尿液顯微顆粒自動檢測與圖像處理研究.pdf

1、尿液檢測是醫(yī)學臨床檢驗操作規(guī)程中的三大常規(guī)檢驗項目之一。我國第三版《全國臨床檢驗操作規(guī)程》中對尿液檢驗提出了明確要求。但是目前很多醫(yī)院的尿液檢驗還停留在人工鏡檢或半自動檢驗的水平上,不僅速度慢、溯源性差、標準化程度低,而且在很大程度上依賴于檢驗醫(yī)師的個人經驗。本文結合尿液自動檢測的需要,在檢測系統(tǒng)的加樣機構、智能控制、機器視覺、圖像處理與模式識別等方面進行了研究。
　　在檢測系統(tǒng)構成和檢測方法方面,設計了全自動多通道在線檢測系統(tǒng),

2、主要包括:加樣機構與液路系統(tǒng)、基于ARM的顯微鏡自動調焦機構和系統(tǒng)軟件等;針對原有方法所需自然沉降時間長,而尿液顯微顆粒實際上是呈現空間分布的特點,提出了空間動態(tài)坐標跟蹤檢測法,提高了檢測速度和檢測效果。
　　在顯微圖像分析方面,分析了影響圖像清晰度的各種因素,設計了一種靈敏度較好的清晰度評價函數,構建了以圖像清晰度為控制目標的多傳感顯微圖像自動對焦系統(tǒng),使得尿液檢測系統(tǒng)能夠持續(xù)穩(wěn)定地獲得高質量的圖像;建立了空間多焦面圖像融合模型

3、,給出了該模型的算法,設計了基于小波和小波包變換的圖像融合方法,通過實驗驗證了算法的有效性,在避免漏檢、少檢和錯檢等保證檢測有效性方面取得了較好的效果。
　　圖像顯微顆粒的自動分割是尿液自動分析的核心技術,圖像分割算法的有效性直接影響顯微顆粒形態(tài)特征提取的有效性。論文研究了各種圖像分割方法及其分割效果,設計了基于索伯爾算子的邊緣檢測算法;對于圖像中的粘連顆粒,引入脈沖耦合神經網絡(PCNN)的分割的方法,實驗表明,PCNN在處理粘

4、連細胞的欠分割問題上具有良好的效果。
　　識別準確率是尿液檢測系統(tǒng)的主要考核指標,顯微顆粒特征提取的性能與有效性直接影響模式識別的準確率。在圖像分割的基礎上,進一步研究了圖像特征的提取方法,從外形、結構、紋理、頻域、區(qū)域等方面對尿液顯微顆粒特征進行了分析,利用BP神經網絡對尿液顯微顆粒進行分類計數,通過實際測試,證明該神經網絡具有良好的分類效果。
　　論文的研究成果已經應用于蘇州惠生電子科技有限公司的全自動尿液自動分析儀上,