[发明专利]基于颜色空间自适应阈值分割的白细胞自动分类方法

说明书

本发明公开了一种基于颜色空间自适应阈值分割的白细胞自动分类方法，首先，结合颜色空间信息的自适应阈值分割方法，用于处理颜色不均，难以分割的白细胞图片，解决了细胞分割中通常无法兼顾低计算量与高准确度的问题。在完成细胞分割后，从得到的细胞核和细胞的灰度图像提取了包括几何，颜色和纹理特征在内的大量细胞特征，并设计了基于CART的特征选择算法来剔除初始特征集中的冗余特征，从而选择出最有利于分类的特征子集，大大降低了无用特征对分类效率的干扰。最后，本发明中通过引入PSO对SVM的两个超参数进行优化，提高了SVM的分类性能。本发明通过优化白细胞分类过程中的各个阶段，成功提高了白细胞的分类效果。

技术领域

本发明涉及一种图像处理方法，具体涉及一种使用图像处理技术实现对白细胞的自动 分类检测。

背景技术

免疫系统是人体抵抗病原体入侵的疾病防御屏障，而白细胞则是免疫系统的重要组成 部分，通过吞噬和产生抗体来清除病原体。白细胞主要分为嗜中性粒细胞、嗜酸性粒细胞、 嗜碱性粒细胞、淋巴细胞和单核细胞5大类[1]。由于白细胞各有其生理功能，机体发生炎 症或其他疾病时会引起白细胞数量的变化以及各种类型白细胞所占百分比的变化，因而对 血液中白细胞总数及分类个数的统计，对医学诊断、判断是否患病、分析出患有何种疾病 以及严重程度等具有非常重要的意义，医院中对白细胞的检验一直是血检中的重要内容之 一。传统的白细胞检测主要通过人工镜检和血检仪器两种方法。但人工镜检检测方法对医 务人员的自身经验要求高、劳动强度要求大，医务人员容易产生视觉疲劳，使主观因素对 结果的影响更大而缺乏客观的衡量标准。而血检仪器虽然解决了人工镜检效率低下的问题， 但是仪器对测试样本有很高的要求，并且分析仪价格较为昂贵，需要专业人士进行操作及 保养，不利于在乡镇医院和社区医院进行普及应用，因此急需更加高效准确的白细胞检测 分类方法。

而近年来，在医学图像处理领域，随着成像技术的极大进步与人工智能领域数字图像 处理技术的广泛应用，使用计算机图形学辅助医学诊断成为一大趋势，在宫颈癌细胞识别， 乳腺癌检测，肺癌检测，白细胞分类等多个医疗领域取得了一系列进展[2]。白细胞图片中 通常包括白细胞，红细胞，血小板等，应用数字图像处理技术对其中的白细胞进行识别与 分类，主要包括以下三个步骤：首先进行图像分割，在白细胞图片中分割出目标白细胞； 然后从中提取出有效特征；最后将特征数据输入到分类器中进行分类计数。

图像分割的目的就是从白细胞图片中成功地切割出白细胞部分，为后续的特征提取步 骤提供必要的信息，而细胞图像复杂的背景信息以及染色光照等不确定因素会给分割带来 很大困难。Safuan[3]使用Otsu算法执行分割过程，Osowski[4]开发了一种基于形态学操作 (例如侵蚀，膨胀，平滑和分水岭变换)的细胞分割方法。虽然他们在细胞核的分割上都 达到了不错的效果，但是当图片模糊或背景信息过多时，这些基础的分割算法无法分割出 完整的白细胞，容易导致细胞质特征的丢失。Zheng[5]根据凹度分析将K-means聚类与接 触细胞分裂相结合，以生成一个粗糙的WBC区域。然后，将粗略的分割结果用作自动标签 来训练支持向量机(SVM)分类器，进一步对图像的每个像素进行分类，以获得更准确的 分割结果。然而虽然这类复杂的分割方法可以提供更准确的分割结果，但是它们要么实施 成本高昂，要么需要大量的计算资源，给整个的分类系统造成了很大的负担。

细胞分割完成后，如何进行有效的细胞特征提取也一直是研究工作的重点。一般来说， 对于白细胞的特征提取主要是依据检验科医生的经验来设计特征，比如白细胞的几何形态、 颜色和纹理信息，Osowski等人[6]便从这三个方面提取了164维的特征向量对白细胞进行分 类，取得了一定的效果。理论上来讲，提取的特征越多越有可能找到最有利于细胞分类的 有效特征，但是实际上特征数据过多并不能保证更好的分类效果。因为在提取出的的初始 特征中通常存在许多无效甚至有害的冗余特征，这不仅增加了硬件开销影响了分类效率， 严重的还会降低分类的准确率。为了解决这些问题并以最少的特征数获得最高的识别精度， 有必要对初始特征进行特征选择。