單向免疫擴散是醫(yī)學(xué)檢驗的重要基礎(chǔ)技術(shù)手段,在臨床醫(yī)學(xué)研究、藥品監(jiān)制產(chǎn)業(yè)有著不可或缺的地位。對于這種通用成熟的檢驗技術(shù),通常是通過人工游標卡尺或者掃描圖像進行測量,檢測誤差大且耗時長,嚴重影響到藥品研制及產(chǎn)出效率。本課題采用機器視覺圖像測量技術(shù)對單向免疫擴散樣本進行測量,解決現(xiàn)有圖像測量存在的模糊邊緣無法檢測等問題,實現(xiàn)圖像的精確測量以保證單向免疫擴散定量分析結(jié)果的準確性。本文主要工作內(nèi)容如下:（1）針對單向免疫擴散樣本圖像目標較淺很難提取的問題,本文提出一種基于小波的半軟閾值圖像去噪增強算法。該算法先對樣本灰度圖像進行小波分解,然后分別采用半軟閾值對三個高頻圖像去噪,同時采用對比度受限的自適應(yīng)直方圖均衡算法（Contrast Limited Adaptive Histogram Equalization,簡稱CLAHE）對低頻圖像增強,完成后進行小波融合。對比分析傳統(tǒng)增強去噪并結(jié)合兩步標定法矯正畸變樣本圖像,該算法能夠增強細節(jié)提高對比度,實現(xiàn)樣本圖像的預(yù)處理及畸形矯正。（2）根據(jù)單向免疫擴散樣本圖像的目標位置特征,本文提出去孤點的K-means聚類快速分割算法,該算法結(jié)合二分K-mea... 

【文章來源】： 耿瑯環(huán) 西安工程大學(xué)

【文章頁數(shù)】：77 頁

【學(xué)位級別】：碩士

【部分圖文】：

免疫擴散原理

其誤識率將會是研究者追求的目標。樣本圖像在測量前，首先要檢測目標沉淀物邊緣，劃分待處理區(qū)域，以降低后續(xù)檢測的運算量，提高算法的處理效率。由于目標沉淀物邊緣模糊，邊緣與背景不明顯，再加上反應(yīng)器材邊緣成像較重，想要提取目標沉淀圖像區(qū)域困難較大。本文就單向免疫擴散樣本圖像的測量展開研究，著重提高圖像測量技術(shù)的精確性與智能性，研究了一套專門適用于醫(yī)學(xué)檢驗中單向免疫擴散圖像測量算法及流程，解決了圖像測量技術(shù)一直以來都難以識別模糊目標的問題。1.3 研究內(nèi)容及關(guān)鍵技術(shù)目前，圖像處理的邊緣檢測、圓形檢測廣泛應(yīng)用到了物理學(xué)、航天航空學(xué)科、智能工業(yè)現(xiàn)場、臨床醫(yī)學(xué)及醫(yī)療器械生產(chǎn)等領(lǐng)域[20]。單向免疫擴散是臨床醫(yī)學(xué)的基礎(chǔ)免疫分析手段，反應(yīng)基于特定條件下抗原抗體特異性反應(yīng)生成圓形沉淀，圓形沉淀的直徑與添加抗原濃度成正相關(guān)，可根據(jù)標準抗原或國際參考蛋白制成標準曲線，由測量獲得生成沉淀的直徑大小數(shù)據(jù)來定量檢測未知抗原濃度[21]。要定量分析未知抗原濃度，確保含量檢測的準確性就需要對沉淀物面積的測量精度有一定要求。此時，人工測量的方式就會產(chǎn)生較大的誤差，以至于影響待檢測物質(zhì)濃度檢測結(jié)果的準確度，更有可能造成醫(yī)療事故。

