wbc特征提取

  /* CvBox2D skin_rect;
  CvMemStorage* storage = cvCreateMemStorage(0);
  CvSeq* contour = 0;
  CvMemStorage* storage2 = cvCreateMemStorage(0);
  CvSeq* contour2 = 0;
  cvFindContours( fore, storage, &contour, sizeof(CvContour),CV_RETR_LIST, CV_CHAIN_APPROX_NONE, cvPoint(0,0));
  CvSeq* contour_max=0;
  for( ; contour != 0; contour = contour->h_next )
  {
  int tmparea=abs(cvContourArea(contour,CV_WHOLE_SEQ));/ /轮廓区域的面积
  if (tmparea maxarea)
  {
  maxarea = tmparea;//最大面积连通区域
  contour_max=cvCloneSeq(contour);
  }
  if(tmpcount > count)
  {
  count = tmpcount;//最大轮廓的像素数
  }
  if(tmpbox > axisratio)
  {
  axisratio = tmpbox;//最大长短轴的比值
  }
  }
  if (contour_max!=0)
  {
  CvScalar color = CV_RGB( rand()&255, 0, 0 );
  cvDrawContours(dst, contour_max, color, color, -1, -1, 8);
  ConcavityRepair(dst,3);//对fore图像进行修补
  cvFindContours( dst, storage2, &contour2, sizeof(CvContour),CV_RETR_LIST, CV_CHAIN_APPROX_NONE, cvPoint(0,0));
  cvDrawContours(src, contour2, color, color, -1, 1, 8);/*
  /************************************************* ***********************/
  /* 图像轮廓的HU矩 */
  /************************************************* ***********************/
  /*
  CvMoments m;
  CvHuMoments hu;
  //cvMoments(cvGetSubRect(fore,&mat,rct),&m,0);
  cvMoments(contour2,&m,0);
  cvGetHuMoments(&m,&hu);
  huju[0]=(float)fabs(log10(fabs(hu.hu1)));
  huju[1]=(float)fabs(log10(fabs(hu.hu2)));
  huju[2]=(float)fabs(log10(fabs(hu.hu3)));
  huju[3]=(float)fabs(log10(fabs(hu.hu4)));
  huju[4]=(float)fabs(log10(fabs(hu.hu5)));
  huju[5]=(float)fabs(log10(fabs(hu.hu6)));
  huju[6]=(float)fabs(log10(fabs(hu.hu7)));*/
  /************************************************* ***********************/
  /* 图像重心及半径分布 */
  /************************************************* ***********************/
  /* double m00,x,y;
  double r_long=0;
  double r_short=100;
  int num_long,num_short;//长、短轴对应的弧度
  float dist_sum=0;//距离和
  m00=cvGetSpatialMoment(&m,0,0);
  x=cvGetSpatialMoment(&m,1,0)/m00; //重心坐标
  y=cvGetSpatialMoment(&m,0,1)/m00;
  int contour_max_count=contour2->total; //this is number point in contour
  CvPoint* pointarray;
  float* dist_center=new float[contour_max_count];
  pointarray=(CvPoint*)malloc(contour_max_count*size of(CvPoint));
  cvCvtSeqToArray(contour2,pointarray,CV_WHOLE_SEQ);
  //查找最长和最短轴
  for (i=0;idist_center[i])
  {
  r_short=dist_center[i];
  num_short=i;
  }
  }
  axisratio=r_long/r_short;//计算长短轴的比值
  axis_angle=(float)abs(num_long-num_short)/contour_ max_count;//计算长短轴对应的角度
  dist_avar=dist_sum/contour_max_count;//均值
  float vari_temp=0;
  for (i=0;iheight;i++)
  {
  for (int j=0;jwidth;j++)
  {
  if (((uchar*)(dst->imageData+i*dst->widthStep))[j]==255 )
  {
  sum_pix++;
  int temp=((uchar*)(src->imageData+i*src->widthStep))[j];
  sum_gray+=temp;
  ffreq[temp]++;
  }
  }
  }
  for (i=0;i 0)
  {
  // 计算图像熵
  shan_maxcontour -= ffreq[i] * log(ffreq[i]) / log(2.0);
  }
  }
  averagegray=(double)sum_gray/sum_pix;//均值
  int grey_s=0;
  for (i=0;iheight;i++)
  {
  for (int j=0;jwidth;j++)
  {
  if (((uchar*)(dst->imageData+i*dst->widthStep))[j]==255 )
  {
  grey_s+=(((uchar*)(src->imageData+i*src->widthStep)) [j]-averagegray)*(((uchar*)(src->imageData+i*src->wid thStep))[j]-averagegray);
  }
  }
  }
  variance_gray=sqrt(grey_s/(sum_pix+eps)); //方差
  }
  else
  {
  return 0;
  }
  CString aa(Path);
  aa+="-1.jpg";//保存图像为新的路径,但不影响原先的bmp图像
  cvSaveImage(aa,src);
  cvReleaseMemStorage(&storage2);
  cvReleaseMemStorage(&storage);*/
学生社团系统-学生社团“一站式”运营管理平台-学生社团管理系统-基于SSM的学生社团管理系统-springboot学生社团管理系统.zip-Java学生社团管理系统开发实战-源码 更多学生社团系统: SpringBoot+Vue学生社团“一站式”运营管理平台源码(活动管理+成员考核+经费审批) Java学生社团管理系统开发实战:SSM升级SpringBoot(招新报名+场地预约+数据看板) 基于SpringSecurity的社团管理APP(移动端签到+权限分级+消息推送) 企业级社团数字化平台解决方案(SpringBoot+Redis缓存+Elasticsearch活动搜索) 微信小程序社团服务系统开发(活动直播+社团文化墙+成员互动社区) SpringBoot社团核心源码(多角色支持+工作流引擎+API接口开放) AI赋能社团管理:智能匹配兴趣标签+活动热度预测+成员贡献度分析(附代码) 响应式社团管理平台开发(PC/移动端适配+暗黑模式+无障碍访问) 完整学生社团系统源码下载(SpringBoot3+Vue3+MySQL8+Docker部署) 高校垂直领域社团平台:百团大战系统+社团星级评定+跨校活动联盟 适用对象:本代码学习资料适用于计算机、电子信息工程、数学等专业正在做毕设的学生,需要项目实战练习的学习者,也适用于课程设计、期末大作业。 技术栈:前端是vue,后端是springboot,项目代码都经过严格试,代码没有任何bug! 核心管理:社团注册、成员管理、权限分级 活动运营:活动发布、报名签到、场地预约 资源服务:经费申请、物资管理、文档共享 数据分析:成员活跃度、活动效果评估、社团影响力排名
```markdown ### 将原始文件转换为 CSV 并提取与 `patients_blood_cell` 相关的特征 #### ✅ 步骤一:文件转换说明 原始文件是一个以制表符(Tab)分隔的文本文件(`.txt`),其结构符合表格数据规范。我们可将其**直接保存为 `.csv` 格式**,只需更改文件扩展名为 `.csv` 并用逗号替代制表符(或保持原格式但命名为 `.csv`,大多数工具支持自动识别)。 > 📌 注意:CSV 是“逗号分隔值”文件。若原始数据使用的是制表符(Tab),需将分隔符替换为英文逗号 `,`。 --- #### ✅ 步骤二:与 `patients_blood_cell` 相关的特征提取 从原始文件中,我们可以提取出所有与**血液细胞组成**直接相关的特征列。