首页--医药、卫生论文--肿瘤学论文--泌尿生殖器肿瘤论文--乳腺肿瘤论文

基于乳腺癌计算机辅助诊断的病理图像分析

摘要第5-6页
Abstract第6页
第一章 绪论第7-12页
    1.1 研究背景第7-8页
    1.2 国内外研究现状第8-10页
    1.3 论文的主要内容及章节安排第10-12页
第二章 深度学习和非负矩阵分解简介第12-22页
    2.1 自动编码器概述第12-16页
        2.1.1 自动编码器原理第12-15页
        2.1.2 自动编码器的拓展及运用第15-16页
    2.2 非负矩阵分解概述第16-22页
        2.2.1 非负矩阵分解问题第16-17页
        2.2.2 非负矩阵分解迭代算法归纳第17-22页
第三章 基于稀疏堆叠自动编码器的细胞检测第22-36页
    3.1 研究动机第22页
    3.2 本文提出的细胞检测方法第22-25页
        3.2.1 稀疏堆叠自动编码器模型第22-24页
        3.2.2 Softmax分类器第24页
        3.2.3 滑动窗口第24-25页
    3.3 实验设计第25-28页
        3.3.1 实验数据集第25页
        3.3.2 模型参数设置第25-26页
        3.3.3 对比模型设计第26-27页
        3.3.4 评价方法第27-28页
    3.4 实验结果和讨论第28-35页
        3.4.1 定性的实验结果第28-32页
        3.4.2 定量的实验结果第32页
        3.4.3 实验的效率性分析第32-35页
    3.5 本章小结第35-36页
第四章 基于稀疏非负矩阵分解的病理图像颜色分离第36-56页
    4.1 基于比尔朗伯定律的图像表示第36-37页
    4.2 颜色分离基础第37-38页
    4.3 本文提出的基于稀疏约束的非负矩阵分解第38-39页
    4.4 算法流程第39-41页
        4.4.1 稀疏非负矩阵分解第39-40页
        4.4.2 基于形态学的细胞分割第40-41页
    4.5 实验设计第41-43页
        4.5.1 实验数据集介绍第41页
        4.5.2 DSNMF与一般的分割方法对比(CT,BRT,EM)第41-42页
        4.5.3 DSNMF与其他基于去卷积的方法(PCA,ICA,MDCD,NMF)第42页
        4.5.4 不同的迭代方法对实验的敏感度分析第42页
        4.5.5 稀疏性约束对实验结果的影响第42-43页
        4.5.6 评估方法第43页
    4.6 实验结果第43-55页
        4.6.1 不同的迭代方法对重构误差和迭代次数的影响第43-44页
        4.6.2 各种分解方法求得H通道比较第44-45页
        4.6.3 稀疏性约束对分离效果的影响第45-49页
        4.6.4 雌激素受体阳性乳腺癌病理图像细胞数据集上的结果第49-52页
        4.6.5 雌激素受体阳性乳腺癌病理图像淋巴细胞数据集上的结果第52-55页
        4.6.6 各方法计算效率对比第55页
    4.7 本章小结第55-56页
第五章 结论与展望第56-58页
    5.1 本文的工作内容及创新之处第56页
    5.2 今后工作展望第56-58页
致谢第58-59页
参考文献第59-66页
攻读硕士期间完成的科研情况第66页

论文共66页,点击 下载论文
上一篇:先秦儒家乐舞美学思想研究--以《乐记》为例
下一篇:六自由度机器人在骨科手术中的应用研究