УДК: 004.932

Метод сегментации лейкоцитов на изображениях мазков крови

Полный текст на elibrary.ru

Публикация в Journal of Optical Technology

Ссылка для цитирования:

Дырнаев А.В. Метод сегментации лейкоцитов на изображениях мазков крови // Оптический журнал. 2012. Т. 79. № 11. С. 41–46.

Dyrnaev A.V. A method of segmenting leukocytes on images of blood smears [in English] // Opticheskii Zhurnal. 2012. V. 79. № 11. P. 41–46.

Ссылка на англоязычную версию:

A. V. Dyrnaev, "A method of segmenting leukocytes on images of blood smears," Journal of Optical Technology. 79(11), 708-711 (2012). https://doi.org/10.1364/JOT.79.000708

Аннотация:

В статье изложены особенности метода сегментации микроскопических изображений препаратов крови с выделением основных типов лейкоцитов и их подсчетом. Сегментация производится на основе порогового разделения изображения мазка крови по яркости, тону и насыщенности с использованием морфологической обработки бинарных масок, расчета параметров объектов, таких как коэффициент заполнения, эксцентриситет и эквивалентный диаметр, расчета текстурных характеристик объектов. Метод устойчив к присутствию шумов на изображении, а также к небольшим изменениям цветовых характеристик клеток.

Ключевые слова:

подсчет количества клеток, цифровая микроскопия, сегментация изображений

Коды OCIS: 150.1135

Список источников:

1. Афанасьев Ю.И., Юрина Н.А., Котовский Е.Ф. Гистология, цитология и эмбриология // М.: Медицина. 2002.
2. Дырнаев А.В., Потапов А.С. Комбинированный метод подсчета эритроцитов на изображениях мазков крови // Научно-технический вестник СПбГУ ИТМО. 2012. № 01(77). С. 19–23.
3. Miller M.N. Leukocyte Classification by Morphological Criteria // Eng. Foundation Conf. on Automatic Cytology. 1972. Saxtons River. VT. P. 14–18
4. Van Osta P., Geusebroek J.M., Ver Donck K., Bols L., Geysen J., ter Haar Romeny B.M. The principles of scale space applied to structure and colour in light microscopy // Proceedings of the Royal Microscopical Society. 2002. V. 37(3). P. 161–166.
5. Cheng Ke. White Blood Cell Detection Using a Novel Fuzzy Morphological Shared-Weight Neural Network // International Symposium on Computer Science and Computational Technology. 2008. V. 2. P. 532–535.
6. Xubo B. Song, Yaser S. Abu-Mostafa, Joseph Sill, Harvey Kasdan Incorporating Contextual Information in White Blood Cell Identification // Proceedings of the 1997 conference on Advances in neural information processing systems 10. 1998. MIT Press Cambridge, MA, USA. P. 950–956.
7. Prof. Samir K. Bandyopadhyay, Sudipta Roy Detection of Sharp Contour of the element of the WBC and Segmentation of two leading elements like Nucleus and Cytoplasm // International Journal of Engineering Research and Applications. 2012. V. 2. № 1. P. 545–551.
8. Devesh D. Nawgaje Implementation of Fuzzy Inference System For White Blood Cell Cancer Detection Using DSP TMS320C6711 // International Journal of Engineering Science and Technology. Special Issue. 2011. P. 123–127.
9. Giemsa G. Eine Vereinfachung und Vervollkommnung meiner Methylenazur-Methylenblau-Eosin-Färbemethode zur Erzielung der Romanowsky-Nochtschen Chromatinfärbung // Centralbl f Bakt. 1904. V. 37. P. 308–311.
10. Otsu N. A threshold selection method from gray-level histograms // IEEE Trans. Sys., Man., Cyber. 1979. V. 9. P. 62–66.
11. Samet H., Tamminen M. Efficient Component Labeling of Images of Arbitrary Dimension Represented by Linear Bintrees // IEEE Transactions on Pattern Analysis and Machine Intelligence.1988. V. 10. P. 579.
12. Steinhaus H. Sur la division des corps materiels en parties // Bull. Acad. Polon. Sci. 1956. C1. P. 801–804.
13. Lloyd S. Least square quantization in PCM’s // Bell Telephone Laboratories Paper. 1957. P. 129–137.