骨髓淋巴细胞自动识别技术的研究
| 摘要 | 第1-12页 |
| ABSTRACT | 第12-14页 |
| 第一章 绪论 | 第14-24页 |
| ·课题研究背景及意义 | 第14-15页 |
| ·骨髓和血液细胞样本说明 | 第15页 |
| ·淋巴细胞形态 | 第15-17页 |
| ·骨髓和血液细胞自动识别技术的研究现状 | 第17-20页 |
| ·图像预处理和图像分割 | 第17-18页 |
| ·特征提取和描述 | 第18-19页 |
| ·细胞分类识别 | 第19-20页 |
| ·论文的主要工作与创新点 | 第20-22页 |
| ·论文的结构安排 | 第22-24页 |
| 第二章 彩色淋巴细胞图像分割的基础理论 | 第24-31页 |
| ·图像分割的基本概念 | 第24-25页 |
| ·常用的细胞图像分割算法 | 第25-30页 |
| ·阈值分割算法 | 第26页 |
| ·区域分割算法 | 第26-27页 |
| ·边缘检测分割算法 | 第27-28页 |
| ·基于信息论的分割算法 | 第28-29页 |
| ·基于形态学的分割算法 | 第29页 |
| ·基于模式识别的图像分割算法 | 第29页 |
| ·基于遗传算法的图像分割 | 第29页 |
| ·基于小波分析和变换的分割算法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 基于多彩色空间的淋巴细胞图像分割 | 第31-46页 |
| ·基于RGB彩色空间的淋巴细胞的胞核分割 | 第31-34页 |
| ·淋巴细胞图像的RGB彩色空间 | 第31-33页 |
| ·改进的自动阈值分割法 | 第33-34页 |
| ·基于HSI彩色空间的淋巴细胞的胞浆分割 | 第34-37页 |
| ·淋巴细胞图像的HSI彩色空间 | 第35-36页 |
| ·改进的自动阈值分割法分割细胞浆 | 第36-37页 |
| ·基于数学形态学和Canny算子的细胞边缘检测 | 第37-41页 |
| ·数学形态学 | 第37-39页 |
| ·基于数学形态学的Canny边缘检测 | 第39-41页 |
| ·淋巴细胞的自动检出 | 第41-42页 |
| ·淋巴细胞分割结果分析 | 第42-44页 |
| ·本章小结 | 第44-46页 |
| 第四章 淋巴细胞分类特征的提取 | 第46-55页 |
| ·形态学特征的提取 | 第46-49页 |
| ·形态学特征提取的方法 | 第46-48页 |
| ·形态学特征的提取结果 | 第48-49页 |
| ·色度和亮度特征的提取 | 第49-50页 |
| ·色度和亮度特征提取方法 | 第49-50页 |
| ·色度和亮度特征的提取结果 | 第50页 |
| ·彩色特征的提取 | 第50-52页 |
| ·彩色特征提取方法 | 第50-51页 |
| ·彩色特征的提取结果 | 第51-52页 |
| ·纹理特征的提取 | 第52-54页 |
| ·纹理特征的提取方法 | 第52-54页 |
| ·纹理特征的提取结果 | 第54页 |
| ·本章小结 | 第54-55页 |
| 第五章 淋巴细胞分类器的设计 | 第55-74页 |
| ·人工神经网络简介 | 第55-57页 |
| ·人工神经网络基本理论 | 第57-67页 |
| ·人工神经元模型 | 第57-61页 |
| ·人工神经网络学习方法 | 第61-64页 |
| ·常见的几种人工神经网络 | 第64-67页 |
| ·BP神经网络分类器的设计 | 第67-71页 |
| ·BP神经网络的基本原理与方法 | 第67-68页 |
| ·BP网络淋巴细胞分类器的设计 | 第68-71页 |
| ·BP神经网络分类器实验结果分析 | 第71-73页 |
| ·本章小结 | 第73-74页 |
| 第六章 总结和展望 | 第74-76页 |
| ·工作总结 | 第74-75页 |
| ·今后的工作方向 | 第75-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-83页 |
| 作者攻读硕士学位期间发表的论文 | 第83-84页 |
| 学位论文评阅及答辩情况表 | 第84页 |
