胸腺瘤起源于胸腺上皮细胞。美国以及欧洲各国肿瘤研究机构根据临床诊断数据研究调查显示,胸腺瘤的发病率大约是,每100万人中有1.5个胸腺瘤患者。胸腺瘤发病率较高的年龄段大约是40至60岁之间。因为胸腺瘤潜在的侵袭性以及对人类较高的危害程度,从而被认为属于恶性肿瘤,它可以导致胸腺免疫力下降从而产生自身免疫性疾病,并且常常伴有重症肌无力、系统性红斑狼疮、Good综合症等。本文的主要研究目的是找到一种智能胸腺瘤组织学分类方法,它一直以来是治疗和研究胸腺瘤的重要问题,同样也是关键所在。通过巨检、镜检、免疫酶标等方法可以对胸腺瘤进行较为准确的分类。其中镜检作为主要的组织学分类方法,对胸腺瘤的临床诊断和分类起到了重要作用,通过显微镜观察,根据细胞的形态学特征可以对胸腺瘤进行组织学分类。从而确定针对不同胸腺瘤组织学分型的治疗和研究方法。本文主要研究工作和成果:(1)针对胸腺瘤细胞切片图像的在显微镜下观察的细胞形态学特征,本文采用了SLIC(superpixel segmentation超像素分割)算法,将肿瘤细胞切片的镜下图像分割成许多位置相邻且颜色、亮度、纹理等特征相似的像素点组成的小区域,这些小区域大多保留了进一步进行图像处理的有效信息,从而可以有效的区分淋巴细胞、普通细胞、空泡区域、中间区域等不同区域。(2)分割后的图像通过分析不同类型的分割区域,可以从中提取出多种胸腺瘤细胞形态学方面的特征并作为特征参数保存在特征库中,其中包括面积、圆度、长宽比、平均灰度值、核浆比、不规则度六个特征。参数提取之后构成特征库可以有效地支持之后的分类工作。(3)针对分割出来区域数量大以及参数的重要性不同等问题,本文采用了随机森林算法生成高准确度的分类器,并对分割出来的区域进行分类。最后对新的胸腺瘤细胞切片图像中各种类型区域进行统计,从而可以根据其统计结果得到该图片具体的胸腺瘤组织学分类。这些工作可能对胸腺瘤以及其他肿瘤细胞的临床诊断和组织学分类研究提供了新的方法。