發(fā)布時間：2017-06-07 19:15

  本文關鍵詞：白細胞圖像的特征提取與分類算法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：眾所周知,血液中各類白細胞的數量和百分比對于醫(yī)學疾病診斷具有很大參考價值,因此研究白細胞的分類計數具有重要的應用價值.由于同類白細胞形態(tài)變化大,使得白細胞分類技術成為一項極具挑戰(zhàn)性的任務.鑒于此,本文針對白細胞的分類問題展開深入地研究和討論,提出了基于定位的白細胞分割算法,基于分層方法的白細胞五分類算法和基于卷積神經網絡的白細胞五分類算法.具體研究內容概括如下:1.針對傳統(tǒng)的閾值分割算法Ostu的分割局限性,即當直方圖的波峰波谷不明顯時,信噪比較低時,圖像分割效果相對較差的問題,結合白細胞在背景圖片中的特性,提出了一種基于定位的分割算法.該算法首先利用細胞核的信息及形態(tài)學操作對白細胞進行定位,標出白細胞所在的大致區(qū)域,其次在該區(qū)域運用Ostu算法分割細胞核,減少圖片背景中其他因素對分割帶來的干擾.最后利用定位信息代替Grabcut算法所需的人工交互對細胞質進行分割.實驗表明,本算法在CellaVison數據庫上有較好的分割效果.2.針對五類白細胞分類問題,在已分割好的細胞圖片基礎上結合五類白細胞的具體特征,提出基于分層思想的分類算法.該算法首先提取白細胞中細胞核的分葉特征和圓形度特征,對該類特征明顯的細胞先進行篩選;而對該類特征不明顯的細胞,提取對偶旋轉不變共生局部二進制(PRICoLBP)紋理特征作為判定標準,將它們分為顆粒細胞與無顆粒細胞;然后對顆粒細胞,利用PRICoLBP紋理特征區(qū)分出嗜堿性粒細胞、嗜酸性粒細胞和中性粒細胞;而對無顆粒細胞,則用圓度核質比區(qū)分出淋巴細胞和單核細胞.實驗表明,本文所提的方法比已有的分層方法在總體識別率上提高了十幾個百分點,并且各類細胞的分類精度都有所提高.3.針對顯微鏡圖片,基于檢測和深度學習原理提出一套白細胞自動檢測和分類算法.該算法首先利用簡單的顏色信息以及形態(tài)學操作將白細胞從顯微鏡圖片中分離出來.其次利用顆粒特征(PRICoLBP紋理特征)以及支持向量機區(qū)分顆粒細胞(嗜酸性粒細胞和嗜堿性粒細胞)與非顆粒細胞.最后利用卷積神經網絡自動提取一些特征并利用隨機森林區(qū)分剩余的三類白細胞:中性粒細胞、單核細胞和淋巴細胞.CellaVision數據庫及ALL-IDB數據庫上的實驗測試表明我們所提算法用更少的時間達到了較高的檢測率及識別率.
【關鍵詞】：白細胞 檢測 分割 分類 卷積神經網絡
【學位授予單位】：中國計量大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R446.1;TP391.41
【目錄】：

• 致謝5-6
• 摘要6-7
• Abstract7-13
• 1 緒論13-17
• 1.1 研究背景及意義13-14
• 1.2 國內外研究現狀14-16
• 1.3 本文主要工作和結構16-17
• 2 白細胞識別基礎17-25
• 2.1 白細胞分割算法17-20
• 2.1.1 基于閾值的白細胞分割方法18
• 2.1.2 基于區(qū)域的白細胞分割方法18-19
• 2.1.3 基于邊緣檢測的白細胞分割方法19-20
• 2.2 白細胞特征提取及分類算法20-22
• 2.2.1 白細胞特征總結20-21
• 2.2.2 白細胞分類算法21-22
• 2.3 本文所用白細胞數據庫介紹22-24
• 2.4 本章小結24-25
• 3 基于定位的白細胞分割算法25-33
• 3.1 引言25
• 3.2 基于定位的白細胞分割算法25-32
• 3.2.1 細胞核定位25-28
• 3.2.2 細胞核分割28-30
• 3.2.3 細胞質分割30-31
• 3.2.4 分割結果及分析31-32
• 3.3 本章小結32-33
• 4 基于分層方法的白細胞五分類算法33-41
• 4.1 引言33
• 4.2 基于分層方法的白細胞五分類算法33-38
• 4.2.1 特征提取33-37
• 4.2.2 分類器設置37-38
• 4.3 實驗結果與分析38-40
• 4.4 本章小結40-41
• 5 白細胞檢測和五分類算法41-54
• 5.1 引言41-42
• 5.2 白細胞檢測42-45
• 5.2.1 白細胞的檢測42-43
• 5.2.2 合并分葉細胞核算法43-45
• 5.3 白細胞分類45-50
• 5.3.1 卷積神經網絡46-48
• 5.3.2 隨機森林分類器48-50
• 5.4 實驗結果與分析50-53
• 5.4.1 白細胞檢測實驗51-52
• 5.4.2 白細胞分類實驗52-53
• 5.5 本章小結53-54
• 6 結論與展望54-56
• 6.1 研究總結54
• 6.2 進一步需要開展的工作54-56
• 參考文獻56-60
• 作者簡歷60

