基于试管法的血型智能判读方法技术

本发明专利技术公开了一种基于试管法的血型智能判读方法，用于与基于试管法原理进行血型检测试验的全自动血型分析仪进行配合，对其在离心管内加入实验所需的样本及试剂、进行混合、离心处理后的离心管的结果进行判读，所述判读方法具体包括如下步骤：步骤1、建立凝集反应分类标准，步骤2、建立图片分类模型，步骤3、使用步骤2所得的最终图片分类模型对经过全自动血型分析仪处理后的试管图片进行分类，步骤4、血型结果判读。本发明专利技术的基于试管法的血型智能判读方法，通过巧妙的设定，让判读速度快，且通过多重对比，确保判读结果有效并精确，实用性强，值得推广。得推广。得推广。

【技术实现步骤摘要】
基于试管法的血型智能判读方法


[0001]本专利技术属于血型自动检测领域，尤其涉及一种基于试管法的血型智能判读方法。

技术介绍

[0002]随着医学的发展，现在，如果需要输血治疗，配血除了ABO系统必作出血型定型外，更重要的是要必作RhD抗原的血型鉴定，因为其造成此血型不合的不良反应更是严重或危险。因此临床上非常严格要求作RhD抗原的血型同时采用输血治疗和其他妊娠或其他免疫病的治疗和阻断(如RhD阴性孕妇怀孕有RhD阳性胎儿此时母或子必然招致重大的危险)，即RhD抗原的检测已列入临床预防和治疗的非常重要血型系统且已纳入与ABO血型同等重要的必检血型系统。
[0003]目前ABO血型鉴定和RhD抗原鉴定是两个各自完全独立的一套检测程序，操作繁琐复杂，容易出差错，因为通常有多人同时进行鉴定，在确定对应关系时容易造成差错，另一方面传统的ABO血型鉴定是以基于试管法的常量法为主，通过人工观察结果进行确定，确定完成后将试管丢掉，不能形成固定状态，不能扫描拍照存档，给以后的复诊查档带来困难。现在也有一些自动化检测方法，但是依然存在判断的结果精确度不够，假阳性较多的问题，故，人们需要找到一种更合适高效精确度高的方法来解决这些问题。

