基于神经网络集成模型的宫颈细胞病理计算机辅助诊断方法

针对宫颈细胞病理图像自动筛查问题,本文提出一种基于人工智能技术的计算机辅助诊断方法。该方法通过对宫颈细胞病理图像采用自适应双阈值法进行初步检测,再采用改进Chan-Vase模型进行精确分割,提取出细胞(粘连簇团)中的不同区域。然后,结合病理诊断专家规则,构建相应的正交特征集。在此基础上,使用神经网络集成模型进行正常、疑似病变二分类识别,完成计算机辅助诊断。实验表明,本文方法能够有效完成宫颈病理细胞(粘连簇团)的分类识别,具有较高的正确率(84%)与较低的误判率(2.1%)。满足了在保证判断正确率的条件下,尽量降低将疑似病变样本误判为正常样本的实际病理诊断要求。     

基于深度卷积神经网络的宫颈细胞病理智能辅助诊断方法

针对宫颈细胞病理自动筛查问题,提出一种基于深度卷积神经网络的智能辅助诊断方法。首先采用基于改进UNet深度卷积神经网络模型的语义分割方法,检测出宫颈细胞病理涂片扫描图像中的细胞(粘连簇团)区域。接着,利用VGG 16深度卷积神经网络模型,结合迁移学习技术,对检测出的细胞(粘连簇团)区域进行精确识别。为了提高深度卷积神经网络模型的性能,在进行细胞(粘连簇团)区域检测、识别的过程中,采用了数据增强技术。同时,针对该领域相关研究缺乏宫颈细胞病理液基涂片扫描图像数据集的问题,我们收集四川大学华西附二院的典型LCT筛查病例,建立了宫颈细胞病理图像HXLCT数据集,并由资深病理医生完成数据标注。实验表明,本文方法能够较好地完成宫颈细胞病理涂片扫描图像中的细胞(粘连簇团)区域检测(正确率为91.33%),并能对检测出的区域完成正常、疑似病变二分类识别(正确率为91.6%,召回率为92.3%,ROC曲线线下面积为0.914)。本文工作将有助于宫颈细胞病理自动筛查系统的开发,对于宫颈癌早期防治具有重要意义。     

基于YOLO模型的宫颈细胞簇团智能识别方法

针对宫颈细胞簇团自动识别问题,本文提出了一种基于YOLO v2模型的智能识别方法。首先,针对宫颈细胞簇团识别任务的特点,采用resnet 50模型作为YOLO v2网络的基础特征提取模块。同时,提出了相应的数据扩增方法与YOLO v2网络的训练方案。同时,我们收集宫颈细胞液基涂片扫描图像,建立了宫颈细胞簇团图像数据集,并由细胞病理专家对其中的细胞簇团进行了标注。实验表明,本文方法能够有效完成宫颈细胞病变簇团的自动识别,在测试图像集中,针对细胞簇团识别的准确率为75.9%,召回率为86.3%;针对宫颈细胞图像识别的准确率为87.0%,召回率为86.7%。本文将深度学习技术引入到宫颈细胞辅助筛查领域,对于促进宫颈癌早期自动筛查系统的研究,具有重要意义。     

色度与亮度特征相融合的彩色人脸识别算法

在存在色度与亮度差异性的条件下,彩色人脸的识别准确度不高,为了提高彩色人脸的识别性能,提出基于色度与亮度特征相融合的彩色人脸识别算法。对采集的原始彩色人脸图像进行色度均衡处理,采用特征提取方法进行人脸的关键特征点定位,提取人脸图像的色度和亮度特征。对提取的特征量根据眼睛和眉毛等关键点的差异性进行信息融合,对提取的眼部区域色度信息进行二值化分离和信息增强处理,提高对彩色人脸图像的特征识别能力,实现彩色人脸识别算法的改进设计。仿真结果表明,采用该方法进行彩色人脸识别的准确识别率较高,抗色度和亮度的局部干扰能力较强。     

一种自适应光照的肤色识别算法

提出了一种YUV色度空间和YIQ色度空间相结合的基于Gamma变换的自适应光照变化的肤色识别算法。实验证明，该算法无论是正常图像还是受光照影响的图像都能很好的提取出其中的肤色信息。     

基于小波变换和支持向量机的彩色纹理识别

为了提高纹理图像的识别率,提出了一种将颜色信息融入到纹理识别中的新方法--基于小波变换和支持向量机的彩色纹理识别.首先将彩色纹理图像转化到HSV彩色空间,用小波变换进行树形结构小波分解提取彩色纹理的特征,然后用SVM对不同的特征进行纹理分类识别.对不同的彩色自然纹理图像进行了实验,并将结果与已有的进行了比较.实验结果证明,此方法的正确识别率比较高.     

