粪便显微检查是当前临床常规化验检查项目之一,也是对人体消化道系统进行健康判断的依据之一。随着科学技术的发展,图像处理已经成为很多学科领域不可或缺的工具,其典型的应用之一是在医学工程领域,为医学诊断和治疗带来很大进展,带动了现代医学诊断的快速发展和巨大变革。随着医学检测自动化和智能识别技术的不断发展,粪便中有型成分的自动识别逐步成为可能,减轻专业人员在显微镜检查的劳动强度,帮助医生进行诊断。目前,粪便有形成分检测仍然采用人工镜检的方式,所以粪便有型成分的自动识别具有良好的应用前景。本文研究了粪便中有型成分显微图像的自动识别技术,包括有型成分中霉菌和夏科雷登晶体的形态特征介绍,利用图像处理的方法对显微图像进行特征值提取,并使用人工神经网络的方法对有型成分进行识别。本文的主要工作如下:首先,对粪便的显微图像进行预处理,包括图像的平滑滤波、图像分割、形态学运算和连通区域标记,将每个目标区域进行标记以方便下一步的处理;其次,研究了人工神经网络算法,对人工神经网络理论进行了详细介绍,重点对BP神经网络进行了讨论,并介绍了改进的BP算法;然后,对粪便有型成分的特征进行提取,介绍了有型成分霉菌和夏科雷登晶体的形态特征,提取了基本几何形态特征、椭圆拟合特征、圆形数量、凹点数量、菱形中间与两端的宽度比,并结合霉菌图像和夏科雷登晶体图像对这些特征进行介绍,利用这些特征对有型成分进行识别;最后,介绍了算法设计的整体流程,使用两次分割将目标与背景分离,考虑不同图层拍摄的5张图像,将其合并成一张图用在第一次分割中,第二次再分别对每幅图做阈值分割,得到目标区域;再提取目标的特征值,利用这些特征值进行初次筛选,再将筛选通过的目标区域传入附加动量-可变学习速率BP神经网络中对有型成分进行识别;并对程序进行了加速优化,图像算法使用CUDA进行加速,利用GPU进行多线程运算,提高算法的检测速度。实验结果表明,本文的算法对粪便显微图像中有型成分识别的检测准确率达到了94.3%,检测速度为0.36秒,满足医院实际应用时的要求,具有一定的应用价值。据我们查阅国内外重要数据库的结果,对粪便显微图像中的霉菌和夏科雷登晶体进行自动识别检测在国内外文献未见报道。