基于生物电阻抗的血型检测新方法及系统实现

陈里里， 廖 强， 胡 雪， 张国珍

（1.机械传动国家重点实验室，重庆400030； 2.重庆大学机械工程学院，重庆 400030；3.重庆医科大学附属第一医院输血科，重庆 400016）

基于生物电阻抗的血型检测新方法及系统实现

陈里里1，2， 廖 强1，2， 胡 雪3， 张国珍3

（1.机械传动国家重点实验室，重庆400030； 2.重庆大学机械工程学院，重庆 400030；3.重庆医科大学附属第一医院输血科，重庆 400016）

提出了基于生物电阻抗测量技术的血型检测新方法并研制了检测系统。该系统采用单片机结合AD9850芯片实现DDS技术产生激励信号，设计椭圆滤波器消除信号干扰；运用低成本放大器AD8370设计稳幅电路，确保信号输出幅度不变；系统采用AD8302幅相检测芯片实现阻抗信息提取；基于人工神经网络判别红细胞悬浮液凝集强度，并结合判别规则得到血型结果。测试结果表明该系统精度高，稳定性好；临床实验表明，该系统能正确识别红细胞6种不同凝集程度，能100%正确地检测出正常标本的ABO和Rh血型，可更好地满足临床需求。

计量学；生物电阻抗测量技术；神经网络；血型；红细胞悬浮液

1 引 言

为了保证临床输血安全，在输血前必须进行ABO和Rh血型的检测。目前，我国绝大多数医院和基层血站仍以手工平板法检测血型。该方法以肉眼观察结果，灵敏度低、结果保留时间短、操作难以标准化、结果可靠性受主观影响较大。近年来，我国开始进口自动化血型检测系统，这些系统按原理主要分为3种：（1）基于U型微板法［1］；（2）基于梯形微板法，如Olympus PK7200自动化分析仪［2］；（3）基于卡式微柱凝胶法，如戴安娜和强生2种全自动血型／配血检测系统［3］。前两者检测时间长，一般需1 h；后者使用凝胶卡，成本昂贵，30～50元／每样本。上述缺点限制了这些自动化血型检测系统的应用推广。寻找快速、经济、高精度、易于自动化和规范化的检测方法已成为输血医学急需解决的问题。

生物电阻抗测量技术是利用生物体组织与器官的电阻抗及其变化，获得生物体组织生理和病理相关信息的一种无损伤检测技术，在医学中已有较广泛的应用［4］。本文针对现有血型检测方法的缺点，建立起一种新方法——基于生物电阻抗测量技术和模式识别理论的红细胞ABO和Rh血型检测法，并在此基础上研制了血型检测新系统。

2 检测方法原理

用已知抗A、抗B和抗D分型血清来测定红细胞上有无相应的A、B、D抗原，即可检测出红细胞血型。当红细胞上存在某种抗原时，红细胞与相应的分型血清出现凝集反应，反之，则不出现凝集反应。临床上一般把红细胞凝集的程度由弱到强分为－（代表红细胞不凝集）、±、＋、＋＋、＋＋＋和＋＋＋＋凝集，各类凝集状态具有不同的临床意义。

当直流或低频电流施加于血液时，大部分电流将绕过血细胞，主要流经细胞外液。当施加于血液电流的频率增加，细胞膜电容的容抗减小，一部分电流将穿过细胞膜流经细胞内液。当血液中红细胞出现凝集时，细胞与细胞之间紧密连接，细胞团内细胞之间的细胞外液量可忽略不计，细胞团的体积明显大于单个细胞，会导致血液阻抗信息（幅值和相位）出现明显的变化［5］。凝集的有无和强弱程度的差别可以反映到血液阻抗信息的特征参数中去，因此可将生物电阻抗测量技术应用于血液凝集类别的判断［5］。综合判断加入3种分型血清后红细胞悬浮液的凝集类别，即可根据判别规则检测出血型。

具体方法为：首先将待测血液样品加入生理盐水中吹打混匀，配成2%红细胞悬浮液，再将其分成4份，其中3份分别加入抗A、抗B、抗D分型血清，剩下1份作为自身对照不加入任何试剂。然后，运用生物电阻抗测量技术和模式识别理论判断4份红细胞悬浮液的凝集类别，最后，综合4份红细胞悬浮液的凝集类别，根据血型判别规则表，见表1，得到血型的检测结果。

