基于不变矩的细胞识别及初步应用研究
|
摘要
细胞识别和分类计数的自动化是临床医学的重要研究课题之一,而获得一种有效的图像描述量是实现自动识别的关键问题。
本实验首先分别建立了7种白细胞原始图像库和吞噬不同数目酵母菌的小鼠腹腔巨噬细胞原始图像库。前者由134种不同显微特征点的白细胞图像组成,后者由128个吞噬不同数目酵母菌的巨噬细胞显微特征组成。对该两种原始图像库中的每种细胞显微图像分别进行平移、旋转、尺度和灰度改变以及加噪声等6～8种变形处理,获取500个不同变形体图像,建立训练样本集图像库。然后利用变形雅可比(p=4,q=3)-傅里叶矩(Pseudo-Jacobi(p=4,q=3)-Fourier Moments ,PJFM’s)对训练样本集图像库中的图像进行数字化描述,并建立了对应的不变矩数据库。为了证明该不变矩对细胞显微图像的数字化描述性能以及抗畸变抗噪声性能,于N=M=10时对白细胞显微图像进行尺度、灰度、旋转、平移等多畸变归-化,并对部分白细胞显微图像分别于无噪声和加噪声条件下进行重建图像实验。另外,分别从训练样本集原始图像和变形体图像,新制备的涂片中随机选取共90个细胞图像,作为实验样本集,用最小平均距离规则进行初步识别实验。为进一步验证该不变矩的数字化描述性能以及对医学领域中的实际应用,建立小鼠腹腔巨噬细胞显微图像库和对应不变矩数据库,借助计算机用最小平均距离规则对25个典型视野的300个细胞图像进行半自动化分类计数。
结果表明,用PJFM’s对7种白细胞显微图像进行图像归—化处理后发现,同种细胞图像不同变形体的PJFM’s的值基本相同,而不同种细胞图像的PJFM’s的值有较明显的差异。加噪声图像的重建实验结果显示,重建图像基本恢复了原始图像的主要信息;而且,对部分白细胞的识别实验结果较为理想,平均识别率达98.3%;小鼠腹腔巨噬细胞显微图像的平均分类计数准确率达97%。因此,该不变矩对细胞显微图像具有较好的数字化描述和抗多畸变、抗噪声性能,可作为细胞自动识别及分类计数的特征选择和提取量,以提高临床检测效率。
The cell recognition and automatic classification and counting of leucocytes is one of the most important research topics in clinical medicine, and how to get an effective image descriptor is the crucial problem for realizing the automatic identification.
Two original image databases, the database for 7 kinds of leucocytes and the database for peritoneal macrophages of mice, were established in advance in this study. The first one was made up 134 leucocytes with different microscopic morphological characteristics, and the second one was comprised 128 peritoneal macrophages swallowed different number of yeast fungus. The training sample set was established by using 500 different versions of cell images which were artificially treated by gradation, rotation and adding background noise. And then Pseudo-Jacobi(p=4,q=3)-Fourier Moments (PJFM’s) was used to describe different microscopic characteristics of cells in the training sample set, and the Invariant Moments Database for these cells were also established.
In order to prove the digitally descriptive, anti-distortion and anti-noise properties of the Moments, the microscopic characteristics of leucocytes were theoretically normalized to multi-distortion of scale, intensity, rotation and shift when N=M=10, and the microscopic characteristic images of cells were also reconstructed in our study with or without background noise. Then, 90 leucocytes in experimental sample set, comprised cells of original images and artificially treated versions and newly prepared smears, were initially identified by using the minimum-mean-distance rule. For further confirm the properties of digitalization and application of the this Moment in the medical field, the invariant moments database for microscopic characteristic images of peritoneal macrophage were set up, and semi-automatic classification and counting for 300 macrophages swallowed different number of yeast fungus from 25 pieces of typical visual field was carried out by using the minimum-mean-distance rule.
The experimental results showed that the invariant moment values for different kinds of leucocytes were significant difference and the invariant moment values for different versions of same leucocytes were nearly identical after their microscopic images were normalized by PJFM’s. The reconstructed images of leucocytes with background noise indicated that the main information of original images was recovered by finite number of invariant moment values, and the average recognition rate was reached 98.3%. The accurate average classified counting rate of peritoneal macrophages was 97%. Therefore, PJFM’s possesses strong properties of digitalization, anti-multidistortion and anti-noise for microscopic characteristics of different cells, and can be used for feature selection and extraction of microstructure characteristics in microscopic identification, and classification and counting of cells, and also will make a good contribution to improve the efficiency of clinical testing.
