| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-14页 |
| 1.2.1 图像处理技术的发展 | 第11-12页 |
| 1.2.2 国内外检测与分割方法概述 | 第12-14页 |
| 1.3 论文主要内容及结构安排 | 第14-17页 |
| 1.3.1 论文的主要内容 | 第14-15页 |
| 1.3.2 论文的结构安排 | 第15-17页 |
| 第二章 细胞图像检测与分割方法相关理论 | 第17-26页 |
| 2.1 AlexNet卷积神经网络概述 | 第17-22页 |
| 2.1.1 深度学习概述 | 第17-21页 |
| 2.1.2 AlexNet模型 | 第21-22页 |
| 2.2 水平集方法概述 | 第22-25页 |
| 2.2.1 隐式曲面 | 第22-23页 |
| 2.2.2 水平集方法 | 第23-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于AlexNet的细胞图像检测方法研究 | 第26-35页 |
| 3.1 研究动机 | 第26-27页 |
| 3.2 基于AlexNet的乳腺病理细胞图像检测模型 | 第27-31页 |
| 3.2.1 AlexNet卷积神经网络模型 | 第27-29页 |
| 3.2.2 本文方法 | 第29-31页 |
| 3.3 实验设计 | 第31-32页 |
| 3.3.1 实验数据 | 第31-32页 |
| 3.3.2 实验平台 | 第32页 |
| 3.3.3 性能评估指标 | 第32页 |
| 3.4 实验结果 | 第32-33页 |
| 3.5 本章小结 | 第33-35页 |
| 第四章 基于水平集方法的细胞图像分割方法研究 | 第35-44页 |
| 4.1 研究动机 | 第35-36页 |
| 4.2 水平集方法 | 第36-40页 |
| 4.2.1 传统的水平集方法 | 第36-37页 |
| 4.2.2 基于新的能量函数的水平集方法 | 第37-40页 |
| 4.3 实验设计 | 第40-42页 |
| 4.3.1 实验数据 | 第40页 |
| 4.3.2 结合基于改进AlexNet模型检测结果的水平集方法 | 第40-42页 |
| 4.4 实验结果 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第五章 结论与展望 | 第44-46页 |
| 5.1 本文的工作内容及创新之处 | 第44-45页 |
| 5.2 今后工作展望 | 第45-46页 |
| 参考文献 | 第46-50页 |
| 致谢 | 第50-51页 |
| 作者攻读学位期间发表的学术论文目录 | 第51页 |