專利名稱：基于激光鞘流技術(shù)的血液細(xì)胞五分類方法
技術(shù)領(lǐng)域：
本發(fā)明涉及血液細(xì)胞的分類方法，具體涉及基于激光鞘流技術(shù)的血液細(xì)胞五分類方法。
背景技術(shù)：
基于流式細(xì)胞技術(shù)的血液分析儀都是通過收集和分析細(xì)胞的二維或二維以上的多維特征來識別包含在被鞘液包裹的懸液中的細(xì)胞以將它們劃分成不同的類別。在基于流式細(xì)胞技術(shù)的血液分析儀中，鞘流包裹著細(xì)胞懸液勻速通過一個光照區(qū)域，在光照區(qū)域中細(xì)胞逐個的受到激光的照射以及經(jīng)偏振光產(chǎn)生通路處理的而產(chǎn)生不同的光信號，如前向透射光，小角度散射光，大角度散射光和大角度消偏振振光等。各路聚光透鏡將這些光信號分別匯聚，檢測器，通常是PMT(光電倍增管)分別收集這些來自同一個細(xì)胞的特征信號。分析系統(tǒng)將由這些檢測器收集來的信號生成二維、三維或高維的散點圖，可以在散點圖上劃分多個區(qū)域，根據(jù)表征細(xì)胞的多維特征向量落在散點圖上的分布趨勢和統(tǒng)計特性，再結(jié)合散點圖的物理、生物醫(yī)學(xué)上的實際解釋含義，可以確定得到血液細(xì)胞五分類的結(jié)果。傳統(tǒng)的做法基本上有兩種，一種是在細(xì)胞信號特征形成的散點圖上使用固定邊界進行分類，另外一種是在經(jīng)過簡單投影變換以后在投影圖上查找浮動閾值，然后采用浮動閾值作為邊界進行分類。第一種方式對于大部分帶有正常樣本特征的樣本能夠有得到正確的分類結(jié)果， 優(yōu)點是實現(xiàn)簡單、計算速度快且對計算平臺的硬件要求較低，其缺點是不能針對具有特異性的樣本進行邊界調(diào)整，當(dāng)某些樣本的細(xì)胞特征顯著不同于固定邊界所表達(dá)的特征時會出現(xiàn)較大的誤差，且不能真實的從宏觀上反映出樣本細(xì)胞特征的分布趨勢及特征。例如專利 US. Pat. No. 4987086所披露的一種是用前向散射光和側(cè)向散射光所形成的散點圖上通過劃分出固定邊界的方式從全血細(xì)胞樣本中區(qū)分出淋巴細(xì)胞、中性粒細(xì)胞核單核細(xì)胞的方式， 該方式將特征值落在由固定邊界劃分的區(qū)域中的細(xì)胞識別為同一類細(xì)胞。第二種方式是對第一種方式的一種改進，較之第一種方式考慮到了不同樣本細(xì)胞特征分布的差異性和趨勢特征，具有較好的分類正確性，但是由于投影變換過程中受到各類細(xì)胞差異性不顯著的特征值的相互干擾，不容易找到最佳的分類邊界閾值，所以正確性及用于臨床檢驗的實用性有待進一步的提高。專利 US. Pat. No. 4599307、4704891、4727020、4987086、6014904 都披露了一些使用該方式對血液細(xì)胞樣本進行識別、分類和計數(shù)的方法。公開號為CN1012^190的發(fā)明專利公開了一種流式細(xì)胞術(shù)的自動分類方法及裝置，包括以下步驟A1.根據(jù)收集地每個細(xì)胞或粒子逐個通過光照區(qū)域時產(chǎn)生的至少兩路光信號，將每個細(xì)胞或粒子表征為一個與其各路光信號強度有關(guān)的、至少二維的向量； Bi.計算所有有效細(xì)胞或粒子兩兩之間的距離，且距離越近，兩個細(xì)胞或粒子之間的相似程度越高；Cl.將相似程度高的細(xì)胞或粒子聚集成同一個類；Dl.重復(fù)步驟Cl，至少將所有有效細(xì)胞或粒子聚集成樣本根據(jù)測量原理所應(yīng)有的類別數(shù)L。該專利使用傳統(tǒng)的均值聚類算法獲得細(xì)胞或粒子的聚類數(shù)目，對于差異性較小的類別，不能準(zhǔn)確的劃分出來，導(dǎo)致分類不夠準(zhǔn)確，不適合應(yīng)用在血液細(xì)胞五分類之中。
一些其它的血液細(xì)胞五分類技術(shù)使用附加的裝置或加入特殊的試劑以獲得更多的細(xì)胞特異性。如COULTER公司專利的VCS三維分析技術(shù)在流式細(xì)胞技術(shù)的基礎(chǔ)之上使用了三個獨立的能量源，以測定細(xì)胞的體積、對電磁波的傳導(dǎo)性及光散射，通過該方式，可以獲得較好的細(xì)胞分類效果。但該方法固定的對8192個細(xì)胞進行檢測統(tǒng)計，適用于對細(xì)胞分類并不適用于進行分類的同時進行計數(shù)，且由于附加了特殊的處理部件，造成了制造和維護成本的上升。以Sysmex公司的SF-3000為代表的產(chǎn)品，除使用了流式細(xì)胞技術(shù)外還使用了組化染色提取、加強不同類型白細(xì)胞之間的差異，例如在嗜酸性粒細(xì)胞的檢測中加入特殊的染液以改變嗜酸性粒細(xì)胞的散射光特性，同中性粒細(xì)胞區(qū)分開；在嗜堿性粒細(xì)胞的檢測中加入特殊的溶血素以溶解其他的白細(xì)胞形成裸核，只保持嗜堿性粒細(xì)胞的完整性，從而使得嗜堿性粒細(xì)胞在體積大小上與其他白細(xì)胞表現(xiàn)出明顯差異，再根據(jù)體積大小進行區(qū)分。該方法存在檢測過程中需要使用特殊的試劑，用戶使用成本較高的問題。

發(fā)明內(nèi)容
本發(fā)明要解決的技術(shù)問題是提供一種無需使用特殊試劑，而且計算效率高、分類結(jié)果更為準(zhǔn)確的基于激光鞘流技術(shù)的血液細(xì)胞五分類方法。本發(fā)明所述的基于激光鞘流技術(shù)的血液細(xì)胞五分類方法，包括以下步驟A、收集每個細(xì)胞或粒子通過鞘流器的激光照射區(qū)域時產(chǎn)生的至少4路光信號，將每個細(xì)胞或粒子的表征為一個與其各路光信號強度相關(guān)的四維的初始向量，分別為前向透射光強度P0、3°至10°小角度散射光強度P10、90°大角度散射光強度P90和大角度偏正光強度P90p四個屬性；B、以加權(quán)歐式距離的K均值聚類法進行四類細(xì)胞集合的初次聚類，其中距離的權(quán)值采用變異系數(shù)賦權(quán)法得到；C、分別提取出上述各聚類質(zhì)心初始向量中的P0、PlO和P90三個屬性，將每個聚類質(zhì)心按照PO的屬性值由小到大進行排序，得到排序后的四個聚類分別編號為WpWyW3和 W4，其中W1是由破損細(xì)胞碎片引起的干擾信息，該信息通過第一門限判別單元Gl之后被刪除；D、將W2和W4兩個聚類的聚類質(zhì)心經(jīng)過空間坐標(biāo)變換得到用于產(chǎn)生分類計算使用的特征向量的旋轉(zhuǎn)矩陣和旋轉(zhuǎn)向量；E、用旋轉(zhuǎn)向量或旋轉(zhuǎn)矩陣將各細(xì)胞的初始向量轉(zhuǎn)換成特征向量，計算并提取相應(yīng)空間坐標(biāo)內(nèi)細(xì)胞特征向量的統(tǒng)計特征，通過決策樹對細(xì)胞進行五分類。上述方法中所述步驟D包括以下步驟D1、提取 W2 和 W4 聚類的質(zhì)心 Q2 (PO2, PlO2, P902)與 Q4 (PO4, PlO4, P904)，擬合一條在由P0、PlO和P90組成的三維歐式空間中通過點P2和P4的直線Ll ；D2、將直線Ll投影到由PO和PlO組成的平面直角坐標(biāo)系中，得到投影線L2，計算投影線L2與坐標(biāo)軸PO的夾角θ ；D3、通過夾角θ計算得到PO和PlO坐標(biāo)系中的特征向量變換所需要的旋轉(zhuǎn)矩陣
... 廠cos汐 sin沒 Mrl =；
一 sin θ cos θ
