高效的白细胞分割算法
本文选题:目标检测 + 白细胞分割 ; 参考:《计算机工程与应用》2016年21期
【摘要】:白细胞分割是细胞形态学研究中一个重要、富有挑战性的课题。提出一种基于目标检测的白细胞分割算法。具体地讲,首先根据目标检测方法检测出白细胞,并由白细胞的位置信息得到包含白细胞的子图,然后运用多项式拟合的方法得到子图的灰度直方图的波谷值,再在子图上运用直方图阈值算法分割出细胞核。该算法在分割细胞核的过程中,既可以有效地避免血小板和红细胞等干扰,又能较容易地估计出阈值。对于白细胞的细胞质分割,将白细胞位置信息作为Grab Cut算法中人工交互部分,通过迭代法分割出白细胞的细胞质。实验结果表明,该算法能准确地定位白细胞,并根据白细胞的位置信息可以降低白细胞分割的难度,提高其分割的精度和分割效率。特别地,在Cellavision的白细胞图片数据库的实验结果表明,所提的白细胞分割算法对不同类别、不同染色剂和不同拍摄环境下得到的白细胞都能得到较好的分割效果,同时算法又还具有很好的泛化性。
[Abstract]:Leukocyte segmentation is an important and challenging subject in the study of cell morphology. A white blood cell segmentation algorithm based on target detection is proposed. Specifically, first, the white blood cells are detected according to the target detection method, and the subgraphs containing white blood cells are obtained from the location information of the white blood cells, and then the valley values of the gray histogram of the subgraphs are obtained by polynomial fitting method. Then the nucleus is segmented by histogram threshold algorithm on the subgraph. The algorithm can not only avoid the interference of platelet and red blood cell effectively, but also estimate the threshold value easily. For the cytoplasmic segmentation of white blood cells, the location information of white blood cells is regarded as the interactive part of Grab cut algorithm, and the cytoplasm of white blood cells is segmented by iterative method. The experimental results show that the algorithm can accurately locate white blood cells, and according to the location information of white blood cells, it can reduce the difficulty of white blood cell segmentation and improve its segmentation accuracy and efficiency. In particular, the experimental results in Cellavision's white blood cell image database show that the proposed white blood cell segmentation algorithm can achieve a better segmentation effect for white blood cells obtained from different categories, different staining agents and different shooting environments. At the same time, the algorithm also has a good generalization.
【作者单位】: 中国计量学院理学院;嘉善加斯戴克医疗器械有限公司;
【基金】:国家自然科学基金(No.61272023,No.91330118) 浙江省自然科学基金(No.LY14A010027)
