（系统分析与集成专业论文）基于模糊聚类的尿沉渣有形成分分析研究.pdf

南京信息工程大学硕士学位论文 摘要 尿沉渣图像检验作为临床上病理分析的重要依据，已经成为医学研究讨论的重要话题。 尿有形成分检查的重要性在于它是尿液分析中不可缺少的检查手段，对临床诊断、治疗监 测及健康普查其肖重要的临床意义，对肾莲疾病、泌尿道疾癣、循嚣系统疾病数及感染性 疾病等，有重要的诊断和鉴别作用，尿沉渣图像检验以及其有形成分分析的准确性和分析 速度的快慢就成为尿沉渣图像研究的焦点问题。很显然，以往的人工肉眼检验尿沉渣图像 有形浚分豹准确率的确眈较离。可是各大医院徽藤捡的份额原本藏慷入，更可蟾酶是藤沉 渣图像中成分繁多，个体目标也是复杂多变，人工分析难以满足要求。借助图像处理技术 实现自动分析是解决这一问题的好办法。 全叁动尿沉渣分橇仪是一魏高智畿、全鸯动、客麓静基于计算机曼徽图像的藤液有形 成份分析仪器。它集计算机技术、精密机械技术、光学显微成像技术、自动控制技术、数 字图像处理与机器视觉技术于一体。而这其中，数字图像的处理和理解是核心技术之一。 尿沉渣有形成分熬模式识掰方法有多耪，黧久工神经网络识别，支持囱薰橇识裂，炎时簸 方法等等。但是这些方法无一例外采用是的线性的识别方法。 本文所述的方法中没有要求对每个尿沉渣个体进行识别，而是首先提取了目标的5 个 形态特征窝1 2 个纹理特征。戳这些特征参数为依据，孀模凝聚类於方法将赝有的娶标聚成 几类。聚类分析是一种典型的数据挖搦和分析的方法，其中关于聚类类别的最终确定采用 了f 一统计量法。聚类之后的所有类不可能是没有杂类元素的纯类，用类间阀值分割( o s t u ) 法可以去除一些类孛与大多数个体裰似发较低的元素，并虽把它们加入裂德定集含姿母。 这样做的目的一是保证后面给每类定性时的准确攀，二是将这些不定元素可以进行熏新识 别以提高准确率。然后将每类中被抽取出来的元素经过神经网络的检验，由它们代表整个 类来绘类定性是红细胞、自纲照、管羹、还是其它结晶。最鬣对处于待定集合孛的个体进 行重新识别，以提高识别准确率。 经过数据实验和仿真证明了该方法的可行性和有效性。对于大小面积差异明显的个体 准确零较高，热篱型和上皮缀腱。莘酸钙结瑟静纹理特短明曼，该法也裔一定优势。对予 差异较小的红细胞和白细胞则效果一般。 关键字：尿沉渣，特短参数，聚类分橱，o s t u 法 南京信息工程大学硕士辫位论文 a b s 仃a c t u r i n es e d i m e n ti m a g ec h e c k i n ga st h ei m p o r t a n te v i d e n c ec l i n i c a lp a t h o l o g i ca n a l y s i sh a s b e c o m eak e yt o p i co fm e d i c a lr e s e a r c hd i s c u s s i o n u r i n ev i s u a lc o m p o n e n tc h e c k i n gi s v e r y e s s e n t i a lb e c a u s ei ti si n c r e d i b l ec h e c k i n gt o o l i nu r i n ea n a l y s i sw h i c hi sn o to n l yc l i n i c a l l y s i g n i f i c a n tt oc l i n i cd i a g n o s e ，r e m e d i a lm o n i t o r i n ga n dh e a l t hi n v e s t i g a t i o n ，b u ta l s op l a y i n ga n i m p o r t a n tr o l e i nd i a g n o s e a n dd i f f e r e n t i a t i o no fk i d n e yd i s e a s e s ，u r i n a r yt r a c t d i s e a s e s ， c i r c u l a t o r ys y s t e md i s e a s e sa n di n f e c t i o u sd i s e a s e s t h e r e f o r e ，t h ev e r a c i t ya n ds p e e do fu r i n e s e d i m e n ti m a g ec h e c k i n ga n dv i s u a lc o m p o n e n ta n a l y s i si st h ek e yp o i n tt ou r i n es e d i m e n ti m a g e r e s e a r c h o b v i o u s l y , t r a d i t i o n a lm a n u a ln a k e de y ec h e c k i n gd e f i n i t e l yh a sh i g h e rv e r a c