[发明专利]基于迭代的粒子散点图分类方法

说明书

技术领域

本发明涉及粒子检测技术领域，尤其是涉及一种通过迭代提高粒子散点图分类精度的方法。

背景技术

粒子检测仪用于对各种粒子进行分类统计，例如血液细胞分析仪，其主要功能就是提供人体中各类细胞的数目，其中对各类白细胞的计数是基本的功能。使经过试剂处理后的、被液体包被的白细胞逐个通过检测区域（流动室），将激光照射到单个的细胞上，通过收集不同角度的折射或散射光线（通常为前向散射光FSC、侧向散射光SSC），再通过光电转换和AD转换，得到对应细胞的一组二维数据，将此二维数据映射到坐标系中，可以得到该细胞在二维坐标系中的位置，将样本中的所有白细胞都映射到坐标上可以得到二维的白细胞分布图，简称散点图。

在散点图中，同一类的白细胞聚集在一起，不同类的白细胞互相分离，见图1所示。在散点图上划分多个区域，把落在统一区域的白细胞归为同一类，并统计落在这些类别内的粒子数据和百分比，用于分析被测样本的成分组成。

通常需要分类的粒子散点图中除了图1中所示的有效的需要分类的粒子外还包括一些无效的信息，即无效点，如血细胞分析仪白细胞散点图中的血影部分，见图2所示的无效区域。这些无效点会对粒子分类的结果产生影响，尤其当无效点较多时，会对分类的精度产生明显影响，甚至导致整个粒子群落的错误识别。这些无效点往往存在分散性和不稳定性，即对于不同的输入，无效区域的位置、形状和大小均略有不同，因此仅能通过估计的方法确定无效粒子区。

传统的粒子散点图的分类方法通常是先估计无效区域，予以分离，再进行粒子群落的分类。鉴于之前提到的无效点分布的分散性和不稳定性，直接估计无效点分布区域较为困难，估计结果准确性较低，从而导致错误分类。

发明内容

本发明就是为了弥补上述分类方法的不足，提出了一种通过迭代提高粒子散点图分类精度的方法，能够提供稳定、准确的分类结果。

本发明采用如下技术方案实现：一种基于迭代的粒子散点图分类方法，其包括步骤：

A、对粒子散点图中粒子进行分类，获取各粒子分类的统计信息；

B、利用各粒子分类的统计信息估算粒子的无效区域； 

C、将无效区域中的粒子分离，并获取各粒子分类的统计信息；

D、判断本次迭代后各粒子分类的统计信息与上次迭代后各粒子分类的统计信息的差值是否小于阈值，若是，则终止迭代并输出分类结果，否则转入步骤A启动再次迭代分类处理。

其中，在步骤A之前，所述方法还包括步骤：初步估计粒子散点图中粒子的无效区域，并将无效区域中的粒子分离。

其中，所述步骤B是根据散点图的特征建立模型，确定粒子散点图中各粒子分类的统计信息与无效区域的关系，以此利用各粒子分类的统计信息估算粒子的无效区域。

其中，所述将无效区域中的粒子分离的步骤是将无效区域中的粒子数置零。

另外，本发明还公开一种基于迭代的粒子散点图分类系统，其所述系统包括：

初步分类处理模块，用于初步估计粒子散点图中粒子的无效区域，并将无效区域中的粒子分离；

分类信息统计模块，用于对粒子散点图中粒子进行分类，获取各粒子分类的统计信息；

精确分类处理模块，用于利用各粒子分类的统计信息估算粒子的无效区域，将无效区域中的粒子分离；

比较模块，用于判断本次迭代后各粒子分类的统计信息与上次迭代后各粒子分类的统计信息的差值是否小于阈值，若是，则终止迭代并由分类结果输出模块输出分类结果，否则控制分类信息统计模块启动再次迭代分类处理；

分类结果输出模块，用于在终止迭代后输出分类结果。

与现有技术相比，本发明具有如下有益效果：

本发明提供了用以自动提高粒子散点图无效区域估计准确性以及粒子分类精度的方法，降低人为建模以准确估计无效区域的难度，有效地提高了粒子散点图分类的稳定性和准确性，具有实现简单的优点。

附图说明

图1是散点图中粒子群落的示意图；

图2是原始散点图的示意图；

图3是本发明的流程示意图；

图4是散点图中无效区域初步选择的示意图；

图5是精确估算散点图无效区域的分类示意图；

图6是本发明的系统结构示意图。

具体实施方式