摘要
本发明属于生物信息技术领域,具体涉及一种脂滴识别定量方法,包括:获取包含脂滴的显微图像:将显微图像分割成互不重叠的8×8像素子块;先手动标注像素子块为背景区域或脂滴区域的分类标签,再提取每个像素子块的灰度值特征、纹理特征、形状特征和边缘特征;将特征向量作为自变量,分类标签作为因变量,作为样本集,迭代在线随机森林模型进行训练,获得满足脂滴区域预测准确性的随机森林模型;向模型中输入新显微图像的特征向量数据,获得对应像素子块为脂滴区域的预测值Ipre,利用ImageJ中的analyze‑analyze particles对脂滴区域的脂滴进行定量。本发明的模型在脂滴数量变化分析中具有高的效率和准确性。
技术关键词
随机森林模型
定量方法
像素
纹理特征
生物信息技术
局部二值模式
图像分割
标签
模型预测值
决策树模型
面积特征
样本
训练集
长宽比
在线
数据
指标
强度
系统为您推荐了相关专利信息
视觉里程计
TOF传感器
校正
修正方法
视觉设备
频率规划方法
动态频率复用
小区
无线通信网络
遗传算法优化
图像多模态
纹理特征
地物分类识别方法
特征提取方法
多尺度Retinex算法
项目
BP神经网络预测
BP神经网络模型
随机森林模型
RBF神经网络
微观结构特征
地下管道结构
交互模型
管道监测
数字孪生体