流式淋巴细胞亚群分析方法、设备及其存储介质与流程

本技术涉及流式细胞学，尤其涉及一种流式淋巴细胞亚群分析方法、设备及其存储介质。

背景技术：

1、淋巴细胞是构成机体免疫系统和执行免疫功能的主要细胞群，参与机体细胞免疫和体液免疫。淋巴细胞亚群检测是临床上用于评价机体免疫状态的重要检查，常会从数量及比例上反映机体各类免疫细胞的功能状态，广泛应用于肿瘤、艾滋病和自身免疫病的诊断、治疗及预后。

2、流式细胞术(flow cytometry，fcm)是临床上进行淋巴细胞免疫表型分析的常规手段之一。fcm是对在高能量激光照射状态下，高速流动的经荧光标记的单细胞(生物微粒)产生的散射光和荧光的信号强度进行分析，从而对细胞进行定性分类和定量统计，实现对目的细胞的分析或分选的技术。常规对于淋巴细胞的流式数据的分析检测，主要依靠技术人员的人工分析和审核，导致对流式淋巴细胞的检测效率低。

3、上述内容仅用于辅助理解本技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

1、本技术的主要目的在于提供一种流式淋巴细胞亚群分析方法、设备及其存储介质，旨在解决常规方法对流式淋巴细胞的检测效率低的技术问题。

2、为实现上述目的，本技术提供一种流式淋巴细胞亚群分析方法，所述流式淋巴细胞亚群分析方法包括：

3、获取流式细胞原始数据，确定所述流式细胞原始数据在ssc.a上分布的ssc.a概率密度曲线，并根据所述ssc.a概率密度曲线，确定所述流式细胞原始数据中的淋巴细胞阈值；

4、基于所述淋巴细胞阈值，提取所述流式细胞原始数据中的淋巴细胞数据；

5、确定所述淋巴细胞数据在荧光信号上分布的荧光概率密度曲线，并根据所述荧光概率密度曲线，确定所述淋巴细胞数据中各淋巴细胞亚群的亚群细胞阈值；

6、基于所述亚群细胞阈值，识别所述淋巴细胞数据中的亚群细胞数据；

7、根据预设的淋巴细胞亚群异常检测规则，对所述亚群细胞数据进行检测，以生成淋巴细胞亚群分析结果。

8、可选地，所述根据所述ssc.a概率密度曲线，确定所述流式细胞原始数据中的淋巴细胞阈值的步骤包括：

9、根据所述ssc.a概率密度曲线中的波谷，确定ssc.a阈值；

10、提取所述流式细胞原始数据中ssc.a小于所述ssc.a阈值的数据，以作为第一细胞数据，并确定所述第一细胞数据在cd45上分布的cd45概率密度曲线；

11、根据所述cd45概率密度曲线中的波谷，确定cd45阈值，并将所述ssc.a阈值和所述cd45阈值作为所述淋巴细胞阈值。

12、可选地，所述根据所述ssc.a概率密度曲线中的波谷，确定ssc.a阈值的步骤包括：

13、判断所述ssc.a概率密度曲线上是否存在波谷；

14、若是，则将所述ssc.a概率密度曲线上位于波谷处的ssc.a极小值，作为所述ssc.a阈值；

15、若否，则将所述ssc.a概率密度曲线上位于波峰的终止点的ssc.a值作为所述ssc.a阈值。

16、可选地，所述根据所述cd45概率密度曲线中的波谷，确定cd45阈值的步骤包括：

17、判断所述cd45概率密度曲线上是否存在波谷；

18、若是，则将所述cd45概率密度曲线上位于波谷处的cd45极大值，作为所述cd45阈值；

19、若否，则将所述cd45概率密度曲线上位于波峰的起始点的cd45值作为所述cd45阈值。

20、可选地，所述荧光信号包括：cd3，所述确定所述淋巴细胞数据在荧光信号上分布的荧光概率密度曲线，并根据所述荧光概率密度曲线，确定所述淋巴细胞数据中各淋巴细胞亚群的亚群细胞阈值的步骤包括：

21、确定所述淋巴细胞数据在所述cd3上分布的cd3概率密度曲线；

22、将所述cd3概率密度曲线中波谷处的cd3值作为cd3阈值，并将所述cd3阈值作为所述亚群细胞阈值。

23、可选地，所述荧光信号还包括第一信号，所述第一信号包括：cd4、cd8、cd19和cd16+56中的至少一项，在所述将所述cd3概率密度曲线中波谷处的cd3值作为cd3阈值，并将所述cd3阈值作为所述亚群细胞阈值的步骤之后，还包括：

24、确定所述淋巴细胞数据在所述第一信号上分布的第一概率密度曲线；

25、识别所述第一概率密度曲线中的第一最高波峰，并确定所述第一最高波峰后的首个波谷的第一荧光值，将所述第一荧光值作为所述亚群细胞阈值。

26、可选地，在所述将所述第一荧光值作为所述亚群细胞阈值的步骤之前，还包括：

27、判断所述第一荧光值是否在预设的亚群细胞荧光信号范围内；

28、若是，则执行将所述第一荧光值作为所述亚群细胞阈值的步骤；

29、若否，则基于所述cd3阈值，提取所述淋巴细胞数据中的第二细胞数据；

30、确定所述第二细胞数据在所述第一信号上分布的第二概率密度曲线，识别所述第二概率密度曲线中的第二最高波峰，并确定所述第二最高波峰后的首个波谷的第二荧光值，将所述第二荧光值作为所述亚群细胞阈值。

31、可选地，所述亚群细胞阈值包括：cd3阈值、cd4阈值、cd8阈值、cd19阈值和cd16+56阈值，所述基于所述亚群细胞阈值，识别所述淋巴细胞数据中的亚群细胞数据的步骤包括：

