宫颈细胞病理图像的分类识别方法研究

发布时间：2017-04-12 12:42

  本文关键词：宫颈细胞病理图像的分类识别方法研究，由笔耕文化传播整理发布。

【摘要】：针对宫颈癌细胞的病理研究进展出现的细胞识别问题,提出一种新的解决方案,利用计算机对细胞图片进行分割处理,再结合模式识别技术设计自动识别,这对研究宫颈癌病变前的诊断具有重要意义。本文在现有的技术研究上结合医学理论知识,深入的分析了宫颈细胞图像分割的问题所在并且提出新的解决方案,最后实现了对图像处理和分类识别。研究内容主要涉及:宫颈细胞图像的预分割、重叠细胞分割、单细胞精确分割;提取客观有效用于分类识别的特征参数(形态、色度、纹理),采用BP神经网络对宫颈细胞进行分类。本文的研究工作主要分为两大部分:(1)宫颈细胞的分割处理。首先对细胞图像进行预分割,从完整的宫颈LCT图像中确定细胞前景,把图像分割为单个细胞、细胞群、杂质三种区域,因为宫颈细胞图像是分辨率高达数万像素的巨幅图像,因此采用了分块结合Otsu算法加快分割速度。细胞重叠和粘连是制片过程中不可避免的问题,第二步对重叠细胞图像分割将把细胞群分离为独立的细胞分割结果会影响细胞形态特征的参数提取的准确性。首先需判定细胞群是否可分,可分细胞群采用基于曲率的方法检测重叠细胞的分离点,通过基于曲线拟合的方法进行分离,不可分则舍弃。第三步是单细胞的精确分割,细胞精确分割是提取的细胞特征准确有效的前提,本文采用了基于GVF Snake模型的自适应分割方法,实验证明,该方法分割精确,能够取得较为满意的结果。(2)采用BP神经网络对宫颈细胞进行分类,考虑到标准BP神经网络存在自身固有缺陷,依据权威的宫颈细胞病理学诊断标准(TBS)筛选出15个替代特征参数,进行主成分分析,得到一个必不可少并且足够小的特征集,通过实验比较可知该特征集可以大大缩短训练时间,从而设计出一个稳定可靠的模型。最后,在训练过程中引入自适应学习率和动量因子调节层间权重值加快了网络收敛速度。本文是基于丰富的病理实践和扎实的医学细胞病变理论上开展的研究,借鉴人工BP神经网络理念设计分类器对现实宫颈癌细胞图片进行分类识别,该项研究对临床应用方面有着广阔的前景和重要的现实意义。
【关键词】：Otsu算法 曲线拟合 GVF Snake模型 BP神经网络
【学位授予单位】：广西师范学院
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R737.33;TP391.41
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-14
• 1.1 课题研究的背景和意义9-10
• 1.2 细胞图像研究现状10-13
• 1.2.1 图像分割研究现状11-12
• 1.2.2 特征提取研究现状12
• 1.2.3 分类识别研究现状12-13
• 1.3 本文研究内容13
• 1.4 文章组织结构13-14
• 第二章 宫颈细胞图像分割方法研究14-30
• 2.1 分割流程简介14-15
• 2.2 宫颈细胞图像预分割15-18
• 2.2.1 Otsu算法16-17
• 2.2.2 宫颈细胞图像分块17
• 2.2.3 自适应阈值分割方法17-18
• 2.3 重叠细胞分割18-22
• 2.3.1 基于曲率检测细胞分离点18-20
• 2.3.2 基于曲线拟合的细胞分离20-21
• 2.3.3 实验结果及分析21-22
• 2.4 独立细胞的精确分割22-29
• 2.4.1 传统snake模型22-23
• 2.4.2 GVF Snake模型23-25
• 2.4.3 基于GVF Snake模型的自适应分割25-27
• 2.4.3.1 选取初始轮廓25-26
• 2.4.3.2 算法实现26-27
• 2.4.4 实验结果及分析27-29
• 2.5 本章小结29-30
• 第三章 基于BP神经网络的分类识别30-42
• 3.1 BP神经网络30-35
• 3.1.1 神经元模型31-32
• 3.1.2 BP网络原理32-35
• 3.1.2.1 正向传播33
• 3.1.2.2 反向传播33-35
• 3.2 BP神经网络的改进35-36
• 3.2.1 增加动量法35-36
• 3.2.2 自适应学习速率法36
• 3.3 基于BP神经网络的宫颈细胞识别36-39
• 3.3.1 宫颈细胞特征参数计算及其选择36-38
• 3.3.2 BP神经网络设计38-39
• 3.4 实验结果及分析39-41
• 3.5 本章小结41-42
• 第四章 总结和展望42-43
• 4.1 研究工作总结42
• 4.2 展望42-43
• 参考文献43-48
• 附录48-49
• 致谢49-50

【参考文献】

中国期刊全文数据库 前6条

1 何苗;全宇;李建华;付志民;周宝森;;MLP神经网络在子宫颈细胞图像识别中的应用[J];中国卫生统计;2006年04期

2 何苗;蒋本铁;李建华;付志民;范玉;周宝森;;径向基人工神经网络在宫颈细胞图像识别中的应用[J];中国医科大学学报;2006年01期

3 李光,张海峰,王军梅,徐妙生,王全红;宫颈鳞状细胞癌细胞核的形态定量分析[J];山西医科大学学报;2005年04期

4 杨育彬;李宁;陈世福;陈兆乾;;肺癌分类识别中的神经网络集成技术研究[J];计算机科学;2003年09期

5 刘秉瀚,王伟智,方秀端;协同模式识别方法综述[J];系统工程与电子技术;2003年06期

6 潘秦镜,李凌,乔友林,章文华,张询,吴令英,李爱玲,戎寿德,赵芳辉,孙耘田,JeromeL.Belinson,RobertG.Pretorius;液基细胞学筛查宫颈癌的研究[J];中华肿瘤杂志;2001年04期

  本文关键词：宫颈细胞病理图像的分类识别方法研究，，由笔耕文化传播整理发布。

本文编号：301223