【摘要】：寄生蟲病對人體健康具有很大的危害性,對寄生蟲病的診斷和治療成為臨床醫(yī)學(xué)中非常重要的一部分。臨床醫(yī)學(xué)中對寄生蟲病的診斷是通過檢測人體糞便中是否含有寄生蟲卵實現(xiàn)的,目前傳統(tǒng)的檢驗方式由醫(yī)務(wù)人員人工進(jìn)行檢測,該方式具有檢測效率低、檢測工作量大和檢測準(zhǔn)確率低等缺點。隨著圖像處理技術(shù)和模式識別分類技術(shù)的發(fā)展,寄生蟲卵的識別分類統(tǒng)計逐步轉(zhuǎn)為借助于計算機進(jìn)行處理,不僅可以提高檢測效率和準(zhǔn)確率,同時可以減輕醫(yī)務(wù)檢驗人員的工作量,顯微糞便醫(yī)學(xué)圖像中寄生蟲卵的自動識別分類技術(shù)應(yīng)用前景廣泛、發(fā)展空間廣闊。傳統(tǒng)的糞便樣本圖像的采集使用高倍生物顯微鏡(40x),采圖視野范圍小,圖片數(shù)目過多,處理效率較慢,因此,本文研究的糞便樣本圖像使用低倍生物顯微鏡(10x)進(jìn)行采集。本文針對低倍生物顯微鏡下采集的糞便標(biāo)本圖像中常見的8種寄生蟲卵的自動識別分類技術(shù)進(jìn)行了研究,主要工作內(nèi)容整理如下:首先對采集到的顯微糞便醫(yī)學(xué)圖像進(jìn)行了預(yù)處理。低倍生物顯微鏡下采集的糞便樣本圖像中寄生蟲卵形態(tài)較小,且圖像中含有大量的雜質(zhì),通過對多種圖像分割技術(shù)的結(jié)果進(jìn)行對比,本文采用了基于數(shù)學(xué)形態(tài)學(xué)和特征篩選相結(jié)合的方法對圖像進(jìn)行有效分割,并去除了大量的雜質(zhì)。其次,研究了寄生蟲卵的特征選擇和特征提取問題。通過對糞便醫(yī)學(xué)顯微圖像中寄生蟲卵進(jìn)行分析,寄生蟲卵的幾何形態(tài)特征明顯,可以作為對寄生蟲卵進(jìn)行識別分類的依據(jù),同時,寄生蟲卵內(nèi)容物的分布具有一定的結(jié)構(gòu)性,寄生蟲卵的紋理特征也可以作為對其進(jìn)行識別分類的依據(jù)。最后,研究了寄生蟲卵的識別及分類技術(shù)。不同類型蟲卵的特征具有差異性,其中肝吸蟲卵和姜片蟲卵的特征與其它6種蟲卵的特征差異性較大,使用基于特征篩選的方法對其進(jìn)行快速識別;其它6種蟲卵之間特征相似,使用基于改進(jìn)后的K近鄰分類器(K Nearest Neighbors,KNN)對其進(jìn)行識別分類。本文研究的特點在于低倍生物顯微鏡下采集的糞便圖像背景復(fù)雜,并對多達(dá)8種常見的寄生蟲卵進(jìn)行了有效識別和分類。實驗結(jié)果表明,本文設(shè)計的識別分類技術(shù)對8種蟲卵的自動識別及分類準(zhǔn)確率均達(dá)到了90%以上,其中對姜片蟲卵的自動識別及分類準(zhǔn)確率達(dá)到了98%,滿足了臨床檢驗的要求,目前該技術(shù)已在國內(nèi)部分醫(yī)院臨床試用。
【圖文】：

