CN104732524A - 血液白细胞显微图像的随机权网络分割方法 - Google Patents

血液白细胞显微图像的随机权网络分割方法 Download PDF

Info

Publication number
CN104732524A
CN104732524A CN201510066975.9A CN201510066975A CN104732524A CN 104732524 A CN104732524 A CN 104732524A CN 201510066975 A CN201510066975 A CN 201510066975A CN 104732524 A CN104732524 A CN 104732524A
Authority
CN
China
Prior art keywords
image
random weight
weight network
class
tenuigenin
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510066975.9A
Other languages
English (en)
Other versions
CN104732524B (zh
Inventor
陆晶
楚建军
曹飞龙
赵建伟
周正华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China Jiliang University
Maccura Medical Electronics Co Ltd
Original Assignee
JIASHAN JUST-TECH MEDICAL EQUIPMENT Co Ltd
China Jiliang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by JIASHAN JUST-TECH MEDICAL EQUIPMENT Co Ltd, China Jiliang University filed Critical JIASHAN JUST-TECH MEDICAL EQUIPMENT Co Ltd
Priority to CN201510066975.9A priority Critical patent/CN104732524B/zh
Publication of CN104732524A publication Critical patent/CN104732524A/zh
Application granted granted Critical
Publication of CN104732524B publication Critical patent/CN104732524B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Investigating Or Analysing Biological Materials (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种血液白细胞显微图像的随机权网络分割方法,由类别编码与训练库构建、随机权网络训练、解编码分割以及形态学算子修复四个子过程构成的自动分割技术,将血液白细胞分割转化成一个分类问题,用分类的方式实现白细胞显微图像的自动分割,得到完整的连通的细胞质和细胞核区域。本发明的有益效果是,通过对血液白细胞图像像素点的有效类别编码,构建稳健的血液白细胞分类训练库;采用快速、高效的随机权网络获取最优编码决策模型,以获得对待分割白细胞图像的最佳编码,得到最终的分割结果。本发明实现了对于白细胞显微图像的高效分割。

