【摘要】：白血病是由于人體的骨髓和造血組織中白細胞出現(xiàn)異常增生或分化障礙而導致的致命疾病,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“血癌”。利用計算機技術(shù)和骨髓細胞病理學診斷技術(shù)對骨髓血細胞圖像進行定量分析和自動識別,對于白血病的早期篩查及診斷具有重要的實用價值和應用前景。但是由于骨髓涂片制片和染色方式的差異、背景的復雜性、細胞形態(tài)的多樣性和不規(guī)則性等諸多問題,使得病理研究針對骨髓細胞的檢測和識別存在較大難度。本文在結(jié)合骨髓細胞病理學知識的基礎(chǔ)上,通過圖像分析與模式識別技術(shù)的綜合運用,系統(tǒng)地研究了骨髓細胞圖像的分割、定位、特征參數(shù)的計算與選擇以及骨髓病變細胞的分類識別。主要涉及以下四個方面的內(nèi)容:(1)骨髓細胞分割模塊方案設(shè)計:提出了基于小波多尺度分析的改進K-means聚類算法。首先通過小波變換去噪作預處理;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聚類算法,改進了隨機選取初始聚類中心時出現(xiàn)的聚類結(jié)果不穩(wěn)定、不具針對性以及易陷入局部最優(yōu)的缺點。通過采用多種分割算法的Matlab實驗結(jié)果對比分析,驗證了本文算法分割的可行性和有效性。(2)骨髓中的白細胞定位提取方案設(shè)計:通過對病變細胞的特征分析,發(fā)現(xiàn)經(jīng)瑞氏染色后的白細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胞核的提取算法。首先通過對比G(綠)分量與S(飽和度)分量在細胞核中的差異特性,構(gòu)造兩顏色空間的轉(zhuǎn)換圖像來突出細胞核;然后,利用圖像直方圖的波谷信息確定otsu算法的閾值,進而對胞核進行分割二值化處理,達到定位提取目的。最后通過實驗表明,該算法能準確定位并提取白細胞核,性能良好穩(wěn)定,且在光照、染色不均及復雜背景下具有魯棒性。(3)針對三類急性白血病細胞的特征提取(M3型、M5型、L1型):結(jié)合形態(tài)、顏色和紋理特征的骨髓細胞病理學知識,本文針對三類白細胞提取了34個特征參數(shù)。為了使分類器獲到理想數(shù)目的輸入樣本集,需對34個特征參數(shù)進行優(yōu)選特征提取。采用改進Relief系列算法中的Relief F算法,對以上參數(shù)進行選擇實驗,得到16個按權(quán)值高低排列的特征平均值作為優(yōu)選特征參數(shù)。(4)骨髓病變細胞分類識別的方案設(shè)計:針對三類病變白細胞的特征分析結(jié)果,采用基于改進的BP神經(jīng)網(wǎng)絡設(shè)計分類器。第一,通過改進的最速下降變步長BP算法建立網(wǎng)絡模型;第二,運用面向Matlab的神經(jīng)網(wǎng)絡工具箱對BP網(wǎng)絡分類器進行網(wǎng)絡創(chuàng)建、網(wǎng)絡訓練和網(wǎng)絡測試,進行分類器設(shè)計;第三,采用交叉驗證法對三類病變細胞樣本特征集進行訓練與測試,通過與傳統(tǒng)算法實驗對比分析,表明改進算法能夠達到學習次數(shù)少、收斂速度快且識別準確率提高的優(yōu)點;對于算法變步長修正參數(shù)的合理設(shè)置,能達到網(wǎng)絡訓練和測試時識別率都大于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︼@微樣本（涂片、切片）作生物學處理制備，然描儀或數(shù)字照相機的光電轉(zhuǎn)換操作將圖像信息轉(zhuǎn)成電信號，以數(shù)字化圖像信息；2）預處理：對獲取的顯微圖像進行背景和陰影校正，，濾波去噪和目標等處理，有些識別系統(tǒng)也進行自動聚焦；3）圖像分割：細胞自動分類識別系統(tǒng)中至關(guān)重要的一步。將圖像劃分、白細胞、胞核與胞漿等區(qū)域；分割的性能直接影響了后續(xù)對細胞圖別的定量分析與判斷。在對顯微細胞圖像和其他圖像進行分割時，很實現(xiàn)都是相似的，但都是針對具體問題而具體設(shè)計分析的，因其各個信息表達和復雜性不一，并不存在哪個通用的算法可以適用于任何圖4）提取圖像特征：為了對分割后細胞進行定量分析與分類識別。包括的特征：1、形態(tài)特征，描述細胞大小、形狀等，一般包括：細胞周長形狀因子（胞核）、核漿面積比等；2、光密度特征，可以通過細胞局

圖 2.2 圖像分裂合并法依據(jù)目標圖像中包含的豐富信邊緣進行勾勒。邊緣分割的像中不連續(xù)的點、線或者邊后根據(jù)檢測到的邊緣信息實導數(shù)算子（如 Roberts 算子、 Canny 算子、Laplacian 算子待分割圖像中所有像素點的度級間斷點最廣泛的方法。實，即為邊緣點；2.通過計算以上暗區(qū)域；3.根據(jù)二階導數(shù)的過是其二階導數(shù)的零交叉點。斯算子（Laplacian 算子）
【學位授予單位】：鄭州大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：R733.7;TP391.41

【參考文獻】

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)分類方法[J];計算機研究與發(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];計算機仿真;2011年08期

相關(guān)博士學位論文 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習研究[D];清華大學;2004年

本文編號：2517094