尿沉渣图像分割与识别算法研究

发布时间：2020-07-01 21:17

【摘要】：尿沉渣中有形成分如红白细胞等对人体肾脏疾病、泌尿道疾病等具有很重要的诊断和鉴别作用,因此研究如何辨析和检查尿液中的各种有形成分有重要意义。与传统尿沉渣镜检相比,尿沉渣有形成分自动识别分类系统具有效率高,抗干扰强,准确率高等优点。本文针对尿沉渣中有形成分复杂、种类繁多,同时尿沉渣图像散焦严重、对比度较低、光照不均、图像模糊而导致尿沉渣图像有形成分分割识别困难、速度慢等问题,深入研究了尿沉渣图像增强、分割、特征提取以及有形成分识别分类方法,提出了一套有效的尿沉渣有形成分自动识别分类算法。主要研究内容如下:对尿沉渣图像增强,实验分析了传统的图像增强方法,针对图像比度低、光照不均等问题,结合多种增强方法的优点,提出了图像组合增强方法,实验表明从效率和精度上更加有利于后续的图像分割。对尿沉渣图像分割,实验分析了常用的分割算法,针对有形成分分割困难、速度慢等问题,本文采用组合分割算法,提出基于Canny算子与分水岭算法的自适应尿沉渣图像分割算法。算法采用Canny算子结合形态学方法对图像进行粗分割,根据区域面积阈值以及图像复杂度将尿沉渣图像分类处理;以提出的图像组合增强方法对图像进行增强,利用Canny边缘检测计算出掩膜矩阵作为精确标记,结合分水岭分割,最终获得图像的分割结果。实验证明本文提出的算法对尿沉渣图像分割具有优越的性能表现,解决了传统分割算法存在的问题。对有形成分特征提取,分析研究相关文献,本文分析提取了尿沉渣有形成分的形状及纹理等27个特征参数,后续实验结果表明所提取尿沉渣有形成分特征有效准确,为后续的识别工作奠定了基础。对有形成分识别分类,详细研究分析了VPMCD理论,将该方法应用于尿沉渣有形成分识别中,提出了改进方法:基于Bagging算法优化VPMCD模型的B-VPMCD算法,提升了算法的稳定性和识别率。在特征提取基础上,提出了基于PCA和B-VPMCD的尿沉渣有形成分分类识别算法。实验证明了本文提出的方法在尿沉渣有形成分识别中的有效性,满足整个系统的实时性和准确性,优于传统VPMCD方法、BP神经网络及支持向量机。本文提出的尿沉渣有形成分自动识别分类算法有效应用于尿沉渣全自动分析仪,具有较大的工程应用价值。
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;R446.12
【图文】：

环形图,环形,有形成分,疾病

液中沉析出的各种杂质等。尿沉渣有形成分的检查对人体疾病有着重要辅助诊断和鉴别作用，有“体外的肾活体检中的红细胞数量有助于血尿有关疾病的鉴别诊断，如肾是人体肾脏区域疾病或炎症发生的重要预示；同时红细胞病变的部位及类型有重要的预示作用；白细胞和细菌的数助诊断鉴别泌尿系统感染等疾病；上皮细胞以及结晶也是和结石的重要参考依据；酵母菌：霉菌细胞（白色念珠菌染，特别是常见于糖尿病[2~3]。渣主要有形成分中常见的有形成分较多：红细胞、白细胞、上皮、结晶、成分又有多种形态，本文主要对以下有形成分进行介绍：胞：直径为 7μm 左右，正常红细胞为淡黄色，双凹圆盘形； 1.1，因细胞内血红蛋白丢失或胞浆凝聚，形似面包圈样

白细胞,肾小管,圆形,鳞状

（a）（b）图 1.2 白细胞图（a）正常型（b）团状型Fig1.2 The white blood cell (a) Normal type (b) Lump type胞：的面积较大，临床上包含多种类型：肾小管、移形以为圆形或多边形，有一个较大的圆形核。（a）（b）图 1.3 上皮细胞图（a）肾小管型（b）鳞状型Fig1.3 The epithelial cell (a) Tubular type (b) Squamous type

【参考文献】