基于SVM的白细胞识别研究

第１８卷

Ｖ０１．１８

第１２期

Ｎｏ．１２

电子设计工程

ＥｌｅｃｔｒｏｎｉｃＤｅｓｉｇｎＥｎｇｉｎｅｅｒｉｎｇ

２０１０年１２月

Ｄｅｃ．２０１０

基亏ＳＶＭ的白细胞识别研究

吴爽

（河海大学计算机与信息学院，江苏南京２１１１００）

摘要：白细胞在人体血液中起着至关重要的作用。白细胞的自动分割和识别是计算机图像处理和模式识别在医学图像领域应用的一个重要研究课题。针对各种白细胞的分类识别研究，提出一种实时性、鲁棒性较好的算法。该算法主要利用支持向量机ＳＶＭ对细胞图像进行分割处理．并与其他两种经典方法进行比较，得出了较好的结果。关键词：白细胞识别；支持向量机（ｓｖＭ）；核函数；最大信息熵

中图分类号：１１Ｐ１３９１．４ｌ

文献标识码：Ａ

文章编号：１６７４—６２３６（２０１０）１２－０１２４－０３

ｏｎ

Ｒｅｓｅａｒｃｈｏｆｗｈｉｔｅｂｌｏｏｄｃｅｌｌｓｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄ

ＷＵＳｈｕａｎｇ

ＳＶＭ

（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒａｎｄＩｎｆｏｒｍａｔｉｏｎ，ＨｏｈａｉＵｎ＆ｅ昭毋，Ｎａｎｊｉｎｇ２１１１００，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｗｈｉｔｅｂｌｏｏｄｃｅｌｌｓｐｌａｙｓａｖｉｔａｌｒｏｌｅｉｎｈｕｍａｎｂｏｄｙ．Ａｕｔｏｍａｔｉｃｓｅｇｍｅｎｔａｔｉｏｎａｎｄｉｄｅｎｔｉｆｉｃａｔｉｏｎｏｆｗｈｉｔｅｂｌｏｏｄｃｅｌｌｓ

ｉｓｔｈｅｃｏｍｐｕｔｅｒｉｍａｇｅｐｒｏｃｅｓｓｉｎｇａｎｄｐａｔｔｅｒｎｒｅｃｏｇｎｉｔｉｏｎａｐｐｌｉｃａｔｉｏｎｓｉｎｔｈｅｆｉｅｌｄｏｆｍｅｄｉｃａｌｉｍａｇｅｓ，ｗｈｉｃｈｉｓｒｅｓｅａｒｃｈｔｏｐｉｃ．Ａｉｍｉｎｇ

ａｔ

ａｎ

ｉｍｐｏｒｔａｎｔ

ａ

ｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｏｆｔｈｅｖａｒｉｏｕｓｗｈｉｔｅ

ｒｉｓｅｓ

ｂｌｏｏｄｃｅｌｌｓ，ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｓ

ｏｎ

ａ

ｒｅａｌ－ｔｉｍｅ，ｒｏｂｕｓｔｎｅｓｓｏｆ

ｂｅｔｔｅｒａｌｇｏｒｉｔｈｍ．Ｔｈｅａｌｇｏｒｉｔｈｍ

ｔｗｏ

ｔｈｅｔｅｃｈｎｉｑｕｅｏｆＳＶＭｍａｉｎｌｙ

ｔｈｅｃｅｌｌ

ｉｍａｇｅ

ｓｅｇｍｅｎｔａｔｉｏｎ．Ｃｏｍｐａｒｉｎｇ

ｗｉｔｈｔｈｅｏｔｈｅｒ

ｃｌａｓｓｉｃａｌｍｅｔｈｏｄｓ，ｔｈｅａｌｇｏｒｉｔｈｍｏｂｔａｉｎｓｇｏｏｄｒｅｓｕｌｔｓ．

Ｋｅｙｗｏｒｄｓ：ｗｈｉｔｅ

ｂｌｏｏｄｃｅｌｌｓｒｅｃｏｇｎｉｔｉｏｎ；ｓｕｐｐｏｒｔ

ｖｅｃｔｏｒ

ｍａｃｈｉｎｅ（ＳＶＭ）；ｋｅｒｎｅｌ

ｆｕｎｃｔｉｏｎ；ｍａｘｉｍｕｍｅｎｔｒｏｐｙ

身体的各个器官和组织都与血液密切相关，甚至全身各组织的疾病都可以表现在血液中。血液中包含白细胞、红细胞、血小板和其他杂质，其中自细胞在血液中的作用尤其重大，因为白细胞能吞噬异物产生的抗体．在机体损伤治愈、抗御病原的入侵和对疾病的免疫方面起着重要作用。通过对血液中的各类白细胞数量的统计，来帮助医生诊断疾病。因此，白细胞的识别分类在医学Ｉ临床检测上有着重要的实际意义。目前国内大多数医院的血液白细胞的检验以人工操作为主。使得白细胞的检测质量和效率受到一定的影响。而将计算机图像处理和模式识别理论用于白细胞的检测．可以提高白细胞检测质量和效率．因此．提出基于支持向量机ＳＶＭ的白细胞识别研究算法。１

