[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

CN112424582B - 血液样本检测的方法、血液样本检测仪和存储介质 - Google Patents

血液样本检测的方法、血液样本检测仪和存储介质 Download PDF

Info

Publication number
CN112424582B
CN112424582B CN201880095696.7A CN201880095696A CN112424582B CN 112424582 B CN112424582 B CN 112424582B CN 201880095696 A CN201880095696 A CN 201880095696A CN 112424582 B CN112424582 B CN 112424582B
Authority
CN
China
Prior art keywords
sample
aging
cell
cells
distribution information
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201880095696.7A
Other languages
English (en)
Other versions
CN112424582A (zh
Inventor
叶波
郑文波
李进
祁欢
唐瑞腾
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Mindray Bio Medical Electronics Co Ltd
Shenzhen Mindray Scientific Co Ltd
Original Assignee
Shenzhen Mindray Bio Medical Electronics Co Ltd
Shenzhen Mindray Scientific Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shenzhen Mindray Bio Medical Electronics Co Ltd, Shenzhen Mindray Scientific Co Ltd filed Critical Shenzhen Mindray Bio Medical Electronics Co Ltd
Publication of CN112424582A publication Critical patent/CN112424582A/zh
Application granted granted Critical
Publication of CN112424582B publication Critical patent/CN112424582B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1434—Optical arrangements
    • G01N15/1436—Optical arrangements the optical arrangement forming an integrated apparatus with the sample container, e.g. a flow cell
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1429—Signal processing
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1456—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals
    • G01N15/1459—Optical investigation techniques, e.g. flow cytometry without spatial resolution of the texture or inner structure of the particle, e.g. processing of pulse signals the analysis being performed on a sample stream
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N15/1468—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle
    • G01N15/147—Optical investigation techniques, e.g. flow cytometry with spatial resolution of the texture or inner structure of the particle the analysis being performed on a sample stream
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/5005—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells
    • G01N33/5094—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving human or animal cells for blood cell populations
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/01—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N2015/1006—Investigating individual particles for cytology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1402—Data analysis by thresholding or gating operations performed on the acquired signals or stored data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1477—Multiparameters
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1486—Counting the particles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N15/00—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials
    • G01N15/10—Investigating individual particles
    • G01N15/14—Optical investigation techniques, e.g. flow cytometry
    • G01N2015/1488—Methods for deciding
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/47—Scattering, i.e. diffuse reflection
    • G01N2021/4704—Angular selective
    • G01N2021/4726—Detecting scatter at 90°
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/6428—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes"
    • G01N2021/6439—Measuring fluorescence of fluorescent products of reactions or of fluorochrome labelled reactive substances, e.g. measuring quenching effects, using measuring "optrodes" with indicators, stains, dyes, tags, labels, marks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/645—Specially adapted constructive features of fluorimeters
    • G01N2021/6482—Sample cells, cuvettes

Landscapes

  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Immunology (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Engineering & Computer Science (AREA)
  • Dispersion Chemistry (AREA)
  • Biomedical Technology (AREA)
  • Cell Biology (AREA)
  • Urology & Nephrology (AREA)
  • Hematology (AREA)
  • Molecular Biology (AREA)
  • Microbiology (AREA)
  • Medicinal Chemistry (AREA)
  • Biotechnology (AREA)
  • Tropical Medicine & Parasitology (AREA)
  • Ecology (AREA)
  • Food Science & Technology (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Optics & Photonics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Signal Processing (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

一种血液样本检测方法、血液样本检测仪和存储介质。该方法包括：从目标检测通道获取样本中细胞的至少两种光信号值，并根据细胞的至少两种光信号值生成散点图或数据阵列(101)；获取出现在散点图或数据阵列中老化特征区域的细胞分布信息(102)；根据细胞分布信息输出检测结果(103)。

