RU2147123C1 - Method for examining cellular blood composition using a smear - Google Patents
Method for examining cellular blood composition using a smear Download PDFInfo
- Publication number
- RU2147123C1 RU2147123C1 RU98122916A RU98122916A RU2147123C1 RU 2147123 C1 RU2147123 C1 RU 2147123C1 RU 98122916 A RU98122916 A RU 98122916A RU 98122916 A RU98122916 A RU 98122916A RU 2147123 C1 RU2147123 C1 RU 2147123C1
- Authority
- RU
- Russia
- Prior art keywords
- cells
- determined
- blood
- smear
- erythrocytes
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims abstract description 31
- 210000004369 blood Anatomy 0.000 title claims abstract description 20
- 239000008280 blood Substances 0.000 title claims abstract description 20
- 239000000203 mixture Substances 0.000 title claims abstract description 6
- 230000001413 cellular effect Effects 0.000 title claims description 7
- 210000003743 erythrocyte Anatomy 0.000 claims abstract description 54
- 210000000265 leukocyte Anatomy 0.000 claims abstract description 40
- 210000001772 blood platelet Anatomy 0.000 claims abstract description 38
- 210000004027 cell Anatomy 0.000 claims abstract description 33
- 238000009826 distribution Methods 0.000 claims abstract description 24
- 230000001575 pathological effect Effects 0.000 claims abstract description 8
- 230000011218 segmentation Effects 0.000 claims description 6
- 210000000601 blood cell Anatomy 0.000 claims description 5
- 239000002356 single layer Substances 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000015556 catabolic process Effects 0.000 claims 1
- 239000003814 drug Substances 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract 1
- 239000000126 substance Substances 0.000 abstract 1
- 230000001131 transforming effect Effects 0.000 abstract 1
- 238000004458 analytical method Methods 0.000 description 15
- 102000001554 Hemoglobins Human genes 0.000 description 6
- 108010054147 Hemoglobins Proteins 0.000 description 6
- 210000005259 peripheral blood Anatomy 0.000 description 6
- 239000011886 peripheral blood Substances 0.000 description 6
- 210000004698 lymphocyte Anatomy 0.000 description 5
- 210000003714 granulocyte Anatomy 0.000 description 4
- 239000007788 liquid Substances 0.000 description 4
- 210000001616 monocyte Anatomy 0.000 description 4
- 210000000440 neutrophil Anatomy 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000003834 intracellular effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 210000003651 basophil Anatomy 0.000 description 2
- 239000012620 biological material Substances 0.000 description 2
- 238000004820 blood count Methods 0.000 description 2
- 210000000805 cytoplasm Anatomy 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 210000003979 eosinophil Anatomy 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000000386 microscopy Methods 0.000 description 2
- 238000010186 staining Methods 0.000 description 2
- 208000032467 Aplastic anaemia Diseases 0.000 description 1
- HOKDBMAJZXIPGC-UHFFFAOYSA-N Mequitazine Chemical compound C12=CC=CC=C2SC2=CC=CC=C2N1CC1C(CC2)CCN2C1 HOKDBMAJZXIPGC-UHFFFAOYSA-N 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 238000009534 blood test Methods 0.000 description 1
- 210000003850 cellular structure Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 230000001744 histochemical effect Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 206010024378 leukocytosis Diseases 0.000 description 1
- 210000002652 macrocyte Anatomy 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000004940 nucleus Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Description
Изобретение относится к медицинской технике, а именно к способам анализа клеточного состава периферической крови. The invention relates to medical equipment, namely to methods for analyzing the cellular composition of peripheral blood.
Уровень техники
Анализ крови обеспечивает врача незаменимой диагностической информацией практически при любых заболеваниях и является самым распространенным лабораторным исследованием.State of the art
A blood test provides the doctor with indispensable diagnostic information for almost any disease and is the most common laboratory test.
Существуют два способа автоматизированного анализа клеточного состава крови: способ анализа жидкой крови, реализованный в жидкостных проточных счетчиках, и способ, основанный на анализе окрашенных мазков крови. There are two methods for automated analysis of the cellular composition of blood: a method for analyzing liquid blood, implemented in liquid flow counters, and a method based on the analysis of stained blood smears.
Способ анализа жидкой крови не позволяет получать информацию о внутренней структуре клетки, что существенно снижает объем диагностической информации. Попытки включить элементы анализа клеточного изображения в работу существующих жидкостных проточных счетчиков и повысить разрешающую способность таких приборов реализуются путем создания сложных и весьма дорогостоящих электронно-оптических систем, использования освещения объектов монохроматическим лазерным светом, разработки многоканальных систем гистохимической обработки клеток крови и их окрашивания в потоке жидкости. Однако достичь качества клеточного изображения, сопоставимого с качеством изображения клеток при световой микроскопии сухого окрашенного мазка, работая в этом направлении, не удается. The method of analysis of liquid blood does not allow to obtain information about the internal structure of the cell, which significantly reduces the amount of diagnostic information. Attempts to incorporate elements of cell image analysis into the operation of existing liquid flow counters and increase the resolution of such devices are realized by creating complex and very expensive electron-optical systems, using illumination of objects with monochromatic laser light, developing multichannel systems for histochemical processing of blood cells and staining them in a fluid stream . However, it is not possible to achieve the quality of the cell image comparable with the image quality of the cells by light microscopy of a dry stained smear, working in this direction.
Сказанное подтверждается тем, что фирма "Coultronics", производящая проточные счетчики высокого класса "Coulter GEM'S SM, [1], включает в комплект поставки устройства для изготовления и окрашивания мазков крови, признавая тем самым необходимость анализа последних. The aforementioned is confirmed by the fact that the Coultronics company, which manufactures high-end flow counters, Coulter GEM'S SM, [1] includes a device for the manufacture and staining of blood smears, recognizing the need for analysis of the latter.
Способы, основанные на обработке изображений полей зрения окрашенных мазков крови, дают существенно больший объем диагностической информации, позволяют выявлять основные типы клеток крови, определять лейкоцитарную формулу. Приведем описание способов и реализующих их устройств, наиболее близких к предлагаемому способу. Methods based on image processing of the visual fields of stained blood smears provide a significantly larger amount of diagnostic information, make it possible to identify the main types of blood cells, and to determine the white blood cell count. Here is a description of the methods and devices that implement them, closest to the proposed method.
Фирмой Intelligent Medical Imaging Inc. предложена система Micro21 [2], предназначенная для автоматизированного определения лейкоцитарной формулы по сухому мазку периферической крови, окрашенному по Романовскому-Гимза. Способ анализа мазка, заложенный в основу прибора, состоит в сканировании мазка, вводе кадров полей зрения микроскопа в компьютер и их анализе с целью получения лейкоцитарной формулы и выявления дополнительных форм лейкоцитов. Способ не позволяет выявлять эритроциты и тромбоциты, выделять формы эритроцитов и определять количественное соотношение типов клеток, а также определять количество эритроцитов, лейкоцитов и тромбоцитов в объеме крови. Intelligent Medical Imaging Inc. Micro21 system was proposed [2], intended for the automated determination of the leukocyte formula by dry smear of peripheral blood stained according to Romanovsky-Giemsa. The smear analysis method laid down in the basis of the device consists in scanning the smear, inputting the frames of the microscope's fields of view into a computer and analyzing them in order to obtain a leukocyte formula and identify additional forms of leukocytes. The method does not allow to detect red blood cells and platelets, to distinguish the forms of red blood cells and to determine the quantitative ratio of cell types, as well as to determine the number of red blood cells, white blood cells and platelets in the blood volume.