專門定制功能的免疫分析儀可以滿足上述的單向免疫擴散實驗各項條件。（1）樣本a （2）樣本b （3）樣本c圖2-1 采集樣本原圖實驗采集到的圖片如圖 2-1 所示，a、b、c 三個樣本中每個樣本有 16 個培養(yǎng)皿圓孔，按照每列從左向右排序，前兩列為對照組，后兩列為實驗組，實驗組添加了稀釋不同濃度的抗原，如圖 2-1 所示，反應(yīng)沉淀后得到不同大小的粉色類圓形沉淀物拍攝采集到的樣本圖像有明顯的畸形形變，培養(yǎng)皿的邊緣背景圖像與目標沉淀物灰度特征相似、形狀相似難以分割，再者檢測目標圓形沉淀物邊緣虛化嚴重，背景灰度差值難以確定等。綜合以上需要解決的問題，本文提出基于小波的去噪增強、改進 K-means 聚類快速分割、模糊分塊邊緣檢測及改進圓擬合算法對樣本圖像測量展開深入的研究。2.2 單向免疫擴散樣本圖像預(yù)處理將圖像處理技術(shù)應(yīng)用到成熟的醫(yī)學(xué)檢驗手段中

【參考文獻】：
期刊論文
[1]數(shù)字圖像處理在醫(yī)學(xué)影像方面的應(yīng)用[J]. 張宗斌.  影像研究與醫(yī)學(xué)應(yīng)用. 2019(04)
[2]單向免疫擴散測定四價流感病毒裂解疫苗中兩種B型血凝素含量[J]. 帥旗,余軍,楊文彬,吳富強,吳建華,蔣正東,楊憲普,趙越,趙靜,付建林.  中華實驗和臨床病毒學(xué)雜志. 2018 (06)
[3]改進區(qū)域生長法的肝部CT圖像ROI提取[J]. 李仔麒,馬慧彬,李殿奎,范蕊.  計算機技術(shù)與發(fā)展. 2019(01)
[4]單向免疫擴散樣本的圖像測量[J]. 王延年,耿瑯環(huán),張豪,李文婷,程燕杰.  激光雜志. 2018(08)
[5]一種相似度剪枝的離群點檢測算法[J]. 丁天一,張旻,方勝良.  小型微型計算機系統(tǒng). 2018(08)
[6]基于最小二乘法的擬合曲線CCD相機畸變校正[J]. 陳永明,馮盛淼,戴穎超.  機電技術(shù). 2018(03)
[7]妊娠高血壓綜合征患者免疫功能與內(nèi)分泌相關(guān)性分析[J]. 房振亞,張美華.  國際免疫學(xué)雜志. 2018 (03)
[8]放射免疫分析對提升核醫(yī)學(xué)科綜合實力的重要意義[J]. 王閃閃.  標記免疫分析與臨床. 2018(02)
[9]ADVIA Centaur XP全自動化學(xué)發(fā)光免疫分析系統(tǒng)的性能驗證及評價[J]. 張玥,董振芳,鞠瑛,劉義慶,王勇,張炳昌.  國際檢驗醫(yī)學(xué)雜志. 2018(03)
[10]一種基于Hough變換的快速圓檢測算法[J]. 王敏,童水光,陳玉輝,從飛云.  機械工程與自動化. 2018(01)

碩士論文
[1]輸電線路導(dǎo)線斷股與損傷的圖像識別算法研究[D]. 劉新慧.西安工程大學(xué) 2018
[2]基于圖像處理技術(shù)的煤矸識別與分選技術(shù)研究[D]. 譚春超.太原理工大學(xué) 2017
[3]基于機器視覺的鋼箱梁虛擬裝配系統(tǒng)[D]. 董曉曉.濟南大學(xué) 2016
[4]基于圖像的駕駛主動安全前防撞的方法研究與實現(xiàn)[D]. 任薇.南京理工大學(xué) 2015
[5]基于雙目視覺的三維重建與測量技術(shù)研究[D]. 戴宗賢.重慶大學(xué) 2014
[6]基于稀疏表示模型的非局部圖像去噪算法研究[D]. 梁昭.安徽大學(xué) 2013
[7]復(fù)雜背景中基于紋理和顏色的車牌定位研究[D]. 徐勤燕.東華大學(xué) 2013



本文編號：3116880