一种白细胞粒子分析系统及方法技术方案

本发明专利技术公开了一种白细胞粒子分析系统及方法，该系统包括：样本测试模块，用于将混合液均匀布满微流控芯片的测试片；图像采集模块，用于获取测试片内血液样本的数字图像；图像预处理模块，用于将所述灰度图像进行粒子区域增强，并采用最大类间方差阈值法进行粒子区域粗分割；特征点构建模块，用于根据所述最佳全局阈值判断聚集粒子区域和单粒子区域，并将所述聚集粒子区域和所述单粒子区域分别进行面积峰值特征提取；识别计数模块，用于以所述粒子区域面积峰值特征点集合为输入，采用MeanShift聚类算法识别粒子区域并根据识别结果进行粒子计数。本发明专利技术不仅可以快速识别出区域及链码特征不明显的聚集粒子，还能够精确去除样本内杂质干扰，粒子计数分析更加准确、可靠。

【技术实现步骤摘要】
一种粒子分析系统及方法
本专利技术涉及一种分析系统及方法，具体涉及一种粒子分析分析系统及方法。
技术介绍
血常规中的白细胞分析是临床区分细菌性感染和病毒感染以及感染严重度必不可少的手段，临床上常根据白细胞计数结果来指导患者用药，物理法、物理-化学法及图像分析法是目前白细胞分类计数的主要方法。虽然这几种方法下的自动计数都能够快速准确，但还存在着如下缺点：(1)分析血样少于10ul，分析时血样加入稀释剂稀释，样本量太少无法精确代表整体情况；(2)荧光染料复杂，激发光对人体有害；(3)需要待白细胞处于毛细管底部时才可以计数，计数等待时间长，速度慢；(4)计数仪器不够自动化，需要先分离出白细胞，操作繁琐；(5)虽然白细胞图像得到了显著的增强，但固定阈值算法无法分割出聚集细胞，白细胞计数误差大。
技术实现思路
专利技术目的：为了克服现有技术的不足，本专利技术提供一种粒子分析系统及方法，本专利技术解决了粒子分析中产生的速度慢、操作繁琐、计数误差大的问题。技术方案：一方面，本专利技术实施例提供一种粒子分析系统，该系统包括：样本测试模块，包括微流控芯片，用于待血液样本与试剂充分混匀后，将混合液均匀布满所述微流控芯片的测试片；图像采集模块，用于获取所述测试片内血液样本的数字图像并将其转为灰度图像；图像预处理模块，用于将所述灰度图像进行粒子区域增强，并采用最大类间方差阈值法进行粒子区域粗分割，得到最佳全局阈值；特征点构建模块，用于根据所述最佳全局阈值判断聚集粒子区域和单粒子区域，并将所述聚集粒子区域和所述单粒子区域分别进行面积峰值特征提取，并构建粒子区域面积峰值特征点集合；识别计数模块，用于以所述粒子区域面积峰值特征点集合为输入，采用MeanShift聚类算法识别粒子区域并根据识别结果进行粒子计数。优选的，所述判断聚集粒子区域和单粒子区域的方法为：(1)根据所述最佳全局阈值进行阈值二值化处理图像，记细胞区域像素值为1，背景像素为0，从而得到面积连通区域；(2)获取每个所述面积连通区域的面积，做出面积分布直方图；(3)采用样条插值平滑拟合直方图曲线f(x)，获取第一个峰值对应面积，即：A＝f-1(x)，f(x)＝maxf(x)，该面积即为这幅粒子图像面积判断阈值；(4)当区域面积大于所述判断阈值A时，此区域为粒子聚集区域；若区域面积小于等于所述判断阈值A时，此区域为单粒子区域。优选的，所述将所述聚集粒子区域进行面积峰值特征提取的方法，包括：(1)建立所述聚集粒子区域的粒子的三维灰度图，根据所述粒子灰度曲面变化特征；(2)采用Facet模型对所述粒子灰度曲面进行拟合、插值；(3)获取拟合曲面8邻域峰值点的数目，从而确定聚集粒子的数目；(4)根据所述聚集粒子区域的总面积，确定各个粒子的面积；第i个聚集区域内粒子数目Ni表示为：Ni＝pi其中，i为图像内第i个聚集区域，pi为第i个聚集区域内灰度三维峰值数目，此聚集粒子区域面积表示为：其中，Ai为图像内第i个聚集粒子区域的面积，Ni为第i个聚集粒子区域内粒子数目，A(i,k)则为第i个区域内第k个粒子面积，则此粒子区域灰度最大值处即为粒子峰值P(i,k)；所述单粒子区域进行面积峰值特征提取时，所述单粒子面积As等于单粒子区域面积，粒子对应峰值Ps特征等于单粒子区域8邻居最大值。优选的，所述构建粒子区域面积峰值特征点集合，具体为：所述集合F为：F＝{As,Am；Ps,Pm}其中，As为各单一粒子面积集，Am为聚集区域各粒子面积集，Ps为各单一粒子峰值集，Pm为聚集区域各粒子峰值集。优选的，所述采用MeanShift聚类算法识别粒子区域并进行计数，具体包括：以所述粒子区域面积峰值特征点集合F为输入，x为集合中一点，则MeanShift函数表示为：Mh(x)＝mh(x)-x其中，G(x)为高斯核函数，h为核函数带宽，ω为权重函数；首先选择像素x为种子点，ε为容许误差，所述MeanShift算法步骤如下：(1)初始化数据，随机选取初始节点x开始计算mh(x)，将mh(x)赋给x；(2)确定移动步长h，计算下一节点mh(x)；(3)若||mh(x)-x||<ε，则标记该节点并将从起始点开始所有经过的节点赋予该标记过节点相同的标记，迭代停止；(4)若‖mh(x)-x‖≥ε，继续执行步骤(1)和(2)，直到所有节点都被标记；(5)合并同质区，完成聚类粒子识别；根据所述聚类粒子识别结果定义粒子区域，所述粒子区域集合元素数量即为粒子数目。另一方面，本专利技术实施例还提供了一种粒子分析方法，所述方法包括以下步骤：(1)待血液样本与试剂充分混匀后，将混合液均匀布满微流控芯片的测试片中；(2)获取所述测试片内血液样本的数字图像并将其转为灰度图像；(3)将所述灰度图像进行粒子区域增强，并采用最大类间方差阈值法进行粒子区域粗分割，得到最佳全局阈值；(4)根据所述最佳全局阈值判断聚集粒子区域和单粒子区域，并将所述聚集粒子区域和所述单粒子区域分别进行面积峰值特征提取，并构建粒子区域面积峰值特征点集合；(5)以所述粒子区域面积峰值特征点集合为输入，采用MeanShift聚类算法识别粒子区域并根据识别结果进行粒子计数。优选的，步骤(4)中，所述判断聚集粒子区域和单粒子区域的方法为：(1)根据所述最佳全局阈值进行阈值二值化处理图像，记细胞区域像素值为1，背景像素为0，从而得到面积连通区域；(2)获取每个所述面积连通区域的面积，做出面积分布直方图；(3)采用样条插值平滑拟合直方图曲线f(x)，获取第一个峰值对应面积，即：A＝f-1(x)，f(x)＝maxf(x)，该面积即为这幅粒子图像面积判断阈值；(4)当区域面积大于所述判断阈值A时，此区域为粒子聚集区域；若区域面积小于等于所述判断阈值A时，此区域为单粒子区域。优选的，步骤(4)中，所述将所述聚集粒子区域进行面积峰值特征提取的方法，包括：(1)建立所述聚集粒子区域的粒子的三维灰度图，根据所述粒子灰度曲面变化特征；(2)采用Facet模型对所述粒子灰度曲面进行拟合、插值；(3)获取拟合曲面8邻域峰值点的数目，从而确定聚集粒子的数目；(4)根据所述聚集粒子区域的总面积，确定各个粒子的面积；第i个聚集区域内粒子数目Ni为：Ni＝pi其中，i为图像内第i个聚集区域，pi为第i个聚集区域内灰度三维峰值数目，此聚集区域粒子面积为：其中，Ai为图像内第i个聚集粒子区域的面积，Ni为第i个聚集粒子区域内粒子数目，A(i,k)则为第i个区域内第k个粒子面积，则此粒子区域灰度最大值处即为粒子峰值P(i,k)；所述单粒子区域进行面积峰值特征提取时所述单粒子面积As等于单粒子区域面积，粒子对应峰值Ps特征等于单粒子区域8邻居最大值。优选的，步骤(4)中，所述构建粒子区域面积峰值特征点集合，具体包括：所述集合F为：F＝{As,Am；Ps,Pm}其中，As为各单一粒子面积集，Am为聚集区域各粒子面积集，Ps为各单一粒子峰值集，Pm为聚集区域各粒子峰值集。优选的，步骤(5)中，所述采用MeanShift聚类算法识别粒子区域并进行计数，具体包括：以所述粒子区域面积峰值特征点集合F为输入，x为集合中一点，则MeanShift函数表示为：Mh(x)＝mh(x)-x其中，G(x)为高斯核函数，h为核函数带本文档来自技高网...

