国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種粒子分類方法及粒子檢測裝置的制作方法

      文檔序號:6030603閱讀:291來源:國知局
      專利名稱:一種粒子分類方法及粒子檢測裝置的制作方法
      一種粒子分類方法及粒子檢測裝置
      技術(shù)領(lǐng)域
      本發(fā)明涉及一種粒子檢測儀,尤其涉及粒子分類方法及粒子檢測裝置,用于對各
      種粒子進行分類。背景技術(shù)
      粒子檢測儀通過收集關(guān)于樣本中粒子的兩種或兩種以上的特征,并將這兩種或兩 種以上的特征標(biāo)志為二維或二維以上的向量,選擇其中的兩種或三種特征映射到二維或三 維直角坐標(biāo)系中,將樣本中所有的粒子映射到坐標(biāo)系中得到一幅粒子分布散點圖。正常情 況下,由于同種粒子在這些特征方面的相似以及不同種類的粒子在這些特征方面存在差 異,因此在散點圖上同類粒子形成一個粒子群,而不同類型粒子群又互相分離,請參見圖1, 左邊是三維圖,右邊是它的二維投影,各群落分的很開,可以采用一些粒子分類方法實現(xiàn)對 不同粒子群的分類。常用的粒子分類方法有 1)固定邊界法,即在由前向散射光和側(cè)向散射光形成的散點圖上,通過"設(shè)門"的 方式從粒子中區(qū)分不同種類粒子的方法,所謂"設(shè)門"就是在散點圖上劃分出邊界,落在某 邊界內(nèi)部的粒子被認(rèn)為是同一類粒子。 2)重心引力因子法,該方法用尺寸、形狀和方向固定而位置不固定的邊界在散點 圖上進行分類,用一種優(yōu)化算法根據(jù)每個類的重心引力因子將這個類的邊界確定下來,請 參見圖2。 3)自動分類方法,用修改后的Koonst and Fukunaga算法尋找二維數(shù)據(jù)的分界線 (二維數(shù)據(jù)的波谷),用這些分界線將落在同一界線包圍中的粒子歸為一類,以此將粒子分 成諸多類別,請參見圖3。 在某些特殊情況下,不同類型粒子群之間相距很近甚至有一定程度的交疊,但各 粒子群落的中心互相分離,這種情況下兩個粒子群之間不是分離的,而是有一個共同的交 界線,請參見圖4,左邊是三維圖,右邊是它的二維投影,圖右邊的兩個群落有交疊,但兩個 群落的核心部分是分離的(三維圖上可以見到兩個波峰是分離的),對于這種情況,現(xiàn)有的 常規(guī)的算法并不能很好的區(qū)分這些粒子群。例如,固定邊界法在當(dāng)某些樣本的細(xì)胞信號特 征顯著不同于固定邊界所表達的特征時就會出現(xiàn)較大誤差,比如屬于兩個類別的粒子群靠 的很近或者有交疊的時候固定邊界法不能準(zhǔn)確對粒子進行分類。重心引力因子法雖然可以 自動調(diào)整邊界的位置,但是尺寸、形狀和方位還是固定的,當(dāng)兩個類別的粒子群落靠的很近 或者有交疊的時候,這個方法依然不能對粒子進行準(zhǔn)確分類。自動分類方法在兩個粒子群 落靠在一起且它們之間沒有波谷,則會把兩個群落識別成一個,依然不能對粒子進行準(zhǔn)確 分類。

      發(fā)明內(nèi)容
      本發(fā)明要解決的主要技術(shù)問題是,提供一種粒子分類方法,即使存在粒子群落的 邊緣有靠近或者有交疊情況,也可準(zhǔn)確對粒子進行分類。
      4
      本發(fā)明要解決的另一技術(shù)問題是,提供一種粒子檢測裝置,即使存在粒子群落的
      邊緣有靠近或者有交疊情況,也可準(zhǔn)確對粒子進行分類。 為解決上述技術(shù)問題,本發(fā)明提供一種粒子分類方法,包括 收集粒子在檢測儀中產(chǎn)生的至少兩種特征; 根據(jù)收集的粒子特征形成粒子的分布散點圖; 對所述散點圖進行初步劃分,得到粒子群落的分布; 確定所述粒子群落的核心區(qū)域; 對核心區(qū)域或核心區(qū)域的輪廓進行至少一次膨脹運算;
