自學習的白細胞圖像分割算法研究.pdf

1、白細胞圖像分割是實現(xiàn)白細胞分類計數(shù)的關鍵步驟，可以為臨床診療和病理學研究提供精確的定量分析結果，具有十分重要的理論意義和實用價值。對于不同的白細胞圖像，不僅其成像環(huán)境和染色條件是不一致的，外周血樣本也是來自不同的個體的，這種差異稱作異源性。現(xiàn)有的有監(jiān)督學習與無監(jiān)督學習方法只解決了同源的白細胞圖像分割問題，對異源的白細胞圖像的適應性不強。
　　為了提高對具有異源性的快速染色的白細胞圖像的魯棒性，論文結合無監(jiān)督學習無需訓練樣本與有監(jiān)督

2、學習對同源樣本具有高預測精度的優(yōu)點，提出了自學習的白細胞分割算法。論文的主要研究工作可歸納為以下幾個方面：
　　首先，在現(xiàn)有自底向上和自頂向下的視覺注意模型的研究基礎上，提出了一種自學習的自底向上與自頂向下的白細胞檢測模型。通過引入一種經(jīng)典的自底向上顯著圖，介紹了一種自底向上的背景抑制方法，獲取了所有可能包含白細胞粘連和干擾的注意窗口。為了得到更精確的白細胞注意窗口，還介紹了一種自學習的自頂向下的干擾抑制方法。利用無監(jiān)督的顯著目標

3、分割結果作為有監(jiān)督學習的輸入，通過學習得到了自頂向下的顯著圖，進而實現(xiàn)白細胞的精確定位。在具有復雜場景的快速染色的白細胞圖像上的實驗結果表明，自學習的自頂向下的細胞檢測模型有效提高了細胞定位的精度。
　　接著，提出了一種無監(jiān)督的白細胞粗分割方法。無監(jiān)督的白細胞粗分割方法僅利用細胞呈類圓形的目標先驗，通過顏色聚類和凹點配對分割，逐步排除背景與粘連干擾，有效保留了完整的白細胞區(qū)域的弱邊緣信息。與現(xiàn)有的基于無監(jiān)督學習的分割方法為追求分割

4、精度而利用大量的白細胞知識不同，無監(jiān)督的白細胞粗分割方法僅利用了最少的目標知識約束，因而提高了算法對異源的白細胞圖像分割的魯棒性。
　　最后，提出了一種自學習的白細胞精分割方法。該方法將無監(jiān)督的白細胞粗分割結果作為訓練樣本標記，通過具有可分性的顏色特征提取和有效的整群抽樣策略，實現(xiàn)了快速、有效的有監(jiān)督學習，并最終利用學習到的分類模型對當前細胞注意窗口子圖內的所有像素分類，實現(xiàn)更精確的白細胞分割。兩種截然不同的成像和染色條件獲取的白