表1 ABO、Rh血型鉴定判别规则

3 系统结构与工作原理

本系统由软件和硬件模块组成，结构见图1。程控信号发生器在软件模块的控制下产生激励电压，通过稳幅电路保证在频率变化的情况下幅值不变。电压信号分为两路，一路信号输入幅相检测单元，另一路信号通过恒流源电路转换为激励电流，由激励电极流入样品。激励电流经样品后，通过测量电极获取电压信号。电压信号经过调理电路处理后，通过幅相检测单元、模数转换电路、单片机得到红细胞悬浮液的阻抗信息，然后软件模块的采集单元通过RS232接口将阻抗信息采集到计算机上显示、存储、处理，最后由血型识别单元根据得到的阻抗信息，识别出红细胞悬浮液的状态，结合判别规则检测出血型。

图1 系统总体结构图

4 激励信号的产生与阻抗信息提取

4.1 激励信号产生方法的研究

本系统采用单片机＋AD9850（高集成度频率合成芯片）的方式实现DDS技术，产生激励信号。

图2 激励信号产生原理

激励信号的产生原理见图2。单片机首先将软件模块传递过来的频率设定值fc转换为频率控制字A，A输入U3相位累加器产生相位地址输出数据B，U2译码器根据输入的数据B，产生相位取样地址C。U1是1个容量16字节、一维排列的8位波形存储器，U1的16个字节依次存放了完整的1个周期正弦波的量化数值n1－n16，n1－n16波形数据称作正弦查找表，1个C值对应着正弦波的1个相位。当C值中某一位的电平为0时（同一时刻C值只能有一位为0电平），其对应的波形存储器的存储值n将转换为8位输出值D。U4是1个高速数模转换器，在基准时钟的驱动下，每1个时钟周期就把输入的D值转换为对应的模拟信号。

式中，N＝4。本系统中，激励信号的工作频率f0范围为0～20 MHz。

系统采用椭圆滤波器来消除DDS技术产生的干扰波，以低成本放大器AD8370为核心，设计稳幅电路，采用电流反馈放大器AD844为主芯片设计了恒流源电路，完成电压—电流转换。

4.2 阻抗信息提取方法的研究

本文以AD8302幅相检测芯片为核心实现阻抗提取。AD8302的两路输入信号为源信号VINPA和过红细胞悬浮液组织信号VINPB。AD8302将两路输入信号的幅度比和相位差转化为两路电压输出，理论值分别为VMAG和VPHS，转化的数学方程式为

产生的激励信号的频率f0由基准时钟fi和频率控制字M确定

式中，K1、K2为比例系数。

AD8302的两路输出电压经过模数转换输入单片机。单片机按照式（4）、（5）编写程序可完成对红细胞悬浮液幅值Z和相位Qz-s的提取。Rs为定值参比电阻。

5 基于人工神经网络的红细胞悬浮液分类方法

实现阻抗检测血型的关键是正确判断加入分型血清后红细胞悬浮液的凝集程度。

5.1 特征参数的提取

制备6种凝集状态的红细胞悬浮液，每种10例共60例。应用本系统在50 kHz～16MHz的扫频范围下进行阻抗信息采集，检测每份样品的阻抗幅值与相位。本文分别提取阻抗幅值和相位数据的算术平均值、中位数、平均微分值、方差、最小值、最大值进行统计学分析。

为判断12个参数是否能区分6类红细胞悬浮液，本研究根据参数的数据类型及分布特点选用多种统计学方法进行分析。以阻抗幅值的算术平均值为例，具体分析步骤为：（1）取800～1 500 kHz段阻抗幅值，提取算术平均值；（2）以SPSS14.0行方差齐性检验，F值为0.687，P值为0.635＞0.05，方差齐；（3）行多个独立样本均数比较的方差分析，从总体上分析6类之间有无差别。P＜0.01，6类之间差别有统计学意义；（4）进行6类间多重比较，所列30个Sig值（P值）均小于0.01，各组两两比较均有显著性差异。结论：可用该参数对6类红细胞悬浮液进行区分。

根据统计学分析验证结果，本研究最后选取800～1 500 kHz段阻抗幅值算术平均值、阻抗相位中位数、阻抗幅值及相位数据的方差、平均微分值作为待测红细胞悬浮液的特征参数，即1个样本由6个特征值来描述。

