Идентификация и счет форменных элементов крови в ее нативном состоянии на основе цифровой микроскопии
Год: 2016, том 12 Номер: №4 Страницы: 549-555
Рубрика: Физиология и патофизиология Тип статьи: Оригинальная статья
Авторы: Дубровский В.А., Забенков И.В., Торбин С.О., Царева О.Е.
Организация: ФГБОУ ВО Саратовский ГМУ им. В.И. Разумовского Минздрава России
Рубрика: Физиология и патофизиология Тип статьи: Оригинальная статья
Авторы: Дубровский В.А., Забенков И.В., Торбин С.О., Царева О.Е.
Организация: ФГБОУ ВО Саратовский ГМУ им. В.И. Разумовского Минздрава России
Резюме:
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.
Ключевые слова: цифровая микроскопия, форменные элементы крови, счет клеток, компьютерная обработки фотоизображений
Литература:
1. Steinkamp JA. Flow cytometry. Rev Sci Instrum 55 (1984); 9: 1375-1400
2. Tuchin VV, ed. Advanced Optical Flow Cytometry: Methods and Disease Diagnoses. WILEY-VCH Verlag GmbH & Co. KGaA, Weinheim, 2011; 701 p.
3. Orfao A, Lacombe F, Ault K, et al. Flow cytometry: its applications in hematology. Haematologica 1995; 80: 69-81
4. 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
5. 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
6. 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
7. Дубровский В.А., Дворецкий К.H., Щербакова И.В. Лазерное пространственное сканирование в проточной цитометрии. Цитология 1999; 41 (1): 104-108)
8. 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
9. Дырнаев А.В. Способ подсчета эритроцитов на изображениях мазков крови (варианты): Патент RU 2488821 С1. Опубл. 27.07.2013. Бюл. 21
10 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
11. 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
12. 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
13. Mahmood NH, Mansor MA. Red blood cells estimation using Hough transform technique. Signal & Image Processing: An International Journal (SIPIJ) 2012; 3 (2): 53-64
14. 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
15. 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
16. 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
17. 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
18. 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
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
20. 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
21. 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
22. 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.
| Прикрепленный файл | Размер |
|---|---|
| 2016_04_549-555.pdf | 1.52 Мб |
Русский
English