JPH04316169A - 血液細胞分析装置 - Google Patents
血液細胞分析装置Info
- Publication number
- JPH04316169A JPH04316169A JP3083800A JP8380091A JPH04316169A JP H04316169 A JPH04316169 A JP H04316169A JP 3083800 A JP3083800 A JP 3083800A JP 8380091 A JP8380091 A JP 8380091A JP H04316169 A JPH04316169 A JP H04316169A
- Authority
- JP
- Japan
- Prior art keywords
- data
- blood cell
- blood
- sent
- specimen
- 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.)
- Pending
Links
- 210000000601 blood cell Anatomy 0.000 title claims abstract description 47
- 238000002360 preparation method Methods 0.000 claims description 16
- 210000004369 blood Anatomy 0.000 claims description 6
- 239000008280 blood Substances 0.000 claims description 6
- 238000007689 inspection Methods 0.000 abstract description 13
- 210000001772 blood platelet Anatomy 0.000 abstract description 2
- 238000005534 hematocrit Methods 0.000 abstract description 2
- 238000010186 staining Methods 0.000 abstract description 2
- 238000012360 testing method Methods 0.000 description 38
- 238000010586 diagram Methods 0.000 description 10
- 238000004820 blood count Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 238000010876 biochemical test Methods 0.000 description 3
- 210000004027 cell Anatomy 0.000 description 3
- 238000000034 method Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 210000000265 leukocyte Anatomy 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 208000014951 hematologic disease Diseases 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 208000032839 leukemia Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
- Automatic Analysis And Handling Materials Therefor (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【０００１】
【産業上の利用分野】この発明は、血液細胞を認識して
、成熟球および幼若球の識別分類、および血球の計数を
行い、白血病や貧血等の血液疾患を検出するのに適した
血液細胞分析装置に関する。
、成熟球および幼若球の識別分類、および血球の計数を
行い、白血病や貧血等の血液疾患を検出するのに適した
血液細胞分析装置に関する。
【０００２】
【従来の技術】一般に臨床検査において、血液像分析検
査、血球計数検査、生化学検査等の検査があり、これら
を自動処理するために、血液細胞分析装置等種々の機械
が開発され使用されている。また、これらの機械間で検
査に用いる検査を相互に、かつ自動的に搬送するシステ
ムも開発され、使用されている。
査、血球計数検査、生化学検査等の検査があり、これら
を自動処理するために、血液細胞分析装置等種々の機械
が開発され使用されている。また、これらの機械間で検
査に用いる検査を相互に、かつ自動的に搬送するシステ
ムも開発され、使用されている。
【０００３】
【発明が解決しようとする課題】上記した従来の臨床用
の各種装置は、各々の装置で得られた検査結果を相互に
受渡しし、利用する構成となっていないため、特に他の
検査データをもとに認識の判断を下すことの多い血液像
分析検査においては、この血液細胞分析装置の識別分類
