System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及图像处理,特别涉及一种骨髓涂片识别方法、系统、可读存储介质及计算机。
技术介绍
1、白血病是由于人体的骨髓和造血组织中白细胞出现异常增生而导致的致命疾病,随着现代医疗的进步,白血病的病死率正在逐渐下降,然而,白血病的自然病程短,发病快,因此,对骨髓涂片进行快速准确的检测,对于治疗白血病显得尤为重要。
2、目前,白血病临床诊断通常是从形态学的角度对显微镜图像进行人工检测,通过对骨髓涂片中不同种类白细胞是否出现数量和形态等的病变来分析,从而确定临床诊断方案和病变趋势发展,虽然人工检测的成本较低,但是存在较多缺点,人工检测会使得结果较为依赖个人经验,无法做出准确的判断,其次,通过肉眼观察无法充分应用图像信息和特征,不利于早起诊断趋势。
技术实现思路
1、基于此,本专利技术的目的是提供一种骨髓涂片识别方法、系统、可读存储介质及计算机,以至少解决上述技术中的不足。
2、本专利技术提出一种骨髓涂片识别方法,包括:
3、获取待测骨髓涂片,并将所述待测骨髓涂片转换为数字图像,对所述数字图像进行预处理,以分割出所述数字图像中骨髓细胞的区域图像;
4、提取所述骨髓细胞的区域图像的rbg分量信息,并利用多尺度分解所述rgb分量信息,以优化所述骨髓细胞的区域图像的聚类中心,得到对应的骨髓细胞图像及其胞浆信息;
5、构建所述骨髓细胞图像的rbg分量模型,并将所述rbg分量模型转换为his空间模型,利用所述rbg分量模型和所述his空间
6、构建骨髓细胞分类模型,并利用所述骨髓细胞分类模型对所述骨髓细胞图像中的白细胞图像进行分类识别,以得到对应的分类结果。
7、进一步的,对所述数字图像进行预处理,以分割出所述数字图像中骨髓细胞的区域图像的步骤包括:
8、获取所述数字图像的所有像素点,并对各所述像素点进行一阶求导,以确定各所述像素点中的边缘点;
9、对所述边缘点进行二阶求导,并根据二阶求导结果确定所述数字图像中骨髓细胞区域的边缘像素点;
10、将所述数字图像中骨髓细胞区域的边缘像素点进行连接,以分割出所述数字图像中骨髓细胞的区域图像。
11、进一步的,提取所述骨髓细胞的区域图像的rbg分量信息,并利用多尺度分解所述rgb分量信息,以优化所述骨髓细胞的区域图像的聚类中心,得到对应的骨髓细胞图像及其胞浆信息的步骤包括:
12、提取所述骨髓细胞的区域图像的r分量信息、g分量信息以及b分量信息,并根据所述r分量信息、所述g分量信息以及所述b分量信息设定所述区域图像的初始聚类中心;
13、提取所述区域图像中任意像素点,并计算出该像素点与所述初始聚类中心的g分量信息的距离,将该像素点聚类到距离最近的聚类中心,以得到新的聚类中心,其中,该像素点中,,;
14、利用多尺度分类算法对所述新的聚类中心进行更新,直至所述新的聚类中心的rbg分量信息不再变化,以得到对应的骨髓细胞图像及其胞浆信息。
15、进一步的,所述多尺度分类算法的计算公式为:
16、;
17、式中,,,表示第类集合的个数,表示类中循环前聚类中心所含r、g、b分量信息的值,表示循环后迭代更新的像素点值。
18、进一步的,将所述rbg分量模型转换为his空间模型,利用所述rbg分量模型和所述his空间模型对所述骨髓细胞图像进行图像处理,以提取出所述骨髓细胞图像中的白细胞图像的步骤包括:
19、提取所述his空间模型中的s参数分量,并对所提取出的s参数分量和所述骨髓细胞图像的g分量信息进行线性对比度处理;
20、利用图像转换算法对线性对比度处理后的s参数分量和g分量信息进行转换,并基于转换结果进行灰度处理,以提取出所述骨髓细胞图像中的白细胞图像。
21、本专利技术还提出一种骨髓涂片识别系统,包括:
22、图像预处理模块,用于获取待测骨髓涂片,并将所述待测骨髓涂片转换为数字图像,对所述数字图像进行预处理,以分割出所述数字图像中骨髓细胞的区域图像;
23、聚类优化模块,用于提取所述骨髓细胞的区域图像的rbg分量信息,并利用多尺度分解所述rgb分量信息,以优化所述骨髓细胞的区域图像的聚类中心,得到对应的骨髓细胞图像及其胞浆信息;
24、图像处理模块,用于构建所述骨髓细胞图像的rbg分量模型,并将所述rbg分量模型转换为his空间模型,利用所述rbg分量模型和所述his空间模型对所述骨髓细胞图像进行图像处理,以提取出所述骨髓细胞图像中的白细胞图像;
25、分类识别模块,用于构建骨髓细胞分类模型,并利用所述骨髓细胞分类模型对所述骨髓细胞图像中的白细胞图像进行分类识别,以得到对应的分类结果。
