血液细胞图像的自动识别系统的开发.docVIP

PAGE PAGE 1 血液细胞图像自动识别系统的开发 摘要 运用计算机模式识别技术自动识别血细胞图像是模式识别在医学图像领域应用的一个重要研究课题。由于血细胞的种类多、图像复杂而使这项工作不易实现，目前，临床医学中对血细胞形态的识别都是人工操作。本系统运用模式识别技术可对外周血中的血细胞图像实现自动识别。本文所用的图像分割方法是在对图像距离变换的基础上，综合区域和边界方法，充分利用图像中包含的信息，实现血细胞图像的分割。根据细胞的形状、纹理、颜色等的特点选取并测定22个特征值，用统计分类的方法设计分类器。通过对50幅图像共88个细胞的测试表明，此系统的识别正确率为96%，经临床专家评估，此系统具有较好的实用价值。 关键词 模式识别 血液细胞 自动识别 Abstract It is an important topic in the field of medicine image to make research on Blood Cell image recognition with Computer Pattern Recognition technique. However, there are so many types of blood cells and the image is complex. Therefore, it is not easy to fulfill image recognition with this technique. Up to now, the recognition of blood cells in clinic is by manual work. The system in this paper can recognize the blood cells by pattern recognition technique automatically. In order to fulfill the segmentation, the image segmentation method is based on distance transformation image, combining the region approach and edge approach, and taking full advantage of image information. There are 22 features selected and measured in accordance to the shape of cell, the texture of cell, and color appearance of cell. The classifier is designed with the statistical classification. The experimental results show that the classification accuracy is 96% from the 88 blood cells found in a set of 50 images. The system also confirms the validity and the clinical value. Keywords Pattern recognition, Blood Cell, Automatic recognition 1 引言 随着计算机技术的不断发展，计算机技术在医学中的应用也越来越多，其中一个重要方面是对显微镜下细胞形态的自动图像识别。细胞形态的检测是医学检测中的一个重要部分，很多疾病的诊治主要依靠医学专家观察标本中细胞在显微镜下的形态，对细胞进行识别和分类。目前最普遍和主要的方法是使用光学显微镜，观察经过染色的标本，根据每种细胞形态的不同进行分类和计数。这种人工分类的工作重复而单调、效率低下。随着计算机模式识别技术和人工智能研究的不断发展，人们把目光投向了对细胞图像的自动识别上，希望计算机能做到与医学专家一样快速准确地识别各类细胞并做出相应的诊断，这样将大大的提高检查效率，减少人为误差。由于图像中细胞形态复杂、细胞常重叠，标本制作时染色不好等原因，使细胞自动图像识别过程的关键——图像分割变得困难。又由于细胞种类较多，某些种类差别细微，因此对特征向量的选取和测定也提出了较高要求。 国外相关学者在这方面作了较广泛的研究，已提出一些分割方法，如Snakes算法。Snakes方法是一种边界检定和图像分割的方法，也可用于细胞边界的定位。Snakes 模型是一条由n个控制点组成的连续闭合曲线，它用一个能量函