專利名稱：一種細胞分類方法
技術領域：
本發明屬于圖像分析和機器學習領域，特別涉及一種細胞分類方法。
背景技術：
在醫學診斷中，利用計算機技術進行自動的細胞分類對于病況分析具有重要意義。當前研究人員多采用顯微鏡圖像來采集病人血清圖像，醫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，憑借醫生的判斷是十分主觀的方法，對于醫生的經驗依賴性較高，因此不易實現高效準確的診斷。因此，醫學診斷領域迫切需要自動的顯微鏡圖像處理技術和細胞分類技術，以輔助醫生實現便捷和高效的醫療診斷。當前的基于顯微鏡圖像的細胞分類方法大體分為兩個步驟1)細胞區域的特征提 取，通過提取細胞區域視覺特征來對其進行表征；當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)通過機器學習領域的各種分類器學習模型，對新的測試細胞區域進行分類即將某類細胞樣例作為正例，其他類別細胞作為反例，通過分類器的學習實現數學模型的構建，從而對測試數據進行自動分類。發明人在實現本發明的過程中，發現現有技術中至少存在以下的缺點和不足現有分類器學習模型多是反映測試樣本與模型參數的關系，而并不能直接表示測試樣本與訓練樣本的關系，使得模型的判決不能直接反映測試數據與訓練數據的內部關聯，從而造成模型的改進片面的從數學理論角度進行分析，而忽略了樣本自身關聯對模型改進的作用，因而現有模型擴展能力有限，細胞分類的準確度較低。
發明內容
本發明提供了一種細胞分類方法，本發明在模型構建方面借助最近子空間理論挖掘了測試樣本與訓練樣本的內部關聯，從而提高了模型的泛化能力和細胞分類的準確度，詳見下文描述—種細胞分類方法，所述方法包括以下步驟(I)獲取K類細胞圖像樣本集，每個細胞圖像樣本集包含Nk個細胞圖像樣本，將第k類細胞圖像樣本集構成第k類子空間戶={If}^，其中，/f為細胞圖像樣本，Nk為每個細胞圖像樣本集中的細胞圖像樣本的個數，I ^ i ^ Nk, I ^ k ^ K ；(2)對每個所述細胞圖像樣本進行尺度變換獲取處理后細胞圖像樣本，從所述處理后細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)構建目標擬合能量函數；(4)獲取第k類子空間Ik對應詞典# ={宥，；，…，，求取測試對象X采用詞典 分別進行擬合時，目標擬合能量函數F(wk，y)達到最小值所對應的擬合系數wk;(5)獲取所述測試對象X進行擬合時的殘差rk，選取所述殘差rk的最小值，將所述最小值對應的子空間序號k作為測試對象X的所屬細胞類別。所述構建目標擬合能量函數具體包括I)根據最小二乘通過所述詞典和所述擬合系數Wk對所述測試對象X進行擬合，即
權利要求
1.一種細胞分類方法，其特征在于，所述方法包括以下步驟 (1)獲取K類細胞圖像樣本集，每個細胞圖像樣本集包含Nk個細胞圖像樣本，將第k類細胞圖像樣本集構成第k類子空間戶
2.根據權利要求I所述的一種細胞分類方法，其特征在于，所述構建目標擬合能量函數具體包括 1)根據最小二乘通過所述詞典0k和所述擬合系數Wk對所述測試對象X進行擬合，即
3.根據權利要求I所述的一種細胞分類方法，其特征在于，所述殘差
全文摘要
本發明公開了一種細胞分類方法，獲取K類細胞圖像樣本集，每個細胞圖像樣本集包含Nk個細胞圖像樣本，將第k類細胞圖像樣本集構成第k類子空間對每個細胞圖像樣本進行尺度變換獲取處理后細胞圖像樣本，從處理后細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建目標擬合能量函數；獲取第k類子空間Ik對應詞典求取測試對象X采用詞典φk分別進行擬合時，目標擬合能量函數達到最小值所對應的擬合系數wk；獲取測試對象X進行擬合時的殘差rk，選取所述殘差rk的最小值，將所述最小值對應的子空間序號k作為測試對象X的所屬細胞類別。本方法提高了模型的泛化能力和細胞分類的準確度，并通過實驗驗證，取得了較高的分類準確率。
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 優先權日2012年5月22日
發明者劉安安 申請人:天津大學