JPH0629839B2 - 粒度分布解析法 - Google Patents
粒度分布解析法Info
- Publication number
- JPH0629839B2 JPH0629839B2 JP17642486A JP17642486A JPH0629839B2 JP H0629839 B2 JPH0629839 B2 JP H0629839B2 JP 17642486 A JP17642486 A JP 17642486A JP 17642486 A JP17642486 A JP 17642486A JP H0629839 B2 JPH0629839 B2 JP H0629839B2
- Authority
- JP
- Japan
- Prior art keywords
- particle size
- distribution
- size distribution
- estimated
- analysis method
- 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 - Lifetime
Links
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Description
【発明の詳細な説明】 〔産業上の利用分野〕 本発明は血液、細胞、ラテックス粒子等の微細粒子の粒
度分布測定値の解析法に関するものである。
度分布測定値の解析法に関するものである。
従来、例えば、臨床検査分野における、血球の粒度分布
の測定は測定法の困難性、正確性の問題で、臨床検査へ
の利用が不活発であった。
の測定は測定法の困難性、正確性の問題で、臨床検査へ
の利用が不活発であった。
最近では、シースフロー方式などの流体制御技術の発展
により正確性の高い自動粒度分布測定が容易になり、粒
度分布の解析が重要視されてきた。
により正確性の高い自動粒度分布測定が容易になり、粒
度分布の解析が重要視されてきた。
従来、赤血球の粒度分布解析法として、特開昭47-13299
号公報に示されるように、粒度分布域を四分位変化係数
で表すものが開示されている。
号公報に示されるように、粒度分布域を四分位変化係数
で表すものが開示されている。
一方、血小板粒度分布に関しては、血小板分布を対数正
規分布曲線と仮定し、それに合わないものを探して異常
表示するカーブフィット法などが使用されている。
規分布曲線と仮定し、それに合わないものを探して異常
表示するカーブフィット法などが使用されている。
従来の赤血球粒度分布の解析は、赤血球粒度が正規分布
で単一の分布である仮定のもとに、分布幅を表示するだ
けである。しかし実際には単一分布でない場合もあり、
その時は誤った情報を与えることになる。
で単一の分布である仮定のもとに、分布幅を表示するだ
けである。しかし実際には単一分布でない場合もあり、
その時は誤った情報を与えることになる。
血小板分布のカーブフィット法は、血小板粒度が対数正
規分布であるとの前提に立って、フィットしない血小板
を異常とするのみである。
規分布であるとの前提に立って、フィットしない血小板
を異常とするのみである。
本発明は上記の諸点に鑑みなされたもので、得られた粒
度分布から理論的な粒度分布を推定し、この推定粒度分
布と、もとの粒度分布との差を客観的な数字で示す粒度
分布解析法の提供を目的とするものである。また、複数
の理論分布で推定粒度分布を計算することにより、もと
の粒度分布と最もよく一致する推定粒度分布を得ること
ができる粒度分布解析法の提供を目的とするものであ
る。同時に、もとの粒度分布とよく一致する理論分布で
粒度分布を分類する、あるいは各理論分布より得られた
推定粒度分布と、もとの粒度分布との差を示すパラメー
タで粒度分布を分類する等により、従来血液学的血液パ
ラメータでは得られなかった、新たな医療情報を得るこ
とができる粒度分布解析法の提供を目的とするものであ
る。
度分布から理論的な粒度分布を推定し、この推定粒度分
布と、もとの粒度分布との差を客観的な数字で示す粒度
分布解析法の提供を目的とするものである。また、複数
の理論分布で推定粒度分布を計算することにより、もと
の粒度分布と最もよく一致する推定粒度分布を得ること
ができる粒度分布解析法の提供を目的とするものであ
る。同時に、もとの粒度分布とよく一致する理論分布で
粒度分布を分類する、あるいは各理論分布より得られた
推定粒度分布と、もとの粒度分布との差を示すパラメー
タで粒度分布を分類する等により、従来血液学的血液パ
ラメータでは得られなかった、新たな医療情報を得るこ
