基于SSD的宫颈细胞检测与识别算法研究
发布时间：2021-01-10 02:01
宫颈癌是威胁女性健康的一种发病率极高的妇科恶性肿瘤疾病,对宫颈细胞的研究分析有助于宫颈癌诊断具有重大的意义。对于准确的显微细胞图像的检测与分类能直接辅助临床医生进行阅片。伴随着当今自动化、信息化与智能化的发展和经济的快速发展,人们越来越重视身体健康问题,也希望可以快速诊断所存在的问题。但由于宫颈脱落细胞图像复杂多变,而现有的基于深度学习的宫颈癌细胞识别存在检测识别率低下,检验时间长等问题。因此,优化识别网络结构对女性健康问题起到了关键作用,而且这项工作具有一定的挑战性和研究价值传统的宫颈癌识别算法主要有基于支持向量机和基于级联多分类器融合。这些算法在实际应用期间较为复杂,且会受到其他外部因素影响使得检测结果与真实场景要求不符。如今,基于深度学习的识别技术成为热门研究的课题,也是机器学习领域的核心,广泛应用于各个场景并取得显著成果。本课题研究的主要方向为基于深度学习的目标检测算法,通过分析选取的基础模型为SSD模型,该模型精准度与检测速度方面相对较高,在该模型的基础上进一步的改进,从而达到宫颈癌识别的预期效果。本文的主要工作内容和创新点如下:1、针对没有公共宫颈癌细胞数据集提供给网络训练...
【文章来源】：湘潭大学湖南省
【文章页数】：47 页
【学位级别】：硕士
【部分图文】：
宫颈脱落细胞图像中各类细胞图像
12图2.1宫颈脱落细胞图像中各类细胞图像2.1.2宫颈癌病理学背景女性妇科恶性肿瘤疾病中发病率较高的为宫颈癌，发病后死亡率较高。根据近几年的生物学资料与病理学显示人类乳头瘤状病毒(HPV)感染，是造成宫颈上皮内瘤与宫颈癌的重要诱因，图2.2显示宫颈上皮细胞感染HPV病毒过程：图2.2宫颈上皮细胞被HPV病毒感染过程图2.3表示HPV，作为乳头瘤病毒科的一部分，病毒颗粒成熟后无包膜，直径大小为55nm，HPV基因组是双链环状DNA，为7900bp左右。图2.3HPV（人类乳头瘤状病毒）从功能上可以划分HPV基因组为三个区，下表2-1显示：(1)早期基因区，其中具
13有6个基因，分别为E2、E1、E4、E6、E5、E7.(2)晚期基因区，由L1与L2基因共同构成。(3)非编码区，包含三个序列，分别为沉默子、启动子及增强子，用于对复制病毒与调控转录控制。表2-1HPV基因组HPV基因组早期转录区E1用于复制病毒DNAE2用于复制与转录抑制病毒E4用于对细胞中间的纤维破坏，促使释放病毒E5对EGFR进行干预，可加快转换病毒癌基因E6功能是阻碍细胞凋亡，促进生成细胞与转化恶化细胞E7功能是将细胞周期阻滞消除，造成细胞周期失去控制晚期转录区L1衣壳蛋白，LI:L2比例为30:1具有高度特异性L2次要衣壳蛋白具有一致性的高度非编码区URR或LCR转录调节基因2.1.3宫颈细胞语义模型设计与描述以下为正常宫颈细胞语义描述：1)宫颈表层细胞(图2.4)：细胞尺寸大且为不规则扁平状，周围边缘部分不平滑。依据细胞核与细胞浆的各种特征，将其划分为固缩核与网状核两种表皮细胞，其中网状核表层为大方块的多边形，颜色为淡蓝色，细胞核染色质呈疏松状态，形状为网状；固缩核表层核固缩减小，染色质致密深染，可染胞浆颜色为粉色或者淡蓝色。图2.4表层细胞2)宫颈中的底层细胞与外底层细胞为基底细胞，分别由图2.5与图2.6表示；内底层细胞特征为体积较小，但是细胞核尺寸最大，由数学角度分析该语义模型为细胞和胞核，形状为圆形或者为近似圆的椭圆形，细胞核在细胞中部，其核浆比大约为1:（0.5~1）；外底层细胞形状与内层细胞相似，细胞核的形状为原形，在细胞居中区域与偏左区域，染色质为颗粒状，核浆比大约为l:（2~3）。
