[发明专利]一种基于深度学习的白细胞五分类方法

摘要

本发明属于医学图像处理领域，涉及一种人体外周血细胞图像中白细胞五分类技术，具体是一种基于深度学习的白细胞五分类方法。首先利用简单的颜色分量关系及形态学操作将白细胞从显微镜图片中检测出来，然后利用颗粒特征及SVM识别出嗜碱性粒细胞与嗜酸性粒细胞，接着利用卷积神经网络自动提取剩下细胞图片的特征，最后利用随机森林实现剩下的三分类。本发明能避免了传统方法中因分割带来的一些误差，并能有效的解决白细胞的五分类问题，并对不同数据库的细胞都能达到较好的结果。

主权项

1.一种基于深度学习的白细胞五分类方法，其特征在于：该方法包括如下步骤：(1)白细胞检测(1.1)将含有白细胞的显微镜图片作为测试图像I1，提取测试图像RGB(Red Green Blue，红绿蓝)颜色通道的R(红色)、B(蓝色)分量；将R、B分量做差；然后进行阈值分割，得到初步分割图I2；(1.2)对于上述得到的初步分割图I2，利用形态学操作中的腐蚀与膨胀操作得到完整细胞核图I3；(1.3)将上述得到的完整细胞核图I3中的细胞核标为i，i＝1,2,……N，其外接矩形为Ai，中心坐标为(xi,yi)，得到定位框图；计算任意两个中心坐标之间的距离并测量其外接矩形的最长距离来判断是否是完整细胞核，若所测细胞核属于白细胞中的非分叶细胞，即只有一个细胞核，则每一个定位框图即为白细胞定位子图；若所测细胞核属于白细胞中的分叶细胞，则采用中心坐标实时更新迭代的方法，进而实现细胞核完整；(1.4)利用细胞核对白细胞进行检测；对于每个白细胞定位子图，利用细胞核的中心坐标(xi,yi)与定位框的高度、宽度检测得到白细胞图像；(2)粒细胞筛选(2.1)对步骤(1)检测得到的白细胞图像提取其细胞质的纹理特征，即共生LBP(Local Binary Pattern，局部二值模式)的直方图特征；(2.2)对于得到的直方图特征，利用BRD(Bin ratio‑based histogram distance,基于Bin比例的直方图距离，Bin是将颜色空间划分成若干小的颜色空间的个数)计算直方图之间的距离，判断其属于嗜碱性粒细胞、嗜酸性粒细胞亦或是其他三类细胞：中性粒细胞、淋巴细胞、单核细胞；(3)其他三类细胞分类(3.1)对上述得到的其他三类细胞：中性粒细胞、淋巴细胞、单核细胞，利用卷积神经网络自动提取其卷积特征，即将以上三类白细胞图片输入到该卷积神经网络中得到4096维特征向量；(3.2)对上述得到的特征向量，利用随机森林进行中性粒细胞、淋巴细胞、单核细胞三分类。