一种针对淋巴亚群细胞的自动补偿方法及系统与流程

本发明涉及医疗，特别涉及一种针对淋巴亚群细胞的自动补偿方法及系统。

背景技术：

1、在流式细胞术中，不同的标记物(例如荧光染料)可能会发出相似波长的光，因此它们的信号可能会相互干扰。这种现象称为光谱叠加。由先验知识可知，在进行荧光补偿的过程中，用户需要多次调整补偿值，直到散点图上的粒子群分布呈现“横平竖直”的分布形状，即某方向上各细胞群的位置大致相等。这种方法成本较高，且需要用户具备非常丰富的经验，而且需要根据图形分布进行多次手动调试，操作繁琐且准确性不够。

技术实现思路

1、基于此，本申请实施例提供了一种针对淋巴亚群细胞的自动补偿方法及系统，能够解决在进行荧光补偿的过程中进行手动补偿主观性强，精度较低的问题。

2、第一方面，提供了一种针对淋巴亚群细胞的自动补偿方法，该方法包括：

3、s1划分象限：通过dbscan算法和直方图分析，结合平滑处理及波峰波谷识别，将淋巴细胞分布划分为四个象限，为后续细胞团分类做准备；

4、s2挑选粒子团：以双阴性团为参考基准，选取与之特征相近的粒子团作为对标粒子团；

5、s3逐步逼近获取最优溢出值：通过逐步逼近的迭代方法，不断调整并确定最优的溢出值参数；

6、s4更新数据：将获取的最优溢出值写入溢出矩阵并转换成补偿矩阵，对原始数据进行补偿处理，生成补偿后的数据。

7、可选地，所述方法还包括：

8、在更新数据之后重复执行s1-s4，直至达到预设循环次数后以最终补充后的数据进行输出。

9、可选地，s1划分象限，具体包括：

10、通过dbscan算法对淋巴细胞进行处理，筛选出离散范围在设定条件内的细胞团；

11、进行统计直方图分析，得到统计结果，对直方图统计结果采用平均平滑处理，并根据统计直方图的波峰图形特征将散点图划分成四个象限；

12、挑选出平滑后的统计直方图中的两个波峰，并在波峰中筛选出最低的波谷，作为细胞团分类时的分割位置；

13、对每个细胞团进行归一化，并计算每个细胞团的聚类中心，通过聚类中心落在的象限位置，确定细胞团所对应的象限，若多个细胞团处于同一象限内，则将处于同一象限内的粒子团进行合并。

14、可选地，s2挑选粒子团，具体包括：

15、根据参考基准团，对于对标粒子团进行“横平竖直”的对标。其中，参考基准团选取双阴性团，当对齐“横平”时，选取第四象限的粒子团作为对标的粒子团；当对齐“竖直”时，选取第一象限的粒子团作为对标的粒子团。

16、可选地，s3逐步逼近获取最优溢出值，具体包括：

17、通过逐步逼近的方法调整溢出值参数α。具体为找出最优的溢出值，使得参考的粒子团与需要对标的粒子团之间中位数差值的绝对值最小；其中，粒子团的更新方式为：

18、ynew＝yold-α*x

19、式中：

20、y为粒子团在目标对齐维度下，细胞的荧光强度。

21、α为溢出值。

22、x为粒子团在另一个维度下，细胞的荧光强度。

23、可选地，s4更新数据，具体包括：

24、更新溢出矩阵：在确定了最优的溢出值参数后，将溢出值参数写入到预先定义的溢出矩阵中对应的位置；

25、更新补偿矩阵：调用预先编写的c#动态链接库，将溢出矩阵中的溢出值转换成补偿矩阵；

26、更新数据：使用更新后的补偿矩阵对原始数据进行补偿处理。

27、第二方面，提供了一种针对淋巴亚群细胞的自动补偿系统，该系统包括：

28、划分象限模块，用于通过dbscan算法和直方图分析，结合平滑处理及波峰波谷识别，将淋巴细胞分布划分为四个象限，为后续细胞团分类做准备；

29、挑选粒子团模块，用于以双阴性团为参考基准，选取与之特征相近的粒子团作为对标粒子团；

30、获取最优溢出值模块，用于通过逐步逼近的迭代方法，不断调整并确定最优的溢出值参数；

31、更新数据模块，用于将获取的最优溢出值写入溢出矩阵并转换成补偿矩阵，对原始数据进行补偿处理，生成补偿后的数据。

32、第三方面，提供了一种电子设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述第一方面任一所述的针对淋巴亚群细胞的自动补偿方法。

33、第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述第一方面任一所述的针对淋巴亚群细胞的自动补偿方法。

34、第五方面，提供了一种计算机程序产品，包括计算机程序/指令，计算机程序/指令被执行时实现上述第一方面任一所述的针对淋巴亚群细胞的自动补偿方法。

35、本申请实施例提供的技术方案中通过精准划分象限、精确挑选粒子团、逐步逼近获取最优溢出值和及时更新数据等步骤，显著提高了淋巴亚群细胞分析的准确性和可靠性。它不仅能够有效减少离散点对溢出值的影响，还能通过平滑处理和波峰波谷识别来准确划分象限，确保细胞团分类的准确性。同时，通过逐步逼近的方法确定最优溢出值，使得对标粒子团之间的中位数差值最小，进一步提高了数据的准确性。最终，通过更新溢出矩阵、补偿矩阵和数据，生成了更为准确可靠的淋巴亚群细胞分析数据，为医学研究和临床应用提供了有力支持。

技术特征：

1.一种针对淋巴亚群细胞的自动补偿方法，其特征在于，所述方法包括：

2.根据权利要求1所述的自动补偿方法，其特征在于，所述方法还包括：

3.根据权利要求1所述的自动补偿方法，其特征在于，s1划分象限，具体包括：

4.根据权利要求1所述的自动补偿方法，其特征在于，s2挑选粒子团，具体包括：

5.根据权利要求1所述的自动补偿方法，其特征在于，s3逐步逼近获取最优溢出值，具体包括：

6.根据权利要求1所述的自动补偿方法，其特征在于，s4更新数据，具体包括：

7.一种针对淋巴亚群细胞的自动补偿系统，其特征在于，所述系统包括：

8.一种电子设备，其特征在于，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至6任一所述的针对淋巴亚群细胞的自动补偿方法。

9.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一所述的针对淋巴亚群细胞的自动补偿方法。

10.一种计算机程序产品，包括计算机程序/指令，其特征在于，该计算机程序/指令被处理器执行时实现权利要求1至6任一所述的针对淋巴亚群细胞的自动补偿方法。

技术总结
本申请公开了一种针对淋巴亚群细胞的自动补偿方法及系统。本方法包括象限划分、粒子团挑选、逐步逼近获取最优溢出值和更新数据等步骤。该方法能够减少离散点影响，提高细胞分类准确性，并通过逐步逼近确定最优溢出值，确保对标粒子团间的差值最小。最终通过数据更新，为淋巴亚群细胞分析提供准确可靠的数据支持。

技术研发人员：朱丽娟,张荣倩,王政良,王倩,刘铁夫
受保护的技术使用者：北京层浪生物科技有限公司
技术研发日：
技术公布日：2024/9/23