D4、將直線Ll投影到由PlO與P90組成的平面直角坐標(biāo)系中，得到投影線L3，計算投影線L3與坐標(biāo)軸P90的夾角β ；D5、通過夾角β計算得到PlO與Ρ90坐標(biāo)系中的特征向量變換所需要的旋轉(zhuǎn)向量 Vr= (sin β · cos β , cos β 'cosi^)1^所述步驟E包括以下步驟E1、在ΡΙΟ、P90組成的坐標(biāo)平面上將各細(xì)胞的初始向量用旋轉(zhuǎn)向量轉(zhuǎn)換成特征向量，計算過程為設(shè)第i個細(xì)胞的初始向量中Pi0、P90屬性特征分別為(Pi(^Pgoi),轉(zhuǎn)換得到的特征向量 P90i ‘= (PlOi .sinP · cos β+Ρ9(^ · cos β · cos β )；Ε2、將轉(zhuǎn)換后的特征向量pgo^pgo/，…，P90/，…，投影到坐標(biāo)軸Ρ90上，計算其投影的統(tǒng)計直方圖Hl ；Ε3、在統(tǒng)計直方圖Hl上查找波峰、波谷，得到波峰ΡΚ1、ΡΚ2和波谷VLl ；Ε4、波峰H(l、PK2和波谷VLl送第二門限判別單元G2進行評價判別，若該組峰谷值合理，則轉(zhuǎn)入步驟E5，否則轉(zhuǎn)入步驟E3重新識別；E5、以波谷值VLl作為閾值，設(shè)置第一分類計算單元CL1，P90屬性的特征向量值大于等于該閾值的細(xì)胞，劃分為多核類細(xì)胞；小于該閾值的細(xì)胞，劃分為單核類細(xì)胞；E6、在P10、PO平面上將被劃分為單核類的細(xì)胞的初始向量用旋轉(zhuǎn)矩陣轉(zhuǎn)換成特
征向量，計算過程為設(shè)第i個單核類細(xì)胞的初始向量的P10、PO屬性特征分別為(P10”
, , γη 廠 cos0 sin 沒
POi),轉(zhuǎn)換得到的特征向量
權(quán)利要求
1.基于激光鞘流技術(shù)的血液細(xì)胞五分類方法，其特征在于包括以下步驟A、收集每個細(xì)胞或粒子通過鞘流器的激光照射區(qū)域時產(chǎn)生的至少4路光信號，將每個細(xì)胞或粒子的表征為一個與其各路光信號強度相關(guān)的四維的初始向量，分別為前向透射光強度P0、3°至10°小角度散射光強度P10、90°大角度散射光強度P90和大角度消偏振光強度P90p四個屬性；B、以加權(quán)歐式距離的K均值聚類法進行四類細(xì)胞集合的初次聚類，其中距離的權(quán)值采用變異系數(shù)賦權(quán)法得到；C、分別提取出上述各聚類質(zhì)心初始向量中的P0、P10和P90三個屬性，將每個聚類質(zhì)心按照PO的屬性值由小到大進行排序，得到排序后的四個聚類分別編號為W” W2、W3和W4，其中W1是由破損細(xì)胞碎片引起的干擾信息，該信息通過第一門限判別單元Gl之后被刪除；D、將W2和W4兩個聚類的聚類質(zhì)心經(jīng)過空間坐標(biāo)變換得到用于產(chǎn)生分類計算使用的特征向量的旋轉(zhuǎn)矩陣和旋轉(zhuǎn)向量；E、用旋轉(zhuǎn)向量或旋轉(zhuǎn)矩陣將各細(xì)胞的初始向量轉(zhuǎn)換成特征向量，計算并提取相應(yīng)空間坐標(biāo)內(nèi)細(xì)胞特征向量的統(tǒng)計特征，通過決策樹對細(xì)胞進行五分類。
2.根據(jù)權(quán)利要求1所述的基于激光鞘流技術(shù)的血液細(xì)胞五分類方法，其特征在于所述步驟D包括以下步驟D1、提取 WjPW4 聚類的質(zhì)心 ％(P02，PlO2, P902) ^Q4 (PO4, PlO4, P904)，擬合一條在由 P0、PlO和P90組成的三維歐式空間中通過點P2和P4的直線Ll ；D2、將直線Ll投影到由PO和PlO組成的平面直角坐標(biāo)系中，得到投影線L2，計算投影線L2與坐標(biāo)軸PO的夾角θ ；D3、通過夾角θ計算得到PO和PlO坐標(biāo)系中的特征向量變換所需要的旋轉(zhuǎn)矩陣