Автоматизированное рабочее место врача-гематолога, разработанное фирмой Аист, г. Зеленоград, реализует способ анализа сухих мазков периферической крови [3] , включающий стандартный набор действий: сканируют мазок и вводят серию кадров, содержащих изображения полей зрения видеокамеры, выделяют изображения, содержащие лейкоциты, сегментируют изображения лейкоцитов, выделяя клетки и внутриклеточные структуры, классифицируют (распределяют по типам) полученную выборку лейкоцитов. Способ реализован на базе спецпроцессора и предназначен для определения лейкоцитарной формулы. The automated workplace of a hematologist, developed by Aist, Zelenograd, implements a method for analysis of dry smears of peripheral blood [3], which includes a standard set of actions: scan a smear and enter a series of frames containing images of the video fields of view of the camera, select images containing leukocytes, segment the images of leukocytes, isolating cells and intracellular structures, classify (distribute by type) the resulting sample of leukocytes. The method is implemented on the basis of a special processor and is designed to determine the leukocyte formula.
Анализатор биоматериалов "Мекос-Ц" фирмы "Мекос", г. Москва [4, 5] реализует способ анализа сухих мазков, также состоящий из стандартного набора действий: сканирование мазка, ввод кадров, построение серии изображений, содержащих клетки исследуемого типа, сегментация и классификация. Способ позволяет определять лейкоцитарную формулу, выделять нормальные и патологические формы эритроцитов, вычислять распределение тромбоцитов по площади, а также осуществлять анализ некоторых других биоматериалов. The Mekos-Ts biomaterial analyzer of the Mekos firm, Moscow [4, 5] implements a method for the analysis of dry smears, which also consists of a standard set of actions: scanning a smear, inputting frames, building a series of images containing cells of the studied type, segmentation and classification. The method allows to determine the leukocyte formula, highlight the normal and pathological forms of red blood cells, calculate the distribution of platelets by area, and also analyze some other biomaterials.
В целом описанные способы предназначены для анализа отдельных типов клеток крови: эритроцитов, лейкоцитов, тромбоцитов, но не приспособлены к их комплексному анализу. В силу этого они не определяют их количественного соотношения и не позволяют получить качественную картину состояния клеток. Кроме того, описанные способы не позволяют получить информацию о количестве клеточных элементов в объеме крови. In general, the described methods are intended for the analysis of certain types of blood cells: red blood cells, white blood cells, platelets, but are not adapted to their complex analysis. Because of this, they do not determine their quantitative ratio and do not allow to obtain a qualitative picture of the state of cells. In addition, the described methods do not allow to obtain information about the number of cellular elements in the blood volume.
Сущность изобретения
Целью изобретения является совершенствование анализа клеточного состава крови по мазку, направленное на получение большего, по сравнению с ранее известными способами анализа, объема диагностической информации, а именно информации о количественных характеристиках крови (соотношение количества клеток разных типов: эритроцитов, лейкоцитов и тромбоцитов) одновременно с их качественным описанием (лейкоцитарная формула, выделение нормальных и патологических форм эритроцитов, регистрация распределения тромбоцитов по размерам).SUMMARY OF THE INVENTION
The aim of the invention is to improve the analysis of the cellular composition of blood by smear, aimed at obtaining a larger, in comparison with previously known methods of analysis, volume of diagnostic information, namely information on the quantitative characteristics of blood (the ratio of the number of cells of different types: red blood cells, white blood cells and platelets) simultaneously with their qualitative description (leukocyte formula, the allocation of normal and pathological forms of red blood cells, registration of platelet size distribution).
Сущность изобретения состоит в последовательном выполнении следующих операций, составляющих существенные признаки:
- поля зрения мазка под микроскопом посредством оптико-цифровой системы вводят в память компьютера в виде серии цифровых кадров
- клетки всех типов и их внутриклеточные структуры выделяют (сегментируют) в каждом сохраненном кадре (в известных способах эта операция проводится лишь для какого-либо одного типа клеток),
- подсчитывают число выделенных клеток каждого типа: эритроцитов, лейкоцитов, тромбоцитов (в известных способах эта операция отсутствует),
- определяют соотношения количества эритроцитов, лейкоцитов и тромбоцитов (в известных способах эта операция отсутствует),
- измеряют выделенные объекты (получают формальное описание объектов), при этом описание объектов содержит характеристики формы, которые позволяют воспроизвести форму (контур) объекта с заданной точностью. Такое описание является более полным, чем в известных ранее способах, где используются исключительно интегральные характеристики формы, такие как площадь, периметр, факторы формы и т.д.,
- определяют распределение тромбоцитов по размерам,
- проводят распознавание (классификацию) изображений клеток эритроцитов и лейкоцитов,
- выделяют нормальные и патологические формы эритроцитов и подсчитывают их соотношение,
- определяют лейкоцитарную формулу.The invention consists in sequentially performing the following operations that make up the essential features:
- the field of view of the smear under the microscope through the optical-digital system is entered into the computer memory in the form of a series of digital frames
- cells of all types and their intracellular structures are allocated (segmented) in each saved frame (in known methods, this operation is carried out only for any one type of cell),
- count the number of selected cells of each type: red blood cells, white blood cells, platelets (in the known methods this operation is absent),
- determine the ratio of the number of red blood cells, white blood cells and platelets (in the known methods, this operation is absent),
- measure the selected objects (get a formal description of the objects), while the description of the objects contains the characteristics of the form, which allow you to reproduce the shape (outline) of the object with a given accuracy. Such a description is more complete than in previously known methods, which use exclusively integral characteristics of the form, such as area, perimeter, form factors, etc.,
- determine the distribution of platelets in size,
- conduct recognition (classification) of images of cells of red blood cells and white blood cells,
- allocate normal and pathological forms of red blood cells and calculate their ratio,
- determine the leukocyte formula.
При сегментации на изображении выделяют области, соответствующие различным физическим объектам, таким как фон, эритроциты, тромбоциты, лейкоциты и т. д., которые могут быть как однородными по своим цветояркостным характеристикам, например эритроцит или тромбоцит, так и неоднородными, например лейкоцит с выраженным ядром. Для решения этой задачи изображение разбивается на более мелкие участки, в данном случае, отвечающие свойству однородности в рамках статистической модели. Это означает, что все элементы участка однородности описываются одной и той же математической моделью. During segmentation, areas corresponding to various physical objects, such as background, erythrocytes, platelets, white blood cells, etc., which can be either uniform in their color and brightness characteristics, such as an erythrocyte or platelet, or heterogeneous, such as a white blood cell with a pronounced the core. To solve this problem, the image is divided into smaller sections, in this case, corresponding to the uniformity property in the framework of the statistical model. This means that all elements of the homogeneity plot are described by the same mathematical model.
