结核细胞自动识别系统中关键技术的研究

《结核细胞自动识别系统中关键技术的研究》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、摘要结核细胞自动识别系统中关键技术的研究摘要目前，全世界的肺结核发病率正在逐渐上升，国内外的资料表明，肺结核病例一旦确诊，80％已经失去了及早治疗的好机会。早期诊断、早期治疗是提高肺结核患者生存率、降低死亡率的关键，因此，进行准确地早期诊断和治疗已成为迫切需要解决的问题。图像识别是数字图像处理中的重要课题，也是计算机辅助诊断的重要环节。将图像识别技术引入到医生的诊断过程中，不但可以极大地提高诊断的同一性，减少个体差异和主观性，部分地代替人的劳动，以物化的人的经验和智力工作，而且可以提取人眼所不能观察到的信息，辅助医生诊断。细胞分

2、析是肺结核早期诊断的一种重要方法，利用显微细胞图像进行细胞定量分析，从而可以提高肺结核早期诊断率，是临床医学和图像处理专业共同关心的复杂而重要的课题。本文在现有研究技术成果的学习研究基础上，对结核杆菌细胞显微图像利用图像处理技术进行预处理，对其进行特征提取。再分别采用贝叶斯决策理论分类器、神经网络中的多层前向网络(又称BP网络)分类器和最小距离分类器三种分类器对杆菌细胞和正常细胞进行分类识别，并对三种分类识别的结果进行比较。实验证明采用的分类方法和得到的结果是比较合理的，对于医学辅助诊断具有一定的参考价值和指导意义。关键词：肺结

3、核，杆菌细胞，计算机辅助诊断，图像分割，特征提取，数IIl学形态学，细胞识别ABSTRACTT精ERESEARClloFK嚣YTECHNIQUESFIGIRAU’roRECOGNiTIoNTUBERCULoSlSCELLSIntheseyeafs，incidenceoftllberculosisisrisinggfadually．Lotsofinfo潍at{onhas盎ow娃that：oneetubeKulosisis锇agnoso或80pe聃centofthemhasbelongedtoadvancedstageandmost

4、patientshavelostthegoodchancetobecured．nhasbecomeakeyprobIemtodctectandcuremecasesi鞋t瓤e主fea蠢yst89e．So氆曩ely壤鑫g珏oses糖dti攥ely氇e臻pyhavebe∞搬e氆equestionsforimpendency．Imagerecognitionisani董l巾0rtanttaskinDigitalImageProcessing。AlsOitpl妁毽anessentialmle主nCornputerAidedDiagnOs

5、is．Applyingimagereco鲈itiontechnologytodiagnosiscanimpmVetheidentityofdiagnosisalldfc蠢ucet囊es毽巧ectiV姆雒d麴攮銮

6、yf罐l∞et囊e莲oe把r’swo波。Cell黼鑫每sisisaninlportantwaytopre—tuberculosisdia髀osis．Wecanusecellimagestodocytologyquanti诅tiVoan越ys主s，improVetherecognitionrat洳ofpre—tube∞ul

7、osis．SOitisaco翔plex粕dimpo池nttaskforbo搬medical韪eldandimageprocessingfield．毛鞋魏sp神ef，b鑫sedonlo谯ofresea辩董lingoft廷ep∞s雠ttee酶ology瓤溉thenlicroscOpicimagI。sofbacillithetuberculosisccllsfallen}蚊縮isisaninlportantwaytopre—tuberculosisdia髀osis．Wecanusecellimagestodo北京化工大学硕士学位论文t

8、heBPneumlnetworka11dtheleastdistancearithmeticclassifiertoclassi母andrecognizethebacilli-cellimages．At1ast，recognizingresultsofmesethreemethodsarecompared．EXperitnentresultshaveprovedthatthe撕thmeticandtherecognizingresultsinthisp叩eraresollIld，anditisause血landpractical

9、toolincompute卜aideddiagnoseKEYWoRDS：tuberculosis，bacilli-cell，ComputerAidedDiagnosis，imagesegmentation，featureextraction，mathematic