2023年全國(guó)碩士研究生考試考研英語(yǔ)一試題真題(含答案詳解+作文范文)_第1頁(yè)
已閱讀1頁(yè),還剩55頁(yè)未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡(jiǎn)介

1、尿檢系統(tǒng)是隨著人們對(duì)醫(yī)療衛(wèi)生保健越來(lái)越高的期望而產(chǎn)生,軟件平臺(tái)結(jié)合模式識(shí)別算法對(duì)尿液細(xì)胞進(jìn)行分類實(shí)現(xiàn)了自動(dòng)高效的檢測(cè)。尿沉渣中的有形成分種類變化多樣,結(jié)構(gòu)復(fù)雜,圖像背景復(fù)雜模糊不清,極易造成干擾和誤判,使尿沉渣自動(dòng)識(shí)別的難度增加,準(zhǔn)確率低。本論文從理論算法和實(shí)際臨床實(shí)踐兩方面對(duì)尿沉渣識(shí)別系統(tǒng)進(jìn)行研究,利用自適應(yīng)二維熵閾值分割和SVM分類算法技術(shù),實(shí)現(xiàn)尿沉渣細(xì)胞圖像的各類有形成分的統(tǒng)計(jì)分類。
  針對(duì)尿沉渣圖像處理過(guò)程,將低倍鏡和高

2、倍鏡運(yùn)用坐標(biāo)跟蹤技術(shù)實(shí)現(xiàn)完美的過(guò)渡,運(yùn)用自適應(yīng)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(xì)胞)、Urinary cast(管型)自動(dòng)分開;通過(guò)低倍鏡的坐標(biāo)跟蹤獲得最有效的放大區(qū),對(duì)高倍鏡下圖像用固定閾值分割細(xì)胞圖像提取高倍鏡下紅細(xì)胞和白細(xì)胞的26維特征向量,經(jīng)過(guò)歸一化處理后,運(yùn)用SVM分類器進(jìn)行訓(xùn)練和識(shí)別分類,最后成功分類,進(jìn)行測(cè)試時(shí),識(shí)別率可以達(dá)到90%以上。
  尿沉渣細(xì)胞圖像的散焦

3、噪聲和背景的干擾,對(duì)比幾種去噪算法,選擇使用Gabor濾波器對(duì)圖像進(jìn)行預(yù)處理。在細(xì)胞圖像分割中,于性能和效率的探索中,對(duì)比分割實(shí)驗(yàn),提出改進(jìn)算法來(lái)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(chǔ)上,使用最具代表性的26維形態(tài)、統(tǒng)計(jì)、紋理特征,改進(jìn)SVM算法核函數(shù)及參數(shù),獲得識(shí)別率較高的SVM分類器。
  本論文在整個(gè)尿沉渣圖像處理系統(tǒng)中,驗(yàn)證SVM算法,并逐步提高尿液細(xì)胞的正確識(shí)別率。通過(guò)SVM算法在訓(xùn)練樣本數(shù)很少的

溫馨提示

  • 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。

評(píng)論

0/150

提交評(píng)論