基于协同方法的恶性淋巴瘤病理图象分类识别

本项目将以协同神经网络法为主，结合纹理谱分割法、模糊聚类法等方法构造多分类器来解决恶性淋巴肿瘤病理图像自动分类识别和定量分析的问题。最重要的关键技术之一是原型模式的选择，针对淋巴瘤病理图像中组织结构方向、位置等不一致性，以及测试样本与原型样本有一定差距的特性，研究设计原型模式选择的算法，能对测试样本具有不变性的识别，以提高协同神经网络的识别性能，同时，要研究设计协同神经网络具有自学习的能力，能够不断的学习被拒识别的样本，作为反馈量来修正原型模式，进一步提高系统的识别能力。本课题的研究即促进协同模式识别理论的完善和发展，又促进协同模式识别理论在病理图像自动识别方面的广泛应用，其影响是巨大的，相关应用成果可为病理医生提供一个的辅助诊断工具，有望创造巨大的经济效益。