【技术保护点】
1.一种粒子分析系统，其特征在于，该系统包括：样本测试模块，包括微流控芯片，用于待血液样本与试剂充分混匀后，将混合液均匀布满所述微流控芯片的测试片；图像采集模块，用于获取所述测试片内血液样本的数字图像并将其转为灰度图像；图像预处理模块，用于将所述灰度图像进行粒子区域增强，并采用最大类间方差阈值法进行粒子区域粗分割，得到最佳全局阈值；特征点构建模块，用于根据所述最佳全局阈值判断聚集粒子区域和单粒子区域，并将所述聚集粒子区域和所述单粒子区域分别进行面积峰值特征提取，并构建粒子区域面积峰值特征点集合；识别计数模块，用于以所述粒子区域面积峰值特征点集合为输入，采用MeanShift聚类算法识别粒子区域并根据识别结果进行粒子计数。

【技术特征摘要】
1.一种粒子分析系统，其特征在于，该系统包括：样本测试模块，包括微流控芯片，用于待血液样本与试剂充分混匀后，将混合液均匀布满所述微流控芯片的测试片；图像采集模块，用于获取所述测试片内血液样本的数字图像并将其转为灰度图像；图像预处理模块，用于将所述灰度图像进行粒子区域增强，并采用最大类间方差阈值法进行粒子区域粗分割，得到最佳全局阈值；特征点构建模块，用于根据所述最佳全局阈值判断聚集粒子区域和单粒子区域，并将所述聚集粒子区域和所述单粒子区域分别进行面积峰值特征提取，并构建粒子区域面积峰值特征点集合；识别计数模块，用于以所述粒子区域面积峰值特征点集合为输入，采用MeanShift聚类算法识别粒子区域并根据识别结果进行粒子计数。2.根据权利要求1所述的粒子分析系统，其特征在于，所述判断聚集粒子区域和单粒子区域的方法为：(1)根据所述最佳全局阈值进行阈值二值化处理图像，记细胞区域像素值为1，背景像素为0，从而得到面积连通区域；(2)获取每个所述面积连通区域的面积，做出面积分布直方图；(3)采用样条插值平滑拟合直方图曲线f(x)，获取第一个峰值对应面积，即：A＝f-1(x)，f(x)＝maxf(x)，该面积即为这幅粒子图像面积判断阈值；(4)当区域面积大于所述判断阈值A时，此区域为粒子聚集区域；若区域面积小于等于所述判断阈值A时，此区域为单粒子区域。3.根据权利要求1所述的粒子分析系统，其特征在于，所述将所述聚集粒子区域进行面积峰值特征提取的方法，包括：(1)建立所述聚集粒子区域的粒子的三维灰度图，根据所述粒子灰度曲面变化特征；(2)采用Facet模型对所述粒子灰度曲面进行拟合、插值；(3)获取拟合曲面8邻域峰值点的数目，从而确定聚集粒子的数目；(4)根据所述聚集粒子区域的总面积，确定各个粒子的面积；第i个聚集区域内粒子数目Ni表示为：Ni＝pi其中，i为图像内第i个聚集区域，pi为第i个聚集区域内灰度三维峰值数目，此聚集粒子区域面积表示为：其中，Ai为图像内第i个聚集粒子区域的面积，Ni为第i个聚集粒子区域内粒子数目，A(i,k)则为第i个区域内第k个粒子面积，则此粒子区域灰度最大值处即为粒子峰值P(i,k)；所述单粒子区域进行面积峰值特征提取时所述单粒子面积As等于单粒子区域面积，粒子对应峰值Ps特征等于单粒子区域8邻居最大值。4.根据权利要求1所述的粒子分析系统，其特征在于，所述构建粒子区域面积峰值特征点集合，具体为：所述集合F为：F＝{As,Am；Ps,Pm}其中，As为各单一粒子面积集，Am为聚集区域各粒子面积集，Ps为各单一粒子峰值集，Pm为聚集区域各粒子峰值集。5.根据权利要求1所述的粒子分析系统，其特征在于，所述采用MeanShift聚类算法识别粒子区域并进行计数，具体包括：以所述粒子区域面积峰值特征点集合F为输入，x为集合中一点，则MeanShift函数表示为：Mh(x)＝mh(x)-x其中，G(x)为高斯核函数，h为核函数带宽，ω为权重函数，xi为第i个聚集区域内的其他粒子；首先选择像素x为种子点，ε为容许误差，所述MeanShift算法步骤如下：(1)初始化数据，随机选取初始节点x开始计算mh(x)，将mh(x)赋给x；(2)确定移动步长h，计算下一节点mh(x)；(3)若||mh(x)-x||<ε，则标记该节点并将从起始点开始所有经过的节点赋予该标记过节点相同的标记，迭代停止；(4)若||mh(x)-x||≥ε，继续执行步骤(1)和(2)，直到所有节点都被标记；(5)合并同质区，完成聚类粒子识别；根据所述聚类粒子识别结果定义粒子区域，所述粒子区域集合元素数量即为粒子数目。6.根据权利...

【专利技术属性】
技术研发人员：李迎春，张雪，
申请(专利权)人：江苏康尚生物医疗科技有限公司，
类型：发明
国别省市：江苏,32