面向腺癌数字病理图像的智能处理算法研究

发布时间：2021-06-12 08:47

　　在病理分析中,数字病理图像因其包含大量丰富的病理信息而作为临床诊断及治疗的重要参考依据。因此,数字病理图像的智能处理算法的研究是一项非常重要且必要的一个任务,也是医学研究领域中的热点之一。当前的研究方向主要是从计算机辅助诊断出发,从预处理、图像分割、特征提取、分类这些方面来获得病理诊断信息从而帮助专家分析病理图像。近年来,肺癌己经成为了发病率最高、死亡率最高、增长速度最快的癌症。腺癌属于肺癌的一种,其发病率占到肺癌总量的50%,所以本文以腺癌数字病理图像做为研究对象分析其智能处理算法。本研究从提取数字病理图像的特征入手,针对数字病理图像中包含的特征在病理图像的分类检测及基因分析中的应用情况进行研究。研究内容主要为:首先改进方向梯度直方图（HOG）算法,然后使用改进的算法获得病理图像中包括的数据信息,随后将提取到的数据信息用于训练支持向量机（SVM）,从而完成腺癌病理图像的分类检测,最后采用加权基因共表达网络（WGCNA）方法研究病理图像的分子层信息,其中包含的关键信息即靶点基因对腺癌病理研究有着极大地生物学意义。本文主要工作内容如下:（1）在腺癌病理图像进行特征提取的步骤中,在原HOG... 

【文章来源】：河北大学河北省

【文章页数】：55 页

【学位级别】：硕士

【部分图文】：

经图像预处理后的用于下一步HOG特征提取的灰度图像

河北大学硕士学位论文1264bit。本实验从医院病理信息系统中随机选取200幅病理图像，其中包括100幅腺癌病理图像和100幅非腺癌病理图像。设定病理图像的检测窗口分辨率为256×211像素，组合成块的cell的分辨率为8×8像素。每个cell为2×2的形式，每个cell分为9个方向，滑动步长为8像素。在下一节中通过选择一个病理图像样本来展示实验过程和结果。2.4.2实验过程及结果Step1：输入图像预处理；实验中输入的图像为RGB图像，首先进行图像的预处理，HOG算法中使用到的图像为灰度图像，所以改进HOG算法中首先将彩色病理图像转换为灰度图像，然后图像预处理即灰度图像归一化，这样的操作可以减小医学图片由于光线不均匀造成的干扰，方便接下来的特征信息提取的操作。图2-1表示的是经过处理后得到的用于HOG算子特征提取的灰度图像。图2-1经图像预处理后的用于下一步HOG特征提取的灰度图像Step2：改进HOG算法的特征提取；根据修正矩阵改进的HOG特征提取算子由于增加了斜对角方向的特征，所以得到的特征提取的结果将会在水平和垂直方向上和原HOG算法结果有明显的不同。两算法的特征提取结果对比图如下所示：(a)水平方向特征提取结果(b)垂直方向特征提取结果图2-2改进算法特征提取的结果

第二章基于改进的HOG算子的特征提取算法13(a)水平方向特征提取结果(b)垂直方向特征提取结果图2-3原始算法特征提取的结果这四幅图分别是两种算法根据图2-1中预处理后的灰度图像进行的特征提取的结果。图2-2是改进的HOG算法结合了斜对角方向在水平和垂直方向上的分量之后的特征提取的结果。图2-2和图2-3中的(a)分别为改进算法和原算法在水平方向的特征提取结果，图2-2和图2-3中的(b)分别为改进算法和原算法在垂直方向的特征提取结果。通过四幅图的对比，改进HOG算法的特征提取结果在水平和垂直方向上的细胞轮廓较突出。由于特征提取算子的梯度计算矩阵的变化，水平和垂直方向的特征信息得到充分的提取使得细胞轮廓与原算法相比较清晰。2.4.3实验结果分析根据实验输入图像的像素及HOG算法中构建梯度直方图的参数的设定，对输入图像最后提取到的特征向量进行一个简单的计算。首先计算输入图像水平方向上块的数量：-311828256(2.17)然后计算输入图像垂直方向上块的数量：-251828211(2.18)一个块的维数为36，则所有的特征向量27900943125(2.19)公式(2.17)和公式(2.18)中256和211分别表示病理图像检测窗口的水平和垂直方向的像素，两个8×2分别表示有2×2个cell组成的块的水平和垂直方向的像素，后一个8表示的是设定的滑动步长的像素。这样最后根据公式(2.19)得到提取的全部特征向量数为27900。由于特征向量数量过多，为了更清晰地对比两个算法的特征提取结果，本实验随机

【参考文献】：
期刊论文
[1]基于PSO-SVM的仿生肌电假手反馈控制系统设计[J]. 隋修武,刘乃嘉,乔明敏,李昊天.  传感技术学报. 2019(12)
[2]加权基因共表达网络分析技术在人类肿瘤研究中的应用[J]. 王耀群,陈博,黄甫春,周卫国,张丰.  肿瘤. 2019(11)
[3]中国临床医学研究发展现状与未来展望[J]. 袁天蔚,李萍萍,李苏宁,尹军祥,范月蕾,熊燕,陈书安,范玲.  中国临床医学. 2019(05)
[4]肾透明细胞癌进展枢纽基因的WGCNA筛选[J]. 周忠涵,赵文天,官丰菊,孙立江,张桂铭.  青岛大学学报(医学版). 2019(04)
[5]我国国家临床研究网络组织结构研究[J]. 殷环,陈娟,严舒,汪楠,贾晓峰.  科技管理研究. 2018(08)
[6]计算机辅助诊断技术在病理学中的应用进展[J]. 于鹤,赵稳兴.  诊断病理学杂志. 2018(03)
[7]数字病理中计算机辅助诊断研究展望[J]. 邓杨,包骥.  实用医院临床杂志. 2017(05)
[8]Bioinformatics analysis of potential essential genes that response to the high intraocular pressure on astrocyte due to glaucoma[J]. Yang Yang,Jing-Zhu Duan,Yu Di,Dong-Mei Gui,Dian-Wen Gao.  International Journal of Ophthalmology. 2015(02)
[9]基于Fisher核的混合核构造研究[J]. 方万胜,朱嘉钢,陆晓.  计算机应用. 2013(04)
[10]发达与发展中国家癌症发病率与死亡率的比较与分析[J]. 王永川,魏丽娟,刘俊田,李世霞,王庆生.  中国肿瘤临床. 2012(10)

博士论文
[1]加权基因共表达网络分析（WGCNA）在食管鳞癌中的应用[D]. 王攀.北京协和医学院 2014
[2]图像局部不变特征提取技术及其应用研究[D]. 刘景能.上海交通大学 2012

硕士论文
[1]宫颈细胞图像特征分析与自动识别方法研究[D]. 许璇.哈尔滨理工大学 2017
[2]基于核方法的手写体数字识别研究[D]. 魏兴国.南京理工大学 2003



本文编号：3226326