結果の精度が上がらず、現状ではほぼ限界であるという
問題があった。
の各種装置は、各々の装置で得られた検査結果を相互に
受渡しし、利用する構成となっていないため、特に他の
検査データをもとに認識の判断を下すことの多い血液像
分析検査においては、この血液細胞分析装置の識別分類
結果の精度が上がらず、現状ではほぼ限界であるという
問題があった。
【０００４】この発明は、上記問題点に着目してなされ
たものであって、他の装置からのデータの取込みを可能
とし、より高精度な識別分類結果が得られる血液細胞分
析装置を提供することを目的としている。
たものであって、他の装置からのデータの取込みを可能
とし、より高精度な識別分類結果が得られる血液細胞分
析装置を提供することを目的としている。
【０００５】
【課題を解決するための手段及び作用】この出願の請求
項１記載の血液細胞分析装置は、血液像より特徴パラメ
ータを抽出し、所定の認識アルゴリズムで判定基準値と
比較し血液細胞を識別分類する手段と、他の検査装置、
ホストコンピュータ、標本作製装置より検査データ、過
去の個人データ、標本作製条件のデータを導入する手段
と、導入されたデータにより前記判定基準値を補正する
手段とを備えている。
項１記載の血液細胞分析装置は、血液像より特徴パラメ
ータを抽出し、所定の認識アルゴリズムで判定基準値と
比較し血液細胞を識別分類する手段と、他の検査装置、
ホストコンピュータ、標本作製装置より検査データ、過
去の個人データ、標本作製条件のデータを導入する手段
と、導入されたデータにより前記判定基準値を補正する
手段とを備えている。
【０００６】この血液細胞分析装置では、他の装置から
送られて来る検査データ、過去の個人データ、標本作製
条件等のデータをもとに、血液細胞を認識するアルゴリ
ズムの判定基準値を各検体に適した値に補正し、この補
正された判定基準値に基づいて識別分類が行われる。そ
のため、識別分類の精度が大幅に向上する。この出願の
請求項２記載の血液細胞分析装置は、血液像より特徴パ
ラメータを抽出し、所定の認識アルゴリズムで判定基準
値と比較し、血液細胞を識別分類する手段と、他の検査
装置、ホストコンピュータ、標本作製装置より検査デー
タ、過去の個人データ、標本作製条件のデータを導入す
る手段と、導入されたデータにより認識アルゴリズムを
補正する手段とを備えている。
送られて来る検査データ、過去の個人データ、標本作製
条件等のデータをもとに、血液細胞を認識するアルゴリ
ズムの判定基準値を各検体に適した値に補正し、この補
正された判定基準値に基づいて識別分類が行われる。そ
のため、識別分類の精度が大幅に向上する。この出願の
請求項２記載の血液細胞分析装置は、血液像より特徴パ
ラメータを抽出し、所定の認識アルゴリズムで判定基準
値と比較し、血液細胞を識別分類する手段と、他の検査
装置、ホストコンピュータ、標本作製装置より検査デー
タ、過去の個人データ、標本作製条件のデータを導入す
る手段と、導入されたデータにより認識アルゴリズムを
補正する手段とを備えている。
【０００７】この血液細胞分析装置では、他の装置から
送られて来る検査データ、過去の個人データ、標本作製
条件等のデータをもとに、血液細胞を認識するアルゴリ
ズム自体が補正され補正された認識アルゴリズムに基づ
いて識別分類が行われる。
送られて来る検査データ、過去の個人データ、標本作製
条件等のデータをもとに、血液細胞を認識するアルゴリ
ズム自体が補正され補正された認識アルゴリズムに基づ
いて識別分類が行われる。
【０００８】
【実施例】以下、実施例により、この発明をさらに詳細
に説明する。図１はこの発明の一実施例を示す検査シス
テムの構成を示すブロック図である。この検査システム
は、血液細胞分析装置１と、標本作製装置２と、血球計
数検査装置３と、生化学検査装置４と、ホストコンピュ
ータ５と、その他の検査装置６とから構成され、血球計
数検査装置３、生化学検査装置４及びその他の検査装置
６からのデータがホストコンピュータ５を介して血液細
胞分析装置１に受け渡されるようになっている。
に説明する。図１はこの発明の一実施例を示す検査シス
テムの構成を示すブロック図である。この検査システム
は、血液細胞分析装置１と、標本作製装置２と、血球計
数検査装置３と、生化学検査装置４と、ホストコンピュ
ータ５と、その他の検査装置６とから構成され、血球計
数検査装置３、生化学検査装置４及びその他の検査装置
６からのデータがホストコンピュータ５を介して血液細
胞分析装置１に受け渡されるようになっている。
【０００９】図２は、血液細胞分析装置１の構成を示す
ブロック図であり、この血液細胞分析装置１は、標本カ
セット１１の標本がオートフィーダ１２によって装脱着
される自動顕微鏡１３と、この自動顕微鏡１３の像をハ
ーフミラー１４ａを介して撮像する写真撮像装置１５と
、同じく像を撮像するカラーＴＶカメラ１６と、撮像さ
れた画像をディジタル信号に変換するＡ／Ｄ変換器１７
と、ディジタル画像データを記憶する画像メモリ１８と
、ディジタル画像より認識のための特徴パラメータを抽
出する特徴抽出プロセッサ１９と、識別分類を実行する
認識プログラム２０と、他の検査装置からのデータに基
