白带显微图像中白细胞自动识别算法技术的研究

发布时间：2020-11-05 05:40

　　 白带显微图像中白细胞的自动识别算法技术是一种与机器学习方法,人工智能思想密切关联的数字图像处理技术。阴道白细胞的存在是阴道或宫颈组织炎症的重要标志,白细胞的识别与计数是评估病情的简单、有效手段,是白带常规检查的重要部分。然而,传统方法中白细胞的识别主要通过人工方法进行,效率低下。迄今为止,粪便、血液等物质中的有形成分均实现了智能化的自动识别,而白带中白细胞的自动识别研究则刚刚起步。白细胞自动识别的实现依托于全自动白带检测仪,借鉴并使用了图像处理、特征提取、智能分类、神经网络等多种算法技术,主要包括两个阶段:白带显微图像预处理,和白细胞正负样本的智能分类。白带显微图像的预处理,完成了对白带显微图像的分割与裁剪,得到了白细胞的正负样本库,是实现白细胞自动识别的基础与首要步骤。之后,本文提出了三种用于白细胞正负样本分类的算法模型:提取样本的形态学特征和纹理特征,组成特征集并输入到分类器中进行分类;设计一个卷积神经网络的算法模型,从不同维度不同层次完成特征抽取,并将分类步骤融合于网络之中;将上述两种算法模型线性组合,得到一个组合算法模型。经过白细胞正负样本的分类之后,将正样本在白带显微图像中框出并计数,至此,完成了白细胞的自动识别。实验结果表明,基于这三种不同算法模型的白细胞识别方法均可用于实际生产中。基于手工设计特征并分类的方法达到了88%的灵敏度,97%的特异性和92.5%的准确率。基于卷积神经网络的方法获得95%的灵敏度,89%的特异性和91%的准确率。最后,基于组合模型的方法中,实现了93%的灵敏度,96%的特异性和95%的准确率。可见,这三种方法在不同评价指标下各有优劣,但差别较小,均可用于白带显微图像中白细胞的自动识别。考虑程序运行的时间,则基于卷积神经网络的算法模型呈现出最优的性能。本文从算法角度出发,研究了白带显微图像中白细胞的自动识别技术,针对具体的识别情景,设计手工特征集和卷积神经网络,并创造性的将两者相结合,实现了多种算法下的白细胞自动识别,达到了生产要求,提高了白带检测仪的智能化程度。
【学位单位】：电子科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：R711;TP391.41
【部分图文】：

阴道感染[1,2]。阴道疾病定程度的影响。为降治疗。中常规的检验项目，大部分的阴道感染疾断感染病菌的几率或菌造成的，白带中白床意义和极大的研究价出，形态接近圆形，有细胞，在发生感染的时，根据白细胞的多少，0-5 个白细胞属于正以确定存在炎症情况，情况，需要进行更多

采用奥林巴斯 CX31 生物显微镜和图谱 EXCCD 相机，如图2-2 所示。奥林巴斯 CX31 生物显微镜使用先进的 UIS 无限远校正光学系统，采用UIS 系统的 PLC 系列平场物镜更是显著提高了图像边缘的锐利和清晰度。本课题中，由于需要在 CCD 相机中成像，故目镜不被使用，仅使用物镜。在物镜倍率的选择上，我们要保证涂片上大部分区域可以被观察到，同时相机扫描的总时间不

82.2 白带显微图像的预处理经过涂片制备及图像采集步骤，得到的8位灰度白带显微图像，如图2-4所示。图 2-4 白带显微图像在图像中，不仅可能含有白细胞，也可能含有球菌、杆菌、滴虫、霉菌、上皮细胞等成分。因此，我们设计图像预处理这一环节，在原始白带显微图像中，将可能包含白细胞的区域裁剪下来。一方面，对图像中的所有成分进行初步筛选，排除明显不是白细胞的成分，如球菌、杆菌或其他碎屑；另一方面，经过稀释步骤的样本，在其图像中有较大像素面积的灰色背景，影响图像处理的速度，通过裁剪步骤，可去除大量的背景像素。2.2.1 白带显微图像的分割图像分割，是将图像划分为若干互不交迭的区域，划分的依据是灰度、颜色、纹理等图像特征
【相似文献】

