本發(fā)明涉及血液分析設(shè)備領(lǐng)域，更具體地，涉及一種用于液體介質(zhì)交叉配血的結(jié)果自動判讀方法。

背景技術(shù)：

交叉配血是保證輸血安全、提高輸血質(zhì)量和減少不良反應(yīng)的重要終末環(huán)節(jié)，在輸血實踐中具有不可替代的作用。目前國際上的主流交叉配血技術(shù)采用非液體介質(zhì)，但是，由于我國幅員遼闊人口眾多，血型系統(tǒng)與歐美相比更顯復(fù)雜，此種情況決定了我國交叉配血除了凝膠、玻璃珠等非液體介質(zhì)外，還需采用鹽水、凝聚胺等液體介質(zhì)，而且該觀點已得到多數(shù)專家學(xué)者的一致認(rèn)同。在非液體和液體的交叉配血技術(shù)中，非液體介質(zhì)已實現(xiàn)了完全的自動化操作，而液體介質(zhì)的交叉配血依然采用人工操作。人工操作不僅費時費力，效率低下，而且人為因素?zé)o法避免，錯誤率高，重復(fù)性差，嚴(yán)重制約了輸血醫(yī)學(xué)的向前發(fā)展，究其原因，主要是無法解決生理鹽水、凝聚胺等液體介質(zhì)交叉配血結(jié)果的自動化判讀，本發(fā)明可從根本上提高液體介質(zhì)交叉配血的結(jié)果判讀速度和準(zhǔn)確性，同時為液體介質(zhì)交叉配血的完全自動化操作打下堅實的基礎(chǔ)。

技術(shù)實現(xiàn)要素：

本發(fā)明為克服上述現(xiàn)有技術(shù)所述的至少一種缺陷，提供一種用于液體介質(zhì)交叉配血的結(jié)果自動判讀方法，實現(xiàn)液體介質(zhì)交叉配血結(jié)果的自動判讀，該自動判讀方法可模仿人類，不斷地自我學(xué)習(xí)和自我完善。此外，與傳統(tǒng)人工相比，該自動判讀方法還具有判讀結(jié)果準(zhǔn)確度高，速度快，重復(fù)性好等多個優(yōu)點，可極大提高工作效率。

為解決上述技術(shù)問題，本發(fā)明的技術(shù)方案如下：

一種用于液體介質(zhì)交叉配血的結(jié)果自動判讀方法，包括以下步驟：

s1:收集大量已知液體介質(zhì)交叉配血結(jié)果的血樣，根據(jù)已知結(jié)果對血樣進行分?jǐn)?shù)評估及分類，建立標(biāo)準(zhǔn)庫；

s2：對步驟s1中收集的血樣進行液體介質(zhì)交叉配血，采集液體介質(zhì)交叉配血反應(yīng)區(qū)域圖像，在反應(yīng)區(qū)域圖像中選取目標(biāo)區(qū)域圖像，計算該目標(biāo)區(qū)域圖像的灰度平均值灰度標(biāo)準(zhǔn)差σ和粒子出現(xiàn)頻率fren；

s3：將步驟s2中得到的灰度平均值灰度標(biāo)準(zhǔn)差σ和粒子出現(xiàn)頻率fren三個參數(shù)作為輸入自變量，評估分?jǐn)?shù)及分類作為輸出因變量，通過向量機(svm)學(xué)習(xí)方法，得到三個輸入自變量與輸出因變量非線性函數(shù)關(guān)系；

s4：對待判讀的血樣進行液體介質(zhì)交叉配血，采集液體介質(zhì)交叉配血反應(yīng)區(qū)域圖像，在反應(yīng)區(qū)域圖像中選取目標(biāo)區(qū)域圖像，計算該目標(biāo)區(qū)域圖像的灰度平均值灰度標(biāo)準(zhǔn)差σ和粒子出現(xiàn)頻率fren；

s5：根據(jù)步驟s4中得到的灰度平均值灰度標(biāo)準(zhǔn)差σ、粒子出現(xiàn)頻率fren以及步驟s3中得到的三個輸入自變量與輸出因變量非線性函數(shù)關(guān)系，計算得到液體介質(zhì)交叉配血的判讀結(jié)果。

在一種優(yōu)選的方案中，步驟s2中，灰度平均值代表目標(biāo)區(qū)域的總體亮度，設(shè)目標(biāo)區(qū)域圖像中第i個像素的灰度值為gi，目標(biāo)區(qū)域圖像中總共像素個數(shù)為n，則有：

當(dāng)交叉配血不相合時，會出現(xiàn)兩種情況，一種是紅細胞凝塊較大，快速沉入管底，目標(biāo)區(qū)域內(nèi)澄清，平均灰度值最高；另一種是目標(biāo)區(qū)域內(nèi)有部分紅細胞凝塊，此時平均灰度值較低。當(dāng)交叉配血相合時，目標(biāo)區(qū)域內(nèi)紅細胞均勻懸浮，此時平均灰度值最低。

在一種優(yōu)選的方案中，步驟s2中，灰度標(biāo)準(zhǔn)差σ代表目標(biāo)區(qū)域灰度的離散程度，設(shè)目標(biāo)區(qū)域圖像中第i個像素的灰度值為gi，目標(biāo)區(qū)域圖像中總共像素個數(shù)為n，灰度平均值為則有：

當(dāng)交叉配血不相合時，會出現(xiàn)兩種情況，一種是紅細胞凝塊較大，快速沉入管底，目標(biāo)區(qū)域內(nèi)均勻澄清，此時灰度標(biāo)準(zhǔn)差最小，近乎為零；另一種是目標(biāo)區(qū)域內(nèi)有不均勻的紅細胞凝塊，此時灰度標(biāo)準(zhǔn)差最大。當(dāng)交叉配血相合時，目標(biāo)區(qū)域內(nèi)紅細胞均勻懸浮，此時灰度標(biāo)準(zhǔn)差較小。

在一種優(yōu)選的方案中，步驟s2中，粒子出現(xiàn)頻率fren代表目標(biāo)區(qū)域內(nèi)二值化圖像連通域的個數(shù)，粒子頻率計算過程如下：

t1：對目標(biāo)區(qū)域圖像進行高斯(gaussian)模板圖像去噪；

t2：去噪后的圖像計算sobel梯度圖像；

t3：對sobel梯度圖像進行閾值分割得到二值化圖像；

t4：統(tǒng)計二值化圖像連通域個數(shù)，即統(tǒng)計粒子出現(xiàn)的個數(shù)np；

t5：計算粒子出現(xiàn)頻率其中n為目標(biāo)區(qū)域圖像中總共像素個數(shù)。

當(dāng)交叉配血不相合時，會出現(xiàn)兩種情況，一種是紅細胞凝塊較大，快速沉入管底，目標(biāo)區(qū)域內(nèi)無粒子，此時粒子頻率最小，近乎為零，另一種是目標(biāo)區(qū)域內(nèi)有多個粒子，其中每個單一粒子是由多個紅細胞凝結(jié)而成，因粒子總數(shù)少于紅細胞總數(shù)，所以此時的粒子頻率較小。當(dāng)交叉配血相合時，目標(biāo)區(qū)域內(nèi)紅細胞均勻懸浮，此時粒子頻率最大。

在一種優(yōu)選的方案中，步驟s2和步驟s4中，通過遠心鏡頭采集液體介質(zhì)交叉配血反應(yīng)區(qū)域圖像，經(jīng)pgr大靶面相機將光學(xué)信號轉(zhuǎn)換成數(shù)字信號輸入pc端，軟件分析并選擇最佳目標(biāo)區(qū)域，并以對應(yīng)的數(shù)字信號為基礎(chǔ)，依次計算灰度平均值灰度標(biāo)準(zhǔn)差σ和粒子出現(xiàn)頻率fren。

在一種優(yōu)選的方案中，所述方法還包括：根據(jù)每次液體介質(zhì)交叉配血的結(jié)果自動判讀的結(jié)果，對三個輸入自變量與輸出因變量非線性函數(shù)關(guān)系進行修正。該自動判讀方法可模仿人類，不斷地自我學(xué)習(xí)和自我完善。以此類推，周而復(fù)始，不斷擴大標(biāo)準(zhǔn)庫，使得三個自變量與因變量的非線性函數(shù)關(guān)系更加完善，從而進一步提高判讀結(jié)果的準(zhǔn)確度。

與現(xiàn)有技術(shù)相比，本發(fā)明技術(shù)方案的有益效果是：一種用于液體介質(zhì)交叉配血的結(jié)果自動判讀方法，計算可反映交叉配血相合與否的灰度平均值、灰度標(biāo)準(zhǔn)差和粒子出現(xiàn)頻率，然后通過向量機學(xué)習(xí)方法，求得三個參數(shù)與評估分?jǐn)?shù)及分類的非線性函數(shù)關(guān)系，并將待判讀樣本的灰度平均值、灰度標(biāo)準(zhǔn)差和粒子頻率輸入所得函數(shù)，計算輸出待判讀樣本的分?jǐn)?shù)及分類，得到結(jié)果。本發(fā)明實現(xiàn)液體介質(zhì)交叉配血結(jié)果的自動判讀，與傳統(tǒng)人工相比，該自動判讀方法具有判讀結(jié)果準(zhǔn)確度高，速度快，重復(fù)性好等多個優(yōu)點，可極大提高工作效率。該自動判讀方法可通過對判讀樣本的學(xué)習(xí)，不斷自我完善，與傳統(tǒng)人工相比，該自動判讀方法的判讀結(jié)果準(zhǔn)確度高，速度快，重復(fù)性好，因此可完全替代人工操作，極大提高工作效率。

