我要投搞

标签云

收藏小站

爱尚经典语录、名言、句子、散文、日志、唯美图片

当前位置:ds视讯 > 多光谱图像 >

多光谱骨髓细胞图像分类方法研究

归档日期:07-30       文本归类:多光谱图像      文章编辑:爱尚语录

  多光谱骨髓细胞图像分类方法研究_电子/电路_工程科技_专业资料。介绍了一种结合决策树和极大似然法的多光谱骨髓细胞图像自动分类的方法,详细讨论了怎样确定决策树的结构,应用散点图挑选节点特征以及构造节点分类器.给出了分类结果.实验结果表明,文章提出的基于决策树的细胞分类方法对于多类的骨髓细胞分类识别极为有效,分类准确率远远高于单纯的极大似然

  第 32 卷 Vol.32 第3期 3 文章编号 计 算 机 工 程 Computer Engineering 1000 3428(2006)03 0203 03 文献标识码 A 2006 年 2 月 February 2006 中图分类号 TP391.41 人工智能及识别技术 多光谱骨髓细胞图像分类方法研究 谢文娟 曾立波 吴琼水 张 燕 武汉大学电子信息学院 武汉 430079 摘 要 介绍了一种结合决策树和极大似然法的多光谱骨髓细胞图像自动分类的方法 详细讨论了怎样确定决策树的结构 应用散点图挑 文章提出的基于决策树的细胞分类方法对于多类的骨髓细胞分类识别 分类准确率远远高于单纯的极大似然法分类器 多光谱 模式识别 分类器 且分类的速度也令人满意 骨髓细胞 选节点特征以及构造节点分类器 给出了分类结果 实验结果表明 极为有效 关键词 决策树 极大似然法 Research on Classifying Method for Multi-spectrum Bone Marrow Cells XIE Wenjuan, ZENG Libo, WU Qiongshui, ZHANG Yan (Electronic Information School, Wuhan University, Wuhan 430079) Abstract This paper introduces an automated classifying method of multi-spectrum bone marrow cell images which combines hierarchical tree and maximum likelihood method, particularly discusses how to confirm the structure of the hierarchical tree, how to select node features and how to construct node classifier. The experimental result shows that the method brought forward in this paper is quite effective for the classification of multi kinds of bone marrow cells, the correct ratio is much higher than simple maximum likelihood method classifier with satisfactory result. Key words Hierarchical tree; Maximum likelihood method; Multi-spectrum; Pattern recognition; Classifier; Bone marrow cell 1 概述 目前 对于细胞的分类和识别多采用如下步骤 首先 对细胞的灰度或彩色图像进行分割 然后提取出其形态学 灰度以及纹理特征 最后通过对特征的选择进行分类 然而 这种传统的分类识别过程中存在一些常见问题 作为细胞分 类识别的第一步 分割的精确与否 直接影响到特征提取和 分类的准确性 由于对细胞的分割是以灰度或彩色图像为基 础的 很难将细胞与背景以及胞核与胞浆精确地分开 因此 细胞容易出现过分割或分割不足 给特征的准确提取带来困 难 而灰度或彩色图像可利用的信息较少 故能提取到的特 征数量也非常有限 难以精确地描述细胞各个方面的信息 对于细胞的分类目前有许多种分类器 文献 [2]中描述了一个 对于白细胞彩色图像进行分类的贝叶斯分类器 文献 [3]中则 比较了最近邻分类器 多层感知分类器 支持向量机分类器 学习向量分类器的分类效果 这些分类器大多为一步到位 即一次操作区分所有类别 或者是逐级分类 即采用二叉树 结构 每次将节点仅分为两大类 直至分开所有的类别 树 的深度一般不超过 4 层 它们多应用于对血液白细胞和可疑 癌细胞的分类中 由于血液中的白细胞仅有 6 类 可疑癌细 胞的分类一般也仅仅分为正常和非正常两大类 需要分类的 类别较少 因此用以上的分类方法非常有效 然而一旦推广 到多类 如骨髓细胞十几类的情形 这些方法就显示出了弊 端 作者曾尝试用一个极大似然法分类器对骨髓细胞进行分 类 结果并不理想 原因是细胞类别太多 各个类别间互相 干扰 故这种一次到位的分类方法并不适合骨髓细胞 而仅 采用二叉树分类 又会导致树的深度过大 影响分类速度 因此非常有必要探讨新的分类方法 用于骨髓细胞的分类 [1] 本文将遥感领域中广泛采用的多光谱成像分析技术引入 到骨髓细胞的识别中来 即对于同一个视场 从 400nm~720nm 每隔 10nm 采集一幅灰度图像 得到一个包含 33 个波段的灰度图像集 由于多光谱图像结合了光谱和图像 信息 这样大大增加了可以利用的信息量 利用丰富的光谱 信息特征和图像分析技术 可以对多光谱图像进行很精确的 分割 由于采用多光谱成像 因此较传统的灰度图像和彩色 图像具有更加精细的信息 可以更精确地分出胞核和胞浆 这为特征的准确提取提供了极其有利的条件 在此基础上 提取了较传统方法更多且更精确的特征 对于同一个光谱特 征 可根据需要选用不同波段的特征值 从而能够更加准确 地描述细胞 鉴于传统的分类过程中所遇到的问题 本文考 虑结合决策树和极大似然法对骨髓细胞进行训练和分类 将 待分类细胞先分成几大类 然后在此基础上再对每一个子集 进行划分 以提高分类正确率和识别速度 2 决策树结构确定 2.1 决策树的定义 一棵决策树可以代表一个决定例子集分类的判定过程 , 树的每个结点对应于一个属性名或一个特定的测试 ,该测试 在此结点根据测试的可能结果对例子集进行划分 划分出的 每个部分都对应于相应例子集

本文链接:http://yuukiyahonpo.net/duoguangputuxiang/971.html