检测乳腺癌细胞的有丝分裂的（3）

今天看到一篇题为《A Gamma-Gaussian Mixture Model for Detection of Mitotic Cells in Breast Cancer Histopathology Images》

原理：先切割出肿瘤区域，然后在肿瘤区域使用Gamma-Gaussian混合模型检測有丝分裂细胞。最后使用svm分类器降低检測错误。

步骤：

1、由于有丝分裂大多是发生在肿瘤区域，所以本文先切割出肿瘤区域。减小后面操作的复杂度。在这里。使用的(RanPEC: Random Projections with Ensemble Clustering）方法进行的切割。

2、使用Gamma-Gaussian混合模型检測有丝分裂细胞

细致看上面的图片，从上面我们能够知道为什么Gamma-Gaussian混合模型能检測出有丝分裂和非有丝分裂。

因为有丝分裂细胞强度(L channel of La*b* color space)的边缘分布服从Gamma分布，而非有丝分裂细胞强度(L channel of La*b* color space)的边缘分布服从Gaussian分布。借助这一分布特点，我们能够利用Gamma-Gaussian混合模型检測出有丝分裂。

对于随意像素强度为x。给出混合模型：

和为两个分布的混合比例。且为Gamma强度分布函数，以、为參数；为Gaussian强度分布函数。以、为參数。

如果，则我们如今要求是这个參数向量。

我们採用EM算法求解：

 

 

 

具体算法例如以下：

 

计算出全部參数后。我们就能够採用这个混合模型检測有丝分裂

 

使用一个阈值t，能够得到潜在的有丝分裂区域。

3、进一步降低差错

採用一个窗体将上一步中检測出的区域包围起来，提取特征。训练SVM分类器，使用SVM再一次检測，进一步提高准确率。