论文部分内容阅读
在临床医学上,幼稚前体细胞异常(ALIP)结构与急性髓系白血病(AML)缓解患者的病情复发预警有着密切关系。因此,对缓解患者的骨髓ALIP结构进行信息统计,将有助于对患者的AML复发诊断及治疗。而使用图像处理技术对骨髓图像中的ALIP结构信息进行统计,能大大降低人工检测的工作量并提高统计效率,具有较高的实用价值和现实意义。目前,基于图像处理技术对ALIP结构信息进行统计的相关研究还比较少,本文在分析了现有相关图像处理技术的基础上,研究了了统计ALIP结构信息的图像处理方法,即幼稚前体细胞的识别,骨小梁的识别,两者距离的统计。论文主要工作包括：1.幼稚前体细胞分割。本文在研究现有的图像分割技术的基础上,基于自适应重构和标记分水岭对骨髓中细胞进行了分割提取,该方法将原本有细胞和背景边界不清、灰度分布不均等缺陷的原图像,通过自适应重构,达到凸显幼稚前体细胞边缘、且细胞内部灰度均匀的效果,有效地避免传统分水岭的过分割问题,提取细胞的封闭边缘。2.基于迁移学习的幼稚前体细胞识别。对分割的细胞样本进行形状、纹理以及核质比等特征进行提取后,通过基于迁移学习的SVM模式识别方法对样本数据进行分类器的训练以及测试集的分类,达到了将不同的细胞样本集的信息迁移到目标集中,帮助目标集训练更准确的分类器。实验证明,本文提出的方法,达到了我们从骨髓图像众多种类的细胞中,识别出幼稚前体细胞的目的。3.骨小梁识别和距离统计。针对骨小梁的面积大、纹理粗糙等特征,基于数学形态学和分水岭对骨小梁进行了分割,通过一次重构及膨胀达到平滑骨小梁纹理的效果,并有效避免了分水岭的过分割,实现了对骨小梁的分割和识别。引入了chamfer巨离变换算法,实现了幼稚前体细胞与骨小梁距离的统计。将图片区域划分成几个距离区间,以统计出在各个距离区间内,所含的幼稚前体单细胞和聚簇细胞的个数,统计结果对白血病的诊断和治疗后的复发预测有重要意义。