导读:本文包含了切片图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:全视野数字切片,人工智能,深度学习,卷积神经网络
切片图像论文文献综述
赵蒙蒙,汪洋,邓家骏,佘云浪,陈昶[1]（2019）在《人工智能卷积神经网络在全视野数字切片图像分析中的应用进展》一文中研究指出组织学病理是临床疾病诊断的金标准。全视野数字切片(whole slide image,WSI)的出现,虽弥补了传统的玻璃切片易损坏、检索困难以及诊断可重复性差的不足,但同时也带来了巨大的工作量。人工智能(artificial intelligence,AI)辅助病理医师的WSI分析,可解决工作效率低,提高诊断的一致性。其中,以深度学习卷积神经网络(convolution neural network,CNN)算法的应用最为广泛。本文综述目前已报道的CNN在WSI图像分析中的应用情况,总结CNN在病理学领域中的发展趋势并作出展望。(本文来源于《中国胸心血管外科临床杂志》期刊2019年11期）
李媛淼,孙华燕,郭惠超[2]（2019）在《基于二维切片的同态滤波实现叁维图像增强》一文中研究指出为完善基于距离能量原理的激光叁维重建技术得到的叁维图像的细节信息,采用同态滤波法对二维切片序列滤波,滤除由于激光照明不均匀、大气散射和环境背景引起的噪声。首先,采用指数型高通同态滤波器、二阶巴特沃斯型高通同态滤波器和高斯型高通同态滤波器叁种滤波器分别对二维切片序列进行处理,并将叁维重建的结果与未经同态滤波的叁维重建结果进行对比。最后,采用提取图像中特定位置的像素信息进行具体的分析与评价。实验结果表明,同态滤波可以有效消除噪声,提升叁维图像细节信息的质量。(本文来源于《兵器装备工程学报》期刊2019年07期）
陈凡[3]（2019）在《病理组织切片图像的分型识别及其并行化研究》一文中研究指出在诊断疾病期间,医生通常在显微镜下对组织切片进行观察,寻找不同的病理标志物来判断分型。然而,这种人工分析方法耗时且主观,不同医生的诊断结果存在不一致。这可能导致对患者的“过度治疗”和“不当治疗”。因此,本文研究了病理组织切片的分型识别,提出了一种计算机识别方式。首先,本文研究了不同染色效果下的核分割,并分别改进了基于区域生长和分水岭的分割算法。在区域生长的算法中,先将SLIC与二维OTSU相结合改进种子点的获取,保证种子点的完备性。然后,采用多尺度的生长方式改进生长准则,减少重复生长提升效率。在基于分水岭的分割算法中,为去除噪声杂质与回归标记点,对快速径向对称变换(FRST)进行了改进。在分离出的H通道上以改进的FRST获得前景标记后,对梯度图像进行多结构开闭滤波以及多尺度开闭重建。基于前景标记和平滑的梯度图像,分水岭算法对细胞核进行分割。实验结果表明,改进后的区域生长与分水岭对比其他算法分割效果良好。分割完成后,从病理图像中提取核的空间、形状、纹理特征,构建随机森林分类器。在实验中,本文研究多类特征与分型识别的相关性,筛选出影响分型识别的重要特征,得到优化后的特征集合。实验结果表明,新特征集下分类器的性能得到了提高,病理图像识别达到了预期的效果。因随机森林训练阶段耗时较长,本文对随机森林的广度优先并行化进行研究,提出了一种并行化方案。实验结果表明,该方案可以缩短训练时间,提高分型识别效率。(本文来源于《贵州大学》期刊2019-06-01）
