基于受MPEG-7影响的描述符与支持向量机的细胞形态学细胞图像分类
应用统计
2008-12-15 v1 计算机视觉与模式识别
机器学习
摘要
计数和分类血细胞是医学中重要的诊断工具。支持向量机(SVM)日益流行且高效，有望取代人工神经网络系统。本文提出了一种使用SVM分类血细胞的方法。一组图像统计量用C++实现。MPEG-7描述符——可伸缩颜色描述符、颜色结构描述符、颜色布局描述符和同质纹理描述符——在尺寸上进行了扩展，并与人类视觉感知的纹理属性相对应的纹理特征相结合。从一组人类血细胞图像中收集这些统计量。实现并训练了一个SVM来分类细胞图像。细胞图像来自CellaVision DM-96机器，该机器通过显微镜图像对细胞进行分类。CellaVision机器的输出图像和分类被作为真实标签，该标签的正确率为90-95%。问题被分为两部分——主要问题和简化问题。主要问题是分类与CellaVision机器相同的类别。简化问题是区分五种最常见的白细胞类型。考虑到SVM受到真实标签中错误的误导，两种情况均取得了令人鼓舞的结果——错误率分别为10.8%和3.1%。结论是进一步研究其性能是值得的。
引用
@article{arxiv.0812.2309,
title = {Classification of Cell Images Using MPEG-7-influenced Descriptors and Support Vector Machines in Cell Morphology},
author = {Tobias Abenius},
journal= {arXiv preprint arXiv:0812.2309},
year = {2008}
}
备注
For associated files and erratum, see http://Tobbe.nu/pub/2008/cell.morph.mpeg7.svm/