基于顏色和形態(tài)特征的痰涂片圖像結(jié)核菌識(shí)別方法研究.pdf

1、結(jié)核病是嚴(yán)重危害人類健康的一類疾病。我國(guó)是世界上22個(gè)結(jié)核病情危險(xiǎn)的國(guó)家之一，三分之一左右的人口已感染了結(jié)核桿菌，人數(shù)超過4億。過去，對(duì)疾病的診斷僅僅通過表面現(xiàn)象，現(xiàn)在醫(yī)學(xué)圖像技術(shù)受到計(jì)算機(jī)技術(shù)發(fā)展的推動(dòng)，可以自動(dòng)化的完成大量分析工作，協(xié)助醫(yī)生做出診斷并給出詳細(xì)結(jié)果。使用計(jì)算機(jī)圖像處理手段對(duì)顯微細(xì)胞圖像的研究和分析，可以通過細(xì)胞形態(tài)和數(shù)量，來判斷疾病的病因、研究醫(yī)療方案。
　　本文介紹了數(shù)字圖像處理中常用的色彩模型，如RGB、HS

2、V、CIEL*a*b*等。這些色彩模型為結(jié)核菌痰涂片顯微圖像的色彩分析提供了理論基礎(chǔ)。利用這些色彩模型成功的提取出部分結(jié)核菌目標(biāo)特征。同時(shí)還介紹了一些主流的圖像分割算法，包括閾值分割、區(qū)域增長(zhǎng)、無監(jiān)督聚類，這些算法在醫(yī)學(xué)方面都有廣泛的應(yīng)用。其中高斯混合模型是無監(jiān)督聚類方法之一，本文使用多種色彩模型下提取的特征通過高斯混合模型進(jìn)行分類取得了較好效果。考慮到醫(yī)學(xué)圖像問題的復(fù)雜性，還引入了一些主流機(jī)器學(xué)習(xí)方法，例如決策樹、貝葉斯分類器、貝葉斯

3、網(wǎng)絡(luò)方法等。最后使用樸素貝葉斯分類器，結(jié)合前文中的色彩模型和結(jié)核菌目標(biāo)的形態(tài)特征綜合的對(duì)結(jié)核菌顯微圖像進(jìn)行分割，實(shí)驗(yàn)結(jié)果相比高斯混模型更加健壯。
　　論文的主要工作與創(chuàng)新點(diǎn)如下:
　　1.首先分析了結(jié)核菌顯微圖像整體上的特點(diǎn)，采用了向量量化方法簡(jiǎn)化圖像顏色信息量，然后將圖像變換至HSV、CIEL*a*b*等空間。經(jīng)過對(duì)分離后結(jié)果的觀察，H通道、L通道和a通道具有較好的顏色特征。
　　2.結(jié)核菌顯微圖像非常復(fù)雜，不僅結(jié)核

4、菌形態(tài)各異，背景也包含其他被染色或深色組織，亮度也不均勻。結(jié)核菌易受到背景中的甲烯藍(lán)染料所影響，偏離紅色色相區(qū)域。部分染色太深的區(qū)域即使肉眼也難以識(shí)別其中的結(jié)核菌目標(biāo)。本文為此引入了高斯混合模型與樸素貝葉斯分類器兩種方法。使用高斯混合模型這一非監(jiān)督分類方法，降低了訓(xùn)練分類器所需的數(shù)據(jù)量及時(shí)間，同時(shí)比K-means等方法更加準(zhǔn)確。
　　3.對(duì)結(jié)核菌目標(biāo)的判斷往往需要顏色、形狀等多個(gè)依據(jù)綜合判定?；谪惾~斯定理，我們可以首先對(duì)數(shù)據(jù)進(jìn)行