导读:本文包含了高光谱显微成像论文开题报告文献综述及选题提纲参考文献，主要关键词:显微高光谱成像,自动对焦,加速稳健特征,多维成像
高光谱显微成像论文文献综述
袁晨[1]（2019）在《显微高光谱成像系统及大区域多维影像数据获取方法研究》一文中研究指出高光谱成像技术起源于20世纪70年代的多光谱遥感成像领域,凭借多维信息获取的能力在遥感探测领域取得了成功的应用。近年来该技术被拓展应用于生命科学领域,特别是与显微镜相结合形成的显微高光谱成像技术,在病理诊断分析中为检测目标提供更为丰富的空间和光谱信息,具有良好的应用前景。本论文研究了显微高光谱图像智能化采集方法及相应的图像处理方法,通过采用高精度载物台控制技术、显微高光谱图像自动对焦技术、多维图像拼接技术以及多维图像融合等技术,实现了显微高光谱图像和同视场彩色图像的智能化采集以及大区域多维影像数据立方体的重构,增加了图像数据的维度,为生物组织的智能识别分析提供了数据基础。论文首先给出了显微高光谱成像平台的软硬件设计方案。此外,基于所搭建的成像平台,论文提出了适用于显微高光谱图像的自动对焦方法以及大区域多维影像数据的获取及生成方法,包括显微高光谱图像的预处理方法、空白显微高光谱图像的筛选方法、显微高光谱图像的空白区域检测方法、显微高光谱图像的自动对焦方法、显微高光谱图像的大区域多维影像数据的获取方法以及生成方法。针对病理显微图像在自动对焦中存在的问题,论文改进了现有的图像清晰度评价方法与峰值搜索方法,一定程度上克服病理显微图像具有粗边缘与弱纹理的问题,实现单一入射光波长下图像的准确对焦。在此基础上,论文利用显微高光谱图像具有宽光谱范围的特点,根据光谱信息补偿对焦面的位置,实现了不同入射光波长下图像的准确对焦。另外,论文以单一维度的图像拼接方法为基础,利用显微高光谱图像的空间冗余特性,并辅以图像的位置信息,实现了显微高光谱图像的精准拼接。实验表明,所设计的显微高光谱成像平台具有自动进行单一视场与多视场下彩色与显微高光谱图像数据采集的能力,并依托于所设计的存储平台与发布平台对图像数据进行管理与发布,覆盖了图像数据从采集、管理到发布的完整生命周期,提高了显微高光谱图像的采集效率与自动化程度。在大区域多维影像数据生成方法的支持下,所产生的大区域融合图像数据可为病理组织分析提供更多维度的信息参考,此方法也为多维影像数据的融合方法提供了一种新思路,具有重要的实践意义与参考价值。(本文来源于《华东师范大学》期刊2019-05-01）
郑欣[2]（2019）在《基于显微高光谱成像的乳腺肿瘤组织微阵列识别分析方法研究》一文中研究指出近年来乳腺癌的发病率不断提升,已严重威胁了女性的身心健康。目前,组织病理检查是乳腺癌确诊的“金标准”,主要由医生对病理切片进行镜检,该过程费时费力,且受到医生主观因素和经验的影响。基于传统数字图像的计算机辅助诊断可为病理医生提供一定的识别分析结果,但其能提供的信息有限,限制了识别精度的进一步提高。显微高光谱成像技术具有“图谱合一”的特点,不仅能提供组织细胞形态结构信息,还能够提供光谱信息,为乳腺肿瘤的识别提供了新的途径。而乳腺癌巢和细胞的形态特征是评估肿瘤恶化程度的重要参考,基于此,本文将显微高光谱成像技术应用于乳腺肿瘤组织微阵列的识别与定量化分析,对癌巢和细胞的分割方法进行了研究。首先,对于肿瘤组织中癌巢的分割,为了充分利用显微高光谱图像的空间和光谱特征,本文提出了一种基于空谱特征融合的支持向量机(SVM-CSS)识别方法,通过逐像素点分类来划分癌巢和非癌巢区域。