基于小波分解和多尺度形態(tài)學的乳腺細胞圖像自動分割識別.pdf

1、乳腺癌已經成為女性最常見的惡性腫瘤，而且患者數(shù)量正在逐年增加。乳腺癌的早期發(fā)現(xiàn)、早期診斷，是提高療效的關鍵。在乳腺癌診斷過程中，唯有進行組織切片病理檢查才能確診有無癌癥。在顯微鏡下觀察切片圖像可以發(fā)現(xiàn)，病變細胞與正常細胞相比有較大的亮度變化，顏色更深且大多數(shù)細胞面積偏大。利用計算機技術對顯微細胞圖像進行定量分析，可以輔助醫(yī)師對細胞的病變狀態(tài)進行判別，具有很大的應用前景。由于染色過程以及圖片采集過程存在一些不可避免的諸如染色劑和光照等影響

2、，乳腺組織切片存在細胞染色不均勻、細胞和背景對比度不明顯、細胞內部存在孔洞、細胞粘連等問題。
　　本文針對這些問題，研究并提出了一種基于小波多尺度區(qū)域生長和雙策略去粘連模型的乳腺細胞圖像自動分割算法，并提出了基于假設檢驗的特征選擇算法，進行了相應的自動分類研究。本文主要研究工作如下：
　　①本文針對乳腺細胞切片圖像分割所存在的難點，提出了一種結合小波變換和多尺度區(qū)域生長的粗分割算法，該算法將小波分解和區(qū)域生長結合起來，利用對

3、小波分解的結果進行不同程度腐蝕后的結果作為種子點，并采用不同的閾值進行多尺度區(qū)域生長；接著利用最優(yōu)投票機制對多尺度的區(qū)域生長結果進行選擇，提取出最優(yōu)細胞區(qū)域。
　　②針對細胞粘連嚴重這一問題，提出了結合改進形態(tài)學算法和基于 CSS（Curvature Scale Space，曲率尺度空間）角點檢測算法的雙策略去粘連模型。該模型針對細胞不同的粘連程度選擇不同的分離算法，在保證提取的細胞輪廓不失真的前提下獲得準確的分界線。實現(xiàn)過程是：

4、粘連較輕的細胞區(qū)域采用迭代法選擇最優(yōu)的結構元半徑對細胞區(qū)域進行腐蝕再分區(qū)域膨脹；粘連較重的細胞區(qū)域采用CSS角點檢測分割算法檢測到角點，然后連接角點對，選擇最佳的分割線作為分割結果。
　　③對分割后的細胞，研究了其形態(tài)特征和紋理特征的提取方法，并利用統(tǒng)計假設檢驗方法對提取的特征進行自動篩選，利用篩選的特征對癌癥和正常病人樣本進行分類識別，驗證了提出的特征提取、特征選擇算法的有效性。
　　本文工作為乳腺細胞圖像自動分割及細胞特