處理小細胞（如PBMC、原代神經元）漏計的問題，核心在于調整其基于深度學習的圖像識別參數，有時也需要更換更合適的檢測方法。

PBMC等細胞的直徑通常只有5-7微米，很容易被儀器誤判為碎片。下面的方案可以幫助您逐一排查，解決這個問題。

一、快速檢修路徑

您可以根據當前情況，選擇適合的路徑進行排查：

1、調整參數 

如果您剛完成計數并發現漏計，可以直接在結果界面點擊 Gating 進行調整。

2、優化樣本 (日常)

為了從源頭上減少漏判，請檢查并優化細胞制備的每一個環節。

3、更換染料 (推薦)

如果臺盼藍結果一直不理想，可以嘗試切換到熒光染色（如AO/PI），它能獲得更精確的結果。

4、檢查維護 (備選)

如果以上方法都無效，則需要檢查儀器的硬件清潔和軟件狀態。

二、方案A：優化圖像識別參數（Gating）

這是解決漏計問題最直接有效的方法。Countess 3的AI計數依賴于預設的參數門限（Gating），優化這些參數能讓儀器更精準地識別小細胞。

1、進入Gating界面：完成一次計數后，在結果（Results）屏幕上，點擊 Gating 按鈕。

2、調整參數滑塊：

（1）門限（起始點）：考慮到小細胞的特征，一個有效的起點是將尺寸（Size）、亮度（Brightness）和圓形度（Circularity） 的門限范圍調整到最大。對于Countess 3而言，這意味著將Size的上限滑塊拖動到最大值，例如70；將Brightness的上限滑塊拖動到255。這能確保捕獲所有細胞。

（2）活細胞/死細胞分別設門：軟件允許分別為活細胞和死細胞設置門限。確保它們的參數都已調整，特別是Size和Brightness的范圍要足夠寬，以包含所有待計數的對象。

（3）微調與觀察：調整后，觀察屏幕上細胞的圈選情況是否有改善。您可以根據實際情況，再逐步縮小范圍以排除非細胞信號。

3、保存為模板：參數優化完畢后，一定要將其保存為一個新的自定義模板（Protocol）。這樣，下次處理同類樣本時就可以直接調用，確保結果的一致性和重復性。

三、方案B：改善樣本制備

高質量的樣本是獲得準確計數的基礎。

1、樣本純化：小細胞容易被碎片信號掩蓋。在計數前，盡量去除細胞懸液中的雜質（如細胞碎片）。可以使用密度梯度離心法等手段提純樣本。

2、確保單細胞懸液：成團的細胞會增加識別難度，導致計數偏低。務必通過輕柔吹打等方法確保細胞分散均勻，形成單細胞懸液。

四、方案C：切換到熒光檢測模式 (AO/PI雙染法)

1、如果反復調整參數后，臺盼藍染色的效果仍不理想，強烈建議您使用 Countess 3 FL 型號的熒光檢測功能。

2、熒光染色（如AO/PI法）對細胞的識別是基于DNA染色的，不易受細胞膜輕微變化或碎片干擾，因此特異性和準確性遠高于臺盼藍，對PBMC這類小細胞尤其適用。有數據顯示，Countess 3 FL能有效完成對小鼠PBMC（可小至5μm）的熒光計數。

五、其他干擾因素

如果以上方法都未能解決問題，可以檢查以下外部因素：

1、細胞濃度和焦距：確保細胞濃度在1×10? 到 1×10?個細胞/毫升的范圍內，并使用自動或手動對焦功能，確保畫面中的細胞邊緣清晰。

2、清潔與校準：定期清潔儀器的鏡頭和載物臺；在操作前檢查是否已安裝新的軟件版本