i t y d e s p i t et h eh u g em o u n to fu r i n es p e c i m e n si ne v e r yl a r g eh o s p i t a l ，m u l t i p l et y p e sa l ei nu r i n e s e d i m e n ti m a g e ，w h a ti sw o r s e ，e a c ho fo b j e c t i v e sa r ea l s oc o m p l i c a t e d ，s u c hh u g ep r o b l e mc a n b es e t t l e db yu r i n es e d i m e n ta n a l y z e ra n dd i g i t a li m a g ep r o c e s s i n g n o w a d a y s ，a u t o m a t i cu r i n es e d i m e n ta n a l y z e ri sah i g hi n t e l l i g e n t , a u t o m a t i c ，o b j e c t i v e l y b a s e do np cm i c r oi m a g eu r i n ev i s u a lc o m p o n e n ta n a l y z e r i ti sap r e c i s ea p p a r a t u ss y s t e m c o m b i n i n gp ct e c h n o l o g y , p r e c i s em e c h a n i c a lt e c h n o l o g y , a n do p t i c a lm i c r oi m a g i n gt e c h n o l o g y , a u t oc o n t r o lt e c h n o l o g y , d i g i t a li m a g ep r o c e s s i n gt e c h n o l o g ya n dv i s u a lm a c h i n et e c h n o l o g y a m o n g a l lt h e s ea b o v e ，d i g i t a li m a g ep r o c e s s i n ga n du n d e r s t a n d i n gi so n eo ft h ek e yp o i n t s t h e r ea r em u l t i p l em e t h o d si nu r i n es e d i m e n tv i s u a lc o m p o n e n t sm o d e li d e n t i f i c a t i o n 。s u c ha s a n n ，s v m ，b a y e r sa n de r e b u tn o n eo ft h e s ei se x c e p t i o n a l l ya d o p t i n gt h ep a t t e r no fl i n e a r r e c o g n i z i n gm e t h o d t h em e t h o da b a n d o n e dr e o r g a n i z i n ge v e r yo b j e c t i v ei sf i r s tp i c k5s h a p et r a i t sa n d12 t e x t u r et r a i t so fo b j e c t i v e s 。d e p e n d i n go nt h e s et r a i tp a r a m e t e r s ，g a t h e ra l lo b j e c t i v e si n t os e v e r a l s o r t su s i n gf u z z yc l u s t e r i n g c l u s t e r i n ga n a l y s i si sat y p i c a ld a t ae x p l o r ea n da n a l y s i sm e t h o d u s ef s t a t i s t i ct od e t e r m i n et h ef i n a lc l u s t e r i n g ，a f t e rc l u s t e r i n g , u s eo t s ut ot a k eo u tt h e e l e m e n t sw i 囊l o ws i m i l a r i t ya n dt a k et h e mi n t oi n d e t e r m i n a t es e t , b e c a u s ei m p u r i t yi ne a c hs o r t i si n e v i t a b l e t h u s ，w eg u a