资源描述:
《宫颈细胞lct图像论文:基于gvf snake模型的宫颈细胞lct图像自适应分割》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、宫颈细胞LCT图像论文:基于GVFSnake模型的宫颈细胞LCT图像自适应分割【中文摘要】宫颈癌的及早发现和治疗能大大降低宫颈癌的死亡率,实行普遍的宫颈癌筛查具有重要意义。目前基本上采用的检查技术是宫颈涂片筛查,涂片筛查技术采用的仍然是人工阅片方式,这种方式效率低且易受人主观因素的影响,会降低筛查的准确率。于是,研发宫颈癌计算机辅助诊断筛查系统,用机器分析代替人工阅片,既能提高效率又可以降低对人的依赖,提高筛查的准确率,具有重大意义。目前存在多种宫颈涂片筛查技术,其中液基细胞学检验技术(简称LCT)是一种新兴的筛查技术,它具有制片速度快、质量高的优点,所以该技术被国内医院普遍采用
2、,代表着未来的一种发展趋势。本文的研究对象就是宫颈LCT细胞图像,先与医院专家进行沟通及进行实验分析,然后得出宫颈LCT细胞图像的特点;于是根据这些特点,基于GVFSnake模型,提出一种自适应分割宫颈LCT细胞图像的算法。Snake模型是一种基于参数轮廓曲线的图像分割算法,结合了底层图像信息和高层知识,在高层知识的指导下和图像能量的驱动下,轮廓曲线被吸引至能量最小处,即目标边缘处。这种算法在很大程度上弥补了传统医学图像分割技术的缺点,但是它本身还是存在一些缺陷,主要是作用范围小和不能将曲线拉向凹处。鉴于这些情况,提出了GVFSnake模型,该模型用GVF场代替传统的高斯势能场,
3、有效解决了传统Snake模型存在的问题,被广泛应用于图像分割。本文对GVFSnake模型的基本理论进行了研究,并根据宫颈LCT图像的特点,提出了一种基于GVFSnake模型的自适应分割算法。首先设置模型参数并用模型进行分割,评价分割结果,若判定结果好则停止,反之则调整模型参数继续进行分割,直至得到认为好的结果或是不满足某些条件。进行大量实验,实验结果表明,该算法能达到很好的分割效果。【英文摘要】Earlydetectionandtreatmentcansignificantlyreducethemortalityrateofcervicalcancer,souniversalsc
4、reeningofcervicalcancerisofgreatweight.Basically,thecurrentinspectiontechniquesiscervicalsmearscreeningtechnology,andcervicalsmearscreeningtechnologystilladoptsmanualfilm-readingmethod.Thiswayisinefficientandaffectedeasilybysubjectivefactors,wouldreducetheaccuracyofscreening.Thus,itisimportan
5、tandsignificativetodeveloptheComputer-aideddiagnosissystemforscreeningofcervicalcancercellimages,withmachineanalysisinsteadofmanualfilm-reading,whichcanimprovenotonlytheefficiencybutalsotheaccuracyrate.Currentlythereareseveralcervicalsmearscreeningtechnology,andliquid-basedcytologytestingtech
6、nology(LCT)isanewscreeningtechnology.Ithasadvantagesofproductionspeedandhighquality,soitiswidelyusedindomestichospitals,andrepresentsafuturetrend.Inthisthesis,cervicalLCTcellimagesistheobjectsofstudying,Icommunicatewiththehospitalspecialistsanddoalotofexperimentsfirstly,thenextractthecharacte
7、risticsofcervicalLCTcellimage.Accordingtothesecharacteristics,IproposeanadaptivesegmentationalgorithmbasedonGVFSnakemodel.Snakemodelisimagesegmentationalgorithmbasedonparametercontourcurve.Itisacombinationoflow-levelimageinformationandhigh-le