体液细胞影像有形组成鉴别核心技术
来源：UC论文网2015-11-04 15:21
摘要：
第一章绪论 1.1课题应用背景与研究意义 临床检验是医学上重要的基础性疾病诊断技术，它通过感官检查、理学检查、化学检查、生物学检查或显微镜检查方法，对血液、体液、分泌物
第一章绪论
1.1课题应用背景与研究意义
临床检验是医学上重要的基础性疾病诊断技术，它通过感官检查、理学检查、化学检查、生物学检查或显微镜检查方法，对血液、体液、分泌物等进行理化分析与检查，观察机体的病理状态变化并协助分析诊断疾病，检验结果是支持诊断、鉴别诊断、甚至确定诊断的主要依据。显微镜镜检是临床检验的一个重要手段，尿液有形成分镜检是医院的一项常规体液检测，是临床检验的重要组成部分，它是通过显微镜观察分析尿液中的红细胞、白细胞、管型细胞、结晶细胞、真菌细胞、上皮细胞、沉渣细胞、粘液丝细胞、精子细胞等有形成分数目及形态，给病理诊断提供依据。据统计，一个二甲医院平均一天有300个左右的检测量，给检验医生带来很大劳动量。在检验医生人数有限情况下，通过人眼观察显微镜下样本图片得到检验结果成为相当困难的事情。另外由于医生的业务水平、职业素质参差不齐，主观因素容易影响检验结果，如何减少检验结果对医生经验的依赖，成为镜检必须解决问题。过去人眼观察标本，只能得到定性分析结果，不能得到有形成分的一些具体参数，无法量化。因此研究显微镜下体液细胞图像中有形成分的自动识别与分析，是医院检验尤其常规检验的迫切需求。显微镜尿液镜检系统经历了三个发展阶段，人工镜检阶段，检验医生通过手工操作光学显微镜与检验标本，通过人眼观察细胞标本图片，得到镜检结果。第二阶段是半自动镜检系统，运用自动控制技术实现标本操作自动化，运用图像显示技术通过监视器直接输出标本图像，检验医生通过观察监视器得到检验结果。第三阶段是全自动智能镜检系统，运用图像处理与人工智能技术实现标本成分的自动分析、报告的自动生成、操作的自动化，最终形成镜检机器医生，该方面研究有一些初步成果，但还没有完全成熟系统。
............................................
1.2国内外研究状况
2.1显微镜细胞识别系统现状与关键技术
医学显微图像主动阐发系同不停是生物医学工程非常活泼的范畴，海表里出现了一些应用体系。比方WHE3SPICM一D宫颈癌早期预警体系，主动收罗脱落细胞、准确丈量出每个细胞的DNA含量，优选出多个形貌细胞形态和纹理参数，依托宫颈脱落细胞的巨大数据库，运用先辈的支持向量机和人工智能神经元网络，辨认细胞是否发抱病变。美国NatureGeneCorp公司研究的NVK二--Karyo体系，接纳图像处置处罚技能与模式辨认技能主动阐发人类、动物和植物等种种显带染色体的核型。精子主动检测阐发体系主动阐发提取显微镜下精子活动轨迹，提取评价精子质量的相干参数，为临床和科研中精液通例阐发创造条件。CD4细胞主动阐发、骨髓细胞主动阐发体系都是接纳图像处置处罚与模式辨认技能对显微镜细胞图像中特定身分举行主动丈量和阐发。在尿液有形身分查验中，阐发体系险些还停顿在人工辨认或半智能辨认状态，我们从2003年开始研究尿液镜检细胞图像预处置处罚、分害d、特性建模与辨认技能，并将技能应用于尿液细胞图像的有形身分的主动辨认和阐发，根本实现了该查验项目标智能化，并已经临床利用，体系得到国度临检中央承认，于2007年12月由湖南省科技厅构造技能判定，专家以为体系到达国际先辈程度，发起鼎力大肆推广利用。
...........................................
第二章细胞图像预处理算法研究
显微镜细胞图像采集过程中由于电噪声、量化噪声、光照环境、目标分层引起的聚焦模糊等等因素影响，图像质量会降低，因此必须对输入图像进行适当预处理，改善图像质量。本章首先分析了细胞图像的降质因素及噪声类型，提出了细胞图像预处理基本流程。为了克服背景噪声与脉冲噪声影响，提出了基于梯度的各向异性滤波算法和结合信息嫡噪声点检测的自适应加权中值滤波算法。前者能在滤除背景噪声的同时有效地保护目标边缘，后者利用信息嫡反映图像像素点是否受到噪声污染的不确定性来判决是否对像素点进行滤波，对于需要滤波的点采用了加权自适应中值滤波，加权值根据邻域中值和局部对比度概率共同决定。实验结果表明，两种滤波算法在过滤噪声的同时，都有效的保护了目标边缘信息。针对目标边缘模糊的问题，论文在滤波结果基础上，根据局部对比度信息，利用非线性增强函数加强了目标边缘信息，为后续图像分割奠定了基础。
..................................
