TWI767415B - 自動化血液分析系統及自動化血液分析方法 - Google Patents

Abstract

本發明提供一種自動化血液分析系統，包含上樣平台、試驗平台以及處理器。上樣平台對受試者之血液樣本及供血者之血液樣本進行上樣前處理，以得受試血液樣本與目標血液樣本。受試血液樣本與目標血液樣本混合之混合血液樣本以試驗平台的試藥反應裝置進行血液交叉試驗。試驗平台的影像擷取裝置用以擷取反應後混合血液樣本的三維血球凝集影像資料。當血液交叉試驗評估程式由處理器執行時可評估受試血液樣本與目標血液樣本的凝集判讀結果。藉此，本發明之自動化血液分析系統可達成血品處理之一致性，並可大幅提升血球凝集判讀的準確度。

Description

自動化血液分析系統及自動化血液分析方法

本發明是有關於一種醫療資訊分析系統與方法，特別是關於一種自動化血液分析系統與自動化血液分析方法。

肇因於手術、意外事故、燒傷、生產、癌症化學治療的大量失血情形或貧血等其他疾病，都可能需要以輸血的方式提供患者來自外源的血液，以減緩症狀或挽救性命。當需要進行輸血治療時，醫師將抽取患者之血液與血庫中的血品進行交叉試驗(Cross-Matching Test)以確定患者和供血者之間的血液相容性，以預防溶血性輸血反應的發生。

現行的交叉試驗多由血庫醫檢師以人工方式進行實驗，是以在血液樣本的前處理作業與後續的試藥實驗方面常因不同醫檢師的操作習慣差異而呈現不同的態樣，進而影響後續分析判讀的結果。因此，為了確保患者的血液樣本與供血者的血液樣本在樣本處理上的一致性，患者的血液樣本與供血者的血液樣本需由同一位血庫醫檢師進行處理與分析，如此一來，患者的血液樣本與供血者的血液樣本勢必需要依序進行前處理作業，進而導致檢測速度較為緩慢而影響後續血品配發作業的進行。再者，交叉試驗的結果須由血庫醫檢師進行判讀，且須經過二位以上的血庫醫檢師交叉核對判讀的結果之後始可發出合血評估報告。然而，同一患者的血液樣本與同一供血者的血液樣本進行交叉試驗的結果常因不同血庫醫檢師的主觀判讀習慣而有所不同，如此一來恐導致依據人工判讀的交叉試驗結果的準確度與一致性與實際情形出現落差。

有鑑於此，市面上推出一種自動化血液分析系統，其係自動地吸取患者的血液樣本與供血者的血液樣本至一血型管柱卡中，並以前述之血型管柱卡為載體進行交叉試驗。在完成反應後，習知的自動化血液分析系統將會擷取血型管柱卡中混合血液樣本的二維血球凝集影像資料，並以前述之二維血球凝集影像資料作為交叉試驗結果的判讀依據。然而，習知的自動化血液分析系統在擷取二維血球凝集影像資料時僅能擷取與判定血型管柱卡中的上層管柱之二維影像，並無法擷取甚至精確判定沉降至管柱底部與邊緣的影像。再者，當患者的血液樣本與供血者的血液樣本的凝集價數較低或具有較高的溶血價數時，或是患者正服用癌症標靶藥物或免疫調節劑等特殊藥物時，習知的自動化血液分析系統同樣無法依據二維血球凝集影像資料而達成精確的判定。

因此，如何發展出一種快速、低成本且具有高度檢測準確度之自動化血液分析系統與方法，實為一具有臨床應用價值之技術課題。

本發明之一態樣在於提供一種自動化血液分析系統，包含一上樣平台、一試驗平台以及一處理器。前述之上樣平台包含一樣本上樣裝置及一血品上樣裝置。樣本上樣裝置用以對一受試者之一血液樣本進行上樣前處理，以得一受試血液樣本。血品上樣裝置用以對一供血者之一血液樣本進行上樣前處理，以得一目標血液樣本。試驗平台鄰設於前述之上樣平台，其中試驗平台包含一試藥反應裝置及一影像擷取裝置。試藥反應裝置用以混合前述之受試血液樣本與前述之目標血液樣本，以得一混合血液樣本，並對前述之混合血液樣本進行一血液交叉試驗，以得一反應後混合血液樣本。影像擷取裝置用以擷取前述之反應後混合血液樣本的一三維血球凝集影像資料。處理器電訊連接前述之影像擷取裝置，其中前述之處理器包含一血液交叉試驗評估程式，且血液交叉試驗評估程式包含一第一影像前處理模組、一第一訓練模組及一第一判斷模組。第一影像前處理模組用以調整前述之三維血球凝集影像資料的一影像大小與一背景值，以得一處理後三維血球凝集影像資料。第一訓練模組係利用一第一神經網路分類器訓練前述之處理後三維血球凝集影像資料至收斂，以得一影像特徵值。第一判斷模組係利用前述之第一神經網路分類器根據前述之影像特徵值輸出一凝集判讀結果。其中，前述之凝集判讀結果包含一血液凝集價數判讀結果與一血球凝集型態判讀結果。

依據前述之自動化血液分析系統，其中前述之混合血液樣本可置於一離心管中進行血液交叉試驗，且前述之影像擷取裝置可擷取所述之反應後混合血液樣本於所述之離心管中的三維血球凝集影像資料。

依據前述之自動化血液分析系統，其中前述之影像擷取裝置可包含一光源以及一相機模組。光源用以投射一散射光或一直射光至前述之反應後混合血液樣本。相機模組包含一低倍率取像模組及一高倍率取像模組。

依據前述之自動化血液分析系統，其中前述之三維血球凝集影像資料可包含至少一動態三維血球凝集影像資料以及至少一靜態三維血球凝集影像資料。

依據前述之自動化血液分析系統，其中前述之第一神經網路分類器可為一支援向量機(support vector machine, SVM)神經網路分類器。

依據前述之自動化血液分析系統，其中前述之影像擷取裝置可更擷取所述之反應後混合血液樣本的一高倍率三維血球凝集影像資料，且前述之血液交叉試驗評估程式可更包含一第二影像前處理模組、一第二訓練模組以及一第二判斷模組。第二影像前處理模組可用以對前述之高倍率三維血球凝集影像資料進行前處理，以得至少一影像像素分布資料。第二訓練模組可利用一迴歸分析演算模組分析所述之影像像素分布資料後，再以一第二神經網路分類器訓練所述之影像像素分布資料至收斂，以得一二重影像特徵值權重數據。第二判斷模組可利用前述之第二神經網路分類器根據所述之二重影像特徵值權重數據而輸出一二重凝集判讀結果。其中，前述之二重凝集判讀結果可包含一二重血液凝集價數判讀結果與一二重血球凝集型態判讀結果。

依據前述之自動化血液分析系統，其中前述之高倍率三維血球凝集影像資料可包含至少一動態高倍率三維血球凝集影像資料以及至少一靜態高倍率三維血球凝集影像資料，前述之影像像素分布資料可包含一單視野畫素分布波峰數量資訊、一單視野畫素分布波間峰數資訊、一單視野畫素分布面積資訊以及一單視野畫素分布平均波峰距離資訊。

依據前述之自動化血液分析系統，其中前述之迴歸分析演算模組可為羅吉斯迴歸(Logistic regression)演算模組。

依據前述之自動化血液分析系統，其中前述之第二神經網路分類器可為一支援向量機神經網路分類器。

依據前述之自動化血液分析系統，其中前述之血液交叉試驗評估程式可更包含一合血評估模組。合血評估模組可將前述之凝集判讀結果的一副本以一第三神經網路分類器進行訓練至收斂，以輸出一血液相合性評估結果。

依據前述之自動化血液分析系統，其中前述之第三神經網路分類器可為一支援向量機神經網路分類器。

藉此，透過上樣平台自動地對受試者之血液樣本及供血者之血液樣本分別進行上樣前處理，並混合受試者之血液樣本及供血者之血液樣本而進行血液交叉試驗，接著將反應後混合血液樣本的三維血球凝集影像資料以第一神經網路分類器自動地進行分析與訓練，而後進一步根據所得之影像特徵值輸出血液凝集價數判讀結果與血球凝集型態判讀結果，本發明之自動化血液分析系統不僅可達成血品處理之一致性，以大幅降低不同血庫醫檢師的主觀判讀習慣所致之交叉試驗結果誤差以及提升檢測效率，並可快速地進行多批次的血液交叉試驗以及大幅增進交叉試驗的判讀準確度，進而使本發明之自動化血液分析系統具有相關領域之應用潛力。

