胸水癌細胞顯微圖像處理與識別方法研究.pdf

1、傳統(tǒng)的醫(yī)學顯微圖像的分析是在光學顯微鏡下由醫(yī)生用肉眼觀看、計數(shù)和判斷，并對照顯微圖例給出診斷結論。這樣，醫(yī)生工作量較大，對病情的診斷過分依靠經驗。 為了改善上述問題，本文將數(shù)字圖像處理技術、模糊模式識別和模糊聚類分析引入到胸水癌細胞顯微圖像的處理中，即在對原始顯微圖像進行邊緣檢測的基礎上，在通過將數(shù)字形態(tài)學知識與模糊模式識別結合的方式對胸水癌細胞顯微圖像進行特征提取與識別并運用模糊聚類分析方法對細胞樣本空間的劃分進行了優(yōu)化，為癌

2、癥的診斷提供可靠具體的參數(shù)。 細胞圖象的邊緣檢測是進行顯微圖象識別的關鍵，邊緣檢測算法是本文的研究重點之一。胸水癌細胞形態(tài)各異，具有很大的不確定性，往往在同一幅圖像中同一種癌細胞形態(tài)也不完全相同，因此普通的邊緣檢測方法效果不佳。由于圖像的不確定性是由其模糊性造成的，本文采取了模糊邊緣檢測的方法提取其邊緣信息。 在細胞特征提取方面，在邊緣檢測的基礎上依據(jù)形態(tài)學知識和病理學專家的醫(yī)學知識提取了諸如周長、面積、核質比、光密度、

3、細胞及細胞核形狀因子等9個度量參數(shù)。 然后基于提取的9個參數(shù)，采用模糊模式識別方法對胸水癌細胞進行了識別。建立了諸如細胞核增大的細胞、細胞核深染的細胞、細胞核不圓的細胞等6個模糊集合和與之相應的6個隸屬函數(shù)，并根據(jù)模糊集合的運算法則將胸水細胞樣本空間進一步劃分為4個標準模式，實現(xiàn)了胸水癌細胞的識別。 最后，為了提高模糊集合的劃分精度，減少人為因素的干預，采用基于目標函數(shù)的模糊聚類分析方法對胸水細胞樣本空間的劃分進行了進一