【参考文献】：
期刊论文
[1]Mobile-Edge Computing Framework with Data Compression for Wireless Network in Energy Internet[J]. Luning Liu,Xin Chen,Zhaoming Lu,Luhan Wang,Xiangming Wen. Tsinghua Science and Technology. 2019(03)
[2]基于细胞核特征的宫颈癌细胞图像的识别与分类[J]. 宁梓淯,罗微,李燕,吕鹏举,李萌. 自动化与仪器仪表. 2016(10)
[3]基于椭圆傅里叶描述子的形状表示的研究[J]. 张嘉桐,李雪妍,郭树旭,康建玲. 计算机工程与应用. 2014(02)
[4]随机森林与支持向量机分类性能比较[J]. 黄衍,查伟雄. 软件. 2012(06)
[5]一种改进的K-means聚类彩色图像分割方法[J]. 刘小丹,牛少敏. 湘潭大学自然科学学报. 2012(02)
[6]基于网格结构的CLARANS改进算法[J]. 张书春,孙秀英. 计算机工程. 2012(06)
[7]基于多边形拟合的细胞图像特征提取算法[J]. 卢智勇,梁光明. 计算机仿真. 2009(11)
[8]两种宫颈癌筛查方法的对比研究[J]. 李清秀,钟巧莹. 广东医学. 2009(08)
[9]4种不同检查方法在宫颈癌筛查中的临床应用价值[J]. 李瑞珍,乌兰娜,刘植华,王倩,李俊华,李晴,李霓,刘志红,石菊芳,张长淮,周艳秋,刘彬,翁雷明,吴瑞芳,乔友林. 中国肿瘤临床. 2009(01)
[10]自适应Canny边缘检测算法研究[J]. 李二森,张保明,周晓明,郭海涛,赵泳,赵建超. 测绘科学. 2008(06)
博士论文
[1]智能超声扫查与细胞学筛查[D]. 张灵.浙江大学 2013
硕士论文
[1]基于强特征CNN-SVM的宫颈癌细胞检测[D]. 李正义.北京交通大学 2018
[2]宫颈细胞图像分割与识别算法研究[D]. 王爽.山东科技大学 2017
本文编号：2967839
【文章来源】：湘潭大学湖南省
【文章页数】：47 页
【学位级别】：硕士
【部分图文】：
宫颈脱落细胞图像中各类细胞图像
12图2.1宫颈脱落细胞图像中各类细胞图像2.1.2宫颈癌病理学背景女性妇科恶性肿瘤疾病中发病率较高的为宫颈癌，发病后死亡率较高。根据近几年的生物学资料与病理学显示人类乳头瘤状病毒(HPV)感染，是造成宫颈上皮内瘤与宫颈癌的重要诱因，图2.2显示宫颈上皮细胞感染HPV病毒过程：图2.2宫颈上皮细胞被HPV病毒感染过程图2.3表示HPV，作为乳头瘤病毒科的一部分，病毒颗粒成熟后无包膜，直径大小为55nm，HPV基因组是双链环状DNA，为7900bp左右。图2.3HPV（人类乳头瘤状病毒）从功能上可以划分HPV基因组为三个区，下表2-1显示：(1)早期基因区，其中具
