正常肝細(xì)胞統(tǒng)計(jì)形狀建模技術(shù)的研究與實(shí)現(xiàn).pdf

1、病理診斷被稱為臨床診斷的金標(biāo)準(zhǔn)，而目前病理科醫(yī)生的數(shù)量嚴(yán)重不足，工作量非常繁重，因此病理學(xué)對(duì)病理圖像的計(jì)算機(jī)輔助診斷(CAD)技術(shù)提出了迫切需求。但是，病理圖像的計(jì)算機(jī)輔助診斷技術(shù)卻遠(yuǎn)遠(yuǎn)落后于CT、MRI等影像的CAD技術(shù)。肝細(xì)胞分割是肝組織病理診斷的首要問題，正常肝細(xì)胞統(tǒng)計(jì)形狀模型的建立對(duì)輔助篩查異常肝細(xì)胞進(jìn)而診斷肝癌具有重要的研究意義和應(yīng)用價(jià)值。
　　本文通過學(xué)習(xí)大量的國(guó)內(nèi)外相關(guān)文獻(xiàn)，以肝組織病理圖像作為研究對(duì)象，對(duì)肝細(xì)胞分割

2、和正常肝細(xì)胞統(tǒng)計(jì)形狀建模方法進(jìn)行了深入的研究，提出了粘連細(xì)胞分割的新算法和肝細(xì)胞統(tǒng)計(jì)形狀模型的建立方法。具體研究如下:
　　(1)肝細(xì)胞分割是建立肝細(xì)胞統(tǒng)計(jì)形狀模型的前提，本文提出的肝細(xì)胞分割算法主要分為圖像預(yù)處理、粗分割、粘連細(xì)胞分割等三個(gè)步驟。在預(yù)處理階段，本文采用均值濾波和基于直方圖均衡化的R通道增強(qiáng);粗分割階段，主要利用水平集算法進(jìn)行粗分割;在粘連細(xì)胞分割階段，本文提出了一種改進(jìn)的分水嶺算法，基于自適應(yīng)鄰域進(jìn)行粘連細(xì)胞的分

3、割，該算法不但可以改善傳統(tǒng)算法的過分割問題，而且明顯的提高了分割效率。
　　(2)在正常肝細(xì)胞統(tǒng)計(jì)形狀建模部分，本文通過利用極坐標(biāo)表示肝細(xì)胞形狀，就將細(xì)胞樣本之間的對(duì)齊問題由二維空間轉(zhuǎn)變成在一維空間的對(duì)齊問題，簡(jiǎn)化了采樣點(diǎn)的選擇問題，同時(shí)提高了建模效率。
　　為了驗(yàn)證算法的有效性，本文對(duì)實(shí)際的HE染色肝組織病理圖像分別進(jìn)行了細(xì)胞分割和建立統(tǒng)計(jì)形狀模型的實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明:本文算法能較好的分割出肝細(xì)胞，并且能夠建立表現(xiàn)良好的肝