白细胞图像的特征提取与分类算法研究

发布时间：2017-06-07 19:15

  本文关键词：白细胞图像的特征提取与分类算法研究，，由笔耕文化传播整理发布。

【摘要】：众所周知,血液中各类白细胞的数量和百分比对于医学疾病诊断具有很大参考价值,因此研究白细胞的分类计数具有重要的应用价值.由于同类白细胞形态变化大,使得白细胞分类技术成为一项极具挑战性的任务.鉴于此,本文针对白细胞的分类问题展开深入地研究和讨论,提出了基于定位的白细胞分割算法,基于分层方法的白细胞五分类算法和基于卷积神经网络的白细胞五分类算法.具体研究内容概括如下:1.针对传统的阈值分割算法Ostu的分割局限性,即当直方图的波峰波谷不明显时,信噪比较低时,图像分割效果相对较差的问题,结合白细胞在背景图片中的特性,提出了一种基于定位的分割算法.该算法首先利用细胞核的信息及形态学操作对白细胞进行定位,标出白细胞所在的大致区域,其次在该区域运用Ostu算法分割细胞核,减少图片背景中其他因素对分割带来的干扰.最后利用定位信息代替Grabcut算法所需的人工交互对细胞质进行分割.实验表明,本算法在CellaVison数据库上有较好的分割效果.2.针对五类白细胞分类问题,在已分割好的细胞图片基础上结合五类白细胞的具体特征,提出基于分层思想的分类算法.该算法首先提取白细胞中细胞核的分叶特征和圆形度特征,对该类特征明显的细胞先进行筛选;而对该类特征不明显的细胞,提取对偶旋转不变共生局部二进制(PRICoLBP)纹理特征作为判定标准,将它们分为颗粒细胞与无颗粒细胞;然后对颗粒细胞,利用PRICoLBP纹理特征区分出嗜碱性粒细胞、嗜酸性粒细胞和中性粒细胞;而对无颗粒细胞,则用圆度核质比区分出淋巴细胞和单核细胞.实验表明,本文所提的方法比已有的分层方法在总体识别率上提高了十几个百分点,并且各类细胞的分类精度都有所提高.3.针对显微镜图片,基于检测和深度学习原理提出一套白细胞自动检测和分类算法.该算法首先利用简单的颜色信息以及形态学操作将白细胞从显微镜图片中分离出来.其次利用颗粒特征(PRICoLBP纹理特征)以及支持向量机区分颗粒细胞(嗜酸性粒细胞和嗜碱性粒细胞)与非颗粒细胞.最后利用卷积神经网络自动提取一些特征并利用随机森林区分剩余的三类白细胞:中性粒细胞、单核细胞和淋巴细胞.CellaVision数据库及ALL-IDB数据库上的实验测试表明我们所提算法用更少的时间达到了较高的检测率及识别率.
【关键词】：白细胞 检测 分割 分类 卷积神经网络
【学位授予单位】：中国计量大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R446.1;TP391.41
【目录】：

• 致谢5-6
• 摘要6-7
• Abstract7-13
• 1 绪论13-17
• 1.1 研究背景及意义13-14
• 1.2 国内外研究现状14-16
• 1.3 本文主要工作和结构16-17
• 2 白细胞识别基础17-25
• 2.1 白细胞分割算法17-20
• 2.1.1 基于阈值的白细胞分割方法18
• 2.1.2 基于区域的白细胞分割方法18-19
• 2.1.3 基于边缘检测的白细胞分割方法19-20
• 2.2 白细胞特征提取及分类算法20-22
• 2.2.1 白细胞特征总结20-21
• 2.2.2 白细胞分类算法21-22
• 2.3 本文所用白细胞数据库介绍22-24
• 2.4 本章小结24-25
• 3 基于定位的白细胞分割算法25-33
• 3.1 引言25
• 3.2 基于定位的白细胞分割算法25-32
• 3.2.1 细胞核定位25-28
• 3.2.2 细胞核分割28-30
• 3.2.3 细胞质分割30-31
• 3.2.4 分割结果及分析31-32
• 3.3 本章小结32-33
• 4 基于分层方法的白细胞五分类算法33-41
• 4.1 引言33
• 4.2 基于分层方法的白细胞五分类算法33-38
• 4.2.1 特征提取33-37
• 4.2.2 分类器设置37-38
• 4.3 实验结果与分析38-40
• 4.4 本章小结40-41
• 5 白细胞检测和五分类算法41-54
• 5.1 引言41-42
• 5.2 白细胞检测42-45
• 5.2.1 白细胞的检测42-43
• 5.2.2 合并分叶细胞核算法43-45
• 5.3 白细胞分类45-50
• 5.3.1 卷积神经网络46-48
• 5.3.2 随机森林分类器48-50
• 5.4 实验结果与分析50-53
• 5.4.1 白细胞检测实验51-52
• 5.4.2 白细胞分类实验52-53
• 5.5 本章小结53-54
• 6 结论与展望54-56
• 6.1 研究总结54
• 6.2 进一步需要开展的工作54-56
• 参考文献56-60
• 作者简历60