附圖說明

圖1為本發(fā)明用于液體介質(zhì)交叉配血的結(jié)果自動判讀方法流程圖。

圖2為本發(fā)明的工作的標(biāo)準(zhǔn)庫圖。

圖3為本發(fā)明的反應(yīng)區(qū)域圖像。

圖4為在反應(yīng)區(qū)域圖像中選取目標(biāo)區(qū)域圖像的示意圖。

具體實施方式

附圖僅用于示例性說明，不能理解為對本專利的限制；

為了更好說明本實施例，附圖某些部件會有省略、放大或縮小，并不代表實際產(chǎn)品的尺寸；

對于本領(lǐng)域技術(shù)人員來說，附圖中某些公知結(jié)構(gòu)及其說明可能省略是可以理解的。

下面結(jié)合附圖和實施例對本發(fā)明的技術(shù)方案做進一步的說明。

實施例1

如圖1所示，一種用于液體介質(zhì)交叉配血的結(jié)果自動判讀方法，包括以下步驟：

s1:收集大量已知液體介質(zhì)交叉配血結(jié)果的血樣，根據(jù)已知結(jié)果對血樣進行分?jǐn)?shù)評估及分類，建立工作標(biāo)準(zhǔn)庫；

液體介質(zhì)交叉配血時，如血液不相合，會有兩種情況，一是紅細胞凝集成大顆粒，震蕩混勻后快速沉入管底，此時設(shè)置分?jǐn)?shù)為0分，設(shè)置分類為0分類；另一種情況是紅細胞凝集成細小顆粒，震蕩混勻后均勻懸浮于液體中，此時設(shè)置分類為40分，設(shè)置分類為40分類。當(dāng)液體介質(zhì)交叉配血時，如血液相合，則紅細胞不會凝集，且均勻懸浮于液體中，此時設(shè)置分類為90分以上，設(shè)置分類為90以上分類。總之，反應(yīng)區(qū)內(nèi)無顆粒時，分值最低及分類最小，為零分，當(dāng)顆粒越多時，則分值越高及分類越大，根據(jù)顆粒數(shù)目多少不同設(shè)置為一系列分?jǐn)?shù)及分類，圖2為本發(fā)明的工作的標(biāo)準(zhǔn)庫圖。

s2：對步驟s1中收集的血樣進行液體介質(zhì)交叉配血，采集液體介質(zhì)交叉配血反應(yīng)區(qū)域圖像，在反應(yīng)區(qū)域圖像中選取目標(biāo)區(qū)域圖像，計算該目標(biāo)區(qū)域圖像的灰度平均值灰度標(biāo)準(zhǔn)差σ和粒子出現(xiàn)頻率fren；

圖3為本發(fā)明的反應(yīng)區(qū)域圖像。圖4為在反應(yīng)區(qū)域圖像中選取目標(biāo)區(qū)域圖像的示意圖。

s3：將步驟s2中得到的灰度平均值灰度標(biāo)準(zhǔn)差σ和粒子出現(xiàn)頻率fren三個參數(shù)作為輸入自變量，評估分?jǐn)?shù)及分類作為輸出因變量，通過向量機(svm)學(xué)習(xí)方法，得到三個輸入自變量與輸出因變量非線性函數(shù)關(guān)系；

s4：對待判讀的血樣進行液體介質(zhì)交叉配血，采集液體介質(zhì)交叉配血反應(yīng)區(qū)域圖像，在反應(yīng)區(qū)域圖像中選取目標(biāo)區(qū)域圖像，計算該目標(biāo)區(qū)域圖像的灰度平均值灰度標(biāo)準(zhǔn)差σ和粒子出現(xiàn)頻率fren；

s5：根據(jù)步驟s4中得到的灰度平均值灰度標(biāo)準(zhǔn)差σ、粒子出現(xiàn)頻率fren以及步驟s3中得到的三個輸入自變量與輸出因變量非線性函數(shù)關(guān)系，計算得到液體介質(zhì)交叉配血的判讀結(jié)果。

所述方法還包括：根據(jù)每次液體介質(zhì)交叉配血的結(jié)果自動判讀的結(jié)果，對三個輸入自變量與輸出因變量非線性函數(shù)關(guān)系進行修正。該自動判讀方法可模仿人類，不斷地自我學(xué)習(xí)和自我完善。以此類推，周而復(fù)始，不斷擴大標(biāo)準(zhǔn)庫，使得三個自變量與因變量的非線性函數(shù)關(guān)系更加完善，從而進一步提高判讀結(jié)果的準(zhǔn)確度。

