發(fā)布時間：2023-08-29 19:39

　　“血常規(guī)”檢測是臨床病理學(xué)診斷疾病的常規(guī)手段和重要依據(jù),目前“血常規(guī)”檢測對于外周血中白細(xì)胞的分類識別主要依靠血液細(xì)胞分析儀和人工顯微鏡檢兩種方式進(jìn)行。通過血液細(xì)胞分析儀對白細(xì)胞進(jìn)行分類識別無法直觀感受各類細(xì)胞的形態(tài)學(xué)特征,細(xì)胞的形態(tài)學(xué)變化可能是對某種疾病的預(yù)示,是臨床診斷不可忽視的因素之一;而人工顯微鏡檢勞動強(qiáng)度大、耗時費(fèi)力且缺乏一定的客觀性。同時,我國偏遠(yuǎn)地區(qū)也存在專業(yè)醫(yī)師和相關(guān)醫(yī)療器械缺乏的問題�；诖�,課題針對上述問題提供了解決方案,結(jié)合醫(yī)學(xué)圖像處理和模式識別技術(shù)、遠(yuǎn)距離通信和云服務(wù)器數(shù)據(jù)存儲技術(shù),研究開發(fā)基于形態(tài)學(xué)的外周血細(xì)胞數(shù)字切片遠(yuǎn)程診斷系統(tǒng)。根據(jù)外周血顯微圖像的特點(diǎn),設(shè)計了外周血圖像多圖拼接算法,并提出一種特征點(diǎn)篩選和限定搜索空間范圍的配準(zhǔn)策略。首先通過Forstner算子對待拼接顯微圖像特征點(diǎn)進(jìn)行高效、快速提取,通過待拼接圖像重疊區(qū)域坐標(biāo)對特征點(diǎn)進(jìn)行篩選,并限定特征點(diǎn)匹配的搜索空間,結(jié)合歸一化互相關(guān)算法初步匹配特征點(diǎn);然后通過RANSAC算法對匹配點(diǎn)進(jìn)行篩選提純,通過提純后的匹配點(diǎn)計算單應(yīng)性矩陣,完成顯微圖像的精確配準(zhǔn)。通過改進(jìn)的加權(quán)平滑算法對配準(zhǔn)后的圖像接縫處進(jìn)行平...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景和意義
    1.2 遠(yuǎn)程醫(yī)療發(fā)展現(xiàn)狀
        1.2.1 國外遠(yuǎn)程醫(yī)療發(fā)展現(xiàn)狀
        1.2.2 國內(nèi)遠(yuǎn)程醫(yī)療發(fā)展現(xiàn)狀
    1.3 細(xì)胞形態(tài)學(xué)分類識別研究現(xiàn)狀
    1.4 論文的主要研究內(nèi)容
第二章 系統(tǒng)框架搭建和功能模塊設(shè)計
    2.1 功能模塊設(shè)計
        2.1.1 系統(tǒng)需求分析
        2.1.2 涉眾分析
        2.1.3 系統(tǒng)主要功能設(shè)計
    2.2 總體架構(gòu)設(shè)計
        2.2.1 軟件架構(gòu)概述
        2.2.2 C/S架構(gòu)
        2.2.3 B/S架構(gòu)
        2.2.4 C/S架構(gòu)和B/S架構(gòu)優(yōu)缺點(diǎn)分析
        2.2.5 遠(yuǎn)程診斷系統(tǒng)架構(gòu)設(shè)計
    2.3 遠(yuǎn)程服務(wù)器
        2.3.1 FTP服務(wù)器與Web服務(wù)器
        2.3.2 SQL數(shù)據(jù)庫
    2.4 FTP數(shù)據(jù)傳輸模塊設(shè)計
        2.4.1 FTP文件傳輸協(xié)議介紹
        2.4.2 FTP數(shù)據(jù)傳輸模塊實(shí)現(xiàn)
    2.5 Webservice
        2.5.1 Webservice概述
        2.5.2 Webservice應(yīng)用程序設(shè)計
    2.6 診斷流程設(shè)計
    2.7 本章小結(jié)
第三章 圖像拼接技術(shù)
    3.1 數(shù)字切片
    3.2 圖像拼接概述
        3.2.1 圖像拼接流程介紹
        3.2.2 圖像配準(zhǔn)
        3.2.3 圖像融合
    3.3 外周血顯微圖像拼接
        3.3.1 外周血圖像拼接流程
        3.3.2 特征點(diǎn)提取
        3.3.3 特征點(diǎn)匹配
        3.3.4 配準(zhǔn)實(shí)驗(yàn)
        3.3.5 圖像融合
        3.3.6 血細(xì)胞顯微圖像拼接結(jié)果
    3.4 本章小結(jié)
第四章 白細(xì)胞圖像分類識別技術(shù)
    4.1 白細(xì)胞分類識別概念
    4.2 人工神經(jīng)網(wǎng)絡(luò)
    4.3 卷積神經(jīng)網(wǎng)絡(luò)
        4.3.1 卷積層
        4.3.2 池化層
        4.3.3 局部連接和權(quán)值共享
        4.3.4 全連接神經(jīng)網(wǎng)絡(luò)與卷積神經(jīng)網(wǎng)絡(luò)權(quán)值對比
    4.4 基于卷積神經(jīng)網(wǎng)絡(luò)白細(xì)胞分類識別
        4.4.1 深度學(xué)習(xí)的優(yōu)點(diǎn)
        4.4.2 數(shù)據(jù)集介紹
        4.4.3 神經(jīng)網(wǎng)絡(luò)模型設(shè)計
        4.4.4 白細(xì)胞分類流程
        4.4.5 實(shí)驗(yàn)環(huán)境介紹
        4.4.6 實(shí)驗(yàn)介紹
        4.4.7 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
第五章 遠(yuǎn)程診斷系統(tǒng)軟件開發(fā)
    5.1 操作員端
    5.2 醫(yī)師端
    5.3 管理員端
    5.4 系統(tǒng)測試
        5.4.1 測試環(huán)境
        5.4.2 功能測試
        5.4.6 測試結(jié)論
    5.5 本章小結(jié)
第六章 總結(jié)和展望
    6.1 總結(jié)
        6.1.1 遠(yuǎn)程診斷系統(tǒng)存在的問題
    6.2 未來工作展望
參考文獻(xiàn)
在校期間的研究成果
致謝



本文編號：3844156