目的:運用強化學習!多分類器集成!降維方法等最新計算機技術,結合細胞病理知識,設計制作/智能化肺癌細胞病理圖像診斷系統0"方法:采集細胞圖像,運用基于強化學習的圖像分割法將細胞區域從背景中分離出來 運用基于樣條和改進2方法對重疊細胞進行分離和重構 提取40個細胞特征用于貝葉斯!支持向量機!緊鄰和決策樹4種分類器,集成產生肺癌細胞分類結果 建立肺癌細胞病理圖庫,運用基于等降維方法對細胞進行比對,給予未定型癌細胞分類"結果:/智能化肺癌細胞病理診斷系統0應用于臨床隨機1200例肺部病灶穿刺細胞學涂片,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 ,核異型細胞識別率74120 "結論:/智能化肺癌早期細胞病理診斷系統0對肺癌細胞涂片診斷率高,克服了肺癌細胞病理診斷過程中取檢細胞數量少,重疊細胞識別率低,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胞病理診斷"
標簽：
化學
圖像
分類器
分離
上傳時間：
2013-12-16
上傳用戶：chfanjiang
function [alpha,N,U]=youxianchafen2(r1,r2,up,under,num,deta)
%[alpha,N,U]=youxianchafen2(a,r1,r2,up,under,num,deta)
%該函數用有限差分法求解有兩種介質的正方形區域的二維拉普拉斯方程的數值解
%函數返回迭代因子、迭代次數以及迭代完成后所求區域內網格節點處的值
%a為正方形求解區域的邊長
%r1,r2分別表示兩種介質的電導率
%up,under分別為上下邊界值
%num表示將區域每邊的網格剖分個數
%deta為迭代過程中所允許的相對誤差限
n=num+1; %每邊節點數
U(n,n)=0; %節點處數值矩陣
N=0; %迭代次數初值
alpha=2/(1+sin(pi/num));%超松弛迭代因子
k=r1/r2; %兩介質電導率之比
U(1,1:n)=up; %求解區域上邊界第一類邊界條件
U(n,1:n)=under; %求解區域下邊界第一類邊界條件
U(2:num,1)=0;U(2:num,n)=0;
for i=2:num
U(i,2:num)=up-(up-under)/num*(i-1);%采用線性賦值對上下邊界之間的節點賦迭代初值
end
G=1;
while G>0 %迭代條件：不滿足相對誤差限要求的節點數目G不為零
Un=U; %完成第n次迭代后所有節點處的值
G=0; %每完成一次迭代將不滿足相對誤差限要求的節點數目歸零
for j=1:n
for i=2:num
U1=U(i,j); %第n次迭代時網格節點處的值
if j==1 %第n+1次迭代左邊界第二類邊界條件
U(i,j)=1/4*(2*U(i,j+1)+U(i-1,j)+U(i+1,j));
end
if (j>1)&&(j U2=1/4*(U(i,j+1)+ U(i-1,j)+ U(i,j-1)+ U(i+1,j));
U(i,j)=U1+alpha*(U2-U1); %引入超松弛迭代因子后的網格節點處的值
end
if i==n+1-j %第n+1次迭代兩介質分界面（與網格對角線重合）第二類邊界條件
U(i,j)=1/4*(2/(1+k)*(U(i,j+1)+U(i+1,j))+2*k/(1+k)*(U(i-1,j)+U(i,j-1)));
end
if j==n %第n+1次迭代右邊界第二類邊界條件
U(i,n)=1/4*(2*U(i,j-1)+U(i-1,j)+U(i+1,j));
end
end
end
N=N+1 %顯示迭代次數
Un1=U; %完成第n+1次迭代后所有節點處的值
err=abs((Un1-Un)./Un1);%第n+1次迭代與第n次迭代所有節點值的相對誤差
err(1,1:n)=0; %上邊界節點相對誤差置零
err(n,1:n)=0; %下邊界節點相對誤差置零
G=sum(sum(err>deta))%顯示每次迭代后不滿足相對誤差限要求的節點數目G
end
標簽：
有限差分
上傳時間：
2018-07-13
上傳用戶：Kemin