Description

血液样本检测的方法、血液样本检测仪和存储介质
技术领域
本申请涉及计算机技术领域，特别是涉及一种血液样本检测的方法、血液样本检测仪和存储介质。
背景技术
血液细胞分析仪用于测量血液中细胞的分布信息。血液细胞包含白细胞、红细胞、血小板，血液细胞分析仪检测的细胞分布信息一般用于感染性疾病、血液系统疾病、自身免疫性疾病、凝血红能障碍的筛查与鉴别诊断，因此准确发现血液中的细胞分布信息(细胞数量、细胞形态等)的变化具有广泛的临床意义。
近年来，随着血液细胞分析仪在临床上的广泛使用，静脉血液细胞分析后，标本必须放入实验室一定天数才能作检验科医疗废弃物处理，以便给临床提供复查、核对纠错的机会。在一些国家地区，血液标本都是统一送到大型中心实验室检测，一般运输时间都需要至少1天，因此标本在一定条件下放置一定时间后仍然需要保证测量结果的准确性。
大量文献研究表明，随着样本在不同条件下放置时间的不同，血液细胞由于细胞自身的变化，血液细胞分析仪测量的细胞分布相关的细胞参数都发生了显著变化，样本也成为老化样本。如果用户直接使用老化样本的检测结果，则无法保证样本的测量结果的准确性。
发明内容
基于此，有必要针对上述技术问题，提供一种能够所述样本是否为老化样本的血液样本检测的方法、血液样本检测仪和存储介质。
一种血液样本检测的方法，包括：
从目标检测通道获取样本中细胞的至少两种光信号值，并根据所述细胞的至少两种光信号值生成散点图或数据阵列；
获取出现在所述散点图或数据阵列中老化特征区域的细胞分布信息；
根据所述细胞分布信息判断输出检测结果。
在其中一个实施例中，所述根据所述细胞分布信息输出检测结果包括：根据所述细胞分布信息判断所述样本是否为老化样本，并根据判断结果输出检测结果。
在其中一个实施例中，所述细胞分布信息包括所述老化特征区域的细胞数量；所述根据所述细胞分布信息判断所述样本是否为老化样本包括：若所述老化特征区域的细胞数量大于第一预设阈值，则判断所述样本为老化样本。
在其中一个实施例中，所述细胞分布信息包括：所述老化特征区域的细胞数量和所述散点图或数据阵列中的白细胞数量的比值信息，或所述老化特征区域的细胞数量和所述散点图或数据阵列中的指定类别白细胞数量的比值信息，所述指定类别白细胞优选为中性粒细胞；
所述根据所述细胞分布信息判断所述样本是否为老化样本包括：若所述比值信息大于第二预设阈值，则判断所述样本为老化样本。
在其中一个实施例中，所述根据判断结果进行输出处理包括：若判断所述样本为老化样本，则进行报警或提示。
在其中一个实施例中，所述根据所述细胞分布信息输出检测结果包括：
根据所述细胞分布信息确定所述样本的老化时间和/或老化程度。
在其中一个实施例中，所述方法还包括：
根据所述样本的老化时间和/或老化程度进行报警或提示。
在其中一个实施例中，所述细胞分布信息包括所述老化特征区域的细胞数量，所述老化特征区域的细胞数量与所述样本的老化时间和/或老化程度正相关。
在其中一个实施例中，所述细胞分布信息包括：所述老化特征区域的细胞数量和所述散点图或数据阵列中的白细胞数量的比值信息，或所述老化特征区域的细胞数量和所述散点图或数据阵列中的指定类别白细胞数量的比值信息，所述指定类别白细胞优选为中性粒细胞；所述比值信息与所述样本的老化时间和/或老化程度正相关。
在其中一个实施例中，所述根据所述细胞分布信息确定所述样本的老化时间和/或老化程度，包括：根据预先确定的细胞分布信息与老化指数的第一函数关系，确定所述细胞分布信息对应的特征老化指数，所述特征老化指数用于指示样本的老化时间和/或老化程度。
在其中一个实施例中，所述根据所述细胞分布信息输出检测结果包括：：根据所述特征老化指数对所述样本的细胞参数进行修正。
在其中一个实施例中，还包括：根据所述特征老化指数，以及预先确定的特征老化指数与细胞参数修正系数的第二函数关系，确定所述样本的细胞参数的特征修正系数，其中所述细胞参数修正系数用于指示细胞参数的修正幅度；根据所述特征修正系数对所述样本的细胞参数进行修正。
在其中一个实施例中，所述根据所述细胞分布信息输出检测结果包括：
根据所述细胞分布信息对所述样本的细胞参数进行修正。
在其中一个实施例中，所述细胞参数包括平均血小板体积、平均红细胞体积、红细胞压积、红细胞体积分布宽度中的至少一种参数。
在其中一个实施例中，所述从目标检测通道获取样本中细胞的至少两种光信号值，包括：从目标检测通道获取样本中细胞的前向散射光值和侧向散射光值；
所述至少两种光信号值包括前向散射光值和侧向散射光值。
在其中一个实施例中，所述方法还包括：
根据所述细胞的前向散射光值和侧向散射光值进行白细胞分类和/或计数。
在其中一个实施例中，还获取样本的荧光信号；
所述至少两种光信号值包括前向散射光值和侧向散射光值，或者所述至少两种光信号值包括侧向散射光值和荧光强度值。
在其中一个实施例中，所述方法还包括：
还获取样本的荧光信号；
根据所述细胞的侧向散射光值和荧光强度值进行白细胞分类。
在其中一个实施例中，所述方法还包括：
还获取样本的荧光信号；
根据所述细胞的前向散射光值和荧光强度值进行白细胞计数和/或有核红细胞识别和/或嗜碱性粒细胞分类。
在其中一个实施例中，所述老化特征区域为以所述散点图中白细胞粒子群区域为定位基准而确定的区域。
在其中一个实施例中，所述老化特征区域至少包含所述散点图中白细胞粒子群区域中侧向散射光值偏小的一侧区域。
在其中一个实施例中，所述老化特征区域至少包含所述散点图中白细胞粒子群与血影粒子群之间的部分或全部区域。
在其中一个实施例中，所述老化特征区域为所述散点图中侧向散射光值小于设定阈值的部分或全部区域。
在其中一个实施例中，所述根据所述细胞分布信息输出检测结果包括：
根据所述细胞分布信息在用户界面进行报警、和/或提示、和/或显示所述样本的经修正后的细胞参数。
一种血液样本检测仪，包括：
至少一个反应池，用于为血液样本与试剂提供反应场所；
光学检测装置，用于对经试剂处理后的血液样本进行光照射，收集所述经试剂处理后的血液样本中各粒子因光照射所产生的光学信号，并转换成电信号，以输出光学信号信息；
输送装置，用于将所述反应池中经试剂处理后的血液样本输送到所述光学检测装置中；
处理器，用于接收并处理所述光学检测装置输出的光学信号信息，以得到血液样本的测量参数；其中，所述处理器从目标检测通道获取样本中细胞的至少两种光信号值，并根据所述细胞的至少两种光信号值生成散点图或数据阵列；获取出现在所述散点图或数据阵列中老化特征区域的细胞分布信息；根据所述细胞分布信息输出检测结果。
在其中一个实施例中，所述处理器用于：根据所述细胞分布信息判断所述样本是否为老化样本，并根据判断结果输出检测结果。
在其中一个实施例中，所述细胞分布信息包括所述老化特征区域的细胞数量；所述处理器用于：若所述老化特征区域的细胞数量大于第一预设阈值，则判断所述样本为老化样本。
在其中一个实施例中，所述细胞分布信息包括：所述老化特征区域的细胞数量和所述散点图或数据阵列中的白细胞数量的比值信息，或所述老化特征区域的细胞数量和所述散点图或数据阵列中的指定类别白细胞数量的比值信息，所述指定类别白细胞优选为中性粒细胞；
所述处理器用于：若所述比值信息大于第二预设阈值，则判断所述样本为老化样本。
在其中一个实施例中，还包括提示模块；所述处理器用于：控制所述提示模块进行报警或提示。
在其中一个实施例中，所述处理器还用于：根据所述细胞分布信息确定所述样本的老化时间和/或老化程度。
在其中一个实施例中，所述处理器还用于：根据所述细胞分布信息对所述样本的细胞参数进行修正。
在其中一个实施例中，所述细胞参数包括平均血小板体积、平均红细胞体积、红细胞压积、红细胞体积分布宽度中的至少一种参数。
在其中一个实施例中，所述处理器用于：从目标检测通道获取样本中细胞的前向散射光值和侧向散射光值。
在其中一个实施例中，所述处理器还用于：根据所述细胞的前向散射光值和侧向散射光值进行白细胞分类和/或计数。
在其中一个实施例中，所述处理器还用于：获取样本的荧光信号；所述至少两种光信号值包括前向散射光值和侧向散射光值，或者所述至少两种光信号值包括侧向散射光值和荧光强度值。
在其中一个实施例中，所述处理器还用于：获取样本的荧光信号；根据所述细胞的侧向散射光值和荧光强度值进行白细胞分类。
在其中一个实施例中，所述处理器还用于：获取样本的荧光信号；根据所述细胞的前向散射光值和荧光强度值进行白细胞计数和/或有核红细胞识别和/或嗜碱性粒细胞分类。
