基于自适应最小距离分割算法和神经网络的腹水脱落癌细胞识别

本文针对腹水脱落细胞显微图像的多样性、短灰度级范围、杂乱和非随机噪声等复杂特征，提出了自适应最小距离分割算法，把可疑细胞和可疑细胞核从复杂背景中分割出来。根据癌细胞的形态特征，给出了其15个特征及其计算公式，利用这些特征构造BP神经网络分类器对腹水脱落癌细胞进行分类识别。通过对临床病例的检验分析，表明本算法能获得较高的诊断正确率。     

癌细胞显微图像分割与识别研究

文章采用竞争Hopfield神经网络的自动聚类分割方法从腹水脱落细胞显微图像中分割可疑细胞和可疑细胞核,提取癌细胞的15个形态特征,利用柔性BP神经网络分类器对腹水脱落癌细胞进行分类识别。通过对临床病例的检验分析,表明该方法能获得较高的诊断正确率。     

利用支持向量机对癌细胞的识别

癌细胞识别是数字图像处理和模式识别领域的一个研究热点,在临床上也是一个比较有意义的研究课题,本文利用支持向量机的方法,通过提取细胞的特征来分类和识别癌细胞。首先收集彩色图像,对图像进行预处理,之后是进行分割及对单细胞和多细胞的特征提取,最后实现对癌变细胞的识别和分类。     

基于最大截面特征的病变宫颈细胞核的自动筛查

针对基于细胞图像分割的病变宫颈细胞筛查中由于细胞精细分割复杂而不能实现筛查自动化的问题，提出一种省略精细分割步骤的宫颈细胞分类算法。首先，定义一种新的用于描述像素值分布的特征——最大截面（MAXSection）特征，将该特征与反向传播（BP）神经网络和Selective Search算法结合，实现细胞核感兴趣区域（ROI）的准确提取（最高正确率100%）；其次，基于最大截面特征定义了两个参数——估计长与估计宽，用于描述病变细胞核的形态变化；最后，根据宫颈细胞发生癌变时其核会绝对增大的特点，利用以上两参数实现病变细胞核（估计长与估计宽中至少一个参数大于65）与正常细胞核（估计长与估计宽均小于等于65）的分类。实验结果表明，该自动筛查算法的准确率为98.89%，敏感度为98.18%，特异度为99.20%。该算法可以完成从输入整幅巴氏涂片到输出最终筛查结果的全部过程，实现病变宫颈细胞筛查的自动化。     

肺癌细胞识别彩色图像处理系统

肺癌细胞识别彩色图像处理系统刘雷健，杨静宇，曹雨龙，邬永革，汪华峰（南京理工大学计算机系南京２１００９４）关键词：彩色分割，最佳鉴别，自适应阈值分割，分类，形态学特征１引言长期以来，图像处理技术已经被广泛地应用于医学领域，其中许多应用是在微观医学与生...     

基于形态特征和SVM的血液细胞核自动分析

以形态学分析和支持向量机为基础,构建了一套血细胞核显微图像自动分析与识别系统。在细胞核分割阶段,提出基于支持向量机的血液细胞核彩色图像分割算法。在特征提取环节中,除使用常规形态特征外,提出了一种新的能有效反映核分叶数差异的形态特征——腐蚀退化因子。采用“one-against-one”策略的多分类SVM方法对血细胞进行分类识别。实验测试表明,该系统具有较高的识别精度,平均识别率达94.13%。     

细胞彩色图象处理系统的研究

运用计算机对图象进行处理和分析 ,能有效地协助医生对诸如肿瘤等多种病症作出诊断。介绍的细胞彩色图象处理的技术方案 ,可用于癌细胞识别 ,找出正确的识别分类的规则 ,从而利用计算机图象处理和模式识别技术完成显微图象的分析和识别 ,阐述了其关键技术——图象分割     

多分类支持向量机分割彩色癌细胞图像

在细胞彩色图像处理中,为了有效地计算与分析细胞各特征值,对细胞图像的精确的三域分割是细胞自动分析与识别的一个关键环节。提出利用多分类支持向量机对细胞彩色图像进行背景、胞浆与核的一次性三域分割,并且通过聚类分析的方法实现了在线训练,实验表明,该方法在细胞彩色图像的多域分割上,能获得较高的分割精度和较好的鲁棒性。     

基于粗糙集与水平集的细胞智能识别应用研究

针对细胞图像特性微弱,提出改进的Chan-Vese水平集分割算法,利用水平集演化曲线实现对微生物感染的细胞核边缘的准确分割;针对宫颈细胞图像特征,首先提取细胞图像样本的五维特征向量(纹理、几何形状特征以及灰度图像等),然后根据粗糙集理论建立决策表,用于细胞图像的微生物识别,并直接从训练样本图像中导出决策规则;应用所获取的规则对微生物测试样本图像进行分类;实验结果表明该方案应用在宫颈细胞智能识别上可以达到较好的效果,在工程上应用是可行的。     

