尿液显微图像中的红细胞分析技术研究

论文摘要

医学上用于观察和分析的显微图像种类很多,包括各种细胞涂片、组织切片等。借助于各种显微镜,人们可以观察到细胞的显微、超显微结构并分析其形态,从中获取诊断疾病所需要的丰富信息。但通过显微镜直接观察这些微细结构不仅容易使观察者眼睛疲劳,而且掺杂了较强的主观因素和缺少客观的定量标准,会产生较大的误差。随着技术的不断发展,人们对医学检测客观性的要求越来越高,检测手段,由过去的主观逐步发展到现在的主观和客观相结合,因此,迫切需要一种更新的技术来满足用户需求。本文通过对显微镜下的尿液图像进行分析,并对尿液沉渣中的红细胞进行自动计数。研究内容主要包括对获得的尿液图像进行预处理(降噪、图像分割)、红细胞的特征提取和选择、利用有效的模式分类方法(最近邻分类法)将尿液沉渣进行分类并正确计数。该研究为医生对病人的诊断提供了更可靠、更快捷的检测方法。本文首先进行细胞图像预处理,在预处理中,采用Sobel算子检测细胞的边缘图像,若不是单边缘图像,需要进行细化,使之变成单边缘图像。另外,有一些分布很零散的点,不可能组成一个圆的点,即视为噪声,将在分割前需要去掉。其次,比较了现有细胞图像分割方法的原理与特点。本研究采用了Hough变换来检测尿液图像中红细胞的圆心。因为红细胞在图像中的大小是基本一致的,可以通过其先验知识(即红细胞的圆半径)来确定红细胞在图像中的位置及其所在的区域,从而实现圆心的定位。最后,利用主成分分析法(principal component analysis PCA)和线性判别法(linear discriminant analysis LDA),对尿液红细胞进行了识别分类及统计计数。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 第一节 研究背景
• 第二节 国内外研究现状
• 第三节 研究目的及意义
• 第四节 研究内容
• 第五节 系统设计
• 第六节 本文内容安排
• 第二章 图像的预处理
• 第一节 边缘检测的传统算法
• 第二节 改进的Sobel算子
• 第三节 Roberts算子
• 第四节 图像的细化
• 第五节 实验结果
• 第三章 红细胞图像的定位
• 第一节 Hough直线检测的原理
• 第二节 红细胞在尿液中的特点
• 第三节 分割策略
• 第四节 Hough圆变换原理
• 第五节 实验结果
• 第四章 特征提取与红细胞计数
• 第一节 PCA算法的原理
• 第二节 LDA算法原理
• 第三节 分类器的设计
• 第四节 实验结果
• 第五章 总结与展望
• 第一节 总结
• 第二节 展望
• 参考文献
• 后记
• 硕士期间发表的论文