CN106769698A - 一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法 - Google Patents
一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法 Download PDFInfo
- Publication number
- CN106769698A CN106769698A CN201611250438.0A CN201611250438A CN106769698A CN 106769698 A CN106769698 A CN 106769698A CN 201611250438 A CN201611250438 A CN 201611250438A CN 106769698 A CN106769698 A CN 106769698A
- Authority
- CN
- China
- Prior art keywords
- signal
- pulse
- abnormal
- pulse signal
- value
- 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.)
- Granted
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 76
- 238000003672 processing method Methods 0.000 title claims abstract description 12
- 210000004027 cell Anatomy 0.000 claims abstract description 32
- 210000000601 blood cell Anatomy 0.000 claims abstract description 14
- 238000005070 sampling Methods 0.000 claims abstract description 12
- 230000003139 buffering effect Effects 0.000 claims abstract description 11
- 238000000605 extraction Methods 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims abstract description 4
- 230000000630 rising effect Effects 0.000 claims description 13
- 230000002902 bimodal effect Effects 0.000 claims description 4
- 238000000034 method Methods 0.000 abstract description 16
- 238000001514 detection method Methods 0.000 abstract description 7
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000009826 distribution Methods 0.000 description 7
- 210000003743 erythrocyte Anatomy 0.000 description 7
- 210000003677 hemocyte Anatomy 0.000 description 6
- 229940000351 hemocyte Drugs 0.000 description 6
- 210000004369 blood Anatomy 0.000 description 5
- 239000008280 blood Substances 0.000 description 5
- 210000001367 artery Anatomy 0.000 description 4
- 210000003462 vein Anatomy 0.000 description 4
- 238000010586 diagram Methods 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004080 punching Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 208000007502 anemia Diseases 0.000 description 1
- 238000004820 blood count Methods 0.000 description 1
- 238000011088 calibration curve Methods 0.000 description 1