【相似文献】

中国期刊全文数据库 前10条

1 史明;金丕焕;;上海市健康成年人白细胞分类绝对数正常值[J];上海医学;1987年01期

2 傅平;高春香;霓永平;;老年人血液白细胞分类正常值调查[J];石河子医学院学报;1988年03期

3 邹德学,高玉玲,王丽;全自动血细胞分析仪白细胞分类与目测分类的结果分析[J];黑龙江医学;1997年07期

4 任津敏,赵淑会;用油镜进行白细胞分类的临床价值[J];职业与健康;2005年11期

5 周新民;李安军;;小体积中性粒细胞仪器识别法对白细胞分类的影响[J];中国疗养医学;2006年04期

6 王建明;秦香玉;;白细胞分类检测的探讨[J];医学信息(上旬刊);2011年01期

7 岳邦茂;;白细胞分类计数器的设计[J];医疗器械;1981年03期

8 丛玉隆;自动白细胞分类技术研究进展及临床应用[J];临床检验杂志;1992年01期

9 陈则清,朱忠勇;自动化白细胞分类仪器的近况[J];国外医学.临床生物化学与检验学分册;1993年04期

10 陈则清,朱忠勇;自动化白细胞分类仪及应用近况[J];国外医学.临床生物化学与检验学分册;1993年05期

中国重要会议论文全文数据库 前10条

1 高晓玲;吴惠玲;张大莲;杨美兰;;全自动血细胞分析仪与显微镜白细胞分类相关性分析[A];玉溪市第十届检验医学学术年会暨科技成果推广会论文汇编[C];2011年

2 黄骥斌;曾婷婷;郭曼英;韩秀华;江虹;;Cellavision DM96自动化数字图像分析系统进行白细胞分类的临床应用[A];中华医学会第九次全国检验医学学术会议暨中国医院协会临床检验管理专业委员会第六届全国临床检验实验室管理学术会议论文汇编[C];2011年

3 戴隽;;血细胞分析仪测定白细胞分类影响因素的探讨[A];第五次全国中青年检验医学学术会议论文汇编[C];2006年

4 唐沪强;卢兴国;陈岚岚;吴先国;;外周血低值白细胞样本形态学改变及复检规则探讨[A];2008年浙江省检验医学学术年会论文汇编[C];2008年

5 汪嘉;张蕾;周道银;马建伟;李智;;ABBOTT CELL-DYN3700自动血细胞分析仪血细胞计数和白细胞分类的复检规则探讨[A];中华医学会第八次全国检验医学学术会议暨中华医学会检验分会成立30周年庆典大会资料汇编[C];2009年

6 曹杰贤;邹团标;;LH750与光学显微镜的白细胞分类差异分析[A];中华医学会第七次全国检验医学学术会议资料汇编[C];2008年

7 寿爽;王晓君;张敏;熊敏;;Sysmex XE-2100全自动血细胞分析仪测定白细胞分类的应用[A];2011年浙江省检验医学学术年会论文汇编[C];2011年

8 时永辉;陈安辉;洪骏;汪俊军;;LH750与XE2100白细胞分类相关分析[A];中华医学会第七次全国中青年检验医学学术会议论文汇编[C];2012年

9 王锦春;赵姣萍;;黄疸因素对Coulter GEN·S system血细胞分析仪白细胞分类的影响[A];第十次浙江省中西医结合肝病学术会议论文汇编[C];2008年

10 李兴民;杨俊武;方相锋;李小龙;;黄白藤胶囊治疗放射和化学药物所致白细胞、血小板减少症的实验研究[A];第六届全国中西医结合血液病学术会议论文汇编[C];2002年

中国重要报纸全文数据库 前2条

1 闫倩;白细胞分类——中性粒细胞(N)[N];农村医药报（汉）;2007年

2 丛玉隆 李力;检验科的问题与对策[N];健康报;2003年

中国硕士学位论文全文数据库 前8条

1 黄震;外周血白细胞分割和识别的算法研究[D];中国计量学院;2015年

2 邓佳佳;低剂量环磷酰胺对小鼠外周血免疫相关指标的影响[D];四川农业大学;2016年

3 张敏淑;白细胞图像的特征提取与分类算法研究[D];中国计量大学;2016年

4 喻杰;基于计算机图像处理的白细胞自动分类系统[D];江苏大学;2005年

5 张聪聪;白细胞自动分类识别系统的研究[D];山东大学;2015年

6 姚少波;基于颜色空间的白细胞显微图像分析与算法[D];福建师范大学;2006年

7 蔡隽;彩色白细胞图像自动分割方案研究[D];东南大学;2006年

8 危浩;血细胞自动分类系统的实现研究[D];华中科技大学;2013年

  本文关键词：白细胞图像的特征提取与分类算法研究，由笔耕文化传播整理发布。

本文编号：430053