基于自监督学习的病理图像层次分割

在苏木精-伊红(HE)染色病理图像中，细胞染色分布的不均匀和各类组织形态的多样性给病理图像的自动分割带来极大挑战。为解决该问题，提出了一种基于自监督学习的病理图像三步层次分割方法，对病理图像中各类组织进行由粗略到精细的全自动逐层分割。首先，根据互信息的计算结果在RGB色彩空间中进行特征选择；其次，采用K-means聚类将图像初步分割为各类组织结构的色彩稳定区域与模糊区域；然后，以色彩稳定区域为训练集采用朴素贝叶斯分类对模糊区域进行进一步分割，得到完整的细胞核、细胞质和胞外间隙这三类组织结构；最后，对细胞核部分进行结合形状和色彩强度的混合分水岭分割得到细胞核间的精确边界，进而量化计算细胞核个数、核占比、核质比等指标。对脑膜瘤HE染色病理图像的分割实验结果表明，所提方法对于染色和细胞形态差异保持较高的鲁棒性，各类组织区域分割误差在5%以内，在细胞核分割精度的对比实验中平均正确率在96%以上，满足临床自动图像分析的要求，其量化结果可以为定量病理分析提供依据。     

Combining shape, texture and intensity features for cell nuclei extraction in Pap smear images

In this work, we present an automated method for the detection and boundary determination of cells nuclei in conventional Pap stained cervical smear images. The detection of the candidate nuclei areas is based on a morphological image reconstruction process and the segmentation of the nuclei boundaries is accomplished with the application of the watershed transform in the morphological color gradient image, using the nuclei markers extracted in the detection step. For the elimination of false positive findings, salient features characterizing the shape, the texture and the image intensity are extracted from the candidate nuclei regions and a classification step is performed to determine the true nuclei. We have examined the performance of two unsupervised (K-means, spectral clustering) and a supervised (Support Vector Machines, SVM) classification technique, employing discriminative features which were selected with a feature selection scheme based on the minimal-Redundancy-Maximal-Relevance criterion. The proposed method was evaluated on a data set of 90 Pap smear images containing 10,248 recognized cell nuclei. Comparisons with the segmentation results of a gradient vector flow deformable (GVF) model and a region based active contour model (ACM) are performed, which indicate that the proposed method produces more accurate nuclei boundaries that are closer to the ground truth.     

肿瘤细胞辅助诊断系统的研究

介绍了一种用于宫颈癌早期普查的辅助诊断系统。与传统的对单个癌细胞排序的诊断系统不同,本系统是根据每幅图片中癌细胞核的综合参数直接对自动采集的整幅彩色细胞图片进行排序。综合参数主要利用癌细胞核形态学和色度学的特征以及黑区域消除与填补算法等图像处理技术获得。临床试验结果表明:本系统有效地提高了医生的诊断效率和准确率。     

Segmentation of cervical cell nuclei in high-resolution microscopic images: A new algorithm and a web-based software framework

In order to automate cervical cancer screening tests, one of the most important and longstanding challenges is the segmentation of cell nuclei in the stained specimens. Though nuclei of isolated cells in high-quality acquisitions often are easy to segment, the problem lies in the segmentation of large numbers of nuclei with various characteristics under differing acquisition conditions in high-resolution scans of the complete microscope slides. We implemented a system that enables processing of full resolution images, and proposes a new algorithm for segmenting the nuclei under adequate control of the expert user. The system can work automatically or interactively guided, to allow for segmentation within the whole range of slide and image characteristics. It facilitates data storage and interaction of technical and medical experts, especially with its web-based architecture. The proposed algorithm localizes cell nuclei using a voting scheme and prior knowledge, before it determines the exact shape of the nuclei by means of an elastic segmentation algorithm. After noise removal with a mean-shift and a median filtering takes place, edges are extracted with a Canny edge detection algorithm. Motivated by the observation that cell nuclei are surrounded by cytoplasm and their shape is roughly elliptical, edges adjacent to the background are removed. A randomized Hough transform for ellipses finds candidate nuclei, which are then processed by a level set algorithm. The algorithm is tested and compared to other algorithms on a database containing 207 images acquired from two different microscope slides, with promising results.     

基于超像素的印刷品色差在线检测方法

针对彩色印刷行业中,印刷品色差在线检测准确率低、速度慢的问题,提出一种新的检测方法.基于超像素的思想,采用简单线性迭代聚类(SLIC,simple linear iterative clustering)算法,对具有相似特征的相邻像素进行聚类,形成结构紧凑、近似均匀的像素块,每个像素块即为一个超像素.用超像素代替像素块内多个相似像素,分别提取标准图像和待检测图像的颜色特征.再用CIEDE2000色差公式进行色差计算.实验结果表明,该方法在保证检测结果准确率的基础上,能够有效地减少数据计算量,提高检测效率.     

Reading from color displays: a psychophysical model

We have investigated the effects of chromatic and luminance contrast on reading colored text on multicolor displays. Stimuli were defined in a color space with three cardinal axes. Two of these axes are chromatic and maximally modulate the opponent mechanisms of color vision; the third is an achromatic axis. We measured detection and discrimination of words and nonwords. The results show that near-perfect reading at equiluminance is possible and that in terms of machine units, luminance differences are more salient than purely chromatic differences, but these differences disappear when the discrimination data are scaled for detection threshold.     

基于肤色和器官定位的实时人脸检测

基于肤色和器官的人脸检测是视觉监控领域中广泛应用的经典方法,但是辨别每个肤色像素和提取候选区域非常耗时且对噪声敏感,很多时候不能满足实时人脸检测的需要。通过引入肤色单元的概念,提高了该方法的快速性和鲁棒性,最终将其应用于实时视频序列中。首先,采用单元化的方法进行肤色分割,提取出人的肤色部分;接着,根据人脸长宽比例的范围,确定出候选人脸;然后,再对候选人脸区域分别进行眼睛和嘴巴的定位;对眼睛和嘴巴定位之后,我们可以利用眼睛和嘴巴呈倒三角关系的几何特征反过来进行人脸的精确定位。实验结果表明,该方法的识别率较高,并能满足实时视频人脸检测的快速性要求。     

基于区域一致性测度的彩色图像边缘检测

针对在RGB空间很难有效区分颜色相似性的问题,选择HSI颜色空间进行图像处理和分析。首先计算饱和度、色度、亮度等色差分量,通过引入模糊熵,构造出一组基于模糊熵的信息测度分量来定量描述图像的边缘特征。利用训练样本获取该组分量,并组成一特征向量对BP神经网络进行训练,然后将训练的BP网络直接用于边缘检测。BP网络的结构和训练比较简单,而且不需要设定阈值检测边缘。实验表明,该方法具有较强的细节保持能力,达到了令人满意的边缘检测效果。     

肺癌早期诊断系统中色度学识别的研究与实现

色度学特征在彩色图像识别系统中有着重要而广泛的应用。文章着重讨论了通过色度学技术,利用细胞图像中的色彩信息对肺癌细胞进行识别和检测的方法。该方法通过自动提取图像中关键的色度特征分量,再对照系统专家的经验知识,识别出图像中的肺癌细胞。     

结合四元数与最小核值相似区的边缘检测

目的 针对传统彩色图像边缘检测方法中未充分利用图像色度信息、颜色模型间非线性转换过程中时间和空间的大量耗费、算法实现复杂等问题,将四元数引入最小核值相似区（SUSAN）算法中,提出一种RGB空间下的结合四元数与最小核值相似区的边缘检测算法。方法 该算法首先对彩色图像进行四元数描述,然后用改进的SUSAN算子进行边缘检测。针对其中单一几何阈值g的限制,以及检测出的边缘较粗等问题,本文采用Otsu算法自适应获取双几何阈值,再对弱边缘点集进行边缘生长,最后根据USAN重心及其对称最长轴来确定边缘局部方向,实现对边缘点的局部非极大值抑制,得到最终细化后的边缘图像。结果 实验选取1幅合成彩色图像及3幅标准图像库图像,与彩色Canny算法、SUSAN算法,及采用单阈值的本文算法进行对比,并采用Pratt品质因数衡量边缘定位精度。本文算法能够检测出亮度相近的不同颜色区域之间的边缘,且提取的边缘比较连续、细致,漏检边缘较少。与公认边缘检测效果较好的彩色Canny算法相比,本文算法的品质因数提高了0.012 0,耗时缩短了2.527 9 s。结论 本文提出了一种结合四元数与最小核值相似区的边缘检测算法,实现了四元数与SUSAN算子的有效融合。实验结果表明,该算法能够提高边缘定位精度,对弱噪声具有较好的抑制能力,适用于对实时性要求不高的低层次彩色图像处理。     

敏感图片过滤中大块皮肤区域的检测方法

针对色情图片中大块皮肤区域的特点,提出一种简单有效的检测方法。首先通过RGB颜色空间上的一个分段肤色模型过滤掉非肤色像素,得到候选皮肤区域;然后利用候选区域内像素的纹理粗糙度,统计得到整个候选区域的纹理粗糙度进行纹理过滤;最后计算候选肤色块的分形维数,用以过滤最难区分的沙漠类照片中的伪皮肤区域。实验结果表明,算法保持了较高的检出率和较低的误检率。