导读:本文包含了白细胞图像论文开题报告文献综述及选题提纲参考文献，主要关键词:数字图像处理,白细胞分割,预处理,医疗信息化
白细胞图像论文文献综述
麻若珊[1]（2019）在《数字图像处理在白细胞分割中的应用研究》一文中研究指出近几十年计算机行业的蓬勃发展也带动了数字图像处理技术的发展和进步,让其在各行各业都得到相应的应用。尤其是在生物医学领域中,在医用显微技术的处理分析和医学诊断方面扮演了重要的角色。本文从数字图像处理技术的概念着手,就其对白细胞分割的应用情况进行了描述。(本文来源于《现代信息科技》期刊2019年19期）
王伟,司淼淼,陈芙蕖,刘慧,姜小明[2]（2019）在《低倍率镜检图像无标记红白细胞识别方法研究》一文中研究指出针对低倍率镜检图像无标记红白细胞对比度低、边缘模糊、结构不清晰、内部纹理特征不明显等特点,提出一种改进的低维特征向量识别算法。该算法通过彩色图像空间分离、逻辑或运算和形态学处理完成初步分割,针对粘连细胞,采用基于迭代腐蚀的标记分水岭方法再次分割,通过多种方法互补完成红白细胞的分割。根据红白细胞在形态、快速傅里叶变化(fast Fourier transform,FFT)以及Canny边缘检测图像的差别,提取周长、面积、FFT后的圆形度、连通域数、像素和和闭合比值6个相关特征组成特征向量用于训练支持向量机分类器。实验结果表明,在低倍率镜检图像无标记红白细胞准确分割前提下,基于6个相关特征的低维特征向量识别可以显着提高识别率,而且识别效果相对稳定,不易受红白细胞异型情况影响。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2019年04期）
赵晓晴,刘景鑫,张海涛,胡笑含,李大军[3]（2019）在《色彩空间变换和基于距离变换的分水岭算法在白细胞图像分割中的应用》一文中研究指出在血液细胞显微图像中,由于红细胞、血小板与白细胞颜色相近,并且存在粘连白细胞,提取白细胞用于分类计数往往达不到较好的效果。本文提出一种色彩空间变换的方法滤除红细胞和血小板,即将RGB色彩空间上急性淋巴细胞白血病患者的血液细胞显微图像转换至HSV色彩空间,检测并提取白细胞。对于提取结果中的粘连白细胞,采用基于距离变换的分水岭分割算法标记粘连边界。同时实验证明,本文所提出的方法在分割精度上有着良好的表现。(本文来源于《中国医疗设备》期刊2019年07期）
赵子豪[4]（2019）在《基于卷积神经网络的白细胞图像检测及分类技术》一文中研究指出白细胞是人体内免疫系统的保卫者,保护人体不受病菌侵害。五类白细胞中的某类细胞数量超出正常范围时,往往预示着人体会出现某种疾病,所以准确识别五类白细胞对辅助诊断病情具有重要意义。白细胞识别的金标准是人工镜检,但人工镜检效率较低,易受检验人员的水平影响。电阻抗法,流式细胞法等检验效果较好,但仪器造价比较高。基于图像处理的识别方法具有直观,易于医生复检等优点,但传统图像处理方法中分割不精确、特征冗余、分类模型选取都影响着识别效果。基于卷积神经网络的图像处理方法可以简化识别步骤,有望完成低成本、高精度的白细胞识别任务。本文使用卷积神经网络和迁移学习的方法进行白细胞图像检测及分类,主要研究工作如下:(1)基于卷积神经网络的白细胞图像检测。本文为了提高检测精度,在YOLO方法的基础上做出改进,将白细胞当成正类、背景当成负类进行白细胞检测,首先使用旋转、图像拼接等数据增强方式对数据扩增;然后使用Kmeans++算法对Kmeans聚类作初始化,使用Kmeans算法对白细胞边界框尺寸进行聚类得到初始候选框,利用带残差模块的卷积神经网络提取特征,在初始候选框上进行边框回归得到白细胞预测框;最后使用非极大抑制在预测框中选择最优边框得到白细胞位置。(2)基于迁移学习的白细胞图像分类。针对小数据量白细胞数据不足以拟合网络模型的问题,本文用自然图像为源域在InceptionV3网络上学习图像底层特征,固定网络结构及参数并迁移到以白细胞图像为目标域的神经网络中,加入多个全连接层进行分类训练,实现五类白细胞的自动分类功能。本文在白细胞图像上进行了实验,并与其它深度学习方法及传统图像处理方法进行对比。实验结果显示,本文的目标检测方法实现白细胞检测准确率为97.84%,优于YOLO。目标分类网络的五类白细胞分类平均准确率98.58%,优于支持向量机、随机森林、AlexNet、VGG和未迁移的Inception V3。本文有效地利用卷积神经网络对白细胞精确检测,利用迁移学习网络对白细胞准确分类。(本文来源于《西北大学》期刊2019-06-01）