在其中一个实施例中，还包括显示器；所述处理器用于：
根据所述细胞分布信息控制显示器的用户界面进行报警、和/或提示、和/或显示所述样本的经修正后的细胞参数。
一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述任一项实施例所述的方法的步骤。
申请人通过创造性劳动发现，细胞散点图或数据阵列中特定区域(即老化特征区域)的细胞分布与样本的老化有关，从而提出基于老化特征区域的细胞分布信息输出检测结果，例如进行老化识别，从而保证了对样本测量结果的准确性。
附图说明
图1为本申请实施例提供的方法流程图；
图2为本申请实施例提供的流式细胞分析仪的结构示意图；
图3a为SSC-FSC二维散点图；
图3b为SSC-SFL二维散点图；
图3c为FSC-SFL二维散点图；
图4为不同老化指数时SSC-FSC二维散点图的老化特征区域示意图；
图5为不同老化指数时SSC-FSC-SFL三维散点图的老化特征区域示意图；
图6为老化特征区域的细胞分布信息和老化指数关系示意图；
图7为老化指数与MCV的修正系数的函数关系模型示意图；
图8为老化指数与RDW-SD的修正系数的函数关系模型示意图；
图9为N例样本的MCV修正前的平均数值和修正后的平均数值对比示意图；
图10为N例样本的RDW_SD修正前的平均数值和修正后的平均数值对比示意图；
图11为样本1的MCV修正前的数值和修正后的数值对比示意图；
图12为样本1的RDW_SD修正前的数值和修正后的数值对比示意图；
图13为样本2的MCV修正前的数值和修正后的数值对比示意图；
图14为样本2的RDW_SD修正前的数值和修正后的数值对比示意图；
图15为本申请实施例提供的装置结构示意图；
图16为本申请实施例提供的设备结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
使用细胞分析设备对样本(例如血液样本)进行分析时，首先使用试剂对样本进行处理，进而检测样本中细胞的光信号值，从而可以获得各种散点图，通过分析散点图可以获得样本的细胞参数，例如可以获得白细胞粒子群的粒子信息。申请人分析了大量样本室温条件下放置不同时间后的散点图，发现散点图特定区域出现的粒子群与样本的存储环境(一般指温度、时间)具有较强的相关性。以白细胞通道的散点图为例，深入研究发现，出现在特定区域的粒子群为大体积的白细胞粒子群(主要是中性粒子群)。
其中，光信号值可以但不仅限于包括：前向散射光值(例如前向散射光强度，FSC)、侧向散射光值(例如侧向散射光强度，SSC)、表征核酸含量的吸收光值(例如荧光强度，SFL)。相应的，申请人分别在SSC-FSC二维散点图、SSC-FSC-SFL三维散点图、SSC-SFL二维散点图中均发现有出现在特定区域的、与样本存储环境有关的粒子群，其中以SSC-FSC二维散点图尤为典型。
其中，细胞参数可以是红系细胞参数、白细胞参数和血小板系参数，可以但不仅限于包括平均血小板体积、平均红细胞体积、红细胞压积、红细胞体积分布宽度、网织红细胞比例、中性粒细胞百分比、血小板平均体积中的至少一种参数。
通过分析，申请人认为白细胞通道的散点图的特定区域出现大体积的白细胞粒子群，是因为血液样本老化后，细胞膜的通透性发生了变化，经过血液细胞分析仪的试剂处理后，细胞膜遭到部分破坏，细胞中的胞浆溢出，因此表征细胞内颗粒度的SSC信号会变小，表征细胞体积的FSC信号也变小。小体积的白细胞粒子群不会出现在特定区域是因为：小体积的白细胞粒子群(淋巴粒子群LYM)，胞浆特别少，细胞内部主要是细胞核，故SSC信号变化较小，表征细胞体积的FSC信号也变化较小。
应当指出的是，为便于理解，本申请仅以老化样本在白细胞通道的散点图的分布特性为例，进行分析说明。鉴于申请人通过付出创造性的劳动，研究分析出通过散点图中特定区域的细胞分布与样本老化具有相关性，因此，若其他检测通道的散点图也存在特定区域的细胞分布与样本老化具有相关性，则同样适用于本申请实施例提供的方法。
本申请实施例中，老化样本是相对于新鲜样本而言的。采集到的新鲜样本在不同存储条件下存储后，细胞产生变化，称为老化样本。
基于上述研究分析结果，本申请实施例提供了一种血液样本检测的方法，该方法应用于血液样本检测仪或细胞分析设备(例如流式细胞分析仪)，如图1所示，包括以下步骤：
步骤101、从目标检测通道获取样本中细胞的至少两种光信号值，并根据所述细胞的至少两种光信号值生成散点图或数据阵列。
其中，目标检测通道可以但不仅限于是白细胞通道。
如上所述，所述至少两种光信号值包括前向散射光值和侧向散射光值；或者，所述至少两种光信号值包括侧向散射光值和表征核酸含量的吸收光值；或者，所述至少两种光信号值包括前向散射光值、侧向散射光值和表征核酸含量的吸收光值。相应的，生成的散点图可以是二维散点图，也可以是三维散点图。当然，在一些实施例中，散点图不以图形形式呈现，而通过光信号值的数据阵列(例如二维数据阵列)等形式呈现。在以下说明中，以散点图为例。
步骤102、获取出现在所述散点图或数据阵列中老化特征区域的细胞分布信息。
其中，老化特征区域是与样本老化具有相关性的粒子群在散点图中所在的区域。本实施例中，细胞映射到散点图上称为粒子，同一类细胞由于其光信号特性相近，因此在散点图中聚集分布，称为粒子群。
其中，细胞分布信息是反映老化特征区域的细胞数量的信息，可以是细胞数量、细胞分布面积、细胞分布宽度等等。
步骤103、根据所述细胞分布信息输出检测结果。
根据所述细胞分布信息输出检测结果输出检测结果，可以有多种实施方式，例如可以是输出散点图中老化特征区域的细胞分布信息；可以是根据所述细胞分布信息判断所述样本是否为老化样本，并根据判断结果输出检测结果；可以是根据所述细胞分布信息确定所述样本的老化时间和/或老化程度；可以是根据所述特征老化指数对所述样本的细胞参数进行修正，以下将详细说明。当然，也可以是上述几种实施方式的组合。这样，不仅可以通过所述细胞分布信息来判断老化样本，也可以直接通过所述细胞分布信息向用户提示老化时间和/老化程度，还可以不用判断老化样本而对样本的细胞参数进行修正。因此，如果有大量样本，可以不需要判断是否老化样本，而直接对需要修改的样本进行修正。老化程度是指反映样本随着环境(例如温度、湿度等等)或时间变化而变化的程度。
在一些实施例中，根据所述细胞分布信息输出检测结果输出检测结果，可以是输出散点图中老化特征区域的细胞分布信息，例如输出老化特征区域的细胞数量信息或指定类别细胞数量信息，或者输出老化特征区域的细胞数量和散点图中细胞数量的比值信息，或者输出所述老化特征区域的细胞数量和所述散点图中的指定类别细胞数量的比值信息。
在一些实施例中，根据所述细胞分布信息输出检测结果包括：根据所述细胞分布信息判断所述样本是否为老化样本，并根据判断结果输出检测结果。在一些实施例中，也可以根据所述细胞分布信息对样本的细胞参数进行修正。修正细胞参数后，输出检测结果。当然，在一些实施例中，根据所述细胞分布信息判断所述样本是否为老化样本，并根据判断结果输出检测结果，例如对用户进行提示或报警。同时还可以根据所述细胞分布信息对样本的细胞参数进行修正。
其中，修正的细胞参数可以是红系细胞参数、白细胞参数和血小板系参数，可以但不仅限于包括平均血小板体积、平均红细胞体积、红细胞压积、红细胞体积分布宽度、网织红细胞比例、中性粒细胞百分比、血小板平均体积中的至少一种参数。
本申请实施例提供的方法可以在进行细胞分析检测(如进行白细胞分类和/或计数，进行嗜碱性粒细胞分类，进行有核红细胞识别)的同时进行，无需单独进行处理，从而简化了处理过程，提高了处理效率。具体的，上述步骤101即细胞分析检测的步骤，在生成散点图后，为了分析得到细胞参数，需要对散点图中的粒子分布进行分析，可以在分析过程中一并获得老化特征区域的细胞分布信息。
而在一些实施例中，根据细胞分布信息输出检测结果包括：根据细胞分布信息确定样本的老化时间和/或老化程度。如上所述，本申请实施例中，细胞分布信息是反映老化特征区域的细胞数量的信息。相应的，上述根据所述细胞分布信息确定所述样本的老化时间和/或老化程度的实现方式可以是根据所述老化特征区域的细胞数量识别样本的老化时间和/或老化程度。
