李敏[1]2003年在《细胞切片显微图象的预处理和分割算法研究》文中研究指明医学图象处理作为图象处理技术的一个重要应用领域，受到了计算机图象处理研究者的广泛重视；医学图象处理与识别的方法研究也随着计算机图象处理的发展成为当代医学图象领域的前沿课题。图象处理与分析技术的发展及其在医学图象中的应用，为医学诊断提供了更加丰富、准确的医学信息。在医学诊断中，由于癌症的高发生率和高死亡率，癌症诊断成为其中的一个研究热点，其中的判断依据集中在癌细胞的识别这一问题上，近年来国内外医学图象研究者针对该课题提出了很多有效的图象处理与识别方法，根据这些理论与方法研制开发出的癌细胞自动识别系统在计算机辅助诊断中尤其是缺少专家的情况下具有十分重要的意义。 在医学图象处理领域，借助计算机来进行图象处理和分析，是图象处理技术结合医学影像特点的重要应用方面。作者在研究了国内外该领域的技术方向和发展动态后，综述了主要的研究内容和方法，介绍了在癌症诊断中图象处理与识别的研究重点和核心技术，如：信息融合技术、数学形态学理论及技术、图象分割理论及方法等等。本文在这些理论与技术的基础上，具体结合医学细胞图象的特点，采用合适的处理手段并有机结合这些技术得到了较为理想的处理结果。 在医学细胞图像处理的研究中，细胞图像中细胞的分割和识别是其中最重要、最困难的一个方面，特别是在癌症诊断中，细胞区域分割问题的解决对疾病诊断、细胞信息定量分析、细胞变异等研究具有不可低估的影响。由于在获取的医学图像中常常有多个细胞同时存在于一幅图像的现象，而在分类与识别时我们一般是对取样后的每个细胞进行特征提取，进而得到整个取样的判别结果，因此对于单个细胞的区域分割是其中十分重要的一个步骤。本文在讨论医学细胞图像的预处理、图象分割、特征提取、分类与识别等完整步骤的基础上，在预处理阶段针对医学细胞图象的特点提出了一种基于广义图象的信息融合算法，在图象分割中，提出了一种基于数据结构中树的遍历的细胞图像区域分割方法——“T形遍历分割法”，最后对医学图像处理及癌细胞自动识别系统的研究做了简要的总结。 本文的内容安排如下： ◆引言部分介绍了医学数字成像和处理技术的发展概况，讨论了癌细胞解放军信息工程大学硕士学位论文的特征分析和诊断技术，探讨该领域中的主要技术课题，分析了开展本课题研究的必要性和意义。 .第二章讨论医学图像处理中的预处理技术。首先简要介绍了医学图象的获取，然后就医学图象处理中常用的预处理方法进行了介绍，针对细胞图象提出一种基于广义图象的图象融合算法。 .针对医学图像处理和分析中常用的数学形态学理论，第叁章介绍与之密切相关的二值图象处理，分析了数学形态学理论和基于形态学的医学细胞图象处理方法。 .第四章是论文的重要组成部分，也是细胞图象处理中的核心部分—图象分割方面的知识。本文将数据结构的理论引入细胞图象区域分割，提出了一种基于数据结构的细胞区域分割算法—T形区域分割法。该算法运用数据结构和连通区域知识，巧妙、直观而有效地实现了单个细胞的分离，并且作为一种图象分割的新算法，也用于一般图象分割处理。 ，第五章介绍了细胞图象中的特征提取以及最终的分类与识别方法，提取的依据是癌细胞与正常细胞的特征差异，主要是:癌细胞的细胞核变大、形状不规则，细胞核和细胞质增长不同步。综合这些特征，实现了癌细胞自动识别。 .第六章对全文进行了简要总结，对本课题的下一步工作和研究重点及研究难点进行了说明，并对医学细胞图象处理及癌细胞自动识别系统的发展进行了讨论。
