国际先进研究期刊》的研究在电子、电子、仪表工程
菜单ISSN在线(2278 - 8875)打印(2320 - 3765)
ISSN在线(2278 - 8875)打印(2320 - 3765)
Amruta潘迪特1,Shrikrishna Kolhar2,Pragati帕蒂尔3
|
| 相关文章Pubmed,谷歌学者 |
访问更多的相关文章国际先进研究期刊》的研究在电子、电子、仪表工程
血液细胞的分割和识别是非常重要的血液健康指示器。一个人的健康是决定使用完整的血细胞计数。血的内容尤其是白细胞,红细胞和血小板定义的健康状况。检测和治疗的疾病,如贫血、白血病等。红细胞计数是必需的。在实验室、血液细胞计数是通过使用血细胞计数器和显微镜。这种方法给不准确和不可靠的结果,取决于医生的技能。这个任务是费力而耗时的。本研究的目的是产生一个计算机视觉系统,可以检测和调查估计血液中红细胞的数量样本图像使用图像处理算法。本文认为图像处理的血细胞计数。图像处理算法涉及六大步骤:图像采集、预处理、图像增强、图像分割、特征提取和计数算法。 The objective is to study the different methodologies of RBC counting and identification of research directions.
关键字 |
| 图像处理、图像分割、图像增强、形态、霍夫变换 |
介绍 |
| 对整体健康评估和诊断许多疾病包括贫血、感染和白血病,需要完整的血细胞计数。人类的血液由三种类型的血细胞如红细胞(RBC)、白细胞(WBC)和血小板(PLT) [1]。一个人的健康是决定使用完整的血细胞计数。血液细胞的分割和识别是重要的血液健康指示器。异常增加或减少细胞计数表明,人有潜在疾病。 |
| 红细胞,也称为enthrocytes是最重要和无数人体血液细胞。红细胞表面的主要功能是运送氧气和交付到体内细胞[2]。他们是分盘形状的。他们不包含细胞核,但一种叫做血红蛋白的蛋白质。内外层的细胞都是由蛋白质,让红色血液。血红蛋白确实抓住和携带氧气。通常在血液检测血红蛋白水平测试。水平下降可能会导致严重的疾病,包括贫血、失血、白血病和营养不良。 |
| 红细胞的寿命约120天的正常个体的[3]。一个成年男性的正常红细胞计数是每公升4.6 x1012 x1012和6.2之间的血液。生产红细胞发生在骨髓干细胞前体。典型的红细胞计数(RBC)水平: |
| 4.2每微升540万个细胞 |
| 2.6为孩子每微升480万个细胞 |
| 4.5到620万个细胞每微升血液的男性。 |
| 在一些疾病的诊断,主要步骤是自动检测和红细胞计数。在传统的过程中,血液学学者手动计数和分类细胞在显微镜的帮助下。任务是测量红细胞和血红细胞的大小和形状进行评估。但这个过程耗时、复杂和冗长[4 - 6]。此外,识别的准确性受主观因素影响的经验和疲劳由于人类疲劳。来解决这一问题,提供自动化,成本效益和有效的替代检测和计数红细胞表面,使用图像处理技术。 |
| 本文回顾了一些红细胞检测和计数的方法。纸被组织在以下部分中:目前使用的方法(第二部分),相关工作(第三部分)和讨论结论(第四节)。 |
方法 |
| 有六个主要步骤的过程中估算红细胞。这些都是输入图像采集、预处理、增强、分割、特征提取、红细胞计数。这些步骤是图1所示 |
 |
图像采集 |
| 程序的第一步是图像采集,获得一个数字图像。通常它是微观图像,可以从网上获得医学图书馆和医院血液样本图片。这些图片是在RGB颜色格式。 |
图像预处理 |
| 调整图像的图像预处理技术适用于计算过程的下一步。在这样一种方式,图像质量改善成功的其他进程。预处理技术通常包括增强对比度,消除噪音,隔离区域和灰度图像使用不同的颜色模型,hsv的形象。原始血细胞图像的颜色。缓解率测定的过程中,将原始图像转换成灰度的颜色。灰度代表图像的强度。获得图像低对比度是所有血元素颜色接近的背景颜色。噪音也包括由于集群白细胞。克服或减少这些影响对比度增强。 |
图像增强 |
| 预处理后,图像增强。是进行的改善图像的对比度和亮度特征以及降低噪声的图像或锐化的细节。这些技术包括图像否定,柱状图绘制、图像减法和过滤。 |
图像分割 |
| 下一阶段的处理图像分割。分割分区一个输入图像前景和背景区域。有各种各样的方法分割即分割利用直方图阈值,首先进行自适应阈值和分水岭变换,霍夫变换技术以及通过聚类分割。分割的目标是提取所需的对象从背景中。分割是更复杂的步骤,与其他方法相比需要更多的处理时间。但是它是最重要的和具有挑战性的一步,因为特征提取和计算取决于红细胞的正确分割。 |
特征提取 |