第二章 寄生蟲卵圖像采集及蟲卵類型介紹第二章 寄生蟲卵圖像采集及蟲卵類型介紹卵圖像采集簡介中使用的人體糞便顯微醫(yī)學(xué)圖像采集標(biāo)本直接來自于為臨床醫(yī)學(xué)檢驗中使用的標(biāo)本，具有很高的臨床實用意測要求后，可以直接應(yīng)用于臨床檢驗中。顯微糞便醫(yī)學(xué)的自動糞便處理分析系統(tǒng)，儀器如圖 2-1 所示，本文研寄生蟲卵的自動識別及分類技術(shù)即應(yīng)用于該系統(tǒng)中。在將標(biāo)本放置于該自動處理分析系統(tǒng)標(biāo)本池中，并使用該便可以實現(xiàn)對糞便樣本進(jìn)行顯微成像處理。

電子科技大學(xué)碩士學(xué)位論文顯微鏡物鏡有兩種規(guī)格，分別為 10x 和 40x，通過 0.7x 攝像接筒放大后的糞便樣本進(jìn)行采圖比較，在 10x 物鏡下視場面積為 0.39 下視場面積為 0.025 mm2，即使用 10x 物鏡單次采集圖像的視野面采集圖像面積的 15.6 倍。對于采集到的圖像，圖像中的寄生蟲卵蟲卵的特征越明顯越多，對于正確識別出蟲卵越有利，但使用 40時，所需采集的圖片數(shù)目過多，，導(dǎo)致單個樣本檢測時間過長，無高效率的要求，基于此，本文研究的糞便樣本圖像使用 10x 低倍本圖像采集，該方案擴大了采圖視野范圍，減少了采圖時間和單圖片的數(shù)量，提高了單個樣本的檢測效率。
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2017
【分類號】：R446.13;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 奉國和;吳敬學(xué);;KNN分類算法改進(jìn)研究進(jìn)展[J];圖書情報工作;2012年21期

2 陳碧黎;謝杰鎮(zhèn);王博亮;;基于形態(tài)學(xué)濾波的寄生蟲卵圖像混合分割算法[J];中國數(shù)字醫(yī)學(xué);2010年04期

3 刁智華;趙春江;吳剛;郭新宇;;數(shù)學(xué)形態(tài)學(xué)在作物病害圖像處理中的應(yīng)用研究[J];中國圖象圖形學(xué)報;2010年02期

4 楊家紅;劉杰;鐘堅成;何明志;;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];中國圖象圖形學(xué)報;2010年01期

5 張鑫;陳偉斌;;基于形態(tài)學(xué)重構(gòu)的多結(jié)構(gòu)元細(xì)胞圖像邊緣檢測[J];計算機仿真;2009年08期

6 郝秀蘭;陶曉鵬;徐和祥;胡運發(fā);;kNN文本分類器類偏斜問題的一種處理對策[J];計算機研究與發(fā)展;2009年01期

7 羅澤舉;宋麗紅;伍小明;詹希美;;基于新型特征提取的寄生蟲卵圖像識別研究[J];計算機應(yīng)用;2007年06期

8 王芳;夏麗華;;基于灰度形態(tài)學(xué)的高分辨率遙感圖像邊緣檢測研究[J];測繪與空間地理信息;2006年02期

9 彭社欣,廖松濤;寄生蟲蟲卵圖像計算機自動識別技術(shù)研究[J];湖南師范大學(xué)學(xué)報(醫(yī)學(xué)版);2005年02期

10 趙亞娥;人體寄生蟲蟲卵圖像的自動識別[J];中國體視學(xué)與圖像分析;1997年03期

相關(guān)碩士學(xué)位論文 前4條

1 高源;血吸蟲卵圖像識別算法設(shè)計與實現(xiàn)[D];南京航空航天大學(xué);2014年

2 劉穎;蟲卵圖像分割的研究與實現(xiàn)[D];內(nèi)蒙古農(nóng)業(yè)大學(xué);2013年

3 唐闖;基于邊緣檢測的圖像分割算法研究[D];燕山大學(xué);2012年

4 劉東菊;基于閾值的圖像分割算法的研究[D];北京交通大學(xué);2009年

本文編號：2545903