基于分类器融合的骨髓细胞识别研究

骨髓是人体的主要造血器官,骨髓细胞在形态、种类、数目上的变化往往反映出一些重要疾病的信息。对骨髓涂片图像中的细胞进行分类识别和计数,对辅助临床诊断有着重要意义。论文在采用改进型遗传算法进行特征优选的基础上,提出了基于信息熵的成员分类器动态选择和自适应模糊积分分类器融合的骨髓细胞识别算法,进而采用临床病例证明了该识别方法的有效性。     

骨髓细胞显微图像的分形特征分析

为了更好地完成骨髓细胞图像的分类识别,在对临床血液学及细胞学图谱中的细胞图像进行切分的基础上,提出了一种基于分形维数和图像重心的算法,用来提取每一细胞图像的分维特征.由于图像的纹理不仅表现在图像结构上具有某种统计意义的相似性,还反映在彩色分布方面,因此,可从骨髓细胞的真彩色图像中提取一个新的彩色识别分量图像C,并与HIS彩色空间的饱和度分量图像S一起进行分维特征提取.实验数据表明,由于不同类型骨髓细胞图像的分形参数具有不同程度的差异,因此分形参数对于某些类别的骨髓细胞具有较好的区分能力.     

条件函数三兄弟 为运算加条件解决实际问题

秋尽冬至,又到一年年终时。在工作中,数据的运算量和汇总的操作一下子比平时多了不少。众所周知,在Excel中可以对数据进行各种不同的运算和汇总,今天我向大家介绍与条件相关的函数三兄弟,分别是“COUNTIF”、“SUMIF”和“IF”函数。他们有一个共同的特点——都姓字符“IF”。COUNT函数,用来统计所选择区域的数值型单元格个数。而COUNTIF是COUNT函数的引申与拓展,有符合计数的条件才进行统计计算。比如,从员工信息表中,计算出有多少人的年龄大于35岁。下面我们来看一个典型的分类计数汇总的例子。这里有一张销售流水记录表,每…     

基于能量活动曲线的白细胞自动分类方法

在临床医学中，白细胞分类计数对疾病的诊断有着重要的意义。手工白细胞计数既费时又乏味而且还不客观。采用自动血液分析仪器提高了检验的速度和准确度。大多数商用的血细胞自动分析仪主要采用以下3步骤：分割、特征提取、分类。本文着重于白细胞自动分析的第一步，采用一种特殊的活动轮廓曲线的方法实现白细胞的分割。将血涂片图像变化成二值图像，在白细胞内部放置初始的轮廓曲线，让轮廓曲线生长成适合的单个白细胞形状的曲线，用得到的轮廓线将白细胞分离出来。     

颜色特征加权滤波骨髓细胞分割方法

颜色信息对骨髓细胞分割、分类非常重要。首先对已知类别的图像胞核、胞浆、成熟红细胞颜色采样进行r,g,b三值统计及线性关系分析,提取颜色特征;然后,采用斤。一次分割与多级阂值分割进行实验,针对边缘不完整和空洞问题,引入部域颜色特征一致性系数,对特征图像进行加权极差滤波。实验表明,该方法可以简单、有效地实现骨髓细胞图像分割。     

基于微流控技术的细胞分析仪研制及其应用

该研究将库尔特原理与微流控技术结合,开发了一款基于微流控技术的细胞分析仪和配套 芯片,实现了快速准确的白细胞计数。该微流控芯片由多层结构组成,液体在芯片上下层间流动,完 全与设备隔离,可即用即抛。采用该仪器和芯片对标准粒子和白细胞分别进行测试的结果显示,该分 析仪和芯片对不同直径标准粒子重复计数结果的变异系数分别为 4.95%、3.56% 和 2.13%;与希森美 康血细胞分析仪 XN20 对白细胞总数计数结果的比较可知,两者(XN20 和 CS1700)的线性回归系数 R2＝0.999 7;Bland-Altman 作图得出 95% 以上的点都在“95% 一致性界限”内波动;在 3.00×109/L、 11.00×109/L 和 30.00×109/L 三个医学决定水平处的预期偏倚百分比分别为 2.12%、0.54% 和 0.17%。 这表明,该细胞分析仪对标准粒子测试重复性良好,对白细胞测试结果与希森美康 XN20 的测试结果 具有可比性,可用于临床血样的白细胞检测,尤其适应于农村卫生室等基层医疗单位使用。     

多光谱骨髓细胞图像分类方法研究

介绍了一种结合决策树和极大似然法的多光谱骨髓细胞图像自动分类的方法，详细讨论了怎样确定决策树的结构，应用散点图挑选节点特征以及构造节点分类器。给出了分类结果。实验结果表明，文章提出的基于决策树的细胞分类方法对于多类的骨髓细胞分类识别极为有效，分类准确率远远高于单纯的极大似然法分类器，且分类的速度也令人满意。     

新型烟标计数装置的设计

烟标在销往香烟生产企业之前,需要对其进行计数。设计了一种基于机器视觉的烟标计数装置。采用特制扫描仪,将成叠的烟标侧面转换成图像信号,传送给专用的图像处理系统;图像系统通过去除图像背景和高斯滤波等操作,进行图像的预处理;采用Sobel算子进行图像边缘检测;逐行扫描,以此来计算烟标的数目。实验证明利用该装置,能实现精确计数,同时操作简单,计数迅速,实验中操作一次仅需5秒钟。     

活动轮廓模型在重叠藻细胞计数中的应用

针对重叠藻细胞显微图像的计数问题,提出一种基于活动轮廓模型的重叠藻细胞自动计数方法。对重叠藻细胞显微图像进行预处理,标记连通域,提取并处理局部图像,采用活动轮廓模型算法提取重叠藻细胞边缘,同时进行边缘分析和计数。与传统分水岭算法相比,该计数方法不直接进行重叠藻细胞分割,可以消除因直接分割时过分割与欠分割导致的计数误差,提高重叠藻细胞计算准确度。实验结果表明,该方法对重叠藻细胞的计数准确率高于90%。     

多模型数据集的免疫鲁棒回归分析

针对传统多模型数据集回归分析方法计算时间长、模型识别准确率低的问题,提出了一种新的启发式鲁棒回归分析方法。该方法模拟免疫系统聚类学习的原理,采用B细胞网络作为数据集的分类和存储工具,通过判断数据对模型的符合度进行分类,提高了数据分类的准确性,将模型集抽取过程分解成“聚类”“回归”“再聚类”的反复尝试过程,利用并行启发式搜索逼近模型集的解。仿真结果表明,所提方法回归分析时间明显少于传统算法,模型识别准确率明显高于传统算法。根据8模型数据集分析结果,传统算法中,效果最好的是基于RANSAC的逐次提取算法,其平均模型识别准确率为90.37%,需53.3947s;计算时间小于0.5s的传统算法,其准确率不足1%;所提算法仅需0.5094s,其准确率达到了98.25%。