づき、補正を行う認識補正プロセッサ２１と、種々の制
御動作を実行するＣＰＵ２２と、調整用の信号を検出す
るセンサ２３、２４と、ＷＢＣ検出部２５と、オートフ
ォーカス２６と、フォーカス駆動回路２７と、ステージ
駆動回路２８と、オートフィーダコントローラ２９と、
さらにＶＴＲ３０と、ＲＧＢモニタ３１と、キーボード
３２と、プリンタ３３とを備えている。また、外部のテ
ープパンチャ７、ホストコンピュータ５、他の検査装置
３（４、６）が接続されている。
ブロック図であり、この血液細胞分析装置１は、標本カ
セット１１の標本がオートフィーダ１２によって装脱着
される自動顕微鏡１３と、この自動顕微鏡１３の像をハ
ーフミラー１４ａを介して撮像する写真撮像装置１５と
、同じく像を撮像するカラーＴＶカメラ１６と、撮像さ
れた画像をディジタル信号に変換するＡ／Ｄ変換器１７
と、ディジタル画像データを記憶する画像メモリ１８と
、ディジタル画像より認識のための特徴パラメータを抽
出する特徴抽出プロセッサ１９と、識別分類を実行する
認識プログラム２０と、他の検査装置からのデータに基
づき、補正を行う認識補正プロセッサ２１と、種々の制
御動作を実行するＣＰＵ２２と、調整用の信号を検出す
るセンサ２３、２４と、ＷＢＣ検出部２５と、オートフ
ォーカス２６と、フォーカス駆動回路２７と、ステージ
駆動回路２８と、オートフィーダコントローラ２９と、
さらにＶＴＲ３０と、ＲＧＢモニタ３１と、キーボード
３２と、プリンタ３３とを備えている。また、外部のテ
ープパンチャ７、ホストコンピュータ５、他の検査装置
３（４、６）が接続されている。
【００１０】上記実施例検査システムにおいて、血球計
数検査装置３より白血球数、赤血球数、血小板数、ヘマ
トクリット値等の血球計数検査データが、生化学検査装
置４より生化学検査データが、その他の検査装置６より
その他の検査データがホストコンピュータ５を介して血
液細胞分析装置１に送られる。また、ホストコンピュー
タ５より過去の個人データが血液細胞分析装置１に送ら
れる。さらに、標本作製時の塗抹・染色の条件が標本作
製装置２より血液細胞分析装置１に送られる。
数検査装置３より白血球数、赤血球数、血小板数、ヘマ
トクリット値等の血球計数検査データが、生化学検査装
置４より生化学検査データが、その他の検査装置６より
その他の検査データがホストコンピュータ５を介して血
液細胞分析装置１に送られる。また、ホストコンピュー
タ５より過去の個人データが血液細胞分析装置１に送ら
れる。さらに、標本作製時の塗抹・染色の条件が標本作
製装置２より血液細胞分析装置１に送られる。
【００１１】血液細胞分析装置１では、他の検査装置か
ら送られて来たデータをもとに認識補正プロセッサ１１
で判断基準値を補正する。その一例として血球の特徴パ
ラメータより血球識別を行うのに、図３に示す認識アル
ゴリズムを使用するものとすると、この認識アルゴリズ
ムは、特徴パラメータとして、色調、面積、核の形状を
比較しており、ステップＳＴ１で色調が判断基準値α以
上か、ステップＳＴ２で面積が判断基準値β以上か、ス
テップＳＴ３で核の形状が判断基準値γ以上か否かを判
定している。もちろん、血球判別するのに他の特徴パラ
メータを使用するが、ここでは３つのパラメータを例示
している。ここで使用した判断基準α、β、γは標準値
であるが、上記したように、他の各検査装置からデータ
が入力されると、これら認識アルゴリズムの判断基準値
α、β、γが図４に示すように、α’、β’、γ’に補
正される。そして、補正された判断基準値の認識アルゴ
リズム採用のプログラムが実行され、血球識別がなされ
る。補正された判断基準値α’、β’、γ’は、各検査
に適した値なので、各検体にした認識アルゴリズムとな
り、識別分類精度が大幅に向上する。
ら送られて来たデータをもとに認識補正プロセッサ１１
で判断基準値を補正する。その一例として血球の特徴パ
ラメータより血球識別を行うのに、図３に示す認識アル
ゴリズムを使用するものとすると、この認識アルゴリズ
ムは、特徴パラメータとして、色調、面積、核の形状を
比較しており、ステップＳＴ１で色調が判断基準値α以
上か、ステップＳＴ２で面積が判断基準値β以上か、ス
テップＳＴ３で核の形状が判断基準値γ以上か否かを判
定している。もちろん、血球判別するのに他の特徴パラ
メータを使用するが、ここでは３つのパラメータを例示
している。ここで使用した判断基準α、β、γは標準値
であるが、上記したように、他の各検査装置からデータ
が入力されると、これら認識アルゴリズムの判断基準値
α、β、γが図４に示すように、α’、β’、γ’に補
正される。そして、補正された判断基準値の認識アルゴ
リズム採用のプログラムが実行され、血球識別がなされ
る。補正された判断基準値α’、β’、γ’は、各検査
に適した値なので、各検体にした認識アルゴリズムとな
り、識別分類精度が大幅に向上する。
【００１２】上記実施例では、認識アルゴリズムに使用
する判定基準値のみを、他の装置からのデータにより補
正する場合を示したが、図３に示すものから、図５に示
すものへと、つまり識別アルゴリズムそのものを補正し
てもよい。あるいは、図３に示すものから図６に示すも
