隨著計(jì)算機(jī)技術(shù)被普遍應(yīng)用于各個領(lǐng)域,利用圖像處理與模式識別技術(shù)結(jié)合病理學(xué)知識,輔助醫(yī)生完成診斷,成為了目前機(jī)器視覺領(lǐng)域的研究熱點(diǎn)之一。宮頸癌是最常見也是唯一病因明確的女性惡性腫瘤,其發(fā)生與發(fā)展是一個逐漸演變的過程,且前中期病變的治愈率較高,因此定期檢查,及早發(fā)現(xiàn)一些癌前病變,可以有效地規(guī)避罹患宮頸癌的風(fēng)險(xiǎn)。近年來,國內(nèi)外的學(xué)者在巴氏涂片的基礎(chǔ)上,設(shè)計(jì)了多種針對不同圖片類型的計(jì)算機(jī)輔助宮頸細(xì)胞圖像分析算法。本文針對團(tuán)簇宮頸細(xì)胞圖像,以細(xì)胞核為研究對象,結(jié)合圖像分割、特征提取與分類識別步驟,實(shí)現(xiàn)了病變宮頸細(xì)胞核的篩查。具體工作如下:1.首先利用自適應(yīng)閾值Otsu算法結(jié)合數(shù)學(xué)形態(tài)學(xué)操作定位巴氏涂片中的細(xì)胞團(tuán)簇,之后利用選擇搜索從整幅圖像中提取感興趣區(qū)域,通過以上兩個步驟完成團(tuán)簇細(xì)胞圖像中感興趣區(qū)域的提取。在此基礎(chǔ)上,對提取到的所有感興趣區(qū)域進(jìn)行篩選以獲得細(xì)胞核區(qū)域,本文定義了一個名為最大截面的特征,利用該特征結(jié)合Back Propagation（BP）神經(jīng)網(wǎng)絡(luò)完成了細(xì)胞核篩選。2.在提取到的細(xì)胞核區(qū)域的基礎(chǔ)上,本文基于灰度直方圖分布將不同對比度細(xì)胞核分為高對比度組和低對比度組。對于高對比度組... 

【文章來源】：天津理工大學(xué)天津市

【文章頁數(shù)】：58 頁

【學(xué)位級別】：碩士

【部分圖文】：

不同類型的巴氏涂片

類法[61]、支持向量機(jī)（Support Vector Machine， SVM）[62-64]、神經(jīng)器融合[69-71]等方法完成細(xì)胞分類。隨著深度學(xué)習(xí)的發(fā)展，深度特征作自動學(xué)習(xí)而得到的特征在分類領(lǐng)域中取得了不錯的成績，Zhang 等人及郝占龍等人[74]將其應(yīng)用于宮頸細(xì)胞分類中。這里簡要介紹常用的agation (BP)神經(jīng)網(wǎng)絡(luò)的基本思想。 是一種以統(tǒng)計(jì)學(xué)習(xí)為理論基礎(chǔ)的分類器，通過一個非線性映射，把個高維乃至無窮維的特征空間中，這使得原本在樣本空間中線性不可了特征空間中線性可分的任務(wù)。SVM 是有監(jiān)督的學(xué)習(xí)模型之一，常、分類以及回歸分析等任務(wù)。經(jīng)網(wǎng)絡(luò)是由 Rumelhart 和 McClelland 為主的一組科學(xué)家于 1986 年仍是應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP 神經(jīng)網(wǎng)絡(luò)是多層前饋網(wǎng)絡(luò)層和輸出層，可實(shí)現(xiàn)從輸入到輸出的任意非線性映射，典型的 BP 神 1-2 所示。BP 神經(jīng)網(wǎng)絡(luò)包括信號的前向傳播和誤差的反向傳播兩個是梯度下降法，通過誤差的反向傳播連續(xù)調(diào)整網(wǎng)絡(luò)權(quán)值和閾值，使網(wǎng)小值。由于 BP 神經(jīng)網(wǎng)絡(luò)具有泛化能力強(qiáng)，學(xué)習(xí)過程簡單且具有一定別適合求解內(nèi)部機(jī)制復(fù)雜的問題等優(yōu)點(diǎn)，其通常用于數(shù)據(jù)分類與模

細(xì)胞團(tuán)簇定位過程

【參考文獻(xiàn)】：
期刊論文
[1]基于全卷積網(wǎng)絡(luò)和條件隨機(jī)場的宮頸癌細(xì)胞學(xué)圖像的細(xì)胞核分割[J]. 劉一鳴,張鵬程,劉祎,桂志國.  計(jì)算機(jī)應(yīng)用. 2018(11)
[2]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(bào). 2017(06)
[3]基于同層多尺度核CNN的單細(xì)胞圖像分類[J]. 郝占龍,羅曉曙,趙書林.  計(jì)算機(jī)工程與應(yīng)用. 2018(15)
[4]宮頸癌的篩查方法及其評價[J]. 蔣靜,鄧青.  中國婦幼保健. 2008(20)

博士論文
[1]光學(xué)顯微宮頸細(xì)胞圖像的分割與識別方法研究[D]. 關(guān)濤.國防科學(xué)技術(shù)大學(xué) 2015
[2]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]宮頸細(xì)胞圖像分割與識別算法研究[D]. 王爽.山東科技大學(xué) 2017
[2]醫(yī)學(xué)圖像智能分類技術(shù)研究與應(yīng)用[D]. 張璐.電子科技大學(xué) 2017
[3]宮頸細(xì)胞病理圖像的分類識別方法研究[D]. 呂緒洋.廣西師范學(xué)院 2016
[4]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
[5]一種基于圖像內(nèi)容的粗略分類方法研究[D]. 張鑫.南昌航空大學(xué) 2015
[6]基于Snake分割和SVM的宮頸細(xì)胞識別研究[D]. 魯武警.山東大學(xué) 2015



本文編號：3602729