脉冲识别方法和装置、分析仪器、存储介质与流程

本发明涉及医疗设备技术领域，尤其涉及一种脉冲识别方法和装置、分析仪器、存储介质。

背景技术：

采用医疗设备进行细胞分类时，利用激光对逐一通过流动室的细胞样本进行光照射，光探测器将探测到的特征光信号转换成电脉冲信号并输出至数据处理单元，数据处理单元对电脉冲信号进行识别并基于识别出的有效峰在一个多维坐标系上对每个细胞定位，形成多个细胞样本的散点图，由于各类细胞在这些信号上的差异性，同一类的细胞会聚在一起，不同类之间会留有间隙，从而达到分类目的。

现有技术中的脉冲识别方法主要为单阈值法，即设定一条阈值线，通过斜率加阈值判断脉冲起点和脉冲终点，通过在起点与终点之间求极大值得到该脉冲的峰值。

但是，本申请的发明人发现，采用现有技术中的脉冲识别的准确率较低，容易出现漏识别和误识别情况。

技术实现要素：

本发明实施例提供了一种脉冲识别方法和装置、分析仪器、存储介质，能够提高脉冲识别的准确率。

第一方面，本发明实施例提供一种脉冲识别方法，该脉冲识别方法包括：

将待识别脉冲数据逐个与第一幅度阈值和第二幅度阈值分别比较，第一幅度阈值大于第二幅度阈值，且第一幅度阈值大于预设小脉冲幅值区间的最大值；

若存在第一数据，第一数据大于等于第一幅度阈值，则开始识别与第一幅度阈值对应的第一有效峰，第一有效峰满足第一预设起点及终点条件；

若存在第二数据，第二数据大于等于第二幅度阈值，则开始识别与第二幅度阈值对应的第二有效峰，第二有效峰满足第二预设起点及终点条件，第二有效峰的峰值小于第一幅度阈值，且第二有效峰的峰值和第二幅度阈值之间的差值大于等于预设小脉冲高度阈值。

在第一方面的一种可能的实施方式中，第一预设起点及终点条件包括：第一有效峰中存在第一脉冲起点和第一脉冲终点；其中，第一脉冲起点的前n个数据依次增大且小于第一脉冲起点的数据、第一脉冲起点的后m个数据依次增大且大于第一脉冲起点的数据；第一脉冲终点的前n个数据依次减小且大于第一脉冲终点的数据、第一脉冲终点的后m个数据依次减小且小于第一脉冲终点的数据，n和m均为大于等于1的自然数；第一脉冲起点和第一脉冲终点等于第一幅度阈值。

在第一方面的一种可能的实施方式中，第一有效峰的峰值等于待识别脉冲数据中位于第一脉冲起点和第一脉冲终点间的多个数据中的极大值。

在第一方面的一种可能的实施方式中，该方法还包括：若存在第二数据，第二数据大于等于第二幅度阈值，则开始识别与第二幅度阈值对应的第一有效峰，第一有效峰满足第二预设起点及终点条件，且峰值大于第一幅度阈值。

在第一方面的一种可能的实施方式中，第二预设起点及终点条件包括：第二有效峰中存在第二脉冲起点和第二脉冲终点；其中，第二脉冲起点的前n个数据依次增大且小于第二脉冲起点的数据、第二脉冲起点的后m个数据依次增大且大于第二脉冲起点的数据；第二脉冲终点的前n个数据依次增大且小于第二脉冲终点的数据、第二脉冲终点的后m个数据依次增大且大于第一脉冲终点的数据，n和m均为大于等于1的自然数；第二脉冲起点和第二脉冲终点等于第二幅度阈值。

