RU2184966C1 - Способ анализа клеточного состава крови по мазку - Google Patents

Способ анализа клеточного состава крови по мазку Download PDF

Info

Publication number
RU2184966C1
RU2184966C1 RU2000129916A RU2000129916A RU2184966C1 RU 2184966 C1 RU2184966 C1 RU 2184966C1 RU 2000129916 A RU2000129916 A RU 2000129916A RU 2000129916 A RU2000129916 A RU 2000129916A RU 2184966 C1 RU2184966 C1 RU 2184966C1
Authority
RU
Russia
Prior art keywords
smear
cells
blood
slide
blood cells
Prior art date
Application number
RU2000129916A
Other languages
English (en)
Inventor
С.Ф. Боев
Н.В. Верденская
А.Г. Виноградов
А.А. Гусев
И.А. Иванова
Г.И. Козинец
В.М. Погорелов
В.В. Сазонов
Original Assignee
Боев Сергей Федотович
Козинец Геннадий Иванович
Сазонов Владимир Васильевич
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Боев Сергей Федотович, Козинец Геннадий Иванович, Сазонов Владимир Васильевич filed Critical Боев Сергей Федотович
Priority to RU2000129916A priority Critical patent/RU2184966C1/ru
Application granted granted Critical
Publication of RU2184966C1 publication Critical patent/RU2184966C1/ru

Links

Landscapes

  • Investigating Or Analysing Biological Materials (AREA)

Abstract

Изобретение относится к области медицины. Способ осуществляют следующим образом. Для реализации способа предварительно окрашивают предметное стекло. После нанесения на него мазка в виде монослоя из дозированного объема крови предметное стекло выдерживают в камере влажности до насыщения слоя красителя водяным паром. Мазок разбивают на поля зрения путем выбора участков с однородными характеристиками элементов. При разбивке мазка на поля зрения учитывают неравномерность распределения различных типов клеток на мазке путем выбора соответствующей траектории расположения полей зрения. Поля зрения вводят в память компьютера. Кадры одновременно сегментируют. При анализе лейкоцитов проводят дополнительную сегментацию по статистической процедуре, выделяя на участке содержащего лейкоцит кадра внутриклеточные структуры объекта. Получают информацию о количественных характеристиках клеток крови и их качественном описании. Способ обеспечивает возможность проведения анализа клеточного состава крови в экстремальных условиях.