适于多尺度宫颈癌细胞检测的改进算法北大核心CSCD

深度学习技术因其强大的特征提取能力而被广泛应用于目标检测任务中。针对多尺度宫颈癌细胞的识别准确率不均衡、检测效率低等问题,本文提出一种基于YOLO v3模型的改进识别算法mo-YOLO v3(mini-object-YOLO v3)。选用20倍数字扫描仪下采集的宫颈细胞图像作为数据集,为提高算法的鲁棒性,引入对比度增强、灰度图、旋转和翻转等多种数据增强策略扩充数据集;模型以Darknet53网络结合注意力机制作为主干模块,针对宫颈癌细胞尺寸差异大的特点,提出一种多尺度特征融合算法来优化模型结构;针对小目标检测精度低的问题,提出一种改进的损失函数,采用相对位置信息的方法减弱物体框对检测结果的影响。测试结果表明,本文所提的mo-YOLO v3模型不仅在总体识别精度上有明显的优势,同时大大提高了小尺寸宫颈癌细胞的定位精度。该模型对宫颈癌细胞识别的准确率达到90.42%,查准率达到96.20%,查全率达到93.77%,相似指数ZSI为94.97%,高于同类算法。     

基于CNN的乳腺癌病理图像分类研究

乳腺癌已经成为全球第一大癌症,乳腺癌的早期发现及良恶性诊断对于治疗具有重要的意义.针对传统机器学习方法在乳腺癌病理图像分类任务中性能不足和准确率低的问题,本文提出了基于CNN(卷积神经网络)的乳腺癌病理图像分类模型,将乳腺癌病理图像分为良性与恶性.该模型以VGG网络为基础,对网络结构进行调整,在公开的BreakHis数...     

色度马氏距离图与灰度图特征自适应融合的彩色人脸识别

色彩提供了比灰度更为丰富的信息,鉴于彩色人脸图像所包含的鉴别信息远多于灰度人脸图像,将色度马氏距离图引入彩色人脸识别中.基于YCbCr颜色空间,分离彩色人脸图像的色度与亮度信息,构建出基于色度信息的马氏距离图,同时分离出基于亮度信息的灰度图.提出一种色度马氏距离图与灰度图特征自适应融合的人脸识别算法.分别构造出色度马氏距离图与灰度图的基于小波包结点能量的归一化特征向量,采用多种融合策略进行特征融合,并根据融合效果自适应地选取特征融合参数,构造出最佳的鉴别特征向量,实现色度与亮度特征的互补.使用基于方差相似度的分类器获得人脸识别结果.实验表明:该算法识别率高、鲁棒性好.     

基于小波概率神经网络的彩色纹理识别

提出了一种将颜色信息融入到纹理识别中的新方法--基于小波概率神经网络的彩色纹理识别.首先将RGB彩色纹理图像转化为HSV彩色模型,用小波变换(WT)进行树形结构小波分解提取彩色纹理的特征,然后使用概率神经网络对测试样本进行分类识别.实验结果证明,该方法的识别效果比较好.     

Representations of Relative Display Gamut Size

Gamut size of a wide gamut display is usually represented with the ratio of its chromaticity triangle area and the chromaticity triangle area of a standard display in CIE xy color coordinates. Such a chromaticity area ratio (CAR) is a rough relative gamut size, because CIE xy is a nonuniform color coordinate system and display gamut is a volume in color space. The representation of relative gamut size with the ratio of the discernible color numbers in a display gamut and NTSC TV gamut is studied. This ratio is called the discernible color number ratio (DCNR). Discernible color number is counted with CIE94 color difference formula in CIELAB color space. It is found that CAR is larger than DCNR for the display with primary purity higher than NTSC primary purity. For example, the CAR of a practical light-emitting diode (LED) display with respect to NTSC TV is 7.8% overestimated, in which red, green, and blue LED primary wavelengths are 625, 520, and 470 nm, respectively; red, green, and blue LED bandwidths are 20, 40, and 30 nm, respectively. In addition, the DCNRs of wide gamut displays with respect to the object color of the same white illuminant are investigated. It is shown that the gamut size improvement for laser display compared with LED display is not significant.     

Directional processing of color images: theory and experimentalresults

The processing of color image data using directional information is studied. The class of vector directional filters (VDF), which was introduced by the authors in a previous work, is further considered. The analogy of VDF to the spherical median is shown, and their relation to the spatial median is examined. Moreover, their statistical and deterministic properties are studied, which demonstrate their appropriateness in image processing. VDF result in optimal estimates of the image vectors in the directional sense; this is very important in the case of color images, where the vectors' direction signifies the chromaticity of a given color. Issues regarding the practical implementation of VDF are also considered. In addition, efficient filtering schemes based on VDF are proposed, which include adaptive and/or double-window structures. Experimental and comparative results in image filtering show very good performance measures when the error is measured in the L*a*b* space. L*a*b* is known as a space where equal color differences result in equal distances, and therefore, it is very close to the human perception of colors. Moreover, an indication of the chromaticity error is obtained by measuring the error on the Maxwell triangle; the results demonstrate that VDF are very accurate chromaticity estimators.     

On Color Texture Normalization for Active Appearance Models

The extension of the standard grayscale active appearance model (AAM) techniques to color images is investigated. Prior work in this field has mainly focused on RGB color models which did not demonstrate noticeable benefits over grayscale models from the point of view of convergence accuracy. We improve on previous work by normalizing the color texture vector separately for intensity and chromaticity components. Where an appropriate color space is chosen, we demonstrate improvements in convergence accuracy as well as image synthesization quality for AAMs. Optimal results are achieved when a color space in which the image channels are strongly decorrelated is chosen. Our best results are achieved using the I1I2I3 color space, originally proposed by Ohta.      

基于注意力机制和残差结构的细胞核分割方法

病理细胞核的精准分割是病理学诊断的基础,然而当前算法针对带有核分裂象的乳腺癌细胞核自动分割效果差强人意。本文针对当前细胞核分割算法展开分析研究,并提出了一种基于注意力机制和残差结构相结合的U型网络(U＿net)用于解决因核分裂象和非核分裂象细胞形态特征十分接近造成细胞核分割精度不足的问题。通过实验表明本文提出算法的平均像素准确率(mean pixel accuracy,MPA)和Mean＿dice指标系数分别为0.74和0.82。与原有算法相比,训练指标分别提升了11%和9%,证明本文算法的可行性。     

基于空洞U-Net网络的乳腺细胞图像分割算法

乳腺细胞的准确分割是乳腺组织切片图像病理分析的关键环节,对乳腺癌的诊治具有重要价值.针对乳腺细胞图像分割中细胞边界不清晰、分割准确率低的问题,提出一种基于空洞U-Net网络的乳腺细胞图像分割算法.在U-Net网络中引入空洞卷积增大卷积层感受野,获得包含更多乳腺细胞边缘信息的特征图,在卷积层和池化层间增加实例归一化层,提...     

无色恒常性原理与CLC白平衡方法

由于光在水中的吸收和散射，以及不同波长的光传播距离上的差异，水下图像严重受到对比度降低和颜色偏色的影响，因此色彩的白平衡校正是水下图像处理的一个关键技术。本文提出了一种新的无色恒常性原理（CLC:ColorLess Constancy）及白平衡方法。方法 首先将彩色图像转换到YCbCr颜色空间实现亮色分离，然后通过非线性方法检测色度分量,计算每个像素对应的色度权重，然后根据新的线性加权算法重新计算每个像素的色度，实现对图像中无色区域的保护，以及对偏色区域的色彩校正。与几种经典白平衡方法进行比较，CLC方法克服了传统方法易对无色区域产生不良偏色的缺点，取得了较好的视觉感知效果。 实验表明该算法复杂性低，鲁棒性好，说明了CLC白平衡算法的实用性，以及无色恒常性原理的科学性。      

LED屏白平衡的调制与校准

白平衡色坐标是考量LED全彩显示屏色彩还原度的重要技术指标,当前厂家多是采用前期白平衡调制的方法来控制白平衡参数,但因为生产流程中众多因素的影响,最终生产出的LED屏的白平衡坐标却必然会产生漂移。本文介绍了当前最普遍的前期白平衡调制方法,以及影响白平衡最终效果的因素,并探讨通过逐点校正后期校准白平衡色坐标的原理、方法和实践。     

一种色彩校正算法研究与实现

数字图像拼接是指将具有重叠区的多幅数字图像或多帧视频,通过配准和融合获得单幅宽视场图像或者动态全景图。在实际应用中,图像因色彩不一致,而利于图像的配准和融合,因此有必要研究图像色彩的校正。文中首先论述了彩色图像的色彩空间以及它们之间的转换关系,然后介绍了常用的色彩校正方法,最后提出了基于Gamma和Linear调整的色彩校正算法。该算法将图像转换到YCbCr色彩空间,对亮度分量进行Gamma校正,对色度分量进行线性校正,实验结果表明,与以往的校正算法相比,校正效果有一定的改善。