基于BP神经网络算法的循环肿瘤细胞识别与计数系统研究

摘要

加强早期诊断和提升医疗服务将是快速缓解恶性肿瘤负担的重要措施。现在临床上已经有许多检测恶性肿瘤的手段，不过这些手段只能检测病发患者的恶性肿瘤，并不能起到早期诊断和预测的作用。循环肿瘤细胞（circulating tumor cells，CTCs）是自肿瘤原发灶或转移灶脱落进入外周血液循环的肿瘤细胞，肿瘤患者血液中每106-107个白细胞中才会发现一个CTC。CTC检测是发现肿瘤早期转移的新方法，无创且比传统方法如临床表现、影像学表现及血清标志物更可靠。因此找到一种切实有效检测CTC的方法对于恶性肿瘤的早期诊断具有重要研究价值。
　　本系统采用XYZ三维高精度步进电机运动轴搭载高倍显微镜来构建硬件平台，通过USB接口将高倍显微镜采集的循环肿瘤细胞图像传输到计算机，再通过Qt开发环境开发出能够控制硬件平台运动实现自动调焦、能够实现细胞图像的处理、完成循环肿瘤细胞的识别与计数功能的应用软件。
　　本研究过程主要包括以下几个方面:
　　(1)在图像提取方面,首先分析当前高倍显微镜采集图像的清晰度，然后通过爬山搜索法控制步进电机运动平台调整高倍显微镜的物镜与细胞样本的距离从而实现自动调焦功能，不但能够保证提取到高清晰度的图像，而且比人工调焦更加客观和节省时间。
　　(2)在图像预处理方面,对传统的中值滤波算法进行了改进，提出了一种改进的自适应加权中值滤波算法，它更加有效地去除了随机噪声干扰并且最大程度保留了原始图像的信息。
　　(3)在图像分割方面，首先分析了滤波后图像的灰度直方图和图像中细胞的形状和分布特点，接着进行了直方图均衡化和 Sober算子锐化处理，最后提出了把二值化阀值设定在较小范围内再利用OTSU方法进行阀值分割的方法。由于提取到的细胞图像中存在大量黏连细胞，这给细胞的分割带来很大困难，因此进一步利用了基于距离变换的分水岭算法对二值图像进一步分割，有效地分离了黏连细胞。
　　(4)在图像特征提取方面：一方面通过在分割后二值图像中采用基于图像边缘的链码表示法提取到了细胞的形态特征，其中包括面积、周长、矩形度、圆形度、长宽比，另一方面通过计算灰度图像的灰度共生矩阵提取到了细胞的纹理特征，其中包括角二阶矩、逆差矩、熵、自相关性，并且将正常细胞与循环肿瘤细胞的特征进行了对比。
　　(5)在细胞识别方面，利用BP神经网络算法构建了一个细胞识别网络，并对BP神经网络算法的不足进行了改进。通过采集一定的细胞图像作为训练样本，将训练样本中细胞的特征参数作为网络的输入向量来监督训练网络输出，并且通过反馈网络不断调整识别网络的权值来达到训练的目的，最后通过向识别网络输入验证集样本验证了识别网络的识别效果。在细胞计数方面，利用种子填充算法对二值图像填充后，通过区域标记方式实现了细胞计数功能。

目录

第一章 绪论

1.1研究背景与意义

1.2国内外研究现状

1.3论文的主要内容

第二章循环肿瘤细胞图像提取与分析

2.1细胞图像清晰度评价函数选取

2.2细胞图像自动调焦原理

2.3细胞图像特征分析

2.4本章小结

第三章 循环肿瘤细胞图像预处理

3.1细胞图像灰度化

3.2细胞图像的滤波

3.3细胞图像滤波效果评价

3.4本章小结

第四章 循环肿瘤细胞图像分割

4.1细胞图像分布特点与分割难点分析

4.2细胞图像分割

4.3本章小结

第五章 循环肿瘤细胞图像特征提取

5.1细胞形态特征提取

5.2细胞纹理特征提取

5.3 本章小结

第六章 循环肿瘤细胞识别与计数

6.1 细胞识别

6.2 细胞计数

6.3本章小结

第七章 系统软件设计

7.1系统软件总体设计框架

7.2 图像采集USB接口驱动模块设计

7.3 串口RS232模块设计

7.4 图像提取模块设计

7.5 图像预处理模块设计

7.6 图像分割模块设计

7.7 图像特征提取模块设计

7.8 图像识别模块设计

7.9 图像计数模块设计

7.10人机交互界面设计

7.11软件使用步骤设计

全文结论与展望

全文结论

展望

参考文献

攻读硕士学位期间发表的论文

声明

致谢