李诗亚,舒荣宝,王秋珏,周兆金,王韵彪[5]（2019）在《人类白细胞抗原B27阳性与阴性强直性脊柱炎患者骶髂关节CT图像的对比分析》一文中研究指出目的探讨人类白细胞抗原B27(HLA-B27)阳性和阴性强直性脊柱炎(AS)患者的骶髂关节CT影像学差异。方法选取2013年1月至2018年6月在马鞍山市中医院及市人民医院确诊的182例AS患者,根据HLA-B27检测结果分为阳性组和阴性组,其中阳性组145例,阴性组37例,比较两组患者骶髂关节CT影像学表现的差异。结果①骶髂关节CT诊断分级:阳性组Ⅱ级40例、Ⅲ级72例、Ⅳ级33例;阴性组Ⅱ级24例、Ⅲ级11例、Ⅳ级2例。②骶髂关节CT征象检出率:两组患者在关节面硬化检出率上的差异无统计学意义(P> 0. 05);阳性组在关节面侵蚀、关节间隙改变及骨性强直等方面检出率高于阴性组,差异有统计学意义(P均<0. 05)。结论 HLA-B27阳性和阴性AS患者骶髂关节在CT影像学表现上存在差异。(本文来源于《安徽医学》期刊2019年05期）
王亚品,曹益平,付光凯,王璐,万莹莹[6]（2019）在《基于深度卷积神经网络的人体外周血白细胞显微图像分类》一文中研究指出人体外周血白细胞五分类在医学临床诊断中有重要的作用。本文提出一种基于深度卷积神经网络(CNN)的人体外周血白细胞显微图像五分类方法。首先以ResNet为原型结构设计了一种适用于白细胞显微图像分类的深度卷积神经网络,并提出了一种基于特征集中的新的数据增强的方法来丰富数据集。由于图像的背景对物体识别有很大影响,用图像处理的方法改变同一白细胞的背景,可以生成新的样本。经过数据增强后的样本总量为42 300。最后,针对数据集中五类白细胞样本不均衡问题,在神经网络训练策略中,提出一种改进的批次(batch)随机梯度下降算法(MBGD)。通过将批次随机梯度下降算法每个批次中五类白细胞所占比例设置为1∶1∶1∶1∶1,可以使CNN均衡地获取五类白细胞的特征。实验结果表明,本文所设计的CNN结构、所提出数据增强方法和改进的批次随机梯度下降算法均可提高白细胞图像分类正确率。所提白细胞五分类方法可以达到95.7%的训练正确率。对8 400张白细胞图像进行测试,得到95.0%的平均分类正确率,嗜中性粒细胞、淋巴细胞、单核细胞、嗜酸性粒细胞和嗜碱性粒细胞的分类正确率分别为:92.2%,91.5%,94.6%,93.3%和97.4%。(本文来源于《光电子·激光》期刊2019年05期）
陈芙蕖[7]（2019）在《尿液有形成分图像中红白细胞分割和识别算法研究》一文中研究指出对尿液有形成分中所含的特定细胞成分与数量进行判定,是人体泌尿及肾脏疾病诊断的重要依据之一。本研究设计一种基于低维特征条件的尿液有形成分图像红白细胞分割与分类算法,不仅能保证低倍率(20倍目镜系统采集)条件下特定细胞完整的分割提取,同时也一定程度提高了识别准确率。主要工作如下:1.设计了一种结合高斯混合模型和距离矩阵的图像去噪增强方法。算法首先选取了灰度共生矩阵衍生出的均值和统计量作为纹理特征,对尿液有形成分纹理图像建立高斯混合模型,结合邻域像素的相互影响增强图像以降低噪声和弱边缘现象对分割的影响。2.设计了一种基于马尔可夫随机场(Markov Random Field,MRF)的尿液有形成分粘连细胞分割算法。考虑到背景与前景的纹理明显区别,采用纹理分类的思想实现分割的目的。算法将相似权重引入势函数,通过马尔科夫模型对特征图像进行纹理分割,考虑了势团内像素标记信息和纹理信息双层相互作用。利用面积比值法找出粘连细胞的凹点候选集,提出一种凹点聚类找到最佳分割凹点对的思想,从而完成粘连细胞的分割。3.提出了一种拓扑特征向量提取方法,选取了区域数、梯度空间方差、最大区域面积比、周长、面积、连通域数、像素和以及闭合比值组成特征向量,并寻找了特征之间关系建立了支撑特征网络,用于后续分类器的训练。4.设计了HMM、SVM、SVM-HMM以及低维特征组合与常用特征组合识别对比实验。实验分别对300个红白细胞样本测试,结果显示基于改进的低维特征向量SVM-HMM识别方法识别效果相对与HMM、SVM识别较好,红细胞的识别率为95.7%,白细胞的识别率为97.8%,且分组测试识别率的标准差较小,识别效果稳定,有希望进一步应用于临床镜检。(本文来源于《重庆邮电大学》期刊2019-03-08）