【分类号】:TP391.41;R329.2
【相似文献】
相关期刊论文 前10条
1 龙腾芳,高金文;“分而治之”方法在算法设计中的应用[J];渤海大学学报(自然科学版);2004年01期
2 田翠华;王伟杰;许卫平;;《算法设计与分析》的理论研究与教学实践[J];赤峰学院学报(自然科学版);2012年15期
3 仇棣;;算法设计与分析——计算机理论领域中的一本好书[J];应用数学;1991年02期
4 张银明;元素判别值分配法及其算法设计[J];计算机工程与应用;1995年06期
5 沈灏;;信息与计算科学专业的算法设计能力培养方法[J];学园;2014年10期
6 李秦;;建构主义教学模式与算法设计与分析课程教学[J];甘肃科技;2013年24期
7 夏梦;;《算法设计与分析》的教学方法研究[J];科技资讯;2009年18期
8 许道云;;算法机制设计的数学基础[J];贵州大学学报(自然科学版);2013年03期
9 张银明;货郎担问题的新解法及其算法设计[J];华侨大学学报(自然科学版);1995年04期
10 陈云霞;聂士澄;;试谈学生算法设计能力的培养[J];扬州师院学报(自然科学版);1995年03期
相关会议论文 前10条
1 雷咏梅;;椭圆曲线密码体制的算法设计与实现[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年
2 杨盘洪;朱军祥;赵建安;杨静;;机动目标跟踪的模糊变结构交互多模算法[A];2007'中国仪器仪表与测控技术交流大会论文集(二)[C];2007年
3 徐子珊;;《算法设计与分析》课程中的工程教育[A];2005年全国理论计算机科学学术年会论文集[C];2005年
4 王辉;刘治昌;;用一种新算法设计的安全系统[A];2007年中国智能自动化会议论文集[C];2007年
5 舒辉;柳清峰;杜祝平;周蓓;;实践教学模式在本科专业课程教学中的应用[A];中国电子教育学会高教分会2010年论文集[C];2010年
6 彭小宏;阳东升;刘忠;;基于聚类算法的组织协作网设计[A];2006中国控制与决策学术年会论文集[C];2006年
7 李皓;罗熊;;云存储部署优化的进化算法设计[A];2013年中国智能自动化学术会议论文集(第三分册)[C];2013年
8 罗长政;李熙莹;王镇波;罗东华;;一种大流量交叉路口的背景提取与更新算法[A];第十五届全国图象图形学学术会议论文集[C];2010年
9 杨利;李霖;昌月楼;阳国贵;;对称位向量及启发式并行散列连接算法[A];数据库研究与进展95——第十三届全国数据库学术会议论文集[C];1995年
10 张晋;;嵌入式电脑鼠运行算法的研究[A];全国第20届计算机技术与应用学术会议(CACIS·2009)暨全国第1届安全关键技术与应用学术会议论文集(上册)[C];2009年
相关重要报纸文章 前1条
1 ;算法设计的策略[N];电脑报;2003年
相关博士学位论文 前10条
1 谷伟哲;齐次光滑算法及其应用[D];天津大学;2010年
2 龙海侠;进化算法及其在生物信息中的应用[D];江南大学;2010年
3 谭跃;具有混沌局部搜索策略的粒子群优化算法研究[D];中南大学;2013年
4 尤海峰;求解隐式目标优化问题的交互式进化算法研究[D];中国科学技术大学;2011年
5 张常淳;基于MapReduce的大数据连接算法的设计与优化[D];中国科学技术大学;2014年
6 郭崇慧;地区中长期发展规划若干定量模型、算法及应用研究[D];大连理工大学;2002年
7 蒋蔚;粒子滤波改进算法研究与应用[D];哈尔滨工业大学;2010年
8 孙贺;算法设计中的若干前沿问题[D];复旦大学;2009年
9 陈宁涛;基于二分技术的高效算法设计及其应用[D];华中科技大学;2006年
10 娄晓文;无符号基因组切割再粘贴重组问题的算法研究[D];山东大学;2010年
相关硕士学位论文 前10条
1 李欣园;基于选择偏好的组合聚类算法研究与实现[D];内蒙古大学;2015年
2 杨潇;界约束非线性最小二乘问题的无导数算法[D];上海交通大学;2015年
3 王晓璐;基于Zynq的LS-SVM算法加速器设计[D];哈尔滨工业大学;2015年
4 楼磊磊;医疗保险数据异常行为检测算法和系统[D];浙江大学;2015年
5 齐海龙;基于改进人工蜂群算法的非线性系统辨识方法研究[D];北京化工大学;2015年
6 蔡平梅;结构化稀疏信号的恢复算法研究[D];上海大学;2015年
7 赵晨阳;基于蚁群算法的高阶图匹配方法研究[D];西安电子科技大学;2014年
8 苟清松;多目标粒子滤波检测前跟踪算法研究[D];电子科技大学;2015年
9 李枝勇;蝙蝠算法及其在函数优化中的应用研究[D];上海理工大学;2013年
10 李莲;基于蜂群和粗糙集的聚类算法研究[D];长沙理工大学;2014年
,本文编号:2097611
本文链接:https://www.wllwen.com/huliyixuelunwen/2097611.html