基于机器学习的白细胞六分类研究

摘要

鉴于现有机器学习白细胞分类方法难以验证网络泛化性与鲁棒性,本研究提出了一种联合多类型特征的白细胞分类方法.首先使用图像剪裁与中心化及改进型颜色阈值分割完成11865张六种类别白细胞图像的预处理与分割操作.随后在特征提取部分筛选出细胞几何、纹理、小波三部分共63个特征;通过主成分分析法实现了降维后得到8个主成分.最后使用支持向量机、多层感知机与决策树分别进行分类工作,结果为高质量图像最高88.6％;噪声图像最高84.5％;低分辨率图像最高87.6％的分类精度.实验结果验证了所提出方法的鲁棒性和泛化性好,可实现白细胞的准确分类.