基于光学显微镜下的活体细胞图像识别技术的研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第1章 绪论 | 第8-11页 |
| ·简介 | 第8页 |
| ·图像识别技术的国内外研究 | 第8-9页 |
| ·研究的目的和意义 | 第9-10页 |
| ·本文的研究工作 | 第10-11页 |
| 第2章 骨髓瘤细胞图像分割 | 第11-26页 |
| ·阈值分割法 | 第12-14页 |
| ·阈值分割算法的基本思想 | 第12页 |
| ·阈值分割的各类方法 | 第12-14页 |
| ·基于数学形态学的细胞图像分割方法 | 第14-17页 |
| ·分水岭算法的基本思想 | 第15页 |
| ·分水岭变换的特点及过分割现象 | 第15页 |
| ·解决分水岭过分割的常用算法 | 第15-17页 |
| ·基于脉冲耦合神经网络和图像熵的自动图像分割方法 | 第17-20页 |
| ·脉冲耦合神经网络(PCNN)原理 | 第17-20页 |
| ·骨髓瘤细胞图像分割的具体方案 | 第20-25页 |
| ·改进的边界断点连接算法 | 第20-23页 |
| ·改进的孔洞填充算法 | 第23-25页 |
| ·本章小结 | 第25-26页 |
| 第3章 骨髓瘤细胞形态特征提取 | 第26-33页 |
| ·图像特征 | 第26-27页 |
| ·骨髓瘤细胞图像各类特征 | 第27-32页 |
| ·细胞图像几何特征 | 第27-29页 |
| ·细胞图像形状特征 | 第29页 |
| ·异常细胞凹点特征 | 第29-32页 |
| ·本章小结 | 第32-33页 |
| 第4章 基于BP神经网络的骨髓瘤细胞识别 | 第33-42页 |
| ·BP神经网络 | 第33-35页 |
| ·BP神经网络用于骨髓瘤细胞识别 | 第35-37页 |
| ·BP神经网络实现细胞识别 | 第35-37页 |
| ·实验结果 | 第37页 |
| ·骨髓瘤细胞个数识别 | 第37-41页 |
| ·细胞个数识别 | 第37-39页 |
| ·实验结果 | 第39-41页 |
| ·本章小结 | 第41-42页 |
| 第5章 结论及展望 | 第42-43页 |
| ·结论 | 第42页 |
| ·展望 | 第42-43页 |
| 参考文献 | 第43-45页 |
| 附录 | 第45-48页 |
| 作者简介及在学期间所取得的科研成果 | 第48-49页 |
| 致谢 | 第49页 |