其中，以白细胞通道散点图为例，所述老化特征区域的细胞数量越大，则所述样本的老化时间越长和/或老化程度越高。应当指出的是，选择老化特征区域的不同，可能导致判断的依据也不同。同一份样本，在同一散点图中，一个区域的细胞数量变大，必然导致该区域以外的另外一个区域的细胞数量变小。因此在其他实施例中，可能存在这样的情况：老化特征区域的细胞数量越小，则样本的老化时间越长和/或老化程度越高。若通过其他通道散点图进行老化识别，则可能也有这种情况，本申请对此不做限定。老化特征区域的选取，在以下说明中将会提到。
更进一步的，老化特征区域的细胞分布信息的具体表现方式有多种。
例如，老化特征区域的细胞分布信息可以是老化特征区域的细胞数量信息，更进一步的，为提高处理精度，还可以定义老化特征区域的细胞分布信息为老化特征区域的指定类别细胞数量信息；以白细胞通道散点图为例，老化特征区域的细胞分布信息可以是老化特征区域的白细胞数量信息，相应的，上述老化识别的具体实现方式可以是：根据所述老化特征区域的白细胞数量识别样本的老化时间和/或老化程度。
此时，根据细胞分布信息判断样本是否为老化样本的过程可以包括：若老化特征区域的细胞数量大于第一预设阈值，则判断样本为老化样本。
又例如，老化特征区域的细胞分布信息可以是老化特征区域的细胞数量和散点图中细胞数量的比值信息，或者可以是所述老化特征区域的细胞数量和所述散点图中的指定类别细胞数量的比值信息。更进一步的，为提高处理精度，还可以定义老化特征区域的细胞分布信息为老化特征区域的指定类别细胞数量与散点图中指定类别细胞数量的比值信息。
以白细胞通道散点图为例，老化特征区域的细胞分布信息可以是所述老化特征区域的细胞数量和所述散点图中的白细胞数量的比值信息。老化特征区域的细胞大部分都可认为是白细胞，因此老化特征区域的细胞分布信息可以是老化特征区域的白细胞数量与散点图中白细胞数量的比值信息，相应的，根据所述细胞分布信息判断所述样本是否为老化样本的具体实现方式可以是：根据所述老化特征区域的白细胞数量与散点图中白细胞数量的比值信息，识别样本的老化时间和/或老化程度。或者定义老化特征区域的细胞分布信息为老化特征区域的指定类别细胞数量与散点图中指定类别细胞数量的比值信息；以白细胞通道散点图为例，老化特征区域的细胞分布信息可以是老化特征区域的白细胞数量与散点图中指定类别白细胞(例如中性粒细胞，淋巴细胞)数量的比值信息，指定类别白细胞优选为中性粒细胞。相应的，上述老化识别的步骤可以是：根据所述老化特征区域的白细胞数量与散点图中中性粒细胞数量的比值信息，识别样本的老化时间和/或老化程度。
此时，根据细胞分布信息判断样本是否为老化样本的过程可以包括：若比值信息大于第二预设阈值，则判断样本为老化样本。
上述的第一预设阈值和第二预设阈值可以通过实验对多个血液样本进行训练、统计后得到。例如可以将老化时间大于K(例如K＝8)小时的样本就判断为老化样本，通过对这些老化样本对应的散点图中老化特征区域的细胞分布信息进行分析、训练、统计得到上述的第一预设阈值和第二预设阈值，在此不多赘述。
判断样本为老化样本后，根据判断结果输出检测结果，例如可以进行报警和提示。例如在做血液样本的细胞参数进行测量时，如果判断样本为老化样本，则提示用户这份血液样本为老化样本，相关的测量结果可能不准确。当然，若判断所述样本为老化样本，也可以根据所述样本的老化时间和/或老化程度进行报警或提示。例如，确定老化时间和/或老化程度大于某个设定的阈值后，才进行报警或提示，即老化程度到了一定程度才报警或提示。
更具体的，可以通过老化指数来表示样本的老化时间和/或老化程度，预先确定老化特征区域的细胞分布信息与老化指数的关联关系，该关联关系可以通过函数(本申请中称为第一函数)表示，也可以通过关联关系表表示(该关联关系表记录一组细胞分布信息与一组老化指数的一一对应关系)。本申请不对关联关系的确定方式进行限定，例如，可以通过对大量实验数据进行仿真、样本训练、统计等方式确定。
以第一函数为例，相应的，上述根据所述细胞分布信息确定所述样本的老化时间和/或老化程度的具体实现方式可以是：根据预先确定的细胞分布信息与老化指数的第一函数关系，确定所述细胞分布信息对应的特征老化指数。即根据已获取的细胞分布信息和第一函数关系确定与所述细胞分布信息对应的特征老化指数。
以白细胞通道为例，所述老化特征区域的细胞数量越大，则所述特征老化指数越大，即老化特征区域的细胞数量与样本的老化时间和/或老化程度是正相关的。
在一些实施例中，所述根据所述细胞分布信息输出检测结果，还可以是根据所述特征老化指数对所述样本的细胞参数进行修正。
如上所述，本申请实施例中，细胞分布信息可以是反映老化特征区域的细胞数量的信息。相应的，根据所述细胞分布信息对所述样本的细胞参数进行修正的实现方式可以是：根据所述老化特征区域的细胞数量对所述样本的细胞参数进行减少修正。减少修正是指通过降低细胞参数数值来进行修正。以白细胞通道为例，所述老化特征区域的细胞数量越大，对所述样本的细胞参数进行减少修正的幅度越大。
细胞参数修正的具体实现方式有多种，例如，可以根据老化识别结果进行修正，具体的，根据所述特征老化指数，以及预先确定的特征老化指数与细胞参数修正系数的第二函数关系，确定所述样本的细胞参数的特征修正系数，其中所述细胞参数修正系数用于指示细胞参数的修正幅度；根据所述特征修正系数对所述样本的细胞参数进行修正。
在一些实施例中，还可以直接根据老化特征区域的细胞分布信息进行细胞参数的修正。具体的，根据预先确定的细胞分布信息与细胞参数修正系数的第三函数关系，确定所述样本的细胞参数的特征修正系数，根据所述特征修正系数修正所述样本的细胞参数，其中所述细胞参数修正系数用于指示细胞参数的修正幅度。
同理，可以通过对大量实验数据进行仿真、样本训练、统计等方式确定上述的第二函数关系或第三函数关系。
对于第一函数、第二函数和第三函数的进一步描述将在后面实施例说明。
本申请实施例不对老化特征区域的确定方式进行限定，可以通过对大量样本进行实验，根据血液样本从正常到老化过程中细胞粒子群在散点图中的位置变化数据进行仿真分析或机器学习，确定老化特征区域在散点图中的位置，也可以确定老化特征区域与特定粒子群的相对位置。老化特征区域可以是散点图中固定的区域(见图4左侧两个散点图中标注的圆形区域或图4右侧两个散点图中虚线左侧区域)，也可以是浮动的区域；可以是封闭的区域(见图4左侧两个散点图中标注的圆形区域)，也可以是开放的区域(见图4右侧两个散点图中虚线左侧区域)。以白细胞通道为例，老化特征区域为以散点图中白细胞粒子群区域为定位基准而确定的区域，即通过散点图中白细胞粒子群区域来确定老化特征区域。例如，所述老化特征区域至少包含以下的一种区域：
所述散点图中白细胞粒子群中粒子光信号值偏小的粒子群边缘区域，例如散点图中白细胞粒子群区域中侧向散射光值偏小(小于某个设定值，如图4左侧两个散点图中虚线表示的SSC值)的一例区域，或者散点图中白细胞粒子群区域中侧向散射光值和前向散射光值均偏小的一侧区域；
所述散点图中白细胞粒子群中靠近血影粒子群(例如，见图4和图5中靠近坐标原点的粒子群)的粒子群边缘区域；
所述散点图中白细胞粒子群与血影粒子群之间的部分或全部区域。
当然，老化特征区域还可以是上述三个区域的任意组合，或者可以是其他的具有老化判断特征的区域，在此不做限定，可参见图4和图5的实施例示意图。
根据所述细胞的分布信息进行老化识别之后，还可以输出和/或发送检测结果。其中，输出的方式可以但不仅限于是显示输出、语音播报输出、声光告警等方式。发送是指发送给其他设备，例如中央站、用户的手机终端、PC、服务器、云端等等。还可以在用户界面进行报警、和/或提示、和/或显示所述样本的经修正后的细胞参数、和/或输出所述细胞分布信息，例如在用户界面报警或提示该样本为老化样本。
下面以流式细胞分析仪对细胞进行检测为例，对本申请实施例提供的方法进行进一步说明。对应上述实施例的血液样本检测的方法，以下提供一种血液样本检测仪，血液样本检测仪可以是流式细胞分析仪。
本实施例的血液样本检测仪可以主要包括如图2所示的结构：至少一个反应池201、光学检测装置202、输送装置203和处理器204，下面具体说明。
反应池201用于为血液样本与试剂提供反应场所，以制备成样本液。具体地，可对采血所得血液样本经稀释并用荧光染色试剂进行标记，得到样本液。常用的荧光染色试剂可以是派若宁、吖啶橙和噻唑橙等。
