计算机技术和数字图像处理技术的不断发展,使得医学图像诊断在现代医疗中的地位越来越重要,现代医学已经越来越离不开医学图像所提供的信息,医学图像在临床诊断、教学科研等方面有着极其重要的作用。 本文针对肾脏组织切片图像中肾小球的提取及球内细胞核的统计分析对医学图像的识别技术进行了研究。所提出的肾小球组织的分割方法有三种,方法一,通过观察样本图像可知,肾囊壁内侧的空腔信息较肾囊壁信息强,因此将空腔定义为边界,定义复差分模板利用神经网络训练得到非线性阈值曲面对空腔边界进行增强,并融合传统意义上的肾囊壁边界,从而构造出完整的肾小球边界,达到提取目标物的目的;方法二,为了降低边界增强的难度,采用经典的边缘检测方法LOC滤波器增强边界,然后从寻找边界的角度出发,采用遗传算法在含有噪声的图像中搜索目标边界,从而提取目标;方法三,为保持真实边界的完整性,采用分水岭算法得到含有噪声的边界图像,结合遗传算法的搜索定位寻找肾小球组织的位置重心,将其设置为种子,利用区域生长法提取目标。 在成功提取肾小球组织后,对其内部的细胞核采用可变阈值与特征量反馈的方法进行二值化处理,利用模糊函数构造一个非线性阈值曲面,通过特征量反馈调节该阈值曲面直到自定义目标函数最优,得到最佳分割效果。对所得到的细胞核面积及数量进行统计,得到以面积为横坐标,以数量为纵坐标的统计分布图,计算均值及方差,给出病理数据。 本论文利用图像处理方法和智能算法对肾小球及球内细胞核的分割进行了研究,西安理工大学硕士学位论文实现了一个肾脏组织切片图像的自动处理系统。实验结果表明,该系统能够达到很好的分割效果。关键词:神经元网络,边界融合,遗传算法,分水岭算法,区域生长