| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 课题背景研究和意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 面向急性白血病诊断的骨髓细胞形态学数据库的研究现状 | 第12-14页 |
| 1.2.2 骨髓细胞分割的研究现状 | 第14-15页 |
| 1.2.3 骨髓细胞分类识别的研究现状 | 第15-16页 |
| 1.3 本文研究内容和章节安排 | 第16-18页 |
| 第二章 数据库建立与本文的系统框架 | 第18-31页 |
| 2.1 急性白血病基础知识 | 第18-26页 |
| 2.1.1 急性白血病诊断标准 | 第19-20页 |
| 2.1.2 造血干细胞生长发育体系 | 第20-24页 |
| 2.1.3 基于急性白血病诊断的骨髓细胞分类 | 第24-26页 |
| 2.2 图库的构建 | 第26-29页 |
| 2.2.1 骨髓涂片显微图像数据库 | 第26-27页 |
| 2.2.2 单一骨髓细胞图像数据库 | 第27-29页 |
| 2.3 骨髓细胞形态学检验自动化框架 | 第29-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于稀疏表示和数学形态学操作的骨髓细胞分割算法 | 第31-44页 |
| 3.1 基于稀疏表示和数学形态学操作的骨髓细胞分割算法简介 | 第32页 |
| 3.2 基于饱和度的骨髓细胞预检测 | 第32-33页 |
| 3.3 基于稀疏表示的骨髓细胞检测 | 第33-37页 |
| 3.3.1 超像素分割 | 第34-35页 |
| 3.3.2 超像素特征提取 | 第35页 |
| 3.3.3 背景字典的构建 | 第35-36页 |
| 3.3.4 骨髓细胞的稀疏重建 | 第36-37页 |
| 3.4 基于数学形态学操作的多角度骨髓细胞分割 | 第37-41页 |
| 3.4.1 图像复杂性分类 | 第38-39页 |
| 3.4.2 简单图像骨髓细胞分割 | 第39-40页 |
| 3.4.3 复杂图像骨髓细胞分割 | 第40-41页 |
| 3.5 实验结果与分析 | 第41-42页 |
| 3.6 本章小结 | 第42-44页 |
| 第四章 基于分级网络的骨髓细胞分类算法 | 第44-54页 |
| 4.1 基于分级网络的骨髓细胞分类算法简介 | 第45页 |
| 4.2 图像预处理 | 第45-46页 |
| 4.3 深度学习基础模型选择 | 第46-47页 |
| 4.4 分级网络(Hierarchical-CNN)模型 | 第47-49页 |
| 4.5 实验结果及分析 | 第49-52页 |
| 4.5.1 基础模型比较 | 第49-50页 |
| 4.5.2 单一网络和分级网络比较 | 第50-52页 |
| 4.6 本章小结 | 第52-54页 |
| 结论 | 第54-57页 |
| 参考文献 | 第57-61页 |
| 攻读硕士学位期间取得的研究成果 | 第61-63页 |
| 致谢 | 第63-64页 |
| 附件 | 第64页 |
