显微粪便医学图像中寄生虫卵的自动识别及分类技术研究

摘要

寄生虫病对人体健康具有很大的危害性，对寄生虫病的诊断和治疗成为临床医学中非常重要的一部分。临床医学中对寄生虫病的诊断是通过检测人体粪便中是否含有寄生虫卵实现的，目前传统的检验方式由医务人员人工进行检测，该方式具有检测效率低、检测工作量大和检测准确率低等缺点。随着图像处理技术和模式识别分类技术的发展，寄生虫卵的识别分类统计逐步转为借助于计算机进行处理，不仅可以提高检测效率和准确率，同时可以减轻医务检验人员的工作量，显微粪便医学图像中寄生虫卵的自动识别分类技术应用前景广泛、发展空间广阔。
　　传统的粪便样本图像的采集使用高倍生物显微镜（40x），采图视野范围小，图片数目过多，处理效率较慢，因此，本文研究的粪便样本图像使用低倍生物显微镜（10x）进行采集。本文针对低倍生物显微镜下采集的粪便标本图像中常见的8种寄生虫卵的自动识别分类技术进行了研究，主要工作内容整理如下：
　　首先对采集到的显微粪便医学图像进行了预处理。低倍生物显微镜下采集的粪便样本图像中寄生虫卵形态较小，且图像中含有大量的杂质，通过对多种图像分割技术的结果进行对比，本文采用了基于数学形态学和特征筛选相结合的方法对图像进行有效分割，并去除了大量的杂质。
　　其次，研究了寄生虫卵的特征选择和特征提取问题。通过对粪便医学显微图像中寄生虫卵进行分析，寄生虫卵的几何形态特征明显，可以作为对寄生虫卵进行识别分类的依据，同时，寄生虫卵内容物的分布具有一定的结构性，寄生虫卵的纹理特征也可以作为对其进行识别分类的依据。
　　最后，研究了寄生虫卵的识别及分类技术。不同类型虫卵的特征具有差异性，其中肝吸虫卵和姜片虫卵的特征与其它6种虫卵的特征差异性较大，使用基于特征筛选的方法对其进行快速识别；其它6种虫卵之间特征相似，使用基于改进后的K近邻分类器(K Nearest Neighbors，KNN)对其进行识别分类。
　　本文研究的特点在于低倍生物显微镜下采集的粪便图像背景复杂，并对多达8种常见的寄生虫卵进行了有效识别和分类。实验结果表明，本文设计的识别分类技术对8种虫卵的自动识别及分类准确率均达到了90％以上，其中对姜片虫卵的自动识别及分类准确率达到了98%，满足了临床检验的要求，目前该技术已在国内部分医院临床试用。

目录

声明

第一章 绪 论

1.1 课题研究背景及意义

1.2 国内外研究现状

1.3 本文主要研究内容及组织结构

第二章 寄生虫卵图像采集及虫卵类型介绍

2.1 寄生虫卵图像采集简介

2.2 寄生虫卵类型及特征介绍

2.3 本章小结

第三章 显微粪便医学图像预处理

3.1 图像灰度化

3.2 图像平滑

3.3 数学形态学

3.4 图像分割

3.5 连通区域标记

3.6 寄生虫卵图像的预处理

3.7 本章小结

第四章 寄生虫卵特征选择及特征提取

4.1 寄生虫卵特征分析

4.2 寄生虫卵特征选择

4.3 寄生虫卵特征提取

4.4 本章小结

第五章 寄生虫卵自动识别及分类

5.1 基于特征筛选的肝吸虫卵自动识别

5.2 基于特征筛选的姜片虫卵自动识别

5.3 基于KNN的其它类型虫卵的识别分类

5.4 本章小结

第六章 总结与展望

6.1 论文总结

6.2 工作展望

致谢

参考文献

攻读硕士学位期间取得的成果