论文部分内容阅读
胰腺癌是一种诊断和治疗难度较大的消化道恶性肿瘤，近年来其发病率及死亡率呈明显上升趋势，对胰腺细胞进行研究与分析对于胰腺癌的早期预防和临床诊断有具有积极的意义。目前医学研究的有效方式是通过对活体细胞切片进行显微成像，然后对细胞图像进行处理，得出诊断结果。由于染色、光照不均匀以及取样方法等问题，常会造成细胞相互重叠、团簇、粘连，给诊断带来很多困难。为解决这些难题，需要研究高效的分割方法将粘连团簇的细胞精确地从背景中分割开来。目前很少有公开报道关于人体胰腺细胞图像的自动分割方法，因此急待解决。本文针对人体胰腺细胞图像所存在的多个问题，结合K-均值聚类和自适应形态学，研究并提出了一种自动分割方法，旨在实现满意的分割效果。主要研究内容如下：①观察人体胰腺细胞图像特点，研究并提出了面向胰腺细胞图像的基于K-均值聚类法的粗分割方法，可将细胞图像中背景、干扰和目标前景三个部分进行聚类，为后续精细分割提供了局部图像连通域。②针对传统数学形态学算法中结构元素形状和大小固定的缺陷，提出了一种基于自适应数学形态学算法的细分割方法。该算法可通过判断连通域是否粘连，自适应计算与粘连细胞匹配的结构元素尺寸，然后进行相应的形态学操作，从而针对不同粘连情况的细胞进行相应的分割。③综合以上两点，形成了一种基于K-均值聚类和自适应形态学的胰腺细胞图像自动分割方法，该方法从原理上还可以适用于其它组织细胞图像分割。分割结果表明，本算法可以自适应地对粘连重叠不同程度的细胞进行准确地分割，与传统形态学方法相比，分割效果较好。④在MATLAB GUI环境下设计了一套完整的自动细胞分割演示系统，该系统融合了本文算法与经典的图像分割算法，可以实现对多种细胞图像的多种分割操作，并展示分割效果。文中详细介绍了该软件的制作方法，并加以图片展示了该软件的运行界面及运行结果。本文方法的实验结果表明：本文方法能够在复杂图像背景下，有效分离出重叠、粘连的胰腺细胞，分割准确度优于一些其它常用的细胞图像分割算法。此外，结合本文方法的演示系统运行结果表明，本系统设计简洁，易于操作，实用性强，可以实现细胞图像多种方式的自动分割。本文研究为探索实现人体胰腺细胞及其他类型组织细胞图像的自动分割提供了新颖的理论和方法依据，为胰腺领域的健康监护和癌症辅助诊断奠定了基础。