Le comptage absolu des leucocytes totaux et de sous-ensembles spécifiques (tels que les lymphocytes T et les lymphocytes B) dans de petites quantités de sang total est difficile en raison du manque de techniques permettant de séparer les leucocytes d'un volume limité de sang total. Dans cette étude, une puce microfluidique équipée d'un réseau de micropiliers à taille contrôlée pour une séparation élevée des lymphocytes T et des lymphocytes B du sous-microlitre de sang total a été étudiée. Sur la base de la différence de taille et de déformabilité, les leucocytes ont été séparés des autres cellules sanguines par des réseaux de micropiliers. Cependant, la variabilité de la taille, de la morphologie et de l'intensité de la couleur des cellules ainsi que la diaphonie du spectre entre les colorants fluorescents rendent la détection des cellules parmi les piliers extrêmement difficile. Dans cet article, un classificateur d'apprentissage automatique supervisé par une machine à vecteur de support basé à la fois sur l'histogramme des gradients orientés (HOG) et sur les caractéristiques de distribution des couleurs a été proposé pour distinguer rapidement et solidement les cellules T et les cellules B. LES caractéristiques du PORC ont été utilisées pour détecter les cellules à partir de l'arrière-plan et du bruit ; les caractéristiques de distribution des couleurs ont été utilisées pour atténuer l'effet de la diaphonie du spectre de fluorescence. L'expérience a montré que nous avons atteint une précision de détection moyenne de 94 % pour la détection des lymphocytes T et des lymphocytes B à partir du fond. De plus, nous avons également obtenu une précision de 96 % avec la validation croisée pour détecter les lymphocytes T des lymphocytes B. L'analyse théorique et les expériences ont démontré que la méthode et le système proposés ont des performances élevées dans le comptage des lymphocytes T et des lymphocytes B. Et notre système de comptage de cellules microfluidiques a un grand potentiel en tant qu'outil pour le système d'analyse des leucocytes au point de service.

El recuento absoluto de leucocitos totales y subconjuntos específicos (como células T y células B) en pequeñas cantidades de sangre total es difícil debido a la falta de técnicas que permitan la separación de los leucocitos de un volumen limitado de sangre total. En este estudio, se estudió un chip microfluídico equipado con una matriz de micropilares de tamaño controlado para una alta separación de células T y células B de submicrolitros de sangre total. En función de la diferencia de tamaño y deformabilidad, los leucocitos se separaron de otras células sanguíneas mediante matrices micropilares. Sin embargo, la variabilidad de las células en tamaño, morfología e intensidad de color junto con la diafonía del espectro entre los colorantes fluorescentes hacen que la detección celular entre pilares sea extremadamente difícil. En este documento, se propuso un clasificador de aprendizaje automático supervisado por una máquina de vectores de soporte basado tanto en el histograma de gradientes orientados (HOG) como en las características de distribución de color para distinguir las células T y las células B de forma rápida y sólida. Las características de HOG se utilizaron para detectar células de fondo y ruido; las características de distribución de color se emplearon para aliviar el efecto de la diafonía del espectro de fluorescencia. El experimento mostró que logramos una precisión de detección promedio del 94% para detectar células T y células B desde el fondo. Además, también obtuvimos un 96% de precisión con validación cruzada para detectar células T a partir de células B. Tanto el análisis teórico como los experimentos demostraron que el método y el sistema propuestos tienen un alto rendimiento en el recuento de células T y células B. Y nuestro sistema de recuento de células microfluídicas tiene un gran potencial como herramienta para el sistema de análisis de leucocitos en el punto de atención.

Absolute counting of total leukocytes and specific subset (such as T-cells and B-cells) within small amounts of whole blood is difficult due to the lack of techniques that enables separation of leukocytes from limited volume of whole blood. In this study, a microfluidic chip equipped with a size controlled micropillar array for highly separation of T-cells and B-cells from sub-microliter of whole blood was studied. Based on the difference in size and deformability, leukocytes were separated from other blood cells by micropillar arrays. However, the variability of cells in size, morphology and color intensity along with the spectrum crosstalk between fluorescence dyes make cell detection among pillars extremely difficult. In this paper, an support vector machine supervised machine learning classifier based on both Histogram of Oriented Gradients (HOG) and color distribution features was proposed to distinguish T-cells and B-cells fast and robustly. HOG features were utilized to detect cells from background and noise; color distribution features were employed to alleviate the effect of fluorescence spectrum crosstalk. Experiment showed we achieved average detection accuracy of 94% for detecting T-cells and B-cells from the background. Furthermore, we also got 96% accuracy with cross validation to detect T-cells from B-cells. Both theoretical analysis and experiments demonstrated the proposed method and system has high performance in T-cells and B-cells counting. And our microfluidic cell counting system has great potential as a tool for point-of-care leukocyte analysis system.

يعد العد المطلق لكريات الدم البيضاء الكلية ومجموعة فرعية محددة (مثل الخلايا التائية والخلايا البائية) ضمن كميات صغيرة من الدم الكامل أمرًا صعبًا بسبب نقص التقنيات التي تمكن من فصل كريات الدم البيضاء عن الحجم المحدود للدم الكامل. في هذه الدراسة، تمت دراسة رقاقة سائلة دقيقة مجهزة بمجموعة من الحبيبات الدقيقة التي يتم التحكم في حجمها لفصل الخلايا التائية والخلايا البائية بشكل كبير عن الميكرو لتر الفرعي من الدم الكامل. بناءً على الاختلاف في الحجم وقابلية التشوه، تم فصل الكريات البيض عن خلايا الدم الأخرى بواسطة صفائف الحبيبات الدقيقة. ومع ذلك، فإن تباين الخلايا في الحجم والمورفولوجيا وشدة اللون جنبًا إلى جنب مع تقاطع الطيف بين أصباغ الفلورة يجعل اكتشاف الخلايا بين الأعمدة أمرًا صعبًا للغاية. في هذه الورقة، تم اقتراح مصنف للتعلم الآلي تحت إشراف آلة ناقلات الدعم بناءً على كل من المدرج التكراري للتدرجات الموجهة (HOG) وميزات توزيع الألوان للتمييز بين الخلايا التائية والخلايا البائية بسرعة وقوة. تم استخدام ميزات HOG للكشف عن الخلايا من الخلفية والضوضاء ؛ تم استخدام ميزات توزيع الألوان للتخفيف من تأثير تقاطع طيف الفلورة. أظهرت التجربة أننا حققنا متوسط دقة كشف بنسبة 94 ٪ للكشف عن الخلايا التائية والخلايا البائية من الخلفية. علاوة على ذلك، حصلنا أيضًا على دقة بنسبة 96 ٪ مع التحقق المتبادل للكشف عن الخلايا التائية من الخلايا البائية. أظهر كل من التحليل النظري والتجارب أن الطريقة والنظام المقترحين يتمتعان بأداء عالٍ في عد الخلايا التائية والخلايا البائية. كما أن نظام عد الخلايا الدقيقة لدينا لديه إمكانات كبيرة كأداة لنظام تحليل الكريات البيض في نقطة الرعاية.