diseases 0.000 description 1
- 229910018106 Ni—C Inorganic materials 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 208000005980 beta thalassemia Diseases 0.000 description 1
- 238000004061 bleaching Methods 0.000 description 1
- 238000004159 blood analysis Methods 0.000 description 1
- 210000003321 cartilage cell Anatomy 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000010224 classification analysis Methods 0.000 description 1
- 238000010924 continuous production Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 238000005315 distribution function Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000012010 growth Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 231100001016 megaloblastic anemia Toxicity 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013610 patient sample Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
-
- 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—Optical investigation techniques, e.g. flow cytometry
- G01N15/1429—Signal processing
- G01N15/1433—Signal processing using image recognition
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Description
Die Erfindung betrifft ein Verfahren zur Analyse von Erythrozyten-
Populationen aus einem Blutabstrich gemäß dem Oberbegriff des Anspruches
1.
Ein solches Verfahren ist bekannt aus dem Artikel von Bacus, J. W.
und Weens, J. H., "An Automated Method of Differential Red Blood
Cell Classification with Application to the Diagnosis of Anemia",
Journal of Histochemistry and Cytochemistry, 25:7, 1977. Diese
Fundstelle erläutert bereits verschiedene Eigenschaften von Zellen,
u. a. die Eigenschaften F₁ bis F₅:
F₁ Größe der Fläche
ermittelt aus der Zahl der Pixel, die von der Zellen-Umfangslinie umschlossen sind;
ermittelt aus der Zahl der Pixel, die von der Zellen-Umfangslinie umschlossen sind;
F₂ Rundheit
ermittelt aus der Zahl der Perimeter-Pixel zum Quadrat geteilt durch die Fläche;
ermittelt aus der Zahl der Perimeter-Pixel zum Quadrat geteilt durch die Fläche;
F₃ Nadelförmigkeit
ermittelt aus der Zahl von "Nadeln" an der Zellenumfangslinie;
ermittelt aus der Zahl von "Nadeln" an der Zellenumfangslinie;
F₄ Spitzförmigkeit
ermittelt durch Vergleich der Orientierungen des orthogonalen Randkettenkodes;
ermittelt durch Vergleich der Orientierungen des orthogonalen Randkettenkodes;
F₅ Grauwertsumme
ermittelt als Summe der Grauwerte.
ermittelt als Summe der Grauwerte.
Daneben nennt die genannte Fundstelle noch weitere Eigenschaften
F₆ bis F₉, die die Eigenschaften des Pallor (Delle oder
Mittelblässe) von Erythrozyten betreffen. Durch einen Logik-
Schaltkreis, der in der Fundstelle beschrieben wird, können 14
Zellklassen definiert werden, d. h. jede untersuchte Zelle wird in
eine bestimmte Zellklasse eingeordnet. Folgende Zellklassen werden
definiert:
Nachteilig bei dem bekannten Verfahren ist, daß es nach dem Verfahren
sehr schwierig ist, die Zellen aufgrund ihrer Morphologie
und Farbe genau zu unterteilen, insbesondere, wenn ihre jeweiligen
Flächen oder Größen und Formen überlappen und ihr jeweiliges prinzipielles
Unterscheidungsmerkmal die Konfiguration ihres jeweiligen
zentralen Blaßbereich (oder ein Fehlen eines solchen Bereichs,
auch Pallor) ist. Der zentrale Blaßbereich ist die dünne, scheibenförmige
zentrale Fläche der roten Blutzellen, die kreisrund und
teilweise ausgeprägt für einige Zellen sein kann. Zum Beispiel
können Scheibenzellen und Normozyten im wesentlichen die gleiche
Größe und Form haben, sich aber in der Konfiguration des Pallor
unterscheiden. Daher sollte die automatisierte Analyse in der Lage
sein, Zellen auf der Basis ihrer inneren Konfiguration ebenso wie
auf der Basis ihrer äußeren Konfiguration zu untersuchen und zu
klassifizieren.
Andere Zellen, wie z. B. mit Nadeln (spiculae) versehene rote Blutzellen,
können die gleiche allgemeine Größe, Fläche und innere
Konfiguration wie Normozyten oder dergleichen haben, sich aber
prinzipiell durch ihre gekerbte, nadelartige Peripherie unterscheiden.
Zusätzlich zu der Schwierigkeit, abnorme Zellen, wie z. B.
Sichelzellen, von anderen spitz zulaufenden Zellen zu unterscheiden,
kann darin liegen, daß sie beispielsweise ähnliche Umfangsmaße,
Größen und Flächen haben, sich aber prinzipiell voneinander
durch die Anwesenheit von gerichteten Vorsprüngen oder Nadeln
unterscheiden. Weiter können andere abnorme Zellen sich nur durch
ihren hinsichtlich der Farbe oder der Dichte gemessenen Hämoglobingehalt
von anderen morphologisch ähnlichen Zellen unterscheiden.
Es ist weiterhin festgestellt worden, daß die Klassifizierung von
Erythrozyten in Subpopulationen nicht immer genügend genau, sondern
daß weitere statistische Beschreibungen dieser Subpopulationen
erforderlich sind. Zum Beispiel können verschiedene änämische Blute
den gleichen Prozentsatz an runden, bikonkaven Zellen haben, aber
eine bemerkenswerte Variation in der Streuung der Zellen hinsichtlich
der Größe, des Hämoglobingehaltes und des Pallors haben. Andere
Anämien können in einem Blut mit dem gleichen Prozentsatz an
spitz zulaufenden oder mit Nadeln versehenen Zellen resultieren,
sich aber signifikant hinsichtlich der Durchschnittsgröße, des
Hämoglobingehaltes oder der Asymmetrie der Verteilung der Gesamtpopulation
relativ zu einer Formmessung unterscheiden.
Es stellt sich damit die Aufgabe, ein Verfahren der eingangs
genannten Art anzugeben, mit dem die Erythrozyten-Populationen mit
größerer Genauigkeit und höherer medizinischer Signifikanz miteinander
verglichen werden können. Es sollen die sogenannten
Standard-Anämien leichter erkennbar sein, wobei das Verfahren
unter Zuhilfenahme bekannter Vorrichtungen durchführbar ist.
Diese Aufgabe wird bei einem Verfahren der eingangs genannten
Art dadurch gelöst,
daß folgende Eigenschaften F n der Erythrozyten für jedes
Erythrozyt aus der Pixel-Datei ermittelt werden:
Größe der Fläche | |
(F₁) | |
Rundheit | (F₂) |
Nadelförmigkeit | (F₃) |
Spitzförmigkeit | (F₄) |
Grauwertsumme | (F₅) |
Pallorvolumen | (F₆) |
Höhe der zentralen Spitze | (F₇) |
Pallortiefe | (F₈) |
Pallorrundheit | (F₉) |
und daß entsprechend der für die einzelnen Erythrozyten gefundenen
Werte F n diese Erythrozyten in Subpopulationen C i aufgeteilt
werden, nämlich in eine der folgenden Populationen:
C₁: bikonkave Zellen
C₂: sphärozytische Zellen
C₃: spitzzulaufende Zellen
C₄: irreguläre Zellen
C₅: Scheibenzellen
C₂: sphärozytische Zellen
C₃: spitzzulaufende Zellen
C₄: irreguläre Zellen
C₅: Scheibenzellen
Bei Anwendung der vorliegenden Erfindung können einige der zeitaufwendigen,
schmerzhaften und/oder teuren Tests, die auf anderen
Prinzipien beruhen, überflüssig werden. Es sind eine Echtzeitanalyse
der Probe der Erythrozyten und ein Erkennen der Standardtypen
von Anämie möglich.
Das vorliegende Verfahren wird durchgeführt mit Hilfe von Mehrfach-
Logiksystemen, die simultan und in einer kontrollierten Beziehung
zueinander arbeiten.
Daher die Fähigkeit, hunderte von roten Blutzellen zu
analysieren, ihre verschiedenen Merkmale abzuleiten und dann die
Parameter für die Subpopulation zum Vergleich mit Anämiestandards
zu definieren.
Die Erfindung wird im folgenden näher erläutert.
Die Erläuterung erfolgt anhand der Zeichnung, die folgende Figuren
umfaßt:
Fig. 1 ist eine perspektivische Ansicht einer Vorrichtung
zur Durchführung der Methode der Blutanalyse;
Fig. 2 ist ein Blockdiagramm, das die Arbeitsweise der
in Fig. 1 dargestellten Vorrichtung zeigt;
Fig. 3 ist ein Blockdiagramm des zur Analyse und Klassifizierung
von Blutzellen bevorzugten Prozesses;
Fig. 4 zeigt eine Abtasttechnik zur Lokalisierung von
Zellen und Bestimmung der Grenzlinienpunkte von
Zellen in einem Bild.
Die Fig. 5a, 5b und 5c sind Flußdiagramme der bevorzugten
Klassifizierungstechnik zur Klassifizierung
der Blutzellen in sich gegenseitig ausschließende
Subpopulationen;
Fig. 6 ist eine schematische Darstellung eines Modells
zur Messung des Pallor von Erythrozyten;
Fig. 7 zeigt eine Iterationsbeschreibung und eine
Analysenmethode für drei schematische Außenlinien
von Erythrozyten;
Fig. 8 ist ein Blockdiagramm des bevorzugten Prozesses
zur Bestimmung, ob eine Zelle rund ist;
Fig. 9a, 9b und 9c sind Diagramme, die die Dicke/
Dichte-Profilmessungen für drei verschiedene,
typisch auftretende Zelltypen veranschaulichen,
gemessen in zwei orthogonalen Richtungen. Diese
Profile werden benutzt, um die Merkmale des
Pallor der Zelle und Merkmale von Scheibenzellen
zu messen. Fig. 9a zeigt eine "flache"
Zelle, die einen geringen oder keinen zentralen
Pallor entwickelt hat.
Die Fig. 10a, 10b und 10c sind Diagramme, die die
Profile der Zellen der Fig. 9a, 9b und 9c
veranschaulichen, mit den Spitzen und Tälern
jedes bezeichneten Profils.
Fig. 11 ist eine schematische Darstellung des bevorzugten
Prozesses zur Akkumulierung von Parametern
der Subpopulationen der roten Blutzellen.
Die Fig. 12a, 12b, 12c, 12d und 12e sind schematische
Darstellungen, die den bevorzugten Prozeß zur
Berechnung der Charakteristika der Subpopulationen
aus den akkumulierten Werten einer Vielzahl
von Zellen veranschaulichen.
Die Fig. 13a, 13b, 13c und 13d sind graphische Darstellungen
der Dichteverteilungen von Subpopulationen
von roten Blutzellen, die normale und
anämische Charakteristika zeigen.
Fig. 14 ist ein schematisches Blockdiagramm des bevorzugten
Prozesses zur Bildung einer Ähnlichkeit
oder einer n-Raum-Entfernung, das Maß zwischen
einem gegebenen Satz von Meßwerten, die ein Blut
beschreiben, und einen gespeicherten Satz von
charakteristischen Werten, die typisch sind für
verschiedene anämische Zustände oder das normale
Blut;
Fig. 15 ist eine graphische Darstellung von Populationsverteilungen
der Messung der Kreisform der
Zellen, die die Unterschiede in der Asymmetrie
dieser Verteilungen veranschaulicht, über alle
Subpopulationen, für normales Blut, verglichen
mit der Sichelzellanämie;
Fig. 16 ist eine graphische Darstellung von Populationsverteilungen
der Messungen des Pallor individueller
Zellen für die beiden Subpopulationen
Bikonkav und Sphärozyt, die die Unterschiede in
den Mittelwerten und die Streuung für Blute der
Spherozytose, der normalen und der Eisenmangel-
Anämie veranschaulicht.
Gemäß dem Verfahren werden Erythrozyten automatisch geprüft
und klassifiziert in verschiedene Zellsubpopulationen,
nämlich eine sphäreozytische Zellsubpopulation, eine
Subpopulation spitz zulaufender Zellen, eine Subpopulation
von Zellen mit irregulärer Form, eine Scheibenzell-
Subpopulation und eine generell runde und bikonkave
Zellsubpopulation. Anschließend kann eine Vielzahl von charakteristischen
Werten für die Subpopulationen des Patienten
und die Population der Zellen insgesamt im Vergleich mit
charakteristischen Differenzwerten, die eine bekannte
Anämie definieren, erzeugt werden. Beispielsweise sind die ausgewählten
charakteristischen Werte, die eine gegebene
Anämie identifizieren, gefunden worden und werden im
folgenden für die folgenden Anämien (A.) angegeben:
Eisenmangel-A., chronische A., Thalassämie, megaloblastische
A., Hämoblobin-SS-A., Hämoglobin-SC-A. und
Kugelzellenanämie. Ebenso sind charakteristische Referenzwerte,
die ein normales Blut, d. h. im wesentlichen
alle normozytischen Zellen oder dergleichen, definieren,
entwickelt worden und werden im folgenden angegeben.
