基于属性层次关系的白细胞图像类间特异特征选取方法研究

为了实现用较低的类间特征维数对正常人体外周血白细胞高效分类,本文提出一种基于属性层次关系的彩色白细胞图像类间特异特征选取方法。本文依据形式概念的属性约束关系,定义并权衡属性度数值,留取类间特异性较高的属性,实现层次关系分层优化及可视化,建立基于分层优化层次关系图的知识表示和发现方法。以正常人体外周血白细胞区域特征为形式背景,通过此方法选取类间特异性较高的属性,挖掘白细胞图像六分类类别特异性,将60种类间属性优化为12种,有效降低了特征维数,提高类间特征分类实效性。通过与经典实验结果比对,证明了该方法的可用性和有效性。     

白细胞自动分类中的特征提取和分析

应用统计模式识别的方法对细胞图象进行计算机自动识别时,细胞特征的提取与选用是很重要的一环.我们在所建的白细胞自动分类LEUK分析系统上,对每个细胞提取了不同性质的三类共35个特征,包括7个形态参数、12个光密度参数和16个纹理参数.运用这三类对1200余六类白细胞样品进行了自动分类测试.实验结果表明:综合选用这三类特征比仅选用其中的一类或两类特征的效果好.若仅使用形态和光密度特征,总体识别率达80%左右,其主要误识率来自于颗粒细胞的分类;而纹理特征的引入使系统的总体识别率提高了十个百分点.本文重点介绍这三类特征,并就其在白细胞自动识别分类中的作用作一初步分析.     

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。     

一种骨髓细胞识别分类算法的研究

为了准确有效地解决骨髓细胞的计算机识别分类问题,提出一种基于灰度阈值和彩色空间的骨髓细胞识别分类算法.该算法基于计算机图像处理技术,采用平滑、去噪等一系列的预处理得到平滑的骨髓细胞图像,通过对细胞图像的HSI颜色空间的分析,应用H通道和S通道的阈值分割方法分别将红细胞,白细胞的细胞核和细胞浆分割出来,并对有核细胞的胞核和胞浆提取形态特征和彩色光密度特征作为特征矢量,利用BP神经网络实现对骨髓细胞的分类识别.将该算法应用于临床采集到的150例骨髓细胞图像中,实验结果表明,该算法能较好地分类识别出各类骨髓细胞,具有较高的分类识别准确率.     

冠脉数字造影图像血管分割方法研究

为了从冠脉数字造影图中提取具有复杂形态结构的血管 ,以便于血管临床心血管疾病的定量分析与诊断 ,我们对造影图像设计了一种有效的血管分割算法 ,然而为了获得更加准确的血管形态 ,我们对造影图像和掩膜图像进行匹配减影 ,然后再从减影图像中分割血管 ,实验结果表明这样分割得到的血管较直接从造影图像分割得到的血管更加准确     

冠脉数字造影图像血管分割方法研究

为了从冠脉数字造影图中提取具有复杂形态结构的血管，以便于血管临床心血管疾病的定量分析与诊断，我们对造影图像设计了一种有效的血管分割算法，然而为了获得更加准确的血管形态，我们对造影图像和掩膜图像进行匹配减影，然后再从减影图像中分割血管，实验结果表明这样分割得到的血管较直接从造影图像分割得到的血管更加准确。     

NIFTI格式医学图像显示方法研究

探讨NIFTI格式图像的多平面显示、功能和结构像的融合显示、基于三维重建的脑效应连接网显示方法,并分析各种显示方法的优缺点。仿真结果表明,多平面显示方法实现简单,能从多角度和多层次显示脑功能和结构的影像,但不能直接定位脑功能和结构区的空间位置;功能和结构像的融合显示方法能够对脑功能区进行高分辨率定位,有利于脑功能研究,但不能显示功能区间的因果联系;基于三维重建的脑效应连接网显示方法不但能显示因果连接网的节点拓扑属性,也能显示脑区间相互联系的因果关系,有利于疾病的影像学机理研究,但该显示方法实现复杂。NIFTI格式图像的各种显示方法,各有优缺点,在脑功能和结构研究中具有重要应用。     

基于卷积神经网络的外周血白细胞分类

白细胞图像的自动分类有助于提高临床诊疗效率,但仍需进一步改进方法以提高分类正确率。探索用卷积神经网络(CNN)进行外周血白细胞图像的自动分类识别。在深度学习框架Caffe上,以AlexNet和LeNet为网络原型构建CNN训练平台;用CellaVision DM96采集外周血涂片中的5类白细胞图像,经人工鉴定后按训练∶校验∶测试=7∶2∶1的比例,随机分配图像构建原始数据集,再通过平移、旋转及镜像构建扩充数据集;训练时采用随机梯度下降算法优化模型权值,以分类准确率>95%为目标评估训练结果及优化调整网络结构。结果发现,AlexNet的训练误差无法收敛,陷入局部极小,LeNet则达到预期目标。随后对LeNet网络进行删减优化,获得一轻量高效的新结构--CCNet,其在模型大小、训练用时和分类用时上分别仅为LeNet的1/1000、1/3和1/30。两者对979张5类细胞图像的最佳分类准确率分别达到99.69%和99.18%,高于目前同类研究报道。结果表明,CNN可用于5类白细胞图像的“端对端”分类识别,特别是CCNet模型兼具准确与效率优势。     

翼腭窝区的多层螺旋CT解剖学研究

目的：探讨正常翼腭窝区在多层螺旋CT（multislice spiralCT,MSCT）图像上的影像解剖学特征,为临床正确诊断该区病变和制定手术方案提供影像解剖学依据.方法：对10例（20侧）翼腭窝区MSCT扫描图像、多平面重建（multiplanar reconstruction,MPR）图像进行观察.结果：①在不同的层面和方位,翼腭窝形态表现多样,毗邻关系复杂;②翼腭窝各壁组成复杂,在不同层面构成不同;③翼腭窝各通道可在不同方位的MSCT及MPR图像上最佳显示.结论：MSCT轴位图像与MPR冠状位、矢状位图像相结合,可清晰、精确地显示翼腭窝及其通道的形态、结构,对提高该区疾病的诊断能力具有重要的意义.     

基于Sugeno型模糊神经网络的外周血白细胞自动分类研究

血白细胞分类计数嗜碱性粒细胞、嗜酸性粒细胞、中性粒细胞、淋巴细胞、及单核细胞是临床诊断的重要依据。作者在细胞图像分割、白细胞特征提取、白细胞特征选择后,提出了用Sugeno型模糊神经网络的方法实现外周血白细胞的自动形态学分类。用构建的网络分别进行白细胞的3分类和5分类试验,结果表明,用模糊神经网络分类器对血白细胞形态学分类可行。     

面神经全程及分支标本的设计与制作

<正>面神经的功能、形态结构和行程的毗邻关系,是12对脑神经中较复杂的脑神经之一[1],其颅内、外段及分支,往往需要几个标本才能显示清楚它的结构[2-4]。根据多层次教学的需要,笔者特设计制作一个能显示面神经全程及分支的封瓶标本。现介绍如下:     

肝内管道研究方法的比较

<正>肝内管道系统是一个解剖结构复杂、形态常有变异且相互间联系紧密的多层次复杂结构整体[1]。随着现代医学科技发展和诊疗设备的不断更新,外科学正朝着微创化、显微化、取代化,要求肝胆外科医生对肝内管道和叶段裂层面内各管道的直径、走行、分布,及管道间的形态位置有明确的认识,     

白细胞介素11的研究进展

白细胞介素11(IL-11)是复杂的细胞因子网络中一种新的多功能调节因子。IL-11对多种造血祖细胞具有刺激作用,不仅在调节骨髓造血方面具有多种功能,而且在宿主防御系统至关重要的免疫变化中也起着重要作用。本文介绍了IL-11的基因结构及其主要生物学功能。     

蚊虫分类研究（双翅目：蚊科）的历史回顾与我国现状

本文根据历年和近年蚊虫分类研究代表性文献作历史回顾和评述。蚊虫的传统形态分类在20世纪初开始发展,蚊虫的分类理念在反复争议和修订的历史中演变,直至《世界蚊虫名录,第二版》出版,一个相对稳定的蚊科分类系统才被公众认可。通过“细胞遗传”和“分子鉴别”方法用于蚊种鉴别,缓解了复合体成员种形态分类鉴别中发生误订和混淆的困扰。21世纪初,以形态特征量化数据分析为基础的蚊虫系统发育分类研究,对提高蚊虫分类鉴别水平产生明显的影响。新分类理念体现蚊类的系统发育关系是一个重大的进步。传统分类的改革不仅是分类理念,还应提供合理的方法和操作程序。近年伊蚊族及相关分类单元的研究中发现许多新属,新组合属及属级分类地位的变更,可以显示其活力和效率。新的分类理念认为传统分类系统缺乏对蚊科系统发育关系的体现是一个重要障碍,并将蚊科新分类系统修订为2亚科11族。关于我国蚊虫分类现状,作者试对以往记录予以修订,并提出新分类系统包括：2亚科10族45属420种（包括伊蚊族分类地位待定的已知蚊11种）。其中我国蚊属新记录：路蚊属Lutzia和金蚊属Kimia在文内作了简介。     

基于贝叶斯粗糙集的肺部肿瘤CT图像高维特征选择算法

针对变精度粗糙集在高维特征选择过程中对分类错误率β的过分依赖问题,结合遗传算法提出一种基于贝叶斯粗糙集的肺部肿瘤CT图像高维特征选择算法。首先提取3000例肺部肿瘤CT图像ROI区域的104维特征构造决策信息表;然后从全局相对增益函数的角度分析属性重要度,结合属性约简长度、基因编码权值函数三者的加权和构造一个适应度函数框架,提出以此为启发式信息的属性约简算法;最后利用支持向量机进行分类识别。实验结果表明,本研究算法摆脱了阈值人工设置的束缚,并且在很大程度上提高整体性能,对肺部肿瘤计算机辅助诊断具有积极的推广价值。     

基于mean-shift聚类的高鲁棒性白细胞五分类识别算法

本文提出了一种新型的基于mean-shift聚类算法的人体外周血中白细胞五分类算法,其核心思想是用一种近似人眼的可视化模式对白细胞纹理进行提取。首先利用mean-shift聚类算法从白细胞灰度图像中提取一些模式点,然后用其作为区域生长算法的种子点进行区域生长,得到一系列能够在某种程度上可视化地反映纹理的区域块。最后从这些区域块中提取一组参数向量作为白细胞的纹理特征。综合该向量和白细胞形态学特征,用人工神经网络(ANN)成功地完成了对白细胞的五分类识别。用了1 310个白细胞图像进行测试,得到中性粒细胞、嗜酸性粒细胞、嗜碱性粒细胞、淋巴细胞、单核细胞的正确识别率分别为95.4%、93.8%、100%、93.1%、92.4%,证明了该算法的可行性和鲁棒性。     

肝尾状叶切除术的应用解剖学研究进展

尾状叶因具有独立的血管供应和胆汁引流系统,不管在哪一个分类体系中,都将其作为一个单独的肝叶。而且因其复杂的解剖学关系,直至20世纪90年代,才开始在肝脏外科中受重视,并得到相应的发展。尾状叶切除手术的技术要求高、风险大,对肝脏外科医师来说是一种挑战。但在熟悉其解剖学结构的前提下,手术仍是安全、可行的。     

基于典型相关分析与双模态数据融合的抑郁症辅助诊断

为了充分提取抑郁症患者的磁共振影像信息,提高抑郁症的诊断准确率,本研究将功能磁共振图像与结构磁共振图像作为研究对象,提出一种双模态数据融合的抑郁症分类算法。首先构建4种不同尺度的功能脑网络,提取功能磁共振图像的数据特征,然后使用迁移学习处理的三维密集连接卷积神经网络,提取结构磁共振图像的数据特征,接着使用典型相关分析方法融合两种特征,最后使用支持向量机对融合特征进行分类,从而将受试者识别为健康者或抑郁症患者。实验结果表明,本文提出的方法可获得89.56%的分类准确率与95.48%的召回率,与单模态数据分类相比,基于双模态数据的分类方法具有更好的分类性能。此外,典型相关分析法可以有效融合双模态的图像特征。     

基于显微图像序列的细胞形态变化分析

目的细胞的形态变化与细胞的生理特性密切相关,其定量的描述和分析对探究生命的生理或病理状态过程有重要意义。本文基于显微图像序列提取细胞形态的动态变化信息,以实现对细胞不同形态变化的定量描述及分类。方法采用运动历史图像和局部二值模式分别提取细胞轮廓和内部运动信息,并使用一系列不同尺度的时间窗口将上述特征映射为多时间尺度的特征矢量,再采用支持向量机对细胞的不同形态变化进行分类。通过对4组不同形态变化等级的小鼠淋巴细胞图像序列进行分类实验,以验证本方法的分类效果。结果对形态变化由缓慢到剧烈的4组淋巴细胞视频,分类精确度达到75%,能有效区分不同程度的细胞形态变化。结论与径向距离、Zernike矩、傅里叶描述子等常用的形状描述方法相比,本文方法更加全面地描述了细胞形态变化的动态信息,对细胞的多样性运动具有更好的适应性和稳定性。对细胞形态变化的分类,可用于异常细胞形态变化的检测,为疾病的早期诊断提供了客观依据。     

CT增强扫描图像椎动脉和颈内动脉的三维重建研究

目的:探讨CT增强扫描图像在椎动脉、颈内动脉3D可视化技术中的应用。方法:1例经CT增强连续扫描检查的成人患者数据集,应用Mimics8.11对图像血管进行分割,三维重建椎动脉、颈内动脉颅内段数字图像。结果:椎动脉、颈内动脉颅内段三维重建数字图像清晰,能够准确的3D显示该血管解剖形态结构及其在颈椎、颅骨内的位置和毗邻关系。结论:三维重建图像可以提供复杂血管动态解剖,为临床诊断提供了直观的、数字化解剖参考。