本發明之另一態樣提供一種自動化血液分析方法，包含下述步驟。提供一受試者之一血液樣本。提供一供血者之一血液樣本。進行一樣本前處理步驟，其係對前述之受試者之血液樣本進行上樣前處理，以得一受試血液樣本，並對前述之供血者之血液樣本進行上樣前處理，以得一目標血液樣本。進行一試藥反應步驟，其係混合前述之受試血液樣本與前述之目標血液樣本，以得一混合血液樣本，並對所述之混合血液樣本進行一血液交叉試驗，以得一反應後混合血液樣本。進行一影像擷取步驟，其係擷取前述之反應後混合血液樣本的一三維血球凝集影像資料。進行一影像前處理步驟，其係調整前述之三維血球凝集影像資料的一影像大小與一背景值，以得一處理後三維血球凝集影像資料。進行一分析判斷步驟，其係利用一第一神經網路分類器訓練前述之處理後三維血球凝集影像資料至收斂，以得一影像特徵值，並利用所述之第一神經網路分類器根據前述之影像特徵值輸出一凝集判讀結果。其中，前述之凝集判讀結果包含一血液凝集價數判讀結果與一血球凝集型態判讀結果。

依據前述之自動化血液分析方法，其中前述之混合血液樣本可置於一離心管中進行血液交叉試驗，且前述之三維血球凝集影像資料可為反應後混合血液樣本於離心管中的三維血球凝集影像資料。

依據前述之自動化血液分析方法，其中前述之三維血球凝集影像資料可包含至少一動態三維血球凝集影像資料以及至少一靜態三維血球凝集影像資料。

依據前述之自動化血液分析方法，其中前述之第一神經網路分類器可為一支援向量機神經網路分類器。

依據前述之自動化血液分析方法，可更包含進行一二重分析判斷步驟，二重分析判斷步驟可包含下述步驟。進行一二重影像擷取步驟，其可擷取所述之反應後混合血液樣本的一高倍率三維血球凝集影像資料。進行一二重影像前處理步驟，其可對前述之高倍率三維血球凝集影像資料進行前處理，以得至少一影像像素分布資料。進行一二重分析步驟，其可利用一迴歸分析演算模組分析所述之影像像素分布資料後，再以一第二神經網路分類器訓練所述之影像像素分布資料至收斂，以得一二重影像特徵值權重數據。進行一二重判斷步驟，其可利用前述之第二神經網路分類器根據所述之二重影像特徵值權重數據而輸出一二重凝集判讀結果。其中，前述之二重凝集判讀結果可包含一二重血液凝集價數判讀結果與一二重血球凝集型態判讀結果。

依據前述之自動化血液分析方法，其中前述之高倍率三維血球凝集影像資料可包含至少一動態高倍率三維血球凝集影像資料以及至少一靜態高倍率三維血球凝集影像資料，前述之影像像素分布資料可包含一單視野畫素分布波峰數量資訊、一單視野畫素分布波間峰數資訊、一單視野畫素分布面積資訊以及一單視野畫素分布平均波峰距離資訊。

依據前述之自動化血液分析方法，其中前述之迴歸分析演算模組可為羅吉斯迴歸演算模組，前述之第二神經網路分類器可為一支援向量機神經網路分類器。

依據前述之自動化血液分析方法，可更包含進行一合血評估步驟，其可將前述之凝集判讀結果的一副本以一第三神經網路分類器進行訓練至收斂，以輸出一血液相合性評估結果。

依據前述之自動化血液分析方法，其中前述之第三神經網路分類器為一支援向量機神經網路分類器。

藉此，透過混合受試者之血液樣本及供血者之血液樣本並進行血液交叉試驗，並將所得之三維血球凝集影像資料自動地以第一神經網路分類器進行分析與訓練而輸出血液凝集價數判讀結果與血球凝集型態判讀結果，本發明之自動化血液分析方法不僅可大幅降低不同血庫醫檢師的主觀判讀習慣所致之交叉試驗結果誤差以及提升檢測效率，亦可根據血液之三維血球凝集影像資料快速地進行交叉試驗的結果分析，以有效地提升交叉試驗的判讀準確度並利於後續醫療措施的施行，進而使本發明之自動化血液分析方法具有相關領域之應用潛力。

下述將更詳細討論本發明各實施方式。然而，此實施方式可為各種發明概念的應用，可被具體實行在各種不同的特定範圍內。特定的實施方式是僅以說明為目的，且不受限於揭露的範圍。

[本發明之自動化血液分析系統]

請參照第1圖與第2圖，第1圖係繪示本發明一實施方式之自動化血液分析系統100的架構示意圖，第2圖係繪示第1圖之自動化血液分析系統100的處理器130的架構示意圖。自動化血液分析系統100包含一上樣平台110、一試驗平台120以及一處理器130。

上樣平台110包含一樣本上樣裝置111以及一血品上樣裝置112。樣本上樣裝置111用以對一受試者之一血液樣本進行上樣前處理，以得一受試血液樣本，而血品上樣裝置112則用以對一供血者之一血液樣本進行上樣前處理，以得一目標血液樣本。詳細而言，受試血液樣本可為受試者之血液樣本的血清或血球，而目標血液樣本則可為供血者之血液樣本的血清或血球。舉例來說，在對患者實施輸血治療前，血庫醫檢師將會抽取患者(即受血者)的血液樣本並分別對患者的血液樣本以及供血者的血液樣本進行離心，並取得患者之血液樣本的血清與供血者之血液樣本的紅血球進行大交叉試驗(Major Cross Matching Test)，以確認患者血液與供血者血液的相合性，並根據大交叉試驗的結果來決定供血者的血液是否適合患者輸用。同樣地，在第1圖的實施方式中，樣本上樣裝置111以及血品上樣裝置112可分別對受試者之血液樣本與供血者之血液樣本進行離心而取得其血清或血球，以避免血液樣品在離心或吸取血清或血球的過程中因操作手法所致之交叉污染的情事發生。再者，血品上樣裝置112更可自動地將供血者之血液樣本的紅血球以3%至5%的生理食鹽水進行泡製，以避免紅血球樣本的濃度過高或過低而影響後續交叉試驗的準確度。另外，上樣平台110的樣本上樣裝置111以及血品上樣裝置112更可分別地對患者的血液樣本與供血者的血液樣本同時地進行前處理，以大幅節省處理時間及人力成本而提升檢測的速率。

試驗平台120鄰設於上樣平台110，且試驗平台120包含一試藥反應裝置121以及一影像擷取裝置122。試藥反應裝置121用以混合前述之受試血液樣本與目標血液樣本，以得一混合血液樣本，並對混合血液樣本進行一血液交叉試驗，以得一反應後混合血液樣本。影像擷取裝置122用以擷取反應後混合血液樣本的一三維血球凝集影像資料，以利於後續的結果判讀。具體來說，混合血液樣本係置於一離心管中進行血液交叉試驗，且影像擷取裝置122係擷取反應後混合血液樣本於離心管中的三維血球凝集影像資料，以避免習知以血型管柱卡做為試藥反應載體所致之沉降顆粒不易觀察等問題。

詳細而言，在本發明之自動化血液分析系統100中，試藥反應裝置121將進一步自動地對混合血液樣本進行手工凝聚胺法(Manual polybrene method)、傳統三相法(Antiglobulin Test)或其他血液交叉試驗，此時試藥反應裝置121將會以自動移液器或其他可用以進行液體轉移之儀器吸取適量之混合血液樣本與試劑進行混合，並以自動震盪裝置等儀器進行等速搖晃而使離心管均勻受力而完成試藥反應，藉以避免以人力進行手工搖晃所致之反應不均勻等問題而影響血液凝集價數判讀結果與血球凝集型態判讀結果。

另外，在第1圖的實施方式中，影像擷取裝置122可包含一光源123以及一相機模組124。光源123可用以投射一散射光或一直射光至反應後混合血液樣本，而相機模組124則可包含一低倍率取像模組(圖未繪示)及一高倍率取像模組(圖未繪示)。詳細而言，光源123可投射散射光至反應後混合血液樣本而利於相機模組124以低倍率取像模組或高倍率取像模組擷取用以判讀血液凝集價數之三維血球凝集影像資料，並可投射直射光至反應後混合血液樣本而利於相機模組124以低倍率取像模組或高倍率取像模組擷取用以判讀血球凝集型態之三維血球凝集影像資料。再者，本發明之影像擷取裝置122所擷取的三維血球凝集影像資料可包含至少一動態三維血球凝集影像資料以及至少一靜態三維血球凝集影像資料，以利於後續的分析。

