[发明专利]一种白细胞分类方法及装置

摘要

本发明提供一种白细胞分类方法及装置，方法包括对血液样本中的白细胞进行染色，得到包含染色后的白细胞血样样本；对白细胞血样样本进行图像采集，得到白细胞血液样本图像；将白细胞血液样本图像的各类细胞分割出来，分别提取各类细胞的细胞形态学特征参数；将分割后的各类细胞进行二次分割，分别得到细胞核图像、细胞质及颗粒图像；提取细胞核图像的颜色特征参数；提取细胞质及颗粒图像的颗粒分布特征参数及颜色特征参数；对提取的特征进行归一化；将归一化后的特征送入神经网络分类器，识别出各类白细胞中五类细胞，并分别得到五类细胞的数目及占总白细胞数的百分比。本发明提供的白细胞分类方法及装置能够准确的对白细胞进行分类。

主权项

一种白细胞分类方法，其特征在于，包括：对血液样本中的白细胞进行染色，得到包含染色后的白细胞血样样本；对所述白细胞血样样本进行图像采集，得到白细胞血液样本图像；将所述白细胞血液样本图像的各类细胞图像分割出来，具体为：采用基于神经网络的阈值分割算法来将染色后白细胞进行分割；分别提取所述各类细胞图像的细胞形态学特征参数；将分割后的所述各类细胞图像进行二次分割，分别得到细胞核图像、细胞质及颗粒图像；提取所述细胞核图像的颜色特征参数；提取所述细胞质及颗粒图像的颗粒分布特征参数及颜色特征参数；对所述细胞形态学特征参数、所述细胞核图像的颜色特征参数、所述细胞质及颗粒图像的颗粒分布特征参数及颜色特征参数进行归一化；将归一化后的所述细胞形态学特征参数、所述细胞核图像的颜色特征参数、所述细胞质及颗粒图像的颗粒分布特征参数及颜色特征参数送入神经网络分类器，识别出所述白细胞中的嗜酸性粒细胞、嗜碱性粒细胞、嗜中性粒细胞、淋巴细胞、单核细胞、原始粒细胞，并分别得到所述嗜酸性粒细胞、嗜碱性粒细胞、嗜中性粒细胞、淋巴细胞、单核细胞、原始粒细胞的数目及占总白细胞数的百分比；所述神经网络分类器是建立在BP神经网络基础上的分类器，所述建立在BP神经网络基础上的分类器还包括一反馈过程，所述反馈过程是对分类出来的可疑目标及识别错误目标进行细化、分类、补充特征参数；所述将分割后的所述各类细胞图像进行二次分割，分别得到细胞核图像、细胞质及颗粒图像具体为：利用基于模糊聚类的图像分割算法，将白细胞图像分割成细胞核图像、细胞质及颗粒图像；所述基于模糊聚类图像分割算法的分割方法如下：将分割后各类细胞图像的数据由RGB颜色空间转换到HSV颜色空间，将H作为图像切割空间，即作为模糊聚类图像分割的像素特征值；H表示图像的色调；设定聚类中心为2，分别为细胞核图像的聚类中心v1及细胞质及颗粒图像的聚类中心v2，并设定v1、v2的初始值；设定迭代次数L的阈值为T，及聚类中心差值阈值ε；根据公式以及公式进行迭代；当满足迭代次数L>T或maxi||vi(L+1)‑vi(L)||<ε时，停止迭代，得到合适的隶属度函数和聚类中心值；表示当J(U,V)取得最小值的时候隶属度Uij的值；表示当J(U,V)取得最小值的时候聚类中心Vi的值；图像由c个区域组成，区域的聚类中心表示为{v1，v2……，vn}，vi为第i类聚类中心，即聚类中心v＝{v1，v2……，vn}中的一个；L表示迭代次数；uik表示xi属于第k类区域的隶属度；dik表示xk到达第i类聚类中心vi的距离；xk表示x＝{x1，x2，……，xn}中的一个值；J(U,V)表示区域的像素到类聚中心加权距离的平方和；参数m是隶属度的加权指数，m∈[1，∞)；按照最大隶属度原则，并根据聚类中心值对图像像素进行分类，得到分割后的图像。