Der Kliniker kann auch Werte der Streuung einer Population
oder Subpopulation der roten Blutzellen im Blut eines
Patienten in bezug auf Charakteristika, wie z. B. Hämoglobin,
mittlere Zellgröße oder -fläche oder Form und
Blaßbereich erhalten. Die Häufigkeitsverteilung der
Größe und des Hämoglobingehalts der roten Zellen hat für
jede Zelle generell die Form eines elliptisch geformten
Profils mit Achsen unter 45° und 135°, wie am besten in
den Fig. 13a bis 13d zu sehen ist. Die
Länge und Breite als Maße der Häufigkeitsverteilung und
die Lokalisierung des Profils durch Messung der Mittelwerte
können erhalten werden, um dem Kliniker einen Eindruck
des Gesamtzustandes der Zellen des Patienten zu
verschaffen. In ähnlicher Weise werden Messungen der
Verteilungsfunktion und der Asymmetrie der Pallorverteilung
und ihrer Form durchgeführt, um den Gesamtzellzustand
auf der Basis der Gesamtzellpopulation oder auf
der Basis von Subpopulationen weiter zu quantifizieren,
wie in den Fig. 15 und 16 gezeigt.
Der Anämie-Patient hat generell Schwierigkeiten, neue
normocytische, rote Blutzellen herzustellen, oder seine
vorhandenen roten Blutzellen werden zu einem abnormen Anteil
oder durch einen abnormen Prozeß zerstört. Rote
Blutzellen haben typisch eine Lebenszeit von etwa 120
Tagen, und ihre Entstehung, Wachstum und Tod sind ein
kontinuierlicher Prozeß. Eine anämische Krankheit manifestiert
sich allgemein darin, daß die Blutzellen ungewöhnliche
Größen oder Formen haben, verglichen mit
einer Normalprobe, die hauptsächlich runde, normocytische
rote Blutzellen enthält, oder darin, daß die Blutzellen
Hämoglobin-Charakteristika haben, die sich von den
Hämoglobin-Charakteristika für normale Blutzellen unterscheiden.
Daher werden, da die zur Zeit existierenden
Zellen in einem normalen Patienten, der gerade einen
anämischen Krankheitsprozeß durchmacht, eine Lebensdauer
von 120 Tagen haben, neue Zellen mit unterschiedlichen
Charakteristika dazu neigen, eine größere Streuung
der Messung der Population zu produzieren, wenn
Proben genommen und untersucht werden (vgl. Fig. 13e
und 13a). Solche Information gibt dem Kliniker
Kenntnis über die Anwesenheit irgendeiner früher visuell
beurteilten Anisozytose, d. h., er findet einen großen
Wert der Größenvariationen der Zelle und ebenso Variationen
im Hämoglobingehalt. Die Verteilung über das mittlere
Zellhämoglobin und die mittlere Zellgröße ergibt Informationsmaterial
gemäß den Fig. 13a bis 13d.
Jede der spezifizierten Anämien kann durch 16 gespeicherte
Parameter oder Eigenschaften identifiziert werden.
Das Blut des Patienten wird
analysiert auf einer individuellen Zellbasis, wobei jede
Zelle in einer Subpopulation C i klassifiziert wird, und dann
Parameter, wie mittlere Zellgröße, mittleres Zellhämoglobin
und der Prozentsatz an Subpopulations-Zellen in der
Gesamtzellpopulation entwickelt werden, um über die
Subpopulation Resultate zu geben.
Um die Analyse der individuellen Zellen, ihre Klassifizierung
in Subpopulationen und den Vergleich der Variablen
der Blutsubpopulationen auf Echtzeitbasis zu erhalten,
wird das Verfahren mittels erster und zweiter Logik-
Schaltungen ausgeführt, die simultan arbeiten und in einer
kontrollierten Weise sich die Arbeit teilen. Das
Verfahren berücksichtigt, daß eine normale Blutprobe
generell einen sehr hohen Prozentsatz an runden
Zellen mit einem identifizierbaren, zentralen Pallor
hat der in eine gewöhnliche Subpopulation eingeordnet
werden kann, die bikonkave Zellsubpopulation genannt
wird, und daß sieben verschiedene Anämien identifiziert
werden können, wenn man nur vier andere Subpopulationen
mit dieser bikonkaven Subpopulation verwendet. Man muß
jedoch verstehen, daß die vorliegende Erfindung nicht auf
irgendwelche Subpopulationen begrenzt ist.
Gemäß den Fig. 1 und 2 ist zur Durchführung des Verfahrens
eine Vorrichtung 10 vorgesehen, die ein mikroskopisches, digitales
Bildbearbeitungs- und Mustererkennungssystem enthält,
das eine einzellige Schicht von Erythrozyten
auf einem Objektträger 12 untersucht, wobei die Zellen
räumlich voneinander getrennt sind. Eine geeignete
hochauflösende Mikroskopoptik 14 bildet ein optisches Bild
für jedes Erythrozyt auf einer Vidikon-Fernsehkameraröhre
oder einem anderen Detektor 16 ab, der die elektronische
Ladungsverteilung des optischen Bildes Punkt für
Punkt in ein numerisches oder digitalisiertes Bild umwandelt,
das die optische Durchlässigkeit der Punkte in
jedem Bild darstellt. Das Ausgangssignal der Vidikon-
Kamera wird auf eine Digitalisier-Elektronik gegeben,
die einen Analog-Digitalwandler enthält, der verbunden
ist mit einer Bildverarbeitungslogik 22, die die Digitalisier-
Elektronik 20 kontrolliert und die digitalisierten
Zellbilder empfängt und in einem Speicher speichert.
Die Bildverarbeitungslogik 22 arbeitet mit den
digitalisierten Zellbildern in einer Weise, die im folgenden
beschrieben wird und die die Ableitung von Zellmerkmalen
und die Zellklassifizierung einschließt.
Eine geeignete Schrittschaltmotorvorrichtung 24 wird
durch eine Schrittschaltmotorelektronik 26 versorgt und
kontrolliert, die wiederum von einer Hauptkontroll-
Logik 28 kontrolliert wird. Der Schrittschaltmotor 24
ist vorgesehen, um den Objektträger 12 zu verschieben,
um wiederholend verschiedene Bildflächen der Blutprobe
auf dem Objektträger zu verarbeiten. Um die Fokussierung
des Mikroskops zu kontrollieren, ist ein Fokussierantrieb
30 mit dem Mikroskop verbunden, die von
einer Elektronik 32 gesteuert wird, die ebenso von
der Hauptkontroll-Logik 28 durch die Fokusparameter-
Elektronik 34 kontrolliert wird.
Die in Fig. 1 gezeigte Vorrichtung 10 schließt ein
Gehäuse 38 ein, das einen Deckel 40 aufweist und die
Mikroskopoptik 14 und die Fernseh-Vidikon-Kamera 16
enthält. Ein oberer Abschnitt 42 des Gehäuses 38 enthält
die Kontrollschalter des Apparates, der nächsttiefere
Abschnitt 44 enthält die Hauptkontroll-Logik 28 mit den
darunterliegenden Teilen 46 und 47 des Gehäuses, die
den Speicher für die Bildverarbeitungslogik 22 und die
Motorelektronik 26 und 32 enthalten. Ein Anschlußkasten
48 ist mit der Hauptkontroll-Logik 28 verbunden und hat
eine Tastatur 50 zur Eingabe von identifizierender Information
über die Probe oder für andere Instruktionen.
Ein Überwachungsbildschirm 52 bietet eine visuelle Darstellung,
und vorzugsweise wird auch ein Drucker
54 verwendet. Ein Fernsehmonitor 55 liefert bildliche
Darstellungen. Die Fernsehkameraelektronik ist in
einer Abteilung 49 unterhalb des Monitors enthalten.
Die nächsttiefere Abteilung 51 enthält den Analog-Digitalwandler.
Die erste Abteilung 53 enthält die Bildverarbeitungslogik
22. Die Ergebnisse der Analyse der roten
Zellen können auch zur Speicherung in eine Computer-Datenbank
übertragen werden.
Ein Hämoglobincharakteristikum, das aus der
Analyse der Hämoglobingehalte der individuellen Zellen
innerhalb einer gegebenen Subpopulation erhalten und
gemeldet wird, ist der mittlere Zellhämoglobinwert (MCH)
für eine gegebene Subpopulation, wie in Tabelle 1 gezeigt.
Zusätzlich zu den Hämoglobinparametern werden
die individuellen Zellen jeder Subpopulation gezählt,
um ihren jeweiligen Prozentsatz an der Gesamtpopulation
zu erhalten; in gleicher Weise kann die mittlere Zellfläche
(MCA) für jede Subpopulation gemeldet werden,
wie in der Tabelle 1 gezeigt. Es hat sich als hilfreich
herausgestellt, bei der Anzeige von Abnormitäten in
Blutproben die Häufigkeitsverteilungen der roten Blutzellen
auf einzelne Subpopulationen der Probe in Hinblick
auf eine Vielzahl von quantifizierbaren Merkmalen zu
bestimmen. In dieser Hinsicht ist eine Häufigkeitsverteilung
als eine Verteilung von runden, bikonkaven Zellen
in Fig. 13a gezeigt. Vorzugsweise sind die Zellfläche
auf einer Achse und der Zellhämoglobingehalt auf
der anderen Achse aufgetragen.
Durch ein Meß- und Analysenverfahren, das noch zu beschreiben
ist, werden Parameter gefunden, die diese Verteilung
im Hinblick auf ihre zentrale Anordnung oder ihre Mittelwerte
über die Vielzahl von Variablen und ihre Variabilität,
Ausbreitung oder Streuung beschreiben. Die mittlere
Zellfläche und der mittlere Hämoglobingehalt beschreiben
den Mittelpunkt der Verteilung und werden, wie in Tabelle
1 gezeigt, registriert. Zwei weitere statistische Parameter
EV 1 und EV 2 werden in Tabelle 1 wiedergegeben
und beschreiben die Varianz der Streuung der Verteilung
in den orthogonalen Richtungen ihrer größeren und kleineren
elliptischen Ausdehnung. EV 1 und EV 2 stehen für
Eigenwert 1 bzw. Eigenwert 2 und beschreiben die Streuung
oder Ausbreitung der Verteilung. Wenn die Punkte der
Verteilung als eine Ellipse definierend angenommen werden,
können EV 1 und EV 2 als sich auf die Länge und Breite
der Ellipse beziehend angesehen werden. Vorteile, die
man aus der Angabe von Parametern erhält, die sich auf
eine Verteilung einer speziellen Subpopulation beziehen,
werden ausführlicher im folgenden beschrieben.
Weitere Parameter, die in Tabelle 1 angegeben sind,
schließen das mittlere Volumen des Blaßbereiches (PAL)
für die bikonkaven und sphärozyten Zellen ebenso wie die
Standardabweichung für die Verteilung der bikonkaven
und sphärozyten Zellen im Hinblick auf das Volumen der
zentralen Blaßbereiche ein. Die Standardabweichung des
Pallors (PLD) ist ein Parameter, der die Varianz der
Verteilung dieses Meßwertes über diese Subpopulationen
von Zellen beschreibt. Ein anderer dargestellter Parameter
ist die "Asymmetrie" (SKW), die ein Maß ist für
die Asymmetrie der Verteilung aller Zellen im Hinblick
auf das quantifizierbare Merkmal 2 (Umfangskreis der
Zelle), die Flächengestalt der Zelle.
Wie in Tabelle 1 zu sehen ist, ist es auch möglich,
die Gesamtpopulation oder den durchschnittlichen
Zellhämoglobinwert, ebenso wie die durchschnittliche
Zellfläche (die in Beziehung steht zur durchschnittlichen
Zellgröße), zusätzlich zu den anderen vorgeschlagenen
Parametern zu erfassen. In dieser Tabelle
sind die Werte in der mit "Durchschnittsparameter"
bezeichneten Zeile angegeben.
Die aufgeführten Subpopulationen C₁-C ₅ sind geeignet
zur Klassifizierung von Blut hinsichtlich der bekannten
Arten von Anämien. Die mittlere Zellfläche (MCA) ist
angegeben in Mikrometer² (µ²) und der mittlere Zellhämoglobingehalt
(MCH) ist angegeben in Picogramm (pg).
Unter Verwendung der gefundenen Werte für die Subpopulationen
C₁ bis C₅ können Blutproben analysiert werden
durch "Ähnlichkeits"- oder "Distanzmessungen". In der
bevorzugten Ausführungsform werden 24 Parameter für
die Subpopulationen der dem Patienten entnommenen Blutprobe
gemessen. Von diesen werden 16 gebraucht, um
für die untersuchte Blutprobe einen Punkt in diesem
16-Parameter-Raum zu definieren. Folglich definieren
die typischen Parameterwerte für eine bestimmte Anämie
auch einen Punkt in dem 16-Parameter-Raum.
Die Entfernung
des Punktes, der die Werte der von dem Patienten
genommenen Blutprobe repräsentiert, zu jedem der
Punkte, die die typischen Parameterwerte für jede der
Kategorien von Anämie repräsentieren, bestimmt werden.
