基于聚类算法的血管直径测量研究

血管形态的变化与疾病密切相关,血管直径是血管形态的主要参数之一,测量血管直径有助于疾病的筛查与预防。提出一种基于聚类算法的血管直径测量方法,对微血管进行测量。大多数显微血管图像(如光学显微成像或光声显微成像)中存在噪声,通过非线性变换函数对显微图像进行增强;使用训练后的U-Net网络模型进行图像分割;利用结合聚类算法以及射线算法的测量方法对分割得到的血管进行测量,得到血管直径。实验表明,算法与传统测量结果一致(P>0.05),与传统算法相比,本算法的测量精度得到提升,将测量误差由4.21%降低至2.27%,满足血管测量的准确度需求。

基于口腔自体荧光效应和深度学习的牙菌斑的分割及量化

牙菌斑是牙齿表面一层难以观测的生物膜,是导致龋齿、牙龈炎等一系列疾病的直接诱因。牙菌斑的早期定量化无损检测具有重要的临床意义。短波长光激发下,牙菌斑的细菌及其代谢产物可以产生自体荧光。基于前期成像系统的基础上,采集大量牙菌斑在405nm蓝光激发下产生的红色荧光;牙菌斑越成熟红色荧光强度越高;采用改进的U-net网络对该红色荧光进行分割,对分割出来的牙菌斑进行轮廓提取获得质心,并利用区域生长算法分割出牙菌斑所附着的牙齿,综合牙菌斑成熟程度及面积来评估牙菌斑指数。结果表明改进的U-net网络分割精度优于传统方法。将牙菌斑的面积和成熟程度结合对牙菌斑进行量化,一定程度上可以消除人为诊断的差异性。

基于主成分分析和模糊聚类法的细菌后向散射光谱分类方法

食源性致病菌的快速检测是解决食品安全问题最有效的途径之一。为了实现对食源性致病菌的快速、高效、无标记检测和分类,提升了原有的光纤共聚焦后向散射光谱系统的性能,将其光场直径减小到适合较小生物样品的水平,即达到单菌水平检测。在无标记条件下,测定了三种常见的形态相近的食源性致病菌(肠炎沙门氏菌、大肠杆菌、鼠伤寒沙门氏菌)的后向散射光谱。选取500~800 nm范围的特征波段,将主成分分析和模糊聚类分析相结合,建立多元分析模型。主成分分析结果表明,所得的前5个主成分已经包含80.41%的特征区光谱信息。将前5个主成分分量作为模糊聚类分析的变量。由所求得的隶属度矩阵可知,三种细菌聚类结果的准确率均为100%。该结果说明光纤共聚焦后向散射光谱方法结合主成分分析和聚类分析法能够快速、高效、无标记地对单个细菌进行分析和分类。