Для описания случайной структуры однородных участков изображения используют модель независимых пикселов, распределенных по нормальному закону. При этом "однородной" считается область с одинаковыми значениями параметров распределения. To describe the random structure of homogeneous image sections, a model of independent pixels distributed according to the normal law is used. In this case, the region with the same values of the distribution parameters is considered “homogeneous”.
Первичная сегментация - это выделение на изображении эритроцитов, лейкоцитов, тромбоцитов, участков фона и прочих объектов (грязь, артефакты и т.д. ). Primary segmentation is the allocation of red blood cells, white blood cells, platelets, areas of the background and other objects (dirt, artifacts, etc.) in the image.
В предположении наличия на изображении достаточного количества эритроцитов и участков фона строят первый (априорный) порог с целью разделения гистограммы на участки "фона" и "не фона". Затем на каждом из полученных участков с помощью устойчивой к засорению выборки, робастной, процедуры оценивания строят оценки параметров главных пиков гистограммы - фона и эритроцитов, ограничивающие симметричный относительно среднего участок пика, суммарная вероятность которого равна заданной величине. На базе этих оценок строят окончательные пороги. Далее путем анализа площадей группы соседних участков, отнесенных на первом этапе к участкам средней яркости и темным участкам изображения, производят "распознавание" выделенных объектов (отнесение клеток к соответствующему типу: эритроциты, тромбоциты, лейкоциты) и подсчет числа клеток каждого типа в кадре (поле зрения микроскопа). Assuming that the image has a sufficient number of red blood cells and background sections, the first (a priori) threshold is constructed to divide the histogram into sections of the “background” and “non-background”. Then, on each of the obtained sections, using the clogging-resistant, robust, estimation procedure, estimates of the parameters of the main histogram peaks - the background and red blood cells - are constructed, which limit the peak symmetrical relative to the middle section, the total probability of which is equal to a given value. Based on these estimates, final thresholds are built. Then, by analyzing the areas of the group of neighboring sections, assigned in the first stage to areas of medium brightness and dark areas of the image, the selected objects are “recognized” (cells are assigned to the corresponding type: red blood cells, platelets, white blood cells) and the number of cells of each type in the frame is calculated (field microscope view).
Участки, отнесенные к лейкоцитам, повторно сегментируют с целью выделения внутренних клеточных структур (цитоплазмы и включений). Эту задачу решают посредством статистической итерационной процедуры сегментации, состоящей в следующем:
- рассматривают выделенный на первом этапе сегментации относительно небольшой участок изображения, содержащий лейкоцит;
- на первом шаге формируют начальный список гипотез о распределении яркости внутри выделяемых участков изображения (нулевое приближение). При этом из списка удаляют "близкие" в статистическом смысле гипотезы;
- для каждого пиксела изображения проверяют гипотезы о соответствии распределения окрестности этого пиксела распределениям из списка;
- формируют области "однородности" - т.е. области изображения, отвечающие одному распределению;
- по полученным областям однородности снова осуществляют оценку параметров распределений и формируют новый список гипотез.Plots assigned to leukocytes are re-segmented in order to isolate internal cellular structures (cytoplasm and inclusions). This problem is solved by means of a statistical iterative segmentation procedure, consisting in the following:
- consider selected at the first stage of segmentation, a relatively small portion of the image containing a white blood cell;
- at the first step, an initial list of hypotheses about the distribution of brightness inside the selected image sections is formed (zero approximation). At the same time, hypotheses “close” in the statistical sense are removed from the list;
- for each pixel in the image, hypotheses about the distribution of the neighborhood of this pixel to the distributions from the list are checked;
- form areas of "uniformity" - i.e. image areas corresponding to a single distribution;
- on the obtained areas of homogeneity, the distribution parameters are again evaluated and a new list of hypotheses is formed.
Процедура заканчивается через заданное количество шагов. The procedure ends in a given number of steps.
На следующем этапе обработки строят формальное описание (измерение) выделенных и идентифицированных элементов изображения. Для тромбоцитов определяют ограниченный набор признаков объектам - малый размер, относительно темная окраска, округлая форма. Для выделения нормальных и патологических форм эритроцитов и для определения лейкоцитарной формулы используют более полное описание объектов. При этом описывают форму клетки и внутриклеточных элементов (форма эритроцита, ядра и цитоплазмы лейкоцита). At the next stage of processing, a formal description (measurement) of the selected and identified image elements is built. For platelets, a limited set of signs of objects is determined - small size, relatively dark color, rounded shape. To highlight the normal and pathological forms of red blood cells and to determine the leukocyte formula, a more complete description of the objects is used. In this case, the shape of the cell and intracellular elements (the form of the red blood cell, nucleus and leukocyte cytoplasm) are described.
Характеристики изображений клеток можно условно разделить на три группы: текстурные характеристики элементов изображения, характеристики формы, включая размеры, и цветояркостные характеристики. Описание текстурных характеристик определяется параметрами модели элемента изображения. В рамках выбранной модели изображения цветояркостными характеристиками, используемыми при анализе, являются средние значения по цветам (красный, зеленый, синий), а текстурными - матрицы ковариации по областям однородности. Characteristics of cell images can be divided into three groups: texture characteristics of image elements, shape characteristics, including sizes, and color and brightness characteristics. The description of the texture characteristics is determined by the model parameters of the image element. Within the framework of the selected image model, the color and brightness characteristics used in the analysis are the average values for the colors (red, green, blue), and the texture ones are the covariance matrices for the areas of homogeneity.
Для описания формы объекта используют параметрическое представление внешнего контура элемента изображения в виде комплексной функции и последующее разложение ее в ряд Фурье. Характеристиками формы объекта, включая площадь и периметр, являются 30 первых коэффициентов такого разложения. Для сравнения формы используют метрику (расстояние) в пространстве кривых, не зависящую от движений плоскости (сдвигов, поворотов и отражений) и представляющую собой минимум симметрической разности площадей, ограниченных кривыми по всем элементарным движениям плоскости. To describe the shape of the object, a parametric representation of the external contour of the image element in the form of a complex function and its subsequent expansion into a Fourier series are used. The characteristics of the shape of the object, including the area and perimeter, are the first 30 coefficients of this decomposition. To compare the shapes, a metric (distance) in the space of the curves is used, independent of the movements of the plane (shifts, turns and reflections) and representing the minimum of the symmetric difference of the areas bounded by the curves for all elementary movements of the plane.
На следующем шаге определяют информативные признаки выделенных объектов. Для этого используют стандартный метод главных компонент, а в качестве процедуры классификации используют критерий минимума расстояния до эталона (в рамках классификации с обучением). Эталон определяют для каждого распознаваемого класса клеток путем обучения - формирования выборки клеток заданного типа. По сформированной обучающей выборке определяют характеристики клеток (значения всех признаков для каждой клетки). Затем характеристики усредняют по всем клеткам обучающей выборки и вычисляют матрицу преобразования для метода главных компонент, используя средние значения признаков по каждому классу. Процедуру классификации осуществляют с учетом всех клеток на изображениях полей зрения отсканированного мазка крови, что позволяет выделить патологические и нормальные формы эритроцитов, подсчитать их количественное соотношение и определить лейкоцитарную формулу. In the next step, informative features of the selected objects are determined. To do this, use the standard method of principal components, and as a classification procedure, use the criterion of the minimum distance to the standard (within the classification with training). The standard is determined for each recognizable class of cells by training - forming a sample of cells of a given type. The formed training sample determines the characteristics of the cells (the values of all the signs for each cell). Then the characteristics are averaged over all cells of the training sample and the transformation matrix for the principal component method is calculated using the average values of the attributes for each class. The classification procedure is carried out taking into account all the cells in the images of the fields of view of the scanned blood smear, which makes it possible to isolate pathological and normal forms of red blood cells, calculate their quantitative ratio and determine the leukocyte formula.
