转载于：OpenCV学堂
作者：gloomyfish
引言
RBC（红血细胞）分类与计数是生物研究领域中一种基础统计方法，当前市场的主流的细胞计数仪主要还是以传统算法为主，通过各种参数与预处理来提升细胞计数精度，实现重叠细胞计数与分类。在已知的红细胞类别中有的种类红细胞非常少，相关一些常见的红细胞类别它的样本很难收集，对这种不平衡的数据集要做到每个红细胞正确分类与计数，作者采用一种全新的算法，在已知不平衡数据集中测试效果SOTA。红细胞常见类别：
方法与步骤介绍
本文中作者提出了一种新的方法实现在不平衡的样本中分离重叠细胞与计数，方法主要分为以下四个主要步骤：
1.RBC颜色归一化
在数据收集阶段，可能来自不同的细胞计数设备，不同的显微镜得到的数据都会出现颜色不一致，通过颜色归一化实现细胞颜色的一致性。
计算整个数据集的背景与图像背景差值然后对每张图像每个像素点修正像素值，完成颜色归一化。在轮廓提取阶段，主要是通过传统的图像处理方法完成，流程示意图如下：
第三步重叠细胞分类，当前最稳定方法是基于距离变换与椭圆拟合算法，距离变换会发现每个重叠细胞的中心位置到边缘的距离，然后基于分水岭变换或者填充方法得到每个细胞的面积，但是这种方法只对粘连的细胞有效，对严重重叠细胞会产生错误结果，这个时候采用改进的椭圆拟合方法会取得更好的效果，这里椭圆拟合方法主要分为四步：
1. 凹点查找
2. 椭圆拟合估算
3. 椭圆验证
4. 双曲线椭圆估算
最后对每个分割后的细胞进行红细胞分类，分类的网络这里采用了EfficientNet网络模型，实验结果如下：
最终算法的实验结果如下：
论文地址：
https://arxiv.org/pdf/2012.01321.pdf占小善者率以录
名一艺者无不庸
推荐阅读
更多嵌入式AI技术干货请关注嵌入式AI专栏。