とができる粒度分布解析法の提供を目的とするものであ
る。
本発明の粒度分布解析法は、微粒子測定装置から解析対
象粒度分布を取り込み、粒度分布を理論上の分布で推定
し、解析対象粒度分布と推定分布を比較しその差をあら
わす特徴パラメータを求め、この特徴パラメータと理論
分布の種類、またはどちらか一方で解析対象粒度分布を
分類することを特徴としている。
象粒度分布を取り込み、粒度分布を理論上の分布で推定
し、解析対象粒度分布と推定分布を比較しその差をあら
わす特徴パラメータを求め、この特徴パラメータと理論
分布の種類、またはどちらか一方で解析対象粒度分布を
分類することを特徴としている。
また、解析対象粒度分布を複数の推定分布で推定する場
合もある。
合もある。
本発明の方法における「微粒子測定装置」とは、微粒子
懸濁液を微細孔に通過させ、微粒子と液との電気的差異
または光学的差異に基づいて微粒子を検出し、微粒子の
大きさ(容積)に比例したパルス信号を発生させ、この
パルス信号を粒度分布に変換するようにした装置を指称
する。
懸濁液を微細孔に通過させ、微粒子と液との電気的差異
または光学的差異に基づいて微粒子を検出し、微粒子の
大きさ(容積)に比例したパルス信号を発生させ、この
パルス信号を粒度分布に変換するようにした装置を指称
する。
本発明の粒度分布解析法は、血球等微粒子容積に比例し
たパルスを容積分布に変換して記憶装置に取り込んだ
後、粒度分布を解析するにあたり、 (a)粒度分布から理論分布の母数を推定する。
たパルスを容積分布に変換して記憶装置に取り込んだ
後、粒度分布を解析するにあたり、 (a)粒度分布から理論分布の母数を推定する。
(b)得られた母数から推定粒度分布を求める。
(c)もとの粒度分布と推定粒度分布とを比較し、特徴
パラメータを求める。
パラメータを求める。
(d)もとの粒度分布から推定粒度分布を差し引いたも
のを副分布とする。
のを副分布とする。
(e)副分布の面積が小さければ操作(f)に進み、大
きければ副分布を新たにもとの粒度分布として(a)以
下の操作を繰り返す。
きければ副分布を新たにもとの粒度分布として(a)以
下の操作を繰り返す。
(f)特徴パラメータが小さければ操作を終了し、大き
ければ新たに理論分布を設定して(a)以下の操作を繰
り返す。
ければ新たに理論分布を設定して(a)以下の操作を繰
り返す。
すなわち本発明は、与えられた粒度分布の特徴を示す新
たな分類方法を知見して、新たな情報を提供すること
で、各微細粒子の計数値の精度と信頼性を向上させるも
のである。
たな分類方法を知見して、新たな情報を提供すること
で、各微細粒子の計数値の精度と信頼性を向上させるも
のである。
以下、本発明の方法を赤血球の血球粒度の解析に適用
し、理論分布として正規分布および対数正規分布を用い
た例について説明する。正規分布は次式で与えられる。
し、理論分布として正規分布および対数正規分布を用い
た例について説明する。正規分布は次式で与えられる。
なお上式で、μは平均値、σは標準偏差である。
f(x)の自然対数をとると、 g(x)=ln f(x)とおくと、 となり、g(x)はXに関する2次式となる。g(x)を微分
すると、 となる。g′(x)はX軸との交点がμ、傾きが の1次式となるので、g′(x)を求めることにより、平
均値μと、標準偏差σが計算でき、正規分布曲線を推定
できる。
すると、 となる。g′(x)はX軸との交点がμ、傾きが の1次式となるので、g′(x)を求めることにより、平
均値μと、標準偏差σが計算でき、正規分布曲線を推定
できる。
ここで推定された正規分布と、もとの血球の粒度分布と
の差を表す特徴パラメータの例として、次式で定義され
るマッチング距離Dを導入する。
の差を表す特徴パラメータの例として、次式で定義され
るマッチング距離Dを導入する。
D=∫{|f(x)−h(x)|}dX 上式において、f(x)は与えられた分布、h(x)は推定さ
れた分布である。
れた分布である。
以下、第1図に示すフローチャートに基づいて詳細に説
明する。まず容積に比例した血球パルスをコンパレータ
回路などで容積分布に変換し、記憶装置に取り込む。つ
いで取り込まれた粒度分布データを、粒度分布解析が容
易に行えるように平滑化する。すなわち、粒度分布に含
まれるノイズ成分を取り除く。その後、粒度分布の自然
対数をとり、隣りどうしの差を計算することにより、
g′(x)を算出する。ついで与えられた分布の主分布を
さがす手段として適当なウインドウ(粒度分布の横軸上
の処理区間)を設定し、このウインドウ内でのg′(x)
