利用数字图像处理与识别技术对胸水脱落细胞进行分类识别

摘要

癌是当今世界最常见的致命疾病之一。癌的医治效果取决于对其早期诊断。而国内外的资料表明，一般癌症病例一经确诊80％已属晚期，即失去手术治疗的机会。因此，及早的发现癌变，已达到准确的早日诊断和治疗已成为迫切需要解决的问题。目前，诊断的手段主要有：X线胸片、CT、MRT、同位素、纤维支气管镜(BF)、经皮穿刺活检(PALB)、病理学诊断等，临床最可靠的还是病理学诊断，但病理性诊断的先进手段还相当缺乏。由于普查的工作量大，而人工判读受多种因素的制约，影响诊断的准确性与效率。对于癌细胞病理学的检测和诊断是当今医务工作者重要任务和困难工作之一。由于癌细胞和非癌细胞，如间皮细胞等出现核异质在形态方面以及它们的经验差异，对某些癌细胞的检测可能有误。因此，本文所要达到的目的是要利用计算机图像处理技术及人工神经网络识别算法，减轻医务人员的工作负担，提高诊断的准确性和效率。在癌细胞识别率最高的前提下，假阴性率最小。 长期以来，图像处理技术及模式识别已经被广泛应用于各种医学应用领域中，其中许多是在微观医学与生物学中。本文介绍了一个针对胸水脱落细胞进行普查的图像识别方法，该方法通过检查被检查者病理涂片的显微图像中是否存在癌细胞，以判断被测者是否患有癌症。根据胸水脱落细胞的复杂特征，提出了利用改进的Canny算子与数学形态学结构元素相结合的分割方法，成功地将采集到的病理涂片中的胸水脱落细胞从涂片背景中分割出来，并精确的提取到了细胞的边缘，以便采集细胞丰富、复杂的边缘信息。然后通过八链码跟踪技术计算细胞的形态学特征；最后，建立BP神经网络，以所得的细胞的形态学特征作为网络输入，对网络进行训练，最终完成对胸水脱落癌细胞的分类识别，经过反复实验，该网络具备准确识别胸水脱落癌细胞的能力，能有效用于癌症的早期诊断。

目录

文摘

英文文摘

声明

第一章引言

一、应用数字图像处理与识别技术于医学诊断的意义和研究现状

二、创新之处

三、工作内容及所达到的效果

第二章数字图像处理与识别技术

第一节图像处理与识别技术概述

第二节图像处理与识别技术的应用领域

第三节图像处理与识别的技术内容

第四节图像处理的核心技术——图像分割

第五节特征提取

第六节图像识别

第三章BP神经网络

第一节BP神经网络的结构

第二节BP神经网络的学习算法

第四章胸水脱落癌细胞识别

第一节概述

第二节细胞图像分割及边缘提取

第三节细胞形态特征提取

第四节利用BP神经网络对可疑细胞进行识别

结论

参考文献

致谢