4. 染色法的其他優勢：通過改良S染色法，還可區分活體白細胞與死體白細胞，而尿液中白細胞的死活可為臨床尿路感染提供依據。染色法的一個特點是白細胞的活細胞往往不被染色液染色，而死亡的白細胞可被染色液染色。USCANNER（E）全自動尿有形成分分析儀應用改良S染色法進行分析時，也可自動區分尿液白細胞的死活，可有效作為女性急性尿路感染的診斷依據（圖5）。此染色法還可發現疑似的尿路異型上皮細胞（圖6），這不僅是尿沉渣檢測儀器的一大進展，更重要的是得益于采用染色法原理的尿有形成分分析儀。
5. 儀器其他性能參數：（1）檢測速度：100樣本／1小時。（2）樣本量：樣本用量112.5μL（但試管內尿液量至少1mL），染色液添加約37.5μL。（3）儀器屏幕上可提供多幅鏡下染色的全視野彩色圖像（圖7），任意一幅圖像都可放大查看。（4）配套試劑：染色液，每包裝含600人份。（5）USCANNER專用清洗液，每包裝5L。（6）配套質控品，QUSC-700，USCANNER專用質量管理用品（5mL×6只）。（7）可以通過橋接方式與尿液干化學分析儀銜接，形成流水線系統。目前在日本是與西門子全自動尿液分析儀連接，形成檢測流水線系統（圖8）。
圖7. 儀器屏幕顯示
圖8. 尿流水線檢測系統
二、Mejer-1800染色法尿液有形成分分析儀
此款儀器是中國深圳市美僑醫療科技有限公司于2018年推出的一款染色法尿液有形成分分析儀器，有可能是國內最早生產靜止型影像拍攝圖像結合染色法的一款尿液分析儀器。該儀器首先使用SM染色法對樣本進行染色，然后再采用高清像素彩色相機拍攝彩色圖像，結合人工智能技術和深度學習技術，對尿液中的有形成分進行細致分析，將彩色圖像和檢測結果提供給用戶。
1. 檢測原理：應用形態學、模式識別（SVM）、AI（人工智能）深度學習、色度學四種軟件識別技術，對尿液中的有形成分進行細致分析和計數（圖9）。因為采用視覺成像技術，在圖像處理過程中對目標成分進行聚焦、對目標細胞坐標區域進行定位、目標區域分割、圖像識別等，都是依據細胞圖像輪廓、形態、色彩、紋理、平均灰度、圓形度、寬高比、平均投影、粗糙度、最大面積等諸多參數進行運算和處理。因為引入了染色技術，在圖像識別中特別增加了色彩的分析與判別，為形態學分析增加一個變量。
圖9.檢測原理示意圖
2. 處理分析管型的技術要點：（1）對拍攝的原始彩色尿沉渣圖像采用色彩遷移法進行線性變換，降低不同樣本間原始圖像的背景色彩差異，最大化縮小同類別管型所含顏色的整體跨度，使同類別管型數據分布更加聚集；（2）采用形態學組合算法對色彩遷移后的圖像進行管型分割，初步篩選后得到管型候選子圖像；（3）對管型候選子圖像做旋轉、泊松融合等處理合成標準輸入圖像，并做歸一化處理；（4）將歸一化后的圖像數據輸入殘差神經網絡。
3. 檢測流程：（1）將樣本混合均勻后，吸取一定量的標本。（2）取樣針吸取標本后先將標本滴入專用染色板內進行染色。染色板是內含SM染色劑的盒裝96孔染色板，每孔內含一定量的染色液，僅可對一個尿液樣本進行SM染色。（3）標本染色后，取樣針吸取一定量的標本，通過樣本注入區充入到16孔的一次性計數版內（圖10），排氣孔用于排出板內氣體，可使標本充板均勻，不產生氣泡。該16孔計數板的獨特處是一批次最多可充入16個樣本。（4）將計數板自動推入到顯微鏡下，經過一定時間的自然沉淀，使得有形成分盡可能沉淀下來，沉淀時間越長則效果越好。（5）首先采用低倍鏡掃描計數區，對較大目標（如上皮細胞，管型）進行拍攝、識別、分類和計數，對較小目標進行定位。如果尿液中有形成分濃度達到閾值后，儀器可運行自動稀釋模式，從新充入計數板，再沉淀，以達到準確識別和計數的目的。（6）自動轉換至高倍鏡，對較小的定位目標進行拍攝、識別、分類和計數。
圖10. 16孔一次性計數板
4. 染色方法：該儀器采用經典的Sternheimer-Malbin（S-M）染色法，該染色方法在尿液檢驗中已經使用多年。尿液中的有形成分經兩種染料染色后，使得其形態和內部結構清晰，特別是對白細胞、各類管型的識別更加易于識別辨認。該儀器所用的染色液是預先貯藏于專用的96孔染色板內，每板可進行96個尿液樣本的染色檢查（圖11）。S-M染色液的主要成分為龍膽紫和沙黃，經過研究和改進，精心配置及過濾，適用于本自動化設備的染色應用。
圖11. 配套染色板
尿有形成分的圖像拍攝前先對尿液進行染色，整體染色前后對比效果較明顯。由于尿沉渣中不同類別細胞自身的生理特性，染液中的色素會不同程度的附著在細胞表面，形成的輪廓邊緣更加清晰，對比度更高。同時不同類別的細胞在色彩上也呈現出較大的差異，區分度更高。經過染色后整體圖像對比度增強，細胞邊緣更加清晰，提高了聚焦的精度和識別的準確度。
尿中主要有形成分染色特點如下：①白細胞：嗜中性粒細胞染成紫色，細胞核染紫紅色（圖12）；②紅細胞基本不著色或淡紫色（圖13）；③管型：透明管型染成淡紅色或淺玫瑰色，顆粒管型染成淡紫色或者紫藍色（圖14），細胞管型染深紫色，蠟樣管型染紅紫色-深紫色；④上皮細胞：核染紫色-深紫色，胞質染桃紅色-淡紫色，脂肪管型中的脂肪滴不著色；⑤細菌和真菌：存活及有活力的細菌染成粉紅色，死亡的細菌染成深紫色，酵母樣真菌不著色或淡紫色；⑥結晶不著色（圖15）。
但是不同病人的尿液樣本之間可因酸堿度、比重、顏色、粘稠度、細胞存活與死亡等多種因素影響，存在一定的差異，導致樣本染色后的圖像色差較大，不同尿液樣本中同類別的細胞呈現出的顏色跨度過大，導致不同類別的細胞之間色彩交叉重疊變大，使后期模型分類器在訓練時出現無法收斂，或者過擬合現象。為了解決該問題，在預處理中使用色彩遷移算法對原始彩色圖像進行線性變換，降低了不同樣本間圖像的背景色彩差異，縮小了整體色彩跨度，使同類別的細胞數據分布更加聚集，相似度更高，提高了模型訓練的收斂速度和分類精度。