【摘要】：近年來全球范圍內(nèi)宮頸癌的發(fā)病率呈逐年上升趨勢,已經(jīng)成為威脅婦女生命的社會問題。DNA倍體分析技術(shù)是近年來應(yīng)用到細(xì)胞病理學(xué)自動閱片技術(shù)。有效的將病理學(xué)專家的診斷經(jīng)驗(yàn)與計(jì)算機(jī)的精確計(jì)算和快速處理能力結(jié)合起來,實(shí)現(xiàn)對宮頸細(xì)胞圖像的識別和診斷。該技術(shù)首先采集人體細(xì)胞標(biāo)本,并對細(xì)胞DNA染色,然后將細(xì)胞置于顯微鏡下,通過高分辨率相機(jī)拍攝得到細(xì)胞核圖片。采用模型訓(xùn)練方法,將細(xì)胞核圖像進(jìn)行分類并識別各類細(xì)胞核,然后采用圖像處理技術(shù)測量細(xì)胞DNA的相對含量。最后將異常的細(xì)胞羅列出來,輔助醫(yī)生診斷。然而異常細(xì)胞大多數(shù)存在于重疊細(xì)胞團(tuán),所以對于DNA倍體系統(tǒng),準(zhǔn)確識別出重疊細(xì)胞核至關(guān)重要。由于采集到的標(biāo)本中重疊細(xì)胞核種類繁多,收集大量重疊細(xì)胞核費(fèi)時(shí)費(fèi)力,這使得成團(tuán)細(xì)胞核的訓(xùn)練圖片數(shù)量遠(yuǎn)遠(yuǎn)少于其他類別的圖片數(shù)量,導(dǎo)致訓(xùn)練數(shù)據(jù)失衡問題。然而大多數(shù)分類器學(xué)習(xí)算法對于不平衡數(shù)據(jù)分類效果并不理想,解決訓(xùn)練數(shù)據(jù)失衡問題對DNA倍體系統(tǒng)有重大意義。為解決上述問題,本文提出了失衡數(shù)據(jù)情況下成團(tuán)細(xì)胞圖像合成與分類方法。本文工作包括以下幾個方面:1.提出了一種基于余弦不變性的源細(xì)胞圖像選擇方法。該方法首先提取細(xì)胞圖像的特征值,然后基于特征空間利用余弦不變性原理,挑選有代表性的單細(xì)胞圖像用來合成大量成團(tuán)細(xì)胞圖像。當(dāng)樣本間形成的角度小于定義的閥值時(shí),只有一個輸入樣本被接受用于作為合成細(xì)胞圖像的原始材料,增加了合成數(shù)據(jù)樣本的多樣性。2.提出了基于隨機(jī)性的成團(tuán)細(xì)胞圖像合成方法。首先源細(xì)胞圖經(jīng)過旋轉(zhuǎn),分割后等處理,用兩張圖片圖合成新的成團(tuán)細(xì)胞核圖片。為了使合成的細(xì)胞盡可能地接近真實(shí),主要考慮了三個方面的問題。為了確保合成的細(xì)胞具有代表性,我們對單細(xì)胞進(jìn)行篩選,獲得典型的單細(xì)胞圖像用于合成。為了避免合成的數(shù)據(jù)在樣本空間過度聚集,在細(xì)胞的旋轉(zhuǎn)角度和重疊程度兩個方面引入和隨機(jī)性。為使重疊部分真實(shí),對重疊部分像素需要進(jìn)行重構(gòu)。3.提出了一種基于主動學(xué)習(xí)的合成重疊細(xì)胞圖像選擇方法。該方法首先將大量樣本分為多個樣本簇,增加主動選擇樣本的效率;其次根據(jù)兩條選擇標(biāo)準(zhǔn)來選擇訓(xùn)練樣本,即代表性和不確定性;然后在循環(huán)迭代過程中對每一個樣本簇進(jìn)行神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練,來選擇代表性訓(xùn)練樣本;最終將選擇出的所有成團(tuán)細(xì)胞圖像和單細(xì)胞圖像,用于模型訓(xùn)練。實(shí)驗(yàn)表明,向小類樣本類別加入合成重疊成團(tuán)細(xì)胞后,在多種分類器上都取得了識別率的提升。本文方法能用于不平衡數(shù)據(jù)處理問題上,當(dāng)小類樣本數(shù)據(jù)量過少無法讓分類器學(xué)習(xí)充分時(shí),有效合理的合成所需的細(xì)胞圖像,模擬重疊細(xì)胞團(tuán)的紋理、灰度、形狀、大小等特征,使分類器更加充分全面的學(xué)習(xí)小類樣本特征。最終結(jié)合主動學(xué)習(xí)方法來選擇質(zhì)量高的成團(tuán)細(xì)胞圖像,讓模型學(xué)習(xí)的更好并大大的提高了分類器對細(xì)胞圖像的識別率。
【圖文】：