r a n t e et h ev e r a c i t yd e t e r m i n a t i o nc o r r e c t n e s sa n dr a i s et h ev e r a c i t yb y r e i d e n t i f y i n gt h eu n c e r t a i ne l e m e n t s t h e n ，p u tt h es a m p l i n ge l e m e n t sf r o me a c hs o r t st h r o u g h t h ea n nt og i v et h ed e c i d e dc o m p o n e n tn a m et oe a c hs o r t s 。t h ee l e m e n t sw i l ld e c i d ew h i c hs o r t i sr e dc e l la n dw h i c hw h i t ec e l li s a tl a s t ，u s ea n nt or e i d e n t i f yt h o s eu n c e r t a i ne l e m e n t st o r a i s ev e r a c i t y t h em e t h o di sp r o v e dv a l i da n de f f e c t i v eb ye x p e r i m e n t sa n dd a t a 。a st ot h ee l e m e n t sw i t h g r e a t e rd i s c r e p a n c yi na r e av e r a c i t yi sh i g h s u c h 鑫sc a s t sa n de p i t h e l i a lc e l l s 。i ti sa l s oe a s yt o d i s t i n g u i s hc a l c i u m o x a l a t ec r y s t a l s ，b u to r d i n a r ye f f o r ti ns m a l l e rd i s c r e p a n c yc e l l s k e y w o r d s ：u r i n es e d i m e n t ，f e a t h e rp a r a m e t e r , c l u s t e r i n ga n a l y s i s ，o s t u i i 本人郑重声明： 学位论文独创性声明 1 、坚持以“求实、创新”的科学精神从事研究工作。 2 、本论文是我个人在导师指导下进行的研究工作和取得的研究成果。 3 、本论文中除引文外，所有实验、数据和有关材料均是真实的。 4 、本论文中除引文和致谢的内容外，不包含其他人或其它机构已经发 表或撰写过的研究成果。 5 、其他同志对本研究所做的贡献均已在论文中作了声明并表示了谢意。 作者签名： e t期： 学位论文使用授权声明 本人完全了解南京信息工程大学有关保留、使用学位论文的规定，学校 有权保留学位论文并向国家主管部门或其指定机构送交论文的电子版和纸 质版；有权将学位论文用于非赢利目的的少量复制并允许论文进入学校图书 馆被查阅；有权将学位论文的内容编入有关数据库进行检索；有权将学位论 文的标题和摘要汇编出版。保密的学位论文在解密后适用 作者签名： 日 期： 南京信息工程大学硕士学位论文 第1 章绪论 1 1 本课题研究的背景及意义 1 1 1 生物医学图像处理的发展 生物医学图像处理是一门新兴技术l lj ，是图像处理研究领域的一个重要方面，随着生 物科学技术的发展，生物医学图像处理的应用也越来越广泛。主要表现为如下两个方面： 一方面是对生物体内部器官进行观察比如医师为患者诊断，若要了解肺、心、肝、肠、肾 等内脏器官的情况，除了在体外听诊触摸外，就靠放射科的x 光透视，b 超声波的透视， 或其它射线装置的透射。这就产生了大量的医学图像，医学专家除了应用其专业知识或者 目测等常规进行诊断的方法外，多数采用计算机数字图像处理及辅助医学专家系统进行图 像分析识别【2 j 。另一方面是生物医学的学科要求，需要进行微观的观察，最常用的手段是 采用光学显微镜和电子显微镜观察细胞组织的图像。医学图像处理技术结合了计算机数字 图像处理技术的进步而得到飞跃的发展。数字图像处理、模式识别和人工智能技术现在已 经被广泛地应用于显微生物医学领域，其中尿沉渣显微图像自动识别是应用计算机处理学 图像并识别对象物的代表性课题之一。 传统的尿沉渣检查是在显微镜下p j ，对尿沉渣的涂片进行目镜检查，根据尿沉渣有形 成分的颜色、形态识别尿液中细胞、管型、结晶、细菌、寄生虫等各种生理或病理成分( 这 些有形成分的存在说明泌尿生殖系统有病变，病变部位不同使得它们在形态和构成上有差 异) 4 1 帮助医务人员对泌尿系统疾病做出正确的鉴别、诊断、定位及预后。在常规体液 检查或化学实验中不能发现的异常变化，常常可以通过尿沉渣某些有形成分的出现及其数 目而发现。 虽然尿液分析仪在临床检验工作中的广泛应用使得尿常规检测在检测项目、检测速度、 检质量和准确性方面都有所提高。