一種粒子分類方法及粒子分類裝置與流程
2023-12-01 20:17:41 1
本發明涉及粒子檢測技術領域,尤其涉及的是一種粒子分類方法及粒子分類裝置。
背景技術:
血液細胞分析儀可以檢測血液中的白細胞、紅細胞、血小板、血紅蛋白等參數的數量並能對白細胞進行分類。其中對白細胞進行分類是其基本的功能。血液細胞分析儀對發現和確診一些血液疾病具有參考作用,是臨床檢驗不可缺少的儀器之一。
流式細胞技術(Flow Cytometry,FCM)是一種自動分析細胞的技術,其原理為待測細胞被製備成單個細胞的懸液,經特異性染料染色後放入樣品管中,由噴嘴進入流動室。鞘液在一定壓力下充滿流動室,細胞在鞘液的約束下,排成單列經過流動室的檢測部(如圖1),雷射照射到單個細胞上,引發光散射場變化,可以提供細胞的大小、細胞核、細胞顆粒大小和複雜度信息。再通過光電轉換和AD轉換,得到對應細胞的一組二維數據,分別表示粒子的體積信息和內部複雜度信息。將該組二維數據映射到二維坐標繫上,便得到該白細胞在二維坐標系中對應的位置。以此類推,可以得到二維白細胞散點圖。如圖1所示,二維白細胞散點圖中,同類的粒子會聚集在一起,而不同類的粒子會相互分離,而一種粒子快速自動分類算法就是將散點圖中同類粒子找到,分別計數,進而計算出所取樣本中各部分粒子佔該樣本白細胞總數的百分比,用於臨床分析。
一些傳統的粒子分類方法,比如:專利US.Pat.No.4987086描述了一種固定邊界分類法,其採用在由前向散射光和側向散射光形成的散點圖上,通過「設門」,即在散點圖上劃分出邊界的方式從全血細胞中區分中性粒細胞、淋巴細胞和單核細胞。該方法不能對邊界進行自適應調整,不具有普遍性,適應性差。專利US.Pat.No.5627040描述了一種「重心引力因子」法。該方法用一種優化算法根據每個引力因子來確立邊界,用尺寸、形狀和方位固定而位置不固定的邊界在散點圖上進行分類,該方法雖然邊界可以自動調整,但是尺寸、形狀和方位還是固定的,適應性較差。
因此,現有技術還有待於進一步的改進。
技術實現要素:
本發明的目的在於為用戶提供一種粒子分類方法及粒子分類裝置,克服現有技術中分類方法不能自適應調整粒子散點圖上劃出的邊界,適應性差的缺陷。
本發明解決技術問題所採用的技術方案如下:
一種粒子分類方法,其中,包括以下步驟:
A、獲取粒子在光照區域時產生的特徵信號,並根據特徵信號形成粒子分布散點圖;
B、對分布散點圖中數據分別作X軸和Y軸的垂直投影,得到分布散點圖中X坐標值和Y坐標值相同的粒子個數,根據粒子個數和其所對應的X坐標值和Y坐標值得到X軸和Y軸粒子個數統計曲線圖;
C、以所述統計曲線圖中波谷所處位置點或者波峰的曲率最大值所對應位置點相應的數據作為劃分閾值,對分布散點圖上的粒子點群進行初步區域劃分;
D、計算分布散點圖上各個區域全部粒子點所對應數據的均值和協方差,並根據計算出的均值和協方差,計算每個粒子距離各個區域中協方差所對應置信橢圓的最近距離,並將粒子歸於最近距離最小的區域中,對初步劃分出的區域進行修正,得到最終區域劃分。
所述的粒子分類方法,其中,所述步驟C包括:
C1、判斷統計曲線圖中波峰的個數,若為一個,則執行步驟C2,否則執行步驟C3;
C2、以波峰的曲率最大值所對應位置點相應的數據作為劃分閾值,進行初步區域劃分;