哈爾濱理工大學(xué)工程碩士學(xué)位論文量較大的樣本進(jìn)行模型訓(xùn)練。析系統(tǒng)需要將細(xì)胞核圖像進(jìn)行分類，如何分類類別圖片處理方式不同，因此需要對細(xì)胞圖片需要精細(xì)，但也要保證所有相似的樣本被分為胞的難度。鑒于以上幾點(diǎn)，考慮本文將細(xì)胞分胞，單個非典型上皮細(xì)胞，兩個上皮細(xì)胞，3 ，淋巴細(xì)胞和固縮核，單個中心粒細(xì)胞，兩個像如下圖：

哈爾濱理工大學(xué)工程碩士學(xué)位論文成。由于使用的是均勻產(chǎn)生隨機(jī)數(shù)的方法，生成的新圖片不集。通過實(shí)驗(yàn)證明，引入隨機(jī)性后分類器的正確識別率會高一避免合成數(shù)據(jù)偏向固定分布，通過線性同余法生成均勻隨機(jī)式如下： /,1,2,...(mod)1xMnxxcMnnnn 值，其中 的含義為乘子， c 的含義為增量， M 的含義為模胞合成算法以用單個細(xì)胞核和 3 重疊細(xì)胞團(tuán)合成 4 重疊細(xì)胞團(tuán)的例子來成方法。經(jīng)過旋轉(zhuǎn)，分割提取輪廓，，兩細(xì)胞區(qū)域靠近的方式團(tuán)。圖 4-2 為合成過程：
【學(xué)位授予單位】：哈爾濱理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：R737.33;TP391.41;TP181

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 趙娜;;《圖像合成》學(xué)習(xí)工具制作綜述[J];中國信息技術(shù)教育;2015年04期

2 陳野;;高中物理實(shí)驗(yàn)圖像的教學(xué)功能深度開發(fā)[J];湖南中學(xué)物理;2017年03期

3 郝金松;;利用Photoshop綜合處理圖片[J];中國多媒體與網(wǎng)絡(luò)教學(xué)學(xué)報(bào)(電子版);2016年06期

4 尹帥;韓玉萍;;數(shù)字化圖像合成教學(xué)設(shè)計(jì)[J];中華少年;2017年08期

5 單薇;;巧用圖層蒙版進(jìn)行圖像合成[J];考試周刊;2017年33期

6 佟竺軒;宋南;;淺析特效在微電影中的作用[J];數(shù)碼世界;2017年06期

7 李秀釵;;《圖像的合成加工》之課堂教學(xué)探究[J];中小學(xué)電教(下半月);2017年09期

8 蔣愛德;扈少華;;彩色圖像合成技術(shù)分析[J];鄭州牧業(yè)工程高等�？茖W(xué)校學(xué)報(bào);2008年04期

9 孟祥釗;;基于3D4U的立體圖像合成[J];數(shù)碼印刷;2008年02期

10 陳柏潤，王曉京;圖像合成的軟件設(shè)計(jì)[J];計(jì)算機(jī)應(yīng)用研究;1996年04期

相關(guān)會議論文 前10條

1 邵新星;何小元;;亞像素圖像合成[A];中國力學(xué)大會-2015論文摘要集[C];2015年

2 錢霖;;兩幀圖像合成的“亞象元”方法[A];首屆信息獲取與處理學(xué)術(shù)會議論文集[C];2003年

3 尹寶才;高文;晏潔;;三維人臉變形模型和面部圖像合成——面向合成編碼的面部圖像合成方法[A];信息科學(xué)與微電子技術(shù):中國科協(xié)第三屆青年學(xué)術(shù)年會論文集[C];1998年

4 李茶茶;李飛;;一種新的指紋圖像合成分割法[A];2010年通信理論與信號處理學(xué)術(shù)年會論文集[C];2010年

5 羅功銀;周正;饒強(qiáng);;基于Visual C++的數(shù)字圖像合成算法研究[A];2017智能電網(wǎng)信息化建設(shè)研討會論文集[C];2017年

6 姜志國;史文華;韓冬兵;孫維忠;劉莉;;基于聚焦合成的顯微三維成像系統(tǒng)[A];2004年CT和三維成像學(xué)術(shù)年會論文集[C];2004年