另外，在此須說明的是，本發明之上樣平台110與試驗平台120可視本發明之自動化血液分析系統100所欲處理的樣本數量或不同的檢驗需求而分別或共同配置不同規格的離心機、不同規格的自動移液器與機械夾爪，或配置樣本輸送軌道等其他設備，以利於離心與試藥試驗之用，但本發明並不以圖式所揭露的內容為限。

處理器130電訊連接影像擷取裝置122，其中處理器130包含一血液交叉試驗評估程式131。如第2圖所示，血液交叉試驗評估程式131包含一第一影像前處理模組140、一第一訓練模組150以及一第一判斷模組160。

第一影像前處理模組140用以調整前述之三維血球凝集影像資料的一影像大小與一背景值，以得一處理後三維血球凝集影像資料。詳細而言，第一影像前處理模組140將進一步調整三維血球凝集影像資料的影像大小為1920像素(pixel)×1080像素(200倍放大)，並移除三維血球凝集影像資料中非血球的背景影像資訊，以降低習知交叉試驗結果判讀時因背景溶血或脂血，或是患者服用癌症標靶藥物或免疫調節劑等特殊藥物所致的干擾，進而提升本發明之自動化血液分析系統100的結果判讀正確性。

另外，第一影像前處理模組140可為Image J影像分析軟體，但本發明並不以此為限。

第一訓練模組150係利用一第一神經網路分類器訓練處理後三維血球凝集影像資料至收斂，以得一影像特徵值。詳細而言，本發明之自動化血液分析系統100可利用血液交叉試驗評估程式131的第一神經網路分類器自動地對處理後三維血球凝集影像資料的影像資訊進行分析，並自動提取對應的影像特徵值，藉以增進本發明之自動化血液分析系統100的評估效率。再者，前述之第一神經網路分類器可為一支援向量機(support vector machine, SVM)神經網路分類器，但本發明並不以此為限。

第一判斷模組160係利用第一神經網路分類器根據前述之影像特徵值輸出一凝集判讀結果。其中，凝集判讀結果包含血液凝集價數判讀結果與血球凝集型態判讀結果。詳細而言，請參考表一，表一係現行臨床用以判斷血液凝集強度的判別標準，而本發明之自動化血液分析系統100則是根據現行臨床之血液凝集強度判別標準進行血液凝集價數結果與血球凝集型態的判讀，以符合現行臨床之診斷依據並利於後續輸血治療之便。

表一
血液凝集價數	判定標準
4+	一個完整的大凝集塊，背景清晰，無遊離紅細胞，判定為強陽性
3+	數個較大凝集塊，背景清晰，幾乎無遊離紅細胞，判定為強陽性
2+	很多中等大凝集塊，背景澄清，遊離紅細胞少於1/2，判定為陽性
1+	很多小凝集塊，背景混濁，遊離紅細胞佔1/2以上，判定為陽性
+/-	肉眼勉強可見之凝集，顯微鏡下可見細小凝集團，判定為弱陽性
0	肉眼觀察無任何凝集，顯微鏡下紅血球呈遊離狀態，判定為陰性
Mf	顯微鏡下可見少數紅血球形成較大的凝集塊，而周圍有大量遊離紅血球，判定為混合凝集外觀
PH	紅血球部分消失，細胞上清液為透明紅色，判定為陽性
H	完全溶血，紅血球完全消失，細胞上清液為透明紅色，判定為陽性

請同時參照第1圖與第3圖，第3圖係繪示第1圖之自動化血液分析系統100的另一處理器130a的架構示意圖。詳細而言，處理器130a包含一血液交叉試驗評估程式131a，而血液交叉試驗評估程式131a則包含一第一影像前處理模組140a、一第一訓練模組150a、一第一判斷模組160a、一第二影像前處理模組170a、一第二訓練模組180a以及一第二判斷模組190a，其中第一影像前處理模組140a、第一訓練模組150a與第一判斷模組160a與第2圖之第一影像前處理模組140、第一訓練模組150與第一判斷模組160相同，在此將不再贅述。

在第3圖的實施方式中，影像擷取裝置122更擷取反應後混合血液樣本的一高倍率三維血球凝集影像資料進行後續的評估。詳細而言，影像擷取裝置122係以相機模組124的高倍率取像模組擷取反應後混合血液樣本的一高倍率三維血球凝集影像資料。在現行臨床實務上，當血液凝集價數判讀結果為+1以下時需進一步以人工方式透過顯微鏡進行鏡檢而確認並判讀血液凝集結果。另外，緡錢狀紅血球凝集(Rouleaux Formation)同樣也需透過顯微鏡進行鏡檢與判讀。如此一來，不僅容易因為不同血庫醫檢師的主觀判讀習慣而造成血液凝集價數與血球凝集型態判讀結果的誤差，在檢測效率上亦不甚理想。有鑑於此，本發明之自動化血液分析系統100進一步以高倍率取像模組拍攝由第一判斷模組160a判讀為血液凝集價數為+1以下之混合血液樣本的高倍率三維血球凝集影像資料，並根據前述之高倍率三維血球凝集影像資料進行更精細的分析與判讀。

第二影像前處理模組170a用以對前述之高倍率三維血球凝集影像資料進行前處理，以得至少一影像像素分布資料。詳細而言，本發明之高倍率三維血球凝集影像資料可包含至少一動態高倍率三維血球凝集影像資料以及至少一靜態高倍率三維血球凝集影像資料，而第二影像前處理模組170a將進一步以影像處理軟體框選動態高倍率三維血球凝集影像資料以及靜態高倍率三維血球凝集影像資料的一個或多個待測視野，並增加流速及曝光軌跡等參數而分析其像素分布資訊，以輸出至少一影像像素分布資料，其中影像像素分布資料可進一步包含一單視野畫素分布波峰數量資訊、一單視野畫素分布波間峰數資訊、一單視野畫素分布面積資訊或一單視野畫素分布平均波峰距離資訊，以進行後續的分析。

具體而言，若動態高倍率三維血球凝集影像資料及靜態高倍率三維血球凝集影像資料的待測視野為無凝集的單顆細胞的影像，其影像像素分布資料的單視野畫素分布波峰資訊包含波峰數等訊息，而單視野畫素分布波峰資訊的圖形下面積即為單視野畫素分布面積資訊；若動態高倍率三維血球凝集影像資料及靜態高倍率三維血球凝集影像資料的待測視野為細胞凝集團塊的影像，其影像像素分布資料的單視野畫素分布波峰資訊同樣包含波峰數等訊息，而單視野畫素分布波峰資訊的圖形下面積即為單視野畫素分布面積資訊。

另外，第二影像前處理模組170a可為Image J影像分析軟體，但本發明並不以此為限。

第二訓練模組180a係利用一迴歸分析演算模組分析影像像素分布資料後，再以一第二神經網路分類器訓練影像像素分布資料至收斂，以得一二重影像特徵值權重數據。

詳細而言，本發明之第二影像前處理模組170a所輸出的影像像素分布資料包含靜態高倍率三維血球凝集影像資料的單視野畫素分布波峰資訊與單視野畫素分布面積資訊以及動態高倍率三維血球凝集影像資料的單視野畫素分布波峰數量資訊、單視野畫素分布波間峰數資訊、單視野畫素分布面積資訊與單視野畫素分布平均波峰距離資訊，此時第二訓練模組180a將會自動以迴歸分析演算模組對前述之單視野畫素分布波峰數量資訊、單視野畫素分布波間峰數資訊、單視野畫素分布面積資訊以及單視野畫素分布平均波峰距離資訊進行分析，並根據迴歸分析演算模組的參照資料庫中之參考影像資料(紅血球單顆無凝集與血球3至5顆凝集)來對影像像素分布資料進行歸類，以判斷待測視野下是否有肉眼無法偵測之微細凝集。

