血液樣本品質管理

Cognex Deep Learning 可分類離心處理血液的影像，以進行適當分離

相關產品

In-Sight D900

採用 In-Sight ViDi 深度學習視覺軟體

VisionPro Deep Learning

深度學習工業圖像分析的圖形化程式設計環境

血液檢驗分析儀仰賴正確準備的樣本與檢驗設定。經離心處理的血液樣本是依照不同指標 (例如血紅素，膽紅素及脂肪乳指數) 評級，及依照濁度與血漿顏色評定品質分數。依照架上樣本的裝載方式與方向顯示的外觀，所有上述指標可能會有所不同。品質評估攸關高度自動化實驗室工作流程的健全度，而血液分離和標籤與管蓋存在與否，都是品質評估時的重要因素。也由於基於判別的因素眾多，通常要以人工進行這項檢測。

深度學習影像分析 可根據經離心處理的血液是否有效分離成明顯的液相 (血漿，白血球層及紅血球)將影像分類，並依照處理時所用的標準將樣本分類。 康耐視深度學習分類工具可透過類別各異且加上註釋的影像進行訓練，直到成功概念化並歸納出不同液相的正常外觀為止。在運作期間，康耐視深度學習可分類單一小瓶內多種類別的影像，將如血漿顏色與濁度，白血球層體積及離心處理狀態等血液品質因素分類至獨特類別，同時忽略管蓋狀態與標籤存在與否等不相關的品質。依照類別，其區分合格樣本與不合格樣本。此資訊亦能提供有關抽取和再次離心處理樣本的實用流程控制資訊。