彩色血液细胞图像的自动分割方法研究

提出基于自适应多尺度阈值和种子点增长的混合方法自动分割彩色血液细胞图像。首先对原始图像直方图进行多尺度滤波，根据它的尺度空间图特性，确定合理的阈值，完成对胞核的分割和白细胞的检出。其次，利用局部颜色特征及全局形态特性控制种子点增长，完成对白细胞浆区域的分割。该方法对白细胞的检出率为98％，分割效果主观评价为好的占93％，它能有效地分割白细胞区域。     

对血液细胞图像自动分割的研究

将小波理论应用于血液细胞图像中白细胞核提取.首先对原始图像作红绿蓝空间到色度、饱和度和亮度空间的彩色空间变换以产生饱和度图像,然后在对饱和度图像的直方图作小波变换的基础上对饱和度图像进行阈值分割,并对图像做后处理以填补孔洞和消除碎片.实验表明,该方法对白细胞核的提取很有效,同时克服了传统方法中参数需要人工确定的缺点.     

一种用于胶囊内窥图像的小肠出血智能识别算法

针对胶囊内窥图像的出血检测提出了一种新的智能识别算法。该算法首先将彩色内窥图像在RGB空间进行分水岭分割,再将图像转换至CIEluv彩色空间,在前分水岭分割的基础上,在CIEluv空间上对各分块区域依据欧氏距离判别彩色相似度,进行小肠出血的识别与出血区域提取的工作。实验结果表明该算法灵敏度为94．3％,特异度为98．4％。     

免疫组化彩色细胞图像自动分割的研究

目的：免疫组化彩色细胞图像中阳性细胞的自动分割提取有着重要的临床意义。本文结合三种分割算法的特点，研究实现免疫组化彩色细胞图像的自动分割，提取图像中的阳性细胞。方法：（1）采用OTSU方法在灰度的基础上对免疫组化彩色细胞进行预分割，去除无关背景。（2）使用K-聚类算法，对彩色细胞图像进行彩色分类筛选出阳性细胞和阴性细胞，并对所得阳性细胞图像进行腐蚀，以获取阳性细胞图像的种子。（3）使用区域生长算法对阳性细胞种子进行区域增长。获取完整的阳性细胞图。结果：准确分割出图像中的阳性细胞。结论：该自动分割方法可用于后续的阳性细胞自动计数，辅助医生诊断疾病。     

生物细胞图像分割技术的进展

阐述了小波变换、遗传算法、模糊数学、神经网络，数学形态学等生物细胞图像分割算法以及边缘检测，区域分割等传统图像分割算法为主的生物细胞图像分割技术的发展现状，指明了生物细胞图像本身具有的复杂性，多样性，各自差异等属性是实现生物细胞图像全自动分割的难点，只有彻底结合生物视觉特性数学模型算法的研究和应用，才能命名生物细胞全自动分割成为可能。     

基于特征提取量化分析的体外活细胞追踪算法研究

目的:提高显微镜下序列图像细胞追踪的效率及准确度。方法:提出双阈值形态学与拓扑约束图论法相结合的 自动细胞追踪算法,用来分析体外活细胞定向迁移轨迹及参数,并从细胞数目及细胞特征两方面分析追踪算法的准确 性。在特征分析方面,从运动速度、运动距离、趋化速度、趋化指数和方向持续性5个指标与手动采样数据进行对比。结 果:该算法可以分别识别在毛细管针部灰度较高区域的细胞及其他区域灰度较低的细胞,细胞数目准确度平均达到 91.8%,分析得到的5个特征指标与手动采样分析结果基本一致,误差不超过5%。结论:双阈值形态学与拓扑约束图论法 相结合的自动细胞追踪算法可以有效提高细胞追踪的准确度。     

吞噬细胞对凋亡细胞的识别与吞噬

细胞凋亡是目前生物医学的研究热点之一。众多研究集中于细胞凋亡的发生及其调控,而对凋亡细胞是如何被识别和吞噬的机制知之不多。现已知道,细胞凋亡不同于细胞坏死最明显的特征之一就是前者不引起炎性反应和周围组织损伤。其原因是,吞噬细胞或邻近组织细胞吞噬凋亡细胞而不造成其溶酶体、线粒体及细胞膜破裂和细胞内涵物外泄;并且这一过程不依赖于抗体或补体［１］。究竟吞噬细胞对凋亡细胞是如何进行特异识别？凋亡细胞又是如何将其“可噬性”“告诉”吞噬细胞的？现将目前的研究进展做一简述。一、吞噬细胞识别、清除凋亡细胞的一般…     