7 陸宗騏;朱煜;;圖像合成原理及其實(shí)現(xiàn)[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

8 趙莎;樂光新;;一種適于視頻會議的多會場圖像合成方法[A];2008年中國高校通信類院系學(xué)術(shù)研討會論文集（上冊）[C];2009年

9 曹玫璇;王章野;李理;彭群生;;基于個性化原型的人臉?biāo)ダ蠄D像合成[A];中國計(jì)算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國計(jì)算機(jī)圖形學(xué)大會論文集[C];2008年

10 黃靜;王希;齊東旭;唐澤圣;;基于二值掩碼圖像的圖像合成方法及其應(yīng)用[A];中國計(jì)算機(jī)圖形學(xué)進(jìn)展2008--第七屆中國計(jì)算機(jī)圖形學(xué)大會論文集[C];2008年

相關(guān)重要報(bào)紙文章 前5條

1 圖像點(diǎn)青;靈感重現(xiàn)[N];中國電腦教育報(bào);2003年

2 記者 李鵬;人臉識別新突破：或成破案神器[N];北京科技報(bào);2015年

3 Li Hua;巧用Alpha通道實(shí)現(xiàn)特效[N];電腦報(bào);2004年

4 劉東波;輕松縫合破碎圖像[N];計(jì)算機(jī)世界;2004年

5 天空;用Photoshop制作暈光字[N];江蘇經(jīng)濟(jì)報(bào);2003年

相關(guān)博士學(xué)位論文 前10條

1 鮑建敏;基于生成對抗網(wǎng)絡(luò)的圖像合成[D];中國科學(xué)技術(shù)大學(xué);2019年

2 殷國君;基于深度學(xué)習(xí)的圖像特征理解與語義表達(dá)[D];中國科學(xué)技術(shù)大學(xué);2019年

3 宋曉丹;面向云移動媒體計(jì)算的圖像視頻通信和存儲技術(shù)研究[D];西安電子科技大學(xué);2017年

4 杜楊洲;基于統(tǒng)計(jì)學(xué)習(xí)的人臉圖像合成方法研究[D];清華大學(xué);2004年

5 李旭東;人臉圖像合成技術(shù)研究及數(shù)字水印技術(shù)[D];浙江大學(xué);2005年

6 王樹才;禽蛋檢測與分級智能機(jī)器人研究[D];華中農(nóng)業(yè)大學(xué);2006年

7 杜振龍;圖像—視頻摳像技術(shù)的研究[D];浙江大學(xué);2007年

8 胡偉平;基于認(rèn)知邏輯的個性化人臉圖像合成研究[D];西南大學(xué);2014年

9 王楠楠;異質(zhì)人臉圖像合成及其應(yīng)用研究[D];西安電子科技大學(xué);2015年

10 張征;面向室外監(jiān)控場景的天氣分類與低質(zhì)圖像增強(qiáng)技術(shù)研究[D];北京郵電大學(xué);2017年

相關(guān)碩士學(xué)位論文 前10條

1 高鵬;基于深度學(xué)習(xí)的語義控制圖像合成技術(shù)研究[D];北京郵電大學(xué);2019年

2 李紅運(yùn);基于深度學(xué)習(xí)的圖像生成技術(shù)[D];中國科學(xué)院大學(xué)(中國科學(xué)院光電技術(shù)研究所);2019年

3 余蓮;失衡數(shù)據(jù)情況下成團(tuán)細(xì)胞圖像合成與分類[D];哈爾濱理工大學(xué);2019年

4 張俊強(qiáng);基于對抗網(wǎng)絡(luò)的眼鏡摘除人臉復(fù)原方法研究[D];廈門大學(xué);2018年

5 楊杰;JPEG圖像取證研究[D];深圳大學(xué);2018年

6 周呈峰;自然圖片的可交換區(qū)域的合成與優(yōu)化[D];湖南大學(xué);2018年

7 黃靜;基于情緒調(diào)色板組合映射的圖像重上色方法研究[D];湖南大學(xué);2018年

8 李麗娜;可視密碼的應(yīng)用及一些研究[D];杭州電子科技大學(xué);2018年

9 沈卓薈;基于深度學(xué)習(xí)的圖像合成技術(shù)研究[D];華東師范大學(xué);2018年

10 龍鑫;基于相機(jī)陣列的高動態(tài)范圍圖像合成技術(shù)[D];國防科學(xué)技術(shù)大學(xué);2016年

本文編號：2640878