血细胞脉冲信号立体化识别原理及实现方法

丁远超，龙 伟，詹从来

（南昌大学 信息工程学院，南昌 330031）

0 引言

血液分析仪，又称血球计数仪，是医院临床检验应用广泛的仪器之一[1]。目前，大多数血细胞分析仪均采用Coulter原理[2]来检测血细胞，在电阻抗计数原理下，分析仪对血细胞脉冲信号的识别效果是影响其精度指标的关键因素[3]。

而血液分析仪通常采用将细胞脉冲波转化为能触发计数器的方波来对细胞进行计数的模拟电路识别方法[4]。这种方法从一定程度上可以对血细胞进行识别和计数，但与此同时存在着一些不足之处：1）不能反应出各血细胞脉冲信号的频率特征，对高频及过宽干扰信号出现误计；2）当待检测血细胞浓度比较大时，会出现对重叠细胞信号的漏计数；3）必须采用大量的模拟芯片来实现对复杂脉冲信号的识别处理，硬件电路复杂，工作可靠性不高。此外，也有不少科研工作者尝试利用人工神经网络具有自组织、自学习的功能和非线性处理的能力，以及分布式存储和并行处理等优点，选用BP神经网络选取一定数量的不同脉冲高度、脉冲宽度的血细胞脉冲信号作为训练样本，来对血细胞脉冲信号进行识别的方法[5]。但该方法识别算法复杂，训练时间长，难以应用于需对大量数据进行在线实时处理的血液分析仪系统中。

本文介绍了一种应用于血液分析仪中简单、快捷、工程应用可行、能对血细胞进行准确识别且能对干扰信号起到抑制作用的立体化血细胞脉冲信号识别原理及实现方法。该方法通过对流经微孔血细胞脉冲信号的幅值、频率和通过时间的多方位立体检测，即克服了传统模拟电路识别方法对重叠细胞漏计数及高频和低频干扰信号误计数的缺点，同时又解决了人工神经网络脉冲识别算法复杂，训练时间长的缺陷，提高了血液分析仪细胞分类和计数精度。

1 立体化细胞识别的原理及实现方法

在电阻抗法原理下，据实际测量，血细胞在经过微孔后会产生幅值为35μV～2mV、频率为30KHz～50KHz的微小脉冲信号。此脉冲信号需经多级运算放大电路后输出幅值范围为0.35V～4V的脉冲电压信号，以便A/D采集。

课题中通过5V-12bit高精度A/D对细胞信号进行采样，根据有效细胞信号幅值为0.35V～4V，经A/D转换公式(1)计算得到采样后的脉冲信号数字量范围为：286～3276。由于该倍数放大电路中，存在0μV～20μV的噪声干扰，放大后的噪声信号经公式(1)计算后得到的数字量范围为：0～163。因此在细胞识别过程中，算法可设置一个大小为200的门槛值来区分噪声信号与有效细胞信号，对噪声信号进行有效滤除，实现对有效细胞信号的识别。

其中：D为实采电压换算后的数字量，u0为A/D实采电压值，u为A/D标称电压值5V。

因有效细胞脉冲信号的频率范围为30KHz～50KHz。由香农采样定理可知，为不失真地恢复模拟信号，采样频率应不小于模拟信号频谱中最高频率的2倍，即fs≥2fmax[6]。但在实际工程应用中，为提高通过采样数据恢复的模拟信号的精度，一般选取fs≥10fmax，因此课题设计的A/D采样速度为3.0 MSPS。根据细胞脉冲频率与采样频率的关系，由公式(2)计算可得，每个有效细胞脉冲信号的采样点数范围应为：60～100。但由于实际采样中，有效细胞信号仅有正半周期的脉冲，因此有效细胞采样点数范围为：30～50。

其中：n为待采信号的采样点数，fs为A/D采样速度，f为待采信号频率。

课题设计的血细胞脉冲信号识别即是筛选采样信号中符合有效细胞脉冲特征（幅值、频率）的信号实现对血细胞脉冲的计数。

立体化血细胞识别方法的软件算法实现步骤为：

1）下截波：根据有效细胞信号及噪声信号幅值特征，设定一个值为200的门槛，来区分有效信号与噪声干扰。软件算法只对采样值大于200的信号进行处理，将小于此门槛值的数据除去，仅留下大于此值的数据。这样，可以除去大量非细胞脉冲信号数据，仅保留有可能为细胞脉冲信号采样点的数据，提高了数据的利用率。

2）波形识别：利用通过下截波留下的连续数据点，恢复原始信号的包络线。再对这组数据判断是否为连续上升n1个点再连续下降n2个点趋势，并对连续上升及连续下降的点数n1、n2的范围进行限制，这样，一方面可通过这种趋势判断这个原始信号包络线是否为一个波形及其波形的大致形状，另一方面通过对连续上升及连续下降的点数n1和n2的限制，杜绝了对高频干扰信号的误识别。