Der Arzt könnte also bestimmen, welcher der Kategorien
von Anämie die dem Patienten entnommene Blutprobe am
ähnlichsten ist und kann eine Diagnose auf der Grundlage
dieser Information stellen. Alternativ könnte eine
einfache Entscheidungslogik die wahrscheinlichste Diagnose
aufzeigen. Die normalisierte Entfernung der Parameterwerte
für eine Blutprobe ist für eine Normalkategorie
von Blut ebenso wie für die erkannten Kategorien
von Anämie in Tabelle 1 gezeigt. Wie man in Tabelle 1
sieht, ist diese spezielle Blutprobe dem Normalzustand
am ähnlichsten, da 0,9 weniger ist als irgendeine andere
festgestellte Entfernung und daher das Blut am
stärksten normalem Blut ähnelt.
Mit Hilfe einer multiplen Parallellogik ist eine schnelle
Verarbeitung möglich,
die
für eine effiziente Analyse von Zellen auf einem Objektträger
notwendig ist. Daher sind
eine erste Verarbeitungsvorrichtung,
die Hauptkontroll-Logik 28, und eine zweite Verarbeitungsvorrichtung,
die Bildverarbeitungslogik 22, vorgesehen,
wie in Fig. 3 gezeigt. Die Analyse der Zellen
auf dem Objektträger erfordert die Durchführung einer
Folge von Operationen und, da eine Operation häufig die
Ergebnisse einer vorhergehenden Operation erfordert,
sind Synchronisierungsvorrichtungen vorgesehen zur Synchronisierung
der Verarbeitung. Die Resultate, die notwendig
sind, um eine bestimmte Operation durchzuführen,
stehen zur Verfügung, wenn diese Operation beginnt.
Fig. 3 zeigt die spezifische Beziehung zwischen der Hauptkontroll-
Logik 28 und der Bildverarbeitungslogik 22.
Aufgrund dieser multiplen Parallellogik kann die Hauptkontroll-
Logik eine Aufgabe oder Operation durchführen,
während die Bildverarbeitungslogik eine andere Operation
durchführt.
Wie in Fig. 3 zu sehen, sind die Operationen, die durch
die Hauptkontroll-Logik 28 durchgeführt werden, in der
linken Spalte und die Operationen der Bildverarbeitungslogik
22 in der rechten Spalte aufgelistet. Die Hauptkontroll-
Logik geht nach Löschung der ihr angeschlossenen
Speicher zu der Operation 56 vor, in der ein Startsignal
zu der Bildverarbeitungslogik geschickt wird, und fährt
danach mit Operation 58 fort. Die Bildverarbeitungslogik
wartet in der Zeit auf das Startsignal (Operation
60) von der Hauptkontroll-Logik. Nach Empfang des
Startsignals geht die Bildverarbeitungslogik 22 weiter
zu Operation 62, welche die Digitalisierung des von
der Vidikon-Kamera 16 produzierten Bildes einschließt
(Fig. 2). Nach Vollendung der Digitalisierung schickt
die Bildverarbeitungslogik ein Signal "Digitalisierung
durchgeführt" (Operation 64) zu der Hauptkontroll-Logik,
wodurch sie die Beendigung des Digitalisierungsprozesses
anzeigt, und geht dann weiter zu Operation 66. Die
Operation 58 der Hauptkontroll-Logik wartet derzeit auf
das Signal "Digitalisierung durchgeführt" und geht nach
dessen Empfang weiter, um die Halterung zu bewegen (Operation
60), auf der der Objektträger ruht, so daß ein
neues Feld von Zellen abgebildet werden kann, da das
vorhergehende Feld bereits durch die Bildverarbeitungslogik
22 digitalisiert worden ist.
Die Optik 14, Fig. 2, bietet ein Mittel, die auf dem Objektträger befindlichen
Zellen abzubilden. Der Schrittschaltmotorantrieb
24 und der Fokussierungsmotorantrieb 30 und die ihnen
zugeordnete Elektronik werden durch die Hauptkontroll-
Logik 28 kontrolliert. Nach Bewegung des Halters, so
daß ein neues Feld abgebildet werden kann, geht die
Hauptkontroll-Logik zu Operation 70 vor, in der das
Feld fokussiert wird, und geht dann weiter zu Operation
72.
Nach Übermittlung des Signals "Digitalisierung durchgeführt"
tastet die Bildverarbeitungslogik das digitalisierte
Bild nach einem Zellgrenzpunkt ab (Operation 66).
Wenn ein Zellgrenzpunkt gefunden ist (Operation 74),
leitet die Bildverarbeitungslogik die Grenze und Merkmale
der Zelle ab (Operation 76) und klassifiziert die
Zelle zu ihrer richtigen Subpopulation (Operation 78).
Die Bildverarbeitungslogik kehrt dann zurück zu Operation
66 und fährt fort mit der Abtastung des Bildes nach
einem anderen Zellgrenzpunkt. Das Abtasten, die Ableitung
von Merkmalen und die Operationen zur Klassifizierung
der Zelle werden ausführlicher im folgenden beschrieben.
Wenn der Logikabschnitt 74 festlegt, daß
ein neuer Grenzpunkt nicht gefunden wurde, geht die Bildverarbeitungslogik
weiter zu Operation 80, in der die
Merkmale jeder lokalisierten Zelle ebenso wie die Klassifizierung
jeder Zelle nach Subpopulationen zur Hauptkontroll-
Logik übermittelt werden, die währenddessen die
Operationen 68, 70 oder 72 durchführt. Die Übermittlung
der Information geschieht auf einer Unterbrechungsbasis,
d. h., sollte die Hauptkontroll-Logik mit dem Prozeß
beschäftigt sein, die Abbildungsvorrichtung zu kontrollieren
(Operation 68 oder 70), unterbricht die Hauptkontroll-
Logik diese Operation und speichert die von
der Bildverarbeitungslogik empfangene Information, bevor
sie damit fortfährt, den Halter zu bewegen und das
Mikroskop zu fokussieren. Wenn jedoch diese Operationen
bereits vollendet sind, geht die Hauptkontroll-Logik
weiter zur Operation 72, in der die Hauptkontroll-
Logik auf die Daten von der Bildverarbeitungslogik wartet.
Als Antwort auf den Empfang der Daten schickt
die Hauptkontroll-Logik ein Bestätigungssignal zu der
Bildverarbeitungslogik (Operation 82) und geht dann weiter
zu Operation 84, in der die Daten der Subpopulationen
für jede Subpopulation aufgenommen werden, wie ausführlicher
im folgenden erklärt wird.
Nach Empfang des Bestätigungssignals fährt die Bildverarbeitungslogik
fort, das Bild des neuen Feldes, das
durch die Hauptkontroll-Logik in das Beobachtungsfeld
bewegt worden ist, zu digitalisieren. Die Hauptkontroll-
Logik bestimmt nach Vollendung der Aufnahme der Daten
der Subpopulation in einem Logikabschnitt 88, ob N, die
Gesamtzahl der verarbeiteten Zellen, gleich 1000 ist.
Wenn noch keine 1000 Zellen verarbeitet worden sind,
kehrt die Hauptkontroll-Logik zurück zu Operation 58
und wartet auf das Signal "Digitalisierung durchgeführt"
von der Bildverarbeitungslogik, anderenfalls berechnet
die Hauptkontroll-Logik die Parameter der Subpopulation
(Operation 90), fährt fort mit einer Anämieklassifizierung
(Operation 100) und druckt die Ergebnisse (Operation
102), wie ausführlicher unten erklärt wird.
Aufgrund dieser Programmierung ist die Hauptkontroll-
Logik frei, die Abbildungsvorrichtungen zu kontrollieren,
in denen ein neues Feld zur Abbildung in das Beobachtungsfeld
gebracht wird, während die Bildverarbeitungslogik
mit der Digitalisierung und Analyse des Bildes
des vorhergehenden Feldes fortfährt. Ähnlich kann, während
die Hauptkontroll-Logik die aus dem Bild durch die
Bildverarbeitungslogik abgeleiteten Daten akkumuliert,
die Bildverarbeitungslogik simultan ein neues Bild des
neuen Feldes, das durch die Hauptkontroll-Logik in das
Beobachtungsfeld gebracht worden ist, digitalisieren
und analysieren. Es sollte angemerkt werden, daß, obwohl
zum Zweck der Veranschaulichung nur eine Bildverarbeitungslogik
beschrieben und an die Hauptkontroll-Logik angeschlossen
ist, diese in der Lage ist, Informationen
von verschiedenen Bildverarbeitungslogiken, die parallel
und unabhängig an verschiedenen Bildern arbeiten, zu
verarbeiten.
Zellklassifizierungen werden dadurch erhalten, daß man weiße
Blutkörperchen und andere Artefakte für die Optik 14
durch den Gebrauch von Licht, das eine optische Wellenlänge
von ungefähr 415 Nanometer hat, im wesentlichen
unsichtbar macht. Bei dieser Wellenlänge werden die
roten Blutkörperchen für die ultra-violett empfindliche
Vidikon-Kamera ohne eine Anfärbung relativ im Kontrast
verstärkt, während die weißen Blutkörperchen und andere
geformte Elemente im wesentlichen unsichtbar sind. Das
Färben der roten Blutzellen vor ihrer Analyse durch eine
mikroskopische Bildverarbeitungstechnik hat sich als zeitaufwendiger
Prozeß und ebenso als unerwünscht herausgestellt
dadurch, daß das Färben eine Zahl von gefärbten
Artefakten hervorrufen kann, die die Genauigkeit der
Analyse beeinträchtigen. Weiterhin besteht bei vielen
der Färbungen kein stöchiometrisches Verhältnis zwischen
der Hämoglobinkonzentration und der Dichte, so daß sie
die Quantifizierung des Hämoglobingehaltes der Zelle, bezogen
auf die Zelle, verfälschen.
Die Lokalisierung des Zellbildes, die Identifizierung
und die Ableitung von Merkmalen sind, wie unten beschrieben,
durch Festlegung des Ortes und Bestimmung
der Zellen durch einen Grenzprozeß, der die Zellen in
Form eines oktalen Code definiert, stark vereinfacht
worden. Der Gebrauch eines oktalen Code als Bildverarbeitungsprozeß-
Technik ist in einer Veröffentlichung von
Freeman, H., Computer Processing of line-drawing images,
ACM Computing Surveys 6:57, 1974, beschrieben worden.
Der Oktalcode erlaubt die Ableitung folgender Merkmale:
- 1. Zellgröße,
- 2. Messung der Länge des Umfanges und der Rundheit der Form,
- 3. Messung irregulärer Formen und
- 4. Messung spitz zulaufender Formen.
Hierauf folgen die Ableitung der summierten Dichte oder
des Hämoglobingehaltes und dann Querschnittsabtastungen
(Dicke/Dichteprofile) zur Messung des Pallor und zur
Bestimmung von Scheibenzellen. Schließlich werden die
Grenzen des Pallor bestimmt und die Merkmale zur genaueren
Identifizierung von Scheibenzellen analysiert.
Nachdem diese Identifizierungsmerkmale abgeleitet worden
sind, werden die Zellen kategorisiert durch eine Klassifikationsvorrichtung.
Die bevorzugten Klassifikationsvorrichtungen
(Fig. 5a, 5b, 5c) enthalten entweder
ein digitales Logiksystem elektrischer Vorrichtungen
oder einen programmierten Mikroprozessor, der zur Klassifizierung
der roten Blutzellen eine Boolesche Logik
verwendet.
Die Bilder der Zellen werden in einer Art digitalisiert
(Operation 62 der Fig. 3), die nach dem Stand der Technik
bekannt ist.
Es wird jetzt Bezug genommen auf die Fig. 4, die ausführlicher
die Operation 66 (Fig. 3) der Bildverarbeitungslogik
veranschaulicht. Ein Originalmikroskopbild, das
digitalisiert worden ist, wird zum Zwecke weiterer
Analysen gespeichert, wie dargestellt durch das Bild
108. Diese Analyse wird durch die Bildverarbeitungslogik
durchgeführt und ist durch die mit 115 bezeichneten
Blocks dargestellt, die die Operationen 76 und 78
einschließt (Fig. 3). In dieser bevorzugten Ausführungsform
der Erfindung werden individuelle Zellen
110 und 112 in einem digitalisierten Bild 108 durch
eine Technik lokalisiert, bei der eine Rasterabtastung
des digitalisierten Bildes durchgeführt wird, um Objekte
oberhalb einer kritischen Schwelle zu lokalisieren, wie
es für die Zelle 110 in Block 113 veranschaulicht ist.
Der Rand der Zelle wird durch Überprüfung der Nachbarpixelelemente
durch eine Suche entgegen dem Uhrzeigersinn
bestimmt. Eine solche Technik ist offenbart in dem
US-Patent 33 15 229.
