醫(yī)學(xué)圖像智能分類技術(shù)研究與應(yīng)用.pdf

1、計(jì)算機(jī)技術(shù)發(fā)展日漸成熟，將計(jì)算機(jī)技術(shù)應(yīng)用于醫(yī)學(xué)領(lǐng)域，為醫(yī)學(xué)診斷，輔助檢測做出了重要貢獻(xiàn)。宮頸癌作為目前唯一病因清晰，可預(yù)防，前中期可治療的惡性腫瘤病變，及時(shí)發(fā)現(xiàn)可以提高治愈率，降低發(fā)病死亡率。目前我國對于宮頸細(xì)胞病變檢測的計(jì)算機(jī)輔助系統(tǒng)的研究還不成熟。
　　本文著重研究宮頸細(xì)胞圖像的分類識別，在前人的基礎(chǔ)上，結(jié)合圖像分割技術(shù)，機(jī)器學(xué)習(xí)，細(xì)胞病理學(xué)知識，在病理醫(yī)生的指導(dǎo)下，從細(xì)胞圖像的預(yù)處理，分割，特征提取，分類識別幾個(gè)步驟最終實(shí)現(xiàn)

2、宮頸細(xì)胞的分類識別。主要完成了以下工作：
　　1.首先采用改進(jìn)的Otsu雙閾值法對宮頸細(xì)胞圖像進(jìn)行粗分割，提取興趣區(qū)域，然后對分割結(jié)果做粘連判別。再采用Chan-Vese模型對興趣區(qū)域內(nèi)的圖像做精確分割，得到細(xì)胞體、細(xì)胞質(zhì)、細(xì)胞核圖像。對于單個(gè)細(xì)胞和粘連細(xì)胞做出相應(yīng)標(biāo)記，并且對于粘連細(xì)胞不再使用形態(tài)學(xué)方法強(qiáng)行分割，而是將粘連細(xì)胞整體分割出來，最大程度保持了細(xì)胞形態(tài)的完整性。
　　2.在細(xì)胞精確分割的基礎(chǔ)上，針對分割結(jié)果中的單

3、個(gè)宮頸細(xì)胞、細(xì)胞質(zhì)粘連的單個(gè)細(xì)胞核、細(xì)胞質(zhì)細(xì)胞核均粘連的三種細(xì)胞圖像，結(jié)合前人研究，宮頸細(xì)胞病理學(xué)知識，在病理學(xué)醫(yī)生的指導(dǎo)下差異提取了細(xì)胞的特征參數(shù)，并將獲得的細(xì)胞特征參數(shù)以數(shù)據(jù)的形式存儲(chǔ)在SQL Server數(shù)據(jù)庫表中。
　　3.使用分類效果較好的SVM分類器原理來設(shè)計(jì)宮頸細(xì)胞的分類器，采用C++語言，基于Visio Studio軟件平臺和LIBSVM開源軟件包進(jìn)行編碼設(shè)計(jì)。對于分割出的單個(gè)宮頸細(xì)胞，質(zhì)粘連的單個(gè)細(xì)胞核，質(zhì)粘連核

4、粘連的宮頸細(xì)胞分別設(shè)計(jì)多分類器。經(jīng)過比較，采用分類器構(gòu)造個(gè)數(shù)相對較少的決策樹方法設(shè)計(jì)分類器，并且選擇RBF徑向基核函數(shù)作為分類器模型的核函數(shù)。將SQL Server數(shù)據(jù)庫中的特征參數(shù)表中的數(shù)據(jù)作為樣本集，采用網(wǎng)格搜索算法確定SVM分類器的參數(shù)，并且用K-折交叉驗(yàn)證的方式訓(xùn)練分類器模型，得到最優(yōu)的分類器。
　　結(jié)果表明，采用上述步驟設(shè)計(jì)得到的宮頸細(xì)胞圖像分類器不僅對于單個(gè)宮頸細(xì)胞的分類識別有較好的分類結(jié)果，而且對于粘連的宮頸細(xì)胞的識