【摘要】：計算機輔助檢測是利用計算機學習人類的經(jīng)驗,達到自動化的輔助診斷病癥。隨著機器學習技術的發(fā)展,應用的領域不斷擴展,它與醫(yī)療圖像相結合的計算機輔助診斷成為研究的熱點。通過自動化的輔助檢測減輕醫(yī)生的工作量甚至提高診斷的準確率是科技人員不斷研究的目標。有效利用醫(yī)院每天產(chǎn)生的大量細胞圖像,結合圖像相關技術和機器學習的思想,建立細胞輔助檢測的分類模型。由于細胞圖像與普通醫(yī)療影像不同,具有不規(guī)則性和較多的干擾因素,導致識別難度增加,因此病理細胞的輔助檢測方法仍需研究和進步。由于各類細胞差異較大,無法統(tǒng)一研究。本文以宮頸細胞圖像作為主要研究對象,在其基礎上研究了各項輔助檢測技術,主要包括圖像預處理技術、圖像特征提取與分析和圖像分類技術。詳細的研究內(nèi)容包括以下幾方面:首先,研究了基于活動輪廓模型的分割技術,同時研究了基于水平集算法和曲線演化理論的C-V模型,利用C-V模型成功提取了細胞圖像的感興趣區(qū)域,分割了細胞核與細胞質。其次,針對細胞圖像的特征提取技術,研究了細胞圖像的全局特征,提取了包括形態(tài)、色度和紋理等特征。其中針對紋理特征的提取,根據(jù)細胞圖像的特殊性,提出了改進的灰度共生矩陣紋理提取方法,提取了更有效的特征向量,提高了分類的正確率。在已提取的特征集合上采用啟發(fā)式搜索算法得到最有效的特征子集用于后續(xù)的分類研究。最后,針對細胞圖像的分類技術,本文研究了主流的機器學習技術,包括神經(jīng)網(wǎng)絡和SVM,分別以它們作為分類器,利用前面提取到的特征作為輸入進行訓練,進行宮頸細胞分類實驗。在此基礎上,提出了一種改進的粒子群算法,利用它優(yōu)化了BP神經(jīng)網(wǎng)絡的權值訓練,提高了分類器的正確率。
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：R361;TP391.41

【參考文獻】

相關期刊論文 前10條

1 劉議聰;朱泓光;宋永強;;一種改進粒子群算法優(yōu)化BP神經(jīng)網(wǎng)絡實現(xiàn)核素識別方法[J];兵工自動化;2016年04期

2 江嘉偉;毋文峰;;一種改進的粒子群算法[J];電腦編程技巧與維護;2016年06期

3 張志宇;白云霞;;粒子群算法不同慣性權重之間的比較[J];淮海工學院學報(自然科學版);2016年01期

4 王明泉;梁君婷;馮曉夏;;基于改進水平集的醫(yī)學圖像分割[J];中國科技論文在線;2011年01期

5 古輝;吳佳麗;;一種紅細胞特征提取與分類識別的研究[J];浙江工業(yè)大學學報;2009年05期

6 劉麗;匡綱要;;圖像紋理特征提取方法綜述[J];中國圖象圖形學報;2009年04期

7 何新英;王家忠;孫晨霞;常淑惠;周桂紅;;基于數(shù)學形態(tài)學和Canny算子的邊緣提取方法[J];計算機應用;2008年02期

8 錢蕓;張英杰;;水平集的圖像分割方法綜述[J];中國圖象圖形學報;2008年01期

9 何苗;全宇;李建華;付志民;周寶森;;MLP神經(jīng)網(wǎng)絡在子宮頸細胞圖像識別中的應用[J];中國衛(wèi)生統(tǒng)計;2006年04期

10 關新平,趙立興,唐英干;圖像去噪混合濾波方法[J];中國圖象圖形學報;2005年03期

相關碩士學位論文 前1條

1 白艷敏;粒子群算法及其應用研究[D];蘭州交通大學;2013年

，

本文編號：2581842