| 摘要 | 第3-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.1.1 研究背景 | 第9页 |
| 1.1.2 研究目的及意义 | 第9-10页 |
| 1.2 HEP-2细胞分类的研究现状 | 第10-12页 |
| 1.3 本文工作及内容安排 | 第12-14页 |
| 第2章 基于成对旋转不变共生局部二值法对HEP-2细胞图像的分类 | 第14-25页 |
| 2.1 引言 | 第14-16页 |
| 2.2 实验方法 | 第16-19页 |
| 2.2.1 成对旋转不变共发生局部二值模型(PRICoLBP) | 第17-18页 |
| 2.2.2 密度尺度不变特征转换(DSIFT) | 第18-19页 |
| 2.3 实验结果及分析 | 第19-23页 |
| 2.3.1 数据集(ICPR2012) | 第19-20页 |
| 2.3.2 实验结果评估方法 | 第20-21页 |
| 2.3.3 实验用时 | 第21页 |
| 2.3.4 分类准确率 | 第21-23页 |
| 2.3.5 同类方法结果对比 | 第23页 |
| 2.4 本章小结 | 第23-25页 |
| 第3章 基于深监督残差网络的跨模型迁移学习对HEP-2细胞图像的分类 | 第25-43页 |
| 3.1 引言 | 第25-27页 |
| 3.2 深监督残差网络的相关工作 | 第27-28页 |
| 3.2.1 残差网络 | 第27-28页 |
| 3.2.2 迁移学习 | 第28页 |
| 3.3 实验方法 | 第28-32页 |
| 3.3.1 深度残差网络 | 第28-30页 |
| 3.3.2 深度监督残差网络(DSRN) | 第30-32页 |
| 3.3.3 跨模型迁移学习 | 第32页 |
| 3.4 结果及对比分析 | 第32-39页 |
| 3.4.1 实验设置 | 第32-33页 |
| 3.4.2 实验结果 | 第33-39页 |
| 3.5 特征学习与可视化 | 第39-40页 |
| 3.6 结果分析 | 第40-41页 |
| 3.7 本章小结 | 第41-43页 |
| 第4章 稠密反卷积网络对HEP-2细胞图像分割及分类 | 第43-53页 |
| 4.1 引言 | 第43-45页 |
| 4.2 稠密的反卷积网络(DDN) | 第45-47页 |
| 4.2.1 稠密反卷积层(DDL) | 第46页 |
| 4.2.2 链式残差池化层 | 第46-47页 |
| 4.2.3 层级监督 | 第47页 |
| 4.3 分割效果及分析 | 第47-49页 |
| 4.4 分类结果及分析 | 第49-51页 |
| 4.5 本章小结 | 第51-53页 |
| 第5章 总结与展望 | 第53-55页 |
| 参考文献 | 第55-60页 |
| 致谢 | 第60-61页 |
| 攻读硕士学位期间的研究成果 | 第61页 |