Description

Изобретение относится к области медицины и может использоваться в медицинской технике при анализе клеточного состава крови, преимущественно периферической.
Известен способ анализа клеточного состава крови по мазку, включающий приготовление сухого окрашенного мазка, разбивку мазка на поля зрения, которые посредством оптико-цифровой системы вводят в память компьютера в виде серии кадров, кадры сегментируют, измеряют выделенные объекты, находят распределение тромбоцитов по размерам, выделяют нормальные и патологические формы эритроцитов и подсчитывают их соотношения, определяют лейкоцитарную формулу (Медовый B. C. и др. Автоматизированные цитофотометрические тесты мазков крови для общей клиники и скрининговых обследований населения. "Клиническая лабораторная диагностика", 1997, 10, с. 6-8).
Этот способ позволяет анализировать отдельные типы клеток крови и не приспособлен к их комплексному анализу, что не позволяет получить качественную картину состояния клеток. Он не обеспечивает получения информации о количестве клеточных элементов в объеме крови. Кроме того, он непригоден в условиях, когда используемый прием подготовки пробы в виде окрашенного сухого мазка невозможен, например на космических станциях.
Из известных способов наиболее близким к заявленному является способ анализа клеточного состава крови по мазку, включающий приготовление мазка на предметном стекле в виде монослоя из дозированного объема крови, разбивку мазка путем выбора участков с однородными характеристиками элементов на поля зрения, которые посредством оптико-цифровой системы вводят в память компьютера в виде серии кадров, кадры одновременно сегментируют, измеряют выделенные объекты, находят распределение тромбоцитов по размерам, выделяют нормальные и патологические формы эритроцитов и подсчитывают их соотношения, определяют лейкоцитарную формулу, при этом тип всех выделенных в кадре клеток определяют одновременно, подсчитывают число выделенных клеток каждого типа в каждом кадре, а количество клеток крови различных типов определяют пересчетом количества клеток по площади мазка на объем пробы (RU 2147123 Cl, G 01 N 33/49, 2000). В этом способе мазок крови приготавливают, используя окрашивание крови жидкостными красителями, преимущественно по методике Романовского-Гимза.
Этот способ более диагностически информативен, позволяет получить информацию о количественных характеристиках крови одновременно с их качественным описанием. Однако он также неприменим в экстремальных условиях, например в условиях космической станции, когда невозможно приготавливать окрашенный сухой мазок, поскольку жидкостные красители здесь неприменимы. Вместе с тем, в механизмах адаптации человека к комплексу факторов, характерных для космического полета, большое значение имеет именно состояние крови, изменения которой являются определяющим показателем влияния внешней среды на организм. Поэтому во время длительных космических полетов необходимо регулярно проводить анализ крови космонавтов. Способы же анализа, основанные на разведении крови различными жидкими реагентами, здесь непригодны в принципе из-за нетекучести жидкости в невесомости. Указанный известный способ становится неэффективным и в некоторых других экстремальных ситуациях, когда необходимо проводить обследование состояния крови у большого контингента людей (пандемии; военные действия, особенно с применением оружия массового поражения - ядерного, химического и биологического; земные и атмосферные катастрофы глобального характера), поскольку применение жидкостных красителей для приготовления проб увеличивает время анализа и может быть значительно затруднено или вообще невозможно.
Задача, решаемая изобретением, заключается в создании эффективного способа анализа клеточного состава крови по мазку, лишенного недостатков прототипа. Технический результат, обеспечиваемый изобретением, состоит в обеспечении возможности проведения анализа клеточного состава крови в экстремальных условиях при одновременном сохранении высокой диагностической информативности анализа (информации о количественных характеристиках крови и их качественном описании).
Это достигается тем, что в способе анализа клеточного состава крови по мазку, включающем приготовление мазка на предметном стекле в виде монослоя из дозированного объема крови, разбивку мазка путем выбора участков с однородными характеристиками элементов на поля зрения, которые посредством оптико-цифровой системы вводят в память компьютера в виде серии кадров, кадры одновременно сегментируют, измеряют выделенные объекты, находят распределение тромбоцитов по размерам, выделяют нормальные и патологические формы эритроцитов и подсчитывают их соотношения, определяют лейкоцитарную формулу, при этом тип всех выделенных в кадре клеток определяют одновременно, подсчитывают число выделенных клеток каждого типа в каждом кадре, а количество клеток крови различных типов определяют пересчетом количества клеток по площади мазка на объем пробы, предметное стекло предварительно окрашивают, после нанесения на него мазка его выдерживают в камере влажности до насыщения слоя красителя водяным паром, при этом при разбивке мазка на поля зрения учитывают неравномерность распределения различных типов клеток на мазке путем выбора соответствующей траектории расположения полей зрения, а при анализе лейкоцитов проводят дополнительную сегментацию по статистической процедуре, выделяя на участке содержащего лейкоцит кадра внутриклеточные структуры объекта.
Указанный выше технический результат обеспечивается всей совокупностью существенных признаков.
В соответствии с заявленным способом предварительно (заранее) окрашивают предметное стекло путем нанесения на вымытое и обезжиренное стекло слоя необходимых красителей, например 100 мкл 2,5% раствора эозин-метиленового синего на метиловом спирте. Раствору дают равномерно растечься и высохнуть. На сухом предметном стекле (которое может храниться длительное время) изготавливают мазок в виде монослоя, например, с помощью автоматической пипетки из дозированного объема крови. Приготовленный мазок помещают в камеру влажности с воздухом, насыщенным парами воды, например, при температуре 20-25oС и выдерживают в ней, например, 15 минут до насыщения слоя красителя водяным паром, вследствие чего происходит окрашивание мазка. После извлечения из камеры влажности предметное стекло с мазком подсушивают, например, 3 минуты. При этом на мазке сохраняются все типы форменных элементов (эритроциты, лейкоциты, тромбоциты), что позволяет проводить их дальнейшее исследование. Разбивку мазка на поля зрения осуществляют путем выбора участков с однородными характеристиками, при этом учитывают неравномерность расположения различных типов клеток на мазке путем выбора соответствующей траектории расположения полей зрения. Такой учет оказывается необходимым, поскольку указанная неравномерность возникает из-за особенностей, характерных для приготовления мазка на окрашенном стекле. Поля зрения мазка под микроскопом посредством оптико-цифровой системы вводят в память компьютера в виде серии цифровых кадров. Для сканирования препарата и ввода серии кадров, содержащих изображения полей зрения микроскопа, может использоваться, например, биологический оптический бинокулярный микроскоп DMLS фирмы Leica с тринокулярной насадкой, включающей тубус с видеокамерами. В качестве видеокамеры может быть использована, например, цифровая камера EDC-1000E фирмы Electrim, а в качестве компьютера - персональный компьютер типа PC Pentium II. Введенные кадры одновременно сегментируют - клетки всех типов и их внутриклеточные структуры выделяют в каждом сохраненном кадре. При этой (первичной) сегментации выделяют на изображении эритроциты, лейкоциты, тромбоциты, участки фона и прочие объекты (грязь и др.). Далее подсчитывают количество выделенных клеток каждого типа - эритроцитов, лейкоцитов, тромбоцитов пересчетом количества клеток по площади мазка на объем пробы, определяют соотношения количества эритроцитов, лейкоцитов и тромбоцитов, измеряют выделенные объекты, определяют распределение тромбоцитов по размерам, проводят распознавание (классификацию) изображений клеток эритроцитов и лейкоцитов, выделяют нормальные и патологические формы эритроцитов и подсчитывают их соотношения, определяют лейкоцитарную формулу. При этом тип всех выделенных в кадре клеток определяют одновременно.