- 210000005056 cell body Anatomy 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003792 electrolyte Substances 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 210000004291 uterus Anatomy 0.000 description 1
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
-
- 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
-
- 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
- G01N15/1031—Investigating individual particles by measuring electrical or magnetic effects
-
- 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
- G01N2015/011—Investigating characteristics of particles; Investigating permeability, pore-volume or surface-area of porous materials specially adapted for biological cells, e.g. blood cells with lysing, e.g. of erythrocytes
-
- 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
Landscapes
- Chemical & Material Sciences (AREA)
- Dispersion Chemistry (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明涉及一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法,属于血液细胞检测领域。将每个细胞通过小孔传感器时产生的脉冲信号采样序列采集到内存缓冲区内,对缓冲区内的脉冲信号进行特征值提取,根据特征值对缓冲区内的脉冲信号进行分类识别,筛选出血细胞脉冲“异常信号”,对“异常信号”进行特征值还原处理,修正脉冲信号幅值和计数。有益效果是:提供了一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法。该方法可以更加准确的对异常血细胞脉冲信号进行分类与识别,其修正处理方法可以有效的提高电阻抗法检测血液细胞体积分布与计数的准确性。
Description
技术领域
本发明涉及血液细胞检测领域,尤其涉及一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法。
背景技术
电阻抗原理又名Coulter原理,是细胞检测中比较常用的一种检测原理,该原理是使悬浮在电解质中的细胞通过一个小孔,在小孔的两边各浸有一个电极,当细胞通过小孔时电阻发生变化而产生电压脉冲,其振幅与颗粒的体积成正比,这些脉冲经过放大、甄别和计数,可以用来测量细胞体积的分布及数量。在实际使用过程中,由于小孔内外的电场分布和液体流动的特性,只有单个细胞直线通过小孔轴心区域(如图1中a路径)产生的信号,信号幅度才能很好的表达细胞的体积,本文中将此类信号称为“正常信号”(如图2中a脉冲信号)。当单个细胞通过其他路径(如图1中除a之外的路径)或者是多个细胞重合通过小孔时产生的脉冲信号,由于受到电场分布梯度或者是信号重叠的影响,信号幅度已经不能准确的表达细胞的体积,本文中称此类信号为“异常信号”(如图2中除a之外的脉冲信号)。
在理论上,正常人的血液样本中红细胞的体积直方图应是呈正态分布规律的(如图3(a)),但是在实际检测过程中,应用电阻抗原理直接测量出来的红细胞直方图通常如图3(b)所示,偏离的正态的对称分布形态,无法准确的反映样本的体积分布信息。形成此问题的主要原因就是过多的异常信号影响了血液细胞体积分布参数的准确性。
为解决上述问题,目前工程上采用了很多的方法意图来减少异常信号对红细胞体积分布和计数的影响。一是采用鞘流阻抗法,即采用一种水力聚焦,定向流动的装置,使细胞沿小孔中心流动,减少异常信号的干扰。但是这种方法的缺点是机械结构复杂,成本高。二是对每个脉冲信号进行筛选,从所有脉冲信号中剔除异常信号,筛选出正常信号来生成细胞体积分布直方图。但是这种方法必须在血细胞计数上采用校正曲线补偿方式,会影响细胞计数的准确性和重复性。
为解决上述问题,目前需要一种可以更加准确的血细胞异常信号识别处理方法,用来提高电阻抗法检测血液细胞体积分布与计数的准确性。
发明内容