Количество клеток крови различных типов в ее объеме определяют путем применения описанного выше способа к мазкам, приготовленным в виде монослоя из фиксированного объема крови, и пересчета количественных характеристик, полученных по площади отсканированного мазка, на объем пробы. The number of blood cells of various types in its volume is determined by applying the method described above to smears prepared in the form of a monolayer from a fixed volume of blood, and converting the quantitative characteristics obtained by the area of the scanned smear to the sample volume.
Сведения, подтверждающие возможность реализации изображения
Сканирование препарата и ввод серии кадров, содержащих изображения полей зрения микроскопа, осуществляется с помощью устройства, объединяющего микроскоп, видеокамеру и компьютер. В устройстве используется биологический оптический бинокулярный микроскоп с тринокулярной насадкой, включающей тубус с видеокамерами, укомплектованный автоматическим предметным столиком, управляемым компьютером. Могут быть использованы микроскопы DMLS фирмы Leica или Микмед фирмы ЛОМО. Все комплектующие, указанные выше, серийно производятся. Автоматические предметные столики на шаговых двигателях серийно производятся фирмами Leica, ЛОМО и другими. В устройстве должна использоваться видеокамера, обладающая низким уровнем шумов. Могут быть использованы цифровые камеры фирмы Electrim (EDC-1000E) совместно с платами оцифровки изображений той же фирмы, производящиеся серийно. Для комплектации устройства пригоден персональный компьютер типа PC Pentium II (производится серийно).Information confirming the possibility of imaging
Scanning the drug and entering a series of frames containing images of the fields of view of the microscope is carried out using a device that combines a microscope, a video camera and a computer. The device uses a biological optical binocular microscope with a trinocular attachment, including a tube with video cameras, equipped with an automatic computer controlled stage. DMLS microscopes from Leica or Mikmed from LOMO can be used. All components listed above are mass-produced. Automatic stage tables on stepper motors are serially produced by Leica, LOMO and others. The device must use a camcorder that has a low noise level. Electrim digital cameras (EDC-1000E) can be used in conjunction with serialization digital image cards of the same company. A personal computer of the type PC Pentium II is suitable for a complete set of the device (it is made serially).
Изготовление мазка в виде монослоя осуществяется посредством специального приспособления с использованием автоматической пипетки из дозированного объема крови [6, 7]. The production of a smear in the form of a monolayer is carried out by means of a special device using an automatic pipette from a dosed volume of blood [6, 7].
Пример 1. Пациент К. (регистрационный N 20987), практически здоровый человек, обследован 24.11.98 с целью формирования группы собственного контроля, в гемограмме с проточного счетчика Cobas Micros 18 OT: количество эритроцитов - 4,35•106 куб.мм, средний объем эритроцита - 91 μ куб.м, среднее содержание гемоглобина в эритроците - 31,0 пг, ширина распределения эритроцитов по объему - 13,0%, количество тромбоцитов - 179•103 куб.мм, средний объем тромбоцитов - 8,9 μ /куб.м, ширина распределения тромбоцитов по объему - 13,5%, количество лейкоцитов - 7,9•103 куб.мм, в т.ч. гранулоцитов - 5,3/л (65,4%), лимфоцитов - 2,3/л (30,4%), моноцитов - 0,3/л (4,2%), для сравнения результаты анализа изображения клеток с мазка периферической крови описанным способом: количество эритроцитов - 4,32•106 куб.мм, средний объем эритроцита - 90 μ /куб.м, среднее содержание гемоглобина в эритроците - 31,2 пг, ширина распределения эритроцитов по объему - 12,7%, состояние эритроцитов - нормоциты - 99%, микроциты - 0,7%, артефакты - 0,3%, количество тромбоцитов - 177•103 куб.мм, средний объем тромбоцитов - 8,7 μ /куб.м, ширина распределения тромбоцитов по объему - 14%, количество лейкоцитов - 7,8•103 куб.мм, в т.ч. гранулоцитов - 5,1/л (65%), из них нейтрофилов сегментоядерных 4,6/л (58,4), нейтрофилов палочкоядерных 0,27/л (3,4), эозинофилов 0,21/л (2,7), базофилов 0,05/л (0,6), лимфоцитов - 2,4/л (30,3%), моноцитов - 0,33/л (4,2%).Example 1. Patient K. (registration N 20987), an almost healthy person, was examined on 11/24/98 in order to form his own control group, in the hemogram from a Cobas Micros 18 OT flow counter: the number of red blood cells was 4.35 • 10 6 cubic mm, the average erythrocyte volume is 91 μm3, the average erythrocyte hemoglobin content is 31.0 pg, the erythrocyte volume distribution by volume is 13.0%, the platelet count is 179 • 10 3 cubic mm, the average platelet volume is 8.9 μ / cbm, the width of the distribution of platelets by volume is 13.5%, the number of leukocytes is 7.9 • 10 3 cubic mm, including granulocytes - 5.3 / L (65.4%), lymphocytes - 2.3 / L (30.4%), monocytes - 0.3 / L (4.2%), for comparison, the results of the analysis of the image of cells from a smear peripheral blood in the described way: the number of red blood cells - 4.32 • 10 6 cubic mm, the average volume of the red blood cell - 90 μ / cbm, the average hemoglobin content in the red blood cell - 31.2 pg, the width of the distribution of red blood cells by volume - 12.7% , the state of red blood cells - normocytes - 99%, microcytes - 0.7%, artifacts - 0.3%, the number of platelets - 177 • 10 3 cubic mm, the average volume of platelets - 8.7 μ / cubic meter, the width of the distribution of platelets by volume - 14%, qty on leukocytes - 7,8 • kub.mm March 10, including granulocytes - 5.1 / L (65%), of which neutrophils are segmented 4.6 / L (58.4), stab neutrophils 0.27 / L (3.4), eosinophils 0.21 / L (2.7 ), basophils 0.05 / L (0.6), lymphocytes - 2.4 / L (30.3%), monocytes - 0.33 / L (4.2%).
