發(fā)布時(shí)間：2020-05-14 09:25

【摘要】：尿沉渣中各類有形成分對(duì)人體腎臟、泌尿系統(tǒng)疾病具有重要的診斷和鑒別作用,臨床中常檢測(cè)紅細(xì)胞、白細(xì)胞、上皮細(xì)胞和管型,管型分為透明管型、顆粒管型等多個(gè)種類,不同種類管型的數(shù)量對(duì)泌尿系統(tǒng)疾病有重要的臨床診斷參考意義。尿沉渣圖像存在有形成分種類繁多,紋理輪廓千變?nèi)f化,圖像清晰度不統(tǒng)一,色彩亮度分布不均勻和散焦嚴(yán)重等特點(diǎn)。上述特點(diǎn)導(dǎo)致尿沉渣中各類有形成分識(shí)別困難、識(shí)別速度慢。本文針對(duì)上述特點(diǎn),首先研究了尿沉渣圖像形態(tài)學(xué)變化,并采用圖像增強(qiáng)、邊緣檢測(cè)和分割等手段處理圖像,然后提取圖像的特征矩陣,最后采用基于機(jī)器學(xué)習(xí)的組合算法對(duì)其進(jìn)行分類,并針對(duì)管型詳細(xì)分類為透明管型和顆粒管型。主要研究?jī)?nèi)容如下:尿沉渣圖像預(yù)處理和初篩選。通過電子顯微鏡拍照得到的尿沉渣圖像有著噪聲較嚴(yán)重、雜質(zhì)干擾強(qiáng)、對(duì)比度低、光照不均等問題。首先對(duì)原始圖像進(jìn)行去噪聲、增強(qiáng)和細(xì)胞分割等處理,以此來(lái)完成所有尿沉渣圖像有形成分的初篩選,從中獲得尿沉渣的各類有形成分,處理過程涉及到濾波算法、二值化算法、邊緣檢測(cè)算法以及形態(tài)學(xué)等處理手段,針對(duì)高低倍鏡下不同尿沉渣有形成分采取Canny算子和分水嶺算法相結(jié)合的方式進(jìn)行邊緣檢測(cè)。圖像處理之后的尿沉渣有形成分的特征提取。將原圖分割為單個(gè)目標(biāo)物圖像之后,提取圖像的幾何、紋理和統(tǒng)計(jì)特征矩陣。將特征矩陣數(shù)據(jù)送入分類器學(xué)習(xí),根據(jù)學(xué)習(xí)結(jié)果研究這些特征的合理性以及各類特征維度組合對(duì)最終分類效果的影響,最終選取識(shí)別準(zhǔn)確率最高的41維特征。此外,針對(duì)Gabor特征數(shù)據(jù)量大的特點(diǎn),提出采取(2D)~2PCA降維手段來(lái)提升算法效率。根據(jù)高低倍鏡下不同有形成分的特點(diǎn),提出基于形態(tài)學(xué)、決策樹和SVM分類器的組合算法。運(yùn)用交叉驗(yàn)證法獲得分類器的最佳參數(shù),對(duì)尿沉渣圖像中的紅細(xì)胞、白細(xì)胞、上皮細(xì)胞和管型進(jìn)行有效的分類,并針對(duì)管型的子類透明管型和顆粒管型進(jìn)行更加詳細(xì)的識(shí)別和分類,整體分類識(shí)別率達(dá)到95%。
【圖文】：

管型是一種蛋白聚體，形狀一般為較寬的長(zhǎng)條形，并且形狀較為圓潤(rùn)，內(nèi)部的紋理分布比較均勻。由腎小管和集合管產(chǎn)生，一般分為透明管型、紅細(xì)胞管型、顆粒管型等多種，如圖1-1所示。(a) (b) (c)圖 1-1 管型示例圖。（a）透明管型；（b）顆粒管型；（c）紅細(xì)胞管型(2) 紅細(xì)胞。正常人尿沉渣鏡檢紅細(xì)胞數(shù)目一般在小于 3 個(gè)/HP。若紅細(xì)胞 >31

