白細胞圖像的特征提取與分類算法研究.pdf

1、眾所周知,血液中各類白細胞的數(shù)量和百分比對于醫(yī)學疾病診斷具有很大參考價值,因此研究白細胞的分類計數(shù)具有重要的應用價值.由于同類白細胞形態(tài)變化大,使得白細胞分類技術成為一項極具挑戰(zhàn)性的任務.
　　鑒于此,本文針對白細胞的分類問題展開深入地研究和討論,提出了基于定位的白細胞分割算法,基于分層方法的白細胞五分類算法和基于卷積神經(jīng)網(wǎng)絡的白細胞五分類算法.具體研究內(nèi)容概括如下:
　　1.針對傳統(tǒng)的閾值分割算法Ostu的分割局限性,即當

2、直方圖的波峰波谷不明顯時,信噪比較低時,圖像分割效果相對較差的問題,結合白細胞在背景圖片中的特性,提出了一種基于定位的分割算法.該算法首先利用細胞核的信息及形態(tài)學操作對白細胞進行定位,標出白細胞所在的大致區(qū)域,其次在該區(qū)域運用Ostu算法分割細胞核,減少圖片背景中其他因素對分割帶來的干擾.最后利用定位信息代替Grabcut算法所需的人工交互對細胞質(zhì)進行分割.實驗表明,本算法在CellaVison數(shù)據(jù)庫上有較好的分割效果.
　　2.

3、針對五類白細胞分類問題,在已分割好的細胞圖片基礎上結合五類白細胞的具體特征,提出基于分層思想的分類算法.該算法首先提取白細胞中細胞核的分葉特征和圓形度特征,對該類特征明顯的細胞先進行篩選；而對該類特征不明顯的細胞,提取對偶旋轉(zhuǎn)不變共生局部二進制(PRICoLBP)紋理特征作為判定標準,將它們分為顆粒細胞與無顆粒細胞；然后對顆粒細胞,利用PRICoLBP紋理特征區(qū)分出嗜堿性粒細胞、嗜酸性粒細胞和中性粒細胞；而對無顆粒細胞,則用圓度核質(zhì)比區(qū)

4、分出淋巴細胞和單核細胞.實驗表明,本文所提的方法比已有的分層方法在總體識別率上提高了十幾個百分點,并且各類細胞的分類精度都有所提高.
　　3.針對顯微鏡圖片,基于檢測和深度學習原理提出一套白細胞自動檢測和分類算法.該算法首先利用簡單的顏色信息以及形態(tài)學操作將白細胞從顯微鏡圖片中分離出來.其次利用顆粒特征（PRICoLBP紋理特征）以及支持向量機區(qū)分顆粒細胞（嗜酸性粒細胞和嗜堿性粒細胞）與非顆粒細胞.最后利用卷積神經(jīng)網(wǎng)絡自動提取一些