Während dieser Operation der Bestimmung des Randes entgegengesetzt
dem Uhrzeigersinn werden das Bildelement an der Spitze der Zelle,
Pixel 114 a, das gewöhnlich das zuerst bestimmte Pixel ist, und dasjenige
am Boden der Zelle, hier Pixel 114 f, als Referenz für die
spätere Analyse gespeichert. Der
Analysenprozeß geht dann weiter zur Ableitung von Merkmalen
und zur Klassifizierung der lokalisierten Zelle
in eine Subpopulation (Block 115), wie im Detail beschrieben
wird.
Die Rasterabtastung des digitalisierten Bildes wird dann
vom Boden-Pixel 114 ausgehend fortgesetzt, um die nächste
digitalisierte Zeile 112 durch Aufnahme eines Pixels 112 a
zu treffen, das oberhalb der Schwelle ist, wie in Block
116 zu sehen ist. Nachdem der Rand bestimmt ist, die
Merkmale für diese Zelle abgeleitet sind und die Zelle
klassifiziert ist, fährt die Rasterabtastung vom Boden-Pixel
112 ausgehend fort, und, wie in Block 118 zu sehen, sind
keine weiteren Zellen in dem Bildfeld mehr lokalisiert.
Zu dieser Zeit überträgt die Bildverarbeitungslogik die
Zellmerkmale und die Subpopulationsklassifizierung auf
die Hauptkontroll-Logik (Operation 80), wie in Fig. 4
gezeigt.
Der Beginn der Bildverarbeitung, die durch die Bildverarbeitungslogik,
wie in Fig. 3 dargestellt, durchgeführt
wird, ist ausführlicher in Fig. 5a gezeigt.
Nachdem das Bild digitalisiert worden ist (Operation
62), wird das Bild abgetastet, um eine Zelle zu lokalisieren
(Operation 66), und ihr Rand wird bestimmt, wie
oben erklärt.
Während dieser Operation der Randbestimmung werden in
einer Operation 119 Oktalkettencodes gebildet. Der äußere
Rand, der eine Zelle definiert, wird in der folgenden
Weise verarbeitet: Jedes Pixelelement, das den Rand definiert,
wird in einer Liste als eine Serie von Zahlen
gespeichert, die eine lineare Beschreibung der Zelle
darstellen. Als Beispiel ist in Fig. 7 ein digitales
Bild von Zellen dargestellt, wie sie durch ihre Randpixel
120 definiert werden.
Wie bereits erwähnt, können die Eigenschaften F₁ bis F₅ aus der
eingangs genannten Literaturstelle als bekannt vorausgesetzt werden.
Insgesamt berechnen die Schaltkreise gemäß Verfahren folgende Werte
nach Tabelle 2:
Die Merkmale F₁ bis F₄ werden
durch die Bildverarbeitungslogik
berechnet, wie in Fig. 5a gezeigt. Merkmal F 1 bezieht
sich auf die Fläche oder Größe der Zelle und wird bestimmt
aus der Zahl der Bildelemente oder Pixel, die
vom Zellrand eingeschlossen werden. Merkmal F 2 ist das
Quadrat des Randumfanges bezogen auf die Fläche und
hilft bei der Klassifizierung runder und nichtrunder
Objekte. Ein rundes Objekt würde den theoretischen
Wert 4π haben, und nichtrunde Objekte haben größere
Werte.
In der Praxis variiert der durch Division des Umfangsquadrates
durch die Fläche gewonnene Wert für runde
digitalisierte Objekte als Funktion der Zahl von Pixeln
und schließt zusätzlich immer noch den Fehler durch die
Quantelung ein, so daß in der Praxis für gequantelte
Kreise der Wert etwa 14,0 beträgt und sich dieser Referenzzahl
um so besser nähert, je mehr die Zahl der Pixel
oder die Größe eines Objektes zunimmt. Für Gesamtzellflächen
oberhalb 500 Pixeln ist der Fehler durch die
Quantelung kleiner als ±0,2 Einheiten.
Die Merkmale F 3 und F 4 beziehen sich auf die mit Nadeln
versehenen bzw. die spitz zulaufenden Formen, wobei
F 3 ein Maß für die Zahl der Nadeln in einem Kettencoderand
und F 4 ein Maß für die Nichtrundheit aufgrund
der spitz zulaufenden Form des Randes ist, wie in Fig. 7
gezeigt. Merkmal F 5 ist die integrierte optische
Dichte der Zelle (Operation 136). Es ist die Summe der
Grauwerte, innerhalb des Randes der Zelle. Merkmal F 6,
das ein Maß für Volumen der Blässe ist, hilft bei der
Unterscheidung von Zellen mit großem Blaßbereich, wie
z. B. hypochromen Zellen im Unterschied zu Normozyten.
Merkmal F 7 ist gleich der größeren der zwei zentralen
Spitzen von zwei senkrechten Dicke-Dichte-Querschnittsprofilen
mit drei Spitzen, von denen jedes eine zentrale
Spitze hat. Es wird gebraucht, um Scheibenzellen anzuzeigen.
Merkmal F 8 ist ein Maß für die Tiefe des zentralen
Blaßbereichs und wird aus zwei senkrechten Dicke-
Dichte-Querschnittprofilen mit zwei Spitzen bestimmt.
Merkmal F 9 ist ein Maß für den Grad der Rundheit des
Blaßbereichs selbst und wird auch zur Erkennung von
Scheibenzellen gebraucht.
Die logischen Entscheidungen zur Bestimmung der verschiedenen
Merkmale, die kurz beschrieben worden sind, werden
durch die Bildverarbeitungslogik unter Benutzung des
in den Fig. 5a, 5b und 5c gezeigten Logikflußdiagramms
durchgeführt. Die logischen Entscheidungen werden unter
Benutzung der verschiedenen Merkmale zusammen mit Schwellwerten,
die als T 1 bis T 11 identifiziert sind, getroffen.
Die Schwellwerte T 1 bis T 11 werden in Tabelle 5
beschrieben. Wie dort gezeigt, werden die Schwellwerte
von der Logik zusammen mit den verschiedenen Merkmalen
zu logischen Entscheidungen verwendet, die zu der Klassifizierung
der interessierenden Zelle in Übereinstimmung
mit dem in den Fig. 5a, 5b und 5c gezeigten Flußdiagramm
führen. In dieser Hinsicht veranschaulichen
die Fig. 5a, 5b und 5c verschiedene Entscheidungen,
die auf der Basis verschiedener Merkmale, die entweder
gewisse Schwellwerte über- oder unterschreiten, getroffen
werden.
Entsprechend Fig. 5a wird ein lokalisiertes Objekt
von dem Logikabschnitt 138 untersucht, um zu bestimmen,
ob es für eine Zelle ausreichend groß und nicht ein
Rausch- oder Schmutz-Artefakt ist. Wenn Merkmal F 1,
welches die Größe oder Fläche des betrachteten Objektes
ist, kleiner als der Schwellwert T 1 ist, der ein Wert
von ungefähr 6 Mikrometer² sein kann, dann wird das
Objekt von der Entscheidungslogik nicht in Betracht gezogen
und ein anderes Objekt wird zur Analyse und Klassifizierung
ausfindig gemacht. Wenn jedoch die Fläche der
Zelle größer als der Schwellwert T 1 ist, wird das Merkmal
F 5 in der Operation 136 berechnet, in der das Hämoglobingehalt
der Zelle bestimmt wird. Dieses ist einfach
eine Summierung der Grauwerte innerhalb des Randes der
durch den Kettencode gegebenen Zelle und dann eine Division
durch einen Konversionsfaktor 1290 oder dergleichen,
um die Grauwert-Meßwerte in Picogramm-Hämoglobin/
Zelle umzuwandeln.
Zu diesem Zweck sollte die Elektronik, die das Fernsehsignal
erzeugt und digitalisiert, so eingestellt sein,
daß sie Grauwerte erzeugt, die mit der folgenden optischen
Dichte bei 418 Nanometer korrespondieren:
Optische Dichte | |
Grauwert | |
0,134 | |
17 | |
0,294 | 35 |
0,403 | 52 |
0,505 | 43 |
0,605 | 57 |
Auch sollten zur Berechnung des Hämoglobins und der
Fläche die Optik und die Fernsehelektronik so eingestellt
sein, daß runde Objekte der folgenden Größen
die angegebene Zahl von Pixeln produzieren:
Größe (Mikrometer²) | |
Pixel | |
111 | |
1850 | |
93 | 1550 |
77 | 1283 |
58 | 967 |
34 | 567 |
23 | 383 |
17 | 283 |
4 | 67 |
Die Entscheidungslogik entscheidet dann, ob die Zelle
rund ist oder nicht. Dies wird durch einen Logikabschnitt
durchgeführt, der generell mit 140 indiziert ist. Wie
Fig. 8 zeigt, enthält der Logikabschnitt 140 die Logikunterabschnitte
142, 144 und 146. Die Unterabschnitte
142, 144 und 146 können gemeinsam die Entscheidung über
die Rundheit zusammen mit den Merkmalen F 2, F 3 und F 4
durchführen, die unter Berücksichtigung der Schwellwerte
T 4, T 5 und T 6 untersucht werden. Wenn die Zelle
einen kleinen Rundheitswert, einen kleinen Wert für eine
mit Nadeln versehene Form und einen kleinen Wert für
eine spitz zulaufende Form hat, dann wird angenommen,
daß sie rund ist, und sie wird der nächsten Operation
148 (Fig. 5a) unterworfen, die der erste Schritt in
der Analyse von Scheibenzellen und der Analyse der zentralen
Blässe ist. In ähnlicher Weise arbeitet, wenn bestimmt
worden ist, daß die Zelle nicht rund ist, der
Logikunterabschnitt 150 (Fig. 5a), um zu bestimmen,
ob die Größe der Zelle einen oberen Grenzwert T 2 überschreitet,
und wenn sie es tut, wird die Zelle nicht weiter
analysiert, und eine neue Zelle wird betrachtet. Der
Effekt des Unterabschnittes 150 ist es, Doppelzellen zu
eliminieren, wie sie in der bildlichen Darstellung 152
gezeigt sind. Es sollte aus der bildlichen Darstellung
erkannt werden, daß eine solche Doppelzelle den Rundheitstest
nicht bestehen würde, daß sie aber auch nicht eine
nichtrunde Zelle des Typs von Zellen der Klassen 3 und
4 ist. Sie kann daher nicht genau klassifiziert werden,
und aus diesem Grund schließt der Unterabschnitt 150 solche
Zellen von der weiteren Berücksichtigung aus.
Wie schon erwähnt, wird die Rundheit der Zelle durch das
Merkmal F 2 bestimmt, der einen Wert von 14,0 für einen
perfekten Kreis hat und der ansteigt, wenn sich die Form
der Zelle von einem Kreis entfernt. Daher wird der
Schwellwert T 4 so gewählt, daß er eine ziemlich gute
Kreisform anzeigt. Wenn das Merkmal F 2 den Schwellwert
T 4 überschreitet, ist das ein Anzeichen, daß die Form
nicht rund ist. Folglich zeigt der logische Fluß zu dem
Unterabschnitt 150 an, daß das Objekt nicht rund ist.
Wenn Merkmal F 2 nicht größer ist als der Schwellwert
T 2, so ist das ein Anzeichen, daß die Zelle rund ist,
und wenn die Entscheidung der Unterabschnitte 144 und
146 auch eine angemessene Rundheit anzeigen, geht der
logische Fluß weiter zu der logischen Untereinheit 148
(Fig. 5a).
In der Operation 148 werden Dicke-Dichte-Profile aus
dem Zellbild abgeleitet. Diese Profile sind dargestellt
in den Fig. 9a bis 9c und 10a bis 10c. Ein Dicke-
Dichte-Profil wird aus dem Grauwert der Pixel entlang
einer bestimmten Richtung quer durch das Zellbild bestimmt.
Wie vorher angemerkt, wird der Grauwert eines
Pixels durch die Hämoglobindichte an dem Punkt bestimmt.
Es ist gefunden worden, daß der Grauwert einer
Zelle an einem bestimmten Punkt in Beziehung steht zu
der Hämoglobindichte und der Zelldichte an diesem Punkt.
Zwei solcher Dicke-Dichte-Profile, Profil a und Profil b,
sind in Fig. 9a für eine bikonkave Zelle gezeigt,
bestimmt in zwei orthogonalen oder diagonalen Richtungen
a und b. Jeweils zwei Profile sind in den Fig. 9b und
9c für eine Scheibenzelle und eine sphärozytische Zelle
dargestellt. Wie man in Fig. 9b sieht, hat eine Richtung
(Richtung a) praktisch die zentrale Fläche verfehlt.
Da diese Profile benutzt werden, Scheibenzellen zu erkennen
(Merkmal F 7), werden vorzugsweise zwei diagonale
Richtungen analysiert. Daher werden für jede Zelle zwei
Querschnittsprofile bestimmt, wobei sich das Profil auf die
Dicke der Zelle entlang den Punkten der Querschnitte bezieht.
