血清质量检测方法研究

安图实验仪器（郑州）有限公司 （河南 郑州 450016）

内容提要： 目的：提高血清质量检测水平，有效筛选问题血清，提高临床实验室检验结果的准确度。方法：使用工业相机对血清样本进行拍照，并利用图像识别的方法，获取血清图片，建立血清Yxy颜色特征图库，并使用SVM分类模型实现血清的识别。结果：在15411张血清样本上的测试结果，血清、溶血、脂血、黄疸样本的识别结果与人眼判断结果的符合率分别为：血清识别正确率为99.84%，溶血识别正确率为89.33%，脂血识别正确率为86.21%，黄疸识别正确率为83.87%。结论：血清检测系统的符合率满足使用要求，在一定程度上可以代替人眼做出判断。

随着国内医疗质量管理与控制体制的不断完善，对临床实验室检测质量和结果准确度的要求也越来越高，血清样本质量（溶血、脂血和黄疸等）控制是实验室前质量控制的重要组成部分[1-3]。过去常规的做法是检验医生肉眼判断血清质量，但是肉眼判断存在主观性强、工作量大和无法标准化等缺点，本文详细描述了安图实验仪器公司研究的一种血清质量检验方法。

人体体检抽出的血液是血清，血浆，血小板等的混合体，混合体经过离心之后，这几种成分分层存在，血清在最上层，血小板等在第二层，血浆在最下层。正常的血清是清亮浅黄色；血细胞破裂之后，血清是浅红色，深红色的溶血；黄疸是一种疾病，血清总胆红素在17.1～34.2μmol/L，而肉眼看不出黄疸时，称隐性黄疸或亚临床黄疸；当血清总胆红素浓度超过34.2μmol/L时，临床上即可发现黄疸，也称为显性黄疸；脂血是血清中含有大量脂类物质。从外观上看，血清是浑浊的乳白色。

近年来机器视觉技术的应用越来越广泛，在很多应用场景，机器视觉技术都能够提供成熟可靠的解决方案，血清质量检测就是其中之一。检验医生通常使用肉眼观察离心后的血清，根据颜色筛选出问题血清，根据这一原理搭建血清质量检测系统，使用机器视觉技术，赋予工业相机智能化功能，用工业相机代替肉眼做测量和判断。本研究方法利用机器视觉技术，使用工业相机，补光光源，白色背景板，对血清样本拍照，利用图像识别方法，筛选出问题血清（溶血，黄疸，脂血）。

1.资料与方法

1.1 一般资料

收集2017年8月～2018年9月浚县人民医院检验科日常送检的15411份血液样本，可用于方法建立后对问题血清（溶血，脂血，黄疸）的筛选结果进行分析。

1.2 方法

对于血清检测，本公司自主研发了一套软件，血清质量检测系统，用于完成血清的检测。系统界面见图1。主要包含以下几个功能的实现：①对血清样本管拍照；②利用图像识别的方法定位出样本管位置，血浆位置和血清位置（见图2）；③计算出血清区域的RGB平均颜色值，并将RGB平均颜色值转换为Yxy颜色值；④采用软件中内置的SVM模型，通过Yxy颜色值的x，y值判别血清类型，并输出判别结果。其中，运用图像识别方法实现血清定位，Yxy颜色空间的转换，以及使用SVM模型对血清进行分类是本文的核心算法。

图1. 血清质量检测系统

图2. 血清血浆定位

图3. 原始图像

图4. 图像处理流程

1.2.1 血清定位

对于原始血清样本图像见图3所示，是血液图像样本经过离心后的效果，血液离心后分为两层，下部为血浆，上部为血清。血浆颜色呈现为纯黑色，正常血清呈现为淡黄色。对图3中两个血液样本管图像分别用图像处理算法流程（见图4）处理：①将原始血液样本管图像转为灰度图像；②并使用大津二值化方法得到二值化图像；③对二值图像提取连通区域；④提取血浆轮廓；⑤根据样本管中血清，血浆的相对位置关系，提取出血清位置，如图5所示。

