基于加权损失函数的粘连白细胞分割算法

吉林大学学报(理学版) ›› 2021, Vol. 59 ›› Issue (1): 85-91.

基于加权损失函数的粘连白细胞分割算法

赵晓晴¹, 李慧盈^1,2, 苏安炀³, 张海涛¹, 刘景鑫⁴, 顾桂颖⁵

1. 吉林大学计算机科学与技术学院, 长春 130012； 2. 吉林大学符号计算与知识工程教育部重点实验室, 长春 130012； 3. 吉林大学软件学院, 长春 130012；4. 吉林大学中日联合医院放射科, 长春 130033； 5. 吉林大学中日联合医院血液与肿瘤科, 长春 130033

收稿日期:2020-01-02 出版日期:2021-01-26 发布日期:2021-01-26
通讯作者: 李慧盈 E-mail:lihuiying@jlu.edu.cn

Adhesive Leukocyte Segmentation Algorithm Based on Weighted Loss Function

ZHAO Xiaoqing¹, LI Huiying^1,2, SU Anyang³, ZHANG Haitao¹, LIU Jingxin⁴, GU Guiying⁵

1. College of Computer Science and Technology, Jilin University, Changchun 130012, China;
2. Symbol Computation and Knowledge Engineer of Ministry of Education, Jilin University, Changchun 130012, China;
3. College of Software, Jilin University, Changchun 130012, China;
4. Department of Radiology, China-Japan Union Hospital of Jilin University, Changchun 130033, China;
5. Department of Hematology and Oncology, China-Japan Union Hospital of Jilin University, Changchun 130033, China

Received:2020-01-02 Online:2021-01-26 Published:2021-01-26

摘要/Abstract

摘要： 针对粘连白细胞很难精准分割的问题, 提出一种基于深度学习的粘连白细胞分割算法. 首先, 将急性淋巴细胞白血病患者的血液细胞显微图像的色彩空间由RGB转换至HSV, 滤除红细胞并提取白细胞；其次, 对提取结果中的粘连白细胞, 将细胞边界设定为除前景和背景外的第三类, 在深度学习分割模型训练过程中引入基于类别权重的加权交叉熵损失函数, 使模型学习到更多的细胞边界特征. 实验结果表明, 用该方法分割数据集ALL_IDB1中的白细胞, 准确率达95.19%.

关键词: 粘连白细胞分割, 色彩空间变换, 加权损失函数

Abstract: Aiming at the problem that it was difficult to segment adhesive leukocyte accurately, we proposed an adhesive leukocytes segmentation algorithm based on deep learning. Firstly, the color space of the blood cell microscopic images of patients with acute lymphoblastic leukemia was transformed
from RGB to HSV, in order to filter out red blood cells and extract leukocytes. Secondly, for the adhesive leukocytes in extraction results, the cell border was set as the third class, in addition to foreground and background. During the training process of deep learning segmentation model, a weighted cross-entropy loss function based on class weight was introduced to make the model learn more cell border features. The experimental results show that using the proposed method to segment the leukocytes in the dataset ALL_IDB1 can achieve an accuracy of 95.19%.

Key words: adhesive leukocyte segmentation, color space transformation, weighted loss function

中图分类号:

TP391.41

赵晓晴, 李慧盈, 苏安炀, 张海涛, 刘景鑫, 顾桂颖. 基于加权损失函数的粘连白细胞分割算法[J]. 吉林大学学报(理学版), 2021, 59(1): 85-91.

ZHAO Xiaoqing, LI Huiying, SU Anyang, ZHANG Haitao, LIU Jingxin, GU Guiying. Adhesive Leukocyte Segmentation Algorithm Based on Weighted Loss Function[J]. Journal of Jilin University Science Edition, 2021, 59(1): 85-91.

[1]	张震, 张照崎, 朱留存, 刘济尘, 魏金占, 蔡旭航, 赵成龙. 一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法[J]. 吉林大学学报(理学版), 2021, 59(5): 1171-1178.
[2]	丁通, 刘元宁, 朱晓冬, 刘帅, 张齐贤, 张阔. 面向残差网络多元特征的轻量级虹膜分类[J]. 吉林大学学报(理学版), 2021, 59(4): 877-882.
[3]	张震, 张照崎, 朱留存, 苗志滨, 王骥月, 李修明, 赵成龙, 张坤伦. 基于Harris-改进LBP的特征匹配及目标定位算法[J]. 吉林大学学报(理学版), 2021, 59(3): 568-576.
[4]	李二强, 陈凯健, 周漾. 可控多重纹理扩展合成与迁移[J]. 吉林大学学报(理学版), 2021, 59(3): 577-586.
[5]	冯福存, 常莉红. 一种基于内容增强的可见光-红外线图像融合方法[J]. 吉林大学学报(理学版), 2021, 59(3): 595-601.
[6]	蒋俊锋, 孙晓莉, 邓子越, 黄瑞, 何坤金, 陈正鸣, 刘宏伟, 张文玺. 模板引导与数据驱动的三维碎骨修复方法[J]. 吉林大学学报(理学版), 2021, 59(2): 295-308.
[7]	张媛媛, 张红英. 结合饱和度调节的单曝光HDR图像生成方法[J]. 吉林大学学报(理学版), 2021, 59(2): 309-318.
[8]	张震, 张照崎, 苗志滨, 朱留存, 李修明, 麦冬, 张坤伦, 周瑞凯. 基于Harris-Hist的特征匹配及目标定位算法[J]. 吉林大学学报(理学版), 2021, 59(2): 333-341.
[9]	张齐贤, 朱晓冬, 刘元宁, 王超群, 吴祖慷, 李昕龙. 基于GA-BP神经网络的序列虹膜质量评价算法[J]. 吉林大学学报(理学版), 2020, 58(6): 1382-1390.
[10]	陈广秋, 王冰雪, 刘美, 刘广文. 基于结构信息相似度的线性投影灰度化算法[J]. 吉林大学学报(理学版), 2020, 58(4): 877-884.
[11]	温长吉, 赵珊珊, 申利未, 任虹宾. 基于局部时空模式的体育视频行为识别[J]. 吉林大学学报(理学版), 2020, 58(2): 379-387.
[12]	刘帅, 刘元宁, 庄述鑫, 侯铭楷, 陈静, 张水涵. 自适应优化Log-Gabor滤波器与动态径向基函数神经网络的虹膜识别[J]. 吉林大学学报(理学版), 2019, 57(2): 331-338.
[13]	罗浩, 仲佳嘉, 李祥. 基于改进多尺度Retinex的单幅彩色图像增强算法[J]. 吉林大学学报(理学版), 2019, 57(2): 369-374.
[14]	刘淑琴. 基于LTCP特征的计算机生成图像鉴别算法[J]. 吉林大学学报(理学版), 2019, 57(2): 393-398.
[15]	鲁秋菊, 拓守恒. 自适应步长下多阈值彩色图像的全局分割方法[J]. 吉林大学学报(理学版), 2019, 57(1): 82-88.