自动化血细胞形态学分析及分类关键技术研究

发布时间：2017-06-20 16:05

  本文关键词：自动化血细胞形态学分析及分类关键技术研究，由笔耕文化传播整理发布。

【摘要】：自动化血细胞的形态学分析与识别,已经成为临床诊断、病理分析以及治疗的重要手段。它可以帮助血液学家诊断疾病,如白血病和血液癌症等。白细胞识别的传统方法是抽取人体血液,经染色制成血涂片,由医学专家在显微镜下对白细胞进行形态学分析和分类,依据分析和分类的结果判断疾病。这种传统的镜检方法效率比较低,对医学专家的要求比较高,识别结果依赖人的主观判断,在临床血液病诊断上,存在很大的局限性。开发一个自动化血细胞形态学分析和识别系统,利用计算机对白细胞进行自动化形态学分析和分类,在临床医学中具有广阔的应用前景。依靠图像处理和模式识别技术,对白细胞进行形态学分析及识别的研究比较多,但目前在市场上,尚没有自动化血细胞形态学分析与识别仪器应用于临床试验。这是由于目前存在的白细胞分割或识别算法存在很多的不足。诸如不能很好的解决复杂的白细胞粘连问题,白细胞分割和识别精度低或算法鲁棒性尚不能满意等。本文针对以上问题,提出了一种自动化血细胞形态学分析和识别的算法,旨在开发出一套血细胞自动化识别系统。本文对血细胞样本图像进行形态学分析及分类的处理,主要包括四个大的方面：细胞库的建立,白细胞的分割,特征提取,白细胞识别。因人体质、人年龄、疾病种类、光照、染色条件及采集硬件设备等的不同,细胞样本图像的质量也不尽相同。本文控制光强条件,疾病种类(正常外周血,M3患者,M5患者),采集多于10人的血细胞图像建立细胞样本库。本文采用两种方法对白细胞进行分割,一种是控制光照强度范围基于颜色空间与数学运算的白细胞分割方法,另一种是不受光照强度影响基于Mean shift聚类和自适应阈值分割技术的白细胞分割方法,同时本文采用了一种改进的分水岭变换方法分割复杂的粘连白细胞。本文从形态、颜色及纹理等方面选取特征参数来表征白细胞,本着数量少,可靠,独立和可区分的特征提取原则将特征参数送入分类器对白细胞进行识别。白细胞分类是一个多分类问题。本文分析多种分类器算法如随机森林、K-近邻、BP神经网络等的性能优缺点,选择随机森林与K-近邻相结合的分类策略对白细胞进行识别,识别结果优于传统的算法。本文旨在提出一种自动化血细胞形态学分析及分类算法,本课题建立了自己的细胞样本库；通过实验表明,本文算法能解决复杂的白细胞粘连问题,适用于多种细胞样本库图像的分割且有较高的分割率；本文选择的特征能很好的表征不同类型白细胞；本文所选择的白细胞识别策略识别率高于传统的算法。
【关键词】：颜色空间 Mean shift聚类 分水岭变换 随机森林 K-近邻
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;R446.1
【目录】：

• 摘要10-12
• ABSTRACT12-14
• 第一章 绪论14-19
• 1.1 课题研究背景及意义14-15
• 1.2 国内外发展现状15-17
• 1.3 课题研究的目的和内容17
• 1.4 论文结构安排17-19
• 第二章 课题准备19-25
• 2.1 课题样本的选取与说明19-20
• 2.1.1 课题的样本采集19-20
• 2.1.2 样本说明20
• 2.2 前期的工作准备20-23
• 2.2.1 白细胞基础知识20-22
• 2.2.2 白细胞形态学先验信息的获取22-23
• 2.3 软件系统算法流程图23-25
• 第三章 白细胞的分割25-47
• 3.1 概述25-27
• 3.2 算法基础27-32
• 3.2.1 RG色度空间27-28
• 3.2.2 CMYK颜色空间28-29
• 3.2.3 Mean shift聚类算法29-30
• 3.2.4 传统的分水岭分割30-31
• 3.2.5 形态学操作31-32
• 3.3 白细胞核的分割32-35
• 3.3.1 白细胞核分割32-33
• 3.3.2 白细胞核团的获取方法33-35
• 3.4 白细胞的分割35-41
• 3.4.1 基于颜色空间与数学运算的白细胞分割方法35-38
• 3.4.2 基于Mean shift聚类和自适应阈值分割的白细胞分割方法38-41
• 3.5 复杂粘连白细胞分割新方法41-42
• 3.6 后处理42-44
• 3.7 分割结果评估44-45
• 3.8 本章小结45-47
• 第四章 白细胞特征提取47-55
• 4.1 细胞图像裁剪47-48
• 4.2 形态学特征提取48-50
• 4.3 纹理特征的提取50-53
• 4.3.1 灰度共生矩阵50-51
• 4.3.2 维小波变换51-53
• 4.4 颜色特征的提取53-55
• 第五章 分类器的设计55-66
• 5.1 常用分类器介绍55-60
• 5.1.1 人工神经网络55-57
• 5.1.2 随机森林57-58
• 5.1.3 K-近邻58-59
• 5.1.4 支持向量机59-60
• 5.2 分类策略的选择60-64
• 5.2.1 分类性能比较60-63
• 5.2.2 分类策略63-64
• 5.3 本章小结64-66
• 第六章 系统框架和软件界面的设计66-69
• 6.1 系统组成66
• 6.2 软件界面设计66-68
• 6.3 实验结果与分析68-69
• 第七章 总结与展望69-72
• 7.1 课题总结69-71
• 7.2 课题展望71-72
• 参考文献72-77
• 致谢77-78
• 攻读硕士研究生期间研究成果78-79
• 学位论文评阅及答辩情况表79