Пример 2. Пациент С. (регистрационный N 987) с неясным лейкоцитозом на момент диагностики заболевания (19.11.95), в гемограмме с проточного счетчика Cobas Micros 18 OT: количество эритроцитов - 4,88•106 куб.мм, средний объем эритроцита - 91 μ куб.м, среднее содержание гемоглобина в эритроците - 29,6 пг, ширина распределения эритроцитов по объему - 14,9%, количество тромбоцитов - 196•103 куб. мм, средний объем тромбоцитов - 7,2 μ /куб.м, ширина распределения тромбоцитов по объему - 16,8%, количество лейкоцитов - 12,2•103 куб. мм, в т.ч. гранулоцитов - 9,3/л (76,8%), лимфоцитов - 2,1/л (17,4%), моноцитов - 0,7/л (5,8%), для сравнения результаты анализа изображения клеток с мазка периферической крови описанным способом: количество эритроцитов - 4,9•106 куб.мм, средний объем эритроцита - 91 μ /куб.м, среднее содержание гемоглобина в эритроците - 29,8 пг, ширина распределения эритроцитов по объему - 15%, состояние эритроцитов - нормоциты - 97%, микроциты - 2,5%, артефакты - 0,5%, количество тромбоцитов - 195•103 куб.мм, средний объем тромбоцитов - 7,2 μ /куб.м, ширина распределения тромбоцитов по объему - 16,6%, количество лейкоцитов - 12,3•103 куб.мм, в т.ч. гранулоцитов - 9,4/л (76,4%), из них нейтрофилов сегментоядерных 5,4/л (57,8), нейтрофилов палочкоядерных 0,94/л (10), эозинофилов 0,6/л (6), базофилов 0,2/л (2,5), лимфоцитов - 1,7/л (18%), моноцитов - 0,5/л (5,7%).Example 2. Patient S. (registration N 987) with unclear leukocytosis at the time of diagnosis of the disease (11/19/95), in the hemogram from a flow counter Cobas Micros 18 OT: the number of red blood cells - 4.88 • 10 6 cubic mm, the average volume of red blood cells - 91 μm3, the average hemoglobin content in the red blood cell is 29.6 pg, the width of the distribution of red blood cells by volume is 14.9%, the number of platelets is 196 • 10 3 cubic meters. mm, the average volume of platelets is 7.2 μ / cubic meter, the width of the distribution of platelets by volume is 16.8%, the number of leukocytes is 12.2 • 10 3 cubic meters. mm, including granulocytes - 9.3 / L (76.8%), lymphocytes - 2.1 / L (17.4%), monocytes - 0.7 / L (5.8%), for comparison, the results of the analysis of the image of cells from a smear peripheral blood in the described way: the number of red blood cells - 4.9 • 10 6 cubic mm, the average volume of the red blood cell - 91 μ / cbm, the average hemoglobin content in the red blood cell - 29.8 pg, the width of the distribution of red blood cells by volume - 15%, condition erythrocytes - normocytes - 97%, microcytes - 2.5%, artifacts - 0.5%, platelet count - 195 • 10 3 cubic mm, average platelet volume - 7.2 μ / cubic meter, platelet distribution by volume - 16.6%, quantities about white blood cells - 12.3 • 10 3 cubic mm, incl. granulocytes - 9.4 / L (76.4%), of which neutrophils are segmented 5.4 / L (57.8), stab neutrophils 0.94 / L (10), eosinophils 0.6 / L (6), basophils 0.2 / L (2.5), lymphocytes - 1.7 / L (18%), monocytes - 0.5 / L (5.7%).
Пример 3. Пациентка П. (регистрационный N 987) DS: Апластическая анемия (14.03.96), в гемограмме с проточного счетчика Cobas Micros 18 OT: количество эритроцитов - 1,97•106 куб.мм, средний объем эритроцита - 95 μ /куб. м, среднее содержание гемоглобина в эритроците - 31,4 пг, ширина распределения эритроцитов по объему - 17,6%, количество тромбоцитов - 8•103 куб.мм, средний объем тромбоцитов - 7,8 μ /куб.м, ширина распределения тромбоцитов по объему - 9,4%, количество лейкоцитов - 0,9•103 куб.мм, и хотя они преимущественно представлены лимфоцитами, подсчитать с помощью прибора количество каждого типа клеток не удается, для сравнения результаты анализа изображения клеток с мазка периферической крови описанным способом: количество эритроцитов - 2,0•106 куб.мм, средний объем эритроцита - 96 μ /куб.м, среднее содержание гемоглобина в эритроците - 31,5 пг, ширина распределения эритроцитов по объему - 17,5%, состояние эритроцитов - нормоциты - 77%, макроциты - 2%, микроциты - 20,3%, артефакты - 0,7%, выраженный анитоцитоз, количество тромбоцитов - 9•103 куб.мм, средний объем тромбоцитов - 7,8 μ /куб.м, ширина распределения тромбоцитов по объему - 9,6%, количество лейкоцитов - 1•103 куб. мм, при этом прибор не выделил нормальные формы лейкоцитов.Example 3. Patient P. (registration N 987) DS: Aplastic anemia (03/14/96), in the hemogram from a flow counter Cobas Micros 18 OT: the number of red blood cells - 1.97 • 10 6 cubic mm, the average volume of red blood cells - 95 μ / cube m, the average hemoglobin content in the erythrocyte is 31.4 pg, the width of the distribution of red blood cells by volume is 17.6%, the number of platelets is 8 • 10 3 cubic mm, the average volume of platelets is 7.8 μ / cubic meter, the distribution width platelet by volume - 9.4%, the number of leukocytes - 0.9 • 10 3 cubic mm, and although they are mainly represented by lymphocytes, it is not possible to calculate the number of each type of cell using the device, for comparison, the results of the analysis of the image of cells from a peripheral blood smear described method: the number of red blood cells - 2,0 • kub.mm June 10, average obe erythrocyte - 96 μ / cbm, average erythrocyte hemoglobin content - 31.5 pg, erythrocyte volume distribution by volume - 17.5%, erythrocyte state - normocytes - 77%, macrocyte - 2%, microcyte - 20.3% , artifacts - 0.7%, pronounced anitocytosis, platelet count - 9 • 10 3 cubic mm, average platelet volume - 7.8 μ / cbm, platelet distribution by volume - 9.6%, white blood cell count - 1 • 10 3 cc mm, while the device did not distinguish normal forms of white blood cells.
Таким образом, имеет место практически полное совпадение результатов, вместе с тем, анализатор изображения дополнительно к гематологическому счетчику Cobas Micros 18 OT способен учитывать развернутую гемограмму. Thus, there is almost complete coincidence of the results, however, the image analyzer, in addition to the Cobas Micros 18 OT hematology counter, is able to take into account the detailed hemogram.
Источники информации
1. Automated microscopy system and method for locating and relocating objects in an image: Пат. США 4513438: МКИ G 06 K 9/20; НКИ 382/6 /Graham M. D. , Cook D.D., Coulter Electronics, Inc., Hialeah, Fla. - Заявл. 15.04.82; опубл. 23.04.85.Sources of information
1. Automated microscopy system and method for locating and relocating objects in an image: Pat. US 4,513,438: MKI G 06 K 9/20; NKI 382/6 / Graham MD, Cook DD, Coulter Electronics, Inc., Hialeah, Fla. - Declared. 04/15/82; publ. 04/23/85.
2. IMI (Intelligent Medical Imaging Inc.), Micro21, Press Releas. 2. IMI (Intelligent Medical Imaging Inc.), Micro21, Press Releas.
