白細(xì)胞圖像的特征提取與分類(lèi)算法研究.pdf

1、眾所周知,血液中各類(lèi)白細(xì)胞的數(shù)量和百分比對(duì)于醫(yī)學(xué)疾病診斷具有很大參考價(jià)值,因此研究白細(xì)胞的分類(lèi)計(jì)數(shù)具有重要的應(yīng)用價(jià)值.由于同類(lèi)白細(xì)胞形態(tài)變化大,使得白細(xì)胞分類(lèi)技術(shù)成為一項(xiàng)極具挑戰(zhàn)性的任務(wù).
　　鑒于此,本文針對(duì)白細(xì)胞的分類(lèi)問(wèn)題展開(kāi)深入地研究和討論,提出了基于定位的白細(xì)胞分割算法,基于分層方法的白細(xì)胞五分類(lèi)算法和基于卷積神經(jīng)網(wǎng)絡(luò)的白細(xì)胞五分類(lèi)算法.具體研究?jī)?nèi)容概括如下:
　　1.針對(duì)傳統(tǒng)的閾值分割算法Ostu的分割局限性,即當(dāng)

2、直方圖的波峰波谷不明顯時(shí),信噪比較低時(shí),圖像分割效果相對(duì)較差的問(wèn)題,結(jié)合白細(xì)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(xì)胞核的信息及形態(tài)學(xué)操作對(duì)白細(xì)胞進(jìn)行定位,標(biāo)出白細(xì)胞所在的大致區(qū)域,其次在該區(qū)域運(yùn)用Ostu算法分割細(xì)胞核,減少圖片背景中其他因素對(duì)分割帶來(lái)的干擾.最后利用定位信息代替Grabcut算法所需的人工交互對(duì)細(xì)胞質(zhì)進(jìn)行分割.實(shí)驗(yàn)表明,本算法在CellaVison數(shù)據(jù)庫(kù)上有較好的分割效果.
　　2.

3、針對(duì)五類(lèi)白細(xì)胞分類(lèi)問(wèn)題,在已分割好的細(xì)胞圖片基礎(chǔ)上結(jié)合五類(lèi)白細(xì)胞的具體特征,提出基于分層思想的分類(lèi)算法.該算法首先提取白細(xì)胞中細(xì)胞核的分葉特征和圓形度特征,對(duì)該類(lèi)特征明顯的細(xì)胞先進(jìn)行篩選；而對(duì)該類(lèi)特征不明顯的細(xì)胞,提取對(duì)偶旋轉(zhuǎn)不變共生局部二進(jìn)制(PRICoLBP)紋理特征作為判定標(biāo)準(zhǔn),將它們分為顆粒細(xì)胞與無(wú)顆粒細(xì)胞；然后對(duì)顆粒細(xì)胞,利用PRICoLBP紋理特征區(qū)分出嗜堿性粒細(xì)胞、嗜酸性粒細(xì)胞和中性粒細(xì)胞；而對(duì)無(wú)顆粒細(xì)胞,則用圓度核質(zhì)比區(qū)

4、分出淋巴細(xì)胞和單核細(xì)胞.實(shí)驗(yàn)表明,本文所提的方法比已有的分層方法在總體識(shí)別率上提高了十幾個(gè)百分點(diǎn),并且各類(lèi)細(xì)胞的分類(lèi)精度都有所提高.
　　3.針對(duì)顯微鏡圖片,基于檢測(cè)和深度學(xué)習(xí)原理提出一套白細(xì)胞自動(dòng)檢測(cè)和分類(lèi)算法.該算法首先利用簡(jiǎn)單的顏色信息以及形態(tài)學(xué)操作將白細(xì)胞從顯微鏡圖片中分離出來(lái).其次利用顆粒特征（PRICoLBP紋理特征）以及支持向量機(jī)區(qū)分顆粒細(xì)胞（嗜酸性粒細(xì)胞和嗜堿性粒細(xì)胞）與非顆粒細(xì)胞.最后利用卷積神經(jīng)網(wǎng)絡(luò)自動(dòng)提取一些