红血球表面形状特征提取与分类技术研究的中期报告.docxVIP

红血球表面形状特征提取与分类技术研究的中期报告 本研究旨在探索红血球表面形状特征的提取和分类技术，为医学图像分析和诊断提供支持。以下是中期报告的主要内容。 1. 红血球图像数据集的筛选和标注 我们收集了多个来源的红血球图像数据，包括血液常规检查中的镜片数字图像和扫描电子显微镜(SEM)图像。通过筛选和预处理，我们选取了包含各种形态和变异的红血球图像作为训练和测试数据集。同时，我们进行了标注工作，使用手工标注和半自动标注的方法，对每个红血球图像进行形状特征的标注。 2. 红血球表面形状特征提取算法的设计和实现 我们比较了多种红血球表面形状特征提取算法，包括轮廓提取、边缘检测和基于形态学的方法。最终，我们选择了基于边缘检测和曲率测量的方法，提取了红血球图像的曲率特征和几何形状参数，如面积、周长、长宽比等。 3. 红血球表面形状特征分类模型的建立和评估 我们使用机器学习算法和深度学习算法，建立了红血球表面形状特征分类模型，并进行了评估。我们比较了决策树、支持向量机(SVM)、深度神经网络(DNN)等多种算法的性能，采用交叉验证等方法对模型进行了评估和优化。结果表明，基于曲率特征和几何形状参数的DNN模型在红血球形态分类任务上具有较好的精度和鲁棒性。 总体来说，本研究初步探索了红血球表面形状特征的提取和分类技术，为医学图像分析和诊断提供了一定的技术支持和基础研究。未来，我们将进一步拓展数据