接著，第二訓練模組180a將視迴歸分析演算模組對影像像素分布資料的歸類結果自動地調整第二神經網路分類器的參數設定，而後再以設定完成之第二神經網路分類器訓練影像像素分布資料至收斂而得二重影像特徵值權重數據，並進一步根據前述之二重影像特徵值權重數據輸出二重凝集判讀結果，而二重凝集判讀結果則可包含二重血液凝集價數判讀結果與血球凝集型態判讀結果，以提升本發明之自動化血液分析系統100的分析準確度與分析完整度。

具體而言，前述之迴歸分析演算模組可為羅吉斯迴歸(Logistic regression)演算模組，而第二神經網路分類器則可為支援向量機神經網路分類器。

請再同時參照第1圖與第4圖，第4圖係繪示第1圖之自動化血液分析系統100的又一處理器130b的架構示意圖。詳細而言，處理器130b包含一血液交叉試驗評估程式131b，而血液交叉試驗評估程式131b則包含一第一影像前處理模組140b、一第一訓練模組150b、一第一判斷模組160a以及一合血評估模組170b，其中第一影像前處理模組140b、第一訓練模組150b與第一判斷模組160b與第2圖之第一影像前處理模組140、第一訓練模組150與第一判斷模組160相同，在此將不再贅述。

在第4圖的實施方式中，合血評估模組170b係將第一判斷模組160b輸出之凝集判讀結果的一副本以一第三神經網路分類器進行訓練至收斂，以輸出一血液相合性評估結果，而血液相合性評估結果將進一步說明受試者之血液樣本與供血者之血液樣本之間的血液凝集結果為陽性或陰性，以利於後續血庫配發血液與輸血治療之便。具體而言，第三神經網路分類器可為一支援向量機神經網路分類器。

藉此，本發明之自動化血液分析系統100透過上樣平台110自動地對受試者之血液樣本及供血者之血液樣本分別進行上樣前處理並進行血液交叉試驗，以達成血品處理之一致性，並將反應後混合血液樣本的三維血球凝集影像資料以第一神經網路分類器自動地進行分析與訓練，而後進一步根據所得之影像特徵值輸出血液凝集價數判讀結果與血球凝集型態判讀結果，以大幅降低不同血庫醫檢師的主觀判讀習慣所致之交叉試驗結果誤差，並可降低習知交叉試驗結果判讀時因溶血、脂血或藥物的干擾。再者，本發明之自動化血液分析系統100更可進一步以第二神經網路分類器與第三神經網路分類器對混合血液樣本的三維血球凝集影像資料或其高倍率三維血球凝集影像資料進行訓練與分類，以免去習知以顯微鏡進行人工判讀所致之誤差及人力損耗，藉以提升檢測效率並可快速進行多批次的血液交叉試驗，進而使本發明之自動化血液分析系統100在高度使用便利性與高度檢測效率的前提下同時具有優異的判讀準確度，並具有相關領域之應用潛力。

[本發明之自動化血液分析方法]

請參照第5圖，其係繪示本發明另一實施方式之自動化血液分析方法200的步驟流程圖。自動化血液分析方法200包含步驟210、步驟220、步驟230、步驟240、步驟250、步驟260以及步驟270。

步驟210為提供一受試者之一血液樣本。

步驟220為提供一供血者之一血液樣本。

步驟230為進行一樣本前處理步驟，其係對受試者之血液樣本進行上樣前處理，以得一受試血液樣本，並對供血者之血液樣本進行上樣前處理，以得一目標血液樣本。詳細而言，受試血液樣本可為受試者之血液樣本的血清或血球，而目標血液樣本則可為供血者之血液樣本的血清或血球，且本發明之自動化血液分析方法200可分別對受試者之血液樣本與供血者之血液樣本進行離心而取得其血清或血球，以避免血液樣品在離心或吸取血清或血球時因操作手法所致之交叉污染的情事發生。

步驟240為進行一試藥反應步驟，其係混合受試血液樣本與目標血液樣本，以得一混合血液樣本，並對混合血液樣本進行一血液交叉試驗，以得一反應後混合血液樣本。具體來說，試藥反應步驟是自動地對混合血液樣本進行手工凝聚胺法、傳統三相法或其他血液交叉試驗，且混合血液樣本係置於一離心管中進行前述之血液交叉試驗，以避免習知以血型管柱卡做為試藥反應載體所致之沉降顆粒不易觀察等問題。

步驟250為進行一影像擷取步驟，其係擷取反應後混合血液樣本的一三維血球凝集影像資料。具體來說，由於混合血液樣本係置於離心管中進行血液交叉試驗，故影像擷取步驟係擷取反應後混合血液樣本於離心管中的一三維血球凝集影像資料，以清楚觀察離心管中不同部位的血球凝集情形。再者，三維血球凝集影像資料可包含至少一動態三維血球凝集影像資料以及至少一靜態三維血球凝集影像資料，以利於後續的分析。

步驟260為進行一影像前處理步驟，其係調整三維血球凝集影像資料的一影像大小與一背景值，以得一處理後三維血球凝集影像資料。詳細而言，三維血球凝集影像資料的影像大小將進一步被調整為1920像素(pixel)×1080像素(200倍放大)並移除三維血球凝集影像資料中非血球的背景影像資訊，以降低習知交叉試驗結果判讀時因溶血或脂血，或是患者服用癌症標靶藥物或免疫調節劑等特殊藥物所致的干擾，進而提升本發明之自動化血液分析方法200的結果判讀正確性。

步驟270為進行一分析判斷步驟，其係利用一第一神經網路分類器訓練處理後三維血球凝集影像資料至收斂，以得一影像特徵值，並利用前述之第一神經網路分類器根據影像特徵值輸出一凝集判讀結果。詳細而言，第一神經網路分類器將自動地對處理後三維血球凝集影像資料的影像資訊進行分析，並自動提取對應的影像特徵值，並以前述之影像特徵值續行分析而輸出凝集判讀結果，其中，凝集判讀結果包含血液凝集價數判讀結果與血球凝集型態判讀結果，以在符合現行臨床之血液凝集強度的判別標準的前提下達成準確判讀的訴求。再者，前述之第一神經網路分類器可為一支援向量機神經網路分類器，但本發明並不以此為限。

請參照第6圖與第7圖，第6圖係繪示本發明又一實施方式之自動化血液分析方法200a的步驟流程圖，而第7圖係繪示第6圖之自動化血液分析方法200a的二重分析判斷步驟的步驟流程圖。自動化血液分析方法200a包含步驟210a、步驟220a、步驟230a、步驟240a、步驟250a、步驟260a、步驟270a以及步驟280a，其中步驟210a、步驟220a、步驟230a、步驟240a、步驟250a、步驟260a以及步驟270a與第5圖之步驟210、步驟220、步驟230、步驟240、步驟250、步驟260以及步驟270相同，在此將不再贅述。

在第6圖與第7圖的實施例中，步驟280a為進行一二重分析判斷步驟，二重分析判斷步驟包含步驟281、步驟282、步驟283及步驟284。

步驟281為進行一二重影像擷取步驟，其係擷取反應後混合血液樣本的一高倍率三維血球凝集影像資料，以進一步確認當第一神經網路分類器分析前述之混合血液樣本之三維血球凝集影像資料所得之凝集判讀結果為+1以下時的詳細血球凝集情形。

步驟282為進行一二重影像前處理步驟，其係對前述之高倍率三維血球凝集影像資料進行前處理，以得至少一影像像素分布資料。詳細而言，本發明之高倍率三維血球凝集影像資料可包含至少一動態高倍率三維血球凝集影像資料以及至少一靜態高倍率三維血球凝集影像資料，而二重影像前處理步驟將進一步以影像處理軟體框選動態高倍率三維血球凝集影像資料以及靜態高倍率三維血球凝集影像資料的一個或多個待測視野，並增加流速及曝光軌跡等參數以分析其像素分布資訊，並輸出至少一影像像素分布資料，其中影像像素分布資料則可進一步包含一單視野畫素分布波峰數量資訊、一單視野畫素分布波間峰數資訊、一單視野畫素分布面積資訊以及一單視野畫素分布平均波峰距離資訊，以進行後續的分析。

步驟283為進行一二重分析步驟，其係利用一迴歸分析演算模組分析影像像素分布資料後，再以一第二神經網路分類器訓練影像像素分布資料至收斂，以得一二重影像特徵值權重數據。詳細而言，迴歸分析演算模組將先根據一閾值對影像像素分布資料進行歸類，接著再視迴歸分析演算模組對影像像素分布資料的歸類結果自動地調整第二神經網路分類器的參數設定，並以設定完成之第二神經網路分類器訓練影像像素分布資料至收斂而輸出二重影像特徵值權重數據。具體而言，前述之迴歸分析演算模組可為羅吉斯迴歸演算模組，而第二神經網路分類器則可為支援向量機神經網路分類器。

