计算机系12毕业设计开题报告

提起癌症很多人都会感到恐惧，癌症是当今世界上最常见的致命疾病之一，世界上每年都有很多人死于癌症，并且发病率仍在逐年上升。癌症的治疗取决于对他早期的诊断，早期是治疗癌症的最佳时期。现在大多数癌症病例确诊的时候已经属于晚期，失去了治愈的最佳时机，因此进行准确的早期诊断和治疗已成为迫切需要解决的问题。

因为癌细胞和非癌细胞对于病理专家在传统的显微镜下观察切片或涂片的方法下很难进行区分，借助现代计算机技术结合病理专家实践经验，采用图像处理技术对医学图像进行处理，可以提高判断的有效性和图像信息的使用效率，从而对癌细胞进行更加准确的识别。这对医学科研与教学，以及临床诊断方面有着现实的意义和广阔的前景。

数字图像处理技术已被广泛应用到生物医学领域，运用计算机对图像进行处理和分析，并进一步完成癌细胞的检测与识别，能有效的协助医生对肿瘤癌症做出诊断。在识别癌细胞时，需要做出定量的结果，人眼很难准确的完成这类工作，而利用计算机图像处理完成显微图像的分析和识别已经取得了很大的进展。近年来国内外医学图像研究者对癌细胞的检测识别提出了很多理论和方法，对癌细胞的诊断具有十分重要的意义和实践价值。

细胞边缘的检测是进行细胞面积圆度个数和颜色等形态及色度学的计算和分析的基础，其检测结果直接影响病情的分析和诊断结果。经典的边缘检测算子如Sobel算子，Laplacian算子等利用图像的每个像素邻域内灰度的变化来检测边缘。虽然这些算子计算简单、速度较快，但存在对噪声干扰敏感，得到孤立或分小段连续边缘像素，重叠相邻细胞边缘等缺陷，而利用最佳阀值分割和轮廓提取相结合的方法进行边缘检测，改变了传统边缘检测算法的处理顺序，实验结果表明能有效抑制噪声干扰影响，从而进行精确的细胞边缘检测。

随着计算机技术的不断发展，对显微镜下细胞形态的自动图像识别、细胞形态的检测及细胞的边缘检测是医学检测中的一个重要部分，很多疾病的诊治主要依靠医学专家观察标本中细胞的形态、色度对细胞进行识别和分类。目前最普遍和主要的方法是使用光学显微镜，观察经过染色的标本，根据每种细胞形态、色度的不同进行分类。这种传统的人工分类的工作重复而简单、效率低下、精确度不高。随着计算机模式识别技术和人工智能研究的不断发展，人们把目光投向了对细胞图像的自动识别上，这样大大的提高了检查的效率和精确度。

国内外都有一些利用边缘检测诊断癌细胞如肺中的癌细胞的研究，在肿瘤细胞识别方面较成功的是Autpap和Papnet,但这种技术目前只能局限于宫颈等图片。此外，Thiran JP等介绍了一种从显微镜图像中识别癌细胞组织的方法，该方法利用数学形态学等理论，基于细胞的形状和大小，提取了恶性肿瘤四个诊断标准的客观数值。对于其它一些可制作病理涂片的肿瘤，国内外都有一些肿瘤细胞检测发现与分析进行了研究。例如，Kraef SK对血液病理图像和骨髓肿瘤病理图像中的癌细胞的发现和检测分析进行了研究。Weyn B采用小波变换描述细胞核结构，对乳腺癌细胞的检测诊断与分级进行了研究。

长期以来，图像处理技术已经被广泛应用到各种医学应用领域中，其中许多是应用在微观医学与生物学中。医学癌细胞的智能诊断研究是国际的难题和前沿课题。国内从20世纪50年代起，至少已投入了4000个人/年，其完成的效果为：可以去除样本中50%的涂片、剩余50%还需人工检测。因此研究这样的图像检测系统有着重要的理论和实用价值。目前的图像诊断系统，大多数已使用了边缘检测、形态学、灰度特征和色度学，并结合专家系统，对癌细胞进行分析和诊断。

近年来，我国实现了一套肺癌早期识别和分类系统。该系统将人工作智能技术、图像处理技术、形态学和色度学技术、神经网络以及软件技术等高新技术综合应用与肺癌早期细胞病理诊断，解决了肺癌早期细胞病理诊断中的智能化和自动化的若干关键问题，并且进行了创新研究。对于胃肠道肿瘤组织细胞的自动识别也有相关报道。目前，肺癌诊断的手段主要有：X光片、CT、MRT、同位素、纤维支气管镜（BF）、经皮穿刺活检等，临床最可靠的还是病理性诊断，但病理性诊断的先进手段还相当匮乏。由于普查的工作最大，而传统的肺癌诊断手段主要是依靠人工，受到多种因素的制约，影响诊断的准确性与效率。因此，利用计算机图像处理技术，减轻人的工作负担，提高诊断的准确性和效率，研制目标是在癌细胞识别率最高的前提下，假阳性率最小。由于所使用的涂片样本来自被检查者的痰液，然后加以染色，和人体活检涂片相比，痰液中有较多的杂质和菌团，并且肺癌细胞种类不单一。主要有以下三种：磷癌细胞、腺癌细胞和小细胞癌细胞，因而，所处理的问题更加复杂，难度更大。

针对这些情况，如果能设计一套切实可行的算法，通过对细胞的边缘检测，这里主要采用基于迭代算法和腐蚀算法的边缘检测，然后把细胞核的形态学特征，以及色度特征同时用于癌细胞的识别，提高癌细胞诊断的准确性，将对癌细胞的前期诊断和治疗起到很大的帮助。

参考文献：

[1]胡文锦.图像边缘检测方法研究[J].计算机工程，2009，12（1），112-114.

[2]胡小锋. Visual C++ /MATLAB图像处理与识别实用案例精选[M].人民邮电出版社，2004.

[3]王郑耀.数字图像的边缘检测[M].西安：西安交通大学出版社，2003.

[4]张洁.数字图像边缘检测技术的研究[J].软件导刊，2009,9（4），49-52.

[5]徐平. 最佳阀值分割和轮廓提取技术及其应用[D].南京工业大学，2009.

[6]韩思奇.图像分割的阀值综述[J].系统工程与电子技术，2002.24（6），91-94.

[7]洪文松.实现图像边缘检测的改进广义模糊算子法[J].中国图像图形学报，1998（2），3-4.

[8]冈萨雷斯.数字图像处理[M].电子工业出版社,2005. 

[9]田捷，包尚联.医学影像处理与分析[M].北京；电子工业出版社.2003.

[10]章晋毓.图像处理和分析[M].北京：清华大学出版社.1999.

[11]罗军辉.Matlab7.0在图像处理中的应用[M].北京：机械工业出版社.2005.

(1)基于迭代算法和腐蚀算法的轮廓提取的癌细胞边缘检测的方法的设计与实现

在细胞边缘检测计算过程中，为了有效地抑制噪声的影响，同时能够客观地、正确地选取边缘检测的门限值，改变边缘检测的操作顺序。边缘检测主要包括：

a癌细胞图像预处理及细胞的边缘检测（得到相关的图像分析）

b通过迭代算法求得图像分割的最佳阈值。

c再利用轮廓提取算法，挖去细胞内部像素点，最后剩余部分图像就是细胞的边缘。  

    (2)对实验结果进行分析。

         a通过Matlab程序进行试验。

         b通过阀值分割算法、腐蚀算法边缘检测做出实验结果并分析。   

 (3)对研究课题进行相关的总结。

(1).查阅了相关资料并了解了癌细胞识别概念的定义、癌细胞边缘检测的概念、内容和方法及其癌细胞识别技术的发展现状。

(2).了解并掌握了几种关于癌细胞识别的方法及它们之间的相关性。

(3).做出了基于图像分割法的癌细胞识别方法实现的算法。

(4).对各种方法进行分析、综述。

(5).针对几种方法进行相关的实验和分析并且进行了比较。

(6).对完成的论文进行相关的总结以及做出在癌细胞识别前景上的发展趋势。

 2011-2012第1学期

18-19周 了解设计需求和设计目标，资料准备。

寒假期间：阅读文献，熟悉开发工具。准备开题报告。

2011-2012第2学期

4周   写开题报告，开题

5周   研究通过迭代算法求得图像分割的最佳阈值的方法，迭代算法设计，

    6周   研究利用轮廓提取算法，挖去细胞内部像素点，最后剩余部分图像就是细胞的边缘，腐蚀算法设计

7-8周  根据通过迭代算法求得图像分割的最佳阈值方法的原理编写程序，求得图像分割的最佳阀值

9-10周 根据利用轮廓提取算法，挖去细胞内部像素点，最后剩余部分图像

就是细胞的边缘，编写程序。

11周  在Matlab上调试、运行

12周  迭代算法分析

13周  腐蚀算法分析

14周  写论文

15周  写论文

16周  预答辩，论文审阅与评阅

17周  答辩

指导教师签字：                              年   月   日

系主任签字：                年   月   日