發(fā)布時間：2024-05-14 00:55

　　醫(yī)學(xué)圖像識別的研究隨著圖像處理技術(shù)以及醫(yī)學(xué)影像技術(shù)的發(fā)展已經(jīng)取得了長足的進(jìn)步,醫(yī)學(xué)圖像識別技術(shù)已經(jīng)能夠輔助醫(yī)生和專家為患者做出診斷結(jié)果,由于淋巴細(xì)胞在癌癥診斷及病患預(yù)后中的重要性,在目前的組織病理學(xué)圖像處理及分析領(lǐng)域,淋巴細(xì)胞核的分割和檢測是一項(xiàng)重要的工作。本研究通過分析H&E染色的組織病理圖像中淋巴細(xì)胞核的形態(tài)特征和紋理特征的有效性,構(gòu)建淋巴細(xì)胞核檢測模型,該模型篩選了能夠區(qū)辨淋巴細(xì)胞核及其它細(xì)胞核的有效特征,具有一定創(chuàng)新性。所構(gòu)建的模型在加入噪聲的情況下進(jìn)行測試,具有較高魯棒性。具體內(nèi)容包括:(1)將H&E染色組織病理圖像分為訓(xùn)練集樣本和測試集樣本,在訓(xùn)練階段對訓(xùn)練集樣本進(jìn)行訓(xùn)練,利用概率密度函數(shù)圖來篩選出有效特征,利用篩選出來的特征進(jìn)行分類器訓(xùn)練建立分類模型,從而構(gòu)建淋巴細(xì)胞核分類器;(2)在測試階段利用訓(xùn)練階段得到的分類器對細(xì)胞核進(jìn)行分類,從而檢測出帶有淋巴細(xì)胞核標(biāo)記的圖像輸出;(3)根據(jù)不同特征值,分別構(gòu)建三種分類模型,并通過實(shí)驗(yàn)得到最優(yōu)分類模型;(4)給測試集圖像加入多種噪聲,通過多次實(shí)驗(yàn)測試來驗(yàn)證淋巴細(xì)胞核模型的魯棒性。自動化病理圖像分析的研究的發(fā)展,不僅...

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景與意義
    1.2 淋巴細(xì)胞核特征提取的研究現(xiàn)狀
    1.3 研究內(nèi)容
    1.4 結(jié)構(gòu)安排
    1.5 本章小結(jié)
第2章 淋巴細(xì)胞圖像特征提取
    2.1 圖像預(yù)處理
    2.2 細(xì)胞核分割
    2.3 細(xì)胞核形態(tài)特征提取
        2.3.1 形態(tài)特征介紹
        2.3.2 形態(tài)特征實(shí)例
    2.4 紋理特征提取
        2.4.1 紋理特征
        2.4.2 灰度共生矩陣
        2.4.3 Haralick紋理特征
        2.4.4 Run Length紋理特征
    2.5 本章小結(jié)
第3章 淋巴細(xì)胞核檢測模型
    3.1 程序流程圖
    3.2 特征選擇
    3.3 SVM分類模型
    3.4 構(gòu)建模型
    3.5 本章小結(jié)
第4章 淋巴細(xì)胞核檢測模型評價
    4.1 模型評價標(biāo)準(zhǔn)
    4.2 噪聲介紹
    4.3 驗(yàn)證模型魯棒性
        4.3.1 高斯噪聲
        4.3.2 椒鹽噪聲
    4.4 本章小結(jié)
第5章 工作總結(jié)與展望
    5.1 工作總結(jié)
    5.2 未來工作展望
參考文獻(xiàn)
致謝
攻讀碩士期間的研究成果



本文編號：3972958