一种血液检测仪、血液检测识别系统及识别方法
阅读说明：本技术 一种血液检测仪、血液检测识别系统及识别方法 (Blood detector, blood detection identification system and identification method ) 是由 杨奕 陈龙飞 刘彦彤 于 2021-07-12 设计创作，主要内容包括：本发明属于医疗检测技术领域,公开了一种血液检测仪、血液检测识别系统及识别方法。将血液和水凝胶前驱液通过微流控芯片的芯片入口部通入至微流控芯片的芯片腔室,芯片腔室中设置有微水凝胶柱,通过蓝光曝光将血细胞固化在微水凝胶柱中制成水凝胶致动器；通过图像采集传输组件采集获取血细胞原始图像；按压力学传输组件,使得水凝胶致动器中的血细胞制动；通过图像采集传输组件采集获取血细胞形变图像；通过图像采集传输组件将血细胞原始图像和血细胞形变图像传输至识别设备；通过识别设备得到分类识别结果信息。本发明解决了现有技术中血液检测的装置体积较大、成本较高、操作较复杂的问题。(The invention belongs to the technical field of medical detection, and discloses a blood detector, a blood detection identification system and an identification method. Introducing blood and hydrogel precursor liquid into a chip chamber of the microfluidic chip through a chip inlet part of the microfluidic chip, wherein a micro-hydrogel column is arranged in the chip chamber, and curing blood cells in the micro-hydrogel column through blue light exposure to prepare a hydrogel actuator; acquiring and obtaining a blood cell original image through an image acquisition and transmission assembly; pressing the mechanical transmission component to brake blood cells in the hydrogel actuator; acquiring and obtaining a blood cell deformation image through an image acquisition and transmission assembly; transmitting the blood cell original image and the blood cell deformation image to identification equipment through an image acquisition and transmission assembly; and obtaining classification identification result information through the identification equipment. The invention solves the problems of larger volume, higher cost and more complex operation of the blood detection device in the prior art.)
技术领域
本发明属于医疗检测技术领域，更具体地，涉及一种血液检测仪、血液检测识别系统及识别方法。
背景技术
现有的血液检测或分析通常是在医院或实验室中执行，且采用的检测设备通常体积较大、成本较高、操作复杂。如何提供一种便携的血液检测仪来实现高精度、低成 本、易操作的多功能血液检测仍然本领域的一个挑战。
