Идентификация и счет форменных элементов крови в ее нативном состоянии на основе цифровой микроскопии
Автор: Дубровский В.А., Забенков И.В., Торбин С.О., Царева О.Е.
Журнал: Саратовский научно-медицинский журнал @ssmj
Рубрика: Физиология и патофизиология
Статья в выпуске: 4 т.12, 2016 года.
Бесплатный доступ
Цель: разработать алгоритм обработки фотоизображений проб крови в нативном ее состоянии с целью определения концентраций эритроцитов, тромбоцитов и лейкоцитов без индивидуальной, раздельной пробо-подготовки клеток. Материал и методы. Объектом исследования являлась цельная донорская кровь, которая разбавлялась в 400 раз физиологическим раствором. Для идентификации форменных элементов крови предложено использовать: специальные «фотошаблоны» эритроцитов, обнаруженный авторами эффект «высвечивания» лейкоцитов, а также разрешение тромбоцитов от лейкоцитов по площади их фотоизображений. Результаты. 80 фотоизображений раствора нативной крови отобраны для компьютерной их обработки, при этом общее количество подсчитанных клеток составило: эритроцитов 4184, тромбоцитов 292 и лейкоцитов 84; итого 4560 форменных элементов. Сопоставление полученных результатов с «ручным» счетом и прибором для счета форменных элементов Sysmex XT-400i дает удовлетворительные результаты. Заключение. Показано, что точность счета клеток нативной крови может быть соизмеримой с точностью аналогичных исследований в мазке. В то же время предложенный анализ нативной крови значительно упрощает пробоподготовку по сравнению с мазком, принципиально позволяет перейти от выявления соотношения количеств форменных элементов разного типа к определению их концентраций в образце.
Компьютерная обработки фотоизображений, счет клеток, форменные элементы крови, цифровая микроскопия
Короткий адрес: https://sciup.org/14918361
IDR: 14918361
Cells identification and counting in blood native state on the basis of digital microscopy
The research goal is to develop an algorithm for the processing of photo images of native blood samples to determine the concentration of erythrocytes, leukocytes and platelets without individual separate preparation of cell samples. Materials and Methods. The objects of investigation were the samples of the whole donated blood, diluted 400 times by saline. Special "photo templates", the effect of "highlighting" of leukocytes, which was detect by authors, and the resolution of platelets from leukocytes by the areas of their photo images were suggested for identification of the cells. Results. 80 photo images of native blood solutions were selected for computer processing, while the total number of cells counted was: erythrocytes — 4184, platelets — 292 and leukocytes — 84, total — 4560 blood cells. Comparison of the results achieved with ones obtained by "manual" account or by the device for formed elements counting Sysmex XT-400i gives satisfactory results. Conclusion. It is shown that the accuracy of counting of the native blood cells may be comparable with the accuracy of similar studies by means of smears. At the same time the proposed analysis of native blood simplifies greatly the samples preparation in comparison to smears, permits to move from the detection of blood cells ratios to the determination of their concentrations in the sample.
Список литературы Идентификация и счет форменных элементов крови в ее нативном состоянии на основе цифровой микроскопии
- Steinkamp JA. Flow cytometry. Rev Sci Instrum 55 (1984); 9: 1375-1400
- Tuchin VV, ed. Advanced Optical Flow Cytometry: Methods and Disease Diagnoses. WILEY-VCH Verlag GmbH & Co. KGaA, Weinheim, 2011; 701 p.
- Orfao A, Lacombe F, Ault K, et al. Flow cytometry: its applications in hematology. Haematologica 1995; 80: 69-81
- Canellini G, Rubin O, Delobel J, et al. Red blood cell microparticles and blood group antigens: an analysis by flow cytometry. Blood Transfus 2012; 10 Suppl 2: 39-45
- Vyas GN, et al. Simultaneous human ABO and Rh (D) blood typing or antibody screening by flow cytometry: United States Patent 5,776,711 July 7, 1998
- Tatsumi N, Tsuda I, Inoue K. Trial ABO and Rh blood typing with an automated blood cell counter. Clin Lab Haemotol 1989; 11 (2): 123-30
- Дубровский В.А., Дворецкий К.H., Щербакова И.В. Лазерное пространственное сканирование в проточной цитометрии. Цитология 1999; 41 (1): 104-108)
- Doubrovski VA, Ganilova YuA, Zabenkov IV R and G color components competition of RGB image decomposition as a criterion to register RBC agglutinates for blood group typing. J Biomed Opt 2014; 19(3): doi 10.1117/1. JBO.19.3.036012
- Дырнаев А.В. Способ подсчета эритроцитов на изображениях мазков крови (варианты): Патент RU 2488821 С1. Опубл. 27.07.2013. Бюл. 21
- Дырнаев A.B. Метод подсчета эритроцитов на изображениях мазков крови. Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики 2011; 76 (6): 18-23
- Дырнаев A.B., Потапов А.С. Комбинированный подсчет эритроцитов на изображениях мазков крови. Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики 2012; 77 (1): 20-24
- Maitra М, Gupta RK, Mukherjee М. Detection and Counting of Red Blood Cells in Blood Cell Images using Hough Transform. International Journal of Computer Applications 2012; 53(16): 18-22
- Mahmood NH, Mansor MA. Red blood cells estimation using Hough transform technique. Signal & Image Processing: An International Journal (SIPIJ) 2012; 3 (2): 53-64
- Mazalan SM, Mahmood NH, Razak MA. Automated Red Blood Cells Counting in Peripheral Blood Smear Image Using Circular Hough Transform. In: First International Conference on Artificial Intelligence, Modelling & Simulation, IEEE978-1-4799-3251-1/13, IEEE DOI 10.1109/AIMS.2013.59; p 285-289
- Pandit A, Kolhar S, et al. Survey on Automatic RBC Detection and Counting. International Journal of Advanced Research in Electrical, Electronics and Instrumentation Engineering 2015; 4(1): 128-131
- Taherisadr M, Nasirzonouzi M, et al. New Approch to Red Blood Cell Classification Using Morphological Image Processing. Shiraz E-Medical Journal 2013; 14 (1): 44-53
- Alilou M, Kovalev V. Automatic object detection and segmentation of the histocytology images using reshapable agents, International. Journal of Research in Engineering and Technology 2014; 3 (4): 2321-7308
- Cuevas E, Diaz M, Manzanares M, et al. An improved computer vision method for detecting white blood cells. In: Computational and Mathematical Methods in Medicine, 2013; art. no. 137392; p. 1-19
- Hiremath PS, et al. Automated Identification and Classification of White Blood Cells (Leukocytes) in Digital Microscopic Images. In: Special Issue on "Recent Trends in Image Processing and Pattern Recognition" RTIPPER, 2010; p. 59-63
- Coснин Д.Ю., Фалков Б.Ф., Ненашева О.Ю. Оценка правильности распознавания клеток системой автоматизированного анализа крови Vision Не. Уральский медицинский журнал, 2012; (13): 1-7
- Sable GS, et al. Counting of WBCs and RBCs from blood images using gray thresholding. International Journal of Research in Engineering and Technology 2014; 3 (4): 2321-7308
- Дубровский В.А., Забенков И.В., Торбин С.О. Определение геометрических размеров тромбоцитарных агрегатов in vitro методом цифровой микроскопии, Медицинская техника 2013; 47(3): 10-13.
