基于HHT-SVM的血細胞識別算法研究.pdf

1、血細胞計數(shù),是臨床上判斷有無疾病、疾病類型和嚴重程度的主要依據(jù)。目前國內(nèi)大多數(shù)血細胞分析儀采用庫爾特原理對血細胞進行檢測。然而,檢測過程中出現(xiàn)的“結(jié)伙”、“溜邊”現(xiàn)象會使形成的血細胞脈沖形態(tài)異常。傳統(tǒng)的脈沖計數(shù)方法無法識別這類形態(tài)異常的血細胞脈沖,從而產(chǎn)生誤計或漏計,影響血細胞計數(shù)的準(zhǔn)確性。因此,血細胞信號的準(zhǔn)確分類與識別對血細胞精確計數(shù)具有重要意義。
　　本文首先回顧了國內(nèi)外血細胞分析技術(shù)的發(fā)展現(xiàn)狀、趨勢和存在的問題,著重分析了

2、當(dāng)前血細胞計數(shù)與識別所面臨的問題,并分別闡述了 Hilbert-Huang變換(Hilbert-Huang Transform, HHT)和支持向量機(Support Vector Machine, SVM)的研究進展和現(xiàn)狀。
　　其次,介紹了血細胞脈沖信號的采集原理和采集、預(yù)處理過程,并分析了多形態(tài)血細胞信號產(chǎn)生的原因及影響。
　　然后,分別闡述了 Hilbert Huang-變換和支持向量機的相關(guān)理論。介紹了Hilber

3、t Huang-變換的基本原理、兩個核心算法、分析流程以及該方法在時頻分析中的優(yōu)勢性。概述了支持向量機的理論基礎(chǔ)、分類原理及分類算法,并分析了目前常用的分類方法的優(yōu)缺點。
　　針對多形態(tài)血細胞信號識別問題,本文在比較分析了常見的特征提取方法和分類方法后,設(shè)計了一種基于 Hilbert Huang-變換和多分類支持向量機的識別算法。根據(jù)血細胞脈沖信號的時域特點,選擇脈沖寬度、高度、峰谷比和陡度作為信號的時域特征。用 Hilbert

4、Huang-變換提取血細胞信號的第2~5階IMF分量的譜質(zhì)心和能量貢獻率作為其頻域特征,與時域特征一起構(gòu)成血細胞的特征向量。根據(jù)血細胞的特征屬性和類別數(shù),設(shè)計了一種基于支持向量機的多類分類器,并通過理論分析和實驗測試確定分類器的結(jié)構(gòu)、分類算法及相關(guān)參數(shù)。通過 LibSVM軟件仿真,表明該算法對多形態(tài)的血細胞脈沖信號具有良好的分類效果;臨床測試結(jié)果也驗證了該算法的有效性與可行性。
　　本文主要研究成果是:通過對非線性、非平穩(wěn)、形態(tài)多