但是，由于尿液分析仪对尿中有形成分的检测原理，即 利用这些有形成分所含的酶与试带条上相应的反应区起化学反应来实现的，因而只能检测 出该成分的存在及含量，而不能测得其形态而无法确定病变的具体部位和性质【5 1 ，还需要 通过对有形成分的形态进行观察，并分析出现病变可能的原因，这样才不会延误临床的确 诊和治疗。而且，这种方法受试剂条、药物等方面的影响，容易导致检测的某些项目出现 假阴性和假阳性，如用干化学法单项检测尿红、白细胞的结果显示：红细胞漏检率( 假阴 性率) 为2 6 8 ，误诊率( 假阳性率) 为3 2 3 ；白细胞漏诊率为2 9 2 ，误诊率为1 7 4 【6 1 。 这些错误将给诊断和治疗带来困难1 7 1 。 南京信息工程大学硕士学位论文 1 1 2 尿沉渣图像有形成分分析和识别的发展现状 由于尿沉渣中有形成分复杂和多变，长期以来仍以传统的镜检方式进行操作，而难以 实现自动化，直至1 9 8 8 年，y i 型尿沉渣分析仪首次问世。该仪器可将尿沉渣中的粒子 以影像形式展示于荧幕上，再由检验人员目视识别，可谓是尿沉渣分析仪的雏形。1 9 9 0 年， 美日合作相继生产出基于影像流式细胞技术的u a 一1 0 0 0 型和u a - - 2 0 0 0 型自动分析仪， 因其限于性能和效率，而未臻于实用。直到1 9 9 5 年，日本东亚医疗电子有限公司的u f 一 1 0 0 型自动尿沉渣分析仪面世。该仪器的出现，明显提高了尿沉渣分析检测速度，同时给 出尿沉渣有形成分定量结果及红细胞、白细胞等散射光分布直方图。但是该方法不能向临 床提供确证性报告，不符合美国临床实验室标准委员会( n c c l s ) 标准的要求，在临床应用 上具有局限性。因此该分析仪器并不能完全取代传统方法，遇到病理结晶、管型、变形细 胞等的识别，仍需要使用镜检方法予以确认j 。 1 9 9 6 年德国宝灵曼公司生产出新一代的名为s e d t r o n 以影像系统配合计算机技术的 尿沉渣自动分析仪。该自动尿沉渣分析仪检测原理与人工显微镜相似，主要靠两个快速移 动的c d c 摄像镜头对样本计数池扫描，其镜头的放大倍数分别为1 0 0 倍( 低倍视野) 和 4 0 0 ( 高倍视野) ，每确定一个焦距，镜头所得影像数据化，并取6 个平衡数据。其自动化的 检测能避免人工显微镜检查由于个体差异所产生的误差，直观、快速( 每小时可监测6 0 个 样本) 。经染色后，屏幕显示的沉渣成分形态清晰，储存的图像便于核查，也可用于教学。 个体能观测的有形成分包括：红细胞、白细胞、上皮细胞、管型、酵母菌、细菌和结晶等。 对各种尿沉渣成分的形态有效分辨能力，仍待进一步完善。 1 9 9 7 年，美国戴西斯公司推出流动池式尿沉渣定量分析工作站 9 1 ，1 9 9 9 年引入中国， 尽管该系统显微镜需人工操作，测定速度较慢。但是，它解决了尿沉渣镜检中精确定量问 题，还是引起了国内检验界的关注。2 0 0 1 年，美国太平洋公司推出m u d1 0 0 0 自动染色尿 沉渣分析工作站，采用国际先进的自动显微平台技术，使尿沉渣镜检的标准化、自动化达 到了一个新的水平。 2 0 0 2 年由i r i s 公司推出的小型i q - 2 0 0 系统通过了美国食品药品管理局( f d a ) 认证。 包括了专利的无玻片显微镜及独特的高速码软件，屏幕上清楚地显示尿液样本中常见各种 颗粒，即白细胞、白细胞团、红细胞、鳞状上皮细胞、非鳞状上皮细胞、透明管型，未分 类管型、结晶、细菌、酵母菌、精子及黏液。并可根据操作人员需要，对鉴定结果进行修 改以区分尿中有形成分的亚类，i q 一2 0 0 原理先进，它综合了尿中各种颗粒的大小、对比 度、外形及质地等技术参数，由灵敏度高的计算机判断出该颗粒的性质【l 0 1 。 国内也研制开发了几种型号的尿沉渣智能分析仪，如长沙高新技术产业开发区爱威科 技实业有限公司研发的a v e 7 6 1 尿沉渣智能分析仪，重庆天海公司开发的u s 系列尿沉渣 分析仪及济南金浩峰技术有限公司于2 0 0 3 年研制的k h 3 0 0 0 尿沉渣分析系统等，但是， 这些仪器只能提供显微图像的视频显示或少数几种有形成分( 如红、白细胞) 的计数。如 图2 1 为尿沉渣分析仪系统硬件组成框图。 2 南京信息工程大学硕士学位论文 尿显光 图 输入 沉 信号 像 渣微传 图感 像镜 器 计 显 算 输出 示 机 器 系 打 统 印 机 图2 1 尿沉渣分析仪系统硬件组成 近年来，国内有长春理工大学，吉林大学，浙江大学，东南大学，重庆大学等多所高 校的很多研究人员利用各种方法来对尿沉渣图像中的有形物质进行识别。这些方法对于识 别正常的有形成分都是十分有效的。长春理工大学的沈美丽博士利用支持向量机所具有的 坚实的理论基础、较好的推广能力、强大的非线性处理能力和高维处理能力等等特点改善 了分类器的分类性能，达到了很好的分类效果；南京医科大学附属第一医院联合东南大学 生物科学与医学工程系的蒋红兵，夏永祥等研究员提出了预处理和特征提取的基本算法， 并从形态学的角度给出了尿沉渣有形成分的有效分类方法；浙江大学生物医学工程与仪器 科学学院的苏传朋硕士与王永福硕士分别对尿沉渣有形成分的分割和神经网络识别方面进 行了深刻的研究并达到了较好的效果。