      根據(jù)膨脹結(jié)果確定該粒子群落的散點圖的實際邊界。 本發(fā)明還提供一種粒子檢測裝置,包括用于收集粒子在檢測儀中產(chǎn)生的至少兩 種特征的特征采集模塊;用于根據(jù)粒子特征形成粒子的分布散點圖的散點圖形成模塊;用 于對所述散點圖進行初步劃分以得到粒子群落分布的初步劃分模塊;用于確定所述粒子群 落的核心區(qū)域的核心區(qū)域確定模塊;用于對核心區(qū)域或核心區(qū)域的輪廓進行至少一次膨脹 運算的膨脹模塊;用于根據(jù)膨脹結(jié)果確定該粒子群落的散點圖的實際邊界的判斷模塊。
      本發(fā)明的有益效果是本發(fā)明通過尋找粒子群落的核心區(qū)域,再將核心區(qū)域進行 若干次膨脹運算,用核心膨脹后的邊界表示該群落的真實邊界,因同一類粒子從中心區(qū)域 到邊緣區(qū)域的分布相近似,所以通過本發(fā)明的方法,可提高粒子群落邊界查找的準(zhǔn)確性,以 便對各類粒子進行更準(zhǔn)確分類和統(tǒng)計,即使某個粒子群落的邊緣部分受到其它群落的干擾 (有交疊區(qū)域),也能實現(xiàn)對粒子的更準(zhǔn)確分類。

      圖l是正常散點圖;圖2是用"重心引力因子"方法進行分類的示意圖;圖3是尋找二維數(shù)據(jù)波谷進行分類的示意圖;圖4是異常散點圖;圖5是散點圖分布的等高線圖;圖6是本發(fā)明一種實施例的方框結(jié)構(gòu)圖;圖7是本發(fā)明一種實施例的流程圖;圖8是二維散點圖中數(shù)據(jù)點的坐標(biāo)示意圖;圖9是散點圖的三維顯示以及數(shù)據(jù)點坐標(biāo)示意;圖10是在圖9劃分固定區(qū)域示意圖;圖11是圖9的投影直方圖示意之一 ;圖12是圖9的投影直方圖示意之二 ;圖13是圖9的投影直方圖示意之三;圖14是圖9用投影直方圖劃分區(qū)域示意圖;圖15是提取出來的關(guān)鍵散點圖區(qū)域;圖16是圖15所示散點圖的灰度等高線圖;圖17是核心膨脹后的效果圖(放大后顯示);圖18是膨脹區(qū)域和實際散點圖疊加后的效果圖(放大后顯示)
      圖19是各次膨脹后實際增加的散點圖分布情況; 圖20是散點圖交疊區(qū)域的最終邊界線; 圖21是整個散點圖最終的分類情況; 圖22是給各群落著色的效果。
      具體實施方式
      本發(fā)明的特征及優(yōu)點將通過實施例結(jié)合附圖進行詳細(xì)說明。 本發(fā)明的粒子檢測裝置可以是各種用于對粒子進行分類統(tǒng)計的裝置,下面以血液 細(xì)胞分析儀為例進行說明。五分類血液細(xì)胞分析儀的主要功能就是提供人體中各類細(xì)胞的 數(shù)目,其中對各類白細(xì)胞的計數(shù)是基本的功能。使經(jīng)過試劑處理后的、被液體包被的白細(xì)胞 逐個通過檢測區(qū)域(流動室),將激光照射到單個的細(xì)胞上,通過收集不同角度的折射或散 射光線(通常為前向散射光FSC、側(cè)向散射光SSC),再通過光電轉(zhuǎn)換和AD轉(zhuǎn)換,得到對應(yīng)細(xì) 胞的一組數(shù)據(jù)(例如二維或三維),將此數(shù)據(jù)映射到坐標(biāo)系(例如二維坐標(biāo)系或三維坐標(biāo) 系)中,可以得到該細(xì)胞在坐標(biāo)系中的位置,將樣本中的所有白細(xì)胞都映射到坐標(biāo)上可以 得到白細(xì)胞分布圖(簡稱散點圖)。在散點圖中,同一類的白細(xì)胞聚集在一起,不同類的白 細(xì)胞互相分離,請參見圖1。在散點圖上劃分多個區(qū)域,把落在同一區(qū)域的白細(xì)胞歸為同一 類,并統(tǒng)計落在這些類別內(nèi)的粒子數(shù)目和百分比,用以分析被測樣本的成份組成。
