基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像处理

摘要

基因中包含着大量的遗传信息，对这些信息的研究有着深远的意义。但是以往的研究方法在处理高通量的基因信息时效率低下，于是80年代中期一种高效准确的基因芯片技术应运生。基因芯片有广泛的应用领域，是科研的一个热点方向。图像处理则是基因芯片应用中不可或缺的一个重要步骤，通过有效的图像处理可高效精确的获得芯片所包含的高通量信息。因此基因芯片的图像处理有着非常重要的研究意义。
　　 本文主要针对基因芯片的图像处理进行研究。对图像处理包含的主要步骤：图像预处理，网格定位，图像分割以及分割效果的评价，信号提取分别进行了介绍。图像预处理和网格定位都是为了分割能够更好更准确的进行。分割是图像处理的难点，分割的好坏直接影响最终信号提取的结果。所以本文将基因芯片图像分割技术作为重点。
　　 本文对于基因芯片的图像分割的整个过程展开了全面的研究，从分割算法到算法的评价都进行了详细的阐述。并且在总结前人的分割算法的基础上，提出了一种基于Fuzzy c—means聚类的自适应基因芯片图像分割方法，并且在此算法的基础上进行了进一步的改进提出了基于粒子群优化的Fuzzy c—means聚类的基因芯片图像分割算法，比原先的聚类方法抗噪能力更强，且不容易陷入局部最优。
　　 为了更客观的评价算法的分割效果，本文介绍了多种分割算法评价准则，并提出了一种使用合成图像对基因表达比率进行最终测量精度评价的准则。最终使用多种评价准则对于常用的基因芯片图像分割方法和本文提出的分割算法进行了评价和比较。

目录

文摘

英文文摘

第一章 绪论

1.1 选题的依据与意义

1.2 基因芯片图像处理的研究现状

1.3 论文各部分主要内容

第二章 基因芯片概况

2.1 基因芯片简介

2.2 基因芯片制备

2.3 基因芯片技术的应用领域与意义

第三章 基因芯片图像预处理

3.1 灰度处理

3.1.1 灰度转换

3.1.2 常用的灰度变换处理

3.2 滤波处理

3.2.1 主要的噪声模型

3.2.2 频率域滤波

3.2.3 常用的空间域滤波方法

3.3 本章小结

第四章 网格定位

4.1 网格定位概述和常用方法

4.2 常用的网格定位方法

4.3 基于像素投影的网格定位

4.4 本章小结

第五章 基因芯片图像分割

5.1 图像分割概述

5.2 常用的图像分割方法

5.2.1 基于像素不连续性的分割算法

5.2.2 基于像素相似性的分割算法

5.3 常用的基因芯片图像分割算法

5.3.1 固定圆分割法

5.3.2 自适应圆分割法

5.3.3 基于形态学分水岭的分割方法

5.3.4 基于Mann-whitney检验的分割方法

5.3.5 Matarray分割算法

5.4 基于Fuzzy c-mean聚类算法的基因芯片图像分割方法

5.5 基于模糊核聚类算法的基因芯片图像分割方法

5.6 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像分割方法

5.6.1 粒子群算法

5.6.2 基于粒子群优化的Fuzzy c-mean聚类算法的基因芯片图像分割方

5.7 图像分割效果评价

5.7.1 分析方法的常用准则

5.7.2 优度值方法常用准则

5.7.3 误差测量方法

5.7.4 最终测量精度准则

5.7.5 合成图的优点和使用

5.8 基于最终精度准则的基因芯片图像分割效果评价

5.9 综合评价

5.10 本章小结

第六章 信号提取

6.1 信号强度计算

6.2 可视化表达

6.3 本章小结

第七章 结论与展望

参考文献

攻读学位期间本人出版或公开发表的论著、论文

致谢