5.2 红细胞悬浮液类别的识别方法研究

本文采用BP神经网络识别6类红细胞悬浮液。首先，对每类红细胞悬浮液各取20份构成训练集，训练集样品总数为120。6类红细胞悬浮液的神经网络识别模型分3层：输入层、隐含层和输出层。模型输入层神经元个数为6，输出层神经元个数为6，隐含层神经元个数为15。特征值归一化处理后，模型的输入向量范围为［－1，1］。在本研究中，隐含层神经元传递函数采用双曲正切S型函数，输出层神经元传递函数采用S型对数函数。网络训练函数采用BFGS准牛顿BP算法函数，学习函数采用的是梯度下降动量学习函数，性能函数采用的是均方误差性能函数。网络最大训练次数设置为1 000，网络的训练精度设置为0.01。训练结果表明，当网络训练达到263步时，训练停止，网络误差为0.009 7，达到目标误差，且建网和网络训练时间为16.272 s。

6 电极结构与软件模块的设计

6.1 电极结构

本文在大量的实验验证基础上，选用黄铜作为材料，采用4针电极结构，其结构见图3。其中，x1、y2为电流电极（或称工作电极）；y1、x2为电压电极（或称测量电极）。

6.2 软件模块的设计

本文的软件模块采用LabVIEW开发，在本模块中主要实现人机界面、人机对话、测量参数设置、实时数据采集、数据分析处理、血型判断、检测结果的显示以及检测数据的存储等功能。

图3 电极结构图

7 系统性能验证

本文以均匀恒定的电解质溶液作为被测对象，与Agilent4294A进行比对实验，Agilent4294A精密阻抗分析仪的阻抗检测精度为±0.08%。配制0.9%Nacl溶液，使用Agilent 4294A进行扫频测量，记录50 kHz～5 MHz范围内30个频率点的阻抗幅值和相位，作为该Nacl溶液的标准值。同一样本使用本系统在相同范围相同频率点进行扫频测量，记录阻抗幅值与相位。对两者测量结果进行误差分析，结果见图4。在测量范围内阻抗幅值相对误差小于0.71%，相位绝对误差小于0.19°。两者测量结果一致性判据采用求En值，即

式中，y1、y2为2个系统的测量结果；U1、U2分别为2个测量结果的不确定度。实验求得30个频率点阻抗幅值与相位的En值均小于1，一致性满意。

为了验证本系统的重复性，本文以0.9%Nacl溶液作为被测对象，在相同的时间间隔内，选择5个频率点进行多次测量。使用变异系数CV（coefficient of variation，CV＝标准差／平均值）来反映同一被测对象多次检测的重复性，结果见表2，CV值均小于0.5%，表明系统具有较好的重复性。为了验证本系统的稳定性，本文仍以0.9%Nacl溶液作为被测对象，选择5个频率点，记录一段时间内测量结果的变化情况。实际使用时检测时间较短，所以实验时间每次持续1 min，每间隔5 s记录1个点，结果见表3。由表3可见，本系统检测结果随时间恒定的能力较好。

图4 测量结果误差分析

表2 系统重复性测试数据

表3 稳定性实验结果

8 临床实验与结果分析

如前所述，正确判断红细胞凝集程度是正确判断血型的基础和关键，因此临床实验分两部分，首先验证新方法是否能正确区分6类红细胞凝集程度，再通过与美国强生全自动血型／配血系统比较，验证其是否能正确判断血型。

8.1 红细胞悬浮液类别检测的对比实验

8.1.1 6类红细胞悬浮液样品制备

以制备标准抗A血清为例（抗D，抗B类同），将抗A分型血清以生理盐水作系列倍比稀释，形成梯度浓度的16管抗体血清。吸取各浓度血清40 μL分别加入16孔戴安娜IgG卡式凝胶柱内，再向每孔加入2%A型Rh阳性红细胞悬浮液30μL。孵育15 min后，3 000转／min离心10 min。按照戴安娜凝胶柱检测标准，选取凝集强度为－、±、＋、＋＋、＋＋＋、＋＋＋＋共6种浓度的抗体血清作为标准抗体血清。

取试管6支，分别加入5%A型红细胞悬浮液2 mL，再分别加入6种标准抗体血清0.3 mL，震荡混匀30 s，静置反应2 min即为6类红细胞悬浮液样品。

8.1.2 样本检测

震荡混匀样本30 s，在反应2 min时使用本系统对样品进行阻抗信息采集，获取样品的阻抗幅值与相位。在使用本系统试验时，扫频范围设置为50 kHz～16 MHz。不同凝集强度下，红细胞悬浮液阻抗幅值与频率的关系曲线见图5，阻抗相位与频率的关系曲线见图6。