C3、以波谷所處位置點對應的數據作為劃分閾值對分布散點圖進行初步區域劃分。
所述的粒子分類方法,其中,所述步驟B還包括步驟:
B1、使用平滑濾波方法對統計曲線圖做平滑處理。
所述的粒子分類方法,其中,所述步驟D中還包括:
D1、分別計算相鄰兩個初步劃分區域中每個粒子點距離兩個區域協方差對應置信橢圓的最近距離,並將粒子點歸入最近距離值小的區域內。
所述的粒子分類方法,其中,所述步驟D1中使用公式計算每個粒子距離各個區域中協方差所對應置信橢圓的最近距離:
其中,dist為所述最近距離,zi為粒子對應數據,mj為每個區域的粒子對應數據的均值,Σj為每個區域粒子對應數據的協方差。
一種粒子分類裝置,其中,包括:
散點圖形成模塊,用於獲取粒子在光照區域時產生的特徵信號,並根據特徵信號形成粒子分布散點圖;
統計曲線圖形成模塊,用於對分布散點圖中數據分別作X軸和Y軸的垂直投影,得到分布散點圖中X坐標值和Y坐標值相同的粒子個數,根據粒子個數和其所對應的X坐標值和Y坐標值得到X軸和Y軸粒子個數統計曲線圖;
初步區域劃分模塊,用於以所述統計曲線圖中波谷所處位置點或者波峰的曲率最大值所對應位置點相應的數據作為劃分閾值,對分布散點圖上的粒子點群進行初步區域劃分;
修正劃分模塊,用於計算分布散點圖上各個區域全部粒子點所對應數據的均值和協方差,並根據計算出的均值和協方差,計算每個粒子距離各個區域中協方差所對應置信橢圓的最近距離,並將粒子歸於最近距離最小的區域中,對初步劃分出的區域進行修正,得到最終區域劃分。
所述粒子分類裝置,其中,所述初步區域劃分模塊包括:
波峰個數判斷單元,用於判斷統計曲線圖中波峰的個數;
曲率點劃分單元,用於以波峰的曲率最大值所對應位置點相應的數據作為劃分閾值,進行初步區域劃分;
波谷位置點劃分單元,用於以波谷所處位置點對應的數據作為劃分閾值對分布散點圖進行初步區域劃分。
所述粒子分類裝置,其中,所述統計曲線圖形成模塊還用於使用平滑濾波方法對統計曲線圖做平滑處理。
所述粒子分類裝置,其中,所述修正劃分模塊還包括:
最近距離計算單元,用於計算相鄰兩個初步劃分區域中每個粒子點距離兩個區域協方差對應置信橢圓的最近距離,並將粒子點歸入最近距離值小的區域內。
所述粒子分類裝置,其中,所述修正劃分模塊還包括:
所述最近距離計算單元使用以下公式計算每個粒子距離各個區域中協方差所對應置信橢圓的最近距離:
其中,dist為所述最近距離,zi為粒子對應數據,mj為每個區域的粒子對應數據的均值,Σj為每個區域粒子對應數據的協方差。
有益效果,本發明提供了一種粒子分類方法及粒子分類裝置,通過獲取粒子的二維分布散點圖,並根據粒子個數和其所對應的X坐標值和Y坐標值得到X軸和Y軸粒子個數統計曲線圖,對分布散點圖上的粒子點群進行初步區域劃分;計算分布散點圖上各個區域全部粒子點所對應數據的均值和協方差,並根據計算出的均值和協方差,計算每個粒子距離各個區域中協方差所對應置信橢圓的最近距離,並將粒子歸於最近距離最小的區域中,對初步劃分出的區域進行修正,得到最終區域劃分。由於本發明所述的方法及裝置,可以基於其二維高斯分布,從而實現粒子的準確劃分,使分類結果更加準確。
附圖說明
圖1是白細胞分析儀的流動室示意圖。
圖2是本發明所提供的一種粒子分類方法的步驟流程圖。
圖3是本發明所述粒子的二維分布散點圖示意一。
圖4是本發明所述粒子的二維分布散點圖示意二。
