【正文】 在論文寫作期間，還得到了幾位研究生學長的幫助，在此我也向他們表示感謝。同時，陳老師嚴謹求實的治學態(tài)度，高度的敬業(yè)精神，兢兢業(yè)業(yè)、孜孜以求的工作作風和大膽創(chuàng)新的進取精神成為我學習的榜樣。在陳老師的悉心指導(dǎo)下，經(jīng)過近一年的學習與研究，我已從一個外行慢慢的融入到了課題研究中，學到了許多新的知識以及如何開展研究的方法。 Effect of multiscale processing in digital chest r adiography on automated detection of lung nodule with a puter assistance system， Journal of Digital Imaging, v 21, n SUPPL. 1, p S164S170, October 2008[26] 王宏，致 謝論文即將完成，在此，我首先要向我的導(dǎo)師陳勝勇教授和張海燕老師表示致敬。 He, Wen。%計算矩度E=min(H,W)/max(H,W)。%計算面積C=(L*L)/(4*pi*A)。%I矩陣轉(zhuǎn)置后，計算寬度L=sqrt(2)*nd+nx+ny。%計算目標高度W=max(sum(I39。%計算周長像素點的總數(shù)nd=snnxny。 end p1=p2。for j=1:y for i=1:x if(bw(i,j)0) p2=i。p2=0。 %判斷是否為垂直方向連續(xù)的周長像素點 if((p2p1)==1) ny=ny+1。ny=0。%檢測垂直方向連續(xù)的周長像素點p1=0。 %檢測目標的邊緣跟蹤figure。[x,y]=size(I)。)。end附錄E 形態(tài)特征提取%形態(tài)學分析I=imread(39。 endfor i=1:s y0([i])=round(y([i]))。 end endy=[]。for i=1:Number if Sum([i])(*avr) s=s+1。 %二值圖像大小m=j*k。(Sum([i])=(*avr)) n=n+4。(Sum([i])=(*avr)) n=n+3。(Sum([i])=(*avr)) n=n+2。 end n=n1。 n1_all=n1_all+Sum([i])。endavr=num_all/Number。 %將元素個數(shù)存入Sum數(shù)組endnum_all=0。 Num= length(rc)。 %依次統(tǒng)計貼標簽后數(shù)組for i=1:Number [r,c] = find(Array==i)。 %初步取得細胞個數(shù),認為8連通 %得到Number初值為169Array = bwlabel(bw2,8)。imshow(bw2)。 %結(jié)構(gòu)元素確定bw2=imopen(bw1,se2)。disk39。imshow(bw1)。)。bw1=bwfill(bw,39。 %figure。imshow(J)。 %把索引圖像轉(zhuǎn)變?yōu)榛叶葓D像%imhist(J)。)。imshow(bw01)附錄D 成熟紅細胞計數(shù)[I,map]=imread(39。imshow(D1,[])。D1=bwdist(~bw1)。%生成距離圖像figure。%開運算，獲得連續(xù)的邊緣，消除毛刺和孤立的像素點bw01=bw1。figure。,4)。%填充se1=strel(39。figure。holes39。imshow(bw1)。bw1=roicolor(I2,96,173)。%figure。%figure。)。grid附錄C 顯微細胞圖像預(yù)處理%圖像二值化及二值圖像處理[I1,map]=imread(39。.39。figure。z=x39。 B(i,1)=A(k+1,1) B(i,2)=A(k+1,2)for n=(k+2):(j1) if B(i,2)A(n,2) B(i,2)=A(n,2) endendx=[B(:,1)]。grid%j1個數(shù)，分段，每段十個，選出各段的最大值，用最大值來大致描述灰度直方圖變化趨勢l=fix((j1)./10)。.39。figure。z=x39。for i=1:256 if count(i)~=0 A(j,1)=i A(j,2)=count(i) j=j+1 endendx=[A(:,1)]。count=imhist(I2)。%figure。%figure。)。grid %下面開始擬合%為確定閾值做的數(shù)據(jù)篩選[I1,map]=imread(39。.39。figure。z=x39。 %返回圖像矩陣I2各個灰度等級像素個數(shù)for i=1:256 A(i,1)=i A(i,2)=count(i)endx=[A(:,1)]。imhist(I2)。imshow(I2)。I2=ind2gray(I1,map)。39。th=tp+p。end %求出不同k值時類間的方差d=(u*wua).^2./(w.*(1w))。 ua(i)=u。 %計算圖像平均灰度u=0。 %p和q分別為灰度起始和結(jié)束值p=st。L=256。 %返回圖像矩陣I2各個灰度等級像素個數(shù)[m,n]=size(I2)。%function th=thresh_md(I2)。figure。figure。)。附錄A 最大方差法求閾值[I1,map]=imread(39。由于本課題研究內(nèi)容涉及計算機圖形學、數(shù)學、統(tǒng)計學、醫(yī)學診斷等多門學科，研究內(nèi)容復(fù)雜，所以為了能真正開發(fā)出能提高醫(yī)學診斷效率與準確率的圖像自動分析與識別系統(tǒng)，未來還有很多工作等著去完成。 前景展望本人在研究生階段將繼續(xù)致力于各種顯微細胞圖像形態(tài)分析的研究中，并完成各種細胞顯微圖像的自動識別等任務(wù)，為最終研究開發(fā)出顯微細胞圖像自動識別與分析系統(tǒng)搭建扎實的理論基石。要把理論研究的成果多與實際相聯(lián)系，或者根據(jù)實際的需要開展理論研究，來解決實際問題。同時要概況出文獻中介紹方法的特點以及優(yōu)缺點，以便學習和改進；(2) 研究的過程中，遇到難題是不可避免的，一定要做深入思考。現(xiàn)將自己的研究心得分享一下幾點，以供閱讀者參考同時也可以時常提醒自己，引起關(guān)注。因為是課題研究的新手，在本文研究的過程中，也遇到了很多的問題，有時會灰心甚至想放棄。在圖像分析階段，本論文首先介紹了細胞病診斷的醫(yī)學基本依據(jù)，并把顯微細胞圖像形態(tài)學分析應(yīng)用到血液病診斷中。本論文首先對基于形態(tài)學重構(gòu)的邊緣檢測算法及基于形態(tài)學的流域分割算法做出了研究，并基于數(shù)學形態(tài)學的理論，總結(jié)了一套完整的基于形態(tài)學的顯微細胞圖像處理方法。認真學習了數(shù)學形態(tài)學的基本理論，該理論在圖像處理中的應(yīng)用正是現(xiàn)階段圖像處理研究的熱門話題。根據(jù)以上形態(tài)學參數(shù)，在未來的時間里再收集更多的醫(yī)學顯微細胞圖片，提取多種顯微細胞及同種細胞不同形態(tài)的特征參數(shù)，做統(tǒng)計，再讓計算機“記憶”，從而實現(xiàn)自動識別功能，這將對細胞病醫(yī)學診斷以及細胞周期的研究有很大的臨床應(yīng)用價值。 數(shù)據(jù)統(tǒng)計與初步診斷分析將本章1，2節(jié)的得到的數(shù)據(jù)統(tǒng)計整理如下表： 成熟紅細胞形態(tài)參數(shù)計數(shù)面積(大小)周長圓度矩形度研究結(jié)果190793136實際值195769誤差估計%% 本文后續(xù)將提取更多種類的顯微細胞形態(tài)參數(shù)，按照這些參數(shù)指標的不同進行分類，以獲得可供細胞識別的判別函數(shù)。另一個矩形度參數(shù)是長寬比KK =W/L其中，W是物體外接矩形的寬，L是物體外接矩形的長，這個特征可以把較纖細的物體與方形的或圓形的物體區(qū)分開來。當圖像給定后，即可求出物體的最小外接矩形(MER)，而反映物體矩形度的一個參數(shù)是矩形擬合因子RR = Ao/Ar其中，Ao是物體的面積，Ar是物體最小外接矩形的面積?；谶@個原因，采用復(fù)雜度來衡量圖形的復(fù)雜程度，其最常用的復(fù)雜度可用如下式表示：C=P*P/(4*PI*A)其中，P為圖形周長，A為周長所圍面積。形態(tài)參數(shù)的選?。褐荛L與面積的計算設(shè)鏈碼為偶的像素個數(shù)為M，為奇的像素個數(shù)為O，則周長P為：P=M+O周長所圍的面積A為：A=S[(M+O)/2+1]式中，S為所有象素個數(shù)。；(3)鏈碼跟蹤的方法是以逆時針進行，除第1次跟蹤從正左方向開始外，其余各點都從以該點為中心的前一個點逆時針增加45176。 下面先簡單的介紹用于邊緣跟蹤的鏈碼技術(shù)：邊界跟蹤采用的是鏈碼技術(shù)，即先依某種規(guī)則找出一個邊界點，然后以該點為中心，再去找其他的邊界點，因為此時鏈碼規(guī)定的就是從當前邊界點走到下一個邊界點這一步驟必須采用的方向。通過對細胞面積、周長、圓度，矩度等形態(tài)參數(shù)的提取，是未來做細胞圖像識別的基本依據(jù)。研究結(jié)果表明，用該方法對顯微細胞進行計數(shù)，誤差較小，在自動化計數(shù)中具有一定的實用意義。通過該算法得到的成熟紅細胞計數(shù)結(jié)果為N=190。 重疊處理。輸入顯微細胞圖像基于形態(tài)學的顯微細胞圖像預(yù)處理二值圖像的區(qū)域標定，并獲得連通區(qū)域像素個數(shù)獲得正常紅細胞大小重疊細胞處理得到計數(shù)結(jié)果并作驗證 成熟紅細胞計數(shù)流程圖MATLAB演示程序見附錄D,關(guān)于流程的幾點說明： 成熟紅細胞原始圖像： 成熟紅細胞顯微圖像 基于形態(tài)學的顯微細胞圖像處理流程已在本文第三章第三節(jié)給出了介紹，本章直接使用，： 圖像處理后的成熟紅細胞二值圖像對二值圖像做區(qū)域處理時，選用8連通，并獲得連通區(qū)域像素個數(shù)并計算區(qū)域的平均值avr，得到結(jié)果為793。 在分析評價成熟紅細胞意義時應(yīng)注意：成熟紅細胞是正常形態(tài)結(jié)構(gòu)還是異常形態(tài)結(jié)構(gòu)；是大成紅細胞還是瘦小成紅細胞；是巨成紅細胞還是超巨成紅細胞；是血紅蛋白充盈飽滿還是血紅蛋白淺淡蒼白；是球形紅細胞還是非球形紅細胞；是正色性紅細胞還是多色性紅細胞；并要分清是一般貧血常見病理改變還是具有特殊診斷價值的病理改變。此種細胞正常1%~2%。(5)淚滴狀紅細胞：形狀類似淚滴狀，但血紅蛋白飽滿，與缺鐵性貧血，梨形紅細胞不同，此細胞增多提示骨髓纖維化。(3)球形紅細胞：體積較小，圓形、中央濃染似球形，直徑小，5~，厚度2μm；正常血片僅見3%~4%，如20%有意義，見于自身免疫性溶血性貧血及遺傳性球形細胞增多癥。(2)異形紅細胞：紅細胞呈棒狀、臘腸狀、球形、橢圓形、梨形、棱形等畸形。見于缺鐵、慢性病貧血、繼發(fā)貧、珠蛋白生成障礙性貧血。見于巨幼貧、混合性貧血、紅白血病、MDS。見于溶血、巨幼貧、MDS、混合性貧血。成熟紅細胞形態(tài)的病理性總結(jié)如下：大小異常(1)正常紅細胞：直徑7~8μm。因此，密切觀察成熟紅細胞形態(tài)結(jié)構(gòu)有否異常，對紅系疾病診斷及鑒別診斷意義極大。 成熟紅細胞形態(tài)的病理性及臨床意義一般來講，成熟紅細胞是原始、幼紅細胞發(fā)育成熟的階段。血小板壽命約7～14天。血小板顆粒物質(zhì)的釋放，則進一步促進止血和凝血。血小板的表面糖衣能吸附血漿蛋白和凝血因子Ⅲ，血小板顆粒內(nèi)含有與凝血有關(guān)的物質(zhì)。電鏡下，血小板的膜表面有糖衣，細胞內(nèi)無核，但有小管系、線粒體、微絲和微管等細胞器，以及血小板顆粒和糖原顆粒等。在血涂片中，血小板常呈多角形，聚集成群。它是骨髓中巨核細胞胞質(zhì)脫落下來的小塊，故無細胞核，表面有完整的細胞膜。無粒白細胞有單核細胞和淋巴細胞兩種。光鏡下，根據(jù)白細胞胞質(zhì)有無特殊顆粒，可將其分為有粒白細胞和無粒白細胞兩類。血液中白細胞的數(shù)值可受各種生理因素的影響，如勞動、運動、飲食及婦女月經(jīng)期，均略有增多。男女無明顯差別。白細胞(leukocyte)白細胞為無色有核的球形細胞，體積比紅細胞大，能作變形運動，具有防御和免疫功能。此時常伴有紅細胞的直徑及形態(tài)的改變，如大紅細胞貧血的紅細胞平均直徑9μm，小紅細胞貧血的紅細胞平均直徑6μm。紅細胞的數(shù)目及血紅蛋白的含量可有生理性改變，如嬰兒高于成人，運動時多于安靜狀態(tài)，高原