在第一方面的一种可能的实施方式中，第二有效峰的峰值等于待识别脉冲数据中位于第二脉冲起点和第二脉冲终点间的多个数据中的极大值。

在第一方面的一种可能的实施方式中，第二有效峰的宽度大于等于预设小脉冲宽度阈值，第二有效峰的宽度为第二脉冲起点和第二脉冲终点之间的距离。

在第一方面的一种可能的实施方式中，第二幅度阈值与待识别脉冲的基线值之间差值小于预设差值。

第二方面，本发明实施例提供一种脉冲识别装置，脉冲识别装置包括：

数据处理模块，用于将待识别脉冲数据逐个与第一幅度阈值和第二幅度阈值分别比较，第一幅度阈值大于第二幅度阈值，且第一幅度阈值大于预设小脉冲幅值区间的最大值；

第一识别模块，用于若存在第一数据，第一数据大于等于第一幅度阈值，则开始识别与第一幅度阈值对应的第一有效峰，第一有效峰满足第一预设起点及终点条件；

第二识别模块，用于若存在第二数据，第二数据大于等于第二幅度阈值，则开始识别与第二幅度阈值对应的第二有效峰，第二有效峰满足第二预设起点及终点条件，第二有效峰的峰值小于第一幅度阈值，且第二有效峰的峰值和第二幅度阈值之间的差值大于等于预设小脉冲高度阈值。

在第二方面的一种可能的实施方式中，第一识别模块还用于：若存在第二数据，第二数据大于等于第二幅度阈值，则开始识别与第二幅度阈值对应的第一有效峰，第一有效峰满足第二预设起点及终点条件，且峰值大于第一幅度阈值。

第三方面，本发明实施例提供一种分析仪器，该分析仪器包括如权利要求8任意一项的脉冲识别装置。

第三方面，本发明实施例提供一种计算机可读存储介质，其上存储有程序，程序被处理器执行时实现如上所述的脉冲识别装置。

如上所述，一方面，本发明实施例设置了两个幅度阈值，其中，第一幅度阈值大于第二幅度阈值，且大于预设小脉冲幅值区间的最大值，从而将大脉冲和小脉冲完全区分开来；另一方面，本发明实施例结合实际情况，针对大脉冲和小脉冲分别采用了不同的起点及终点条件，从而能够避免单一阈值判定的不足，提高脉冲识别的准确率，避免出现脉冲漏识别和误识别情况。

附图说明

从下面结合附图对本发明的具体实施方式的描述中可以更好地理解本发明其中，相同或相似的附图标记表示相同或相似的特征。

图1为本发明实施例提供的脉冲识别方法的流程示意图；

图2为本发明一个实施例涉及的基于单阈值的细胞前向角散射fsc脉冲识别示意图；

图3为与图2对应的基于双阈值的fsc脉冲识别示意图；

图4为本发明另一实施例涉及的基于单阈值的fsc脉冲识别示意图；

图5为与图4对应的基于双阈值的fsc脉冲识别示意图；

图6为本发明又一实施例涉及的基于单阈值的fsc脉冲识别示意图；

图7为与图6对应的基于双阈值的fsc脉冲识别示意图；

图8为本发明实施例提供的脉冲识别装置的结构示意图。

具体实施方式

下面将详细描述本发明的各个方面的特征和示例性实施例。在下面的详细描述中，提出了许多具体细节，以便提供对本发明的全面理解。

本发明实施例提供了一种脉冲识别方法和装置、分析仪器、存储介质，应用于需要进行脉冲识别的医疗设备中，本发明实施例设置了两个幅度阈值，将待识别脉冲分为大脉冲和小脉冲，并结合实际情况对大脉冲和小脉冲分别采用不同的识别方法，提高了脉冲识别的准确率，能够避免出现脉冲漏识别和误识别情况。

其中，大脉冲的幅值较高，小脉冲的幅值较低。在一个示例中，若小脉冲的峰值区间为0～0.5，而大脉冲峰值区间则大于0.5。实际应用中，由于待测对象类型的不同，以及探测信号类型的不同，大脉冲和小脉冲的幅值定义也会变化。

