基于神经网络和形态特征的骨髓细胞分类方法研究

来源 :华南理工大学 | 被引量 : 0次 | 上传用户:qq854513342
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
骨髓细胞形态学检查是诊断血液病、判断疗效及监测病情变化的重要手段,随着血液病的发病率不断上升,检验工作量日渐增多,传统的人工骨髓细胞形态学分析和识别的方式,已经越来越难以满足当前检验的需求。本文利用神经网络对骨髓细胞显微图像的分类方法进行研究。在骨髓细胞形态学相关知识研究的基础上,本文首先对骨髓细胞形态特征的提取,以及基于形态特征的分类方法进行研究。其中,先对骨髓细胞图像数据集进行预处理,然后利用基于Canny算子的边缘检测算法和形态学运算相结合的方法进行骨髓细胞核质分割,接着基于分割后的细胞核、细胞质和细胞图像进行形状特征、颜色特征和纹理特征的提取。在此基础上,利用细胞形态特征,构建深度神经网络模型对骨髓细胞进行分类。在构建的骨髓细胞图像数据集上进行对比实验,所提出的深度神经网络模型在准确率上超70%,分类性能优于对比方法,表明对骨髓细胞形态特征具有较好的学习能力。然后,本文以骨髓细胞图像为输入,构建基于VGG19神经网络模型和Res Net101神经网络模型的VGG19-Res Net101双神经网络分类模型。在此基础上,利用骨髓细胞的形态特征,提出一种融合形态特征的M-Cell Nets双卷积神经网络分类模型,并与基于形态特征的分类模型,以及基于细胞图像的VGG19模型、Res Net101模型和VGG19-Res Net101等分类模型进行实验比较。在构建的骨髓细胞图像数据集上进行20分类实验,所提出的M-Cell Nets模型的准确率为92.53%,F1值为0.912。对比结果表明融合形态特征的深度神经网络分类模型比没有融合形态特征或仅基于形态特征的深度神经网络模型,具有更强的骨髓细胞分类能力,达到了最好的分类效果。
其他文献
随着数字图像技术的高速发展,图像伪造技术也得到飞速的进步,目前比较主流和普遍的图像伪造技术包含拼接伪造技术和人脸伪造技术。通过这些图像伪造技术生成的伪造图像在政治、经济、司法取证等诸多领域造成了严重的负面影响。因此,如何准确的检测这些伪造图像,成为了学术界的研究热点。本文针对拼接伪造检测技术和人脸伪造检测技术两个方法展开研究,主要内容和研究成果如下:1、针对目前主流的拼接伪造区域检测方法不能很好的
学位
随着互联网与多媒体技术的飞速发展,信息传输与共享也越来越便利。同时也推动了可逆数据隐藏技术的发展。该技术通过将加密数据秘密地隐藏到各种载体中来进行信息传输。同时可以在秘密数据提取出来后,无损地恢复载体信息,这一特性对一些不允许原始载体有失真的领域具有重要应用价值。此外,由于JPEG图像的压缩效率高,存储空间较小,是互联网中使用最为广泛的数字载体之一。但同时,JPEG图像中DCT系数的修改会带来较大
学位
随着人们对信息安全和隐私保护的日益关注,可逆数据隐藏成为了多媒体安全中热门研究方向之一。JPEG作为目前互联网中最受欢迎的图像格式之一,引发了研究人员对JPEG图像可逆数据隐藏研究的兴趣。目前针对JPEG图像明文域的可逆数据隐藏研究最多,但都存在一定缺陷和不足。而云存储服务的出现,人们越来越愿意将文件传送至云端,针对JPEG图像密文域的研究也逐渐兴起。基于VLC映射的可逆数据隐藏方案不同于基于DC
学位
促卵泡激素(Follicle-stimulating hormone,FSH)是由腺垂体合成和分泌的促性腺激素,在动物繁殖方面发挥着关键的作用。因此,探索调控腺垂体FSH合成与分泌的潜在分子机制是非常有必要的。长链被编码RNA(long non-coding RNA,lncRNA)、微小RNA(micro RNA,miRNA)都是内源性非编码RNA,在调控代谢、疾病发生、生殖发育等方面有着不可或缺
学位
随着互联网的快速发展,安全问题成为了亟需解决的重要问题,而异常检测在保证运行系统和网络的可靠性和安全性中扮演着重要角色。然而,现有的异常检测技术存在数据的异常标签难以获取和缺乏数据类型可扩展性等重要挑战。为了克服上述难题,本文提出了一个独立于数据类型的鲁棒的无监督异常检测框架RUAD。RUAD由一个用于提取数据潜在特征的自编码器网络,一个用于分离正常数据和异常数据的鲁棒层以及一个用于模拟正常数据分
学位
奶牛泌乳能力和乳品质是评价奶牛经济价值的关键因素,但乳品质易受多种条件影响。课题组前期研究发现饲喂玉米秸秆饲料会导致荷斯坦奶牛乳腺组织内IFN-γ受体表达升高,IFN-γ含量升高,诱导奶牛乳腺上皮细胞(Bovine mammary epithelial cells,BMECs)精氨酸耗竭和自噬,从而降低乳品质、增加奶牛乳腺炎的发生。但是IFN-γ诱导精氨酸耗竭的机制知之甚少。前期转录组学数据提示线
学位
目前的研究发现,表现良好的深度学习模型可以受到微小但精心设计的对抗性噪声扰动的攻击。在原始图像中添加精心设计的微小噪声扰动后的图像被称为对抗样本。不同的对抗样本生成方法可以用于评判现有模型架构的鲁棒性以及防御方法的防御性,从而发现现有模型架构的漏洞和缺陷,同时可以用于训练更加鲁棒性的深度学习模型。本文的研究场景是图像描述生成任务的无目标对抗样本攻击。现有的针对图像描述生成任务的对抗攻击方法相对较少
学位
随着人工智能技术在生产生活场景下的广泛应用,许多场景下,人们不再仅满足于对图像中的目标进行分类或定位,迫切需要对图像信号做出更进一步的理解,语义分割任务应运而生。作为计算机视觉领域中一项基础且极具挑战性的任务,语义分割技术旨在为图像中的所有像素分配语义标签,进而达到对图像的像素级视觉理解,为诸如自动驾驶、医疗辅助诊断、照片编辑等众多需求场景奠定了坚实的技术基础。相较于传统技术,深度学习技术的快速发
学位
类风湿性关节炎(Rheumatoid arthritis,RA)是一种人和动物常见的自身免疫性疾病,容易受到遗传和环境等因素的影响,主要表现为慢性关节滑膜炎,并出现不可逆的关节损伤,最终导致身体残障甚至危及生命。但目前没有治疗RA的特效药。已有研究表明,SIRT1是RA病程变化重要的决定因素,也是研究最深入的乙酰化酶(Sirtuins)家族成员,并且已经被证明与免疫学和内分泌学密切相关,然而其与R
学位
左聚糖(Levan)是一种由左聚糖蔗糖酶合成的果糖聚合物,具有抗氧化、抗炎、抗癌、抗病毒、免疫调节和降血糖的作用,在食品和生物医药领域有广泛应用前景。但是目前我国左聚糖的大规模工业生产技术尚不成熟,阻碍了左聚糖在食品和生物医药等领域的应用。本论文的研究目的是通过基因工程技术高效表达重组左聚糖蔗糖酶,进而用重组左聚糖蔗糖酶实现左聚糖的无细胞酶法合成,并对酶法合成的左聚糖进行表征。为左聚糖的大规模工业
学位