      在測量系統(tǒng)準(zhǔn)確的情況下,同一類粒子的各種特征是相近的,它們在散點圖上的 位置接近,這是粒子分析儀區(qū)分不同粒子群體的依據(jù)所在,并且,按照自然界的規(guī)律,同一 類粒子的分布區(qū)域(在散點圖上)應(yīng)該具備以下特征從區(qū)域中心到區(qū)域邊緣,粒子分布由 密集逐漸稀疏,如果將散點的灰度值和該點的粒子數(shù)對應(yīng),則散點的灰度值由高逐漸變低 最后變成O,如果做散點圖灰度值的等高線分布的話,則各高度的曲線形狀相同,只是區(qū)域 大小不同。 根據(jù)這個特征,在對粒子進行分類時,本發(fā)明先在散點圖上尋找某個粒子群落的 核心部分,核心部分位于群落中心,和其它類別的粒子無交疊。根據(jù)同類粒子在散點圖上分 布的特性,群落的整體分布形狀和核心部分的分布近似,請參見圖5,圖左邊是三維圖,圖右 邊是它的二維投影,可以明顯看到,代表核心的環(huán)線形狀(即位置較高的或者是投影線在 內(nèi)圈的)和群落的實際形狀相似。因此可以對這個核心進行一次或多次膨脹運算,即放大 核心區(qū)域并保留主要的形態(tài)特征,用核心膨脹后的邊界表示該群落的真實邊界。如果某個 群落的邊緣部分因為受到其它群落的干擾(有交疊區(qū))而失真的話,用本發(fā)明也可以更準(zhǔn) 確找到該群落的實際邊界。 請參考圖6,在一種實施例中,粒子檢測裝置包括特征采集模塊、散點圖形成模塊、 初步劃分模塊、核心區(qū)域確定模塊、膨脹模塊和判斷模塊,特征采集模塊用于收集粒子在檢 測儀中產(chǎn)生的至少兩種特征,散點圖形成模塊用于根據(jù)粒子特征形成粒子的分布散點圖; 初步劃分模塊用于對所述散點圖進行初步劃分得到粒子群落的分布。核心區(qū)域確定模塊 用于確定粒子群落的核心區(qū)域,某個粒子群落的核心區(qū)域是該粒子群落分布散點圖的中心 區(qū)域,該區(qū)域通過一定的條件判斷來確定,例如在一種實施例中,核心區(qū)域確定模塊通過將 散點圖上每點的灰度值和灰度閾值比較得到核心區(qū)域,對于散點圖上每點的灰度值隨該點 的粒子數(shù)的增加而增大的情況,所述核心區(qū)域確定模塊在散點圖上查找出灰度值大于灰度
      6閾值的區(qū)域,則該區(qū)域為核心區(qū)域。在另一實施例中,核心區(qū)域確定將散點圖上每點的粒子 數(shù)和數(shù)量閾值比較得到核心區(qū)域,所述核心區(qū)域確定模塊在散點圖上查找出粒子數(shù)大于數(shù) 量閾值的區(qū)域,并該區(qū)域確定為核心區(qū)域。膨脹模塊用于對核心區(qū)域進行至少一次膨脹運 算;判斷模塊用于根據(jù)膨脹結(jié)果確定該粒子群落的散點圖的實際邊界的判斷模塊。判斷模 塊先確認(rèn)是否膨脹到適當(dāng)區(qū)域,如果是再根據(jù)膨脹結(jié)果確定該粒子群落的散點圖的實際邊 界。確認(rèn)是否膨脹到適當(dāng)區(qū)域可通過目視確定或通過相似性運算來確定,在一實施例中, 判斷模塊在每次膨脹后,判斷該次膨脹后形成的擴展區(qū)域所對應(yīng)的散點圖上的實際散點分 布形狀是否與核心區(qū)域或核心區(qū)域的散點分布形狀相似,如果相似,則控制膨脹模塊進行 下一次膨脹,如果不相似,則控制膨脹模塊結(jié)束膨脹,根據(jù)膨脹結(jié)果確定該類粒子的分布區(qū) 域。