骨髓细胞图像自动识别技术的研究

骨髓细胞图像自动识别技术的研究

论文摘要

骨髓是人体的主要造血组织,对骨髓细胞形态和数量的分析有助于造血系统疾病及其他某些疾病的诊断和鉴别。传统的诊断方式是由人眼完成的,而这种方法存在很多的弊端。基于图像的骨髓细胞的自动识别系统能够对细胞形态和结构作定量分析,可提高医疗工作者的工作效率和准确率,克服传统方法存在的问题,具有很高的应用价值。本文的主要研究工作是对骨髓细胞显微图像自动识别技术的研究与开发,围绕着骨髓细胞显微图像的自动化问题做了以下三方面的研究: (1)实现骨髓细胞核的定位检出与区域分割;(2)对骨髓细胞进行形状、纹理、颜色等特征的描述;(3)运用BP神经网络建立骨髓细胞图像识别分类器。本文分别从理论和实际应用的角度对其中的技术难点进行深入分析,在以下几方面取得了创新:(1)提出了一种混合的分水岭变换策略并应用于骨髓细胞图像分割中,该策略克服了传统的基于标记的分水岭变换对于标记提取敏感的缺点,以及区域合并算法速度慢、结果不准确的问题,能够更有效地将细胞核提取出来;(2)在共生矩阵与分形技术的基础上,提出了一种新的表征骨髓细胞核的纹理特征量——共生矩阵分形联合特征量,该特征量不仅能将不同系别的细胞很好地区分开,并且对同一细胞的不同成熟阶段,也能做出区分,为特征提取提供了重要的分类依据。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 医学图像处理与分析技术
  • 1.1.1 发展与现状
  • 1.1.2 研究内容与分类
  • 1.2 细胞显微图像处理与分析技术
  • 1.2.1 研究内容
  • 1.2.2 传统方法存在的弊端
  • 1.2.3 发展与现状
  • 1.3 骨髓细胞显微图像处理与分析技术
  • 1.3.1 骨髓细胞显微图像处理与分析技术的发展与现状
  • 1.3.2 骨髓细胞显微图像自动识别系统的工作原理
  • 1.3.3 骨髓细胞显微图像自动识别系统的硬件组成
  • 1.4 课题来源及研究的主要内容
  • 第2章 图像预处理技术
  • 2.1 图像平滑
  • 2.1.1 邻域(KNN)平滑滤波
  • 2.2 图像边缘检测算法
  • 2.2.1 LOG 算子
  • 2.3 彩色图像的颜色分量
  • 2.4 二值图像形态学运算
  • 2.4.1 腐蚀
  • 2.4.2 膨胀
  • 2.4.3 开运算
  • 2.4.4 闭运算
  • 2.5 本章小结
  • 第3章 图像分割
  • 3.1 引言
  • 3.2 图像阈值分割
  • 3.2.1 最大类间方差法
  • 3.2.2 改进的最大类间方差
  • 3.3 基于分水岭变换的分割过程
  • 3.3.1 分水岭变换
  • 3.4 综合分割策略
  • 3.4.1 混合分水岭策略
  • 3.4.2 构造标记图像
  • 3.4.3 形态学操作
  • 3.5 本章小结
  • 第4章 特征提取与特征选择
  • 4.1 区域表示
  • 4.1.1 链码表
  • 4.1.2 线段表
  • 4.1.3 链码表至线段表的转换
  • 4.2 区域描述
  • 4.2.1 形状特征
  • 4.2.2 纹理特征
  • 4.2.3 共生矩阵纹理特征提取
  • 4.2.4 分形纹理特征
  • 4.2.5 共生矩阵与分形联合特征
  • 4.3 颜色特征量
  • 4.4 特征选择过程
  • 4.4.1 类别可分离性判据
  • 4.4.2 特征搜索算法
  • 4.5 本章小结
  • 第5章 分类器
  • 5.1 BP 神经网络
  • 5.1.1 为什么选用BP 神经网络
  • 5.1.2 BP 神经元
  • 5.1.3 BP 算法
  • 5.1.4 BP 神经结构的确定
  • 5.1.5 实验过程及结果
  • 5.2 本章小结
  • 结论
  • 参考文献
  • 攻读硕士学位期间发表的学术论文
  • 致谢
  • 相关论文文献

    标签:;  ;  ;  ;  

    骨髓细胞图像自动识别技术的研究
    下载Doc文档

    猜你喜欢