血細胞圖像白細胞的自動檢測與識別.pdf

1、白細胞是人體免疫系統(tǒng)的重要組成部分，當人體出現(xiàn)疾病時，血液中的各類白細胞的數(shù)目會發(fā)生變化。通過分析血液中各種白細胞的數(shù)目及所占比例，可以幫助醫(yī)生對疾病進行診斷，因而對血細胞圖像中的白細胞進行分類計數(shù)具有重要的意義。血細胞圖像白細胞的檢測與識別分為白細胞的定位分割、特征提取與選擇和白細胞分類計數(shù)三個步驟。
　　在白細胞的定位分割部分，首先采用基于RGB空間分量的方法進行白細胞的定位，并取得了較高的定位準確率。然后利用RGB空間分量組

2、合與Otsu方法分割出白細胞核。本文使用活動基模型進行白細胞漿的分割，針對原始活動基模型在白細胞檢測中的偏移問題，提出局部邊緣模型的改進訓練方案。針對使用活動基模型凸包分割白細胞時出現(xiàn)的過分割問題，提出使用離群點檢測去除散列在白細胞外輪廓之外的離群點，并得到了較好的分割效果。
　　在特征提取與選擇方面，本文首先從形態(tài)、色度和紋理三個方面對白細胞核、白細胞漿進行特征提取。根據(jù)白細胞核凸包區(qū)域的特點，本文增加對白細胞核凸包區(qū)域的形態(tài)、

3、色度和紋理特征提取，加入周長差異率、邊緣梯度積分等特征，最終一共提取100個特征。然后采用基于Fisher準則的方法對特征分類能力進行排序篩選，最終選擇出70個特征，減少特征個數(shù)。最后使用Z-Score方法對選擇的特征進行標準化。
　　在分類計數(shù)方面，本文采用支持向量機、隨機森林和K近鄰三種分類器進行白細胞的五分類，實驗結(jié)果表明三種分類器在淋巴細胞和嗜中性粒細胞的分類上都具有較高的準確率，其中支持向量機在白細胞五分類上具有最好的分