肠癌计算机辅助识别算法的研究-软件工程专业论文.docxVIP

万方数据 万方数据 Dissertation Submitted to Zhejiang University of Technology for the Degree of Master Algorithm for Automatic Detection of Colon Cancer Candidate: Yao Lijun Advisor: Long Shengchun April 2015 浙江工业大学 学位论文原创性声明 本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进行研究工作 所取得的研究成果。除文中已经加以标注引用的内容外，本论文不包含其他个人或 集体已经发表或撰写过的研究成果，也不含为获得浙江工业大学或其它教育机构的 学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体，均已在文中 以明确方式标明。本人承担本声明的法律责任。 作者签名： 日期： 年 月 日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留 并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本 人授权浙江工业大学可以将本学位论文的全部或部分内容编入有关数据库进行检 索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 作者签名： 日期： 年 月 日 导师签名： 日期： 年 月 日 浙江工业大学硕士学位论文 浙江工业大学硕士学位论文 肠癌计算机辅助识别算法的研究 摘 要 近年来肠癌发病率剧增，为了提高患者的生存率，在癌症初期及时确诊很有必要， 而目前肠癌诊断方法中最可靠的是大肠病理检查。为了缓解病理医生的工作强度并且提 高诊断准确性，提出利用计算机辅助诊断识别肠癌病理图像。 通过分析大肠病理图像组织特征，结合病理医生的指导，本文主要提出两种有效方 法用于肠癌病理图像识别。主要工作如下： （1）提出一种基于底层特征的肠癌病理图像识别：利用改进型 GLRLM 算法与梯度 方向直方图（HOG）结合识别肠癌病理图像。一方面，算法充分利用大肠病理图片的颜 色特征，采用 K 均值将大肠病理彩色图像量化为 3 类，计算行程纹理特征，克服传统 GLRLM 直接将灰度图量化为固定灰度等级而未充分考虑病理图像的缺点；另一方面， 基于肠癌病理图像与正常图像的梯度差异，将改进型 GLRLM 算法与 HOG 结合，并对 结合后的特征进行 mRMR 特征优化分析，对优化后的特征利用 SVM 分类，从而验证特 征提取有效性及特征优化算法准确性。实验结果表明，将 HOG 与改进型 GLRLM 结合 后的算法比单一改进型 GLRLM 算法识别准确率更高。 （2）结合目标对象统计学特征与 Delaunay 颜色图特征，提出一种应用于肠癌病理 图像识别的有效算法：根据病理医生的专业知识以及大肠病理组织学特征，将彩色病理 图像不同的颜色区域采用 PCA-KMEANS 方法进行准确、快速聚类，对三类目标对象（腺 腔及上皮细胞质、细胞核、间质）采用启发式搜索算法实现分割。将这三类目标对象的 统计学特征和 Delaunay 颜色图特征结合，实现多特征融合提取，利用 mRMR 算法实现 特征优化分析，最后训练 SVM 分类器。实验结果表明基于目标对象的组织学特征要比 单纯的图像底层特征的识别准确率更高。 关键词：肠癌病理图像识别，改进型 GLRLM，梯度方向直方图，目标对象分割， Delaunay 颜色图 i ALGORITHM FOR AUTOMATIC DETECTION OF COLON CANCER ABSTRACT In recent years, the morbidity of colorectal cancer grows rapidly. To improve the survival rate, early precise cancer diagnosis becomes a necessity. Currently, colon cancer histopathological diagnosis is the most reliable method. In order to lighten the pathologists work intensity and improve the accuracy of diagnosis, computer-aided diagnosis for colon cancer using pathological images is proposed in this paper. Combining the guidance of pathologist with the structural characteristics of pathol