图1为本发明实施例提供的脉冲识别方法的流程示意图。如图1所示，该脉冲识别方法包括步骤101至步骤103。

在步骤101中，将待识别脉冲数据逐个与第一幅度阈值和第二幅度阈值分别比较。

其中，第一幅度阈值大于第二幅度阈值，第一幅度阈值用于针对大脉冲执行识别操作，第二幅度阈值用于针对小脉冲执行识别操作，由于大脉冲和小脉冲的幅值定义会随着待测对象类型和探测信号类型的不同而发生变化，工程师会根据当前输入的脉冲波形合理设置第一幅度阈值和第二幅度阈值，以尽可能对大脉冲和小脉冲进行区分识别。

实际应用中，以高阈值作为大小脉冲的判断值，当设定高阈值后，峰值小于高阈值的脉冲被认为是小脉冲。在一示例中，预设预设小脉冲幅值区间为0～0.5，则应使高阈值大于0.5。

而在进行低阈值时，原则上要求低阈值尽量接近待识别脉冲的基准线0，以尽量使小脉冲处于高阈值和低阈值之间，从而提高对小脉冲的识别范围。具体地，可以时低阈值与脉冲极限值之间的差值小于预设差值，此处预设差值为一个极小值。

在步骤102中，若存在第一数据，第一数据大于等于第一幅度阈值，则开始识别与第一幅度阈值对应的第一有效峰，第一有效峰满足第一预设起点及终点条件。

在步骤103中，若存在第二数据，第二数据大于等于第二幅度阈值，则开始识别与第二幅度阈值对应的第二有效峰，第二有效峰满足第二预设起点及终点条件，第二有效峰的峰值小于第一幅度阈值，且第二有效峰的峰值和第二幅度阈值之间的差值大于等于预设小脉冲高度阈值。

其中，第一预设起点及终点条件是针对大脉冲识别的脉冲起点及脉冲终点判定条件，若大脉冲中存在第一脉冲起点和第一脉冲终点，则说明大脉冲符合第一预设起点及终点条件，该大脉冲可识别为有效峰，该有效峰的峰值可以为位于识别得到的大脉冲的起点和终点间的多个数据中的极大值。

第二预设起点及终点条件是针对小脉冲识别的脉冲起点及脉冲终点判定条件，若小脉冲中存在第二脉冲起点和第二脉冲终点，则说明小脉冲符合第二预设起点及终点条件，该大脉冲可识别为有效峰，该有效峰的峰值可以为位于识别得到的小脉冲的起点和终点间的多个数据中的极大值。

在一个可选实施例中，若存在第二数据，第二数据大于等于第二幅度阈值，还开始识别与第二幅度阈值对应的第一有效峰，第一有效峰满足第二预设起点及终点条件，且峰值大于第一幅度阈值。

由于峰值高于第一幅度阈值的脉冲，能够同时满足第一预设起点及终点条件和第二预设起点及终点条件，因此，将满足第二预设起点及终点条件，且峰值大于第一幅度阈值的脉冲识别为第一有效峰。

为理解上文中的步骤102和步骤103，举例来说，假设针对大脉冲和小脉冲的两个阈值线分别为th_h和th_l，从待识别脉冲数据头或尾开始遍历数据，并顺序存入数组d中，即从i＝0开始对d[i]进行遍历操作，i为大于等于0的整数，然后将d[i]与th_h和th_l分别对比，则有：

当满足d[i]>＝th_h时，执行第一预设起点及终点条件，开始大脉冲识别；当满足d[i]>＝th_l时，执行第二预设起点及终点条件，开始小脉冲识别。

如上所述，一方面，本发明实施例设置了两个幅度阈值，其中，第一幅度阈值大于第二幅度阈值，且大于预设小脉冲幅值区间的最大值，从而将大脉冲和小脉冲完全区分开来；另一方面，本发明实施例结合实际情况，针对大脉冲和小脉冲分别采用了不同的起点及终点条件，从而能够避免单一阈值判定的不足，提高了脉冲识别的准确率，避免出现脉冲漏识别和误识别情况。