步驟284為進行一二重判斷步驟，其係利用第二神經網路分類器根據前述之二重影像特徵值權重數據而輸出一二重血球凝集判讀結果。其中，二重凝集判讀結果則可包含二重血液凝集價數判讀結果與二重血球凝集型態判讀結果。

詳細而言，本發明之影像像素分布資料包含高倍率三維血球凝集影像資料的單視野畫素分布波峰數量資訊、單視野畫素分布波間峰數資訊、單視野畫素分布面積資訊以及單視野畫素分布平均波峰距離資訊，而前述之單視野畫素分布波峰資訊、單視野畫素分布面積資訊以及單視野畫素分布平均波峰距離資訊將會自動地以迴歸分析演算模組進行分析，並根據迴歸分析演算模組的參照資料庫中之參考影像資料(血球單顆無凝集與血球3至5顆凝集)來對影像像素分布資料進行歸類，以判斷待測視野下是否有肉眼無法偵測之微細凝集。

接著，第二神經網路分類器將根據迴歸分析演算模組對影像像素分布資料的歸類結果自動地調整其參數設定，而後再以設定完成之第二神經網路分類器訓練影像像素分布資料至收斂而得二重影像特徵值權重數據，並進一步根據前述之二重影像特徵值權重數據輸出二重凝集判讀結果，而二重凝集判讀結果則可包含二重血液凝集價數判讀結果與二重血球凝集型態判讀結果，以提升本發明之自動化血液分析方法200a的分析準確度與分析完整度。

請參照第8圖，其係繪示本發明再一實施方式之自動化血液分析方法200b的步驟流程圖。自動化血液分析方法200b包含步驟210b、步驟220b、步驟230b、步驟240b、步驟250b、步驟260b、步驟270b以及步驟280b，其中步驟210b、步驟220b、步驟230b、步驟240b、步驟250b、步驟260b以及步驟270b與第5圖之步驟210、步驟220、步驟230、步驟240、步驟250、步驟260以及步驟270相同，在此將不再贅述。

在第8圖的實施例中，步驟280b為進行一合血評估步驟，其係將凝集判讀結果的一副本以一第三神經網路分類器進行訓練至收斂，以輸出一血液相合性評估結果，而血液相合性評估結果將進一步說明受試者之血液樣本與供血者之血液樣本之間的血液凝集結果為陽性或陰性，以利於後續血庫配發血液與輸血治療之便。具體而言，第三神經網路分類器可為一支援向量機神經網路分類器。

藉此，本發明之自動化血液分析方法200、自動化血液分析方法200a與自動化血液分析方法200b透過混合受試者之血液樣本及供血者之血液樣本並進行血液交叉試驗，並將所得之三維血球凝集影像資料自動地以第一神經網路分類器進行分析與訓練而輸出血液凝集價數判讀結果與血球凝集型態判讀結果，不僅可大幅降低不同血庫醫檢師的主觀判讀習慣所致之交叉試驗結果誤差以及提升檢測效率，亦可根據血液之三維血球凝集影像資料快速地進行交叉試驗的結果分析，以有效地提升交叉試驗的判讀準確度並利於後續醫療措施的施行，進而使本發明之自動化血液分析方法200、自動化血液分析方法200a與自動化血液分析方法200b具有相關領域之應用潛力。再者，本發明之自動化血液分析方法200a與自動化血液分析方法200b更可進一步以第二神經網路分類器或第三神經網路分類器對混合血液樣本的三維血球凝集影像資料或高倍率三維血球凝集影像資料進行訓練與分類，以免去習知以顯微鏡進行人工判讀所致之誤差及人力損耗，以提升檢測效率並可快速進行多批次的血液交叉試驗，進而使本發明之自動化血液分析方法200、自動化血液分析方法200a與自動化血液分析方法200b在高度使用便利性與檢測效率的前提下同時具有優異的判讀準確度，並具有相關領域之應用潛力。

[實施例]

請參照第9圖，其係繪示本發明一實施方式之一實施例的自動化血液分析系統300的示意圖。自動化血液分析系統300包含一上樣平台310、一試驗平台320以及一處理器330。

上樣平台310包含樣本上樣裝置311、血品上樣裝置312、離心機313以及機械夾爪302，試驗平台320則包含試藥反應裝置321以及影像擷取裝置322。具體來說，在第9圖的實施例中，樣本上樣裝置311可包含一樣本上樣軌道，而血品上樣裝置312則可包含一血品上樣抽屜，但本發明並不以圖式揭露的內容為限。

舉例而言，在以本發明之自動化血液分析系統300對受試者之血液樣本以及血庫儲存之供血者之血液樣本進行手工凝聚胺法分析時，盛裝受試者之血液樣本的採血管(未繪示)將置於樣本上樣裝置311的樣本上樣軌道上，以利於樣本上樣軌道將採血管送入自動化血液分析系統300進行處理，而供血者之血液樣本則以另一採血管(未繪示)盛裝並放入血品上樣裝置312的血品上樣抽屜中。接著，使用者將可透過使用者操作介面301操作上樣平台310的機械夾爪302，以將前述之二採血管轉移至離心機313中進行離心而取得受試者之血液樣本的血清以及供血者之血液樣本的血球。接著，受試者之血液樣本的血清以及供血者之血液樣本的血球將分別利用穿刺式自動移液器303而從未開蓋的採血管中移至放置於處理後樣本放置平台314的一離心管(未繪示)中，並由另一機械夾爪304將前述之離心管移置試藥反應裝置321中添加凝聚胺試劑，以得一混合血液樣本。接著，前述之裝有混合血液樣本的離心管將於37°C之反應槽中進行反應。在反應完成後，機械夾爪304將會快速地將離心管移至自動離心管震盪裝置323而以穩定力道進行均勻搖晃後進行離心。接著，機械夾爪304將會再次將前述之離心管轉移至影像擷取裝置322的視野範圍內，以拍攝反應後混合血液樣本的三維血球凝集影像資料，其中影像擷取裝置322係持續拍攝15秒，以得離心管中段的三維血球凝集影像資料，且影像擷取裝置322的鏡頭與離心管之間的角度約為70~90度。接著，三維血球凝集影像資料中前10秒的影像資料將被傳輸至處理器330進行後續分析，其中處理器330的血液交叉試驗評估程式可為第1圖實施方式之血液交叉試驗評估程式131、第3圖實施方式之血液交叉試驗評估程式131a或第4圖實施方式之血液交叉試驗評估程式131b，是以相關細節請參前段所述，在此將不再贅述。在完成影像分析與判讀後，凝集判讀結果、二重凝集判讀結果與血液相合性評估結果將會進一步顯示於使用者操作介面301，以利於後續血庫配發血液與輸血治療之便。

然而，在此須說明的是，本發明之自動化血液分析系統300所列示之細部結構與元件設置均可視需求而進行配置，例如，機械夾爪304的數量可配置為單個或多個，離心機313的數量亦可配置為單個或多個，而因應不同類型之交叉試驗需求，亦可進一步增設其它可達成樣本上樣、試藥反應或分析之設備，但本發明並不以圖式揭露的內容為限。

請參照第10A圖與第10B圖，第10A圖係本發明之一靜態三維血球凝集影像資料，第10B圖係本發明之一動態三維血球凝集影像資料。詳細而言，本發明之自動化血液分析系統的影像擷取裝置可擷取低倍率之靜態三維血球凝集影像資料與低倍率之動態三維血球凝集影像資料進行後續之影像分析，並可有效地移除呈現動態或靜態之三維血球凝集影像資料中非血球背景的影像資訊，並可進一步分辨不同程度之血球凝集狀態(如第10A圖與第10B圖中紅圈所示之處)，以降低習知交叉試驗結果判讀時因背景溶血、脂血或部分藥物所造成的干擾，並可精準判定離心管中血液凝集價數小於+1的血液凝集反應。

