基于稀疏編碼的腦脊液圖像識(shí)別技術(shù)研究.pdf

1、顯微鏡下的腦脊液(Cerebrospinal Fluid,CSF)圖像由各種細(xì)胞組成,其拓?fù)浣Y(jié)構(gòu)復(fù)雜多變,采用傳統(tǒng)圖像分割算法需要對(duì)目標(biāo)進(jìn)行高精度完整的分割,才能準(zhǔn)確的提取到人為事先定義的特征,而稀疏編碼算法只需進(jìn)行簡(jiǎn)單分割,就能無(wú)監(jiān)督的提取到局部特征。為此本文針對(duì)CSF圖像的特點(diǎn),深入研究和分析了基于稀疏編碼的圖像識(shí)別技術(shù),并在此基礎(chǔ)上提出了基于稀疏編碼的CSF圖像識(shí)別模型,本文主要貢獻(xiàn)如下:
　　首先,初步介紹了稀疏編碼和CS

2、F學(xué)的歷史背景和相關(guān)理論。針對(duì)正常和異常兩類CSF圖像稀疏性差異較大的情況,摒棄了SIFT特征描述子,直接采用稀疏編碼算法無(wú)監(jiān)督學(xué)習(xí)得到一組過(guò)完備基,它可以表示CSF圖像的局部邊緣特征,以及與這組過(guò)完備基相對(duì)應(yīng)的系數(shù),它可以表示局部邊緣特征對(duì)應(yīng)的特征描述子,其中元素絕大部分為零,消除了自然圖像中的冗余,具有稀疏性和區(qū)分度。實(shí)驗(yàn)結(jié)果顯示,如果只采用線性支持向量機(jī)(Linear Support Vector Machine,LSVM),那么

3、識(shí)別CSF圖像是否異常的準(zhǔn)確率可以達(dá)到85.33％,單張285?380的圖像識(shí)別時(shí)間只需1.2s。
　　其次,詳細(xì)介紹了LSVM和線性空間金字塔匹配模型(Linear Spatial Pyramid Match,LSPM)。為了解決圖像之間尺度不一致和特征的空間位置信息丟失的問(wèn)題,本文提出了一個(gè)基于稀疏編碼的CSF圖像快速識(shí)別模型,該模型首先利用稀疏編碼提取圖像中的局部特征以及特征描述子,然后將特征描述子轉(zhuǎn)換成LSPM結(jié)構(gòu),最后將

4、計(jì)算結(jié)果輸入到LSVM中進(jìn)行訓(xùn)練和預(yù)測(cè)。實(shí)驗(yàn)結(jié)果顯示,該模型識(shí)別CSF圖像是否異常的準(zhǔn)確率達(dá)到了91.07%,單張285?380的圖像識(shí)別時(shí)間為1.3s。然而對(duì)CSF圖像中常見(jiàn)的四類單細(xì)胞樣本進(jìn)行分類識(shí)別的準(zhǔn)確率只有61.46%。
　　最后,由于對(duì)四類單細(xì)胞的識(shí)別準(zhǔn)確率不高,為了進(jìn)一步提高局部特征的區(qū)分度,采取了兩種改進(jìn)的稀疏編碼算法:局部抑制線性編碼和標(biāo)簽一致性編碼。前者學(xué)習(xí)到的系數(shù)具有局部性,后者采用了一種監(jiān)督學(xué)習(xí)的方法優(yōu)化了