本文選題：間接免疫熒光圖像 + 染色模式　； 參考：《電子學(xué)報(bào)》2016年12期

【摘要】：Hep-2染色模式分類主要用于免疫疾病診斷,但已有方法受熒光成像環(huán)境,細(xì)胞圖像自身的視覺(jué)特性的影響,分類準(zhǔn)確率較低.本文提出一種新的適合于HEp-2染色模式分類的特征提取方法.在構(gòu)建了不同尺度下的高斯平滑圖像序列后,利用shape index實(shí)現(xiàn)圖像二維結(jié)構(gòu)的直觀描述,進(jìn)而通過(guò)多灰度閾值圖像結(jié)構(gòu)的空間分解,使其同時(shí)具備對(duì)微觀二維圖像結(jié)構(gòu)和空間信息的描述能力.該方法在ICPR和SNP HEp-2數(shù)據(jù)集的兩折交叉細(xì)胞級(jí)測(cè)試中,分別獲得89.83%和87.49%的準(zhǔn)確率,在ICPR的28折交叉細(xì)胞級(jí)和圖像級(jí)測(cè)試分別達(dá)到60.5%和70.56%的準(zhǔn)確率,明顯優(yōu)于LBP、CLBP等方法,和CoALBP特征相當(dāng).
[Abstract]:Hep-2 staining pattern classification is mainly used in the diagnosis of immune diseases, but the existing methods are affected by the visual characteristics of the cell image and the fluorescence imaging environment, and the classification accuracy is low. In this paper, a new feature extraction method suitable for HEp-2 staining pattern classification is proposed. After constructing the Gao Si smoothing image sequences of different scales, the two-dimensional structure of the image is described intuitively by using shape index, and then the spatial decomposition of the multi-gray threshold image structure is carried out. At the same time, it has the ability to describe the structure and spatial information of micro two-dimensional image. The accuracy of this method is 89.83% and 87.49% for ICPR and SNP HEp-2 data sets, respectively, and 60.5% and 70.56% for ICPR and SNP HEp-2 data sets, respectively. The characteristics are similar to those of CoALBP.
【作者單位】： 湘潭大學(xué)信息工程學(xué)院;機(jī)器人視覺(jué)感知與控制技術(shù)國(guó)家工程實(shí)驗(yàn)室;
【基金】：國(guó)家自然科學(xué)基金(No.60835004) 湖南教育廳重點(diǎn)項(xiàng)目(No.14A137) 湘潭大學(xué)控制科學(xué)與工程學(xué)科建設(shè)經(jīng)費(fèi)資助
【分類號(hào)】：R593;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前2條

1 趙志翔;楊福生;康德tD;;表面肌電信號(hào)的LSL分析及臨床模式分類[J];北京生物醫(yī)學(xué)工程;1989年04期

2 ;[J];;年期

相關(guān)會(huì)議論文 前2條

1 王慶人;;高性能模式分類(?)研究[A];IEEE北京分會(huì)第一屆學(xué)術(shù)年會(huì)論文集[C];1987年

2 喻宗泉;;Kohonen網(wǎng)絡(luò)在輝光弧光模式分類中的應(yīng)用[A];1997中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];1997年

相關(guān)博士學(xué)位論文 前3條

1 趙峰;基于核方法與累積量隨機(jī)學(xué)習(xí)的模式分類研究[D];西安電子科技大學(xué);2008年

2 齊國(guó)君;多類別模式分類技術(shù)及其在多媒體分析上的應(yīng)用[D];中國(guó)科學(xué)技術(shù)大學(xué);2009年

3 何英華;模式分類與視覺(jué)導(dǎo)航中的分層數(shù)據(jù)處理研究[D];清華大學(xué);2005年

相關(guān)碩士學(xué)位論文 前3條

1 梁洲;改進(jìn)的K-近鄰模式分類[D];電子科技大學(xué);2015年

2 雷云珊;嬰兒啼哭聲分析與模式分類[D];山東科技大學(xué);2006年

3 孫南;壓縮傳感在模式分類中的應(yīng)用研究[D];安徽大學(xué);2012年

，

本文編號(hào)：2082298