外周血白细胞分割和识别的算法研究

发布时间：2017-08-23 09:36

  本文关键词：外周血白细胞分割和识别的算法研究

  更多相关文章： 白细胞分割 白细胞定位 白细胞分类 深度卷积神经网络

【摘要】：本文主要研究了白细胞分割和识别的相关算法.白细胞是人体免疫系统中重要组成部分.临床上通过观察不同类别白细胞的数量、所占比例及其形态变化来诊断造血系统疾病.因此,白细胞的检测是血常规检测中的一项重要指标.白细胞形态学自动识别系统是一个用于自动化镜检的系统,即是用图像处理和模式识别的算法实现白细胞分割和识别.由于白细胞种类多,并且其形态千变万化,因此,白细胞分割和识别是一个富有挑战性的问题.本文基于白细胞分割和分类展开了研究和讨论.主要包括基于多特征非线性组合的白细胞分割算法的研究与改进、基于白细胞定位的分割算法的研究与改进和基于深度卷积网络的白细胞分类算法的研究.具体内容如下：1.对基于多特征非线性组合的白细胞分割算法进行了改进.由于白细胞有明确的分割边界,我们将多个特征以非线性的方式组合,使其更适合白细胞分割.同时,为了简化非线性组合参数的训练,我们在非线性组合模型的输出和训练目标之间建立了一个中间变量,以迭代的方式逐步调整目标变量.实验结果表明,非线性迭代的学习方法是有效的.在对分割效果评估的过程中,我们根据中间变量,提出了一个基于边界的F测度.相对于基于区域的F测度,该测度更适用于类似白细胞这种有明确的分割目标的图片.2.针对红细胞和血小板等在白细胞分割过程中的干扰,我们提出了基于白细胞定位的分割算法.即,首先定位出白细胞的位置,然后在包含白细胞的子图上对白细胞进行分割.对于白细胞定位,我们根据白细胞的大小选择几个不同尺寸的检测窗口,然后依据检测窗口内部和周围像素的特征去定位白细胞.对于细胞核分割,我们提出了自适应阈值算法,通过分析包含白细胞子图的灰度直方图自适应的选取阈值.实验表明,基于定位的分割算法可以提高分割精度,同时提出的自适应阈值对不同白细胞图片库具有鲁棒性.对于细胞质分割,我们将白细胞的定位算法和需要人工交互的GrabCut算法结合.省去了GrabCut算法中需要人工标注的过程,从而实现了白细胞自动分割.3.现有的白细胞分类算法主要依据检验科医生识别经验,提取白细胞的特征,并用各种分类器对其识别分类.但是,由于白细胞本身特征和特征描述的差异等,现有的分类算法并不适合更多类别的白细胞识别.因此,需要寻找表示和分类能力更强的分类器.本文将深度卷积网络引入白细胞识别领域,设计了一个用于白细胞识别的深度卷积网络.实验结果表明,对比现有的白细胞分类算法,深度卷积神经网络不仅有明显优势,同时还有很大的提升空间.
【关键词】：白细胞分割 白细胞定位 白细胞分类 深度卷积神经网络
【学位授予单位】：中国计量学院
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R446.1;TP391.41
【目录】：

• 致谢5-6
• 摘要6-8
• Abstract8-15
• 1 绪论15-18
• 1.1 研究背景及意义15
• 1.2 国内外研究现状15-17
• 1.3 本文内容和结构17-18
• 2 白细胞分割算法18-23
• 2.1 引言18
• 2.2 基于阈值的分割算法18-20
• 2.2.1 阈值直方图法19
• 2.2.2 最大类间方差(Otsu算法)19-20
• 2.2.3 基于Gram-Schmidt正交化的白细胞分割算法20
• 2.3 基于聚类和分类的分割算法20-21
• 2.4 基于边缘检测的分割算法21-22
• 2.4.1 分水岭算法21-22
• 2.4.2 梯度向量流算法22
• 2.5 组合算法22
• 2.6 本章小结22-23
• 3 基于多特征非线性组合的白细胞分割算法23-37
• 3.1 引言23
• 3.2 基于多特征检测的图像分割23-26
• 3.2.1 多特征检测24-25
• 3.2.2 谱特征25
• 3.2.3 分割25-26
• 3.3 非线性组合和迭代学习26-32
• 3.3.1 随机权网络26-27
• 3.3.2 非线性组合27-28
• 3.3.3 迭代学习28-30
• 3.3.4 基于边界的F测度30-31
• 3.3.5 分割结果31-32
• 3.4 实验结果与分析32-35
• 3.4.1 实验参数设置32-33
• 3.4.2 实验分析33-35
• 3.5 本章小结35-37
• 4 基于白细胞定位的分割算法37-52
• 4.1 引言37
• 4.2 目标特征提取37-40
• 4.2.1 梯度幅度38
• 4.2.2 白细胞和邻接区域的特征对比38-40
• 4.3 白细胞定位40-43
• 4.3.1 检测窗口的尺寸40
• 4.3.2 支持向量机40-41
• 4.3.3 正样本与负样本41-42
• 4.3.4 定位结果42-43
• 4.4 细胞核分割43-45
• 4.5 细胞质分割45-46
• 4.6 实验结果与分析46-49
• 4.6.1 实验数据46
• 4.6.2 实验分析46-49
• 4.7 本章小结49-52
• 5 基于卷积神经网络的白细胞分类算法52-59
• 5.1 引言52
• 5.2 白细胞分类算法52-54
• 5.3 卷积神经网络54-57
• 5.3.1 卷积层54-56
• 5.3.2 池化层56
• 5.3.3 卷积神经网络结构56-57
• 5.4 实验结果与分析57-58
• 5.4.1 实验数据及参数设置57-58
• 5.4.2 实验分析58
• 5.5 本章小结58-59
• 6 结论与展望59-61
• 6.1 研究总结59
• 6.2 进一步需要开展的工作59-61
• 参考文献61-66
• 作者简历66

【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6条

1 张聪聪;白细胞自动分类识别系统的研究[D];山东大学;2015年

2 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

3 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

4 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

5 蔡隽;彩色白细胞图像自动分割方案研究[D];东南大学;2006年

6 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

，

本文编号：724320