一种骨髓细胞形态学人工智能模拟教学系统及其方法与流程

本发明属于影像教学系统
技术领域：
，具体涉及一种骨髓细胞形态学人工智能模拟教学系统及其方法。
背景技术：
：“血液学检验”是医学检验专业的主干课程之一，教师在讲授骨髓细胞和血液系统疾病细胞的形态特征及检验方法时，由于内容抽象、细胞形态千变万化，使得学生对教学内容的兴趣、理解、记忆、观察、辨认都感到有很大的难度。因此，实践课教学将是这一教学问题最好的解决方式。实验课教学的目的是使学生掌握血细胞形态观察的基本原理、基本技能和主要方法，提高识别、记忆细胞的能力，培养动手能力，进一步理解理论知识。但以往的传统教学中，教师课堂讲解后就让学生单独读片识别细胞形态，学生看到镜下骨髓片中无数个不曾相识的细胞马上就感到满脑空白，教师也在无数个问题中一一解答学生的重复疑问，不仅浪费时间，而且浪费精力，学生也失去了读片的兴趣。而且血细胞形态的千变万化义给学生观察、识别和记忆细胞形态带来了很多困难，增加了学习的难度。针对这种情况，研究开发出一种骨髓细胞形态学人工智能模拟教学系统将有很大必要，这样的模拟系统将大大的提高学生的学习兴趣，也能提高细胞形态教学的教学效率。技术实现要素：本发明的目的是针对现有骨髓细胞形态教学中存在的问题，提供一种骨髓细胞形态学人工智能模拟教学系统及其方法，在学生学习细胞的状态下，同时开启人工智能细胞识别模式，在学生点击目的细胞，进行学习指导求助的情况下，点击该细胞，人工智能识别系统，提示该细胞的名称，并报告实时检测的数据，如名称、大小、纹理、形状、颜色等特征，解决学生的困惑，将大大的提高学生的学习兴趣，也能提高细胞形态教学的教学效率。为实现上述技术目的，本发明采用的技术方案如下：一种骨髓细胞形态学人工智能模拟教学系统，包括显微镜、ccd摄像机、计算机系统、储存器和显示器；所述计算机系统包括细胞信息单元、细胞识别单元、和细胞信息显示单元；所述细胞识别单元包括用于对骨髓细胞切片的放大图像进行采集的图像采集模块、用于消除图像毛刺噪音的图像预处理模块、用于对图像进行目标分割的图像分割模块、对指定细胞进行圈定的细胞圈定模块、对重叠细胞进行细胞图像分离的细胞分离模块、对圈定细胞进行特征提取的特征提取模块、对圈定细胞进行特征识别的特征选择识别模块、对圈定细胞进行分类识别的分类识别模块、将圈定细胞根据识别的信息，与细胞信息单元进行比对，对细胞的信息进行提取的信息提取模块。显微镜用于对骨髓切片进行光学放大，形成模拟的显微图像，然后通过ccd相机将显微镜显示的图像ad转换，生成视频信号，传输到计算机系统，由计算机系统和显示器对骨髓切片细胞图像进行显示；细胞信息单元储存于储存器内，包括有各种细胞的信息，信息包括细胞名称、大小、形状、纹理、颜色等细胞信息；细胞识别单元对骨髓切片细胞进行图像采集、图像去燥、图像分割、细胞特征提取、细胞特征提取、分类识别，细胞分类识别完成后，利用信息提取模块从存储于存储器中的细胞信息单元中将细胞信息进行提取，由细胞信息显示单元在显示器上对圈定的细胞信息进行显示。其中，图像采集模块将获得细胞的真彩图像；预处理模块可以将图像边界的毛刺去掉，保证边界的清晰；图像分割模块将对预处理模块处理过的图像进行目标分割，并将分割结果保存到相应的数据结构中；细胞圈定模块指的是操作者将鼠标指定到图像中的某个位置时，由细胞圈定模块对距离细胞中心最近的细胞进行圈定；利用特征提取模块根据图像获得的目标区域，进行细胞名称、大小、形状、纹理、颜色等细胞信息的提取；特征选择识别模块则运用类别可分离性判断和特征搜索算法来实现对原始特征量降维的目的；分类识别模块根据特征选择所给如的对象特征值以及样本集，首先对分类器进行训练，然后再利用分类器对该对象进行分类。