论文部分内容阅读
随着物理学、信息科学和医学越来越紧密的结合,更多人体成像工具进入医学临床诊断和治疗领域,一些新的学科和跨学科的研究领域也相继诞生。影像导引下的计算机辅助诊断就是其中的一个典型应用,主要是通过计算机自动识别医学图像,利用人工智能的方法进行医学诊断。
尿沉渣检查是尿液常规检查的一部分,该方法可以弥补尿液的化学检查等方法的不足。但传统的人工检测方法过程繁且易受主观影响,本文利用数字图像处理技术和模式识别等相关理论,对如何实现尿沉渣显微图像有形成分的自动识别与分析进行了深入的研究。
图像目标识别的一般过程为图像的预处理、图像的分割与二值化、目标的检测与定位、特征的提取与选择、分类器的训练与识别应用,为了提高识别的性能,以上各个环节都必须寻求最佳的可行方法。传统的目标识别方法中用于分类器的特征提取对先前步骤中的图像分割和目标检测的精确性有较高的要求。而尿沉渣显微图像中的有形成分种类很多,一些面积较大成分边界不明显,而一些成分常常粘连在一起,很难有方法准确地将各种有形成分逐一分割出来。
本文针对以往尿沉渣图像有形成分识别方案的缺陷,并结合尿沉渣图像的特点,提出一种新的处理思路:首先利用基于显著图的方法对尿沉渣图像进行ROI(感兴趣区域)提取,然后在ROI内利用多尺度的窗口进行扫描,在图像识别时结合使用基于特征提取得分类技术和基于记忆模板匹配的图像识别技术。通过实验分析,采用本文所提出的尿沉渣图像有形成分识别方案较之以往的系统方案在准确率方面得到了提高,验证了本文方案的有效性。