細(xì)胞核自動分割及級聯(lián)分類.pdf

1、在腫瘤的診斷中，細(xì)胞病理學(xué)診斷是最常用的方法之一，能確定腫瘤的良性惡性，組織學(xué)類型、分化程度以及惡性腫瘤的擴(kuò)散與轉(zhuǎn)移等。在疾病發(fā)展的早期，細(xì)胞及組織解剖形態(tài)的變化較為細(xì)微，為了辨識這些細(xì)微的變化，病理科醫(yī)生常需要通過顯微鏡仔細(xì)觀察病理標(biāo)本，這一工作不僅耗時而且工作強度非常大。此外，對這些細(xì)微變化的判別缺乏客觀的標(biāo)準(zhǔn)，很大程度上依賴于病理科醫(yī)生的經(jīng)驗，這對他們提出了極高的要求。如果能夠借助計算機(jī)對顯微圖像中的細(xì)胞及組織進(jìn)行自動分析，將能夠

2、有效地提高診斷效率，減少病理醫(yī)生的工作負(fù)荷及可能出現(xiàn)的漏診、誤診。
　　本文致力于自動病理掃描分析系統(tǒng)中關(guān)鍵技術(shù)的研究，以實現(xiàn)癌癥細(xì)胞核的自動分割及級聯(lián)分類為目標(biāo)，在細(xì)胞核的分割，特征計算與選擇，識別分類這三個方面，開展了深入的研究，具體為:
　　在細(xì)胞核分割方面，采用局部自適應(yīng)閾值分割方法進(jìn)行細(xì)胞核分割，并對得到的二值圖像，采用形態(tài)學(xué)腐蝕—膨脹技術(shù)進(jìn)行修正，然后采用種子填充算法，獲得獨立的細(xì)胞核區(qū)域。在局部閡值分割的基礎(chǔ)上

3、，采用凸包算法進(jìn)行分割，獲得細(xì)胞核的二維凸包。
　　在特征參數(shù)計算與選擇方面，主要提取了細(xì)胞核圖像的形態(tài)特征、光密度特征、紋理特征和針對凸包設(shè)計的其他類特征，總計107個特征參數(shù)。然后，采用主成分分析(PCA)算法對原始特征向量降維，同時采用隨機(jī)森林對特征重要性進(jìn)行排序，并對比分析了這兩種方法對分類結(jié)果的影響。
　　在細(xì)胞核的識別分類方面，構(gòu)造了基于Adaboost—SVM級聯(lián)分類器，同時針對細(xì)胞病理樣本中存在的多類雜質(zhì)，設(shè)