赵天赐，李建英，连荷清，刘丹，王庚，王欣，李柏蕤，吴卫（.中国医学科学院北京协和医院检验科，北京 00730；.北京小蝇科技有限责任公司，北京 00084）

血液分析仪作为外周血常规检测仪器，可以对血细胞进行自动分析，生成包括细胞计数与分类、细胞散点图/直方图、报警信息和可供参考的研究参数等结果。在日常血常规审核工作中，如果能够第一时间从细胞散点图/直方图中发现问题，将极大程度节省结果分析、审核时间，提高工作效率，减少漏检［1-2］。

准确判断细胞散点图/直方图是否正确是全血细胞分析初筛过程中的关键步骤。虽然血细胞分析仪提供了大量散点图相关的报警信息［3-6］，但在实际工作中，若完全依赖于仪器提供的报警信息，由于仪器内部报警阈值或其他因素的影响，有时会出现误报、漏报的情况，对最终的判断带来一定的不确定性。

为了能够在实际工作中给检验工作者提供准确、全面的白细胞散点图判断结果作为参考，本研究设计了一个深度学习模型，用于识别和判断血细胞分析仪中白细胞分类（white blood cell difference，WDF）通道散点图是否异常。该模型将散点图作为输入，输出散点图正常或者异常的判断结果。该模型基于卷积自编码器算法［7-9］进行特征提取，采用pytorch框架进行训练，同时加入先验知识算法形成双重验证机制，使模型能够精确识别出异常散点图，为检验技师提供更有价值的参考，减少漏检。

1 材料与方法

1.1 样本选择

1.1.1 模型建立与验证样本选择 选取北京协和医院检验科2020年5月至8月门诊及住院患者的EDTA-K2抗凝血常规样本32 729例，提取其WDF通道散点图，其中首诊样本约占70%，复诊样本约占30%。……