图5 阻抗幅值与频率的关系曲线

图6 阻抗相位与频率的关系曲线

8.1.3 红细胞凝集强度判断结果的对比分析

本系统配合戴安娜凝胶柱检测系统进行了对比性实验。取6种类别的红细胞悬浮液，每种10例共60例，每种类别以本系统测定5例，戴安娜凝胶柱检测系统测定5例，识别结果见表4。将表4数据作行为有序变量，列为无序变量的R×C表数据秩和检验，Sig值（P值）＞0.1，两组间构成比无差异。关联性分析结果表明，本系统与戴安娜凝胶柱检测系统结果一致，能够正确判断6种红细胞悬浮液的状态。

表4 红细胞悬浮液凝集程度判断结果对比分析

8.2 血型检测的对比实验

将本系统与美国强生全自动血型／配血系统进行对比实验。选取临床血液标本90例，先用强生全自动血型／配血系统鉴定血型，同一标本再用本系统鉴定血型，二者的对比检测结果见表5。由表5可见，本系统能100%地对ABO和Rh血型进行正确判读。因检测原理不同，本系统试剂成本仅为强生的1／20～1／30。

表5 两种血型自动识别系统对多种血型的判读结果比对

9 结 论

针对血型现有检测方法的缺点，本文提出了一种全新的基于生物电阻抗测量技术的快速、高精度、经济的血型检测方法，并在新方法的基础上研制了新型检测系统。本方法能够简单、经济地产生稳定、可靠的激励信号，有效地提取阻抗信息。提取的特征参数和构建的识别模型能够正确判断6种红细胞悬浮液的类别。与国外同类仪器进行对比试验表明，本系统具有较好的检测重复性、准确性和灵敏度，以及较强的抗干扰能力，能够达到与国外同类仪器相似的检测效果，并且因检测原理不同，检测成本只有国外同类仪器的1／20～1／30。

［1］ Sandler S G，Langeberg A，Avery N，et al.A fully automated blood typing system for hospital transfusion services［J］.Transfusion，2000，40（2）：201－207.

［2］ Ferraz A，Carvalho V，Soares F.Development of a human blood type detection automatic system［J］.Procedia Engineering，2010，5：496－499.

［3］ Dada A，Beck D，Schmitz G.Automation and Data Processing in Blood Banking Using the Ortho AutoVue® Innova System［J］.Transfusion Medicine Hemotherapy，2007，34（5）：341-346.

［4］ 董秀珍.生物电阻抗技术研究进展［J］.中国医学物理学杂志，2004，21（6）：311－320.

［5］ BaskurtO K，Uyuklu M，Meiselman H J.Time course of electrical impedance during red blood cell aggregation in a glass tube：comparison with light transmittance［J］.IEEE Trans Biomed Eng，2010，57（4）：969－978.

New Method for Blood Type Detection Based on Bioelectrical Im pedance Analysis Technology and its System Imp lementation

CHEN Li-li1，2， LIAO Qiang1，2， HU Xue3， ZHANG Guo-zheng3
（1.State Key Lab of Mechanical Transmission，Chongqing 400030，China；
2.College of Mechanical Engineering，Chongqing University，Chongqing 400030，China；
3.Blood Transfusion Department，the First Affiliated Hospital of Chongqing Medical University，Chongqing 400016，China）

A new method for blood type detection and a new automated blood typing system are developed.In the system，the combined use of the AD9850 chip and MCU are employed to realize the DDS technique and produce excitation signal.Then an elliptic filter is designed to eliminate the signal interference，and an amp litude stabilized circuit is designed to stabilize the amp litude of the signal output by using an AD8370 chip，which is a low-cost variable gain amp lifier.The amplitude and phasemeasurement chip AD8302 is adopted to extract the impedance information.Based on neural network recognitionmodel，a new method is designed to determine the degree of agglutination in red blood cell suspension.The use of thismethod combined with the discriminant rule could successfully identify the blood type.Contrastive test is carried out and the new system showed highmeasurementaccuracy and good stability.This system could better distinguish the different intensity of agglutination in red blood cell，and identified ABO and Rh blood type correctly in normal samples.The selfdeveloped new automated blood typing system is in better agreementwith clinical requirements.

Metrology；Bioelectrical impedance analysis technology；Neural networks；Blood type；Red blood cell suspension

TB99

A

1000-1158（2014）04-0403-06

10．3969／j．issn．1000-1158．2014．04．21

2011-12-01；

2013-03-14

重庆市自然科学基金（CSTC2006BB3176）；重庆市卫生局科研项目（2010-2-086）；重庆大学“211工程”三期创新人才培养计划（S-09106）

陈里里（1981－），男，重庆人，重庆大学博士，研究方向为医学信号处理与医疗仪器研发。clili522＠163.com