發(fā)布時間：2021-10-22 07:01

　　宮頸癌一直是女性最為常見的惡性腫瘤之一,但如果在宮頸癌變早期就發(fā)現(xiàn)治療,被治愈的可能會大大提高。宮頸癌篩查技術(shù)很多都是靠閱片醫(yī)師人工判讀大量的細(xì)胞涂片,不僅給閱片醫(yī)師造成了巨大工作壓力,人工判讀還會出現(xiàn)主觀誤差。現(xiàn)階段宮頸細(xì)胞自動識別技術(shù)發(fā)展還不成熟,宮頸癌細(xì)胞識別率低。本論文在前人數(shù)字圖像處理和模式識別技術(shù)研究的基礎(chǔ)上,以提高宮頸癌細(xì)胞圖像的自動化分類識別準(zhǔn)確率為目標(biāo),研究基于級聯(lián)多分類器融合的宮頸癌細(xì)胞圖像分類識別方法。首先,對宮頸細(xì)胞圖像進(jìn)行預(yù)處理。本文根據(jù)細(xì)胞類別特點,對宮頸細(xì)胞圖像進(jìn)行卷積銳化和直方圖均衡化處理,使處理后的圖像細(xì)胞邊緣信息更加突出,提高分類的準(zhǔn)確率。??其次,對處理后的宮頸細(xì)胞圖像進(jìn)行特征提取。由于傳統(tǒng)方法提取的特征包含有用信息較少,根據(jù)遷移學(xué)習(xí)思想本文通過去掉全連接層改進(jìn)深度學(xué)習(xí)模型,實現(xiàn)對細(xì)胞圖像的特征提取。由于改進(jìn)的深度學(xué)習(xí)模型提取的特征包含冗余,不利于提高分類的準(zhǔn)確率。與單變量特征選擇模型的優(yōu)點相結(jié)合,提出一種新的特征提取模型,使模型提取出來的特征能有效地對宮頸細(xì)胞進(jìn)行分類。再次,對提取出來的特征數(shù)據(jù)進(jìn)行降維。為了提高宮頸細(xì)胞圖像分類準(zhǔn)確率和運算速度,... 

【文章來源】：哈爾濱理工大學(xué)黑龍江省

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【部分圖文】：

正常的鱗狀上皮細(xì)胞

-7-圖 2-2 正常的中層鱗狀細(xì)胞.2-2 Normal middle squamous?細(xì)胞體積大小不一，細(xì)體如圖 2-3 所示。該類細(xì)。圖 2-3 正常的柱狀細(xì)胞Fig.2-3 Normal columnar cel

點為細(xì)胞大多呈現(xiàn)圓形粒狀。具體如圖 2-2 所量為 70。圖 2-2 正常的中層鱗狀細(xì)胞.2-2 Normal middle squamou細(xì)胞體積大小不一，細(xì)體如圖 2-3 所示。該類

【參考文獻(xiàn)】：
期刊論文
[1]基于深度卷積神經(jīng)網(wǎng)絡(luò)的宮頸細(xì)胞涂片的病變細(xì)胞分類[J]. 胡卉,蔡金清.  軟件工程. 2018(08)
[2]基于深度卷積神經(jīng)網(wǎng)絡(luò)的宮頸細(xì)胞病理智能輔助診斷方法[J]. 廖欣,鄭欣,鄒娟,馮敏,孫亮,楊開選.  液晶與顯示. 2018(06)
[3]基于巖石圖像深度學(xué)習(xí)的巖性自動識別與分類方法[J]. 張野,李明超,韓帥.  巖石學(xué)報. 2018(02)
[4]結(jié)合層次法與主成分分析特征變換的宮頸細(xì)胞識別[J]. 趙理莉,孫燎原,殷建平,李寬,印萬鵬,祝恩.  國防科技大學(xué)學(xué)報. 2017(06)
[5]AdaBoost檢測結(jié)合SOM的自動人臉識別方法[J]. 葉劍鋒,王化明.  哈爾濱工程大學(xué)學(xué)報. 2018(01)
[6]一種自適應(yīng)的多類Boosting分類算法[J]. 王世勛,潘鵬,陳燈,盧炎生.  計算機科學(xué). 2017(07)
[7]數(shù)字圖像處理在光學(xué)相關(guān)識別中的應(yīng)用研究[J]. 房倩.  科技經(jīng)濟(jì)導(dǎo)刊. 2016(16)
[8]基于深度學(xué)習(xí)混合模型遷移學(xué)習(xí)的圖像分類[J]. 石祥濱,房雪鍵,張德園,郭忠強.  系統(tǒng)仿真學(xué)報. 2016(01)
[9]宮頸癌及癌前病變早期篩查的新進(jìn)展[J]. 朱方培,任青玲.  現(xiàn)代腫瘤醫(yī)學(xué). 2016(01)
[10]宮頸活檢與宮頸錐切術(shù)在宮頸上皮內(nèi)瘤變中臨床價值[J]. 高紅靜.  現(xiàn)代儀器與醫(yī)療. 2013(04)

博士論文
[1]宮頸細(xì)胞圖像分割和識別方法研究[D]. 范金坪.暨南大學(xué) 2010

碩士論文
[1]基于強特征CNN-SVM的宮頸癌細(xì)胞檢測[D]. 李正義.北京交通大學(xué) 2018
[2]基于同層多尺度核卷積神經(jīng)網(wǎng)絡(luò)的單細(xì)胞圖像分類研究[D]. 郝占龍.廣西師范大學(xué) 2017
[3]基于卷積神經(jīng)網(wǎng)絡(luò)的宮頸細(xì)胞病變圖像識別研究[D]. 郭磊.廣西師范大學(xué) 2017
[4]宮頸細(xì)胞圖像特征分析與自動識別方法研究[D]. 許璇.哈爾濱理工大學(xué) 2017
[5]一種多分類器融合的單個宮頸細(xì)胞圖像分割、特征提取和分類識別方法研究[D]. 李文杰.廣西師范大學(xué) 2016
[6]基于LDA的特征提取及其在人臉識別中的應(yīng)用[D]. 湯鵬.河北大學(xué) 2015



本文編號：3450603