专利名称：用于颗粒分析的非线性的直方图分割的制作方法
技术领域：
本发明的实施例概括地涉及颗粒分析和分组的系统和方法。更特别地，本发明的实施例涉及用于使用二维直方图对颗粒进行分类的系统和方法，该二维直方图由来自与颗粒的物理特性有关的数据建立。
背景技术：
诸如血液学分析器或流式细胞仪的粒子分析器处理生物样品用于颗粒分析。它们测量生物样品中的生物颗粒的物理特性用于分析。示范性的物理特性测量是电光学测量。 测量的物理特性可以被视为多维空间。多维空间中的每个维对应于测量的物理特性。共有类似物理特性的颗粒在多维空间中集合成群集。每个群集对应于特定的颗粒种群。归因于颗粒的统计分布和包括的多个维，通过自动的方法或算法识别这种群集的处理通常是复杂的任务。减低这种复杂性的一个方式是使用多维空间的二维QD)投影以执行颗粒的分类或区分。例如，图IA和IB图示了用于正常的全血样品中包含的白细胞亚群的血液学数据的两个常规的2D投影。例如，2D投影可以是从多维颗粒分析数据获得的2D直方图。2D直方图包含一组二维二进制数据(two-dimensional bins)。每个二进制数据积聚在二进制数据的位置处出现的颗粒事件。该积聚值表示在该位置处投射的颗粒密度或计数。例如，这个计数可以是具有与该二进制数据位置相对应的数据值的颗粒数的计数。在图IA中，图像110是RLS(旋转光散射)-DC(直流电)维上的血液学数据的正交投影。在图像110中，像素分组(或群集)112、114和116对应于白血球种群，并且特别是分别对应于单核白细胞、嗜中性白细胞和嗜曙红细胞。群集118对应于淋巴细胞和嗜碱细胞种群。在图IB中，图像120是OP (不透明性)-DC维上的相同血液学数据的正交投影。 不透明性是作为DC和RF(射频)的函数获得的参数。在图像120中，群集122对应于单核白细胞种群，群集1 对应于嗜中性白细胞、嗜曙红细胞和嗜碱细胞种群，以及群集1 对应于淋巴细胞种群。常规算法基于多个一维(ID)直方图的分析，应用分割方法以使2D投影中的群集分离。ID直方图包含一组一维二进制数据，该一组一维二进制数据在沿着那个维的二进制数据的位置处积聚颗粒事件。积聚值表示那个维中的颗粒密度或计数。例如，在一个常规技术中，在多个ID直方图上执行振幅分析。分析结果被结合以产生2D分割。如图IA和IB 所示，白细胞亚群之中的形态和关系是对正常样品的很好的限定。然而，在生物颗粒的形态、内部结构和成熟处理中的变化可以改变群集在2D直方图中的位置、大小和形状。这些改变对常规的分割处理带来了额外的复杂性。当颗粒种群之中的移位和重叠发生时，这个尤其地真实。例如，图2A、2B、3A和;3B图示了来自两个具有大量重叠的单核白细胞和嗜中性细胞种群的异常血液样品的数据的正交投影。在这些图中， 图像210和310是在RLS-DC维上的正交投影，以及图像220和320是在OP-DC维上的正交投影。在图像210中，群集212对应于单核白细胞和嗜中性白细胞种群。群集216对应于嗜曙红细胞种群。群集218对应于淋巴细胞和嗜碱细胞种群。在图像220中，群集222对应于单核白细胞、嗜中性白细胞、嗜曙红细胞和嗜碱细胞种群，以及群集2 对应于淋巴细胞种群。在图像310中，群集312对应于单核白细胞和嗜中性白细胞种群。群集316对应于嗜曙红细胞种群。群集318对应于淋巴细胞和嗜碱细胞种群。在图像320中，群集322 对应于单核白细胞、嗜中性白细胞、嗜曙红细胞和嗜碱细胞种群，以及群集3 对应于淋巴细胞种群。在这个实例中，通常与单核白细胞和嗜中性白细胞种群有关的群集落入过渡区域。因此，这些种群不能一贯地被识别。对于事件可能落入诸如图2A中的区域212、图2B中的区域222、图3A中的区域 312和图;3B中的区域322的过渡区域，有两个一般的理由。第一，如图2A和2B所示，事件可以对应于在区域212和222处的大量重叠的嗜中性白细胞和单核白细胞种群。第二，如图3A和;3B所示，单个单核白细胞或嗜中性白细胞群集可以从它的期望位置移位到区域312 和 322。虽然常规的分割方法适用于正常样品和一些异常样品，但是它们对于诸如与图 2A、2B、3A和:3B相类似的那些产生结果的样品表现不一致。对于这个不一致的表现，主要理由是常规算法仅仅依赖于对从2D直方图的行和列获得的多个ID直方图中的峰值和谷值的搜索。结果，常规算法遇到了问题，例如峰值和谷值因为种群移位而已经合并在一起。