Ein Profil für jede Zelle der Fig. 9 wird in Verbindung
mit den Fig. 10a bis 10c diskutiert. Wie in
Fig. 10a zu sehen, hat das Profil 2 "Spitzen" P 1 und
P 2 und ein "Tal" V 1. P 1 und P 2 sind relative Maxima
des Profils der Zelle im Hinblick auf die Dicke der
Zelle und bestimmen daher die beiden relativen Punkte
maximaler Dicke entlang des Profils. V 1 bestimmt den
relativen Mimumpunkt der Dicke. In ähnlicher Weise
haben die Scheibenzellen 3 relative Maxima P 1, P 2
und P 3 mit zwei relativen Minima V 1 und V 2, wie in
Fig. 10b gezeigt. Die Sphärozyte hat eine Spitze P 1
und kein Tal (Fig. 10c).
Der erste Schritt der Scheibenzellenanalyse ist die
Glättung der beiden Profile, Profil a und Profil b,
in den Operationen 156 und 158, wie gezeigt, die durch
die Bildverarbeitungslogik vor dem Weitergehen zu einer
Logikuntereinheit 160 durchgeführt wird. Die Logikuntereinheit
160 bestimmt, ob ein Profil drei Spitzen hat.
Wenn das zutrifft, reicht sie es weiter zu einer Operation
162, die den halben Durchschnitt der beiden nicht
zentralen Spitzen P 1 und P 3 oder LEV 1 bestimmt. Eine
Logikuntereinheit 164 bestimmt, ob die beiden Täler V 1a
und V 2a kleiner sind als LEV 1. Wenn das zutrifft,
könnte die lokalisierte Zelle eine Scheibenzelle sein.
Die Bildverarbeitungslogik geht dazu über, das Profil
b zu untersuchen. Wenn nicht, sind die Täler im Prodil a
für eine Scheibenzelle nicht tief genug. Die zentrale
Spitze P 2a wird dann in einer Operation 166 gleich 0
gesetzt und Profil a wird in einer Operation 168 zu
zwei Spitzen oder weniger geglättet.
Nachdem Profil a untersucht ist, wird Profil b in der
Logikeinheit 170 auf drei Spitzen untersucht. Wenn die
Logikuntereinheit bestimmt, daß das Profil b drei
Spitzen hat, so wird es zu einer Operation 172 und einer
Logikuntereinheit 174 weitergereicht, in der die beiden
Täler V 2a und V 2b mit LEV 2 verglichen werden, das
der halbe Durchschnitt der beiden nicht zentralen Spitzen
P 1b und P 3b ist wie bei dem Profil a. Wenn die
beiden Täler kleiner sind als LEV 2, wird es weitergereicht
zu einer Operation 176, in der das Merkmal
F 7 bestimmt wird, nämlich welches der größere der beiden
zentralen Spitzen P 2a und P 2b der Profile a und b
ist. Merkmal F 7 wird verglichen mit einem Schwellwert
T 7 in einer Logikuntereinheit 178, und wenn es größer
ist, wird die Zelle als eine Scheibenzelle (C 5) klassifiziert.
Mit anderen Worten: ist die größere der beiden
zentralen Spitzen größer als ein gewisser Schwellwert,
dann wird die Zelle als Scheibenzelle deklariert. Wenn
nicht, sind die zentralen Spitzen der Profile wahrscheinlich
auf Rauschen in der Bildaufnahme und der Digitalisierung
zurückzuführen und nicht auf eine zentrale
Fläche einer Scheibenzelle. In diesem Falle werden beide
Profile zu zwei Spitzen oder weniger in den Operationen
180 und 182 geglättet. Wenn jedoch die Logikuntereinheit
174 bestimmt hat, daß die Täler des Profils b nicht
kleiner als LEV 2 sind, dann wird das Profil b zu einer
Logikuntereinheit 184 weitergereicht, die prüft, ob die
zentrale Spitze des Profils a gleich 0 gesetzt worden
ist. Wenn nicht, kann Profil a eine Scheibenzelle angezeigt
haben. P 2b wird gleich 0 gesetzt und die Untereinheit
176 bestimmt den Maximalwert für F 7.
Wenn die zentrale Spitze P 2a gleich 0 gesetzt worden ist,
dann hat keines von beiden Profilen die Tests in den
Logikunterabschnitten 164 bzw. 174 passiert. Daher ist
die Zelle wahrscheinlich keine Scheibenzelle, und Profil
b wird auch zu zwei Tiefs oder weniger in Operation 182
geglättet. Jedoch könnte es sein, daß einige Scheibenzellen
in dieser Analyse nicht entdeckt werden, daher
werden mit der Zelle andere Tests durchgeführt, wie später
erklärt wird.
Nachdem die zentralen Spitzen des Profils a und b untersucht
worden sind, wie oben erklärt, bestimmt eine Logikuntereinheit
186, ob Profil a nur eine Spitze hat. Wenn
ja, werden die Variablen P 1a, P 2a und V 1a einander gleichgesetzt
in einer Operation 188. In jedem von beiden Fällen
untersucht die Bildverarbeitungslogik in der Logikuntereinheit
190 dann Profil b, um zu bestimmen, ob es nur
eine Spitze hat. Wenn Profil b nur eine Spitze hat, werden
die Variablen P 1b, P 2b und V 1b in einer Operation
192 einander gleichgesetzt.
Fortfahrend mit Fig. 5c wird ein Merkmal F 8, welches
der Durchschnittswert von zwei Tälern subtrahiert von
dem Durchschnittswert der vier Spitzen der zwei Profile
der Zellen ist, von einer Untereinheit 194 bestimmt. Dann
wird das Zellmerkmal F 1 in einer Logikuntereinheit 196
untersucht, um zu bestimmen, ob die Größe der Zelle größer
ist als ein Schwellwert T 8.
Wenn die Zelle große ist, d. h. F 1 ist größer als T 8,
ist es möglich, daß die Zelle trotz der vorhergehenden
Scheibenzellanalyse eine Scheibenzelle ist, und daher
wird eine weitere Scheibenzellanalyse durchgeführt, die
mit der Operation 198 beginnt. Darin wird eine Variable
LEV 3 der Hälfte des Wertes von Merkmal F 8 gleichgesetzt
(Operation 198).
Als nächstes wird eine Untersuchung auf den zentralen
Blaßbereich der Zelle hin durch Untersuchung einer
Richtung entlang einer Linie von dem Pixel an der Spitze
der Zelle durch das Zentrum der Zelle unter Beachtung
einer Schwellwertbedingung angefangen, d. h. ob ein Pixel
getroffen wird, das unterhalb des Schwellwerts LEV 3
ist, bevor das Zentrum erreicht ist. Der Kettencode wird
dann für den Rand des Pallor gebildet (Operation 202).
Das Merkmal F 9 der Rundheit des Pallor wird dann in
einer Operation 204 berechnet. F 9 wird berechnet als
das durch die Fläche des Pallor dividierte Quadrat
der Zahl der Pixel des Randes des Pallor. F 9 wird
dann in einer Logikuntereinheit 206 mit einem Schwellwert
T 9 verglichen, um die Rundheit des Pallor zu bestimmen.
Diese Operation ist notwendig, da die beiden
Profile der vorhergehenden Scheibenzellanalyse die
zentrale Fläche verfehlt haben können, wie die Zelle
208 zeigt. Daher ist im übrigen, wenn das Rundheitsmerkmal
F 9 größer als der Schwellwert T 9 ist, die
Zelle eine Scheibenzelle. Die Zelle wird zu einer
Operation 209 weitergereicht, in der ein Merkmal, das
sich auf die Größe des Pallor der Zelle bezieht, berechnet
wird.
Das Merkmal "Pallorvolumen" ist definiert als der Volumenprozentsatz
eines Zylinders mit der Höhe und Fläche
der betreffenden Zelle, der nicht von Hämoglobin besetzt
ist. Dies ist in Fig. 6 dargestellt, wo T die
Zellhöhe oder Dicke bezeichnet und 132 die eingekerbte
Region (Delle) des Pallor anzeigt. Die Zellfläche ist
bekannt aus der vorhergehenden Analyse dieser Zelle,
d. h. F 1. Ebenso ist Merkmal F 5 die Summe der Grauwerte
für Pixel, die von dem Kettencode, der den Rand der
Zelle definiert, eingeschlossen werden. Wie oben angemerkt,
steht die Hämoglobindichte in Beziehung zu der
Dicke der Zelle, und auf diese Weise definiert das
Hämoglobinmerkmal F 5 ein Volumen, das in Beziehung zu
der Dicke oder dem Volumen der Zelle steht. Die Höhe
des Zylinders oder die Dicke (T) wird aus dem Durchschnittswert
der Spitzen der beiden Dicke-Dichte-Profile
der Zelle auf folgende Weise erhalten:
Daher kann das Volumen des Pallor folgendermaßen
berechnet werden: T multipliziert mit der Fläche
der Zelle (F 1) minus Hämoglobingehalt. Schließlich
ist das prozentuale Blässevolumen F 6:
Nachdem dieses Merkmal berechnet worden ist, geht
die Bildverarbeitungslogik weiter zu einer Logikuntereinheit
210, in der die Zelle als bikonkave Zelle (C 1)
oder sphärocytische Zelle (C 2) unterschieden wird,
da schon bestimmt worden ist, daß die Zelle keine
spitz zulaufende Zelle (C 3), keine irreguläre Zelle
(C 4) und keine Scheibenzelle (C 5) ist. Die Logikuntereinheit
210 vergleicht den Prozentsatz an Pallorvolumen,
das Merkmal F 6, mit einem Schwellwert T 10 und die Tiefe
des Pallor, das Merkmal F 8, mit einem Schwellwert T 11,
und wenn eines von beiden Merkmalen kleiner als der
ihm zugeordnete Schwellwert ist, dann wird die Zelle
als sphärocytische Zelle (C 2), im anderen Fall als bikonkave
Zelle (C 1) beurteilt.
Im folgenden wird erneut Bezug genommen auf Fig. 3.
Die Merkmalsableitung (Operation 76) und die Zellsubpopulationsklassifizierung
(Operation 78) sind
für die Zelle vollendet, die bei der Bildabtastung
lokalisiert worden war. Die Bildverarbeitungslogik
fährt dann fort, das Bild einer anderen Zelle abzutasten
(Operation 66), und wenn keine weiteren Zellen
gefunden werden, werden die Merkmale der lokalisierten
Zellen ebenso wie die Zellensubpopulationsklassifizierung
in der Operation 80 zu der Hauptkontroll-Logik
übermittelt.
Während die Bestimmung der verschiedenen Merkmale und
die Entscheidungen, die in dem Logikdiagramm der Fig.
5a, 5b und 5c enthalten sind, unter Benutzung
der in der Tabelle 6 enthaltenen Schwellwerte ausgeführt
werden, sollte berücksichtigt werden, daß die Schwellwerte
auf empirischen und statistischen Analysen beruhen
und ohne nennenswerte Wirkung auf die eventuelle
Klassifizierung der Zellen um gewisse Beträge variiert
werden können. Die Schwellwerte werden als die optimalen
Werte angesehen.
Nach Vollendung der Merkmalsableitung und der Zellklassifizierungsanalyse
für die in dem Bild lokalisierten
Zellen werden diese Merkmale zu der Hauptkontroll-Logik
übermittelt, wie in Fig. 3 dargestellt. Nach der Empfangsbestätigung
der Daten (Information 82) fährt die
Hauptkontroll-Logik fort, Messungen der Subpopulationen
für jede Zellklasse, die in dem gerade analysierten
Bild lokalisiert wurde, aufzunehmen (Operation 84).
Ein Diagramm, das diese Datenaufnahme-Operation ausführlicher
veranschaulicht, ist in Fig. 11 gezeigt.
Eine Vielzahl von Speichern ist vorgesehen, um einen
laufenden Gesamtstand von einer Vielzahl von Messungen
für die Zellsubpopulationen und Klassen zu produzieren.
Jede Akkumulierung ist eine Funktion von einer oder
mehreren Zellmerkmalen, z. B. des Zellmerkmalswertes
selbst oder dessen Quadrates. Die Zellmerkmalswerte
F 1, F 2, F 4, F 5 und F 6 für eine bestimmte Zelle sind
als Eingangsdaten zu den Speichern zusammen mit der
Zellklassifikation C i, zu der die Zellmerkmale gehören,
vorgesehen. Nachdem die Messungen für die Zelle akkumuliert
worden sind, werden die anderen Zellen in dem
Bild ähnlich behandelt, um die Messungen auf der Basis
aller Zellmerkmale weiter zu akkumulieren.
So wird das Merkmal F 2 (Zellrundheitsmerkmal) über eine
Leitung 212 einem Akkumulator 214 zugeführt. Der Akkumulator
214 produziert einen laufenden Gesamtstand S 1,
d. h. er akkumuliert den Meßwert (F 2-14,1)³ für alle
von der Bildverarbeitungslogik lokalisierten Zellen,
wobei F 2 das Zellrundheitsmerkmal ist (Tabelle 4). Dieser
Meßwert wird in einer späteren Berechnung verwendet,
die einen Parameter liefert, der die Asymmetrie der Verteilung
aller lokalisierten roten Blutzellen unter
Berücksichtigung des Rundheitsmerkmals der Zellen
beschreibt.