3. Исследование системы крови в клинической практике. /Под ред. Г.И. Козинца и В.А. Макарова. М., 1997 г. 3. The study of the blood system in clinical practice. / Ed. G.I. Kozintsa and V.A. Makarova. M., 1997
4. Medovy V. S. , Kozinets G., Gusev A., Ivanova I.A., Pogorelov V.M., Pyatnitsky A., Sokoninsky B., B., Verdenskaya N.V. MECOS-C: return to image analysis in microscope examination of blood smears, Proc. SPIE "Optical Diagnostic of Living Cells II", 1998, v. 3260. 4. Medovy V. S., Kozinets G., Gusev A., Ivanova I.A., Pogorelov V.M., Pyatnitsky A., Sokoninsky B., B., Verdenskaya N.V. MECOS-C: return to image analysis in microscope examination of blood smears, Proc. SPIE "Optical Diagnostic of Living Cells II", 1998, v. 3260.
5. Медовый В.С., Балабуткин В.А., Верденская Н.В., Гусев А.А., Иванова И. А., Козинец Г.И., Погорелов В.М., Пятницкий А.М., Стоянов М.С., Соколинский Б.З., Теохаров А.Н. Автоматизированные цитофотометрические тесты мазков крови для общей клиники и скрининговых обследований населения. //Клин. лабор. диагностика. - 1997. - 10. - С. 6-8. 5. Honey V.S., Balabutkin V.A., Verdenskaya N.V., Gusev A.A., Ivanova I.A., Kozinets G.I., Pogorelov V.M., Pyatnitsky A.M., Stoyanov M.S., Sokolinsky B.Z., Teokharov A.N. Automated cytophotometric blood smear tests for general clinics and population screening. //Wedge. the lab. diagnostics. - 1997. - 10. - S. 6-8.
6. Гусев А. А. , Козинец Г.И., Медовый Вл.С. "Способ и устройство для приготовления стандартизированных мазков крови заданной толщины" Патент на изобретение N 97100383/14 (003322) от 03.03.97, МКИ G 01 N 33/48. 6. Gusev A. A., Kozinets G.I., Honey Vl.S. "Method and device for the preparation of standardized blood smears of a given thickness" Patent for the invention N 97100383/14 (003322) from 03.03.97, MKI G 01 N 33/48.
7. Гусев А. А. , Козинец Г.И., Медовый Вл.С. "Способ и устройство для стандартизации окрашивания партии цитологических препаратов". Патент на изобретение N 97100382/20 (003323) от 03.03.97, МКИ G 01 N 33/48. 7. Gusev A. A., Kozinets G.I., Honey Vl.S. "Method and device for standardizing staining of a batch of cytological preparations." Patent for the invention N 97100382/20 (003323) from 03.03.97, MKI G 01 N 33/48.
Claims (1)
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU98122916A RU2147123C1 (en) | 1998-12-16 | 1998-12-16 | Method for examining cellular blood composition using a smear |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| RU98122916A RU2147123C1 (en) | 1998-12-16 | 1998-12-16 | Method for examining cellular blood composition using a smear |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| RU2147123C1 true RU2147123C1 (en) | 2000-03-27 |
Family
ID=20213630
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| RU98122916A RU2147123C1 (en) | 1998-12-16 | 1998-12-16 | Method for examining cellular blood composition using a smear |
Country Status (1)
| Country | Link |
|---|---|
| RU (1) | RU2147123C1 (en) |
Cited By (29)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2184966C1 (en) * | 2000-11-30 | 2002-07-10 | Боев Сергей Федотович | Method to test blood cellular composition according to a smear |
| RU2200460C1 (en) * | 2002-05-24 | 2003-03-20 | Сорокин Олег Геннадьевич | Method for quantitative determination of formic blood elements |
| RU2282850C1 (en) * | 2005-04-29 | 2006-08-27 | Николай Борисович Ферапонтов | Reagent-free method and device for finding content of components in solution |
| RU2289133C1 (en) * | 2005-03-03 | 2006-12-10 | Виктор Александрович Клемин | Method for determining hemoglobin, erythrocytes, leukocytes, blood platelets quantity, hematokrit and erythrocyte sedimentation rate in whole blood |
| RU2298183C2 (en) * | 2005-07-20 | 2007-04-27 | Георгий Эдинович Черногорюк | Method for detecting myeloperoxidase activity in sputum neutrophils and eosinophils |
| RU2303812C2 (en) * | 2004-12-29 | 2007-07-27 | Общество с ограниченной ответственностью "НПФ РЕНАМ" | Method for identifying and calculating cells in human and animal biological media and device for its implementation |
| RU2364443C2 (en) * | 2004-02-02 | 2009-08-20 | Медион Диагностикс Аг | Diagnostic element and blood diagnostic technique |
| RU2488821C1 (en) * | 2011-12-21 | 2013-07-27 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики" | Method for erythrocyte count on blood smear photos (versions) |
| WO2015035260A1 (en) * | 2013-09-06 | 2015-03-12 | Theranos, Inc. | Systems and methods for detecting infectious diseases |
| US9128015B2 (en) | 2011-09-25 | 2015-09-08 | Theranos, Inc. | Centrifuge configurations |
| US9250229B2 (en) | 2011-09-25 | 2016-02-02 | Theranos, Inc. | Systems and methods for multi-analysis |
| US9268915B2 (en) | 2011-09-25 | 2016-02-23 | Theranos, Inc. | Systems and methods for diagnosis or treatment |
| US9285366B2 (en) | 2007-10-02 | 2016-03-15 | Theranos, Inc. | Modular point-of-care devices, systems, and uses thereof |
| US9302264B2 (en) | 2013-09-06 | 2016-04-05 | Theranos, Inc. | Devices, systems, methods, and kits for receiving a swab |
| US9464981B2 (en) | 2011-01-21 | 2016-10-11 | Theranos, Inc. | Systems and methods for sample use maximization |
| US9592508B2 (en) | 2011-09-25 | 2017-03-14 | Theranos, Inc. | Systems and methods for fluid handling |
| US9619627B2 (en) | 2011-09-25 | 2017-04-11 | Theranos, Inc. | Systems and methods for collecting and transmitting assay results |
| US9645143B2 (en) | 2011-09-25 | 2017-05-09 | Theranos, Inc. | Systems and methods for multi-analysis |
| US9664702B2 (en) | 2011-09-25 | 2017-05-30 | Theranos, Inc. | Fluid handling apparatus and configurations |
| US10012664B2 (en) | 2011-09-25 | 2018-07-03 | Theranos Ip Company, Llc | Systems and methods for fluid and component handling |
| WO2019198094A1 (en) * | 2018-04-09 | 2019-10-17 | Sigtuple Technologies Private Limited | Method and system for estimating total count of blood cells in a blood smear |
| WO2021081607A1 (en) | 2019-10-30 | 2021-05-06 | Milkotronic Ltd | Device for differential counting of microparticles in biological liquids |
| US11054432B2 (en) | 2011-09-25 | 2021-07-06 | Labrador Diagnostics Llc | Systems and methods for multi-purpose analysis |
| CN113125433A (en) * | 2019-12-30 | 2021-07-16 | 深圳迈瑞生物医疗电子股份有限公司 | Sample analysis system, method and computer-readable storage medium |
| US11162936B2 (en) | 2011-09-13 | 2021-11-02 | Labrador Diagnostics Llc | Systems and methods for multi-analysis |