发明内容
本发明的实施例提供了一种用于分割2D直方图的系统和方法，该系统和方法改进了重叠的颗粒种群的区分和分割。该方法使用2D数字图像处理技术以代替常规的多个 ID直方图的峰值和谷值分析。本发明的一个特征是使用非线性的图像分割技术直接分割 2D直方图，非线性的图像分割技术可以提供2D直方图的更一致和精确的分割以及重叠或移位的颗粒种群的更好的区分。在一个实施例中，本发明贯注于一种用于分析诸如血细胞的生物颗粒的方法。使来自生物样品的生物颗粒经过颗粒分析器的测量区域。用至少两个参数探询经过测量区域的每个颗粒。用一个以上检测器检测至少两个参数，并将该至少两个参数存储作为数据。然后，选择对应于第一和第二参数的数据。选择的数据被用于建立初始的二维直方图，其中二维直方图的第一维对应于第一参数，以及二维直方图的第二维对应于第二参数。初始的二维直方图被过滤以产生过滤的二维图像。过滤之后，在过滤的二维图像中检测多个种子种群。产生一个以上线性轮廓线以分离检测的种子种群，每个线性轮廓线具有多个轮廓点。通过调整至少一个线性轮廓线中的轮廓点调整产生的轮廓线，以分离检测的种子种群。本发明的另一个实施例贯注于用于分析颗粒的装置。该装置包括传感器�？楹头治鱿低常么衅髂？榫哂卸喔鎏窖匆蕴峁┲辽僖桓隹帕５牡绻馓窖⑶揖哂兄辽僖桓黾觳馄饕约觳庥胫辽僖桓隹帕Ｏ喽杂Φ闹辽倭礁霾问�。分析系统包括存储器、选择�？�、 直方图建立�？�、过滤器、种子检测�？�、调整�？楹头掷肽？�。存储器存储与从颗粒检测到的参数相对应的数据。选择�？檠≡裼氲谝淮娲⒉问喽杂Φ牡谝皇莺陀氲诙娲⒉问喽杂Φ牡诙�。直方图建立模块使用与第一和第二参数相对应的数据，建立初始的二维直方图，其中二维直方图的第一维对应于第一参数，以及二维直方图的第二维对应于第二参数。过滤器过滤初始的二维直方图以产生过滤的二维图像。种子检测�？榧觳夤说亩枷裰械亩喔鲋肿又秩�。分离�？椴辜觳獾闹肿又秩悍掷氲囊桓鲆陨系南咝月掷撸扛雎掷呔哂卸喔雎掷�。调整�？榈髡辽僖桓鱿咝月掷叩穆掷阋苑掷爰觳獾闹肿又秩�。下面参考附图详细描述本发明的进一步的实施例、特征和优点，以及本发明的各种实施例的结构和操作。
合并在此并形成说明书的一部分的附示了本发明，并且与说明书一起进一步用来说明本发明的原理，并使相关技术领域的技术人员能够做出和使用本发明。参考附图描述本发明。其中元件首次出现的图代表性地用相应参考标号中最左边的数字表示。图IA和IB显示了分别在RLS-DC和OP-DC上通过正常血液样品数据的正交投影获得的2D直方图。图2A和2B显示了在RLS-DC和OP-DC维上通过第一异常血液样品数据的正交投影获得的2D直方图。图3A和;3B显示了在RLS-DC和OP-DC维上通过对于第二异常血液样品数据的VCS 数据的正交投影获得的2D直方图。图4A-C是根据本发明的实施例的颗粒分析系统的示意图。图5是根据本发明的实施例的颗粒分析方法的示范性的过程的流程图。图6显示根据本发明的实施例的使RLS-DC直方图平滑的结果。图7显示根据本发明的实施例的将水平、垂直、对角线LxR和对角线RxL方向的过滤器应用到图6中的平滑的RLS-DC图像的结果。图8显示根据本发明的实施例的阈值处理二值图像并对应二值图像的方向图像。图9A和9B显示根据本发明的实施例的在分别进行阈值处理和标记之后的最终的 RLS-DC 种子(seed)图像。