圖5是本發明中分布散點圖示意一中數據投影到X軸或者Y軸的統計曲線圖。
圖6是圖5統計曲線圖平滑後的曲線圖及劃分閾值線的示意圖。
圖7是本發明中分布散點圖示意二中數據投影到X或者Y軸的統計曲線圖。
圖8是圖7統計曲線圖平滑後的曲線圖及劃分閾值線的示意圖。
圖9是本發明中分布散點圖示意一區域最終劃分的示意圖。
圖10是本發明中分布散點圖示意二區域最終劃分的示意圖。
圖11是本發明所提供的一種粒子分類系統的原理結構示意圖。
具體實施方式
為使本發明的目的、技術方案及優點更加清楚、明確,以下參照附圖並舉實施例對本發明進一步詳細說明。應當理解,此處所描述的具體實施例僅僅用於解釋本發明,並不用於限定本發明。
現有技術中利用血液細胞分析儀可以檢測血液中的白細胞、紅細胞、血小板、血紅蛋白等參數的數量並能對白細胞進行分類。血液中的白細胞可分為五大類,即:淋巴細胞、單核細胞、中性粒細胞、嗜酸細胞、嗜鹼細胞。在血細胞分析儀的散點圖上,各類細胞根據各自的特徵佔據不同的位置,需要由算法對各類進行精確的分類,以對臨床提供診斷參考。在散點圖上,淋巴細胞位於散點圖的左下部,單核細胞位於左上部,中性粒細胞和嗜鹼細胞共同位於右上部,嗜酸細胞位於右下部。本發明即是在該技術上進行改進,實現對白細胞準確分類的方法。
本發明提出的一種粒子分類方法,如圖2所示,其包括以下幾個步驟:
S1、獲取粒子在光照區域時產生的特徵信號,並根據特徵信號形成粒子分布散點圖。
當白細胞的粒子在血液細胞分析儀中,經過流動室的檢測部時,在雷射的照射到單個細胞,產生與當前被照射單個細胞相對應的特徵信號。所述特徵信號為散射光信號,為了對表徵該單個細胞的特徵,本步驟中獲取兩種特徵信號,分別為正向散射光和側向散射光。將這兩種特徵信號分別作為直角坐標系中的X坐標和Y坐標,形成直角坐標系中的一個點。因此獲取到的全部白細胞粒子的兩種特徵信號,便形成了粒子分布散點圖。
S2、對分布散點圖中數據分別作X軸和Y軸的垂直投影,得到分布散點圖中X坐標值和Y坐標值相同的粒子個數,根據粒子個數和其所對應的X坐標值和Y坐標值得到X軸和Y軸粒子個數統計曲線圖。
對獲取到的分布散點圖分別作X坐標軸和Y坐標軸上的垂直投影,得到分布散點圖中X坐標值和Y坐標值相同的粒子個數,並將粒子個數與其對應的X坐標值或者Y坐標值組成統計曲線圖。優選的,為了好的呈現X坐標值或者Y坐標值相近點的分布情況,在具體實施過程中,可以將粒子個數作為Y軸,以X軸的坐標值作為X軸,形成X軸投影的統計曲線圖,也以同樣的方法進行Y軸投影的統計曲線圖。
S3、以所述統計曲線圖中波谷所處位置點或者波峰的曲率最大值所對應位置點相應的數據作為劃分閾值,對分布散點圖上的粒子點群進行初步區域劃分。
對上述X軸或者Y軸投影的統計曲線圖進行數據分析,獲取X坐標值或者Y坐標值最小點所對應的閾值點,並以該點所對應的數據作為閾值點,得到劃分線,對相應的分布散點圖進行區域劃分。
通過上述方法,分別基於X軸和Y軸獲取橫向和縱向兩條劃分線,因此分別散點圖可以劃分成四個區域,從而實現對分布散點圖上粒子的初步區域劃分。
為了更好的得到數據最小值所對應的點,得到劃分線,本步驟還包括:
S31、判斷統計曲線圖中波峰的個數,若為一個,則執行步驟S32,否則執行步驟S33;
S32、以波峰的曲率最大值所對應位置點相應的數據作為劃分閾值,進行初步區域劃分;