梅林[2]2014年在《基于K-均值聚类及数学形态学的细胞图像自动分割方法研究》文中指出胰腺癌是一种诊断和治疗难度较大的消化道恶性肿瘤，近年来其发病率及死亡率呈明显上升趋势，对胰腺细胞进行研究与分析对于胰腺癌的早期预防和临床诊断有具有积极的意义。目前医学研究的有效方式是通过对活体细胞切片进行显微成像，然后对细胞图像进行处理，得出诊断结果。由于染色、光照不均匀以及取样方法等问题，常会造成细胞相互重迭、团簇、粘连，给诊断带来很多困难。为解决这些难题，需要研究高效的分割方法将粘连团簇的细胞精确地从背景中分割开来。目前很少有公开报道关于人体胰腺细胞图像的自动分割方法，因此急待解决。本文针对人体胰腺细胞图像所存在的多个问题，结合K-均值聚类和自适应形态学，研究并提出了一种自动分割方法，旨在实现满意的分割效果。主要研究内容如下：①观察人体胰腺细胞图像特点，研究并提出了面向胰腺细胞图像的基于K-均值聚类法的粗分割方法，可将细胞图像中背景、干扰和目标前景叁个部分进行聚类，为后续精细分割提供了局部图像连通域。②针对传统数学形态学算法中结构元素形状和大小固定的缺陷，提出了一种基于自适应数学形态学算法的细分割方法。该算法可通过判断连通域是否粘连，自适应计算与粘连细胞匹配的结构元素尺寸，然后进行相应的形态学操作，从而针对不同粘连情况的细胞进行相应的分割。③综合以上两点，形成了一种基于K-均值聚类和自适应形态学的胰腺细胞图像自动分割方法，该方法从原理上还可以适用于其它组织细胞图像分割。分割结果表明，本算法可以自适应地对粘连重迭不同程度的细胞进行准确地分割，与传统形态学方法相比，分割效果较好。④在MATLAB GUI环境下设计了一套完整的自动细胞分割演示系统，该系统融合了本文算法与经典的图像分割算法，可以实现对多种细胞图像的多种分割操作，并展示分割效果。文中详细介绍了该软件的制作方法，并加以图片展示了该软件的运行界面及运行结果。本文方法的实验结果表明：本文方法能够在复杂图像背景下，有效分离出重迭、粘连的胰腺细胞，分割准确度优于一些其它常用的细胞图像分割算法。此外，结合本文方法的演示系统运行结果表明，本系统设计简洁，易于操作，实用性强，可以实现细胞图像多种方式的自动分割。本文研究为探索实现人体胰腺细胞及其他类型组织细胞图像的自动分割提供了新颖的理论和方法依据，为胰腺领域的健康监护和癌症辅助诊断奠定了基础。
宁旭[3]2002年在《细胞分类识别技术的研究》文中研究表明目前医学病理诊断主要是由医务人员对细胞组织切片在显微镜下进行形态学观察，并依据经验得出诊断结论。这种方式定性的成分居多，客观性不足，在诊断科学逐步走向量化的道路上，有必要使用计算机信息技术推动病理诊断的自动化、科学化。本文针对上述问题，用计算机图像处理及模式识别等信息技术对显微细胞图像的自动分析和分类的方法进行了研究，并针对医学图像分析中的难点（例如，显微切片图像背景复杂，分割困难），提出了基于归一化彩色空间和RGB，HSV彩色模型的两类分割方法：①利用模式识别技术中关于特征向量空间聚类的方法实施真彩色分割。②利用HSV模型，采用最大类间方差的阈值分割。这两种方式有效地利用了多维特征空间对于分割目标所提供的信息，使分割的准确性有了较大的提高。论文还进一步探讨了有关细胞形态及色度测量的技术，在原有的技术基础上完善了目标识别及轮廓跟踪的算法，使之可以测定多种参数，并提出了多项衡量细胞特征的指标，对细胞分类具有重要的指导意义。在实验的基础上，给出了区分正常细胞与肿瘤细胞的有效指标，并对细胞分类的方法作了探讨。全文给出了解决细胞显微图像的自动化检测的技术途径和实现方案，为进一步的研究打下了基础。