图IOA显示在来自图9B的标记的RLS-DC种子图像中设定的定位点，以及图IOB 显示根据本发明的实施例的基于定位点的线性分割。图11显示根据本发明的实施例的基于轮廓点的地带图像(band image)。图12显示根据本发明的实施例的输入到双重灰度级重建方法的掩模图像和标识图像。图13A和1 显示根据本发明的实施例的使用来自图12的输入的双重灰度级重建图像的不同视图。图14A显示根据本发明的实施例的分水岭(watershed)变换的2D图像。图14B显示根据本发明的实施例的RLS-DC直方图分割的最终结果。图15是根据本发明的实施例的用于分割二维直方图的示范性的计算机系统的图。
具体实施方式
本发明的实施例提供了一种用于分割2D直方图的系统和方法，该系统和方法改进了重叠的颗粒种群的区分和分割。该方法仅仅使用2D数字图像处理技术以代替常规的多个单独的ID直方图的峰值和谷值分析。大体上，根据本发明的特征，2D直方图被处理为图像，在该图像中，每个像素具有与对应的直方图二进制数据(histogram bin)的幅度成比例的强度值。相对于血液学分析器，描述本发明的实施例。血液学分析器试图区分血细胞种群。 本发明的实施例应用一系列用于分割2D直方图的步骤以优化该区分。本领域的技术人员将认识到揭示的实施例不局限于血液学分析器或血细胞的分析，并且可以被应用在许多环境中以分析多种类型的颗粒。系统概述通常，为了分割颗粒种群，本发明的实施例执行种子(seed)检测、定位点布置、动态轮廓和形态微调。在本发明的一个实施例中，例如，颗粒是血细胞。在另一个实施例中， 颗粒是DNA碎片。种子检测指的是2D直方图中的局部最大值的检测区域。定位点布置指的是用于分离颗粒种群的参考点并且限定了线性分割之间的连接点的布置。动态轮廓和形态微调指的是微调线性分割，并且对线性分割提供柔韧性以更好地分离颗粒种群。这些步骤的应用导致了成为分离数据群集的2D直方图的最佳的非线性的分割。 结果，本发明的实施例提高了检测2D直方图中的重叠的种群的能力。图4A-C图示了根据本发明的实施例的用于基于非线性的2D直方图分割的颗粒分析的示范性系统的示意图。图4A是根据本发明的实施例的用于分析颗粒的系统400的示意图。系统400包括制备系统410、传感器�？�420、分析系统430和容器450。制备系统410制备包含用于分析的颗粒的生物样品。在一个实施例中，制备系统 410将血液样品与溶解试剂混合以溶解红细胞，并形成包含白细胞的血液样品混合物。在另一个实施例中，制备系统410制备组织样品，组织样品从结缔组织中分离并悬浮在不毁坏细胞的生物学上兼容的液体介质。这些实例是说明性的并且不意欲限制本发明。在替换的实施例中，可以制备其他类型的生物样品和生物颗粒。容器450存储从制备系统410经过传感器�？�420的样品。传感器�？�420提供与要被分析的颗粒相对应的数据。在一个实施例中，传感器�？�420包括几个探询源42h-m、几个检测器42^_n、以及测量区域426。制备系统410使来自生物样品的制备的颗粒4 经过测量区域426。探询源42h-m提供颗粒428的电光探询，以便可以分别通过检测器42 -!!检测与颗粒有关的一个或多个参数。在一个实施例中，例如，探询源42h-m可以包括一个或多个激光和/或电源。在替换的实施例中，可以使用其他类型和/或数量的探询源。检测器42 -!!检测生物样品中与探询的颗粒相对应的参数。然后检测器42 -!!将参数发送到分析系统430用于分析。在一个实施例中，检测器 42 -!!包括一个或多个光电二极管感测器。检测器42 -!!还可以包括DC接收器。在替换的实施例中，可以使用其他类型的检测器。在一个实施例中，参数来源于电光测量，包括DC(直流电)、RF(射频)、一个或多个类型的光散射(处于一个或多个角度)、荧光性、以及例如在美国专利号5，125，737及其他已知技术中描述的轴向光损失。这些参数的实例是说明性的并且不意欲限制本发明。
