【摘要】：白血病是由于人體的骨髓和造血組織中白細(xì)胞出現(xiàn)異常增生或分化障礙而導(dǎo)致的致命疾病,多在兒童或青少年范圍內(nèi)出現(xiàn)且病發(fā)后期治愈率較低,俗稱(chēng)“血癌”。利用計(jì)算機(jī)技術(shù)和骨髓細(xì)胞病理學(xué)診斷技術(shù)對(duì)骨髓血細(xì)胞圖像進(jìn)行定量分析和自動(dòng)識(shí)別,對(duì)于白血病的早期篩查及診斷具有重要的實(shí)用價(jià)值和應(yīng)用前景。但是由于骨髓涂片制片和染色方式的差異、背景的復(fù)雜性、細(xì)胞形態(tài)的多樣性和不規(guī)則性等諸多問(wèn)題,使得病理研究針對(duì)骨髓細(xì)胞的檢測(cè)和識(shí)別存在較大難度。本文在結(jié)合骨髓細(xì)胞病理學(xué)知識(shí)的基礎(chǔ)上,通過(guò)圖像分析與模式識(shí)別技術(shù)的綜合運(yùn)用,系統(tǒng)地研究了骨髓細(xì)胞圖像的分割、定位、特征參數(shù)的計(jì)算與選擇以及骨髓病變細(xì)胞的分類(lèi)識(shí)別。主要涉及以下四個(gè)方面的內(nèi)容:(1)骨髓細(xì)胞分割模塊方案設(shè)計(jì):提出了基于小波多尺度分析的改進(jìn)K-means聚類(lèi)算法。首先通過(guò)小波變換去噪作預(yù)處理;其次,提取圖像彩色空間RGB各分量的直方圖信息,選擇合適的多尺度分解通道;最后,根據(jù)小波多分辨率分析提取圖像較為突出的G分量信息,優(yōu)化K-means聚類(lèi)算法,改進(jìn)了隨機(jī)選取初始聚類(lèi)中心時(shí)出現(xiàn)的聚類(lèi)結(jié)果不穩(wěn)定、不具針對(duì)性以及易陷入局部最優(yōu)的缺點(diǎn)。通過(guò)采用多種分割算法的Matlab實(shí)驗(yàn)結(jié)果對(duì)比分析,驗(yàn)證了本文算法分割的可行性和有效性。(2)骨髓中的白細(xì)胞定位提取方案設(shè)計(jì):通過(guò)對(duì)病變細(xì)胞的特征分析,發(fā)現(xiàn)經(jīng)瑞氏染色后的白細(xì)胞存在大量顏色信息,采用了基于多顏色空間混合屬性定位白細(xì)胞核的提取算法。首先通過(guò)對(duì)比G(綠)分量與S(飽和度)分量在細(xì)胞核中的差異特性,構(gòu)造兩顏色空間的轉(zhuǎn)換圖像來(lái)突出細(xì)胞核;然后,利用圖像直方圖的波谷信息確定otsu算法的閾值,進(jìn)而對(duì)胞核進(jìn)行分割二值化處理,達(dá)到定位提取目的。最后通過(guò)實(shí)驗(yàn)表明,該算法能準(zhǔn)確定位并提取白細(xì)胞核,性能良好穩(wěn)定,且在光照、染色不均及復(fù)雜背景下具有魯棒性。(3)針對(duì)三類(lèi)急性白血病細(xì)胞的特征提取(M3型、M5型、L1型):結(jié)合形態(tài)、顏色和紋理特征的骨髓細(xì)胞病理學(xué)知識(shí),本文針對(duì)三類(lèi)白細(xì)胞提取了34個(gè)特征參數(shù)。為了使分類(lèi)器獲到理想數(shù)目的輸入樣本集,需對(duì)34個(gè)特征參數(shù)進(jìn)行優(yōu)選特征提取。采用改進(jìn)Relief系列算法中的Relief F算法,對(duì)以上參數(shù)進(jìn)行選擇實(shí)驗(yàn),得到16個(gè)按權(quán)值高低排列的特征平均值作為優(yōu)選特征參數(shù)。(4)骨髓病變細(xì)胞分類(lèi)識(shí)別的方案設(shè)計(jì):針對(duì)三類(lèi)病變白細(xì)胞的特征分析結(jié)果,采用基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)分類(lèi)器。第一,通過(guò)改進(jìn)的最速下降變步長(zhǎng)BP算法建立網(wǎng)絡(luò)模型;第二,運(yùn)用面向Matlab的神經(jīng)網(wǎng)絡(luò)工具箱對(duì)BP網(wǎng)絡(luò)分類(lèi)器進(jìn)行網(wǎng)絡(luò)創(chuàng)建、網(wǎng)絡(luò)訓(xùn)練和網(wǎng)絡(luò)測(cè)試,進(jìn)行分類(lèi)器設(shè)計(jì);第三,采用交叉驗(yàn)證法對(duì)三類(lèi)病變細(xì)胞樣本特征集進(jìn)行訓(xùn)練與測(cè)試,通過(guò)與傳統(tǒng)算法實(shí)驗(yàn)對(duì)比分析,表明改進(jìn)算法能夠達(dá)到學(xué)習(xí)次數(shù)少、收斂速度快且識(shí)別準(zhǔn)確率提高的優(yōu)點(diǎn);對(duì)于算法變步長(zhǎng)修正參數(shù)的合理設(shè)置,能達(dá)到網(wǎng)絡(luò)訓(xùn)練和測(cè)試時(shí)識(shí)別率都大于85%的性能。
【圖文】：