13有6个基因，分别为E2、E1、E4、E6、E5、E7.(2)晚期基因区，由L1与L2基因共同构成。(3)非编码区，包含三个序列，分别为沉默子、启动子及增强子，用于对复制病毒与调控转录控制。表2-1HPV基因组HPV基因组早期转录区E1用于复制病毒DNAE2用于复制与转录抑制病毒E4用于对细胞中间的纤维破坏，促使释放病毒E5对EGFR进行干预，可加快转换病毒癌基因E6功能是阻碍细胞凋亡，促进生成细胞与转化恶化细胞E7功能是将细胞周期阻滞消除，造成细胞周期失去控制晚期转录区L1衣壳蛋白，LI:L2比例为30:1具有高度特异性L2次要衣壳蛋白具有一致性的高度非编码区URR或LCR转录调节基因2.1.3宫颈细胞语义模型设计与描述以下为正常宫颈细胞语义描述：1)宫颈表层细胞(图2.4)：细胞尺寸大且为不规则扁平状，周围边缘部分不平滑。依据细胞核与细胞浆的各种特征，将其划分为固缩核与网状核两种表皮细胞，其中网状核表层为大方块的多边形，颜色为淡蓝色，细胞核染色质呈疏松状态，形状为网状；固缩核表层核固缩减小，染色质致密深染，可染胞浆颜色为粉色或者淡蓝色。图2.4表层细胞2)宫颈中的底层细胞与外底层细胞为基底细胞，分别由图2.5与图2.6表示；内底层细胞特征为体积较小，但是细胞核尺寸最大，由数学角度分析该语义模型为细胞和胞核，形状为圆形或者为近似圆的椭圆形，细胞核在细胞中部，其核浆比大约为1:（0.5~1）；外底层细胞形状与内层细胞相似，细胞核的形状为原形，在细胞居中区域与偏左区域，染色质为颗粒状，核浆比大约为l:（2~3）。
【参考文献】：
期刊论文
[1]Mobile-Edge Computing Framework with Data Compression for Wireless Network in Energy Internet[J]. Luning Liu,Xin Chen,Zhaoming Lu,Luhan Wang,Xiangming Wen. Tsinghua Science and Technology. 2019(03)
[2]基于细胞核特征的宫颈癌细胞图像的识别与分类[J]. 宁梓淯,罗微,李燕,吕鹏举,李萌. 自动化与仪器仪表. 2016(10)
[3]基于椭圆傅里叶描述子的形状表示的研究[J]. 张嘉桐,李雪妍,郭树旭,康建玲. 计算机工程与应用. 2014(02)
[4]随机森林与支持向量机分类性能比较[J]. 黄衍,查伟雄. 软件. 2012(06)
[5]一种改进的K-means聚类彩色图像分割方法[J]. 刘小丹,牛少敏. 湘潭大学自然科学学报. 2012(02)
[6]基于网格结构的CLARANS改进算法[J]. 张书春,孙秀英. 计算机工程. 2012(06)
[7]基于多边形拟合的细胞图像特征提取算法[J]. 卢智勇,梁光明. 计算机仿真. 2009(11)
[8]两种宫颈癌筛查方法的对比研究[J]. 李清秀,钟巧莹. 广东医学. 2009(08)
[9]4种不同检查方法在宫颈癌筛查中的临床应用价值[J]. 李瑞珍,乌兰娜,刘植华,王倩,李俊华,李晴,李霓,刘志红,石菊芳,张长淮,周艳秋,刘彬,翁雷明,吴瑞芳,乔友林. 中国肿瘤临床. 2009(01)
[10]自适应Canny边缘检测算法研究[J]. 李二森,张保明,周晓明,郭海涛,赵泳,赵建超. 测绘科学. 2008(06)
博士论文
[1]智能超声扫查与细胞学筛查[D]. 张灵.浙江大学 2013
硕士论文
[1]基于强特征CNN-SVM的宫颈癌细胞检测[D]. 李正义.北京交通大学 2018
[2]宫颈细胞图像分割与识别算法研究[D]. 王爽.山东科技大学 2017
本文编号：2967839
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/2967839.html
最近更新
教材专著