何晓岭[8]（2018）在《人体粪便镜检图像中红白细胞的分割与识别方法研究》一文中研究指出人体粪便镜检图像中红白细胞的分割与识别方法研究涉及到计算机图像处理和图像模式识别等多门学科的知识。粪便镜检图像相比血液和尿沉渣镜检图像,图像中的有形物体具有更复杂的背景和模糊的边界,目前,在国内对粪便镜检图像的分析主要依靠人工目检。这种检测方法不仅增加了医疗检测人员的工作负担,而且降低了诊断效率。本论文结合相关的知识,探索了粪便镜检图像的预处理、粪便镜检图像中有形物的分割、粪便镜检图像中细胞特征的分析提取和粪便镜检图像中红白细胞的分类识别算法。在细胞图像的预处理部分,研究了高斯滤波和各向异性扩散平滑滤波算法并对图像进行了滤波处理和灰度变换增强处理。各向异性扩散平滑滤波处理方法不仅可以平滑图像去除图像中的噪声,还可以有效保留图像中的重要信息。在细胞图像的分割部分,研究了基于阈值的图像分割、基于边缘检测的图像分割和基于改进型Chan-Vese模型的图像分割。考虑到粪便镜检图像背景复杂且具有弱边界的特点,提出用八向Sobel弥补透明细胞的模糊边缘,把兼顾域内纹理和边界的结构张量作为Chan-Vese能量平衡分割方法。改进型Chan-Vese分割模型相比传统的Chan-Vese分割模型,分割精度有明显提高。在细胞图像特征的提取与细胞分类识别部分,首先提取了细胞的形状特征、统计特征和纹理特征并进行组合;然后探索了支持向量机、决策树、随机决策森林和深度森林几种分类算法。采用随机决策森林对图像中红白细胞进行分类识别,通过调整训练的特征数、特征子集组合和决策树的数量,使分类效果明显提高。本文最后综合分析比较了上述各种图像处理技术及方法对粪便镜检图像的处理效果,实验证明,提出的改进型Chan-Vese分割模型和随机决策森林分类方法对粪便镜检图像中有形物的分类识别具有较高的分辨能力和较稳定的光学环境适应性。基于上述有关算法,本研究构建了一个粪便镜检图像红白细胞自动识别系统的软件框架。(本文来源于《华东交通大学》期刊2018-06-30）
胡燕云[9]（2018）在《显微白细胞图像自动获取与识别技术研究》一文中研究指出显微白细胞图像的获取与识别一直以来是医学图像处理的一个重要研究领域。正常人的血液中不同白细胞种类的数量和百分比与有疾病的人是有区别的。在临床上,医务人员通常根据人体液中的白细胞种类的质量和计数来判断人正常或者患有某种疾病。然而繁琐又重复的显微白细胞图像获取与识别耗费了大量的人力物力,采用计算机辅助诊断不仅能保证医疗诊断的客观性和准确率,同时还节省了医务专家人员的时间和精力,具有很好的应用价值和实际意义。本论文针对显微白细胞图像的自动聚焦获取与识别技术展开了深入研究,本文的主要研究内容有:一、提出了一种全自动显微镜下基于平面拟合的八邻域算子自动聚焦算法,通过基于平面拟合的八邻域快速聚焦获算法在显微镜下自动获取白细胞图像。本文根据显微细胞图像的边缘信息改进了边缘检测算子,提出了一种八邻域算子。并从运算复杂度和评价函数的效果等方面与传统聚焦算子做了对比分析,分析结果表明八邻域算子评价函数在显微细胞图像聚焦中的具有单峰性和尖锐性。同时本论文根据血涂片的特点提出了基于平面拟合的聚焦策略,并与人眼视觉做了对比,结果表明本文所提出的聚焦策略拟合度很好。二、提出了一种基于改进的卷积神经网络的显微白细胞图像自动识别方法。本文结合图像去噪技术和K-means颜色聚类分割算法对显微白细胞图像进行了预处理和分割处理,然后简化了基于mnist_uiint8手写字体集的卷积神经网络(LeNet5)结构,并将改进的卷积神经网络用作分类器对显微白细胞图像进行识别。同时本文在MatlabR2014a环境下做了仿真实验,仿真实验结果表明经过改进的卷积神经网络在速度上优于原始的卷积神经网络,而且显微白细胞识别的精度为96%。(本文来源于《湘潭大学》期刊2018-06-04）
钟亚[10]（2018）在《白带显微图像中白细胞自动识别算法技术的研究》一文中研究指出白带显微图像中白细胞的自动识别算法技术是一种与机器学习方法,人工智能思想密切关联的数字图像处理技术。阴道白细胞的存在是阴道或宫颈组织炎症的重要标志,白细胞的识别与计数是评估病情的简单、有效手段,是白带常规检查的重要部分。然而,传统方法中白细胞的识别主要通过人工方法进行,效率低下。迄今为止,粪便、血液等物质中的有形成分均实现了智能化的自动识别,而白带中白细胞的自动识别研究则刚刚起步。白细胞自动识别的实现依托于全自动白带检测仪,借鉴并使用了图像处理、特征提取、智能分类、神经网络等多种算法技术,主要包括两个阶段:白带显微图像预处理,和白细胞正负样本的智能分类。白带显微图像的预处理,完成了对白带显微图像的分割与裁剪,得到了白细胞的正负样本库,是实现白细胞自动识别的基础与首要步骤。之后,本文提出了叁种用于白细胞正负样本分类的算法模型:提取样本的形态学特征和纹理特征,组成特征集并输入到分类器中进行分类;设计一个卷积神经网络的算法模型,从不同维度不同层次完成特征抽取,并将分类步骤融合于网络之中;将上述两种算法模型线性组合,得到一个组合算法模型。经过白细胞正负样本的分类之后,将正样本在白带显微图像中框出并计数,至此,完成了白细胞的自动识别。实验结果表明,基于这叁种不同算法模型的白细胞识别方法均可用于实际生产中。基于手工设计特征并分类的方法达到了88%的灵敏度,97%的特异性和92.5%的准确率。基于卷积神经网络的方法获得95%的灵敏度,89%的特异性和91%的准确率。最后,基于组合模型的方法中,实现了93%的灵敏度,96%的特异性和95%的准确率。可见,这叁种方法在不同评价指标下各有优劣,但差别较小,均可用于白带显微图像中白细胞的自动识别。考虑程序运行的时间,则基于卷积神经网络的算法模型呈现出最优的性能。本文从算法角度出发,研究了白带显微图像中白细胞的自动识别技术,针对具体的识别情景,设计手工特征集和卷积神经网络,并创造性的将两者相结合,实现了多种算法下的白细胞自动识别,达到了生产要求,提高了白带检测仪的智能化程度。(本文来源于《电子科技大学》期刊2018-04-01）
白细胞图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对低倍率镜检图像无标记红白细胞对比度低、边缘模糊、结构不清晰、内部纹理特征不明显等特点,提出一种改进的低维特征向量识别算法。该算法通过彩色图像空间分离、逻辑或运算和形态学处理完成初步分割,针对粘连细胞,采用基于迭代腐蚀的标记分水岭方法再次分割,通过多种方法互补完成红白细胞的分割。根据红白细胞在形态、快速傅里叶变化(fast Fourier transform,FFT)以及Canny边缘检测图像的差别,提取周长、面积、FFT后的圆形度、连通域数、像素和和闭合比值6个相关特征组成特征向量用于训练支持向量机分类器。实验结果表明,在低倍率镜检图像无标记红白细胞准确分割前提下,基于6个相关特征的低维特征向量识别可以显着提高识别率,而且识别效果相对稳定,不易受红白细胞异型情况影响。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
白细胞图像论文参考文献
[1].麻若珊.数字图像处理在白细胞分割中的应用研究[J].现代信息科技.2019
[2].王伟,司淼淼,陈芙蕖,刘慧,姜小明.低倍率镜检图像无标记红白细胞识别方法研究[J].重庆邮电大学学报(自然科学版).2019
[3].赵晓晴,刘景鑫,张海涛,胡笑含,李大军.色彩空间变换和基于距离变换的分水岭算法在白细胞图像分割中的应用[J].中国医疗设备.2019
[4].赵子豪.基于卷积神经网络的白细胞图像检测及分类技术[D].西北大学.2019
[5].李诗亚,舒荣宝,王秋珏,周兆金,王韵彪.人类白细胞抗原B27阳性与阴性强直性脊柱炎患者骶髂关节CT图像的对比分析[J].安徽医学.2019
[6].王亚品,曹益平,付光凯,王璐,万莹莹.基于深度卷积神经网络的人体外周血白细胞显微图像分类[J].光电子·激光.2019
[7].陈芙蕖.尿液有形成分图像中红白细胞分割和识别算法研究[D].重庆邮电大学.2019
[8].何晓岭.人体粪便镜检图像中红白细胞的分割与识别方法研究[D].华东交通大学.2018
[9].胡燕云.显微白细胞图像自动获取与识别技术研究[D].湘潭大学.2018
[10].钟亚.白带显微图像中白细胞自动识别算法技术的研究[D].电子科技大学.2018