全自动尿液粒子分析系统核心技术研究

【摘要】： 尿沉渣检查是临床检查中心检验操作规程中的一项基本要求,根据尿液有形成分的形状、纹理等特征来识别尿液中的红细胞、白细胞、管型、上皮细胞、结晶等各种生理或病理成分,从而为医务人员对泌尿系统疾病做出正确的诊断提供帮助。常规体格检查或化学实验中不能发现的异常变化,常可通过尿沉渣有形成分的定性以及定量分析而确定。由此可见,尿沉渣的镜检具有非常重要的临床意义。为了提高结果的客观性,减少人为因素对结果的影响,提高尿沉渣检查的标准化,降低工作人员的劳动强度,研制全自动的尿沉渣分析仪具有重要的意义。 论文研究了尿液有形成分的检测方法,利用数字图像处理技术和模式识别对尿沉渣图像的分割和有形成分的分类进行了深入研究。从图像特征出发,将多种处理算法有机的结合,通过计算和反复实验,提出了一套完整有效的对尿液有形成分进行分析和分类的处理方案。 论文的主要任务是在全自动尿沉渣分析仪硬件系统的基础上,设计并实现其控制操作和管理软件,设计并实现对尿沉渣图像的自动识别算法。为了实现对尿液有形成分的准确分析,关键是对图像进行有效的分割。图像的质量是图像分割的基础,论文提出了基于主分量分析的自动聚焦算法,有效提高了获取的图像的质量。另外,分割前对图像的预处理可以有效降低分割的难度,提高分割的准确性。论文提出了基于局部均值拉伸的图像增强和光照不均匀消除及阴影抑制算法;然后采用细胞神经网络对图像进行分割,并结合形态学操作和基于对测点的区域二次分割方法,得到最终的有形成分分割结果;再提取有形成分区域的多项形状、统计和纹理参数,对各个区域进行描述;最后利用多BP神经网络组合得到的分级分类器对区域进行分类,从而得到识别的最终结果。 论文工作主要有六个部分: 第一部分对系统的硬件、软件系统和控制流程进行介绍。 第二部分为对尿沉渣图像的预处理算法。论文提出了基于局部均值拉伸的图像增强算法,通过拉伸图像中各个点与其某邻域内灰度均值的差异达到增强图像对比度的目的;同时可以通过对邻域内均值的变换,消除图像中光照的不均匀和阴影。 第三部分为系统中的自动聚焦算法。论文提出了基于主分量分析(Principal component analysis,PCA)的自动聚焦算法,算法通过对同一视野的对幅图像分别计算多个清晰度评价指标,然后通过PCA算法对这些指标进行融合,得到最终的清晰度评价。 第四部分为尿沉渣图像的分割算法,论文利用细胞神经网络,设计合适的模板对图像进行分割;然后结合形态学操作,实现对图像的初步分割;最后论文提出了基于对侧点的区域二次分割算法,通过对区域边缘形状的分析,确定二次分割的位置,从而实现分离粘连细胞、消除区域毛刺的目的。 第五部分为图像区域特征的提取算法,通过对图像特征及其分布曲线的分析,确定若干形状参数、统计参数和纹理参数作为对区域的描述,为分类作好准备。 第六部分为有形成分的分类,介绍了BP神经网络和支持向量机的基础知识,通过对测试结果的初步分析,提出了分级的分类器组合方法,然后在每级中采用多个BP网络进行投票以提高分类的准确度,从而最终实现全自动的尿沉渣检查。