DE2903625C2

DE2903625C2 -

Info

Publication number: DE2903625C2
Application number: DE2903625A
Authority: DE
Inventors: James William North Hinsdale Ill. Us Bacus
Original assignee: Rush-Presbyterian-Stluke's Medical Center Chicago Ill Us
Current assignee: Rush-Presbyterian-Stluke's Medical Center Chicago Ill Us
Priority date: 1978-02-03
Filing date: 1979-01-31
Publication date: 1990-10-11
Also published as: GB2013878B; JPH0418267B2; GB2093586A; FR2423205A1; GB2093586B; FR2423205B1; CA1135979A; DE2903625A1; JPS54119294A; GB2013878A

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;

F₂ Rundheit
ermittelt aus der Zahl der Perimeter-Pixel zum Quadrat geteilt durch die Fläche;

F₃ Nadelförmigkeit
ermittelt aus der Zahl von "Nadeln" an der Zellenumfangslinie;

F₄ Spitzförmigkeit
ermittelt durch Vergleich der Orientierungen des orthogonalen Randkettenkodes;

F₅ Grauwertsumme
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

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.

Tabelle 1

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:

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.

Tabelle 5

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:

Tabelle 6

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:

Tabelle 7

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.

Tabelle 8

Tabelle 9

Die Population der roten Blutzellen trägt hinreichende Information, um viele Anämien zu diagnostizieren, ohne von anderen konventionellen Tests Gebrauch zu machen.

Claims

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)

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