基于小波分解和多尺度形態(tài)學(xué)的乳腺細(xì)胞圖像自動(dòng)分割識(shí)別.pdf

1、乳腺癌已經(jīng)成為女性最常見的惡性腫瘤，而且患者數(shù)量正在逐年增加。乳腺癌的早期發(fā)現(xiàn)、早期診斷，是提高療效的關(guān)鍵。在乳腺癌診斷過程中，唯有進(jìn)行組織切片病理檢查才能確診有無癌癥。在顯微鏡下觀察切片圖像可以發(fā)現(xiàn)，病變細(xì)胞與正常細(xì)胞相比有較大的亮度變化，顏色更深且大多數(shù)細(xì)胞面積偏大。利用計(jì)算機(jī)技術(shù)對顯微細(xì)胞圖像進(jìn)行定量分析，可以輔助醫(yī)師對細(xì)胞的病變狀態(tài)進(jìn)行判別，具有很大的應(yīng)用前景。由于染色過程以及圖片采集過程存在一些不可避免的諸如染色劑和光照等影響

2、，乳腺組織切片存在細(xì)胞染色不均勻、細(xì)胞和背景對比度不明顯、細(xì)胞內(nèi)部存在孔洞、細(xì)胞粘連等問題。
　　本文針對這些問題，研究并提出了一種基于小波多尺度區(qū)域生長和雙策略去粘連模型的乳腺細(xì)胞圖像自動(dòng)分割算法，并提出了基于假設(shè)檢驗(yàn)的特征選擇算法，進(jìn)行了相應(yīng)的自動(dòng)分類研究。本文主要研究工作如下：
　?、俦疚尼槍θ橄偌?xì)胞切片圖像分割所存在的難點(diǎn)，提出了一種結(jié)合小波變換和多尺度區(qū)域生長的粗分割算法，該算法將小波分解和區(qū)域生長結(jié)合起來，利用對

3、小波分解的結(jié)果進(jìn)行不同程度腐蝕后的結(jié)果作為種子點(diǎn)，并采用不同的閾值進(jìn)行多尺度區(qū)域生長；接著利用最優(yōu)投票機(jī)制對多尺度的區(qū)域生長結(jié)果進(jìn)行選擇，提取出最優(yōu)細(xì)胞區(qū)域。
　　②針對細(xì)胞粘連嚴(yán)重這一問題，提出了結(jié)合改進(jìn)形態(tài)學(xué)算法和基于 CSS（Curvature Scale Space，曲率尺度空間）角點(diǎn)檢測算法的雙策略去粘連模型。該模型針對細(xì)胞不同的粘連程度選擇不同的分離算法，在保證提取的細(xì)胞輪廓不失真的前提下獲得準(zhǔn)確的分界線。實(shí)現(xiàn)過程是：

4、粘連較輕的細(xì)胞區(qū)域采用迭代法選擇最優(yōu)的結(jié)構(gòu)元半徑對細(xì)胞區(qū)域進(jìn)行腐蝕再分區(qū)域膨脹；粘連較重的細(xì)胞區(qū)域采用CSS角點(diǎn)檢測分割算法檢測到角點(diǎn)，然后連接角點(diǎn)對，選擇最佳的分割線作為分割結(jié)果。
　?、蹖Ψ指詈蟮募?xì)胞，研究了其形態(tài)特征和紋理特征的提取方法，并利用統(tǒng)計(jì)假設(shè)檢驗(yàn)方法對提取的特征進(jìn)行自動(dòng)篩選，利用篩選的特征對癌癥和正常病人樣本進(jìn)行分類識(shí)別，驗(yàn)證了提出的特征提取、特征選擇算法的有效性。
　　本文工作為乳腺細(xì)胞圖像自動(dòng)分割及細(xì)胞特