发明内容
本发明通过提供一种血液检测仪、血液检测识别系统及识别方法，解决现有技术中血液检测的装置体积较大、成本较高、操作较复杂的问题。
本发明提供一种血液检测仪，包括：微流控芯片、力学传输组件、图像采集传输 组件和壳体；
所述微流控芯片包括芯片入口部、芯片出口部、芯片腔室和微水凝胶柱；
所述微流控芯片、所述图像采集传输组件安装在所述壳体的内部；所述力学传输组件安装在所述壳体上，并设置在所述微水凝胶柱的上方；
所述微流控芯片用于为血细胞提供成像平台；血液和水凝胶前驱液通过所述芯片入口部通入至所述芯片腔室，所述微水凝胶柱位于所述芯片腔室中，通过蓝光曝光将 血细胞固化在所述微水凝胶柱中制成水凝胶致动器；
所述力学传输组件用于将外部按压产生的力传输至所述水凝胶致动器，使得所述水凝胶致动器中的血细胞制动；
所述图像采集传输组件用于采集获取血细胞原始图像和血细胞形变图像，并将所述血细胞原始图像和所述血细胞形变图像传输至外部的识别设备。
优选的，所述力学传输组件包括：弹簧、按钮和垫片；
所述弹簧的一端与所述垫片连接，所述弹簧设置在所述垫片的上方；所述按钮与所述弹簧的另一端连接，所述按钮设置在所述弹簧的上方；所述垫片的下表面与所述 微水凝胶柱的上表面紧贴。
优选的，所述图像采集传输组件包括：贴片式光源模块、光学透镜、图像采集模 块和图像传输模块；
所述贴片式光源模块设置在所述微流控芯片的上方，所述光学透镜、所述图像采集模块和所述图像传输模块均设置在所述微流控芯片的下方，所述图像采集模块分别 与所述图像传输模块、所述光学透镜连接；
所述贴片式光源模块用于为血细胞成像提供光源；所述光学透镜用于对血细胞成像进行聚焦调节；所述图像采集模块用于采集得到所述血细胞原始图像和所述血细胞 形变图像；所述图像传输模块用于将所述血细胞原始图像和所述血细胞形变图像传输 至外部的识别设备。
本发明提供一种血液检测识别系统，包括：识别设备，以及上述的血液检测仪；
所述识别设备通过数据线与所述血液检测仪连接；所述识别设备用于接收血细胞原始图像和血细胞形变图像，并根据所述血细胞原始图像和所述血细胞形变图像得到 分类识别结果信息。
优选的，所述识别设备中包含有图像预处理模块、训练优化模块、分类识别模块；
所述图像预处理模块用于对获得的血细胞原始图像和血细胞形变图像进行预处理，得到血细胞的图像向量和参数向量；所述图像向量包括原始图像向量和形变图像 向量，所述参数向量包括形态学参数向量和力学参数向量；
所述训练优化模块用于对预先构建的血液检测分类模型进行训练优化，获得训练好的血液检测分类模型；
所述分类识别模块用于将待分类识别的血细胞原始图像和对应的血细胞形变图像 进行预处理后，输入至训练好的血液检测分类模型，获得分类识别结果信息。
优选的，基于深度卷积神经网络构建所述血液检测分类模型，所述血液检测分类模型包括六个卷积层和三个全连接层；三个全连接层分别包含40、64和20个向量， 其中第一个全连接层包含32个图像向量和8个参数向量。
优选的，所述预处理包括：将原始图像转换为灰度图像；基于设置的阈值，将灰 度图像转换为二值图像；采用填充孔操作对二值图像的轮廓进行填充；对填充后的图 像进行像素分析，得到所述参数向量。
优选的，所述识别设备采用智能手机或平板电脑，所述识别设备基于云计算得到所述分类识别结果信息。
本发明提供一种血液检测识别方法，包括以下步骤：
步骤1、将血液和水凝胶前驱液通过微流控芯片的芯片入口部通入至微流控芯片的芯片腔室，所述芯片腔室中设置有微水凝胶柱，通过蓝光曝光将血细胞固化在所述 微水凝胶柱中制成水凝胶致动器；
步骤2、通过图像采集传输组件采集获取血细胞原始图像；
步骤3、按压所述力学传输组件，通过所述力学传输组件将外部按压产生的力传输至所述水凝胶致动器，使得所述水凝胶致动器中的血细胞制动；
步骤4、通过所述图像采集传输组件采集获取血细胞形变图像；
步骤5、通过所述图像采集传输组件将所述血细胞原始图像和所述血细胞形变图像传输至识别设备；
步骤6、通过所述识别设备得到分类识别结果信息。
优选的，所述步骤6包括以下子步骤：
