宮頸癌是目前醫(yī)學(xué)難以攻克的課題之一,宮頸癌的篩查對于降低發(fā)病率和死亡率具有重要意義,早期的篩查可以有效地保護(hù)女性的健康。目前來說,宮頸細(xì)胞圖片技術(shù)是應(yīng)用比較廣泛的檢測識別技術(shù),它具有制片速度較快、涂片質(zhì)量高等優(yōu)點(diǎn)。在薄層細(xì)胞自動輔助檢測系統(tǒng)中,細(xì)胞圖像的自動分割是整個系統(tǒng)的基礎(chǔ),因此有效分割重疊的細(xì)胞圖像是圖像分類識別的關(guān)鍵,對于提升整個系統(tǒng)的分割準(zhǔn)確度具有十分重要的作用。因此本文以薄層細(xì)胞為基礎(chǔ)對重疊宮頸細(xì)胞圖像的分割問題進(jìn)行研究。首先,對宮頸細(xì)胞圖像進(jìn)行前期處理,通過使用高斯模型對前景對象進(jìn)行建模,然后根據(jù)函數(shù)單調(diào)性選擇理想閾值來提取細(xì)胞前景圖像,根據(jù)細(xì)胞特點(diǎn)對細(xì)胞圖像運(yùn)用形態(tài)學(xué)操作,進(jìn)行圖像增強(qiáng)和去噪,消除細(xì)胞在染色過程中的雜質(zhì)和復(fù)雜背景。其次,通過對細(xì)胞核的形態(tài)特征分析,采用一種改進(jìn)的基于分塊閾值和自適應(yīng)閾值相結(jié)合的細(xì)胞核分割方法。該方法把細(xì)胞核的分割按照初分割和再分割兩步來進(jìn)行,即在初分割結(jié)束之后進(jìn)入細(xì)胞篩選分類過程,然后進(jìn)入再分割部分進(jìn)行二次分割,每一部分都通過細(xì)胞核的特點(diǎn)進(jìn)行改進(jìn),根據(jù)細(xì)胞核形狀特征來進(jìn)行分類和分割,實(shí)現(xiàn)了細(xì)胞核的精確分割,準(zhǔn)確性和分割效果有了很大的提升。... 

【文章來源】：哈爾濱理工大學(xué)黑龍江省

【文章頁數(shù)】：61 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 課題研究的背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 宮頸細(xì)胞診斷系統(tǒng)的發(fā)展
        1.2.2 細(xì)胞圖像分割技術(shù)的發(fā)展
    1.3 主要工作與結(jié)構(gòu)安排
        1.3.1 論文的主要工作
        1.3.2 論文的結(jié)構(gòu)安排
第2章 基本細(xì)胞圖像分割方法
    2.1 基本圖像分割方法
        2.1.1 閾值法
        2.1.2 大津法
        2.1.3 分水嶺法
    2.2 細(xì)胞圖像分割的特點(diǎn)
    2.3 本章小結(jié)
第3章 改進(jìn)的基于分塊閾值和自適應(yīng)閾值結(jié)合的細(xì)胞核分割
    3.1 細(xì)胞圖像預(yù)處理
        3.1.1 高斯平滑處理
        3.1.2 圖像背景降噪
    3.2 改進(jìn)的基于分塊閾值和自適應(yīng)閾值結(jié)合的細(xì)胞核分割
        3.2.1 系統(tǒng)總體框架
        3.2.2 改進(jìn)的分塊閾值分割
        3.2.3 改進(jìn)的自適應(yīng)閾值分割
    3.3 實(shí)驗結(jié)果與分析
    3.4 本章小結(jié)
第4章 基于稀疏邊緣檢測的重疊細(xì)胞分割
    4.1 細(xì)胞邊緣點(diǎn)模型
    4.2 重疊細(xì)胞圖像預(yù)處理
        4.2.1 細(xì)胞核提取
        4.2.2 細(xì)胞區(qū)域增強(qiáng)
        4.2.3 細(xì)胞邊緣粗提取
    4.3 基于稀疏邊緣檢測的重疊宮頸細(xì)胞分割
        4.3.1 定位基礎(chǔ)輪廓
        4.3.2 邊緣環(huán)形動態(tài)搜索
        4.3.3 細(xì)胞邊緣輪廓提取
    4.4 細(xì)胞圖像分割的實(shí)驗與評價
        4.4.1 實(shí)驗數(shù)據(jù)來源
        4.4.2 仿真實(shí)驗結(jié)果與分析
        4.4.3 對比實(shí)驗結(jié)果與分析
        4.4.4 評價指標(biāo)
    4.5 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于曲率和活動輪廓模型的重疊細(xì)胞分割算法[J]. 楊秀杰,李法平.  西南師范大學(xué)學(xué)報(自然科學(xué)版). 2018(04)
[2]《2016年NCCN宮頸癌臨床實(shí)踐指南》解讀[J]. 龔靜,張軍.  中國全科醫(yī)學(xué). 2016(27)
[3]宮頸癌防治研究進(jìn)展[J]. 張燕茹,王月云,劉植華.  中國腫瘤. 2015(12)
[4]宮頸癌的流行病學(xué)現(xiàn)狀和預(yù)防[J]. 喬友林,趙宇倩.  中華婦幼臨床醫(yī)學(xué)雜志(電子版). 2015(02)
[5]異常宮頸細(xì)胞核的自適應(yīng)局部分割[J]. 張靈,李靜立,陳思平,汪天富,江少鋒,劉少雄.  中國圖象圖形學(xué)報. 2013(10)
[6]計算機(jī)輔助閱片與單純?nèi)斯ら喥趯m頸液基細(xì)胞學(xué)診斷中對比觀察[J]. 周東華,田杰,王夷黎,秦艷,平靜,劉小燕,陳瑩,范菊花.  臨床與實(shí)驗病理學(xué)雜志. 2013(07)
[7]基于RGB模型顏色相似性的彩色圖像分割[J]. 楊康葉,鄔春學(xué).  計算機(jī)系統(tǒng)應(yīng)用. 2013(03)
[8]改良沖洗器在宮頸癌放療患者陰道沖洗中的應(yīng)用[J]. 黃欽,黃釗,馮麗娟.  護(hù)理學(xué)雜志. 2011(14)
[9]結(jié)合分水嶺與自動種子區(qū)域生長的彩色圖像分割算法[J]. 楊家紅,劉杰,鐘堅成,何明志.  中國圖象圖形學(xué)報. 2010(01)
[10]基于局部自適應(yīng)閾值的細(xì)胞圖像分割方法[J]. 馬保國,喬玲玲,賈寅波.  計算機(jī)應(yīng)用研究. 2009(02)

碩士論文
[1]基于GVF Snake的宮頸細(xì)胞圖像分割算法及分類識別的研究[D]. 劉艷紅.廣西師范大學(xué) 2016
[2]一種改進(jìn)的K-MEANS聚類彩色圖像分割方法[D]. 牛少敏.遼寧師范大學(xué) 2012



本文編號：3192278