[發明專利]一種基于nu?支持向量機的白細胞分類方法

在審

• 申請號: 201711048945.0
• 申請日: 2017-10-31
• 公開（公告）號: CN107730499A
• 公開（公告）日: 2018-02-23
• 發明（設計）人: 王敏
• 申請（專利權）人: 河海大學
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/136;G06T7/90;G06K9/46;G06K9/38;G06K9/62
• 代理公司: 南京蘇高專利商標事務所(普通合伙)32204
• 代理人: 李玉平

技術領域

本發明涉及一種基于nu-支持向量機的白細胞分類方法，屬于醫學圖像處理技術領域。

背景技術

通過對血液中各類白細胞數量和形態的改變進行檢驗，常常能夠為醫生診斷提供有價值的信息，有助于對一些疾病的確診。定量細胞學、分子生物學、細胞免疫學等新的醫學分支的出現，使得對細胞進行快速、準確地定量分析研究的要求顯得更為迫切。然而，由專家通過顯微鏡用肉眼檢驗，費時費力，工作量十分繁重，且識別誤差受專家的經驗、疲勞程度等主觀因素影響較大。隨著計算機圖像處理技術、模式識別及神經網絡的迅速發展，利用這些先進技術來輔助進行血細胞形態識別和計數已經成為血液學檢驗技術發展的必然趨勢。國內外研究表明，白細胞圖像分割，即將細胞核、細胞漿與背景分離，是整個白細胞自動識別系統中最基本也是最為關鍵的一個環節，其準確性和穩定性直接影響到系統的識別準確率和運行速度。原因在于光照、染色等客觀因素會引起細胞顯微圖像的成像質量下降，并且難以控制。所以，同一個白細胞在不同外部條件下有可能在顏色、背景，甚至顆粒方面表現不同。有時候由于操作不規范，顯微圖像中的白細胞可能被污漬污染。加之光照、染色等因素的不一致性使得彼此的區別變得更加困難。

發明內容

發明目的：針對現有技術中存在的問題，本發明提供一種基于nu-支持向量機的白細胞分類方法。所述方法顯著提高整個白細胞自動識別計數系統的使用性能，大大減輕醫生閱片的勞動強度，提高診斷精度，便于對細胞進行快速準確的定量分析研究。

技術方案：為了解決上述技術問題，本發明所采用的技術方案是：

一種基于nu-支持向量機的白細胞分類方法，包括如下步驟：

步驟A，采集彩色血液顯微圖像數據；

步驟B，對步驟A得到的顯微圖像數據進行中值濾波，得到中值濾波圖像。

步驟C，將步驟B得到的中值濾波圖像映射到HLS彩色空間，得到色調圖像；HLS(Hue，Lightness，Saturation色調、亮度、飽和度)模型是一種常用的視覺顏色模型。

步驟D，對步驟C得到的色調圖像使用基于nu-支持向量機的灰度圖像分割方法進行分割，得到粗分割圖像；

步驟E，對步驟D得到的粗分割圖像，使用模糊細胞神經網絡(Fuzzy Cellular Neural Network—FCNN)檢出其中的白細胞區域圖像；

步驟F，對步驟E得到的每個白細胞區域圖像，使用聚類分析法確定閾值，結合閾值分割和二值形態學方法進行細分割，得到細胞核局部圖像、細胞漿局部圖像和背景圖像；

步驟G，對步驟F得到的細胞核局部圖像和細胞漿局部圖像抽取最具有代表性的47個特征；

步驟H，將步驟G獲得的47個特征作為輸入向量，利用nu-支持向量機完成對白細胞的識別與分類；

步驟I，待步驟E得到的全部白細胞區域圖像處理完畢，統計并輸出對步驟A得到的圖像數據的最終分類結果。

步驟D中，所述色調圖像粗分割的過程如下：

步驟D-1，對所述步驟C得到的色調圖像構建一個直方圖；

步驟D-2，借助nu-支持向量機對步驟D-1得到的直方圖進行函數擬合，找到支持向量集；

步驟D-3，在步驟D-2找到的支持向量集中自適應選擇閾值，即根據擬合曲線的一階導數信息，選擇位于負值向正值過渡拐點附近的支持向量作為閾值；

步驟D-4，用步驟D-3獲得的閾值對步驟C得到的色調圖像進行閾值分割。

步驟G中，所述細胞核局部圖像和細胞漿局部圖像特征抽取的過程如下：

步驟G-1，對步驟F得到的細胞核局部圖像和細胞漿局部圖像抽取7個形態特征參數，以定量描述白細胞、細胞核的葉數、形狀、大小、輪廓的規則程度；

步驟G-2，對步驟F得到的細胞核局部圖像和細胞漿局部圖像抽取24個彩色特征參數，以定量描述白細胞、細胞核和細胞漿的亮度、色調、飽和度；

步驟G-3，對步驟F得到的細胞核局部圖像抽取16個統計紋理參數，以定量描述細胞核的紋理特征。