首页--医药、卫生论文--基础医学论文--病理学论文--病理解剖学与组织学论文

基于机器学习的病理细胞辅助检测方法研究

摘要第5-6页
abstract第6页
第一章 绪论第10-14页
    1.1 研究背景与意义第10-11页
    1.2 国内外研究历史与现状第11-12页
    1.3 本文的主要工作第12-13页
    1.4 本论文的结构安排第13-14页
第二章 病理细胞辅助检测相关技术介绍第14-25页
    2.1 图像预处理技术第14-16页
        2.1.1 图像灰度化第14-15页
        2.1.2 图像去噪第15-16页
    2.2 特征降维技术第16-18页
    2.3 机器学习方法第18-22页
        2.3.1 支持向量机第18-19页
        2.3.2 决策树第19-20页
        2.3.3 人工神经网络第20-22页
    2.4 分类器评价第22-24页
        2.4.1 评价方法第22页
        2.4.2 评价指标第22-24页
    2.5 本章小结第24-25页
第三章 病理细胞图像分割第25-36页
    3.1 活动轮廓模型第25页
    3.2 基于水平集的几何活动轮廓模型第25-29页
        3.2.1 曲线演化理论第25-26页
        3.2.2 水平集方法第26-29页
    3.3 CHAN-VESE模型第29-31页
    3.4 实验结果与分析第31-34页
    3.5 本章小结第34-36页
第四章 病理细胞的特征参数提取与分析第36-51页
    4.1 宫颈细胞的特征参数第36-45页
        4.1.1 基于八邻域链码的形态特征提取第37-40页
        4.1.2 色度特征提取第40-41页
        4.1.3 基于灰度共生矩阵的纹理特征提取第41-44页
        4.1.4 改进的灰度共生矩阵第44-45页
        4.1.5 实验结果及分析第45页
    4.2 宫颈细胞的特征分析与选择第45-47页
        4.2.1 标准化预处理第46页
        4.2.2 基于启发式搜索的特征选择第46-47页
    4.3 实验结果及分析第47-50页
    4.4 本章小结第50-51页
第五章 病理细胞的分类识别技术研究第51-77页
    5.1 基于遗传算法改进的SVM分类技术第51-57页
        5.1.1 核函数第51页
        5.1.2 多分类问题第51-52页
        5.1.3 遗传算法第52-55页
        5.1.4 面向宫颈细胞的GA-SVM分类识别第55-57页
    5.2 基于改进粒子群算法的BP神经网络第57-72页
        5.2.1 BP神经网络第57-64页
        5.2.2 粒子群优化算法第64-67页
        5.2.3 改进的粒子群优化算法第67-69页
        5.2.4 改进算法实验结果及分析第69-72页
    5.3 实验结果及分析第72-76页
    5.4 本章小结第76-77页
第六章 全文总结与展望第77-79页
    6.1 全文总结第77页
    6.2 后续工作展望第77-79页
致谢第79-80页
参考文献第80-84页

论文共84页,点击 下载论文
上一篇:医学图像智能分类技术研究与应用
下一篇:医疗影像智能检索技术研究与应用