CN114047109B - 一种样本分析仪及其计数方法 - Google Patents
一种样本分析仪及其计数方法 Download PDFInfo
- Publication number
- CN114047109B CN114047109B CN202210024391.5A CN202210024391A CN114047109B CN 114047109 B CN114047109 B CN 114047109B CN 202210024391 A CN202210024391 A CN 202210024391A CN 114047109 B CN114047109 B CN 114047109B
- Authority
- CN
- China
- Prior art keywords
- control module
- histogram
- ratio
- area
- particle
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000002245 particle Substances 0.000 claims abstract description 144
- 238000001514 detection method Methods 0.000 claims abstract description 102
- 210000003651 basophil Anatomy 0.000 claims abstract description 62
- 210000000265 leukocyte Anatomy 0.000 claims abstract description 40
- 238000005259 measurement Methods 0.000 claims abstract description 37
- 210000000440 neutrophil Anatomy 0.000 claims description 48
- 239000011159 matrix material Substances 0.000 claims description 27
- 210000001616 monocyte Anatomy 0.000 claims description 17
- 210000003979 eosinophil Anatomy 0.000 claims description 14
- 238000013528 artificial neural network Methods 0.000 claims description 13
- 210000004698 lymphocyte Anatomy 0.000 claims description 13
- 238000001914 filtration Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 7
- 239000008188 pellet Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 238000009499 grossing Methods 0.000 description 3
- 210000003677 hemocyte Anatomy 0.000 description 3
- 229940000351 hemocyte Drugs 0.000 description 3
- 102000001554 Hemoglobins Human genes 0.000 description 2
- 108010054147 Hemoglobins Proteins 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000000601 blood cell Anatomy 0.000 description 2
- 210000003743 erythrocyte Anatomy 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000001995 reticulocyte Anatomy 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004159 blood analysis Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003714 granulocyte Anatomy 0.000 description 1
- 150000002632 lipids Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
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
- G01N15/1012—Calibrating particle analysers; References therefor
-
- 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
- G01N15/10—Investigating individual particles
- G01N2015/1006—Investigating individual particles for cytology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
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
本申请公开了一种样本分析仪及其计数方法,样本分析仪包括控制模块、第一检测模块和第二检测模块,控制模块分别与第一检测模块和第二检测模块连接,计数方法包括:控制模块基于第一检测模块的第一测量数据生成第一直方图;控制模块基于第一面积和第一直方图的总面积的比值得到面积比值;控制模块计算离散粒子的数量在第二检测模块的白细胞的数量比值;控制模块基于多个面积比值和数量比值得到样本的阳性概率值;控制模块基于阳性概率值得到嗜碱性粒细胞在白细胞中的占比。通过上述方式,能够降低样本的阳性误判率,增加样本的阳性检出率,能够提高嗜碱性粒细胞的计数值可靠性。
Description
技术领域
本申请涉及样本分析技术领域,特别是涉及一种样本分析仪及其计数方法。
背景技术
血细胞分析仪用于对血液细胞进行分类计数的仪器,通常血细胞分析仪可以将白细胞分为淋巴细胞、单核细胞、中性粒细胞、嗜酸性粒细胞及嗜碱性粒细胞五个群落并对其进行计数。
现有技术的血细胞分析仪通过单一的光学检测通道测量样本的嗜碱性粒细胞计数,其中嗜碱性粒细胞在体积大小及形态上和中性粒细胞、嗜酸性粒细胞有重叠,在样本的嗜碱性粒细胞区域出现其他异常粒子的情况下,导致嗜碱性粒细胞计数有误。
或者,现有技术的血细胞分析仪通过单一的阻抗检测通道测量样本的嗜碱性粒细胞计数,容易受到未成熟粒细胞、脂质粒子或通道微孔堵孔的影响,导致嗜碱性粒细胞计数有误。
因此,现有技术的血细胞分析仪通过单一通道得出嗜碱性粒细胞的计数值,具有不可靠性问题。
发明内容
为解决上述问题,本申请提供了一种样本分析仪及其计数方法,能够降低样本的阳性误判率,提高嗜碱性粒细胞的计数值可靠性。
本申请采用的一个技术方案是:提供一种样本分析仪的计算方法,所述样本分析仪包括控制模块、第一检测模块和第二检测模块,所述控制模块分别与所述第一检测模块和所述第二检测模块连接,所述第一检测模块用于测量样本的嗜碱性粒细胞计数,所述第二检测模块用于所述样本的白细胞分类,所述计数方法包括:
所述控制模块基于所述第一检测模块的第一测量数据生成第一直方图,并在所述第一直方图设置至少一条第一阈值线;
所述控制模块获取所述第一直方图位于所述第一阈值线之后的第一面积,基于所述第一面积和所述第一直方图的总面积的比值得到面积比值;
所述控制模块基于所述第二检测模块的第二测量数据得到四类粒子团,从所述四类粒子团中选取其中至少一粒子团,从所述选取的粒子团中获取预设区域内的离散粒子,并计算所述离散粒子的数量在所述第二检测模块的白细胞的总数中的数量比值;
所述控制模块基于所述面积比值和所述数量比值得到所述样本的阳性概率值;
所述控制模块基于所述阳性概率值得到所述嗜碱性粒细胞在白细胞中的占比。
本申请采用的另一个技术方案是:提供一种样本分析仪,所述样本分析仪包括控制模块、第一检测模块和第二检测模块,所述控制模块分别与所述第一检测模块和所述第二检测模块连接,所述第一检测模块用于测量样本的嗜碱性粒细胞计数,所述第二检测模块用于所述样本的白细胞分类,其中:
所述控制模块用于基于所述第一检测模块的第一测量数据生成第一直方图,并在所述第一直方图设置至少一条第一阈值线;
所述控制模块用于获取所述第一直方图位于所述第一阈值线之后的第一面积,基于所述第一面积和所述第一直方图的总面积的比值得到面积比值;
所述控制模块用于基于所述第二检测模块的第二测量数据得到四类粒子团,从所述四类粒子团中选取其中至少一粒子团,从所述选取的粒子团中获取预设区域内的离散粒子,并计算所述离散粒子的数量在所述第二检测模块的白细胞的总数中的数量比值;
所述控制模块用于基于所述面积比值和所述数量比值得到所述样本的阳性概率值;
所述控制模块用于基于所述阳性概率值得到所述嗜碱性粒细胞在白细胞中的占比。
本申请的样本分析仪的第一检测模块用于测量样本的嗜碱性粒细胞,第二检测模块用于测量样本的白细胞;其中,控制模块获取第一直方图位于第一阈值线之后的第一面积,基于每个第一面积和第一直方图的总面积的比值得到面积比值;控制模块基于第二检测模块的第二测量数据得到四类粒子团,从四类粒子团中选取其中至少一粒子团,从选取的粒子团中获取预设区域内的离散粒子,并计算离散粒子的数量在第二检测模块的白细胞的总数中的数量比值;控制模块用于基于面积比值和数量比值得到样本的阳性概率值;控制模块用于基于阳性概率值得到嗜碱性粒细胞在白细胞中的占比。通过上述方式,样本分析仪结合第一检测模块的第一测量数据和第二检测模块的第二测量数据进行综合分析,得到样本的阳性概率值,能够降低样本的阳性误判率,增加样本的阳性检出率;基于阳性概率值嗜碱性粒细胞在白细胞中的占比,进而得到碱性粒细胞的计数值,能够提高嗜碱性粒细胞的计数值可靠性。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。其中:
图1是本申请样本分析仪的第一实施例的结构示意图;
图2是图1中样本分析仪的计数方法的第一实施例的流程示意图;
图3是本申请的第一直方图的第一实施例的示意图;
图4是本申请的第二测量数据投影到多维空间的第一实施例的示意图;
图5是图2中步骤S201的第一实施例的流程示意图;
图6是图2中步骤S203的第一实施例的流程示意图;
图7是图4中中性粒细胞粒子团的第一实施例的示意图;
图8是图7中中性粒细胞粒子团的另一视角的示意图;
图9是图6中步骤S605的第二直方图的示意图;
图10是图2中步骤S205的第一实施例的流程示意图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。可以理解的是,此处所描述的具体实施例仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、***、产品或设备没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本申请的样本分析仪应用于医疗或血液分析领域,用于对样本中的各种微小粒子进行检测,以实现粒子计数,比较常见的样本分析仪可为血液细胞分析仪。
本申请的样本分析仪可以用于对样本进行血常规检测,血常规检测包括WBC(White Blood Cell,白细胞)检测、HGB(Hemoglobin,血红蛋白)检测、RBC(red bloodcell,红细胞)检测、DIFF(DIFFerential,白细胞五分类)检测或RET(reticulocyte,网织红细胞计数)检测。
请参见图1-3,图1是本申请样本分析仪的第一实施例的结构示意图,图2是图1中样本分析仪的计数方法的第一实施例的流程示意图,图3是本申请第一直方图的第一实施例的示意图。
本实施例的样本分析仪10包括控制模块11、第一检测模块12和第二检测模块13,控制模块11分别与第一检测模块12和第二检测模块13连接。
其中,第一检测模块12用于测量样本的嗜碱性粒细胞计数,第二检测模块13用于样本的白细胞分类。本申请的样本分析仪10检测样本的粒子为白细胞,其中白细胞分类包括淋巴细胞(LYM)、单核细胞(MON)、中性粒细胞(NEU)、嗜酸性粒细胞(EOS)及嗜碱性粒细胞(BASO)。
其中,第一检测模块12也可以称为BASO通道,即第一检测模块12通过阻抗法对样本的嗜碱性粒细胞进行测量,得到第一测量数据,具有简单快捷和成本低的特点。例如第一检测模块12用于检测样本的粒子通过检测通道引起的导电率变化,以将嗜碱性粒细胞与淋巴细胞、单核细胞、中性粒细胞和嗜酸性粒细胞进行区分。
第二检测模块13也可以称为DIFF通道,即第二检测模块13通过采集流经检测区每个细胞(如淋巴细胞、单核细胞、中性粒细胞、嗜酸性粒细胞及嗜碱性粒细胞)的光信号,得到第二测量数据。与第一检测模块12相比,第二检测模块13对嗜碱性粒细胞的检测更加敏锐。
具体地,样本分析仪10的计数方法包括以下步骤:
S201:控制模块11基于第一检测模块12的第一测量数据生成第一直方图,并在第一直方图设置至少一条第一阈值线。
第一检测模块12通过阻抗法对样本的嗜碱性粒细胞进行测量,例如第一检测模块12设置有微通孔,样本中的淋巴细胞、单核细胞、中性粒细胞、嗜酸性粒细胞及嗜碱性粒细胞通过微通孔得到对应的电脉冲信号(第一测量数据),控制模块11按照电脉冲信号中每个脉冲的大小(粒子的体积)以及其出现的频次(与粒子的体积对应的粒子数)生成第一直方图。其中,第一直方图的横坐标为粒子的体积,纵坐标为对应的粒子数,如图3所示。
其中,控制模块11在第一直方图设置至少一条第一阈值线。本实施例的控制模块11在第一直方图设置一条第一阈值线31。
S202:控制模块11获取第一直方图位于第一阈值线31之后的第一面积a1,基于第一面积a1和第一直方图的总面积的比值得到面积比值A1。
控制模块11获取第一直方图位于第一阈值线31之后的第一面积a1,基于第一面积a1和第一直方图的总面积的比值得到面积比值A1。
如图3所示,控制模块11在第一直方图之前设置有分界线35,该分界线35又称为血影分界线,在分界线35之前为血影部分,因此第一直方图的总面积为位于分界线35之后的第一直方图的面积。
控制模块11获取位于第一阈值线31之后第一直方图的第一面积a1,将第一面积a1除以第一直方图的总面积,得到面积比值A1。
可选地,控制模块11在第一直方图上设置多条第一阈值线。例如,控制模块11在第一直方图设置四条第一阈值线,分别为第一阈值线31、第一阈值线32、第一阈值线33和第一阈值线34。
其中,控制模块11获取第一直方图位于每条第一阈值线之后的第一面积,得到多个第一面积;控制模块11基于每个第一面积和第一直方图的总面积的比值得到多个面积比值。具体地,控制模块11可以在第一直方图左侧的第一谷底处设置分界线35,第一阈值线31、32、33和34均设置于分界线35之后。
例如,控制模块11进一步分别获取第一直方图位于第一阈值线31、32、33、34之后的第一面积分别为a1、a2、a3、a4,控制模块11将第一面积a1、a2、a3、a4分别与第一直方图的总面积的比值得到面积比值A1、A2、A3、A4。
S203:控制模块11基于第二检测模块13的第二测量数据得到四类粒子团,从四类粒子团中选取其中至少一粒子团,从选取的粒子团中获取预设区域内的离散粒子,并计算离散粒子的数量在第二检测模块13的白细胞的总数中的数量比值PB。
控制模块11基于第二检测模块13的第二测量数据得到四类粒子团,四类粒子团分别为淋巴细胞粒子团41、单核细胞粒子团42、中性粒细胞粒子团43和嗜酸性粒细胞粒子团44。
控制模块11从四类粒子团中选取其中至少一种粒子团,例如控制模块11从淋巴细胞粒子团41、单核细胞粒子团42、中性粒细胞粒子团43和嗜酸性粒细胞粒子团44中选取中性粒细胞粒子团43。
控制模块11从选取的粒子团中获取预设区域内的离散粒子,并计算离散粒子的数量在第二检测模块13的白细胞的总数中的数量比值PB。即,控制模块11从中性粒细胞粒子团43获取预设区域内的离散粒子,并计算离散粒子的数量在第二检测模块13的白细胞的总数中的数量比值PB。
在一具体实施例中,控制模块11将第二测量数据投影到以数据源为坐标轴行的多维空间(如二维空间或三维空间),以获得淋巴细胞粒子团41、单核细胞粒子团42、中性粒细胞粒子团43和嗜酸性粒细胞粒子团44,如图4所示。其中,数据源可以为前向散射光信号LS、中角侧向度散光信号MS或高角侧向散射光信号HS,其中前向、中角以及高角分别指光信号接收的角度,前向角度小于中角角度,中角角度小于高角角度。
控制模块11从淋巴细胞粒子团41、单核细胞粒子团42、中性粒细胞粒子团43和嗜酸性粒细胞粒子团44获取中性粒细胞粒子团43作为选取的粒子团。控制模块11从选取的粒子团中获取预设区域内的离散粒子,即控制模块11获取位于中性粒细胞粒子团43和单核细胞粒子团42之间的离散粒子45,并计算离散粒子45的数量在第二检测模块13的白细胞的总数中的数量比值PB。
可选地,控制模块11可以根据第二检测模块13的数据源将第二测量数据投影到二维或者三维空间,并通过现有的聚类、设门、投影等分类方法对淋巴细胞粒子团41、单核细胞粒子团42、中性粒细胞粒子团43和嗜酸性粒细胞粒子团44进行分类。
S204:控制模块11基于面积比值A1和数量比值PB得到样本的阳性概率值P。
在第一直方图设置一条第一阈值线31时,控制模块11基于面积比值A1和数量比值PB得到样本的阳性概率值P。在第一直方图设置第一阈值线31、32、33和34时,控制模块11基于面积比值A1、A2、A3、A4和数量比值PB得到样本的阳性概率值P。
S205:控制模块11基于阳性概率值P得到嗜碱性粒细胞在白细胞中的占比。
其中,控制模块11基于阳性概率值得到嗜碱性粒细胞在白细胞中的占比,可以基于占比和白细胞的计数值得到嗜碱性粒细胞的计数值。
本实施例的样本分析仪10通过控制模块11结合第一检测模块12的第一测量数据和第二检测模块13的第二测量数据进行综合分析,得到样本的阳性概率值P,能够降低样本的阳性误判率,增加样本的阳性检出率;控制模块11基于阳性概率值P得到嗜碱性粒细胞在白细胞中的占比,进而得到碱性粒细胞的计数值,能够提高嗜碱性粒细胞的计数值可靠性。
可选地,步骤S204包括:控制模块11还获取中性粒细胞粒子团43的特征信息C,其中特征信息C包括中性粒细胞粒子团43椭圆拟合的长轴和短轴的比例、中性粒细胞粒子团43的致密度或中性粒细胞粒子团43的霍特林T方分布(Hotelling's T-squareddistribution)。步骤S205包括:控制模块11基于面积比值A1、数量比值PB和特征信息C得到样本的阳性概率值P。
请参见图5所示,图5是图2中步骤S201的第一实施例的流程示意图。其中,步骤S201包括以下步骤:
S501:控制模块11对第一直方图进行平滑滤波处理。
其中,控制模块11对第一直方图进行平滑滤波处理,以避免噪声引起第一直方图的波动。在其他实施例中,控制模块11对第一直方图设置合理的组距(bin),以避免噪声引起第一直方图的波动。
S502:控制模块11在位于第一直方图的分界线35之后的预设范围内,选取第一直方图的谷底或者预设范围的中间位置设置第一阈值线31、32、33、34。
其中,控制模块11设置有预设范围,该预设范围位于第一直方图的分界线35之后。控制模块11在预设范围内选取谷底或者预设范围的中间位置设置第一阈值线31、32、33、34。
例如,控制模块11设置的预设范围可以为50-60,60-70,70-80,80-90;控制模块11在50-60内选取谷底值位置设置第一阈值线31,或者选取55位置设置第一阈值线31;控制模块11在60-70内选取谷底值位置设置第一阈值线32,或者选取65位置设置第一阈值线32;控制模块11在70-80内选取谷底值位置设置第一阈值线33,或者选取75位置设置第一阈值线33;控制模块11在80-90内选取谷底值位置设置第一阈值线34,或者选取65位置设置第一阈值线34。在其他实施例中,本领域的技术人员还可以采用其他方式设置第一阈值线31、32、33、34。
本实施例的控制模块11对第一直方图进行平滑滤波处理,避免噪声引起第一直方图的波动;控制模块11在预设范围内选取谷底或者预设范围的中间位置设置第一阈值线31、32、33、34,能够快速设置第一阈值线31、32、33、34。
请参见图6所示,图6是图2中步骤S203的第一实施例的流程示意图。其中,步骤S203包括以下步骤:
S601:控制模块11基于中性粒细胞在多维空间中的坐标位置得到第一矩阵。
其中,控制模块11基于中性粒细胞在三维空间中的坐标位置得到第一矩阵。例如,控制模块11获取中性粒细胞粒子团43中每个中性粒细胞粒子的坐标位置,形成第一矩阵。在其他实施例,控制模块11基于中性粒细胞在其他空间中的坐标位置得到第一矩阵,例如二维空间。
S602:控制模块11对第一矩阵进行数据中心化得到第二矩阵,并获取第二矩阵的协方差得到第三矩阵。
控制模块11对第一矩阵进行数据中心化,形成第二矩阵。控制模块11进一步计算第二矩阵的协方差得到第三矩阵。
S603:控制模块11计算第三矩阵的特征值和特征向量,并选取最大特征值对应的特征向量。
控制模块11计算第三矩阵的特征值和特征向量,从第三矩阵的多个特征值中选取最大特征值,获取与最大特征值对应的特征向量,得到选取的特征向量。
其中,控制模块11计算选取的特征向量表示中性粒细胞粒子团43的最大分布方向、次大分布方向或者一致的向量;本实施例以选取的特征向量为图7-8中横线71为例,横线71为中性粒细胞粒子团43的最大分布方向,即中性粒细胞粒子团43椭圆拟合的长轴。
S604:控制模块11将第一矩阵乘以选取的特征向量,得到第二测量数据的投影数据。
控制模块11将第一矩阵乘以选取的特征向量,相当于控制模块11将第一矩阵的数据投影到选取的特征向量所在的空间,因此得到第二测量数据的投影数据。
例如,控制模块11获取以信号源为坐标的三维空间数据(即第一矩阵),并将该数据乘以选取的特征向量,相当于将数据变换为以中性粒细胞粒子团43的最长轴或次长轴对应的坐标空间数据(即投影数据)。如图7-8所示,控制模块11以中性粒细胞粒子团43的最长轴(即横线71)为坐标,将第二测量数据投影到该坐标空间,得到投影数据,因此将中性粒细胞粒子团43投影到和中性粒细胞粒子团43形状最贴合的坐标轴上。
S605:控制模块11基于投影数据生成第二直方图,在第二直方图设置第二阈值线91。
控制模块11基于投影数据生成第二直方图,如图9所示。控制模块11在第二直方图设置第二阈值线91,其中控制模块11可以通过第二直方图固定方向设置固定阈值或者在第二直方图的差分图上找特定特征,以实现在第二直方图设置第二阈值线91。
S606:控制模块11将位于第二阈值线91外的投影数据对应的粒子,作为离散粒子45。
控制模块11将位于第二直方图的第二阈值线91外投影数据对应的粒子,作为离散粒子45。
S607:控制模块11计算离散粒子45在第二测量数据的数量比值PB。
控制模块11计算离散粒子45在第二测量数据中白细胞的数量比值PB。
通过上述方式,本实施例的控制模块11将中性粒细胞粒子团43投影到和中性粒细胞粒子团43形状最贴合的坐标轴上,得到投影数据;控制模块11基于投影数据生成第二直方图,将位于第二阈值线91外的投影数据对应的粒子作为离散粒子45,提高获取离散粒子45的准确度。
请参见图10所示,图10是图2中步骤S205的第一实施例的流程示意图。步骤S204包括:控制模块11将面积比值A1和数量比值PB训练神经网络,以使神经网络输出阳性概率P。即神经网络接收到面积比值A1和数量比值PB,神经网络训练后输出阳性概率P。
可选地,控制模块11将多个面积比值A1、A2、A3、A4和数量比值PB训练神经网络,以使神经网络输出阳性概率P。或者,控制模块11将多个面积比值A1、A2、A3、A4、数量比值PB和特征信息C训练神经网络,以使神经网络输出阳性概率P。
在其他实施例中,本领域技术人员可以将boost级联分类器、SVM(支持向量机)、贝叶斯分类(Bayes)、决策树等算法替换神经网络。此外,本领域技术人员还可以通过人工基于多个面积比值A1、A2、A3、A4、数量比值PB和特征信息C,得到阳性概率P。
步骤S205包括以下步骤:
S101:控制模块11判断阳性概率P是否大于预设的概率阈值。
其中,控制模块11预先设置概率阈值,判断阳性概率P是否大于概率阈值;若是,则进入步骤S102;若否,则进入步骤S103。
S102:控制模块11将面积比值A1和数量比值PB进行拟合得到线性或非线性方程,进而得到嗜碱性粒细胞的占比。
在第一直方图设置一条第一阈值线31时,控制模块11将面积比值A1和数量比值PB进行拟合得到线性方程,进而得到嗜碱性粒细胞的占比;在第一直方图设置第一阈值线31、32、33和34时,控制模块11将多个面积比值A1、A2、A3、A4和数量比值PB进行拟合得到非线性方程,进而得到嗜碱性粒细胞的占比。
S103:控制模块11将面积比值A1和数量比值PB进行比较,基于比较结果的较小值得到嗜碱性粒细胞的占比。
在第一直方图设置一条第一阈值线31时,控制模块11将面积比值A1和数量比值PB进行比较,基于比较结果的较小值得到嗜碱性粒细胞的占比。例如控制模块11判断到数量比值PB小于面积比值A1,则基于数量比值PB得到嗜碱性粒细胞的占比;或者,控制模块11判断到数量比值PB大于面积比值A1,则基于面积比值A1得到嗜碱性粒细胞的占比;控制模块11判断到数量比值PB等于面积比值A1,则基于面积比值A1或数量比值PB得到嗜碱性粒细胞的占比。
在第一直方图设置第一阈值线31、32、33和34时,控制模块11从多个面积比值A1、A2、A3、A4选取一个合理区间的值和数量比值PB进行比较,得到比较结果。控制模块11基于比较结果的较小值得到嗜碱性粒细胞的占比。例如,控制模块11从多个面积比值A1、A2、A3、A4选取面积比值A3,将面积比值A3与数量比值PB进行比较;若数量比值PB小于面积比值A3,则控制模块11基于数量比值PB得到嗜碱性粒细胞的计数值;若数量比值PB大于面积比值A3,则控制模块11基于面积比值A3得到嗜碱性粒细胞的占比。
通过上述方式,本实施例通过阳性概率和预设的概率阈值进行比较得到嗜碱性粒细胞的占比,提高嗜碱性粒细胞的计数值可靠性。
本申请还提供一种样本分析仪10,如图1所示,样本分析仪10包括控制模块11、第一检测模块12和第二检测模块13,控制模块11分别与第一检测模块12和第二检测模块13连接,其中第一检测模块12用于测量样本的嗜碱性粒细胞计数,第二检测模块13用于样本的白细胞分类。其中,样本分析仪10还可以包括采样模块或试剂模块等,在此不再赘述。
其中,控制模块11用于基于第一检测模块12的第一测量数据生成第一直方图,并在第一直方图设置至少一条第一阈值线31。控制模块11用于获取第一直方图位于第一阈值线31之后的第一面积a1,基于第一面积a1和第一直方图的总面积的比值得到面积比值A1。控制模块11用于基于第二检测模块13的第二测量数据得到四类粒子团,从四类粒子团中选取其中至少一粒子团,从选取的粒子团中获取预设区域内的离散粒子,并计算离散粒子的数量在第二检测模块13的白细胞的总数中的数量比值PB。控制模块11用于基于面积比值A1和数量比值PB得到样本的阳性概率值P。控制模块11用于基于阳性概率值P得到嗜碱性粒细胞在白细胞中的占比。
综上所述,本申请的控制模块11基于第一检测模块12的第一测量数据生成第一直方图,并在第一直方图设置至少一条第一阈值线31;获取第一直方图位于第一阈值线31之后的第一面积a1,基于第一面积a1和第一直方图的总面积的比值得到面积比值A1;基于第二检测模块13的第二测量数据得到四类粒子团,从四类粒子团中选取其中至少一粒子团,从选取的粒子团中获取预设区域内的离散粒子,并计算离散粒子的数量在第二检测模块13的白细胞的总数中的数量比值PB;基于面积比值A1和数量比值PB得到样本的阳性概率值P;基于阳性概率值P得到嗜碱性粒细胞在白细胞中的占比。因此能够降低样本的阳性误判率,增加样本的阳性检出率,能够提高嗜碱性粒细胞的计数值可靠性。
在本申请所提供的几个实施方式中,应该理解到,所揭露的设备,可以通过其它的方式实现。例如,以上所描述的设备实施方式仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施方式方案的目的。
另外,在本申请各个实施方式中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
以上所述仅为本申请的实施方式,并非因此限制本申请的专利范围,凡是根据本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (8)
1.一种样本分析仪的计数方法,其特征在于,所述样本分析仪包括控制模块、第一检测模块和第二检测模块,所述控制模块分别与所述第一检测模块和所述第二检测模块连接,所述第一检测模块用于对样本的嗜碱性粒细胞计数,所述第二检测模块用于所述样本的白细胞分类,所述计数方法包括:
所述控制模块基于所述第一检测模块的第一测量数据生成第一直方图,并在所述第一直方图设置至少一条第一阈值线;
所述控制模块获取所述第一直方图位于所述第一阈值线之后的第一面积,基于所述第一面积和所述第一直方图的总面积的比值得到面积比值;
所述控制模块基于所述第二检测模块的第二测量数据得到四类粒子团,从所述四类粒子团中选取其中至少一粒子团,从所述选取的粒子团中获取预设区域内的离散粒子,并计算所述离散粒子的数量在所述第二检测模块的白细胞的总数中的数量比值;
所述控制模块基于所述面积比值和所述数量比值得到所述样本的阳性概率值;
所述控制模块基于所述阳性概率值得到所述嗜碱性粒细胞在白细胞中的占比;
其中,所述四类粒子团为淋巴细胞粒子团、单核细胞粒子团、中性粒细胞粒子团和嗜酸性粒细胞粒子团,所述控制模块选取所述中性粒细胞粒子团作为所述选取的粒子团;
所述控制模块从所述选取的粒子团中获取预设区域内的离散粒子的步骤包括:所述控制模块获取位于所述中性粒细胞粒子团和所述单核细胞粒子团之间的离散粒子;
所述基于所述面积比值和所述数量比值得到所述样本的阳性概率值的步骤包括:
所述控制模块将所述面积比值和所述数量比值训练神经网络,以使所述神经网络输出所述阳性概率;
所述控制模块基于所述阳性概率值得到所述嗜碱性粒细胞在白细胞中的占比的步骤包括:
所述控制模块判断所述阳性概率是否大于预设的概率阈值;
若是,则所述控制模块将所述面积比值和所述数量比值进行拟合得到线性或非线性方程,进而得到所述嗜碱性粒细胞的占比;
若否,则所述控制模块将所述面积比值和所述数量比值进行比较,基于比较结果的较小值得到所述嗜碱性粒细胞的占比。
2.根据权利要求1所述的计数方法,其特征在于,所述控制模块在所述第一直方图上设置分界线,所述在所述第一直方图设置至少一条第一阈值线的步骤包括:
所述控制模块对所述第一直方图进行平滑滤波处理;
所述控制模块在位于所述第一直方图的分界线之后的预设范围内,选取所述第一直方图的谷底或者所述预设范围的中间位置设置所述第一阈值线。
3.根据权利要求1所述的计数方法,其特征在于,所述控制模块在所述第一直方图设置多条第一阈值线;
所述获取所述第一直方图位于所述第一阈值线之后的第一面积的步骤包括:
所述控制模块获取所述第一直方图位于每条所述第一阈值线之后的面积,得到多个所述第一面积;
所述基于所述第一面积和所述第一直方图的总面积的比值得到面积比值的步骤包括:
所述控制模块基于每个所述第一面积和所述第一直方图的总面积的比值,得到多个面积比值。
4.根据权利要求1所述的计数方法,其特征在于,所述白细胞分类包括淋巴细胞、单核细胞、中性粒细胞和嗜酸性粒细胞,所述控制模块基于所述第二检测模块的第二测量数据得到四类粒子团的步骤包括:
所述控制模块将所述第二测量数据投影到以数据源为坐标轴形成的多维空间,得到所述四类粒子团。
5.根据权利要求4所述的计数方法,其特征在于,所述控制模块获取位于所述中性粒细胞粒子团和所述单核细胞粒子团之间的离散粒子的步骤包括:
所述控制模块基于所述中性粒细胞在所述多维空间中的坐标位置得到第一矩阵;
所述控制模块对所述第一矩阵进行数据中心化得到第二矩阵,并获取所述第二矩阵的协方差得到第三矩阵;
所述控制模块计算所述第三矩阵的特征值和特征向量,并选取最大特征值对应的特征向量;
所述控制模块将所述第一矩阵乘以选取的特征向量,得到所述第二测量数据的投影数据。
6.根据权利要求5所述的计数方法,其特征在于,在所述控制模块将所述第一矩阵乘以选取的特征向量,得到所述第二测量数据的投影数据步骤之后,所述计数方法还包括:
所述控制模块基于所述投影数据生成第二直方图,在所述第二直方图设置第二阈值线;
所述控制模块将位于所述第二阈值线外的投影数据对应的粒子,作为所述离散粒子;
所述控制模块计算所述离散粒子在所述第二测量数据的数量比值。
7.根据权利要求4所述的计数方法,其特征在于,所述控制模块还获取所述中性粒细胞粒子团的特征信息,所述特征信息包括所述中性粒细胞粒子团椭圆拟合的长轴和短轴的比例、所述中性粒细胞粒子团的致密度或所述中性粒细胞粒子团的霍特林T方分布。
8.一种样本分析仪,其特征在于,所述样本分析仪包括控制模块、第一检测模块和第二检测模块,所述控制模块分别与所述第一检测模块和所述第二检测模块连接,所述第一检测模块用于对样本的嗜碱性粒细胞计数,所述第二检测模块用于所述样本的白细胞分类,其中:
所述控制模块用于基于所述第一检测模块的第一测量数据生成第一直方图,并在所述第一直方图设置至少一条第一阈值线;
所述控制模块用于获取所述第一直方图位于所述第一阈值线之后的第一面积,基于所述第一面积和所述第一直方图的总面积的比值得到面积比值;
所述控制模块用于基于所述第二检测模块的第二测量数据得到四类粒子团,从所述四类粒子团中选取其中至少一粒子团,从所述选取的粒子团中获取预设区域内的离散粒子,并计算所述离散粒子的数量在所述第二检测模块的白细胞的总数中的数量比值;
所述控制模块用于基于所述面积比值和所述数量比值得到所述样本的阳性概率值;
所述控制模块用于基于所述阳性概率值得到所述嗜碱性粒细胞在白细胞中的占比;
其中,所述四类粒子团为淋巴细胞粒子团、单核细胞粒子团、中性粒细胞粒子团和嗜酸性粒细胞粒子团,所述控制模块选取所述中性粒细胞粒子团作为所述选取的粒子团,所述控制模块获取位于所述中性粒细胞粒子团和所述单核细胞粒子团之间的离散粒子;
所述控制模块将所述面积比值和所述数量比值训练神经网络,以使所述神经网络输出所述阳性概率;所述控制模块判断所述阳性概率是否大于预设的概率阈值;
若是,则所述控制模块将所述面积比值和所述数量比值进行拟合得到线性或非线性方程,进而得到所述嗜碱性粒细胞的占比;
若否,则所述控制模块将所述面积比值和所述数量比值进行比较,基于比较结果的较小值得到所述嗜碱性粒细胞的占比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210024391.5A CN114047109B (zh) | 2022-01-11 | 2022-01-11 | 一种样本分析仪及其计数方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210024391.5A CN114047109B (zh) | 2022-01-11 | 2022-01-11 | 一种样本分析仪及其计数方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114047109A CN114047109A (zh) | 2022-02-15 |
CN114047109B true CN114047109B (zh) | 2022-06-21 |
Family
ID=80213593
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210024391.5A Active CN114047109B (zh) | 2022-01-11 | 2022-01-11 | 一种样本分析仪及其计数方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114047109B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4640897A (en) * | 1979-06-28 | 1987-02-03 | Institut Pasteur | Immunoanalysis of basophil-containing blood fraction for diagnosing parasitoses and allergies |
CN1126836A (zh) * | 1994-08-03 | 1996-07-17 | 东亚医用电子株式会社 | 白细胞的分类方法 |
CN103076311A (zh) * | 2011-10-25 | 2013-05-01 | 希森美康株式会社 | 活化嗜中性粒细胞的检测方法及装置 |
CN104297134A (zh) * | 2014-11-05 | 2015-01-21 | 深圳市开立科技有限公司 | 一种溶血剂及其应用和白细胞分类计数方法 |
CN104359821A (zh) * | 2014-11-04 | 2015-02-18 | 深圳市帝迈生物技术有限公司 | 一种散点图的粒子分类统计方法和***及血液细胞分析仪 |
CN105986003A (zh) * | 2015-02-12 | 2016-10-05 | 深圳迈瑞生物医疗电子股份有限公司 | 一种白细胞计数方法、装置及细胞分析仪 |
CN108279229A (zh) * | 2017-01-05 | 2018-07-13 | 深圳市帝迈生物技术有限公司 | 一种全血crp检测装置 |
CN109270281A (zh) * | 2017-07-18 | 2019-01-25 | 深圳市帝迈生物技术有限公司 | 提高白细胞分类结果准确性和计数结果重复性的方法及设备 |
CN110132908A (zh) * | 2018-02-09 | 2019-08-16 | 深圳市帝迈生物技术有限公司 | 一种细胞检测试剂盒及其应用 |
CN110470587A (zh) * | 2019-08-12 | 2019-11-19 | 江苏美诚生物科技有限公司 | 一种五分类血细胞分析仪用嗜碱性粒细胞计数套装 |
CN111684264A (zh) * | 2018-04-28 | 2020-09-18 | 深圳迈瑞生物医疗电子股份有限公司 | 血液分析方法、血液分析***及存储介质 |
CN111801568A (zh) * | 2018-04-28 | 2020-10-20 | 深圳迈瑞生物医疗电子股份有限公司 | 测定血小板浓度的方法及*** |
CN112114000A (zh) * | 2019-06-19 | 2020-12-22 | 深圳迈瑞生物医疗电子股份有限公司 | 一种细胞分析仪、基于阻抗法对白细胞进行分类的方法及计算机可读存储介质 |
CN112801212A (zh) * | 2021-03-02 | 2021-05-14 | 东南大学 | 一种基于小样本半监督学习的白细胞分类计数方法 |
WO2021152089A1 (en) * | 2020-01-30 | 2021-08-05 | Vitadx International | Systematic characterization of objects in a biological sample |
CN113252537A (zh) * | 2021-07-08 | 2021-08-13 | 深圳市帝迈生物技术有限公司 | 一种样本分析仪及其计数异常的检测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8842900B2 (en) * | 2008-10-28 | 2014-09-23 | Sysmex Corporation | Specimen processing system and blood cell image classifying apparatus |
US10114012B2 (en) * | 2008-10-31 | 2018-10-30 | The Board Of Trustees Of The Leland Stanford Junior University | Methods and assays for detecting and quantifying pure subpopulations of white blood cells in immune system disorders |
WO2019206312A1 (zh) * | 2018-04-28 | 2019-10-31 | 深圳迈瑞生物医疗电子股份有限公司 | 样本分析仪异常的报警方法、***及存储介质 |
-
2022
- 2022-01-11 CN CN202210024391.5A patent/CN114047109B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4640897A (en) * | 1979-06-28 | 1987-02-03 | Institut Pasteur | Immunoanalysis of basophil-containing blood fraction for diagnosing parasitoses and allergies |
CN1126836A (zh) * | 1994-08-03 | 1996-07-17 | 东亚医用电子株式会社 | 白细胞的分类方法 |
US5677183A (en) * | 1994-08-03 | 1997-10-14 | Toa Medical Electronics Co., Ltd. | Method for classifying and counting leukocytes |
CN103076311A (zh) * | 2011-10-25 | 2013-05-01 | 希森美康株式会社 | 活化嗜中性粒细胞的检测方法及装置 |
CN104359821A (zh) * | 2014-11-04 | 2015-02-18 | 深圳市帝迈生物技术有限公司 | 一种散点图的粒子分类统计方法和***及血液细胞分析仪 |
CN104297134A (zh) * | 2014-11-05 | 2015-01-21 | 深圳市开立科技有限公司 | 一种溶血剂及其应用和白细胞分类计数方法 |
CN105986003A (zh) * | 2015-02-12 | 2016-10-05 | 深圳迈瑞生物医疗电子股份有限公司 | 一种白细胞计数方法、装置及细胞分析仪 |
CN108279229A (zh) * | 2017-01-05 | 2018-07-13 | 深圳市帝迈生物技术有限公司 | 一种全血crp检测装置 |
CN109270281A (zh) * | 2017-07-18 | 2019-01-25 | 深圳市帝迈生物技术有限公司 | 提高白细胞分类结果准确性和计数结果重复性的方法及设备 |
CN110132908A (zh) * | 2018-02-09 | 2019-08-16 | 深圳市帝迈生物技术有限公司 | 一种细胞检测试剂盒及其应用 |
CN111684264A (zh) * | 2018-04-28 | 2020-09-18 | 深圳迈瑞生物医疗电子股份有限公司 | 血液分析方法、血液分析***及存储介质 |
CN111801568A (zh) * | 2018-04-28 | 2020-10-20 | 深圳迈瑞生物医疗电子股份有限公司 | 测定血小板浓度的方法及*** |
CN112114000A (zh) * | 2019-06-19 | 2020-12-22 | 深圳迈瑞生物医疗电子股份有限公司 | 一种细胞分析仪、基于阻抗法对白细胞进行分类的方法及计算机可读存储介质 |
CN110470587A (zh) * | 2019-08-12 | 2019-11-19 | 江苏美诚生物科技有限公司 | 一种五分类血细胞分析仪用嗜碱性粒细胞计数套装 |
WO2021152089A1 (en) * | 2020-01-30 | 2021-08-05 | Vitadx International | Systematic characterization of objects in a biological sample |
CN112801212A (zh) * | 2021-03-02 | 2021-05-14 | 东南大学 | 一种基于小样本半监督学习的白细胞分类计数方法 |
CN113252537A (zh) * | 2021-07-08 | 2021-08-13 | 深圳市帝迈生物技术有限公司 | 一种样本分析仪及其计数异常的检测方法 |
Non-Patent Citations (1)
Title |
---|
D6-CRP型与XN-9000型血细胞分析仪比对的结果分析;陈娟等;《中国医学装备》;20200515(第05期);第215-218页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114047109A (zh) | 2022-02-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7796797B2 (en) | Apparatus for obtaining an image of a blood cell and method for obtaining an image of a blood cell | |
CN101097180B (zh) | 分析仪及分析方法 | |
JP3076118B2 (ja) | 粒子計数方法 | |
EP2252889B1 (en) | Method and system for analysis of flow cytometry data using support vector machines | |
US20180003634A1 (en) | Nucleated red blood cell warning method and device, and flow cytometer using the same | |
CN107389536B (zh) | 基于密度-距离中心算法的流式细胞粒子分类计数方法 | |
EP3258263B1 (en) | Cell analyzer and particle sorting method and device | |
US20080172185A1 (en) | Automatic classifying method, device and system for flow cytometry | |
CN107576634B (zh) | 血液细胞分析仪及其细胞的识别方法与*** | |
CN111684264B (zh) | 血液分析方法、血液分析***及存储介质 | |
CN101672759B (zh) | 一种粒子分类统计方法及装置 | |
WO2012139047A2 (en) | Identifying and enumerating early granulated cells (egcs) | |
US12023675B2 (en) | System and method for correcting patient index | |
CN114047109B (zh) | 一种样本分析仪及其计数方法 | |
US11709123B2 (en) | Method for analyzing nucleated red blood cells, blood cell analyzer, and storage medium | |
US6662117B2 (en) | Particle analyzer and particle classifying method | |
Bentley | 2 Automated differential white cell counts: a critical appraisal | |
EP2920573B1 (en) | Particle data segmentation result evaluation methods and flow cytometer | |
Cornbleet et al. | Evaluation of Coulter® S-Plus three-part differential in population with a high prevalence of abnormalities | |
Krause | The automated white blood cell differential: a current perspective | |
CN108169105B (zh) | 应用于血细胞分析仪的白细胞分类处理方法 | |
CN111812070B (zh) | 核左移以及取值范围的确定方法、装置和细胞分析仪 | |
CN115791573A (zh) | 一种血细胞分析仪的白细胞检测方法 | |
Reardon et al. | The white cell differential: personal observations. | |
CN117275574A (zh) | 流式淋巴细胞亚群分析方法、设备及其存储介质 |
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 |