自動(dòng)閱片技術(shù)采用圖像處理方法,在細(xì)胞核識(shí)別的基礎(chǔ)上實(shí)現(xiàn)對(duì)細(xì)胞核DNA含量的準(zhǔn)確測(cè)量,能夠?yàn)獒t(yī)生診斷提供輔助。圖像分割作為自動(dòng)閱片系統(tǒng)關(guān)鍵直接影響系統(tǒng)性能。然而,顯微鏡下細(xì)胞核圖片存在光照不均、背景陰影等情況。并且不可避免地存在一些血細(xì)胞、淋巴細(xì)胞、垃圾雜質(zhì)、成團(tuán)細(xì)胞,這嚴(yán)重降低了分割算法的性能。為解決上述問題,提出了復(fù)雜背景下的宮頸細(xì)胞核分割方法。該方法首先利用參數(shù)自適應(yīng)的局部閾值法來分割圖片,并利用自適應(yīng)的分割參數(shù)調(diào)節(jié)來處理圖片中的復(fù)雜情況。即利用局部閾值窗口大小和二值化后輪廓數(shù)量的函數(shù)關(guān)系來自動(dòng)調(diào)節(jié)窗口大小。然后根據(jù)得到的二值圖確定分水嶺算法的標(biāo)記圖像,最后利用分水嶺算法完成整張圖片的分割。實(shí)驗(yàn)表明,此方法能適應(yīng)復(fù)雜圖像環(huán)境,并可以從成團(tuán)細(xì)胞中分割出重疊程度較低的細(xì)胞,提高分類器識(shí)別細(xì)胞核的概率。 

【文章來源】：哈爾濱理工大學(xué)學(xué)報(bào). 2019,24(03)北大核心

【文章頁(yè)數(shù)】：7 頁(yè)

【文章目錄】：
0 引言
1 本文算法實(shí)現(xiàn)
    1.1 傳統(tǒng)分水嶺原理
    1.2 圖像預(yù)處理
        1.2.1 局部閾值原理
        1.2.2 自適應(yīng)參數(shù)調(diào)節(jié)
    1.3 標(biāo)記點(diǎn)的選取
        1.3.1 輪廓分割
        1.3.2 重復(fù)腐蝕
    1.4 分割算法實(shí)現(xiàn)步驟
2 實(shí)驗(yàn)和結(jié)果分析
    2.1 參數(shù)自適應(yīng)的對(duì)比實(shí)驗(yàn)
        2.1.1 實(shí)驗(yàn)數(shù)據(jù)
        2.1.2 實(shí)驗(yàn)過程
        2.1.3 實(shí)驗(yàn)結(jié)果分析
    2.2 分水嶺算法的對(duì)比實(shí)驗(yàn)
        2.2.1 實(shí)驗(yàn)數(shù)據(jù)與過程
        2.2.2 結(jié)果分析
    2.3 算法效果評(píng)價(jià)與分析
        2.3.1 實(shí)驗(yàn)數(shù)據(jù)
        2.3.2 實(shí)驗(yàn)過程
        2.3.3 實(shí)驗(yàn)結(jié)果與分析
3 結(jié)語


【參考文獻(xiàn)】：
期刊論文
[1]基于水平集和凹點(diǎn)區(qū)域檢測(cè)的粘連細(xì)胞分割方法[J]. 楊輝華,趙玲玲,潘細(xì)朋,劉振丙.  北京郵電大學(xué)學(xué)報(bào). 2016(06)
[2]基于多閾值Otsu準(zhǔn)則的閾值分割快速計(jì)算[J]. 申鉉京,劉翔,陳海鵬.  電子與信息學(xué)報(bào). 2017(01)
[3]基于局部期望閾值分割的圖像邊緣檢測(cè)算法[J]. 劉占.  計(jì)算機(jī)與現(xiàn)代化. 2016(08)
[4]圖像閾值分割方法研究進(jìn)展20年（1994—2014）[J]. 吳一全,孟天亮,吳詩(shī)婳.  數(shù)據(jù)采集與處理. 2015(01)



本文編號(hào)：3527007