人体粪便中的生物细胞自动识别技术的研究

发布时间：2017-09-08 10:19

  本文关键词：人体粪便中的生物细胞自动识别技术的研究

  更多相关文章： 生物细胞 图像处理 形态学分割 模糊识别 BP神经网络

【摘要】：粪便是人体的主要分泌物,粪便中的生物细胞状况反映了病人生理状态的病理变化情况。粪便的杂质较多,常规适用于血液、尿液环境的生物细胞自动检测方法不能在粪便环境下使用。现今医院主要使用人工目测结合化学试剂进行粪便日常常规检测,这种方法的检测结果基本取决于医生的个人判断,具有极大的随机性。而据我们查阅国内外重要数据库的结果,关于人体粪便中红、白细胞的自动检测技术国内外未见报道。本文提出了一种基于图像处理技术的人体粪便中生物细胞自动检测算法来代替现在最常用的人工镜检方法。该算法主要针对人体粪便环境中的红、白细胞实现自动检测。为了保证后续红、白细胞可独立检测性,本算法将两种细胞的检测分开使其互相独立,并且,基于红、白细胞的特性及出现频率,本算法将检测顺序确定为先检测红细胞,再检测白细胞。由于人体粪便环境复杂,杂质较多,本文引入分割方法如阈值分割、边缘分割对样本图像进行处理,分析各种算法在粪便环境中的适用程度并对算法进行评估。数学形态学分割方法性能优越,故本文将其作为生物细胞检测初始分割提取细胞部分的核心算法。检测红细胞的主要方法是基于神经网络改进的模糊识别算法。模糊聚类算法可以得出疑似红细胞样本对红细胞聚类的隶属度并以此作为关键判断条件,但隶属度函数的确立一直是模糊聚类算法中的一大难题。本文将BP神经网络引入模糊识别算法,使用神经网络对隶属度函数进行拟合。另外,红细胞在拍摄图像时会产生偏转,从而导致图片中红细胞的形态发生变化。由于偏转红细胞与杂质相似,所以本文在偏转红细胞的判断上引入多层图像比对进行进一步检测。白细胞的形态相对固定且其特征鲜明,本文提取白细胞的特征值,通过对特征值的判断来检测白细胞,与红细胞相同,白细胞也引入多层图像进行进一步的判断。最后,对本文提出的自动检测算法进行编程,并对程序进行优化加速及性能测试,在保证检测结果的基础上使检测速度提升五倍以上。本文提出的自动检测方法真阳性率高达98%,而假阳性率也减少到8%,且该方法具有较好的鲁棒性,同时速度达到单个样本16s,满足了医院快速检测的要求,具有一定的现实意义。
【关键词】：生物细胞 图像处理 形态学分割 模糊识别 BP神经网络
【学位授予单位】：电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.41;R446.13
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 第一章 绪论10-15
• 1.1 研究的背景和意义10-11
• 1.2 细胞自动识别发展史及现状11-13
• 1.3 课题研究内容、技术路线、关键问题13
• 1.4 论文安排13-15
• 第二章 人体粪便中生物细胞识别的医学基础15-19
• 2.1 显微图片标本制备及图像采集15
• 2.2 人体粪便中生物细胞识别的内容及临床意义15-18
• 2.2.1 红细胞的形态特征及临床意义15-17
• 2.2.2 白细胞的形态特征及临床意义17-18
• 2.3 本章小结18-19
• 第三章 生物细胞的图像分割19-37
• 3.1 图像分割的概念19-20
• 3.2 图像分割算法20-33
• 3.2.1 阈值分割算法20-27
• 3.2.2 边缘分割算法27-33
• 3.3 形态学分割33-36
• 3.4 本章小结36-37
• 第四章 生物细胞自动识别技术37-58
• 4.1 生物细胞自动识别技术简述37-39
• 4.2 细胞特征提取39-41
• 4.3 基于模糊识别和BP神经网络的红细胞自动识别技术41-56
• 4.3.1 基于部分特征的初始筛选41-42
• 4.3.2 模糊模式识别42-48
• 4.3.3 BP神经网络48-55
• 4.3.4 基于多层图像的最终筛选55-56
• 4.4 基于特征筛选的白细胞自动识别技术56-57
• 4.4.1 白细胞特征筛选56
• 4.4.2 基于多层图像的最终选择56-57
• 4.5 本章小结57-58
• 第五章 人体粪便中生物细胞自动识别技术优化及结果分析58-68
• 5.1 程序优化及加速58-62
• 5.1.1 CUDA加速58-61
• 5.1.2 OpenMP加速61-62
• 5.1.3 加速结果总结62
• 5.2 医院样本测试及结果分析62-67
• 5.3 本章小结67-68
• 第六章 结论与展望68-70
• 6.1 本文的主要工作68
• 6.2 后续研究工作建议68-70
• 致谢70-71
• 参考文献71-75
• 攻读硕士学位期间取得的成果75-76

【相似文献】

中国期刊全文数据库 前10条

1 戴康;王晓琼;;神经网络在药动学评价中的应用[J];医药导报;2007年09期

2 蔡云;;收敛非线性神经网络的稳定性[J];国外医学.生物医学工程分册;1991年01期

3 王继成,吕维雪;基于神经网络的心电数据压缩[J];生物医学工程学杂志;1993年03期

4 段新昱,林家瑞;神经网络在心电信号分析处理中的应用[J];国外医学.生物医学工程分册;1993年01期

5 Miller A S ,张永红;神经网络在医学信号处理方面的应用[J];国外医学.生物医学工程分册;1993年04期

6 王继成;吕维雪;;基于符号神经网络的心脏疾病自动诊断[J];北京生物医学工程;1993年03期

7 刘子皇;;胞神经与类胞神经网络的动力学范围的准确估计[J];中山大学研究生学刊(自然科学版);1995年03期

8 邹睿,欧阳楷,刘悦;神经网络中的微心理学——兼论人工神经网络框架[J];山东生物医学工程;1998年01期

9 邹凌云;王正志;黄教民;;基于位置特异性谱和输入加权神经网络的蛋白质亚细胞定位预测(英文)[J];遗传学报;2007年12期

10 成刚;吴小玲;夏杰;张炯;肖富男;崔燕南;周荃;刘永康;李珊;;基于神经网络的环孢素血药浓度预测[J];中国生物医学工程学报;2009年06期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

，

本文编号：813453