本发明提供一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法,以解决现有技术中因为血细胞脉冲异常信号影响细胞体积分布统计与计数的问题。
本发明采取的技术方案是,包括以下步骤:
A、将每个细胞通过小孔传感器时产生的脉冲信号采样序列采集到内存缓冲区内;
B、对缓冲区内的脉冲信号进行特征值提取;
C、根据特征值对缓冲区内的脉冲信号进行分类识别,筛选出血细胞脉冲“异常信号”;
D、对“异常信号”进行特征值还原处理,修正脉冲信号幅值和计数。
本发明所述步骤B包括如下步骤:
B1、在脉冲上升沿阶段提取采样信号最大值,获得脉冲信号的峰值;
B2、在脉冲下降沿阶段提取采样信号最小值,获得脉冲信号的谷值,
如果脉冲信号的谷值大于脉冲信号峰值的一半,则认为此脉冲信号是“异常信号”中的双波峰信号,所述的步骤B还包括执行以下步骤:
B3、在脉冲上升沿阶段提取采样信号最大值,获得脉冲信号的第二峰值;
本发明所述步骤C包括如下步骤:
C1、所有能够提取出脉冲信号第二峰值的全部划为“异常信号”;
C2、对“异常信号”进一步划分为“M”和“m”两大类,其分类公式是:
(f(a)+f(b))×0.75≥f(c)×2
其中f(a)为脉冲信号的第一峰峰值,f(b)为脉冲信号的第二峰峰值,f(c)为脉冲信号双峰之间的谷值。
本发明所述步骤D包括如下步骤:
D1、“M”型异常信号的特征值还原处理,其公式是:
第一脉冲峰值:f(a)=f(i)-(f(j)×f(2×i-j)/f(i))
第二脉冲峰值:f(b)=f(j)-(f(i)×f(2×j-i)/f(j))
细胞个数修正:N=2
其中f(i)和f(j)为步骤A中脉冲信号采样序列指定位置的采样值;i为异常脉冲信号的第一峰峰值在采样序列中的索引值,j为异常脉冲信号的第二峰峰值在采样序列中的索引值;N为此异常脉冲信号所代表的血细胞个数。
D2、“m”型异常信号的特征值还原处理,其公式是:
脉冲峰值修正:f(c)=f(k)
细胞个数修正:N=1
其中f(k)为步骤A中脉冲信号采样序列指定位置的采样值;k为异常脉冲信号的双峰之间的谷值在采样序列中的索引值;N为此异常脉冲信号所代表的血细胞个数。
发明的有益效果是:提供了一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法。该方法可以更加准确的对异常血细胞脉冲信号进行分类与识别,其修正处理方法可以有效的提高电阻抗法检测血液细胞体积分布与计数的准确性。
附图说明
图1是现有技术中,血细胞穿过小孔传感器时的路径示意图;
图2是现有技术中,血细胞穿过小孔传感器时产生的脉冲信号示意图;
图3是现有技术中,理想、实际的红细胞体积直方图;
图4是本发明的具体实施流程图;
图5是本发明针对“异常信号”进行分类的原理示意图;
图6是本发明针对“M”型“异常信号”值进行修正处理的原理示意图;
图7是本发明针对“m”型“异常信号”值进行修正处理的原理示意图。
具体实施方式
包括以下步骤:
A、将每个细胞通过小孔传感器时产生的脉冲信号采样序列采集到内存缓冲区内;
B、对缓冲区内的脉冲信号进行特征值提取;
C、根据特征值对缓冲区内的脉冲信号进行分类识别,筛选出血细胞脉冲“异常信号”;
D、对“异常信号”进行特征值还原处理,修正脉冲信号幅值和计数。
本发明所述步骤B包括如下步骤:
B1、在脉冲上升沿阶段提取采样信号最大值,获得脉冲信号的峰值;
B2、在脉冲下降沿阶段提取采样信号最小值,获得脉冲信号的谷值,
如果脉冲信号的谷值大于脉冲信号峰值的一半,则认为此脉冲信号是“异常信号”中的双波峰信号,所述的步骤B还包括执行以下步骤:
B3、在脉冲上升沿阶段提取采样信号最大值,获得脉冲信号的第二峰值;
本发明所述步骤C包括如下步骤:
C1、所有能够提取出脉冲信号第二峰值的全部划为“异常信号”;
C2、对“异常信号”进一步划分为“M”和“m”两大类,其分类公式是:
(f(a)+f(b))×0.75≥f(c)×2
其中f(a)为脉冲信号的第一峰峰值,f(b)为脉冲信号的第二峰峰值,f(c)为脉冲信号双峰之间的谷值。
本发明所述步骤D包括如下步骤:
D1、“M”型异常信号的特征值还原处理,其公式是:
第一脉冲峰值:f(a)=f(i)-(f(j)×f(2×i-j)/f(i))
第二脉冲峰值:f(b)=f(j)-(f(i)×f(2×j-i)/f(j))
细胞个数修正:N=2
其中f(i)和f(j)为步骤A中脉冲信号采样序列指定位置的采样值;i为异常脉冲信号的第一峰峰值在采样序列中的索引值,j为异常脉冲信号的第二峰峰值在采样序列中的索引值;N为此异常脉冲信号所代表的血细胞个数。
D2、“m”型异常信号的特征值还原处理,其公式是:
脉冲峰值修正:f(c)=f(k)
细胞个数修正:N=1
其中f(k)为步骤A中脉冲信号采样序列指定位置的采样值;k为异常脉冲信号的双峰之间的谷值在采样序列中的索引值;N为此异常脉冲信号所代表的血细胞个数。
下面结合图4~图7对本发明进行详细说明:
步骤A,在内存中设置一个1024单元的缓冲区,存储血细胞通过小孔传感器时产生的脉冲信号采样序列;
