基于神经网络方法的血液白细胞图像自动分类研究

摘要

血白细胞分类记数是临床检验的一项重要内容。外周血白细胞主要类别嗜碱性粒细胞、嗜酸性粒细胞、中性粒细胞、淋巴细胞、及单核细胞各有其生理功能，在不同生理状态下，可引起不同类型的白细胞发生数量和质量的变化。白细胞的分类记数是临床判断有无疾病，疾病的种类和严重程度的重要依据，有着重要的意义。 白细胞显微图像自动识别系统以细胞显微图像为基础，应用图像分析和模式识别技术，借助微机来实现细胞的自动分类和计数，属于形态学检测范畴。一般是在细胞显微图像分割、白细胞特征提取、白细胞特征选择后，用一定的分类算法(分类器)将白细胞分成具有临床意义的若干类。常见的分类算法有统计学方法和神经网络方法。本文主要采用神经网络方法尤其是模糊神经网络方法进行了基于彩色细胞图像的白细胞自动分类研究，具体实现如下： 首先采集和准备足够量的彩色细胞显微图像标本。运用前人的研究成果结合手工方法进行图像分割，从每幅图像中分割出单独的白细胞图像，并将白细胞进行细胞核和细胞浆的分割。 对每一个白细胞分别提取其几何特征、彩色特征和纹理特征，并将特征数据按预定的格式存储。 本文中的分类是在训练样本类别已知情况下的监督分类，每组白细胞图像样本分别分成训练样本集和测试样本集。 首先用常规神经网络方法中的BP神经网络构建分类器，用训练样本集训练分类器，直到误差达到所希望的要求。再用测试样本集测试分类器的分类表现。 模糊神经网络采用的是基于Sugeno糊模型的模糊神经网络，这种模糊神经网络系统的总输出不是以隶属度函数的形式出现，而是以输出是输入数据的函数的形式出现，因而它不需要去模糊化。 用BP神经网络和Sugen0型模糊神经网络模型分别对白细胞进行了三分类和五分类研究，并将分类效果进行了对比分析。 对特征的提取和选择与白细胞分类之间的关系进行了一些探讨。运用主成分分析方法对特征空间矢量进行了分析．用分析后的结果再次进行了白细胞分类研究，并与用经验特征进行分类的结果进行了对比。

目录

文摘

英文文摘

东南大学学位论文独创性声明及东南大学学位论文使用授权声明

第一章前言

1.1研究背景和意义

1.2国内外研究现状

1.3课题主要目标及工作

1.4论文的组织

第二章血细胞图像的获取

2.1样本制备

2.2白细胞在光镜下的形态特征及分类计数的临床意义

2.2.1白细胞形态特征

2.2.2白细胞分类计数的临床意义

2.3数字化细胞显微图像的获取

第三章白细胞图像特征提取和选择

3.1图像的基本知识

3.2白细胞图像特征提取前的准备工作

3.3白细胞图像特征的提取和选择

3.3.1白细胞图像特征的提取

3.3.2白细胞图像特征的选择

第四章分类器设计

4.1分类器概念

4.2人工神经网络分类器

4.2.1人工神经网络基础

4.2.2 BP神经网络

4.2.3 BP神经网络和外周血白细胞分类

4.3模糊神经网络分类器

4.3.1模糊逻辑系统

4.3.2模糊神经网络

4.3.3 Sugeno型模糊神经网络和白细胞分类

第五章特征提取和选择对分类结果影响的探讨

5.1特征提取和选择与白细胞分类

5.2主成分分析(PCA)与白细胞分类

5.2.1主成分分析(PCA)的概念

5.2.2主成分分析应用于白细胞的分类研究

5.3小结

第六章总结和展望

6.1课题工作总结

6.2展望

致谢

参考文献