如需要完整文档点击下方 "点击下载文档" 按钮

胰腺癌的诊断非常重要，而细胞抹片显微图像的病理分析是其诊断的主要手段。图像的准确自动分割和分类是病理分析的重要环节，因此本文提出了一种新的胰腺细胞抹片显微图像自动分割与分类算法。在分割方面，首先采用多特征 Mean-shift 聚类算法（MFMS）定位细胞核区域；接着采用弹性数学形态学结合角点检测的去粘连模型（CSM）对粘连重叠细胞核进行去粘连处理，实现了分割的准确性和鲁棒性。在分类方面，首先针对分割的细胞核提取了 4 个形状特征和 138 个不同颜色空间的纹理特征；然后结合支持向量机（SVM）和链式遗传算法（CAGA）实现封装式特征选择；最后将优选特征送入 SVM 进行分类，完成了胰腺细胞抹片显微图像的分类识别。本文采用了 15 幅图像一共 461 个细胞核进行测试。实验结果显示，本文算法可以实现不同类型的胰腺细胞抹片显微图像的自动分割与准确分类。就分割来说，本文算法可获得较高的正确率（93.46%±7.24%）；就正常和癌变细胞的分类来说，本文算法可获得较高的分类正确率（96.55%±0.99%）、灵敏度（96.10%±3.08%）和特异度（96.80%±1.48%）。

如需要完整文档点击下方 "点击下载文档" 按钮

《多特征聚类与粘连分离模型的细胞抹片图像分割与分类》

将 完整文档 下载到本地，方便收藏和查阅

文件号：129444

点击下载文档