自動化血細胞形態(tài)學分析及分類關(guān)鍵技術(shù)研究.pdf

1、自動化血細胞的形態(tài)學分析與識別，已經(jīng)成為臨床診斷、病理分析以及治療的重要手段。它可以幫助血液學家診斷疾病，如白血病和血液癌癥等。白細胞識別的傳統(tǒng)方法是抽取人體血液，經(jīng)染色制成血涂片，由醫(yī)學專家在顯微鏡下對白細胞進行形態(tài)學分析和分類，依據(jù)分析和分類的結(jié)果判斷疾病。這種傳統(tǒng)的鏡檢方法效率比較低，對醫(yī)學專家的要求比較高，識別結(jié)果依賴人的主觀判斷，在臨床血液病診斷上，存在很大的局限性。開發(fā)一個自動化血細胞形態(tài)學分析和識別系統(tǒng)，利用計算機對白細胞

2、進行自動化形態(tài)學分析和分類，在臨床醫(yī)學中具有廣闊的應(yīng)用前景。
　　依靠圖像處理和模式識別技術(shù)，對白細胞進行形態(tài)學分析及識別的研究比較多，但目前在市場上，尚沒有自動化血細胞形態(tài)學分析與識別儀器應(yīng)用于臨床試驗。這是由于目前存在的白細胞分割或識別算法存在很多的不足。諸如不能很好的解決復雜的白細胞粘連問題，白細胞分割和識別精度低或算法魯棒性尚不能滿意等。本文針對以上問題，提出了一種自動化血細胞形態(tài)學分析和識別的算法，旨在開發(fā)出一套血細胞自

3、動化識別系統(tǒng)。
　　本文對血細胞樣本圖像進行形態(tài)學分析及分類的處理，主要包括四個大的方面:細胞庫的建立，白細胞的分割，特征提取，白細胞識別。
　　因人體質(zhì)、人年齡、疾病種類、光照、染色條件及采集硬件設(shè)備等的不同，細胞樣本圖像的質(zhì)量也不盡相同。本文控制光強條件，疾病種類（正常外周血，M3患者，M5患者），采集多于10人的血細胞圖像建立細胞樣本庫。
　　本文采用兩種方法對白細胞進行分割，一種是控制光照強度范圍基于顏色空間與

4、數(shù)學運算的白細胞分割方法，另一種是不受光照強度影響基于Mean shift聚類和自適應(yīng)閾值分割技術(shù)的白細胞分割方法，同時本文采用了一種改進的分水嶺變換方法分割復雜的粘連白細胞。
　　本文從形態(tài)、顏色及紋理等方面選取特征參數(shù)來表征白細胞，本著數(shù)量少，可靠，獨立和可區(qū)分的特征提取原則將特征參數(shù)送入分類器對白細胞進行識別。
　　白細胞分類是一個多分類問題。本文分析多種分類器算法如隨機森林、K-近鄰、BP神經(jīng)網(wǎng)絡(luò)等的性能優(yōu)缺點，選擇