图4B是根据本发明的一个实施例的示范性的分析系统430的示意图。分析系统 430包括存储器431、选择�？�432、直方图建立�？�433、过滤器434、种子检测�？�435、分离�？�436和调整�？�437。分析系统430可以被实现为计算装置上的软件、固件、硬件或它们的任何组合。实例计算装置包括但不局限于计算机、工作站、分布式计算系统、嵌入系统、独立的电子装置、网络装置、机架式服务器、具有至少一个处理器和存储器的装置、或者其他类型的计算机系统。存储器431存储由检测器42 -!!发送的参数作为数据。选择�？�432选择与第一存储参数相对应的第一数据和与第二存储参数相对应的第二数据。直方图建立�？�433使用选择的与第一和第二参数相对应的数据，建立初始的二维OD)直方图。2D直方图的第一维对应于第一参数，以及2D直方图的第二维对应于第二参数。过滤器434过滤初始的2D直方图，以使2D直方图中的颗粒种群可以被检测。图 4C是根据本发明的一个实施例的示范性的过滤器434的示意图。在一个实施例中，过滤器 434包括平滑过滤器460、一个或多个边缘检测过滤器470a-470m、以及组合器480。平滑过滤器460使用平滑过滤器使2D直方图平滑。在一个实施例中，平滑过滤器 460使用高斯卷积以使2D直方图平滑。其他平滑技术在本领域中是已知的。平滑的结果可以被视为与2D直方图相对应的2D图像。边缘检测过滤器470a-470m被应用于平滑的2D图像以检测图像中的边缘。一个实施例使用基于高斯一拉普拉斯算子(LoG)过滤器的边缘检测过滤器，以产生边缘检测的 2D图像。当然，可以理解的是，LoG过滤器仅仅是这种边缘检测过滤器的示例，并且对它们的参考并不意欲限制本发明。组合器480组合边缘检测的图像以形成最终的过滤结果。在一个实施例中，组合器480包括阈值�？�482和逻辑与运算符484。阈值模块482在每个边缘检测的2D图像上使用阈值过滤器以产生相应的阈值2D图像。逻辑与运算符以逐个像素(pixel-by-pixel) 为基础使用逻辑与运算来组合阈值2D图像，以产生组合的阈值2D图像。在一个实施例中， 组合器480通过组合逻辑来实现。种子检测�？�435检测过滤的2D图像中的种子种群。分离�？�436产生一个或多个使检测的种子种群分离的线性轮廓线。每个轮廓线具有一组轮廓点。在一个实施例中，分离模块436包括种子种群分离器�？�438、种子界标识别器�？�439、种子种群删除�？�440、定位点�？�441和分割产生器442。种子种群分离器�？�438将检测的种子种群分离成分组。种子界标识别器模块 439识别每个分组中的界标种子种群。种子种群删除�？�440删除每个分组中不是界标种子种群的那些种子种群。定位点�？�441确定用于限定轮廓线的一个或多个定位点。分割产生器442产生轮廓线的线性分割以分离种子种群。调整�？�437调整线性轮廓线的轮廓点以分离检测的种子种群。在一个实施例中，调整�？�437包括轮廓点调整模块443、地带限定�？�444和地带膨胀�？�445。轮廓点调整模块443调整轮廓点以使能量函数最小化。在一个实施例中，能量函数是基于活动轮廓的能量最小化。在替换的实施例中，可以使用其他的能量函数。地带限定�？�444限定了每个轮廓点周围的地带。然后地带膨胀�？�445膨胀了每个轮廓点周围的每个限定的地带。在一个实施例中，地带膨胀模块445包括双重灰度级重建�？�446和分水岭变换模块447。双重灰度级重建�？�446在2D图像上执行双重灰度级重建。然后分水岭变换�？�447在作为结果的2D图像上应用分水岭变换以分割图像。2D直方图产生为了基于2D直方图分割分析颗粒，首先提供包含颗粒的样品。在一个实施例中， 制备系统410提供包含颗粒的样品。然后传感器�？