基于数字图像分析的急性白血病细胞形态学研究及分类识别

论文摘要

本文对白血病细胞的检测和诊断方面进行了探索,具体步骤是:首先将获取的原始细胞图像进行预处理,得到需要的细胞样本图像,提取细胞图像形态学特征参数,最后采用BP神经网络对细胞作诊断分类识别。在图像分割部分,本文提出了基于小波变换的分水岭分割方法,克服了骨髓涂片中因为白血病细胞粘连,而导致利用传统分割方法分割结果误差大的问题,分别对细胞、细胞核进行分割:分割后,采用八链码算法及线段表法对细胞周长、细胞面积、核周长、核面积、细胞形状因子、核形状因子、核浆比等细胞形态学特征参数进行测量并进行特征值标准化。最后在取得了数据样本后,进行人工神经网络的训练。文中采用人工神经网络的模型主要是BP反向传播误差。通过所取得的数据样本对人工神经网络的权值进行训练。当误差小于规定值后,再对人工神经网络进行测试。通过大量的实验对比结果可以知道,应用BP反向传播误差算法可以对几类急性白血病进行较准确的分类。

论文目录

• 摘要
• ABSTRACT
• 中文文摘
• 目录
• 第1章 绪论
• 1.1 选题依据及背景
• 1.1.1 传统检测方式及缺点
• 1.1.2 计算机图像处理技术
• 1.1.3 研究对象
• 1.2 国内外发展现状及临床应用
• 1.3 论文内容和组织结构
• 第2章 急性白血病的分类及临床病理特征
• 2.1 前言
• 2.2 急性白血病的分类及临床病理特征
• 2.3 样本采集
• 2.4 本章小结
• 第3章 图像分割方法及改进
• 3.1 前言
• 3.2 图像采集
• 3.3 图像彩色空间的转换
• 3.3.1 RGB颜色模型
• 3.3.2 HSI颜色模型
• 3.3.3 RGB模式到HSI模式的转换
• 3.4 图像分割方法的基本概念及方法
• 3.4.1 阈值分割法
• 3.4.2 区域生长法
• 3.4.3 分水岭分割法
• 3.5 传统分水岭分割的改进
• 3.6 小波变换发展背景
• 3.6.1 连续小波变换及反变换的定义
• 3.6.2 离散小波变换
• 3.7 实验结果及分析
• 3.8 本章小结
• 第4章 白血病细胞形态特征提取
• 4.1 前言
• 4.2 特征提取方法
• 4.3 链码
• 4.3.1 八连通链码
• 4.3.2 链码表的结构
• 4.4 线段表的定义
• 4.5 链码表与线段表的转换
• 4.5.1 边界点的分类
• 4.5.2 类型转化
• 4.5.3 线段表的生成
• 4.6 细胞形态学特征参数
• 4.7 本章小结
• 第5章 BP神经网络及在白血病细胞识别中的应用
• 5.1 前言
• 5.2 人工神经网络的发展历史
• 5.3 BP神经网络原理
• 5.4 BP网络的学习算法
• 5.5 网络变量设计
• 5.5.1 输入输出变量设计
• 5.5.2 隐层节点的选取
• 5.6 BP网络学习算法的改进
• 5.6.1 BP网络的缺点
• 5.6.2 引入动量项
• 5.7 实验结果及讨论
• 5.7.1 实验方法
• 5.7.2 实验依据
• 5.7.3 三类急性白血病细胞形态学参数
• 5.7.4 BP网络算法改进前后实验结果对比
• 5.8 本章小结
• 第6章 结束语
• 参考文献
• 攻读学位期间承担的科研任务与主要成果
• 致谢
• 个人简历