具體而言，第10A圖之靜態三維血球凝集影像資料在經本發明之自動化血液分析系統與自動化血液分析方法分析後判讀為血液凝集價數+1而背景脂血價數+3，而第10B圖之動態三維血球凝集影像資料在經本發明之自動化血液分析系統與自動化血液分析方法分析後則判讀為血液凝集價數+1而背景溶血價數+2，且前述之判讀結果皆與臨床上之判讀結果相符，顯示本發明之自動化血液分析系統與自動化血液分析方法具有優異之血液分析準確度，並可免去習知以顯微鏡進行人工判讀所致之誤差及人力損耗，以提升檢測效率並可快速進行多批次的血液交叉試驗，並具有相關領域之應用潛力。

請參照第11圖、第12A圖與第12B圖，第11圖係本發明之一高倍率靜態三維血球凝集影像資料，第12A圖係第11圖之高倍率靜態三維血球凝集影像資料之單凝集顆粒的單視野畫素分布波峰資訊分析圖，第12B圖係第11圖之高倍率靜態三維血球凝集影像資料之多凝集顆粒的單視野畫素分布面積資訊分析圖。詳細而言，當本發明之第一神經網路分類器分析混合血液樣本之三維血球凝集影像資料所得之凝集判讀結果為+1以下時，影像擷取裝置將進一步擷取混合血液樣本的靜態高倍率三維血球凝集影像資料，以進一步提取其影像像素分布資料進行後續分析。

如第11圖、第12A圖與第12B圖所示，影像擷取裝置的影像處理軟體將自動地框選靜態高倍率三維血球凝集影像資料中單顆血球且無凝集之視野，並增加流速及曝光軌跡等參數而分析該視野下的單凝集顆粒的單視野畫素分布波峰資訊(第12A圖)，並自動地框選靜態高倍率三維血球凝集影像資料中血球具有微細凝集之視野，以及增加流速及曝光軌跡等參數而分析該視野下的多凝集顆粒的單視野畫素分布面積資訊(第12B圖)，接著根據迴歸分析演算模組的參照資料庫中之參考影像資料(血球單顆無凝集與血球3至5顆凝集)對單視野畫素分布波峰資訊與單視野畫素分布面積資訊進行歸類，以判斷待測視野下是否有肉眼無法偵測之微細凝集，而後再以第二神經網路分類器訓練前述之影像像素分布資料至收斂而得二重影像特徵值權重數據，並進一步根據前述之二重影像特徵值權重數據輸出二重凝集判讀結果。

再者，請參照第13A圖、第13B圖、第14A圖、第14B圖、第14C圖、第15A圖、第15B圖與第15C圖。第13A圖係本發明之一無發生凝集反應之高倍率動態三維血球凝集影像資料，第13B圖係本發明之一發生凝集反應之高倍率動態三維血球凝集影像資料，第14A圖係第13A圖之高倍率動態三維血球凝集影像資料之單凝集顆粒的單視野影像在10秒內的影像變化圖，第14B圖係第14A圖的影像變化圖所對應之8秒內的單視野影像的單視野畫素分布波峰資訊分析圖，第14C圖係第14B圖中第4秒之單視野影像的單視野畫素分布波峰資訊分析圖的放大圖，第15A圖係第13B圖之高倍率動態三維血球凝集影像資料之多凝集顆粒的單視野影像在10秒內的影像變化圖，第15B圖係第15A圖的影像變化圖所對應之8秒內的單視野影像的單視野畫素分布波峰資訊分析圖，第15C圖係第15B圖中第5秒之單視野影像的單視野畫素分布波峰資訊分析圖的放大圖。

如第13A圖、第14A圖、第14B圖與第14C圖所示，當本發明之第一神經網路分類器分析混合血液樣本之三維血球凝集影像資料所得之凝集判讀結果為+1以下時，為了進行更加準確地評估血液凝集情形，影像擷取裝置將進一步擷取混合血液樣本持續15秒變化的動態高倍率三維血球凝集影像資料(第14A圖)，且影像擷取裝置的影像處理軟體將自動地框選動態高倍率三維血球凝集影像資料中單顆血球且無凝集之視野，並增加流速及曝光軌跡等參數而分析該視野下10秒內的不同單凝集顆粒的單視野畫素分布波峰數量資訊(第14B圖)與單視野畫素分布波間峰數資訊(第14C圖中的圓圈標示的個數總合代表第4秒之單視野影像的單視野畫素分布波間峰數資訊，而第14C圖中相鄰之任二圓圈標示的距離之平均則為單視野畫素分布平均波峰距離資訊)，並自動計算曲線下的單視野畫素分布面積資訊，接著根據迴歸分析演算模組的參照資料庫中之參考影像資料對單視野畫素分布波峰數量資訊、單視野畫素分布波間峰數資訊、單視野畫素分布面積資訊與單視野畫素分布平均波峰距離資訊分別進行歸類，以判斷待測視野下是否有肉眼無法偵測之微細凝集，而後再以第二神經網路分類器訓練影像像素分布資料至收斂而得二重影像特徵值權重數據，並進一步根據前述之二重影像特徵值權重數據輸出二重凝集判讀結果。

再者，如第13B圖、第15A圖、第15B圖與第15C圖所示，當本發明之第一神經網路分類器分析混合血液樣本之三維血球凝集影像資料所得之凝集判讀結果為+1以下，但三維血球凝集影像資料呈現細微凝集時，為了進行更加準確地評估血液凝集情形，影像擷取裝置將進一步擷取混合血液樣本持續15秒變化的動態高倍率三維血球凝集影像資料(第15A圖)，且影像擷取裝置的影像處理軟體將自動地框選動態高倍率三維血球凝集影像資料中血球具有微細凝集之視野，並增加流速及曝光軌跡等參數而分析該視野下10秒內的不同多凝集顆粒的單視野畫素分布波峰數量資訊(第15B圖)與單視野畫素分布波間峰數資訊(第15C圖中的圓圈標示的個數總合代表第5秒之單視野影像的單視野畫素分布波間峰數資訊，而第15C圖中相鄰之任二圓圈標示的距離之平均則為單視野畫素分布平均波峰距離資訊)，並自動計算曲線下的單視野畫素分布面積資訊，接著根據迴歸分析演算模組的參照資料庫中之參考影像資料單視野畫素分布波峰數量資訊、單視野畫素分布波間峰數資訊、單視野畫素分布面積資訊與單視野畫素分布平均波峰距離資訊分別進行歸類，以判斷待測視野下是否有其他肉眼無法偵測之微細凝集，而後再以第二神經網路分類器訓練影像像素分布資料至收斂而得二重影像特徵值權重數據，並進一步根據前述之二重影像特徵值權重數據輸出二重凝集判讀結果。

請參照第16圖、第17圖與第18圖，第16圖係繪示本發明之自動化血液分析系統以單視野畫素分布面積資訊進行分析之接收者操作特徵曲線(receiver operating characteristic curve，ROC)圖，第17圖係繪示本發明之自動化血液分析系統以單視野影像的單視野畫素分布波間峰數資訊進行分析之接收者操作特徵曲線圖，第18圖係繪示本發明之自動化血液分析系統以單視野畫素分布平均波峰距離資訊進行分析之接收者操作特徵曲線圖。

如第16圖所示，當以本發明之自動化血液分析系統進行受試者之血液樣本與供血者之血液樣本的交叉試驗並以其單視野畫素分布面積資訊進行分析時，其接收者操作特徵曲線之曲線下面積(Area Under the Receiver Operating Characteristic curve，AUROC)可高達0.993，其評估靈敏度(Sensitivity)為96.67%至100.00%，其評估特異度(Specificity)為80.00%至100.00%，而以單視野畫素分布面積資訊進行分析的相關標準值(associated criterion value)則為大於9519至12738。

如第17圖所示，當以本發明之自動化血液分析系統進行受試者之血液樣本與供血者之血液樣本的交叉試驗並以其單視野畫素分布波間峰數資訊進行分析時，其接收者操作特徵曲線之曲線下面積可高達0.962，其評估靈敏度為96.67%至100.00%，其評估特異度為63.33%至93.33%，而以單視野畫素分布波間峰數資訊進行分析的相關標準值則為小於68至75。

再者，如第18圖所示，當以本發明之自動化血液分析系統進行受試者之血液樣本與供血者之血液樣本的交叉試驗並以其單視野畫素分布平均波峰距離資訊進行分析時，其接收者操作特徵曲線之曲線下面積可高達0.964，其評估靈敏度為86.67%至93.33%，其評估特異度為90.00%至96.67%，而以單視野畫素分布平均波峰距離資訊進行分析的相關標準值則為大於14.6至15.2。