还有其它一些同样从事研究尿沉渣有形成分识别的 研究人员在b p 神经网络识别和图像分割处理上进行了许多成效显著的工作。 1 2 尿沉渣图像的特点 1 2 1 尿沉渣图像的一般特点 一般来说，采集到的尿沉渣显微图像具有以下的一些特点： 1 ) 成分复杂，尿沉渣成分较多，有红细胞、白细胞、上皮细胞、管型、杂质等，其中 每一类又会呈现多种多样的形态、纹理和色彩，因此尿沉渣图片中各种成分表现形式非常 复杂；本项目要求将红细胞、白细胞、上皮细胞、管型等正确分类，要准确地区分各类， 必须对大量的样本进行分析，找出能反映各类特征的特征集。为了寻找各类的特征集，需 要进行特征提取和特征选择，特征提取就是提取能够全面反映各类成分的各种特征，特征 选择就是在提取的众多特征中选择出能很好反映各类成分特点的特征子集来，以便于送到 分类器中进行识别1 1 1 1 。由于尿沉渣成分较多，各个成分分布的随机性，导致各种图像组合 千差万别，各类的特征的提取和选择是本项目研究的难点。 2 ) 散焦非常严重，一些散焦成分相互混淆，极难区分。实际中许多原因造成尿沉渣显 微图片中出现散焦现象，例如：制片工艺无法避免的造成有形成分呈现多层分布的情况， 这就使得其对于显微镜头来说处于散焦状态，使得采集的显微图片上这些成分比较模糊。 3 南京信息工程大学硕士学位论文 为了便于统计，常常需要统计一层的单位面积上的各种成分的数目，这就需要有效的去除 散焦成分的影响： 3 ) 一些成分的边缘非常模糊，容易淹没在背景当中。例如许多上皮细胞边缘与背景非 常接近，因此边缘显得比较模糊，容易与背景混淆，它们与背景相比，内部突变点线较多， 需要研究有效的方法提高对比度或者研究较好的边缘检测方法尽可能提取出这些突变点 线，从而结合相应的形态学处理方法来获取这些边缘； 4 ) 细胞存在交叠粘连现象【1 2 】；许多情况下，细胞比较密集，容易出现粘连甚至交叠现 象，例如血尿病重情况下，红细胞较多，容易粘连或者交叠；需要研究相应的方法有效的 将粘连交叠严重的成分分割开来； 5 ) 一些成分与背景的对比度很低，部分成分的内部与外部非常接近，许多上皮细胞就 属于这种情况，需要研究有效的方法提高对比度。 1 2 2 尿沉渣图像各种有形成分的特点 1 红细胞( r e db l o o dc e l l ) 红细胞正常形态呈无色或稍带浅黄色的具折光性的细小圆点。在碱性尿液中红细胞可 变形，边缘不规则。在低比重尿液中，由于血红蛋白易溶出，可使红细胞呈肿胀形态。相 反，在高比重尿液中，由于尿液浓缩，红细胞水分渗出，形态变小，而边缘皱缩成锯齿状， 似桑椹状。红细胞易与真菌的孢子相混淆【1 3 】，必要时可做破碎试验进行鉴别【1 4 】。 f a ) 芷棠害王纲胞 、毒一 瑶 ：，“黪 ” “ t 。 ，“ ( c 辘壤红鳓礁 ；。稚。m 4 轳 j 麓j 娶。第鋈害_ 器 ! 口j2 耘1 7 羞鬈。n ， 、。孽 。 0 ， 妻鬟遂鼍 毓4 0 。 图2 2 尿沉渣中的红细胞以及容易与红细胞混淆的酵母样真菌 南京信息工程大学硕士学位论文 2 白细胞( w h i t eb l o o dc e l l ) 白细胞常为无色，胞核不清楚，胞浆呈颗粒状，多为嗜中性粒细胞，亦可见淋巴细胞 和单核细胞。新鲜尿液中，白细胞外形完整，浆内颗粒清晰可见，胞核清楚，常分散存在。 当尿液被细菌分解时，白细胞呈破碎状态，外形多不规则，细胞结构略呈模糊，浆内 充满粗大颗粒，核不清楚，细胞常连成团，细胞间界限不明显，此时称为脓细胞或脓细胞 团，有时伴有大量的细菌。急性肾小球肾炎时，尿内白细胞可见度增多。 争鬻餐精举茂5 僻 翰瓣i津一。 。罐4 毪| 鬻 1 尹绺鬻浚 图2 3 尿沉渣中的白细胞 3 上皮细胞( e p i t h e l i a lc e l l ) 正常尿液中有少量上皮细胞，而女性尿液中可大量存在，至于判定上皮细胞来自的部 位，一般则较困难，需做染色鉴定i l5 1 。尿液中的上皮细胞大致分为小圆上皮细胞、移形上 皮细胞和鳞状上皮细胞等。其特征分别叙述如下： ( 1 ) 小圆上皮细胞( 多角形上皮细胞) 此细胞大小与白细胞相似或较自细胞大三分之一，呈圆形或不规则形，有一大而明显 的核和一些不规则的颗粒，有时胞浆内含有脂肪滴或含铁血黄素颗粒，此种颗粒充满胞浆， 甚至盖在核上。有时此细胞残缺不全，似一堆颗粒。此细胞来自于肾小管，由于变形，形 态往往不规则常为多变性，故又称多角形细胞。 ( 2 ) 移形上皮细胞 此细胞的胞体较狭长，常呈带尾的梨形或梭形，胞核呈圆形或椭圆形。可从肾盂、输 尿管、膀胱及尿道近膀胱段等处的移行上皮组织脱落而来。这类细胞由于部位的不同和脱 落时器官的缩张状态的差异，其大小和形态有很大的差别。此细胞又细分为下面三种类型： 表皮移形上皮细胞：在器官充盈时脱落，则胞体较大，约为白细胞的4 至5 倍，多呈 不规则圆形，核较小，常居中央：如在器官收缩时脱落，则胞体较小，约为白细胞的2 至 3 倍，形态较圆。有人称此为大圆上皮细胞。膀胱炎时可成片脱落。 中层移形上皮细胞：体积大小不一，常呈梨形、纺锤形或带尾形，故又名尾形上皮细 胞或纺锤状上皮细胞。核较大，呈圆形或椭圆。