基于機器學習的病理細胞輔助檢測方法研究.pdf

1、計算機輔助檢測是利用計算機學習人類的經驗，達到自動化的輔助診斷病癥。隨著機器學習技術的發(fā)展，應用的領域不斷擴展，它與醫(yī)療圖像相結合的計算機輔助診斷成為研究的熱點。通過自動化的輔助檢測減輕醫(yī)生的工作量甚至提高診斷的準確率是科技人員不斷研究的目標。有效利用醫(yī)院每天產生的大量細胞圖像，結合圖像相關技術和機器學習的思想，建立細胞輔助檢測的分類模型。由于細胞圖像與普通醫(yī)療影像不同，具有不規(guī)則性和較多的干擾因素，導致識別難度增加，因此病理細胞的輔助

2、檢測方法仍需研究和進步。
　　由于各類細胞差異較大，無法統(tǒng)一研究。本文以宮頸細胞圖像作為主要研究對象，在其基礎上研究了各項輔助檢測技術，主要包括圖像預處理技術、圖像特征提取與分析和圖像分類技術。詳細的研究內容包括以下幾方面：
　　首先，研究了基于活動輪廓模型的分割技術，同時研究了基于水平集算法和曲線演化理論的C-V模型，利用C-V模型成功提取了細胞圖像的感興趣區(qū)域，分割了細胞核與細胞質。
　　其次，針對細胞圖像的特征提

3、取技術，研究了細胞圖像的全局特征，提取了包括形態(tài)、色度和紋理等特征。其中針對紋理特征的提取，根據(jù)細胞圖像的特殊性，提出了改進的灰度共生矩陣紋理提取方法，提取了更有效的特征向量，提高了分類的正確率。在已提取的特征集合上采用啟發(fā)式搜索算法得到最有效的特征子集用于后續(xù)的分類研究。
　　最后，針對細胞圖像的分類技術，本文研究了主流的機器學習技術，包括神經網絡和SVM，分別以它們作為分類器，利用前面提取到的特征作為輸入進行訓練，進行宮頸細胞