基于圆形假设和多边形近似的血细胞图像分解

提供了一种用于分解有粘连的二值血细胞图像的算法。这种算法在分解中利用多边形近似寻找出所有可能的分割线,结合血细胞是圆形的假设确定最佳分割线。在与其它两种图像分解算法的比较中表明,这种算法具有较好的分解结果,并且在多个细胞粘连的情况下可以对细胞进行更好的分解。

LDBC-Ⅰ全自动血细胞图像分析仪对外周血有核细胞分类能力的验证评价

目的对LD BC-Ⅰ型全自动血细胞图像分析仪的临床性能进行验证及评价。方法收集2016年10~12月福建医科大学附属协和医院门诊EDTA-Na_2抗凝血液样本202例,涂片经瑞氏染色后,分别进行人工镜检和血细胞图像分析仪扫描,比较人工镜检与自动分析仪检测效率及有核细胞分类结果的差异,进一步分析两种方法所测结果的相关性与一致性。结果自动分析仪分析每份标本所用平均时间较人工镜检缩短3.81±2.11min,差异具有统计学意义(t=25.626,P<0.01)。分析仪预分析原始细胞、早幼、中幼及晚幼粒细胞、异型淋巴细胞的符合率分别是71.4%,64.8%,28.8%,21.1%和71.6%。经人工复核后,五种有核细胞诊断符合率提高到87.7%,81.5%,38.1%,26.3%和86.2%。PassingBablok回归法显示,两种方法检测中性粒细胞、淋巴细胞、单核细胞、嗜酸性粒细胞,呈显著正相关(r=0.981,0.894,0.725,0.772,均P<0.01)。Bland-Altman分析显示,两种方法的中性粒细胞、淋巴细胞、单核细胞、嗜酸性粒细胞的符合率分别为96%,96%,91%和94%。结论 LD BC-Ⅰ型血细胞图像全自动分析仪能显著提高有核细胞的分析效率,对成熟的粒细胞、单核细胞及淋巴细胞分类结果与人工镜检一致性好,有一定的临床应用推广价值。

改进的分数阶微分及图论的粘连血细胞图像分割

针对血细胞图像模糊及对比度不高的现象,提出一种改进的分数阶微分的图像预处理方法.即将形态学去噪和改进的类圆形掩膜算子的分数阶微分增强结合起来,在滤除血细胞图像的染色污染和颗粒噪声的同时较好地保留了细胞边缘细节.针对分水岭算法存在的过分割和最小生成树算法存在的效率较低问题,采用分水岭算法和最小生成树算法相结合的图像分割算法.首先用分水岭算法初分割分数阶微分增强的细胞图像,接着算法选取过分割区域映射为节点,最后基于改进的最小生成树算法再分割细胞图像.实验表明,该算法能有效缓解分水岭算法的过分割,并且有效减少了最小生成树算法中节点的数目,提高算法效率.

血细胞图像的自适应分割

目的 :对血细胞图像进行自适应分割。方法 :首先将RGB图像变换到HSV(Hue/Saturation/Value)空间 ,清除图像中不具有饱和度信息的杂质 ;然后利用形态学重建滤波器作滤波 ,在保持目标边缘性质的同时滤掉脉冲干扰 ,并消除图像照度不均匀的影响 ;最后用Watershed变换完成图像分割。结果 :实现了低质量血细胞图像的自适应分割。结论 :该方法具有很强的抗干扰能力 ,分割结果令人满意。

基于多尺度条件生成对抗网络血细胞图像分类检测方法

针对血细胞图像中白细胞样本较少和生成细胞图像细节不清晰,导致检测精度较低的问题,提出基于多尺度鉴别器的条件生成对抗网络.该网络通过生成并添加大量逼真的白细胞图像到分类检测网络训练集的方式,实现对血细胞图像的生成和分类检测.在现有条件生成对抗网络真假鉴别器中,引入多尺度卷积核、池化域并在通道上拼接,提升鉴别器对微观细节纹理特征和宏观几何特征的鉴别能力;引入梯度相似性损失函数,以提高生成细胞图像的亮度及边缘清晰度,提升图像的真实感.实验证明,在图像生成阶段,增加多尺度鉴别器和梯度相似性损失函数提高了生成细胞图像的质量;在图像分类检测阶段,对比仅有真实数据训练的情况,增加细胞样本多样性使细胞分类检测的平均精度由90.4%提升至94.7%.

基于主凹点检测的血细胞图像去粘连分割算法研究

针对医学中血细胞图像研究中粘连细胞难以分割的问题,提出一种基于主凹点检测的分割算法。通过滤波预处理去除图像的噪声以改善图像质量,基于改进的活动轮廓模型初步提取细胞轮廓,通过寻找主凹点的方法准确定位粘连细胞凹点位置,标记并融合细胞图像轮廓、粘连形状等特性,实现粘连细胞分离。实验结果表明,该方法具有很好的分割准确度和完整度,且该算法具有普适性。

基于MEAN-SHIFT和SVM的血细胞图像分割

提出一种新的血细胞图像分割算法,结合无监督和有监督模式识别技术,利用颜色快速提取感兴趣的有核细胞。首先通过mean- shift过程寻找RGB颜色空间中的细胞核、红细胞和背景聚类峰(局部密度最大区域) ,其中的细胞核图像区域经过适当形态学膨胀后可以得到部分胞浆像素;然后细胞核聚类峰和部分胞浆颜色组成正特征子集,而红细胞和背景聚类峰附近颜色组成负特征子集,训练一个两分类SVM,得到的分类模型随后对图像的颜色空间向量分类,实现细胞区域整体提取。通过颜色量化手段,能够显著减少训练集的颜色向量数量,实现SVM实时训练和分类。借助于m ean- shift鲁棒的特征空间分析性能和SVM出色的小样本学习推广能力,该方法对图像颜色变化、染色条件差异等鲁棒性强,无过度分割现象,分割速度和效果均优于流域变换方法。骨髓和外周血涂片的分割试验证明了方法的有效性,已应用于实际图像处理系统。

CellavisionDM96全自动血细胞形态鉴定仪在外周血涂片的应用评价

目的比较CellavisionDM96仪器与手工分类法在鉴定结果上的差异性，对其在临床中的应用进行评价。方法随机选取40个需要手工进行白细胞分类的标本，使用仪器与手工方法分别进行白细胞分类鉴定。结果CellavisionDM96仪器与手工分类有着很好的相关性，其中以分叶核中性粒细胞和淋巴细胞最佳，分别为O．78和0．76。结论Cel—lavisionDM96作为一种全新的血细胞形态鉴定仪器，能够给临床实验室提供准确、可靠的分析数据，同时也提高了工作效率，是一项值得推广的新技术。

Celldiff BCM-2血细胞形态分析系统白细胞分类能力的初步验证和临床应用评价

目的 对celldiff BCM-2自动血细胞形态分析系统的白细胞分类计数进行性能验证及临床应用评估.方法 celldiff分析仪及人工镜检分别对379例需显微镜复检的住院患者血涂片、46例健康体检者血涂片进行白细胞分类.通过celldiff预分类结果与审核后结果符合性分析,审核后结果与人工镜检结果相关性分析以及celldiff分析仪和人工镜检分类白细胞耗费时间比较评价该仪器对白细胞识别能力及其临床应用价值.结果 住院患者标本Celldiff预分类中性粒细胞、淋巴细胞、单核细胞、嗜酸性粒细胞、嗜碱性粒细胞和原始细胞结果符合率分别为97.28％,98.09％,76.81％,68.80％,47.49％和41.55％.健康体检标本分别为98.53％,95.40％,88.72％,81.89％,62.50％和0.00％.经线性回归分析,住院患者标本中性粒细胞与淋巴细胞仪器审核后结果与人工分类结果相关性较好（r=0.914,r=0.900）,嗜碱性粒细胞相关性较差（r=0.380）.健康体检标本相关系数较高.人工镜检平均耗时4.89 min/例,celldiff分析仪平均耗时3.20 min/例.2名检验者按日常工作流程分类计数80例患者标本,使用仪器平均耗时分别为2.89 min/例和2.50 min/例,人工镜检平均耗时分别为3.58 min/例和2.40min/例.结论 Celldiff具有较好的临床应用价值,有利于实现白细胞分类的自动化与标准化.

自动血细胞形态预分类系统的性能验证方法的探索

目的按ICSH2014年版血细胞分析仪评价指南，对CelldiffBCM-2自动血细胞形态分析系统的白细胞分类计数进行验证及临床应用评估。方法Celldiff分析仪对401例需显微镜复检的住院患者血涂片、101例健康体检者血涂片进行白细胞分类。（1）通过对Celldiff预分类结果与人工纠正后结果符合性分析。（2）人工纠正后结果与人工镜检结果相关性分析。结果住院患者标本，绝对偏差从低到高分别为中性中幼粒细胞（3．3％）、中性分叶核粒细胞（11．8％），单核细胞（20．5％）、嗜酸性粒细胞（28．4％）、中性杆状核粒细胞（31.6%）、淋巴细胞（42．0％）、中性晚幼粒细胞（68．0％）、嗜碱性粒细胞（77．1％）、异型淋巴细胞（100．0％）、幼稚淋巴细胞（100．0％）、原始细胞（236．5％）、涂抹细胞（306．7％）、早幼粒细胞（413．3％）和有核红细胞（1321．2％）。健康体检者标本，绝对偏差从低到高分别为单核细胞（0．4％）、中性分叶核粒细胞（2．1％）、中性杆状核粒细胞（14．1％）、淋巴细胞（15．5oA）、嗜酸性粒细胞（21．8％）、嗜碱性粒细胞（69．2％）和涂抹细胞（728．6％）。镜检分类与人工纠正后的相关性除了嗜碱性粒细胞的线性有明显偏差（P〈0．01），其余中性杆状核粒细胞、中性分叶核粒细胞、淋巴细胞、单核细胞、嗜酸性粒细胞及幼稚粒细胞的线性均无明显偏差。结论Celldiff虽然预分类的结果不是非常理想，但经过人工审核后同人工镜检结果的相关性较好还是具有较好的临床应用以及教学的价值，再结合全自动外周血制片机利于实现白细胞分类的自动化与标准化。