本实验首先分别建立了7种白细胞原始图像库和吞噬不同数目酵母菌的小鼠腹腔巨噬细胞原始图像库。前者由134种不同显微特征点的白细胞图像组成,后者由128个吞噬不同数目酵母菌的巨噬细胞显微特征组成。对该两种原始图像库中的每种细胞显微图像分别进行平移、旋转、尺度和灰度改变以及加噪声等6～8种变形处理,获取500个不同变形体图像,建立训练样本集图像库。然后利用变形雅可比(p=4,q=3)-傅里叶矩(Pseudo-Jacobi(p=4,q=3)-Fourier Moments ,PJFM’s)对训练样本集图像库中的图像进行数字化描述,并建立了对应的不变矩数据库。为了证明该不变矩对细胞显微图像的数字化描述性能以及抗畸变抗噪声性能,于N=M=10时对白细胞显微图像进行尺度、灰度、旋转、平移等多畸变归-化,并对部分白细胞显微图像分别于无噪声和加噪声条件下进行重建图像实验。另外,分别从训练样本集原始图像和变形体图像,新制备的涂片中随机选取共90个细胞图像,作为实验样本集,用最小平均距离规则进行初步识别实验。为进一步验证该不变矩的数字化描述性能以及对医学领域中的实际应用,建立小鼠腹腔巨噬细胞显微图像库和对应不变矩数据库,借助计算机用最小平均距离规则对25个典型视野的300个细胞图像进行半自动化分类计数。
结果表明,用PJFM’s对7种白细胞显微图像进行图像归—化处理后发现,同种细胞图像不同变形体的PJFM’s的值基本相同,而不同种细胞图像的PJFM’s的值有较明显的差异。加噪声图像的重建实验结果显示,重建图像基本恢复了原始图像的主要信息;而且,对部分白细胞的识别实验结果较为理想,平均识别率达98.3%;小鼠腹腔巨噬细胞显微图像的平均分类计数准确率达97%。因此,该不变矩对细胞显微图像具有较好的数字化描述和抗多畸变、抗噪声性能,可作为细胞自动识别及分类计数的特征选择和提取量,以提高临床检测效率。
The cell recognition and automatic classification and counting of leucocytes is one of the most important research topics in clinical medicine, and how to get an effective image descriptor is the crucial problem for realizing the automatic identification.
Two original image databases, the database for 7 kinds of leucocytes and the database for peritoneal macrophages of mice, were established in advance in this study. The first one was made up 134 leucocytes with different microscopic morphological characteristics, and the second one was comprised 128 peritoneal macrophages swallowed different number of yeast fungus. The training sample set was established by using 500 different versions of cell images which were artificially treated by gradation, rotation and adding background noise. And then Pseudo-Jacobi(p=4,q=3)-Fourier Moments (PJFM’s) was used to describe different microscopic characteristics of cells in the training sample set, and the Invariant Moments Database for these cells were also established.
In order to prove the digitally descriptive, anti-distortion and anti-noise properties of the Moments, the microscopic characteristics of leucocytes were theoretically normalized to multi-distortion of scale, intensity, rotation and shift when N=M=10, and the microscopic characteristic images of cells were also reconstructed in our study with or without background noise. Then, 90 leucocytes in experimental sample set, comprised cells of original images and artificially treated versions and newly prepared smears, were initially identified by using the minimum-mean-distance rule. For further confirm the properties of digitalization and application of the this Moment in the medical field, the invariant moments database for microscopic characteristic images of peritoneal macrophage were set up, and semi-automatic classification and counting for 300 macrophages swallowed different number of yeast fungus from 25 pieces of typical visual field was carried out by using the minimum-mean-distance rule.
The experimental results showed that the invariant moment values for different kinds of leucocytes were significant difference and the invariant moment values for different versions of same leucocytes were nearly identical after their microscopic images were normalized by PJFM’s. The reconstructed images of leucocytes with background noise indicated that the main information of original images was recovered by finite number of invariant moment values, and the average recognition rate was reached 98.3%. The accurate average classified counting rate of peritoneal macrophages was 97%. Therefore, PJFM’s possesses strong properties of digitalization, anti-multidistortion and anti-noise for microscopic characteristics of different cells, and can be used for feature selection and extraction of microstructure characteristics in microscopic identification, and classification and counting of cells, and also will make a good contribution to improve the efficiency of clinical testing.
