本文關(guān)鍵詞：基于Snake分割和SVM的宮頸細(xì)胞識(shí)別研究

  更多相關(guān)文章： 宮頸癌 主動(dòng)輪廓模型 梯度矢量流 支持向量機(jī)

【摘要】：宮頸癌是全球范圍內(nèi)發(fā)病率僅次于乳腺癌和結(jié)直腸癌的第3大女性惡性腫瘤,也是最常見的女性生殖道惡性腫瘤�，F(xiàn)有診斷宮頸癌的醫(yī)學(xué)篩查方法需要大量細(xì)胞病理專家參與,耗時(shí)耗力,不利于對宮頸癌的批量篩查。隨著醫(yī)學(xué)圖像處理技術(shù)的進(jìn)步,利用先進(jìn)的圖像處理技術(shù)結(jié)合宮頸細(xì)胞醫(yī)學(xué)知識(shí)以及細(xì)胞病理專家的診斷經(jīng)驗(yàn),實(shí)現(xiàn)對宮頸癌的早期檢測,能有效降低宮頸癌的病發(fā)率和死亡率,在宮頸癌臨床診斷方面有著重要的應(yīng)用價(jià)值。宮頸細(xì)胞涂片在制作時(shí)易受到一定程度的污染,導(dǎo)致獲得的宮頸細(xì)胞圖片存在細(xì)胞模糊,染色不均勻,弱對比度等問題。實(shí)現(xiàn)對受污染宮頸細(xì)胞圖片的高精度分割,并通過提取相應(yīng)的特征參數(shù)完成對宮頸細(xì)胞的識(shí)別是本文的主要研究內(nèi)容。為實(shí)現(xiàn)宮頸細(xì)胞的高精度分割,本文在主動(dòng)輪廓模型和梯度矢量流的基礎(chǔ)上,改進(jìn)梯度矢量流模型,并以此作為宮頸細(xì)胞圖像分割算法。改進(jìn)后的梯度矢量流模型一方面使得矢量場在宮頸細(xì)胞的灰度一致區(qū)域保持各向同性,另一方面能夠保證宮頸細(xì)胞或者細(xì)胞核邊界處矢量場沿著平行于宮頸細(xì)胞或者細(xì)胞核邊界傳播,這些性質(zhì)有利于降低初始敏感性以及凹陷區(qū)域收斂。由于宮頸細(xì)胞病變主要體現(xiàn)在宮頸細(xì)胞形態(tài)的變化,這使得改進(jìn)后的梯度矢量流模型更適合宮頸細(xì)胞的高精度分割。本文在精確分割出宮頸細(xì)胞和細(xì)胞核的基礎(chǔ)上,結(jié)合細(xì)胞病理專家的診斷經(jīng)驗(yàn),提取出適合于宮頸細(xì)胞識(shí)別的形態(tài)特征參數(shù)和色度特征參數(shù),并根據(jù)相應(yīng)特征參數(shù)的一維分散程度逐一分析各個(gè)特征參數(shù)對宮頸細(xì)胞識(shí)別的作用。同時(shí),從分析過的特征參數(shù)中任意選取兩個(gè)特征參數(shù)做二維空間分散度分析,進(jìn)而選取適合宮頸細(xì)胞識(shí)別的二維特征向量。在選取的二維特征參數(shù)基礎(chǔ)上,添加不相關(guān)的特征參數(shù)組成訓(xùn)練集,選用支持向量機(jī)作為宮頸細(xì)胞分類器,根據(jù)所得到的識(shí)別結(jié)果反饋調(diào)整相應(yīng)的特征參數(shù)和訓(xùn)練集以提高宮頸細(xì)胞識(shí)別率。本文著重研究了宮頸細(xì)胞分割,同時(shí)對特征參數(shù)提取以及宮頸細(xì)胞識(shí)別做了系統(tǒng)性描述和識(shí)別結(jié)果分析。通過實(shí)驗(yàn)可知,本文所改進(jìn)的梯度矢量流模型可以高精度分割宮頸細(xì)胞和細(xì)胞核,并依據(jù)所分割的結(jié)果能夠達(dá)到宮頸細(xì)胞識(shí)別的目的。
【關(guān)鍵詞】：宮頸癌 主動(dòng)輪廓模型 梯度矢量流 支持向量機(jī)
【學(xué)位授予單位】：山東大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：R737.33;TP391.41
【目錄】：

