骨髓病变细胞的自动分类识别技术研究

发布时间：2019-07-21 09:55

【摘要】：白血病是由于人体的骨髓和造血组织中白细胞出现异常增生或分化障碍而导致的致命疾病,多在儿童或青少年范围内出现且病发后期治愈率较低,俗称“血癌”。利用计算机技术和骨髓细胞病理学诊断技术对骨髓血细胞图像进行定量分析和自动识别,对于白血病的早期筛查及诊断具有重要的实用价值和应用前景。但是由于骨髓涂片制片和染色方式的差异、背景的复杂性、细胞形态的多样性和不规则性等诸多问题,使得病理研究针对骨髓细胞的检测和识别存在较大难度。本文在结合骨髓细胞病理学知识的基础上,通过图像分析与模式识别技术的综合运用,系统地研究了骨髓细胞图像的分割、定位、特征参数的计算与选择以及骨髓病变细胞的分类识别。主要涉及以下四个方面的内容:(1)骨髓细胞分割模块方案设计:提出了基于小波多尺度分析的改进K-means聚类算法。首先通过小波变换去噪作预处理;其次,提取图像彩色空间RGB各分量的直方图信息,选择合适的多尺度分解通道;最后,根据小波多分辨率分析提取图像较为突出的G分量信息,优化K-means聚类算法,改进了随机选取初始聚类中心时出现的聚类结果不稳定、不具针对性以及易陷入局部最优的缺点。通过采用多种分割算法的Matlab实验结果对比分析,验证了本文算法分割的可行性和有效性。(2)骨髓中的白细胞定位提取方案设计:通过对病变细胞的特征分析,发现经瑞氏染色后的白细胞存在大量颜色信息,采用了基于多颜色空间混合属性定位白细胞核的提取算法。首先通过对比G(绿)分量与S(饱和度)分量在细胞核中的差异特性,构造两颜色空间的转换图像来突出细胞核;然后,利用图像直方图的波谷信息确定otsu算法的阈值,进而对胞核进行分割二值化处理,达到定位提取目的。最后通过实验表明,该算法能准确定位并提取白细胞核,性能良好稳定,且在光照、染色不均及复杂背景下具有鲁棒性。(3)针对三类急性白血病细胞的特征提取(M3型、M5型、L1型):结合形态、颜色和纹理特征的骨髓细胞病理学知识,本文针对三类白细胞提取了34个特征参数。为了使分类器获到理想数目的输入样本集,需对34个特征参数进行优选特征提取。采用改进Relief系列算法中的Relief F算法,对以上参数进行选择实验,得到16个按权值高低排列的特征平均值作为优选特征参数。(4)骨髓病变细胞分类识别的方案设计:针对三类病变白细胞的特征分析结果,采用基于改进的BP神经网络设计分类器。第一,通过改进的最速下降变步长BP算法建立网络模型;第二,运用面向Matlab的神经网络工具箱对BP网络分类器进行网络创建、网络训练和网络测试,进行分类器设计;第三,采用交叉验证法对三类病变细胞样本特征集进行训练与测试,通过与传统算法实验对比分析,表明改进算法能够达到学习次数少、收敛速度快且识别准确率提高的优点;对于算法变步长修正参数的合理设置,能达到网络训练和测试时识别率都大于85%的性能。
【图文】：

图 1.1 图像分析系统框图1）图像获取：首先对显微样本（涂片、切片）作生物学处理制备，然描仪或数字照相机的光电转换操作将图像信息转成电信号，以数字化图像信息；2）预处理：对获取的显微图像进行背景和阴影校正，，滤波去噪和目标等处理，有些识别系统也进行自动聚焦；3）图像分割：细胞自动分类识别系统中至关重要的一步。将图像划分、白细胞、胞核与胞浆等区域；分割的性能直接影响了后续对细胞图别的定量分析与判断。在对显微细胞图像和其他图像进行分割时，很实现都是相似的，但都是针对具体问题而具体设计分析的，因其各个信息表达和复杂性不一，并不存在哪个通用的算法可以适用于任何图4）提取图像特征：为了对分割后细胞进行定量分析与分类识别。包括的特征：1、形态特征，描述细胞大小、形状等，一般包括：细胞周长形状因子（胞核）、核浆面积比等；2、光密度特征，可以通过细胞局
图像分裂合并算法

图 2.2 图像分裂合并法依据目标图像中包含的丰富信边缘进行勾勒。边缘分割的像中不连续的点、线或者边后根据检测到的边缘信息实导数算子（如 Roberts 算子、 Canny 算子、Laplacian 算子待分割图像中所有像素点的度级间断点最广泛的方法。实，即为边缘点；2.通过计算以上暗区域；3.根据二阶导数的过是其二阶导数的零交叉点。斯算子（Laplacian 算子）
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：R733.7;TP391.41

【参考文献】