自學(xué)習(xí)的白細(xì)胞圖像分割算法研究.pdf

1、白細(xì)胞圖像分割是實(shí)現(xiàn)白細(xì)胞分類計數(shù)的關(guān)鍵步驟，可以為臨床診療和病理學(xué)研究提供精確的定量分析結(jié)果，具有十分重要的理論意義和實(shí)用價值。對于不同的白細(xì)胞圖像，不僅其成像環(huán)境和染色條件是不一致的，外周血樣本也是來自不同的個體的，這種差異稱作異源性?，F(xiàn)有的有監(jiān)督學(xué)習(xí)與無監(jiān)督學(xué)習(xí)方法只解決了同源的白細(xì)胞圖像分割問題，對異源的白細(xì)胞圖像的適應(yīng)性不強(qiáng)。
　　為了提高對具有異源性的快速染色的白細(xì)胞圖像的魯棒性，論文結(jié)合無監(jiān)督學(xué)習(xí)無需訓(xùn)練樣本與有監(jiān)督

2、學(xué)習(xí)對同源樣本具有高預(yù)測精度的優(yōu)點(diǎn)，提出了自學(xué)習(xí)的白細(xì)胞分割算法。論文的主要研究工作可歸納為以下幾個方面：
　　首先，在現(xiàn)有自底向上和自頂向下的視覺注意模型的研究基礎(chǔ)上，提出了一種自學(xué)習(xí)的自底向上與自頂向下的白細(xì)胞檢測模型。通過引入一種經(jīng)典的自底向上顯著圖，介紹了一種自底向上的背景抑制方法，獲取了所有可能包含白細(xì)胞粘連和干擾的注意窗口。為了得到更精確的白細(xì)胞注意窗口，還介紹了一種自學(xué)習(xí)的自頂向下的干擾抑制方法。利用無監(jiān)督的顯著目標(biāo)

3、分割結(jié)果作為有監(jiān)督學(xué)習(xí)的輸入，通過學(xué)習(xí)得到了自頂向下的顯著圖，進(jìn)而實(shí)現(xiàn)白細(xì)胞的精確定位。在具有復(fù)雜場景的快速染色的白細(xì)胞圖像上的實(shí)驗(yàn)結(jié)果表明，自學(xué)習(xí)的自頂向下的細(xì)胞檢測模型有效提高了細(xì)胞定位的精度。
　　接著，提出了一種無監(jiān)督的白細(xì)胞粗分割方法。無監(jiān)督的白細(xì)胞粗分割方法僅利用細(xì)胞呈類圓形的目標(biāo)先驗(yàn)，通過顏色聚類和凹點(diǎn)配對分割，逐步排除背景與粘連干擾，有效保留了完整的白細(xì)胞區(qū)域的弱邊緣信息。與現(xiàn)有的基于無監(jiān)督學(xué)習(xí)的分割方法為追求分割

4、精度而利用大量的白細(xì)胞知識不同，無監(jiān)督的白細(xì)胞粗分割方法僅利用了最少的目標(biāo)知識約束，因而提高了算法對異源的白細(xì)胞圖像分割的魯棒性。
　　最后，提出了一種自學(xué)習(xí)的白細(xì)胞精分割方法。該方法將無監(jiān)督的白細(xì)胞粗分割結(jié)果作為訓(xùn)練樣本標(biāo)記，通過具有可分性的顏色特征提取和有效的整群抽樣策略，實(shí)現(xiàn)了快速、有效的有監(jiān)督學(xué)習(xí)，并最終利用學(xué)習(xí)到的分類模型對當(dāng)前細(xì)胞注意窗口子圖內(nèi)的所有像素分類，實(shí)現(xiàn)更精確的白細(xì)胞分割。兩種截然不同的成像和染色條件獲取的白