基于機器學習的病理細胞輔助檢測方法研究.pdf_第1頁
已閱讀1頁,還剩84頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

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

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論