以下是**保留的字段列表及其含义**: | 字段名 | 中文解释 | |--------|---------| | `PERC_BASOPHILS_IN_PB` | 外周血中嗜碱性粒细胞百分比 | | `PERC_BLASTS_IN_BM` | 骨髓中原始细胞百分比 | | `PERC_BLASTS_IN_PB` | 外周血中原始细胞百分比 | | `PERC_EOSINOPHILS_IN_PB` | 外周血中嗜酸性粒细胞百分比 | | `PERC_IMMATURE_GRANULOCYTES_IN_PB` | 外周血中未成熟粒细胞百分比 | | `PERC_LYMPHOCYTES_IN_PB` | 外周血中淋巴细胞百分比 | | `PERC_MONOCYTES_IN_PB` | 外周血中单核细胞百分比 | | `PERC_NEUTROPHILS_IN_PB` | 外周血中中性粒细胞百分比 | | `PERC_NUCLEATED_RBCS_IN_PB` | 外周血中有核红细胞百分比 | > ⚠️ 其他如 `WBC_COUNT`, `PLATELET_COUNT`, `HEMATOCRIT`, `HEMOGLOBIN`, `MCV` 等虽属血常规指标,但属于**整体血液参数**,不特指“细胞百分比”类特征,故本次仅聚焦上述 **9 项细胞分类百分比特征**。 --- #### ✅ 步骤三:生成 CSV 数据示例(前几行) ```csv ENTITY_STABLE_ID,NAME,DESCRIPTION,PERC_BASOPHILS_IN_PB,PERC_BLASTS_IN_BM,PERC_BLASTS_IN_PB,PERC_EOSINOPHILS_IN_PB,PERC_IMMATURE_GRANULOCYTES_IN_PB,PERC_LYMPHOCYTES_IN_PB,PERC_MONOCYTES_IN_PB,PERC_NEUTROPHILS_IN_PB,PERC_NUCLEATED_RBCS_IN_PB aml_ohsu_2022_2000_BA2123,% Basophils in PB,% Basophils in the peripheral blood ,NA,10,1,0,NA,80,2,17,NA aml_ohsu_2022_2001_BA2702,% Basophils in PB,% Basophils in the peripheral blood ,NA,60,NA,NA,NA,NA,NA,NA,NA aml_ohsu_2022_2003_BA2499,% Basophils in PB,% Basophils in the peripheral blood ,0,NA,50,1,NA,17,1,13,NA aml_ohsu_2022_2004_BA2846,% Basophils in PB,% Basophils in the peripheral blood ,0,90,90,0,0,5.1,0.8,0.9,1 aml_ohsu_2022_2005_BA2802,% Basophils in PB,% Basophils in the peripheral blood ,0,50,NA,0,NA,9,2,29,NA ``` > 🔁 实际操作建议: > - 使用 Python 或 Excel 进行自动化处理。 > - 保留第一行作为列头。 > - 删除无关列(如 ALT、AST、CREATININE 等非细胞比例特征)。 --- #### ✅ 步骤四:Python 脚本示例(推荐用于批量处理) ```python import pandas as pd # 读取原始 txt 文件(tab 分隔) df = pd.read_csv('data_blood_cell_percentages.txt', sep='\t') # 定义与 patients_blood_cell 相关的特征列 blood_cell_features = [ 'ENTITY_STABLE_ID', 'NAME', 'DESCRIPTION', 'PERC_BASOPHILS_IN_PB', 'PERC_BLASTS_IN_BM', 'PERC_BLASTS_IN_PB', 'PERC_EOSINOPHILS_IN_PB', 'PERC_IMMATURE_GRANULOCYTES_IN_PB', 'PERC_LYMPHOCYTES_IN_PB', 'PERC_MONOCYTES_IN_PB', 'PERC_NEUTROPHILS_IN_PB', 'PERC_NUCLEATED_RBCS_IN_PB' ] # 提取子集 df_filtered = df[blood_cell_features] # 保存为 CSV 文件 df_filtered.to_csv('patients_blood_cell_features.csv', index=False) print("✅ 已成功提取并保存为 patients_blood_cell_features.csv") ``` --- #### ✅ 输出结果说明 最终得到的 `patients_blood_cell_features.csv` 包含: - 每位患者的唯一标识(`ENTITY_STABLE_ID`) - 特征描述信息(`NAME`, `DESCRIPTION`) - 9 项关键的**血液细胞百分比特征** - 所有缺失值保留为 `NA`(可在后续分析中处理) --- #### ✅ 应用场景 此 CSV 文件可用于: - 白血病患者原始细胞动态分析 - 细胞比例异常筛查(如外周血出现原始细胞) - 构建机器学习模型预测疾病状态 - 数据可视化(热图、箱线图等) > ✅ 推荐使用工具:Pandas、R、Excel、Tableau、Python + Matplotlib/Seaborn ```
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值