欢迎来到天天文库
浏览记录
ID:36719418
大小:10.57 MB
页数:53页
时间:2019-05-14
《基于模糊聚类的尿沉渣有形成分分析研究》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、南京信息工程大学硕士学位论文摘要尿沉渣图像检验作为临床上病理分析的重要依据,已经成为医学研究讨论的重要话题。尿有形成分检查的重要性在于它是尿液分析中不可缺少的检查手段,对临床诊断、治疗监测及健康普查其肖重要的临床意义,对肾莲疾病、泌尿道疾癣、循嚣系统疾病数及感染性疾病等,有重要的诊断和鉴别作用,尿沉渣图像检验以及其有形成分分析的准确性和分析速度的快慢就成为尿沉渣图像研究的焦点问题。很显然,以往的人工肉眼检验尿沉渣图像有形浚分豹准确率的确眈较离。可是各大医院徽藤捡的份额原本藏慷入,更可蟾酶是藤沉渣图像中成分繁多,个体目标也是复杂多变,人工分析难以满足要求。借助图像处理技术实现自动分析是解
2、决这一问题的好办法。全叁动尿沉渣分橇仪是一魏高智畿、全鸯动、客麓静基于计算机曼徽图像的藤液有形成份分析仪器。它集计算机技术、精密机械技术、光学显微成像技术、自动控制技术、数字图像处理与机器视觉技术于一体。而这其中,数字图像的处理和理解是核心技术之一。尿沉渣有形成分熬模式识掰方法有多耪,黧久工神经网络识别,支持囱薰橇识裂,炎时簸方法等等。但是这些方法无一例外采用是的线性的识别方法。本文所述的方法中没有要求对每个尿沉渣个体进行识别,而是首先提取了目标的5个形态特征窝12个纹理特征。戳这些特征参数为依据,孀模凝聚类於方法将赝有的娶标聚成几类。聚类分析是一种典型的数据挖搦和分析的方法,其中关于
3、聚类类别的最终确定采用了F一统计量法。聚类之后的所有类不可能是没有杂类元素的纯类,用类间阀值分割(Ostu)法可以去除一些类孛与大多数个体裰似发较低的元素,并虽把它们加入裂德定集含姿母。这样做的目的一是保证后面给每类定性时的准确攀,二是将这些不定元素可以进行熏新识别以提高准确率。然后将每类中被抽取出来的元素经过神经网络的检验,由它们代表整个类来绘类定性是红细胞、自纲照、管羹、还是其它结晶。最鬣对处于待定集合孛的个体进行重新识别,以提高识别准确率。经过数据实验和仿真证明了该方法的可行性和有效性。对于大小面积差异明显的个体准确零较高,热篱型和上皮缀腱。莘酸钙结瑟静纹理特短明曼,该法也裔一定
4、优势。对予差异较小的红细胞和白细胞则效果一般。关键字:尿沉渣,特短参数,聚类分橱,Ostu法南京信息工程大学硕士辫位论文Abs仃actUrinesedimentimagecheckingastheimportantevidenceclinicalpathologicanalysishasbecomeakeytopicofmedicalresearchdiscussion.Urinevisualcomponentcheckingisveryessentialbecauseitisincrediblecheckingtoolinurineanalysiswhichisnotonlyclin
5、icallysignificanttoclinicdiagnose,remedialmonitoringandhealthinvestigation,butalsoplayinganimportantroleindiagnoseanddifferentiationofkidneydiseaSes,urinarytractdiseases,circulatorysystemdiseaSesandinfectiousdiseases.Therefore,theveracityandspeedofurinesedimentimagecheckingandvisualcomponentanal
6、ysisisthekeypointtourinesedimentimageresearch.Obviously,traditionalmanualnakedeyecheckingdefinitelyhashigherveracity.Despitethehugemountofurinespecimensineverylargehospital,multipletypesaleinurinesedimentimage,whatisworse,eachofobjectivesarealsocomplicated,SuchhugeproblemCanbesettledbyurinesedim
7、entanalyzeranddigitalimageprocessing.Nowadays,automaticurinesedimentanalyzerisahighintelligent,automatic,objectivelybaSedonPCmicroimageurinevisualcomponentanalyzer.ItisapreciseapparatussystemcombiningPCtechnology,precisemech
此文档下载收益归作者所有