基于機(jī)器學(xué)習(xí)的病理細(xì)胞輔助檢測(cè)方法研究.pdf

1、計(jì)算機(jī)輔助檢測(cè)是利用計(jì)算機(jī)學(xué)習(xí)人類的經(jīng)驗(yàn)，達(dá)到自動(dòng)化的輔助診斷病癥。隨著機(jī)器學(xué)習(xí)技術(shù)的發(fā)展，應(yīng)用的領(lǐng)域不斷擴(kuò)展，它與醫(yī)療圖像相結(jié)合的計(jì)算機(jī)輔助診斷成為研究的熱點(diǎn)。通過(guò)自動(dòng)化的輔助檢測(cè)減輕醫(yī)生的工作量甚至提高診斷的準(zhǔn)確率是科技人員不斷研究的目標(biāo)。有效利用醫(yī)院每天產(chǎn)生的大量細(xì)胞圖像，結(jié)合圖像相關(guān)技術(shù)和機(jī)器學(xué)習(xí)的思想，建立細(xì)胞輔助檢測(cè)的分類模型。由于細(xì)胞圖像與普通醫(yī)療影像不同，具有不規(guī)則性和較多的干擾因素，導(dǎo)致識(shí)別難度增加，因此病理細(xì)胞的輔助

2、檢測(cè)方法仍需研究和進(jìn)步。
　　由于各類細(xì)胞差異較大，無(wú)法統(tǒng)一研究。本文以宮頸細(xì)胞圖像作為主要研究對(duì)象，在其基礎(chǔ)上研究了各項(xiàng)輔助檢測(cè)技術(shù)，主要包括圖像預(yù)處理技術(shù)、圖像特征提取與分析和圖像分類技術(shù)。詳細(xì)的研究?jī)?nèi)容包括以下幾方面：
　　首先，研究了基于活動(dòng)輪廓模型的分割技術(shù)，同時(shí)研究了基于水平集算法和曲線演化理論的C-V模型，利用C-V模型成功提取了細(xì)胞圖像的感興趣區(qū)域，分割了細(xì)胞核與細(xì)胞質(zhì)。
　　其次，針對(duì)細(xì)胞圖像的特征提

3、取技術(shù)，研究了細(xì)胞圖像的全局特征，提取了包括形態(tài)、色度和紋理等特征。其中針對(duì)紋理特征的提取，根據(jù)細(xì)胞圖像的特殊性，提出了改進(jìn)的灰度共生矩陣紋理提取方法，提取了更有效的特征向量，提高了分類的正確率。在已提取的特征集合上采用啟發(fā)式搜索算法得到最有效的特征子集用于后續(xù)的分類研究。
　　最后，針對(duì)細(xì)胞圖像的分類技術(shù)，本文研究了主流的機(jī)器學(xué)習(xí)技術(shù)，包括神經(jīng)網(wǎng)絡(luò)和SVM，分別以它們作為分類器，利用前面提取到的特征作為輸入進(jìn)行訓(xùn)練，進(jìn)行宮頸細(xì)胞