为了进一步提高识别效率,本文建立了一种基于主成分分析的U-net(PCA-Unet)分割模型。该方法利用主成分分析提取显微高光谱图像的光谱特征后,结合U-net深度学习框架实现图像端到端的分割,为相关形态特征的定量化描述奠定了基础。其次,对于肿瘤组织中细胞的分割,本文提出了一种基于空谱特征融合的分水岭分割方法(WCSS)。该方法通过端元提取和光谱解混实现目标丰度分布的提取,并利用基于标记的分水岭变换完成分割。最后,进一步结合细胞和癌巢的分割结果,划分了癌巢细胞和正常细胞,并通过肿瘤组织形态特征参数的测量,为医生的病理诊断提供定量化参考指标。实验结果表明,相比于SVM-CSS等显微高光谱图像识别方法,PCA-Unet能更有效地分割癌巢,在获取的数据集上的像素点识别准确率为87.14%;使用自动目标生成过程进行端元提取,以及完全约束最小二乘法进行光谱解混的WCSS方法对细胞的分割效果更好,其像素点识别准确率为90.68%。本文中基于显微高光谱成像的乳腺肿瘤组织微阵列识别分析方法实现了肿瘤组织的自动识别,可以为乳腺癌病理诊断提供一种新的方法。(本文来源于《华东师范大学》期刊2019-03-01）
黄怡[3]（2018）在《基于显微高光谱成像的皮肤黑色素瘤识别方法研究》一文中研究指出皮肤黑色素瘤是一种恶性程度极高的皮肤肿瘤,现阶段尚无治愈手段,但早期确诊能够让患者得到最佳的手术时机,从而延长了患者术后的存活时间。因此,研究皮肤黑色素瘤的早期诊断方法对于临床治疗和预后都具有重要的意义。传统的皮肤黑色素瘤病理诊断对肿瘤组织无辅助识别方法和定量化分析,针对这个问题,本文将显微高光谱成像技术用于皮肤黑色素瘤的识别和定量化分析,为皮肤黑色素瘤的病理诊断分析提供一种新的方法。根据皮肤黑色素瘤样本的多样性,本文将其分为典型的叁类,针对不同类型的样本,提出了不同的研究方法。本文的主要研究内容如下:首先,从组织学层次,研究了皮肤颗粒层的分割问题,提出了基于核最小噪声分离(KMNF)的分割方法。在该方法中,采用KMNF来提取显微高光谱图像的主要特征并分离图像中的噪声,然后使用形态学滤波来获得颗粒层的主要形态特征,最后应用水平集分割方法来得到颗粒层的形态轮廓。实验结果显示,该方法分割皮肤颗粒层的精度高达80%以上,为皮肤黑色素瘤入侵深度的计算提供起始边界。其次,研究了恶性黑色素细胞的分割问题,提出了基于特征光谱监督的最小二乘支持向量机(CSS-LSSVM)分割方法。在该方法中,使用最小二乘支持向量机(LSSVM)算法来建立恶性黑色素细胞的分割模型,并在传统的LSSVM算法基础上,选取目标样本少数特征光谱作为参考,对LSSVM模型分割结果进行再分割以提高模型的分割精度。实验结果表明,该方法对皮肤黑色素瘤样本中的恶性黑色素细胞分割精度高达85%以上。同时,该方法用于分割样本中的恶性黑色素细胞,结合颗粒层的分割结果,计算了样本的皮肤黑色素瘤入侵深度。最后,研究了肿瘤区域的识别问题,采用了基于粒子群优化的极限学习机(PSO-ELM)分类算法。在该方法中,使用了极限学习机(ELM)来建立肿瘤区域识别模型,在极限学习机的参数寻优中,采用了粒子群(PSO)优化算法来寻找ELM参数的更优解,提高了极限学习机的分类精度。实验结果表明,该方法能够更有效地识别出样本中的肿瘤区域,且分类速度比SVM快,将该方法用于肿瘤区域的自动识别,可提高皮肤黑色素瘤病理诊断的效率。上述结果验证了显微高光谱成像技术在皮肤黑色素瘤识别中的可行性,并为其病理诊断提供了定量化数据,对皮肤黑色素瘤的临床治疗和预后都具有重要的意义。(本文来源于《华东师范大学》期刊2018-04-01）