引文
1 张新宇.彩色白细胞图像自动分类系统的研究[D].西安交通大学硕士学位论文,2002
2 明利强.彩色白细胞图像自动分类相关技术研究[D].西安交通大学硕士学位论文,2003
3 汤学民,血液细胞图像自动识别系统的开发[D].清华大学硕士学位论文,2004
4 刘欢,细胞图像分析处理系统的开发[D].华东师范大学硕士学位论文,2007
5 邓耀华.白细胞显微图像识别技术研究[D].广东工业大学硕士学位论文.2004
6 阿木古楞,哈斯苏荣,任爱珍.不变矩图像分析研究进展[J].内蒙古农业大学学报,2005,26,(4):146-150
7 赵 发 勇 . 矩 函 数 用 于 图 像 分 析 研 究 现 状 [J]. 阜 阳 师 范 学 院 学 报 ( 自 然 科 学版),2000,17(3):46-49
8 梅雪,李久贤.基于矩和多分辨分析的图像识别[J].南京工业大学学报,2003,25(6):50-53
9 陈 跃 . 图 像 分 析 系 统 及 其 在 生 物 医 学 中 的 应 用 [J]. 生 物 医 学 工 程 学 杂志,2003,20(1):167-170
10 哈斯苏荣,阿木古楞,高璐琰,等.草红花显微特征点的不变矩表达[J].中国生物医学工程学报,2007,26(2):220-225
11 牟少敏,孙永香,朱红梅,等.昆虫图像的自动计数方法的研究[J]. 仪器仪表学报,2003,24(4):426-429(增刊)
12 王海波,平子良.几种正交矩描述图像的性能比较[J].内蒙古师范大学(自然科学汉文版),2005,34(1):35-39
13 解放军兽医大学等9所院校主编.彩色家畜组织学图谱[M].农业出版社.1979
14 许艳,萧泽新,陈乐庚.细胞显微图像的处理与识别系统研究[J].光学与光电技术,2007,(2):72-74.
15 杨 晓 敏 , 罗 立 民 . 白 细 胞 自 动 分 类 中 的 特 征 提 取 和 分 析 [J]. 北 京 生 物 医 学 工程,1992,11(4):214-220
16 刘锡民,白丽华,张庆刚,等.彩色切片细胞的识别与计数研究[J].山东师范大学学报(自然科学版),2003,18(2):32-34
17 周颖颖,周振宇,孙宁,等.基于改进LBP特征的白细胞识别[J].生物医学工程研究,24(4):242-246
18 余心宏,李根乾,罗子健.基于计算机神经网络的细胞诊断系统研究[J].西北工业大学学报,2001,19(4):648-650
19 任海萍,平子良,博午日亘,等.基于雅可比-傅立叶矩的细胞模式识别[J].中国生物医学工程学报,2005,24(5):531-534.
20 博午日亘,平子良,任海萍,等.切比雪夫-傅立叶矩用于多畸变不变模式识别[J]. 光电子.激光,2003,14(8):846-850.
21 阿木古楞,杨性愉,平子良.用变形雅可比(p=4,q=3)-傅立叶矩图像描述性能[J].光电子.激光,2003,14(9):981-985
22 AMU GULENG(阿木古楞), HASI SURONG(哈斯苏荣), YANG XY(杨性愉), et al. Image Analysis by Pseudo-Jacobi (p=4,q=3)-Fourier Moments[J]. Applied Optics , 2004 , 43(10):2093-2101.
23 PING ZL, WU RIGEN, SHEN YL. Image description with Chebyshev- Fourier moments[J]. J Opt Soc Am A, 2002, 19(9): 1748-1754.
24 阿木古楞,杨性愉,平子良.基于变形雅可比(p=4,q=3)-傅立叶矩的形状识别研究[J].模式识别与人工智能,2005,18(1):75-80
25 朱 浩 栋 , 陈 瑛 , 章 鲁 . 医 学 图 像 灰 度 归 一 化 方 法 研 究 [J]. 国 际 生 物 医 学 工 程 杂志,2006,29(3):148-151
26 阿木古楞,杨性愉,平子良. 变形雅可比(p=4,q=3)-傅立叶矩的抗噪声能力研究[J].光电子.激光 2003,14(11):1191-1195
27 刘茂福,胡慧君,叶斌,等.基于改进的Zernike不变矩的图像重建[J].武汉科技大学学报(自然科学版),2007,30(2):185—188.