• 摘要7-9
• ABSTRACT9-11
• 第一章 緒論11-17
• 1.1 選題背景及研究意義11-12
• 1.2 宮頸細(xì)胞的形態(tài)結(jié)構(gòu)和前驅(qū)病變分類12-14
• 1.3 常用宮頸癌醫(yī)學(xué)檢驗(yàn)方法14-15
• 1.4 論文的研究內(nèi)容15-17
• 第二章 圖像分割基礎(chǔ)技術(shù)介紹17-23
• 2.1 引言17-18
• 2.2 圖像分割基礎(chǔ)技術(shù)18-23
• 2.2.1 閾值分割18-19
• 2.2.2 邊緣檢測分割19-20
• 2.2.3 形態(tài)學(xué)分割20-22
• 2.2.4 其它圖像分割基礎(chǔ)技術(shù)介紹22-23
• 第三章 宮頸細(xì)胞圖像分割23-41
• 3.1 引言23-24
• 3.2 宮頸細(xì)胞圖像傳統(tǒng)方法分割24-29
• 3.2.1 宮頸細(xì)胞圖像閾值算法分割24-25
• 3.2.2 宮頸細(xì)胞圖像分水嶺算法分割25-27
• 3.2.3 宮頸細(xì)胞圖像聚類算法分割27-29
• 3.3 宮頸細(xì)胞圖像主動(dòng)輪廓模型分割29-39
• 3.3.1 傳統(tǒng)主動(dòng)輪廓模型介紹29-32
• 3.3.2 主動(dòng)輪廓模型算法改進(jìn)32-36
• 3.3.3 分割結(jié)果展示和分析36-39
• 3.4 本章小結(jié)39-41
• 第四章 宮頸細(xì)胞特征提取及分析41-53
• 4.1 引言41-42
• 4.2 宮頸細(xì)胞特征參數(shù)42-46
• 4.2.1 宮頸細(xì)胞形態(tài)特征42-45
• 4.2.2 宮頸細(xì)胞圖像的顏色特征45-46
• 4.3 宮頸細(xì)胞特征處理和分析46-51
• 4.3.1 宮頸細(xì)胞特征處理46-47
• 4.3.2 宮頸細(xì)胞特征分析47-51
• 4.4 本章小結(jié)51-53
• 第五章 宮頸細(xì)胞圖像識(shí)別53-63
• 5.1 常用識(shí)別算法介紹53-55
• 5.2 支持向量機(jī)原理55-58
• 5.3 宮頸細(xì)胞特征參數(shù)樣本學(xué)習(xí)58-59
• 5.4 實(shí)驗(yàn)結(jié)果分析59-62
• 5.5 本章小結(jié)62-63
• 第六章 總結(jié)與展望63-65
• 6.1 總結(jié)63-64
• 6.2 展望64-65
• 參考文獻(xiàn)65-69
• 致謝69-70
• 附件70

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 區(qū)衛(wèi)民;譚泗橋;袁哲明;柏連陽;熊潔儀;;SVR-KNN法用于除草劑QSAR研究[J];安徽農(nóng)業(yè)科學(xué);2008年35期

2 韓勇鵬;;SVM方法及其在乳制品分類問題上的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2009年08期

3 郭立萍;唐家奎;米素娟;張成雯;趙理君;;基于支持向量機(jī)遙感圖像融合分類方法研究進(jìn)展[J];安徽農(nóng)業(yè)科學(xué);2010年17期

4 張永生;魏新軍;侯振雨;彭娟;;支持向量回歸分光光度法同時(shí)測定莧菜紅和果綠[J];安徽農(nóng)業(yè)科學(xué);2010年33期

5 張永生;;支持向量機(jī)在害蟲預(yù)測預(yù)報(bào)中的應(yīng)用[J];現(xiàn)代農(nóng)業(yè)科技;2009年14期

6 馮學(xué)軍;;最小二乘支持向量機(jī)的研究與應(yīng)用[J];安慶師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年01期

7 宋海濱;劉云幗;;基于支持向量機(jī)的預(yù)測控制算法[J];兵工自動(dòng)化;2006年04期

8 徐波;;基于改進(jìn)PSO-LSSVM的軍用工程機(jī)械研制費(fèi)用預(yù)測模型[J];兵工自動(dòng)化;2011年10期

9 馬喜波;閻愛俠;;支持向量機(jī)算法用于烷基苯的熱容和標(biāo)準(zhǔn)焓值的預(yù)測[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年02期

10 劉華富;支持向量機(jī)Mercer核的若干性質(zhì)[J];北京聯(lián)合大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年01期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 趙瑩;半監(jiān)督支持向量機(jī)學(xué)習(xí)算法研究[D];哈爾濱工程大學(xué);2010年

2 母麗華;煤礦安全預(yù)警系統(tǒng)的方法研究[D];哈爾濱工程大學(xué);2010年

3 李鶴喜;基于視覺反饋的焊接機(jī)器人自主示教關(guān)鍵技術(shù)研究[D];華南理工大學(xué);2010年

4 鄭光輝;江蘇部分地區(qū)土壤屬性高光譜定量估算研究[D];南京大學(xué);2011年

5 李錦衛(wèi);基于計(jì)算機(jī)視覺的水稻、油菜葉色—氮營養(yǎng)診斷機(jī)理與建模[D];湖南農(nóng)業(yè)大學(xué);2010年

6 盧惠民;自主移動(dòng)機(jī)器人全向視覺系統(tǒng)研究[D];國防科學(xué)技術(shù)大學(xué);2010年

7 劉春波;統(tǒng)計(jì)建模方法的理論研究及應(yīng)用[D];江南大學(xué);2011年

8 田毅;電動(dòng)汽車運(yùn)行狀態(tài)識(shí)別及HEV控制策略研究[D];北京交通大學(xué);2010年

9 張勝利;蛋白質(zhì)與RNA中的若干問題研究[D];大連理工大學(xué);2011年

10 佟麗娜;基于力學(xué)量信息獲取系統(tǒng)的人體摔倒過程識(shí)別方法研究[D];中國科學(xué)技術(shù)大學(xué);2011年

，

本文編號：661007