自动血涂片白细胞五分类研究

发布时间：2024-11-30 11:12

　　白细胞是人体免疫系统的必不可少的部分,它能清除异物分泌的抗体,在机体损伤恢复、抵抗病毒入侵和对血液相关疾病的免疫方面起着重要作用。直到今天,白细胞检测仍是现代医疗学诊断的重要依据,通过测定人体血液中各种白细胞的总数、相对比值、形态等,可以判断是否有疾病、疾病的病因及严重程度,从而制定相应医疗方案并观测医疗疗效。因而,对血液中各种白细胞进行准确、高效和便宜的分类计数有重要意义。基于图像的白细胞智能五分类系统是医学图像处理重要研究内容之一。该系统通过模拟人类视觉过程取代人工镜检,实现对白细胞的自动分类和计数。其主要涉及到细胞定位、细胞分割、特征提取及智能识别等技术。对于图像特征提取和识别等图像理解来说,图像分割是关键步骤。此前,当分割出白细胞后,往往需手动提取胞核和胞浆的各种特征,然后利用这些特征采用各种智能识别策略(如BP神经网络,SVM等)对白细胞进行分类。近年来,深度学习在图像识别领域的应用,得到越来越多的关注,采用该方法对白细胞图像识别成为一种新的趋势。本文针对南昌特康科技公司自动涂装的血涂片,进行了机器染色的白细胞涂片自动五分类的研究和讨论。本论文完成的具体工作内容概括如下:1.本...

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 白细胞分割方法
        1.2.2 白细胞特征提取及识别技术
    1.3 本文研究内容与章节安排
第二章 深度学习原理的介绍
    2.1 人工神经网络
    2.2 深度学习
        2.2.1 深度学习的基本概念
        2.2.2 深度学习的训练过程
    2.3 深度学习的常用模型
        2.3.1 循环神经网络
        2.3.2 卷积神经网络
        2.3.3 自动编码器
        2.3.4 受限玻尔兹曼机
    2.4 几种主流深度学习框架介绍
    2.5 本章小结
第三章 基于方向梯度直方图和支持向量机的白细胞识别
    3.1 白细胞的定位及提取
    3.2 HOG特征提取
    3.3 灰度共生矩阵特征
    3.4 支持向量机理论
        3.4.1 经验风险最小化与结构风险最小化
        3.4.2 线性分类器
        3.4.3 核函数
    3.5 白细胞分类与识别实验结果
        3.5.1 软件平台介绍
        3.5.2 实验具体过程
        3.5.3 实验分析
    3.6 本章小结
第四章 基于深度学习的白细胞分类识别
    4.1 AlexNet网络结构
    4.2 采用AlexNet网络结构进行白细胞五分类
        4.2.1 微调(Fine turning)AlexNet网络
        4.2.2 网络训练
    4.3 实验结果与分析
    4.4 与传统识别方法的对比
    4.5 本章小结
第五章 结论与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士期间发表论文和参加科研情况
致谢



本文编号：4012978