28 毕峰.血细胞显微图像的特征提取[J].辽东学院学报(自然科学版),2006,13(2):25-28
29 谷-鸣.基于图像形状特征的描述与分析[D].国防科学技术大学硕士学位论文.2003
30 刘 国 祥 , 郭 永 彩 , 高 潮 , 等 . 血 液 细 胞 免 疫 特 征 模 式 识 别 技 术 研 究 [J]. 重 庆 大 学 学报,2006,26(1):109-111.
31 S S Reddi. Radial and angular moment invariants for image identification[J]. IEEE Trans Pattern Anal Mach Intell, 1981, PAMI-3(2):240-242.
32 Y S ABU-Mostafa, D Psaltis. Recognitive aspects of moment invariant[J]. IEEE Trans Pattern Anal Mach Intell,1984, PAMI-6(6):698-706
33 H H Arsenault, Y L Sheng. Properties of the circular harmonic expansion for rotation-invariant pattern recognition[J]. Applied Optics, 1986, 25(18): 3225-3229.
34 Y L Sheng, H H Arsenault. Noisy-image normalization using low-order radial moments of circular-harmonic function [J]. J Opt Soc Am A, 1987, 4(7):1176-1214.
35 B Wang, C C Sun. Enhancement of signal-to-noise ratio of a double random phase encoding encryption systerm[J].Opt.Eng,2001,40(8):1502-1506.
36 杨宏伟,张云.基于图像处理的血液细胞特征提取[J].生物信息学,2006,4(2):76-78
37 宋凯.细胞彩色图像处理系统的研究[J].电脑开发与应用,2002,15(8):7-8
38 肖松山,范世福.高性能数字显微图像系统的研制[J].仪器仪表学报,2002,23(6):612-617
39 刘 欣 , 崔 玉 霞 . 医 学 细 胞 形 态 学 研 究 中 的 微 机 定 量 分 析 [J]. 生 物 医 学 工 程 学 杂志,1998,15(3):320-322
40 许志伟,吴太虎,徐和福,等.血细胞计数技术最新研究进展[J].医疗卫生装备,2004,4:24-28
41 周莹莉,曾立波,刘均堂,等.基于图像处理的菌落自动计数方法及其实现[J].数据采集与处理,2003,18(4):460-464
42 李良础.血细胞自动分析仪与人工白细胞分类计数[J].国际医药卫生导报,2003,9(9):76-77
43 赵 宁 , 蓝 海 青 . 血 液 细 胞 彩 色 图 像 的 微 机 自 动 计 数 研 究 [J]. 徐 州 医 学 院 学 报1998.18(5):389-391
44 孙立荣,李学荣,庞秀英,等.急性白血病病儿骨髓抑制期红细胞指数的变化及意义[J].青岛大学医学院学报,2003,28(3):200-201
45 余 书 勤 , 相 秉 仁 . 显 微 图 像 处 理 在 新 药 药 效 及 毒 性 研 究 中 的 应 用 [J]. 药 学 进展,1995,19(1):1-5
46 姜远,周志华,谢棋.神经网络集成在肺癌细胞识别中的应用[J].南京大学学报(自然科学版),2001,37(5):529-534
47 王凯,张建正.尿显微图像中细胞自动识别与分类的研究与分析系统的实现[J].仪器仪表学报,2000,21(6):648-650
48 程迪祥,易东,李辉智,等.重叠双核淋巴细胞的模糊模式识别方法[J].数理医药学杂志,1998,11(2):115-117
49 王兆仲,赵宇.血细胞图像的自适应分割[J].中国体视学与图像分析,2003,7(1):49-52
50 王浩军,郑崇勋,闫相国,等.彩色血液细胞图像的自动分割方法研究[J].生物医学工程学杂志,2002,19(2):251-255
51 李宗林,罗晓晖,蒋爱德.显微细胞的图像分析技术[J].机械工程与自动 化,2006,1:146-148
52 蒋勇,刘飞雷,鲍红光.显微图像的数字图像处理及其在血细胞形态分析中的应用[J].中国图像图形学报,2001,6A(11):1079-1083
53 JIANG Yong, BAO Hong guang Observation and analysis for clinical hem orheo logy on epidural block[A].In: The Proceedings of Eighth International Congress of Bio2rheology[C].Beijing: Peking Univ. Press,1992.