32、将所述淋巴细胞数据中cd3大于所述cd3阈值的数据，作为t淋巴细胞数据；

33、将所述t淋巴细胞数据中cd4大于所述cd4阈值的数据，作为亚群th细胞数据；

34、将所述t淋巴细胞数据中cd8大于所述cd8阈值的数据，作为亚群ts细胞数据；

35、将所述淋巴细胞数据中cd3小于或等于所述cd3阈值，且cd19大于所述cd19阈值的数据，作为b淋巴细胞数据；

36、将所述淋巴细胞数据中cd3小于或等于所述cd3阈值，且cd16+56大于所述cd16+56阈值的数据，作为nk淋巴细胞数据；

37、将所述淋巴细胞数据中cd3小于或等于所述cd3阈值，且cd4大于所述cd4阈值的数据，作为单核细胞数据；

38、将所述淋巴细胞数据中cd3大于所述cd3阈值，且cd8小于或等于所述cd8阈值的数据，作为cd3阳cd8阴细胞数据；

39、将所述淋巴细胞数据中cd3大于所述cd3阈值，且cd4小于或等于所述cd4阈值的数据，作为cd3阳cd4阴细胞数据；

40、将所述t淋巴细胞数据、所述亚群th细胞数据、所述亚群ts细胞数据、所述b淋巴细胞数据、所述nk淋巴细胞数据、所述单核细胞数据、所述cd3阳cd8阴细胞数据和所述cd3阳cd4阴细胞数据，均作为所述亚群细胞数据。

41、可选地，所述根据预设的淋巴细胞亚群异常检测规则，对所述亚群细胞数据进行检测，以生成淋巴细胞亚群分析结果的步骤包括：

42、判断所述亚群细胞数据是否满足所述淋巴细胞亚群异常检测规则，其中，所述淋巴细胞亚群异常检测规则包括以下规则中的至少一项：

43、t淋巴细胞、b淋巴细胞和nk淋巴细胞的细胞占比之和在第一预设范围内；

44、亚群th细胞和亚群ts细胞的细胞占比之和小于或等于t淋巴细胞的细胞占比；

45、亚群th细胞的细胞占比与cd3阳cd8阴细胞的细胞占比之差在第二预设范围内；

46、亚群ts细胞的细胞占比与cd3阳cd4阴细胞的细胞占比之差在第三预设范围内；

47、淋巴细胞的细胞数大于预设淋巴细胞数阈值；

48、b淋巴细胞的细胞占比小于预设的b淋巴细胞占比阈值，

49、和单核细胞的细胞占比小于预设的单核细胞占比阈值；

50、若否，则判定所述亚群细胞数据异常，并根据所述亚群细胞数据的异常情况，生成所述淋巴细胞亚群分析结果。

51、可选地，在所述生成所述淋巴细胞亚群分析结果的步骤之前，还包括：

52、若所述亚群细胞数据不满足所述单核细胞的细胞占比小于预设的单核细胞占比阈值的规则，则根据预设的阈值补偿值，对所述淋巴细胞阈值进行修正，以下调所述淋巴细胞阈值，并执行所述基于所述淋巴细胞阈值，提取所述流式细胞原始数据中的淋巴细胞数据的步骤。

53、本技术还提供一种电子设备，所述电子设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的流式淋巴细胞亚群分析程序，所述流式淋巴细胞亚群分析程序配置为实现上述的流式淋巴细胞亚群分析方法的步骤。

54、本技术还提供一种存储介质，所述存储介质为计算机可读存储介质，所述计算机可读存储介质上存储有流式淋巴细胞亚群分析程序，所述流式淋巴细胞亚群分析程序被处理器执行以实现上述的流式淋巴细胞亚群分析方法的步骤。

55、本技术公开了一种流式淋巴细胞亚群分析方法，通过获取流式细胞原始数据，确定流式细胞原始数据在ssc.a上分布的ssc.a概率密度曲线，并根据ssc.a概率密度曲线，确定流式细胞原始数据中的淋巴细胞阈值；进而基于淋巴细胞阈值，提取流式细胞原始数据中的淋巴细胞数据；通过计算得到淋巴细胞阈值，进而准确的将流式细胞原始数据中的淋巴细胞数据与非淋巴细胞数据区分开来，以准确分离出淋巴细胞数据；进而确定淋巴细胞数据在荧光信号上分布的荧光概率密度曲线，并根据荧光概率密度曲线，确定淋巴细胞数据中各淋巴细胞亚群的亚群细胞阈值；再基于亚群细胞阈值，识别淋巴细胞数据中的亚群细胞数据；进一步通过各淋巴细胞亚群的亚群细胞阈值，将淋巴细胞数据中的亚群细胞数据，例如，t淋巴细胞数据、亚群th细胞数据、亚群ts细胞数据、b淋巴细胞数据、nk淋巴细胞数据等精准分离；进而根据预设的淋巴细胞亚群异常检测规则，对亚群细胞数据进行检测，以生成淋巴细胞亚群分析结果。通过预设的淋巴细胞亚群异常检测规则，实现对淋巴细胞数据从整体到局部的全方面检测，进而实现对细胞错误分群或者检测结果异常样本的及时预警，辅助人工审核，提高及时处理异常检测结果的效率。通过对所有的细胞数据进行客观性的分析检测，避免细胞分群受到人为主观因素的影响，提升流式淋巴细胞亚群分析的准确性；并且可实现对样本细胞数据，即流式细胞原始数据的自动实时分析检测，能够适用于样本细胞数量大、细胞类别数不固定等多种复杂情况，极大提高检测效率。