贾园园[4]（2019）在《基于深度学习和形变模型的乳腺癌全扫描切片图像语义分割》一文中研究指出乳腺癌现已成为对女性健康威胁程度最高的恶性肿瘤之一。目前,主要是人工结合组织活检的显微分析进行诊断,不仅费时费力,而且诊断结果具有主观性与差异性。因此若能通过计算机自动准确地将病理图像中的病变区域诊断出来,那么不仅省时省力,而且可为病理学家提供精确客观的评估依据,这对于恶性肿瘤的智能诊断极具意义。对乳腺组织根据癌变与否进行切片图像的语义分割即可实现这点。本文要研究的乳腺组织活检全扫描切片图像分割是基于千兆分辨率的像素级分割,因数据量巨大,染色图像背景复杂,并且检测对象含有不同尺度的细胞与组织,故使得现有图像分割算法不能很好地适用于本文数据。针对乳腺癌全扫描切片图像语义分割中存在的一些难点,结合最新的深度学习技术,本文提出了一种将多尺度空洞卷积神经网络与形变模型相结合的图像分割算法,对多分类乳腺病变区域(正常、良性、恶性(原位性或浸润性))进行语义分割:(1)本文采用多个尺度的空洞卷积结构获取多尺度特征进行特征融合,并在上采样过程中,使用反卷积减少特征损失,以适应更加精细的多分类任务,这种改进的多尺度空洞卷积神经网络在数据集上进行训练验证,对比经典算法,该方法的准确率更高。(2)卷积神经网络在训练时采用随机抽取图像块的方法,使得网络无法获取更大范围的组织特征及全局信息,可能导致乳腺组织分割缺乏轮廓细节等问题。为此,本文提出了可整合全局形状信息和先验知识的形变模型,以达到优化网络分割结果的目的。实验表明,以上改进在乳腺癌全扫描切片图像的多分类语义分割任务中具有较好的分割性能,能够为相关研究提供重要价值。(本文来源于《华中科技大学》期刊2019-05-01）
唐柳生[5]（2019）在《病理切片数字化扫描设备图像处理技术研究》一文中研究指出病理切片是疾病诊断的重要标准,但传统显微镜在观察病理切片效率较低,且不利于数字病理和病理医学教育的开展。病理切片数字化扫描设备通过相机与运动平台的配合,采集病理切片的所有局部显微图像,在计算机中采用图像处理算法拼接为病理切片数字全景图像。完成一张病理切片的数字化扫描需要采集数千幅局部显微图像,最终获取的数字切片的质量和扫描效率与图像处理技术的性能与速度有着直接关系。本文主要对病理切片数字化扫描设备的序列显微图像配准、融合和局部显微多对焦图像融合等技术进行了相关的研究,主要工作内容如下:(1)提出了对病理切片组织进行目标提取的方法实现关键区域的定位,通过缩小切片扫描区域的方式来提高病理切片的扫描效率。(2)通过引入Laplacian梯度函数作为清晰度评价函数,配合z轴调焦实现对显微图像自动对焦,获取清晰的局部显微图像;并提出采用一种预对焦技术,局部的显微图像焦距由附近拉丁抽样点的焦距估算获取,减少采集过程中对焦的次数来加快扫描。(3)采用灰度模板实现了相邻显微图像的配准,针对灰度模板配准速度较慢的问题,提出了一种应用于序列显微图像的改进灰度简化模板快速配准方法;根据相邻显微图像采集位置强相关性的特点,提出了一种惯性搜索的策略;并采用局部上采样相位相关法对获取相邻显微图像亚像素配准参数进行了研究;(4)研究了相邻显微图像融合算法,对于渐入渐出加权平均融合法无法均衡融合图像整体亮度差异的问题,提出了一种基于HSV颜色空间的亮度基准加权修正的方法。(5)针对部分较厚的病理切片组织区域,通过采集不同焦平面的多幅显微图像,使用Shearlet变换多对焦融合法进行多层图像融合,根据显微图像的特性,提出了改进的融合规则,实现了局部显微图像的全幅对焦。(6)对病理切片数字化扫描设备的工作原理进行了分析,构建了切片扫描系统的整体框架,设计了病理切片扫描实验原型系统。(本文来源于《华南理工大学》期刊2019-04-12）
董丹茹[6]（2019）在《组织切片图像的细胞核分割方法》一文中研究指出伴随着整个载玻片成像扫描仪的出现,组织病理学载玻片逐渐实现了数字化并可以用数字图像的形式存储。与之同步的是,一些需要依赖计算机技术才可以执行的病理细胞的检测及辅助医护人员进行病况诊断的新兴科技也吸引着广大的科研人员。在临床医学中,病理切片图像的分割与识别对癌症和疾病的诊断有非常重要的价值,传统的分割方法由病理医生手动进行勾画,但由于数据的复杂性和数量的密集度,无疑对医生的工作构成了挑战,致使错误诊断的情况更容易发生。本文以脑胶质瘤细胞核组织为对象,对临床医学上的数据和细胞核分割挑战赛的数据集进行了处理。主要研究和创新如下:结合切片制作过程的特殊性,对比了几种去噪方法并采用自适应中值滤波器对这些噪声进行了去噪预处理。对于细胞核的初步分割,针对实验数据具有复杂的前景背景以及边界模糊的组织学特征,本文在模糊聚类的思想上改进了一种复杂前景背景分割的聚类算法。首先,构造了多分类到二分类的转换模型,并在该模型的基础上进行了算法的改进,用来解决复杂图像模糊细小边界处的分割问题,同时降低初始聚类中心选择的随机性对分割结果的负面影响;然后,在此基础上对图像进行形态学修补,使细胞核的分割更完整;最后,利用Dice系数对比了改进聚类算法与未改进算法的实现效果。聚类的结果表现为细胞核的边界锯齿化明显,结合水平集算法具有轮廓拟合的性质,本文进一步对细胞核进行了改进水平集方法的准确分割。当对距离相近的多个目标进行演化时,曲线之间会存在相互吸引的情况,因此本文通过增加位置约束避免了曲线融合。同时文中改进了一种快速实现方案,加速了水平集演化的速度,在保证分割准确度的同时可进一步提高分割效率。最后,分析对比了位置约束水平集模型的效果并验证了快速水平集方案的高效性。对粘连性细胞核,文中用同时进行内外标记的距离变换图并结合分水岭算法成功分割。将上述方法中一系列的功能进行了工程实现,方便了病理专家的分析与判断。同时将本文最终结果与医生手动ground truth图进行对比,获得了相对较高的准确率与重迭度。(本文来源于《电子科技大学》期刊2019-04-01）
刘晶[7]（2019）在《基于CT切片图像的虚拟测量》一文中研究指出工业CT作为一种先进的无损检测手段,可以有效地检测零件的内外部结构情况,对扫描得到的工业CT图像进行二值化,将图像目标和背景分离,然后进行轮廓跟踪,识别出图像的外轮廓和内轮廓,并将内外轮廓数据拟合成样条曲线,最后进行虚拟测量。结果表明,该方法可以测量内外轮廓沿x,y方向以及任意方向的尺寸。(本文来源于《无损检测》期刊2019年02期）
丁娜,陆馨平,许颖琦[8]（2018）在《基于图像处理的混纺纱截面切片的制备》一文中研究指出为了研究由芳纶1313、宝德纶(POD)、阻燃黏胶和阻燃维纶多组分混纺纱纤维在纱线中的分布情况,探讨了多组分阻燃混纺纱横截面的获取方法。根据阻燃混纺纱各组分的特性,选用雅格素红NF-3B与阳离子蓝SD-GSL染料进行两浴两步法染色,通过等离子体处理仪对纤维表面进行改性,使用环氧树脂进行包埋、手摇式切片机进行切片,在电子显微镜(×400)下获得横截面图像。结果表明,使用该方法能快速、简便地获取阻燃混纺纱线横截面图像,并能通过人眼识别各组分。(本文来源于《印染助剂》期刊2018年12期）
王莹,段佳佳,祝闯,刘军,董慧慧[9]（2018）在《临床结直肠病理切片图像的自动辅助诊断》一文中研究指出目的探讨借助深度学习算法进行结直肠病理组织切片的自动辅助诊断。方法收集首都医科大学附属朝阳医院病理科已确诊的92例增生性息肉、61例管状腺瘤、135例腺癌及100例神经内分泌肿瘤的存档病理切片,利用数字显微镜采集1 790张数字病理图像。其中1 530张图像作为训练集,260张图像作为测试集。利用深度神经网络基于训练集训练自动辅助诊断模型,并在测试集上进行测试。结果利用深度学习技术在结直肠病理图像测试集上的整体准确率≥91%,采用该方法对恶性肿瘤的灵敏度可达96. 7%。结论利用深度学习技术对结直肠病理组织切片的自动辅助诊断具有重要意义,不仅可以提高诊断效率,还能够降低漏诊风险。(本文来源于《临床与实验病理学杂志》期刊2018年10期）
唐仲平,崔权哲,杨李波,包骥,赵春[10]（2018）在《全切片图像扫描技术在临床病理诊断工作中的应用》一文中研究指出目的探讨全切片图像扫描技术(whole slide images,WSI)在日常病理诊断工作中的应用价值与效果。方法选取300例连续的组织学病例作为研究对象,将所有样本的病理切片运用WSI技术进行数字化扫描,在电脑屏幕上阅读数字化切片后作出病理诊断。再将在显微镜下常规病理切片的病理诊断与在电脑屏幕上数字化切片的病理诊断进行对比,分析WSI技术在日常病理诊断工作中的应用效果。结果 300例HE染色的常规病理切片与数字化病理切片诊断病变性质的总体符合率为98.67%(296/300)。300例HE染色的常规病理切片与数字化病理切片诊断病变种类完全符合272例(90.67%),部分符合9例(3.00%),不符合19例(6.33%)。与经验丰富的上级医师制定的标准答案比较,常规病理切片与数字化病理切片诊断HE染色、亚甲基蓝染色、免疫组织化学染色的符合率差异均无统计学意义(P>0.05)。结论在日常病理诊断工作中,同一医师在显微镜下常规病理切片的病理诊断与在电脑屏幕上数字化病理切片的病理诊断有较高的符合率。随着医学信息数字化的不断发展,数字病理在教学、诊断、科学研究和数据保存上的优势会越来越明显,数字病理在将来的病理日常工作中也会变得越来越重要。(本文来源于《河北医科大学学报》期刊2018年10期）
切片图像论文开题报告
（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：
为完善基于距离能量原理的激光叁维重建技术得到的叁维图像的细节信息,采用同态滤波法对二维切片序列滤波,滤除由于激光照明不均匀、大气散射和环境背景引起的噪声。首先,采用指数型高通同态滤波器、二阶巴特沃斯型高通同态滤波器和高斯型高通同态滤波器叁种滤波器分别对二维切片序列进行处理,并将叁维重建的结果与未经同态滤波的叁维重建结果进行对比。最后,采用提取图像中特定位置的像素信息进行具体的分析与评价。实验结果表明,同态滤波可以有效消除噪声,提升叁维图像细节信息的质量。
（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。
切片图像论文参考文献
[1].赵蒙蒙,汪洋,邓家骏,佘云浪,陈昶.人工智能卷积神经网络在全视野数字切片图像分析中的应用进展[J].中国胸心血管外科临床杂志.2019
[2].李媛淼,孙华燕,郭惠超.基于二维切片的同态滤波实现叁维图像增强[J].兵器装备工程学报.2019
[3].陈凡.病理组织切片图像的分型识别及其并行化研究[D].贵州大学.2019
[4].贾园园.基于深度学习和形变模型的乳腺癌全扫描切片图像语义分割[D].华中科技大学.2019
[5].唐柳生.病理切片数字化扫描设备图像处理技术研究[D].华南理工大学.2019
[6].董丹茹.组织切片图像的细胞核分割方法[D].电子科技大学.2019
[7].刘晶.基于CT切片图像的虚拟测量[J].无损检测.2019
[8].丁娜,陆馨平,许颖琦.基于图像处理的混纺纱截面切片的制备[J].印染助剂.2018
[9].王莹,段佳佳,祝闯,刘军,董慧慧.临床结直肠病理切片图像的自动辅助诊断[J].临床与实验病理学杂志.2018
[10].唐仲平,崔权哲,杨李波,包骥,赵春.全切片图像扫描技术在临床病理诊断工作中的应用[J].河北医科大学学报.2018