Ebenso wird das Merkmal für spitz zulaufende Zellen
F 4 akkumuliert, das über eine Leitung 216 zu den
Akkumulatoren 218 und 220 übertragen wird. Der Akkumulator
218 summiert das Merkmal F 4 für alle Zellen
auf, das gebraucht wird, um die durchschnittliche
Verlängerung der Zellen zu berechnen. Der Akkumulator
220 liefert eine Summe oder einen laufenden Gesamtstand
(S 3) des Quadrates des Merkmals F 4, d. h. (F 4)²,
welcher gebraucht wird, um einen Parameter zu berechnen,
der die Streuung oder die Variation der Verteilung
der roten Blutzellen beschreibt unter Berücksichtigung
des Mittelwertes des Merkmales für spitz zulaufende
Zellen F 4.
Nicht alle Merkmalsdaten werden für jede Subpopulation
akkumuliert. Beispielsweise wird das Merkmal F 6 (Pallorvolumen)
nur für die bikonkaven Zellen (Subpopulation
C 1) und die sphärocyten Zellen (Subpopulation C 2) akkumuliert.
Daher wird zusätzlich zu den Merkmalen einer
bestimmten Zelle die Subpopulationsklassifizierung für
die bestimmte Zelle, zu der die Merkmale gehören, besorgt,
die als C i an der Leitung 222 gezeigt ist.
Eine Vielzahl von logischen Einheiten benutzt den
Eingangswert C i, um zwischen den Zellsubpopulationen
zu unterscheiden. Daher wird die Zellklassifikation
C i auf den Eingang eines logischen UND-Gatters 224
und eines UND-Gatters 226 gegeben, wobei die Subpopulation
C 1 konstant (d. h. a 1) auf den anderen
Eingang des UND-Gatters 224 und die Subpopulation C 2
konstant (d. h. a 2) auf den anderen Eingang des UND-
Gatters 226 gegeben wird. Die Ausgänge dieser UND-
Gatter werden auf ein ODER-Gatter 228 gegeben, das
die Akkumulatoren 230 und 232 aktivieren kann. Der
Akkumulator 230 liefert eine Summierung des Merkmals
F 6 (Volumen der zentralen Blässe), wie durch die Eingangsleitung
242 angezeigt, aber nur, wenn er durch
das ODER-Gatter 228 aktiviert ist. Ähnlich akkumuliert
der Akkumulator 232 die Summe des Merkmals (F 6)² nur,
wenn er aktiviert ist. Daher lassen die Gatter 224,
226 und 228 die Akkumulatoren 230 und 232 die Meßdaten,
die von dem Merkmal F 6 abgeleitet sind, nur akkumulieren,
wenn die Merkmale von einer C₁- oder C₁- (bikonkaven
oder sphärozyten) Zellklasse abgeleitet sind. Der Ausgang
des Akkumulators 232 wird bei S 5 zur Verfügung gestellt,
was gebraucht wird, um die Streuungsparameter
der Verteilung von sphärozyten und bikonkaven Zellen
unter Berücksichtung des mittleren Volumens des
Pallor der Zellen zu berechnen. Der Ausgang des
Akkumulators 232 wird bei S 4 zur Verfügung gestellt,
was auch gebraucht wird, um die Streuungsparameter
zu berechnen, und auch, um das mittlere oder Durchschnittsvolumen
des Pallor für die sphärozyten oder
bikonkaven Zellen zu berechnen.
In ähnlicher Weise aktiviert ein logisches UND-Gatter
234 die Akkumulatoren 236, 238 und 240, wenn C i auf
der Leitung 222 gleich 2 ist, d. h. wenn die Zellmerkmale,
die auf den Merkmalsleitungen 244 und 246 erscheinen,
von einer Klasse C 2 (Sphärozyten) abgeleitet
wurden. Der Akkumulator 236 akkumuliert das Merkmal
F 1 (Zellfläche), das bei S 11 zur Verfügung gestellt
wird, was gebraucht wird, um die mittleren Zellflächenparameter
für die Zellen in der C 2-Klassifizierung zu
berechnen. Der Akkumulator 238 stellt bei S 12 den
akkumulierten Gesamtstand des Merkmals F 5 (Grauwertsumme)
zur Verfügung, was gebraucht wird, um
den mittleren Zellhämoglobingehalt für die Klasse C 2
zu berechnen. Der Akkumulator 240 stellt eine Gesamtzahl
der Zellen in der Klasse C 2 zur Verfügung, d. h.
N 2 ist gleich der Zahl der sphärozyten Zellen, die von
der Bildverarbeitungslogik lokalisiert wurden.
In ähnlicher Weise wird die Gesamtzellfläche für die
spitz zulaufenden Zellen (C 3), die irregulären (C 4)
und die Scheibenzellen (C 5) bei S 13, S 15 bzw. S 17 zur
Verfügung gestellt. Die Grauwertsumme
aller Zellen für die spitz zulaufenden, irregulären
und Scheibenzellen wird bei S 14, S 16 bzw. S 18 zur
Verfügung gestellt. Die Gesamtzahl an Zellen jeder
der obigen Subpopulation wird bei N 3, N 4 und N 5 zur
Verfügung gestellt.
In gleicher Weise wird die Gesamtfläche aller Zellen
für die bikonkave Subpopulation bei S 6 zur Verfügung
gestellt, die Grauwertsumme aller Zellen wird
bei S 7 zur Verfügung gestellt, und die Gesamtzahl an bikonkaven
Zellen (C 1) wird bei N 1 zur Verfügung gestellt.
Für zusätzliche akkumulierte Messungen der bikonkaven
Subpopulation lassen zusätzliche logische Gatter die
Akkumulatoren zwischen den Zellen der Klassen unterscheiden.
So aktiviert ein UND-Gatter 248 die Akkumulatoren
250, 252 und 254, wenn die Merkmale, die auf den
Leitungen 244, 246 erscheinen, von einer C 1-, d. h.
einer bikonkaven Zelle, abgeleitet sind. Der Akkumulator
250 stellt die akkumulierte Summe des Meßwertes
(F 1)² bei S 8 zur Verfügung. Der Akkumulator 252 stellt
in ähnlicher Weise die akkumulierte Summe des Meßwertes
(F 5)² bei S 9 zur Verfügung. Schließlich stellt der
Akkumulator 254 die akkumulierte Summe des Produktes
des Merkmals F 1 multipliziert mit dem Merkmal F 5 (F 1×F 5)
zur Verfügung. Die akkumulierten Werte Σ(F 5)² und
ΣF 1×F 5 werden gebraucht, um Parameter zu berechnen, die
die Streuung oder die Variation der Häufigkeitsverteilung
beschreiben, was im folgenden erklärt wird.
So stellen die Merkmale für jede durch die Bildverarbeitungslogik
geprüfte Zelle die Eingangswerte für die
in Fig. 11 beschriebene Logik zur Aufarbeitung oder
Akkumulierung von Meßwerten auf der Basis der Zellmerkmale
zusammen mit den speziellen Meßwerten, die für
jede Zelle aufgearbeitet sind, in Abhängigkeit von der
Subpopulationsklassifizierung, zu der die spezielle Zelle
gehört, zur Verfügung. Die von der Logik der Fig. 11
aufgearbeiteten Meßwerte bilden einen Zwischenschritt
für die Berechnung von Parametern, die jede Subpopulationsklassifizierung
beschreiben, ebenso wie von Parametern,
die die Häufigkeitsverteilung von Zellsubpopulationen
unter Berücksichtigung der verschiedenen Zellmerkmale
beschreiben.
Unter erneutem Bezug auf Fig. 3 ist zu sehen, daß in
einer logischen Untereinheit 88 die Entscheidung gefällt
wird, ob eine vorgegebene Gesamtzahl N von Zellen verarbeitet
worden ist. Wenn nicht, kehrt die Hauptkontroll-
Logik zur Operation 58 zurück, bei der sie auf das Signal
"Digitalisierung durchgeführt" wartet, das anzeigt,
daß die Bildverarbeitungslogik die Digitalisierung des
nächsten Feldes vollendet hat. Wenn N Zellen bearbeitet
worden sind, z. Bj. N gleich 1000, werden die akkumulierten
Meßwerte, die wie in Fig. 11 veranschaulicht verarbeitet
worden sind, benutzt, um Parameter für diese N Zellen
zu berechnen, die die Subpopulationen (Operation 90) beschreiben,
wie es ausführlicher in den Fig. 12a bis 12e
dargestellt ist.
Das Ausgangssignal F 1 des Akkumulators 214 (Fig. 11)
wird bei der Berechnung eines Streuungsparameters gebraucht,
der die Asymmetrie einer Verteilung beschreibt,
einschließlich einer Verteilung aller Zellen unter Berücksichtigung
des Merkmals für spitz zulaufende Zellen
(F 4). Die Asymmetrie wird berechnet als:
So produziert eine logische Untereinheit 256 mit den Eingangswerten
S 2 und N den Asymmetrieparameter:
Die Berechnung des Asymmetrieparameters ist sehr hilfreich
bei der Beschreibung einer Zellpopulation. Zum Beispiel
ist eine Verteilung von normalen Zellen in Fig. 15 gezeigt,
bezeichnet mit 255. Die Verteilung berücksichtigt
das Merkmal F 2 (Rundheit). Es ist auch eine Verteilung
von Sichelzellanämiezellen gezeigt, bezeichnet mit 257.
Wie man sieht, ist die Verteilung der Sichelzellen stark
nach rechts verschoben, was eine große Zahl von spitz
zulaufenden Zellen anzeigt. Man beachte jedoch, daß die
Art beider Verteilungen identisch ist. Daher ist der
Asymmetrieparameter ein wertvolles Vergleichsmittel zur
Anzeige von Anämien.
Eine logische Untereinheit 258, die die Eingangssignale
S 2 (die Summe der Längenmessungen der Zellen) und N
(die Gesamtzahl der Zellen) hat, liefert den mittleren
Zell-Längenparameter (ELN).
Die allgemeine Formel für die Streuung in der Form der
Standardabweichung von einer Verteilung hinsichtlich
einer Variablen X ist gegeben durch:
Eine logische Untereinheit 260 liefert die Standardabweichung
der Längenverteilung der Zellen unter Berücksichtigung
der Längenmerkmale. Die logische Untereinheit
260 hat ein Eingangssignal
(Fig. 11) und ein Eingangssignal
und liefert die Standardlängenabweichung
(ESD), nachdem die Quadratwurzel des Ausgangssignals
durch eine logische Untereinheit 262 gezogen
worden ist.
Ein Parameter für das mittlere Volumen der zentralen
Blässe (PAL) der bikonkaven und sphärozyten Zellen wird
von einer logischen Untereinheit 264 zur Verfügung gestellt,
die die Eingangssignale N 1 (Zahl der bikonkaven
Zellen), N 2 (Zahl der sphärozyten Zellen) und S 4 (akkumulierte
Summe der Volumina der zentralen Blässe dieser
Subklassifikationen) hat. Ein Parameter der Verteilung
der bikonkaven und sphärozyten Zellen unter Berücksichtigung
des Pallor-Volumens, die Standardabweichung des
Volumens des Pallor (PSD), wird von einer logischen Untereinheit
266, die die Eingangswerte S 4 und S 5 hat, und
einer logischen Untereinheit 268 zur Verfügung gestellt,
die die Quadratwurzel des Ausgangssignals
zieht, das von der logischen Untereinheit 266 zur
Verfügung gestellt wird, um schließlich den Parameter
PSD auf ähnliche Weise wie bei dem Parameter ESD
zu produzieren.
Eine Verteilung von drei verschiedenen Populationen
von Zellen, normale, sphärozytische und Eisenmangelzellen,
unter Berücksichtung des Merkmals F 6, dem
prozentualen Pallor-Volumen, ist in Fig. 16 gezeigt.
Es ist wichtig, zu beachten, daß die Verteilung der
normalen Zellen bei 267 den gleichen Mittelwert (PAL)
hat, wie die Verteilung der Eisenmangelzellen bei 269.
Sie haben jedoch eine verschiedene Variation oder Standardabweichung
(PSD) des Pallor-Volumens. Auf der anderen
Seite hat die Verteilung von Normalzellen dieselbe
Standardabweichung, wie die Verteilung von Sphärozyten
bei 271, aber einen unterschiedlichen Mittelwert. Daher
haben sich beide Parameter bei der Klassifizierung von
Blut unter dem Gesichtspunkt von Anämien als vorteilhaft
herausgestellt.
