基于小波分解和多尺度形态学乳腺细胞图像自动分割识别-automatic segmentation and recognition of breast cell image based on wavelet decomposition and multiscale morphology.docxVIP

摘要乳腺癌已经成为女性最常见的恶性肿瘤，而且患者数量正在逐年增加。乳腺 癌的早期发现、早期诊断，是提高疗效的关键。在乳腺癌诊断过程中，唯有进行 组织切片病理检查才能确诊有无癌症。在显微镜下观察切片图像可以发现，病变 细胞与正常细胞相比有较大的亮度变化，颜色更深且大多数细胞面积偏大。利用 计算机技术对显微细胞图像进行定量分析，可以辅助医师对细胞的病变状态进行 判别，具有很大的应用前景。由于染色过程以及图片采集过程存在一些不可避免 的诸如染色剂和光照等影响，乳腺组织切片存在细胞染色不均匀、细胞和背景对 比度不明显、细胞内部存在孔洞、细胞粘连等问题。本文针对这些问题，研究并提出了一种基于小波多尺度区域生长和双策略去 粘连模型的乳腺细胞图像自动分割算法，并提出了基于假设检验的特征选择算法， 进行了相应的自动分类研究。本文主要研究工作如下：① 本文针对乳腺细胞切片图像分割所存在的难点，提出了一种结合小波变换 和多尺度区域生长的粗分割算法，该算法将小波分解和区域生长结合起来，利用 对小波分解的结果进行不同程度腐蚀后的结果作为种子点，并采用不同的阈值进 行多尺度区域生长；接着利用最优投票机制对多尺度的区域生长结果进行选择， 提取出最优细胞区域。② 针对细胞粘连严重这一问题，提出了结合改进形态学算法和基于 CSS（Curvature Scale Space，曲率尺度空间）角点检测算法的双策略去粘连模型。该 模型针对细胞不同的粘连程度选择不同的分离算法，在保证提取的细胞轮廓不失 真的前提下获得准确的分界线。实现过程是：粘连较轻的细胞区域采用迭代法选 择最优的结构元半径对细胞区域进行腐蚀再分区域膨胀；粘连较重的细胞区域采 用 CSS 角点检测分割算法检测到角点，然后连接角点对，选择最佳的分割线作为 分割结果。③ 对分割后的细胞，研究了其形态特征和纹理特征的提取方法，并利用统计 假设检验方法对提取的特征进行自动筛选，利用筛选的特征对癌症和正常病人样 本进行分类识别，验证了提出的特征提取、特征选择算法的有效性。本文工作为乳腺细胞图像自动分割及细胞特征提取提供了新的思路，为基于 乳腺细胞组织切片图像的乳腺癌辅助诊断提供了新的理论基础和方法依据，有助 于乳腺细胞组织切片图像分析临床应用，具有一定的理论意义和应用价值。关键字：乳腺细胞图像分割，多尺度区域生长，角点检测，特征选择，分类识别ABSTRACTBreast cancer has become the most common cancer in women. There has also been an increase in the incidence of breast cancer year by year. Early discovery combining with early diagnosis is the key to improve curative effect of breast cancer. The only way to make a definite diagnosis of breast cancer is biopsy pathologic examination. Observing breast slice images under a microscope we can find that most cancerous cells are darker and bigger and have higher brightness variation than normal cells. At present, the effective and practical way to make quantitative analysis of microscopic cell images is using computer technology, which can assist doctors to discriminant cell pathological ill state. Due to some inevitable affection like the staining and illumination in image collection process, the breast pathologic images have such problems as uneven dyeing, inconspicuous contrast between cells and background, existing holes inside cells, overlapped cells, etc.For the multiple existing pro