团簇宫颈细胞图像中细胞核分割与分类算法研究

发布时间：2022-01-22 18:58

　　随着计算机技术被普遍应用于各个领域,利用图像处理与模式识别技术结合病理学知识,辅助医生完成诊断,成为了目前机器视觉领域的研究热点之一。宫颈癌是最常见也是唯一病因明确的女性恶性肿瘤,其发生与发展是一个逐渐演变的过程,且前中期病变的治愈率较高,因此定期检查,及早发现一些癌前病变,可以有效地规避罹患宫颈癌的风险。近年来,国内外的学者在巴氏涂片的基础上,设计了多种针对不同图片类型的计算机辅助宫颈细胞图像分析算法。本文针对团簇宫颈细胞图像,以细胞核为研究对象,结合图像分割、特征提取与分类识别步骤,实现了病变宫颈细胞核的筛查。具体工作如下:1.首先利用自适应阈值Otsu算法结合数学形态学操作定位巴氏涂片中的细胞团簇,之后利用选择搜索从整幅图像中提取感兴趣区域,通过以上两个步骤完成团簇细胞图像中感兴趣区域的提取。在此基础上,对提取到的所有感兴趣区域进行筛选以获得细胞核区域,本文定义了一个名为最大截面的特征,利用该特征结合Back Propagation（BP）神经网络完成了细胞核筛选。2.在提取到的细胞核区域的基础上,本文基于灰度直方图分布将不同对比度细胞核分为高对比度组和低对比度组。对于高对比度组... 

【文章来源】：天津理工大学天津市

【文章页数】：58 页

【学位级别】：硕士

【部分图文】：

不同类型的巴氏涂片

类法[61]、支持向量机（Support Vector Machine， SVM）[62-64]、神经器融合[69-71]等方法完成细胞分类。随着深度学习的发展，深度特征作自动学习而得到的特征在分类领域中取得了不错的成绩，Zhang 等人及郝占龙等人[74]将其应用于宫颈细胞分类中。这里简要介绍常用的agation (BP)神经网络的基本思想。 是一种以统计学习为理论基础的分类器，通过一个非线性映射，把个高维乃至无穷维的特征空间中，这使得原本在样本空间中线性不可了特征空间中线性可分的任务。SVM 是有监督的学习模型之一，常、分类以及回归分析等任务。经网络是由 Rumelhart 和 McClelland 为主的一组科学家于 1986 年仍是应用最广泛的神经网络模型之一。BP 神经网络是多层前馈网络层和输出层，可实现从输入到输出的任意非线性映射，典型的 BP 神 1-2 所示。BP 神经网络包括信号的前向传播和误差的反向传播两个是梯度下降法，通过误差的反向传播连续调整网络权值和阈值，使网小值。由于 BP 神经网络具有泛化能力强，学习过程简单且具有一定别适合求解内部机制复杂的问题等优点，其通常用于数据分类与模

细胞团簇定位过程

【参考文献】：
期刊论文
[1]基于全卷积网络和条件随机场的宫颈癌细胞学图像的细胞核分割[J]. 刘一鸣,张鹏程,刘祎,桂志国.  计算机应用. 2018(11)
[2]结合层次法与主成分分析特征变换的宫颈细胞识别[J]. 赵理莉,孙燎原,殷建平,李宽,印万鹏,祝恩.  国防科技大学学报. 2017(06)
[3]基于同层多尺度核CNN的单细胞图像分类[J]. 郝占龙,罗晓曙,赵书林.  计算机工程与应用. 2018(15)
[4]宫颈癌的筛查方法及其评价[J]. 蒋静,邓青.  中国妇幼保健. 2008(20)

博士论文
[1]光学显微宫颈细胞图像的分割与识别方法研究[D]. 关涛.国防科学技术大学 2015
[2]宫颈细胞图像分割和识别方法研究[D]. 范金坪.暨南大学 2010

硕士论文
[1]宫颈细胞图像分割与识别算法研究[D]. 王爽.山东科技大学 2017
[2]医学图像智能分类技术研究与应用[D]. 张璐.电子科技大学 2017
[3]宫颈细胞病理图像的分类识别方法研究[D]. 吕绪洋.广西师范学院 2016
[4]一种多分类器融合的单个宫颈细胞图像分割、特征提取和分类识别方法研究[D]. 李文杰.广西师范大学 2016
[5]一种基于图像内容的粗略分类方法研究[D]. 张鑫.南昌航空大学 2015
[6]基于Snake分割和SVM的宫颈细胞识别研究[D]. 鲁武警.山东大学 2015



本文编号：3602729