【相似文献】

中国期刊全文数据库 前10条

1 申彪,张俊棉;骨髓增生异常综合征的临床与血细胞形态学分析[J];中国现代医药杂志;2004年04期

2 李松岩;;血细胞形态学检验的临床意义[J];中国社区医师(医学专业);2010年14期

3 张鲁壮;;血细胞形态学的探讨[J];中国社区医师(医学专业);2010年26期

4 杨荣生;杭国琴;李沛;;血细胞形态学检查1012例分析[J];中国误诊学杂志;2011年10期

5 孙嘉峰;杨波;黄艳;杨佳;;影响血细胞形态学检查的因素及对策[J];临床医药实践;2011年06期

6 宋宝刚;;临床检验中血细胞形态学检验的必要性研究[J];中国继续医学教育;2013年04期

7 林桂真,黄仁魏,夏忠军,梁宁宁;血细胞形态学多媒体课件制作[J];中国医学教育技术;2000年02期

8 赖国健;血细胞形态学检查质量控制的体会[J];广西医学;2002年06期

9 赖国健;血细胞形态学质量控制[J];西藏医药杂志;2002年02期

10 王霄霞;;实施“院系合一”体制对骨髓血细胞形态学教学的作用[J];检验医学教育;2002年03期

中国重要会议论文全文数据库 前9条

1 任梅;王琳琳;;临床血细胞形态学质量如何控制[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

2 李顺义;;周围血细胞形态学检查在疾病诊断和治疗的意义[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

3 黄美群;郑卫东;郑洪;陈汉红;梁雪冰;;外周血细胞形态学技能培养问题的探讨[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

4 张援平;王安平;;血细胞形态学镜检的标准及临床应用[A];第十届全军检验医学学术会议论文汇编[C];2005年

5 李书杰;金雨琦;;尽快提高血细胞形态学检验质量[A];第三届全国临床检验实验室管理学术会议论文汇编[C];2005年

6 童能胜;鞠萍;骆明惠;柯才明;;血细胞形态学在血液分析中的应用[A];第四届全国临床检验学术会议论文汇编[C];2006年

7 李早荣;孙长贵;;血细胞形态学室间质量评价工作的现状与对策[A];2009年浙江省检验医学学术年会论文汇编[C];2009年

8 王梅华;庄和;欧海云;林晓岚;朱斌;曹颖平;;外周血细胞形态检验的临床分析[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 丛玉隆;;欢迎辞[A];第四届全国临床检验学术会议论文汇编[C];2006年

中国重要报纸全文数据库 前1条

1 ;健康产业与信息产业的完美结合[N];经济参考报;2011年

中国硕士学位论文全文数据库 前3条

1 胡高峰;外周血细胞形态学分级报告模式的建立及临床意义研究[D];吉林大学;2016年

2 刘晶;自动化血细胞形态学分析及分类关键技术研究[D];山东大学;2016年

3 武秋燕;全自动血细胞形态学分类识别系统[D];山东大学;2015年

  本文关键词：自动化血细胞形态学分析及分类关键技术研究，由笔耕文化传播整理发布。

，

本文编号：466154