細(xì)胞計數(shù)在生物學(xué)、醫(yī)學(xué)等諸多領(lǐng)域中發(fā)揮著重要作用,但是由于樣品中細(xì)胞數(shù)量較多,人工計數(shù)不僅費時費力,而且結(jié)果具有主觀性。為了能快速、準(zhǔn)確地統(tǒng)計出結(jié)果,有必要開發(fā)自動化細(xì)胞計數(shù)方法。微流控系統(tǒng)能夠操作體積非常微小的細(xì)胞樣品和試劑,可較好地實現(xiàn)細(xì)胞分離,有助于后續(xù)統(tǒng)計分析。在過去的幾年里,大量基于微流控芯片的實驗設(shè)備被提出用于細(xì)胞識別和計數(shù)。為獲得準(zhǔn)確的統(tǒng)計結(jié)果,基于圖像的方法被應(yīng)用于微流控芯片內(nèi)細(xì)胞計數(shù),然而,現(xiàn)有的圖像識別的方法大多限定于固定區(qū)域的細(xì)胞識別與計數(shù),由于固定區(qū)域背景單一,因而只需要簡單的方法或網(wǎng)絡(luò)即可實現(xiàn)細(xì)胞計數(shù)。當(dāng)這些方法應(yīng)用到非固定區(qū)域細(xì)胞計數(shù)時,效果會下降,另外,外界環(huán)境的干擾以及圖像質(zhì)量的下降進一步加劇了細(xì)胞計數(shù)的困難。針對上述問題,本文利用圖像處理、機器視覺等技術(shù)對微流控芯片內(nèi)的細(xì)胞顯微圖像進行自動分析,提供準(zhǔn)確的統(tǒng)計結(jié)果。具體工作開展如下:首先,本文對微流控芯片內(nèi)細(xì)胞圖像進行了預(yù)處理以提升圖像質(zhì)量�；赑earson系數(shù)與網(wǎng)格搜索,對顯微圖像的徑向畸變系數(shù)進行了求解,畸變校正后直線度達(dá)到了 0.008,與現(xiàn)有方法相比提升了 1 1%,校正效果良好:使用圖像配準(zhǔn)... 

【文章來源】：山東大學(xué)山東省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：73 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
符號說明
第一章 緒論
    1.1 研究背景
    1.2 研究現(xiàn)狀
        1.2.1 基于阻抗法的微流控芯片內(nèi)細(xì)胞計數(shù)
        1.2.2 基于光電法的微流控芯片內(nèi)細(xì)胞計數(shù)
        1.2.3 基于圖像法的微流控芯片內(nèi)細(xì)胞計數(shù)
    1.3 研究內(nèi)容與章節(jié)安排
第二章 細(xì)胞顯微圖像采集與預(yù)處理
    2.1 顯微圖像的采集及分析
        2.1.1 圖像采集系統(tǒng)
        2.1.2 顯微圖像特點分析
    2.2 圖像預(yù)處理
        2.2.1 去畸變
        2.2.2 圖像縫合
        2.2.3 去散焦模糊
    2.3 小結(jié)
第三章 基于神經(jīng)網(wǎng)絡(luò)的細(xì)胞與流道識別
    3.1 圖像識別神經(jīng)網(wǎng)絡(luò)
        3.1.1 網(wǎng)絡(luò)結(jié)構(gòu)
        3.1.2 損失函數(shù)
    3.2 結(jié)合明暗場信息的細(xì)胞與流道識別
        3.2.1 熒光圖片壓縮
        3.2.2 細(xì)胞與流道識別
    3.3 實例驗證與結(jié)果分析
        3.3.1 不同輸入下的識別效果
        3.3.2 對比實驗
    3.4 小結(jié)
第四章 接觸細(xì)胞分割
    4.1 算法流程
    4.2 凹點檢測
    4.3 凹點匹配
        4.3.1 確定候選匹配點
        4.3.2 凹點匹配原則
    4.4 實例驗證與結(jié)果分析
    4.5 小結(jié)
第五章 總結(jié)和展望
    5.1 工作總結(jié)
    5.2 研究展望
參考文獻
致謝
攻讀碩士學(xué)位期間取得的成果
攻讀碩士學(xué)位期間參與的項目
學(xué)位論文評閱及答辯情況表


【參考文獻】：
期刊論文
[1]基于凹點匹配的重疊圖像分割算法[J]. 韋冬冬,趙豫紅.  計算機與應(yīng)用化學(xué). 2010(01)
[2]一種基于邊緣生長的灰度和彩色圖象分割方法[J]. 林通,石青云.  中國圖象圖形學(xué)報. 2000(11)

碩士論文
[1]X射線顯微CT圖像畸變校正研究[D]. 徐曉茹.天津大學(xué) 2017



本文編號：3180838