题目：基于小波变换的乳腺癌病理图像有丝分裂细胞的自动检测

根据世界卫生组织（WTO）发布的统计数据显示，乳腺癌已成为当今世界上女性人群中发病率和致死率最高的癌症病症之一。依据世界卫生组织针对乳腺癌病症诊断分级所采用的诺丁汉分级评价体系，在医生对乳腺癌患者的病情进行诊断时，乳腺组织切片中的有丝分裂细胞个数是衡量当前病人癌症等级的重要检测指标之一。因此，如何在乳腺癌病理图像中区分有丝分裂细胞和非有丝分裂细胞成为了当前乳腺癌计算机辅助诊断系统的热点研究方向。

本文的工作重点在于，提出一种全新的基于小波变换的乳腺癌病理图像中有丝分裂细胞检测的模型，利用多分辨率、多尺度表达的特点，通过提取细胞的统计特征，从而获得具有更高准确率的分类识别率的有丝分裂细胞分类器。不同于传统的小波变换方式，我们选用了复数小波变换的时频域变换方法实现多尺度空间的表达，并且在各个尺度上选取了5种统计学特征对细胞进行提取。这样做的原因在于，由于有丝分裂细胞同非有丝分裂细胞在形状上都存有多变性和不确定性，导致准确地分类有丝分裂细胞十分困难；同时由于小波变换在结构设计上的约束，使得传统的纹理特征在不同尺度间可能具有相似的表达效果，这就促使我们选用了统计学特征对细胞进行多尺度表达。最后我们在包含有327个有丝分裂细胞和406个非有丝分裂细胞的国际通用数据库上，通过训练SVM分类器交叉验证的方式，检验我们所提出的基于小波变换的统计特征分类方法。

本文提出的方法经实验证明取得了良好的分类准确率和有丝分裂细胞的识别效果。最终分类器的准确率为87.94%，灵敏度为86.80%，特异性为89.89%，此外ROC曲线的线下面积（Area Under Curve）为0.94。