[发明专利]基于概率分布细胞分类统计方法

摘要

本发明涉及人体血细胞检测不同类型细胞分类识别技术。包括以下步骤：A.对原始散点图进行初始划分，确认亚群种类；B.分别计算各个亚群的高斯分布特征参数，并计算最大对数似然函数值；C.进入迭代计算，根据上次迭代输出的高斯分布函数，计算各细胞处于各个亚群的概率分布；D.根据各细胞概率分布重新计算各个亚群的高斯分布特征参数，并计算最大对数似然函数值；E.判定最大对数似然函数值是否收敛，若不收敛，则重复步骤C和D继续迭代计算，若收敛，则终止迭代，输出各亚群高斯分布特征参数和各细胞亚群类型。本发明对散点图初始分界线划分的准确性要求较低，降低了算法的复杂度，自适应能力强，提高了粒子分类的准确性和稳定性。

主权项

1.一种基于概率分布细胞分类统计方法，所述方法包括以下步骤：A.对原始散点图进行初始划分，确认亚群种类；B.分别计算各个亚群的高斯分布特征参数，并计算最大对数似然函数值；C.进入迭代计算，根据上次高斯分布特征函数，计算各细胞处于各个亚群的概率分布；D.根据各细胞概率分布重新计算各个亚群的高斯分布特征参数，并计算最大对数似然函数值；E.判定最大对数似然函数值是否收敛，若不收敛，则重复步骤C和D继续迭代计算，若收敛，则终止迭代，输出各亚群高斯分布特征参数和各细胞亚群类型；对细胞散点图分类统计算法具体步骤为：1)将识别的散射脉冲信号峰值数据变换到二维空间中，形成白细胞原始散点图，为低角散射信号和中低角散射信号形成的二维原始散点图；2)对原始散点图进行去噪处理，利用邻域内非零点数和粒子总数来进行判定，不符合条件的点去掉；对去噪过后的散点图分别在低角散射信号和中低角散射信号方向投影生成直方图，根据直方图趋势寻找血影分界线，去除血影；3)对散点图在血影的低角散射信号方向生成投影直方图，寻找到截止点，寻找到特定的两个极大值点，再在这两个极大值之间寻找到极小值点作为血影的低角散射信号分界线；对散点图在中低角散射信号方向生成投影直方图，按照类似的方式，寻找血影的低角散射信号分界线，根据折线将下方判定为血影粒子，将血影粒子从散点图中剔除；4)根据去除血影的散点图分别在低角散射信号和中低角散射信号方向投影直方图,寻找各个极值点,判定各亚群的分界线,确定该散点图亚群的种类K；5)根据初始分界线，对细胞散点图进行初始分类，计算各个亚群粒子的权重πk，均值μk，和协方差矩阵Σk，对各个亚群的初始高斯分布进行确定；再根据最大对数似然函数计算出该散点图的最大对数似然函数值Ln；6)开始进入迭代计算，根据上次迭代所得到的各亚群的高斯分布函数重新计算各个粒子点出现在各个亚群的概率γ(i，k)；7)再次根据各个粒子的概率分布γ(i，k)，计算各个亚群高斯分布特征参数权重πk，均值μk，和协方差矩阵Σk；8)计算出该散点图的最大对数似然函数值Ln；9)比较本次迭代的最大对数似然函数值和上次迭代的最大对数似然函数值，如果不收敛，则重复第5—7步，直到收敛，终止迭代；10)根据迭代输出的K个亚群高斯分布函数，分别计算每个粒子点相对于每种亚群的高斯概率密度值，寻找出最大的高斯概率密度值，其对应亚群标记为该粒子的类别。