發(fā)布時間：2020-11-04 19:59

　　 隨著人工智能、大數(shù)據(jù)等最新前沿技術(shù)大面積落地及推廣,近年來以卷積神經(jīng)網(wǎng)絡為基礎的深度學習領域一直是科學研究領域的熱點。基于深度學習技術(shù)在圖像檢索分類和特征提取融合等方面的優(yōu)勢,本文主要內(nèi)容以卷積神經(jīng)網(wǎng)絡為基礎將其應用于醫(yī)學圖像分割領域并進行分類判別研究,以實現(xiàn)將深度學習技術(shù)應用于醫(yī)學圖像數(shù)據(jù)分析研究。針對醫(yī)學圖像中的細胞尺寸大小不同、形態(tài)各異、紋理變化多樣等特點,導致難以分割出精準的細胞區(qū)域問題,本文提出了一種基于卷積神經(jīng)網(wǎng)絡結(jié)合邊緣聚類的新算法用于細胞圖像分割。(1)首先用染色校正預處理方式提高原始圖像樣本的色彩對比度,(2)然后利用卷積神經(jīng)網(wǎng)絡得到初步的分割結(jié)果,(3)最后通過邊緣聚類方式以提升分割結(jié)果的連續(xù)性和完整性。此外,本文中還利用了深度學習目標檢測技術(shù)做細胞區(qū)域目標檢測,也取得了一定的實現(xiàn)效果,更加直觀顯示細胞圖像中有效目標區(qū)域,幫助廣大醫(yī)學工作者識別判定,為病理學家提供一些客觀的數(shù)據(jù)參考。實驗表明:相較于經(jīng)典的卷積神經(jīng)網(wǎng)絡、模糊聚類、閾值分割等其他細胞圖像分割算法,本文提出的細胞分割方法在分割結(jié)果的完整度方面提升了6.15%;較經(jīng)典的VGG19結(jié)構(gòu)提升了1.17%。在實際臨床醫(yī)學診斷過程中,細胞的尺寸大小通常用作評判細胞生理狀態(tài)類型好壞的參考依據(jù),在此基礎上本文使用了目前較為流行的計算機視覺技術(shù),以此方式獲得分割圖像中細胞顆粒的基本屬性特征,即周長、面積等,并通過支持向量機分類器進行細胞類型判別。另外,本文還結(jié)合了現(xiàn)有機器學習中常用方法將細胞顆粒進行分類聚類操作,也得到了一些有效識別分類的效果。
【學位單位】：上海師范大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TP391.41;TP183;R318
【部分圖文】：

組織細胞切片圖

各類閾值分割方法比較

圖2-2兩類邊緣檢測算子分割效果
【相似文獻】

相關(guān)期刊論文 前10條

1 姚霆;張煒;劉金根;;基于深度學習的圖像分割技術(shù)[J];人工智能;2019年02期

2 黃玲;石玉秋;覃永新;;基于小波融合的蘋果圖像分割的研究[J];科技視界;2018年29期

3 侯紅英;高甜;李桃;;圖像分割方法綜述[J];電腦知識與技術(shù);2019年05期

4 丁翠;;基于模糊信息處理的圖像分割方法研究[J];信息系統(tǒng)工程;2017年11期

5 王平;魏征;崔衛(wèi)紅;林志勇;;一種基于統(tǒng)計學習理論的最小生成樹圖像分割準則[J];武漢大學學報(信息科學版);2017年07期

6 李然;李記鵬;宋超;;基于顯著性檢測的協(xié)同圖像分割研究[J];現(xiàn)代計算機(專業(yè)版);2017年24期

7 鄧惠俊;;一種基于數(shù)據(jù)場的圖像分割方法與研究[J];長春工程學院學報(自然科學版);2016年02期

8 李繼云;冀卿偉;;基于自適應局部閾值的交互式圖像分割[J];計算機應用與軟件;2014年11期

9 劉印;;對圖像分割方法的認識及新進展研究[J];數(shù)碼世界;2018年08期

10 楊成佳;;唇紋識別圖像分割系統(tǒng)的研究[J];山西青年;2017年11期

相關(guān)博士學位論文 前10條

1 倪波;高強度聚焦超聲圖像分割方法研究[D];武漢大學;2016年

2 古晶;基于稀疏特征學習的SAR圖像分割與半監(jiān)督分類方法研究[D];西安電子科技大學;2016年

3 段一平;基于層次視覺計算和統(tǒng)計模型的SAR圖像分割與理解[D];西安電子科技大學;2017年

4 胡佩君;腹部CT圖像分割的可計算建模方法研究[D];浙江大學;2018年

5 姜楓;基于語義識別的砂巖薄片圖像分割方法研究[D];南京大學;2018年

6 趙曉麗;面向圖像分割的智能算法研究[D];上海大學;2018年

7 王森;非受限場景裂紋圖像分割方法研究[D];昆明理工大學;2017年

8 王濤;特征度量與信息傳遞的交互式圖論分割方法研究[D];南京理工大學;2017年

9 戴令正;自然圖像分割的若干算法研究[D];南京理工大學;2017年

10 李鋼;偏微分方程與變分技術(shù)在圖像分割中的應用研究[D];太原理工大學;2018年

相關(guān)碩士學位論文 前10條

1 林珊珊;基于G~0分布的SAR圖像分割算法的研究[D];天津理工大學;2019年

2 丁奇安;非限定環(huán)境下的車牌識別技術(shù)研究[D];安徽工程大學;2019年

3 孫夏;醫(yī)學體數(shù)據(jù)處理算法研究及其在數(shù)字口腔中的應用[D];浙江大學;2019年

4 廖旋;基于深度卷積神經(jīng)網(wǎng)絡的圖像目標分割研究[D];南昌航空大學;2019年

5 余強浩;應用于人工視覺假體的圖像分割神經(jīng)網(wǎng)絡設計與硬件實現(xiàn)[D];西安理工大學;2019年

6 余佳佳;結(jié)合分數(shù)階微分和活動輪廓模型的圖像分割方法研究[D];南昌航空大學;2019年

7 李彪;基于生成式對抗網(wǎng)絡的細胞圖像分割方法的研究[D];哈爾濱理工大學;2019年

8 胡威;基于卷積神經(jīng)網(wǎng)絡的細胞圖像分割與類型判別[D];上海師范大學;2019年

9 劉先麗;基于FCN和多圖譜信息的腦圖像分割研究[D];安徽大學;2019年

10 馬巖;血細胞形態(tài)學檢驗與識別技術(shù)研究[D];北方工業(yè)大學;2019年

本文編號：2870538