马义德[4]2001年在《生物信息的数字图像处理技术研究》文中研究说明本论文主要进行植物细胞图像叁维重建中的图像分割和噪声抑制新方法研究,特别是在探索生物细胞切片图像分割技术新方法研究时,取得了一些可喜的成果,在生物医学图像处理中切片图像噪声、干扰的抑制新方法研究中得到了一些重要结论,对生物医学图像处理技术发展具有重要应用价值和现实意义。主要工作如下:1.阐述了生物组织切片的叁维重建技术现状,并指出显微和超显微生物组织图像的计算机叁维重建的难点是重建中切片图像定位和研究目标物的分割处理两大难点,这是由显微、超显微切片制作的技术局限和生物细胞特有的多样性、复杂性所决定的。2.阐述了小波变换、遗传算法、模糊数学、神经网络、数学形态学等生物细胞图象分割算法以及边缘检测、区域分割等传统图像分割算法为主的生物细胞图象分割技术的发展现状,指明生物细胞图象本身具有的复杂性、多样性、各自差异性等属性是实现生物细胞图象全自动分割的难点,只有彻底结合生物视觉特性数学模型算法的研究和应用,才能是生物细胞图像全自动分割成为可能。3.回顾了神经网络技术的现状,指出传统人工神经网络只利用了生物神经元有限的属性进行模型构建,而90年代产生的脉冲耦合神经网络充分利用了哺乳动物视神经网络特有属性,其神经元模型除了考虑生物神经元特有的线性相加、兴奋与抑制属性外,还考虑到生物神经元特有的非线性相乘调制耦合特性;考虑了哺乳动物视神经系统视野受到适当刺激时,相邻连接神经元同步激发产生35Hz～70Hz振荡脉冲串特性等,所以PCNN网络模型更靠近真实生物视觉特性,特别是哺乳动物视神经网络,特别适合计算机图像处理应用,尤其在生物细胞图像分割、图像平滑、降噪及图像中目标的分类、计数等方面的研究。4.在应用PCNN模型属性进行生物医学图像分割处理研究中,通过对PCNN模型下图像分割效果、图像熵值研究,独立提出了利用图像统计特性中熵值最大准则的新算法,用来决定综合分割效果最佳的PCNN循环迭代次数,实现了PCNN模型对图像自动分割,显着提高了PCNN图像分割的效率,从而在PCNN的理论研究和实际应用作出了自己的出色工作。5.植物胚性细胞定量分析研究需要首先将其切片图像进行分割处理,然后进行大分子量化分析,但植物细胞切片图像上表现出来的植物细胞特有复杂属性,使得一般图像分割分析方法很难获得满意的结果,PCNN网络模型是研究生物视神经系统产生的人工神经网络模型,它能缩小灰度值相近的像素差别,能弥补因细小灰度差别而造成的图像中边缘间隙的不连续性,非常适合植物体细胞胚切片图像分割,为此利用前面提出分割图像熵值最大准则进行的PCNN植物胚性细胞图像自动分割新算法,实现了植物胚性细胞图像的最佳分割,避免了最佳分割判定需人为干预问题,提高了PCNN神经网络分割植物细胞图像分割效率,利于后续植物细胞大分子含量定量分析研究。6.在结合生物细胞的几何、形态属性基础上,提出了自己的一种基于细胞逻辑和形态特征的血液细胞图像分割新算法,思路新颖、独特、实现简单,还能进行细胞的计数和特定序号细胞的单独分割,尽管这种计数比较粗糙,但在生物学意义上这已足够,而实现单独分割这点是以前任何一种传统图像分割方法所无法实现的,因此该方法的提出对于图像分割技术具有重要的现实意义。7.根据最优全方位结构元约束层迭滤波器中常规中值滤波带来的图像高频细节信息的丧失,引入改进的中心加权中值滤波器,从而提出改进的最优全方位结构元约束层迭滤波新方案,实验和理论证明,它相对于最优全方位结构元约束层迭滤波方案,在滤除噪声的同时更有效保持了图像的高频细节信息。8.利用全方位形态滤波的图像细节保持性能,中心加权中值滤波的噪声抑止能力和全方位结构元层迭滤波方案的并行处理思想,设计了一种新的脉冲噪声混合滤波新方案,它在滤除噪声的同时较好地保持了图像的细节部分,特别是其高频微小细节部分。9.一般脉冲噪声点与其所在图像像素灰度值之间相关性很差,而PCNN脉冲耦合神经网络能使相似神经元同步激发;这就决定亮点(或暗点)脉冲噪声像素对应神经元会在其区域所在相邻神经元中首先(之后)激发,为此结合中值滤波,我们提出了结合PCNN脉冲耦合神经网络和中值滤波的混合滤波新算法,理论分析和实验证明,该方案在滤除噪声的同时,比常规中值滤波更有效地保持了图像的高频细节信息。