光学检测装置202用于对经试剂处理后的血液样本即上述的样本液进行光照射，收集所述经试剂处理后的血液样本中各粒子因光照射所产生的光学信号，并转换成电信号，以输出光学信号信息(即光信号值)。这里的光学信号可以是前向散射光信号(FSC)、侧向散射光信号(SSC)、荧光散射光信(SFL，本文简称荧光信号)。光学检测装置202的可以但不仅限于包括光源2021和具有孔口20221的鞘流流动室2022等，血液样本中的粒子可在鞘流流动室2022内流动，并逐个经过孔口20221，光源2021所发出的光可照射到孔口20221中的粒子并对应产生散射光信号和/或荧光信号。光学检测装置202还可以包括分别在孔口前方和侧向设置的透镜组2023、光电感应器2024(如光电二极管、光电倍增管等)及A/D转换器，A/D转换器可设置在处理器204中或单独形成一个元件，从而透镜组2023可捕捉对应散射光信号和荧光信号，光电感应器2024可将捕捉到的光学信号(指散射光信号和荧光信号等)转换为电信号，再A/D转换器将电信号经A/D转换处理得到数字信号，可以将该数字信号作为光学信号信息输出。
输送装置203用于将反应池201中经试剂处理后的血液样本即样本液输送到光学检测装置202中。
处理器204用于接收并处理光学检测装置202输出的光学信号信息，以得到血液样本的细胞参数。其中，处理器204从目标检测通道(例如白细胞通道)获取样本中细胞的至少两种光信号值，并根据细胞的至少两种光信号值生成散点图；获取出现在散点图中老化特征区域的细胞分布信息；根据细胞分布信息输出检测结果。检测结果可以包括经修正后的细胞参数。
在一些实施例中，根据所述细胞分布信息输出检测结果包括：根据所述细胞分布信息判断所述样本是否为老化样本，并根据判断结果输出检测结果。
处理器204从目标检测通道获取样本中细胞的至少两种光信号值可以是前向散射光值(FSC)和侧向散射光值(SSC)。因此，处理器204可以根据所述细胞的前向散射光值和侧向散射光值进行白细胞分类和/或计数。例如，可以在用户界面上同时展示白细胞分类信息，并提示用户该样本是否是老化样本，以及老化情况。
处理器204还可以获取样本的荧光信号。这种情况下，所述至少两种光信号值包括前向散射光值和侧向散射光值，或者所述至少两种光信号值包括侧向散射光值和荧光强度值(SFL)。处理器204可以根据所述细胞的侧向散射光值和荧光强度值进行白细胞分类，或者根据所述细胞的前向散射光值和荧光强度值进行白细胞计数和/或有核红细胞识别和/或嗜碱性粒细胞分类。例如，可以在用户界面上同时展示白细胞计数信息和嗜碱性粒细胞分类信息，并提示用户该样本是否是老化样本，以及老化情况。在本申请提供的血液样本检测的方法和血液样本检测仪，可以利用白细胞通道的前向散射光值和侧向散射光值的散点图中老化特征区域判断样本是否为老化样本，并可以进一步推测老化时间或老化程度。
在其中一个实施例中，所述细胞分布信息包括所述老化特征区域的细胞数量；所述处理器204用于：若所述老化特征区域的细胞数量大于第一预设阈值，则判断所述样本为老化样本。
在其中一个实施例中，所述细胞分布信息包括：所述老化特征区域的细胞数量和所述散点图中的白细胞数量的比值信息，或所述老化特征区域的细胞数量和所述散点图中的指定类别白细胞数量的比值信息，所述指定类别白细胞优选为中性粒细胞；所述处理器204用于：若所述比值信息大于第二预设阈值，则判断所述样本为老化样本。
在其中一个实施例中，还包括提示模块；所述处理器204用于：控制所述提示模块进行报警或提示。
在其中一个实施例中，所述处理器204还用于：根据所述细胞分布信息确定所述样本的老化时间和/或老化程度。
在其中一个实施例中，所述处理器204还用于：根据所述细胞分布信息对所述样本的细胞参数进行修正。
在其中一个实施例中，所述细胞参数包括平均血小板体积、平均红细胞体积、红细胞压积、红细胞体积分布宽度中的至少一种参数。
在其中一个实施例中，所述处理器204用于：从目标检测通道获取样本中细胞的前向散射光值和侧向散射光值。
在其中一个实施例中，所述处理器204还用于：根据所述细胞的前向散射光值和侧向散射光值进行白细胞分类和/或计数。
在其中一个实施例中，所述处理器204还用于：获取样本的荧光信号；所述至少两种光信号值包括前向散射光值和侧向散射光值，或者所述至少两种光信号值包括侧向散射光值和荧光强度值。
在其中一个实施例中，所述处理器204还用于：获取样本的荧光信号；根据所述细胞的侧向散射光值和荧光强度值进行白细胞分类。
在其中一个实施例中，所述处理器204还用于：获取样本的荧光信号；根据所述细胞的前向散射光值和荧光强度值进行白细胞计数和/或有核红细胞识别和/或嗜碱性粒细胞分类。
在其中一个实施例中，还包括显示器；所述处理器204用于：控制显示器的用户界面进行报警、和/或提示、和/或显示所述样本的经修正后的细胞参数。
处理器204可以利用检测到的光信号值生成散点图，并通过分析散点图获得白细胞粒子群(WBC粒子群)；其中，既可以生成图3a～图3c所示的二维散点图，也可以生成图4所示的三维散点图。
在图3a所示的SSC-FSC二维散点图上确定老化特征区域。也可以在SSC-FSC-SFL三维散点图确定老化特征区域，还可以在SSC-SFL二维散点图上确定老化特征区域，应当指出的是，对于异常样本(相对于健康血液样本而言)，SSC-SFL二维散点图的老化特征区域可能不如SSC-FSC二维散点图显著，但可以针对健康血液样本进行老化识别和/或细胞参数修正。
在图4和图5中，老化指数不同，散点图特征区域(即老化特征区域)的细胞分布不同。
下面将对处理器204根据细胞分布信息确定样本的老化时间和/或老化程度的过程列举一些实施例。
获得老化特征区域的细胞分布信息，该细胞分布信息记作FeatureCellInfo。
根据FeatureCellInfo计算样本老化指数Age_Indice，其中，Age_Indice是FeatureCellInfo的函数(即上述第一函数)：
Age_Indice＝f(FeatueCellInfo)
如果根据老化特征区域的细胞数量与散点图中白细胞数量的比值信息识别样本的老化时间和/或老化程度，则可以通过以下公式1(即第一函数)得到样本对应的特征老化指数。
其中，X为老化特征区域的细胞数量与散点图中白细胞数量的比值信息FeatureCellInfo(可简称为特征区域粒子比例)，Y为老化指数Age_Indice。公式1对应的线条图为图6。
根据老化指数修正血液样本的细胞参数的测量偏差，获得最终的参数测量结果，修正后的结果记作Result_E，修正前的结果记作Result_F，二者之间的函数关系如下：
Result_E＝g(Result_F，T)(第二函数)
其中，T为Age_Indice，该实施例中具体指老化时间或老化程度。
如果修正血液样本的细胞参数为平均红细胞体积MCV。根据公式一得到样本的特征老化指数后，可以通过以下公式2(即第二函数)得到样本对应的特征修正系数。
其中，X为老化指数Age_Indice，Y为MCV的修正系数。公式2对应的线条图为图7。
而如果修正血液样本的细胞参数为红细胞体积分布宽度RDW_SD(或RDW)。根据公式一得到样本的特征老化指数后，可以通过以下公式3(即第二函数)得到样本对应的特征修正系数。
其中，X为老化指数Age_Indice，Y为RDW的修正系数。公式3对应的线条图为图8，图中的RDW_SD即RDW。
得到特征修正系数后，可以将特征修正系数乘以细胞参数进行修正。
应当指出的是，本实施例中，也可以在直接通过散点图老化特征区域的细胞数量与散点图中白细胞数量的比值信息来修正最终的参数结果，例如：
Result_E＝h(FeatureCellRatio，Result_F)，
其中h是一个相对FeatureCellRatio的单调函数(第三函数)，不再赘述。
按照上述处理过程，随机选取N例血液样本(N＝10)，进行以下测试，以得到样本在放置不同时间后血细胞参数修正前和修正后的对比：
每例样本在室温条件下分别放置0小时、2小时、4小时、6小时、8小时、10小时、12小时、14小时、16小时、18小时、20小时、22小时、24小时，然后每个时间点都在深圳迈瑞生物医疗电子股份有限公司型号为BC-6000的流式细胞分析仪上进行测试，分别获取每例样本在不同时间点的老化特征区域的细胞数量、散点图中白细胞数量以及血细胞参数(平均红细胞体积MCV和红细胞体积分布宽度RDW_SD)，然后根据老化特征区域的细胞数量和散点图中白细胞数量计算得到老化特征区域的细胞分布信息FeatureCellRatio，本次测试中，FeatureCellRatio的计算方法如下：
其中，特征区域粒子数目即老化特征区域的细胞数量，白细胞粒子总数即散点图中白细胞数量。
根据FeatureCellRatio(即图6中的特征区域粒子比例)确定样本的老化指数，具体的，采用图6所示的分段式线性函数模型进行老化指数的确定。图6中，横轴表示散点图老化特征区域的细胞数量与散点图中白细胞数量的比值信息(即特征区域粒子比例)，纵轴表示老化指数。
本次实验检测获取的血细胞参数为平均红细胞体积MCV和红细胞体积分布宽度RDW_SD。本次实验对平均红细胞体积MCV和红细胞体积分布宽度RDW_SD进行修正，以此为例说明采用本申请实施例的修正效果。
其中，老化指数与MCV的修正系数的函数关系如图7所示，老化指数与RDW_SD的修正系数的函数关系如图8所示。根据FeatureCellRatio得到老化指数后，再根据老化指数与修正系数的函数关系得到修正系数。
利用得到的修正系数分别对MCV和RDW_SD两个参数进行修正，N例样本和单例样本的修正结果如图9～图14所示。在本次实验中，将老化时间作为老化指数。
图9为N例样本的MCV修正前的平均数值和修正后的平均数值对比示意图；图10为N例样本的RDW_SD修正前的平均数值和修正后的平均数值对比示意图。其中，横轴表示老化时间，纵轴表示测试结果-血细胞参数值；菱形黑点表示N例样本修正前的平均血细胞参数，圆形黑点表示N例样本修正后的平均血细胞参数。
图11为样本1的MCV修正前的数值和修正后的数值对比示意图；图12为样本1的RDW_SD修正前的数值和修正后的数值对比示意图。其中，横轴表示老化时间，纵轴表示测试结果-血细胞参数值；菱形黑点表示样本1修正前的血细胞参数，圆形黑点表示样本1修正后的血细胞参数。
图13为样本2的MCV修正前的数值和修正后的数值对比示意图；图14为样本2的RDW_SD修正前的数值和修正后的数值对比示意图。其中，横轴表示老化时间，纵轴表示测试结果-血细胞参数值；菱形黑点表示样本2修正前的血细胞参数，圆形黑点表示样本2修正后的血细胞参数。
根据图示可知，新鲜血液样本在不同存储时间下放置，采用本申请实施例提供的方式进行参数修正后，对于老化前(如老化时间为0时)的细胞参数数值和老化后的细胞参数数值的偏差，细胞参数修正后的偏差值(或偏差均值)比修正前的偏差值(或偏差均值)要小，其效果如下表1-3所示：
表1 N例样本的血细胞参数修正前的偏差均值和修正后的偏差均值
表2单例样本(样本1)的血细胞参数修正前的偏差值和修正后的偏差值
表3单例样本(样本2)的血细胞参数修正前的偏差值和修正后的偏差值
表1对应的实验数据线条图见图9和图10，表2对应的实验数据线条图见图11和图12，表3对应的实验数据线条图见图13和图14。从上述表1、表2、表3和各自对应的实验数据线条图中可看出，对于老化前(如老化时间为0时)的细胞参数数值和老化后的细胞参数数值的偏差，细胞参数修正后的偏差值比修正前的偏差值要小，证明经过修正后，样本的老化对MCV参数、RDW_SD参数的测量结果影响较小，参数测量准确性有显著改善。
对应上述实施例的血液样本检测的方法，还提供一种血液样本检测的装置。在一个实施例中，如图15所示，提供了一种血液样本检测的装置，包括：
散点图生成模块141，用于从目标检测通道获取样本中细胞的至少两种光信号值，并根据所述细胞的至少两种光信号值生成散点图；
细胞分布信息获取模块142，用于获取出现在所述散点图中老化特征区域的细胞分布信息；
信息处理模块143，根据所述细胞分布信息输出检测结果。根据所述细胞分布信息输出检测结果输出检测结果，可以有多种实施方式，例如可以是输出散点图中老化特征区域的细胞分布信息；可以是根据所述细胞分布信息判断所述样本是否为老化样本，并根据判断结果输出检测结果；可以是根据所述细胞分布信息确定所述样本的老化时间和/或老化程度；可以是根据所述特征老化指数对所述样本的细胞参数进行修正，以下详细说明。当然，也可以是上述几种实施方式的组合。例如，根据所述细胞分布信息进行老化识别和/或根据所述细胞分布信息对所述样本的细胞参数进行修正。
申请人通过创造性劳动发现，细胞散点图中特定区域(即老化特征区域)的细胞分布与样本的老化有关，从而提出基于老化特征区域的细胞分布信息进行老化识别和/或细胞参数修正，从而保证了对样本测量结果的准确性。
在其中一个实施例中，所述细胞分布信息包括所述老化特征区域的细胞数量；信息处理模块143用于：若所述老化特征区域的细胞数量大于第一预设阈值，则判断所述样本为老化样本。
在其中一个实施例中，所述细胞分布信息包括：所述老化特征区域的细胞数量和所述散点图中的白细胞数量的比值信息，或所述老化特征区域的细胞数量和所述散点图中的指定类别白细胞数量的比值信息，所述指定类别白细胞优选为中性粒细胞；信息处理模块143用于：若所述比值信息大于第二预设阈值，则判断所述样本为老化样本。
在其中一个实施例中，还包括提示模块(图未示出)；信息处理模块143用于：控制所述提示模块进行报警或提示。
在其中一个实施例中，信息处理模块143还用于：根据所述细胞分布信息确定所述样本的老化时间和/或老化程度。
在其中一个实施例中，信息处理模块143还用于：根据所述细胞分布信息对所述样本的细胞参数进行修正。
在其中一个实施例中，所述细胞参数包括平均血小板体积、平均红细胞体积、红细胞压积、红细胞体积分布宽度中的至少一种参数。
在其中一个实施例中，散点图生成模块141用于：从目标检测通道获取样本中细胞的前向散射光值和侧向散射光值。
在其中一个实施例中，信息处理模块143还用于：根据所述细胞的前向散射光值和侧向散射光值进行白细胞分类和/或计数。
在其中一个实施例中，散点图生成模块141还用于：获取样本的荧光信号。所述至少两种光信号值包括前向散射光值和侧向散射光值，或者所述至少两种光信号值包括侧向散射光值和荧光强度值。
在其中一个实施例中，散点图生成模块141还用于：获取样本的荧光信号。信息处理模块143根据所述细胞的侧向散射光值和荧光强度值进行白细胞分类。
在其中一个实施例中，散点图生成模块141还用于：获取样本的荧光信号。信息处理模块143根据所述细胞的前向散射光值和荧光强度值进行白细胞计数和/或有核红细胞识别和/或嗜碱性粒细胞分类。
在其中一个实施例中，还包括显示模块(图未示出)；所述处理器204用于：控制显示模块的用户界面进行报警、和/或提示、和/或显示所述样本的经修正后的细胞参数。
关于上述装置的具体限定可以参见上文中对于信息处理方法的限定，在此不再赘述。上述装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种细胞分析设备，其内部结构图可以如图15所示。该设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该设备的处理器用于提供计算和控制能力。该设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种上述血液样本检测的方法。该设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该设备的输入装置可以是显示屏上覆盖的触摸层，也可以是设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图16中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的设备的限定，具体的设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种细胞分析设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述任一血液样本检测的方法实施例的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述任一血液样本检测的方法实施例的步骤。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (38)

