[发明专利]一种血细胞脉冲信号的分类识别方法

说明书

技术领域

本发明涉及一种基于神经网络的血细胞信号的分类识别方法，尤其是涉及一种血细胞脉冲信号的分类识别方法。

背景技术

在血液学检测方面，血细胞分类和计数在临床检测工作中具有非常重要的作用，很多医疗器械生产商如日本Sysmex、美国Abbott等纷纷投入大量资金进行血细胞识别方法的研究与血细胞分析仪的研发。目前，国内外大部分血细胞分析仪主要应用了由美国科学家Coulter在1947年提出的Coulter原理，这些血细胞分析仪包括Coulter传感器，但当待检测的血细胞通过Coulter传感器时相距较近的血细胞会产生信号叠加形成M信号，使得后续血细胞识别变得很困难。传统的血细胞识别方法主要有模拟电路识别方法和基于FPGA(Field Programmable Gate Array，现场可编程门阵列)的数字化识别方法。模拟电路识别方法识别血细胞信号时会产生漏计数或识别不准确现象，特别是当待检测血液浓度较大时，使得实际计数结果与真实值之间偏差较大；同时必须采用大量的模拟芯片来实现对复杂脉冲信号的处理，使得识别电路体积十分庞大，且调试难度较大，价格也较高。基于FPGA的数字化识别方法主要是根据血细胞信号的脉冲宽度、高度以及各信号点的微分值来区别非细胞信号，有效的避免了误识别，但是这种识别方法仍然无法精确识别M信号。

发明内容

本发明所要解决的技术问题是提供一种能够有效地识别出M信号，且识别效率高、识别准确度高及稳定性能良好的血细胞脉冲信号的分类识别方法。

本发明解决上述技术问题所采用的技术方案为：一种血细胞脉冲信号的分类识别方法，它通过设置信号预处理模块和信号识别模块，当被检测血液通过Coulter传感器得到一系列血细胞脉冲信号，所述的信号预处理模块对所述的血细胞脉冲信号进行处理得到血细胞数字信号，所述的信号识别模块再对所述的血细胞数字信号进行分类识别，所述的信号识别模块包括数字滤波器和核心处理块，具体处理步骤包括：1)、利用数字滤波器对血细胞数字信号进行数字滤波，得到光滑的血细胞数字信号；2)、在核心处理块中建立神经网络分类器，通过神经网络分类器将数字滤波处理后的血细胞数字信号进行分类处理，得到正常单峰脉冲信号、过窄脉冲信号、过宽脉冲信号和M信号；3)、根据M信号的特征量，在核心处理块中利用曲线拟合法或神经网络方法将M信号进行拆分获取叠加成M信号的两个单峰信号的脉冲宽度和峰值。

所述的数字滤波器为带通滤波器或均值滤波器。

所述的神经网络分类器包括特征分析模块、特征选择模块、神经网络训练模块和识别分类模块，所述的特征分析模块对数字滤波处理后的血细胞数字信号进行特征分析，从中提取出血细胞特征量，再通过所述的特征选择模块对所述的血细胞特征量进行选择处理，然后再通过所述的神经网络训练模块进行样本学习和网络训练，最后通过所述的分类识别模块进行分类处理。

所述的神经网络方法的具体过程为：首先提取M信号的时域特征量和频域特征量，然后选择合适的特征量作为神经网络的输入，再对M信号进行拆分，输出叠加成M信号的两个单峰信号的脉冲宽度和峰值。

所述的特征分析的过程包括形态学分析、时域特征分析和频域特征分析。

所述的信号预处理模块包括前置放大器、模拟滤波器和AD转换器(ADC，Analog-Digital Converter)，所述的血细胞脉冲信号经过所述的前置放大器进行放大处理，并通过所述的模拟滤波器进行模拟滤波处理，再将模拟滤波处理后的血细胞脉冲信号通过所述的AD转换器转换成血细胞数字信号。

与现有技术相比，本发明的优点在于由于本发明在信号识别模块中采用了数字滤波器对血细胞数字信号进行滤波处理，有效地提高了识别精度和可靠性；由于本发明通过建立神经网络分类器对血细胞数字信号进行分类处理，合理地提取出了各类细胞信号的特征量，并进行了充分的学习和训练，达到了良好的分类效果；M信号的拆分处理采用曲线拟合法，可用简单的嵌入式系统来实现，并能达到实时、高效地处理；M信号的拆分处理采用神经网络方法，通过提取M信号的时域特征量和频域特征量，大大减少了神经网络的输入特征维数，提高了网络的收敛速度，并且提高了识别的准确率。

附图说明

图1为本发明方法的流程框图；

图2为本发明的神经网络分类器的逻辑示意图；

图3为本发明的采用神经网络方法进行M信号拆分的流程框图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。