这种细胞多来自于肾孟，也称之为肾盂上 皮细胞，有时亦可来自输尿管及膀胱颈部。在上述部位有炎症时，可成片出现。 底层移形上皮细胞：体积较小，形态较圆。这种细胞和肾小管上皮细胞统称为小圆上 - 5 一 缆熬貉。 。髫够 她鞲*o绺扩 穆 h 镶 南京信息工程大学硕士学位论文 皮细胞，但底层移形上皮细胞核相对稍小，而整个胞体较肾小管上皮细胞大。 ( 3 ) 鳞状上皮细胞 又称扁平上皮细胞，此细胞的胞体较大、呈扁平状，似鱼鳞样，形状不规则，边缘常卷折， 胞核很小，核心呈圆或椭圆形。有时可有2 个以上小核，全角化者核更小，甚至已不见。 此细胞来自输尿管下部和膀胱等部位。尿道炎时可大量出现，常呈片状脱落且伴随较多的 白细胞。大量出现时，表示泌尿道有炎症病变。如图2 4 。 一 一 蒸 eb ) 蹦i l ；j i 筻壤滋 t d ；麓鹾转彭上波缡魄 t ；巾段t 瘁缡魄 壤 糕 篓缫溱黎蒸麓震攀豢 沁，游拔毛瞄翔翰 ：量糍r 臻矧缴h ；崩甲j 磨壤黎 i i ，拧拽三蹙巍缎 图2 4 尿沉渣中常见的上皮细胞 4 管型l 1 6 j ( c a s t s ) 管型是在肾小管内，由蛋白质、细胞、细胞残骸及颗粒状等物质凝集而形成的。当蛋 白质自肾小球从溶液状态渗透到肾小管后，由于水分吸收，尿液的浓缩和弱酸性环境的影 响，使蛋白质凝固而形成管型。管型可吸附碎解的细胞颗粒、细胞、脂肪滴及色素等各种 破坏产物，从而形成各种管型。管型呈直或微弯的圆柱状，长短不一，二边平行，两端或 一端钝圆，偶可呈破裂状，根据其内含物的不同，可分为数种，分类情况如下。 6 鬃 南京信息工程大学硕士学位论文 ( 1 ) 透明管型( h y a l i n ec a s t s ) 无色半透明圆柱体，细长，大小不一，长短不一致，两边平行，两端钝圆，有时附有 破坏产物。在暗视野下易见。此管型如持续多量出现于尿液中，同时并可见异常粗大的透 明管型和红细胞，表示肾小管上皮细胞有剥落现象，说明。肾脏有严重的病变。正常人在激 烈运动后或老年人的尿液中亦可少量出现。此管型在碱性尿液中或稀释时，可溶解消失。 ( 2 ) 颗粒管型( g r a n u l a rc a s t s ) 透明管型的基质中含有颗粒，称为颗粒管型。其颗粒是由于肾小管上皮细胞的变性崩 溃物质，如变性蛋白、脂肪小粒及类脂质颗粒等所组成。此管型呈现暗灰白色，细长，轮 廓清楚的颗粒，根据颗粒的大小、又分为粗颗粒管型和细颗粒管型两种形态。 粗颗粒管型有时因颗粒内含有陈旧性血红蛋白而呈暗褐色，外形也不规则，有不规则 断点；细颗粒管型常出现于慢性肾小球肾炎或肾病综合症等人的尿液中。内部含有许多细 颗粒，体积较短而宽，不透明，为灰色或微黄色。 ( 3 ) 上皮细胞管型( e p i t h e l i a lc e l lc a s t s ) 此管型基质内含许多肾小管上皮细胞，表示肾小管上皮有脱屑性病变。其外形与透明 管型相似。细胞大小不一，并呈瓦片状排列。常出现于肾病、长期高热、重金属中毒及肾 淀粉样变性等病人的尿液中。 ( 4 ) 白细胞管型( w h i t eb l o o dc e l lc a s t s ) 外形与颗粒管型相似，其中含有许多白细胞或脓细胞或其凝块。常出现于急性。肾小球 肾炎、狼疮性肾炎、多发性动脉炎、慢性肾炎急性发作期及溶血性输血反应等病人的尿液 中。 ( 5 ) 红细胞管型限e db l o o dc e l lc a s t s ) 由许多红细胞所凝成。尿液中常出现此管型时，表示肾脏内有出血，有时因溶血现象 而只存在红细胞的轮廓。此管型常出现于急性肾炎、慢性肾炎急性发作期及溶血性输血反 应等病人的尿液中。 ( 6 ) 脂肪管型( f a t t yc a s t s ) 外形与透明管型相似，其中含有许多大小不均的脂肪滴，是肾上皮细胞脂肪变性后的 破碎物，经染色后脂肪滴呈红色，圆形，折光性强。此管型常出现于类脂性肾病及慢性肾 小球肾炎等病人的尿液中。 ( 7 ) 蜡样管型( w a x yc a s t s ) 外形与透明管型相似，但较厚，折光性强，呈暗灰色或灰黄色，短而粗，一端不整齐， 边缘常呈切迹状，有时分节或呈折断状或扭转状似蜡样。其形成是透明管型在肾小管内存 留的时间较久，或淀粉样交的肾上皮细胞溶解所致。尿液中出现此管型是不良之征，表示 肾小管有严重的变形坏死。常见于重症肾小球肾炎，尤其慢性肾小球肾炎后期及肾淀粉样 变等病人的尿液中。 ( 8 ) 混合管型( m i x e dc a s t s ) 外形与颗粒管型相似，含有红细胞、白细胞和肾上皮细胞及颗粒等，故称为混合管型。 - 7 南京信息工程大学硕士学位论文 此管型的出现，表示肾小球肾炎反复发作出血和有血管坏死。常见于活动性肾小球肾病综 合症进行期，结节性动脉周围炎，狼疮性肾炎及恶性高血压等病人的尿液中。 ( 9 ) 无机盐管型( s a l t i n o r g a n i cc a s t s ) 是各种无机盐互相粘附或附着在粘液丝上所形成。其形态是边缘不整齐，两端不圆， 粗细不匀亦不规则。微加热或加少量醋酸即能溶解。 ( 1 0 ) 粘液管型( m u c o u sc a s t s ) 呈长丝状，粗细不匀，边缘不整齐，一端尖细，弯曲分叉略似透明管型，但较长。 ( 1 1 ) 细菌管型( b a c t e r i a lc a s t s ) 由细菌集结成管状的管型，或管型中含有大量的细菌。此管型的外形与透明管型相似， 其中充满细菌并分节。多见于肾脏为细菌感染而呈脓毒性病变的尿液中。 ( 1 2 ) 血红蛋白管型( h e m o g l o b i nc a s t s ) 外形与透明管型相似，其中含有破裂的红细胞及其血红蛋白，多为褐色颗粒。常出现 于急性出血性肾炎、骨折及溶血性输血反应引起的黄疽系统疾患等病人的尿液中。 5 结晶体( c r y s t a l ) 尿液中析出各种结晶，取决于该物质在尿液中的饱和度，而饱和度又受尿液酸碱度和 温度的影响。尿中结晶，除某些病理情况下出现的特殊结晶，如铬氨酸、亮氨酸、磺胺类 结晶，具有一定临床意义，其各种形态、特征及意义简单叙述如下。 1 、酸性尿液中的主要结晶 ( 1 ) 尿酸结晶( u r i c a c i dc r y s t a l ) 尿酸是核蛋白中嘌呤代谢的最终产物，以尿酸或尿酸盐的形式经尿液排出体外。尿酸 结晶溶解于氢氧化钠溶液，而不溶解于醋酸或盐酸，加氨水溶解后复形成尿酸氨结晶。尿 酸结晶的形状有三菱形、长方形、哑铃形、蝴蝶形及不规则形。此结晶有的在尿液中呈黄 色、暗棕色，有时被粘在一起形成类似管型状。在新鲜尿液中如大量出现且伴有红细胞时， 又有。肾或膀胱刺激症状，多为肾或膀胱结石之征。 ( 2 ) 非结晶性尿酸盐 此尿酸盐主要是尿酸钠、钾的混合物，呈砖红色颗粒状，在淡色尿液中无色，加热溶 解，在盐酸或醋酸内溶解后形成尿酸结晶。 ( 3 ) 草酸钙结晶( c a l c i u mo x a l a t ec r y s t a l ) 在酸性尿液中，有哑铃形、球形及折光性强的八面体，两条对角线在中间交叉。有时 也在中性或碱性尿液中出现，不溶于醋酸或氢氧化钠溶液，而溶于盐酸中。在新鲜尿液中 如大量出现且伴有红细胞时，又有肾或膀胱刺激症状，多为肾或膀胱结石之征。 ( 4 ) 硫酸钙结晶( c a l c i u ms u l f a t ec r y s t a l ) 此结晶为无色针状或晶体状结晶，呈放射状排列。 ( 5 ) 马尿酸结晶( h i p p u r i ca c i dc r y s t a l ) 由苯甲酸与甘氨酸结合而成，其结晶形状与结晶形成速度有关，其形状有无色针状、 斜方柱状或三棱状，在尿沉渣中常常有色泽，一股很少见。 8 南京信息工程大学硕士学位论文 褊 ，1 葶；? 歹； 、。一壤， 一一，氛 “r - ? 毳。 夕 7 务 h ii i ! ：l ? 冬譬 麟麓戮戮 一 一 图2 5 尿沉渣中常见的管型 9 i 镫 昏。一 蕊 痒 。 南京信息工程大学硕士学位论文 一，识 镑。，r 7。 00i 毒。o ：鬻鋈 毋磅； 。 ，4 。薹。象。耋、j 爹；。 掰”；黧 4 篙j 蒸笼黧、。1喾荔参 够每鑫一q，蠢雾擎。，| 。 警8 黪荔 t c ，舞巍缓她矗磊( 砬) 艨晚鳐占矗 图2 6 酸性尿液中几种常见的结晶 2 、碱性尿液中的主要结晶 ( 1 ) 磷酸氨镁结晶( p h o s p h a t ea m m o n i om a g n e s i u mc r y s t a l ) 为复盐，又称三联磷酸盐，无色的信封状、方柱状或羽毛状，有很强的折光性。 ( 2 ) 磷酸钙结晶( p h o s p h a t ec a l c i u mc r y s t a l ) 见于弱碱性、中性或弱酸性尿液中，有非结晶形、粒形、片状等，常为无色三棱形或 星状或束状。 南京信息工程大学硕士学位论文 ( 3 ) 非结晶形磷酸盐 此盐常见于碱性与近中性尿液中，为白色颗粒状。 ( 4 ) 碳酸钙结晶( c a r b o n a t ec a l c i u mc r y s t a l ) 此结晶常与磷酸盐同时存在。其形态为无色球形，哑铃形或非晶形颗粒。此结晶加醋 酸溶解并产生气泡。 ( 5 ) 尿酸铵结晶( u r i e a c i da m m o n i u mc r y s t a l ) 此结晶是碱性尿液中唯一的尿酸盐结晶，黄色不透明，其形态为球形，哑铃形或树根 状。此结晶见于陈旧性尿液中。小儿或乳幼儿尿液中多见。在新鲜尿液中如出现时，则表 示膀胱已受细菌感染。 ( 6 ) 尿酸钙结晶( u r i c a c i dc a l c i u mc r y s t a l ) 此晶体呈球形，周围附有刺状突起或偶见菱形。多见于新生儿尿液中或碱性尿液中， 加热、加醋酸或盐酸均可溶解。 3 、胆红素结晶( h e m a t o i d i nc r y s t a l ) 呈黄红色或束状的小针状、片状或块状，有时能附在白细胞、上皮细胞表面。加氢氧 化钠溶液能溶解，加硝酸可被氧化，而变为蓝色乃至绿色等。正常的尿液中很少出现，多 见于黄疽、急性黄色肝萎缩、肝癌、肝硬化、磷中毒、伤寒等病人的尿液中。 饕簿 ，誉，： 壤、。 图2 7 胆红素结晶 4 、磺胺类药物结晶 临床上并非所有服磺胺类药物的病人，尿液中都出现此种结晶，而仅出现于少数病人 的尿液中。一般认为用药过量为主要原因，其形成因素与尿液的酸碱度及磺胺类药物在体 内乙酸作用有关。