1.2.2 RGB与Yxy颜色空间转换

图5. 图像处理中间过程

RGB颜色空间是一种颜色标准，一个像素点颜色包含红（R）、绿（G）、蓝（B）三个颜色通道值，值的范围都是[0，255]，通过改变不同通道的值，可以组成人类视力所能感知的所有颜色，是目前运用最广的颜色系统之一，例如三个通道值都是255，则是白色；三个通道值都是0，则是黑色[4,5]。Yxy是另外一种颜色空间[6-9]。它是一种设备无关的颜色系统，也是一种基于生理特征的颜色系统。Yxy颜色空间中的Y分量表示像素的亮度，x,y表示颜色特征。RGB颜色空间转Yxy颜色空间：RGB颜色空间不能直接转换为Yxy颜色空间，需要借助XYZ颜色空间，把RGB颜色空间转换为XYZ颜色空间，之后再把XYZ颜色空间转换为Yxy颜色空间。主要应用公式（1）、公式（2）完成颜色空间的转换。

1.2.3 支持向量机模型

考虑到本文的目的是对血清进行识别，将血清分为4类，血清，溶血，脂血，黄疸，因此，支持向量机（Support Vector Machine，SVM）模型需设置类别个数为4[10]。对于核函数的选取，考虑到血清样本的颜色特征具有明显的线性可分性，因此本文选用线性核函数。对于特征的选择，将由血清图片计算得到的Yxy颜色特征值中的x,y特征作为模型的输入。通过训练模型，获取最优模型参数，得到支持向量机分类模型。

2.结果

2.1 血清Yxy特征图库建立

图6. 血清Yxy特征空间

通过实验室具有丰富工作经验的专业人员的挑选，共选择了207张血清图片，其中正常血清图片133张，溶血图片29张，脂血图片22张，黄疸图片23张。根据Yxy颜色特征空间的原理，建立原始图库的三维特征图，如下图6所示。

2.2 SVM模型

对收集的207张血清样本图像，血清样本包含正常血清，溶血，脂血，黄疸，求出每个样本血清区域的RGB平均颜色值，然后RGB平均颜色值转换为Yxy颜色值，得到血清样本的Yxy颜色特征图库。选取x,y两列作为特征值，并采用SVM算法，使用线性核函数，设置4个类别，进行模型训练并保存模型。将训练好的SVM模型参数导入软件计算程序。如图7是各类血清样本的归一化x,y特征图以及SVM模型支持向量的仿真。

2.3 血清检测系统的验证结果

在对15411份血清样本进行验证结果时，使用软件对待检测血清样本拍照，并输出识别结果，血清、溶血、脂血、黄疸样本的识别结果与专业人员人眼判断结果的符合率分别为：血清识别正确率为99.84%，溶血识别正确率为89.33%，脂血识别正确率为86.21%，黄疸识别正确率为83.87%。详细结果见表1。

3.讨论

临床实验室检验的质量控制分为测试前，测试中和测试后质量控制，每个阶段都会直接影响检验结果的准确性。其中很多错误和失控大多发生在测试前，如果能尽量减少测试前的错误和失控，则能大大提高检验的质量和结果的可靠性[11-15]。绝大多数医院都很重视检验的质量控制，并且纷纷采取了不同的方法[16-22]。本研究是针对血清测试前的质量控制方法，对离心后测试前的血清进行图像拍摄，利用图像识别方法，对每一例血清图像进行定位，然后依据图像的颜色特征采用支持向量机分类模型对血清进行识别，筛选出问题血清（溶血、黄疸、脂血），辅助检验医生做出判断，减少问题血清进入实验的概率，提高临床实验室检验结果的准确度。

图7. SVM支持向量

表1. 血清检测系统预测结果(n)

本文研究的血清检测方法，已应用于血清检测系统，通过对血液样本管拍照，就可以完成对血清的识别，有效地筛选出溶血，脂血，黄疸问题血清。通过大量实验验证，血清质量检测系统的符合率满足设计要求，在某些特定场合可以代替人眼做出判断，例如全自动实验室流水线系统，因为流水线系统带有血液离心功能，离心完血清直接传送到检测仪器，中间没有检验医生参与，所以必须经过血清质量检测系统的检测，由该系统代替人眼做出判断，把问题血清在测试前筛选出来，提高检验的质量和结果的可靠性，减少因检验引起的医患纠纷。但此血清质量检测系统尚有很多不足：问题图库样本太少，如果要实际投入应用，则还需要收集大量问题血清样本；本系统使用过夜样本进行研究，新鲜样本和过夜样本的颜色存在差异，故还需收集新鲜样本做进一步实验。

综上所述，本文研究的血清检测方法，结合了图像识别与支持向量机等方法的应用，实现了通过对血液样本管进行拍照，利用血清检测系统就可以完成对血清的识别，并且具有较高的准确率，在一定程度上可以代替人眼做出判断。