のへと補正のように、判定基準値、および認識アルゴリ
ズム自体の両方を補正してもよい。
する判定基準値のみを、他の装置からのデータにより補
正する場合を示したが、図３に示すものから、図５に示
すものへと、つまり識別アルゴリズムそのものを補正し
てもよい。あるいは、図３に示すものから図６に示すも
のへと補正のように、判定基準値、および認識アルゴリ
ズム自体の両方を補正してもよい。
【００１３】また、上記実施例では、図１に示すように
、標本作製時の条件データ以外のデータはすべてホスト
コンピュータ５を介して血液細胞分析装置に送る構成と
しているが、これを図７に示すように、血球計数検査装
置３、生化学検査装置４及び他の検査装置６の各データ
を直接血液細胞分析装置１へ送る構成としてもよい。 また、図示はしていないが、標本作製装置２の標本作製
時の条件データを含むすべてのデータをホストコンピュ
ータを介して血液細胞分析装置へ送るようにしてもよい
。
、標本作製時の条件データ以外のデータはすべてホスト
コンピュータ５を介して血液細胞分析装置に送る構成と
しているが、これを図７に示すように、血球計数検査装
置３、生化学検査装置４及び他の検査装置６の各データ
を直接血液細胞分析装置１へ送る構成としてもよい。 また、図示はしていないが、標本作製装置２の標本作製
時の条件データを含むすべてのデータをホストコンピュ
ータを介して血液細胞分析装置へ送るようにしてもよい
。
【００１４】また、上記図１、図２に示す実施例では、
検査に用いる検体を相互に、かつ自動的に搬送するシス
テムは付加していないが、搬送システムを付加した構成
としてもよい（図示せず）。また、上記実施例では、認
識アルゴリズムを枝分かれ論理により構成しているが、
識別関数等の統計的手法を用いての構成も可能である。 この場合、例えば識別関数として次式
検査に用いる検体を相互に、かつ自動的に搬送するシス
テムは付加していないが、搬送システムを付加した構成
としてもよい（図示せず）。また、上記実施例では、認
識アルゴリズムを枝分かれ論理により構成しているが、
識別関数等の統計的手法を用いての構成も可能である。 この場合、例えば識別関数として次式
【００１５】
【数１】
【００１６】ｎ ：特徴パラメータの数Ｐ（ｉ）
：ｉ種の事前生起確率 Σｉ ：ｉ種の共分散行列（ｎ×ｎ）ｘ ：
特徴パラメータ・ベクトル（１×ｎ）μｉ ：ｉ種
の特徴パラメータの平均値ベクトル（１×ｎ） を用い、ｍａｘ｛ｐ（ｘ｜ｉ）｝となるｉ種と識別する
最小距離法があるが、他の検査装置より得られたデータ
によりｉ種の特徴パラメータの平均ベクトルμｉ を補
正することにより各検体に適した認識アルゴリズムとし
、やはり識別分類精度が向上する。
：ｉ種の事前生起確率 Σｉ ：ｉ種の共分散行列（ｎ×ｎ）ｘ ：
特徴パラメータ・ベクトル（１×ｎ）μｉ ：ｉ種
の特徴パラメータの平均値ベクトル（１×ｎ） を用い、ｍａｘ｛ｐ（ｘ｜ｉ）｝となるｉ種と識別する
最小距離法があるが、他の検査装置より得られたデータ
によりｉ種の特徴パラメータの平均ベクトルμｉ を補
正することにより各検体に適した認識アルゴリズムとし
、やはり識別分類精度が向上する。
【００１７】また認識アルゴリズムをファジイ理論によ
り構成してもよい。この場合は、他の検査装置より得ら
れたデータにより特徴パラメータのメンバシップ関数を
補正する。これにより、やはり各検体に適した認識アル
ゴリズムとし、識別分類精度を向上できる。例えばメン
バシップ関数の補正例を図８、図９に示す。図８は特徴
パラメータである面積の補正前の標準のメンバシップ関
数であり、図９は補正されたメンバショプ関数である。 また、他の検査装置で得られたデータによりファジイル
ールそのものを補正してもよい。さらにメンバシップ関
数およびファジイルールの両方を補正してもよい。
り構成してもよい。この場合は、他の検査装置より得ら
れたデータにより特徴パラメータのメンバシップ関数を
補正する。これにより、やはり各検体に適した認識アル
ゴリズムとし、識別分類精度を向上できる。例えばメン
バシップ関数の補正例を図８、図９に示す。図８は特徴
パラメータである面積の補正前の標準のメンバシップ関
数であり、図９は補正されたメンバショプ関数である。 また、他の検査装置で得られたデータによりファジイル
ールそのものを補正してもよい。さらにメンバシップ関
数およびファジイルールの両方を補正してもよい。
【００１８】さらに、本発明は上記した各実施例の採用
する手法を組み合わせて構成することも可能である。
する手法を組み合わせて構成することも可能である。
【００１９】
【発明の効果】この発明によれば、血液細胞分析装置に
、血球計数検査装置、生化学検査装置等の他の検査装置
、ホストコンピュータ、標本作製装置等から検査データ
、過去の個人データ、標本作製時の条件等のデータを導
入し、このデータで血液細胞を認識するアルゴリズムの
判定基準値、あるいはアルゴリズム自体を補正するよう
にしたので、識別分類の精度を大幅に向上できる。
、血球計数検査装置、生化学検査装置等の他の検査装置
、ホストコンピュータ、標本作製装置等から検査データ
、過去の個人データ、標本作製時の条件等のデータを導
入し、このデータで血液細胞を認識するアルゴリズムの
