镜检图像无标记红白细胞识别方法研究

发布时间：2021-05-11 03:00

　　大便常规是临床三大常规检测之一,主要用于消化系统等相关疾病的诊断。临床已实现血常规、尿常规的自动识别检验,但由于标本成分复杂,大便常规检验的自动化检验技术一直不成熟,检验过程基本由手工完成,检测结果具有一定的主观性且检测速度慢。本研究主要针对低倍率（20倍目镜系统采集）粪便镜检图像的特点,设计一种基于低维特征条件的无标记红白细胞识别与分类算法,不仅能保证识别准确率,也能为提高识别速度提供可能。主要工作如下:1.分析当前显微镜检图像研究现状以及低倍率下采集到的粪便镜检图像与常规采集图像的不同特点,决定在参考目前显微镜检图像细胞自动分析方法的基础上,再根据低倍率粪便镜检图像的特点,对图像进行自动识别与分析研究。2.设计一种多信息、多方法的细胞图像综合分割方法。首先针对低倍率粪便镜检图像弱边缘问题,将R、G和B通道图像边缘检测结果融合互补,并通过形态学方法完善,充分利用彩色空间信息完成初步分割;然后针对细胞粘连问题,设计一种基于迭代腐蚀的标记分水岭分割方法,完成粘连细胞分割;最后融合初步分割和粘连细胞分割结果得到最终分割图像,很好地完成了对红白细胞的分割。3.运用基于改进的低维特征向量SVM... 

【文章来源】：重庆邮电大学重庆市

【文章页数】：74 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
注释表
第1章 引言
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 镜检细胞识别系统研究现状
        1.2.2 图像处理技术研究现状
        1.2.3 支持向量机技术研究现状
    1.3 课题研究难点
    1.4 论文主要工作及结构
        1.4.1 论文主要工作
        1.4.2 论文组织结构
第2章 粪便镜检图像预处理与分割
    2.1 粪便镜检图像概述
        2.1.1 粪便镜检图像的特点
        2.1.2 粪便镜检图像红白细胞特点
    2.2 粪便镜检图像预处理
        2.2.1 图像去噪方法
        2.2.2 图像增强方法
        2.2.3 预处理方法流程
    2.3 粪便镜检图像分割
        2.3.1 基于边缘检测的图像分割
        2.3.2 基于数学形态学的图像分割
        2.3.3 连通区域标记
        2.3.4 粘连细胞分割
    2.4 分割算法综合与分析
        2.4.1 分割算法流程
        2.4.2 分割实验结果与分析
    2.5 本章小结
第3章 粪便镜检图像特征选择和提取
    3.1 显微细胞图像有形成分常用特征
        3.1.1 几何形状特征
        3.1.2 灰度统计特征
        3.1.3 纹理特征
    3.2 红白细胞特征选择和提取
        3.2.1 形状特征选择
        3.2.2 Canny算子特征选择
        3.2.3 改进的低维特征组合
    3.3 特征提取实验结果与分析
    3.4 本章小结
第4章 粪便镜检图像红白细胞识别
    4.1 镜检图像细胞识别概述
    4.2 基于支持向量机的细胞自动识别
        4.2.1 支持向量机原理
        4.2.2 基于支持向量机的细胞识别实验
    4.3 基于BP神经网络的细胞自动识别
        4.3.1 BP神经网络原理
        4.3.2 基于BP神经网络的细胞识别实验
    4.4 红白细胞识别实验与结果分析
        4.4.1 识别实验设置
        4.4.2 SVM和BP神经网络实验对比
        4.4.3 常用特征与改进低维特征组合实验对比
        4.4.4 红白细胞整体识别结果对比
    4.5 本章小结
第5章 总结与展望
    5.1 工作总结
    5.2 课题展望
参考文献
致谢
攻读硕士学位期间从事的科研工作及取得的成果


【参考文献】：
期刊论文
[1]基于小波变换和多尺度形态学的图像边缘检测[J]. 徐剑锋,彭亚雄.  移动通信. 2017(24)
[2]基于迭代腐蚀的粘连细胞图像分割研究[J]. 王鑫,胡洋洋,杨慧中.  南京理工大学学报. 2016(03)
[3]基于贝叶斯证据框架下SVM的油层识别模型研究[J]. 夏莘媛,戴静,潘用科,韩扬.  重庆邮电大学学报(自然科学版). 2016(02)
[4]基于形态学的显微细胞图像处理与应用[J]. 杨小青,杨秋翔,杨剑.  计算机系统应用. 2016(03)
[5]浅论进行粪便常规检查的方法及临床意义[J]. 甄晓菊.  当代医药论丛. 2015(16)
[6]显微细胞图像有形成分自动识别[J]. 漆鹏杰,刘秀波,仲兆准,管淼,谢光伟.  计算机系统应用. 2015(05)
[7]显微细胞图像分析方法的研究进展[J]. 刘志文,安兴,李衡,时永刚,黄亚丽,杨婷.  北京理工大学学报. 2014(05)
[8]基于多颜色空间特征融合的彩色白细胞图像识别[J]. 郝连旺,洪文学.  生物医学工程学杂志. 2013(05)
[9]基于改进分水岭算法和凹点搜索的乳腺癌粘连细胞分割[J]. 童振,蒲立新,董方杰.  生物医学工程学杂志. 2013(04)
[10]基于图像处理的尿有形成分的识别[J]. 胡晓丽.  微型机与应用. 2012(05)

硕士论文
[1]人体粪便中的生物细胞自动识别技术的研究[D]. 雷皓婷.电子科技大学 2016
[2]粪便中有型成分显微图像的自动识别技术研究[D]. 袁阳.电子科技大学 2016
[3]基于机器视觉的显微细胞图像有形成分自动识别研究[D]. 漆鹏杰.苏州大学 2015
[4]基于Hough变换的医学显微细胞检测技术研究[D]. 陆路.湘潭大学 2015
[5]人体粪便镜检图像自动分割与识别算法研究[D]. 马显芳.华中科技大学 2015
[6]基于模糊聚类的粪便镜检图像识别研究[D]. 陈国一.西安工业大学 2014
[7]显微镜细胞特征提取及识别[D]. 谢雅婷.湘潭大学 2012
[8]基于机器视觉的人眼生物信息获取技术的研发与仿真[D]. 胡文静.哈尔滨理工大学 2010
[9]基于人工神经网络的血液细胞图像分割方法研究[D]. 王传永.天津理工大学 2005



本文编号：3180583