骨髓细胞检测:一种显微图像分析技术
计算机视觉与模式识别
2018-05-08 v1
摘要
在骨髓增殖性疾病的检测中,各类骨髓细胞(BMC)的数量是评估的一项重要参数。本研究提出一种新的计数方法,其同样由定位、分割与分类三个模块组成。BMC 的定位通过颜色变换增强的 BMC 样本图像与逐步平均法(SAM)实现。在细胞核分割中,将同时应用 SAM 与 Otsu 方法以获得加权阈值,从而将图像块分割为细胞核与非细胞核。在细胞质分割中,使用颜色弱化变换、改进的区域生长方法与 K-Means 算法。相连的 BMC 细胞将由标记控制的分水岭算法分离。分割后提取特征用于分类。本研究中,BMC 使用 SVM、随机森林、人工神经网络、Adaboost 与贝叶斯网络分类为五类(含一个离群类),即中性分叶粒细胞、中性杆状粒细胞、晚幼红细胞、成熟淋巴细胞及离群类(所有其他未列出的细胞)。实验结果表明,SVM 的最佳平均识别率为 87.49%。
引用
@article{arxiv.1805.02058,
title = {Bone marrow cells detection: A technique for the microscopic image analysis},
author = {Haichao Cao and Hong Liu and Enmin Song},
journal= {arXiv preprint arXiv:1805.02058},
year = {2018}
}
备注
11 pages, 8 figures and 4 tables