步骤6.1、通过所述识别设备中的图像预处理模块对获得的血细胞原始图像和血细 胞形变图像进行预处理，得到血细胞的图像向量和参数向量；所述图像向量包括原始图像向量和形变图像向量，所述参数向量包括形态学参数向量和力学参数向量；
步骤6.2、通过所述识别设备中的训练优化模块对预先构建的血液检测分类模型进 行训练优化，获得训练好的血液检测分类模型；
步骤6.3、通过所述识别设备中的分类识别模块将待分类识别的血细胞原始图像和 对应的血细胞形变图像进行预处理后，输入至训练好的血液检测分类模型，获得分类识别结果信息；
其中，所述血液检测分类模型基于深度卷积神经网络构建得到，所述血液检测分类模型包括六个卷积层和三个全连接层；三个全连接层分别包含40、64和20个向量， 其中第一个全连接层包含32个图像向量和8个参数向量；
所述识别设备基于云计算得到所述分类识别结果信息。
本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：
在发明中，提供的血液检测仪利用水凝胶致动器通过持续的压力精确控制致使血液中的血细胞发生形变并保持稳定的检测，能够实现高精度、易操作、低成本的血液 检测和血液质量监测。结合识别设备，能够根据血细胞原始图像和血细胞形变图像得 到分类识别结果信息，达到对血细胞精确识别的效果。
附图说明
图1为本发明实施例提供的一种血液检测识别系统的结构示意图；
图2为本发明实施例提供的一种血液检测识别系统与现有技术中基于激光衍射红细胞变形分析仪的监测性能对比图；
图3为本发明实施例提供的一种血液检测识别方法将神经网络与云计算结合的示意图。
其中，1-微流控芯片、2-力学传输组件、3-贴片式光源模块、4-光学透镜、5-图像传输模块、6-图像采集模块、7-上盖部、8-下盖部、9-夹具部；
11-芯片入口部、12-芯片出口部、13-芯片腔室、14-微水凝胶柱；
21-弹簧、22-按钮、23-垫片。
具体实施方式
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
实施例1：
实施例1提供一种血液检测仪，参见图1，包括：微流控芯片1、力学传输组件2、 图像采集传输组件和壳体。所述微流控芯片1包括芯片入口部11、芯片出口部12、芯 片腔室13和微水凝胶柱14。所述微流控芯片1、所述图像采集传输组件安装在所述壳 体的内部；所述力学传输组件2安装在所述壳体上，并设置在所述微水凝胶柱14的上 方。所述微流控芯片1用于为血细胞提供成像平台；血液和水凝胶前驱液通过所述芯 片入口部11通入至所述芯片腔室13，所述微水凝胶柱14位于所述芯片腔室13中， 通过蓝光曝光将血细胞固化在所述微水凝胶柱14中制成水凝胶致动器。所述力学传输 组件2用于将外部按压产生的力传输至所述水凝胶致动器，使得所述水凝胶致动器中 的血细胞制动。所述图像采集传输组件用于采集获取血细胞原始图像和血细胞形变图 像，并将所述血细胞原始图像和所述血细胞形变图像传输至外部的识别设备。
其中，所述力学传输组件2包括：弹簧21、按钮22和垫片23。所述弹簧21的一 端与所述垫片23连接，所述弹簧21设置在所述垫片23的上方；所述按钮22与所述 弹簧21的另一端连接，所述按钮22设置在所述弹簧21的上方；所述垫片23的下表 面与所述微水凝胶柱14的上表面紧贴。
所述图像采集传输组件包括：贴片式光源模块3、光学透镜4、图像采集模块6 和图像传输模块5。所述贴片式光源模块3设置在所述微流控芯片1的上方，所述光 学透镜4、所述图像采集模块6和所述图像传输模块5均设置在所述微流控芯片1的 下方，所述图像采集模块6分别与所述图像传输模块5、所述光学透镜4连接。所述 贴片式光源模块3用于为血细胞成像提供光源；所述光学透镜4用于对血细胞成像进 行聚焦调节；所述图像采集模块6用于采集得到所述血细胞原始图像和所述血细胞形 变图像；所述图像传输模块5用于将所述血细胞原始图像和所述血细胞形变图像传输 至外部的识别设备。
所述壳体包括上盖部7、下盖部8和夹具部9。所述上盖部7和所述下盖部8构成 壳体的主要空间，所述微流控芯片1、所述图像采集传输组件设置于此空间中，所述 夹具部9安装在所述上盖部7的上方，所述力学传输组件2安装在所述夹具部9上。
