| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题研究目的与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 细胞分割国内外研究现状 | 第10-11页 |
| 1.2.2 细胞跟踪国内外研究现状 | 第11-13页 |
| 1.3 课题研究的主要内容及章节安排 | 第13-15页 |
| 1.3.1 主要研究内容 | 第13-14页 |
| 1.3.2 章节安排 | 第14-15页 |
| 第2章 显微图像中的细胞检测与分割 | 第15-31页 |
| 2.1 引言 | 第15页 |
| 2.2 基于阈值的细胞区域提取 | 第15-19页 |
| 2.2.1 全局阈值法 | 第16-17页 |
| 2.2.2 局部阈值法 | 第17-19页 |
| 2.3 基于多尺度Log-filter的细胞中心检测 | 第19-22页 |
| 2.4 基于城市距离的细胞图像分割 | 第22-25页 |
| 2.5 基于梯度约束的主动轮廓细胞图像分割 | 第25-28页 |
| 2.5.1 主动轮廓模型 | 第25-26页 |
| 2.5.2 改进的主动轮廓模型 | 第26-28页 |
| 2.6 实验结果与分析 | 第28-30页 |
| 2.7 本章小结 | 第30-31页 |
| 第3章 基于监督学习和主动学习的细胞跟踪 | 第31-52页 |
| 3.1 引言 | 第31-32页 |
| 3.2 前后帧细胞关联特征分析 | 第32-40页 |
| 3.2.1 细胞单体特征选择 | 第32-34页 |
| 3.2.2 细胞场景特征选择 | 第34-40页 |
| 3.3 基于有监督学习的细胞跟踪 | 第40-44页 |
| 3.3.1 梯度提升树 | 第40-42页 |
| 3.3.2 构造训练样本 | 第42-44页 |
| 3.4 基于主动学习的细胞跟踪 | 第44-45页 |
| 3.5 实验结果与分析 | 第45-51页 |
| 3.5.1 实验数据 | 第45-46页 |
| 3.5.2 有监督学习实验结果及分析 | 第46-50页 |
| 3.5.3 主动学习实验结果及分析 | 第50-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第4章 基于多特征PHD滤波的细胞跟踪 | 第52-67页 |
| 4.1 引言 | 第52-53页 |
| 4.2 基于PHD滤波的多目标跟踪方法 | 第53-59页 |
| 4.2.1 PHD滤波 | 第53-54页 |
| 4.2.2 PHD滤波的粒子滤波实现 | 第54-57页 |
| 4.2.3 基于PHD滤波的目标状态关联 | 第57-59页 |
| 4.3 结合灰度信息的细胞PHD滤波跟踪 | 第59-63页 |
| 4.3.1 细胞状态向量的建立 | 第59-61页 |
| 4.3.2 结合灰度特征的PHD滤波细胞跟踪算法 | 第61-63页 |
| 4.4 实验结果与分析 | 第63-66页 |
| 4.4.1 实验 1：MCF-10A数据集 | 第63-65页 |
| 4.4.2 实验 2：DCellIQ数据集 | 第65-66页 |
| 4.5 本章小结 | 第66-67页 |
| 结论 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第72-74页 |
| 致谢 | 第74页 |