石磊[4]（2018）在《皮肤癌组织的超光谱显微成像及图像处理》一文中研究指出基于TeO2晶体的声光可调滤波器(Acousto-Optic Tunable Filter,AOTF)是一种分光器件,它实现了光谱技术和图像技术的完美结合,在考古学、艺术保护、植被水资源控制、食品质量和安全控制、法医学、犯罪现场检测和生物医学等众多领域被广泛应用。超光谱成像技术是当前医学检测技术研究的一个前沿领域,它利用在宽范围内的很多很窄电磁波来提取有价值的信息。然而,目前国内研究主要应用在遥感方向,在医学方面对于疾病的检测、诊断和手术引导等,目前还处于理论实验阶段,仍然有许多问题需要解决。本文基于超光谱成像技术,进行了针对皮肤癌组织的超光谱显微图像研究。首先通过声光相互作用理论,解释了声光可调滤波器的工作原理。将声光可调滤波器与显微镜相结合,搭建超光谱显微成像实验系统。我们将皮肤癌组织作为研究对象,并通过实验得到了不同光波段的81个皮肤癌组织超光谱显微图像。由于光谱图像数据具有高维度,大数据量的特点,这给对皮肤癌组织的描述提供了更多的信息量。在图像空间领域,分析了皮肤癌组织的超光谱显微图像之间的相关性,这种相关性系数平均在0.9以上,体现了光谱间的连续性。并对超光谱图像数据主成分压缩处理和叁波段RGB图像融合。在光谱空间领域,构建图像光谱立方体,可以得到皮肤癌组织的光谱库。进一步研究发现,若已知病变区域光谱,通过光谱角匹配公式,就可以探知潜在的未知病变区域,实现对病变区域的定性、定量和定位的检测。最后,在皮肤癌组织光谱库中,依据异物异谱的特性,使用径向基支持向量机和BP神经网络模式识别方法来分类学习,分类结果可以清楚地得出不同的组织结构类型,进一步说明光谱数据的可视化优点。(本文来源于《福建师范大学》期刊2018-03-20）
石磊,张春光,王号,原江伟[5]（2018）在《基于声光可调滤波器双滤波技术的超光谱显微成像系统及其图像分析》一文中研究指出光谱分辨率是声光可调滤波器(AOTF)的关键。基于声光滤波器的工作原理,通过前后串联两个滤波器,设计了基于双滤波结构的超光谱成像系统。通过对单一滤波和双滤波结构特性的理论计算和实验测量结果的分析比较,可以发现在中心波长相等的情况下,双滤波结构的光谱宽度比单一滤波结构小,说明了双滤波技术在改善光谱宽度方面的优越性。另外,利用双滤波结构,结合倒置光学显微镜,设计了基于双滤波技术的显微成像系统。基于大量的胃癌组织超光谱显微图像,选取相关系数较小的叁个光谱图像,使用RGB假彩色图像融合技术进行处理。经仿真实验发现,超光谱图像融合技术能够有效地改善图像的质量。(本文来源于《激光与光电子学进展》期刊2018年03期）
侯国辉,陈秉灵,罗腾,刘杰,林子扬[6]（2018）在《宽带相干反斯托克斯光谱显微成像技术的实验研究》一文中研究指出由于该成像系统采用的超连续谱光源,可以满足所观测样品本源分子在0~4 000cm-1内的所有拉曼振动活性模式同时共振增强,在探测光的作用下,同时产生宽带相干反斯托克斯拉曼散射信号。然后,根据不同的化学键进行光谱图像重构,可以获得反映不同化学键在样品中的分布的图像。对110nm的纯的聚苯乙烯珠所形成的具有一定厚度的薄膜,通过改变探测激光与超连续谱脉冲之间的时间重合度,测量形成的相干反斯托克斯拉曼散射信号的时间分布迹线图,通过其中的1 000cm-1的化学键强度信号进行指数衰减曲线拟合,得出具体的退相时间,与文献中已报道的叁色CARS的退相时间相比,判断是否属于叁色CARS。