• 四川大学 电子信息学院(成都  610064);
导出 下载 收藏 扫码 引用

本文提出了一种新型的基于 mean-shift 聚类算法的人体外周血中白细胞五分类算法,其核心思想是用一种近似人眼的可视化模式对白细胞纹理进行提取。首先利用 mean-shift 聚类算法从白细胞灰度图像中提取一些模式点,然后用其作为区域生长算法的种子点进行区域生长,得到一系列能够在某种程度上可视化地反映纹理的区域块。最后从这些区域块中提取一组参数向量作为白细胞的纹理特征。综合该向量和白细胞形态学特征,用人工神经网络(ANN)成功地完成了对白细胞的五分类识别。用了 1 310 个白细胞图像进行测试,得到中性粒细胞、嗜酸性粒细胞、嗜碱性粒细胞、淋巴细胞、单核细胞的正确识别率分别为 95.4%、93.8%、100%、93.1%、92.4%,证明了该算法的可行性和鲁棒性。

引用本文: 李小舜, 曹益平, 王亚品. 基于 mean-shift 聚类的高鲁棒性白细胞五分类识别算法. 生物医学工程学杂志, 2018, 35(5): 761-766. doi: 10.7507/1001-5515.201609067 复制

  • 上一篇

    基于稀疏表示体系的原发性脑部淋巴瘤和胶质母细胞瘤图像鉴别
  • 下一篇

    基于动态拉伸试验数据的脑组织粘性–超弹性材料模型参数求解