| 【中文题名】 | 利用数字图像处理与识别技术对胸水脱落细胞进行分类识别 |
| 【英文题名】 | The Classification and Recognition of Chest Hydrocele Desquamate Cell with Digital Image Processing and Pattern Recognition Technique |
| 【学科专业】 | 核技术及应用 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-10-9 |
| 【中关键词】 | 早期诊断,胸水脱落细胞,Canny算子,形态学分割,BP神经网络, |
| 【英关键词】 | Early diagnosis,Chest hydrocele desquamate cell,Canny arithmetic operator,Morphologic segmentation,BP neural net work, |
| 【分类导航】 | 医药、卫生>肿瘤学>一般性问题>肿瘤诊断学>> |
| 【论文摘要】 |
癌是当今世界最常见的致命疾病之一。癌的医治效果取决于对其早期诊断。而国内外的资料表明,一般癌症病例一经确诊80%已属晚期,即失去手术治疗的机会。因此,及早的发现癌变,已达到准确的早日诊断和治疗已成为迫切需要解决的问题。目前,诊断的手段主要有:X线胸片、CT、MRT、同位素、纤维支气管镜(BF)、经皮穿刺活检(PALB)、病理学诊断等,临床最可靠的还是病理学诊断,但病理性诊断的先进手段还相当缺乏。由于普查的工作量大,而人工判读受多种因素的制约,影响诊断的准确性与效率。对于癌细胞病理学的检测和诊断是当今医务工作者重要任务和困难工作之一。由于癌细胞和非癌细胞,如间皮细胞等出现核异质在形态方面以及它们的经验差异,对某些癌细胞的检测可能有误。因此,本文所要达到的目的是要利用计算机图像处理技术及人工神经网络识别算法,减轻医务人员的工作负担,提高诊断的准确性和效率。在癌细胞识别率最高的前提下,假阴性率最小。
长期以来,图像处理技术及模式识别已经被广泛应用于各种医学应用领域中,其中许多是在微观医学与生物学中。本文介绍了一个针对胸水脱落细胞进行普查的图像识别方法,该方法通过检查被检查者病理涂片的显微图像中是否... |
| 【论文题纲】 |
|
中文摘要 |
4-5 |
|
英文摘要 |
5-7 |
|
第一章 引言 |
7-10 |
|
一、应用数字图像处理与识别技术于医学诊断的意义和现状 |
7-8 |
|
二、创新之处 |
8 |
|
三、工作内容及所达到的效果 |
8-10 |
|
第二章 数字图像处理与识别技术 |
10-25 |
|
第一节 图像处理与识别技术概述 |
10 |
|
第二节 图像处理与识别技术的应用领域 |
10-11 |
|
第三节 图像处理与识别技术的技术内容 |
11-12 |
|
第四节 图像处理的核心技术——图像分割 |
12-19 |
|
第五节 特征提取 |
19-21 |
|
第六节 图像识别 |
21-25 |
|
第三章 BP 神经网络 |
25-31 |
|
第一节 BP 神经网络的结构 |
25-27 |
|
第二节 BP 神经网络的学习算法 |
27-31 |
|
第四章 胸水脱落癌细胞识别 |
31-48 |
|
第一节 概述 |
31 |
|
第二节 细胞图像分割及边缘提取 |
31-38 |
|
第三节 细胞形态特征提取 |
38-41 |
|
第四节 利用 BP 神经网络对可疑细胞进行识别 |
41-48 |
|
结论 |
48-49 |
|
参考文献 |
49-51 |
|
致谢 |
51 |
|
| 【DOI】 | LunWen.ID:2.2008.193827 |