膨脹結(jié)果可以為最后一次膨脹后的區(qū)域,或最后一次的前一次膨脹后的區(qū)域,或最后一 次的前兩次膨脹后的區(qū)域,將最后一次膨脹后的區(qū)域或最后一次的前一次膨脹后的區(qū)域或 最后一次的前兩次膨脹后的區(qū)域作為該類粒子的分布區(qū)域。 對于任一個粒子群落,都可以通過查找該粒子群落的核心區(qū)域,對核心區(qū)域進行 膨脹運算后確定該粒子群落的邊界。但為了簡化計算,在改進的實施例中,在對散點圖進行 初步劃分后,對于與其它粒子群落無交疊的粒子群落,在初步劃分后即可確定該類粒子群 落的邊界,對于與其它粒子群落有交疊的粒子群落,再查找該類粒子群落的核心區(qū)域,并進 行若干次膨脹運算后獲得該類粒子的較準(zhǔn)確的邊界。 基于上述粒子檢測裝置,粒子分類方法的一種實施例的流程圖包括以下步驟
      收集粒子在檢測儀中產(chǎn)生的至少兩種特征;
      根據(jù)收集的粒子特征形成粒子的分布散點圖;
      對所述散點圖進行初步劃分,得到粒子群落的分布;
      確定所述粒子群落的核心區(qū)域; 對核心區(qū)域或核心區(qū)域的輪廓進行至少一次膨脹運算; 根據(jù)膨脹結(jié)果確定該粒子群落的散點圖的實際邊界。在該步驟中,可先確認(rèn)是否
      膨脹到適當(dāng)區(qū)域,再根據(jù)膨脹結(jié)果確定該粒子群落的散點圖的實際邊界。 —種具體實施例的流程圖如圖7所示,包括以下步驟 在步驟102,通過用激光照射血液樣本中的白細(xì)胞,收集每個白細(xì)胞的至少兩個方 向的光信息,例如前向散射光FSC和側(cè)向散射光SSC,再通過光電轉(zhuǎn)換和AD轉(zhuǎn)換,得到對應(yīng) 細(xì)胞的一組二維數(shù)據(jù),將此二維數(shù)據(jù)映射到坐標(biāo)系中,得到白細(xì)胞分布散點圖,散點圖中的 數(shù)據(jù)點Pi可以用向量(Xi, yi, rO表示(見圖8),其中Xi為點Pi在X軸方向的坐標(biāo),yi為 點Pi在Y軸方向坐標(biāo),rii為點Pi處的白細(xì)胞個數(shù),將&用高度表示可以得到一個三維圖形 (見圖9)。然后執(zhí)行步驟104。 在步驟104,對所述散點圖進行初步劃分。由于各類白細(xì)胞在散點圖中的分布區(qū)
      域具有相對穩(wěn)定的位置,在一種實施例中,散點圖中白細(xì)胞分布的區(qū)域可以采用劃分固定
      區(qū)域的方法獲得淋巴細(xì)胞(Lym)分布區(qū)域R^、單核細(xì)胞(Mono)分布區(qū)域RM。n。、中性粒細(xì)胞
      (Neut)分布區(qū)域Rweut、嗜酸性粒細(xì)胞(Eos)分布區(qū)域R^,見圖IO,其中 RLym= Kxn,yn,nn) , (x12,y12,n12) , } ,RM。n。 = {(x21, y21, n21) , (x22, y22, n22) , }, RNeut= {(x31,y31,n31) , (x32,y32,n32) , } ,REos = {(x41, y41, n41) , (x42, y42, n42) , }。 在另一種實施例中,散點圖中白細(xì)胞分布區(qū)域也可以通過投影直方圖尋找波谷的方法確定各類白細(xì)胞的分布區(qū)域,具體過程為 a)把散點圖中每一列的數(shù)據(jù)點累加得到一維直方圖,如圖11所示,直線標(biāo)示波谷 位置,在直方圖的某固定區(qū)域內(nèi)尋找波谷,并以波谷為分界線把散點圖分為左右兩部分;
      b)分別把步驟a)中散點圖的左、右兩部分的每一行累加得到一維直方圖,在直方 圖的某固定區(qū)域內(nèi)尋找波谷,并以波谷為分界線把散點圖分為上下兩部分,如圖12、圖13 所示,直線標(biāo)示波谷位置,從而把散點圖劃分為R一、 RM。n。、 RNwt、 RE。S, 4個區(qū)域,如圖14,直線 劃分各類別。 在步驟106,對散點圖進行初步劃分后,計算各區(qū)域(粒子群落)是否有交疊,提取 用于以下運算的關(guān)鍵區(qū)域,關(guān)鍵區(qū)域即與其它粒子群落有交疊的粒子群落的分布區(qū)域。如 果是采用固定區(qū)域法進行初步劃分,可以直接計算固定區(qū)域的各邊界上是否有散點,如果 某個邊界上有散點,說明與此邊界相鄰的兩個區(qū)域(粒子群落)有交疊;如果是采用波谷法 進行初步劃分,可以判斷波谷的高度,如果波谷高度大于0,說明以此波谷為界的兩個區(qū)域 有交疊。以圖14所示樣本為例,散點圖右側(cè)的兩個區(qū)域有交疊。這兩個區(qū)域都是關(guān)鍵區(qū)域, 但因為確定一個區(qū)域邊界的同時就自然的確定了剩下那個區(qū)域的邊界,所以只需要計算一 個關(guān)鍵區(qū)域。然后執(zhí)行步驟108。 在步驟108,計算圖15所示粒子群落關(guān)鍵區(qū)域的核心區(qū)域。在一種實施例中,用灰 度閾值確定核心區(qū)域。在散點圖上,每個數(shù)據(jù)點Pi處的白細(xì)胞個數(shù)和灰度相對應(yīng),個數(shù)越 多,灰度值越大。預(yù)先設(shè)置一個灰度閾值T,如果某個散點的Pi的灰度值大于T,則認(rèn)為Pi 是核心區(qū)域的散點,保留下來,否則將Pi從散點圖上去掉,根據(jù)這個原則形成的一個新的散 點圖就代表圖15的核心區(qū)域?;叶乳撝礣可以是一個固定值(例如經(jīng)驗值),也可以是一 個和實際散點圖相關(guān)的浮動的值,比如取散點圖上最大灰度值的一半,以圖15為例,圖中 最大灰度值是220,可取其一半(等于IIO)作為灰度閾值,去掉灰度值小于或等于110的 點,得到散點圖的核心區(qū)域。圖16是圖15的灰度等高線圖,圖中用文字標(biāo)注了代表核心區(qū) 域的等高線。在另一實施例中,還可直接采用粒子數(shù)閾值來確定核心區(qū)域,例如將散點圖上 某粒子的群落中,將粒子數(shù)大于數(shù)量閾值的區(qū)域確定為核心區(qū)域。確定核心區(qū)域后執(zhí)行步 驟110。 在步驟110,對得到的核心區(qū)域或者是核心區(qū)域的輪廓進行膨脹運算,膨脹是放大 的過程,在放大的過程中要盡量少的減少圖形失真,膨脹方法可采用常規(guī)的水平膨脹、垂直 膨脹、全方向膨脹或模板膨脹等,視散點圖的具體情況而定,圖17是對核心區(qū)域進行7次膨 脹后的結(jié)果,圖中心的實心部分為膨脹前的核心區(qū)域,每膨脹一次就向外增加一個環(huán)形區(qū) 域,圖中用兩種灰度色標(biāo)識出每次膨脹所增加的環(huán)形區(qū)域。在每次膨脹后進行一個判斷過 程,判斷是否膨脹到適當(dāng)區(qū)域,判斷的依據(jù)是"膨脹后實際散點分布是否和核心區(qū)域的分布 相似"。計算圖形相似性的方法很多(比如圖像匹配算法),可以根據(jù)具體應(yīng)用做選擇。在 本實施例中,把每次膨脹后擴大的區(qū)域映射到實際散點圖上(圖15是實際的散點圖),就可 以得到每次膨脹后增加的散點的實際分布情況(見圖18),計算膨脹后形成的擴展區(qū)域所 對應(yīng)的散點圖上的實際散點分布形狀與核心區(qū)域或核心區(qū)域的散點分布形狀的相似度,如 果相似度大于門限值,則認(rèn)為膨脹后形成的擴展區(qū)域所對應(yīng)的散點圖上的實際散點分布形 狀與核心區(qū)域或核心區(qū)域的散點分布形狀的仍相似,則進行下一次膨脹。否則,認(rèn)為兩者不 相似,則結(jié)束膨脹。在步驟112中,根據(jù)膨脹結(jié)果確定該類粒子的分布區(qū)域,從而確定該類粒子群落的分布邊界。膨脹結(jié)果可以為最后一次膨脹后的區(qū)域,或最后一次的前一次膨脹 后的區(qū)域,或最后一次的前兩次膨脹后的區(qū)域,將最后一次膨脹后的區(qū)域或最后一次的前 一次膨脹后的區(qū)域或最后一次的前兩次膨脹后的區(qū)域作為該類粒子的分布區(qū)域。本例中的 核心區(qū)域是對稱分布的(上下對稱、左右對稱),因此只需要計算膨脹區(qū)域的實際散點是否 也符合這種分布。根據(jù)這個方法判斷,本例在第八次膨脹時已經(jīng)嚴(yán)重不對稱了 (即不上下 對稱,也不左右對稱,見圖19),因此核心區(qū)域第七次膨脹后已達到適當(dāng)區(qū)域,第七次膨脹后 的邊界即是該類粒子群落的散點圖的實際邊界。因第六次和第八次膨脹后的結(jié)果一般差異 不會太大,所以也可以采用第六次或第八次膨脹后的邊界作為是該類粒子群落的散點圖的 實際邊界。這個邊界是指原始散點圖上兩個有交疊群落的實際邊界,具體效果見圖20。對 于這兩個群落不交疊的部分,可以采用固定法,結(jié)合圖14的初步分類情況,完整的分類結(jié) 果見圖21。 給各分群加標(biāo)記,比如標(biāo)上不同的灰度色(見圖22)。整個過程結(jié)束。 上述實施例中,還可以通過光照收集每個粒子的三個方向的光信息,形成三維的
      散點圖,同樣可采用上述方案進行粒子群落劃分。 對于一個粒子群落和多個粒子群落有交疊的情況,同樣可采用上述方案進行粒子 群落劃分。 本發(fā)明根據(jù)散點圖核心的形態(tài)特征來確定最終的分界線,能自動調(diào)整分類邊界的 尺寸、形狀、方向和位置,散點圖核心部分統(tǒng)計性好,而且能更準(zhǔn)確反映粒子群落的形態(tài),具 有很強的準(zhǔn)確性和穩(wěn)定性,因此相對于現(xiàn)有技術(shù),本發(fā)明的穩(wěn)定性和準(zhǔn)確性更好。同時本發(fā) 明對散點圖統(tǒng)計量要求低,能適應(yīng)群落交疊區(qū)域沒有波谷的情況,因此提高了對異常樣本 的適應(yīng)能力,提高五分類血液細(xì)胞分析儀的性能。 本發(fā)明不但適用于粒子群落有交疊的情況,也可適用于無交疊的粒子群落的劃 分。 以上內(nèi)容是結(jié)合具體的優(yōu)選實施方式對本發(fā)明所作的進一步詳細(xì)說明,不能認(rèn)定 本發(fā)明的具體實施只局限于這些說明。對于本發(fā)明所屬技術(shù)領(lǐng)域的普通技術(shù)人員來說,在 不脫離本發(fā)明構(gòu)思的前提下,還可以做出若干簡單推演或替換,都應(yīng)當(dāng)視為屬于本發(fā)明的 保護范圍。
      權(quán)利要求
      一種粒子分類方法,其特征在于包括收集粒子在檢測儀中產(chǎn)生的至少兩種特征;根據(jù)收集的粒子特征形成粒子的分布散點圖;對所述散點圖進行初步劃分,得到粒子群落的分布;確定所述粒子群落的核心區(qū)域;對核心區(qū)域或核心區(qū)域的輪廓進行至少一次膨脹運算;根據(jù)膨脹結(jié)果確定該粒子群落的散點圖的實際邊界。
      2. 如權(quán)利要求1所述的粒子分類方法,其特征在于所述確定核心區(qū)域步驟包括 將散點圖上每點的灰度值和灰度閾值比較得到核心區(qū)域,或?qū)⑸Ⅻc圖上每點的粒子數(shù)和數(shù)量閾值比較得到核心區(qū)域。
      3. 如權(quán)利要求2所述的粒子分類方法,其特征在于所述將散點圖上每點的灰度值和 灰度閾值比較得到核心區(qū)域步驟包括對于散點圖上每點的灰度值隨該點的粒子數(shù)的增加而增大的情況,在散點圖上查找出 灰度值大于灰度閾值的區(qū)域,則該區(qū)域為核心區(qū)域。
      4. 如權(quán)利要求2所述的粒子分類方法,其特征在于所述將散點圖上每點的粒子數(shù)和 數(shù)量閾值比較得到核心區(qū)域步驟包括在散點圖上查找出粒子數(shù)大于數(shù)量閾值的區(qū)域,則 該區(qū)域為核心區(qū)域。
      5. 如權(quán)利要求1所述的粒子分類方法,其特征在于在確定所述粒子群落的核心區(qū)域 步驟中包括以下步驟查找出與其它粒子群落有交疊的粒子群落,確定與其它粒子群落有 交疊的粒子群落的核心區(qū)域。
      6. 如權(quán)利要求5所述的粒子分類方法,其特征在于對所述散點圖進行初步劃分步驟 包括固定區(qū)域法和波谷法;對于采用固定區(qū)域法進行初步劃分的情況,查找與其它粒子群 落有交疊的粒子群落步驟包括計算固定區(qū)域的各邊界上是否有散點,如果某個邊界上有 散點,則與該邊界相鄰的粒子群落有交疊;對于采用波谷法進行初步劃分的情況,查找與其 它粒子群落有交疊的粒子群落步驟包括判斷波谷的高度,如果波谷高度大于O,則以此波 谷為界的粒子群落有交疊。
      7. 如權(quán)利要求1至6中任一項所述的粒子分類方法,其特征在于根據(jù)膨脹結(jié)果確定 該粒子群落的散點圖的實際邊界步驟包括先確認(rèn)是否膨脹到適當(dāng)區(qū)域,如果是再根據(jù)膨 脹結(jié)果確定該粒子群落的散點圖的實際邊界。
      8. 如權(quán)利要求7所述的粒子分類方法,其特征在于所述確認(rèn)是否膨脹到適當(dāng)區(qū)域步 驟包括在每次膨脹后,判斷該次膨脹后形成的擴展區(qū)域所對應(yīng)的散點圖上的實際散點分布形 狀是否與核心區(qū)域或核心區(qū)域的散點分布形狀相似,如果相似,則進行下一次膨脹,如果不 相似,則結(jié)束膨脹。
      9. 如權(quán)利要求8所述的粒子分類方法,其特征在于所述膨脹結(jié)果為最后一次膨脹后 的區(qū)域或最后一次的前一次膨脹后的區(qū)域或最后一次的前兩次膨脹后的區(qū)域,將最后一次 膨脹后的區(qū)域或最后一次的前一次膨脹后的區(qū)域或最后一次的前兩次膨脹后的區(qū)域作為 該類粒子的分布區(qū)域。
      10. 如權(quán)利要求7所述的粒子分類方法,其特征在于所述粒子的分布散點圖為二維散點圖或三維散點圖,所述散點圖的形成步驟包括從收集的粒子在檢測儀中產(chǎn)生的至少兩 種特征中選擇兩種或三種將其表征為二維向量或三維向量,并映射到二維散點圖或三維散 點圖上。
      11. 一種粒子檢測裝置,其特征在于包括用于收集粒子在檢測儀中產(chǎn)生的至少兩種特征的特征采集模塊; 用于根據(jù)粒子特征形成粒子的分布散點圖的散點圖形成模塊; 用于對所述散點圖進行初步劃分以得到粒子群落分布的初步劃分模塊; 用于確定所述粒子群落的核心區(qū)域的核心區(qū)域確定模塊; 用于對核心區(qū)域或核心區(qū)域的輪廓進行至少一次膨脹運算的膨脹模塊; 用于根據(jù)膨脹結(jié)果確定該粒子群落的散點圖的實際邊界的判斷模塊。
      12. 如權(quán)利要求11所述的粒子檢測裝置,其特征在于所述核心區(qū)域確定模塊用于將 散點圖上每點的灰度值和灰度閾值比較得到核心區(qū)域,或?qū)⑸Ⅻc圖上每點的粒子數(shù)和數(shù)量 閾值比較得到核心區(qū)域。