54 BAO Hong guang, JIANG Yong, HUANG Jing. Image sequence(a) acquisition of liquid medicine diffusion in epidermal space[J].J. Math Medicine,1998,11(1):70～72.
55 周浩 , 李天 , 牧尉 . 洪基于数学形态学的血液细胞图像边缘提取 [J]. 北京生物医学工程,2002,21(2):89-97
56 苑玮琦.血细胞数字图像检测技术及装置的研究[D].东北大学博士学位论文,1997
57 范世福,李昀,肖松山,等.数字化显微图像分析检测系统的设计研究[J]. 现代科学仪器,2001(3):31-34
58 王亮,黄飞,冯邵彤,等.一种改进的二值图像像素标记算法[J].南京师范大学学报(工程技术版),2006,6(2):23-29
59 杨华东,简淼夫.一种数字图像颗粒统计的算法[J].电子测量与仪器学,2005,19(5):41-44
60 喻杰,许化溪.一种易于实现的适于细胞图像连通区域的标记算法[J]. 江苏大学学报(医学版),2005,15(2):152-155
61 周 煦 潼 , 施 鹏 飞 . 基 于 模 糊 空 间 的 骨 膜 显 微 图 像 识 别 [J]. 生 物 医 学 工 程 学 杂志,2000,17(2):170-173
62 麻硕士,侯振杰,裴喜春,等.动物骨髓细胞分割和识别方法的研究[J].中国农业工程学会学术年会论文集第三分册,2005
63 顾康庭.图像细胞分析(ICM)技术的发展与完善[J].自然杂志,1999,21(4):230-233
64 秦红星,蔡绍皙.彩色血液细胞图像的分割[J].中国血液流变学志,2003,3(13):281-285
65 秦红星.对血液细胞图像自动分割的研究[D].重庆大学硕士学位论文,2004
66 翊 华 . 细 胞 显 微 图 像 灰 度 梯 度 双 阈 值 的 快 速 分 割 [J]. 模 式 识 别 与 人 工 智能,1995,8(4):356-357
2 明利强.彩色白细胞图像自动分类相关技术研究[D].西安交通大学硕士学位论文,2003
3 汤学民,血液细胞图像自动识别系统的开发[D].清华大学硕士学位论文,2004
4 刘欢,细胞图像分析处理系统的开发[D].华东师范大学硕士学位论文,2007
5 邓耀华.白细胞显微图像识别技术研究[D].广东工业大学硕士学位论文.2004
6 阿木古楞,哈斯苏荣,任爱珍.不变矩图像分析研究进展[J].内蒙古农业大学学报,2005,26,(4):146-150
7 赵 发 勇 . 矩 函 数 用 于 图 像 分 析 研 究 现 状 [J]. 阜 阳 师 范 学 院 学 报 ( 自 然 科 学版),2000,17(3):46-49
8 梅雪,李久贤.基于矩和多分辨分析的图像识别[J].南京工业大学学报,2003,25(6):50-53
9 陈 跃 . 图 像 分 析 系 统 及 其 在 生 物 医 学 中 的 应 用 [J]. 生 物 医 学 工 程 学 杂志,2003,20(1):167-170
10 哈斯苏荣,阿木古楞,高璐琰,等.草红花显微特征点的不变矩表达[J].中国生物医学工程学报,2007,26(2):220-225
11 牟少敏,孙永香,朱红梅,等.昆虫图像的自动计数方法的研究[J]. 仪器仪表学报,2003,24(4):426-429(增刊)
12 王海波,平子良.几种正交矩描述图像的性能比较[J].内蒙古师范大学(自然科学汉文版),2005,34(1):35-39
13 解放军兽医大学等9所院校主编.彩色家畜组织学图谱[M].农业出版社.1979
14 许艳,萧泽新,陈乐庚.细胞显微图像的处理与识别系统研究[J].光学与光电技术,2007,(2):72-74.