流程１“。

图像输入和预处理

………－ｌ 。………

Ｉ

Ｉ细胞ｊ：戛的分割ｌ叫白细胞的提取ｌ

●

ｌ细胞浆的提取Ｉ

ｌ白细胞特征选择

●

１分类器分类ｌ

图１

Ｆｉｇ．１

白细胞分类识别流程

Ｆｌｏｗｃｈａｒｔｏｆｃｌａｓｓｉｆｉｃａｔｉｏｎａｎｄｒｅｃｏｇｎｉｔｉｏｎｏｆｗｈｉｔｅｂｌｏｏｄｃｅｌｌ

从图ｌ可以看出。白细胞的准确分割是保证后续工作的前提，它是最基本、最关键的一环，其准确性和稳定性直接影响到自细胞的分类。２

白细胞图像分类识别流程

白细胞大致分成淋巴细胞、单核细胞、中性粒细胞、嗜酸

ＳＶＭ的基本理论

支持向量机ＳＶＭ是由Ｖａｐｎｉｋｔ２Ｉ等人在统计学习理论

性粒细胞、嗜碱性粒细胞等５大类。假定已经得到一幅预处理过的血液细胞图像，识别其中的白细胞的步骤：首先是分割细胞核，并进一步以细胞核的中心为基础，分割出细胞浆，从而提取出完整的单个白细胞；然后根据需要，对提取得到的自细胞图像进行统计和计算，得到相应的白细胞特征，最后由分类器根据细胞特征确定该细胞的所属类别，完成细胞识别的任务。由此．可以得到如图ｌ所示的完整的细胞识别

收稿１３期：２０１０－０５－２７

（ＳＬＴ）和结构风险最小化原理的基础上根据有限的样本信息在模型的复杂性和学习能力之间寻求最佳折衷，通过选择适当的选择函数子集及其函数子集中的判别函数，使学习机器的实际风险降到最小．保证了通过有限训练样本得到的小误差分类器对独立测试集的测试误差仍然较小。因而。ＳＶＭ是一个具有最优分类能力和推广能力的学习机器．其基本思想：把在输入空间中的线性不可分的数据集，通过内积核函数．非线性映射到高维特征空间后，变为线性可分的数据集。

稿件编号：２０１００５０９５

作者简介：昊爽（１９８６－－），女，安微安庆人，硕士研究生。研究方向：数字图像处理和模式识别。

－１２４－

万方数据

吴爽基于ＳＶＭ的白细胞识别研究

随后在高维特征空间建立一个不但能将两类正确分开，而且使分类间隔最大的最优分类面。目前，支持向量机ＳＶＭｐ）已广泛应用于各个领域，包括模式识别、回归分析、密度估计和时

间序列预测等。ＳＶＭ原理图㈣如图２所示。

１薹：兰必

特征空间

闭２

ＳＶＭ原理网

Ｆｉｇ．２

ＰｒｉｎｃｉｐｌｅｆｉｇｕｒｅｏｆＳＶＭ

２．１线性可分情况

给定一个样本集茗＝（ｘＩ，扎），（Ｘ２，Ｙ２），…，（‰，％），其中瓤Ｅ∥，＊Ｅ｛一ｌ，ｌ｝，是两类问题的标签，凡是样本数，ＳＶＭ的基本思想就是为了寻找一个两类之间的最优分类面ｌｌ’－ｘ＋ｂ－－－Ｏ，如

图３所示。

最大裕量生

问隔２／ｌｔｌ，Ｉ

’

图３最优分类面

Ｆｉｇ．３

Ｔｈｅｏｐｔｉｍａｌｃｌａｓｓｉｆｉｃａｔｉｏｎｓｕｄｉｃｅ

求解问题ｍｉｎ，＇３－－Ｉｌｗｌｌ２，约束条件为：儿【＜埘 菇＞＋６】≥ｌ，ｉ＝１，‘

…，ｎ，为减少计算复杂度，引入托格朗日函数后，将原先的最优分类面问题转变成了求解如下极限问题：

ｍａｘ￡（口）＝∑啦一｝∑啦丐咒力（航而）

（１）

ｉ＝Ｉ

‘Ｉ扫ｌ

训练数据的约束条件为：

艺ａ。删，ａｆ≥ｏ，ｉ＝１，…，ｎ

’●＇

（２）

‘＝Ｉ

式中，Ｇｔｉ为Ｌａｇｒａｎｇｅ系数。

∞加的样本称为支持向量，由此得到支持向量机（即判决函数）为

”

ｇ（ｘ）＝ｓｇｎ（乞ａｊ

Ｙｉ（Ｘｉ。菇）＋６ …… 此处隐藏：5582字，全部文档内容请下载后查看。喜欢就下载吧 ……