CN116165172A - 血沉测量系统、血沉测量设备以及血沉测量方法 - Google Patents
血沉测量系统、血沉测量设备以及血沉测量方法 Download PDFInfo
- Publication number
- CN116165172A CN116165172A CN202111414515.2A CN202111414515A CN116165172A CN 116165172 A CN116165172 A CN 116165172A CN 202111414515 A CN202111414515 A CN 202111414515A CN 116165172 A CN116165172 A CN 116165172A
- Authority
- CN
- China
- Prior art keywords
- blood cell
- erythrocyte
- erythrocyte sedimentation
- tested
- blood sample
- 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
- 210000003743 erythrocyte Anatomy 0.000 title claims abstract description 446
- 238000004062 sedimentation Methods 0.000 title claims abstract description 216
- 238000005259 measurement Methods 0.000 title claims abstract description 165
- 238000000691 measurement method Methods 0.000 title abstract description 7
- 210000004369 blood Anatomy 0.000 claims abstract description 194
- 239000008280 blood Substances 0.000 claims abstract description 194
- 238000001514 detection method Methods 0.000 claims abstract description 176
- 230000002776 aggregation Effects 0.000 claims abstract description 140
- 238000004220 aggregation Methods 0.000 claims abstract description 140
- 210000000601 blood cell Anatomy 0.000 claims abstract description 103
- 238000000034 method Methods 0.000 claims abstract description 82
- 238000003062 neural network model Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000005070 sampling Methods 0.000 claims abstract description 9
- 230000003287 optical effect Effects 0.000 claims description 57
- 102000001554 Hemoglobins Human genes 0.000 claims description 41
- 108010054147 Hemoglobins Proteins 0.000 claims description 41
- 210000001772 blood platelet Anatomy 0.000 claims description 32
- 210000000265 leukocyte Anatomy 0.000 claims description 32
- 230000008859 change Effects 0.000 claims description 29
- 238000011088 calibration curve Methods 0.000 claims description 16
- 230000006870 function Effects 0.000 claims description 14
- 238000000684 flow cytometry Methods 0.000 claims description 13
- 210000004027 cell Anatomy 0.000 claims description 12
- 238000010586 diagram Methods 0.000 claims description 12
- 238000004820 blood count Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 238000013135 deep learning Methods 0.000 claims description 7
- 238000005534 hematocrit Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 abstract description 7
- 241000202221 Weissella Species 0.000 abstract 1
- 238000006243 chemical reaction Methods 0.000 description 9
- 230000000875 corresponding effect Effects 0.000 description 9
- 102100038595 Estrogen receptor Human genes 0.000 description 5
- 101000882584 Homo sapiens Estrogen receptor Proteins 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 3
- 230000036647 reaction Effects 0.000 description 3
- 238000002834 transmittance Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 239000000725 suspension Substances 0.000 description 2
- 206010018910 Haemolysis Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000003085 diluting agent Substances 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000008588 hemolysis Effects 0.000 description 1
- 230000002949 hemolytic effect Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000007430 reference method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000010186 staining Methods 0.000 description 1
Images
Classifications
-
- 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
- G01N21/59—Transmissivity
-
- 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
- G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material 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
本发明公开了一种血沉测量系统、血沉测量设备及血沉测量方法。血沉测量系统包括采样分配装置、血沉检测装置、血细胞检测装置和数据处理装置。采样分配装置被配置为采集待测血液样本，并将待测血液样本至少部分地分别分配给血沉检测装置和血细胞检测装置。血沉检测装置被配置为通过红细胞聚集曲线获得待测血液样本的与红细胞聚集相关的参数。血细胞检测装置被配置为获得待测血液样本的至少包括红细胞数据的血细胞数据。数据处理装置被配置为获取与红细胞聚集相关的参数和血细胞数据，并将与红细胞聚集相关的参数和血细胞数据输入神经网络模型，以计算得到第一血沉测量结果。本发明能够获得与魏氏法测得的血沉测量结果一致性更好的血沉测量结果。
Description
技术领域
本发明涉及医疗设备技术领域，特别涉及一种血沉测量系统、血沉测量设备以及血沉测量方法。
背景技术
在体内的血液中，因为血液的流动以及红细胞表面负电荷的相互排斥，红细胞呈分散悬浮状态。而离体的血液在静置时，红细胞会因重力作用而下沉。当处于病理状态时，血浆中蛋白的种类与含量会发生变化，将改变血液中电荷的平衡，使红细胞表面的负电荷变少，进而使红细胞形成缗钱状而加快沉降。因此可以通过检测红细胞在一小时内沉降的速率，即红细胞沉降率(Erythrocyte sedimentation rate,ESR)，来辅助病症评估。
现有测量红细胞沉降率的常用方法是魏氏法，根据魏氏法，观察并记录装在沉降管中的血液的红细胞沉降速度，即从注入血样后开始计时，观察一小时后群集细胞与血浆之间的界面相对于血样顶端液面向下移动的距离(悬浮介质高度)。但是随着医院病人的增加，一小时出测量结果的检测效率不能满足日常检测需求，因此需要一种快速测量血沉的方法。
为了快速测量血沉，在发明人了解的相关技术中，有基于红细胞聚集测量血沉的快速测量方法，简称红细胞聚集法。但是通过红细胞聚集法测得的红细胞沉降率与通过魏氏法测得的红细胞沉降率之间的相关性较差。
在此需要说明的是，该背景技术部分的陈述仅提供与本发明有关的背景技术，并不必然构成现有技术。
发明内容
本发明提供一种血沉测量系统、血沉测量设备以及血沉测量方法，其能够实现快速且准确地获得经过修正的血沉检测结果，该血沉检测结果与通过魏氏法测得的血沉检测结果具有较好的一致性。
本发明第一方面提供一种血沉测量系统，包括采样分配装置、血沉检测装置、血细胞检测装置和数据处理装置，
所述采样分配装置被配置为采集待测血液样本，并将所述待测血液样本至少部分地分别分配给所述血沉检测装置和所述血细胞检测装置；
所述血沉检测装置被配置为对被分配的血液样本部分进行检测，以获取透过被分配的血液样本部分的透射光或经被分配的血液样本部分散射的散射光的光强随时间变化的红细胞聚集曲线；
所述血细胞检测装置被配置为对被分配的血液样本部分进行检测，以获得所述待测血液样本的血细胞数据，所述血细胞数据至少包括红细胞数据；
所述数据处理装置被配置为，从所述红细胞聚集曲线提取与红细胞聚集相关的参数和所述血细胞数据，并将所述与红细胞聚集相关的参数和所述血细胞数据输入神经网络模型，以计算得到第一血沉测量结果。
在一些实施例中，所述与红细胞聚集相关的参数包括从所述红细胞聚集曲线提取的至少两个特征参数。
在一些实施例中，所述血沉检测装置还被配置为，在检测被分配的血液样本部分之前，通过使被分配的血液样本部分在所述血沉检测装置的检测区中来回流动来对该被分配的血液样本部分中的红细胞进行解聚处理。
在一些实施例中，所述与红细胞聚集相关的参数选自包括如下参数的组：
从测量起始时间点到测量结束时间点之间的时间段内所述红细胞聚集曲线与时间轴围成的面积；
根据所述面积和预设的定标曲线计算得到的第二血沉测量结果；
在测量起始时间点到测量结束时间点之间的时间段内的透射光强最小值；
在测量起始时间点处的透射光强与在测量结束时间点处的透射光强的差值；以及
在测量结束时间点处的透射光强的1/2所对应的时间点。
在一些实施例中，所述数据处理装置还被配置为输出所述第一血沉测量结果和所述第二血沉测量结果中的至少一个。
在一些实施例中，血细胞数据还包括血小板数据、白细胞数据和血红蛋白数据中的一种或多种。
在一些实施例中，所述血细胞检测装置包括阻抗检测单元，所述阻抗检测单元包括检测小孔和检测电路，该检测电路设置用于检测被分配给阻抗检测单元的血液样本部分中的细胞在经过所述检测小孔时的阻抗变化信号；
其中，所述血细胞数据包括根据所述阻抗变化信号获得的红细胞数据、血小板数据和/或白细胞数据。
在一些实施例中，根据所述阻抗变化信号获得的红细胞数据包括根据所述阻抗变化信号获得的红细胞脉冲信号、红细胞计数、红细胞比容值、平均红细胞体积、红细胞体积变异系数、红细胞分布宽度标准差、红细胞体积直方图以及红细胞散点图中的一个或多个；和/或
根据阻抗变化信号获得的血小板数据包括根据阻抗变化信号获得的血小板计数；和/或
根据阻抗变化信号获得的白细胞数据包括根据所述阻抗变化信号获得的白细胞计数。
在一些实施例中，所述血细胞检测装置包括光学检测单元，所述光学检测单元具有光源、流动室和光检测器，所述光源设置用于发射光束以照射所述流动室的检测区，所述光检测器设置用于检测被分配给光学检测单元的血液样本部分中的细胞在通过所述检测区时被光照射后产生的光学信号；
其中，所述血细胞数据包括根据所述光学信号获得的红细胞数据和/或血小板数据和/或白细胞数据。
在一些实施例中，根据所述光学信号获得的红细胞数据包括红细胞脉冲信号和/或红细胞散点图；和/或
根据光学信号获得的血小板数据包括根据光学信号获得的血小板计数；和/或
根据光学信号获得的白细胞数据包括根据光学信号获得的白细胞计数。
在一些实施例中，血细胞检测装置包括血红蛋白检测单元，血红蛋白检测单元设置用于检测被分配给血红蛋白检测单元的血液样本部分的血红蛋白浓度；
其中，血细胞数据包括血红蛋白浓度和/或基于血红蛋白浓度获得的平均血红蛋白含量和/或平均血红蛋白浓度。
本发明第二方面提供一种血沉测量设备，包括血沉检测装置和数据处理装置；
所述血沉检测装置被配置用于对待测血液样本进行检测，以获取透过被分配的血液样本部分的透射光或经被分配的血液样本部分散射的散射光的光强随时间变化的红细胞聚集曲线；
所述数据处理装置被配置用于：从所述红细胞聚集曲线提取与红细胞聚集相关的参数，获取所述待测血液样本的由血细胞分析仪检测的血细胞数据，所述血细胞数据至少包括红细胞数据，并将所述与红细胞聚集相关的参数以及所述血细胞数据输入神经网络模型，以计算得到血沉测量结果。
在一些实施例中，所述血沉检测装置还被配置用于在检测所述红细胞聚集曲线之前通过使待测血液样本在所述血沉检测装置的检测区中来回流动来对该待测血液样本中的红细胞进行解聚处理，并检测透过经解聚的待测血液样本的透射光或经待测血液样本散射的散射光的光强随时间变化的红细胞聚集曲线。
在一些实施例中，所述与红细胞聚集相关的参数包括从所述红细胞聚集曲线提取的至少两个特征参数。
本发明第三方面提供一种血沉测量方法，包括如下步骤：
获取待测血液样本的红细胞聚集曲线，并从所述红细胞聚集曲线获取待测血液样本的与红细胞聚集相关的参数，其中，红细胞聚集曲线为透过待测血液样本的透射光或经待测血液样本散射的散射光的光强随时间的变化曲线；
获取待测血液样本的血细胞数据，所述血细胞数据至少包括红细胞数据；和
将所述与红细胞聚集相关的参数和所述血细胞数据输入神经网络模型，以计算得到第一血沉测量结果。
在一些实施例中，所述与红细胞聚集相关的参数包括从所述红细胞聚集曲线提取的至少两个特征参数。
在一些实施例中，所述与红细胞聚集相关的参数选自包括如下参数的组：
从测量起始时间点到测量结束时间点之间的时间段内所述红细胞聚集曲线与时间轴围成的面积；
根据所述面积和预设的定标曲线计算得到的第二血沉测量结果；
在测量起始时间点到测量结束时间点之间的时间段内的透射光强最小值；
在测量起始时间点处的透射光强与在测量结束时间点处的透射光强的差值；以及
在测量结束时间点处的透射光强的1/2所对应的时间点。
在一些实施例中，还包括输出所述第一血沉测量结果和所述第二血沉测量结果中的至少一个。
在一些实施例中，血细胞数据还包括血小板数据、白细胞数据和血红蛋白数据中的一种或多种。
在一些实施例中，所述血细胞数据包括通过流式细胞术和/或库尔特法测得的红细胞数据和/或血小板数据和/或白细胞数据。
在一些实施例中，所述红细胞数据包括通过库尔特法测得的红细胞脉冲信号、红细胞计数、红细胞比容值、平均红细胞体积、红细胞体积变异系数、红细胞分布宽度标准差、红细胞体积分布直方图以及红细胞散点图中的一个或多个；和/或，所述血小板数据包括通过库尔特法测得的血小板计数；和/或，所述白细胞数据包括通过流式细胞术或库尔特法测得的白细胞计数；和/或所述血红蛋白数据包括血红蛋白浓度和/或基于所述血红蛋白浓度获得的平均血红蛋白含量和/或平均血红蛋白浓度。
在一些实施例中，所述红细胞数据包括通过流式细胞术测得的红细胞脉冲信号和/或红细胞散点图。
本发明第四方面提供一种血沉测量方法，包括如下步骤：
将一部分待测血液样本运送至光学检测管路，并通过使所述一部分待测血液样本在所述光学检测管路中来回流动，以便对所述一部分待测血液样本中的红细胞进行解聚处理；
在所述解聚处理之后使所述一部分待测血液样本静止在所述光学检测管路中并用光照射所述一部分待测血液样本，以获取透过所述一部分待测血液样本的透射光的光强随时间变化的红细胞聚集曲线；
将解析数据输入具有神经网络结构的深度学习算法中，所述解析数据包括从所述红细胞聚集曲线获得的与红细胞聚集相关的参数并且包括所述待测血液样本的通过流式细胞术和/或库尔特法测得的血细胞数据，所述血细胞数据至少包括红细胞数据；以及
通过所述深度学习算法计算所述待测血液样本的血沉检测结果。
基于本发明提供的各方面，通过将与红细胞聚集相关的参数以及血细胞数据共同作为神经网络模型的输入参数来获得修正后的血沉测量结果。与现有的红细胞聚集法相比，能够获得与魏氏法测得的血沉测量结果一致性更好的血沉测量结果。
附图说明
通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1为本发明一些实施例的血沉测量系统的示意性框图。
图2为本发明一些实施例的血沉测量方法的示意性流程图。
图3为本发明一些实施例的血沉测量系统的结构示意图。
图4为本发明一些实施例的待测血液样本的红细胞聚集曲线。
图5示出本发明一些实施例在获取修正前的血沉测量结果时所采用的定标曲线。
图6示出通过本发明获取的修正前的血沉测量结果与通过现有技术的参考红细胞聚集法获取的血沉测量结果之间的相关性。
图7示出通过阻抗法获得的待测血液样本的红细胞在经过检测小孔时的阻抗变化信号。
图8为通过阻抗法获得的待测血液样本的红细胞体积分布直方图。
图9为通过阻抗法获得的待测血液样本的红细胞散点图。
图10示出通过光学法获得的待测血液样本的红细胞在通过检测区时被光照射后产生的光学变化信号。
图11为通过光学法获得的待测血液样本的红细胞散点图。
图12为本发明一些实施例的神经网络模型的结构示意图。
图13示出按照本发明修正后的血沉测量结果与魏氏法血沉测量结果之间的相关性。
图14为本发明一些实施例的血沉测量设备的示意性框图。
图15为本发明另一些实施例的血沉测量方法的示意性流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
目前，在临床上越来越多地使用血液样本的ESR值来辅助诊断疾病。本发明的发明人注意到，现有采用红细胞聚集法检测得到的ESR值与通过参考方法、即魏氏法测得的ESR值之间的一致性较差，即，采用红细胞聚集法检测得到的ESR值不能准确地反应红细胞自然沉降速率。
基于此，为了快速地获得能够较准确地反应红细胞自然沉降速率的ESR值，提出一种根据与红细胞聚集相关的参数和血细胞数据根据神经网络模型来获取修正后的血沉测量结果的技术方案。
参考图1，本发明实施例提供一种血沉测量系统。该血沉测量系统包括采样分配装置10、血沉检测装置20、血细胞检测装置30和数据处理装置40。
采样分配装置10被配置为采集待测血液样本，并将待测血液样本至少部分地分别分配给血沉检测装置20和血细胞检测装置30。
血沉检测装置20被配置为对被分配的血液样本部分进行检测，以获取透过被分配的血液样本部分的透射光或经被分配的血液样本部分散射的散射光的光强随时间变化的红细胞聚集曲线。
血细胞检测装置30被配置为对被分配的血液样本部分进行检测，以获得待测血液样本的血细胞数据，所述血细胞数据至少包括红细胞数据。
数据处理装置40被配置为从红细胞聚集曲线提取与红细胞聚集相关的参数和血细胞数据，并将与红细胞聚集相关的参数和血细胞数据输入神经网络模型，以计算得到第一血沉测量结果ESR1。
相应地，参考图2，本发明实施例还提供一种血沉测量方法，包括如下步骤：
S501，获取待测血液样本的红细胞聚集曲线，并从红细胞聚集曲线提取待测血液样本的与红细胞聚集相关的参数，其中，红细胞聚集曲线为透过待测血液样本的透射光或经待测血液样本散射的散射光的光强随时间的变化曲线；
S502，获取待测血液样本的血细胞数据，所述血细胞数据至少包括红细胞数据；和
S503，将与红细胞聚集相关的参数和血细胞数据输入神经网络模型，以计算得到第一血沉测量结果ESR1。
本发明实施例提供的血沉测量方法尤其是由本发明实施例提供的血沉测量系统来实施。
在本发明中，通过将与红细胞聚集相关的参数以及至少包括红细胞数据的血细胞数据共同作为神经网络模型的输入参数来获得第一血沉测量结果。与现有的快速红细胞聚集法相比，能够获得与魏氏法测得的血沉测量结果一致性更好的血沉测量结果。
在一些实施例中，所述与红细胞聚集相关的参数包括从所述红细胞聚集曲线提取的至少两个特征参数。
在一些实施例中，参考图3，采样分配装置10可以包括采样针11和驱动装置(图中未示出)。驱动装置用于驱动采样针11运动，以便采样针11采集待测血液样本并将待测血液样本的至少部分分配给血沉检测装置20以及待测血液样本的至少部分分配给血细胞检测装置30。
血沉检测装置20可以包括血沉检测管路21和血沉光学检测组件22，血沉检测管路21用于为被分配的待测血液样本部分提供检测场所，血沉光学检测组件22用于对分配至血沉检测管路21中的待测血液样本部分进行光照射并且检测分配至血沉检测管路21中的待测血液样本部分对光的吸收或散射程度以获得待测血液样本的与红细胞聚集相关的参数。在血沉光学检测组件22进行检测时，分配至血沉检测管路21中的待测血液样本部分不发生位移，即保持静止不动。
参考图3，在一些实施例中，血沉检测管路21的第一端211与采样针11的远离针头111的一端112连接。血沉检测管路21的第二端212与动力组件24连接。动力组件24用于驱动待测血液样本在血沉检测管路21中流动并使待测血液样本流动到血沉检测管路21内的检测区后停止运动并保持不动，以便血沉光学检测组件22对待测血液样本进行检测。也就是说，动力组件24不仅用于将待测血液样本驱动到血沉检测管路21中，还用于保证在进行血沉检测时使得血沉检测管路21中的血液样本保持不动。
在一个具体的示例中，本发明实施例提供的血沉检测装置20的工作过程如下：动力组件24驱动部分待测血液样本流动到血沉检测管路21中，当该部分待测血液样本流动到血沉检测管路21的检测区后，动力组件24突然停止并瞬时中断血沉检测管路21中部分待测血液样本的流动，从而导致部分待测血液样本在此时突然发生减速(或停止流动)，随后发生红细胞的聚集和沉淀。在红细胞发生聚集和沉淀的过程中，将导致血沉光学检测组件21检测到的信号的变化。在此，光学检测组件尤其是通过透射比浊法对血液样本进行血沉检测。
在一些实施例中，请参考图3，血沉检测装置包括光发射器221和光接收器222。光发射器221和光接收器222分别位于血沉检测管路21的检测区的两侧。光发射器221用于照射检测区内的待测血液样本。光接收器222用于测量光发射器221发射的光透过待测血液样本后的光强随时间的变化，以例如得到红细胞聚集曲线。
在另一些实施例中，光接收器222也可以用于测量经待测血液样本散射的光的光强随时间的变化曲线，以例如得到红细胞聚集曲线。
在一些实施例中，血沉检测装置20还被配置为，在检测被分配的血液样本部分之前，通过使被分配的血液样本部分在血沉检测装置的检测区中来回流动来对该被分配的血液样本部分中的红细胞进行解聚处理。由此使得在血沉光学检测组件检测红细胞聚集程度之前使得检测区中的血液样本中的红细胞尽可能处于分散状态，以便能够更加准确地测量红细胞聚集程度。其中，红细胞聚集曲线为透过解聚后的血液样本的透射光的光强随时间的变化曲线。
为此，在图3所示的实施例中，可采用动力组件24驱动血沉检测管路21中的血液样本来回流动。特别是在动力组件24构造为注射器的情况下，由于可灵活地设定注射器的运动速度以及运动方向，能够灵活地对血液样本进行解聚，而且能够节约血量。
在动力组件24驱动血沉检测管路21中的血液样本来回流动预定次数之后，动力组件24立即停止驱动，使得血沉检测管路21中的血液样本停止流动，血沉检测管路21内的血液样本中的红细胞发生聚集，引起透光率变化。
在一些实施例中，血沉检测装置20可以被配置为获取透过被分配的血液样本部分的透射光的光强随时间变化的红细胞聚集曲线。
图4示出的是本发明一些实施例的血液样本的红细胞聚集曲线。在图4中，t1指的是测量起始时间点，t2指的是测量结束时间点，红细胞聚集曲线为从测量起始时间点t1到测量结束时间点t2，透射光的光强、即透光度随时间变化的曲线。与红细胞聚集相关的参数可以通过该红细胞聚集曲线获取的，即与红细胞聚集相关的参数可以包括从红细胞聚集曲线提取的曲线特征。
在一些具体的实施例中，参考图4，其中透光度(也可以称为透射率)为相对光强，等于透射光强与本底光强的比值，与红细胞聚集相关的参数选自包括如下参数的组：
从测量起始时间点t1到测量结束时间点t2之间的时间段内红细胞聚集曲线与时间轴围成的面积AUC；
根据面积AUC和预设的定标曲线(该预存储的定标曲线例如存储在数据处理装置40中)计算得到的第二血沉测量结果ESR2(即，未经过修正的血沉测量结果)；
在测量起始时间点t1到测量结束时间点t2之间的时间段内的透射光强最小值；
在测量起始时间点t1处的透射光强与在测量结束时间点t2处的透射光强的差值；以及
在测量结束时间点t2处的透射光强的1/2所对应的时间点t3，也就是说，时间点t3对应的透射光强为测量结束时间点t2对应的透射光强的1/2。
与红细胞聚集相关的参数可以从以上各个参数中选择，而以上各个参数均是通过由图4示出的红细胞聚集曲线来获取的，因此以上各个参数也可以称为红细胞聚集曲线的曲线特征。
其中，第二血沉测量结果ESR2是根据面积AUC和预设的定标曲线计算得到的。定标曲线如图5所示，在图5中，横坐标为面积AUC，纵坐标为第二血沉测量结果ESR2，因此只要获得待测血液样本的红细胞聚集曲线，并通过红细胞聚集曲线获取到从测量起始时间点t1到测量结束时间点t2之间的时间段内红细胞聚集曲线与时间轴围成的面积AUC，则可以通过该定标曲线获得第二血沉测量结果ESR2。
经过研究，血液样本的红细胞聚集曲线AUC与魏氏法ESR具有相关性，因此定标曲线可以通过大量血液样本的红细胞聚集曲线AUC和魏氏法ESR统计拟合出来的。针对每一个样本，均需聚集法获得该样本的红细胞聚集曲线然后计算得到该样本的面积AUC，并通过魏氏法获取该样本的魏氏法血沉测量结果，然后将多个样本的上述数据进行拟合得到定标曲线。
在一些实施例中，在数据处理装置40中上述定标曲线是以一系列离散点的形式存储的，因此采用查表和插值的方式在上述定标曲线上基于ACU获取第二血沉测量结果ESR2。
当然在其他实施例中，也可以采用上述大量样本数据拟合出函数，并通过函数来计算得到第二血沉测量结果ESR2。上述定标曲线上的每一个离散点的纵坐标的值是魏氏法血沉测量结果，也就是说上述定标曲线是综合了聚集法和魏氏法得到的，因此通过定标曲线获得的第二血沉测量结果比现有技术中仅采用聚集法获得的血沉测量结果会更接近于魏氏法血沉测量结果。
采用本发明实施例获得的第二血沉测量结果与现有技术中ALIFAX公司的仪器所检测得到的红细胞聚集法参考值具有良好的相关性，如图6所示。如图6所示，第二血沉测量结果与参考聚集法测量结果的相关性超过了0.9，表明第二血沉测量结果与参考聚集法测量结果具有良好的一致性。
再次参考图3，血细胞检测装置30可以包括血细胞反应池31和血细胞检测组件(图中未示出)。血细胞反应池31用于为被分配的待测血液样本部分提供与试剂混合的场所，血细胞检测组件用于对血细胞反应池31中的待测血液样本部分进行血细胞检测以获得待测血液样本的血细胞数据。
本领域技术人员能够理解，血细胞检测装置30的血细胞检测组件可以包括光学检测单元、阻抗检测单元和血红蛋白检测单元中的至少一个。相应地，反应池可以包括光学检测反应池、阻抗检测反应池和血红蛋白检测反应池中的至少一个。在血细胞检测装置30对血液样本进行血常规检测时，可以将血液样本和相应的试剂(例如稀释液和/或溶血剂和/或染色剂等等)加入到反应池31中，由血细胞检测组件对反应池31中的血液样本进行测量，以获得至少一种血细胞数据，血细胞数据可以包括红细胞数据、血小板数据、白细胞数据和血红蛋白数据中的一种或多种，具体地可以是WBC(White blood cell，白细胞)分类参数、WBC计数和形态参数、HGB(Hemoglobin，血红蛋白)参数、RBC(Red blood cell，红细胞)以及PLT(blood platelet，血小板)计数和形态参数中的至少一种或多种组合。
在一些实施例中，本发明使用的血细胞数据包括通过流式细胞术和/或库尔特法(也称为阻抗法)测得的红细胞数据和/血小板数据和/或白细胞数据。
在一个具体的实施例中，血细胞检测装置30的基于库尔特法工作的阻抗检测单元包括检测小孔和检测电路。该检测电路设置用于检测被分配给阻抗检测单元的血液样本部分中的细胞在经过检测小孔时的阻抗变化信号(或者说脉冲信号)、如图7所示。本发明使用的血细胞数据此时可以包括根据阻抗变化信号获得的红细胞数据、血小板数据或白细胞数据。
进一步地，本发明使用的红细胞数据可以包括通过库尔特法测得(即，根据阻抗变化信号获得)的红细胞计数、红细胞比容值、平均红细胞体积、红细胞体积变异系数以及红细胞分布宽度标准差中的一个或多个。和/或，本发明使用的血小板数据可以是根据库尔特法测得的(即，根据阻抗变化信号获得)的血小板计数。和/或，本发明使用的白细胞数据可以是根据库尔特法测得的(即，根据阻抗变化信号获得)的白细胞计数
在另一些实施例中，本发明使用的红细胞数据还可以包括基于阻抗变化信号获得的红细胞体积分布直方图，如图8所示。
备选地或附加地，本发明使用的红细胞数据也可以包括基于阻抗变化信号获得的红细胞散点图。生成该红细胞散点图的数据包含红细胞的体积信号、即阻抗变化信号以及其它与红细胞经过检测小孔相关的信号，例如红细胞经过检测小孔的时间或者红细胞到达检测小孔中心位置的时间。如图9所示，在其中示出的红细胞散点图中，横坐标为红细胞经过检测小孔的时间，纵坐标为阻抗信号。
在又另一些实施例中，本发明使用的红细胞数据也可以包括通过阻抗检测单元测得的阻抗变化信号本身。
在另一个具体的实施例中，血细胞检测装置30的光学检测单元基于流式细胞术原理工作。光学检测单元具有光源、流动室和光检测器，光源设置用于发射光束以照射流动室的检测区，光检测器设置用于检测被分配给光学检测单元的血液样本部分中的细胞在通过检测区时被光照射后产生的光学信号(或者说脉冲信号)、如图10所示。本发明使用的血细胞数据此时可以包括根据光学信号获得的红细胞数据。在此，在光学检测单元检测红细胞时，不对待测样本进行溶血处理。例如，本发明使用的血细胞数据可以包括基于由光学检测单元检测到的光学信号获得的红细胞散点图。优选地，通过流式细胞术获得的红细胞散点图至少包含红细胞的前向散射光信号FSC，而形成红细胞散点图的其它信号可以是红细胞的侧向散射光信号SSC和/侧向荧光信号SFL。如图11所示，在其中示出的红细胞散点图中，横坐标为红细胞的侧向荧光信号SFL，纵坐标为红细胞的前向散射光信号FSC。
当然，在其他实施例中，本发明使用的血细胞数据也可以包括通过光学检测单元测得的光学信号、尤其是前向散射光信号本身。
在另一些实施例中，本发明使用的血细胞数据还可以包括根据光学信号获得的血小板数据和/或白细胞数据。
具体地，根据光学信号获得的血小板数据包括根据光学信号获得的血小板计数。根据光学信号获得的白细胞数据包括根据光学信号获得的白细胞计数。
在一些实施例中，本发明使用的血细胞数据包括通过血红蛋白检测单元检测的血红蛋白浓度和/或基于血红蛋白浓度获得的平均血红蛋白含量和/或平均血红蛋白浓度。其中，血红蛋白检测单元用于检测被分配到血红蛋白检测单元的血液样本部分的血红蛋白浓度。
血细胞数据在一些实施例中，神经网络模型例如包括BP(back propagation)神经网络模型或卷积神经网络模型。在此优选地，神经网络模型被预先训练好并存储在数据处理装置40中。例如，神经网络模型预先通过大量临床样本的检测数据训练好。
在一些实施例中，与红细胞聚集相关的参数中的一个与红细胞聚集相关的参数为第二血沉测量结果，而另一个与红细胞聚集相关的参数从其他与红细胞聚集相关的参数、例如上述曲线特征值中选择，也就是说第二血沉测量结果是修正的对象，另一个与红细胞聚集相关的参数是对第二血沉测量结果进行修正的参数。在此，利用与红细胞聚集相关的参数以及血细胞数据共同来对第二血沉测量结果进行修正，以修正后的第一血沉测量结果。
进一步地，可以将第二血沉测量结果、血细胞数据以及一个或多个红细胞聚集曲线特征输入预训练好的神经网络模型，以输出第一血沉测量结果。例如可以将第二血沉测量结果、通过阻抗法获得的红细胞体积分布直方图和一个或多个红细胞聚集曲线特征输入预训练好的神经网络模型，以输出第一血沉测量结果。再例如，可以将第二血沉测量结果、通过阻抗法获得的红细胞散点图和一个或多个红细胞聚集曲线特征输入预训练好的神经网络模型，以输出第一血沉测量结果。又例如，可以将第二血沉测量结果、通过光学法获得的红细胞散点图和一个或多个红细胞聚集曲线特征输入预训练好的神经网络模型，以输出第一血沉测量结果。再例如，可以将第二血沉测量结果、红细胞在经过检测小孔时的阻抗变化信号和一个或多个红细胞聚集曲线特征输入预训练好的神经网络模型，以输出第一血沉测量结果。此外还可以将第二血沉测量结果、红细胞在通过检测区时被光照射后产生的光学信号和一个或多个红细胞聚集曲线特征输入预训练好的神经网络模型，以输出第一血沉测量结果。
图12示出一个训练好的神经网络模型，该神经网络模型有三个输入参数，这三个输入参数分别为第二血沉测量结果ESR2、红细胞压积HCT以及在测量结束时间点t2处的透射光强的1/2所对应的时间点t3。然后经过K个节点进行计算得到第一血沉测量结果，以使得第一血沉结果ESR1与魏氏法获得的血沉结果一致。具体地，神经网络模型在此为BP(backpropagation)神经网络模型。
采集大量血液样本的第二血沉测量结果ESR2、HCT、在测量结束时间点t2处的透射光强的1/2所对应的时间点t3以及魏氏法测量结果，按照图11所示的神经网络模型进行训练，以获得神经网络模型的参数。接着，采用按照本发明的血沉测量系统并且采用魏氏法对待测血液样本进行检测，以获得相应的第一血沉测量结果ESR1和魏氏法测量结果。根据上述待测血液样本的第一血沉测量结果和魏氏法测量结果得到如图13所示的相关性。如图13所示，第一血沉测量结果ESR1与魏氏法测量结果的相关性超过了0.9268，表明第一血沉测量结果与魏氏法测量结果具有良好的一致性。
在一些实施例中，数据处理装置40还可以被配置为输出第一血沉测量结果和第二血沉测量结果中的至少一个。具体地，可以选取第一血沉测量结果或第二血沉测量结果报告给用户，或两个都报告给用户供用户参考。
在一些实施例中，数据处理装置40可以包括处理器和存储器。处理器可以为CPU，GPU或其它具有运算能力的芯片。存储器中装有计算模型等供处理器执行的各种计算机程序及执行该计算机程序所需的数据。本发明所使用的计算模型例如存储在存储器中。
如图14所示，本发明实施例还提供一种血沉测量设备，包括血沉检测装置20和数据处理装置40。
血沉检测装置20被配置用于对待测血液样本进行检测，以获取透过被分配的血液样本部分的透射光或经被分配的血液样本部分散射的散射光的光强随时间变化的红细胞聚集曲线。
数据处理装置40被配置用于：从红细胞聚集曲线提取与红细胞聚集相关的参数，获取待测血液样本的由血细胞分析仪检测的血细胞数据，所述血细胞数据至少包括红细胞数据，并将与红细胞聚集相关的参数以及血细胞数据输入神经网络模型，以计算得到血沉测量结果。
在此，血细胞分析仪设置在血沉测量设备之外，并且与数据处理装置40通信连接，以便数据处理装置能够获取由血细胞分析仪检测的血细胞数据。
在一些实施例中，血沉检测装置还被配置用于在检测红细胞聚集曲线之前通过使待测血液样本在血沉检测装置的检测区中来回流动来对该待测血液样本中的红细胞进行解聚处理，并检测透过经解聚的待测血液样本的透射光或经待测血液样本散射的散射光的光强随时间变化的红细胞聚集曲线。
本发明实施例提供的血沉测量设备的其他特征和优点可参考上述对本发明实施例提供的血沉测量系统和血沉测量方法的描述。
参考图15，本发明实施例提供一种血沉测量方法，包括如下步骤：
S601，将一部分待测血液样本运送至光学检测管路，并通过使一部分待测血液样本在光学检测管路中来回流动，以便对一部分待测血液样本中的红细胞进行解聚处理；
S602，在解聚处理之后使一部分待测血液样本静止在光学检测管路中并用光照射一部分待测血液样本，以获取透过一部分待测血液样本的透射光的光强随时间变化的红细胞聚集曲线；
S603，将解析数据输入具有神经网络结构的深度学习算法中，解析数据包括从红细胞聚集曲线获得的与红细胞聚集相关的参数并且包括待测血液样本的通过流式细胞术和/或库尔特法测得的血细胞数据，所述血细胞数据至少包括红细胞数据；以及
S604，通过深度学习算法计算待测血液样本的血沉检测结果。
例如，血沉测量系统的采样针吸取待测血液样本，混匀后使得待测血液样本中的红细胞充分解聚，测量解聚后的血液样本透过的光强随时间的变化曲线，即红细胞聚集曲线。
在本发明实施例的血沉测量方法中，首先通过对待测血液样本中的红细胞进行解聚处理，然后在解聚处理后获得红细胞聚集曲线。并基于该红细胞聚集曲线获得与红细胞聚集相关的参数，并且将该与红细胞聚集相关的参数以及血细胞数据作为深度学习算法的输入参数来计算获得待测血液样本的血沉检测结果，由此能够快速地获得与魏氏法测得的血沉测量结果一致性更好的血沉测量结果。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。
Claims (23)
1.一种血沉测量系统，其特征在于，包括采样分配装置、血沉检测装置、血细胞检测装置和数据处理装置，
所述采样分配装置被配置为采集待测血液样本，并将所述待测血液样本至少部分地分别分配给所述血沉检测装置和所述血细胞检测装置；
所述血沉检测装置被配置为对被分配的血液样本部分进行检测，以获取透过被分配的血液样本部分的透射光或经被分配的血液样本部分散射的散射光的光强随时间变化的红细胞聚集曲线；
所述血细胞检测装置被配置为对被分配的血液样本部分进行检测，以获得所述待测血液样本的血细胞数据，所述血细胞数据至少包括红细胞数据；
所述数据处理装置被配置为，从所述红细胞聚集曲线提取与红细胞聚集相关的参数和所述血细胞数据，并将所述与红细胞聚集相关的参数和所述血细胞数据输入神经网络模型，以计算得到第一血沉测量结果。
2.根据权利要求1所述的血沉测量系统，其特征在于，所述与红细胞聚集相关的参数包括从所述红细胞聚集曲线提取的至少两个特征参数。
3.根据权利要求1或2所述的血沉测量系统，其特征在于，所述血沉检测装置还被配置为，在检测被分配的血液样本部分之前，通过使被分配的血液样本部分在所述血沉检测装置的检测区中来回流动来对该被分配的血液样本部分中的红细胞进行解聚处理；
其中，所述红细胞聚集曲线为透过解聚后的血液样本的透射光的光强随时间的变化曲线。
4.根据权利要求1至3中任一项所述的血沉测量系统，其特征在于，所述与红细胞聚集相关的参数选自包括如下参数的组：
从测量起始时间点到测量结束时间点之间的时间段内所述红细胞聚集曲线与时间轴围成的面积；
根据所述面积和预设的定标曲线计算得到的第二血沉测量结果；
在测量起始时间点到测量结束时间点之间的时间段内的透射光强最小值；
在测量起始时间点处的透射光强与在测量结束时间点处的透射光强的差值；以及
在测量结束时间点处的透射光强的1/2所对应的时间点。
5.根据权利要求1至4中任一项所述的血沉测量系统，其特征在于，所述数据处理装置还被配置为输出所述第一血沉测量结果和所述第二血沉测量结果中的至少一个。
6.根据权利要求1至5中任一项所述的血沉测量系统，其特征在于，所述血细胞数据还包括血小板数据、白细胞数据和血红蛋白数据中的一种或多种。
7.根据权利要求1至6中任一项所述的血沉测量系统，其特征在于，所述血细胞检测装置包括阻抗检测单元，所述阻抗检测单元包括检测小孔和检测电路，该检测电路设置用于检测被分配给阻抗检测单元的血液样本部分中的细胞在经过所述检测小孔时的阻抗变化信号；
其中，所述血细胞数据包括根据所述阻抗变化信号获得的红细胞数据、血小板数据和/或白细胞数据。
8.根据权利要求7所述的血沉测量系统，其特征在于，根据所述阻抗变化信号获得的红细胞数据包括根据所述阻抗变化信号获得的红细胞脉冲信号、红细胞计数、红细胞比容值、平均红细胞体积、红细胞体积变异系数、红细胞分布宽度标准差、红细胞体积直方图以及红细胞散点图中的一个或多个；和/或
根据所述阻抗变化信号获得的血小板数据包括根据所述阻抗变化信号获得的血小板计数；和/或
根据阻抗变化信号获得的白细胞数据包括根据所述阻抗变化信号获得的白细胞计数。
9.根据权利要求1至8中任一项所述的血沉测量系统，其特征在于，所述血细胞检测装置包括光学检测单元，所述光学检测单元具有光源、流动室和光检测器，所述光源设置用于发射光束以照射所述流动室的检测区，所述光检测器设置用于检测被分配给光学检测单元的血液样本部分中的细胞在通过所述检测区时被光照射后产生的光学信号；
其中，所述血细胞数据包括根据所述光学信号获得的红细胞数据和/或血小板数据和/或白细胞数据。
10.根据权利要求9所述的血沉测量系统，其特征在于，根据所述光学信号获得的红细胞数据包括红细胞脉冲信号和/或红细胞散点图；和/或
根据所述光学信号获得的血小板数据包括根据所述光学信号获得的血小板计数；和/或
根据所述光学信号获得的白细胞数据包括根据所述光学信号获得的白细胞计数。
11.根据权利要求1至10中任一项所述的血沉测量系统，其特征在于，所述血细胞检测装置包括血红蛋白检测单元，所述血红蛋白检测单元设置用于检测被分配给血红蛋白检测单元的血液样本部分的血红蛋白浓度；
其中，所述血细胞数据包括所述血红蛋白浓度和/或基于所述血红蛋白浓度获得的平均血红蛋白含量和/或平均血红蛋白浓度。
12.一种血沉测量设备，包括血沉检测装置和数据处理装置；
所述血沉检测装置被配置用于对待测血液样本进行检测，以获取透过被分配的血液样本部分的透射光或经被分配的血液样本部分散射的散射光的光强随时间变化的红细胞聚集曲线；
所述数据处理装置被配置用于：从所述红细胞聚集曲线提取与红细胞聚集相关的参数，获取所述待测血液样本的由血细胞分析仪检测的血细胞数据，所述血细胞数据至少包括红细胞数据，并将所述与红细胞聚集相关的参数以及所述血细胞数据输入神经网络模型，以计算得到血沉测量结果。
13.根据权利要求12所述的血沉测量设备，其特征在于，所述血沉检测装置还被配置用于在检测所述红细胞聚集曲线之前通过使待测血液样本在所述血沉检测装置的检测区中来回流动来对该待测血液样本中的红细胞进行解聚处理，并检测透过经解聚的待测血液样本的透射光或经待测血液样本散射的散射光的光强随时间变化的红细胞聚集曲线。
14.根据权利要求12或13所述的血沉测量系统，其特征在于，所述与红细胞聚集相关的参数包括从所述红细胞聚集曲线提取的至少两个特征参数。
15.一种血沉测量方法，其特征在于，包括如下步骤：
获取待测血液样本的红细胞聚集曲线，并从所述红细胞聚集曲线提取待测血液样本的与红细胞聚集相关的参数，其中，所述红细胞聚集曲线为透过待测血液样本的透射光或经待测血液样本散射的散射光的光强随时间的变化曲线；
获取待测血液样本的血细胞数据，所述血细胞数据至少包括红细胞数据；和
将所述与红细胞聚集相关的参数和所述血细胞数据输入神经网络模型，以计算得到第一血沉测量结果。
16.根据权利要求15所述的血沉测量方法，其特征在于，所述与红细胞聚集相关的参数包括从所述红细胞聚集曲线提取的至少两个特征参数。
17.根据权利要求15或16所述的血沉测量方法，其特征在于，所述与红细胞聚集相关的参数选自包括如下参数的组：
从测量起始时间点到测量结束时间点之间的时间段内所述红细胞聚集曲线与时间轴围成的面积；
根据所述面积和预设的定标曲线计算得到的第二血沉测量结果；
在测量起始时间点到测量结束时间点之间的时间段内的透射光强最小值；
在测量起始时间点处的透射光强与在测量结束时间点处的透射光强的差值；以及
在测量结束时间点处的透射光强的1/2所对应的时间点。
18.根据权利要求17所述的血沉测量方法，其特征在于，还包括输出所述第一血沉测量结果和所述第二血沉测量结果中的至少一个。
19.根据权利要求15至18中任一项所述的血沉测量方法，其特征在于，所述血细胞数据还包括血小板数据、白细胞数据和血红蛋白数据中的一种或多种。
20.根据权利要求15至19中任一项所述的血沉测量方法，其特征在于，所述血细胞数据包括通过流式细胞术和/或库尔特法测得的红细胞数据和/或血小板数据和/或白细胞数据。
21.根据权利要求20所述的血沉测量方法，其特征在于，所述红细胞数据包括通过库尔特法测得的红细胞脉冲信号、红细胞计数、红细胞比容值、平均红细胞体积、红细胞体积变异系数、红细胞分布宽度标准差、红细胞体积分布直方图以及红细胞散点图中的一个或多个；和/或，所述血小板数据包括通过流式细胞术或库尔特法测得的血小板计数；和/或，所述白细胞数据包括通过流式细胞术或库尔特法测得的白细胞计数；和/或所述血红蛋白数据包括血红蛋白浓度和/或基于所述血红蛋白浓度获得的平均血红蛋白含量和/或平均血红蛋白浓度。
22.根据权利要求20或21所述的血沉测量方法，其特征在于，所述红细胞数据包括通过流式细胞术测得的红细胞脉冲信号和/或红细胞散点图。
23.一种血沉测量方法，其特征在于，包括如下步骤：
将一部分待测血液样本运送至光学检测管路，并通过使所述一部分待测血液样本在所述光学检测管路中来回流动，以便对所述一部分待测血液样本中的红细胞进行解聚处理；
在所述解聚处理之后使所述一部分待测血液样本静止在所述光学检测管路中并用光照射所述一部分待测血液样本，以获取透过所述一部分待测血液样本的透射光的光强随时间变化的红细胞聚集曲线；
将解析数据输入具有神经网络结构的深度学习算法中，所述解析数据包括从所述红细胞聚集曲线获得的与红细胞聚集相关的参数并且包括所述待测血液样本的通过流式细胞术和/或库尔特法测得的血细胞数据；以及
通过所述深度学习算法计算所述待测血液样本的血沉检测结果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111414515.2A CN116165172A (zh) | 2021-11-25 | 2021-11-25 | 血沉测量系统、血沉测量设备以及血沉测量方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111414515.2A CN116165172A (zh) | 2021-11-25 | 2021-11-25 | 血沉测量系统、血沉测量设备以及血沉测量方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116165172A true CN116165172A (zh) | 2023-05-26 |
Family
ID=86415084
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111414515.2A Pending CN116165172A (zh) | 2021-11-25 | 2021-11-25 | 血沉测量系统、血沉测量设备以及血沉测量方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116165172A (zh) |
-
2021
- 2021-11-25 CN CN202111414515.2A patent/CN116165172A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101963477B1 (ko) | 백혈구 수치를 측정하기 위한 방법 및 장치 | |
| US9939453B2 (en) | Immature platelet enumeration systems and methods | |
| CN111542744B (zh) | 血液分析仪、血液分析方法和计算机可读存储介质 | |
| US8017078B2 (en) | Blood cell analyzer, blood cell analyzing method, and computer program product | |
| EP1975625B1 (en) | Sample analyzer, sample analyzing method, and computer program product | |
| US9176112B2 (en) | Systems and methods for platelet count with clump adjustment | |
| JP2015524571A (ja) | Ｃｐｄデータを使用した白血病分類 | |
| US20240159640A1 (en) | Esr detection device and esr detection method | |
| CN116165172A (zh) | 血沉测量系统、血沉测量设备以及血沉测量方法 | |
| CN116952806A (zh) | 样本分析仪 | |
| WO2020137640A1 (ja) | 血液分析装置、コンピュータープログラム、および血液分析方法 | |
| CN116183452A (zh) | 血沉测量系统、设备、方法和计算机可读存储介质 | |
| CN116165108A (zh) | 血沉测量系统、设备及血沉测量方法 | |
| CN116165107A (zh) | 血沉测量系统、设备及血沉测量方法 | |
| CN116773440A (zh) | 被检物分析装置、被检物分析方法以及程序 |
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 |