一种基于深度学习的白细胞五分类方法技术

本发明专利技术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。本发明专利技术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。

A classification method of white blood cell five based on deep learning

The invention belongs to the field of medical image processing, and relates to a white blood cell five classification technology of human peripheral blood cell image, in particular to a white blood cell classification method based on deep learning. The color components and simple morphological operation of white cells detected from the microscope images, and then use the particle characteristics and SVM identify basophils and eosinophils, then use the convolution neural network automatic feature extraction of the remaining cell images, three classification finally achieved the remaining using random forest. The invention can avoid the errors caused by the segmentation in the traditional method, and can effectively solve the problem of five classification of white blood cells, and can achieve better results for the cells of different databases.

【技术实现步骤摘要】

本专利技术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。
技术介绍
血液中的白细胞对人体免疫功能来说十分重要，血液中各类白细胞的数量和百分比在有疾病和正常情况下是不同的,医生可以依据这些重要的基础数据作为判断疾病的种类和疾病的严重程度的标准，这对于医学诊断中对血液病的研究有很大价值，所以研究白细胞的分类计数很有意义。随着计算机和人工智能技术的不断发展，细胞图像分析已经成为临床诊断、病理分析以及治疗的重要辅助工具。它解决了当前人工显微镜进行白细胞计数的工作量大、主观性强以及效率低的问题，且图片可以显示保存，以便于以后查验分类正确性。目前，许多研究者在白细胞图像自动识别方面做了大量的研究，提出了许多实用的分类算法，主要包括：(1)专利《血细胞分析方法及血细胞分析装置》(中国专利公开号CN103837502A)利用荧光染色对白细胞的核酸进行染色，利用获取的荧光信号进行分类。该方法原理简单、实现容易。其主要思想是让所制备的测定试样流过流动室，检测出测定试样中各血细胞发出的荧光和不同角度的两种散射光，获取荧光信号和两种散射光信号的检测步骤；用基于获取的荧光信号和两种散射光信号的至少三种参数进行分析，以此检测出肿瘤性淋巴细胞，并将白细胞至少分为四类。缺点：对细胞核酸进行染色破坏了细胞的结构，使得细胞损坏不能用于下次检测，且不能查验错误细胞到底是属于哪一类。(2)专利《一种白细胞分类方法及装置》(中国专利公开号CN103745210A)利用神经网络的方法进行分类，该方法的基本思想是提取各类细胞的细胞形态学特征参数及白细胞细胞核的颜色特征参数、细胞质的颗粒特征参数及颜色特征参数并对这些特征归一化然后利用神经网络对细胞进行分类。上述技术的缺点：所取特征都是基于全局考虑的，未对细胞图像的局部特征进行描述。
技术实现思路
本专利技术的目的是提供一种基于深度学习的白细胞五分类方法。为了实现上述目的，本专利技术提供了如下技术方案：本专利技术提供一种基于深度学习的白细胞五分类方法，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颜色通道的R、B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的直方图特征；(2.2)对于得到的直方图特征，利用BRD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。所述步骤(1.1)中，在-5～0中选择一个整数值作为阈值进行分割，大于阈值的值置为1，小于阈值的值置为0，得到初步分割图I2。所述步骤(1.2)中，对初步分割图做一次腐蚀及两次膨胀，得到的图与初步分割图I2做交，得到完整细胞核图I3，其腐蚀膨胀公式为其中B是结构元。选取半径为3的椭圆状结构元。所述步骤(1.3)中，计算任意两个中心坐标的之间的距离若Ai∪Aj≤s，且d≤l，则合并二者得到新的中心坐标作为新的定位框；否则，不合并；其中，s为数据库统计出来的单个最大白细胞面积,l为数据库统计出来的单个白细胞最长直径。所述步骤(2.1)中，提取细胞质的共生LBP特征，两点的共生LBP公式为PRICoLBP(A,B)＝[LBPru(A),LBPu(B,i(A))]co，其中LBPru(A)为LBP的旋转不变局部二值模式，LBPu(B,i(A))为LBP的均匀局部二值模式，即使得点A的二值序列最大的下标i作为点B二值序列的起始点，保证了共生LBP的旋转不变性。所述步骤(2.2)中，得到共生LBP直方图之后利用BRD计算直方图之间的距离作为SVM分类时的高斯核，BRD公式为 d B R D ( p , q ) = Σ i = 1 n Σ j = 1 n ( p i q j - p j q i p i + q j ) 2 , ]]>其中p＝[p1,p2,...,pn]与q＝[q1,q2,...,qn]均为直方图向量；利用1vs多的SVM进行训练并测试，即对于嗜酸性粒细胞、嗜碱性粒细胞、其他三类细胞这三类分别训练出嗜酸性粒细胞、嗜碱性粒细胞、其他三类细胞三个对应的分类器；测试时，将直方图数据带入训练好的嗜酸性粒细胞、嗜碱性粒细胞、其他三类细胞分类器，哪一个分类器得分较大就代表属于哪一类，从而筛选出嗜酸性粒细胞、嗜碱性粒细胞和其他三类细胞。所述步骤(3.2)中，每个决策树对应一个分类器{h(x,θk)|k＝1,2,...,L本文档来自技高网...

【技术保护点】
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颜色通道的R、B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的直方图特征；(2.2)对于得到的直方图特征，利用BRD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。...

【技术特征摘要】
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颜色通道的R、B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的直方图特征；(2.2)对于得到的直方图特征，利用BRD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。2.根据权利要求1所述的基于深度学习的白细胞五分类方法，其特征在于：所述步骤(1.1)中，在-5～0中选择一个整数值作为阈值进行分割，大于阈值的值置为1，小于阈值的值置为0，得到初步分割图I2。3.根据权利要求1所述的基于深度学习的白细胞五分类方法，其特征在于：所述步骤(1.2)中，对初步分割图做一次腐蚀及两次膨胀，得到的图与初步分割图I2做交，得到完整细胞核图I3，其腐蚀膨胀公式为I3＝(I2ΘB⊕B⊕B)∩I2，其中B是结构元。4.根据权利要求3所述的基于深度学习的白细胞五分类方法，其特征在于：选取半径为3的椭圆状结构元。5.根据权利要求1所述的基于深度学习的白细胞五分类方法，其特征在于：所述步骤(1.3)中，计算任意两个中心坐标的之间的距离若Ai∪Aj≤s，且d≤l，则合并二者得到新的中心坐标作为新的定位框；否则，不合并；其中，s为数据库统计出来的单个最大白细胞面积,l为数据库统计出来的单个白细胞最长直径。6.根据权利要求1所述的基于深度学习的白细胞五分类方法，其特征在于：所述步骤(2.1)中，提取细胞质的共生LBP特征，两点的共生LBP公式为PRICoLBP(A,B...

【专利技术属性】
技术研发人员：赵建伟，张敏淑，曹飞龙，周正华，冯爱明，楚建军，
申请(专利权)人：中国计量大学，嘉善加斯戴克医疗器械有限公司，
类型：发明
国别省市：浙江;33