基于神經(jīng)網(wǎng)絡的尿沉渣有形成分自動分類和識別研究.pdf

1、計算機輔助尿沉渣圖像的分類識別對多種臨床疾病的診療有著重要意義。市場上已經(jīng)出現(xiàn)了許多尿沉渣圖像自動類別識別儀器。本課題是以龍鑫公司的LX3000中“尿沉渣圖像有形成分自動識別系統(tǒng)”為背景，將BP神經(jīng)網(wǎng)絡用于尿沉渣圖像細胞分類和計數(shù)，將數(shù)據(jù)剪切用于低倍鏡下上皮細胞識別，對特征進行了分析，并且研究了特征提取的方法用于將來更多特征的情況，文中研究了多分類器融合技術(shù)，用于高倍鏡下細胞識別。 由于分割方法還不夠完善，并且分割后圖像類別標記

2、沒有統(tǒng)一的標準，操作者也不是專業(yè)的醫(yī)務人員，同時數(shù)據(jù)量非常大，所以造成了樣本中存在很多的問題數(shù)據(jù)，本論文利用Bagging方法剪切問題數(shù)據(jù)，用于十倍鏡細胞分類，減小了網(wǎng)絡的訓練誤差和訓練時間，提高了網(wǎng)絡的泛化能力。 多分類器融合技術(shù)結(jié)合數(shù)據(jù)融合、機器學習、模式識別等多方面理論，把來自不同分類器的識別信息進行有機結(jié)合，從而降低單分類器的設計難度，全面提取和利用分類信息，達到改善或改進傳統(tǒng)分類算法的目的。近年來，多分類器融合技術(shù)在人

3、臉識別、手寫字符識別、遙感圖像分類等方向上受到了廣泛重視，顯示出很大的研究價值和現(xiàn)實應用前景，但在醫(yī)學圖像領(lǐng)域中的研究尚顯不足。本論文融合方法同時研究了神經(jīng)網(wǎng)絡集成方法，重點使用了投票法進行分類器融合，分析了Baggingg和Boosting產(chǎn)生的網(wǎng)絡的相關(guān)性，通過最小信息熵的方法處理和優(yōu)選子集，用于Boosting方法的改進，實驗表明了該融合模型相對單一分類器以及傳統(tǒng)融合方法的優(yōu)越性，并且研究了貝葉斯方法，通過實驗選擇出最優(yōu)融合準則。