尿沉渣自動識別算法研究.pdf

1、隨著模式識別和計(jì)算機(jī)視覺技術(shù)的發(fā)展,人們對醫(yī)學(xué)影像方面的自動診斷的要求也越來越高。尿沉渣檢查是臨床檢驗(yàn)和診斷鑒別一項(xiàng)常用方法。但是由于目前臨床上主要還是采用人工鏡檢的方法,所以檢查效率較低和誤檢率較高。目前的尿沉渣測試儀主要還是應(yīng)用生化技術(shù),數(shù)字圖像處理技術(shù)用于此課題的研究還在嘗試中。
　　本文展開了對尿沉渣圖像自動識別算法的研究。在廣泛汲取了國內(nèi)外在這個領(lǐng)域的已有的研究進(jìn)展上,根據(jù)尿沉渣圖像的特點(diǎn),從圖像獲取后的預(yù)處理、圖像分割

2、、特征提取和分類器選擇等各個環(huán)節(jié),深入討論了各種算法的可行性以及有效性。最后通過大量圖片的實(shí)驗(yàn)測試,大量的測試結(jié)果表明,本文采用的算法對尿沉渣圖像中的四類有形成分具有較高的識別率。
　　本文詳細(xì)的總結(jié)了與本課題研究有關(guān)的國內(nèi)外科研成果,從整個算法流程入手,介紹了從圖像預(yù)處理到最后圖像識別的所有流程的算法,主要有以下貢獻(xiàn):
　　1.提出了多類型分割和多次分割結(jié)合的思想,本文首先采用全局閾值分割和多閾值分割算法相結(jié)合實(shí)現(xiàn)尿沉渣圖

3、像的粗分割,然后用形態(tài)學(xué)進(jìn)行后處理,最后用分水嶺算法完成二次分割,結(jié)果表明此方法相當(dāng)有效;對于細(xì)胞分割的難點(diǎn)—粘連細(xì)胞的分割問題,本文首先把粘連細(xì)胞從圖像中分離開來,避免對非粘連情況作分水嶺分割而造成過分割現(xiàn)象,對于粘連細(xì)胞再做形態(tài)學(xué)處理,光滑其邊緣,減少過分割現(xiàn)象,測試結(jié)果證明也基本達(dá)到要求。
　　2.針對尿沉渣圖像的特點(diǎn),在特征提取方面做了大量精簡,只選取了形狀,紋理等部分特征,目的是為了減輕分類器的負(fù)擔(dān),提高了算法效率,但是