| CN114252370A (en) * | 2020-09-25 | 2022-03-29 | 深圳迈瑞生物医疗电子股份有限公司 | Cell reclassification method, sample analysis method and related equipment of the reader |
| US11385143B2 (en) | 2015-08-10 | 2022-07-12 | Essenlix Corporation | Bio/chemical assay devices and methods for simplified steps, small samples, accelerated speed, and ease-of-use |
| US11543408B2 (en) | 2015-09-14 | 2023-01-03 | Essenlix Corporation | Device and system for analyzing a sample, particularly blood, as well as methods of using the same |
| RU2810819C2 (en) * | 2015-09-14 | 2023-12-28 | Эссенликс Корп. | Device and system for analyzing sample, in particular blood, as well as methods of their use |
-
1998
- 1998-12-16 RU RU98122916A patent/RU2147123C1/en not_active IP Right Cessation
Non-Patent Citations (1)
| Title |
|---|
| 1. Исследование системы крови в клинической практике. /Под ред.Г.И.Козинцева и др. - М.: Триада-Х, 1997, с.305-314, 328. 2. RU 2121297 АЗ (Гусев А.А. и др.), 10.11.98. 3. Световая микроскопия в биологии. Методы. /Под ред.А.Лейси. - М.: Мир, 1992, с.303-305. * |
Cited By (70)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2184966C1 (en) * | 2000-11-30 | 2002-07-10 | Боев Сергей Федотович | Method to test blood cellular composition according to a smear |
| RU2200460C1 (en) * | 2002-05-24 | 2003-03-20 | Сорокин Олег Геннадьевич | Method for quantitative determination of formic blood elements |
| RU2364443C2 (en) * | 2004-02-02 | 2009-08-20 | Медион Диагностикс Аг | Diagnostic element and blood diagnostic technique |
| US7871825B2 (en) | 2004-02-02 | 2011-01-18 | Medión Diagnostics AG | Test element and method for testing blood |
| RU2303812C2 (en) * | 2004-12-29 | 2007-07-27 | Общество с ограниченной ответственностью "НПФ РЕНАМ" | Method for identifying and calculating cells in human and animal biological media and device for its implementation |
| RU2289133C1 (en) * | 2005-03-03 | 2006-12-10 | Виктор Александрович Клемин | Method for determining hemoglobin, erythrocytes, leukocytes, blood platelets quantity, hematokrit and erythrocyte sedimentation rate in whole blood |
| RU2282850C1 (en) * | 2005-04-29 | 2006-08-27 | Николай Борисович Ферапонтов | Reagent-free method and device for finding content of components in solution |
| RU2298183C2 (en) * | 2005-07-20 | 2007-04-27 | Георгий Эдинович Черногорюк | Method for detecting myeloperoxidase activity in sputum neutrophils and eosinophils |
| US11061022B2 (en) | 2007-10-02 | 2021-07-13 | Labrador Diagnostics Llc | Modular point-of-care devices, systems, and uses thereof |
| US10634667B2 (en) | 2007-10-02 | 2020-04-28 | Theranos Ip Company, Llc | Modular point-of-care devices, systems, and uses thereof |
| US9588109B2 (en) | 2007-10-02 | 2017-03-07 | Theranos, Inc. | Modular point-of-care devices, systems, and uses thereof |
| US11143647B2 (en) | 2007-10-02 | 2021-10-12 | Labrador Diagnostics, LLC | Modular point-of-care devices, systems, and uses thereof |
| US11137391B2 (en) | 2007-10-02 | 2021-10-05 | Labrador Diagnostics Llc | Modular point-of-care devices, systems, and uses thereof |
| US11092593B2 (en) | 2007-10-02 | 2021-08-17 | Labrador Diagnostics Llc | Modular point-of-care devices, systems, and uses thereof |
| US9285366B2 (en) | 2007-10-02 | 2016-03-15 | Theranos, Inc. | Modular point-of-care devices, systems, and uses thereof |
| US11366106B2 (en) | 2007-10-02 | 2022-06-21 | Labrador Diagnostics Llc | Modular point-of-care devices, systems, and uses thereof |
| US9435793B2 (en) | 2007-10-02 | 2016-09-06 | Theranos, Inc. | Modular point-of-care devices, systems, and uses thereof |
| US10900958B2 (en) | 2007-10-02 | 2021-01-26 | Labrador Diagnostics Llc | Modular point-of-care devices, systems, and uses thereof |
| US11899010B2 (en) | 2007-10-02 | 2024-02-13 | Labrador Diagnostics Llc | Modular point-of-care devices, systems, and uses thereof |
| US10670588B2 (en) | 2007-10-02 | 2020-06-02 | Theranos Ip Company, Llc | Modular point-of-care devices, systems, and uses thereof |
| US9581588B2 (en) | 2007-10-02 | 2017-02-28 | Theranos, Inc. | Modular point-of-care devices, systems, and uses thereof |
| US11199489B2 (en) | 2011-01-20 | 2021-12-14 | Labrador Diagnostics Llc | Systems and methods for sample use maximization |
| US9464981B2 (en) | 2011-01-21 | 2016-10-11 | Theranos, Inc. | Systems and methods for sample use maximization |
| US10557786B2 (en) | 2011-01-21 | 2020-02-11 | Theranos Ip Company, Llc | Systems and methods for sample use maximization |
| US11644410B2 (en) | 2011-01-21 | 2023-05-09 | Labrador Diagnostics Llc | Systems and methods for sample use maximization |
| US9677993B2 (en) | 2011-01-21 | 2017-06-13 | Theranos, Inc. | Systems and methods for sample use maximization |
| US10876956B2 (en) | 2011-01-21 | 2020-12-29 | Labrador Diagnostics Llc | Systems and methods for sample use maximization |
| US11162936B2 (en) | 2011-09-13 | 2021-11-02 | Labrador Diagnostics Llc | Systems and methods for multi-analysis |
| US10371710B2 (en) | 2011-09-25 | 2019-08-06 | Theranos Ip Company, Llc | Systems and methods for fluid and component handling |
| US11054432B2 (en) | 2011-09-25 | 2021-07-06 | Labrador Diagnostics Llc | Systems and methods for multi-purpose analysis |
| US9952240B2 (en) | 2011-09-25 | 2018-04-24 | Theranos Ip Company, Llc | Systems and methods for multi-analysis |
| US10012664B2 (en) | 2011-09-25 | 2018-07-03 | Theranos Ip Company, Llc | Systems and methods for fluid and component handling |
| US10018643B2 (en) | 2011-09-25 | 2018-07-10 | Theranos Ip Company, Llc | Systems and methods for multi-analysis |
| US12146891B2 (en) | 2011-09-25 | 2024-11-19 | Labrador Diagnostics Llc | United states systems and methods for fluid and component handling |
| US9619627B2 (en) | 2011-09-25 | 2017-04-11 | Theranos, Inc. | Systems and methods for collecting and transmitting assay results |
| US12085583B2 (en) | 2011-09-25 | 2024-09-10 | Labrador Diagnostics Llc | Systems and methods for multi-analysis |
| US9645143B2 (en) | 2011-09-25 | 2017-05-09 | Theranos, Inc. | Systems and methods for multi-analysis |
| US10518265B2 (en) | 2011-09-25 | 2019-12-31 | Theranos Ip Company, Llc | Systems and methods for fluid handling |
| US11524299B2 (en) | 2011-09-25 | 2022-12-13 | Labrador Diagnostics Llc | Systems and methods for fluid handling |