其中，第一脉冲起点的条件为：第一脉冲起点的前n个数据依次增大且小于第一脉冲起点的数据、第一脉冲起点的后m个数据依次增大且大于第一脉冲起点的数据，第一脉冲起点和第一脉冲终点等于第一幅度阈值。

举例来说，以d[i]为脉冲起点，则d[i]>d[i-1]>d[i-2]>….>d[i-n]，d[i]<d[i+1]>d[i+2]>….>d[i+m]。

第一脉冲终点的条件为：第一脉冲终点的前n个数据依次减小且大于第一脉冲终点的数据、第一脉冲终点的后m个数据依次减小且小于第一脉冲终点的数据。

举例来说，以d[i+x]为脉冲终点，则d[i]<d[i+x-1]>d[i+x-2]>….>d[i+x-n]，[i]>d[i+x+1]>d[i+x+2]>….>d[i+x+m]。

第二脉冲起点的条件为：第二脉冲起点的前n个数据依次增大且小于第二脉冲起点的数据、第二脉冲起点的后m个数据依次增大且大于第二脉冲起点的数据，第一脉冲起点和第一脉冲终点等于第一幅度阈值。

举例来说，以d[i]为脉冲起点，则d[i]>d[i-1]>d[i-2]>….>d[i-n]，d[i]<d[i+1]>d[i+2]>….>d[i+m]。

第二脉冲终点的条件为：第二脉冲终点的前n个数据依次增大且小于第二脉冲终点的数据、第二脉冲终点的后m个数据依次增大且大于第一脉冲终点的数据，n和m均为大于等于1的自然数。

举例来说，以d[i+x]为脉冲终点，则d[i]<d[i+x-1]>d[i+x-2]>….>d[i+x-n]，[i]>d[i+x+1]>d[i+x+2]>….>d[i+x+m]。

从上文可以看出，第一预设起点及终点条件中第一脉冲起点及第一脉冲终点的判断方法，与第一预设起点及终点条件中第二脉冲起点及第二脉冲终点的判断方法近似，区别在于两者的参考阈值不同，前者是基于第一幅度阈值th_h，而后者是基于第二幅度阈值th_l。

为便于理解本发明实施例中的技术方案，下面进行举例说明。

图2为本发明一个实施例涉及的基于单阈值的细胞前向角散射fsc脉冲识别示意图。其中，横坐标为采样点数目，纵坐标为信号强度，前向角散射的脉冲也称为fsc(forwardscatter)脉冲。

在图2的示例中，阈值线为th2，受光信号和电路信号的影响，fsc脉冲信号在大波峰f21的底部可能产生一个小尖峰f22，基于单阈值法，由于小尖峰f22的存在，使得采样点b和c不符合大波峰f21的起点判定条件，使得大波峰f21识别错误。具体为：

b>0，b的前一采样点a小于0，但b的后一采样点c却小于0；

c>0，c的前一采样点b大于0，但c的后一采样点d却小于0；。

图3为与图2对应的基于双阈值的fsc脉冲识别示意图。图3与图2的不同之处在于，图3采用了阈值线th-h-2和阈值线th-l-2，其中，th-h-2对应的阈值约为0.5，th-l-2对应的阈值较小，接近于0，预设小脉冲高度阈值应小于0.5。

基于th-h-2逐个遍历图3中的脉冲数据时，e2点的数据等于th-h-2，从而开始大波峰f21的识别，且e2点和f2点均满足第一预设起点及终点条件，可以将大波峰f21识别为有效峰，并确定e2点和f2点为大波峰f21的起点和终点，e2点和f2点之间的多个数据中的极大值h21作为大波峰f21的峰值。

基于th-l-2逐个遍历图3中的脉冲数据时，g2点的数据等于th-l-2，从而开始小尖峰f22的识别，虽然g2点和h2点均满足第二预设起点及终点条件，但是，基于g2点和h2点得到的峰值也为h21，h21大于预设小脉冲高度阈值0.5，因此，小尖峰f22不会被误识别为有效峰，也不会对大波峰f21的识别造成干扰。