26、进一步的,所述图像预处理模块包括:
27、一阶求导单元,用于获取所述数字图像的所有像素点,并对各所述像素点进行一阶求导,以确定各所述像素点中的边缘点;
28、二阶求导单元,用于对所述边缘点进行二阶求导,并根据二阶求导结果确定所述数字图像中骨髓细胞区域的边缘像素点;
29、图像分割单元,用于将所述数字图像中骨髓细胞区域的边缘像素点进行连接,以分割出所述数字图像中骨髓细胞的区域图像。
30、进一步的,所述聚类优化模块包括:
31、聚类中心设定单元,用于提取所述骨髓细胞的区域图像的r分量信息、g分量信息以及b分量信息,并根据所述r分量信息、所述g分量信息以及所述b分量信息设定所述区域图像的初始聚类中心;
32、聚类中心更新单元,用于提取所述区域图像中任意像素点,并计算出该像素点与所述初始聚类中心的g分量信息的距离,将该像素点聚类到距离最近的聚类中心,以得到新的聚类中心,其中,该像素点中,,;
33、聚类中心优化单元,用于利用多尺度分类算法对所述新的聚类中心进行更新,直至所述新的聚类中心的rbg分量信息不再变化,以得到对应的骨髓细胞图像及其胞浆信息。
34、进一步的,所述图像处理模块包括:
35、对比度处理单元,用于提取所述his空间模型中的s参数分量,并对所提取出的s参数分量和所述骨髓细胞图像的g分量信息进行线性对比度处理;
36、图像转换单元,用于利用图像转换算法对线性对比度处理后的s参数分量和g分量信息进行转换,并基于转换结果进行灰度处理,以提取出所述骨髓细胞图像中的白细胞图像。
37、本专利技术还提出一种可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现上述的骨髓涂片识别方法。
38、本专利技术还提出一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的骨髓涂片识别方法。
39、本专利技术当中的骨髓涂片识别方法、本文档来自技高网...
【技术保护点】
1.一种骨髓涂片识别方法,其特征在于,包括:
2.根据权利要求1所述的骨髓涂片识别方法,其特征在于,对所述数字图像进行预处理,以分割出所述数字图像中骨髓细胞的区域图像的步骤包括:
3.根据权利要求1所述的骨髓涂片识别方法,其特征在于,提取所述骨髓细胞的区域图像的RBG分量信息,并利用多尺度分解所述RGB分量信息,以优化所述骨髓细胞的区域图像的聚类中心,得到对应的骨髓细胞图像及其胞浆信息的步骤包括:
4.根据权利要求3所述的骨髓涂片识别方法,其特征在于,所述多尺度分类算法的计算公式为:
5.根据权利要求1所述的骨髓涂片识别方法,其特征在于,将所述RBG分量模型转换为HIS空间模型,利用所述RBG分量模型和所述HIS空间模型对所述骨髓细胞图像进行图像处理,以提取出所述骨髓细胞图像中的白细胞图像的步骤包括:
6.一种骨髓涂片识别系统,其特征在于,包括:
7.根据权利要求6所述的骨髓涂片识别系统,其特征在于,所述图像预处理模块包括:
8.根据权利要求6所述的骨髓涂片识别系统,其特征在于,所述聚类优化模块包
9.一种可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至5任一所述的骨髓涂片识别方法。
10.一种计算机,包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至5任一所述的骨髓涂片识别方法。
...【技术特征摘要】
1.一种骨髓涂片识别方法,其特征在于,包括:
2.根据权利要求1所述的骨髓涂片识别方法,其特征在于,对所述数字图像进行预处理,以分割出所述数字图像中骨髓细胞的区域图像的步骤包括:
3.根据权利要求1所述的骨髓涂片识别方法,其特征在于,提取所述骨髓细胞的区域图像的rbg分量信息,并利用多尺度分解所述rgb分量信息,以优化所述骨髓细胞的区域图像的聚类中心,得到对应的骨髓细胞图像及其胞浆信息的步骤包括:
4.根据权利要求3所述的骨髓涂片识别方法,其特征在于,所述多尺度分类算法的计算公式为:
5.根据权利要求1所述的骨髓涂片识别方法,其特征在于,将所述rbg分量模型转换为his空间模型,利用所述rbg分量模型和所述his...
【专利技术属性】
技术研发人员:刘军,李慧明,
申请(专利权)人:南昌大学第一附属医院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。