The detection and classification of white blood cells (WBCs, also known as Leukocytes) is a hot issue because of its important applications in disease diagnosis. Nowadays the morphological analysis of blood cells is operated manually by skilled operators, which results in some drawbacks such as slowness of the analysis, a non-standard accuracy, and the dependence on the operator's skills. Although there have been many papers studying the detection of WBCs or classification of WBCs independently, few papers consider them together. This paper proposes an automatic detection and classification system for WBCs from peripheral blood images. It firstly proposes an algorithm to detect WBCs from the microscope images based on the simple relation of colors R, B and morphological operation. Then a granularity feature (pairwise rotation invariant co-occurrence local binary pattern, PRICoLBP feature) and SVM are applied to classify eosinophil and basophil from other WBCs firstly. Lastly, convolution neural networks are used to extract features in high level from WBCs automatically, and a random forest is applied to these features to recognize the other three kinds of WBCs: neutrophil, monocyte and lymphocyte. Some detection experiments on Cellavison database and ALL-IDB database show that our proposed detection method has better effect almost than iterative threshold method with less cost time, and some classification experiments show that our proposed classification method has better accuracy almost than some other methods.

中文翻译：

---

使用卷积神经网络自动检测和分类白细胞。

白细胞（WBC，也称为白细胞）的检测和分类由于其在疾病诊断中的重要应用而成为一个热门问题。如今，血细胞的形态分析是由熟练的操作员手动进行的，这导致了一些缺点，例如分析速度慢，准确性不标准以及对操作员技能的依赖。尽管有许多论文单独研究白细胞的检测或分类，但很少有论文将它们一起考虑。本文提出了一种从外周血图像中对白细胞进行自动检测和分类的系统。首先提出了一种基于颜色R，B与形态学运算的简单关系从显微镜图像中检测白细胞的算法。然后应用粒度特征（成对旋转不变共生局部二进制模式，PRICoLBP特征）和支持向量机对其他白细胞中的嗜酸性粒细胞和嗜碱性粒细胞进行分类。最后，使用卷积神经网络从白细胞中自动提取高水平特征，并将随机森林应用于这些特征以识别其他三种白细胞：中性粒细胞，单核细胞和淋巴细胞。在Cellavison数据库和ALL-IDB数据库上进行的一些检测实验表明，我们提出的检测方法几乎比迭代阈值方法具有更好的效果，而且花费的时间更少，而一些分类实验表明，我们提出的分类方法几乎比其他方法具有更好的准确性。首先使用PRICoLBP特征）和SVM对其他白细胞中的嗜酸性粒细胞和嗜碱性粒细胞进行分类。最后，使用卷积神经网络从白细胞中自动提取高级特征，并将随机森林应用于这些特征以识别其他三种白细胞：中性粒细胞，单核细胞和淋巴细胞。在Cellavison数据库和ALL-IDB数据库上进行的一些检测实验表明，我们提出的检测方法几乎比迭代阈值方法具有更好的效果，而且花费的时间更少，而一些分类实验表明，我们提出的分类方法几乎比其他方法具有更好的准确性。首先使用PRICoLBP特征）和SVM对其他白细胞中的嗜酸性粒细胞和嗜碱性粒细胞进行分类。最后，使用卷积神经网络从白细胞中自动提取高水平特征，并将随机森林应用于这些特征以识别其他三种白细胞：中性粒细胞，单核细胞和淋巴细胞。在Cellavison数据库和ALL-IDB数据库上进行的一些检测实验表明，我们提出的检测方法几乎比迭代阈值方法具有更好的效果，并且花费的时间更少；而一些分类实验表明，我们提出的分类方法几乎比其他方法具有更好的准确性。然后将随机森林应用于这些特征以识别其他三种白细胞：中性粒细胞，单核细胞和淋巴细胞。在Cellavison数据库和ALL-IDB数据库上进行的一些检测实验表明，我们提出的检测方法几乎比迭代阈值方法具有更好的效果，并且花费的时间更少；而一些分类实验表明，我们提出的分类方法几乎比其他方法具有更好的准确性。然后将随机森林应用于这些特征以识别其他三种白细胞：中性粒细胞，单核细胞和淋巴细胞。在Cellavison数据库和ALL-IDB数据库上进行的一些检测实验表明，我们提出的检测方法几乎比迭代阈值方法具有更好的效果，而且花费的时间更少，而一些分类实验表明，我们提出的分类方法几乎比其他方法具有更好的准确性。