| US10534009B2 (en) | 2011-09-25 | 2020-01-14 | Theranos Ip Company, Llc | Systems and methods for multi-analysis |
| US9664702B2 (en) | 2011-09-25 | 2017-05-30 | Theranos, Inc. | Fluid handling apparatus and configurations |
| US10557863B2 (en) | 2011-09-25 | 2020-02-11 | Theranos Ip Company, Llc | Systems and methods for multi-analysis |
| US10627418B2 (en) | 2011-09-25 | 2020-04-21 | Theranos Ip Company, Llc | Systems and methods for multi-analysis |
| US9592508B2 (en) | 2011-09-25 | 2017-03-14 | Theranos, Inc. | Systems and methods for fluid handling |
| US9128015B2 (en) | 2011-09-25 | 2015-09-08 | Theranos, Inc. | Centrifuge configurations |
| US9719990B2 (en) | 2011-09-25 | 2017-08-01 | Theranos, Inc. | Systems and methods for multi-analysis |
| US9250229B2 (en) | 2011-09-25 | 2016-02-02 | Theranos, Inc. | Systems and methods for multi-analysis |
| US9268915B2 (en) | 2011-09-25 | 2016-02-23 | Theranos, Inc. | Systems and methods for diagnosis or treatment |
| US11009516B2 (en) | 2011-09-25 | 2021-05-18 | Labrador Diagnostics Llc | Systems and methods for multi-analysis |
| RU2488821C1 (en) * | 2011-12-21 | 2013-07-27 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Санкт-Петербургский национальный исследовательский университет информационных технологий, механики и оптики" | Method for erythrocyte count on blood smear photos (versions) |
| US9810704B2 (en) | 2013-02-18 | 2017-11-07 | Theranos, Inc. | Systems and methods for multi-analysis |
| US9529976B2 (en) | 2013-09-06 | 2016-12-27 | Theranos, Inc. | Systems and methods for detecting infectious diseases |
| US10522245B2 (en) | 2013-09-06 | 2019-12-31 | Theranos Ip Company, Llc | Systems and methods for detecting infectious diseases |
| US9460268B2 (en) * | 2013-09-06 | 2016-10-04 | Theranos, Inc. | Systems and methods for detecting infectious diseases |
| US9916428B2 (en) | 2013-09-06 | 2018-03-13 | Theranos Ip Company, Llc | Systems and methods for detecting infectious diseases |
| US10283217B2 (en) | 2013-09-06 | 2019-05-07 | Theranos Ip Company, Llc | Systems and methods for detecting infectious diseases |
| US20150072338A1 (en) * | 2013-09-06 | 2015-03-12 | Theranos, Inc. | Systems and methods for detecting infectious diseases |
| US10391496B2 (en) | 2013-09-06 | 2019-08-27 | Theranos Ip Company, Llc | Devices, systems, methods, and kits for receiving a swab |
| WO2015035260A1 (en) * | 2013-09-06 | 2015-03-12 | Theranos, Inc. | Systems and methods for detecting infectious diseases |
| US12059681B2 (en) | 2013-09-06 | 2024-08-13 | Labrador Diagnostics, LLC | Devices, systems, methods, and kits for receiving a swab |
| US9302264B2 (en) | 2013-09-06 | 2016-04-05 | Theranos, Inc. | Devices, systems, methods, and kits for receiving a swab |
| US12044603B2 (en) | 2015-08-10 | 2024-07-23 | Essenlix Corporation | Rapid bio/chemical assay |
| US11385143B2 (en) | 2015-08-10 | 2022-07-12 | Essenlix Corporation | Bio/chemical assay devices and methods for simplified steps, small samples, accelerated speed, and ease-of-use |
| US11543408B2 (en) | 2015-09-14 | 2023-01-03 | Essenlix Corporation | Device and system for analyzing a sample, particularly blood, as well as methods of using the same |
| RU2810819C2 (en) * | 2015-09-14 | 2023-12-28 | Эссенликс Корп. | Device and system for analyzing sample, in particular blood, as well as methods of their use |
| US12276660B2 (en) | 2015-09-14 | 2025-04-15 | Essenlix Corporation | Device and system for analyzing a sample, particularly blood, as well as methods of using the same |
| WO2019198094A1 (en) * | 2018-04-09 | 2019-10-17 | Sigtuple Technologies Private Limited | Method and system for estimating total count of blood cells in a blood smear |
| WO2021081607A1 (en) | 2019-10-30 | 2021-05-06 | Milkotronic Ltd | Device for differential counting of microparticles in biological liquids |
| CN113125433A (en) * | 2019-12-30 | 2021-07-16 | 深圳迈瑞生物医疗电子股份有限公司 | Sample analysis system, method and computer-readable storage medium |
| CN114252370A (en) * | 2020-09-25 | 2022-03-29 | 深圳迈瑞生物医疗电子股份有限公司 | Cell reclassification method, sample analysis method and related equipment of the reader |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| RU2147123C1 (en) | Method for examining cellular blood composition using a smear | |
| US6246785B1 (en) | Automated, microscope-assisted examination process of tissue or bodily fluid samples | |
| Young | The classification of white blood cells | |
| DE60319816T2 (en) | METHOD FOR THE AUTOMATIC DETECTION OF CELLS WITH ILLICIT MOLECULAR MARKING COMPARTMENTATION | |
| US5123055A (en) | Method and an apparatus for differentiating a sample of biological cells | |
| DE19747415C2 (en) | Method for assisting an observer in screening a sample and cytological sample analysis system | |
| DE3689856T2 (en) | ANALYSIS METHOD AND DEVICE FOR BIOLOGICAL SPECIMES. | |
| DE60316113T2 (en) | METHOD FOR QUANTITATIVE VIDEO MICROSCOPY AND DEVICE AND COMPUTER PROGRAM FOR IMPLEMENTING THE PROCESS | |
| JPH0475463B2 (en) | ||
| EP0628186B1 (en) | Method for identifying normal biomedical specimens | |
| US9607372B2 (en) | Automated bone marrow cellularity determination | |
| CN109142195A (en) | Autofocus system and method for the particle analysis in humoral sample | |
| US20210217190A1 (en) | Analyzer for three-dimensionally analyzing a medical sample by means of a light field camera | |
| Netten et al. | Fluorescent dot counting in interphase cell nuclei | |
| JP4864709B2 (en) | A system for determining the staining quality of slides using a scatter plot distribution | |
| CN1502089A (en) | Apparatus and method for object imaging | |
| WO2021105801A1 (en) | Method for digitally staining cells | |
| JP4897488B2 (en) | A system for classifying slides using a scatter plot distribution | |
| EP3540631A1 (en) | In vitro method of marking-free determination of a cell type of a white blood cell | |
| CN108387553B (en) | Block reconstruction and classification counting method for leucocyte and platelet coexistence hologram | |
| Al-Momin et al. | A MATLAB model for diagnosing sickle cells and other blood abnormalities using image processing | |
| JPH10302067A (en) | Pattern recognition device | |
| RU2184966C1 (en) | Method to test blood cellular composition according to a smear | |
| RU2054176C1 (en) | Physiologic system identification method | |
| JPH1090163A (en) | Particle analyzer |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20141217 |