【摘要】：尿沉渣中各類有形成分對人體腎臟、泌尿系統(tǒng)疾病具有重要的診斷和鑒別作用,臨床中常檢測紅細胞、白細胞、上皮細胞和管型,管型分為透明管型、顆粒管型等多個種類,不同種類管型的數(shù)量對泌尿系統(tǒng)疾病有重要的臨床診斷參考意義。尿沉渣圖像存在有形成分種類繁多,紋理輪廓千變?nèi)f化,圖像清晰度不統(tǒng)一,色彩亮度分布不均勻和散焦嚴重等特點。上述特點導(dǎo)致尿沉渣中各類有形成分識別困難、識別速度慢。本文針對上述特點,首先研究了尿沉渣圖像形態(tài)學變化,并采用圖像增強、邊緣檢測和分割等手段處理圖像,然后提取圖像的特征矩陣,最后采用基于機器學習的組合算法對其進行分類,并針對管型詳細分類為透明管型和顆粒管型。主要研究內(nèi)容如下:尿沉渣圖像預(yù)處理和初篩選。通過電子顯微鏡拍照得到的尿沉渣圖像有著噪聲較嚴重、雜質(zhì)干擾強、對比度低、光照不均等問題。首先對原始圖像進行去噪聲、增強和細胞分割等處理,以此來完成所有尿沉渣圖像有形成分的初篩選,從中獲得尿沉渣的各類有形成分,處理過程涉及到濾波算法、二值化算法、邊緣檢測算法以及形態(tài)學等處理手段,針對高低倍鏡下不同尿沉渣有形成分采取Canny算子和分水嶺算法相結(jié)合的方式進行邊緣檢測。圖像處理之后的尿沉渣有形成分的特征提取。將原圖分割為單個目標物圖像之后,提取圖像的幾何、紋理和統(tǒng)計特征矩陣。將特征矩陣數(shù)據(jù)送入分類器學習,根據(jù)學習結(jié)果研究這些特征的合理性以及各類特征維度組合對最終分類效果的影響,最終選取識別準確率最高的41維特征。此外,針對Gabor特征數(shù)據(jù)量大的特點,提出采取(2D)~2PCA降維手段來提升算法效率。根據(jù)高低倍鏡下不同有形成分的特點,提出基于形態(tài)學、決策樹和SVM分類器的組合算法。運用交叉驗證法獲得分類器的最佳參數(shù),對尿沉渣圖像中的紅細胞、白細胞、上皮細胞和管型進行有效的分類,并針對管型的子類透明管型和顆粒管型進行更加詳細的識別和分類,整體分類識別率達到95%。
【圖文】：

管型是一種蛋白聚體，形狀一般為較寬的長條形，并且形狀較為圓潤，內(nèi)部的紋理分布比較均勻。由腎小管和集合管產(chǎn)生，一般分為透明管型、紅細胞管型、顆粒管型等多種，如圖1-1所示。(a) (b) (c)圖 1-1 管型示例圖。（a）透明管型；（b）顆粒管型；（c）紅細胞管型(2) 紅細胞。正常人尿沉渣鏡檢紅細胞數(shù)目一般在小于 3 個/HP。若紅細胞 >31

紅細胞通過病變的腎小球基底膜的狹窄裂隙處進入腎小管和集合管中，并由于滲透壓和 pH 值變化等影響，會導(dǎo)致正常紅細胞變成畸形紅細胞，如圖1-2(a)和圖1-2(b)所示。(a) (b)圖 1-2 紅細胞示例圖。（a）正常形態(tài)紅細胞；（b）畸變的紅細胞(3) 白細胞。在尿液中白細胞指無明顯退變的完整細胞，主要成分為中性粒細胞，也可見少數(shù)單核細胞及淋巴細胞，中性粒細胞的分布呈分散狀態(tài)，在炎癥中破壞或死亡的中性粒細胞，外形不規(guī)則，細胞核看不清，正常人尿沉渣鏡檢白細胞 <5 個/HP，如超過 5 個/HP 為白細胞增多，，白細胞[2]的形態(tài)如圖1-3所示。圖 1-3 白細胞(4) 上皮細胞。尿液中的上皮細胞主要有來自腎盂、輸尿管、膀胱和部分尿道的移行上皮，細胞面積相對于紅細胞、白細胞要大一些，形狀一般是橢圓的長條形，一般比管型短一些，較為明顯的特征是細胞內(nèi)部有一個類似圓形的組2
【學位授予單位】：電子科技大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：R446.12;TP391.41;TP181

【參考文獻】

相關(guān)期刊論文 前10條

1 劉肖肖;王兢業(yè);;基于Matlab的尿沉渣圖像有形成分的自動分類方法[J];中國醫(yī)療設(shè)備;2015年02期

2 孫惠杰;鄧廷權(quán);李艷超;;改進的分水嶺圖像分割算法[J];哈爾濱工程大學學報;2014年07期

3 許宏科;秦嚴嚴;陳會茹;;一種基于改進Canny的邊緣檢測算法[J];紅外技術(shù);2014年03期

4 陳家新;王紀剛;;一種改進的醫(yī)學圖像分水嶺分割算法[J];計算機應(yīng)用研究;2013年08期

5 謝文鋒;林川;嚴海燕;梁穆興;黃松音;鮑咊文;;IRIS iQ200與Sysmex UF-1000i自動尿沉渣分析儀檢測尿液紅、白細胞的性能評價[J];實驗與檢驗醫(yī)學;2010年06期

6 滕冬梅;徐菲莉;;尿沉渣檢查方法研究進展[J];內(nèi)蒙古中醫(yī)藥;2010年23期

7 吳濤;畢篤彥;;一種基于改進遺傳算法的自適應(yīng)區(qū)域生長法研究[J];微電子學與計算機;2008年04期

8 王植,賀賽先;一種基于Canny理論的自適應(yīng)邊緣檢測方法[J];中國圖象圖形學報;2004年08期

9 王靜,孫維;尿沉渣顯微鏡檢查的必要性[J];實用醫(yī)技雜志;2004年14期

10 趙鋒,趙榮椿;紋理分割及特征提取方法綜述[J];中國體視學與圖像分析;1998年04期

相關(guān)博士學位論文 前1條

1 張翔;支持向量機及其在醫(yī)學圖像分割中的應(yīng)用[D];華中科技大學;2004年

相關(guān)碩士學位論文 前9條

1 李東升;尿沉渣細胞深度神經(jīng)網(wǎng)絡(luò)分類方法研究與實現(xiàn)[D];西安電子科技大學;2018年

2 李悅;基于圖像處理的尿沉渣圖像自動識別研究[D];西安建筑科技大學;2017年

3 康萌;尿沉渣有形成分自動分割識別算法研究[D];西安科技大學;2014年

4 涂林林;基于SVM算法的尿沉渣細胞分類識別系統(tǒng)的研究[D];武漢理工大學;2014年

5 趙少華;尿沉渣圖像中紅白細胞的分割與識別[D];西安科技大學;2013年

6 楊金剛;基于數(shù)學形態(tài)學的遙感圖像邊緣信息提取技術(shù)研究[D];成都理工大學;2011年

7 李慧;基于SVM的醫(yī)學圖像分類[D];江南大學;2008年

8 張少杰;醫(yī)學圖像分割與可視化方法研究以及在髖臼手術(shù)效果評測中的應(yīng)用[D];清華大學;2007年

9 張昕;基于SVM方法的醫(yī)學圖像分類研究[D];浙江大學;2006年

本文編號：2663145