が最も直線に近いところをさがす。すなわち、粒度分布
曲線の中で最も正規線分布に近いところをさがす。最も
直線に近いg(x)の回帰直線式を求め、この式の傾きと
切片により推定分布の平均値と標準偏差を計算する。つ
いで正規分布に、求められた平均値と標準偏差を代入
し、その最大値をもとの粒度分布によりノーマライズ
(もとの粒度分布と推定分布の最大値を同じ大きさにす
ること)する。これによりもとの粒度分布と推定分布を
比較することができるようになる。この後、もとの粒度
分布と推定分布の面積差を求めることにより、マッチン
グ距離Dを得る。対数正規分布の場合も同様に行うこと
ができる。
明する。まず容積に比例した血球パルスをコンパレータ
回路などで容積分布に変換し、記憶装置に取り込む。つ
いで取り込まれた粒度分布データを、粒度分布解析が容
易に行えるように平滑化する。すなわち、粒度分布に含
まれるノイズ成分を取り除く。その後、粒度分布の自然
対数をとり、隣りどうしの差を計算することにより、
g′(x)を算出する。ついで与えられた分布の主分布を
さがす手段として適当なウインドウ(粒度分布の横軸上
の処理区間)を設定し、このウインドウ内でのg′(x)
が最も直線に近いところをさがす。すなわち、粒度分布
曲線の中で最も正規線分布に近いところをさがす。最も
直線に近いg(x)の回帰直線式を求め、この式の傾きと
切片により推定分布の平均値と標準偏差を計算する。つ
いで正規分布に、求められた平均値と標準偏差を代入
し、その最大値をもとの粒度分布によりノーマライズ
(もとの粒度分布と推定分布の最大値を同じ大きさにす
ること)する。これによりもとの粒度分布と推定分布を
比較することができるようになる。この後、もとの粒度
分布と推定分布の面積差を求めることにより、マッチン
グ距離Dを得る。対数正規分布の場合も同様に行うこと
ができる。
赤血球(RBC)の粒度解析に理論分布として正規分布
を設定したところ、第2図に示すようなタイプ(以下、
タイプIという)、第3図に示すようなタイプ(以下、
タイプIIという)、第4図に示すようなタイプ(以下、
タイプIIIという)、すなわち3つのタイプが得られ
た。
を設定したところ、第2図に示すようなタイプ(以下、
タイプIという)、第3図に示すようなタイプ(以下、
タイプIIという)、第4図に示すようなタイプ(以下、
タイプIIIという)、すなわち3つのタイプが得られ
た。
第2図に示すようなタイプIは、ほぼ正規分布と一致
し、破線で推定粒度分布を示したが、もとの粒度分布と
重なり、破線は見えない。
し、破線で推定粒度分布を示したが、もとの粒度分布と
重なり、破線は見えない。
第3図はマッチング距離Dが大きく、正規分布で推定し
た推定分布(破線の分布)はもとの分布にフィットして
いない。そこで理論分布として対数正規分布を用いて推
定粒度分布を求めたものが第5図である。第5図に示す
ように推定分布(破線の分布)とよく一致している。ま
た、マッチング距離Dも正規分布の場合に比べ約1/6
になっている。
た推定分布(破線の分布)はもとの分布にフィットして
いない。そこで理論分布として対数正規分布を用いて推
定粒度分布を求めたものが第5図である。第5図に示す
ように推定分布(破線の分布)とよく一致している。ま
た、マッチング距離Dも正規分布の場合に比べ約1/6
になっている。
第4図は1回の正規分布で推定した結果、残りの面積が
大きく、さらに正規分布で推定できる例である。すなわ
ち、2つの正規分布で推定できるタイプである。このタ
イプの分布はほぼ2つの正規分布の和になっている例が
殆どである。
大きく、さらに正規分布で推定できる例である。すなわ
ち、2つの正規分布で推定できるタイプである。このタ
イプの分布はほぼ2つの正規分布の和になっている例が
殆どである。
これらのタイプによる分類を約2500例の血液について行
ったところ、タイプIに属するもの51.3%、タイプIIに
属するもの45.2%、タイプIIIに属するもの3.5
%となった。特にタイプIIIに属する血液は鉄欠乏貧血
の治療過程に多くみられる。
ったところ、タイプIに属するもの51.3%、タイプIIに
属するもの45.2%、タイプIIIに属するもの3.5
%となった。特にタイプIIIに属する血液は鉄欠乏貧血
の治療過程に多くみられる。
また、325 例の血液から、正規分布推定におけるマッチ
ング距離Dが60以上で、対数正規分布推定におけるマ
ッチング距離Dが60以下の条件で血液を分類すると、
この条件に入るのは39例となり、そのうち35例が悪