进一步，一种骨髓细胞形态学人工智能模拟教学系统的方法，包括以下步骤，a1、图像获取：显微镜对骨髓切片进行光学放大，形成模拟的显微图像，然后通过ccd相机将显微镜显示的图像ad转换，生成视频信号，由图像采集模块对图像进行图像采集；a2、图像预处理：将图像采集模块采集的图像进行滤波、去除毛边、增强、平滑和锐化预处理，保证边界清晰，提高图像质量；a3、图像分割：对预处理模块处理过的图像进行目标分割，并将分割结果保存到相应的数据结构中；a4、细胞圈定：操作者将鼠标指定到图像中的某个位置时，由细胞圈定模块对距离细胞中心最近的细胞进行圈定；a5、细胞分离：利用细胞分离模块，对图像中重叠的细胞进行细胞分离，以便于特征提取；a6、特征提取：根据图像分割模块获得的目标区域，进行细胞名称、大小、形状、纹理、颜色等细胞信息的提取；a7、特征选择识别：运用类别可分离性判断和特征搜索算法来实现对原始特征量降维；a8、分类识别：根据特征选择所给如的对象特征值以及样本集，首先对分类器进行训练，然后再利用分类器对该对象进行分类；a9、细胞信息显示：信息提取模块从存储于存储器中的细胞信息单元中将细胞信息进行提取，由细胞信息显示单元在显示器上对圈定的细胞信息进行显示。进一步，所述图像预处理模块的预处理方法为领域平滑滤波方法，包括以下步骤：b1、以待处理像素为中心，做一个m×m的作用模板；b2、在模板中，选择k个与待处理像素的灰度差为最小的像素；b3、将这k个像素的灰度均值替换掉原来的像素值。进一步，所述图像分割模块的图片分割的方法为，利用将输入的图像的f输出为图像g，其中t为阈值；对于物体的图像元素，g(i，j)＝1，对于背景的图像元素，g(i，j)＝0。本分割算法先确定一个适合的阈值，将图像分割开来，阈值确定后，阈值与像素点的灰度值比较和像素分割可对各像素并行地进行，分割的结果直接给出图像区域；本方法的图像分割方法计算简单、运算效率较高、速度快。进一步，所述信息提取模块的提取特征，包括名称、大小、形状、纹理、颜色提取。进一步，所述大小、形状、纹理、颜色提取方法为，c1、细胞大小提取时，采用面积提取，将细胞区域内的所有像素点进行计数累加来获得细胞区域的面积特征；c2、细胞纹理特征提取时，将m*m大小的图像分割成若干个s*s的子块，s是介于1和m/2之间的整数，令尺度因子r＝r/m；将图像制成三维空间xyz，其中(x，y)表示象素点的平面位置，z表示其灰度值，于是xy平面被分割成若干大小为s*s的网格，在每个网格上，是s*s*s的盒子，设图像在第(i，j)网格中的灰度最小值和最大值分别落在第k和第1个盒子中，则覆盖第(i，j)网格中的图像所需的盒子数为：nr(i，j)＝l-k+1；需要的盒子数盒子维数对应于不同的r值，可以得到不同的nr值，采用最小二乘线性回归法拟合出(log(nr)，log(1/r))的斜率，即为分形维d；c3、细胞颜色提取，采用其中分别表示区域的红色均值、绿色均值、蓝色均值；c4、细胞形状提取，使用原点矩、中心矩、长轴、短轴来和偏心率来表征细胞形状特征。进一步，所述原点矩、中心矩、长轴、短轴来和偏心率的计算公式分别为，原点矩的计算公式为：中心矩的计算公式为：长轴的计算公式为：短轴的计算公式为：偏心率的计算公式为：e＝a/b。进一步，所述分类识别的方法为使用bp算法，分别由正向传播和误差信号的反向传播两个过程构成，所述正向传播设bp网络的输入层有n个节点，隐层有q个节点，输出层有m个节点，输入层与隐层之间的权值为vki，隐层与输出层之闻的权值为wjk，隐层的传递函数为f1，输出层的传递函数为f2，则隐层节点的输出为：输出层节点的输出为：完成了理维空间向量对m维空间的近似映射。进一步，对重叠细胞进行分离的方法，包括以下步骤，d1、提取重写细胞中的各个区域，对每个重叠区域计算核心坐标，得到核心数；d2、提取重叠区域中的凹区域，计算出凹区域的个数；d3、根据凹区域个数，判断重叠细胞属于串联或者并联；d4、若为串联，从凹区域中寻找凹点，做凹点件的连线，分理出重叠区域；若为并联，从凹区域中寻找凹点，做凹点和中心线的连线，分离重叠区域。因为压片中，可能存在细胞重叠的问题，对重叠的细胞先进行分离，分离之后再利用特征提取模块对细胞特征进行提取并识别，并将相应细胞信息进行显示，更能够方便学生的学习。本发明有益效果如下：1、本发明的人工智能模拟教学系统在学生学习细胞的状态下，同时开启人工智能细胞识别模式，在学生点击目的细胞，进行学习指导求助的情况下，点击该细胞，人工智能识别系统，提示该细胞的名称，并报告实时检测的数据，如名称、大小、纹理、形状、颜色等特征，解决学生的困惑，将大大的提高学生的学习兴趣，也能提高细胞形态教学的教学效率。2、本发明还能对因为压片中存在细胞重叠的问题，对重叠的细胞先进行分离，分离之后再利用特征提取模块对细胞特征进行提取并识别，并将相应细胞信息进行显示，更能够方便学生的学习。3、本发明的人工智能模拟教学系统的方法，其方法计算简单、运算效率较高、速度快，不会造成系统的卡顿，使用起来更加的方便。附图说明图1为本发明一种骨髓细胞形态学人工智能模拟教学系统的示意图；图2是本发明一种骨髓细胞形态学人工智能模拟教学系统的方法的流程图。具体实施方式为了使本领域的技术人员可以更好地理解本发明，下面以实施例对本发明技术方案进一步说明。如图1、图2所示：一种骨髓细胞形态学人工智能模拟教学系统，包括显微镜、ccd摄像机、计算机系统、储存器和显示器；所述计算机系统包括细胞信息单元、细胞识别单元、和细胞信息显示单元；所述细胞识别单元包括用于对骨髓细胞切片的放大图像进行采集的图像采集模块、用于消除图像毛刺噪音的图像预处理模块、用于对图像进行目标分割的图像分割模块、对指定细胞进行圈定的细胞圈定模块、对重叠细胞进行细胞图像分离的细胞分离模块、对圈定细胞进行特征提取的特征提取模块、对圈定细胞进行特征识别的特征选择识别模块、对圈定细胞进行分类识别的分类识别模块、将圈定细胞根据识别的信息，与细胞信息单元进行比对，对细胞的信息进行提取的信息提取模块。一种骨髓细胞形态学人工智能模拟教学系统的方法，包括以下步骤，a1、图像获取：显微镜对骨髓切片进行光学放大，形成模拟的显微图像，然后通过ccd相机将显微镜显示的图像ad转换，生成视频信号，由图像采集模块对图像进行图像采集；a2、图像预处理：将图像采集模块采集的图像进行滤波、去除毛边、增强、平滑和锐化预处理，保证边界清晰，提高图像质量；所述图像预处理模块的预处理方法为领域平滑滤波方法，包括以下步骤：b1、以待处理像素为中心，做一个m×m的作用模板；b2、在模板中，选择k个与待处理像素的灰度差为最小的像素；b3、将这k个像素的灰度均值替换掉原来的像素值。a3、图像分割：对预处理模块处理过的图像进行目标分割，并将分割结果保存到相应的数据结构中；所述图像分割模块的图片分割的方法为，利用将输入的图像的f输出为图像g，其中t为阈值；对于物体的图像元素，g(i,j)＝1，对于背景的图像元素，g(i,j)＝0。a4、细胞圈定：操作者将鼠标指定到图像中的某个位置时，由细胞圈定模块对距离细胞中心最近的细胞进行圈定；a5、细胞分离：利用细胞分离模块，对图像中重叠的细胞进行细胞分离，以便于特征提取；进行细胞分离时，首先提取重写细胞中的各个区域，对每个重叠区域计算核心坐标，得到核心数；再提取重叠区域中的凹区域，计算出凹区域的个数；然后再根据凹区域个数，判断重叠细胞属于串联或者并联；最后，若为串联，从凹区域中寻找凹点，做凹点件的连线，分理出重叠区域；若为并联，从凹区域中寻找凹点，做凹点和中心线的连线，分离重叠区域。a5、特征提取：根据图像分割模块获得的目标区域，进行细胞名称、大小、形状、纹理、颜色等细胞信息的提取；所述信息提取模块的提取特征，包括名称、大小、形状、纹理、颜色提取；所述大小、形状、纹理、颜色提取方法为，c1、细胞大小提取时，采用面积提取，将细胞区域内的所有像素点进行计数累加来获得细胞区域的面积特征；c2、细胞纹理特征提取时，将m*m大小的图像分割成若干个s*s的子块，s是介于1和m/2之间的整数，令尺度因子r＝r/m；将图像制成三维空间xyz，其中(x，y)表示象素点的平面位置，z表示其灰度值，于是xy平面被分割成若干大小为s*s的网格，在每个网格上，是s*s*s的盒子，设图像在第(i，j)网格中的灰度最小值和最大值分别落在第k和第1个盒子中，则覆盖第(i，j)网格中的图像所需的盒子数为：nr(i，j)＝l-k+1；需要的盒子数盒子维数对应于不同的r值，可以得到不同的nr值，采用最小二乘线性回归法拟合出(log(nr)，log(1/r))的斜率，即为分形维d；c3、细胞颜色提取，采用其中分别表示区域的红色均值、绿色均值、蓝色均值；细胞颜色特征表细胞类型细胞核细胞浆原始粒细胞淡紫红色淡蓝或深蓝色早幼粒细胞紫红色淡蓝色嗜中性中幼粒细胞紫红色淡红色原始红细胞蓝色深蓝色早幼红细胞棕红色灰蓝色中幼红细胞深紫色蓝中带，附近星灰红色晚幼红细胞紫黑粉红色c4、细胞形状提取，使用原点矩、中心矩、长轴、短轴来和偏心率来表征细胞形状特征。所述原点矩、中心矩、长轴、短轴来和偏心率的计算公式分别为，原点矩的计算公式为：中心矩的计算公式为：长轴的计算公式为：短轴的计算公式为：偏心率的计算公式为：e＝a/b。细胞类型直径/um细胞核大小公式原始粒细胞10-20巨大、占细胞的2/3以上、圆或稍呈椭图形早幼粒细胞15-25大、圆或稍带卵圆形中幼粒细胞10-18较小，圆或椭圆，有时可略有凹陷杆核粒细胞9-16细长弯曲盘绕，可呈马蹄型s型u型v型w型分叶核粒细胞8-14核分2-5叶或更多的叶，叶间以核丝或核桥相连原始红细胞12-20大，约占细胞的4/5，圆形或稍带卵圆形早幼红细胞10-18占细胞2/3以上，圆或椭圆中幼红细胞8-15占细胞2/3至1/2，圆或稍带卵圆形晚幼红细胞7-10较小，占细胞1/2以下，圆或卵圆形a6、特征选择识别：运用类别可分离性判断和特征搜索算法来实现对原始特征量降维；a7、分类识别：根据特征选择所给如的对象特征值以及样本集，首先对分类器进行训练，然后再利用分类器对该对象进行分类；所述分类识别的方法为使用bp算法，分别由正向传播和误差信号的反向传播两个过程构成，所述正向传播设bp网络的输入层有n个节点，隐层有q个节点，输出层有m个节点，输入层与隐层之间的权值为vki，隐层与输出层之闻的权值为wjk，隐层的传递函数为f1，输出层的传递函数为f2，则隐层节点的输出为：输出层节点的输出为：完成了理维空间向量对m维空间的近似映射。a8、细胞信息显示：信息提取模块从存储于存储器中的细胞信息单元中将细胞信息进行提取，由细胞信息显示单元在显示器上对圈定的细胞信息进行显示。在应用本系统时，具体如下：显微镜用于对骨髓切片进行光学放大，形成模拟的显微图像，然后通过ccd相机将显微镜显示的图像ad转换，生成视频信号，传输到计算机系统，由计算机系统和显示器对骨髓切片细胞图像进行显示；细胞信息单元储存于储存器内，包括有各种细胞的信息，信息包括细胞名称、大小、形状、纹理、颜色等细胞信息；细胞识别单元对骨髓切片细胞进行图像采集、图像去燥、图像分割、细胞特征提取、细胞特征提取、分类识别，细胞分类识别完成后，利用信息提取模块从存储于存储器中的细胞信息单元中将细胞信息进行提取，由细胞信息显示单元在显示器上对圈定的细胞信息进行显示。其中，图像采集模块将获得细胞的真彩图像；预处理模块可以将图像边界的毛刺去掉，保证边界的清晰；图像分割模块将对预处理模块处理过的图像进行目标分割，并将分割结果保存到相应的数据结构中；细胞圈定模块指的是操作者将鼠标指定到图像中的某个位置时，由细胞圈定模块对距离细胞中心最近的细胞进行圈定；利用特征提取模块根据图像获得的目标区域，进行细胞名称、大小、形状、纹理、颜色等细胞信息的提取；特征选择识别模块则运用类别可分离性判断和特征搜索算法来实现对原始特征量降维的目的；分类识别模块根据特征选择所给如的对象特征值以及样本集，首先对分类器进行训练，然后再利用分类器对该对象进行分类。以上对本发明提供的一种骨髓细胞形态学人工智能模拟教学系统及其方法进行了详细介绍。具体实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本
技术领域：
的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。当前第1页12