[發明專利]一種白細胞分類方法、裝置、計算機設備和存儲介質

在審

• 申請號: 202110331860.3
• 申請日: 2021-03-29
• 公開（公告）號: CN113052086A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 鄒海濤;王興紅
• 申請（專利權）人: 深圳市科曼醫療設備有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 深圳中細軟知識產權代理有限公司 44528
• 代理人: 孫凱樂

1.一種白細胞分類方法，其特征在于，所述方法包括：

獲取白細胞的脈沖數據；

根據所述脈沖數據生成二維散點圖，所述二維散點圖包括多個散點和與所述散點對應的散點坐標，每個所述散點表示一個白細胞；

根據所述二維散點圖確定局部區域的數量和每個所述局部區域的中心點坐標，每個所述局部區域對應一個白細胞的分類種類；

根據所述局部區域的數量建立高斯混合模型，所述高斯混合模型用于根據所述散點坐標和中心點坐標確定每個所述散點屬于各個所述分類種類的目標概率；

將每個所述散點最大的目標概率對應的分類種類作為所述散點的目標分類種類。

2.根據權利要求1所述的方法，其特征在于，所述根據所述散點坐標和中心點坐標確定每個所述散點屬于各個所述分類種類的目標概率包括：

獲取所述高斯混合模型對應的高斯分布密度函數、初始方差和初始類別概率，并將所述中心點坐標作為初始期望，所述初始類別概率為各個所述分類種類對應的初始概率；

根據所述初始期望、所述初始方差、所述高斯分布密度函數、所述初始類別概率、散點坐標確定每個所述散點屬于各個所述分類種類的概率函數；

根據所述概率函數為極大值時的期望、方差和類別概率，更新所述初始期望、所述初始方差和所述初始類別概率，進入所述根據所述初始期望、所述初始方差、所述高斯分布密度函數、所述初始類別概率、散點坐標確定每個所述散點屬于各個所述分類種類的概率函數的步驟，直到更新后的初始期望、初始方差和初始類別概率滿足預設條件時停止更新，將最后得到的概率函數作為目標概率函數；

根據所述目標概率函數確定每個所述散點屬于各個所述分類種類的目標概率。

3.根據權利要求1所述的方法，其特征在于，所述二維散點圖包括坐標信息，所述坐標信息包括密度信息，所述密度信息為所述坐標信息對應的散點數量，所述根據所述二維散點圖確定局部區域的數量包括：

根據所述密度信息將所述二維散點圖轉換為三維密度圖，所述三維密度圖包括多個凸起；

根據所述三維密度圖的凸起的數量確定局部區域的數量。

4.根據權利要求3所述的方法，其特征在于，所述根據所述三維密度圖的凸起的數量確定局部區域的數量包括：

根據所述三維密度圖的凸起的數量判斷是否存在分類種類的缺失；

當所述在分類種類缺失時，根據缺失的分類種類對所述二維散點圖中的散點進行旋轉；

根據所述散點旋轉后的散點坐標對應的密度信息生成直方圖，所述直方圖包括波谷；

根據所述三維密度圖的凸起的數量和所述波谷的數量確定局部區域的數量。

5.根據權利要求3所述的方法，其特征在于，所述根據所述二維散點圖確定每個所述局部區域的中心點坐標包括：

基于多個預設的卷積模板對所述二維散點圖中每個坐標信息對應的密度信息進行卷積，得到多個卷積結果；

當所述多個卷積結果中的最小值大于零時，將所述坐標信息作為所述局部區域的中心點坐標。

6.根據權利要求5所述的方法，其特征在于，所述當所述多個卷積結果中的最小值大于零時，將所述坐標信息作為所述局部區域的中心點坐標包括：

當所述多個卷積結果中的最小值大于零時，將所述坐標信息作為峰值點；

根據所述峰值點確定局部區域；

確定每個所述局部區域內散點坐標的均值，得到所述局部區域的平均坐標，作為中心點坐標。

7.根據權利要求6所述的方法，其特征在于，所述根據所述峰值點確定局部區域包括：

獲取所述峰值點的第一密度信息；

剔除所述第一密度信息小于第一閾值的峰值點，得到修正峰值點；

根據所述修正峰值點的第一密度信息生成第一密度范圍；

基于所述修正峰值點獲取第一散點，所述第一散點對應的密度信息屬于所述第一密度范圍；

根據所述第一散點的散點坐標確定基于所述修正峰值點的局部區域。