人類染色體核型分析在遺傳病的檢查、產(chǎn)前診斷和癌癥病理分析等方面具有重要作用。染色體核型分析通過顯微成像設(shè)備拍攝到細胞中染色體中期分裂時的圖像,經(jīng)過圖像處理和模式識別等方法識別每一個染色體類別并排序得到核型分析圖。染色體特征的提取以及選擇分類算法對整個流程極其重要,染色體常用于分類的長度、著絲粒指數(shù)和帶紋特征都非常依賴于染色體圖像中軸的確定。但是,在染色體中軸提取過程中,傳統(tǒng)的細化算法提取的中軸具有容易形成較多毛刺、連通性較差以及不能具有單像素寬等問題;此外,目前常見的染色體分類方法在分類精度和模型訓(xùn)練時間都有一定的不足。因此如何有效地提取具有較少毛刺、連通性好、單像素寬的染色體中軸線,以及提出具有更優(yōu)性能的分類模型是本文研究工作的重點。為了能夠提取具有較少毛刺、連通性好、單像素寬等特征的染色體中軸線,本文提出了一種基于串行細化和并行細化的混合細化算法。該算法主要包括三個步驟:首先根據(jù)邊緣檢測算法確定圖像輪廓并處理邊界噪聲;然后根據(jù)設(shè)定的約束條件,對圖像輪廓像素進行刪除和保留處理;最后對經(jīng)過前兩個步驟多次迭代得到的中軸線進行處理,以保證提取的中軸線為單像素寬。同時為了能夠有效地評估所提出...

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 本文的研究背景和研究意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀及分析
        1.2.1 細化算法研究現(xiàn)狀及分析
        1.2.2 染色體分類算法研究現(xiàn)狀及分析
    1.3 本文的主要工作
    1.4 本文的組織結(jié)構(gòu)
2 圖像細化基礎(chǔ)及經(jīng)典串行和并行細化算法
    2.1 圖像細化基礎(chǔ)
        2.1.1 圖像細化背景及原理
        2.1.2 圖像細化標準
    2.2 經(jīng)典串行細化算法
        2.2.1 Hildich細化算法
        2.2.2 K3M細化算法
    2.3 經(jīng)典并行細化算法
        2.3.1 AW細化算法
        2.3.2 ZS細化算法原理
    2.4 本章小結(jié)
3 核極限學(xué)習(xí)機和人工蜂群算法基礎(chǔ)理論
    3.1 核極限學(xué)習(xí)機基本原理
        3.1.1 神經(jīng)網(wǎng)絡(luò)基本理論及模型
        3.1.2 核極限學(xué)習(xí)機原理及其優(yōu)缺點
    3.2 人工蜂群算法理論基礎(chǔ)
        3.2.1 群智能優(yōu)化算法概述
        3.2.2 人工蜂群算法原理
    3.3 本章小結(jié)
4 基于混合細化算法的染色體中軸提取
    4.1 算法描述
    4.2 算法內(nèi)容
        4.2.1 預(yù)處理階段
        4.2.2 根據(jù)約束條件保留和刪除輪廓像素
        4.2.3 后處理階段
    4.3 細化算法評價指標
    4.4 實驗與分析
        4.4.1 實驗運行環(huán)境
        4.4.2 實驗數(shù)據(jù)來源及對比方法
        4.4.3 實驗結(jié)果分析
    4.5 本章小結(jié)
5 染色體特征的提取和IABC-KELM競爭隊列分類模型
    5.1 染色體特征的提取
        5.1.1 染色體長度特征的提取
        5.1.2 染色體面積和著絲粒指數(shù)的提取
        5.1.3 染色體帶紋特征提取
        5.1.4 特征的歸一化
    5.2 基于二分類IABC-KELM競爭隊列的染色體分類
        5.2.1 算法描述
        5.2.2 算法內(nèi)容
    5.3 實驗與分析
    5.4 本章小結(jié)
6 總結(jié)與展望
    6.1 本文主要工作總結(jié)
    6.2 未來工作展望
參考文獻
致謝
個人簡歷、在校期間發(fā)表的學(xué)術(shù)論文與研究成果



本文編號：3874283