再者，本發明之自動化血液分析系統更進一步根據單視野畫素分布波峰數量資訊、單視野畫素分布面積資訊、單視野畫素分布波間峰數資訊以及單視野畫素分布平均波峰距離資訊所呈現的結果推算而得一決斷參數A(Cut score A)以及一決斷參數B(Cut score B)，以進一步評估本發明之自動化血液分析系統的血球凝集判讀準確度，其中決斷參數A是以下述之式(I)計算而得，決斷參數B則是以下述之式(II)計算而得。 決斷參數A = (0.00075 × 單視野畫素分布面積資訊) + (2.27 × 單視野畫素分布波間峰數資訊) + (14.88 × 單視野畫素分布平均波峰距離資訊)…式(I)。 決斷參數B = (0.00075 × 單視野畫素分布面積資訊) + (2.27 × 單視野畫素分布波間峰數資訊) + (14.88 × 單視野畫素分布平均波峰距離資訊) – (4.11 × 單視野畫素分布波峰數量資訊)…式(II)。

請參考第19圖與第20圖，第19圖係繪示本發明之自動化血液分析系統進行分析所輸出的決斷參數A的接收者操作特徵曲線圖，第20圖係繪示本發明之自動化血液分析系統進行分析所輸出的決斷參數B的接收者操作特徵曲線圖。如第19圖所示，以決斷參數B進行分析的接收者操作特徵曲線之曲線下面積可高達0.991，其評估靈敏度為96.67%至100.00%，其評估特異度為73.33%至100.00%，而其相關標準值則為大於385至394，而如第20圖所示，以決斷參數B進行分析的接收者操作特徵曲線之曲線下面積可高達0.991，其評估靈敏度為90.00%至100.00%，其評估特異度為80.00%至100.00%，而其相關標準值則為大於381至390，顯示本發明之自動化血液分析系統及自動化血液分析方法具有優異的血球凝集判讀準確度。

另外，當本發明之自動化血液分析系統及自動化血液分析方法血庫完成分析後，將可進一步輸出單視野畫素分布波峰數量資訊、單視野畫素分布面積資訊的相關標準值、單視野畫素分布波間峰數資訊的相關標準值、單視野畫素分布平均波峰距離資訊的相關標準值以及前述之決斷參數A或決斷參數B的數值，以供醫檢師進一步進行分析與判斷。

請參照第21圖與第22圖，第21圖係繪示本發明之自動化血液分析系統所輸出的未發生凝集之單視野畫素分布面積資訊、單視野畫素分布平均波峰距離資訊以及決斷參數B的三維相關性分布圖，第22圖係繪示本發明之自動化血液分析系統所輸出的發生凝集之單視野畫素分布面積資訊、單視野畫素分布平均波峰距離資訊以及決斷參數B的三維相關性分布圖。如第21圖與第22圖所示，未發生凝集的血液交叉試驗組別與發生凝集的血液交叉試驗組別可以明顯地被區分(請參考第21圖與第22圖的座標分布範圍)，其更加顯示本發明之自動化血液分析系統及自動化血液分析方法具有優異的血球凝集判讀準確度，並具有相關市場的應用潛力。

由上述結果所示，本發明之自動化血液分析系統及自動化血液分析方法用於進行受試者之血液樣本與供血者之血液樣本的交叉試驗並分析其結果的正確度、靈敏度及特異度均優異，顯示本發明之自動化血液分析系統及自動化血液分析方法可精準地以交叉試驗中反應後混合血液樣本之三維血球凝集影像資料判讀血液凝集價數判讀與血球凝集型態判讀，以達成血品處理之一致性，並可大幅降低不同血庫醫檢師的主觀判讀習慣所致之交叉試驗結果誤差以及提升檢測效率。

雖然本發明已以實施方式揭露如上，然其並非用以限定本發明，任何熟習此技藝者，在不脫離本發明之精神和範圍內，當可作各種之更動與潤飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。

100,300:自動化血液分析系統 110,310:上樣平台 111,311:樣本上樣裝置 112,312:血品上樣裝置 120,320:試驗平台 121,321:試藥反應裝置 122,322:影像擷取裝置 123:光源 124:相機模組 130,130a,130b,330:處理器 131,131a,131b:血液交叉試驗評估程式 140,140a,140b:第一影像前處理模組 150,150a,150b:第一訓練模組 160,160a,160b:第一判斷模組 170a:第二影像前處理模組 170b:合血評估模組 180a:第二訓練模組 190a:第二判斷模組 200,200a,200b:自動化血液分析方法 210,210a,210b,220,220a,220b,230,230a,230b,240,240a,240b,250,250a,250b,260,260a,260b,270,270a,270b,280a,280b,281,282,283,284:步驟 301:使用者操作介面 302,304:機械夾爪 303:穿刺式自動移液器 313:離心機 314:樣本放置平台 323:自動離心管震盪裝置

第1圖係繪示本發明一實施方式之自動化血液分析系統的架構示意圖； 第2圖係繪示第1圖之自動化血液分析系統的處理器的架構示意圖； 第3圖係繪示第1圖之自動化血液分析系統的另一處理器的架構示意圖； 第4圖係繪示第1圖之自動化血液分析系統的又一處理器的架構示意圖； 第5圖係繪示本發明另一實施方式之自動化血液分析方法的步驟流程圖； 第6圖係繪示本發明又一實施方式之自動化血液分析方法的步驟流程圖； 第7圖係繪示第6圖之自動化血液分析方法的二重分析判斷步驟的步驟流程圖； 第8圖係繪示本發明再一實施方式之自動化血液分析方法的步驟流程圖； 第9圖係繪示本發明一實施方式之一實施例的自動化血液分析系統的示意圖； 第10A圖係本發明之一靜態三維血球凝集影像資料； 第10B圖係本發明之一動態三維血球凝集影像資料； 第11圖係本發明之一高倍率靜態三維血球凝集影像資料； 第12A圖係第11圖之高倍率靜態三維血球凝集影像資料之單凝集顆粒的單視野畫素分布波峰資訊分析圖； 第12B圖係第11圖之高倍率靜態三維血球凝集影像資料之多凝集顆粒的單視野畫素分布面積資訊分析圖； 第13A圖係本發明之一無發生凝集反應之高倍率動態三維血球凝集影像資料； 第13B圖係本發明之一發生凝集反應之高倍率動態三維血球凝集影像資料； 第14A圖係第13A圖之高倍率動態三維血球凝集影像資料之單凝集顆粒的單視野影像在10秒內的影像變化圖； 第14B圖係第14A圖的影像變化圖所對應之8秒內的單視野影像的單視野畫素分布波峰資訊分析圖； 第14C圖係第14B圖中第4秒之單視野影像的單視野畫素分布波峰資訊分析圖的放大圖； 第15A圖係第13B圖之高倍率動態三維血球凝集影像資料之多凝集顆粒的單視野影像在10秒內的影像變化圖； 第15B圖係第15A圖的影像變化圖所對應之8秒內的單視野影像的單視野畫素分布波峰資訊分析圖； 第15C圖係第15B圖中第5秒之單視野影像的單視野畫素分布波峰資訊分析圖的放大圖； 第16圖係繪示本發明之自動化血液分析系統以單視野畫素分布面積資訊進行分析之接收者操作特徵曲線(receiver operating characteristic curve，ROC)圖； 第17圖係繪示本發明之自動化血液分析系統以單視野影像的單視野畫素分布波間峰數資訊進行分析之接收者操作特徵曲線圖； 第18圖係繪示本發明之自動化血液分析系統以單視野畫素分布平均波峰距離資訊進行分析之接收者操作特徵曲線圖； 第19圖係繪示本發明之自動化血液分析系統進行分析所輸出的決斷參數A(Cut score A)的接收者操作特徵曲線圖； 第20圖係繪示本發明之自動化血液分析系統進行分析所輸出的決斷參數B(Cut score B)的接收者操作特徵曲線圖； 第21圖係繪示本發明之自動化血液分析系統所輸出的未發生凝集之單視野畫素分布面積資訊、單視野畫素分布平均波峰距離資訊以及決斷參數B的三維相關性分布圖；以及 第22圖係繪示本發明之自動化血液分析系統所輸出的發生凝集之單視野畫素分布面積資訊、單視野畫素分布平均波峰距離資訊以及決斷參數B的三維相關性分布圖。

