基于HHT-SVM的血細(xì)胞識(shí)別算法研究.pdf

1、血細(xì)胞計(jì)數(shù),是臨床上判斷有無(wú)疾病、疾病類(lèi)型和嚴(yán)重程度的主要依據(jù)。目前國(guó)內(nèi)大多數(shù)血細(xì)胞分析儀采用庫(kù)爾特原理對(duì)血細(xì)胞進(jìn)行檢測(cè)。然而,檢測(cè)過(guò)程中出現(xiàn)的“結(jié)伙”、“溜邊”現(xiàn)象會(huì)使形成的血細(xì)胞脈沖形態(tài)異常。傳統(tǒng)的脈沖計(jì)數(shù)方法無(wú)法識(shí)別這類(lèi)形態(tài)異常的血細(xì)胞脈沖,從而產(chǎn)生誤計(jì)或漏計(jì),影響血細(xì)胞計(jì)數(shù)的準(zhǔn)確性。因此,血細(xì)胞信號(hào)的準(zhǔn)確分類(lèi)與識(shí)別對(duì)血細(xì)胞精確計(jì)數(shù)具有重要意義。
　　本文首先回顧了國(guó)內(nèi)外血細(xì)胞分析技術(shù)的發(fā)展現(xiàn)狀、趨勢(shì)和存在的問(wèn)題,著重分析了

2、當(dāng)前血細(xì)胞計(jì)數(shù)與識(shí)別所面臨的問(wèn)題,并分別闡述了 Hilbert-Huang變換(Hilbert-Huang Transform, HHT)和支持向量機(jī)(Support Vector Machine, SVM)的研究進(jìn)展和現(xiàn)狀。
　　其次,介紹了血細(xì)胞脈沖信號(hào)的采集原理和采集、預(yù)處理過(guò)程,并分析了多形態(tài)血細(xì)胞信號(hào)產(chǎn)生的原因及影響。
　　然后,分別闡述了 Hilbert Huang-變換和支持向量機(jī)的相關(guān)理論。介紹了Hilber

3、t Huang-變換的基本原理、兩個(gè)核心算法、分析流程以及該方法在時(shí)頻分析中的優(yōu)勢(shì)性。概述了支持向量機(jī)的理論基礎(chǔ)、分類(lèi)原理及分類(lèi)算法,并分析了目前常用的分類(lèi)方法的優(yōu)缺點(diǎn)。
　　針對(duì)多形態(tài)血細(xì)胞信號(hào)識(shí)別問(wèn)題,本文在比較分析了常見(jiàn)的特征提取方法和分類(lèi)方法后,設(shè)計(jì)了一種基于 Hilbert Huang-變換和多分類(lèi)支持向量機(jī)的識(shí)別算法。根據(jù)血細(xì)胞脈沖信號(hào)的時(shí)域特點(diǎn),選擇脈沖寬度、高度、峰谷比和陡度作為信號(hào)的時(shí)域特征。用 Hilbert

4、Huang-變換提取血細(xì)胞信號(hào)的第2~5階IMF分量的譜質(zhì)心和能量貢獻(xiàn)率作為其頻域特征,與時(shí)域特征一起構(gòu)成血細(xì)胞的特征向量。根據(jù)血細(xì)胞的特征屬性和類(lèi)別數(shù),設(shè)計(jì)了一種基于支持向量機(jī)的多類(lèi)分類(lèi)器,并通過(guò)理論分析和實(shí)驗(yàn)測(cè)試確定分類(lèi)器的結(jié)構(gòu)、分類(lèi)算法及相關(guān)參數(shù)。通過(guò) LibSVM軟件仿真,表明該算法對(duì)多形態(tài)的血細(xì)胞脈沖信號(hào)具有良好的分類(lèi)效果;臨床測(cè)試結(jié)果也驗(yàn)證了該算法的有效性與可行性。
　　本文主要研究成果是:通過(guò)對(duì)非線性、非平穩(wěn)、形態(tài)多