專利名稱：一種細(xì)胞分類方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像分析和機(jī)器學(xué)習(xí)領(lǐng)域，特別涉及一種細(xì)胞分類方法。
背景技術(shù)：
在醫(yī)學(xué)診斷中，利用計(jì)算機(jī)技術(shù)進(jìn)行自動的細(xì)胞分類對于病況分析具有重要意義。當(dāng)前研究人員多采用顯微鏡圖像來采集病人血清圖像，醫(yī)生利用該血清圖像檢查抗體的存在，從而判斷是否存在自體免疫疾病。由于該方法在醫(yī)療診斷中的有效性，近些年，該方法已得到廣泛普及。然而，憑借醫(yī)生的判斷是十分主觀的方法，對于醫(yī)生的經(jīng)驗(yàn)依賴性較高，因此不易實(shí)現(xiàn)高效準(zhǔn)確的診斷。因此，醫(yī)學(xué)診斷領(lǐng)域迫切需要自動的顯微鏡圖像處理技術(shù)和細(xì)胞分類技術(shù)，以輔助醫(yī)生實(shí)現(xiàn)便捷和高效的醫(yī)療診斷。當(dāng)前的基于顯微鏡圖像的細(xì)胞分類方法大體分為兩個(gè)步驟1)細(xì)胞區(qū)域的特征提 取，通過提取細(xì)胞區(qū)域視覺特征來對其進(jìn)行表征；當(dāng)前的視覺特征主要包括圖像的顏色特征、紋理特征和形狀特征；2)通過機(jī)器學(xué)習(xí)領(lǐng)域的各種分類器學(xué)習(xí)模型，對新的測試細(xì)胞區(qū)域進(jìn)行分類即將某類細(xì)胞樣例作為正例，其他類別細(xì)胞作為反例，通過分類器的學(xué)習(xí)實(shí)現(xiàn)數(shù)學(xué)模型的構(gòu)建，從而對測試數(shù)據(jù)進(jìn)行自動分類。發(fā)明人在實(shí)現(xiàn)本發(fā)明的過程中，發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在以下的缺點(diǎn)和不足現(xiàn)有分類器學(xué)習(xí)模型多是反映測試樣本與模型參數(shù)的關(guān)系，而并不能直接表示測試樣本與訓(xùn)練樣本的關(guān)系，使得模型的判決不能直接反映測試數(shù)據(jù)與訓(xùn)練數(shù)據(jù)的內(nèi)部關(guān)聯(lián)，從而造成模型的改進(jìn)片面的從數(shù)學(xué)理論角度進(jìn)行分析，而忽略了樣本自身關(guān)聯(lián)對模型改進(jìn)的作用，因而現(xiàn)有模型擴(kuò)展能力有限，細(xì)胞分類的準(zhǔn)確度較低。

發(fā)明內(nèi)容
本發(fā)明提供了一種細(xì)胞分類方法，本發(fā)明在模型構(gòu)建方面借助最近子空間理論挖掘了測試樣本與訓(xùn)練樣本的內(nèi)部關(guān)聯(lián)，從而提高了模型的泛化能力和細(xì)胞分類的準(zhǔn)確度，詳見下文描述—種細(xì)胞分類方法，所述方法包括以下步驟(I)獲取K類細(xì)胞圖像樣本集，每個(gè)細(xì)胞圖像樣本集包含Nk個(gè)細(xì)胞圖像樣本，將第k類細(xì)胞圖像樣本集構(gòu)成第k類子空間戶={If}^，其中，/f為細(xì)胞圖像樣本，Nk為每個(gè)細(xì)胞圖像樣本集中的細(xì)胞圖像樣本的個(gè)數(shù)，I ^ i ^ Nk, I ^ k ^ K ；(2)對每個(gè)所述細(xì)胞圖像樣本進(jìn)行尺度變換獲取處理后細(xì)胞圖像樣本，從所述處理后細(xì)胞圖像樣本中提取第一視覺特征向量X,7，將所述第k類子空間Ik表示為第一視覺特征向量的集合即X* =，< eR“，麗"、1表示dX I維空間；(3)構(gòu)建目標(biāo)擬合能量函數(shù)；(4)獲取第k類子空間Ik對應(yīng)詞典# ={宥，；，…，，求取測試對象X采用詞典 分別進(jìn)行擬合時(shí)，目標(biāo)擬合能量函數(shù)F(wk，y)達(dá)到最小值所對應(yīng)的擬合系數(shù)wk;(5)獲取所述測試對象X進(jìn)行擬合時(shí)的殘差rk，選取所述殘差rk的最小值，將所述最小值對應(yīng)的子空間序號k作為測試對象X的所屬細(xì)胞類別。所述構(gòu)建目標(biāo)擬合能量函數(shù)具體包括I)根據(jù)最小二乘通過所述詞典和所述擬合系數(shù)Wk對所述測試對象X進(jìn)行擬合，即
權(quán)利要求
1.一種細(xì)胞分類方法，其特征在于，所述方法包括以下步驟 (1)獲取K類細(xì)胞圖像樣本集，每個(gè)細(xì)胞圖像樣本集包含Nk個(gè)細(xì)胞圖像樣本，將第k類細(xì)胞圖像樣本集構(gòu)成第k類子空間戶
2.根據(jù)權(quán)利要求I所述的一種細(xì)胞分類方法，其特征在于，所述構(gòu)建目標(biāo)擬合能量函數(shù)具體包括 1)根據(jù)最小二乘通過所述詞典0k和所述擬合系數(shù)Wk對所述測試對象X進(jìn)行擬合，即
3.根據(jù)權(quán)利要求I所述的一種細(xì)胞分類方法，其特征在于，所述殘差
全文摘要
本發(fā)明公開了一種細(xì)胞分類方法，獲取K類細(xì)胞圖像樣本集，每個(gè)細(xì)胞圖像樣本集包含Nk個(gè)細(xì)胞圖像樣本，將第k類細(xì)胞圖像樣本集構(gòu)成第k類子空間對每個(gè)細(xì)胞圖像樣本進(jìn)行尺度變換獲取處理后細(xì)胞圖像樣本，從處理后細(xì)胞圖像樣本中提取第一視覺特征向量將第k類子空間Ik表示為第一視覺特征向量的集合即構(gòu)建目標(biāo)擬合能量函數(shù)；獲取第k類子空間Ik對應(yīng)詞典求取測試對象X采用詞典φk分別進(jìn)行擬合時(shí)，目標(biāo)擬合能量函數(shù)達(dá)到最小值所對應(yīng)的擬合系數(shù)wk；獲取測試對象X進(jìn)行擬合時(shí)的殘差rk，選取所述殘差rk的最小值，將所述最小值對應(yīng)的子空間序號k作為測試對象X的所屬細(xì)胞類別。本方法提高了模型的泛化能力和細(xì)胞分類的準(zhǔn)確度，并通過實(shí)驗(yàn)驗(yàn)證，取得了較高的分類準(zhǔn)確率。
文檔編號G06K9/62GK102722718SQ20121016358
公開日2012年10月10日 申請日期2012年5月22日 優(yōu)先權(quán)日2012年5月22日
發(fā)明者劉安安 申請人:天津大學(xué)