判定基準値、あるいはアルゴリズム自体を補正するよう
にしたので、識別分類の精度を大幅に向上できる。
【図１】この発明の一実施例を示す検査システムのブロ
ック図である。
ック図である。
【図２】前記検査システムを構成する血液細胞分析装置
の構成を示すブロック図である。
の構成を示すブロック図である。
【図３】同血液細胞分析装置における判定基準値補正前
の認識アルゴリズムの部分例を示すフロー図である。
の認識アルゴリズムの部分例を示すフロー図である。
【図４】判定基準値補正後の認識アルゴリズムの部分例
を示すフロー図である。
を示すフロー図である。
【図５】前記血液細胞分析装置における、補正後の他の
認識アルゴリズムの部分例を示すフロー図である。
認識アルゴリズムの部分例を示すフロー図である。
【図６】前記血液細胞分析装置における補正後の、さら
に他の認識アルゴリズムの部分例を示すフロー図である
。
に他の認識アルゴリズムの部分例を示すフロー図である
。
【図７】この発明の他の実施例を示す検査システムのブ
ロック図である。
ロック図である。
【図８】血液細胞分析装置において、ファジイ推論を認
識アルゴリズムに採用する場合の補正前のメンバシップ
関数の一例を示す図である。
識アルゴリズムに採用する場合の補正前のメンバシップ
関数の一例を示す図である。
【図９】同ファジイ推論を認識アルゴリズムに採用する
場合の補正後のメンバシップ関数例を示す図である。
場合の補正後のメンバシップ関数例を示す図である。
１ 血液細胞分析装置
２ 標本作製装置
３ 血球計数検査装置
４ 生化学検査装置
５ ホストコンピュータ
６ 他の検査装置
２１ 認識補正プロセッサ
Claims (2)
- 【請求項１】血液像より特徴パラメータを抽出し、所定
の認識アルゴリズムで判定基準値と比較し血液細胞を識
別分類する手段と、他の検査装置、ホストコンピュータ
、標本作製装置より検査データ、過去の個人データ、標
本作製条件のデータを導入する手段と、導入されたデー
タにより前記判定基準値を補正する手段とを備えたこと
を特徴とする血液細胞分析装置。 - 【請求項２】血液像より特徴パラメータを抽出し、所定
の認識アルゴリズムで判定基準値と比較し、血液細胞を
識別分類する手段と、他の検査装置、ホストコンピュー
タ、標本作製装置より検査データ、過去の個人データ、
標本作製条件のデータを導入する手段と、導入されたデ
ータにより前記認識アルゴリズムを補正する手段とを備
えたことを特徴とする血液細胞分析装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3083800A JPH04316169A (ja) | 1991-04-16 | 1991-04-16 | 血液細胞分析装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP3083800A JPH04316169A (ja) | 1991-04-16 | 1991-04-16 | 血液細胞分析装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH04316169A true JPH04316169A (ja) | 1992-11-06 |
Family
ID=13812736
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP3083800A Pending JPH04316169A (ja) | 1991-04-16 | 1991-04-16 | 血液細胞分析装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH04316169A (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006047289A (ja) * | 2004-06-30 | 2006-02-16 | Sysmex Corp | 標本作製装置および標本作製分析システム |
| WO2009110583A1 (ja) * | 2008-03-07 | 2009-09-11 | シスメックス株式会社 | 分析装置および測定ユニット |
| US7875241B2 (en) | 2004-06-30 | 2011-01-25 | Sysmex Corporation | Specimen preparation apparatus, specimen preparation/analysis system and specimen plate |
-
1991
- 1991-04-16 JP JP3083800A patent/JPH04316169A/ja active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006047289A (ja) * | 2004-06-30 | 2006-02-16 | Sysmex Corp | 標本作製装置および標本作製分析システム |