章普生[5]2007年在《胃腺癌细胞显微图像分割算法研究》文中研究表明计算机技术在医学诊断方面得到了广泛应用,其中运用模式识别技术自动辨识癌细胞显微图像是其在医学领域中的重要应用之一。而本文以HE染色的胃腺癌细胞显微图像为主要研究对象,对前期研究阶段构建的胃腺癌辅助诊断系统进行了完善。通过分析癌细胞的各种特征,提取了其中的6个纹理特征、3个颜色特征及6形态特征,作为辅助诊断系统对细胞进行分类的基础。由于细胞染色困难、图像复杂使自动识别不易实现,本文在研究了许多成熟分割技术的基础上,提出了适应胃腺癌细胞分割的改进算法:首先,为准确分割、提取、计算细胞核各项特征参数,文中提出了一种基于改进的隶属度函数的FCM算法。通过将传统FCM算法中没有涉及的空间关系考虑进隶属度设定中,解决了传统方法对图像噪声敏感的缺点。通过引入表征邻域像素对中心像素作用的先验概率来重新确定当前像素的模糊隶属度值,该概率在算法执行过程中根据模糊隶属度值自动地予以确定。试验表明新算法能得到了比将传统FCM算法更为合理的分类结果。其次,为准确分割图像中出现的重迭细胞,文中采用了基于权重的形态学最大分离区域重迭细胞分离算法。通过改进形态学中结构元素的设定方法,得到了更为接近理想形状的结构元素,解决了极限腐蚀中出现的虚假像素聚集现象;在得到准确的种子点及相关的最大分离区域后,最终得到单个细胞的合理估计轮廓。通过将新算法融合进原有系统平台中,改进了原分割算法的不足。试验表明,改进的FCM算法能得到分类结果更为合理的细胞图像,而重迭细胞分离算法则在此基础上能得到合理的轮廓估计,为细胞的最终识别提供正确的分类基础。最后,对原有平台的数据库模块进行了重新设计,完善了辅助诊断系统的功能构成,为教学实践和进一步的研究收集了大量数据。
张云[6]2006年在《胃腺癌细胞显微图像分析与处理系统研究》文中研究表明借助计算机进行医学图像处理和分析,是数字图像处理技术在医学领域的重要应用。医学细胞图像分割的方法研究也随着计算机技术的发展成为当今图像领域的前沿课题,在医学研究和临床诊断中,尤其在缺少专家的情况下具有十分重要的意义。本文以HE染色的胃腺癌细胞显微图像为主要研究对象,研制了一套胃腺癌细胞显微图像分析与处理系统,重点研究了胃腺癌细胞的区域特征和若干分割技术。胃腺癌细胞的区域特征信息为病理专家提供了诊断依据,并且为胃腺癌细胞显微图像分析与处理系统研究提供了理论基础,也是评价图像分割效果的关键。因此,论文首先阐述了胃腺癌细胞的区域特征,包括6个纹理参数,3个颜色特征量以及6个分形特征,并提出了各个特征量的测量方法。为了准确地分割细胞核并且提取和测量胃腺癌细胞特征量,论文主要进行了胃腺癌细胞图像预处理技术、胃腺癌细胞图像细胞区域分割和胃腺癌细胞图像中的重迭细胞分离叁个方面的研究。主要提出了基于二维Otsu的细胞区域分割自适应算法和基于控制标记符分水岭变换的重迭细胞分离算法。以上算法准确地提取了每个细胞的轮廓,进而得到了精确的细胞特征,为后续的自动识别打下坚实的基础。最后,在以上分割算法研究的基础上,论文采用面向对象和模块化的设计模式,设计了一套胃腺癌细胞显微图像处理与分析系统,具备了自动获取彩色胃腺癌细胞显微图像、基本图像处理、医学图像处理、细胞图像元数据管理和细胞图像检索识别等功能。实验证明,该系统有效地提高了诊断的效率和准确率,对于教学、医学研究和临床诊断都具有十分重要的意义。