S33、以波谷所處位置點對應的數據作為劃分閾值對分布散點圖進行初步區域劃分。
通過上述方法可以針對不同的情況分別得到劃分閾值,從而根據劃分閾值對統計曲線圖進行區域劃分。
S4、計算分布散點圖上各個區域全部粒子點所對應數據的均值和協方差,並根據計算出的均值和協方差,計算每個粒子距離各個區域中協方差所對應置信橢圓的最近距離,並將粒子歸於最近距離最小的區域中,對初步劃分出的區域進行修正,得到最終區域劃分。
所述步驟S4中還包括:
S41、分別計算相鄰兩個初步劃分區域中每個粒子點距離兩個區域協方差對應置信橢圓的最近距離,並將粒子點歸入最近距離值小的區域內。
所述步驟S41中使用公式計算每個粒子距離各個區域中協方差所對應置信橢圓的最近距離:
其中,dist為所述最近距離,zi為粒子對應數據,mj為每個區域的粒子對應數據的均值,Σj為每個區域粒子對應數據的協方差。
本步驟中,由於粒子在直角坐標系中的二維散點滿足高斯分布,因此利用高斯分布的函數,對分布的點所對應的數據進行計算,從分布穩定性的方面對其所屬的區域進行判斷,從而獲得更準確的分類結果。上述計算公式中結合了每個區域內數據協方差所對應的置信橢圓和每個區域內數據均差,其計算結果相似於獲取每個點與各個區域內距離置信橢圓最近的距離,從而將其劃分到最近距離最小的區域內,提供了分類的準確度。
可以想到的是,為了更好的對統計曲線圖中的數據進行處理,所述步驟S2還包括步驟:
S21、使用平滑濾波方法對統計曲線圖做平滑處理,從而更好的獲取曲線的波谷位置點和波峰的最大曲率位置點。
為了對本發明所述方法進行更加詳細的說明,下面以其具體應用實施例的方法步驟為例對本發明所述方法做進一步的解釋。
1、通過收集血細胞分析儀散射光信號獲得細胞信息。將細胞的體積信息和內部複雜度信息映射為二維向量,形成粒子的分布散點圖,如圖3和圖4所示。對於分布散點圖上的每個點P,可以用(x,y)來表示,其中x和y分別為點P的橫坐標和縱坐標,所述橫坐標和縱坐標分布代表獲取的正向散射光信號和側向散射光信號所對應的數據。
2、將散點圖向X軸方向做投影,得到投影直方圖,如圖5和圖7所示。
3、用Savitzky-Golay濾波方法對統計直方圖進行平滑處理,結果如圖6和圖8所示。
4、確定波谷處為閾值分割線,將散點圖分為左右兩部分,如圖6和圖8所示。
5、對於特殊樣本,例如圖4所示散點圖,其投影統計曲線圖如圖7所示,由於統計曲線圖沒有明顯的波谷,為了確定閾值的位置,需計算統計曲線圖的曲率。曲率計算方法如下所述:
設曲線方程為y=f(x),計算曲線的曲率的公式為:
其中y'和y」分別為y=f(x)的一階導數和二階導數。
6、根據所得閾值將左部分散點圖初步劃分為上下兩部分。
7、分別根據這兩部分中的散點信息估計高斯分布參數:
高斯分布為:
為樣本均值;
上式中,為樣本的協方差矩陣;其中,j=1,2,Nj為第j類中粒子的個數,|Σj|是協方差矩陣Σj的行列式,是Σj的逆矩陣。
對於此兩個部分中的任一點zi,計算:
其中m1,m2分別為兩部分各自的樣本均值,Σ1,Σ2分別為兩部分各自的樣本方差,最終將樣本zi歸於dist1和dist2最小的那個類中。由此得到直方圖左半部分的兩個分類Γ1和Γ2,分別對應淋巴細胞和單核細胞。