100:自動化血液分析系統 110:上樣平台 111:樣本上樣裝置 112:血品上樣裝置 120:試驗平台 121:試藥反應裝置 122:影像擷取裝置 123:光源 124:相機模組 130:處理器

Claims (20)

1. 一種自動化血液分析系統，包含：一上樣平台，包含：一樣本上樣裝置，用以對一受試者之一血液樣本進行上樣前處理，以得一受試血液樣本；一血品上樣裝置，鄰設於該樣本上樣裝置，其中該血品上樣裝置用以對一供血者之一血液樣本進行上樣前處理，以得一目標血液樣本；及一上樣機械夾爪，鄰設於該樣本上樣裝置與該血品上樣裝置，其中該上樣機械夾爪係用以移動該受試者之該血液樣本、該受試血液樣本、該供血者之該血液樣本與該目標血液樣本；一試驗平台，鄰設於該上樣平台，其中該試驗平台包含：一試藥反應裝置，用以混合該受試血液樣本與該目標血液樣本，以得一混合血液樣本，並對該混合血液樣本進行一血液交叉試驗，以得一反應後混合血液樣本；一試驗機械夾爪，鄰設於該試藥反應裝置，其中該試驗機械夾爪係用以移動該反應後混合血液樣本；及一影像擷取裝置，鄰設於該試藥反應裝置，其中該影像擷取裝置用以擷取該反應後混合血液樣本的一三維血球凝集影像資料；一離心機，鄰設於該上樣平台與該試驗平台；以及一處理器，電訊連接該影像擷取裝置，其中該處理器包含一血液交叉試驗評估程式，且該血液交叉試驗評估程式 包含：一第一影像前處理模組，用以調整該三維血球凝集影像資料的一影像大小與一背景值，以得一處理後三維血球凝集影像資料；一第一訓練模組，其係利用一第一神經網路分類器訓練該處理後三維血球凝集影像資料至收斂，以得一影像特徵值；及一第一判斷模組，其係利用該第一神經網路分類器根據該影像特徵值輸出一凝集判讀結果；其中，該凝集判讀結果包含一血液凝集價數判讀結果與一血球凝集型態判讀結果。
2. 如請求項1所述之自動化血液分析系統，其中該混合血液樣本係置於一離心管中進行該血液交叉試驗，且該影像擷取裝置係擷取該反應後混合血液樣本於該離心管中的該三維血球凝集影像資料。
3. 如請求項1所述之自動化血液分析系統，其中該影像擷取裝置包含：一光源，用以投射一散射光或一直射光至該反應後混合血液樣本；以及一相機模組，包含一低倍率取像模組及一高倍率取像模組。
4. 如請求項1所述之自動化血液分析系統，其中該三維血球凝集影像資料包含至少一動態三維血球凝集影像資料以及至少一靜態三維血球凝集影像資料。
5. 如請求項1所述之自動化血液分析系統，其中該第一神經網路分類器為一支援向量機(support vector machine,SVM)神經網路分類器。
6. 如請求項1所述之自動化血液分析系統，其中該影像擷取裝置更擷取該反應後混合血液樣本的一高倍率三維血球凝集影像資料，且該血液交叉試驗評估程式更包含：一第二影像前處理模組，用以對該高倍率三維血球凝集影像資料進行前處理，以得至少一影像像素分布資料；一第二訓練模組，其係利用一迴歸分析演算模組分析該影像像素分布資料後，再以一第二神經網路分類器訓練該影像像素分布資料至收斂，以得一二重影像特徵值權重數據；以及一第二判斷模組，其係利用該第二神經網路分類器根據該二重影像特徵值權重數據而輸出一二重凝集判讀結果；其中，該二重凝集判讀結果包含一二重血液凝集價數判讀結果與一二重血球凝集型態判讀結果。
7. 如請求項6所述之自動化血液分析系統，其 中該高倍率三維血球凝集影像資料包含至少一動態高倍率三維血球凝集影像資料以及至少一靜態高倍率三維血球凝集影像資料，該影像像素分布資料包含一單視野畫素分布波峰數量資訊、一單視野畫素分布波間峰數資訊、一單視野畫素分布面積資訊以及一單視野畫素分布平均波峰距離資訊。
8. 如請求項6所述之自動化血液分析系統，其中該迴歸分析演算模組為羅吉斯迴歸(Logistic regression)演算模組。
9. 如請求項6所述之自動化血液分析系統，其中該第二神經網路分類器為一支援向量機神經網路分類器。
10. 如請求項1所述之自動化血液分析系統，其中該血液交叉試驗評估程式更包含：一合血評估模組，其係將該凝集判讀結果的一副本以一第三神經網路分類器進行訓練至收斂，以輸出一血液相合性評估結果。
11. 如請求項10所述之自動化血液分析系統，其中該第三神經網路分類器為一支援向量機神經網路分類器。
12. 一種自動化血液分析方法，包含下述步驟：提供一如請求項1所述之自動化血液分析系統；提供該受試者之該血液樣本；提供該供血者之該血液樣本；進行一樣本前處理步驟，其係以該上樣平台對該受試者之該血液樣本進行上樣前處理，以得該受試血液樣本，並以該上樣平台對該供血者之該血液樣本進行上樣前處理，以得該目標血液樣本；進行一試藥反應步驟，其係以該試驗平台混合該受試血液樣本與該目標血液樣本，以得該混合血液樣本，並對該混合血液樣本進行該血液交叉試驗，以得該反應後混合血液樣本；進行一影像擷取步驟，其係以該影像擷取裝置擷取該反應後混合血液樣本的該三維血球凝集影像資料；進行一影像前處理步驟，其係以該第一影像前處理模組調整該三維血球凝集影像資料的該影像大小與該背景值，以得該處理後三維血球凝集影像資料；以及進行一分析判斷步驟，其係利用該第一訓練模組以該第一神經網路分類器訓練該處理後三維血球凝集影像資料至收斂，以得該影像特徵值，並利用該第一判斷模組以該第一神經網路分類器根據該影像特徵值輸出該凝集判讀結果；其中，該凝集判讀結果包含該血液凝集價數判讀結果與該血球凝集型態判讀結果。
13. 如請求項12所述之自動化血液分析方法，其中該混合血液樣本係置於一離心管中進行該血液交叉試驗，且該三維血球凝集影像資料係該反應後混合血液樣本於該離心管中的該三維血球凝集影像資料。
14. 如請求項12所述之自動化血液分析方法，其中該三維血球凝集影像資料包含至少一動態三維血球凝集影像資料以及至少一靜態三維血球凝集影像資料。
15. 如請求項12所述之自動化血液分析方法，其中該第一神經網路分類器為一支援向量機神經網路分類器。
16. 如請求項12所述之自動化血液分析方法，更包含：進行一二重分析判斷步驟，該二重分析判斷步驟包含下述步驟：進行一二重影像擷取步驟，其係擷取該反應後混合血液樣本的一高倍率三維血球凝集影像資料；進行一二重影像前處理步驟，其係對該高倍率三維血球凝集影像資料進行前處理，以得至少一影像像素分布資料；進行一二重分析步驟，其係利用一迴歸分析演算模組分析該影像像素分布資料後，再以一第二神經網路分類 器訓練該影像像素分布資料至收斂，以得一二重影像特徵值權重數據；以及進行一二重判斷步驟，其係利用該第二神經網路分類器根據該二重影像特徵值權重數據而輸出一二重凝集判讀結果；其中，該二重凝集判讀結果包含一二重血液凝集價數判讀結果與一二重血球凝集型態判讀結果。
17. 如請求項16所述之自動化血液分析方法，其中該高倍率三維血球凝集影像資料包含至少一動態高倍率三維血球凝集影像資料以及至少一靜態高倍率三維血球凝集影像資料，該影像像素分布資料包含一單視野畫素分布波峰數量資訊、一單視野畫素分布波間峰數資訊、一單視野畫素分布面積資訊以及一單視野畫素分布平均波峰距離資訊。
18. 如請求項16所述之自動化血液分析方法，其中該迴歸分析演算模組為羅吉斯迴歸演算模組，該第二神經網路分類器為一支援向量機神經網路分類器。
19. 如請求項12所述之自動化血液分析方法，更包含：進行一合血評估步驟，其係將該凝集判讀結果的一副本以一第三神經網路分類器進行訓練至收斂，以輸出一血液 相合性評估結果。
20. 如請求項19所述之自動化血液分析方法，其中該第三神經網路分類器為一支援向量機神經網路分類器。

Images