發(fā)布時間：2021-01-25 23:39

　　陰道疾病是女性的高發(fā)病之一,其中白帶常規(guī)檢查是最常見的檢查項(xiàng)目之一,而陰道清潔度是其中最重要的一個指標(biāo),陰道清潔度主要是通過判斷白帶中菌類的種類以及數(shù)量來得出的。目前國內(nèi)外大多數(shù)醫(yī)院,還是依靠人工鏡檢的方式,通過觀察顯微鏡視野中的有形成分的種類以及大致數(shù)量,然后根據(jù)經(jīng)驗(yàn)得出清潔度指標(biāo)。傳統(tǒng)方法缺乏一個定量的標(biāo)準(zhǔn),存在檢測效率低下、準(zhǔn)確度不高等缺點(diǎn)。鑒于此,本文提出了一種白帶顯微圖像菌類的自動識別算法,能精確快速得出白帶顯微圖像中霉菌等細(xì)菌的數(shù)量及類型。該算法主要采用主成分分析、Haart特征、方向梯度直方圖以及機(jī)器學(xué)習(xí)等方法來準(zhǔn)確識別白帶顯微圖像中的霉菌、桿菌等細(xì)菌。本研究主要內(nèi)容如下:首先,介紹了傳統(tǒng)人工白帶常規(guī)檢查的缺點(diǎn)和不足以及對白帶顯微圖像進(jìn)行智能識別研究的學(xué)術(shù)意義和社會意義,進(jìn)一步描述了國內(nèi)外對醫(yī)學(xué)顯微圖像自動識別的研究現(xiàn)狀。其次,介紹了用于獲取白帶顯微圖像的儀器及其參數(shù),緊接著,講述了如何對獲取的白帶顯微鏡檢圖像進(jìn)行預(yù)處理,從而精確地獲得待檢測區(qū)域,該步驟包括灰度化,圖像平滑,形態(tài)學(xué)處理,圖像分割。然后對獲得的待檢測區(qū)域通過圓形度和面積等幾何特征識別出球菌和桿菌。最后,結(jié)合... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：96 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 應(yīng)用背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容
第二章 白帶顯微圖像獲取及預(yù)處理
    2.1 白帶顯微圖像的采集
    2.2 白帶顯微圖像中菌類形態(tài)特征及臨床意義
    2.3 白帶顯微圖像的銳化
        2.3.1 梯度計(jì)算
        2.3.2 銳化算子
    2.4 白帶顯微圖像的平滑
        2.4.1 均值濾波法
        2.4.2 中值濾波法
        2.4.3 閾值鄰域平均法
    2.5 白帶顯微圖像的形態(tài)學(xué)運(yùn)算
        2.5.1 腐蝕及其應(yīng)用
        2.5.2 膨脹及其應(yīng)用
        2.5.3 開運(yùn)算和閉運(yùn)算
        2.5.4 頂帽運(yùn)算和底帽運(yùn)算
    2.6 白帶顯微圖像的分割
        2.6.1 基于閾值的分割方法
        2.6.2 基于邊緣的分割方法
        2.6.3 基于區(qū)域的分割方法
        2.6.4 桿菌以及球菌的識別步驟
    2.7 整理訓(xùn)練集
    2.8 本章小結(jié)
第三章 霉菌圖像的特征提取
    3.1 霉菌圖像的Haar特征
        3.1.1 Haar特征個數(shù)
        3.1.2 積分圖
        3.1.3 提取霉菌圖像的Haar特征
    3.2 霉菌圖像的方向梯度直方圖特征
        3.2.1 圖像方向梯度計(jì)算
        3.2.2 構(gòu)建梯度方向直方圖
        3.2.3 歸一化梯度直方圖
        3.2.4 提取霉菌圖像的HOG特征
    3.3 霉菌圖像的LBP特征
        3.3.1 LBP原理
        3.3.2 LBP的改進(jìn)
        3.3.3 雙線性插值
        3.3.4 提取霉菌樣本圖像的LBP特征
    3.4 霉菌圖像的Gabor特征
        3.4.1 傅里葉變換
        3.4.2 Gabor核
        3.4.3 提取霉菌圖像的Gabor特征
    3.5 主成分分析
        3.5.1 最大方差理論
        3.5.2 最小二乘法
        3.5.3 主成分信息占比
        3.5.4 PCA實(shí)現(xiàn)
    3.6 本章小結(jié)
第四章 基于機(jī)器學(xué)習(xí)的霉菌識別算法
    4.1 分類器評價
        4.1.1 評價方法
        4.1.2 評價指標(biāo)
    4.2 基于決策樹的霉菌識別算法
        4.2.1 信息增益
        4.2.2 C4.5 決策樹生成算法
        4.2.3 決策樹的剪枝
        4.2.4 決策樹模型的訓(xùn)練
    4.3 基于支持向量機(jī)的霉菌識別算法
        4.3.1 線性分類器
        4.3.2 非線性支持向量機(jī)
        4.3.3 松弛變量
        4.3.4 樣本偏斜
        4.3.5 SVM模型訓(xùn)練
    4.4 基于Adaboost的霉菌識別算法
        4.4.1 Adaboost介紹
        4.4.2 AdaBoost算法過程
        4.4.3 Adaboost模型訓(xùn)練
    4.5 本章小結(jié)
第五章 改進(jìn)的霉菌機(jī)器學(xué)習(xí)識別算法及結(jié)果分析
    5.1 改進(jìn)的霉菌機(jī)器學(xué)習(xí)識別算法
    5.2 訓(xùn)練改進(jìn)后的算法及結(jié)果分析
    5.3 測試菌類識別算法
    5.4 識別結(jié)果及分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
致謝
參考文獻(xiàn)
縮略詞
攻讀碩士學(xué)位期間取得的研究成果



本文編號：3000089