郑飞虎[7]2009年在《肿瘤显微细胞图像分割技术研究》文中提出运用计算机对显微细胞图像进行分析识别,对辅助医生工作和提高诊断精度都具有十分重要的意义。为了快速准确地对细胞进行定量的分析研究,必须进行细胞形态等方面的特征提取、测量和统计分析,在医学显微图像数字化的基础上,分析细胞图像中的相关参数。因此图像的自动分割技术就成了医学细胞图像处理和分析中的关键技术。然而,由于人体结构的复杂性,组织器官形状的不规则性以及不同细胞类的差异性,细胞的结构、形状、稀疏程度、排列形状等,都会有非常大的差异。在对胃上皮肿瘤细胞图像的分割过程中,将要面对着各种各样纷繁复杂的细胞,同时,细胞与细胞之间、细胞与腺管之间、腺管与腺管之间的粘连现象也非常严重,对这样的细胞样本分割起来就比较困难,细胞分割的准确度和计算机资源的消耗,将直接影响到特征提取的有效性和可用性。鉴于肿瘤显微细胞图像的特殊分布,本文提出了一些新的分割方法。从微观出发,本文提出基于松弛迭代的细胞跟踪分割算法,利用松弛迭代分割算法,自动分割细胞图像,较好地得到了细胞浆、细胞核、背景叁大区域,未出现过分割和分割不完全的地方,且“碎片”少,无太多粘连。然后分别用链表对细胞核和细胞浆进行跟踪,通过扫描线算法,平行扫描细胞浆像素点,检索到细胞浆内部的细胞核,从而定位到单个细胞内部,细胞核与细胞浆的对应关系,对细胞特征值的计算和提取奠定了良好的基础。从宏观出发,本文提出基于有效信息的最大互信息量细胞分割算法。从整体上针对胃上皮肿瘤细胞图像的特殊灰度分布,选择灰度值较小的细胞和腺体区域作为有价值的目标区域进行细化分割,而对灰度值较大的背景区域进行简单分割,避免了针对每一种分类类数N,都去寻找最大互信息量,节约了时间和计算机资源,大大提高了程序的运行效率。以这种有效信息的最大互信息量值作为优化分割目标,来寻找最优的阈值,在此基础上构造了一种新的基于有效信息的最大互信息量多目标阈值分割,在相同分类数的情况下,寻找包含更多细胞和腺体信息的最优阈值,再利用阈值分割的原理,对肿瘤细胞和腺体进行分割,更快更准确地分割出细胞、腺体和背景区域。
尤育赛[8]2005年在《关于数字图像处理在运动目标检测和医学检验中若干应用的研究》文中研究表明随着计算机技术的发展，计算机数字图像处理在生产和生活中得到越来越多的应用。本文主要探讨图像处理在运动目标检测和医学检验中的一些应用。 运动目标检测，是计算机视觉、视频处理领域的重要研究内容。目前，对视频信号智能化处理的需求正日益增长，正确地从视频图像中提取出运动目标，是实现许多智能视频系统(例如：公路车辆速度检测系统、人体检测与跟踪系统，等等)的基础。 医学检验的结果是进行医疗诊断的重要依据，为了提高检验的准确性和工作效率，建立基于计算机的医学检验系统已经成为必然的趋势。本文着眼于医学显微检验，对采用图像处理技术设计医学显微图像处理系统进行了探讨。 全文共由六章组成，其中第叁章和第四章讨论运动目标检测，第五章和第六章讨论图像处理在医学检验中的应用。各章内容如下： 第一章对数字图像处理进行了简单的概述，介绍了本文的主要工作内容。 第二章讨论图像和图形处理中的一个基本操作——区域填充，提出了一种改进的区域填充算法。 第叁章首先对运动目标检测算法进行了概括性的介绍，然后针对运动目标检测算法中的一个重要问题——提取背景图像，提出了一种基于帧间差分的背景图像自动提取算法。 第四章介绍了水平集(Level Set)的原理和具体实现，对基于水平集的运动目标检测算法进行了初步的探讨。 第五章讨论如何把重迭的细胞图像分离开来，提出了一种基于粒度测量的重迭细胞分割(分离)算法。 第六章介绍了我们所设计开发的“多功能显微医学图像处理系统”，重点介绍“尿沉渣检查”和“细胞DNA含量分析”软件的设计和实现，并且对建立基于网络的分布式医学检验系统提出了一些建议。
