今天看的文章题目是《A Gamma-Gaussian Mixture Model for Detection of Mitotic Cells in Breast Cancer Histopathology Images》

原理：先分割出肿瘤区域，然后在肿瘤区域使用Gamma-Gaussian混合模型检测有丝分裂细胞，最后使用svm分类器减少检测错误。

步骤：

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

2、使用Gamma-Gaussian混合模型检测有丝分裂细胞

仔细看上面的图片，从上面我们可以知道为什么Gamma-Gaussian混合模型能检测出有丝分裂和非有丝分裂。由于有丝分裂细胞强度(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，我们可以利用Gamma-Gaussian混合模型检测出有丝分裂。

对于任意像素强度为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、为参数；为Gaussian强度分布函数，以、为参数。假设，则我们现在要求是这个参数向量。

我们采用EM算法求解：

详细算法如下：

计算出所有参数后，我们就可以采用这个混合模型检测有丝分裂

使用一个阈值t，可以得到潜在的有丝分裂区域。

3、进一步减少差错

采用一个窗口将上一步中检测出的区域包围起来，提取特征，训练SVM分类器，使用SVM再一次检测，进一步提高准确率。