基于深度学习框架的循环染色体异常细胞识别

目的 循环染色体异常细胞(circulating genetically abnormal cell, CAC)检测是一种无创或微创、敏感、经济的肿瘤早期诊断方法。荧光原位杂交(fluorescence in situ hybridization, FISH)通过计算荧光探针在细胞核内产生的增益,可以准确地检测CAC中基因异常的繁殖。然而,基于FISH的CAC识别存在细胞核重叠和荧光信号形态多样的问题,人工检测荧光信号是困难的。方法 本研究基于四色荧光原位杂交肺癌图像,针对细胞核和染色信号形态特征提出一种级联细胞核分割网络(cascaded nuclei segmentation network, CACNET)和信号点检测网络(signal detection network, FISHNET)的CAC识别方案。首先使用CACNET对细胞核进行分割获取掩膜,并对应裁剪荧光染色信号图像,然后对单细胞核内的信号点使用FISHNET进行检测,最终对信号点计数并利用临床诊断方法判别细胞。其中,CACNET通过结合注意力机制和边缘约束算法提升重叠细胞核分割效果。FISHNET通过热图回归拟合染...     

序列显微镜图像的细胞追踪算法

随着显微镜成像技术的成熟,细胞分析已经成为生物图像分析领域的重要内容之一。早期的研究主要集中在静态细胞图像信息如细胞计数和细胞形态特征等问题上。随着活细胞成像技术的发展,产生了大量延时细胞图像数据,人工处理这些数据费时费力,工作效率低下,引入细胞追踪算法可使数据处理的工作量大为减少。本文对已有的细胞追踪的算法进行分析,对算法的优缺点和追踪结果进行比较,并从提高细胞追踪算法的精确度与速度的角度提出设想与展望。     

肝细胞肝癌CT图像纹理分析分割技术的初步研究

目的 探讨机器自动分割肝癌CT图像纹理特征的可行性。方法 用强度、纹理、形状和边缘的图像特征来描述分割的情况,计算从操作者分割提取的特征与机器分割的相关性,测量不同操作者分割CT图像与机器分割CT图像的一致性。结果 操作者在选择不同层面时并不一致。操作者的分割结果也并非重叠。每个机器分割与其操作者手动分割的平均重叠程度与两个操作者之间的重叠程度相当（74% vs 69%）。机器分割与操作者手动分割组内相关性（ICC）结果表示纹理和强度特征是最显著的,边缘和形状特征最小。结论 本研究通过在每个操作者分割的最大圆来确定机器自动分割,从而有助于临床中可以更快、更准确的对CT图像进行分割。     

病理切片图像分割技术的研究

介绍了用图像处理及模式识别技术对显微细胞图像的自动分析和分类的方法,并针对医学图像分析中的难点,提出了基于归一化彩色空间和RGB,HSV彩色模型的分割方法:利用模式识别技术中关于特征向量空间聚类的方法实施真彩色分割.这种方式有效地利用了多维特征空间对于分割目标所提供的信息,使分割的准确性有了较大的提高,解决了图像分割过程中的单个细胞检出问题.     

白细胞图像自动识别系统的研究

我们所用的图像分割方法是在对图像距离变换的基础上,综合区域和边界方法,充分利用图像中包含的信息,实现白细胞图像的分割。根据细胞的形状、纹理、颜色等的特点选取并测定22个特征值,用统计分类的方法设计分类器。通过对560幅图像共831个细胞的测试表明,此系统的识别正确率为96%,经临床专家评估,本系统运用模式识别技术对外周血中的白细胞图像实现自动识别,具有较好的实用价值。     

多信息融合的彩色细胞图像分割方法

本文就从病理切片的彩色图像中提取细胞核的有关方法作了研究,提出了有效的分割方法的策略。该方法以数学形态学为主要工具,可以利用细胞的多个特征,较好地解决了病理显微图像背景杂,光照不均及粘连团聚现象等因素给分割带来的困难。     

基于两阶段改进FCM算法的彩色血液图像分割研究

介绍了一种基于FCM算法（Fuzzy c-means algorithm）的彩色血液细胞图像分割新方法。通过将原始血液显微图像转换为索引图像再对颜色映射表矩阵做模糊聚类来回避直接对像素值聚类，大大压缩了FCM算法的计算数据量。针对彩色血液细胞图像的固有特性将分割过程分为两阶段，包括确定聚类数目和初始聚类中心，并在第二阶段引入一个距离加权矩阵，改变距离度量方式以提高聚类的准确度。解决了FCM算法难以准确收敛到最佳极值的问题，减少了迭代收敛的次数，并且缩短了算法执行时间，实现了对彩色血液细胞图像各组分的正确分割。     

步态识别研究现状与进展

步态识别是生物特征识别技术中的一个新兴领域，它旨在根据人们的行走方式进行身份识别或生理、病理及心理特征检测，具有广阔的应用前景，因此引起了国内外许多研究者的浓厚兴趣，成为近年来生物医学信息检测领域备受关注的前沿方向。本文主要介绍了利用步态特征进行身份识别的基本原理与方法及其潜在的应用前景，分析了其国内外研究现状与存在的关键技术难点，并展望了其可能的发展趋势。     

荧光显微图像识别方法在呼吸道九联检中的应用

呼吸道九联检广泛应用于呼吸道感染病原体的筛查,其关键步骤是由医师观察荧光显微图像,并结合病原体的荧光特点进行判别,存在耗时和经验依赖性高等问题。针对此问题,提出利用机器视觉进行荧光显微图像中病原体识别的方法。根据荧光特点,将9种病原体分为3类:第1类是绿色荧光的菌体(包括嗜肺军团菌、Q热立克次体和肺炎衣原体),第2类是细胞外围荧光模式(包括肺炎支原体);第3类是混合荧光模式(包括腺病毒、呼吸道合胞病毒、甲型流感病素、乙型流感病素和副流感病毒)。对于第1类病原体,通过对图像进行和二值化处理,再经轮廓提取和面积滤波等方法,实现病原体的识别;对于第2、3类病原体,对原始RGB图像进行颜色分离,对红色和绿色通道图像进行二值化处理,再经轮廓提取和面积滤波等方法,实现病原体的识别。通过收集856例呼吸道患者的样本进行九联检,并对比本识别方法与人工判别的结果。实验结果表明,对于各类病原体,所提出的自动化病原体识别方法与人工判别结果符合率均在93%以上,整体符合率较高,对于辅助医师进行判别具有一定的应用价值。     

Template Guided Live Wire and Its Application on Automatic Extraction of Tongue in Digital Image

In this paper, we propose a novel automatic object extraction algorithm, named the Template Guided Live Wire, based on the popularly used livewire techniques. We discuss in details the novel method＇s applications on tongue extraction in digital images. With the guides of a given template curve which approximates the tongue＇ s shape, our method can finish the extraction of tongue without any human intervention. In the paper, we also discussed in details how the template guides the live wire, and why our method functions more effectively than other boundary based segmentation methods especially the snake algorithm. Experimental results on some tongue images are as well provided to show our method＇s better accuracy and robustness than the snake algorithm.     

基于运动学和动力学参数的步态识别研究

为了通过步态进行身份鉴别 ,采用模式识别的方法进行基于步态运动学和动力学参数的步态识别 ,提出了对步态运动学参数中关节角度、动力学参数中地面垂直支反力 (VGRF)进行特征提取的方法。对 14名健康男性受试者的步态进行了识别实验。结果显示 ,基于关节角度的识别准确率 (CCR)为 87.1 (k-近邻法中 k=1)和90 (k=3) ;基于 VGRF的 CCR为 85 .7 (k=1)和 80 (k=3)。另外 ,从多元统计学的角度对实验数据进行分析证明了通过步态进行身份鉴别的可行性。同时 ,主成分分析显示 ,在 VGRF曲线中 ,对步态识别起比较重要作用的是足部接触地面瞬间的部分。