Description

血液白细胞显微图像的随机权网络分割方法
技术领域
本发明属于图像处理技术领域,涉及一种血液白细胞显微图像的随机权网络分割方法。
背景技术
血液白细胞的分类识别和计数在病毒或真菌感染、肿瘤以及艾滋病等临床诊断与治疗中起到重要的作用。采用人工的方式进行分类和计数,无疑是一项枯燥且耗时费力的工作,这就对自动识别血液白细胞显微图像提出了要求。
实现血液白细胞自动分类主要包含三大步骤:细胞分割、特征提取和分类实现。其中细胞分割是关键,细胞分割的好坏直接影响到后续特征提取及分类的效果。
目前已有的白细胞分割方法,就实用性和复杂程度而言,均存在不同程度的缺陷。譬如,基于颜色直方图的分割方法和基于施密特正交化的分割方法,虽然操作简单、速度快,但是它们无法分割出细胞质的区域;而基于分水岭、活动轮廓模型的方法步骤复杂,且分割的效果视血液白细胞显微图像而定;基于多谱图像技术的方法虽然可以得到对于白细胞成分的有效分割,但其需耗费很大的代价。因此这些方法都不符合白细胞分割的实际应用需求,这就对新的快捷有效的血液白细胞分割方法提出了迫切的需求。
发明内容
本发明的目的是提供一种血液白细胞显微图像的随机权网络分割方法,该方法不仅操作简单、分割速度快,同时能够达到有效的分割效果。对于仅包含一个白细胞的显微图像,该发明能准确地分割出白细胞的细胞核和细胞质区域。此外,本发明能很好地融入血液白细胞图像自动分类的应用中。
本发明所采用的技术方案是,一种血液白细胞显微图像的随机权网络分割方法,由类别编码与训练库构建、随机权网络训练、解编码分割以及形态学算子修复四个子过程构成的自动分割技术,将血液白细胞分割转化成一个分类问题,用分类的方式实现白细胞显微图像的自动分割,得到完整的连通的细胞质和细胞核区域。
本发明的特征还在于,血液白细胞图像的像素点进行类别编码,根据染色特点,共分为七个编码类,分别是红细胞类、血浆类、细胞核类、嗜酸性粒细胞细胞质类、中性粒细胞细胞质类、嗜碱性粒细胞细胞质类以及单核细胞与淋巴细胞细胞质类。
在RGB空间中提取每类中的像素点的R分量、G分量和B分量构成该子类的特征向量,并结合类编码构建血液白细胞显微图像训练库。
构建的训练库经由随机权网络进行训练,得到随机权网络的决策模型。
对待分割血液白细胞显微图像经由随机权网络决策模型进行解编码,获取属于细胞核与细胞质区域的像素点,进行二值化显示得到经随机权网络分割后的细胞质与细胞核。
经随机权网络分割后的细胞质与细胞核存在孤立点(区域)和孔洞,采用形态学算子对该杂质或孔洞进行修复,得到完整的连通的形态学修复后的细胞质与细胞核区域。
本发明的有益效果是,通过对血液白细胞图像像素点的有效类别编码,构建稳健的血液白细胞分类训练库;采用快速、高效的随机权网络获取最优编码决策模型,以获得对待分割白细胞图像的最佳编码,得到最终的分割结果。本发明实现了对于白细胞显微图像的高效分割。需要指出的是,本发明以自动化为目的,因此要求所涉及的白细胞显微图像均在统一标准下染色拍摄。
附图说明
图1是本发明的流程图。
图2是本发明处理的对象一幅待分割的白细胞显微图像。
图3是由随机权网络分割后得到的细胞质区域。
图4是由随机权网络分割后得到的细胞核区域。
图5是对图3进行形态学修复后的细胞质区域。
图6是对图4进行形态学修复后的细胞核区域。
图中1.血液白细胞显微图像库,2.血液白细胞显微图像,3.提取颜色分量,4.R分量,5.G分量,6.B分量,7.构建的血液白细胞训练库,8.相对应的类编码库,9.随机权网络隐层节点,10.随机权网络决策模型,11.随机权网络,12.最佳编码,13.解编码并提取细胞核与细胞质像素,14.随机权网络分割后的细胞质,15.随机权网络分割后的细胞核,16.形态学修复,17.形态学修复后的细胞质,18.形态学修复后的细胞核,19.血浆,20.红细胞,21.待分割细胞核,22.待分割细胞质。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明将白细胞显微图像的分割问题转化成一个分类问题。首先将血液白细胞图像的像素点进行类别编码,根据血液白细胞显微图像染色的特点,本发明将其共分为七个编码类,分别是红细胞类、血浆类、细胞核类、嗜酸性粒细胞细胞质类、中性粒细胞细胞质类、嗜碱性粒细胞细胞质类以及单核细胞与淋巴细胞细胞质类。接着提取每一编码类的特征向量构成血液白细胞分类训练库,并采用快捷有效的随机权网络作为分类器对该训练库进行编码训练,获得最优决策模型。最后对待分割白细胞中的像素进行编码分类,再通过解编码找到属于细胞质和细胞核的像素点,确定细胞核和细胞质的区域。因为细胞核和细胞质区域的染色并不均匀,导致在解编码后所得区域中存在杂质或孔洞,本发明采用形态学算子对杂质及孔洞进行修复,最终得到完整的连通的细胞核和细胞质区域。值得说明的是,因在本血液白细胞显微图像分割发明中采用了统一标准染色拍摄的图像,并且所涉及到的染色种类不像自然图像那样复杂,使本发明在技术方案层面是可行的。
具体来说,在图1中,对血液白细胞显微图像库1中的图像根据染色特点,将血液白细胞图像的像素点进行类别编码,本发明将其共分为七个编码类,分别是红细胞类、血浆类、细胞核类、嗜酸性粒细胞细胞质类、中性粒细胞细胞质类、嗜碱性粒细胞细胞质类以及单核细胞与淋巴细胞细胞质类。就一般而言,每幅图像只涉及其中的四个类别,分别是血浆19、红细胞20、待分割细胞核21以及出现在图像中的白细胞特有的待分割细胞质22,如图2所示。
在图1中,对血液白细胞库中的图像2根据染色特征,在RGB空间中提取一定量的每种类别下每个像素点的颜色向量(即提取颜色分量3),包含R分量4、G分量5和B分量6,构成一个像素点特征量,进而对整个训练样本构建血液白细胞训练库X=[X1,X2,…Xi],其中Xi代表第i种类别的颜色向量构成的子库,i=1-7。同时对血液白细胞显微图像2进行编码并构建相对应的类编码库8,将其编码库和血液白细胞训练库统一构成新的训练库,输入随机权网络11。
根据输入的训练库进行随机权网络的训练,从而得到随机权网络决策模型10。
取待分割图像中每一个像素点的R分量4、G分量5和B分量6构建特征向量,根据随机权网络决策模型10,得到对于每个像素的最佳编码12,接着通过对像素点的解编码获取属于细胞核与细胞质区域的像素点(即解编码并提取细胞核与细胞质像素13),进行二值化显示得到经随机权网络分割后的细胞质与细胞核。图3和图4的白色区域即为待分割图1经随机权网络分割后得到的细胞质14和经随机权网络分割后的细胞核15。
因在血液白细胞显微图像2中,细胞核和细胞质区域的颜色并不均匀,若只采用随机权网络来进行分割,将导致分割出的细胞核和细胞质中存在杂质或孔洞。故而在本发明中采用形态学修复16算子对其分别进行修复,得到最终的分割结果。图5和图6分别为经随机权网络分割后得到的细胞质14和经随机权网络分割后的细胞核15经形态学修复16得到的形态学修复后的细胞质17和形态学修复后的细胞核18。

