血细胞的多分类——基于端到端计算机视觉的诊断案例研究

血液相关疾病的诊断通常涉及对患者血液样本的识别和表征。自动检测和分类血细胞亚型具有重要的医学应用价值。自动化医学图像处理与分析为医学诊断提供了有力工具。本工作中，我们基于白细胞外轮廓和颜色的形态学特征来解决白细胞分类问题。我们将探索一组预处理与分割（基于颜色的分割、形态学处理、轮廓提取）算法，以及一组特征提取方法（角点检测算法和梯度方向直方图(HOG)）、降维算法（主成分分析(PCA)），能够通过多种无监督（k近邻）和有监督（支持向量机、决策树、线性判别分析、二次判别分析、朴素贝叶斯）算法识别并分类嗜酸性粒细胞、淋巴细胞、单核细胞和中性粒细胞等不同类别的白细胞。我们甚至进一步探索了多种深度卷积神经网络架构（Sqeezent、MobilenetV1、MobilenetV2、InceptionNet等）在有无预处理/分割下的表现。我们希望探索多种算法，以确定具有最低时间复杂度和低资源需求的鲁棒算法。本工作的成果可为按需求选择自动化血细胞分类算法提供线索。