基于BP神經(jīng)網(wǎng)絡(luò)算法的循環(huán)腫瘤細(xì)胞識(shí)別與計(jì)數(shù)系統(tǒng)研究.pdf

1、加強(qiáng)早期診斷和提升醫(yī)療服務(wù)將是快速緩解惡性腫瘤負(fù)擔(dān)的重要措施。現(xiàn)在臨床上已經(jīng)有許多檢測(cè)惡性腫瘤的手段，不過這些手段只能檢測(cè)病發(fā)患者的惡性腫瘤，并不能起到早期診斷和預(yù)測(cè)的作用。循環(huán)腫瘤細(xì)胞（circulating tumor cells，CTCs）是自腫瘤原發(fā)灶或轉(zhuǎn)移灶脫落進(jìn)入外周血液循環(huán)的腫瘤細(xì)胞，腫瘤患者血液中每106-107個(gè)白細(xì)胞中才會(huì)發(fā)現(xiàn)一個(gè)CTC。CTC檢測(cè)是發(fā)現(xiàn)腫瘤早期轉(zhuǎn)移的新方法，無創(chuàng)且比傳統(tǒng)方法如臨床表現(xiàn)、影像學(xué)表現(xiàn)及血

2、清標(biāo)志物更可靠。因此找到一種切實(shí)有效檢測(cè)CTC的方法對(duì)于惡性腫瘤的早期診斷具有重要研究價(jià)值。
　　本系統(tǒng)采用XYZ三維高精度步進(jìn)電機(jī)運(yùn)動(dòng)軸搭載高倍顯微鏡來構(gòu)建硬件平臺(tái)，通過USB接口將高倍顯微鏡采集的循環(huán)腫瘤細(xì)胞圖像傳輸?shù)接?jì)算機(jī)，再通過Qt開發(fā)環(huán)境開發(fā)出能夠控制硬件平臺(tái)運(yùn)動(dòng)實(shí)現(xiàn)自動(dòng)調(diào)焦、能夠?qū)崿F(xiàn)細(xì)胞圖像的處理、完成循環(huán)腫瘤細(xì)胞的識(shí)別與計(jì)數(shù)功能的應(yīng)用軟件。
　　本研究過程主要包括以下幾個(gè)方面:
　　(1)在圖像提取方面,

3、首先分析當(dāng)前高倍顯微鏡采集圖像的清晰度，然后通過爬山搜索法控制步進(jìn)電機(jī)運(yùn)動(dòng)平臺(tái)調(diào)整高倍顯微鏡的物鏡與細(xì)胞樣本的距離從而實(shí)現(xiàn)自動(dòng)調(diào)焦功能，不但能夠保證提取到高清晰度的圖像，而且比人工調(diào)焦更加客觀和節(jié)省時(shí)間。
　　(2)在圖像預(yù)處理方面,對(duì)傳統(tǒng)的中值濾波算法進(jìn)行了改進(jìn)，提出了一種改進(jìn)的自適應(yīng)加權(quán)中值濾波算法，它更加有效地去除了隨機(jī)噪聲干擾并且最大程度保留了原始圖像的信息。
　　(3)在圖像分割方面，首先分析了濾波后圖像的灰度直方

4、圖和圖像中細(xì)胞的形狀和分布特點(diǎn)，接著進(jìn)行了直方圖均衡化和 Sober算子銳化處理，最后提出了把二值化閥值設(shè)定在較小范圍內(nèi)再利用OTSU方法進(jìn)行閥值分割的方法。由于提取到的細(xì)胞圖像中存在大量黏連細(xì)胞，這給細(xì)胞的分割帶來很大困難，因此進(jìn)一步利用了基于距離變換的分水嶺算法對(duì)二值圖像進(jìn)一步分割，有效地分離了黏連細(xì)胞。
　　(4)在圖像特征提取方面：一方面通過在分割后二值圖像中采用基于圖像邊緣的鏈碼表示法提取到了細(xì)胞的形態(tài)特征，其中包括面積

5、、周長、矩形度、圓形度、長寬比，另一方面通過計(jì)算灰度圖像的灰度共生矩陣提取到了細(xì)胞的紋理特征，其中包括角二階矩、逆差矩、熵、自相關(guān)性，并且將正常細(xì)胞與循環(huán)腫瘤細(xì)胞的特征進(jìn)行了對(duì)比。
　　(5)在細(xì)胞識(shí)別方面，利用BP神經(jīng)網(wǎng)絡(luò)算法構(gòu)建了一個(gè)細(xì)胞識(shí)別網(wǎng)絡(luò)，并對(duì)BP神經(jīng)網(wǎng)絡(luò)算法的不足進(jìn)行了改進(jìn)。通過采集一定的細(xì)胞圖像作為訓(xùn)練樣本，將訓(xùn)練樣本中細(xì)胞的特征參數(shù)作為網(wǎng)絡(luò)的輸入向量來監(jiān)督訓(xùn)練網(wǎng)絡(luò)輸出，并且通過反饋網(wǎng)絡(luò)不斷調(diào)整識(shí)別網(wǎng)絡(luò)的權(quán)值來達(dá)到