相关期刊论文 前10条

1 许艳;萧泽新;陈乐庚;;细胞显微图像的处理与识别系统研究[J];光学与光电技术;2007年02期

2 李金忠;吴沿友;秦松;赵玉国;;显微图像处理在藻类分类计数中的应用[J];贵州科学;2006年03期

3 左铁秋,耿长喜,马德华,赵晨颖,杨静波,唐庆梅;应用荧光显微图像技术评价油层水淹程度[J];大庆石油地质与开发;2005年S1期

4 赵倩,胡越黎,曹家麟;基于支持向量机的皮肤显微图像识别[J];上海大学学报(自然科学版);2005年01期

5 纪红,贾志强;医学显微图像处理系统[J];中国医学装备;2005年03期

6 鞠颖,王博亮,谢杰镇,黄绍辉,吴世辉,万明习;基于裂隙灯显微图像的眼前节特征提取的新方法[J];中国生物医学工程学报;2004年03期

7 杨朝丽;显微图像显示仪在实验课中的应用[J];中等医学教育;2000年07期

8 鲍依稀,刘清林,康格非,罗春丽;医用显微图像处理系统的研制和软件开发[J];重庆医科大学学报;2000年03期

9 余书勤，相秉仁;显微图像处理在新药药效及毒性研究中的应用[J];药学进展;1995年01期

10 陈耀文;;利用计算机图像处理分离显微图像中的交叠目标[J];医学物理;1991年Z1期

相关博士学位论文 前10条

1 钟明亮;红外显微图像的信息提取技术研究[D];哈尔滨工程大学;2014年

2 郑海永;基于生物形态学的有害赤潮显微图像诊断研究[D];中国海洋大学;2009年

3 史红伟;显微图像处理理论及其在食品微生物识别中的应用[D];吉林大学;2012年

4 张红民;厚组织荧光显微图像复原方法研究[D];华中科技大学;2007年

5 吴坚;近膜区域荧光显微图像中亚细胞目标的斑点检测、融合事件识别和三维形态重建[D];浙江大学;2016年

6 余金栋;基于计算机微视觉的亚微米特征尺寸测量理论与实验研究[D];华南理工大学;2014年

7 郭春锋;中国海常见有害赤潮藻显微图像识别研究[D];中国海洋大学;2011年

8 李绍成;基于静电感应和显微图像的油液磨粒监测技术研究[D];南京航空航天大学;2009年

9 隋栋;基于收敛指数的显微图像中细胞检测计数与三维重建研究[D];哈尔滨工业大学;2015年

10 刘岩;显微视频流处理关键技术及其应用[D];浙江大学;2015年

相关硕士学位论文 前10条

1 钟亚;白带显微图像中白细胞自动识别算法技术的研究[D];电子科技大学;2018年

2 鄢婷;材料与生物医学中的显微图像处理研究[D];武汉理工大学;2015年

3 徐秋枫;光学显微图像细胞结构检测和重建方法研究[D];华中科技大学;2016年

4 王思玲;基于色度模型的细胞显微图像颜色评估方法及应用研究[D];南昌航空大学;2017年

5 孟鑫;基于机器视觉的寄生虫卵显微图像自动识别研究[D];河南科技大学;2017年

6 高会会;角毛藻显微图像识别与无角毛类藻多细胞显微图像计数研究[D];中国海洋大学;2014年

7 吉文华;医学显微图像工作站的设计与开发[D];浙江大学;2004年

8 张立伟;白细胞显微图像分类研究[D];哈尔滨工程大学;2008年

9 刘倩倩;细胞抹片显微图像自动分割识别算法研究[D];重庆大学;2017年

10 文军;基于FPGA的显微图像采集平台控制系统设计[D];哈尔滨理工大学;2016年

本文编号：2871206