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)。
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。
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。
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。
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。
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。
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。