目前,数字图像处理、模式识别和人工智能技术已经被广泛地应用于生物医学领域,并且取得了一些可喜的成果,但关于癌症早期病理性诊断的医学图像处理系统的报道还不多。对癌细胞的检测和诊断仍是医务工作者重要和困难的工作之一。本文在对子宫颈癌细胞的检测和诊断方面进行了探索,并且取得了可喜的结果。 首先,对获取的子宫颈癌图像进行灰度转换。由原来的24位彩色图像转化为灰度图像。在对灰度图像进行分割,主要采取基于门限阈值化的分割方法。分别对细胞,细胞核进行了分割。分割后转化成为二值图像,采用八向链码算法对包括周长,面积似圆度,矩形度,核浆比等15个主要形态学参数进行测量。在取得了大量的数据样本后进行人工神经网络的训练。 本文中人工神经网络模型主要是BP反向传播误差算法。首先应用前面所取得的大量的数据样本对人工神经网络的权值进行训练。当误差小于规定值后,再应用数据样本对人工神经网络进行测试。通过大量的实验对比结果可以知道,应用BP反向传播误差算法可以对子宫颈癌细胞进行较准确的分类。可见BP反向传播误差算法具有比较好的分类能力。 在本系统的研究开发过程中需要将计算机技术与病理学专家的实际经验相结合,在采用图像处理技术处理图像的基础上,应用人工神经网络对细胞进行分类识别。这在医学研究以及临床诊断方面具有一定的现实意义及比较广阔的应用背景。