步骤B,对缓冲区内的脉冲信号进行如下步骤的特征值提取;
B1,使用一个固定的阈值,对缓冲区内脉冲信号采样序列进行遍历检索,寻找血细胞脉冲信号的上升沿起始点位置;
B2,从血细胞脉冲信号上升沿起点位置开始,沿脉冲信号上升沿方向,寻找脉冲信号采样值的最大值,此最大值被定义为脉冲信号的第一脉冲峰值f(a);
为滤除采样到的干扰噪声,所以当连续3个脉冲信号采样值都小于已被寻到的最大值时,则认为此时血细胞脉冲信号已经开始进入下降沿,执行步骤B3。
B3,从血细胞脉冲信号的第一脉冲峰值位置开始,沿脉冲信号下降沿方向,寻找脉冲信号采样值的最小值,此最小值被定义为脉冲信号的谷值f(c)。
同样,为滤除采样的干扰噪声,当连续3个脉冲信号采样值都大于已被寻到的最小值,或者是最小值小于等于步骤B1中所使用的固定阈值时,执行步骤B4。
B4,判断是否有连续的脉冲信号,判断条件是脉冲信号的谷值是否大于第一脉冲峰值的一半,若判断大于,则执行步骤B5;否则执行步骤C
步骤B5,从血细胞脉冲信号的谷值位置开始,沿脉冲信号上升沿方向,寻找脉冲信号采样值的最大值,此最大值被定义为脉冲信号的第二脉冲峰值f(b),当连续3个脉冲信号采样值都小于已被寻到的最大值时,执行步骤B6;
B6,从血细胞脉冲信号的第二脉冲峰值位置开始,沿脉冲信号下降沿方向,寻找血细胞脉冲信号的下降沿终点位置。当连续3个脉冲信号采样值都大于已被寻到的最小值,或者是最小值小于等于步骤B1中所使用的固定阈值时,执行步骤C;
步骤C,根据脉冲信号的第一脉冲峰值f(a)、谷值f(c)和第二脉冲峰值f(b),对血细胞脉冲信号进行分类,筛选出“异常信号”。
第二脉冲峰值f(b)为0的划分为“正常信号”,直接参与血细胞直方图和计数的统计。
第二脉冲峰值f(b)不为0的,但是公式(f(a)+f(b))×0.75≥f(c)×2成立的,则划分为“M”型“异常信号”;不成立的则划`分为“m”型“异常信号”;
如图5所示,“M”型“异常信号”是两个细胞重合通过小孔时产生的脉冲信号,“m”型“异常信号”则是细胞通过小孔的非轴心路径时产生的脉冲信号;
步骤D,判断“异常信号”是否是“M”型信号,如果是则执行步骤D1,否则执行步骤D2。
D1,因为“M”型“异常信号”是两个细胞重合通过小孔时产生的脉冲信号,如图6所示,所以在此脉冲信号上提取出来第一脉冲峰值f(a)和第二脉冲峰值f(b)都是不准确的,峰值信号都会受到另一个细胞的影响,所以使用下列公式修正细胞重合通过所产生的影响。
第一脉冲峰值:f(a)=f(i)-(f(j)×f(2×i-j)/f(i))
第二脉冲峰值:f(b)=f(j)-(f(i)×f(2×j-i)/f(j))
细胞个数修正:N=2
其中f(i)和f(j)为步骤A中脉冲信号采样序列指定位置的采样值;i为异常脉冲信号的第一峰峰值在采样序列中的索引值,j为异常脉冲信号的第二峰峰值在采样序列中的索引值;N为此异常脉冲信号所代表的血细胞个数。
此公式的理论依据是所有的血细胞脉冲信号,除了幅值有差别外都是符合高斯脉冲正态分布规律的,所以“M”型异常信号重叠区域(脉冲第一峰的下降沿和第二峰的上升沿)的实际数值可以由其对称的脉冲沿(第一峰上升沿和第二峰下降沿)数值代替,最终脉冲修正数值公式是:
实际脉冲峰值=待测脉冲原始峰值-干扰脉冲的重叠区域对称位置数据值
但是在实际产品中,由于设备安装误差等原因,会导致电场分布不均匀,最终血细胞脉冲信号的上升沿与下降沿不会完全对称,所以上述公式会进行一定的修正。根据血细胞脉冲的相似性,干扰脉冲重叠区域的干扰数值可以由待测脉冲未受干扰的另一边沿数据,推算出干扰数值与干扰脉冲峰值之间的比例,最终脉冲修正数值公式是:
实际脉冲峰值=待测脉冲原始峰值-(干扰脉冲峰值×待测脉冲对称位置/待测脉冲原始峰值)
D2,因为“m”型“异常信号”则是细胞通过小孔的非轴心路径时产生的脉冲信号,如图7所示,所以在此脉冲信号上提取出来的第一脉冲峰值f(a)和第二脉冲峰值f(b)都是不正确的,只有脉冲谷值f(c)才是真正代表了细胞的体积幅值,最终脉冲修正数值公式是:
脉冲峰值修正:f(c)=f(k)
细胞个数修正:N=1
其中f(k)为步骤A中脉冲信号采样序列指定位置的采样值;k为异常脉冲信号的双峰之间的谷值在采样序列中的索引值;N为此异常脉冲信号所代表的血细胞个数。
本发明所提供的基于电阻抗原理的血细胞异常脉冲信号识别处理方法,通过对异常脉冲信号进行进一步的分类和测值修正处理,可以更加准确的识别血细胞异常信号,以便有效的提高电阻抗法检测血液细胞体积分布与计数的准确性。比如MCV参数,代表红细胞的平均体积。RDW参数,反映红细胞体积异质性的参数,能够表征红细胞大小不等的程度,对贫血的诊断有重要意义。RDW-SD、RDW-CV反映了红细胞体积大小的变异系数。
以上内容是结合具体的优选实施方式对本发明所做的进一步详细说明,不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干简单推演或替换,都应当视为属于本发明的保护范围。
Claims (4)