3.根據(jù)權(quán)利要求1所述的基于激光鞘流技術(shù)的血液細(xì)胞五分類方法，其特征在于所述步驟E包括以下步驟Ε1、在ΡΙΟ、Ρ90組成的坐標(biāo)平面上將各細(xì)胞的初始向量用旋轉(zhuǎn)向量轉(zhuǎn)換成特征向量， 計算過程為設(shè)第i個細(xì)胞的初始向量中P10、P90屬性特征分別為(Ρ10”Ρ90》，轉(zhuǎn)換得到的特征向量 P90i ‘= (PlOi .sin β · cos β+Ρ9(^ · cos β · cos β )；Ε2、將轉(zhuǎn)換后的特征向量pgo^pgo/，…，P90/，…，投影到坐標(biāo)軸Ρ90上，計算其投影的統(tǒng)計直方圖Hl ；Ε3、在統(tǒng)計直方圖Hl上查找波峰、波谷，得到波峰ΡΚ1、ΡΚ2和波谷VLl ； Ε4、波峰Η(1、PK2和波谷VLl送第二門限判別單元G2進行評價判別，若該組峰谷值合理，則轉(zhuǎn)入步驟E5，否則轉(zhuǎn)入步驟E3重新識別；E5、以波谷值VLl作為閾值，設(shè)置第一分類計算單元CL1，P90屬性的特征向量值大于等于該閾值的細(xì)胞，劃分為多核類細(xì)胞；小于該閾值的細(xì)胞，劃分為單核類細(xì)胞；E6、在P10、PO平面上將被劃分為單核類的細(xì)胞的初始向量用旋轉(zhuǎn)矩陣轉(zhuǎn)換成特征向量，計算過程為設(shè)第i個單核類細(xì)胞的初始向量的P10、P0屬性特征分別為(PlOpPOi),轉(zhuǎn)換得到的特征向量
4.根據(jù)權(quán)利要求3所述的基于激光鞘流技術(shù)的血液細(xì)胞五分類方法，其特征在于步驟E12中包括以下步驟Fl、計算多核細(xì)胞聚類中各細(xì)胞初始向量中P90p和P90屬性的均值，得到
5.根據(jù)權(quán)利要求3所述的基于激光鞘流技術(shù)的血液細(xì)胞五分類方法，其特征在于步驟E7和E8之間還包括對直方圖進行濾波的步驟。
6.根據(jù)權(quán)利要求1所述的基于激光鞘流技術(shù)的血液細(xì)胞五分類方法，其特征在于所述步驟D包括以下步驟Bi、以實驗獲得的應(yīng)用經(jīng)驗值作為四個分類細(xì)胞集合的中心； B2、計算樣本集中每個細(xì)胞對象與這些中心細(xì)胞對象的加權(quán)歐式距離，并根據(jù)最小的加權(quán)歐式距離重新對相應(yīng)的細(xì)胞對象進行劃分；B3、對于中心細(xì)胞對象有變化的分類，重新計算它們的中心細(xì)胞對象；B4、重復(fù)執(zhí)行B2到B3的迭代循環(huán)，直到每個聚類的中心細(xì)胞對象穩(wěn)定不再發(fā)生變化為止。
7.根據(jù)權(quán)利要求1 6中任何一項所述的基于激光鞘流技術(shù)的血液細(xì)胞五分類方法， 其特征在于步驟A和B之間，還包括通過設(shè)定閾值，將不符合條件的噪聲或粒子的數(shù)據(jù)刪除的步驟。
全文摘要
本發(fā)明公開了一種基于激光鞘流技術(shù)的血液細(xì)胞五分類方法，包括以下步驟A、收集每個細(xì)胞或粒子的至少4路光信號，并表征成與各細(xì)胞或粒子的各路光信號強度相關(guān)的四維初始向量；B、以加權(quán)歐式距離的K均值聚類法進行四類細(xì)胞集合的初次聚類；C、對各聚類排序，得到W1、W2、W3和W4四個聚類，刪除W1聚類；D、將W2和W4兩個聚類的質(zhì)心經(jīng)過空間坐標(biāo)變換得到用于產(chǎn)生分類計算使用的特征向量的旋轉(zhuǎn)矩陣和旋轉(zhuǎn)向量；E、用旋轉(zhuǎn)向量或旋轉(zhuǎn)矩陣將各細(xì)胞的初始向量轉(zhuǎn)換成特征向量，計算并提取相應(yīng)空間坐標(biāo)內(nèi)細(xì)胞特征向量的統(tǒng)計特征，通過決策樹對細(xì)胞進行五分類。本方法無需使用特殊試劑，而且計算效率高、分類結(jié)果更為準(zhǔn)確。
文檔編號G01N15/14GK102279146SQ20111005968
公開日2011年12月14日 申請日期2011年3月11日 優(yōu)先權(quán)日2011年3月11日
發(fā)明者俸皓, 唐雪輝 申請人:桂林優(yōu)利特醫(yī)療電子有限公司