При сегментации на изображении выделяют области, соответствующие различным физическим объектам, таким как фон, эритроциты, тромбоциты, лейкоциты и т. д. , которые могут быть как однородными по своим цветояркостным характеристикам, например эритроцит или тромбоцит, так и неоднородными, например лейкоцит с выраженным ядром. Для решения этой задачи изображение разбивается на более мелкие участки, в данном случае отвечающие свойству однородности в рамках статистической модели. Это означает, что все элементы участка однородности описываются одной и той же математической моделью. Для описания случайной структуры однородных участков изображения используют, например, модель независимых пикселов, распределенных по нормальному закону. При этом однородной считается область с одинаковыми значениями параметров распределения. Первичная сегментация - это выделение на изображении эритроцитов, лейкоцитов, тромбоцитов, участков фона и прочих объектов. В предположении наличия на изображении достаточного количества эритроцитов и участков фона строят первый (априорный) порог с целью разделения гистограммы на участки "фон" и "не фон". Затем на каждом из полученных участков с помощью устойчивой к засорению выборки (робастной) процедуры оценивания строят оценки параметров главных пиков гистограммы - фона и эритроцитов, ограничивающие симметричный относительно среднего участок пика, суммарная вероятность которого равна заданной величине. На базе этих оценок строят окончательные пороги. Далее путем анализа площадей группы соседних участков, отнесенных на первом этапе к участкам средней яркости и темным участкам изображения, производят распознавание выделенных объектов (отнесение клеток к соответствующему типу) и подсчет числа клеток в кадре.
При анализе лейкоцитов проводят дополнительную сегментацию по статистической процедуре, выделяя на участке содержащего лейкоцит кадра внутриклеточные структуры объекта (цитоплазму и включения). Такая дополнительная сегментация необходима из-за малой контрастности изображений участков препарата, приготовленного на окрашенном стекле. Для этого применяют статистическую (не пороговую) процедуру, заключающуюся, например, в проверке статистических гипотез, которые формируются в виде вероятностного распределения. При этом рассматривают выделенный на первом этапе сегментации небольшой участок изображения, содержащий лейкоцит. Далее формируют список гипотез о распределении яркости внутри выделенных участков изображения. С этой целью строят гистограмму выделенного участка изображения. Используя алгоритм разделения смесей вероятностных распределений, по построенной гистограмме получают оценки параметров распределений, отвечающих областям фона, эритроцитов, цитоплазмы и ядра лейкоцита. В качестве оценок параметров распределений, отвечающих фону и эритроцитам, берут, например, оценки, полученные на предыдущем этапе сегментации. Для каждого пиксела изображения выбирают окрестность заданной конфигурации. Из элементов этой окрестности формируют выборку. По построенной выборке проверяют гипотезы о соответствии ее распределения распределениям из списка. Элементу изображения приписывают номер области в соответствии с тем, какая гипотеза принята для его окрестности. Формируют области однородности, т.е. области изображения, отвечающие одному распределению. Процедура заканчивается за один проход. После этого на выбранном участке изображения выделяют связные области и осуществляют первичное распознавание элементов изображения - определяют области сегментов ядра и цитоплазмы лейкоцитов. На следующем этапе обработки строят формальное описание выделенных и идентифицированных элементов изображения. Для тромбоцитов определяют ограниченный набор признаков объекта - малый размер, относительно темная окраска, округлая форма. Для выделения нормальных и патологических форм эритроцитов и для определения лейкоцитарной формулы используют более полное описание объектов. При этом описывают форму клетки и внутриклеточных элементов (форма эритроцита, ядра и цитоплазмы эритроцита).
Характеристики изображений клеток можно условно разделить на три группы - текстурные характеристики элемента изображения, характеристики формы, включая размеры, и цветояркостные характеристики. Описание текстурных характеристик определяется параметрами модели элемента изображения. В рамках выбранной модели изображения цветояркостными и текстурными характеристиками, используемыми при анализе, являются параметры распределений элементов изображения, соответствующих областям однородности. В качестве модели распределения для каждой цветовой компоненты используют распределение с кусочно-дифференцируемой плотностью, которая на существенном участке представляет собой экспоненту с полиномом заданной степени в показателе. Для описания формы объекта используют преимущественно параметрическое представление внешнего контура элемента изображения в виде комплексной функции и последующее ее разложение в ряд Фурье. Характеристиками формы объекта, включая площадь и периметр, являются 30 первых коэффициентов такого разложения. Для сравнения формы используют метрику (расстояние) в пространстве кривых, не зависящую от движений плоскости и представляющую собой минимум симметрической разности площадей, ограниченных кривыми по всем элементарным движениям плоскости. На следующем шаге определяют информативные признаки выделенных объектов. Для снижения размерности пространства признаков используют стандартный метод главных компонент. В качестве процедуры используют, например, процедуру классификации (проверки гипотез) в рамках модели Фишера для нескольких классов, как в способе-прототипе.
Анализ клеточного состава крови в соответствии с изобретением применим в экстремальных условиях, когда приготовление окрашенных мазков крови невозможно или, по крайней мере, значительно затруднено. В то же время заявленный способ высокоинформативен. Способ обеспечивает определение количества эритроцитов, тромбоцитов и лейкоцитов на площади мазка, выделение патологических и нормальных форм эритроцитов, подсчет их количественных соотношений, определение среднего содержания гемоглобина в эритроцитах, описание распределения тромбоцитов по размеру и подсчет лейкоцитарной формулы.