【相似文獻】

中國期刊全文數據庫 前10條

1 史明;金丕煥;;上海市健康成年人白細胞分類絕對數正常值[J];上海醫(yī)學;1987年01期

2 傅平;高春香;霓永平;;老年人血液白細胞分類正常值調查[J];石河子醫(yī)學院學報;1988年03期

3 鄒德學,高玉玲,王麗;全自動血細胞分析儀白細胞分類與目測分類的結果分析[J];黑龍江醫(yī)學;1997年07期

4 任津敏,趙淑會;用油鏡進行白細胞分類的臨床價值[J];職業(yè)與健康;2005年11期

5 周新民;李安軍;;小體積中性粒細胞儀器識別法對白細胞分類的影響[J];中國療養(yǎng)醫(yī)學;2006年04期

6 王建明;秦香玉;;白細胞分類檢測的探討[J];醫(yī)學信息(上旬刊);2011年01期

7 岳邦茂;;白細胞分類計數器的設計[J];醫(yī)療器械;1981年03期

8 叢玉隆;自動白細胞分類技術研究進展及臨床應用[J];臨床檢驗雜志;1992年01期

9 陳則清,朱忠勇;自動化白細胞分類儀器的近況[J];國外醫(yī)學.臨床生物化學與檢驗學分冊;1993年04期

10 陳則清,朱忠勇;自動化白細胞分類儀及應用近況[J];國外醫(yī)學.臨床生物化學與檢驗學分冊;1993年05期

中國重要會議論文全文數據庫 前10條

1 高曉玲;吳惠玲;張大蓮;楊美蘭;;全自動血細胞分析儀與顯微鏡白細胞分類相關性分析[A];玉溪市第十屆檢驗醫(yī)學學術年會暨科技成果推廣會論文匯編[C];2011年

2 黃驥斌;曾婷婷;郭曼英;韓秀華;江虹;;Cellavision DM96自動化數字圖像分析系統(tǒng)進行白細胞分類的臨床應用[A];中華醫(yī)學會第九次全國檢驗醫(yī)學學術會議暨中國醫(yī)院協(xié)會臨床檢驗管理專業(yè)委員會第六屆全國臨床檢驗實驗室管理學術會議論文匯編[C];2011年

3 戴雋;;血細胞分析儀測定白細胞分類影響因素的探討[A];第五次全國中青年檢驗醫(yī)學學術會議論文匯編[C];2006年

4 唐滬強;盧興國;陳嵐嵐;吳先國;;外周血低值白細胞樣本形態(tài)學改變及復檢規(guī)則探討[A];2008年浙江省檢驗醫(yī)學學術年會論文匯編[C];2008年

5 汪嘉;張蕾;周道銀;馬建偉;李智;;ABBOTT CELL-DYN3700自動血細胞分析儀血細胞計數和白細胞分類的復檢規(guī)則探討[A];中華醫(yī)學會第八次全國檢驗醫(yī)學學術會議暨中華醫(yī)學會檢驗分會成立30周年慶典大會資料匯編[C];2009年

6 曹杰賢;鄒團標;;LH750與光學顯微鏡的白細胞分類差異分析[A];中華醫(yī)學會第七次全國檢驗醫(yī)學學術會議資料匯編[C];2008年

7 壽爽;王曉君;張敏;熊敏;;Sysmex XE-2100全自動血細胞分析儀測定白細胞分類的應用[A];2011年浙江省檢驗醫(yī)學學術年會論文匯編[C];2011年

8 時永輝;陳安輝;洪駿;汪俊軍;;LH750與XE2100白細胞分類相關分析[A];中華醫(yī)學會第七次全國中青年檢驗醫(yī)學學術會議論文匯編[C];2012年

9 王錦春;趙姣萍;;黃疸因素對Coulter GEN·S system血細胞分析儀白細胞分類的影響[A];第十次浙江省中西醫(yī)結合肝病學術會議論文匯編[C];2008年

10 李興民;楊俊武;方相鋒;李小龍;;黃白藤膠囊治療放射和化學藥物所致白細胞、血小板減少癥的實驗研究[A];第六屆全國中西醫(yī)結合血液病學術會議論文匯編[C];2002年

中國重要報紙全文數據庫 前2條

1 閆倩;白細胞分類——中性粒細胞(N)[N];農村醫(yī)藥報（漢）;2007年

2 叢玉隆 李力;檢驗科的問題與對策[N];健康報;2003年

中國碩士學位論文全文數據庫 前8條

1 黃震;外周血白細胞分割和識別的算法研究[D];中國計量學院;2015年

2 鄧佳佳;低劑量環(huán)磷酰胺對小鼠外周血免疫相關指標的影響[D];四川農業(yè)大學;2016年

3 張敏淑;白細胞圖像的特征提取與分類算法研究[D];中國計量大學;2016年

4 喻杰;基于計算機圖像處理的白細胞自動分類系統(tǒng)[D];江蘇大學;2005年

5 張聰聰;白細胞自動分類識別系統(tǒng)的研究[D];山東大學;2015年

6 姚少波;基于顏色空間的白細胞顯微圖像分析與算法[D];福建師范大學;2006年

7 蔡雋;彩色白細胞圖像自動分割方案研究[D];東南大學;2006年

8 危浩;血細胞自動分類系統(tǒng)的實現研究[D];華中科技大學;2013年

  本文關鍵詞：白細胞圖像的特征提取與分類算法研究，由筆耕文化傳播整理發(fā)布。

本文編號：430053