尿沉渣有形成分自動(dòng)分割識(shí)別算法研究.pdf

1、尿檢測(cè)是醫(yī)院常規(guī)檢測(cè)項(xiàng)目，對(duì)臨床泌尿系統(tǒng)普查、檢測(cè)和診斷具有重要意義。為了提高顯微鏡圖像檢測(cè)的自動(dòng)化程度及降低染色的成本，結(jié)合了尿沉渣圖像的特點(diǎn)，利用數(shù)字圖像處理與模式識(shí)別技術(shù)研究了尿沉渣圖像中高低倍顯微鏡下有形成分的分割與識(shí)別，提出了一套完整有效的分割與識(shí)別算法。
　　在圖像預(yù)處理部分，對(duì)采集到的各種圖像進(jìn)行了質(zhì)量評(píng)價(jià)，并對(duì)評(píng)價(jià)較好的圖像用高斯平滑濾波和拉普拉斯銳化增強(qiáng)；在圖像分割部分，首先對(duì)尿沉渣高低倍顯微圖像進(jìn)行了特征分析，

2、然后分別對(duì)這兩種情況采用了不同的分割方法。低倍鏡下的圖像主要采用了改進(jìn)的Sobel邊緣檢測(cè)和P分位二值化，同時(shí)與增強(qiáng)后的二值圖像進(jìn)行并運(yùn)算，得到完整的細(xì)胞輪廓。高倍鏡下使用了改進(jìn)的Renyi熵自適應(yīng)閾值分割，并對(duì)粘連細(xì)胞使用了基于最小化能量函數(shù)的最優(yōu)分割點(diǎn)判定和基于Dijkstra方法的最優(yōu)路徑判定；在特征分析部分，分別從形狀、統(tǒng)計(jì)以及紋理特征三方面提取了15類(lèi)特征，采用特征選取模型進(jìn)行特征集選取評(píng)價(jià)，并對(duì)特征集進(jìn)行了有效性測(cè)試實(shí)驗(yàn)；在