AML細(xì)胞圖像分割與識(shí)別方法研究.pdf

1、急性髓細(xì)胞性白血病(acute myeloid leukemia，AML)是一種病情惡化迅速的血液和骨髓性癌癥。在AML中，骨髓會(huì)產(chǎn)生一種過量的不成熟細(xì)胞，稱為母細(xì)胞。通常，母細(xì)胞會(huì)在骨髓中繼續(xù)發(fā)育至成熟，然后開始發(fā)揮功能。白細(xì)胞構(gòu)成人體的免疫系統(tǒng)，攻擊并摧毀入侵的細(xì)菌和病毒，紅細(xì)胞將氧氣送到全身，釋放二氧化碳以供肺呼吸。然而，過量的母細(xì)胞會(huì)導(dǎo)致這些功能都不能正常和有效地執(zhí)行。因此，為了實(shí)現(xiàn)AML的診斷，母細(xì)胞的計(jì)數(shù)成為其關(guān)鍵手段。傳統(tǒng)

2、上，母細(xì)胞的人工檢測(cè)過程不但費(fèi)時(shí)，而且極容易受到人為主觀態(tài)度和技術(shù)水平的影響。此外，AML細(xì)胞圖像本身具有種類多、形態(tài)各異、重疊性嚴(yán)重等復(fù)雜特點(diǎn)，使得診斷結(jié)果更加難以確定。基于以上分析，本文提出一種針對(duì)骨髓涂片的輔助檢測(cè)方法，研究內(nèi)容有如下幾方面:
　　首先，為了實(shí)現(xiàn)聚合、粘連區(qū)域分割的高準(zhǔn)確率，本文提出一種細(xì)胞圖像的自動(dòng)分割算法，該算法實(shí)現(xiàn)了基于空間聚類和隱馬爾可夫隨機(jī)場(chǎng)(Hidden Markov Random Field，H

3、MRF)的兩級(jí)分割理論。其中，該算法以像素點(diǎn)顏色特征為依據(jù)，在Lab色彩空間中，采用改進(jìn)的k-means聚類方法得到初始化標(biāo)簽集。通過HMRF構(gòu)建細(xì)胞圖像的空間表達(dá)模型，充分利用空間約束關(guān)系，降低孤立點(diǎn)影響，平滑分割區(qū)域。采用期望最大值(Expectation Maximization，EM)算法優(yōu)化模型參數(shù)，利用所構(gòu)建的標(biāo)號(hào)場(chǎng)和觀測(cè)場(chǎng)的相互作用，通過迭代不斷調(diào)整標(biāo)簽集合，迭代直至收斂得到全局最優(yōu)值。
　　其次，在細(xì)胞圖像的兩級(jí)分

4、割基礎(chǔ)之上，本文提取了各類細(xì)胞的多維特征參數(shù)，采用BP神經(jīng)網(wǎng)絡(luò)分類器對(duì)各類細(xì)胞進(jìn)行識(shí)別分類。神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)性能強(qiáng)，擴(kuò)展性好，本文采用三層網(wǎng)絡(luò)結(jié)構(gòu)，采用十倍交叉驗(yàn)證法對(duì)分類器進(jìn)行訓(xùn)練測(cè)試，來實(shí)現(xiàn)各類細(xì)胞的識(shí)別工作。
　　對(duì)于來自骨髓涂片的61幅顯微圖像中的約1800個(gè)細(xì)胞的實(shí)驗(yàn)表明，本輔助系統(tǒng)在細(xì)胞分割和細(xì)胞識(shí)別的準(zhǔn)確率上均大于95％，實(shí)現(xiàn)了AML疾病診斷的工作。該方法不僅僅局限于AML細(xì)胞圖像的分割與識(shí)別，對(duì)于醫(yī)學(xué)上其他疾病的診斷，