血清、血浆中干扰物的识别方法及装置与流程

本发明涉及血液样本检测领域，尤其是涉及血清、血浆中干扰物的识别方法及装置。

背景技术：

1、血液样本检测常用于实验室生化和免疫检测项目，一般情况下，全血会首先进行离心以快速获取用于检测的血清/血浆。但实际情况下，由于采血、离心或存储不当等原因可能会造成血清/血浆中存在纤维蛋白丝或凝块等干扰物。这些干扰物不仅会干扰检测，还会造成堵针或部分堵针。完全堵针会直接导致检测设备无法运行，需要专业人员进行处理，不仅影响检测周期，还会增加检测成本。部分堵针则会造成吸取的血清量不足，影响检测质量。

2、目前在取样针吸取血清/血浆之前，需要依靠医师人工观察判别血清中是否存在纤维蛋白丝、凝块等干扰物，并判断干扰物的位置是否影响检测，具有主观性强，对医生操作经验要求高，工作量大的缺陷。若前期医师未判别出血清中存在纤维蛋白丝、凝块等干扰物，则只能依赖mts（mahalanobis-taguchi system，马氏田口系统）检堵检测，但该方法仅能在发生堵针时发出报警，无法避免堵针的发生。

技术实现思路

1、本发明目的在于提供一种血清、血浆中干扰物的识别方法，用于解决无法有效的采用自动化技术提前判断血清/血浆中是否存在纤维蛋白丝、凝块等干扰物以及纤维蛋白丝、凝块等干扰物确切位置，有效预防堵针的问题。本发明的另一目的在于提供一种血清、血浆中干扰物的识别装置。

2、为实现上述目的，本发明采取下述技术方案：

3、本发明所述的血清、血浆中干扰物的识别方法，包括以下步骤：

4、s1，获取多张不同角度的采血管图像；

5、s2，使用分割卷积神经网络模型1按类别对每张所述采血管图像进行分割；

6、s3，计算每张采血管图像中分割出的血清/血浆区域面积，确定包含所述血清/血浆区域面积最大的采血管图像；

7、s4，使用分割卷积神经网络模型2对s3中选定的采血管图像的血清/血浆区域分割图像进行干扰物检测；

8、s5，根据s4步的检测结果，确定不受干扰的有效血清/血浆高度及液量。

9、进一步地， s1步中，以预设的旋转角度旋转采血管拍摄包含完整采血管即背景板的多张不同角度的采血管图像。

10、进一步地，s2步中，所述分割卷积神经网络模型1通过深度学习训练获得，按照n个类别对采血管图像进行分割；所述n个类别至少包括血清/血浆类。

11、进一步地，s3步中，所述血清/血浆区域分割图像是指血清/血浆分割结果所对应采血管图像的最小外接矩形；所述血清/血浆区域面积为血清/血浆区域分割图像的像素总数。

12、进一步地，s4步中，使用通过深度学习训练获得的所述分割卷积神经网络模型2对所述选定的采血管图像的血清/血浆区域分割图像按类别再次分割，识别血清/血浆区域分割图像中的干扰物。

13、进一步地，s5步中，不受干扰的有效血清/血浆高度及液量的确定过程包括：对于未检测到干扰物的血清/血浆区域分割图像，根据s2步中的分割结果以血清/血浆的底部为可抽取血清的最低位置，以血清/血浆的顶部为最高位置，获取不受干扰的有效血清/血浆高度及液量；对于检测到干扰物的血清/血浆区域分割图像，以检测到的干扰物顶部位置作为可抽取血清的最低位置，以血清/血浆的顶部为最高位置，获取不受干扰的有效血清/血浆高度及液量。

14、本发明所述的血清、血浆中干扰物的识别装置，包括图像采集设备、光源、抓手、背景板、光电传感器和存储并运行权利要求1所述血清、血浆中干扰物的识别方法的计算设备；