15 杨 晓 敏 , 罗 立 民 . 白 细 胞 自 动 分 类 中 的 特 征 提 取 和 分 析 [J]. 北 京 生 物 医 学 工程,1992,11(4):214-220
16 刘锡民,白丽华,张庆刚,等.彩色切片细胞的识别与计数研究[J].山东师范大学学报(自然科学版),2003,18(2):32-34
17 周颖颖,周振宇,孙宁,等.基于改进LBP特征的白细胞识别[J].生物医学工程研究,24(4):242-246
18 余心宏,李根乾,罗子健.基于计算机神经网络的细胞诊断系统研究[J].西北工业大学学报,2001,19(4):648-650
19 任海萍,平子良,博午日亘,等.基于雅可比-傅立叶矩的细胞模式识别[J].中国生物医学工程学报,2005,24(5):531-534.
20 博午日亘,平子良,任海萍,等.切比雪夫-傅立叶矩用于多畸变不变模式识别[J]. 光电子.激光,2003,14(8):846-850.
21 阿木古楞,杨性愉,平子良.用变形雅可比(p=4,q=3)-傅立叶矩图像描述性能[J].光电子.激光,2003,14(9):981-985
22 AMU GULENG(阿木古楞), HASI SURONG(哈斯苏荣), YANG XY(杨性愉), et al. Image Analysis by Pseudo-Jacobi (p=4,q=3)-Fourier Moments[J]. Applied Optics , 2004 , 43(10):2093-2101.
23 PING ZL, WU RIGEN, SHEN YL. Image description with Chebyshev- Fourier moments[J]. J Opt Soc Am A, 2002, 19(9): 1748-1754.
24 阿木古楞,杨性愉,平子良.基于变形雅可比(p=4,q=3)-傅立叶矩的形状识别研究[J].模式识别与人工智能,2005,18(1):75-80
25 朱 浩 栋 , 陈 瑛 , 章 鲁 . 医 学 图 像 灰 度 归 一 化 方 法 研 究 [J]. 国 际 生 物 医 学 工 程 杂志,2006,29(3):148-151
26 阿木古楞,杨性愉,平子良. 变形雅可比(p=4,q=3)-傅立叶矩的抗噪声能力研究[J].光电子.激光 2003,14(11):1191-1195
27 刘茂福,胡慧君,叶斌,等.基于改进的Zernike不变矩的图像重建[J].武汉科技大学学报(自然科学版),2007,30(2):185—188.
28 毕峰.血细胞显微图像的特征提取[J].辽东学院学报(自然科学版),2006,13(2):25-28
29 谷-鸣.基于图像形状特征的描述与分析[D].国防科学技术大学硕士学位论文.2003
30 刘 国 祥 , 郭 永 彩 , 高 潮 , 等 . 血 液 细 胞 免 疫 特 征 模 式 识 别 技 术 研 究 [J]. 重 庆 大 学 学报,2006,26(1):109-111.
31 S S Reddi. Radial and angular moment invariants for image identification[J]. IEEE Trans Pattern Anal Mach Intell, 1981, PAMI-3(2):240-242.
32 Y S ABU-Mostafa, D Psaltis. Recognitive aspects of moment invariant[J]. IEEE Trans Pattern Anal Mach Intell,1984, PAMI-6(6):698-706
33 H H Arsenault, Y L Sheng. Properties of the circular harmonic expansion for rotation-invariant pattern recognition[J]. Applied Optics, 1986, 25(18): 3225-3229.
34 Y L Sheng, H H Arsenault. Noisy-image normalization using low-order radial moments of circular-harmonic function [J]. J Opt Soc Am A, 1987, 4(7):1176-1214.
35 B Wang, C C Sun. Enhancement of signal-to-noise ratio of a double random phase encoding encryption systerm[J].Opt.Eng,2001,40(8):1502-1506.
36 杨宏伟,张云.基于图像处理的血液细胞特征提取[J].生物信息学,2006,4(2):76-78
37 宋凯.细胞彩色图像处理系统的研究[J].电脑开发与应用,2002,15(8):7-8
38 肖松山,范世福.高性能数字显微图像系统的研制[J].仪器仪表学报,2002,23(6):612-617
39 刘 欣 , 崔 玉 霞 . 医 学 细 胞 形 态 学 研 究 中 的 微 机 定 量 分 析 [J]. 生 物 医 学 工 程 学 杂志,1998,15(3):320-322
40 许志伟,吴太虎,徐和福,等.血细胞计数技术最新研究进展[J].医疗卫生装备,2004,4:24-28
41 周莹莉,曾立波,刘均堂,等.基于图像处理的菌落自动计数方法及其实现[J].数据采集与处理,2003,18(4):460-464
42 李良础.血细胞自动分析仪与人工白细胞分类计数[J].国际医药卫生导报,2003,9(9):76-77
43 赵 宁 , 蓝 海 青 . 血 液 细 胞 彩 色 图 像 的 微 机 自 动 计 数 研 究 [J]. 徐 州 医 学 院 学 报1998.18(5):389-391
44 孙立荣,李学荣,庞秀英,等.急性白血病病儿骨髓抑制期红细胞指数的变化及意义[J].青岛大学医学院学报,2003,28(3):200-201
45 余 书 勤 , 相 秉 仁 . 显 微 图 像 处 理 在 新 药 药 效 及 毒 性 研 究 中 的 应 用 [J]. 药 学 进展,1995,19(1):1-5
46 姜远,周志华,谢棋.神经网络集成在肺癌细胞识别中的应用[J].南京大学学报(自然科学版),2001,37(5):529-534
47 王凯,张建正.尿显微图像中细胞自动识别与分类的研究与分析系统的实现[J].仪器仪表学报,2000,21(6):648-650
48 程迪祥,易东,李辉智,等.重叠双核淋巴细胞的模糊模式识别方法[J].数理医药学杂志,1998,11(2):115-117
49 王兆仲,赵宇.血细胞图像的自适应分割[J].中国体视学与图像分析,2003,7(1):49-52
50 王浩军,郑崇勋,闫相国,等.彩色血液细胞图像的自动分割方法研究[J].生物医学工程学杂志,2002,19(2):251-255
51 李宗林,罗晓晖,蒋爱德.显微细胞的图像分析技术[J].机械工程与自动 化,2006,1:146-148
52 蒋勇,刘飞雷,鲍红光.显微图像的数字图像处理及其在血细胞形态分析中的应用[J].中国图像图形学报,2001,6A(11):1079-1083
53 JIANG Yong, BAO Hong guang Observation and analysis for clinical hem orheo logy on epidural block[A].In: The Proceedings of Eighth International Congress of Bio2rheology[C].Beijing: Peking Univ. Press,1992.
54 BAO Hong guang, JIANG Yong, HUANG Jing. Image sequence(a) acquisition of liquid medicine diffusion in epidermal space[J].J. Math Medicine,1998,11(1):70～72.
55 周浩 , 李天 , 牧尉 . 洪基于数学形态学的血液细胞图像边缘提取 [J]. 北京生物医学工程,2002,21(2):89-97
56 苑玮琦.血细胞数字图像检测技术及装置的研究[D].东北大学博士学位论文,1997
57 范世福,李昀,肖松山,等.数字化显微图像分析检测系统的设计研究[J]. 现代科学仪器,2001(3):31-34
58 王亮,黄飞,冯邵彤,等.一种改进的二值图像像素标记算法[J].南京师范大学学报(工程技术版),2006,6(2):23-29
59 杨华东,简淼夫.一种数字图像颗粒统计的算法[J].电子测量与仪器学,2005,19(5):41-44
60 喻杰,许化溪.一种易于实现的适于细胞图像连通区域的标记算法[J]. 江苏大学学报(医学版),2005,15(2):152-155
61 周 煦 潼 , 施 鹏 飞 . 基 于 模 糊 空 间 的 骨 膜 显 微 图 像 识 别 [J]. 生 物 医 学 工 程 学 杂志,2000,17(2):170-173
62 麻硕士,侯振杰,裴喜春,等.动物骨髓细胞分割和识别方法的研究[J].中国农业工程学会学术年会论文集第三分册,2005
63 顾康庭.图像细胞分析(ICM)技术的发展与完善[J].自然杂志,1999,21(4):230-233
64 秦红星,蔡绍皙.彩色血液细胞图像的分割[J].中国血液流变学志,2003,3(13):281-285
65 秦红星.对血液细胞图像自动分割的研究[D].重庆大学硕士学位论文,2004
66 翊 华 . 细 胞 显 微 图 像 灰 度 梯 度 双 阈 值 的 快 速 分 割 [J]. 模 式 识 别 与 人 工 智能,1995,8(4):356-357
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |