行业分类-物理装置-基于机器学习的慢性淋巴细胞白血病肿瘤细胞识别方法.zip
2021-08-04 14:02:37
683KB
肿瘤细胞的捕获研究对癌症的诊断和治疗具有重要意义。针对当前人工对捕获后的肿瘤细胞计数耗时长且易受人的主观影响等问题，利用Matlab设计了一种对被捕获的肿瘤细胞进行自动识别与计数的系统。通过对细胞图像进行灰度变换、阈值分割、形态学处理、分水岭分割等处理，提取出细胞区域并计数。通过计算细胞圆形度，将满足圆形度阈值的细胞标记并计数。实验结果表明，被捕获的肿瘤细胞圆形度阈值为0.87，系统自动识别错误率在6.3%左右，具有可行性，能够满足实际需求。
2021-06-18 16:44:52
1.72MB
1
肿瘤细胞的捕获研究对癌症的诊断和治疗具有重要意义。针对当前人工对捕获后的肿瘤细胞计数耗时长且易受人的主观影响等问题,利用Matlab设计了一种对被捕获的肿瘤细胞进行自动识别与计数的系统。通过对细胞图像进行灰度变换、阈值分割、形态学处理、分水岭分割等处理,提取出细胞区域并计数。通过计算细胞圆形度,将满足圆形度阈值的细胞标记并计数。实验结果表明,被捕获的肿瘤细胞圆形度阈值为0.87,系统自动识别错误率在6.3%左右,具有可行性,能够满足实际需求。
2021-06-05 19:03:44
1.81MB
本文使用BP神经网络，肿瘤数据采用美国新墨西哥州立大学Neuroimaging中心提供的、由高性能光学显微镜采集的肿瘤细胞和健康组织细胞的一系列数据，在Matlab环境下通过采取肿瘤患者的医学指标，建立BP神经网络，使用500组数据对网络进行训练，并且通过调整隐层节点的数量以及参数来达到网络的快速收敛和更高的准确率，最终使用随机的69组数据进行网络测试，得到较好的预测精度。BP网络的应用，为解决肿瘤的良性与恶性的早期诊断，给出了一定的参考方法。
2021-05-23 22:48:05
521KB
1