外周血白細(xì)胞分割和識(shí)別的算法研究.pdf

1、本文主要研究了白細(xì)胞分割和識(shí)別的相關(guān)算法.白細(xì)胞是人體免疫系統(tǒng)中重要組成部分.臨床上通過觀察不同類別白細(xì)胞的數(shù)量、所占比例及其形態(tài)變化來診斷造血系統(tǒng)疾病.因此,白細(xì)胞的檢測(cè)是血常規(guī)檢測(cè)中的一項(xiàng)重要指標(biāo).白細(xì)胞形態(tài)學(xué)自動(dòng)識(shí)別系統(tǒng)是一個(gè)用于自動(dòng)化鏡檢的系統(tǒng),即是用圖像處理和模式識(shí)別的算法實(shí)現(xiàn)白細(xì)胞分割和識(shí)別.由于白細(xì)胞種類多,并且其形態(tài)千變?nèi)f化,因此,白細(xì)胞分割和識(shí)別是一個(gè)富有挑戰(zhàn)性的問題.
　　本文基于白細(xì)胞分割和分類展開了研究和討

2、論.主要包括基于多特征非線性組合的白細(xì)胞分割算法的研究與改進(jìn)、基于白細(xì)胞定位的分割算法的研究與改進(jìn)和基于深度卷積網(wǎng)絡(luò)的白細(xì)胞分類算法的研究.具體內(nèi)容如下:
　　1.對(duì)基于多特征非線性組合的白細(xì)胞分割算法進(jìn)行了改進(jìn).由于白細(xì)胞有明確的分割邊界,我們將多個(gè)特征以非線性的方式組合,使其更適合白細(xì)胞分割.同時(shí),為了簡(jiǎn)化非線性組合參數(shù)的訓(xùn)練,我們?cè)诜蔷€性組合模型的輸出和訓(xùn)練目標(biāo)之間建立了一個(gè)中間變量,以迭代的方式逐步調(diào)整目標(biāo)變量.實(shí)驗(yàn)結(jié)果表

3、明,非線性迭代的學(xué)習(xí)方法是有效的.在對(duì)分割效果評(píng)估的過程中,我們根據(jù)中間變量,提出了一個(gè)基于邊界的F測(cè)度.相對(duì)于基于區(qū)域的F測(cè)度,該測(cè)度更適用于類似白細(xì)胞這種有明確的分割目標(biāo)的圖片.
　　2.針對(duì)紅細(xì)胞和血小板等在白細(xì)胞分割過程中的干擾,我們提出了基于白細(xì)胞定位的分割算法.即,首先定位出白細(xì)胞的位置,然后在包含白細(xì)胞的子圖上對(duì)白細(xì)胞進(jìn)行分割.對(duì)于白細(xì)胞定位,我們根據(jù)白細(xì)胞的大小選擇幾個(gè)不同尺寸的檢測(cè)窗口,然后依據(jù)檢測(cè)窗口內(nèi)部和周圍

4、像素的特征去定位白細(xì)胞.對(duì)于細(xì)胞核分割,我們提出了自適應(yīng)閾值算法,通過分析包含白細(xì)胞子圖的灰度直方圖自適應(yīng)的選取閾值.實(shí)驗(yàn)表明,基于定位的分割算法可以提高分割精度,同時(shí)提出的自適應(yīng)閾值對(duì)不同白細(xì)胞圖片庫具有魯棒性.對(duì)于細(xì)胞質(zhì)分割,我們將白細(xì)胞的定位算法和需要人工交互的GrabCut算法結(jié)合.省去了GrabCut算法中需要人工標(biāo)注的過程,從而實(shí)現(xiàn)了白細(xì)胞自動(dòng)分割.
　　3.現(xiàn)有的白細(xì)胞分類算法主要依據(jù)檢驗(yàn)科醫(yī)生識(shí)別經(jīng)驗(yàn),提取白細(xì)胞的