[1]孙凯,姚旭峰,马风玲,等.基于机器学习的血细胞分类研究进展[J].中国医学物理学杂志,2020,37(1):127-132.[doi:DOI:10.3969/j.issn.1005-202X.2020.01.023]
　SUN Kai,YAO Xufeng,et al.Blood cell classification based on machine learning[J].Chinese Journal of Medical Physics,2020,37(1):127-132.[doi:DOI:10.3969/j.issn.1005-202X.2020.01.023]
点击复制

基于机器学习的血细胞分类研究进展()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
37
期数:
2020年第1期
页码:
127-132
栏目:
其他（激光医学等）
出版日期:
2020-01-25

文章信息/Info

Title:
Blood cell classification based on machine learning
文章编号:
1005-202X（2020）01-0127-06
作者:
孙凯1; 2; 姚旭峰2; 马风玲1; 2; 赵文硕1; 2; 黄钢2
1.上海理工大学医疗器械与食品学院， 上海 200082； 2.上海健康医学院医学影像学院， 上海 200120
Author(s):
SUN Kai1;  2;  YAO Xufeng2;  MA Fengling1;  2;  ZHAO Wenshuo1;  2;  HUANG Gang2
1. School of Medical Instrument and Food Engineering, University of Shanghai for Science and Technology, Shanghai 200082, China; 2. College of Medical Imaging, Shanghai University of Medicine & Health Sciences, Shanghai 200120, China
关键词:
机器学习; 图像处理; 分类; 血液细胞
Keywords:
Keywords: machine learning;  image processing;  classification;  blood cell
分类号:
R318；R329.2
DOI:
DOI:10.3969/j.issn.1005-202X.2020.01.023
文献标志码:
A
摘要:
基于机器学习的血细胞分类方法已经引起了人们的广泛重视。本文探讨了近几年基于机器学习的血液细胞分类领域的相关研究成果与进展，对目前各种研究所用到的数据采集、图像预处理、图像分割、特征提取及分类器分类方法所用新技术做出详细的说明与分析。深度学习在机器学习基础上发展而成，因其端到端、高准确度等优势展现出强大发展前景。目前研究趋向于采取深度学习与人工特征提取结合、改进网络结构等新方法不断提高网络模型分类准确度及泛化性。然而，基于机器学习的血细胞分类技术投入临床使用仍存在一些问题与挑战。
Abstract:
The study of machine learning (ML) for blood cell classification has aroused the interests of many researchers. In this paper, we summarized the recent development of ML algorithms for blood cell classification. The reviewed ML algorithms mainly consisted of data acquisition, image prepossessing, image segmentation, feature extraction and classification. Derived from traditional ML algorithms, the deep learning (DP) algorithms for blood cell classification have demonstrated strong prospects for presenting the advantages of high accuracy and more reliability. Till now, the topics of DP methods focuses on the aspects of extraction of artificial feature, design of learning networks, etc. This would aims to improve the accuracy of classification and generalization of DP models. However, ML classification of blood cells still have some challenges for clinical applications.

相似文献/References:

[1]田 龙,李明辉,胡逸民,等.利用EPID图像金球位置自动跟踪算法研究[J].中国医学物理学杂志,2014,31(04):5038.[doi:10.3969/j.issn.1005-202X.2014.04.014]
[2]刘玉红,王志芳,杨佳仪,等.彩色图像二值化算法及应用[J].中国医学物理学杂志,2013,30(01):3873.[doi:10.3969/j.issn.1005-202X.2013.01.009]
[3]杜永兴,桑路路,秦岭,等.一种基于图像匹配的微波热疗方法[J].中国医学物理学杂志,2016,33(10):1026.[doi:10.3969/j.issn.1005-202X.2016.10.011]
　[J].Chinese Journal of Medical Physics,2016,33(1):1026.[doi:10.3969/j.issn.1005-202X.2016.10.011]
[4]朱翔宇,葛中芹,张冰清,等.基于图像处理的医学影像处理平台系统设计[J].中国医学物理学杂志,2017,34(4):388.[doi:DOI:10.3969/j.issn.1005-202X.2017.04.014]
[5]金京,孟雅丹,徐琦,等.二维分形维数在皮肤癌光学相干断层成像技术诊断中的应用[J].中国医学物理学杂志,2017,34(7):698.[doi:10.3969/j.issn.1005-202X.2017.07.010]
　[J].Chinese Journal of Medical Physics,2017,34(1):698.[doi:10.3969/j.issn.1005-202X.2017.07.010]
[6]王美娇,李莎,岳海振,等. Model Analytics辅助的智能放疗计划建模[J].中国医学物理学杂志,2017,34(9):870.[doi:DOI:10.3969/j.issn.1005-202X.2017.09.002]
　[J].Chinese Journal of Medical Physics,2017,34(1):870.[doi:DOI:10.3969/j.issn.1005-202X.2017.09.002]
[7]王耿媛,赖官铨,段铮昱,等. 基于裂隙灯的眼微血管形态学参数分析在眼科疾病诊断的应用[J].中国医学物理学杂志,2018,35(3):323.[doi:DOI:10.3969/j.issn.1005-202X.2018.03.014]
　WANG Gengyuan,LAI Guanquan,DUAN Zhengyu,et al. Application of morphological parameters analysis of ophthalmic microvasculature based on slit lamp in the diagnosis of ophthalmic diseases[J].Chinese Journal of Medical Physics,2018,35(1):323.[doi:DOI:10.3969/j.issn.1005-202X.2018.03.014]
[8]周文,王瑜,肖红兵,等. 基于KPCA算法的阿尔茨海默症辅助诊断[J].中国医学物理学杂志,2018,35(4):404.[doi:DOI:10.3969/j.issn.1005-202X.2018.04.007]
　ZHOU Wen,WANG Yu,XIAO Hongbing,et al. Assisted diagnosis of Alzheimer’s disease based on KPCA algorithm[J].Chinese Journal of Medical Physics,2018,35(1):404.[doi:DOI:10.3969/j.issn.1005-202X.2018.04.007]
[9]余锦娟,林勇. 基于机器学习的骨质疏松性骨折预测研究[J].中国医学物理学杂志,2018,35(11):1329.[doi:DOI:10.3969/j.issn.1005-202X.2018.11.017]
　YU Jinjuan,LIN Yong. Prediction of osteoporotic fractures based on machine learning[J].Chinese Journal of Medical Physics,2018,35(1):1329.[doi:DOI:10.3969/j.issn.1005-202X.2018.11.017]
[10]王力,孟庆民,郭永新,等. 基于Hessian矩阵的DSA图像冠状动脉直径的测量[J].中国医学物理学杂志,2019,36(10):1182.[doi:DOI:10.3969/j.issn.1005-202X.2019.10.013]
　WANG Li,MENG Qingmin,GUO Yongxin,et al. Measurement of coronary artery diameter on DSA image based on Hessian matrix[J].Chinese Journal of Medical Physics,2019,36(1):1182.[doi:DOI:10.3969/j.issn.1005-202X.2019.10.013]

备注/Memo

备注/Memo:
【收稿日期】2019-06-26 【基金项目】国家自然科学基金（61971275, 81830052）；上海市教委项目（上海市政II类高原学科, 上海健康医学院, 2018-2020）；上海市分子影像学重点实验室项目（18DZ2260400） 【作者简介】孙凯，在读硕士研究生，主要从事医学图像处理与分析，E-mail: 745757764@qq.com 【通信作者】姚旭峰，博士，教授，E-mail: yao6636329@hotmail.com
更新日期/Last Update: 2020-01-14