1.一种血液样本检测的方法，其特征在于，包括：
从目标检测通道获取样本中细胞的至少两种光信号值，并根据所述细胞的至少两种光信号值生成散点图或数据阵列；
获取出现在所述散点图或数据阵列中老化特征区域的细胞分布信息；所述老化特征区域是与样本老化具有相关性的粒子群在散点图或数据阵列中所在的区域，所述老化特征区域包括以所述散点图中白细胞粒子群区域为定位基准而确定的区域；
根据所述细胞分布信息输出检测结果。
2.根据权利要求1所述的方法，其特征在于，所述根据所述细胞分布信息输出检测结果包括：根据所述细胞分布信息判断所述样本是否为老化样本，并根据判断结果输出检测结果。
3.根据权利要求2所述的方法，其特征在于，所述细胞分布信息包括所述老化特征区域的细胞数量；所述根据所述细胞分布信息判断所述样本是否为老化样本包括：若所述老化特征区域的细胞数量大于第一预设阈值，则判断所述样本为老化样本。
4.根据权利要求2所述的方法，其特征在于，所述细胞分布信息包括：所述老化特征区域的细胞数量和所述散点图或数据阵列中的白细胞数量的比值信息，或所述老化特征区域的细胞数量和所述散点图或数据阵列中的指定类别白细胞数量的比值信息，所述指定类别白细胞优选为中性粒细胞；
所述根据所述细胞分布信息判断所述样本是否为老化样本包括：若所述比值信息大于第二预设阈值，则判断所述样本为老化样本。
5.根据权利要求2所述的方法，其特征在于，所述根据判断结果进行输出处理包括：若判断所述样本为老化样本，则进行报警或提示。
6.根据权利要求1所述的方法，其特征在于，所述根据所述细胞分布信息输出检测结果包括：
根据所述细胞分布信息确定所述样本的老化时间和/或老化程度。
7.根据权利要求6所述的方法，其特征在于，所述方法还包括：
根据所述样本的老化时间和/或老化程度进行报警或提示。
8.根据权利要求6所述的方法，其特征在于，所述细胞分布信息包括所述老化特征区域的细胞数量，所述老化特征区域的细胞数量与所述样本的老化时间和/或老化程度正相关。
9.根据权利要求6所述的方法，其特征在于，所述细胞分布信息包括：所述老化特征区域的细胞数量和所述散点图或数据阵列中的白细胞数量的比值信息，或所述老化特征区域的细胞数量和所述散点图或数据阵列中的指定类别白细胞数量的比值信息，所述指定类别白细胞优选为中性粒细胞；所述比值信息与所述样本的老化时间和/或老化程度正相关。
10.根据权利要求6所述的方法，其特征在于，所述根据所述细胞分布信息确定所述样本的老化时间和/或老化程度，包括：根据预先确定的细胞分布信息与老化指数的第一函数关系，确定所述细胞分布信息对应的特征老化指数，所述特征老化指数用于指示样本的老化时间和/或老化程度。
11.根据权利要求10所述的方法，其特征在于，所述根据所述细胞分布信息输出检测结果包括：根据所述特征老化指数对所述样本的细胞参数进行修正。
12.根据权利要求11所述的方法，其特征在于，所述根据所述特征老化指数对所述样本的细胞参数进行修正，包括：根据所述特征老化指数，以及预先确定的特征老化指数与细胞参数修正系数的第二函数关系，确定所述样本的细胞参数的特征修正系数，其中所述细胞参数修正系数用于指示细胞参数的修正幅度；根据所述特征修正系数对所述样本的细胞参数进行修正。
13.根据权利要求1所述的方法，其特征在于，所述根据所述细胞分布信息输出检测结果包括：
根据所述细胞分布信息对所述样本的细胞参数进行修正。
14.根据权利要求13所述的方法，其特征在于，所述细胞参数包括平均血小板体积、平均红细胞体积、红细胞压积、红细胞体积分布宽度中的至少一种参数。
15.根据权利要求1所述的方法，其特征在于，所述从目标检测通道获取样本中细胞的至少两种光信号值，包括：从目标检测通道获取样本中细胞的前向散射光值和侧向散射光值；
所述至少两种光信号值包括前向散射光值和侧向散射光值。
16.根据权利要求15所述的方法，其特征在于，所述方法还包括：
根据所述细胞的前向散射光值和侧向散射光值进行白细胞分类和/或计数。
17.根据权利要求15所述的方法，其特征在于，还获取样本的荧光信号；
所述至少两种光信号值包括前向散射光值和侧向散射光值，或者所述至少两种光信号值包括侧向散射光值和荧光强度值。
18.根据权利要求15所述的方法，其特征在于，所述方法还包括：
还获取样本的荧光信号；
根据所述细胞的侧向散射光值和荧光强度值进行白细胞分类。
19.根据权利要求15所述的方法，其特征在于，所述方法还包括：
还获取样本的荧光信号；
根据所述细胞的前向散射光值和荧光强度值进行白细胞计数和/或有核红细胞识别和/或嗜碱性粒细胞分类。
20.根据权利要求1所述的方法，其特征在于，所述老化特征区域至少包含所述散点图中白细胞粒子群区域中侧向散射光值偏小的一侧区域。
21.根据权利要求1所述的方法，其特征在于，所述老化特征区域至少包含所述散点图中白细胞粒子群与血影粒子群之间的部分或全部区域。
22.根据权利要求1-19任一所述的方法，其特征在于，所述老化特征区域为所述散点图中侧向散射光值小于设定阈值的部分或全部区域。
23.根据权利要求1-19任一所述的方法，其特征在于，所述根据所述细胞分布信息输出检测结果包括：
根据所述细胞分布信息在用户界面进行报警、和/或提示、和/或显示所述样本的经修正后的细胞参数。
24.一种血液样本检测仪，其特征在于，包括：
至少一个反应池，用于为血液样本与试剂提供反应场所；
光学检测装置，用于对经试剂处理后的血液样本进行光照射，收集所述经试剂处理后的血液样本中各粒子因光照射所产生的光学信号，并转换成电信号，以输出光学信号信息；
输送装置，用于将所述反应池中经试剂处理后的血液样本输送到所述光学检测装置中；
处理器，用于接收并处理所述光学检测装置输出的光学信号信息，以得到血液样本的测量参数；其中，所述处理器从目标检测通道获取样本中细胞的至少两种光信号值，并根据所述细胞的至少两种光信号值生成散点图或数据阵列；获取出现在所述散点图或数据阵列中老化特征区域的细胞分布信息；根据所述细胞分布信息输出检测结果；所述老化特征区域是与样本老化具有相关性的粒子群在散点图或数据阵列中所在的区域，所述老化特征区域包括以所述散点图中白细胞粒子群区域为定位基准而确定的区域。
25.根据权利要求24所述的血液样本检测仪，其特征在于，所述处理器用于：根据所述细胞分布信息判断所述样本是否为老化样本，并根据判断结果输出检测结果。
26.根据权利要求25所述的血液样本检测仪，其特征在于，所述细胞分布信息包括所述老化特征区域的细胞数量；所述处理器用于：若所述老化特征区域的细胞数量大于第一预设阈值，则判断所述样本为老化样本。
27.根据权利要求25所述的血液样本检测仪，其特征在于，所述细胞分布信息包括：所述老化特征区域的细胞数量和所述散点图或数据阵列中的白细胞数量的比值信息，或所述老化特征区域的细胞数量和所述散点图或数据阵列中的指定类别白细胞数量的比值信息，所述指定类别白细胞优选为中性粒细胞；
所述处理器用于：若所述比值信息大于第二预设阈值，则判断所述样本为老化样本。
28.根据权利要求25所述的血液样本检测仪，其特征在于，还包括提示模块；所述处理器用于：控制所述提示模块进行报警或提示。
29.根据权利要求25所述的血液样本检测仪，其特征在于，所述处理器还用于：根据所述细胞分布信息确定所述样本的老化时间和/或老化程度。
30.根据权利要求25所述的血液样本检测仪，其特征在于，所述处理器还用于：根据所述细胞分布信息对所述样本的细胞参数进行修正。
31.根据权利要求30所述的血液样本检测仪，其特征在于，所述细胞参数包括平均血小板体积、平均红细胞体积、红细胞压积、红细胞体积分布宽度中的至少一种参数。
32.根据权利要求25所述的血液样本检测仪，其特征在于，所述处理器用于：从目标检测通道获取样本中细胞的前向散射光值和侧向散射光值。
33.根据权利要求32所述的血液样本检测仪，其特征在于，所述处理器还用于：根据所述细胞的前向散射光值和侧向散射光值进行白细胞分类和/或计数。
34.根据权利要求32所述的血液样本检测仪，其特征在于，所述处理器还用于：获取样本的荧光信号；所述至少两种光信号值包括前向散射光值和侧向散射光值，或者所述至少两种光信号值包括侧向散射光值和荧光强度值。
35.根据权利要求32所述的血液样本检测仪，其特征在于，所述处理器还用于：获取样本的荧光信号；根据所述细胞的侧向散射光值和荧光强度值进行白细胞分类。
36.根据权利要求32所述的血液样本检测仪，其特征在于，所述处理器还用于：获取样本的荧光信号；根据所述细胞的前向散射光值和荧光强度值进行白细胞计数和/或有核红细胞识别和/或嗜碱性粒细胞分类。
37.根据权利要求24-36任一所述的血液样本检测仪，其特征在于，还包括显示器；所述处理器用于：
根据所述细胞分布信息控制显示器的用户界面进行报警、和/或提示、和/或显示所述样本的经修正后的细胞参数。
38.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至23中任一项所述的方法的步骤。
CN201880095696.7A 2018-08-29 2018-08-29 血液样本检测的方法、血液样本检测仪和存储介质 Active CN112424582B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/CN2018/103066 WO2020042027A1 (zh) 2018-08-29 2018-08-29 血液样本检测的方法、血液样本检测仪和存储介质