1.一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法,其特征在于,包括以下步骤:
A、将每个细胞通过小孔传感器时产生的脉冲信号采样序列采集到内存缓冲区内;
B、对缓冲区内的脉冲信号进行特征值提取;
C、根据特征值对缓冲区内的脉冲信号进行分类识别,筛选出血细胞脉冲“异常信号”;
D、对“异常信号”进行特征值还原处理,修正脉冲信号幅值和计数。
2.根据权利要求1所述的一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法,其特征在于,所述步骤B包括如下步骤:
B1、在脉冲上升沿阶段提取采样信号最大值,获得脉冲信号的峰值;
B2、在脉冲下降沿阶段提取采样信号最小值,获得脉冲信号的谷值,
如果脉冲信号的谷值大于脉冲信号峰值的一半,则认为此脉冲信号是“异常信号”中的双波峰信号,所述的步骤B还包括执行以下步骤:
B3、在脉冲上升沿阶段提取采样信号最大值,获得脉冲信号的第二峰值。
3.根据权利要求1所述的一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法,其特征在于,所述步骤C包括如下步骤:
C1、所有能够提取出脉冲信号第二峰值的全部划为“异常信号”;
C2、对“异常信号”进一步划分为“M”和“m”两大类,其分类公式是:
(f(a)+f(b))×0.75≥f(c)×2
其中f(a)为脉冲信号的第一峰峰值,f(b)为脉冲信号的第二峰峰值,f(c)为脉冲信号双峰之间的谷值。
4.根据权利要求1所述的一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法,其特征在于,所述步骤D包括如下步骤:
D1、“M”型异常信号的特征值还原处理,其公式是:
第一脉冲峰值:f(a)=f(i)-(f(j)×f(2×i-j)/f(i))
第二脉冲峰值:f(b)=f(j)-(f(i)×f(2×j-i)/f(j))
细胞个数修正:N=2
其中f(i)和f(j)为步骤A中脉冲信号采样序列指定位置的采样值;i为异常脉冲信号的第一峰峰值在采样序列中的索引值,j为异常脉冲信号的第二峰峰值在采样序列中的索引值;N为此异常脉冲信号所代表的血细胞个数。
D2、“m”型异常信号的特征值还原处理,其公式是:
脉冲峰值修正:f(c)=f(k)
细胞个数修正:N=1
其中f(k)为步骤A中脉冲信号采样序列指定位置的采样值;k为异常脉冲信号的双峰之间的谷值在采样序列中的索引值;N为此异常脉冲信号所代表的血细胞个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611250438.0A CN106769698B (zh) | 2016-12-29 | 2016-12-29 | 一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611250438.0A CN106769698B (zh) | 2016-12-29 | 2016-12-29 | 一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106769698A true CN106769698A (zh) | 2017-05-31 |
CN106769698B CN106769698B (zh) | 2019-08-06 |
Family
ID=58928352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611250438.0A Active CN106769698B (zh) | 2016-12-29 | 2016-12-29 | 一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106769698B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108344678A (zh) * | 2018-04-25 | 2018-07-31 | 北京怡天佳瑞科技有限公司 | 一种颗粒物检测装置及检测方法 |
CN108663306A (zh) * | 2018-07-27 | 2018-10-16 | 北京指真生物科技有限公司 | 一种流式细胞分析装置及补偿方法 |
CN108931463A (zh) * | 2018-05-29 | 2018-12-04 | 迈克医疗电子有限公司 | 基于鞘流阻抗原理的血细胞脉冲识别方法及识别装置 |
CN109508649A (zh) * | 2018-10-22 | 2019-03-22 | 迪瑞医疗科技股份有限公司 | 一种血细胞分析仪的脉冲信号分析识别方法 |