紅細(xì)胞通過病變的腎小球基底膜的狹窄裂隙處進(jìn)入腎小管和集合管中，并由于滲透壓和 pH 值變化等影響，會(huì)導(dǎo)致正常紅細(xì)胞變成畸形紅細(xì)胞，如圖1-2(a)和圖1-2(b)所示。(a) (b)圖 1-2 紅細(xì)胞示例圖。（a）正常形態(tài)紅細(xì)胞；（b）畸變的紅細(xì)胞(3) 白細(xì)胞。在尿液中白細(xì)胞指無(wú)明顯退變的完整細(xì)胞，主要成分為中性粒細(xì)胞，也可見少數(shù)單核細(xì)胞及淋巴細(xì)胞，中性粒細(xì)胞的分布呈分散狀態(tài)，在炎癥中破壞或死亡的中性粒細(xì)胞，外形不規(guī)則，細(xì)胞核看不清，正常人尿沉渣鏡檢白細(xì)胞 <5 個(gè)/HP，如超過 5 個(gè)/HP 為白細(xì)胞增多，，白細(xì)胞[2]的形態(tài)如圖1-3所示。圖 1-3 白細(xì)胞(4) 上皮細(xì)胞。尿液中的上皮細(xì)胞主要有來(lái)自腎盂、輸尿管、膀胱和部分尿道的移行上皮，細(xì)胞面積相對(duì)于紅細(xì)胞、白細(xì)胞要大一些，形狀一般是橢圓的長(zhǎng)條形，一般比管型短一些，較為明顯的特征是細(xì)胞內(nèi)部有一個(gè)類似圓形的組2
【學(xué)位授予單位】：電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：R446.12;TP391.41;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉肖肖;王兢業(yè);;基于Matlab的尿沉渣圖像有形成分的自動(dòng)分類方法[J];中國(guó)醫(yī)療設(shè)備;2015年02期

2 孫惠杰;鄧廷權(quán);李艷超;;改進(jìn)的分水嶺圖像分割算法[J];哈爾濱工程大學(xué)學(xué)報(bào);2014年07期

3 許宏科;秦嚴(yán)嚴(yán);陳會(huì)茹;;一種基于改進(jìn)Canny的邊緣檢測(cè)算法[J];紅外技術(shù);2014年03期

4 陳家新;王紀(jì)剛;;一種改進(jìn)的醫(yī)學(xué)圖像分水嶺分割算法[J];計(jì)算機(jī)應(yīng)用研究;2013年08期

5 謝文鋒;林川;嚴(yán)海燕;梁穆興;黃松音;鮑咊文;;IRIS iQ200與Sysmex UF-1000i自動(dòng)尿沉渣分析儀檢測(cè)尿液紅、白細(xì)胞的性能評(píng)價(jià)[J];實(shí)驗(yàn)與檢驗(yàn)醫(yī)學(xué);2010年06期

6 滕冬梅;徐菲莉;;尿沉渣檢查方法研究進(jìn)展[J];內(nèi)蒙古中醫(yī)藥;2010年23期

7 吳濤;畢篤彥;;一種基于改進(jìn)遺傳算法的自適應(yīng)區(qū)域生長(zhǎng)法研究[J];微電子學(xué)與計(jì)算機(jī);2008年04期

8 王植,賀賽先;一種基于Canny理論的自適應(yīng)邊緣檢測(cè)方法[J];中國(guó)圖象圖形學(xué)報(bào);2004年08期

9 王靜,孫維;尿沉渣顯微鏡檢查的必要性[J];實(shí)用醫(yī)技雜志;2004年14期

10 趙鋒,趙榮椿;紋理分割及特征提取方法綜述[J];中國(guó)體視學(xué)與圖像分析;1998年04期

相關(guān)博士學(xué)位論文 前1條

1 張翔;支持向量機(jī)及其在醫(yī)學(xué)圖像分割中的應(yīng)用[D];華中科技大學(xué);2004年

相關(guān)碩士學(xué)位論文 前9條

1 李東升;尿沉渣細(xì)胞深度神經(jīng)網(wǎng)絡(luò)分類方法研究與實(shí)現(xiàn)[D];西安電子科技大學(xué);2018年

2 李悅;基于圖像處理的尿沉渣圖像自動(dòng)識(shí)別研究[D];西安建筑科技大學(xué);2017年

3 康萌;尿沉渣有形成分自動(dòng)分割識(shí)別算法研究[D];西安科技大學(xué);2014年

4 涂林林;基于SVM算法的尿沉渣細(xì)胞分類識(shí)別系統(tǒng)的研究[D];武漢理工大學(xué);2014年

5 趙少華;尿沉渣圖像中紅白細(xì)胞的分割與識(shí)別[D];西安科技大學(xué);2013年

6 楊金剛;基于數(shù)學(xué)形態(tài)學(xué)的遙感圖像邊緣信息提取技術(shù)研究[D];成都理工大學(xué);2011年

7 李慧;基于SVM的醫(yī)學(xué)圖像分類[D];江南大學(xué);2008年

8 張少杰;醫(yī)學(xué)圖像分割與可視化方法研究以及在髖臼手術(shù)效果評(píng)測(cè)中的應(yīng)用[D];清華大學(xué);2007年

9 張昕;基于SVM方法的醫(yī)學(xué)圖像分類研究[D];浙江大學(xué);2006年

本文編號(hào)：2663145