病理診斷是疾病的最終診斷,在其他醫(yī)學(xué)影像不能確診時(shí)只能通過(guò)病理學(xué)進(jìn)行診斷,而細(xì)胞核的精準(zhǔn)分割則是病理診斷的基礎(chǔ)。通過(guò)人工進(jìn)行細(xì)胞核分割和疾病評(píng)估極為耗時(shí),且不同專家評(píng)估結(jié)果也會(huì)產(chǎn)生主觀差異,因此,近年來(lái),細(xì)胞核的自動(dòng)分割也逐漸成為人們研究的重點(diǎn)。在病理圖像中由于不同組織的干擾、染色劑濃度不同、染色時(shí)間差異以及細(xì)胞核重疊等問(wèn)題給細(xì)胞核自動(dòng)分割任務(wù)帶來(lái)了巨大的挑戰(zhàn)。為了減少因染色造成的顏色差異給分割帶來(lái)的困難,首先對(duì)病理圖像顏色進(jìn)行歸一化,使得所有圖像顏色分布相同,且圖像結(jié)構(gòu)不發(fā)生變化。針對(duì)細(xì)胞核前景分割,本文提出兩種方法:一種基于測(cè)地線活動(dòng)輪廓模型,通過(guò)自適應(yīng)閾值方法得到細(xì)胞核的粗分割,然后通過(guò)水平集演化方式得到精細(xì)分割;另一種方法是基于深度學(xué)習(xí)的網(wǎng)絡(luò)模型,利用殘差結(jié)構(gòu)和擴(kuò)張卷積有效提取圖像特征信息,在不降低圖像分辨率的前提下對(duì)細(xì)胞核進(jìn)行精準(zhǔn)分割。病理學(xué)是依據(jù)單個(gè)細(xì)胞核的形態(tài)進(jìn)行診斷分析,但在病理圖像中細(xì)胞核會(huì)出現(xiàn)重疊的情況,因此在得到細(xì)胞核前景分割結(jié)果后,需要對(duì)重疊細(xì)胞核進(jìn)行分離。本文根據(jù)單個(gè)細(xì)胞核具有凸性結(jié)構(gòu),而重疊細(xì)胞核凸性結(jié)構(gòu)被破壞的假設(shè),通過(guò)凸性分析將重疊區(qū)域分離出來(lái),再對(duì)重疊...

【文章頁(yè)數(shù)】：57 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 課題背景及研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本文主要工作
    1.4 論文結(jié)構(gòu)
2 病理圖像細(xì)胞核分割基本方法
    2.1 基于閾值的分割方法
    2.2 基于形變模型的分割方法
    2.3 基于深度學(xué)習(xí)的分割方法
        2.3.1 全連接神經(jīng)網(wǎng)絡(luò)
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.4 本章小結(jié)
3 基于測(cè)地線活動(dòng)輪廓模型和深度學(xué)習(xí)的細(xì)胞核前景分割
    3.1 樣本獲取
    3.2 病理圖像顏色歸一化
    3.3 基于測(cè)地線活動(dòng)輪廓模型的細(xì)胞核分割
        3.3.1 自適應(yīng)局部閾值粗分割
        3.3.2 基于測(cè)地線活動(dòng)輪廓模型的細(xì)胞核細(xì)化分割
        3.3.3 結(jié)果分析
    3.4 基于深度學(xué)習(xí)的細(xì)胞核分割方法
        3.4.1 細(xì)胞核分割網(wǎng)絡(luò)結(jié)構(gòu)
        3.4.2 實(shí)驗(yàn)設(shè)計(jì)
        3.4.3 結(jié)果分析
    3.5 本章小結(jié)
4 基于凹點(diǎn)檢測(cè)的重疊細(xì)胞核分離
    4.1 基于凸性分析的重疊細(xì)胞核檢測(cè)
    4.2 細(xì)胞核重疊區(qū)域凹點(diǎn)檢測(cè)
    4.3 重疊區(qū)域細(xì)胞核分離
    4.4 實(shí)驗(yàn)與分析
    4.5 本章小結(jié)
5 總結(jié)與展望
    5.1 工作總結(jié)
    5.2 未來(lái)展望
致謝
參考文獻(xiàn)
附錄



本文編號(hào)：3835055