| 特征提取包括形态学操作。它提取感兴趣的对象的特性,包含定量信息。形状特征是细胞和细胞核,细胞周长、核比整体细胞区域,边界的细胞核和循环因素。纹理特性包括对比、同质性和熵的来源于灰度共生矩阵。颜色直方图、颜色分量的平均值和标准偏差CIE-Lab领域,形成了颜色特征。特征提取技术包括人工神经网络(ANN)等特点,支持向量机(SVM)。 |
计算算法 |
| 测量数量的红血球计数算法。连接组件标签用于计数是最受欢迎的方法。除此之外圆形霍夫变换还用于红细胞计数。 |
文献调查 |
一个。基于霍夫变换的方法 |
| Vinutha H Reddy引入了自动红细胞和白细胞计数使用计算机视觉[6]。红细胞的估算包括几个步骤。这些都是输入的输入图像,获得图像的预处理、分割、特征提取、计数。预处理步骤由原来的血涂片图像转化为饱和的形象。直方图阈值和形态学操作用于分割。特征提取的帮助下完成形态操作区分红血球,白细胞,血小板和背景。最后一步是衡量使用霍夫变换的红细胞数量的血涂片的形象。 |
| Venkatalakshmi。B等人提出了一个自动红细胞计数使用霍夫变换方法[8]。算法估算红细胞由五个主要步骤:输入图像采集、预处理、分割、特征提取和计数。在预处理步骤中,原始血涂片转化为HSV的形象。随着饱和度图像清晰地显示了明亮的组件,进一步用于分析。分割的第一步是找出上下阈值的直方图信息。饱和度图像然后分为两个二进制图像基于这些信息。形态学区域关闭应用于低像素值图像形态学膨胀和区域关闭应用于更高的像素值图像。形态XOR运算应用于两个二进制图像和圆形霍夫变换应用于红细胞表面提取。 |
| 西蒂Madihah Mazalan等人还提出了一个方法使用圆形自动红细胞计数哈夫变换技术[9]。它包含两个主要步骤viz.找出最小和最大半径的红细胞和霍夫变换。最小和最大半径的测量,分步骤进行,包括:裁剪图像,篮板花白的转换,形态学处理、阈值、噪声去除,最后测量平均值、标准偏差和宽容。借助已知半径,圆形霍夫变换应用在外周血涂片计数红细胞表面的形象。 |
| 博物馆Maitra等人介绍了一个方法来自动分割和计数红细胞的微观图像使用霍夫变换[10]。预处理技术包括边缘检测、空间平滑滤波和自适应直方图均衡化。特征提取是通过霍夫变换方法已被用来找出红细胞基于他们的大小和形状。这个隔离血红细胞的血液样本,这样的形象进一步过程像数只可以应用。 |
B。基于阈值的方法 |
| 白细胞和红细胞表面计算通过使用灰度阈值算法Pooja r·帕蒂尔等[5]。该方法的第一步是灰色的RGB转换。完成之后,中值滤波去除背景噪声。大津法用于二值化的图像。适当的细分的血细胞,洞在二进制图像了。边界附近的细胞含有更少的信息和删除降低复杂性。标签算法计算连接对象。形状因子计算完成,我们得到红细胞总数。 |
C。基于分水岭变换的方法 |
| 赫曼特Tulsani等人提出了一个计算方法的血液细胞[7]。用于计算的图像处理技术是空间滤波,形态学操作和使用分水岭变换分割。在预处理步骤中,平和的形象是通过使用平均滤波器。在下一步,RGB图像转换为YCbCr形象和Cb组件从图像中提取细胞核和血小板。血涂片图像的关键和形态是白细胞和血小板的面具。个人对白细胞和血小板的图像可以获得与另一个开放和图像减法。接下来,血涂片应用于开放的灰度图像重建和关闭的重建。最后,二进制基地获得图像包含所有细胞和面具中减去RBC二进制图像。二进制图像分割使用分水岭变换。 |
基于d细胞结构和强度的方法 |
| 美国Kareem等人介绍了角环比率的计算方法薄血液中红血球电影[11]。该方法由RGB图像转换成灰度。膨胀的图像使用戒指形状的结构元素。侵蚀后图像的使用一个圆盘形状的结构。下一步是将关闭图像转换成比例改变图像通过计算平均强度的比值环形同心环结构元素的磁盘被掩盖了图像形状的结构元素。之后,峰值强度的比率转换图像计算。接下来,映射峰值对应的坐标,这实际上是每个红细胞的中心。 |
E。比较方法 |
| 比较分析的霍夫变换和k - means聚类算法提取和检测红细胞表面是由莫妮卡Mogra等[4]。k - means聚类算法包含六大步骤:图像采集、图像聚类,直方图均衡化,图像分割,血液细胞的提取和计数细胞。尽管霍夫变换算法包含以下步骤:输入图像采集,Hough变换边缘连接,图像分割,蛇的身体检测,输出图像,最后细胞计数。 |
结论 |
| 血细胞图像的分析更加准确和高效的成本和时间,使用图像处理。领域的研究工作正在增加红细胞计数和各种图像处理技术实现为了得到更准确的结果。使用图像处理技术是有用的和比现有技术提供的医疗诊断和血液细胞计数,标准化的血涂片进行正确地获取血液细胞图像。 |
引用 |
|
