基于Haar特征和级联结构的CISH细胞检出

目的提出一种基于Haar特征和Gentle Adaboost级联结构的CISH细胞自动检出方法。方法根据乳腺癌CISH图像染色导致的细胞边缘模糊,不利于细胞的检出的问题。首先,对待检测图像进行光照补偿,减小光照对细胞检测造成的影响;然后,利用针对CISH细胞的Haar特征训练的级联强分类器快速检测细胞位置;最后,利用CISH细胞的结构特征对图像进行后处理,定位细胞的具体轮廓。结果实现乳腺癌CISH细胞的检出。结论实验结果表明,该算法检测速度快,并且具有较低误检率和漏检率,能够较好的应用于CISH细胞的快速检出。     

多尺度暗通道先验去雾算法

目的提出了融合块部重叠区域生长的多尺度暗通道先验去雾算法。方法为了改善暗通道先验去雾算法的计算量,将多尺度的思想引入暗通道先验去雾算法。由于天空区域不满足暗通道先验的假设,导致天空区域出现色彩失真。提出块部分重叠的区域生长算法分割天空区域,根据天空区域透射率而设定全局透射率的下限。结果实现单幅图像的去雾。结论实验结果表明,改进算法提高了去雾算法的处理速度,减少了资源的消耗,而且在天空区域的处理上,改进算法结果视觉效果更好。     

中心母细胞性淋巴瘤与其来源淋巴细胞的核形态参数分析

目的:研究淋巴瘤细胞和淋巴滤泡细胞核的形态参数特征,为相关病理图像的计算机自动识别寻找参数依据;方法:利用图像分析系统测量中心母细胞性弥漫大B细胞淋巴瘤及淋巴滤泡的套细胞、中心细胞和中心母细胞核的20个形态参数,判别分析法分析各组细胞之间核的形态参数的差异;结果:中心母细胞与中心母细胞性淋巴瘤细胞之间只有3个形态参数入选判别函数,判别正确率仅为59.20%。而套细胞或中心细胞与中心母细胞性淋巴瘤之间入选参数分别为10个和8个,判别正确率分别为97%和76%。套细胞与中心细胞、套细胞与中心母细胞、中心细胞与中心母细胞之间入选判别函数的参数分别为8个、7个和7个,判别正确率分别为97.7%、98.6%及78.9%;结论:不同类型的淋巴滤泡细胞之间有较多形态参数存在差异,而中心母细胞性淋巴瘤细胞与其来源中心母细胞在形态上有更多的相似性。     

自适应模糊增强的乳腺癌CISH细胞边缘检出

目的提出一种自适应设定可调参数的双线性广义模糊增强的细胞Canny边缘检出方法。方法根据乳腺癌CISH病理图像组织灰度分布特征,自动选取阈值设置双线性广义模糊增强的可调参数,并用自适应模糊增强算法代替Canny算法中的高斯滤波器,在计算梯度的幅值和方向以及抑制非极大值梯度幅值的基础上,利用最大类别方差法求双阈值进行细胞的强弱边缘检出。结果实现了乳腺癌CISH细胞的强弱边缘检出。结论实验结果表明该方法提取细胞边缘效果理想,比较固定模糊增强参数而言,更具有效性和实用性。     

融合特征的自适应超像素图割算法

目的针对图割（GrabCut）算法对于前景与背景颜色特征相差不大容易发生分割错误,SLIC（simple linear iterative clustering）预分割在对应情况下边缘不够准确以及时间复杂度较高等问题,提出一种融合特征的自适应超像素GrabCut算法。方法该算法首先将图像转化到Lab色彩空间,并对原图像提取Gabor纹理特征,综合得到融合特征;再利用融合特征改进SuC方法,使用改进方法对图像进行预分割,提取超像素区域,构建区域邻接图;然后保存每个超像素区域的融合特征,对两种特征分别进行高斯混合模型（Gaussian mixture model,简称GMM）建模,并利用相对熵自适应调整分割过程中混合特征的权重,优化Gibbs能量函数;最后执行迭代图割算法,得出分割结果。结论实验结果表明,本算法对颜色特征不佳的情况下有较好的分割效果,并通过改进的SLIC预分割提高了算法的执行效率,降低了迭代次数,前景物体边缘也得到较好的保护。     

弥漫大B细胞淋巴瘤分子亚型的细胞核形态参数的差异

目的通过图像分析观察中心母细胞型弥漫大B细胞淋巴瘤（CB—DLBCL）分子亚型之间的细胞核的形态是否存在差异。方法先采用免疫组化方法将CB,DLBCL分为生发中心B细胞样组（GCB）和非生发中心B细胞样组（non-GCB）两组,然后通过图像分析对两组细胞核的形态参数进行对比分析。结果GCB与non—GCB的11项细胞核形态参数之间均存在差异,差异有非常显著的统计学意义（P值〈0．01）。其中截面积以GCB高于non-GCB,截面周长、截面长径、截面短径和截面平均直径以non．GCB高于GCB。描述细胞核的形状不规则程度的异型指数allotype index、圆偏度circular skewness、圆球度sphericity、圆形因子spherical factor、规化形状因子normalized shapefactor和形状因子ARshape factor AR均显示,non—GCB细胞核的不规则程度显著大于GCB。结论本文证实non—GCB与GCB的细胞核形态参数存在显著差异,前者细胞核的不规则程度明显大于后者。这与non-GCB临床预后较差相符合。     

基于随机游走的FISH细胞检出及HER2状态判别

目的针对肿瘤FISH图像细胞边缘模糊和粘连等问题,提出一种基于自动随机游走的细胞检出及HER2基因状态判别方法。方法首先,在RGB颜色空间中的分割细胞、信号点等区域;然后,改进极限腐蚀算法,自动获取细胞种子区域,并提取有效种子点进行自动随机游走分割,较好地实现了FISH细胞的检出;最后。依据细胞内红绿信号点数比值对HER2基因状态作出判别。结论实验结果表明,本文方法细胞检出效果理想,能较好地实现粘连、重叠细胞的分离,FISH-HER2基因状态判别敏感度、特异性、准确率均达到90％以上。     

基于HSV空间的肿瘤免疫组化阳性目标自动提取分析

目的提出一种基于HSV空间的免疫组化阳性目标自动提取分析方法。方法首先,依据阳性目标在HSV颜色空间的分布规律,联合使用了H分量、S分量和V分量作为阈值条件,结合最大熵单阈值分割算法,建立阳性目标分割提取模型;然后,提取阳性目标区域的特征参数,定量分析阳性目标的密度、强度等指标参数。结果实现了血管、细胞核、细胞浆和细胞膜等阳性目标的自动提取分析。结论试验结果可为建立免疫组化标准化的判断指标提供量化基础。     

车辆排队长度自动检测新方法

目的提出一种基于图像处理的车辆排队长度自动检测方法。方法首先,提出基于固定背景区域窗口最大相似度配准法来校正实时采集图像因抖动的干扰所引起车道区域的偏差;接着,将交通图像转换为简约纹理单元的纹理图像,突出有车辆车道与空车道的纹理差异,结合最大方差阈值分割算法,分离出车辆与空车道;最后,实现一个基于队尾空车道区域特征的排队长度自动检测算法。结果实现了车辆排队长度的自动检测。结论试验结果说明该方法具有较理想检测效果,能有效地克服抖动与光照干扰。     

基于形态特征的淋巴瘤病理图像分级分割方法

目的: 提出一种淋巴瘤病理图像分级分割方法。方法: 针对淋巴瘤病理图像中组织灰度在RGB颜色通道中的分布形态特点, 采用图像代数运算增大淋巴瘤病理图像中不同染色质组织之间的灰度差异, 采用最大类别方差方法, 建立一个融合多通道灰度分布形态信息的分割模型,分离出淋巴瘤病理图像中不同染色质的区域; 再利用区域的面积、灰度纹理粗糙度、圆形度等几何形态特征建立二级分割模型, 分离出同染色质中不同的组织靶区。结果: 实现了淋巴瘤病理图像的自动分割。结论: 试验结果表明该方法速度快, 分割效果理想, 为淋巴瘤病理图像的定量分析打下良好的基础。