导　　师： 沈琳琳

授予学位： 硕士

作　　者： (）;

机构地区： 深圳大学

摘　　要： 人体表皮细胞(HEp-2)在医学疾病检测上有着重要作用,其样本图片的诊断一般由专业人员通过肉眼观察完成,工作强度大且容易受主观因素影响。近年来人们尝试用计算机视觉算法来进行HEp-2样本自动化判读。该过程分为两个部分,第一部分为阴阳性判断,第二部分是样本的核型判断。目前业界研究主要集中在第二部分,第一部分的工作还较少。针对该问题,本文采用了两种不同的方法来解决HEp-2样本图片阴阳性判断问题。第一种方法是结合全局特征与局部特征来对HEp-2样本图片进行阴阳性分类,首先根据样本的全局特征判别出那些较为明显的样本,剩下的样本通过一系列的预处理,图像增强,物体分割等方法确定感兴趣区域,再在这些区域上提取局部特征并对样本进行分类。第二种方法是用深度学习技术来解决该问题,本文首先以旋转、尺度变换等方法对训练数据进行扩充,再选取VGG-16和Goog LeNet这两种网络进行训练,将训练好的网络用于HEp-2样本图片分类。最后,本文还尝试将深度学习方法和SVM(支持向量机)结合起来,用卷积神经网络提取特征,SVM进行分类,发挥二者的优势共同解决问题。本文在含877张阳性样本,413张阴性样本的SZU数据库上进行测试,测试结果表明深度学习方法在整体结果上比结合全局特征和局部特征的方法更好,其总体准确率最高能达到99.87%。论文最后介绍了HEp-2样本图片阴阳性分类系统的软件开发过程和运行效果。

关 键 词： 阴阳性分类 全局特征 局部特征 深度学习

领　　域： [] []