检索历史 清除

摘要宫颈癌是女性中常见的恶性肿瘤，其能否治愈主要取决于宫颈癌的早期发现和早期诊断。随着计算机技术的快速发展，研究者将其用于细胞抹片显微图像进行分析，以辅助病理医师进行诊断。宫颈细胞抹片显微图像存在细胞核与背景对比度不强、染色不均匀以及细胞核粘连等问题而无法精确分割出宫颈细胞核；在宫颈细胞抹片显微图像的分类识别中存在特征提取单一、未进行特征选择等问题而无法得到有效的分类性能。<br>　　针对这些问题，本文研究并提出了一种基于多特征Mean-shift聚类和弹性数学形态学的双尺度自动分割算法以及基于多类型特征提取与选择的分类识别算法。本文研究工作主要包括：<br>　　①针对宫颈细胞抹片显微图像中细胞核分割存在的难点，提出一种基于多特征Mean-shift聚类和弹性数学形态学的双尺度自动分割算法。该算法采用顶帽-底帽变换增强细胞核与背景的对比度；采用Mean-shift聚类算法对增强图像的灰度和空间位置信息进行聚类，以实现宫颈细胞核的定位；采用圆形度和面积阈值判断提取出粘连重叠细胞核，并采用弹性数学形态学算法实现不同粘连重叠程度细胞核的分割。<br>　　②针对宫颈细胞抹片显微图像特征提取单一的问题，本文研究并提出了多类型的宫颈细胞核特征提取算法。该特征提取算法可以提取形态特征、颜色特征和统计纹理特征、从时域和频域进行分析的 Gabor特征以及从图像中像素点本身的一种结构关系进行描述的MRF特征。综合各类型特征用于后续宫颈细胞抹片显微图像的分类识别。<br>　　③针对宫颈细胞抹片显微图像分类识别阶段未进行特征选择的问题，研究并提出基于假设检验的过滤式特征选择算法和基于 GA的封装式特征选择算法。这两种特征选择算法可以减少宫颈细胞抹片显微图像分类识别的时间，并提高分类识别的性能。运用特征选择算法选择的特征进行宫颈细胞抹片显微图像的分类识别，验证了本文提出的特征提取算法、特征选择算法以及分类算法的有效性。<br>　　本文的研究工作为宫颈细胞抹片显微图像的自动分割识别算法提供了新的解决办法，为计算机辅助诊断宫颈癌提供了新的理论和方法，增强了宫颈细胞抹片显微图像分析的临床应用，具有理论意义和实践价值。