图4为本发明另一实施例涉及的基于单阈值的fsc脉冲识别示意图。其中，横坐标为采样点数目，纵坐标为信号强度。

在图4的示例中，阈值线为th4，两个细胞紧贴一起通过流动室，fsc脉冲信号会产生一个m波，包括波峰f41和f42，f41和f42的峰值均大于0.5，均可以看作是大波峰，由于波峰f41下降到底时的值高于阈值th4，导致波峰f41的终点无法识别，从而被漏识别。

图5为与图4对应的基于双阈值的fsc脉冲识别示意图。图5与图4的不同之处在于，图5采用了阈值线th-h-4和阈值线th-l-4，其中，th-h-4对应的阈值约为0.5，th-l-4对应的阈值较小，接近于0，预设小脉冲高度阈值应小于0.5。

基于th-h-4逐个遍历图5中的脉冲数据时，e4点的数据等于th-h-4，从而开始大波峰f41的识别，且e4点和f4点均满足第一预设起点及终点条件，可以将大波峰f41识别为有效峰，并确定e4点和f4点为大波峰f41的起点和终点，e4点和f4点之间的多个数据中的极大值h41作为大波峰f41的峰值。

同理，g4点的数据等于th-h-4，从而开始大波峰f42的识别，且g4点和h4点均满足第一预设起点及终点条件，可以将大波峰f42识别为有效峰，并确定g4点和h4点为大波峰f42的起点和终点，g4点和h4点之间的多个数据中的极大值h42作为大波峰f42的峰值，从而避免了对波峰f41的漏识别。

基于th-l-4逐个遍历图5中的脉冲数据时，p4点的数据等于th-l-2，从而开始小波峰(未知)的识别，虽然p4点和s4点均满足第二预设起点及终点条件，但是，基于p4点和s4点得到的峰值为h42大于预设小脉冲高度阈值0.5，不存在小波峰。

图6为本发明第三实施例涉及的基于单阈值的fsc脉冲识别示意图。其中，横坐标为采样点数目，纵坐标为信号强度。

在图6的示例中，阈值线为th6，fsc脉冲信号中的大波峰f61通过以后，电路处理上会出现一个过冲的线性，使信号值下降至基线(0.0)以下，此时紧跟着过来的小波峰f32会因幅度过小，低于阈值th6而被漏识。

图7为与图6对应的基于双阈值的fsc脉冲识别示意图。图7与图6的不同之处在于，图7采用了阈值线th-h-6和阈值线th-l-6，其中，th-h-6对应的阈值约为0.5，th-l-6对应的阈值较小，接近于0，预设小脉冲高度阈值应小于0.5。

基于th-h-6逐个遍历图7中的脉冲数据时，e6点的数据等于th-h-6，从而开始大波峰f61的识别，且e6点和f6点均满足第一预设起点及终点条件，可以将大波峰f61识别为有效峰，并确定e6点和f6点为大波峰f61的起点和终点，e6点和f6点之间的多个数据中的极大值h61作为大波峰f61的峰值。

基于th-l-6逐个遍历图7中的脉冲数据时，g6点的数据等于th-l-6，从而开始小波峰f62的识别，g6点和h6点均满足第二预设起点及终点条件，且基于g6点和h6点得到的峰值也为h62，h62小于预设小脉冲高度阈值0.5，因此，可以将小波峰f62识别为有效峰，并确定g6点和h6点为小波峰f62的起点和终点，从而不会被漏识掉。

此外，th-l-6逐个遍历图7中的脉冲数据时，p6点的数据等于th-l-6，从而同时开始大波峰f61的识别，p6点和s6点均满足第二预设起点及终点条件，且基于p6点和s6点得到的峰值h61大于th-h-6，因此，将大波峰f61识别为有效峰。

