目的:運(yùn)用強(qiáng)化學(xué)習(xí)!多分類器集成!降維方法等最新計算機(jī)技術(shù),結(jié)合細(xì)胞病理知識,設(shè)計制作/智能化肺癌細(xì)胞病理圖像診斷系統(tǒng)0"方法:采集細(xì)胞圖像,運(yùn)用基于強(qiáng)化學(xué)習(xí)的圖像分割法將細(xì)胞區(qū)域從背景中分離出來 運(yùn)用基于樣條和改進(jìn)2方法對重疊細(xì)胞進(jìn)行分離和重構(gòu) 提取40個細(xì)胞特征用于貝葉斯!支持向量機(jī)!緊鄰和決策樹4種分類器,集成產(chǎn)生肺癌細(xì)胞分類結(jié)果 建立肺癌細(xì)胞病理圖庫,運(yùn)用基于等降維方法對細(xì)胞進(jìn)行比對,給予未定型癌細(xì)胞分類"結(jié)果:/智能化肺癌細(xì)胞病理診斷系統(tǒng)0應(yīng)用于臨床隨機(jī)1200例肺部病灶穿刺細(xì)胞學(xué)涂片,肺癌識別診斷率94180 ,假陽性率1185 ,假陰性率3135 ,肺癌分類識別率82190 ,核異型細(xì)胞識別率74120 "結(jié)論:/智能化肺癌早期細(xì)胞病理診斷系統(tǒng)0對肺癌細(xì)胞涂片診斷率高,克服了肺癌細(xì)胞病理診斷過程中取檢細(xì)胞數(shù)量少,重疊細(xì)胞識別率低,涂片背景及染色差異等干擾因素,可輔助臨床肺部病灶的穿刺細(xì)胞病理診斷"

點(diǎn)擊標(biāo)簽查看更多相關(guān)資源：