2.1细胞图像噪声特点及模型
2.1.1细胞图像降质分析
显微镜细胞图像在采集、传输、处理过程中由于各种因素影响，图像质量降低，通过统计观察，细胞图像具有以下特点:
1、由于图像量化影响，在细胞图像中存在加性量化噪声，致使图像背景呈现非均匀分布。如图2一1分别为细胞图像及特定区域取样示意图。图2一2为图2一l从上到下水平取样扫描线位置灰度分布图，从图2一2可以看出，图像背景区亮度并非常值，存在一定抖动变化，背景区抖动幅度较小，边缘区抖动幅度较大。
2、细胞图像中目标处于运动状态，同时由于为显微镜下放大图像，对焦距敏感，有时由于焦距不当使采集图像呈现局部模糊现象，如图2一3所示。从图中可以看出由于细胞沉淀层面不同，图中目标出现三种现象，一种边缘清楚、一种边缘模糊且有拖尾，呈暗斑，另外一种目标整体对比度不强，呈半透明状态。
................................
第三章 多信息、多层次、多方法自适应综合分割算法研究 .............37-73
3.1 细胞图像分割目的与影响因素 ................................37-38
3.2 多信息、多层次自适应分割模型 .......................38-44
3.3 基于BP评价多层次自适应区域分割算法 ...................44-49
3.4 基于边缘的多层次自适应分割算法 .........................49-55
3.5 融合邻域信息的自适应区域分割技术............... 55-61
3.6 基于MEAN SHIFT的多信息分割算法 ..............61-64
3.7 多结构元形态学分割后处理算法............... 64-67
3.8 算法综合与仿真....................... 67-71
3.9 小结 ...............................71-73
第四章 形状特征提取与分析 .........................73-96
细胞识别的基本任务是根据4章、第5章提取到的有形成分形状特征、纹理及颜色特征将待识别目标归属到红细胞、白细胞、管型细胞、上皮细胞、结晶细胞、真菌细胞、粘液丝细胞、沉渣、可疑细胞中某一模式，自动统计检验标本中各类细胞的个数、特征属性，给医生诊断提供检验数据。细胞识别总体结构如图6一1所示。
...............................................
总结
实现显微镜下尿液细胞图像有形成分智能识别与分析有着十分重大的理论与应用价值，论文在观察和统计大约2万多个标本、4万多张图片基础上，结合体液细胞图像特点，对智能识别与分析系统的关键技术进行了研究，主要包括图像自适应滤波与增强算法、多层次、多信息、多方法细胞图像自适应分割算法、细胞有形成分形状特征提取与分析技术、纹理及颜色特征提取与分析技术及细胞模式识别算法研究等内容。论文研究内容应用到“尿液有形成分智能识别与分析系统”中，取得好的效果，已在全国100多家医院临床应用，基本实现了显微镜下尿液细胞图像中各种有形成分的自动识别与分析，在显微镜镜检领域引发了一场革命，系统于2007年12月通过湖南省科技厅组织的鉴定，达到国际先进水平。
论文主要完成以下几个方面工作:
自适应图像滤波与增强技术
经过分析与统计，发现细胞图像背景并不光滑存在变化，论文提出了一种基于梯度噪声检测的各向异性滤波改进算法，通过统计像素点8个方向的平均梯度值判断像素点是否为背景噪声，如果为背景噪声，则控制各向异性扩散方程中扩散系数实现背景平滑;另外显微镜细胞图像中存在微小颗粒(沉渣和气泡引起)，论文提出了结合邻域对比度信息嫡的自适应加权中值滤波改进算法，通过对比度信息嫡判断像素点是边缘点还是脉冲噪声，如果是脉冲噪声点，则根据对比度信息嫡计算中值滤波加权系数，达到过滤脉冲噪声目的;由于聚焦和光照环境影响，细胞图像中部分目标边缘对比度不强，论文采用基于邻域对比度的自适应边缘增强算法，拉伸了目标边缘与背景的灰度差别，增强了目标边缘信息。
...........................
