顯微細胞圖像的分割與識別方法研究.pdf

1、密級桂林電子科技大學(xué)碩士學(xué)位論文題目顯微細胞圖像的分割與識別方法研究（英文）ResearchonSegmentationRecognitionMethodsfMicroscopicTissuesCellImages研究生學(xué)號:122011559研究生姓名:趙玲玲指導(dǎo)教師姓名、職務(wù)指導(dǎo)教師姓名、職務(wù):楊輝華教授申請學(xué)位門類:工學(xué)碩士學(xué)科、?？?、專業(yè)名稱:機械工程提交論文日期:2016年4月論文答辯日期:2016年6月摘要I摘要傳統(tǒng)采用人工

2、方法進行醫(yī)學(xué)圖像分割和識別既費時間，也費力，而且存在很強的主觀因素。采用計算機輔助診斷方法對醫(yī)學(xué)圖像進行自動處理保證了診斷的客觀性。其研究具有十分重要的理論意義和實際應(yīng)用價值。本文主要是對乳腺顯微組織細胞圖像的分割和識別問題進行研究。分別從分割理論和識別方法進行深入細致的闡述。利用本文提出的分割方法對粘連細胞圖像進行分割研究，為下一步的定量計算作鋪墊。最后利用深度卷積神經(jīng)網(wǎng)絡(luò)對病理細胞圖像進行分類識別研究。對于具有灰度不均勻、低對比度以

3、及邊緣模糊等缺陷的粘連細胞圖像，本文采用基于水平集方法，結(jié)合圖像的區(qū)域信息和邊緣信息，提取亞像素級的細胞邊緣輪廓，保證提取輪廓的平滑性。然后，根據(jù)多邊形的凹凸性，循環(huán)迭代檢測粘連細胞輪廓上的凹點區(qū)域，搜索細胞的粘連位置。最后，確定粘連位置的分割連接線。實現(xiàn)粘連細胞分割。實驗證明分割結(jié)果優(yōu)于分水嶺和聚類算法。對于分割后的細胞圖像，構(gòu)成分類數(shù)據(jù)集?；诰矸e神經(jīng)網(wǎng)絡(luò)能夠提取圖像的高層特征并對圖像進行有效表達，設(shè)計了由3個連續(xù)的卷積層和池化層構(gòu)

4、成的卷積神經(jīng)網(wǎng)絡(luò)對細胞和組織進行分類研究，實驗結(jié)果表明卷積神經(jīng)網(wǎng)絡(luò)對圖像的分類效果優(yōu)于LSVM、SAE等算法。利用改進的深度卷積神經(jīng)網(wǎng)絡(luò)對乳腺癌病理細胞圖像中的benign和actionable兩類細胞圖像進行識別研究，為了提高網(wǎng)絡(luò)的計算速度采用非線性非飽和的線性校正單元(ReLUs)。再利用out方法隨機阻斷池化層節(jié)點的更新，以此來抑制網(wǎng)絡(luò)的過擬合。改進后的算法準確率得到了較大地提高。關(guān)鍵詞：關(guān)鍵詞：圖像分割；圖像識別；水平集方法；凹