首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

AML细胞图像分割与识别方法研究

摘要第6-7页
Abstract第7-8页
第1章 绪论第11-17页
    1.1 课题研究的背景和意义第11-12页
    1.2 AML细胞图像的国内外研究现状第12-14页
    1.3 课题的来源及研究内容第14-15页
        1.3.1 课题来源第14页
        1.3.2 课题的主要研究内容第14-15页
    1.4 论文的组织结构第15-17页
第2章 医学图像分割方法概述第17-24页
    2.1 图像分割的概念第17-18页
    2.2 常用细胞图像分割方法第18-23页
        2.2.1 基于阈值的分割方法第18-19页
        2.2.2 基于边缘检测的分割方法第19-20页
        2.2.3 基于区域的分割方法第20-21页
        2.2.4 基于特定理论的分割方法第21-23页
    2.3 本章小结第23-24页
第3章 基于空间聚类与隐马尔可夫随机场的细胞图像分割算法研究第24-39页
    3.1 基于空间聚类的细胞图像分割技术第24-29页
        3.1.1 k-means聚类图像分割第24-27页
        3.1.2 k-means聚类分割算法的优缺点第27页
        3.1.3 基于改进的空间聚类细胞分割技术第27-29页
    3.2 隐马尔可夫随机场模型理论第29-32页
        3.2.1 邻域系统和基团第29-31页
        3.2.2 细胞图像的隐马尔可夫随机场描述第31-32页
    3.3 细胞分割的隐马尔可夫随机场建模第32-35页
        3.3.1 标号场先验概率模型的建立第32-33页
        3.3.2 特征场条件概率模型的建立第33-34页
        3.3.3 期望最大值算法估计模型参数第34-35页
    3.4 基于空间聚类与隐马尔可夫随机场相结合的细胞分割算法第35-38页
        3.4.1 空间聚类与HMRF模型相结合的必要性第35页
        3.4.2 基于空间聚类与HMRF模型的二级分割理论第35-38页
    3.5 本章小结第38-39页
第4章 基于BP神经网络的AML细胞分类第39-53页
    4.1 AML细胞图像特征第39-40页
    4.2 人工神经网络第40-46页
        4.2.1 人工神经元模型第40-42页
        4.2.2 常用激活函数第42-44页
        4.2.3 神经网络学习方式第44-46页
    4.3 基于BP神经网络的AML细胞分类识别第46-52页
        4.3.1 网络结构和网络参数的确定第46-47页
        4.3.2 网络的训练流程第47-52页
    4.4 本章小结第52-53页
第5章 实验结果与分析第53-61页
    5.1 实验数据和实验环境第53-54页
    5.2 细胞分割实验与分析第54-58页
        5.2.1 视觉评价第54-55页
        5.2.2 定量评价第55-57页
        5.2.3 算法分析评价第57-58页
    5.3 细胞识别实验与分析第58-60页
        5.3.1 实验方法第58-59页
        5.3.2 细胞分类识别结果第59-60页
    5.4 本章小结第60-61页
结论第61-63页
参考文献第63-68页
攻读硕士学位期间所发表的学术论文第68-69页
致谢第69页

论文共69页,点击 下载论文
上一篇:基于数学知识管理方法的线性代数教科书系统研究与实施
下一篇:自动驾驶背景下的行人检测技术研究