發(fā)布時(shí)間：2017-06-06 04:08

  本文關(guān)鍵詞：視網(wǎng)膜感光細(xì)胞自動計(jì)數(shù)與應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

【摘要】：眼睛是人類感知外界，形成色覺的重要器官。視網(wǎng)膜感光細(xì)胞直接負(fù)責(zé)光線的接收和轉(zhuǎn)化，了解感光細(xì)胞分布狀態(tài)是醫(yī)學(xué)工作者對視網(wǎng)膜進(jìn)行初步診斷的直接簡便的方法，其相對數(shù)目也是醫(yī)學(xué)工作者對人類視覺研究和人眼眼病病理研究的重要參數(shù)。當(dāng)圖中細(xì)胞數(shù)量眾多，且有大量圖像需要計(jì)數(shù)時(shí)，將不可能采用人工計(jì)數(shù)方式。本文提出了一種感光細(xì)胞自動計(jì)數(shù)算法，，該算法遍歷視網(wǎng)膜圖像中的所有像素，自動標(biāo)記出每個(gè)感光細(xì)胞的位置，并統(tǒng)計(jì)出最終的感光細(xì)胞數(shù)目。通過與人工計(jì)數(shù)的結(jié)果對比來評價(jià)自動感光細(xì)胞計(jì)數(shù)算法細(xì)胞計(jì)數(shù)的準(zhǔn)確性，結(jié)果顯示，該算法與人工計(jì)數(shù)的匹配率和吻合率分別超過了在94.9%到93.0%，具有較高的計(jì)數(shù)精度，另外該算法的運(yùn)行時(shí)間短，也使得對視網(wǎng)膜的實(shí)時(shí)監(jiān)控分析成為可能。在感光細(xì)胞自動計(jì)數(shù)算法研究的基礎(chǔ)上，本文進(jìn)一步研究了感光細(xì)胞的密度測量，利用Littmann公式和Bennett等人提出的眼底參數(shù)測量方法，實(shí)現(xiàn)了對感光細(xì)胞密度的計(jì)算，并在VISUAL C++平臺上完成了感光細(xì)胞計(jì)數(shù)與密度計(jì)算軟件的開發(fā)。
【關(guān)鍵詞】：視網(wǎng)膜 感光細(xì)胞 自動計(jì)數(shù) 自適應(yīng)光學(xué)
【學(xué)位授予單位】：中國科學(xué)院研究生院（光電技術(shù)研究所）
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：R774.1;TP391.41
【目錄】：

• 致謝4-5
• 摘要5-6
• ABSTRACT6-9
• 第一章 緒論9-27
• 1.1 選題背景9-16
• 1.1.1 人類對眼睛的探索9-10
• 1.1.2 眼底成像技術(shù)10-11
• 1.1.3 人眼自適應(yīng)光學(xué)11-14
• 1.1.3.1 自適應(yīng)光學(xué)基本概念11-12
• 1.1.3.2 自適應(yīng)光學(xué)系統(tǒng)的基本組成12-13
• 1.1.3.3 自適應(yīng)光學(xué)技術(shù)在人眼上的應(yīng)用13-14
• 1.1.4 人眼視網(wǎng)膜簡介14-16
• 1.2 課題的選定及意義16-19
• 1.2.1 配合人眼色覺機(jī)理的研究17-18
• 1.2.2 輔助人眼眼底疾病的診斷18-19
• 1.3 細(xì)胞計(jì)數(shù)發(fā)展現(xiàn)狀19-25
• 1.3.1 普通細(xì)胞計(jì)數(shù)19-22
• 1.3.1.1 血細(xì)胞計(jì)數(shù)方法20-21
• 1.3.1.2 牛奶體細(xì)胞計(jì)數(shù)方法21-22
• 1.3.2 視網(wǎng)膜細(xì)胞計(jì)數(shù)的不同之處22-23
• 1.3.3 視網(wǎng)膜細(xì)胞計(jì)數(shù)方法23-25
• 1.4 論文主要研究內(nèi)容及整體框架25-27
• 第二章 視網(wǎng)膜感光細(xì)胞圖像采集及噪聲處理27-34
• 2.1 視網(wǎng)膜成像儀與圖像采集27-31
• 2.1.1 活體人眼視網(wǎng)膜自適應(yīng)光學(xué)成像儀27-28
• 2.1.2 成像系統(tǒng)的點(diǎn)擴(kuò)散函數(shù)28-29
• 2.1.3 視網(wǎng)膜感光細(xì)胞圖像采集29-31
• 2.2 視網(wǎng)膜感光細(xì)胞圖像噪聲分析和噪聲處理31-34
• 2.2.1 視網(wǎng)膜圖像噪聲分析31-32
• 2.2.2 視網(wǎng)膜感光細(xì)胞噪聲特性總結(jié)及其預(yù)處理方法32-34
• 第三章 視網(wǎng)膜感光細(xì)胞自動計(jì)數(shù)算法34-48
• 3.1 感光細(xì)胞自動計(jì)數(shù)算法框架34
• 3.2 標(biāo)記視網(wǎng)膜感光細(xì)胞圖像的極大值點(diǎn)34-36
• 3.3 收縮聯(lián)通標(biāo)記點(diǎn)36-37
• 3.4 去除細(xì)胞內(nèi)冗余極大值點(diǎn)37-43
• 3.4.1 圖像處理中的形態(tài)學(xué)37-40
• 3.4.2 膨脹算法40-43
• 3.5 去除背景無效標(biāo)記點(diǎn)43-45
• 3.6 實(shí)驗(yàn)結(jié)果和分析45-48
• 第四章 視網(wǎng)膜感光細(xì)胞密度計(jì)算48-53
• 4.1 Littmann 計(jì)算公式48-49
• 4.2 改進(jìn)的因子 q 計(jì)算方法49-51
• 4.3 p 的確定51
• 4.4 密度計(jì)算實(shí)例51-53
• 第五章 感光細(xì)胞計(jì)數(shù)軟件53-57
• 5.1 軟件設(shè)計(jì)平臺53
• 5.2 軟件設(shè)計(jì)要求53-54
• 5.3 感光細(xì)胞計(jì)數(shù)軟件展示54-57
• 5.3.1 打開圖像54-55
• 5.3.2 感光圖像計(jì)數(shù)55-56
• 5.3.3 結(jié)果保存56-57
• 第六章 總結(jié)與展望57-59
• 6.1 工作總結(jié)57
• 6.2 工作展望57-59
• 參考文獻(xiàn)59-61
• 作者簡介及在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果61

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前4條

1 凌寧,張雨東,饒學(xué)軍,李新陽,王成,胡弈云,姜文漢;用于活體人眼視網(wǎng)膜觀察的自適應(yīng)光學(xué)成像系統(tǒng)[J];光學(xué)學(xué)報(bào);2004年09期

2 劉俊麗;薛河儒;;基于圖像處理的牛奶體細(xì)胞計(jì)數(shù)方法的研究[J];內(nèi)蒙古農(nóng)業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年04期

3 姜春暉,王文吉,徐格致,凌寧,張雨東,饒學(xué)軍,李新陽;自適應(yīng)系統(tǒng)對活體人眼視網(wǎng)膜細(xì)胞的初步觀察[J];上海醫(yī)學(xué);2003年07期

4 姜文漢;;自適應(yīng)光學(xué)技術(shù)[J];自然雜志;2006年01期

  本文關(guān)鍵詞：視網(wǎng)膜感光細(xì)胞自動計(jì)數(shù)與應(yīng)用研究，由筆耕文化傳播整理發(fā)布。

本文編號：425334