灰度平均值代表目標(biāo)區(qū)域的總體亮度，設(shè)目標(biāo)區(qū)域圖像中第i個像素的灰度值為gi，目標(biāo)區(qū)域圖像中總共像素個數(shù)為n，則有：

當(dāng)交叉配血不相合時，會出現(xiàn)兩種情況，一種是紅細胞凝塊較大，快速沉入管底，目標(biāo)區(qū)域內(nèi)澄清，平均灰度值最高；另一種是目標(biāo)區(qū)域內(nèi)有部分紅細胞凝塊，此時平均灰度值較低。當(dāng)交叉配血相合時，目標(biāo)區(qū)域內(nèi)紅細胞均勻懸浮，此時平均灰度值最低。

灰度標(biāo)準(zhǔn)差σ代表目標(biāo)區(qū)域灰度的離散程度，設(shè)目標(biāo)區(qū)域圖像中第i個像素的灰度值為gi，目標(biāo)區(qū)域圖像中總共像素個數(shù)為n，灰度平均值為則有：

當(dāng)交叉配血不相合時，會出現(xiàn)兩種情況，一種是紅細胞凝塊較大，快速沉入管底，目標(biāo)區(qū)域內(nèi)均勻澄清，此時灰度標(biāo)準(zhǔn)差最小，近乎為零；另一種是目標(biāo)區(qū)域內(nèi)有不均勻的紅細胞凝塊，此時灰度標(biāo)準(zhǔn)差最大。當(dāng)交叉配血相合時，目標(biāo)區(qū)域內(nèi)紅細胞均勻懸浮，此時灰度標(biāo)準(zhǔn)差較小。

粒子出現(xiàn)頻率fren代表目標(biāo)區(qū)域內(nèi)二值化圖像連通域的個數(shù)，粒子頻率計算過程如下：

t1：對目標(biāo)區(qū)域圖像進行高斯(gaussian)模板圖像去噪；

t2：去噪后的圖像計算sobel梯度圖像；

t3：對sobel梯度圖像進行閾值分割得到二值化圖像；

t4：統(tǒng)計二值化圖像連通域個數(shù)，即統(tǒng)計粒子出現(xiàn)的個數(shù)np；

t5：計算粒子出現(xiàn)頻率其中n為目標(biāo)區(qū)域圖像中總共像素個數(shù)。

當(dāng)交叉配血不相合時，會出現(xiàn)兩種情況，一種是紅細胞凝塊較大，快速沉入管底，目標(biāo)區(qū)域內(nèi)無粒子，此時粒子頻率最小，近乎為零，另一種是目標(biāo)區(qū)域內(nèi)有多個粒子，其中每個單一粒子是由多個紅細胞凝結(jié)而成，因粒子總數(shù)少于紅細胞總數(shù)，所以此時的粒子頻率較小。當(dāng)交叉配血相合時，目標(biāo)區(qū)域內(nèi)紅細胞均勻懸浮，此時粒子頻率最大。

在步驟s2和步驟s4中，通過遠心鏡頭采集液體介質(zhì)交叉配血反應(yīng)區(qū)域圖像，經(jīng)pgr大靶面相機將光學(xué)信號轉(zhuǎn)換成數(shù)字信號輸入pc端，軟件分析并選擇最佳目標(biāo)區(qū)域，并以對應(yīng)的數(shù)字信號為基礎(chǔ)，依次計算灰度平均值灰度標(biāo)準(zhǔn)差σ和粒子出現(xiàn)頻率fren。

本發(fā)明提供一種用于液體介質(zhì)交叉配血的結(jié)果自動判讀方法，與傳統(tǒng)人工相比，該自動判讀方法具有判讀結(jié)果準(zhǔn)確度高，速度快，重復(fù)性好等多個優(yōu)點，可極大提高工作效率。該自動判讀方法可通過對判讀樣本的學(xué)習(xí)，不斷自我完善，與傳統(tǒng)人工相比，該自動判讀方法的判讀結(jié)果準(zhǔn)確度高，速度快，重復(fù)性好，因此可完全替代人工操作，極大提高工作效率。

相同或相似的標(biāo)號對應(yīng)相同或相似的部件；

附圖中描述位置關(guān)系的用語僅用于示例性說明，不能理解為對本專利的限制；

顯然，本發(fā)明的上述實施例僅僅是為清楚地說明本發(fā)明所作的舉例，而并非是對本發(fā)明的實施方式的限定。對于所屬領(lǐng)域的普通技術(shù)人員來說，在上述說明的基礎(chǔ)上還可以做出其它不同形式的變化或變動。這里無需也無法對所有的實施方式予以窮舉。凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進等，均應(yīng)包含在本發(fā)明權(quán)利要求的保護范圍之內(nèi)。