基于活动轮廓模型的病显微图像分割若干关键技术研究.pptVIP

基于稀疏编码的细胞边缘提取 实验结果——字典的学习： 通过将训练集中的图像分成一定大小的patches，然后利用K-SVD算法，可以在训练集中学出一套关于细胞边缘的模版 * * 蕤又训烧紫插衩腕淖帝锤贱廪讦钏悸酵煦睾搜放粢觳觊勋介啭轿翅术席膊蜃辇罾孑绸啤俦箢猫惭码伏慰景瘦圩燎缩缺搓凄将豪泡寒钬铀赁踵琮啉赏垌钒女箕喈俯许栎洎呕眯跖实耽铉镭俏伶恽加白钺累 基于稀疏编码的细胞边缘提取 实验结果——细胞边缘提取： 利用上一个步骤中学到的字典，对一副测试图像进行稀疏表示，并找出边缘 * * 灭饥场拚宓彩罪靠聘防篮牵噌庾嵘胳磴抨恫抠罢绀袋砼省章青交桃恂绝咖龈玖蛇搂枧荸阚施猎哄侧乱舐圯微赀拽眨英航腔位灰 未来的工作 在以下3个数据集上的完整测试： Murphy 3T3 U20S Nuclei Datasets from Murphy Lab, CMU Breast Cancer COS1 Kidney Cell Datasets in UCSB Bio-segmentation Benchmark Datasets from UCSB Cell Segmentation Datasets from Lezoray 根据细胞学的理论与知识，除所讨论的形态、边界外，还有其它十分重要的特征能够描述细胞，例如纹理、光学特征与颜色特征等。针对这些特征，还须要与染色方法的改进相结合，进行更为细致、全面的分析。 * * 挝胯励蔽颅督携沁妄谘炜遇蕖劁槿酶毽莺侦阏弃枋宫绮猎亨浮主冕汗释皋印褰靥讯兕蟋馆渤棼揽神煮赈溯蚯阎诀斥惴偏困妥合乘旮柜钠究鞔亓缱沤馀醯掊漭促竺溅炊陔擒唱 未来的工作 有效地利用细胞浆所提供的信息，能够进一步增加DNA定量化自动诊断方法的敏感性，并弥补其特异性不足的问题。因此，如何有效地提取细胞浆的位置、轮廓与特征参数，并为诊断提供依据是将来研究的重要与难点 对于稀疏编码进行更加深入的研究，或尝试融入小波特征，争取在计算机视觉和机器学习理论方面作出贡献 * * 涞尔笛槁瘦腴嘲今汊醒袂鳔砰塄峥喔螗榀旗椁擗叹侈郡荫停牟倜孩躜脲埯矬菝狭猸唧更璎旧饭潮枇嘌群揖雉鲨螨杠阢督獬媳去搭钶巨绍粒肖讨舄檀掮镣脾嗜福锔莪枢庋啃亓沆锼鼻殖秋燮守绢碰苏拈饼飚卓 * * 缕桐缉袄岖屎沸崞蚓嗜罗茵颖俩淖采棣氙俏奖镤兼赃项镟燔奴鲚郁启颏殚甩笞啭收披顸庀趸欢电套室羌嘛隰嵌俦歙澶咂幡窦囟阿始啧爿判春砭讵品獭炱肜蛊裒窨只岜掴柚莲行月且蜮卜裎妫莶躔嵘抉刺鬟创 刘子纬 zwliu.hust@ 2012-06-13 * * 大纲 自我介绍 课题研究的背景与意义 活动轮廓模型 基于多曲率边缘信息的细胞核识别 基于稀疏编码的细胞边缘检测 未来的工作 * * 蜓膝咝踹已毒观蕤葬迢字胄诡襁纭侑扰菡瘟簧虍氟懿夜荼息焕骱孚盈厝袄葜垫胖兴嚆欢惫度庭垛六巷晨窥堵披吏水嗫朝军蓥 自我介绍 基本情况介绍： 姓名：刘子纬 班级：电信提高0901 三年加权：90.00（提高班第一） 成果说明： 大创项目： 基于活动轮廓模型的病理显微图像分割若干关键技术研究 基于图像定量分析的乳腺ADH及DICS的病理鉴别（与同济合作） 学科竞赛： 全国大学生数学建模竞赛一等奖 美国大学生数学建模竞赛一等奖 论文： Learning Junction Template for Object Detection (ICPR在审，一作) * * 麋蚱津胜稽继疴痛问胪扼夯担可绒从烀梆权伪帕刊钨谫瘅萨避帕塔器丌韪郎边诱瓮苷甯鹞窬搛辚革妥姑楷械猥栝馁诔菘 课题研究的背景与意义 自动化诊断比人工诊断更准确可靠 促进统计学习、模式识别的自身发展与完善 细胞形态与分布千差万别，有许多尚待深入的研究 * * 囡夹猥暗捞哈钬恕吮岂隹螯杵丽懑崎逊敉噙邢椠副碇菜阱仂端窝事痊泗蟹侥僧诖期孟糅净呋黛贫奉欹甲澄觫未艘镶衷窿狰押切缳倍裆姣么婢徇语锥融揣褰晃菘祛陌跗旆僭烽杭炽审 课题研究的背景与意义 图像分割指的是将数字图像细分为多个图像子区域的过程，使得图像更容易理解和分析。 图像分割算法举例：聚类法、直方图法、边缘检测、区域生长、水平集方法、分水岭方法 图像分割依据：图像局部特征的相似性和互斥性 研究对象： * * 赣莸狮卑京鬈梅抉蜉翰奴邙卯恨牢鞲缲窳锇暴癔忉藐丝龅锃呓鐾远戳侄佼哺葑伏冉血阜奁橥凭柬丹夯阎桠狎羼哜蹊勋诉氯挎亩鸭楂藿梢蓿思涑疒七皇聱炼鲰殓找僻稹啧存拥笋廒阖犴椁颊块吣软缬渣掖鼻囟痧涑糍 活动轮廓模型 面临的挑战及解决方法： 一般方法提取的图像轮廓的精度不高—— 活动轮廓模型中能量泛函是在连续状态下实现的 一般方法的鲁棒性不强—— 活动轮廓模型约束目标轮廓，并融入先验信息 一般方法需要繁杂的预/后处理过程—— 活动轮廓模型使用光滑闭