图2 6 为尿沉渣中部分结晶的显微图像。 豢 南京信息工程大学硕士学位论文 1 3 尿沉渣分类方法综述 1 ) 决策树 构造一个决策树分类器通常分为两步：树的生成和剪枝。树的生成采用自上而下的递 归分治法。如果当前训练例子集合中的所有实例是同类的，构造一个叶节点，节点内容即 是该类别。否则，根据某种策略选择一个属性，按照该属性的不同取值，把当前实例集合 划分为若干子集合。对每个子集合重复此过程，直到当前集中的实例是同类的为止。剪枝 就是剪去那些不会增大树的错误预测率的分枝【1 7 】。经过剪枝，不仅能有效的克服噪声，还 使树变得简单，容易理解。生成最优的决策树同样是n p 问题。目前的决策树算法通过启 发式属性选择策略来解决问题。i d 3 及其后续版本c 4 5 ，c s 是使用最为广泛的决策树方法 ( q u n l i n a ，19 9 3 ) 。 2 ) 贝叶斯方法 贝叶斯( b a y e s ) 统计分析起源于英国学者b a y e st r 的一篇论文a ne s s a yt o w a r d ss o l v i n g ap r o b l e mi nt h ed o c t r i n eo f c h a n c e s ( 1 7 6 3 年) ，给出了著名的贝叶斯公式和一种归纳推理方 法。其后一些统计学家将其发展成一种系统的统计推断方法，到本世纪3 0 年代形成了贝叶 斯学派，5 0 6 0 年代发展成了一个有影响的统计学派。贝叶斯方法的学习机制是利用贝叶 斯公式将先验信息与样本信息综合，得到后验信息。主要有两种b a y e s 方法，即n a i v e b a y e s 方法和b a y e s 网络。前者直接利用b a y e s 公式进行预测，把从训练样本中计算出的各个属 性值和类别频率比作为先验概率，并假定各个属性之间是独立的，就可以用b a y e s 公式和 相应的概率公司计算出要预测实例的对各类别的条件概率值。选取概率值最大的类别作为 预测值。此方法简单易行并且具有较好的精度。 b a y e s 网络是一个带有概率注释的有向无环图( h e e k e r m a n ，1 9 9 7 ) 。这个图模型能有效 地表示大的变量集合的联合概率分布( 物理的或b a y e s 的) ，从而适合用来分析大量变量之间 的相互关系，利用b a y e s 公式的学习和推理功能，实现预测、分类等任务。因为关于变量 组x 的贝叶斯网络表示了x 的联合概率分布，所以，一旦网络及其参数确定，原则上可以 用它来推断任何感兴趣的概率。b a y e s 网络也是一种适合处理不确定性知识问题的知识表 示方法，因为它可以从部分概率中进行推导。 3 1 近邻法 如果c i 的判别函数g ，( 功= 哑n l l x x 刈，k = 1 , 2 ，n 。，k 表示的是c i 个样本中的 ；个样本中的第k 个，则决策规则可写为 xj c ，fg ，( x ) = m i n g ，( x ) ，= 1 , 2 9 , - 9 n( 2 1 ) ， 即，对于未知样本x ，比较它与所有已知类别样本之间的距离并决策与它最近的样本 同类。这就是近邻分类法。如果将各类别按其与距离远近分配权值，就形成加权近邻法。 近邻法的自然推广是k 一邻近，也就是在所有的样本中找出x 的k 个最邻近，若k ，k ：，k 。 1 2 南京信息工程大学硕士学位论文 是k 个邻近类别分属c 1 ，c ：，c 。的样本数，则可以定义判别函数为 g f ( x ) = k f ，f = 1 , 2 ，n ，得到决策规则： x 专ei fg ，( x ) = m a x k ， ( 2 2 ) ， 。 4 ) 支持向量机 支持向量机是v a p n i k 根据统计学习理论提出的一种新的学习方法( v a p n i k , 1 9 9 8 ) ，近年 来受到了国际学术界的重视。支持向量机理论的最大特点是根据v a p n i k 结构风险最小化准 则，尽量提高学习机的泛化能力，即由有限的训练集样本得到的小的误差能够保证对独立 的测试集仍保持小的误差。另外由于支持向量机算法是一个凸优化问题，因此局部最优解 一定是全局最优解。而且s v m 的复杂度和实例集的维数无关。对于分类问题，支持向量 机算法根据区域中的样本计算该区域的决策曲面，由此确定该区域中未知样本的类别。对 于估值问题，支持向量机算法对区域中的样本进行回归，确定该区域的映射函数，从而得 到该区域中未知样本的取值。 s v m 的基本思想是通过某种事先选择的非线性映射将输入向量映射到一个高维特征 空间，在这个空间中构造最优分类超平面。在高维特征空间中构造最优超平面，只需要计 算特征向量与特征空间中向量的内积，然后使用某种核函数在原空间计算就可以了。从而 克服了维数困难( v a p n i k ，2 0 0 0 ) 。通过选用不同的核函数，可以构造输入空间中不同类型的 非线性决策面的学习机。 5 ) 神经网络算法 神经网络是一种很好的函数逼近工具，在过去十几年里取得了飞速的发展，发展出了 很多的模型及其改进，例如b p ，h o p f i e l d ，k o h o n a n ，a r t ，r n n ，k b a