�420使用诸如探询源42^-42 !的一个或多个探询源，在样品中提供颗粒的电光探询。检测器42 -!!检测和测量样品中颗粒的参数，并将参数发送到分析系统430。分析系统430将参数作为数据存储在存储器431中。 为了建立与数据相对应的2D直方图，选择�？�432选择与参数中的两个参数相对应的数据。然后直方图建立�？�433使用选择的数据建立2D直方图，其中直方图中的两个维分别对应于两个参数。一旦产生2D直方图，它们可以通过分析系统430被分割。图5显示了根据本发明的一个实施例的用于使用非线性的2D直方图来进行颗粒分析的示范性的过程500的流程图(步骤 501-510)。种子检测用于分割2D直方图的第一个步骤是种子检测(图5中的步骤501到504)。种子检测试图检测2D直方图中的局部最大幅度的区域。每个检测的局部最大幅度被称为“种子”。在本发明的一个实施例中，种子检测通过种子检测�？�435被执行，并且包括三个阶段平滑、过滤和标记。平滑在平滑阶段中，2D直方图中的单个像素噪声首先在步骤501中被去除。单个像素噪声指的是可以被单独地归因于像素的噪声。单个像素噪声的一个实例是椒盐噪声。术语 “椒盐噪声”指的是单个像素噪声统计量。在一个实施例中，“椒盐”噪声在两个步骤中被去除。在第一步骤中，分析每个像素的最接近的近邻。通过聚集所有邻近的非零像素来建立群集。如果像素不具有非零像素近邻，则像素形成单个像素群集。在第二步骤中，对于每个群集，计算群集中的像素的数量以及群集内的像素之中的事件的最大数量。如果群集不具有至少规定数量的像素并且它的事件的最大数量小于规定值，则群集中的像素被去除。在一个实施例中，通过将像素值设定为零来去除像素。在一个实施例中，像素的规定数量是三个。像素的规定数量可以是预定的或者用户规定的。类似地，用于群集的事件的最大数量的规定值也可以是预定的或者用户规定的。在一个实例中的，用于事件的最大数量的规定值是十分低的。例如，这可以是1个或2个事件、小于10 个事件、或者是取决于特殊应用的其他值。在另一个实施例中，通过首先分析每个像素的最接近的近邻来去除“椒盐”噪声。 不具有至少规定数量的具有非零值的最接近的近邻的像素被去除。在一个实施例中，通过将像素值设定为零来去除像素。在一个实施例中，最接近非零值的近邻的数量是四个。最接近的近邻的数量可以是预定的或者用户规定的。其次，检查每个像素中的事件的数量。不具有至少特定数量的事件的像素被认为是噪声并且被去除。每个像素必须具有的事件的数量可以是预定或者用户规定的。在一个实施例中，在2D直方图中的边缘上的像素不会被去除，并且被保留用于其他分析。在替换的实施例中，其他技术，例如，中间值过滤器，可被用于去除单个像素噪声。 以上实例确实是说明性的并且不意欲限制本发明。在去除单个像素噪声之后，在步骤502中，作为结果的2D图像通过系统400的过滤器434中的平滑过滤器460被进一步地平滑。在-高斯卷积，该高斯卷积使用由公式(1)限定的高斯核
个实施例中，平滑过滤器460是基于
1 G(x,y) = -~Te
x2V)/(2<r2
(1)
2πσ如在此使用的，术语“核”指的是通常包含数字过滤器的参数的矩阵数据结构类型 (或加窗)。可以通过应用图像的每个像素上的核矩阵来过滤图像。在公式(1)中，X和y 表示图像中的像素坐标，σ表示核的宽度，O确定了邻近像素对核的中心的局部影响。较大值的O可以导致较低的种子图像的分辨率。换句话说，较大值的O将在图像中产生较少的种子。类似地，较小值的O将在图像中产生更多的种子。例如，O =9可以在图像中产生比σ =3更少的种子。核可以连续地与作为结果的2D图像卷积几次。核与图像卷积的次数决定了图像看上去如何“平滑”。图6显示了在使用高斯卷积的RLS-DC测量上的平滑的2D图像的实例 610。在图像610中，群集612、614和616分别对应于单核白细胞、嗜中性白细胞和嗜曙红细胞种群。