例如，所述壳体由3D打印工艺利用ABS材料制作而成，所述微流控芯片1的模 版由紫外光刻技术制成，所述微流控芯片1由聚二甲基硅氧烷(PDMS，折射率为1.406) 制成。
所述按钮22为丙烯腈-丁二烯-苯乙烯共聚物，直径为1.3cm；所述弹簧21的劲 度系数为5N/cm；所述垫片23的直径为1cm，具体采用玻璃垫片。
实施例2：
实施例2提供一种血液检测识别系统，参见图1，包括识别设备，以及如实施例1 所述的血液检测仪。所述识别设备通过数据线与所述血液检测仪连接；所述识别设备 用于接收血细胞原始图像和血细胞形变图像，并根据所述血细胞原始图像和所述血细 胞形变图像得到分类识别结果信息。
其中，所述识别设备中包含有图像预处理模块、训练优化模块、分类识别模块。 所述图像预处理模块用于对获得的血细胞原始图像和血细胞形变图像进行预处理，得 到血细胞的图像向量和参数向量；所述图像向量包括原始图像向量和形变图像向量， 所述参数向量包括形态学参数向量和力学参数向量。所述训练优化模块用于对预先构 建的血液检测分类模型进行训练优化，获得训练好的血液检测分类模型。所述分类识 别模块用于将待分类识别的血细胞原始图像和对应的血细胞形变图像进行预处理后， 输入至训练好的血液检测分类模型，获得分类识别结果信息。
具体的，基于深度卷积神经网络构建所述血液检测分类模型，所述血液检测分类模型包括六个卷积层和三个全连接层；三个全连接层分别包含40、64和20个向量， 其中第一个全连接层包含32个图像向量和8个参数向量。
所述预处理包括：将原始图像转换为灰度图像；基于设置的阈值，将灰度图像转换为二值图像；采用填充孔操作对二值图像的轮廓进行填充；对填充后的图像进行像 素分析，得到所述参数向量。
所述识别设备采用智能手机或平板电脑，所述识别设备基于云计算得到所述分类识别结果信息。
实施例3：
实施例3提供一种血液检测识别方法，包括以下步骤：
步骤1、将血液和水凝胶前驱液通过微流控芯片的芯片入口部通入至微流控芯片的芯片腔室，所述芯片腔室中设置有微水凝胶柱，通过蓝光曝光将血细胞固化在所述 微水凝胶柱中制成水凝胶致动器；
步骤2、通过图像采集传输组件采集获取血细胞原始图像；
步骤3、按压所述力学传输组件，通过所述力学传输组件将外部按压产生的力传输至所述水凝胶致动器，使得所述水凝胶致动器中的血细胞制动；
步骤4、通过所述图像采集传输组件采集获取血细胞形变图像；
步骤5、通过所述图像采集传输组件将所述血细胞原始图像和所述血细胞形变图像传输至识别设备；
步骤6、通过所述识别设备得到分类识别结果信息。
其中，所述步骤6包括以下子步骤：
步骤6.1、通过所述识别设备中的图像预处理模块对获得的血细胞原始图像和血细 胞形变图像进行预处理，得到血细胞的图像向量和参数向量；所述图像向量包括原始图像向量和形变图像向量，所述参数向量包括形态学参数向量和力学参数向量；
步骤6.2、通过所述识别设备中的训练优化模块对预先构建的血液检测分类模型进 行训练优化，获得训练好的血液检测分类模型；
步骤6.3、通过所述识别设备中的分类识别模块将待分类识别的血细胞原始图像和 对应的血细胞形变图像进行预处理后，输入至训练好的血液检测分类模型，获得分类识别结果信息。
其中，所述血液检测分类模型基于深度卷积神经网络构建得到，所述血液检测分类模型包括六个卷积层和三个全连接层；三个全连接层分别包含40、64和20个向量， 其中第一个全连接层包含32个图像向量和8个参数向量；所述识别设备基于云计算得 到所述分类识别结果信息。
例如，血液和水凝胶前驱液的比例为1:100；通过蓝光(Flashlight，FENIXTK25RB) 在光罩(Filin film，Jixianguangdian)下曝光。
下面对本发明做进一步的说明。
利用本发明提供一种血液检测识别系统能够实现一种基于水凝胶致动器的形态和 力学的双重标记的精确的细胞识别，利用力学传输组件操纵水凝胶致动器，致使血细胞形态(直径、圆度、轴比及相应的分布宽度)和力学参数(变形性及其分布宽度) 发生改变，并设计可调整的成像平台以在不同的聚焦表面捕捉血细胞图像，利用识别 设备处理采集到的血细胞图像，从而结合形态和力学双重识别对血细胞进行精准识别。