Claims (1)

  1. Способ анализа клеточного состава крови по мазку, приготовление мазка на предметном стекле в виде монослоя из дозированного объема крови, разбивку мазка путем выбора участков с однородными характеристиками элементов на поля зрения, которые посредством оптико-цифровой системы вводят в память компьютера в виде серии кадров, кадры одновременно сегментируют, измеряют выделенные объекты, находят распределение тромбоцитов по размерам, выделяют нормальные и патологические формы эритроцитов и подсчитывают их соотношения, определяют лейкоцитарную формулу, при этом тип всех выделенных в кадре клеток определяют одновременно, подсчитывают число выделенных клеток каждого типа в каждом кадре, а количество клеток крови различных типов определяют пересчетом количества клеток по площади мазка на объем пробы, отличающийся тем, что предметное стекло предварительно окрашивают, после нанесения на него мазка его выдерживают в камере влажности до насыщения слоя красителя водяным паром, при этом при разбивке мазка на поля зрения учитывают неравномерность распределения различных типов клеток на мазке путем выбора соответствующей траектории расположения полей зрения, а при анализе лейкоцитов проводят дополнительную сегментацию по статистической процедуре, выделяя на участке содержащего лейкоцит кадра внутриклеточные структуры объекта.
RU2000129916A 2000-11-30 2000-11-30 Способ анализа клеточного состава крови по мазку RU2184966C1 (ru)

Priority Applications (1)

Application Number Priority Date Filing Date Title
RU2000129916A RU2184966C1 (ru) 2000-11-30 2000-11-30 Способ анализа клеточного состава крови по мазку