CN114486689A (zh) * | 2022-04-15 | 2022-05-13 | 南京颐兰贝生物科技有限责任公司 | 一种血细胞脉冲计数误差校正方法及校正装置 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5247461A (en) * | 1991-07-30 | 1993-09-21 | Particle Data, Inc. | Method and apparatus for coincidence correction in electrozone particle sensing |
US5452237A (en) * | 1994-02-28 | 1995-09-19 | Abbott Laboratories | Coincidence error correction system for particle counters |
CN1261957A (zh) * | 1997-07-03 | 2000-08-02 | 库特国际公司 | 检测并表征微粒的方法和设备 |
CN101226133A (zh) * | 2008-01-28 | 2008-07-23 | 宁波大学 | 一种血细胞脉冲信号的分类识别方法 |
CN101581654A (zh) * | 2008-05-16 | 2009-11-18 | 深圳迈瑞生物医疗电子股份有限公司 | 获取体积信息有效粒子脉冲及粒子体积分布的方法及装置 |
CN101915727A (zh) * | 2010-07-02 | 2010-12-15 | 宁波大学 | 一种基于fpga的微粒检测统计***及方法 |
CN103822867A (zh) * | 2014-01-22 | 2014-05-28 | 宁波城市职业技术学院 | 一种基于DSP Builder的血细胞脉冲信号检测统计方法 |
CN104297133A (zh) * | 2013-07-16 | 2015-01-21 | 成都深迈瑞医疗电子技术研究院有限公司 | 一种基于小孔阻抗原理的脉冲信号筛选方法及装置 |
-
2016
- 2016-12-29 CN CN201611250438.0A patent/CN106769698B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5247461A (en) * | 1991-07-30 | 1993-09-21 | Particle Data, Inc. | Method and apparatus for coincidence correction in electrozone particle sensing |
US5452237A (en) * | 1994-02-28 | 1995-09-19 | Abbott Laboratories | Coincidence error correction system for particle counters |
CN1261957A (zh) * | 1997-07-03 | 2000-08-02 | 库特国际公司 | 检测并表征微粒的方法和设备 |
CN101226133A (zh) * | 2008-01-28 | 2008-07-23 | 宁波大学 | 一种血细胞脉冲信号的分类识别方法 |
CN101581654A (zh) * | 2008-05-16 | 2009-11-18 | 深圳迈瑞生物医疗电子股份有限公司 | 获取体积信息有效粒子脉冲及粒子体积分布的方法及装置 |
CN101915727A (zh) * | 2010-07-02 | 2010-12-15 | 宁波大学 | 一种基于fpga的微粒检测统计***及方法 |
CN104297133A (zh) * | 2013-07-16 | 2015-01-21 | 成都深迈瑞医疗电子技术研究院有限公司 | 一种基于小孔阻抗原理的脉冲信号筛选方法及装置 |
CN103822867A (zh) * | 2014-01-22 | 2014-05-28 | 宁波城市职业技术学院 | 一种基于DSP Builder的血细胞脉冲信号检测统计方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108344678A (zh) * | 2018-04-25 | 2018-07-31 | 北京怡天佳瑞科技有限公司 | 一种颗粒物检测装置及检测方法 |
US11467081B2 (en) | 2018-04-25 | 2022-10-11 | Nanjing Yitian Biotechnology Co., Ltd. | Particle detection device and detection method |
CN108931463A (zh) * | 2018-05-29 | 2018-12-04 | 迈克医疗电子有限公司 | 基于鞘流阻抗原理的血细胞脉冲识别方法及识别装置 |
CN108663306A (zh) * | 2018-07-27 | 2018-10-16 | 北京指真生物科技有限公司 | 一种流式细胞分析装置及补偿方法 |