例如，采用智能手机通过光学透镜在360微米×360微米的微水凝胶柱视场中采集到血细胞图像，将图像转换为8位的灰度图像；在软件自动调整光强和对比度后， 通过阈值运算将血细胞图像转换为二值图像；阈值设置用于清除细胞碎片和堆叠；然 后采用填充孔操作对轮廓进行填充，提高了计算精度；最后通过软件像素分析计算出 面积和周长。通过形态学参数(直径、圆度、轴比及相应的分布宽度)和力学参数(变 形性及其分布宽度)多变量辅助来精确细胞识别。
本发明通过引入云计算实现了基于深度学习的血液分类识别，将通过智能手机整合后的数据(包含形态学和力学双重变量参数)作为云计算的输入，然后将它们转化 为矢量表，并加载到图像矢量中，根据训练好的神经网络进行血液疾病类型的分类识 别。其中，深度卷积神经网络可处理灵活数量的输入图像。
基于深度学习的云计算：首先在通过随机旋转、切割和翻转对原始图像进行数据增强后得到输入图像。然后在ImageNet数据集上使用带有预训练权重系数的AlexNet 进行训练。最后一层之前的那层被设定为有32个神经元，以满足精度和耗时要求。训 练结束后，这些向量被提取出来作为神经网络学习的嵌入式空间中的特征向量。所有 的输入都被调整为224×224像素，用于水凝胶执行器中的细胞成像，图像的比例为 0.1毫米×0.1毫米，且在作为输入之前，应将图像裁剪为相同的比例——0.1毫米×0.1 毫米。在图像中提取的32维特征向量与从成像分析中获得的8维机械和形态学数据以 及合并的特征向量结合起来，训练一个具有两个隐藏全连接层的神经网络。训练过程 中采用了辍学法，以避免过度拟合，提高泛化性能。
为了验证本发明的监测功能，将本申请的提供的血液检测识别系统和现有技术中的基于激光衍射红细胞变形分析仪分别对血细胞变形的监测性能进行对比，参见图2。 具体的，图2a显示了对63个健康的红细胞样本通过基于激光衍射红细胞变形分析仪(Lorrca，剪切应力＝6Pa)获得结果的RBC伸长指数值(EI，平均＝0.5373，σ＝0.0082) 和通过本发明(应力＝3kPa)获得的基于水凝胶致动器的红细胞变形性值(Dr，平均 ＝1.210，σ＝0.0046)的散点图。图2b显示了通过Bland-Altman分析，基于水凝胶致动 器的红细胞变形性值和激光衍射红细胞变形分析仪的红细胞变形性值平均偏差为 0.6723，SD为0.0059。吻合限度(LOA)在0.6607-0.6840之间。图2c显示了山形图 分析计算了激光衍射法和水凝胶致动器法在细胞变形性方面的每个排名差异的百分位 数，垂直的破折线代表山的中心，水平的虚线代表第5至第95百分位数。图2说明本 发明提供的设备在微型化的同时保持着很高的精度。
图3显示了智能手机收集了图像和多变量(形态学：直径、圆度、轴比和相应的 分布宽度；机械学：变形性和分布宽度)整合加载到云端，基于训练好的神经网络进 行分类识别，参见图3a至图3d，分类识别数据返回到智能手机；病人可以通过云共 享与医生分享分类识别结果与详细参数。参见图3e至图3j，构建了五种典型的血液病 和健康状态下对应的模型，五种典型的血液病包括巨幼红细胞性贫血(MA)、骨髓纤 维化(MF)、缺铁性贫血(IDA)、血小板减少性紫癜(TTP)和地中海贫血(THAL.)。 图3j显示了分别采用三种训练方法训练后的血液检测分类模型的性能，第一种为形态 学训练，第二种为形态学结合图像训练，第三种为结合形态学、力学和图像训练。通 过对比可知，结合了图像、形态学和机械参数的分类模型在六个分类中达到了100％ 的分类识别准确率(n＝432)。
综上，本发明能够实现高精度、易操作、低成本的血液检测和血液质量监测。结 合识别设备，能够根据血细胞原始图像和血细胞形变图像得到分类识别结果信息，达 到对血细胞精确识别的效果。
最后所应说明的是，以上具体实施方式仅用以说明本发明的技术方案而非限制，尽管参照实例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本 发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其 均应涵盖在本发明的权利要求范围当中。