性新生物の患者血液であった。
ング距離Dが60以上で、対数正規分布推定におけるマ
ッチング距離Dが60以下の条件で血液を分類すると、
この条件に入るのは39例となり、そのうち35例が悪
性新生物の患者血液であった。
このように、粒度分布を理論分布で分類する、あるいは
マッチング距離Dで分類することは、新しい血液パラメ
ータとして有用であることを示す。
マッチング距離Dで分類することは、新しい血液パラメ
ータとして有用であることを示す。
また、推定粒度分布ともとの粒度分布との差異を表すパ
ラメータとしては、 マッチング比P、 等多くのパラメータが考えられる。
ラメータとしては、 マッチング比P、 等多くのパラメータが考えられる。
同様に、本粒度分布解析法は、血球粒度に限らず、ラテ
ックス粒子、細胞粒子などの粒度分布解析にも適用でき
る。
ックス粒子、細胞粒子などの粒度分布解析にも適用でき
る。
本発明は上記のように構成されているので、つぎのよう
な種々の優れた効果を奏する。
な種々の優れた効果を奏する。
(1) 新パラメータにより、粒度分布の特徴抽出を行う
ことで、新しい医療情報を提供することができる。
ことで、新しい医療情報を提供することができる。
(2) 粒度分布の異常を数字で評価することができる。
(3) 粒度分布が複数の分布の重なりであっても解析す
ることができる。
ることができる。
(4) 血球計数において、精度と信頼性を大幅に向上さ
せることができる。
せることができる。
(5) 血球粒度に限らず、ラテックス粒子、細胞粒子な
どの粒度分布解析にも応用できる。
どの粒度分布解析にも応用できる。
第1図は本発明の粒度分布解析法の一例を示すフローチ
ャート、第2図〜第5図は実施例における解析例グラフ
である。
ャート、第2図〜第5図は実施例における解析例グラフ
である。
Claims (2)
- 【請求項1】微粒子測定装置から解析対象粒度分布を取
り込み、粒度分布を理論上の分布で推定し、解析対象粒
度分布と推定分布を比較しその差をあらわす特徴パラメ
ータを求め、この特徴パラメータと理論分布の種類、ま
たはどちらか一方で解析対象粒度分布を分類することを
特徴とする粒度分布解析法。 - 【請求項2】解析対象粒度分布を複数の推定分布で推定
する特許請求の範囲第1項記載の粒度分布解析法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP17642486A JPH0629839B2 (ja) | 1986-07-25 | 1986-07-25 | 粒度分布解析法 |
US07/014,770 US4817446A (en) | 1986-07-25 | 1987-02-13 | Particle size distribution analysis |
CA000529906A CA1276299C (en) | 1986-07-25 | 1987-02-17 | Particle size distribution analysis |
DE3789736T DE3789736T2 (de) | 1986-07-25 | 1987-02-18 | Verfahren zur Auswertung eines Teilchengrössenverteilung. |
EP87301393A EP0254380B1 (en) | 1986-07-25 | 1987-02-18 | Particle size distribution analysis |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP17642486A JPH0629839B2 (ja) | 1986-07-25 | 1986-07-25 | 粒度分布解析法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPS6332346A JPS6332346A (ja) | 1988-02-12 |
JPH0629839B2 true JPH0629839B2 (ja) | 1994-04-20 |
Family
ID=16013455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP17642486A Expired - Lifetime JPH0629839B2 (ja) | 1986-07-25 | 1986-07-25 | 粒度分布解析法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH0629839B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6535836B1 (en) * | 2000-09-29 | 2003-03-18 | Coulter International Corp. | Method for the analysis of abnormal particle populations |
