【疾病检测】基于BP神经网络实现肺癌检测系统含GUI界面

 1 简介

随着科技的飞速发展,计算机技术在医学研究与应用领域得到了广泛的应用,其中,计算机辅助医疗外科技术也更加受到人们的重视,医学显微图像处理方面的应用更是倍受人们得关注。从前的医学检测强度大,工作效率低,存在主观的观察误差;并且它只能通过显微摄影进行图像记录,不能对图像进行必要的处理,也不能快速存储和通过网络远距离传输图像信息。根据现代医学发展趋势,迫切需要我们把传统技术的光学图像显示在计算机屏幕上,并转换成大面积、高亮度能被自动识别的图像,以减轻专业技术人员的繁重的劳动强度,然后对观测细胞的色彩、形态等参数进行定量地分析统计,辅助医生进行医疗诊断。本文是在分析数学形态学的原理基础上,针对肺癌细胞图像模糊不清楚和不确定的特点,运用统计模式识别的Fisher线性判决法,比较好的处理了肺癌细胞图像的分割。在列举出的肺癌细胞分析医学依据的基础上,着重的分析了形态学分析方法:8-链码跟踪算法和方向码算法。在本论文的最后,提取了肺癌细胞的5个形状特征值,作为诊断模型的输入值,然后选择样本对人工神经网络进行测试。

2 部分代码

function varargout = cancer(varargin)
gui_Singleton = 1;
gui_State = struct('gui_Name',       mfilename, ...
                   'gui_Singleton',  gui_Singleton, ...
                   'gui_OpeningFcn', @cancer_OpeningFcn, ...
                   'gui_OutputFcn',  @cancer_OutputFcn, ...
                   'gui_LayoutFcn',  [] , ...
                   'gui_Callback',   []);
if nargin && ischar(varargin{1})
    gui_State.gui_Callback = str2func(varargin{1});
end

if nargout
    [varargout{1:nargout}] = gui_mainfcn(gui_State, varargin{:});
else
    gui_mainfcn(gui_State, varargin{:});
end
function cancer_OpeningFcn(hObject, eventdata, handles, varargin)
handles.output = hObject;
guidata(hObject, handles);
function varargout = cancer_OutputFcn(hObject, eventdata, handles) 
varargout{1} = handles.output;

function pushbutton1_Callback(hObject, eventdata, handles)
global I
e);
bw = im2bw(he,threshold);
hy = fspecial('sobel');
hx = hy';
Iy = imfilter(double(bw), hy, 'replicate');
axes(handles.axes4);
imshow(Iy,[]),

title('过滤后的图像')

function pushbutton5_Callback(hObject, eventdata, handles)
global I
t=rgb2gray(I);
he=histeq(t);
threshold = graythresh(he);
bw = im2bw(he,threshold);
hy = fspecial('sobel');
hx = hy';
Iy = imfilter(double(bw), hy, 'replicate');
se = strel('line',11,90);
bw2 = imdilate(Iy,se);
axes(handles.axes5);
end

function edit7_Callback(hObject, eventdata, handles)

function edit7_CreateFcn(hObject, eventdata, handles)
if ispc && isequal(get(hObject,'BackgroundColor'), get(0,'defaultUicontrolBackgroundColor'))
    set(hObject,'BackgroundColor','white');
end
 

3 仿真结果

4 参考文献

[1]李博. 基于BP神经网络的肺癌细胞图像处理系统的研究[D]. 吉林大学, 2008.

博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真，相关matlab代码问题可私信交流。

部分理论引用网络文献，若有侵权联系博主删除。