基于分水嶺和主動輪廓模型的腦脊液細(xì)胞分割方法研究.pdf

1、腦脊液細(xì)胞數(shù)量少、種類多、形態(tài)各異,常用于中樞神經(jīng)系統(tǒng)感染性疾病、腦血管疾病、腦膜白血病、腫瘤和其它免疫性疾病的鑒別與診斷。目前,國內(nèi)外專門針對腦脊液細(xì)胞顯微圖像分割的研究仍相對較少,而將傳統(tǒng)的細(xì)胞圖像分割方法用于腦脊液細(xì)胞的分割又往往難以達(dá)到理想效果。
　　根據(jù)腦脊液細(xì)胞顯微圖像的特點,本文對分水嶺變換和主動輪廓模型展開深入研究和分析,主要工作內(nèi)容及創(chuàng)新點如下:
　　一、針對傳統(tǒng)分水嶺變換對噪聲敏感、容易產(chǎn)生過分割現(xiàn)象的問

2、題,本文提出一種基于前處理的分水嶺分割方法:首先對灰度圖像進行灰度形態(tài)學(xué)重建;接著根據(jù)重建后的圖像分別提取圖像的前景標(biāo)記和背景標(biāo)記;然后采用形態(tài)學(xué)極小值標(biāo)定技術(shù)將所提取的前景圖像和背景圖像強制為由Beucher梯度算子計算而來的梯度圖像的局部極小值;最后將該修正后的梯度圖像作為分水嶺變換的分割函數(shù)進行分割。實驗結(jié)果表明,該方法能較好地抑制過分割現(xiàn)象,相比同類改進算法,其過分割度由15.43％降低到8.68%,取得了較好的效果。
　

3、　二、針對傳統(tǒng)Snake模型數(shù)值解法時間復(fù)雜度大、基于貪婪算法的快速Snake模型無法保證曲線收斂至全局最優(yōu)的問題,根據(jù)PSO算法尋優(yōu)過程與Snake模型的曲線收斂過程相似的特點,本文首先將PSO算法引入Snake模型,將Snake模型的能量函數(shù)作為PSO算法的適應(yīng)度函數(shù),提出基于PSO算法的Snake模型P-Snake;然后提出一種基于改進PSO的Snake分割模型CP-Snake,分別在Snake模型可能收斂至一個點、對初始輪廓敏感

4、以及 PSO算法易陷入局部最優(yōu)值形成早熟現(xiàn)象三點進行改進:一方面,通過引入樣條曲線控制點的平均距離來防止Snake曲線收斂至一個點,并通過在適應(yīng)度函數(shù)中引入控制點的距離勢能來減少 Snake模型對初始輪廓位置的依賴,另一方面,引入柯西變異方法,對PSO算法中可能導(dǎo)致的早熟問題進行解決。實驗結(jié)果表明,CP-Snake模型能有效地提高腦脊液細(xì)胞的分割精確度。
　　三、針對分水嶺變換分割結(jié)果平滑性差、Snake模型輪廓初始化繁瑣以及 S

5、nake模型對初始輪廓敏感、無法處理拓?fù)渥兓葐栴},本文將上述改進的分水嶺變換與CP-Snake模型進行有機結(jié)合,提出一種混合分割模型WCP-Snake,該模型將分水嶺分割的結(jié)果作為CP-Snake的初始輪廓,然后利用CP-Snake對分水嶺的分割結(jié)果進行平滑,使得分割結(jié)果更加精確。最后本文將該混合模型應(yīng)用于臨床腦脊液細(xì)胞顯微圖像的分割,實驗結(jié)果表明,本文所提出的混合分割模型在保證分割效率的基礎(chǔ)上,能自動地對腦脊液細(xì)胞進行分割,并有效地