多分类支持向量机分割彩色癌细胞图像

doi:10.3778/j.issn.1002-8331.2009.20.069

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (20): 236-239.DOI: 10.3778/j.issn.1002-8331.2009.20.069

多分类支持向量机分割彩色癌细胞图像

窦智宙¹，平子良²，冯文兵³，王永祥³

1．内蒙古师范大学计算机信息工程学院，呼和浩特 010022
2.内蒙古师范大学物理与信息工程学院，呼和浩特 010022
3．内蒙古医学院附属医院，呼和浩特 010050

收稿日期:2008-04-18 修回日期:2008-08-04 出版日期:2009-07-11 发布日期:2009-07-11
通讯作者: 窦智宙

Segmentation of multicolor cancer cells with Multi-class Support Vector Machine

DOU Zhi-zhou¹，PING Zi-liang²，FENG Wen-bing³，WANG Yong-xiang³

1.College of Computer and Information Engineering，Inner Mongolia Normal University，Hohhot 010022，China
2.College of Physical and Electronic Information，Inner Mongolia Normal University，Hohhot 010022，China
3.Inner Mongolia Medical College Hospital，Hohhot 010050，China

Received:2008-04-18 Revised:2008-08-04 Online:2009-07-11 Published:2009-07-11
Contact: DOU Zhi-zhou

摘要/Abstract

摘要： 在细胞彩色图像处理中，为了有效地计算与分析细胞各特征值，对细胞图像的精确的三域分割是细胞自动分析与识别的一个关键环节。提出利用多分类支持向量机对细胞彩色图像进行背景、胞浆与核的一次性三域分割，并且通过聚类分析的方法实现了在线训练，实验表明，该方法在细胞彩色图像的多域分割上，能获得较高的分割精度和较好的鲁棒性。

关键词: 支持向量机, 多分类支持向量机, 一对一, 分割

Abstract: In order to effectively calculate and analyze the character of the cell，it is important to segment accurately cell image into three value map in cell color image processing.This paper proposes using Multi-class Support Vector Machine（M-SVM） to segment the background，nucleus and cytoplasm pixels into three fields in one color image processing.Furthermore，this paper uses clustering method to train M-SVM online.The experiment shows that the method can achieve high accuracy and is robust to varied cell color image acquisition.

Key words: Support Vector Machine（SVM）, Multi-class Support Vector Machine（M-SVM）, one against one, segmentation

窦智宙¹，平子良²，冯文兵³，王永祥³. 多分类支持向量机分割彩色癌细胞图像[J]. 计算机工程与应用, 2009, 45(20): 236-239.

DOU Zhi-zhou¹，PING Zi-liang²，FENG Wen-bing³，WANG Yong-xiang³. Segmentation of multicolor cancer cells with Multi-class Support Vector Machine[J]. Computer Engineering and Applications, 2009, 45(20): 236-239.

[1]	李晓筱，胡晓光，王梓强，杜卓群. 基于深度学习的实例分割研究进展[J]. 计算机工程与应用, 2021, 57(9): 60-67.
[2]	徐少杰，曹雏清，王永娟. 视觉SLAM在室内动态场景中的应用研究[J]. 计算机工程与应用, 2021, 57(8): 175-179.
[3]	闫晓燊，高强，朱思萌，奚学程，赵万生. 亮度不均匀低质量图像中压印字符分割方法[J]. 计算机工程与应用, 2021, 57(8): 185-191.
[4]	高一锴，彭力，徐龙壮. 改进AFSA算法优化TWSVM的火焰识别方法[J]. 计算机工程与应用, 2021, 57(8): 204-213.
[5]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[6]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[7]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[8]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.
[9]	杨波，陶青川，董沛君. 改进Deeplab v3+网络的手术器械分割方法[J]. 计算机工程与应用, 2021, 57(7): 222-227.
[10]	胡扬涛，裴洋，林川，李世成，易玉根. 空洞残差U型网络用于视网膜血管分割[J]. 计算机工程与应用, 2021, 57(7): 185-191.
[11]	韩卫宇，程龙生. 结合马田系统-SVM的滚动轴承故障模式分类研究[J]. 计算机工程与应用, 2021, 57(6): 239-246.
[12]	雷恒林，古兰拜尔·吐尔洪，买日旦·吾守尔，张东梅. 新奇检测综述[J]. 计算机工程与应用, 2021, 57(5): 47-55.
[13]	张忠民，刘金鑫，席志红. 熵率超像素分割一致性检验视差细化算法[J]. 计算机工程与应用, 2021, 57(5): 204-209.
[14]	袁铭阳，黄宏博，周长胜. 全监督学习的图像语义分割方法研究进展[J]. 计算机工程与应用, 2021, 57(4): 43-54.
[15]	温杰彬，杨文忠，马国祥，张志豪，李海磊. 基于Apex帧光流和卷积自编码器的微表情识别[J]. 计算机工程与应用, 2021, 57(4): 127-133.

多分类支持向量机分割彩色癌细胞图像

Segmentation of multicolor cancer cells with Multi-class Support Vector Machine

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics