基于改进形态特征的牛乳体细胞分类识别算法

牛乳体细胞是牛乳质量评价和乳腺炎诊断的一项重要指标。为了解决牛乳体细胞检查中存在的一些问题，

研究表明，牛奶体细胞种类和数量是牛乳质量评价和乳腺炎诊断的一项重要指标。当牛患有乳腺炎时，体细胞的数量会大大增加[1]。牛乳中的体细胞主要来自血液的白细胞，可分为中性粒细胞，淋巴细胞，巨噬细胞和乳腺组织脱落的上皮细胞[2]。奶牛乳腺炎是危害奶牛养殖的重要疾病。乳腺炎不仅使奶牛产奶量明显下降而造成严重经济损失，还可导致乳汁成分发生改变，使牛奶的营养价值和食用价值显著下降。据报道，我国每年因乳腺炎造成产奶量下降的损失，每头大约1200~3600 元。每年因乳腺炎造成的经济损失在150~450 亿元[3]。

目前国内外对牛奶体细胞的检测有多种方式，主要分为直接细胞计数法和间接细胞计数法。直接显微镜计数法[4] [5]是体细胞含量检测的标准方法，将牛奶的涂片经过脱脂、固定、染色后再进行镜检。但是这种方法操作繁琐，工作量大，容易因视觉疲惫而出错。常用的间接计数法为美国加州奶牛乳腺炎检测方法(CMT) [6]、电导率检测法(EC) [7]等。这种方法虽然操作简单、工作量小，但是检测的精度不高、容易出现误诊。

随着计算机技术的不断发展， 图像处理在生物学和医学领域中得到了广泛地应用， 在人体癌细胞[8]、人体白细胞[9]的分类识别中都的得到了较好的效果。文献[10]从灰度共生矩阵中提取出纹理特征，并结合形态特征，该方法对淋巴细胞和中心粒细胞分类效果不佳。文献[11]对12 类红细胞进行识别，只提取了5 类形态特征和2 类纹理特征，对其部分红细胞分类效果不佳。本文提出了基于改进形态特征的牛乳体细胞分类识别算法，首先用K-means 聚类算法将巨噬细胞、淋巴细胞、上皮细胞、中性粒细胞的细胞从背景中分割出来，并提取其形态特征、纹理特征，根据四类细胞之间的外形区别，改进了圆形度、矩形度表达式，实验结果表明，改进后的圆形度、矩形度表达式有效的提高分类识别率；运用随机森林分类器也能得到较为理想的分类结果。

2. 牛乳体细胞图像特征提取 特征是对细胞的定量描述，在对细胞的识别的过程中，特征是否恰当的提取和选用，是整个算法的关键之处，即：同类细胞的特征值差异越小越好，不同类细胞的类间间隔越大越好[12]。本文共提取了12 个细胞图像特征， 其中基于细胞核的形态特征8 个， 包括：周长、细胞与细胞核面积、细胞质的面积、核质比、伸长度、圆形度、综合矩形度；纹理特征4 个，分别是四个方向的灰度共生矩阵中的能量、熵、对比度和相关性的平均值。