基于SVM算法的尿沉渣細(xì)胞分類識(shí)別系統(tǒng)的研究.pdf

1、尿檢系統(tǒng)是隨著人們對醫(yī)療衛(wèi)生保健越來越高的期望而產(chǎn)生，軟件平臺(tái)結(jié)合模式識(shí)別算法對尿液細(xì)胞進(jìn)行分類實(shí)現(xiàn)了自動(dòng)高效的檢測。尿沉渣中的有形成分種類變化多樣，結(jié)構(gòu)復(fù)雜，圖像背景復(fù)雜模糊不清，極易造成干擾和誤判，使尿沉渣自動(dòng)識(shí)別的難度增加，準(zhǔn)確率低。本論文從理論算法和實(shí)際臨床實(shí)踐兩方面對尿沉渣識(shí)別系統(tǒng)進(jìn)行研究，利用自適應(yīng)二維熵閾值分割和SVM分類算法技術(shù)，實(shí)現(xiàn)尿沉渣細(xì)胞圖像的各類有形成分的統(tǒng)計(jì)分類。
　　針對尿沉渣圖像處理過程，將低倍鏡和高

2、倍鏡運(yùn)用坐標(biāo)跟蹤技術(shù)實(shí)現(xiàn)完美的過渡，運(yùn)用自適應(yīng)二維熵Canny雙閾值分割圖像，并用形態(tài)特征使得低倍鏡下圖像Epithelial(上皮細(xì)胞)、Urinary cast(管型)自動(dòng)分開；通過低倍鏡的坐標(biāo)跟蹤獲得最有效的放大區(qū)，對高倍鏡下圖像用固定閾值分割細(xì)胞圖像提取高倍鏡下紅細(xì)胞和白細(xì)胞的26維特征向量，經(jīng)過歸一化處理后，運(yùn)用SVM分類器進(jìn)行訓(xùn)練和識(shí)別分類，最后成功分類，進(jìn)行測試時(shí)，識(shí)別率可以達(dá)到90％以上。
　　尿沉渣細(xì)胞圖像的散焦

3、噪聲和背景的干擾，對比幾種去噪算法，選擇使用Gabor濾波器對圖像進(jìn)行預(yù)處理。在細(xì)胞圖像分割中，于性能和效率的探索中，對比分割實(shí)驗(yàn)，提出改進(jìn)算法來提高圖像分割速度和分割效果。在提取尿沉渣有形成分的特征值的基礎(chǔ)上，使用最具代表性的26維形態(tài)、統(tǒng)計(jì)、紋理特征，改進(jìn)SVM算法核函數(shù)及參數(shù)，獲得識(shí)別率較高的SVM分類器。
　　本論文在整個(gè)尿沉渣圖像處理系統(tǒng)中，驗(yàn)證SVM算法，并逐步提高尿液細(xì)胞的正確識(shí)別率。通過SVM算法在訓(xùn)練樣本數(shù)很少的