| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 课题研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 本文的主要研究内容及创新点 | 第14-15页 |
| 1.4 本文组织结构 | 第15-17页 |
| 第二章 基于Hough圆检测下的白带显微图像ROI分割 | 第17-27页 |
| 2.1 引言 | 第17页 |
| 2.2 图像分割技术概览 | 第17-20页 |
| 2.3 显微镜下白带显微图像ROI区域分割难点 | 第20-22页 |
| 2.4 Hough圆检测下的白带显微图像分割 | 第22-24页 |
| 2.4.1 形态学图像处理理论 | 第22-23页 |
| 2.4.2 Hough变换圆检测相关理论 | 第23-24页 |
| 2.5 白细胞的智能检测识别 | 第24页 |
| 2.6 实验数据获取与念珠菌模式学习库的建立 | 第24-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第三章 念珠菌图像特征提取研究及深度学习与支持向量机理论 | 第27-42页 |
| 3.1 引言 | 第27页 |
| 3.2 图像特征提取概述 | 第27-28页 |
| 3.3 念珠菌图像特征提取难点 | 第28-29页 |
| 3.4 基于深度卷积网络的念珠菌图像特征提取 | 第29-30页 |
| 3.5 深度学习基本理论 | 第30-38页 |
| 3.5.1 深度学习概述 | 第30-31页 |
| 3.5.2 深度学习基本思想及训练过程 | 第31-32页 |
| 3.5.3 深度卷积网络 | 第32-38页 |
| 3.6 支持向量机理论 | 第38-41页 |
| 3.6.1 机器学习中分类算法概述 | 第38-39页 |
| 3.6.2 支持向量机理论简介 | 第39-41页 |
| 3.7 本章小结 | 第41-42页 |
| 第四章 基于CNN-SVM模型的念珠菌识别 | 第42-47页 |
| 4.1 CNN-SVM模型在念珠菌分类识别上的构建 | 第42-43页 |
| 4.2 基于随机隐退的深度卷积网络在小样本上的学习 | 第43页 |
| 4.3 深度卷积网络的构造 | 第43-45页 |
| 4.4 CNN-SVM模型中深度卷积网络参数的训练 | 第45-46页 |
| 4.5 本章小结 | 第46-47页 |
| 第五章 念珠菌与白细胞检测系统设计及实验分析 | 第47-55页 |
| 5.1 白细胞与念珠菌的检测识别系统设计 | 第47-48页 |
| 5.2 白细胞实验分析 | 第48-50页 |
| 5.2.1 Hough圆检测下的白细胞检测 | 第48-49页 |
| 5.2.2 白细胞检测结果评估 | 第49-50页 |
| 5.2.3 白细胞实验小结 | 第50页 |
| 5.3 念珠菌识别实验分析 | 第50-54页 |
| 5.3.1 实验环境简介 | 第50页 |
| 5.3.2 深度卷积网络参数训练实验分析与评价 | 第50-52页 |
| 5.3.3 念珠菌识别实验分析与评价 | 第52-54页 |
| 5.4 本章小结 | 第54-55页 |
| 结论与展望 | 第55-57页 |
| 参考文献 | 第57-60页 |
| 攻读硕士学位期间取得的研究成果 | 第60-61页 |
| 致谢 | 第61-62页 |
| 附件 | 第62页 |