Zwei weitere Parameter, EV 1 und EV 2, werden unter Verwendung
der akkumulierten Summen S 6-S 10 und N 1 berechnet
die das Maß an Streuung einer Häufigkeitsverteilung
der bikonkaven Zellen beschreiben. Die zwei Variablen
der Häufigkeitsverteilung sind die Zellgröße und
der Zellhämoglobingehalt. Vier solcher Verteilungen sind
in den Fig. 13a bis 13b dargestellt, in denen die
Zellfläche die Abszisse und der Zellhämoglobingehalt die
Ordinate darstellen. Jedes "X" stellt eine bikonkave Zelle
mit seiner Lokalisierung innerhalb der Graphik dar, die
die Zellfläche und den Hämoglobingehalt definiert. Wie
man in den vier Figuren sieht, sind die Zellen hauptsächlich
auf einer 45°-Linie, die durch den Null-Punkt
verläuft, verteilt. Die mittlere Zellfläche (MCA) und
der mittlere Hämoglobingehalt (MCH) definieren den Mittelpunkt
jeder Verteilung. Die Werte EV 1 und EV 2 definieren
die Streuung oder die Ausdehnung einer Verteilung in
zwei prinzipiel unabhängige Achsen. Insbesondere beschreibt
EV 1 die Ausbreitung der Gruppe oder die Verteilung
entlang der Richtung unter im wesentlichen 45°
oder entlang der Linie der Hauptstreuung der Ellipse,
wobei EV 2 die Streuung in einer Richtung beschreibt,
die senkrecht oder diagonal ist, d. h. 90° relativ zu
der Streuung von EV 1.
In Fig. 12a ist ein Logikdiagramm für die Berechnung
der Parameter EV 1 und EV 2 gezeigt. Die allgemeine Formel
zur Berechnung der Varianz einer Verteilung im Hinblick
auf eine Variable ist ähnlich der, die für die Standardabweichungen
angegeben wurde. Die Varianz der Verteilung
hinsichtlich der Zellfläche wird von einer Logikeinheit
270 zur Verfügung gestellt, die als Eingangssignal N
(die Zahl der bikonkaven Zellen), S 8 (die Summation von
(F 1)² für jede bikonkave Zelle) und S 6 (die Summation
von F 1 für jede bikonkave Zelle) hat. Die Varianz der
Verteilung hinsichtlich des Hämoglobingehalts wird von
einer Logikeinheit 272 zur Verfügung gestellt, die als
Eingangssignal N 1, S 9 (die Summation von (F 5)²) und S 7
(die Summation von F 5) hat. Ein Logikabschnitt 274
stellt die Summe K des Ausgangssignals der Logikeinheiten
270 und 272 zur Verfügung und eine Logikeinheit
276 stellt das Produkt A des Ausgangssignals der Logikeinheiten
270 und 272 zur Verfügung.
Die Covarianz der Verteilung hinsichtlich sowohl der
Zellfläche als auch des Hämoglobingehaltes wird von
einer Logikeinheit 278 zur Verfügung gestellt, die die
Eingangssignale N 1, S 7, S 6 und S 10 (die Summation des
Produkts F 1×F 5 für jede bikonkave Zelle) hat. Ein
Logikabschnitt 280 quadriert das Ausgangssignal des Logikabschnitts
278, um ein Ausgangssignal B zu produzieren.
Ein Logikabschnitt 282 subtrahiert das Ausgangssignal A
des Logikabschnitts 276 von dem Ausgangssignal B des
Logikabschnitts 280, um ein Ausgangssignal D zur Verfügung
zu stellen. K und D sind Koeffizienten einer quadratischen
Gleichung, wobei ein Logikabschnitt 282 die
erste Lösung EV 1 der quadratischen Gleichung und der
Logikabschnitt 284 die zweite Lösung EV 2 produzieren.
Ein Logikabschnitt 286 produziert den mittleren Zellhämoglobinparameter
für die bikonkaven Zellen durch
Division des Gesamthämoglobingehaltes S 7 aller bikonkaven
Zellen durch die Zahl der bikonkaven Zellen (N 1).
Die mittlere Zellfläche (MCA) der bikonkaven Zellen wird
von einem Logikabschnitt 288 produziert, der die Gesamtzellfläche
(S 6) der bikonkaven Zellen durch die Gesamtzahl
(N 1) der bikonkaven Zellen dividiert.
Auf ähnliche Weise werden, wie in Fig. 12b gezeigt, die
mittlere Zellfläche und die mittleren Zellhämoglobinparameter
für die restlichen vier Klassen oder Subpopulationen,
d. h. die Sphärocyten, die spitz zulaufenden
Zellen, die irregulären Zellen und die Scheibenzellen,
durch acht Logikabschnitte 290 bis 297 berechnet. Die
Zahl der Zellen in jeder Subpopulation N 1 bis N 5 werden
durch fünf Logikunterabschnitte 300 bis 304 in Fig. 12b
als Prozentsatz der Gesamtzellzahl ausgedrückt.
Beispielsweise wird der Prozentsatz der bikonkaven
Zellen (NC 1) durch die Logikuntereinheit 300 geliefert,
die die Zahl der bikonkaven Zellen (N 1) durch die Gesamtzahl
der Zellen (N), die durch die Bildverarbeitungsvorrichtung
lokalisiert worden sind, teilt und mit
100 multipliziert.
Schließlich werden noch
zwei weitere Parameter berechnet, die die Gesamtpopulation
der Zellen, die, wie in den Fig. 12d und
12e veranschaulicht, analysiert worden sind, beschreiben.
Zuerst wird ein mittlerer Zellflächenparameter
(MCA) als gewichtetes Mittel durch Multiplikation des
Prozentsatzes einer Subpopulation (d. h. (Ni-C 5) : 100)
mit der mittleren Zellfläche für diese Subpopulation für
jede Subpopulation und durch Addition der Produkte, um
das gewichtete Mittel zu erhalten, berechnet. Zum Beispiel wird
der Prozentsatz der bikonkaven Zellen (NC 1) mit der
mittleren Zellfläche (NCA 1) für die bikonkave Subpopulation
durch Vorrichtungen eines Logikabschnitts 306
multipliziert, und der Prozentsatz der sphärozyten
Zellen (NC 2) wird mit der mittleren Zellfläche der
sphärozyten Zellen (NCA 2) durch Vorrichtungen eines
Logikabschnitts 308 multipliziert, und so weiter für
die anderen Subpopulationen. Dann werden diese fünf
Produkte durch Vorrichtungen eines Informationslogikabschnitts
310 addiert, um die mittlere Zellfläche
(NCA) für die Gesamtpopulation zu berechnen. Ein gewichtetes
Mittel des Hämoglobingehaltes für die Gesamtpopulation
(MCH) wird auf ähnliche Weise durch eine
Vielzahl von Multiplikationslogikabschnitten 312 bis
316 und einen Summationslogikabschnitt 218 erhalten.
In der obigen Weise können 24 Parameter, die die verschiedenen
Subpopulationen der roten Blutzellen und die Gesamtpopulation
der roten Blutzellen als Ganzes beschreiben,
berechnet werden, von denen 22 in Tabelle 1
aufgelistet sind. Es sind der Prozentsatz an der Gesamtpopulation
für jede Subpopulation, die mittlere Zellfläche
(MCA) und der mittlere Hämoglobingehalt (MCH)
für jede Subpopulation, MCA und MCH für die Gesamtpopulation,
das mittlere Volumen des Pallor (PAL) der Verteilung
von bikonkaven und sphärozyten Zellen, die Standardabweichung
(PSD) für die Verteilung des Pallor-
Volumens und die Asymmetrie (SKW) für die Rundheitsverteilung
der Gesamtpopulation. Zwei Parameter, das Mittel
der Längenverteilung (ELN) und die Standardabweichung
der Längenverteilung (ESD) werden berechnet, aber in der
bevorzugten Ausführungsform in Tabelle 1 nicht angegeben.
Die Parameter in Tabelle 1 zeigen Werte, die für eine
Blutprobe eines Patienten berechnet wurden. Auf ähnliche
Weise kann eine Blutprobe von einem anderen genommen werden,
von dem man weiß, daß er eine der bekannten Kategorien
von Anämie, wie z. B. Eisenmangel, aufweist, und
die 16 Parameter können für die bekannte anämische Probe
berechnet werden. Anschließend können die aus der Analyse
der von dem Patienten genommenen Blutprobe berechneten
Parameter mit den Parametern mit einer Eisenmangelanämieprobe
verglichen werden, um zu bestimmen, ob die
Probe des Patienten eisenarmem Blut ähnelt. In gleicher
Weise können Parameter für eine Vielzahl von bekannten
anämischen Blutproben berechnet werden, mit denen die
Parameter der Patientenprobe verglichen werden können.
Auf diese Weise kann das Patientenblut hinsichtlich
der bekannten Kategorien von anämischem Blut klassifiziert
werden. Bezugnehmend auf Tabelle 1 ist zu sehen,
daß die Probe, von der die Parameter der Tabelle 1 berechnet
wurden, mit acht Typen von Blut verglichen worden
ist, die normal sind oder Eisenmangel, chronische
Krankheit, B-Thalassämia, megaloblastische Anämie,
Hämoglobin SS, Hämoglobin SC und Sphärozytose aufweisen.
Eine spezifische Klassifikationstechnik zur Erzeugung
eines Ähnlichkeitsmaßes für die Blutprobe, die mit
bekannten Kategorien von Anämie und normalem Blut verglichen
wird, ist in Fig. 14 gezeigt. 16 der 24 Parameter
können als einen 16-Variablen-Raum oder 16er-Raum
definierend angesehen werden. Werte für die 16 verschiedenen
Parameter würden einen Vektor definieren, der 16
Komponenten hat, eine für jeden Parameter. So würden,
wenn eine von einem Patienten genommene Blutprobe analysiert
wird, die hieraus berechneten 16 Parameter einen
Vektor Y definieren, der 16 Komponenten (Y₁ . . . Y₁ . . .
Y₁₆) hat. In ähnlicher Weise würde eine Analyse von
Proben der acht vorher erwähnten Typen von Blut, normal
und anämisch, acht Vektoren definieren, W i,1 bis W i,18.
Jede Komponente des Vektors für eine Kategorie von anämischem
oder normalem Blut wird aus Blut bestimmt, dessen
anämische Beschaffenheit man vorher kennt, und durch Messung
von Durchschnittsparametern für die 16 Parameter
über eine Vielzahl solcher Blute für die spezielle Kategorie.
Der Vektor Y, der die Parameterwerte, die für die
von dem Patienten genommenen Blutprobe berechnet sind,
darstellt, kann mit den Vektoren verglichen werden, die
die Durchschnittswerte verschiedener Kategorien von
anämischem und normalem Blut repräsentieren. Der Vektor,
dem der Vektor Y am stärksten ähnelt, d. h. dem er in
dem 16er-Raum am nächsten liegt, würde die Klassifikation
des Patientenblutes bestimmen.
Der erste Schritt in der Anämieklassifizierungslogik
der Fig. 14 ist die Normalisierung jedes Parameterwertes,
um die 16 Komponenten des Vektors Y zu erhalten.
So wird ein Parameterwert X₁, der die mittlere Zellfläche
von bikonkaven Zellen in der Blutprobe des Patienten
darstellt, durch eine Logikuntereinheit 320 normiert,
um die erste Komponente Y₁ des Y-Vektors zu erhalten.
Die Logikuntereinheit 320 subtrahiert bei der Normierung
des Parameterwertes X₁ den Mittelwert a₁ von X₁ und
dividiert durch die Standardabweichung b₁ der Verteilung
für X hinsichtlich der bikonkaven Zellen. Die Verteilung
für jeden der 16 Parameter ist mit dem Mittelwert a i
bestimmt worden, und die Standardabweichung b i für
jeden der 16 Parameter ist, wie in Tabelle 6 angegeben,
bestimmt worden:
Es gibt 16 Logikabschnitte, repräsentiert durch einen
Logikabschnitt 322, der die Parameter X i normalisiert,
um eine der 16 Komponenten Y i für den Vektor Y zu produzieren.
Der Vektor Y, der die 16 Parameterwerte für die
von dem Patienten genommene Blutprobe repräsentiert,
wird mit den acht Vektoren W i,1 bis W i,2 verglichen,
die die Parameterwerte für jede der acht Kategorien von
Blut repräsentieren, um die richtige Klassifizierung
des Patientenblutes zu bestimmen.
Entsprechend sind acht Logikabschnitte vorgesehen, die
durch einen Logikabschnitt 324 repräsentiert werden,
der die 16 Komponenten Y₁ bis Y₁₆ des Vektors Y als
Eingangssignale hat. Zusätzlich hat jeder dieser Logikabschnitte
die 16 Komponenten eines Vektors, der die
Parameterwerte einer Kategorie von Blut darstellt. Zum
Beispiel vergleicht der erste Logikabschnitt 326 die
Parameterwerte des Patientenblutes mit den Parameterwerten
für Normalblut. In dieser Verbindung stellt der
Vektor W i,1 die 16 Komponenten des Vektors für normales
Blut dar. Die beiden Vektoren Y und W i,1 werden durch
den Logikabschnitt 326 miteinander verglichen, wobei die
Standardabstandsformel benutzt wird, um den Abstand
zwischen den beiden Vektoren zu berechnen, um einen Abstand
D 1 zu erhalten. Bezugnehmend auf Tabelle 1 ist zu
sehen, daß der Parametervektor des Patientenblutes einen
Abstand von 0,9 zu dem Normalblutparametervektor hat. In
gleicher Weise wird der Parametervektor des Patienten
mit den Parametervektoren für die sieben Kategorien von
Anämie verglichen, wie in Tabelle 1 zu sehen. Der Patientenblutparametervektor
hat einen Abstand von 4,2 zur
Eisenmangelkategorie von Anämie, einen Abstand von 2,5
zur Kategorie der chronischen Krankheit und so weiter.
