甲狀腺癌細(xì)胞顯微圖像分割研究.pdf

1、近年來,模式識(shí)別在醫(yī)學(xué)診斷領(lǐng)域中有著廣泛的應(yīng)用,成為了人工智能領(lǐng)域熱門的研究課題。隨著人們生活多樣化以及環(huán)境等因素影響,癌癥發(fā)病率及發(fā)病方式也逐年增加和多樣化,這為疾病的臨床診斷提供了難度。通過顯微圖像的處理識(shí)別來診斷疾病成為一種重要的手段。
　　在研究圖像時(shí),首先對(duì)圖像進(jìn)行預(yù)處理除去噪聲以提高圖像的信噪比。若圖像信息弱,無法正常辨識(shí),還需進(jìn)行增強(qiáng)或圖像變換的處理,以便進(jìn)行有效的人機(jī)分析。概括的講,圖像處理包括圖像編碼、增強(qiáng)、壓縮

2、、復(fù)原、分割等幾個(gè)環(huán)節(jié)。其中分割是至關(guān)重要的,其分割好壞直接影響著識(shí)別理解的結(jié)果。
　　圖像識(shí)別對(duì)處理后的圖像先進(jìn)行分類,確定所屬類別。通過選擇需提取的特征,對(duì)其中所需參數(shù)進(jìn)行測(cè)量,根據(jù)測(cè)量結(jié)果分類。為更好進(jìn)行識(shí)別,需對(duì)整幅圖像進(jìn)行結(jié)構(gòu)分析和圖像描述,對(duì)圖像得到一個(gè)解釋,通過多對(duì)象的結(jié)構(gòu)關(guān)系對(duì)圖像加深理解,取得更好的識(shí)別效果。對(duì)圖像識(shí)別結(jié)構(gòu)來說,輸入的是圖像(經(jīng)過處理的),輸出是類別及分析。
　　圖像理解是處理識(shí)別后的最終目

3、的,是對(duì)圖像進(jìn)行描述,確定是什么圖像。在處理和識(shí)別的基礎(chǔ)上,根據(jù)分類作句法分析,對(duì)圖像進(jìn)行描述和解釋。所以圖像理解包括圖像處理、圖像識(shí)別和結(jié)構(gòu)分析。對(duì)理解部分來說,輸人是圖像,輸出則是圖像的描述與解釋,屬于人工智能的范疇。
　　本文以甲狀腺顯微圖像中的癌細(xì)胞為研究對(duì)象,通過提出一種改進(jìn)的Canny算子邊緣檢測(cè)的分割方法,并結(jié)合圖像處理和識(shí)別過程,進(jìn)行簡(jiǎn)化識(shí)別。主要工作如下:
　　學(xué)習(xí)了圖像處理、識(shí)別、理解的相關(guān)知識(shí),通過編程