圖 1.1 圖像分析系統(tǒng)框圖1）圖像獲�。菏紫葘�(duì)顯微樣本（涂片、切片）作生物學(xué)處理制備，然描儀或數(shù)字照相機(jī)的光電轉(zhuǎn)換操作將圖像信息轉(zhuǎn)成電信號(hào)，以數(shù)字化圖像信息；2）預(yù)處理：對(duì)獲取的顯微圖像進(jìn)行背景和陰影校正，，濾波去噪和目標(biāo)等處理，有些識(shí)別系統(tǒng)也進(jìn)行自動(dòng)聚焦；3）圖像分割：細(xì)胞自動(dòng)分類(lèi)識(shí)別系統(tǒng)中至關(guān)重要的一步。將圖像劃分、白細(xì)胞、胞核與胞漿等區(qū)域；分割的性能直接影響了后續(xù)對(duì)細(xì)胞圖別的定量分析與判斷。在對(duì)顯微細(xì)胞圖像和其他圖像進(jìn)行分割時(shí)，很實(shí)現(xiàn)都是相似的，但都是針對(duì)具體問(wèn)題而具體設(shè)計(jì)分析的，因其各個(gè)信息表達(dá)和復(fù)雜性不一，并不存在哪個(gè)通用的算法可以適用于任何圖4）提取圖像特征：為了對(duì)分割后細(xì)胞進(jìn)行定量分析與分類(lèi)識(shí)別。包括的特征：1、形態(tài)特征，描述細(xì)胞大小、形狀等，一般包括：細(xì)胞周長(zhǎng)形狀因子（胞核）、核漿面積比等；2、光密度特征，可以通過(guò)細(xì)胞局

圖 2.2 圖像分裂合并法依據(jù)目標(biāo)圖像中包含的豐富信邊緣進(jìn)行勾勒。邊緣分割的像中不連續(xù)的點(diǎn)、線或者邊后根據(jù)檢測(cè)到的邊緣信息實(shí)導(dǎo)數(shù)算子（如 Roberts 算子、 Canny 算子、Laplacian 算子待分割圖像中所有像素點(diǎn)的度級(jí)間斷點(diǎn)最廣泛的方法。實(shí)，即為邊緣點(diǎn)；2.通過(guò)計(jì)算以上暗區(qū)域；3.根據(jù)二階導(dǎo)數(shù)的過(guò)是其二階導(dǎo)數(shù)的零交叉點(diǎn)。斯算子（Laplacian 算子）
【學(xué)位授予單位】：鄭州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：R733.7;TP391.41

【參考文獻(xiàn)】

相關(guān)期刊論文 前2條

1 陳鐵明;馬繼霞;Samuel H.Huang;蔡家楣;;一種新的快速特征選擇和數(shù)據(jù)分類(lèi)方法[J];計(jì)算機(jī)研究與發(fā)展;2012年04期

2 向方;王宏福;;圖像邊緣分割算法的優(yōu)化研究與仿真[J];計(jì)算機(jī)仿真;2011年08期

相關(guān)博士學(xué)位論文 前1條

1 張麗新;高維數(shù)據(jù)的特征選擇及基于特征選擇的集成學(xué)習(xí)研究[D];清華大學(xué);2004年

本文編號(hào)：2517094