基于顏色和形態(tài)特征的痰涂片圖像結核菌識別方法研究.pdf

1、結核病是嚴重危害人類健康的一類疾病。我國是世界上22個結核病情危險的國家之一，三分之一左右的人口已感染了結核桿菌，人數(shù)超過4億。過去，對疾病的診斷僅僅通過表面現(xiàn)象，現(xiàn)在醫(yī)學圖像技術受到計算機技術發(fā)展的推動，可以自動化的完成大量分析工作，協(xié)助醫(yī)生做出診斷并給出詳細結果。使用計算機圖像處理手段對顯微細胞圖像的研究和分析，可以通過細胞形態(tài)和數(shù)量，來判斷疾病的病因、研究醫(yī)療方案。
　　本文介紹了數(shù)字圖像處理中常用的色彩模型，如RGB、HS

2、V、CIEL*a*b*等。這些色彩模型為結核菌痰涂片顯微圖像的色彩分析提供了理論基礎。利用這些色彩模型成功的提取出部分結核菌目標特征。同時還介紹了一些主流的圖像分割算法，包括閾值分割、區(qū)域增長、無監(jiān)督聚類，這些算法在醫(yī)學方面都有廣泛的應用。其中高斯混合模型是無監(jiān)督聚類方法之一，本文使用多種色彩模型下提取的特征通過高斯混合模型進行分類取得了較好效果?？紤]到醫(yī)學圖像問題的復雜性，還引入了一些主流機器學習方法，例如決策樹、貝葉斯分類器、貝葉斯

3、網(wǎng)絡方法等。最后使用樸素貝葉斯分類器，結合前文中的色彩模型和結核菌目標的形態(tài)特征綜合的對結核菌顯微圖像進行分割，實驗結果相比高斯混模型更加健壯。
　　論文的主要工作與創(chuàng)新點如下:
　　1.首先分析了結核菌顯微圖像整體上的特點，采用了向量量化方法簡化圖像顏色信息量，然后將圖像變換至HSV、CIEL*a*b*等空間。經(jīng)過對分離后結果的觀察，H通道、L通道和a通道具有較好的顏色特征。
　　2.結核菌顯微圖像非常復雜，不僅結核

4、菌形態(tài)各異，背景也包含其他被染色或深色組織，亮度也不均勻。結核菌易受到背景中的甲烯藍染料所影響，偏離紅色色相區(qū)域。部分染色太深的區(qū)域即使肉眼也難以識別其中的結核菌目標。本文為此引入了高斯混合模型與樸素貝葉斯分類器兩種方法。使用高斯混合模型這一非監(jiān)督分類方法，降低了訓練分類器所需的數(shù)據(jù)量及時間，同時比K-means等方法更加準確。
　　3.對結核菌目標的判斷往往需要顏色、形狀等多個依據(jù)綜合判定。基于貝葉斯定理，我們可以首先對數(shù)據(jù)進行