基于數(shù)據(jù)挖掘的病理圖像處理研究.pdf

1、目前病理學大都是以特異形態(tài)描述為主要研究方法，對病理學診斷來說，起決定性作用的是醫(yī)生的閱片經(jīng)驗以及臨床知識，由于缺乏量化標準，主觀因素對診斷結(jié)果的影響特別大，常常發(fā)生不同的病理醫(yī)生對同一個切片診斷結(jié)果不一。結(jié)合計算機技術(shù)與醫(yī)學病理圖像學的方法與理論，進行生物細胞圖像的處理和分析，該研究課題正在受到廣泛的關(guān)注。使用有效的方法進行自動化或者半自動化的細胞病理圖像分析，特征提取和分類識別，可以輔助病理學家，醫(yī)生給出準確快速的診斷結(jié)果。為此本文

2、利用了數(shù)據(jù)挖掘的技術(shù)去研究病理圖像，尋找細胞、雜質(zhì)與特征的量化關(guān)聯(lián)規(guī)則。
　　本文的研究工作主要如下:
　　細胞病理圖像特征數(shù)據(jù)庫的構(gòu)建。本文基于超像素分割和閾值分割的優(yōu)勢，在此基礎(chǔ)上構(gòu)造了基于閾值-超像素的級聯(lián)分割算法，能夠?qū)毎±韴D像進行有效的分割。之后又基于細胞核和雜質(zhì)的視覺區(qū)別和細胞核的主要特性，提取了光密度，形態(tài)，紋理的特征，得到了細胞病理圖象特征數(shù)據(jù)庫。
　　病理圖像特征的選擇。本文基于卡方檢驗計算出離散

3、化后的特征數(shù)據(jù)對類別的影響因子，對影響因子進行排序后選擇不同維度的特征，通過PCA消除特征之間的相關(guān)性，得到特征的主成分，用t-sne方法對主成分進行非線性降低到2維，基于細胞核、雜質(zhì)與降維后的特征數(shù)據(jù)分布可視化結(jié)果確定了特征選擇的維度。實驗發(fā)現(xiàn)特征選擇影響因子最高的前20個特征，算法可以在效率和結(jié)果上取得相對比較好的結(jié)果。
　　病理圖像挖掘算法的研究。本文在傳統(tǒng)的考慮因素準確率上增加了覆蓋率進行參數(shù)優(yōu)化，并且利用粒子群優(yōu)化算法得