15、所述光电传感器用于判断采血管是否到达指定拍摄位置；

16、所述图像采集设备用于采集采血管不同角度的图像数据，并传输至所述计算设备；

17、所述抓手用于将采血管抓起并按照预设的旋转角度进行旋转，辅助图像采集设备完成采血管不同角度的图像数据采集；

18、所述背景板用于减少拍摄背景对权利要求1所述血清、血浆中干扰物的识别方法识别精度的影响；

19、所述光源对称布设在图像采集设备的两侧，并与图像采集设备呈一定的夹角，为图像采集设备提供合适的采集环境。

20、进一步地，所述背景板为表面粗糙的白色挡板。

21、进一步地，所述光源包括点光源或条光源。

22、本发明的优点在于应用深度学习技术构建分割卷积神经网络，自动化实现血清/血浆中纤维蛋白丝或凝块等干扰物的有无检测和准确定位，给出不受干扰物影响的有效血清/血浆高度及液量，能够有效过滤血清状态异常样本，并且根据不受干扰物影响的血清/血浆高度和液量能够有效指导取样针的移动，避免取样针堵针，代替原有的依靠医师人工观察判别血清中是否存在纤维蛋白丝、凝块等干扰物的方法，减少医生工作量，且提高样本检测效率。

技术特征：

1.一种血清、血浆中干扰物的识别方法，其特征在于：包括以下步骤：

2.根据权利要求1所述的血清、血浆中干扰物的识别方法及装置，其特征在于： s1步中，以预设的旋转角度旋转采血管拍摄包含完整采血管即背景板的多张不同角度的采血管图像。

3.根据权利要求1所述的血清、血浆中干扰物的识别方法及装置，其特征在于：s2步中，所述分割卷积神经网络模型1通过深度学习训练获得，按照n个类别对采血管图像进行分割；所述n个类别至少包括血清/血浆类。

4.根据权利要求1所述的血清、血浆中干扰物的识别方法及装置，其特征在于：s3步中，所述血清/血浆区域分割图像是指血清/血浆分割结果所对应采血管图像的最小外接矩形；所述血清/血浆区域面积为血清/血浆区域分割图像的像素总数。

5.根据权利要求1所述的血清、血浆中干扰物的识别方法及装置，其特征在于：s4步中，使用通过深度学习训练获得的所述分割卷积神经网络模型2对所述选定的采血管图像的血清/血浆区域分割图像按类别再次分割，识别血清/血浆区域分割图像中的干扰物。

6.根据权利要求1所述的血清、血浆中干扰物的识别方法及装置，其特征在于：s5步中，不受干扰的有效血清/血浆高度及液量的确定过程包括：对于未检测到干扰物的血清/血浆区域分割图像，根据s2步中的分割结果以血清/血浆的底部为可抽取血清的最低位置，以血清/血浆的顶部为最高位置，获取不受干扰的有效血清/血浆高度及液量；对于检测到干扰物的血清/血浆区域分割图像，以检测到的干扰物顶部位置作为可抽取血清的最低位置，以血清/血浆的顶部为最高位置，获取不受干扰的有效血清/血浆高度及液量。

7.一种血清、血浆中干扰物的识别装置，其特征在于：包括图像采集设备、光源、抓手、背景板、光电传感器和存储并运行权利要求1所述血清、血浆中干扰物的识别方法的计算设备；

8.根据权利要求7所述的一种血清、血浆中干扰物的识别装置，其特征在于：所述背景板为表面粗糙的白色挡板。

9.根据权利要求7所述的一种血清、血浆中干扰物的识别装置，其特征在于：所述光源包括点光源或条光源。

技术总结
本发明公开了一种血清、血浆中干扰物的识别方法及装置，应用深度学习技术构建分割卷积神经网络，自动化实现血清/血浆中纤维蛋白丝或凝块等干扰物的有无检测和准确定位，给出不受干扰物影响的有效血清/血浆高度及液量，能够有效过滤血清状态异常样本，并且根据不受干扰物影响的血清/血浆高度和液量能够有效指导取样针的移动，避免取样针堵针，代替原有的依靠医师人工观察判别血清中是否存在纤维蛋白丝、凝块等干扰物的方法，减少医生工作量，且提高样本检测效率。

技术研发人员：侯剑平,王超,段忆芮,赵万里,刘孟南,王海峦,武保军,刘聪
受保护的技术使用者：郑州安图生物工程股份有限公司
技术研发日：
技术公布日：2024/1/14