群集618对应于淋巴细胞和嗜碱细胞种群。取决于特定的应用，使用核的平滑可以被执行许多次。例如，为了识别高级特征， 利用核执行更多次的平滑，例如，经过五次或六次。另一方面，为了维持较高的分辨率，执行较少的平滑。过滤在步骤503中，种子检测的下一个阶段是通过边缘检测过滤器470a到470m来进行用于边缘检测的过滤。步骤503中的过滤器检测图像在特定方向上的梯度变化，以便可以检测图像中的边缘。对于2D直方图，边缘可以表示不同种群的边界。在一个实施例中，平滑之后作为结果的图像与四个方向的2D高斯一拉普拉斯算子(LoG)过滤器在水平、垂直和两个对角线方向被卷积
水平=
垂直=
0 1 0
"0 0 0
0 -2
0 1 0
0" 0 0
(2)
(3)
1权利要求
1.一种用于确定生物样品中包含的颗粒的种群的方法，其特征在于，所述方法包括(a)使来自所述生物样品的颗粒经过颗粒分析器的测量区域；(b)用至少两个参数探询经过所述测量区域的每个颗粒；(c)用一个以上的检测器检测所述至少两个参数；(d)将检测到的至少两个参数存储作为数据；(e)选择为第一参数存储的第一数据和为第二参数存储的第二数据；(f)使用为所述第一参数和所述第二参数选择的数据，建立初始的二维直方图，其中所述二维直方图的第一维对应于所述第一参数，以及所述二维直方图的第二维对应于所述第二参数；(g)过滤所述初始的二维直方图以产生经过滤的二维图像；(h)检测所述经过滤的二维图像中的多个种子种群；(i)产生一个以上的线性轮廓线以分离经检测的种子种群，每个所述线性轮廓线具有多个轮廓点；和(j)调整至少一个所述线性轮廓线中的所述轮廓点以分离所述经检测的种子种群。
2.如权利要求1所述的方法，其特征在于，所述生物样品是血液样品，并且步骤(a)包括使来自所述血液样品的血细胞经过。
3.如权利要求1所述的方法，其特征在于，步骤(a)包括使来自所述生物样品的所述颗粒经过流式细胞仪或血液学分析器的测量区域。
4.如权利要求1所述的方法，其特征在于，步骤(g)包括去除所述二维直方图中的每个像素噪声。
5.如权利要求4所述的方法，其特征在于，步骤(g)包括(a)选择所述二维直方图中的一组一个以上的像素；和(b)对于所选择的组中的每个像素(c)如果所述像素不具有预定数量的具有非零值的邻近像素，并且不具有与至少预定数量的事件相对应的值，则舍弃所述像素。
6.如权利要求4所述的方法，其特征在于，步骤(g)包括(a)选择所述二维直方图中的一组一个以上的像素；和(b)对于所选择的组中的每个像素(i)如果所述像素不具有预定数量的具有非零值的邻近像素，则舍弃所述像素；或者( )如果所述像素不具有与至少预定数量的事件相对应的值，则舍弃所述像素。
7.如权利要求1所述的方法，其特征在于，步骤(g)包括应用平滑过滤器至少一次。
8.如权利要求1所述的方法，其特征在于，步骤(g)包括将至少一个边缘检测过滤器应用到所述经过滤的二维图像，以产生最终的经边缘检测的二维图像。
9.如权利要求1所述的方法，其特征在于，步骤(g)包括(a)将多个边缘检测过滤器应用到所述经过滤的二维图像，以产生多个中间的经边缘检测的二维图像；和(b)组合所述多个中间的经边缘检测的二维图像，以产生所述最终的经边缘检测的二维图像。
10.如权利要求9所述的方法，其特征在于，组合所述多个中间的经边缘检测的二维图像包括(a)对每个所述中间的经边缘检测的二维图像进行阈值处理；和(b)逐个像素地执行逻辑与运算，以产生所述经边缘检测的二维图像。
11.如权利要求1所述的方法，其特征在于，步骤(h)进一步包括(a)将所述经检测的种子种群分离成具有一个以上的经检测的种子种群的分组；(b)在每个分组中识别界标种子种群；和(c)删除每个分组中不是所述界标种子种群的每个种子种群。
12.如权利要求1所述的方法，其特征在于，步骤(i)进一步包括确定用于限定所述轮廓线的一个以上的定位点，所述轮廓线用于分离所述经检测的种子种群。