侯振杰[9]2004年在《动物骨髓细胞图像分割方法的研究》文中研究表明针对在动物医学领域中对动物骨髓病理图像的分析与识别仍属空白这一现状,并考虑到图像分割是进行正确分类和识别的基础,是图像处理领域中的关键问题之一,因此利用不同的理论和算法对动物骨髓细胞图像进行了分割方法的研究。针对图像采集过程中的噪声问题,提出了一种改进的中值滤波算法。以空间尺度滤波为基础,提出了一种多阈值的细胞分割方法,解决了骨髓细胞切片图像直方图没有明显峰谷值从而导致阈值选取困难的问题。将小波分析与模糊C 聚类分析相结合,从而完成更细致的图像分割任务。利用二维连续 GAUSS 小波在不同方向不同尺度对图像进行检测并做加权处理,达到了对具有方向性图像进行分割的目的。 利用腐蚀与膨胀等算法,提出了一种适合于骨髓细胞图像分割的算法。针对分水岭算法产生的过度分割现象,结合一个模板进行了算法的改进。针对多尺度梯度检测算子所获得的细胞轮廓曲线不连续等问题,利用活动轮廓模型进行了优化,获得了连续闭合曲线。研究了基于分形学的动物骨髓细胞图像分割方法。利用一个简单的计算方法来近似代替 HOLDER 指数并通过计算其多重分形谱以寻求合适的分割阈值。在标准遗传算法的基础上,结合聚类分析,将信息学中的熵作为适应度函数,提出了一种基于熵的聚类遗传算法并应用于骨髓细胞图像分割中。
余陈钢[10]2002年在《腹水脱落癌细胞显微图像分类识别研究》文中研究指明目前，全世界的癌症发病率正在逐渐上升，国内外的资料表明，癌症病例一旦确诊，80％已经属于晚期，失去了手术治疗的机会。因此，进行准确的早期诊断和治疗已成为迫切需要解决的问题。 在现阶段，数字图像处理、模式识别和人工智能技术已经被广泛的应用于生物医学领域，并且取得了一些可喜的成果，但用于癌症早期病理性诊断的医学图像处理系统的报道不多。因此，借助于现代计算机技术结合病理专家实践经验，采用图像处理技术对医学图像进行处理，从而对癌细胞进行识别，对于医学科研与教学，以及临床诊断方面有着现实的意义和非常广阔的前景。 本文在对现有研究技术成果的学习研究基础上，对腹水脱落癌细胞显微图像利用图像处理技术进行预处理，对其进行特征提取。再分别采用神经网络中的多层前向网络(又称BP网络)分类器、最小距离分类器和贝叶斯决策理论分类器叁种分类器对癌细胞图像进行分类识别，并对叁种方法分类识别的结果进行比较。实验证明采用的分类方法和得到的结果是比较合理的，对于医学辅助诊断具有一定的参考价值和指导意义。
参考文献：
[1]. 细胞切片显微图象的预处理和分割算法研究[D]. 李敏. 中国人民解放军信息工程大学. 2003
[2]. 基于K-均值聚类及数学形态学的细胞图像自动分割方法研究[D]. 梅林. 重庆大学. 2014
[3]. 细胞分类识别技术的研究[D]. 宁旭. 重庆大学. 2002
[4]. 生物信息的数字图像处理技术研究[D]. 马义德. 兰州大学. 2001
[5]. 胃腺癌细胞显微图像分割算法研究[D]. 章普生. 国防科学技术大学. 2007
[6]. 胃腺癌细胞显微图像分析与处理系统研究[D]. 张云. 国防科学技术大学. 2006
[7]. 肿瘤显微细胞图像分割技术研究[D]. 郑飞虎. 华东交通大学. 2009
[8]. 关于数字图像处理在运动目标检测和医学检验中若干应用的研究[D]. 尤育赛. 浙江大学. 2005
[9]. 动物骨髓细胞图像分割方法的研究[D]. 侯振杰. 内蒙古农业大学. 2004
[10]. 腹水脱落癌细胞显微图像分类识别研究[D]. 余陈钢. 南京理工大学. 2002
标签：计算机软件及计算机应用论文; 图像处理论文; 图像分割论文; 生物医学论文; 图像融合论文; 癌细胞论文; 癌症论文;