細胞核自動分割及級聯(lián)分類.pdf

1、在腫瘤的診斷中，細胞病理學診斷是最常用的方法之一，能確定腫瘤的良性惡性，組織學類型、分化程度以及惡性腫瘤的擴散與轉移等。在疾病發(fā)展的早期，細胞及組織解剖形態(tài)的變化較為細微，為了辨識這些細微的變化，病理科醫(yī)生常需要通過顯微鏡仔細觀察病理標本，這一工作不僅耗時而且工作強度非常大。此外，對這些細微變化的判別缺乏客觀的標準，很大程度上依賴于病理科醫(yī)生的經驗，這對他們提出了極高的要求。如果能夠借助計算機對顯微圖像中的細胞及組織進行自動分析，將能夠

2、有效地提高診斷效率，減少病理醫(yī)生的工作負荷及可能出現(xiàn)的漏診、誤診。
　　本文致力于自動病理掃描分析系統(tǒng)中關鍵技術的研究，以實現(xiàn)癌癥細胞核的自動分割及級聯(lián)分類為目標，在細胞核的分割，特征計算與選擇，識別分類這三個方面，開展了深入的研究，具體為:
　　在細胞核分割方面，采用局部自適應閾值分割方法進行細胞核分割，并對得到的二值圖像，采用形態(tài)學腐蝕—膨脹技術進行修正，然后采用種子填充算法，獲得獨立的細胞核區(qū)域。在局部閡值分割的基礎上

3、，采用凸包算法進行分割，獲得細胞核的二維凸包。
　　在特征參數(shù)計算與選擇方面，主要提取了細胞核圖像的形態(tài)特征、光密度特征、紋理特征和針對凸包設計的其他類特征，總計107個特征參數(shù)。然后，采用主成分分析(PCA)算法對原始特征向量降維，同時采用隨機森林對特征重要性進行排序，并對比分析了這兩種方法對分類結果的影響。
　　在細胞核的識別分類方面，構造了基于Adaboost—SVM級聯(lián)分類器，同時針對細胞病理樣本中存在的多類雜質，設