Claims (6)

1.一种血液白细胞显微图像的随机权网络分割方法,其特征在于,由类别编码与训练库构建、随机权网络训练、解编码分割以及形态学算子修复四个子过程构成的自动分割技术,将血液白细胞分割转化成一个分类问题,用分类的方式实现白细胞显微图像的自动分割,得到完整的连通的细胞质和细胞核区域。
2.根据权利要求1所述的一种血液白细胞显微图像的随机权网络分割方法,其特征在于,血液白细胞图像的像素点进行类别编码,根据染色特点,共分为七个编码类,分别是红细胞类、血浆类、细胞核类、嗜酸性粒细胞细胞质类、中性粒细胞细胞质类、嗜碱性粒细胞细胞质类以及单核细胞与淋巴细胞细胞质类。
3.根据权利要求1或2所述的一种血液白细胞显微图像的随机权网络分割方法,其特征在于,在RGB空间中提取每类中的像素点的R分量、G分量和B分量构成该子类的特征向量,并结合类编码构建血液白细胞显微图像训练库。
4.根据权利要求3所说的一种血液白细胞显微图像的随机权网络分割方法,其特征在于,构建的训练库经由随机权网络进行训练,得到随机权网络的决策模型。
5.根据权利要求4所说的一种血液白细胞显微图像的随机权网络分割方法,其特征在于,对待分割血液白细胞显微图像经由随机权网络决策模型进行解编码,获取属于细胞核与细胞质区域的像素点,进行二值化显示得到经随机权网络分割后的细胞质与细胞核。
6.根据权利要求5所说的一种血液白细胞显微图像的随机权网络分割方法,其特征在于,经随机权网络分割后的细胞质与细胞核存在孤立点和孔洞,采用形态学算子对该杂质或孔洞进行修复,得到完整的连通的形态学修复后的细胞质与细胞核区域。
CN201510066975.9A 2015-02-07 2015-02-07 血液白细胞显微图像的随机权网络分割方法 Active CN104732524B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510066975.9A CN104732524B (zh) 2015-02-07 2015-02-07 血液白细胞显微图像的随机权网络分割方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510066975.9A CN104732524B (zh) 2015-02-07 2015-02-07 血液白细胞显微图像的随机权网络分割方法

