摘 要

细胞是生命活动和有机体结构的基本单位，包含了全部生命信息，并体现了生命所有的基本特点。就此而言，生命科学的重要基础便是对细胞结构和活动的研究。其中，对细胞进行分类就显得尤为重要。

本文通过对目前国内外部分专家学者对细胞分类研究的分析，总结了相关文献。以乳腺细胞为例，借助J Jossinet研究的数据，采用Fisher判别法对乳腺组织细胞进行分类，并尝试引入权重因子对Fisher判别法进行改进，以提高判别效果。同时给出癌细胞与非癌细胞的错判率，为医学研究提供现实意义。

关键词：乳腺组织细胞 逐步判别 Fisher判别法 权重因子

The Classification of Breast Tissue Cell

Abstract

Cells are the basic unit of life activity and organist structure. The cell contains all the life information and reflects all the basic characteristics of life. In this regard, the important foundation of life sciences is studying the structure and activity of cells. Among them, the classification of cells is particularly important.

This paper summarizes the relevant literature through analysing many cell classification researches by the experts and scholars at home and abroad. Taking breast cells as an example, the data of J Jossinet was used to classify breast tissue cells by Fisher discriminant method, and the weighting factor was introduced to improve the Fisher discriminant method,which can improve the effect of the discriminant . At the same time, the misjudgment rate of cancer cells and non-cancer cells is given, which provides practical significance for medical research.

Key words: breast tissue cells,stepwise discriminant, fisher discriminant, weight factor

目录

摘 要 I

Abstract II

第一章 引言 1

1.1研究目的与意义 1

1.2相关研究背景 1

1.2.1国外相关研究回顾 1

1.2.2国内相关研究回顾 1

1.3研究方法 3

第二章 预备知识 4

2.1 Fisher判别法 4

2.2 引入权重因子的Fisher判别法 6

2.3 逐步判别 6

第三章 乳腺组织细胞分类 8

3.1数据选取 8

3.2 变量筛选 8

3.2 建立判别函数 9

第四章 结语 13

致谢 14

参考文献 15

附录 16

第一章 引言

• 1. 研究目的与意义

在细胞分类学中，对细胞分类应用最广泛的方法是常规核型分析。细胞分类做出了很大贡献，人们通过对细胞分类的研究，找出事物发生发展的新规律。在医学上，它为疾病的预防、诊断和治疗提供了新思路和方案。比如在对人体血液白细胞分类的研究中，通过细胞分割、特征提取、分类实现三大步骤来实现血液白细胞五分类，是医学领域的一个重要课题；骨髓中细胞种类繁多，作为人体的主要造血器官，对它的分类研究则可以诊断鉴别各种血液系统疾病。而对它的分类计数的主要手段为显微镜观察，如今计算机图像识别也被广泛应用于细胞分类计数中；癌症是威胁人类健康的一类重要疾病，如果能精确分辨出癌细胞与其他细胞也将会给癌症的预防以及治疗提供新的思路。对细胞进行有效分类可以帮助人类在疾病预防和检测、生物学研究等方面取得更大突破。

1.2相关研究背景

1.2.1国外相关研究回顾

1994年，基于放射学评估的乳腺组织X光片的定量分类已被证明是对乳腺癌发病风险的最有力估计之一。然而，现有的分类方案受到粗范畴量表的限制。对此，Byng J.N，Boyd N.F. Fisheld等人[1]提出了一种应用于乳腺x光片的交互式阈值技术，该技术能够估测乳腺x光片中密集组织的比例。观察者在CRT显示器上观察图像并选择灰度阈值，从中确定密集组织的区域，然后根据直方图计算密度的比例。

2006年，Holalu Seenappa Sheshadri和Arumugam Kandaswamy[2]尝试根据乳腺X线照片对乳腺细胞进行分类。他们运用图像处理技术以及计算机识别技术提取了照片的统计特征，比如：均值、方差、熵等，用来表示乳腺组织的重要纹理特征。他们基于乳腺X光片的直方图强度水平，尝试将乳腺组织分为四个基本类别，这种分类有助于医师进行进一步研究预测，这也是在计算机辅助检测系统检测异常乳腺细胞时的基本步骤。与其他现有方法相比，该方法得到的实验结果更好，其准确性已经通过数据库中给出的基本事实得到了验证。

1.2.2国内相关研究回顾

2002年，宁旭[3]研究了显微细胞图像自动分析分类方法。而对于此时的医学诊断来说，主要是根据形态学观察来得出诊断结论，将计算机技术有效加入分类分析中便显得极为重要。为此，他针对医学图像中存在的分割难点，提出了两类分割方法，并配合了图像处理、模式识别等技术。而实验结果也表明这两种方法使分割的准确度得以大大提升。并且进一步探讨了细胞的分类方法，同时给出了有关正常细胞与病变细胞的有效区分指标。这对细胞分类具有重要的指导意义，也为进一步研究打下坚实基础。

2006年，谢文娟，曾立波等人[4]针对多光谱骨髓细胞图像，系统地讨论了决策树的结构，阐述了有关决策树和极大似然法相结合的自动分类方法,他们应用散点图来挑选节点特征、构造节点分类器，并给出了分类结果。其实验结果表明，对于多类的骨髓细胞分类识别来说，所提出的基于决策树的分类方法都是极为有效的,并且其分类的准确率以及分类速度远远高于单纯的极大似然法分类器,效果令人满意。