[论文解读] High Accuracy Classification of White Blood Cells using TSLDA Classifier and Covariance Features

Hamed Talebi, Amin Ranjbar+3 more|arXiv (Cornell University)|Jun 12, 2019

Digital Imaging for Blood Diseases参考文献 26被引用 8

一句话总结

本文提出了一种基于TSLDA分类器与从分割的白细胞（WBC）区域提取的协方差特征的高精度白细胞（WBC）分类系统。通过应用朴素贝叶斯聚类进行分割，并利用协方差描述符捕捉纹理和强度变化，该方法在骨髓显微图像上实现了98.02%的分类准确率，显著提升了对光照、形状和大小变化的鲁棒性。

ABSTRACT

creating automated processes in different areas of medical science with the application of engineering tools is a highly growing field over recent decades. In this context, many medical image processing and analyzing researchers use worthwhile methods in artificial intelligence, which can reduce necessary human power while increases accuracy of results. Among various medical images, blood microscopic images play a vital role in heart failure diagnosis, e.g., blood cancers. The prominent component in blood cancer diagnosis is white blood cells (WBCs) which due to its general characteristics in microscopic images sometimes make difficulties in recognition and classification tasks such as non-uniform colors/illuminances, different shapes, sizes, and textures. Moreover, overlapped WBCs in bone marrow images and neighboring to red blood cells are identified as reasons for errors in the classification task. In this paper, we have endeavored to segment various parts in medical images via Naïve Bayes clustering method and in next stage via TSLDA classifier, which is supplied by features acquired from covariance descriptor results in the accuracy of 98.02%. It seems that this result is delightful in WBCs recognition.

研究动机与目标

• 开发一种用于显微图像中白细胞分类的自动化、高精度系统。
• 解决白细胞分类中的挑战，如光照不均匀、形状和大小变化以及细胞重叠。
• 通过结合分割与先进的特征表示及专用分类器，提升分类的鲁棒性。
• 评估TSLDA分类器与协方差描述符在真实骨髓图像数据集上的性能。

提出的方法

• 使用朴素贝叶斯聚类方法对白细胞进行分割，以从复杂的骨髓图像中分离出WBC区域。
• 从分割后的WBC区域中提取协方差描述符，以有效表示局部纹理和强度模式。
• 采用TSLDA（张量-稀疏线性判别分析）分类器，基于协方差特征对WBC进行分类。
• 通过张量表示整合空间与统计特征，以增强判别能力。
• 将来自协方差矩阵的特征向量用作TSLDA分类器的输入，以实现最优类别分离。
• 该系统在包含多种WBC形态的显微骨髓图像数据集上进行训练和测试。

实验结果

研究问题

• RQ1 TSLDA与协方差特征的结合是否能将WBC分类准确率提升至超过现有方法？
• RQ2 朴素贝叶斯聚类在存在重叠细胞和红细胞的复杂骨髓图像中，对WBC分割的有效性如何？
• RQ3 协方差描述符在光照不均匀和形态变化条件下，对分类判别能力的增强程度如何？
• RQ4 所提出的TSLDA与协方差特征流程可实现的分类准确率是多少？

主要发现

• 所提方法实现了98.02%的分类准确率，表明在WBC识别方面具有高性能。
• 使用协方差描述符显著改善了特征表示，能够捕捉WBC区域中的纹理和强度变化。
• 朴素贝叶斯聚类即使在存在重叠细胞和邻近红细胞的情况下，也能有效分割WBC。
• TSLDA分类器通过引入张量和稀疏学习，优于标准LDA，在类别分离方面表现更优。
• 该系统在不同显微图像中对光照不均匀性和WBC形态多样性均表现出良好的鲁棒性。