Publications (2)

Publication Number Publication Date
CN104732524A true CN104732524A (zh) 2015-06-24
CN104732524B CN104732524B (zh) 2018-12-14

Family

ID=53456392

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510066975.9A Active CN104732524B (zh) 2015-02-07 2015-02-07 血液白细胞显微图像的随机权网络分割方法

Country Status (1)

Country Link
CN (1) CN104732524B (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105608694A (zh) * 2015-12-22 2016-05-25 苏州大学 视网膜细胞显微图像分割与计数方法
CN105913434A (zh) * 2016-04-13 2016-08-31 中国计量学院 一种白细胞定位和迭代分割方法
CN107492088A (zh) * 2016-06-11 2017-12-19 青岛华晶生物技术有限公司 一种妇科显微图像中白细胞自动识别与统计方法
CN107977682A (zh) * 2017-12-19 2018-05-01 南京大学 基于极坐标变换数据增强的淋巴类细胞分类方法及其装置
WO2019205811A1 (zh) * 2018-04-26 2019-10-31 深圳大学 一种随机权网络泛化能力改进方法、装置和计算机可读存储介质
EP3588368A3 (en) * 2018-05-10 2020-04-29 Juntendo Educational Foundation Image analysis method, apparatus, and deep learning algorithm generation method
US11978198B2 (en) 2019-04-26 2024-05-07 Juntendo Educational Foundation Method, apparatus, and computer program for supporting disease analysis, and method, apparatus, and program for training computer algorithm

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745210A (zh) * 2014-01-28 2014-04-23 爱威科技股份有限公司 一种白细胞分类方法及装置

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745210A (zh) * 2014-01-28 2014-04-23 爱威科技股份有限公司 一种白细胞分类方法及装置

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
FANG YI等: "《White Blood Cell Image Segmentation Using On-line Trained Neural Network》", 《PROCEEDINGS OF THE 2005 IEEE ENGINEERING IN MEDICINE AND BIOLOGY 27TH ANNUAL CONFERENCE》 *
焦春林等: "《基于改进型聚类神经网络的图像分割》", 《计算机工程与应用》 *
王卫星等: "《基于颜色、梯度矢量流活动轮廓及支持向量机实现白细胞的提取和分类》", 《光学精密工程》 *
赵建伟等: "《一种基于调和随机权网络与曲波变换的图像分类方法》", 《模式识别与人工智能》 *

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105608694A (zh) * 2015-12-22 2016-05-25 苏州大学 视网膜细胞显微图像分割与计数方法
CN105913434A (zh) * 2016-04-13 2016-08-31 中国计量学院 一种白细胞定位和迭代分割方法
CN105913434B (zh) * 2016-04-13 2018-07-17 中国计量大学 一种白细胞定位和迭代分割方法
CN107492088A (zh) * 2016-06-11 2017-12-19 青岛华晶生物技术有限公司 一种妇科显微图像中白细胞自动识别与统计方法
CN107492088B (zh) * 2016-06-11 2020-12-04 青岛华晶生物技术有限公司 一种妇科显微图像中白细胞自动识别与统计方法
CN107977682A (zh) * 2017-12-19 2018-05-01 南京大学 基于极坐标变换数据增强的淋巴类细胞分类方法及其装置
CN107977682B (zh) * 2017-12-19 2021-09-28 南京大学 基于极坐标变换数据增强的淋巴类细胞分类方法及其装置
WO2019205811A1 (zh) * 2018-04-26 2019-10-31 深圳大学 一种随机权网络泛化能力改进方法、装置和计算机可读存储介质
EP3588368A3 (en) * 2018-05-10 2020-04-29 Juntendo Educational Foundation Image analysis method, apparatus, and deep learning algorithm generation method
US11093729B2 (en) 2018-05-10 2021-08-17 Juntendo Educational Foundation Image analysis method, apparatus, non-transitory computer readable medium, and deep learning algorithm generation method
US11830188B2 (en) 2018-05-10 2023-11-28 Sysmex Corporation Image analysis method, apparatus, non-transitory computer readable medium, and deep learning algorithm generation method
US11978198B2 (en) 2019-04-26 2024-05-07 Juntendo Educational Foundation Method, apparatus, and computer program for supporting disease analysis, and method, apparatus, and program for training computer algorithm