      13. 如權(quán)利要求12所述的粒子檢測裝置,其特征在于對于散點圖上每點的灰度值隨 該點的粒子數(shù)的增加而增大的情況,所述核心區(qū)域確定模塊用于在散點圖上查找出灰度值 大于灰度閾值的區(qū)域,則該區(qū)域為核心區(qū)域。
      14. 如權(quán)利要求12所述的粒子檢測裝置,其特征在于所述核心區(qū)域確定模塊用于在 散點圖上查找出粒子數(shù)大于數(shù)量閾值的區(qū)域,則該區(qū)域為核心區(qū)域。
      15. 如權(quán)利要求11所述的粒子檢測裝置,其特征在于所述核心區(qū)域確定模塊查找出 與其它粒子群落有交疊的粒子群落,確定與其它粒子群落有交疊的粒子群落的核心區(qū)域。
      16. 如權(quán)利要求15所述的粒子檢測裝置,其特征在于所述初步劃分模塊采用固定區(qū) 域法和波谷法對所述散點圖進行初步劃分,對于采用固定區(qū)域法進行初步劃分的情況,所 述核心區(qū)域確定模塊計算固定區(qū)域的各邊界上是否有散點,如果某個邊界上有散點,則認(rèn) 為與該邊界相鄰的粒子群落有交疊;對于采用波谷法進行初步劃分的情況,所述核心區(qū)域 確定模塊判斷波谷的高度,如果波谷高度大于0,則認(rèn)為以此波谷為界的粒子群落有交疊。
      17. 如權(quán)利要求11至16中任一項所述的粒子檢測裝置,其特征在于所述判斷模塊用 于先確認(rèn)是否膨脹到適當(dāng)區(qū)域,如果是再根據(jù)膨脹結(jié)果確定該粒子群落的散點圖的實際邊 界。
      18. 如權(quán)利要求17所述的粒子檢測裝置,其特征在于所述判斷模塊用于在每次膨脹 后,判斷該次膨脹后形成的擴展區(qū)域所對應(yīng)的散點圖上的實際散點分布形狀是否與核心區(qū) 域或核心區(qū)域的散點分布形狀相似,如果相似,則控制膨脹模塊進行下一次膨脹,如果不相 似,則控制膨脹模塊結(jié)束膨脹。
      19. 如權(quán)利要求18所述的粒子檢測裝置,其特征在于所述膨脹結(jié)果為最后一次膨脹 后的區(qū)域或最后一次的前一次膨脹后的區(qū)域或最后一次的前兩次膨脹后的區(qū)域,將最后一 次膨脹后的區(qū)域或最后一次的前一次膨脹后的區(qū)域或最后一次的前兩次膨脹后的區(qū)域作 為該類粒子的分布區(qū)域。
      全文摘要
      本發(fā)明公開了一種粒子分類方法和裝置,包括收集粒子在檢測儀中產(chǎn)生的至少兩種特征;根據(jù)收集的粒子特征形成粒子的分布散點圖;對所述散點圖進行初步劃分,得到粒子群落的分布;確定所述粒子群落的核心區(qū)域;對核心區(qū)域或核心區(qū)域的輪廓進行至少一次膨脹運算;根據(jù)膨脹結(jié)果確定該粒子群落的散點圖的實際邊界。本發(fā)明根據(jù)散點圖核心的形態(tài)特征來確定最終的分界線,能自動調(diào)整分類邊界的尺寸、形狀、方向和位置,而且因為散點圖核心部分的統(tǒng)計性好,所以本發(fā)明能準(zhǔn)確反映粒子群落的形態(tài),具有很強的準(zhǔn)確性和穩(wěn)定性。
      文檔編號G01N15/10GK101762448SQ20081024127
      公開日2010年6月30日 申請日期2008年12月17日 優(yōu)先權(quán)日2008年12月17日
      發(fā)明者何延峰, 顧問 申請人:深圳邁瑞生物醫(yī)療電子股份有限公司
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1