【摘要】：間接免疫熒光法(IIF)檢測用到的HEp-2細(xì)胞被用作人血清中的底物,這是檢測抗核抗體(ANA)的常用技術(shù),并且可以通過熒光顯微鏡觀察到。HEp-2細(xì)胞圖像分類在一些自身免疫性疾病的診斷中起著重要的作用。然而,傳統(tǒng)的方法需要有豐富經(jīng)驗的專家人工識別細(xì)胞模式,這極大地增加了工作量,并且受到專家們的主觀意見影響。為了解決這個問題,本文從紋理特征和深度學(xué)習(xí)兩個方面來展開HEp-2細(xì)胞分類的研究工作。第一、研究基于紋理特征的HEp-2細(xì)胞模式分類方法。即研究了成對旋轉(zhuǎn)不變共生局部二值模式(PRICoLBP),密度尺度不變特征變換(DSIFT)和顏色特征來提取細(xì)胞圖像特征。成對旋轉(zhuǎn)不變共生局部二值模式(PRICoLBP)不僅能夠有效捕獲空域上下文共生,同時保留了相對夾角信息,而且還具有旋轉(zhuǎn)不變特征。DSIFT特征還具有一些理想的特性,如不變性特點(diǎn)。使用K-means聚類方法對直方圖統(tǒng)計特征進(jìn)行降維,使用SVM對降維操作后的直方圖統(tǒng)計特征進(jìn)行分類。所提出的方法在公開的ICPR2012 HEp-2細(xì)胞數(shù)據(jù)集上進(jìn)行驗證。該方法采用與ICPR2012競賽相同的評價方法,細(xì)胞級分類準(zhǔn)確度為70.90%,圖像級分類準(zhǔn)確度為84.71%。第二、研究基于一個深度殘差網(wǎng)絡(luò)(ResNet)為基礎(chǔ)的框架,通過遷移學(xué)習(xí)策略來自動識別HEp-2細(xì)胞。與現(xiàn)有的方法利用低級手工特征或淺層學(xué)習(xí)網(wǎng)絡(luò)DCNNs相比,采用50層的殘差網(wǎng)絡(luò)(ResNet-50)基本上獲得了豐富和可識別的特征。ResNet-50的主要結(jié)構(gòu)是殘差連接,可有效的解決梯度退化的問題。與大多數(shù)從零開始學(xué)習(xí)的深度學(xué)習(xí)模型不同,我們使用非常相似的數(shù)據(jù)集(從ICPR2012到ICPR2016-Task1)預(yù)先訓(xùn)練的遷移學(xué)習(xí)來微調(diào)我們自己的模型。本文提出的框架在ICPR2012 HEp-2數(shù)據(jù)集上實(shí)現(xiàn)了92.63%的平均分類精度,在ICPR2016-Task1 HEp-2數(shù)據(jù)集上的平均分類精度為94.87%,優(yōu)于傳統(tǒng)方法。論文提出的紋理特征方法跟基于LBP擴(kuò)展的特征提取方法和其他文獻(xiàn)提出的方法,改善了分類性能和效果;深度學(xué)習(xí)方法,對比AlexNet、VGG-16和VGG-19網(wǎng)絡(luò)的HEp-2細(xì)胞分類,優(yōu)化網(wǎng)絡(luò)訓(xùn)練時間,提高了目標(biāo)網(wǎng)絡(luò)模型的分類性能。
【圖文】：

ANA 檢測推薦的方法。IIF 利用不同的底物，每個底物都是專門用血清抗體和底物結(jié)合并形成分子復(fù)合物。然后，該復(fù)合物和熒光染蛋白反應(yīng)。反應(yīng)完成時，可以在熒光顯微鏡下觀察到復(fù)合物顯示抗原試的情況下，人喉癌(Human Epithelial-2 cell，簡稱 HEp-2 cell)細(xì)胞微鏡的閱讀階段，醫(yī)師根據(jù)三個步驟組織的程序檢測并評分抗原抗胞檢測，熒光強(qiáng)度分類和染色模式識別。最終目標(biāo)是識別標(biāo)本圖像因為根據(jù)患者的臨床病史，每種模式都可能與特定疾病有關(guān)。來，對全身性自身免疫疾病診斷試驗的需求不斷增長。不幸的是，(IIF)仍然是一種主觀方法，也依賴于醫(yī)生的經(jīng)驗和專業(yè)知識。因此NA 自動分析的完全自動化有強(qiáng)烈的需求。實(shí)際上，完全自動化的簡單快速的結(jié)果報告，提高測試重復(fù)性并降低成本。本課題就是在深圳大學(xué)醫(yī)學(xué)院合作的子項目。

維場景下的卷積核與輸入數(shù)據(jù)。圖左卷積核大小為 3×4×3，圖右為作后得到的 1×1×1 的輸出結(jié)果傳播時可針對該層偏置項與權(quán)重分別設(shè)置隨機(jī)梯度下降需要，也可以把某層偏置項全設(shè)置為 0，或者將學(xué)習(xí)率設(shè)或偏置的效果。另外，卷積操作中有兩個重要的超參數(shù)(hypter size)和卷積步長(stride)。(a) 原圖 (b)整體邊緣濾波器
【學(xué)位授予單位】：深圳大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：R446.6;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 莊福振;羅平;何清;史忠植;;遷移學(xué)習(xí)研究進(jìn)展[J];軟件學(xué)報;2015年01期

相關(guān)博士學(xué)位論文 前1條

1 齊憲標(biāo);共生局部二值模式及其應(yīng)用[D];北京郵電大學(xué);2015年

相關(guān)碩士學(xué)位論文 前1條

1 顏霜;基于局部紋理特征描述的HEp-2細(xì)胞染色模式分類[D];湘潭大學(xué);2015年

，

本文編號：2653381