Also Published As

Publication number Publication date
CN104732524B (zh) 2018-12-14

Similar Documents

Publication Publication Date Title
CN104732524A (zh) 血液白细胞显微图像的随机权网络分割方法
CN106372648A (zh) 基于多特征融合卷积神经网络的浮游生物图像分类方法
CN103839065B (zh) 人群动态聚集特征提取方法
CN101315663B (zh) 一种基于区域潜在语义特征的自然场景图像分类方法
CN107590489A (zh) 基于级联卷积神经网络的目标检测方法
CN103984946B (zh) 一种基于K‑means的高分辨率遥感地图道路提取方法
CN103353938B (zh) 一种基于层次级特征的细胞膜分割方法
CN102968637A (zh) 一种复杂背景图像文字分割方法
CN106599915B (zh) 一种车载激光点云分类方法
CN109285162A (zh) 一种基于局部区域条件随机场模型的图像语义分割方法
CN104134234A (zh) 一种全自动的基于单幅图像的三维场景构建方法
CN111507415B (zh) 一种基于分布密度的多源大气数据聚类方法
CN108921942B (zh) 对图像进行2d转制3d的方法及装置
CN110827312B (zh) 一种基于协同视觉注意力神经网络的学习方法
CN104361348B (zh) 一种智能终端上的花卉识别方法
CN103295013A (zh) 一种基于成对区域的单幅图像阴影检测方法
CN109977774A (zh) 一种基于自适应卷积的快速目标检测方法
CN104809469A (zh) 一种面向服务机器人的室内场景图像分类方法
CN110111343A (zh) 一种基于改进模糊c均值的中智学图像分割方法及装置
CN107977592B (zh) 一种图像文本检测方法及系统、用户终端及服务器
CN106157323A (zh) 一种动态分块阈值和块搜索结合的绝缘子分割提取方法
CN110688888B (zh) 一种基于深度学习的行人属性识别方法和系统
CN105138975B (zh) 一种基于深度信念网络的人体肤色区域分割方法
CN109886277A (zh) 一种基于轮廓分析的茶鲜叶识别方法
CN106874421A (zh) 基于自适应矩形窗口的图像检索方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: Jiashan Jinyang road Jiaxing city Zhejiang province 314100 No. 568 Branch Center No. 3 building four layer

Applicant after: JASDAQ MEDICAL DEVICE CO.,LTD.

Applicant after: China Jiliang University

Address before: Jiashan Jinyang road Jiaxing city Zhejiang province 314100 No. 568 Branch Center No. 3 building four layer

Applicant before: JASDAQ MEDICAL DEVICE CO.,LTD.

Applicant before: China Jiliang University

CB02 Change of applicant information
TA01 Transfer of patent application right

Effective date of registration: 20171107

Address after: 611731 4 Building 8, two road, Chengdu, Sichuan

Applicant after: MACCURA MEDICAL ELECTRONICS Co.,Ltd.

Applicant after: China Jiliang University

Address before: Jiashan Jinyang road Jiaxing city Zhejiang province 314100 No. 568 Branch Center No. 3 building four layer

Applicant before: JASDAQ MEDICAL DEVICE CO.,LTD.

Applicant before: CHINA JILIANG UNIVERSITY

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant