一种基于改进K-means及卷积神经网络的白细胞提取和分类方法

摘要

本发明涉及一种基于改进K‑means及卷积神经网络的白细胞提取和分类方法。首先，根据细胞图像灰度分布来选定初始聚类中心，对图像所有像素按就近原则进行初始聚类；接着，对FWSA‑KM算法的欧式距离进行改进；白细胞提取之前，先进行颜色空间分解，采用有利于白细胞分割的颜色分量和改进的K‑means算法进行细胞核和细胞质的提取；接着采用分水岭算法来分离复杂粘连的部分；最后，基于卷积神经网络进行分类。本发明方法使得白细胞细胞核和细胞质分割精度分别为95.81％和91.28％，较传统分割方法有较大提高；分类准确度最大能达到98.96%，分类平均时间为0.39s，相对于现有的白细胞分类算法，CNN分类方法不仅有明显优势，同时还有很大的提升空间。