人类染色体核型分析的中轴细化算法和分类模型

发布时间：2023-12-23 20:42

　　人类染色体核型分析在遗传病的检查、产前诊断和癌症病理分析等方面具有重要作用。染色体核型分析通过显微成像设备拍摄到细胞中染色体中期分裂时的图像,经过图像处理和模式识别等方法识别每一个染色体类别并排序得到核型分析图。染色体特征的提取以及选择分类算法对整个流程极其重要,染色体常用于分类的长度、着丝粒指数和带纹特征都非常依赖于染色体图像中轴的确定。但是,在染色体中轴提取过程中,传统的细化算法提取的中轴具有容易形成较多毛刺、连通性较差以及不能具有单像素宽等问题;此外,目前常见的染色体分类方法在分类精度和模型训练时间都有一定的不足。因此如何有效地提取具有较少毛刺、连通性好、单像素宽的染色体中轴线,以及提出具有更优性能的分类模型是本文研究工作的重点。为了能够提取具有较少毛刺、连通性好、单像素宽等特征的染色体中轴线,本文提出了一种基于串行细化和并行细化的混合细化算法。该算法主要包括三个步骤:首先根据边缘检测算法确定图像轮廓并处理边界噪声;然后根据设定的约束条件,对图像轮廓像素进行删除和保留处理;最后对经过前两个步骤多次迭代得到的中轴线进行处理,以保证提取的中轴线为单像素宽。同时为了能够有效地评估所提出...

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 本文的研究背景和研究意义
        1.1.1 研究背景
        1.1.2 研究意义
    1.2 国内外研究现状及分析
        1.2.1 细化算法研究现状及分析
        1.2.2 染色体分类算法研究现状及分析
    1.3 本文的主要工作
    1.4 本文的组织结构
2 图像细化基础及经典串行和并行细化算法
    2.1 图像细化基础
        2.1.1 图像细化背景及原理
        2.1.2 图像细化标准
    2.2 经典串行细化算法
        2.2.1 Hildich细化算法
        2.2.2 K3M细化算法
    2.3 经典并行细化算法
        2.3.1 AW细化算法
        2.3.2 ZS细化算法原理
    2.4 本章小结
3 核极限学习机和人工蜂群算法基础理论
    3.1 核极限学习机基本原理
        3.1.1 神经网络基本理论及模型
        3.1.2 核极限学习机原理及其优缺点
    3.2 人工蜂群算法理论基础
        3.2.1 群智能优化算法概述
        3.2.2 人工蜂群算法原理
    3.3 本章小结
4 基于混合细化算法的染色体中轴提取
    4.1 算法描述
    4.2 算法内容
        4.2.1 预处理阶段
        4.2.2 根据约束条件保留和删除轮廓像素
        4.2.3 后处理阶段
    4.3 细化算法评价指标
    4.4 实验与分析
        4.4.1 实验运行环境
        4.4.2 实验数据来源及对比方法
        4.4.3 实验结果分析
    4.5 本章小结
5 染色体特征的提取和IABC-KELM竞争队列分类模型
    5.1 染色体特征的提取
        5.1.1 染色体长度特征的提取
        5.1.2 染色体面积和着丝粒指数的提取
        5.1.3 染色体带纹特征提取
        5.1.4 特征的归一化
    5.2 基于二分类IABC-KELM竞争队列的染色体分类
        5.2.1 算法描述
        5.2.2 算法内容
    5.3 实验与分析
    5.4 本章小结
6 总结与展望
    6.1 本文主要工作总结
    6.2 未来工作展望
参考文献
致谢
个人简历、在校期间发表的学术论文与研究成果



本文编号：3874283