-
1986
- 1986-07-25 JP JP17642486A patent/JPH0629839B2/ja not_active Expired - Lifetime
Also Published As
Publication number | Publication date |
---|---|
JPS6332346A (ja) | 1988-02-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2667867B2 (ja) | 粒子解析装置 | |
Farias et al. | Definition of reference ranges for the platelet distribution width (PDW): a local need | |
JP2500848B2 (ja) | 血液凝固時間の決定方法 | |
Rowan et al. | The Coulter Counter Model S Plus–the shape of things to come | |
JPH0475463B2 (ja) | ||
JP3213097B2 (ja) | 粒子分析装置及び方法 | |
EP0254380B1 (en) | Particle size distribution analysis | |
Acharya et al. | Identification and red blood cell classification using computer aided system to diagnose blood disorders | |
Grant et al. | Understanding the contribution of operator measurement variability within flow cytometry data analysis for quality control of cell and gene therapy manufacturing | |
JP2004510974A (ja) | 異常な粒子集団を分析する為の方法 | |
JPH0629839B2 (ja) | 粒度分布解析法 | |
JPH0629838B2 (ja) | 粒度分布解析法 | |
CN111584083A (zh) | 一种血栓弹力图检测综合凝血指数积分算法 | |
US8512977B2 (en) | Analyzing reticulocytes | |
JPH02194359A (ja) | 白血球細胞ヒストグラムから3種の主要タイプの血液細胞を分離するための方法 | |
CN116057383A (zh) | 凝血反应的分析方法 | |
CA2514743C (en) | Performance improvement for hematology analysis | |
JPS5825144A (ja) | 血液分析方法およびその装置 | |
Harkins et al. | Discriminant analysis of macrocytic red cells | |
JPH0629840B2 (ja) | 粒度分布解析法 | |
EP4303586A1 (en) | Method for estimating factor of prolonged coagulation time | |
JP6588471B2 (ja) | 病理の検出のために血液試料を解析する方法 | |
WO2024018789A1 (ja) | 血液凝固時間の延長原因の推定方法、及び情報処理装置 | |
Üstündağ et al. | Use of Mindray MC-80 digital morphology analyzer’s estimated platelet counts as adjunct to automated hematology analyzer | |
Urrechaga et al. | Looking back to our roots: 80 years of wintrobe’s indices |