基于颜色、梯度矢量流活动轮廓及支持向量机实现白细胞的提取和分类

提出了一种基于图像技术实现白细胞分类的方法。首先,利用彩色图像的信息转换、距离变换和梯度矢量流活动轮廓(GVF Snake)等方法从血液细胞图像中提取出白细胞;然后,利用细胞核在图像中具有较高颜色饱和度的特点,结合数学形态学和GVF Snake方法从白细胞中精确地提取出细胞核。最后,根据细胞的形态、颜色及纹理特征用支持向量机(SVM)对白细胞进行分类。实验结果表明:在上述图像分割的基础上,基于支持向量机分类器的方法对白细胞进行分类,分类准确度能够达到89.6%。与其他传统的分割和分类的方法相比,本文提出的方法具有一定的优越性。

全自动数字细胞形态分析系统Sysmex DI-60在外周血白细胞分类的临床应用比较研究

目的分析DI-60型全自动数字化细胞形态分析系统(简称DI-60系统)对外周血细胞的识别和分辨能力,评估其在外周血白细胞分类应用中的性能。方法随机选取110例白细胞分类临床标本,经SP-1000i自动涂片机进行推片、染色,使用DI-60系统对血涂片进行细胞分类自动分析。分析各类细胞预分类与人工审核结果的符合率,DI-60系统人工审核结果与人工镜检结果的相关性,以及DI-60系统人工审核结果与Sysmex XE-5000全血分类结果的相关性。结果 DI-60系统预分类重复性较好,偏差均较小。110例标本预分类结果中未分类细胞占4.4%,预分类结果与人工审核结果符合比例从高到低分别为中性分叶核粒细胞(98.8%)、淋巴细胞(96.2%)、嗜碱性粒细胞(59.5%)、嗜酸性粒细胞(56.9%)、中性杆状核粒细胞(46.7%)、单核细胞(43.6%)。除嗜碱性粒细胞外,其他细胞人工审核结果与人工镜检具有较好的正相关性,相关系数从高到低分别为淋巴细胞(r^2=0.91)、中性分叶核粒细胞(r^2=0.87)、嗜酸性粒细胞(r^2=0.77)、中性杆状核粒细胞(r2=0.70)、单核细胞(r^2=0.45)。人工审核结果与全血细胞计数分类结果相关性的趋势与人工镜检基相关性趋势一致,从高到低依次为淋巴细胞(r^2=0.91)、中性粒细胞(r^2=0.88)、嗜酸性粒细胞(r^2=0.79)、单核细胞(r^2=0.55)。结论 DI-60系统可满足临床需求,有助于提高实验室形态学报告的一致性及工作效率,具有较好的临床应用价值。

基于Shape from Shading的医学图像三维重建

通过对由医疗成像设备获取的二维灰度图像进行形状重建,得到的三维立体原型能帮助医学诊断人员确诊病情。介绍了Shape from Shading的实现原理和扫描电镜成像系统的简单构成,提出了一种基于线性逼近的用于解决SEM反射映射函数的实现方法,并将之应用于红血细胞的三维图像重构,得到的细胞图形非常接近其真实形状。

医疗图像增强软件的开发、仿真测试与应用

为了实现对大量的医疗模糊图像进行修复性增强,使大量图像显得清晰和容易识别,便于医务工作者准确把握医疗图像的细节和特征,帮助医务工作者更便捷地对图像进行分析判断,以血细胞图像为例,通过运用拉普拉斯线性空间滤波器的图像增强技术、黑白二值化技术和MATLAB软件的GUI集成开发技术,研究了图像修复性增强软件。结果表明:软件不仅实现对单张图像的增强处理具有预览性和选择存档性的功能,而且实现对大量模糊图像,具有很强的自动批量增强处理和自动存档的功能,并且提供了原始图像和修复性处理后图像的便捷查看和对比分析方法。软件对大量的医学模糊图像,具有提高增强处理和辅助性诊断的效率。