技术实现思路

[0004]本专利技术的目的是提供一种判读速度快、判读结果精确的基于试管法的血型智能判读方法。
[0005]本专利技术是通过以下技术方案来实现的：
[0006]基于试管法的血型智能判读方法，用于与基于试管法原理进行血型检测试验的全自动血型分析仪进行配合，对其在离心管内加入实验所需的样本及试剂、进行混合、离心处理后的离心管的结果进行判读，所述离心管为一个正反定血型试验所需的6个试管依次连成一排而形成的卡式试管，6个试管分别为抗A、抗B、A1细胞、B细胞、抗D、对照试管，所述判读方法具体包括如下步骤：
[0007]步骤1、建立凝集反应分类标准：
[0008]根据试管法原理对试验中试管中凝集反应进行分类，分为阳性、阴性和无效结果3大类，其中，阴性的类型符号和表现特征为：
‑
，没有凝集；无效结果的类型符合和表现特征为：H，完全溶血；阳性又分为5个小类，类型符号和表现特征分别为：4+，一个结实的凝集块；3+，数个大的凝集块，2+，中等大小的凝集块，背景清晰；1+，小的凝集块，背景浑浊；
±
，几乎看不见的凝集，背景浑浊；
[0009]步骤2、建立图片分类模型，依次包括如下过程：
[0010]1)图像采集：所述全自动卡式血型分析仪包括图片采集模块，通过全自动卡式血型分析仪的图片采集模块采集多张对应于步骤1所述区分的不同类型的试管图片；
[0011]2)图片分类标注：按照步骤1所述的凝集反应分类标准，对步骤1)采集到的试管图
片进行人工标注，图片中含有多个试管，则对图片中的每一个试管都进行人工标注；
[0012]3)图片预处理：将图片按照试管分割成若干张图片，使得每个图片中有且仅有一个试管的图片，并且试管在图片中的位置相对保持一致；以试管底为基准，在图片上截取合适的感兴趣区域ROI作为识别训练区域，将处理好的图片根据步骤2)中的标注，分别放入不同的图片子集，保证每个图片子集中都有足够的图片数量，并将所有图片子集合并放入一个集合中，作为模型训练集；
[0013]4)模型训练：利用自组织神经网络，以步骤3)得到的模型训练集作为输入，以模型训练集中的相应的标注作为输出训练神经网络，得到初步图片分类模型；
[0014]5)模型完善：按步骤1)采集新的试管图片，对步骤4)得到的初步图片分类模型对图片中试管进行分类标注；然后人工对标注后的图片分类进行确认，并修正其中错误的标注；将人工确认并修正后的图片纳入到模型训练集中，然后按步骤4)，对初步图片分类模型进行训练，得到改善后的图片分类模型；
[0015]6)对改善后的图片分类模型，进行重复步骤5)；通过反复执行步骤5)的操作，不断对图片分类模型进行完善，最终得到对各类图片都有预定的识别准确率的合适的最终图片分类模型；
[0016]步骤3、使用步骤2所得的最终图片分类模型对经过全自动血型分析仪处理后的试管图片进行分类：
[0017]通过全自动卡式血型分析仪的图片采集模块获取到图片，随后将图片输入到最终图片分类模型中进行分类；最终图片分类模型会根据输入图片输出各个类别的特征值，这些特征值的总和为1，特征值代表了该图片为某种类别的概率，根据实际情况对特征值设置一个阈值，若特征值中的最大值大于所设阈值，则将此图片分类为该特征值所代表的分类结果；若特征值中的最大值小于所设阈值，则将此图片标记为分类失败，由人工进行分类；
[0018]步骤4、血型结果判读：基于通过步骤3得到的一个正反定血型试验所对应的6个试管的分类结果，判读出此正反定血型试验的血型结果。
[0019]作为优选，所述步骤4的基于通过步骤3得到的一个正反定血型试验所对应的6个试管的分类结果，判读出此正反定血型试验的血型结果的具体步骤如下：
[0020]1)判断对照：若对照试管分类结果不是阴性，则本试验结果无效，终止判读流程，将此实验结果判定无效；
[0021]2)判断正定血型：结合抗A试管、抗B试管的分类结果，根据ABO血型鉴定原理，判断得到正定血型；
[0022]3)判断反定血型：结合A1细胞试管、B细胞的分类结果，根据ABO血型鉴定原理，判断得到反定血型；
[0023]4)判断血型：结合正定血型和反定血型，判断此样本血型；若正定血型和反定血型一致，则此样本血型确定；若正定血型和反定血型不一致，则将此样本标记为存疑，由人工进行确认；
[0024]5)判断RhD：若抗D试管分类为阳性，则判定为RhD阳性；若抗D试管分类为阴性，则判定为RhD阴性，并将此实验标记为存疑，由人工进行确认；
[0025]6)结果：结合血型和RhD结果，最终确定此样本血型；若6个试管中分类结果中存在弱阳性结果(
±
，1+，2+)，则将此实验标记为存疑，由人工进行确认，即上述步骤2)、3)、5)判
定中认定为“+”阳性分类结果的应为阳性分类中细分的“4+”阳性或“3+”阳性。
[0026]更优地，所述步骤4的步骤2)中，判断正定血型的具体过程是：如果抗A试管为“+”、抗B试管为
“‑”
，被检者血型可以确定为A型血；如果抗A试管为
“‑”
、抗B试管为“+”，被检者血型可以确定为B型血；如果抗A试管为
“‑”
、抗B试管为
“‑”
时，被检者血型可以确定为O型血；如果抗A试管为“+”、抗B试管为“+”时，被检者血型可以确定为AB型血。
[0027]更优地，所述步骤4的步骤3)中，判断反定血型的具体过程是：如果A1细胞试管为
“‑”
、B细胞试管为“+”，被检者血型可以确定为A型血；如果A1细胞试管为“+”、B细胞试管为
“‑”<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于试管法的血型智能判读方法，其特征在于，用于与基于试管法原理进行血型检测试验的全自动血型分析仪进行配合，对其在离心管内加入实验所需的样本及试剂、进行混合、离心处理后的离心管的结果进行判读，所述离心管为一个正反定血型试验所需的6个试管依次连成一排而形成的卡式试管，6个试管分别为抗A、抗B、A1细胞、B细胞、抗D、对照试管，所述判读方法具体包括如下步骤：步骤1、建立凝集反应分类标准：根据试管法原理对试验中试管中凝集反应进行分类，分为阳性、阴性和无效结果3大类，其中，阴性的类型符号和表现特征为：
‑
，没有凝集；无效结果的类型符合和表现特征为：H，完全溶血；阳性又分为5个小类，类型符号和表现特征分别为：4+，一个结实的凝集块；3+，数个大的凝集块，2+，中等大小的凝集块，背景清晰；1+，小的凝集块，背景浑浊；
±
，几乎看不见的凝集，背景浑浊；步骤2、建立图片分类模型，依次包括如下过程：1)图像采集：所述全自动卡式血型分析仪包括图片采集模块，通过全自动卡式血型分析仪的图片采集模块采集多张对应于步骤1所述区分的不同类型的试管图片；2)图片分类标注：按照步骤1所述的凝集反应分类标准，对步骤1)采集到的试管图片进行人工标注，图片中含有多个试管，则对图片中的每一个试管都进行人工标注；3)图片预处理：将图片按照试管分割成若干张图片，使得每个图片中有且仅有一个试管的图片，并且试管在图片中的位置相对保持一致；以试管底为基准，在图片上截取合适的感兴趣区域ROI作为识别训练区域，将处理好的图片根据步骤2)中的标注，分别放入不同的图片子集，保证每个图片子集中都有足够的图片数量，并将所有图片子集合并放入一个集合中，作为模型训练集；4)模型训练：利用自组织神经网络，以步骤3)得到的模型训练集作为输入，以模型训练集中的相应的标注作为输出训练神经网络，得到初步图片分类模型；5)模型完善：按步骤1)采集新的试管图片，对步骤4)得到的初步图片分类模型对图片中试管进行分类标注；然后人工对标注后的图片分类进行确认，并修正其中错误的标注；将人工确认并修正后的图片纳入到模型训练集中，然后按步骤4)，对初步图片分类模型进行训练，得到改善后的图片分类模型；6)对改善后的图片分类模型，进行重复步骤5)；通过反复执行步骤5)的操作，不断对图片分类模型进行完善，最终得到对各类图片都有预定的识别准确率的合适的最终图片分类模型；步骤3、使用步骤2所得的最终图片分类模型对经过全自动血型分析仪处理后的试管图片进行分类：通过全自动卡式血型分析仪的图片采集模块获取到图片，随后将图片输入到最终图片分类模型中进行分类；最终图片分类模型会根据输入图片输出各个类别的特征值，这些特征值的总和为1，特征值代表了该图片为某种类别的概率，根据实际情况对特征值设置一个阈值，若特...

【专利技术属性】
技术研发人员：吴旻，陶璘辉，苟治刚，
申请(专利权)人：江苏贝索生物工程有限公司，
类型：发明
国别省市：