Die 16 Komponenten des Parametervektors für jede der
acht Kategorien von anämischem und normalem Blut sind
in Tabelle 7 dargestellt:
Unter erneuter Bezugnahme auf Fig. 3 geht nach der Vollendung
der Anämieklassifizierung (Operation 100) die Hauptkontroll-
Logik weiter und druckt die Ergebnisse (Operation
102) der Analyse und des Ähnlichkeitsvergleiches oder der
Klassifizierung. Ein Beispiel eines Ausdrucks der bevorzugten
Methode und der Vorrichtung ist bereits in Tabelle
1 gegeben. Der Ausdruck in Tabelle 1 zeigt an, daß die
analysierte Blutprobe auf der Basis der analysierten
Merkmale am dichtesten bei Normalblut liegt. Zwei weitere
Beispiele sind in den Tabellen 8 und 9 angegeben, wobei
Tabelle 8 die Hämoglobin SS-Anämie und Tabelle 9 die
β-Thalassemia wiedergibt.
Zwei Beispiele für Ergebnisse einer Analyse der roten
Blutzellen mittels der vorliegenden Erfindung sind in
den Tabellen 8 und 9 aufgelistet.
Die Population der roten Blutzellen trägt hinreichende Information,
um viele Anämien zu diagnostizieren, ohne
von anderen konventionellen Tests Gebrauch zu machen.
Claims (1)
- Verfahren zur Analyse von Erythrozyten-Populationen aus einem Blutabstrich, bei dem die optisch vergrößerten Zellen einzeln von einer Fernsehkamera aufgenommen, das aufgenommene Bild in eine Pixel-Datei umgewandelt und digital abgespeichert wird und die abgespeicherte Pixel-Datei nach verschiedenen Eigenschaften kategorisiert wird und eine Klassifizierung der Erythrozyten in Populationen erfolgt, wobei bei Auftreten bestimmter Erkennungszeichen und Eigenschaften bei untersuchten Erythrozyten, die bei bekannten normalen oder anormalen Erythrozyten vorhanden sind, die untersuchten Erythrozyten einer entsprechenden Population zugeordnet werden, dadurch gekennzeichnet, daß folgende Eigenschaften F n der Erythrozyten für jedes Erythrozyt aus der Pixel-Datei ermittelt werden:
Größe der Fläche (F₁) Rundheit (F₂) Nadelförmigkeit (F₃) Spitzförmigkeit (F₄) Grauwertsumme (F₅) Pallorvolumen (F₆) Höhe der zentralen Spitze (F₇) Pallortiefe (F₈) Pallorrundheit (F₉)
C₂: sphärozytische Zellen
C₃: spitzzulaufende Zellen
C₄: irreguläre Zellen
C₅: Scheibenzellen
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US05/875,126 US4199748A (en) | 1976-11-01 | 1978-02-03 | Automated method and apparatus for classification of cells with application to the diagnosis of anemia |
Publications (2)
Publication Number | Publication Date |
---|---|
DE2903625A1 DE2903625A1 (de) | 1979-08-09 |
DE2903625C2 true DE2903625C2 (de) | 1990-10-11 |
Family
ID=25365243
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE19792903625 Granted DE2903625A1 (de) | 1978-02-03 | 1979-01-31 | Vorrichtung zur automatischen blutanalyse |
Country Status (5)
Country | Link |
---|---|
JP (1) | JPS54119294A (de) |
CA (1) | CA1135979A (de) |
DE (1) | DE2903625A1 (de) |
FR (1) | FR2423205A1 (de) |
GB (2) | GB2013878B (de) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4244708C2 (de) * | 1992-04-09 | 1996-05-02 | Werner Maier | Verfahren und Vorrichtung zum Erstellen einer Artenliste für eine flüssige Probe |
DE19709348A1 (de) * | 1996-05-29 | 1997-12-04 | Walter Dr Schubert | Automatisches Multi-Epitop-Ligand-Kartierungssystem |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI67043C (fi) * | 1979-08-22 | 1985-01-10 | Partek Ab | Foerfarande och anordning foer klassificering av styckegods so befinner sig i roerelse |
GB2068537B (en) * | 1980-02-04 | 1984-11-14 | Energy Conversion Devices Inc | Examining biological materials |
FR2555754A1 (fr) * | 1983-11-28 | 1985-05-31 | Inter Inf | Procede et dispositif d'analyse automatique d'echantillons biologiques |
JPS60158352A (ja) * | 1984-01-28 | 1985-08-19 | Hisayo Maeda | 血液の自動分析判定指示装置 |
JPS61258167A (ja) * | 1985-05-10 | 1986-11-15 | Hitachi Ltd | 血球自動分類装置 |
US5740270A (en) * | 1988-04-08 | 1998-04-14 | Neuromedical Systems, Inc. | Automated cytological specimen classification system and method |
US4965725B1 (en) * | 1988-04-08 | 1996-05-07 | Neuromedical Systems Inc | Neural network based automated cytological specimen classification system and method |
US5544650A (en) * | 1988-04-08 | 1996-08-13 | Neuromedical Systems, Inc. | Automated specimen classification system and method |
US4918739A (en) * | 1988-08-12 | 1990-04-17 | Maraven, S.A. | Process and system for digital analysis of images applied to stratigraphic data |
US5130559A (en) * | 1989-08-26 | 1992-07-14 | Trutzschler Gmbh & Co. Kg | Method and apparatus for recognizing particle impurities in textile fiber |
EP0479977B1 (de) * | 1990-03-30 | 1997-07-16 | Neuromedical Systems, Inc | Automatisches zellenklassifikationssystem und verfahren |
DE4110217A1 (de) * | 1991-03-28 | 1992-10-01 | Ullrich Juergen Heinz | Verfahren zur herstellung von kristallisaten zur fruehdiagnose oder zur praevention von erkrankungen und zur herstellung von arzneimitteln |
DE4211904C2 (de) * | 1991-04-09 | 1994-03-17 | Werner Maier | Automatisches Verfahren zum Erstellen einer Liste unterschiedlicher Arten für eine flüssige Probe |
US6091843A (en) * | 1998-09-03 | 2000-07-18 | Greenvision Systems Ltd. | Method of calibration and real-time analysis of particulates |
DE10255097A1 (de) * | 2002-11-26 | 2004-06-17 | Ekkehard Scheller | Bilderkennungsverfahren zur Auswertung von Dunkelfeldmikroskopiebildern und Vorrichtung hierfür |
US20040202357A1 (en) | 2003-04-11 | 2004-10-14 | Perz Cynthia B. | Silhouette image acquisition |
US10445876B2 (en) * | 2015-12-18 | 2019-10-15 | Abbott Laboratories | Methods and systems for assessing cell morphology |
CN116046647B (zh) * | 2023-01-28 | 2023-06-09 | 深圳安侣医学科技有限公司 | 血液成像分析系统和方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3315229A (en) * | 1963-12-31 | 1967-04-18 | Ibm | Blood cell recognizer |
US3822095A (en) * | 1972-08-14 | 1974-07-02 | Block Engineering | System for differentiating particles |
US3851156A (en) * | 1972-09-05 | 1974-11-26 | Green James E | Analysis method and apparatus utilizing color algebra and image processing techniques |
US3883852A (en) * | 1973-04-20 | 1975-05-13 | Corning Glass Works | Image scanning converter for automated slide analyzer |
US3947123A (en) * | 1974-05-13 | 1976-03-30 | The Board Of Regents Of The University Of Washington | Coherent optical analyzer |
US4097845A (en) * | 1976-11-01 | 1978-06-27 | Rush-Presbyterian-St. Luke's Medical Center | Method of and an apparatus for automatic classification of red blood cells |
-
1979
- 1979-01-31 DE DE19792903625 patent/DE2903625A1/de active Granted
- 1979-02-02 CA CA000320757A patent/CA1135979A/en not_active Expired
- 1979-02-02 GB GB7903789A patent/GB2013878B/en not_active Expired
- 1979-02-02 GB GB8204902A patent/GB2093586B/en not_active Expired
- 1979-02-02 FR FR7902758A patent/FR2423205A1/fr active Granted
- 1979-02-03 JP JP1179779A patent/JPS54119294A/ja active Granted
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE4244708C2 (de) * | 1992-04-09 | 1996-05-02 | Werner Maier | Verfahren und Vorrichtung zum Erstellen einer Artenliste für eine flüssige Probe |
DE19709348A1 (de) * | 1996-05-29 | 1997-12-04 | Walter Dr Schubert | Automatisches Multi-Epitop-Ligand-Kartierungssystem |
DE19709348C2 (de) * | 1996-05-29 | 1999-07-01 | Schubert Walter Dr Md | Automatisches Multi-Epitop-Ligand-Kartierungsverfahren |
US6150173A (en) * | 1996-05-29 | 2000-11-21 | Schubert; Walter | Automated determining and measuring device and method |
Also Published As
Publication number | Publication date |
---|---|
GB2013878B (en) | 1983-01-19 |
JPH0418267B2 (de) | 1992-03-27 |
GB2093586A (en) | 1982-09-02 |
FR2423205A1 (fr) | 1979-11-16 |
GB2093586B (en) | 1983-02-02 |
FR2423205B1 (de) | 1985-04-12 |
CA1135979A (en) | 1982-11-23 |
DE2903625A1 (de) | 1979-08-09 |
JPS54119294A (en) | 1979-09-17 |
GB2013878A (en) | 1979-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
DE2903625C2 (de) | ||
DE2823490C2 (de) | ||
DE3146423C2 (de) | ||
DE69629292T2 (de) | Verfahren zum feststellen der preparationsgüte von objektträgern und proben | |
DE19521346C2 (de) | Bilduntersuchungs/-Erkennungsverfahren, darin verwendetes Verfahren zur Erzeugung von Referenzdaten und Vorrichtungen dafür | |
DE102008059788B4 (de) | Analyse und Klassifizierung insbesondere biologischer oder biochemischer Objekte auf Basis von Zeitreihen-Bildern, anwendbar bei der zytometrischen Time-Lapse-Zellanalyse in der bildbasierten Zytometrie | |
DE3505331C2 (de) | Verfahren und Gerät zur Vermessung des bei der Eindringhärteprüfung in einer Probe hinterlassenen Eindrucks | |
EP1797533B1 (de) | Verfahren und vorrichtung zur segmentierung einer digitalen abbildung von zellen | |
AT411066B (de) | Verfahren und anordnung zur untersuchung von zellen | |
EP3213294A1 (de) | Ermittlung lokaler gütemasse aus einem volumenbilddatensatz | |
DE60313662T2 (de) | Histologische bewertung des nuklearpleomorphismus | |
DE112019005143T5 (de) | System zur co-registrierung medizinischer bilder unter verwendung eines klassifikators | |
DE69628654T2 (de) | Messsystem zur bestimmung der globalen modulationsübertragungsfunktion | |
EP3903077B1 (de) | Verfahren und vorrichtung zum auffinden und anpassen von effektfarbformulierungen unter abgleich mit der visuellen wahrnehmung von textureigenschaften | |
DE69123172T2 (de) | Verfahren zur Bestimmung und Überwachung der Glanzeigenschaften von Fasern | |
DE3789736T2 (de) | Verfahren zur Auswertung eines Teilchengrössenverteilung. | |
DE102009033927B4 (de) | Vorrichtung und Verfahren zum Lokalisieren eines validen Bereiches eines Blutausstriches | |
EP1685384A1 (de) | Verfahren und vorrichtung zur erfassung von verschiedenen zelltypen von zellen in einer biologischen probe | |
DE60026732T2 (de) | Zellenreihen-extraktionsverfahren | |
DE102005022156A1 (de) | Verfahren und Vorrichtung zum Einstufen von Pixeln in medizinischer Bildgebung | |
WO2017158560A1 (de) | Verfahren zur untersuchung verteilter objekte unter segmentierung eines übersichtbildes | |
DE19754909A1 (de) | Verfahren und Vorrichtung zur Erfassung und Bearbeitung von Abbildungen biologischen Gewebes | |
DE60310120T2 (de) | Automatisierte histologische Klassifizierung von Tubuli | |
EP3540631A1 (de) | In-vitro-verfahren zum markierungsfreien bestimmen eines zelltyps einer weissen blutzelle | |
DE10150105A1 (de) | Automatische Ermittlung von geometrischen Modellen für optische Teilerkennungen |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
8110 | Request for examination paragraph 44 | ||
8128 | New person/name/address of the agent |
Representative=s name: HOFFMEISTER, H., DIPL.-PHYS. DR.RER.NAT., PAT.-ANW |
|
D2 | Grant after examination | ||
8364 | No opposition during term of opposition | ||
8339 | Ceased/non-payment of the annual fee |