基于神經(jīng)網(wǎng)絡(luò)的尿沉渣有形成分自動(dòng)分類和識(shí)別研究.pdf

1、計(jì)算機(jī)輔助尿沉渣圖像的分類識(shí)別對(duì)多種臨床疾病的診療有著重要意義。市場(chǎng)上已經(jīng)出現(xiàn)了許多尿沉渣圖像自動(dòng)類別識(shí)別儀器。本課題是以龍?chǎng)喂镜腖X3000中“尿沉渣圖像有形成分自動(dòng)識(shí)別系統(tǒng)”為背景，將BP神經(jīng)網(wǎng)絡(luò)用于尿沉渣圖像細(xì)胞分類和計(jì)數(shù)，將數(shù)據(jù)剪切用于低倍鏡下上皮細(xì)胞識(shí)別，對(duì)特征進(jìn)行了分析，并且研究了特征提取的方法用于將來更多特征的情況，文中研究了多分類器融合技術(shù)，用于高倍鏡下細(xì)胞識(shí)別。 由于分割方法還不夠完善，并且分割后圖像類別標(biāo)記

2、沒有統(tǒng)一的標(biāo)準(zhǔn)，操作者也不是專業(yè)的醫(yī)務(wù)人員，同時(shí)數(shù)據(jù)量非常大，所以造成了樣本中存在很多的問題數(shù)據(jù)，本論文利用Bagging方法剪切問題數(shù)據(jù)，用于十倍鏡細(xì)胞分類，減小了網(wǎng)絡(luò)的訓(xùn)練誤差和訓(xùn)練時(shí)間，提高了網(wǎng)絡(luò)的泛化能力。 多分類器融合技術(shù)結(jié)合數(shù)據(jù)融合、機(jī)器學(xué)習(xí)、模式識(shí)別等多方面理論，把來自不同分類器的識(shí)別信息進(jìn)行有機(jī)結(jié)合，從而降低單分類器的設(shè)計(jì)難度，全面提取和利用分類信息，達(dá)到改善或改進(jìn)傳統(tǒng)分類算法的目的。近年來，多分類器融合技術(shù)在人

3、臉識(shí)別、手寫字符識(shí)別、遙感圖像分類等方向上受到了廣泛重視，顯示出很大的研究價(jià)值和現(xiàn)實(shí)應(yīng)用前景，但在醫(yī)學(xué)圖像領(lǐng)域中的研究尚顯不足。本論文融合方法同時(shí)研究了神經(jīng)網(wǎng)絡(luò)集成方法，重點(diǎn)使用了投票法進(jìn)行分類器融合，分析了Baggingg和Boosting產(chǎn)生的網(wǎng)絡(luò)的相關(guān)性，通過最小信息熵的方法處理和優(yōu)選子集，用于Boosting方法的改進(jìn)，實(shí)驗(yàn)表明了該融合模型相對(duì)單一分類器以及傳統(tǒng)融合方法的優(yōu)越性，并且研究了貝葉斯方法，通過實(shí)驗(yàn)選擇出最優(yōu)融合準(zhǔn)則。