参考文献（略）
1.1课题应用背景与研究意义
临床检验是医学上重要的基础性疾病诊断技术，它通过感官检查、理学检查、化学检查、生物学检查或显微镜检查方法，对血液、体液、分泌物等进行理化分析与检查，观察机体的病理状态变化并协助分析诊断疾病，检验结果是支持诊断、鉴别诊断、甚至确定诊断的主要依据。显微镜镜检是临床检验的一个重要手段，尿液有形成分镜检是医院的一项常规体液检测，是临床检验的重要组成部分，它是通过显微镜观察分析尿液中的红细胞、白细胞、管型细胞、结晶细胞、真菌细胞、上皮细胞、沉渣细胞、粘液丝细胞、精子细胞等有形成分数目及形态，给病理诊断提供依据。据统计，一个二甲医院平均一天有300个左右的检测量，给检验医生带来很大劳动量。在检验医生人数有限情况下，通过人眼观察显微镜下样本图片得到检验结果成为相当困难的事情。另外由于医生的业务水平、职业素质参差不齐，主观因素容易影响检验结果，如何减少检验结果对医生经验的依赖，成为镜检必须解决问题。过去人眼观察标本，只能得到定性分析结果，不能得到有形成分的一些具体参数，无法量化。因此研究显微镜下体液细胞图像中有形成分的自动识别与分析，是医院检验尤其常规检验的迫切需求。显微镜尿液镜检系统经历了三个发展阶段，人工镜检阶段，检验医生通过手工操作光学显微镜与检验标本，通过人眼观察细胞标本图片，得到镜检结果。第二阶段是半自动镜检系统，运用自动控制技术实现标本操作自动化，运用图像显示技术通过监视器直接输出标本图像，检验医生通过观察监视器得到检验结果。第三阶段是全自动智能镜检系统，运用图像处理与人工智能技术实现标本成分的自动分析、报告的自动生成、操作的自动化，最终形成镜检机器医生，该方面研究有一些初步成果，但还没有完全成熟系统。
............................................
1.2国内外研究状况
2.1显微镜细胞识别系统现状与关键技术
医学显微图像主动阐发系同不停是生物医学工程非常活泼的范畴，海表里出现了一些应用体系。比方WHE3SPICM一D宫颈癌早期预警体系，主动收罗脱落细胞、准确丈量出每个细胞的DNA含量，优选出多个形貌细胞形态和纹理参数，依托宫颈脱落细胞的巨大数据库，运用先辈的支持向量机和人工智能神经元网络，辨认细胞是否发抱病变。美国NatureGeneCorp公司研究的NVK二--Karyo体系，接纳图像处置处罚技能与模式辨认技能主动阐发人类、动物和植物等种种显带染色体的核型。精子主动检测阐发体系主动阐发提取显微镜下精子活动轨迹，提取评价精子质量的相干参数，为临床和科研中精液通例阐发创造条件。CD4细胞主动阐发、骨髓细胞主动阐发体系都是接纳图像处置处罚与模式辨认技能对显微镜细胞图像中特定身分举行主动丈量和阐发。在尿液有形身分查验中，阐发体系险些还停顿在人工辨认或半智能辨认状态，我们从2003年开始研究尿液镜检细胞图像预处置处罚、分害d、特性建模与辨认技能，并将技能应用于尿液细胞图像的有形身分的主动辨认和阐发，根本实现了该查验项目标智能化，并已经临床利用，体系得到国度临检中央承认，于2007年12月由湖南省科技厅构造技能判定，专家以为体系到达国际先辈程度，发起鼎力大肆推广利用。
...........................................
第二章细胞图像预处理算法研究
显微镜细胞图像采集过程中由于电噪声、量化噪声、光照环境、目标分层引起的聚焦模糊等等因素影响，图像质量会降低，因此必须对输入图像进行适当预处理，改善图像质量。本章首先分析了细胞图像的降质因素及噪声类型，提出了细胞图像预处理基本流程。为了克服背景噪声与脉冲噪声影响，提出了基于梯度的各向异性滤波算法和结合信息嫡噪声点检测的自适应加权中值滤波算法。前者能在滤除背景噪声的同时有效地保护目标边缘，后者利用信息嫡反映图像像素点是否受到噪声污染的不确定性来判决是否对像素点进行滤波，对于需要滤波的点采用了加权自适应中值滤波，加权值根据邻域中值和局部对比度概率共同决定。实验结果表明，两种滤波算法在过滤噪声的同时，都有效的保护了目标边缘信息。针对目标边缘模糊的问题，论文在滤波结果基础上，根据局部对比度信息，利用非线性增强函数加强了目标边缘信息，为后续图像分割奠定了基础。
..................................