| US7875241B2 (en) | 2004-06-30 | 2011-01-25 | Sysmex Corporation | Specimen preparation apparatus, specimen preparation/analysis system and specimen plate |
| US8309027B1 (en) | 2004-06-30 | 2012-11-13 | Sysmex Corporation | Specimen preparation apparatus, specimen preparation/analysis system and specimen plate |
| WO2009110583A1 (ja) * | 2008-03-07 | 2009-09-11 | シスメックス株式会社 | 分析装置および測定ユニット |
| US9417254B2 (en) | 2008-03-07 | 2016-08-16 | Sysmex Corporation | Analysis apparatus and measurement unit |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3259578B1 (en) | Model-based methods and testing apparatus for classifying an interferent in specimens | |
| JPH0652263B2 (ja) | 細胞分析装置 | |
| US5123055A (en) | Method and an apparatus for differentiating a sample of biological cells | |
| EP2280358B1 (en) | A urine work area manager and a urine work area | |
| US5933519A (en) | Cytological slide scoring apparatus | |
| US11226280B2 (en) | Automated slide assessments and tracking in digital microscopy | |
| JPH058380B2 (ja) | ||
| US5911002A (en) | Pattern recognition system | |
| US20070076190A1 (en) | Apparatus for obtaining an image of a blood cell and method for obtaining an image of a blood cell | |
| US5715327A (en) | Method and apparatus for detection of unsuitable conditions for automated cytology scoring | |
| WO1996009600A1 (en) | Apparatus for identification and integration of multiple cell patterns | |
| JPH11510282A (ja) | 分類のロバストネス測定装置および方法 | |
| JP2010525374A (ja) | 合焦位置を決定する方法及びビジョン検査システム | |
| WO2021109152A1 (zh) | 样本分析系统及方法、细胞图像分析仪及存储介质 | |
| CN117152152B (zh) | 检测试剂盒的生产管理系统及方法 | |
| RU2308745C1 (ru) | Способ микроскопического исследования образца, содержащего микрообъекты с разнородными зонами | |
| Sarkar et al. | Malaria detection from RBC images using shallow convolutional neural networks | |
| Africa et al. | Development of a urine strip analyzer using artificial neural network using an android phone | |
| Özcan et al. | Comprehensive data analysis of white blood cells with classification and segmentation by using deep learning approaches | |
| JPH04316169A (ja) | 血液細胞分析装置 | |
| JPS5830049B2 (ja) | 網赤血球自動計測装置 | |
| JP2023131196A (ja) | 精度管理情報の生成方法、精度管理情報の生成装置、及びプログラム | |
| JP2000258335A (ja) | 尿沈渣自動分析装置及びデータ集中管理方式 | |
| JPH04318460A (ja) | 血液細胞分析装置 | |
| JPH0989752A (ja) | 尿沈渣検査装置 |