Publications (2)

Publication Number Publication Date
CN112424582A CN112424582A (zh) 2021-02-26
CN112424582B true CN112424582B (zh) 2024-08-02

Family

ID=69643339

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880095696.7A Active CN112424582B (zh) 2018-08-29 2018-08-29 血液样本检测的方法、血液样本检测仪和存储介质

Country Status (3)

Country Link
US (1) US20210164885A1 (zh)
CN (1) CN112424582B (zh)
WO (1) WO2020042027A1 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113051713B (zh) * 2021-03-01 2023-03-21 东方电气集团科学技术研究院有限公司 基于图像灰度共生矩阵多特征提取的复合材料老化预测方法
CN116485273B (zh) * 2023-05-06 2024-01-23 中国人民解放军总医院 基于数据分析的诊断质量评估系统

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102768179A (zh) * 2011-05-05 2012-11-07 希森美康株式会社 血液分析装置、血液分析方法、及信息处理装置

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3324050B2 (ja) * 1994-10-31 2002-09-17 日本光電工業株式会社 白血球分類用試薬および白血球分類方法
US5639630A (en) * 1995-05-16 1997-06-17 Bayer Corporation Method and reagent composition for performing leukocyte differential counts on fresh and aged whole blood samples, based on intrinsic peroxidase activity of leukocytes
CN101078720B (zh) * 2006-05-22 2010-12-01 深圳迈瑞生物医疗电子股份有限公司 一种改进的用于对白细胞进行分类的试剂及方法
CN101750274B (zh) * 2008-12-17 2014-06-25 深圳迈瑞生物医疗电子股份有限公司 白细胞分类计数试剂、试剂盒以及白细胞分类计数的方法
CN102539300B (zh) * 2010-12-31 2016-01-20 深圳迈瑞生物医疗电子股份有限公司 低值样本粒子测量方法及粒子分析仪
JP5583629B2 (ja) * 2011-04-28 2014-09-03 シスメックス株式会社 白血球の分類計数方法、白血球分類試薬キット及び白血球分類試薬
US9091624B2 (en) * 2011-05-04 2015-07-28 Abbott Laboratories White blood cell analysis system and method
CN103575702B (zh) * 2012-07-27 2016-06-01 深圳迈瑞生物医疗电子股份有限公司 白细胞分类计数试剂和白细胞分类方法
JP6687601B2 (ja) * 2014-08-07 2020-04-22 ザ ジェネラル ホスピタル コーポレイション 全血サンプルの安定化
KR101861260B1 (ko) * 2014-12-24 2018-05-25 한국원자력의학원 세포 노화 측정용 바이오마커 조성물 및 진단방법
CN106548435A (zh) * 2015-09-22 2017-03-29 联邦应用基因股份有限公司 细胞年龄分析整合系统
US20170116386A1 (en) * 2015-10-21 2017-04-27 Union Applied Gene Inc. Cellular-age meta-analysis system
KR101805152B1 (ko) * 2016-06-14 2017-12-06 조선대학교산학협력단 동적 셀파라미터 기반 적혈구 세포막 변동률 검사방법 및 이에 사용되는 디지털 홀로그래픽 현미경
CN107655865B (zh) * 2016-07-25 2021-10-19 希森美康株式会社 血液分析装置及血液分析方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102768179A (zh) * 2011-05-05 2012-11-07 希森美康株式会社 血液分析装置、血液分析方法、及信息处理装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Contribution of plasma membrane lipid domains to red blood cell (re) shaping;C. Leonard.et al;Scientific RepoRts;全文 *

Also Published As

Publication number Publication date
CN112424582A (zh) 2021-02-26
WO2020042027A1 (zh) 2020-03-05
US20210164885A1 (en) 2021-06-03

Similar Documents

Publication Publication Date Title
EP2531832B1 (en) Particle processing systems and methods for normalization/calibration of same
US8682810B2 (en) Method and system for analysis of flow cytometry data using support vector machines
US20160169786A1 (en) Automated flow cytometry analysis method and system
EP2694960B1 (en) Identifying and enumerating early granulated cells (egcs)
US20170350804A1 (en) Cell analyser and particle sorting method and device
CN107576634B (zh) 血液细胞分析仪及其细胞的识别方法与系统
US11125687B2 (en) Method and device for identifying fragmented red blood cells, blood cell analyzer and analysis method
CN105986003B (zh) 一种白细胞计数方法、装置及细胞分析仪
CN112424582B (zh) 血液样本检测的方法、血液样本检测仪和存储介质
CN104568844A (zh) 尿样本分析装置及尿样本分析方法
CN110887818B (zh) 一种血液样本的分析方法和血液细胞分析仪及存储介质
EP3230887A1 (en) Automated flow cytometry analysis method and system
WO2020133256A1 (zh) 分析有核红细胞的方法、血液细胞分析仪和存储介质
CN113227757A (zh) 一种血液细胞参数修正方法、血液样本检测仪和存储介质
EP4010682B1 (en) Detecting and reporting subpopulations of neutrophils
CN115398209A (zh) 细胞分析方法、细胞分析仪及计算机可读存储介质
CN112557285B (zh) 一种流式细胞检测数据自动设门方法和装置
US20230194411A1 (en) Sample analysis apparatus and sample analysis method
CN111812068A (zh) 异型淋巴细胞确定方法、装置和细胞分析仪
CN114414442A (zh) 样本检测方法、装置及计算机可读存储介质
WO2023172763A1 (en) Controls and their use in analyzers
CN118777176A (zh) 一种血液分析仪、血液分析方法
CN115372207A (zh) 样本检测方法、装置及计算机可读存储介质
RU2024114328A (ru) Способ клеточного анализа, способ обучения для алгоритма глубокого обучения, устройство клеточного анализа, обучающее устройство для алгоритма глубокого обучения, программа клеточного анализа и обучающая программа для алгоритма глубокого обучения
CN114544469A (zh) 粒子分类方法及血细胞分析仪

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant