[发明专利]一种粒子自动分类方法

说明书

技术领域

本发明涉及粒子分类方法，尤其适用于流式细胞仪的自动分类方法。

背景技术

流式细胞仪以及基于流式细胞仪技术的血液分析仪、尿液分析仪及粒子分析仪等都是通过收集或者分析粒子的二维或者多维数据的方法来识别液体中的不同粒子以将它们分成不同的类别。如图1所示，在流式细胞仪中，细胞或者粒子的悬液在鞘液的包裹下逐个通过光照区域，在光照区域中粒子受到激光的照射而产生不同的光信号，如前向散射信号，侧向散射信号，以及多路荧光信号。大角度信号反映了细胞复杂度信息，小角度信号反映了细胞体积信息。分析系统将检测器收集来的这些信号生成二维或者三维数据的散点图，在散点图上划分多个区域，细胞或者粒子的多参数信号落在同一个区域的那些粒子被归为同一类，并统计这些类别内的粒子数目和百分比，用以分析样本的统计特性。传统的方法是在散点图上用固定边界进行分类，固定边界能体现出大部分正常样本特征，缺点是不能对不同的样本进行边界调整，当某些样本的粒子的信号特征显著不同于固定边界所表达的特征时就会出现较大的偏差。US.Pat.No.4987086、4727020、4704891、4599037、4987086、6014904都使用了一些方法识别和分类计数血液样本中的细胞的分类方法。

用事先划分好的边界可以在散点图上生成不同的区域代表着不同类粒子类别，然而这些离散的区域可能会有重叠，落在重叠区域的粒子可能会被错误的识别分类。U.S.Pat.No.5627040使用了一种“重心引力因子“的方法解决了此问题。这种方法使用尺寸、形状、和方位固定而位置不固定的边界在散点图进行分类，用一种优化算法根据每个类的引力因子将这个类的边界位置固定下来。由于血液细胞个体差异很大，重心引力因子虽然可以调整尺寸，但是形状和方位还是固定的，因此这种方法只适合于大多数具有共性的样本的问题。

当出现个体差异的时候可以在散点图上手动重新划定边界，US.Pat.No.6944338指出了一种自动的分类方法，用修改后的Koonst and Fukunaga算法寻找二维数据的分界线即二维数据的波谷，使用这些分界线分别将落在同一区域中的粒子归为一类，以此将粒子分成多个类别。这种方法的局限性：散点图上的数据不连续，非常离散，很多点周围没有数据，此算法会对这些点寻找边界并最终将它们归为单独一类，而实际上这些点不是一类而是某个大类的，只不过这些粒子比较分散而已；即使采样格数据平滑也很难解决问题，平滑的越厉害，计算出来的波谷到原始数据上出现的偏差越大；此算法对二维散点图上的每个点都进行一次运算，但是实际上散点图上真正有效的点并不多，有很多的区域都没有数据，二维的散点图实际上一个稀疏矩阵，如果对每个点都进行查找会导致算法的效率下降。

国内CN101226190A公开了一种流式细胞术的自动分类方法和装置，使用了一种层次聚类的分类方法来分类粒子的类别。通过计算所有有效细胞或者粒子每两个粒子的有效距离，查找出距离最小的两个细胞或者粒子，用于将查找出的最小的细胞或者粒子合并到一个维数相同的新类中，用于在距离集合中删除与该细胞粒子相关的距离，用于计算新类与其他类粒子或者细胞之间的相关距离，每一个粒子都要找到与其最近的距离，计算距离的计算量是(N*N*(N+1)/2)*O(N^2)，使用k均值聚类方法计算距离的计算量是(3*N)*n*O(N^2)，n次迭代结束，N总共的粒子数量，缺点是运算速度慢。

发明内容

本发明提供一种粒子自动分类方法，解决以上重叠区域的粒子分类出现偏差和速度慢的问题，自动调整粒子的边界，大小和方向，提高对异常样本的适应能力和准确性。

本发明采取的技术方案是，包括以下步骤：

A1、根据得到的每个细胞或粒子逐一通过光照区域时产生的至少两路光信号，将每个细胞或者粒子表示为每一个与其光信号强度相关的、至少二维的特征向量；

B1、计算所有有效细胞或粒子与其每一类中心细胞的距离，即距离越近，每一类细胞或粒子之间的相似程度越高；

C1、直到每一类细胞的中心位置与前一次中心位置小于一个足够小的值时，每一类的细胞或者粒子的相似程度达到最高；

D1、反复步骤C1，至少将所有有效细胞或者粒子聚类成符合样本的测量原理所应有的类别数。

本发明一种实施方式是：在步骤A1之后，步骤B1之前包括如下步骤：设定阈值，将不符合阈值条件或者和周围数据差异很大的细胞或者粒子去掉。