检测乳腺癌细胞中的有丝分裂(3)
来源:互联网 发布:淘宝好评返现违规 编辑:程序博客网 时间:2024/04/29 15:48
今天看的文章题目是《A Gamma-Gaussian Mixture Model for Detection of Mitotic Cells in Breast Cancer Histopathology Images》
原理:先分割出肿瘤区域,然后在肿瘤区域使用Gamma-Gaussian混合模型检测有丝分裂细胞,最后使用svm分类器减少检测错误。
步骤:
1、因为有丝分裂大多是发生在肿瘤区域,所以本文先分割出肿瘤区域,减小后面操作的复杂度。在这里,使用的(RanPEC: Random Projections with Ensemble Clustering)方法进行的分割。
2、使用Gamma-Gaussian混合模型检测有丝分裂细胞
仔细看上面的图片,从上面我们可以知道为什么Gamma-Gaussian混合模型能检测出有丝分裂和非有丝分裂。由于有丝分裂细胞强度(L channel of La*b* color space)的边缘分布服从Gamma分布,而非有丝分裂细胞强度(L channel of La*b* color space)的边缘分布服从Gaussian分布,借助这一分布特点,我们可以利用Gamma-Gaussian混合模型检测出有丝分裂。
对于任意像素强度为x,给出混合模型:
和为两个分布的混合比例,且为Gamma强度分布函数,以、为参数;为Gaussian强度分布函数,以、为参数。假设,则我们现在要求是这个参数向量。
我们采用EM算法求解:
详细算法如下:
计算出所有参数后,我们就可以采用这个混合模型检测有丝分裂
使用一个阈值t,可以得到潜在的有丝分裂区域。
3、进一步减少差错
采用一个窗口将上一步中检测出的区域包围起来,提取特征,训练SVM分类器,使用SVM再一次检测,进一步提高准确率。
- 检测乳腺癌细胞中的有丝分裂(3)
- 检测乳腺癌细胞中的有丝分裂(1)
- 检测乳腺癌细胞中的有丝分裂(2)
- 检测乳腺癌细胞中的有丝分裂(4)
- 异常细胞检测
- 检测异常细胞
- 异常细胞检测
- 上海交大施奇惠教授:循环肿瘤细胞(CTC)检测干
- 麻省理工使用人工智能改善早期乳腺癌检测
- OpenCV-识别细胞图中的细胞总数
- 曾患乳腺癌的MIT女教授,使用人工智能检测早期乳腺癌,准确率97%
- [035]Java实现SVM对乳腺癌检测数据分类分析
- 基于SLIC的细胞分割与检测
- Camelyon Challenge: 癌症细胞区域检测竞赛
- 细胞
- 细胞
- 细胞
- 细胞工程在植物组织培养中的应用
- 1_BLE nRF51822 UART 与 BLE转发
- 论文中的机器学习算法——基于密度峰值的聚类算法
- 【thrift】 thrift原理浅析
- 推荐一些学习SEO的优秀书籍附pdf电子书下载地址
- ruby gems安装镜像
- 检测乳腺癌细胞中的有丝分裂(3)
- Oracle导入和导出
- Max下开启:web共享
- 关于goto语句的争论
- 自定义控件之组合控件
- 劣笆敦谈以庇诱忱刳履堤睹捣仗痴
- 二叉查找树的个数,BT search 1, 二叉树遍历的非递归形式,Flatten Binary Tree to Linked List
- Oracle 数据库导入导出 dmp文件
- xfgerhrtyhyt