为了检验系统在实际生物学成像中存在的问题,我们开展了活体小鼠组织生物学应用成像实验,对记录的数据在2 940cm-1的CARS信号进行图像重构,获得CH化学键在组织中的分布,然后,对重构图像直接使用小波变换的去噪方式进行图像去噪,去噪后的图像具有比较清晰的轮廓,结果表明,对于对比度比较强的CARS共振信号,直接使用小波变换的去噪方式就可以获得比较好的图像效果。但是,对于信噪比比较差的共振信号,使用这种处理方法是不合适的,需要使用别的方法,先获取好的信号对比度,再根据感兴趣的化学键进行图像重构,然后,再经过小波变换对图像去噪,图像不仅会变得清晰平滑,而且,具有较好的视觉感官效果。(本文来源于《光谱学与光谱分析》期刊2018年02期）
周丽娟[7]（2017）在《高光谱显微偏振成像系统的研究与应用》一文中研究指出高光谱偏振成像技术,将光谱和偏振二者有机结合,为各成像领域提供了很大的数据来源与可信度。本文在普通光学显微系统的基础上,通过增加光谱分光模块和偏振调制模块,成功实现了高光谱显微偏振成像系统的搭建与应用。利用液晶可调谐滤波器对入射光进行快速滤波,在毫秒量级的时间内实现无振动的波长切换。利用可旋转的偏振模块进行偏振调制,得到不同偏振角度下的图像信息。利用Mueller矩阵反演计算从样品出射的光矢量斯托克斯参数图像,可以在检测中发现普通光强图像下隐匿的状态结构。利用获得的连续单波段图像来提取不同像素区域的光谱曲线,可以分辨出直观图像中不能区别开的物质,真正实现图谱合一。本系统通过相关器件的搭建、软件的控制和后期的数据处理,设计和实现了高光谱显微偏振成像系统的自动化测量与数据分析。在方解石晶体、头发纤维和病变组织的实验中得到预期的结果,证实了该系统理论的正确性与系统的可行性。本文的工作为普通光学显微成像领域增加了信息检测的维度,为刑侦和医学病理诊断等提供了可靠的技术方案。(本文来源于《南京理工大学》期刊2017-12-01）
苏康[8]（2017）在《基于高光谱显微成像的细胞检测研究与应用》一文中研究指出光谱成像是一种集传统成像与光谱测量于一体的光学技术。高光谱成像作为光谱成像技术的分支,自20世纪80年代诞生以来,在农业学、大气学、地质学等领域快速发展,最近几年与生命科学相结合尤其在细胞学方面显现出重要的作用。现有的细胞检测技术难以同时获得样本的空间信息和组成成分信息,为了解决这个问题,本文提出把高光谱成像应用在细胞检测方面,调研了高光谱显微成像的技术前沿,指出了相关工作的优势和不足,并在一套基于液晶滤波的高光谱显微成像系统上开展了本文的工作,实现了混合蜂花粉细胞的鉴别和进行了雨生红球藻细胞色素代谢的研究。本论文的具体工作内容与成果如下:1.蜂花粉鉴别过程中,选择了6种蜂花粉样本。不同蜂花粉细胞花粉壁组成成分存在差异,其自发荧光特征也不同,故选择荧光特征作为蜂花粉分类依据。实验以409 nm LD为激发光源,基于高光谱显微成像系统采集了从465 nm到645 nm(?λ=5 nm)共37个波段的高光谱显微荧光图像。提取了感兴趣区域后,每种蜂花粉样本随机选取100个像素点,组成一个600×37维的高光谱数据集,运用费雪线性分类法(Fisher Linear Classifier)对该数据集的交叉验证光谱准确率达到了89.6%。此外,给出了蜂花粉细胞在图像上鉴别的2个实例,验证了高光谱显微成像系统混合蜂花粉鉴别的可靠性。2.为研究雨生红球藻(Haematococcus pluvialis)的色素浓度空间分布,首先用分光光度计分别测得了叁种主要色素叶绿素a、β-carotene和虾青素标准液的吸收光谱并获取其吸收系数,制作了H.pluvialis细胞的超薄切片并用透射电镜观察,用于结果辅证。其次以白光LED为光源,基于高光谱显微成像系统采集了自510 nm到675 nm(?λ=5 nm)共34个波段的高光谱显微透射图像。高光谱图像预处理之后,根据建立的H.pluvialis细胞吸收模型,以最速下降法求得不同细胞周期和受外界刺激下细胞的色素空间分布。最后,比较分析了重建后的色素空间分布与透射电镜及文献结果的一致性,显示了此方法的可行性。(本文来源于《暨南大学》期刊2017-06-30）
马天兰[9]（2017）在《基于显微高光谱成像技术的滩羊肉品质检测研究》一文中研究指出本文自行设计搭建一个显微高光谱成像系统,其融合了高光谱成像技术和显微成像技术,通过对滩羊肉样本光谱成像,获取样本的显微图像及光谱信息,初步研究了贮藏过程中羊肉组织结构变化,为羊肉贮藏过程中品质变化机理的研究提供理论依据。主要研究内容如下:(1)系统搭建及优化:以分立单元成像光谱仪、显微镜、数据采集卡等搭建显微高光谱成像系统,分析显微高光谱成像系统的成像原理。对系统的关键技术进行了研究,给出系统的技术指标。最后,对显微高光谱成像系统进行优化。(2)对羊肉贮藏过程中的pH、肉色、菌落总数、TVB-N含量和水分含量的变化规律进行了研究,并对各品质指标与贮藏时间及各品质指标间的相关性进行了分析,结果表明:水分含量、菌落总数和TVB-N含量与冷藏时间极显着相关(p<0.01),相关系数分别为-0.992、0.995、0.991。进一步探讨了水分含量、菌落总数和TVB-N含量与冷藏时间之间的关系,建立水分含量、菌落总数和TVB-N含量与冷藏时间之间的曲线回归模型,进行拟合分析。得到回归方程分别为 Y=-2.604X2+0.064X+68.623,Y=0.179X2+0.015X+4.359,Y=1.031X2+0.108X+7.448。(3)以羊肉为研究对象,以贮藏过程中羊肉品质指标水分含量、菌落总数和TVB-N含量为评价指标,采用4种不同的光谱预处理方法进行光谱预处理优选最佳光谱预处理方法,最后结合不同的建模方法分别建立水分含量、羊肉菌落总数和TVB-N含量与冷藏时间的预测模型,优选最佳模型。结果显示:光谱数据经过正交信号校正后的光谱建立水分含量、菌落总数和TVB-N含量的预测模型效果较好,其Rc分别为0.9426、0.9696和0.9695,RP分别为0.9122、0.9201和0.9069高于其他光谱预处理模型。通过不同建模方法的比较,建模效果较好的是PLSR方法,其Rc分别为0.9195、0.9067和0.9147,Rp分别为0.8795、0.8743和0.8802,均优于PCR和SVR模型。因此,采用高光谱成像技术可实现羊肉品质指标的定量分析。(4)对羊肉贮藏过程中组织结构变化进行分析研究。首先获取羊肉样本的显微高光谱图像,并结合显微镜对羊肉不同贮藏时间的显微结构图进行观察分析;通过主成分分析法对图像进行降维处理,筛选617nm、622nm、632nm、767nm、875nm和966nm六个波长,作为特征波长;对这些特征波长下的显微图像进行分析,发现羊肉组织结构随着贮藏天数的增加,破坏程度也增加。研究结果表明:运用显微高光谱成像技术,可以对羊肉贮藏过程中的组织结构变化进行分析。本研究采用菌落总数对羊肉新鲜度进行表征,提取羊肉显微高光谱图像信息的纹理特征,运用SVM和LDA两种方法对羊肉的新鲜度等级进行划分,其校正集判别率分别为98.33%和91.67%,预测集判别率分别为93.33%、93.33%,SVM法判别效果较好。因此,显微高光谱成像技术结合适合的算法,可实现羊肉贮藏过程中新鲜度等级分类判别,为羊肉贮藏过程中的品质变化机理研究奠定了基础。(本文来源于《宁夏大学》期刊2017-05-01）
胡伟[10]（2016）在《基于多尺度显微高光谱成像技术的鱼糜品质分析与识别机制》一文中研究指出鱼糜是重要的水产调理食品加工原料,营养价值高、经济效益大,在水产品加工的地位日益凸显。由于目前仍无成熟统一的行业标准和国家标准来评定鱼糜的品质,而现有检测手段往往指标单一、耗时费力且无法对鱼糜的整体质量品质做出客观评价。面对人们日益增强的食品安全与质量保障意识,针对鱼糜品质评价方法亟待完善。红外光谱及其显微成像技术可以进行各种形态样品的直接、快速无损、多组分同时检测,实现样本的空间信息、光谱信息的同步获得,在食品品质检测方面潜力巨大。本文综合利用中红外、近红外光谱及其成像技术、电子扫描显微镜等表征手段,获取鱼糜的营养成分组的整体红外光谱宏观指纹并建立鱼糜光谱图形码数据库,揭示鱼糜微观物理纹理形貌与化学成分分布特征,初步探明鱼糜鱼种、品质的光谱识别机制,构建了不同品种、等级海水鱼糜定性鉴别模型,同时初步揭示了凝胶化过程中鱼糜蛋白质构象转变规律。研究结果如下:(1)利用叁级宏观红外光谱(一维红外光谱、二阶导数红外光谱及二维相关红外光谱)研究不同品种(带鱼、白姑鱼、金线鱼等)及等级(A、AA、FA、SA级白姑鱼)海水鱼糜品质。不同鱼糜,物质组成与结构上的差异(如脂肪含量、蛋白质二级结构)具有不同的红外光谱宏观指纹即识别机制。不同品种鱼糜主要识别区在酰胺I带和脂类物质吸收带,而同一鱼种不同等级鱼糜主要识别区在脂类物质等吸收带,并已成功构建不同品种及等级海水鱼糜红外光谱快速定性判定数学模型。通过红外光谱显微成像从空间分辨角度对不同品种海水鱼糜进行表征,研究了不同品种海水鱼糜化学组成(蛋白质、脂肪、水分、糖等)分布差异与鱼糜品质的相关性。(2)利用近红外光谱技术,对不同品种(带鱼、白姑鱼、金线鱼等)及等级(A、AA、FA、SA级白姑鱼)海水鱼糜进行快速评定。将原始光谱进行多元散射校正(MSC)预处理,应用判别分析模式识别方法建立不同品种及等级海水鱼糜评定模型。对于叁种海水鱼糜评定模型,校正集与验证集的识别正确率分别达到98.5%和100%。对于四个等级白姑鱼糜评定模型,校正集与验证集的识别正确率分别达到98.9%和100%。(3)利用傅里叶变换红外光谱技术(FTIR)研究不同等级(A,AA,FA,SA)白姑鱼糜凝胶形成过程中蛋白质构象变化规律与鱼糜凝胶特性的关联性。在鱼糜蛋白酰胺Ⅰ带(1600~1700 cm-1)范围内,采用曲线拟合分析方法获得各种蛋白二级结构的相对百分含量。结果表明,凝胶前α-螺旋是鱼糜蛋白质结构的主要构象,在凝胶化过程中,伴随着氢键的减少,肌球蛋白从α-螺旋结构逐渐解旋,转变成β-折迭、β-转角、无规卷曲等结构,为凝胶网络结构的形成提供链骨架。其中,β-折迭与无规卷曲结构含量较高,以β-折迭对蛋白质凝胶强度的贡献最大。电镜扫描结果显示鱼糜经凝胶后形成了明显的网状结构,且A、AA、FA、SA等级的鱼糜凝胶蛋白质网状结构紧密性、有序性逐个增强,与β-折迭含量及凝胶强度变化规律一致。(本文来源于《上海海洋大学》期刊2016-05-23）
高光谱显微成像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
近年来乳腺癌的发病率不断提升,已严重威胁了女性的身心健康。目前,组织病理检查是乳腺癌确诊的“金标准”,主要由医生对病理切片进行镜检,该过程费时费力,且受到医生主观因素和经验的影响。基于传统数字图像的计算机辅助诊断可为病理医生提供一定的识别分析结果,但其能提供的信息有限,限制了识别精度的进一步提高。显微高光谱成像技术具有“图谱合一”的特点,不仅能提供组织细胞形态结构信息,还能够提供光谱信息,为乳腺肿瘤的识别提供了新的途径。而乳腺癌巢和细胞的形态特征是评估肿瘤恶化程度的重要参考,基于此,本文将显微高光谱成像技术应用于乳腺肿瘤组织微阵列的识别与定量化分析,对癌巢和细胞的分割方法进行了研究。首先,对于肿瘤组织中癌巢的分割,为了充分利用显微高光谱图像的空间和光谱特征,本文提出了一种基于空谱特征融合的支持向量机(SVM-CSS)识别方法,通过逐像素点分类来划分癌巢和非癌巢区域。为了进一步提高识别效率,本文建立了一种基于主成分分析的U-net(PCA-Unet)分割模型。该方法利用主成分分析提取显微高光谱图像的光谱特征后,结合U-net深度学习框架实现图像端到端的分割,为相关形态特征的定量化描述奠定了基础。其次,对于肿瘤组织中细胞的分割,本文提出了一种基于空谱特征融合的分水岭分割方法(WCSS)。该方法通过端元提取和光谱解混实现目标丰度分布的提取,并利用基于标记的分水岭变换完成分割。最后,进一步结合细胞和癌巢的分割结果,划分了癌巢细胞和正常细胞,并通过肿瘤组织形态特征参数的测量,为医生的病理诊断提供定量化参考指标。实验结果表明,相比于SVM-CSS等显微高光谱图像识别方法,PCA-Unet能更有效地分割癌巢,在获取的数据集上的像素点识别准确率为87.14%;使用自动目标生成过程进行端元提取,以及完全约束最小二乘法进行光谱解混的WCSS方法对细胞的分割效果更好,其像素点识别准确率为90.68%。本文中基于显微高光谱成像的乳腺肿瘤组织微阵列识别分析方法实现了肿瘤组织的自动识别,可以为乳腺癌病理诊断提供一种新的方法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
高光谱显微成像论文参考文献
[1].袁晨.显微高光谱成像系统及大区域多维影像数据获取方法研究[D].华东师范大学.2019
[2].郑欣.基于显微高光谱成像的乳腺肿瘤组织微阵列识别分析方法研究[D].华东师范大学.2019
[3].黄怡.基于显微高光谱成像的皮肤黑色素瘤识别方法研究[D].华东师范大学.2018
[4].石磊.皮肤癌组织的超光谱显微成像及图像处理[D].福建师范大学.2018
[5].石磊,张春光,王号,原江伟.基于声光可调滤波器双滤波技术的超光谱显微成像系统及其图像分析[J].激光与光电子学进展.2018
[6].侯国辉,陈秉灵,罗腾,刘杰,林子扬.宽带相干反斯托克斯光谱显微成像技术的实验研究[J].光谱学与光谱分析.2018
[7].周丽娟.高光谱显微偏振成像系统的研究与应用[D].南京理工大学.2017
[8].苏康.基于高光谱显微成像的细胞检测研究与应用[D].暨南大学.2017
[9].马天兰.基于显微高光谱成像技术的滩羊肉品质检测研究[D].宁夏大学.2017
[10].胡伟.基于多尺度显微高光谱成像技术的鱼糜品质分析与识别机制[D].上海海洋大学.2016