为避免大波峰识别过程中的重复操作，可以在检测到p6点的数据等于th-l-6时，仅执行对小脉冲的识别，先不执行对大脉冲的识别，直到e6点的数据等于th-h-6时，再切入对大波峰的识别。

如上所述，由于大脉冲在顶端的形状稳定，通常用一个较大的第一幅度阈值和第一预设起点及终点条件对脉冲进行识别即可。而在对于小脉冲的识别过程中，除了应满足上文中提到的第二预设起点及终点条件，以及峰值判定条件外，还可以增加脉冲宽度的判定条件，具体为，第二有效峰的宽度大于等于预设小脉冲宽度阈值，第二有效峰的宽度等于第二脉冲起点和第二脉冲终点之间的距离。这样，通过脉宽和峰值相对高度的进一步限定，就能够解决小脉冲识别过程中出现的电路噪声及大量基线噪声的干扰。

图8为本发明实施例提供的脉冲识别装置的结构示意图。如图8所示，该脉冲识别装置包括：数据处理模块801、第一识别模块802和第二识别模块803。

其中，数据处理模块801用于将待识别脉冲数据逐个与第一幅度阈值和第二幅度阈值分别比较，第一幅度阈值大于第二幅度阈值，且第一幅度阈值大于预设小脉冲幅值区间的最大值。

第一识别模块802用于若存在第一数据，第一数据大于等于第一幅度阈值，则开始识别与第一幅度阈值对应的第一有效峰，第一有效峰满足第一预设起点及终点条件。

第二识别模块803用于若存在第二数据，第二数据大于等于第二幅度阈值，且小于第一幅度阈值，则开始识别与第二幅度阈值对应的第二有效峰，第二有效峰满足第二预设起点及终点条件，第二有效峰的峰值小于第一幅度阈值，且第二有效峰的峰值和第二幅度阈值之间的差值大于等于预设小脉冲高度阈值。

在一个可选实施例中，第一识别模块802还用于，若存在第二数据，第二数据大于等于第二幅度阈值，还开始识别与第二幅度阈值对应的第一有效峰，第一有效峰满足第二预设起点及终点条件，且峰值大于第一幅度阈值。

由于峰值高于第一幅度阈值的脉冲，能够同时满足第一预设起点及终点条件和第二预设起点及终点条件，因此，实际运行中，第一识别模块可以将满足第二预设起点及终点条件，且峰值大于第一幅度阈值识别为第一有效峰。

需要说明的是，实际执行过程中，可以对采集到的脉冲数据进行串行或者并行处理，并行处理时，可以分别为大脉冲和小脉冲设置并行的处理模块(module)，将采集到的脉冲数据直接送入两个处理模块(module)，同时且实时的进行脉冲识别，具有识别效率高和识别准确率高的优点，十分易于推广使用。

本发明实施例还提供一种分析仪器，该分析仪器包括如上所述的脉冲识别装置。

本发明实施例还提供一种计算机可读存储介质，其上存储有程序，程序被处理器执行时实现如上述的脉冲识别装置。

需要明确的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同或相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。对于装置实施例而言，相关之处可以参见方法实施例的说明部分。本发明实施例并不局限于上文所描述并在图中示出的特定步骤和结构。本领域的技术人员可以在领会本发明实施例的精神之后，作出各种改变、修改和添加，或者改变步骤之间的顺序。并且，为了简明起见，这里省略对已知方法技术的详细描述。

以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(asic)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明实施例的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、rom、闪存、可擦除rom(erom)、软盘、cd-rom、光盘、硬盘、光纤介质、射频(rf)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。

本发明实施例可以以其他的具体形式实现，而不脱离其精神和本质特征。例如，特定实施例中所描述的算法可以被修改，而系统体系结构并不脱离本发明实施例的基本精神。因此，当前的实施例在所有方面都被看作是示例性的而非限定性的，本发明实施例的范围由所附权利要求而非上述描述定义，并且，落入权利要求的含义和等同物的范围内的全部改变从而都被包括在本发明实施例的范围之中。