CN108663306B (zh) * | 2018-07-27 | 2024-02-09 | 北京指真生物科技有限公司 | 一种流式细胞分析装置及补偿方法 |
CN109508649A (zh) * | 2018-10-22 | 2019-03-22 | 迪瑞医疗科技股份有限公司 | 一种血细胞分析仪的脉冲信号分析识别方法 |
CN109508649B (zh) * | 2018-10-22 | 2023-07-18 | 迪瑞医疗科技股份有限公司 | 一种血细胞分析仪的脉冲信号分析识别方法 |
CN114486689A (zh) * | 2022-04-15 | 2022-05-13 | 南京颐兰贝生物科技有限责任公司 | 一种血细胞脉冲计数误差校正方法及校正装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106769698B (zh) | 2019-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106769698A (zh) | 一种基于电阻抗原理的血细胞异常脉冲信号识别处理方法 | |
CN104297133B (zh) | 一种基于小孔阻抗原理的脉冲信号筛选方法及装置 | |
CN204613066U (zh) | 一种基于激光光源的粉尘检测传感器 | |
CN107636596B (zh) | 触控位置的确定方法、电容触控装置以及电容触控终端 | |
CN101226133B (zh) | 一种血细胞脉冲信号的分类识别方法 | |
CN103720468B (zh) | 应用于动态心电数据的伪差识别方法和装置 | |
CN110850244B (zh) | 基于深度学习的局放缺陷时域图谱诊断方法、***及介质 | |
CN104535478B (zh) | 一种基于粒子流稳定性的堵孔判定及结果修正的方法 | |
CN107003296A (zh) | 溶血检测方法和*** | |
CN108013875A (zh) | 心电电极脱落监测装置及其检测方法 | |
CN106842099A (zh) | 一种电流互感器饱和识别方法及装置 | |
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 | |
CN101915727A (zh) | 一种基于fpga的微粒检测统计***及方法 | |
CN108931463B (zh) | 基于鞘流阻抗原理的血细胞脉冲识别方法及识别装置 | |
US20210318222A1 (en) | Method for correcting a blood cell parameter, blood sample analyzer and storage medium | |
CN101266205A (zh) | 一种监测血液细胞测试结果可靠性的方法 | |
CN104515728B (zh) | 血液细胞分析仪及网织红细胞计数装置和计数修正方法 | |
CN106019089A (zh) | 一种根据相间信号相关关系特征进行局部放电判别的方法 | |
CN102944752A (zh) | 滤波器***损耗测试***及方法 | |
CN103822867A (zh) | 一种基于DSP Builder的血细胞脉冲信号检测统计方法 | |
CN105676143A (zh) | 蓄电池出厂参数在线检测装置 | |
CN102539302B (zh) | 信号处理方法和装置 | |
JP5693973B2 (ja) | 高分解能分類 | |
CN103364452A (zh) | 一种血细胞分类识别电路及方法 | |
CN202133637U (zh) | 应用于电解水装置的检测电路 |
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 | ||
CB02 | Change of applicant information |
Address after: 130000 No. 95, Yunhe street, hi tech Industrial Development Zone, Jilin, Changchun Applicant after: Medical Polytron Technologies Inc Address before: 130000 No. 95, Yunhe street, hi tech Industrial Development Zone, Jilin, Changchun Applicant before: Changchun Dirui Medical Technology Co., Ltd. |
|
CB02 | Change of applicant information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |