尿沉渣有形成分的自動識別研究

徐曉蓉

摘 要：尿沉渣的有形成分有著結構復雜、種類繁多的特點，同時尿沉渣圖像還會因為諸多因素而出現聚焦不清、光照不均、背景復雜、圖像模糊等問題，這些諸多問題往往會給正常的有形成分識別造成極大的干擾。為解決這一問題，本文將從實踐方面對尿沉渣有形成分的識別進行深入研究，總結出有形成分的各種特征，然后再根據特征來對有形成分進行區分，以期能夠為我國的尿沉渣有形成分的自動識別提供一些幫助。

關鍵詞：尿沉渣;有形成分;自動識別

0 前言

尿檢測是醫院常見的一種檢測項目，對患者的臨床泌尿系統進行檢測和診斷均具有非常重要的意義。但在實際檢測過程中，因為尿沉渣的有形成分結構復雜、種類繁多，圖像還會因為各種原因而出現諸多問題，這些問題都給尿沉渣有形成分識別帶來了極大的困難，所以為了能夠更加準確體現出尿沉渣檢測的臨床意義，現針對尿沉渣有形成分的特征進行深入研究，提高有形成分的區分效率，進而提升檢測效率。

1 尿沉渣有形成分自動識別流程

現如今、完整的尿沉渣有形成分自動識別系統主要流程如圖1所示：

在整個過程中，獲取圖像的目的是為了獲得尿沉渣中有形成分的實際圖像;圖像分割則是為了對已經獲取的圖像進行有形成分的分類定位;自動識別就是通過對已經進行分類定位的圖像進行計算分析，在通過大量的樣本訓練，最終得到一個分類器模式，以此來對位置的有形成分進行分類失敗，再將所有識別結果進行輸出[1]。

2 尿沉渣有形成分特征提取

2.1 圖像預處理

在正式提取目標的實際特征之前，需要先對所識別目標與背景之間進行分離工作，但尿沉渣有形成分的圖像背景通常都比較復雜，還有著諸多的干擾，諸多問題都會導致獲取目標的清晰圖像非常困難，這個時候就需要對目標圖像進行一定的處理，以此來獲得可以準確分析判斷的圖像。常見的邊緣提取有Sobel算子、Laplace算子等，但在實際應用過程中，使用Sobel算子卻會形成局部的邊緣不閉合區域;使用Laplace算子常常會產生雙邊界，這些問題都給了自動識別系統在識別過程造成了極大的困難，也是如今亟待解決的問題。

Canny算子是由Canny所提出的一種邊緣提取檢查方法，這種算子首先是通過對高斯卷積對所獲取的圖像進行高斯平滑處理，然后在將圖形進行微分操作，以此來得到梯度圖，進而找出圖像中可能存在的邊緣點，再使用雙閾值來確定圖像最終的邊緣點，最終得出獲取圖像的邊緣圖。相比較來說，Canny算子提取檢測目標輪廓信息的能力更好，還不會對目標的雜點信息進行太大的干擾，這些督促Canny算子的優點，也是其應該被如今的尿沉渣自動識別系統所應用的原因。

2.2 尿沉渣有形成分的特征提取

（1）形態特征：1）面積、周長、圓度：尿沉渣的有形成分的大小、圓度各不相同，這些大小不一、圓度不一的有形成分便可以利用面積、周長、圓度三方面特征來進行大概的區分;2）占空比與長寬比：占空比是尿沉渣圖像的二值圖非零元素的面積與最小外接矩形的面積之比，其中最小矩形就是檢測目標點集的最小面積的外包圍矩形;長寬比也是在最小外接矩形為基礎上進行的，不過其是矩形的長和寬之比，這個比越接近與1，那么這個檢測目標就越接近于圓形;3）凹陷檢測：凹陷檢測通常用于對霉菌的檢測上，因其外形與細胞相類似，很容易被弄混，再加上霉菌通常都會形成一個個群體，在進行正式對比之前需要對霉菌群體進行分割，凹陷檢測就是通過檢測霉菌上的凹陷的來確定其可切分點，進而劃分出單個霉菌，最后在將單個霉菌進行對比[2]。

（2）紋理特征：在實際檢測中，有很多有形成分在形態特征上并不容易進行區分，但紋理上卻有著很大的全部，在如今相關的問你檢測中，最常用的就是灰度共生矩陣紋理統計分析法，這種方法是通過計算圖像中特定方向和特點距離的兩像元間從一個灰度過渡到另一個灰度的概率，以此來反映出圖像在方向、間隔、變化幅度等元素的綜合信息，進而將目標進行區分識別[3]。

3 有形成分的自動分類識別

在提取了尿沉渣有形成分的各種特征以后，就需要將這些有形成分的各類特征輸入到分類器之中，然后利用分類器對各種有形成分進行分類識別。目前世界上的分類器種類繁多，本文將以在尿沉渣有形成分自動識別中比較常用的分類器進行簡單介紹：

3.1 線性支持向量機

支持向量機是通過求解線性可分情況下的最優分類面發展出來的。而最優分類面則是采用SVM為主要模塊，這種模塊可以在兩類樣本準確無誤的情況下，令兩類樣本的分類距離最大，以此來減少各類風險的出現問題，最后得出樣本的線性函數，也正是因為其可以得出線性函數，所以也被稱為線性支持向量機。

3.2 非線性支持向量機

既然已經有了線性可分，那么與之相對的就會有非線性可分的情況。對于非線性可分的情況，就需要通過使用非線性變換來將非線性問題轉化成為更高維度空間中的線性問題，然后再通過線性可分的求解的方法來進行計算，得出相應的核函數（內積函數）。

4 總結

綜上所述，在進行尿沉渣有形成分在自動識別中，需要先對尿沉渣的圖像進行預處理，獲得清晰的檢測目標圖像，然后再對檢測目標進行特征提取，最后在將檢測目標的各種特征信息輸入到分類器之中，通過分類器來將檢測目標進行自動的分類識別，以此來實現整個尿沉渣的有形成分的自動識別全過程，進而得出最終檢測結果，為醫生后期的治療提供堅實的數據依據。

參考文獻：

[1]劉睿.尿沉渣圖像分割與識別算法研究[J].重慶大學，2016（05）.

[2]康萌.尿沉渣有形成分自動分割識別算法研究[J].西安科技大學，2014（06）.

[3]張修亮.尿液分析儀法與尿液沉渣檢測法結果分析及探討[J].中國醫藥導報，2010（35）.

項目名稱：湖南省教育廳科研項目：尿沉渣有形成分識別系統的算法研究與分析。項目編號：15C0939