基于圖像識別技術的凝膠血型鑒定自動判讀保存系統研究

岳凱，劉躍平，王超，李明，李濤，江志紅，徐靜

解放軍第四七七醫院 a.信息科；b.檢驗科，湖北 襄陽 441003

0 前言

血型鑒定在急診搶救、手術室治療、貧血治療、刑事鑒定等過程中都是不可缺少的檢驗項目，結果正確與否關系到病人生命安危。目前，國內各級醫院血型鑒定采用較多的是玻片法和試管法，都是手工操作，而且在一般情況下只做正定型，由于手工操作不易于標準化且影響因素較多，目測比較困難，特別是遇到弱凝集和O型血，更需要在顯微鏡下觀察以確保血型鑒定的準確性，導致血型錯檢時有發生。因此，為了保證血型鑒定的準確性，我科血庫開始采用微柱凝膠血型鑒定卡進行血型鑒定。微柱凝膠方法是法國Dr.Yves Lapierre在1986年首先發明的一項免疫學檢測新技術，是微柱凝膠技術與血型鑒定技術相結合的產物。1994年此項技術獲得了美國FDA的認可。經過不斷改進和臨床大量應用，目前，在多數發達國家，此項技術已作為常規的紅細胞血型血清學檢測技術應用于臨床。在微柱凝膠介質中，紅細胞抗原與相應抗體結合后，利用凝膠的空間位阻，經低速離心，凝集的紅細胞懸浮在凝膠上層，而未和抗體結合的紅細胞則沉于凝膠底部（管底尖部）[1]。微柱凝膠血型卡法比傳統的玻片和試管液體介質中凝集試驗結果更易于判讀，更準確、更敏感、更簡單。凝膠血型鑒定卡具有6個孔，能同時做正、反定型，符合《全國臨床檢驗操作規程》的要求。本研究旨在利用圖像識別技術把目前微柱凝膠血型鑒定的結果保存起來，以實現更進一步的優化。主要實現以下兩個功能：一是利用攝像頭把微柱凝膠血型鑒定卡的原始結果轉化為電子資料，實現更長時間的保存；二是在拍照后實現血型鑒定結果的自動判讀，對操作者起到提醒和核對的作用。該功能對于初學者來說還是很有益處的，初學者對正反定型理解不夠徹底，容易造成判讀的混亂。該自動判讀保存系統還能擴展運用到微柱凝膠法交叉配合、不規則抗體篩查和鑒定及直接、間接抗人球蛋白實驗中，具有很高的使用價值和臨床意義。現把相關研究和系統的實現報道如下，以供同行參考。

1 檢測方法和陽性判讀標準

1.1 檢測方法

微柱凝膠檢測方法，按長春博訊微柱凝膠血型鑒定說明書進行。

1.2 陽性判讀標準

紅細胞完全或部分被阻擋在凝膠上者為陽性，紅細胞完全降至柱底為陰性，見圖1。

圖1 陽性判斷圖

1.3 相關術語的規定

為了便于描述和理解，把血型鑒定卡的6孔，從左到右依次命名為抗A、抗B、Rh（D）、CTRL、A1、B。

2 圖像識別技術

圖像識別技術的涵義很廣，主要指通過計算機，采用數學技術方法，對一個系統前端獲取的圖像進行處理、分析和理解，以識別各種不同模式的目標和對象的技術，如條碼識別、生物特征識別(人臉識別、指紋識別等)技術、智能交通中的動態對象識別、手寫識別等。可以說，圖像識別技術是人類視覺認知的延伸，是人工智能的一個重要領域。為了編制模擬人類圖像識別活動的計算機程序，人們提出了不同的圖像識別模型，如模板匹配模型[2]、原型匹配模型[3]、特征匹配模型[4]等。

圖像識別技術的研究目標是根據觀測到的圖像，對其中的物體分辨其類別，做出有意義的判斷。一般而言，圖像識別系統主要由3個部分組成，分別是圖像分割，圖像特征提取及分類器的識別分類[5]，見圖2。

圖像分割是將圖像劃分為多個有意義的區域，然后將每個區域的圖像進行特征提取，最后分類器根據提取的圖像特征對圖像進行相應的分類。實際上，圖像識別和圖像分割并不存在嚴格的界限，從某種意義上，圖像分割的過程就是圖像識別的過程。圖像分割著重于對象和背景的關系，研究的是對象在特定背景下所表現出來的整體屬性，而圖像識別則著重于對象本身的屬性。

圖2 圖像識別系統圖

3 系統設計

3.1 系統組成

系統由攝像頭、固定卡槽組成。固定卡槽的作用是使凝膠血型鑒定卡和攝像頭保持位置的相對固定。

3.2 圖像采集

圖像采集過程：① 啟動采集程序；② 按照長春博訊公司凝膠血型鑒定卡操作說明書進行操作；③ 在鑒定卡的空白處寫上患者的名字；④ 把寫有標記的卡面朝上，插入卡槽；⑤ 點擊程序界面上的“拍照”按鈕，圖像采集完成。在圖像采集的過程中，需要特別注意的是卡寫有標記的一面必須朝上。

3.3 圖像識別

圖像識別技術的應用是本系統的關鍵所在，圖像識別技術主要包括圖像預處理、圖像分割、特征提取和判斷匹配4個步驟[6]，下面就從這4個方面對系統算法進行描述。

3.3.1 圖像預處理

本系統涉及的圖像預處理就是將采集的圖像進行縮放、旋轉、剪切等空間幾何變換[7]。由于從攝像頭采集的圖像為特定的800像素×600像素的圖像，而我們系統需要的圖像為320像素×240像素的圖像，而且要去除檢測卡周圍的無用背景，因此，我們對圖像進行縮放變換，方法如下[7]：

其中，f（x，y）為原函數， g（x，y）為目標函數，a（x，y）、b（x，y）分別為x、y的變換函數，以實現對原圖像的剪切放大功能。圖像進行預處理前后的效果對比，見圖3。

圖3 圖像預處理前后對比圖

圖像分割是將預處理后的圖像分成若干個特定的、具有獨特性質的區域并提出感興趣目標的技術和過程[8]。本系統采用灰度閾值分割法，方法如下[9]：

式中的a、b 是通過多次試驗得出血液顏色的上下閾值[10]。

3.3.2 特征提取

在某種意義上，對于此系統而言，特征提取結果的好壞直接影響到判讀的結果[11]。本系統主要關注檢測卡上6個空對應的顏色值，因此，我們將圖像的[a,b]（a∈[0,320],b∈[60,110]）區域分割成2×6的二維空間Yij，方法如下：

式中，x值是根據圖像分割中得出的g(x，y)值而來，如果對應的空間中g(x，y)等于1的值相對較多，則對應的x值為1，反之為0。

3.3.3 判斷匹配

判斷匹配就是根據Yij值，對應長春博訊微柱凝膠血型鑒定說明書進行血型判別，最終在系統界面上顯示出患者的血型，并保持采集的圖像照片作為影像資料。

3.4 系統流程

系統程序設置按照長春博訊凝膠血型鑒定卡說明書進行，結果按照《全國臨床檢驗操作規程》進行判讀。程序流程，見圖4。

圖4 凝膠血型鑒定自動判讀保存系統流程圖

4 圖像識別的臨床應用

兩種不同血型鑒定方法比較和微柱凝膠血型鑒定卡肉眼判讀與軟件判讀比較結果，見表1。從表1可以看出，凝集強度為4+的例數，微柱凝膠血型卡為146例，而玻片法為101例，微柱凝膠血型卡法比傳統的玻片法高37.4%；凝集強度為2+～1+，微柱凝膠卡法為0例，而傳統的玻片法為20例，說明微柱凝膠血型卡法比傳統的玻片法更為靈敏。軟件判讀和肉眼判讀的一致性為100%（160/160），說明該軟件在設計上是合理的。但其相對于目前采用肉眼判斷的操作模式而言，在原始結果保存方面具有更大的優勢，能實現對現有模式的進一步優化。

表1 不同血型鑒定方法和不同判讀方式結果比較

該自動判讀保存系統運行結果，見圖5。圖中（a）顯示的是A型Rh陽性的結果；（b）顯示的是CTRL孔失效的結果，彈出對話框“該實驗失效，請查找原因”并同時保存該圖片；（c）顯示的是正、反定型不一致的結果，彈出對話框“正反定型不一致，請查找原因”并同時保存該圖片；（d）顯示的是照片保存目錄，當點擊系統界面上的“保存”鍵時，圖片自動保存到相應文件夾，并以“檢測日期+患者姓名”作為圖片的文件名。

圖5 系統運行結果

5 結束語

微柱凝膠血型鑒定卡在使用過程中，具有能記錄患者姓名、保存時間較長、易于標準化等優點。基于圖像識別技術的凝膠血型鑒定自動判讀保存系統能實現凝膠血型鑒定卡在現有操作模式上的進一步優化，能實現血型原始結果更長時間的保存，特別是在沒有采用自動血型鑒定儀的中小醫院具有一定的應用與推廣價值。但是，由于亞型抗體、溫自身抗體、不規則抗體、冷凝激素、緡錢狀凝集、器官骨髓移植等因素的影響，疑難血型在微柱凝膠血型卡上的表現型也相對多樣[12]，該系統的判讀條件并不能把所有的血型表現型都包括在內，碰到疑難血型時，只是把相對應的原始圖片保存下來并提示工作員采用別的方法進行最終的血型確認。如何加強其對疑難血型的判讀是該系統進一步改進和努力的方向。

[1]葉應嫵,王毓三,申子瑜.全國臨床檢驗操作規程[M].3版.南京:東南大學出版社,2006:264-265.

[2]章毓晉.圖像工程(下)[M].北京:清華大學出版社,2006:136-137.

[3]Robert L Solso.Cognitive psychology[M].7th ed.Boston:Allyn and Bacon,1998.

[4]Moravee H P.Towards automatic visual obstacle avoidance[A].Proc of the 5th International Joint Conference on Artificial Intelligence[C].Berlin:Springer-Velag,1977.

[5]張家怡.圖像識別的技術現狀和發展趨勢[J].電腦知識與技術,2010,21(6):6045-6046.

[6]Milan Sonka,Vadav Hhvac,Roger Boyle & pound.Image processing,amdy-sis,and machine vision[M].北京:人民郵電出版社,2003:198-199.

[7]常明.計算機圖形學[M].3版.武漢:華中科技大學出版社,2009:235-236.

[8]Donald Hearn,M Pauline Baker.Computer graphics with openGL[M].Third Edition.北京:電子工業出版社,2010:255-256.

[9]陳強.圖像分割若干理論方法及應用研究[D].南京:南京理工大學,2007:53-56.

[10]韓思奇,王蕾.圖像分割的閥值法綜述[J].系統工程與電子技術,2002,24(6):91-94.

[11]鄭宇杰.特征提取方法及其應用研究[D].南京:南京理工大學,2007:89-91.

[12]杜雪寧,劉芳蘭,王振卿,等.ABO血型檢測中正反定型不符36例原因分析[J].中國誤診學雜志,2011,11(32):7968.