2.1细胞图像噪声特点及模型
2.1.1细胞图像降质分析
显微镜细胞图像在采集、传输、处理过程中由于各种因素影响，图像质量降低，通过统计观察，细胞图像具有以下特点:
1、由于图像量化影响，在细胞图像中存在加性量化噪声，致使图像背景呈现非均匀分布。如图2一1分别为细胞图像及特定区域取样示意图。图2一2为图2一l从上到下水平取样扫描线位置灰度分布图，从图2一2可以看出，图像背景区亮度并非常值，存在一定抖动变化，背景区抖动幅度较小，边缘区抖动幅度较大。
2、细胞图像中目标处于运动状态，同时由于为显微镜下放大图像，对焦距敏感，有时由于焦距不当使采集图像呈现局部模糊现象，如图2一3所示。从图中可以看出由于细胞沉淀层面不同，图中目标出现三种现象，一种边缘清楚、一种边缘模糊且有拖尾，呈暗斑，另外一种目标整体对比度不强，呈半透明状态。
................................
第三章 多信息、多层次、多方法自适应综合分割算法研究 .............37-73
3.1 细胞图像分割目的与影响因素 ................................37-38
3.2 多信息、多层次自适应分割模型 .......................38-44
3.3 基于BP评价多层次自适应区域分割算法 ...................44-49
3.4 基于边缘的多层次自适应分割算法 .........................49-55
3.5 融合邻域信息的自适应区域分割技术............... 55-61
3.6 基于MEAN SHIFT的多信息分割算法 ..............61-64
3.7 多结构元形态学分割后处理算法............... 64-67
3.8 算法综合与仿真....................... 67-71
3.9 小结 ...............................71-73
第四章 形状特征提取与分析 .........................73-96
4.1 有形成分形状分析与语义描述 .......................73-75
4.2 区域弦分布形状描述子 ........................75-83
4.3 基于边界的Fourier系数形状描述子 ...............83-87
4.4 基于边界拟合多边形形状描述子 ................87-91
4.5 不规则形状图像矩特征的快速算法 ........................91-95
4.6 小结 ..............................95-96
第五章 纹理及颜色特征提取与分析.................. 96-124
第六章 细胞模式识别算法研究
本章首先介绍了细胞模式识别的基本任务，接着分析了BP网络原理，设计了3层67输入9输出基于RPROP学习算法的细胞识别BP网络模型，并对算法进行了实验与分析。为了加快识别系统的运行速度，减少目标特征计算次数，论文又研究了一种基于ID3决策树的细胞识别算法。在两种识别算法中，由于输入数据量纲不同，大小不同，进行识别前必须进行归一化处理，论文提出了一种基于直方图均衡化技术的归一化算法，使样本数据特征趋向均匀分布，提高了训练算法的收敛速度与识别算法的识别率，最后对所研究的两种识别算法的性能进行了比较与分析，确定了最终细胞识别算法，并统计和分析了实验结果。
6.1细胞识别概述
细胞识别的基本任务是根据4章、第5章提取到的有形成分形状特征、纹理及颜色特征将待识别目标归属到红细胞、白细胞、管型细胞、上皮细胞、结晶细胞、真菌细胞、粘液丝细胞、沉渣、可疑细胞中某一模式，自动统计检验标本中各类细胞的个数、特征属性，给医生诊断提供检验数据。细胞识别总体结构如图6一1所示。
...............................................
总结
实现显微镜下尿液细胞图像有形成分智能识别与分析有着十分重大的理论与应用价值，论文在观察和统计大约2万多个标本、4万多张图片基础上，结合体液细胞图像特点，对智能识别与分析系统的关键技术进行了研究，主要包括图像自适应滤波与增强算法、多层次、多信息、多方法细胞图像自适应分割算法、细胞有形成分形状特征提取与分析技术、纹理及颜色特征提取与分析技术及细胞模式识别算法研究等内容。论文研究内容应用到“尿液有形成分智能识别与分析系统”中，取得好的效果，已在全国100多家医院临床应用，基本实现了显微镜下尿液细胞图像中各种有形成分的自动识别与分析，在显微镜镜检领域引发了一场革命，系统于2007年12月通过湖南省科技厅组织的鉴定，达到国际先进水平。
论文主要完成以下几个方面工作:
自适应图像滤波与增强技术
经过分析与统计，发现细胞图像背景并不光滑存在变化，论文提出了一种基于梯度噪声检测的各向异性滤波改进算法，通过统计像素点8个方向的平均梯度值判断像素点是否为背景噪声，如果为背景噪声，则控制各向异性扩散方程中扩散系数实现背景平滑;另外显微镜细胞图像中存在微小颗粒(沉渣和气泡引起)，论文提出了结合邻域对比度信息嫡的自适应加权中值滤波改进算法，通过对比度信息嫡判断像素点是边缘点还是脉冲噪声，如果是脉冲噪声点，则根据对比度信息嫡计算中值滤波加权系数，达到过滤脉冲噪声目的;由于聚焦和光照环境影响，细胞图像中部分目标边缘对比度不强，论文采用基于邻域对比度的自适应边缘增强算法，拉伸了目标边缘与背景的灰度差别，增强了目标边缘信息。
...........................
参考文献（略）