13.如权利要求12所述的方法，其特征在于，确定所述定位点包括(a)将预定分割应用到所述种子种群；(b)在由应用的分割所限定的至少一个区域中，确定界标种子种群；(c)为每个界标种子种群计算至少一个统计量；和(d)使用所述界标种子种群来确定所述定位点。
14.如权利要求1所述的方法，其特征在于，步骤(j)包括调整所述轮廓点，以使能量函数最小化。
15.如权利要求1所述的方法，其特征在于，步骤(j)进一步包括限定每个轮廓点周围的地带。
16.如权利要求15所述的方法，其特征在于，步骤(j)进一步包括膨胀每个轮廓点周围的每个限定的地带。
17.如权利要求16所述的方法，其特征在于，所述膨胀包括(a)在所述经过滤的二维图像上执行双重灰度级重建；和(b)在双重灰度级重建图像上应用分水岭变换。
18.如权利要求17所述的方法，其特征在于，执行所述双重灰度级重建包括(a)反转所述经过滤的二维图像；(b)使用与所述地带相对应的一部分所述经过滤的二维图像，建立地带图像；和(c)在所述地带图像上执行测地腐蚀，以获得双重灰度级重建图像。
19.如权利要求18所述的方法，其特征在于，应用所述分水岭变换包括(a)将所述双重灰度级重建图像与所述地带图像组合，以获得组合的结果二维图像；和(b)将所述组合的结果二维图像输入到分水岭变换函数，以进一步细化分割。
20.如权利要求1所述的方法，其特征在于，进一步包括显示具有所述经调整的轮廓点的所述轮廓线。
21.如权利要求1所述的方法，其特征在于，进一步包括存储具有所述经调整的轮廓点的所述轮廓线。
22.如权利要求1所述的方法，其特征在于，进一步包括对由具有所述经调整的轮廓点的所述轮廓线分离的每个种子种群中的颗粒进行计数。
23.如权利要求1所述的方法，其特征在于，步骤(c)包括检测从以下参数组中选择的至少两个参数直流电、体积、射频、不透明性、一个以上类型的光散射、轴向光损失和荧光性。
24.一种用于分析来自生物样品的颗粒的装置，其特征在于，所述装置包括(a)传感器�？椋哂刑窖醋陨镅返闹辽僖桓隹帕５亩喔鎏窖矗⑶揖哂屑觳庥胨隹帕Ｏ喽杂Φ闹辽倭礁霾问闹辽僖桓黾觳馄鳎缓�(b)连接到所述传感器模块的分析系统，所述分析系统包括(i)存储器，存储与所述参数相对应的数据；( )选择模块，配置成选择与第一存储参数相对应的第一数据和与第二存储参数相对应的第二数据；(iii)直方图建立�？椋渲贸墒褂糜胨龅谝徊问退龅诙问喽杂Φ氖荩⒊跏嫉亩狈酵迹渲兴龆狈酵嫉牡谝晃杂τ谒龅谝徊问约八龆狈酵嫉牡诙杂τ谒龅诙问�(iv)过滤器，配置成过滤所述初始的二维直方图以产生经过滤的二维图像；(ν)种子检测�？椋渲贸杉觳馑鼍说亩枷裰械亩喔鲋肿又秩海�(vi)分离�？椋渲贸刹咕觳獾闹肿又秩悍掷氲囊桓鲆陨系南咝月掷撸扛雎掷呔哂卸喔雎掷悖缓�(vii)调整模块，配置成调整至少一个所述线性轮廓线的所述轮廓点，以分离所述经检测的种子种群。
25.如权利要求M所述的装置，其特征在于，所述过滤器被配置成过滤所述初始的二维直方图中的像素，以减少所述二维直方图中的每个像素噪声。
26.如权利要求25所述的装置，其特征在于，所述过滤器被进一步配置成(a)选择所述二维直方图中的一组像素；和(b)对于所述组中的每个像素(i)如果选择的像素不具有多个具有非零值的邻近像素，并且所述选择的像素不具有与至少特定数量的事件相对应的值，则舍弃所述像素。
27.如权利要求25所述的装置，其特征在于，所述过滤器被进一步配置成(a)选择所述二维直方图中的一组像素；和(b)对于所述组中的每个像素(i)如果选择的像素不具有多个具有非零值的邻近像素，则舍弃所述像素；或者( )如果选择的像素不具有与至少特定数量的事件相对应的值，则舍弃所述像素。
28.如权利要求M所述的装置，其特征在于，所述过滤器包括平滑过滤器，所述平滑过滤器被应用到所述二维直方图至少一次。
29.如权利要求M所述的装置，其特征在于，所述过滤器包括至少一个边缘检测过滤器，所述边缘检测过滤器被应用到所述经过滤的二维图像，以产生最终的经边缘检测的二维图像。
30.如权利要求M所述的装置，其特征在于，进一步包括(a)多个边缘检测过滤器，被应用到所述经过滤的二维图像，以产生多个中间的经边缘检测的二维图像；和(b)组合器，配置成组合所述多个中间的经边缘检测的二维图像，以形成所述最终的经边缘检测的二维图像。
31.如权利要求30所述的装置，其特征在于，所述组合器，包括(a)阈值模块，配置成对每个所述中间的经边缘检测的二维图像进行阈值处理，以产生多个经阈值处理的二维图像；和(b)逻辑与运算符，在逐个像素的基础上，与产生的经阈值处理的二维图像进行逻辑与运算。
32.如权利要求M所述的装置，其特征在于，进一步包括(a)种子种群分离器�？椋渲贸山鼍觳獾闹肿又秩悍掷氤删哂幸桓鲆陨系木觳獾闹肿又秩旱姆肿椋�(b)种子界标识别器�？椋渲贸墒侗鹈扛龇肿橹械慕绫曛肿又秩海缓�(c)种子种群删除模块，配置成删除每个分组中不是所述界标种子种群的每个种子种群。
33.如权利要求M所述的装置，其特征在于，进一步包括定位点�？椋渲贸扇范ㄓ糜谙薅ㄋ雎掷叩囊桓鲆陨系亩ㄎ坏�。
34.如权利要求33所述的装置，其特征在于，所述定位点�？楸唤徊脚渲贸�(a)将预定分割应用到所述种子种群；(b)在由应用的分割所限定的至少一个区域中，确定界标种子种群；(c)为每个界标种子种群计算至少一个统计量；和(d)使用所述界标种子种群来确定所述定位点。
35.如权利要求M所述的装置，其特征在于，进一步包括(a)分割产生器，配置成产生包括多个轮廓点的至少一个线性分割；和(b)轮廓点调整�？椋渲贸傻髡雎掷悖允鼓芰亢钚』�。
36.如权利要求M所述的装置，其特征在于，进一步包括地带限定�？椋渲贸上薅扛雎掷阒芪У牡卮�。
37.如权利要求36所述的装置，其特征在于，进一步包括地带膨胀�？椋渲贸膳蛘兔扛雎掷阒芪У拿扛鱿薅ǖ牡卮�。
38.如权利要求37所述的装置，其特征在于，所述膨胀�？榻徊桨�(a)双重灰度级重建�？椋渲贸稍谒鼍咴导觳獾耐枷裆现葱兴鼗叶燃吨亟ǎ缓�(b)分水岭变换�？椋渲贸稍谒鏊鼗叶燃吨亟ㄍ枷裆嫌τ梅炙氡浠�。
39.如权利要求38所述的装置，其特征在于，所述双重灰度级重建�？楸慌渲贸�(a)反转所述经边缘检测的二维图像；(b)使用与所述地带相对应的一部分所述经边缘检测的二维图像，建立地带图像；和(c)在所述地带图像上执行测地腐蚀，以获得双重灰度级重建图像。
40.如权利要求39所述的装置，其特征在于，所述分水岭变换�？楸慌渲贸�(a)将所述双重灰度级重建图像与所述地带图像组合，以获得组合的结果二维图像；和(b)将所述组合的结果二维图像输入到分水岭变换函数，以进一步细化分割。
41.如权利要求M所述的装置，其特征在于，所述至少两个参数包括从以下参数组中选择的至少两个参数用于颗粒样品的直流电、体积、射频、不透明性、一个以上类型的光散射、轴向光损失和荧光性。
全文摘要
提供了用于颗粒分析的非线性的直方图分割的系统和方法。在一个实施例中，一种用于分析颗粒的方法包括基于颗粒的两个选择的参数建立初始的二维直方图，过滤初始的二维直方图以产生过滤的二维图像，检测过滤的二维图像中的多个种子种群，产生一个以上的线性轮廓线以分离检测的种子种群，每个线性轮廓线具有多个轮廓点，和调整至少一个线性轮廓线中的轮廓点以分离检测的种子种群。
文档编号G01N15/14GK102239402SQ200980149027
公开日2011年11月9日 申请日期2009年11月2日 优先权日2008年11月4日
发明者卡洛斯·A·拉米雷兹, 朴宰尚, 陆久留 申请人:贝克曼考尔特公司
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