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
RU2000129916A RU2184966C1 (ru) 2000-11-30 2000-11-30 Способ анализа клеточного состава крови по мазку

Publications (1)

Publication Number Publication Date
RU2184966C1 true RU2184966C1 (ru) 2002-07-10

Family

ID=20242766

Family Applications (1)

Application Number Title Priority Date Filing Date
RU2000129916A RU2184966C1 (ru) 2000-11-30 2000-11-30 Способ анализа клеточного состава крови по мазку

Country Status (1)

Country Link
RU (1) RU2184966C1 (ru)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2488821C1 (ru) * 2011-12-21 2013-07-27 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики" Способ подсчета эритроцитов на изображениях мазков крови (варианты)
RU2619784C2 (ru) * 2011-09-13 2017-05-18 Конинклейке Филипс Н.В. Система и набор для получения цитологических образцов для исследования
RU178938U1 (ru) * 2017-06-20 2018-04-23 Федеральное государственное бюджетное образовательное учреждение высшего образования "Амурская государственная медицинская академия" Министерства здравоохранения Российской Федерации Устройство для подготовки цитологического мазка биологических жидкостей к проведению экспресс-анализа клеточного состава

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
RU2619784C2 (ru) * 2011-09-13 2017-05-18 Конинклейке Филипс Н.В. Система и набор для получения цитологических образцов для исследования
RU2488821C1 (ru) * 2011-12-21 2013-07-27 Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики" Способ подсчета эритроцитов на изображениях мазков крови (варианты)
RU178938U1 (ru) * 2017-06-20 2018-04-23 Федеральное государственное бюджетное образовательное учреждение высшего образования "Амурская государственная медицинская академия" Министерства здравоохранения Российской Федерации Устройство для подготовки цитологического мазка биологических жидкостей к проведению экспресс-анализа клеточного состава

Similar Documents

Publication Publication Date Title
US10508983B2 (en) Method for performing a blood count and determining the morphology of a blood smear
US6577754B2 (en) Robust stain detection and quantification for histological specimens based on a physical model for stain absorption
Lamchiagdhase et al. Urine sediment examination: a comparison between the manual method and the iQ200 automated urine microscopy analyzer
RU2147123C1 (ru) Способ анализа клеточного состава крови по мазку
CN115266540A (zh) 对样品实施的光学测量
CN110473167B (zh) 一种基于深度学习的尿沉渣图像识别系统及方法
KR102624956B1 (ko) 세포 샘플 내에서 적어도 하나의 기형을 가지는 세포를 검출하기 위한 방법
CN108845153B (zh) 一种白细胞粒子分析系统及方法
KR101836830B1 (ko) 광학적 세포 식별방법
Cabrera et al. HeMatic: An automated leukemia detector with separation of overlapping blood cells through Image Processing and Genetic Algorithm
Bacus et al. Image processing for automated erythrocyte classification.
Szabo et al. Evaluation of an automated instrument for viability and concentration measurements of cryopreserved hematopoietic cells
RU2184966C1 (ru) Способ анализа клеточного состава крови по мазку
US20230221238A1 (en) Cell analysis method and cell analyzer
JPH10302067A (ja) パターン認識装置
CN114152557B (zh) 基于图像分析的血细胞计数方法和系统
CN110110807A (zh) 一种基于改进K-means及卷积神经网络的白细胞提取和分类方法
Sreelatha et al. Automatic detection of comets in silver stained comet assay images for DNA damage analysis
Lyashenko et al. The study of blood smear as the analysis of images of various objects
Samorodov Biotechnological Systems for Automated Microscopy of Cytology Specimens
Mizukami et al. Semiautomated Segmentation and Measurement of Cytoplasmic Vacuoles in a Neutrophil With General‐Purpose Image Analysis Software
Mohammed et al. WBCs detection depending based on a binary conversion of the color component in a Ycbcr color space
KR102613961B1 (ko) 골수가 도말된 슬라이드 샘플 이미지의 셀 존 결정 방법 및 셀 존의 고배율 촬상 방법
JPH11118793A (ja) 尿中赤血球分類装置
US20240029458A1 (en) A method for automated determination of platelet count based on microscopic images of peripheral blood smears

Legal Events

Date Code Title Description
MM4A The patent is invalid due to non-payment of fees

Effective date: 20121201