Gestión de calidad de muestras de sangre
Cognex Deep Learning analiza la sangre centrifugada para su correcta separación

Productos relacionados

Impulsado por el software para visión basado en el Deep Learning In-Sight ViDi

Entorno de programación gráfica para análisis de imágenes industriales basado en el Deep Learning
Los analizadores de muestras de sangre confían en configuraciones de pruebas y muestras preparadas con precisión. Las muestras de sangre centrifugada se califican de acuerdo con diferentes índices (p. ej. niveles del índice de hemoglobina, bilirrubina e intralípidos) y reciben puntuaciones de calidad en función de la turbidez y el color del plasma. Todos estos índices pueden variar en cuanto a su apariencia en función de cómo se cargan y orientan las muestras en las bandejas. La separación de la sangre y la presencia/ausencia de etiquetas y tapas son factores importantes en la evaluación de calidad, lo que es crucial para los flujos de trabajo sólidos en laboratorios altamente automatizados. Dado que hay demasiados factores basados en el juicio, a menudo, esta inspección recae en las personas.
El análisis de imágenes basado en el aprendizaje profundo puede establecer si la sangre centrifugada ha sido efectivamente separada en distintas fases (plasma, capa leucocitaria y glóbulos rojos) y clasificar las muestras según el criterio utilizado en el procesamiento. La herramienta de clasificación Cognex Deep Learning se entrena con imágenes seleccionadas hasta que conceptualiza y generaliza con éxito la apariencia normal de las diferentes fases de los objetos a inspeccionar. Durante la ejecución, Cognex Deep Learning clasifica múltiples clases dentro de un solo vial, extrae factores de calidad de la sangre como el color y la turbidez del plasma, el volumen de la capa leucocitaria y el estado de centrifugación en distintas clases al mismo tiempo que ignora las calidades irrelevantes como estado de la tapa y presencia de etiquetas. En función de las clases, separa las muestras aprobadas de las muestras desaprobadas. Esta información también puede proporcionar información de control de proceso útil acerca de las muestras que se extraen y se vuelven a centrifugar.