[发明专利]一种基于形状特征的自动分类校正的方法

说明书

技术领域

本发明涉及一种细胞检测的方法，尤其涉及的是一种多种细胞检测时自 动分类校正并报警提示的方法。

背景技术

现有技术在某些基于流式细胞术的血细胞分类装置中，常采用自动分 类算法对血细胞进行类别划分，通常情况下某些被划分的类别具有较为固 定的形状特征，并且这些形状特征较为固定。

基于流式细胞术的血细胞分析仪是利用流式技术收集被检测对象(通 常情况下为血细胞)的不同性质信号，例如白细胞的体积信号和复杂度信号， 并把收集到的信号绘制成二维或三维的散点图，如图1所示。

在散点图上划分成多个区域，若细胞的多个参数信号都落在同一个区 域，则把那些血细胞归为同一类，通过统计落在这些划分出的不同内血细 胞数和百分比，分析被测样本的统计特性。

传统的方法是在散点图上使用固定边界进行分类，但是固定边界分类的 缺点是不能针对不用样本进行边界调整，如果某些样本出现显著不同于固 定边界所表达的分类特征时，则被测样本的统计特征将不能反应出其真实 情况，导致依据测量的统计结果得出的结论错误。

由于固定边界分类方法存在上述缺点，所以在一些基于流式细胞技术的 高档次血球分析仪器中通常都使用自适应的分类算法对血细胞类别进行划 分，以解决固定边界分类算法存在的缺陷；但在血细胞类别划分方面引入 自动分类算法的同时，也引入了另外一个问题：由于自动分类算法将各种 分类可能都当作符合要求，无法保证自动分类算法对每次运算结果的有效 性。

不可否认，在分类适应性和准确性方面，自动分类算法比固定边界分 类方法有明显改进，如美国专利号6944338、美国专利号5795727、美国专 利号6,842,233、美国专利号6,662,117、美国专利号5703959等专利技术文件 中提及的专利技术较之于固定边界分类方法在性能方面有明显改进。但是， 这些专利文件中都没有提及：在分类计算完成后如何校验分类结果的有效 性，因此，在自动分类算法识别一个分析结果后，可能将异常情况当成正 常情况进行检测，从而导致检测的失误。

因此，现有技术还存在缺陷，而有待于改进和发展。

发明内容

本发明的目的在于提供一种基于形状特征的自动分类校正的方法，解决 的主要技术问题为：根据自动分类算法的分类结果寻找类别形状特征，并 把这些特征转换成参数，根据这些特征参数判断自动分类算法分类结果的 有效性，若分类结果无效则进行报警提示。

本发明的技术方案包括：

一种基于形状特征的自动分类校正的方法，用于流式细胞分析仪器的分 析处理，其包括以下步骤：

A、根据流式细胞分析的散点图数据，进行数据分类及图像处理，并获 得每类细胞的边界曲线；

B、对每类细胞边界曲线进行曲线拟合，并获得拟合曲线；

C、计算所述拟合曲线的曲线参数；

D、将所获得的曲线参数与预设范围进行比较，如果所述曲线参数超出 预设范围，则表明此次分类结果不正确。

其中，所述步骤D之后还包括：如果分类结果不正确，则对所述散点 图数据的分类进行至少一次校正处理，并在每一次校正处理后重复执行步 骤B至D；若经多次校正处理后所获得的曲线参数依然超出所述预设范围 时，则提示此次分类结果无效。

其中，所述步骤A中，以自动分类算法的分类结果为依据，把原来的 散点图数据按照类别分成多个数据集合后，进行图像处理。

其中，所述步骤D中，所述校正处理按照以下方式进行：调用自动分 类算法，按照预设的校正规则对原来的散点图数据再次进行分类计算，并 根据此次分类计算的结果进行数据分类及图像处理后获得每类细胞的边界 曲线。

其中，所述步骤A中的图像处理包括以下步骤：

A1、利用分类处理的结果，依次对图像进行除噪、分割处理并进行图 像二值化处理，得到各类别的二值图像；

A2、对所述各类别的二值图像进行填充处理；

A3、对填充后的图像进行边界提取。

其中，所述图像处理中的步骤A3包括以下步骤：

A31、通过计算每一类别内各象素点的邻域内的背景点的个数，来确 定每类细胞的边界点，其中为大于等于1的自然数；

A32、提取连续的且宽度总是为1个象素点的边界，来构成每类细胞的 边界曲线。