8、同理,對散點圖的右半部分進行同樣的處理,得到分類Γ3和Γ4,分別對應中性粒細胞和嗜酸細胞。此時的單核細胞Γ2和中性粒細胞Γ3可以看作是單核細胞和中性粒細胞之間的初步分類。對單核細胞Γ2和中性粒細胞Γ3再進行同樣的上述處理,會得到單核細胞和中性粒細胞的準確分類。
圖3和圖4中粒子的分布散點圖的最終區域劃分,如圖9和圖10所示。
9、統計每個區域中的細胞個數,從而實現對白細胞的分類。
本發明所述粒子分類方法,先根據粒子點的分布對分布散點圖進行初步劃分,然後利用高斯分布中的函數關係,對初步劃分出四個區域內的點再進行相應的調整,提高粒子分類的準確性,提高分類的效率。
本發明所述方法在上述粒子分類方法的基礎上,提供了一種粒子分類裝置,如圖11所示,包括:
散點圖形成模塊110,用於獲取粒子在光照區域時產生的特徵信號,並根據特徵信號形成粒子分布散點圖;其功能如步驟S1所述。
統計曲線圖形成模塊120,用於對分布散點圖中數據分別作X軸和Y軸的垂直投影,得到分布散點圖中X坐標值和Y坐標值相同的粒子個數,根據粒子個數和其所對應的X坐標值和Y坐標值得到X軸和Y軸粒子個數統計曲線圖;其功能如步驟S2所述。
初步區域劃分模塊130,用於以所述統計曲線圖中波谷所處位置點或者波峰的曲率最大值所對應位置點相應的數據作為劃分閾值,對分布散點圖上的粒子點群進行初步區域劃分;其功能如步驟S3所述。
修正劃分模塊140,用於計算分布散點圖上各個區域全部粒子點所對應數據的均值和協方差,並根據計算出的均值和協方差,計算每個粒子距離各個區域中協方差所對應置信橢圓的最近距離,並將粒子歸於最近距離最小的區域中,對初步劃分出的區域進行修正,得到最終區域劃分,其功能如步驟S4所述。
所述初步區域劃分模塊包括:
波峰個數判斷單元,用於判斷統計曲線圖中波峰的個數;
曲率點劃分單元,用於以波峰的曲率最大值所對應位置點相應的數據作為劃分閾值,進行初步區域劃分;
波谷位置點劃分單元,用於以波谷所處位置點對應的數據作為劃分閾值對分布散點圖進行初步區域劃分。
所述統計曲線圖形成模塊還用於使用平滑濾波方法對統計曲線圖做平滑處理。
所述修正劃分模塊還包括:
最近距離計算單元,用於計算相鄰兩個初步劃分區域中每個粒子點距離兩個區域協方差對應置信橢圓的最近距離,並將粒子點歸入最近距離值小的區域內。
所述修正劃分模塊還包括:
所述最近距離計算單元使用以下公式計算每個粒子距離各個區域中協方差所對應置信橢圓的最近距離:
其中,dist為所述最近距離,zi為粒子對應數據,mj為每個區域的粒子對應數據的均值,Σj為每個區域粒子對應數據的協方差。
有益效果,本發明提供了一種粒子分類方法及粒子分類裝置,通過獲取粒子的二維分布散點圖,並根據粒子個數和其所對應的X坐標值和Y坐標值得到X軸和Y軸粒子個數統計曲線圖,對分布散點圖上的粒子點群進行初步區域劃分;計算分布散點圖上各個區域全部粒子點所對應數據的均值和協方差,並根據計算出的均值和協方差,計算每個粒子距離各個區域中協方差所對應置信橢圓的最近距離,並將粒子歸於最近距離最小的區域中,對初步劃分出的區域進行修正,得到最終區域劃分。由於本發明所述的方法及裝置,可以基於其二維高斯分布,從而實現粒子的準確劃分,使分類結果更加準確。
可以理解的是,對本領域普通技術人員來說,可以根據本發明的技術方案及其發明構思加以等同替換或改變,而所有這些改變或替換都應屬於本發明所附的權利要求的保護範圍。