白细胞分类
计算机视觉与模式识别
2020-09-07 v2
摘要
本文提出一种用于识别五类白细胞的新型自动分类框架。从血涂片图像中分割完整白细胞并从中提取优势特征，仍是白细胞分类中的挑战性任务。因此，我们提出一种自适应阈值分割方法，用于处理具有非均匀颜色与不均匀光照的血涂片图像，该方法基于颜色空间信息与阈值分割设计。随后，在成功将白细胞从血涂片图像中分离后，提取大量包括几何、颜色与纹理特征在内的非线性特征。然而，冗余特征会影响分类速度与效率，有鉴于此，设计了一种基于分类与回归树（CART）的特征选择算法。通过对特征间非线性关系的深入分析，从初始非线性特征中成功去除了不相关与冗余特征。之后，将所选显著特征输入粒子群优化支持向量机（PSO-SVM）分类器以识别白细胞类型。最后，为评估所提白细胞分类方法的性能，我们构建了一个包含 500 张血涂片图像的白细胞数据集用于实验。通过与人工获得的真值比较，所提分割方法对分割的细胞核与细胞区域分别达到 95.98% 与 97.57% 的平均 dice 相似度。此外，所提方法达到 99.76% 的分类准确率，很好地证明了其有效性。
引用
@article{arxiv.2008.07181,
title = {White blood cell classification},
author = {Na Dong and Meng-die Zhai and Jian-fang Chang and Chun-ho Wu},
journal= {arXiv preprint arXiv:2008.07181},
year = {2020}
}