3）脉冲高度判断：通过下截波以及波形识别，初步判断这组波形信号数据点是一个细胞脉冲信号的采样点。每组波形信号数据点中，都有一个最大值，通常把这个值作为这个脉冲信号的高度。阻抗法分类原理是通过对脉冲信号高度判断进行的，由此可知，每类细胞都有其特定特征的细胞高度，因此通过对高度上下阈值的限制，可以对各类细胞进行分类。

4）脉冲宽度判断：同样通过下截波及波形识别，每组波形信号也有一个采样数据点个数，通常称其为脉冲信号的宽度。根据采样频率及细胞频率计算可知，有效细胞采样点数应为：30～50。即通过软件算法判断，脉冲采样点数在此范围内的则为有效细胞信号宽度，不在此范围内的则计为干扰。

通过上述4个步骤描述可见，该细胞识别算法一方面起到了带通滤波的作用，另外一方面恢复了原始脉冲信号的包络线，更重要的是，解决了模拟电路识别方法仅通过脉冲高度对细胞进行计数存在漏计和误计的问题。从细胞高度、细胞宽度和细胞通过微孔的时间对每个细胞进行多方位检测。且在识别过程中，未增加数据计算量，大大节约了识别时间。

2 立体化血细胞脉冲识别的效果验证

2.1 验证方法

为验证立体化血细胞识别方法对血细胞脉冲信号的识别效果。使用立体化识别方法对20组血细胞采样数据进行识别计数，并与人工经验识别计数及模拟电路识别方法进行对比，验证三种方法下细胞计数是否存在偏差。其步骤如下：

1）通过示波器，保存血细胞脉冲的某段模拟信号，通过人工经验，对信号波形进行识别，统计出血细胞个数。

2）通过示波器，保存通过硬件电路方式转换后的方波信号，并对方波个数进行统计，得出血细胞个数。

3）利用Visual Basic 6.0软件编写的应用程序，读取对应的采样数据，恢复其信号包络线，并通过立体化识别方法，对血细胞进行计数。

2.2 验证结果

对比结果如表1所示。

表1 血细胞立体化识别与人工经验识别结果对比表

2.3 立体化识别对重叠脉冲、高频及低频干扰信号的识别效果

立体化识别算法对“M”型重叠细胞信号的识别效果如图1所示。

图1 “M”型重叠脉冲识别效果图

从图1中可看出，在Visual Basic 6.0下编写的立体化识别算法能够有效识别重叠“M”型脉冲信号，克服了模拟电路识别方法漏计数的缺陷。

立体化识别算法对高频及低频干扰脉冲信号的识别效果如图2、图3所示。

图2 原始信号波形

图2中描绘的原始信号波形数据来自3段采样数据点，但为更直观说明效果，人工将3段数据拟合为一段连续数据进行识别效果验证。该原始信号波形经立体化识别算法处理后信号波形如图3所示。

图3 立体化识别后信号波形

从图3中可看出，在Visual Basic 6.0下编写的立体化识别算法能够有效识别高频及低频干扰脉冲信号，克服了模拟电路识别方法误计数的缺陷。

2.4 验证结论

从血细胞20组采样数据利用立体化识别方法计数与人工经验识别计数的结果对比来看，吻合率100%。与通常的模拟电路识别方法对比，解决了模拟电路识别方法对重叠脉冲信号漏计数和高频及过宽干扰信号误计数的问题。由此可见，立体化血细胞识别方法在细胞识别计数中可用，且效果良好。

3 结束语

本文提出了一种应用于血液分析仪中工程可行的立体化血细胞脉冲识别计数原理及具体方法的实现。该方法创新的对通过微孔的血细胞脉冲信号的高度、宽度和通过时间进行多方位检测，解决了传统的模拟电路识别方法对重叠细胞信号漏计、对高频及过宽干扰信号误计等关键技术难题，提高了细胞分类和计数精度。该立体化血细胞识别方法经多次修正及实验验证后，已于2014年成功应用到某款三分类血液分析仪中，仪器功能、性能测试均合格。

[1] 游世梅.血液分析仪的现状与发展趋势分析[J].中国高新技术企业.2013,02(09):83-84.

[2] 李霞,曾文洁,郭建华.血液分析仪联合血细胞形态观察在临床诊断中的应用[J].国际检验医学杂志.2012,03(07):876-878.

[3] 陈晓玲,武锦彪,王文娟.Sysmex XE-2100血液分析仪临床应用评价[J].实验与检验医学.2014,32(01):26-29.

[4] 许志伟,吴太虎,等.血细胞计数技术最新研究进展[J].医疗卫生装备,2004,24(3):24-28.

[5] 刘晓,郭兴明,摇晓帅,等.基于BP神经网络的超声图像识别方法的研究[J].中国医疗器械杂志,2004,28(6):395-397.

[6] 赵冠楠.基于局部平均的香农采样展开式的截断误差估计[D].天津:天津大学,2009:11-20.