《基於多維散射光檢測技術的白細胞亞類識別方法的研究》是依託南昌大學，由龍偉擔任項目負責人的地區科學基金項目。
基本介紹
- 中文名：基於多維散射光檢測技術的白細胞亞類識別方法的研究
- 項目類別：地區科學基金項目
- 項目負責人：龍偉
- 依託單位：南昌大學
項目摘要,結題摘要,
項目摘要
針對目前血液分析系統結構複雜，價格昂貴，使用和維修成本高，檢測結果準確性、一致性和可比性較差的缺陷，探索新的白細胞亞群分類方法和細胞識別方法。課題以申請人及團隊設計並已獲發明專利授權的，不同於目前主流血細胞分析系統的多維散射光檢測系統為平台，以白細胞亞群分類和識別過程為研究對象，研究在新的檢測方法模式下細胞信號的特徵和噪聲的成因，探索細胞信號的獲取方法；利用非線性、非平穩信號的時頻分析技術，研究提取血細胞信號特徵向量的方法，突出對異常細胞信號的個案分析；利用智慧型建模理論和方法，分類構建有效描述血細胞特徵的線上識別模型，研究提出基於模型的細胞信號識別算法，實現穩定、快速、準確識別血細胞信號；根據臨床案例並結合專家經驗，建立面向疾病診斷的血細胞檢測分析專家系統，研究匹配的專家規則檢索算法。本項目的研究，有利於簡化血細胞分析系統結構，提高識別精度，促進和改善我國各類醫院臨床診斷和治療。
結題摘要
目前主流的白細胞亞分類檢測需結合雷射散射、射頻、化學染色等技術，結構複雜，實現、使用成本高。本項目以多維散射光檢測系統為平台，以白細胞亞群分類和識別過程為研究對象，研究構建了有效描述血細胞特徵的線上識別模型，實現了血細胞信號穩定、準確、快速的分類識別。 項目驗證了多維雷射散射檢測系統的有效性，並最佳化了多維散射光學結構，將後向散射光強度提高了一倍，有效濾除了偏振光，降低了背景雜散光，提高了檢測結果的準確性。 通過分析細胞信號的有效性，研究了血細胞信號的獲取方法，實現了對背景噪聲的局部消除，並成功研製出血細胞識別電路和血液分析儀的微處理器/現場可程式門陣列兩極控制系統。 本項目探索了能自適應地分解非線性非平穩信號的希爾伯特-黃變換（HHT）算法在白細胞信號（WBS）時頻分析和分類中的套用效果，發現了各類白細胞信號在平均強度、譜質心以及能量貢獻率上具有良好的區分度，並將其提取作為細胞分類的特徵向量。 以WBS的特徵向量作為輸入序列，採用支持向量機分類器構建了健康人與患者的識別模型，識別率達到94.83%；採用RBF神經網路算法構建了白細胞亞類的分類模型，其分類結果與國外知名儀器Mythic 22測試結果相近，其中LYM、MON、GRAN分類相關性係數分別為：99.23%，94.33%，99.92%。 針對目前血液分析儀無法自動診斷血液疾病的現狀，本項目以專家經驗、臨床復檢規則和臨床案例為知識源構建了產生式樹形結構的知識庫，並結合基於Snort高效匹配規則的推理機設計出了專家臨床診斷系統。系統診斷的假陽性率為2.7%，假陰性率為3.31‰，滿足臨床診斷的相關指標。 本項目探索了新的白細胞亞群分類方法和細胞識別方法，為突破五分類血液分析儀的重大關鍵技術，研製出自主創新和具有國際競爭力的優質產品提供了理論和技術支持。
