基于SVM算法的尿沉渣細胞分類識別系統(tǒng)的研究.pdf

1、尿檢系統(tǒng)是隨著人們對醫(yī)療衛(wèi)生保健越來越高的期望而產(chǎn)生，軟件平臺結(jié)合模式識別算法對尿液細胞進行分類實現(xiàn)了自動高效的檢測。尿沉渣中的有形成分種類變化多樣，結(jié)構(gòu)復雜，圖像背景復雜模糊不清，極易造成干擾和誤判，使尿沉渣自動識別的難度增加，準確率低。本論文從理論算法和實際臨床實踐兩方面對尿沉渣識別系統(tǒng)進行研究，利用自適應二維熵閾值分割和SVM分類算法技術(shù)，實現(xiàn)尿沉渣細胞圖像的各類有形成分的統(tǒng)計分類。
　　針對尿沉渣圖像處理過程，將低倍鏡和高

2、倍鏡運用坐標跟蹤技術(shù)實現(xiàn)完美的過渡，運用自適應二維熵Canny雙閾值分割圖像，并用形態(tài)特征使得低倍鏡下圖像Epithelial(上皮細胞)、Urinary cast(管型)自動分開；通過低倍鏡的坐標跟蹤獲得最有效的放大區(qū)，對高倍鏡下圖像用固定閾值分割細胞圖像提取高倍鏡下紅細胞和白細胞的26維特征向量，經(jīng)過歸一化處理后，運用SVM分類器進行訓練和識別分類，最后成功分類，進行測試時，識別率可以達到90％以上。
　　尿沉渣細胞圖像的散焦

3、噪聲和背景的干擾，對比幾種去噪算法，選擇使用Gabor濾波器對圖像進行預處理。在細胞圖像分割中，于性能和效率的探索中，對比分割實驗，提出改進算法來提高圖像分割速度和分割效果。在提取尿沉渣有形成分的特征值的基礎上，使用最具代表性的26維形態(tài)、統(tǒng)計、紋理特征，改進SVM算法核函數(shù)及參數(shù)，獲得識別率較高的SVM分類器。
　　本論文在整個尿沉渣圖像處理系統(tǒng)中，驗證SVM算法，并逐步提高尿液細胞的正確識別率。通過SVM算法在訓練樣本數(shù)很少的