基于BP神经网络的肺癌细胞图像处理系统的研究
| 内容提要 | 第1-8页 |
| 第1章 绪论 | 第8-17页 |
| ·计算机图像技术处理在医学领域的应用 | 第8-9页 |
| ·课题的背景及简单介绍 | 第9-12页 |
| ·研究背景 | 第9-10页 |
| ·研究意义 | 第10-12页 |
| ·课题研究的主要内容 | 第12-17页 |
| ·肺癌细胞的医学检验基础 | 第12-13页 |
| ·基于数学统计模式识别和数字形态学的图像分割 | 第13-14页 |
| ·基于链码跟踪算法的边缘检测 | 第14-15页 |
| ·肺癌细胞诊断模型的建立 | 第15-17页 |
| 第2章 肺癌细胞检验医学基础和图像处理技术 | 第17-28页 |
| ·二维图像处理技术介绍 | 第17-23页 |
| ·图像的增强技术 | 第17-22页 |
| ·图像分割技术 | 第22-23页 |
| ·肺癌细胞检验基础 | 第23-25页 |
| ·肺癌及肺癌治疗 | 第23-24页 |
| ·周围型肺癌的特征 | 第24-25页 |
| ·计算机辅助诊断 | 第25-28页 |
| ·计算机辅助诊断介绍 | 第25-26页 |
| ·肺癌诊断中的计算机辅助诊断 | 第26-28页 |
| 第3章 肺癌细胞图像分割技术的研究与实现 | 第28-43页 |
| ·肺癌细胞图像分割技术介绍 | 第28-32页 |
| ·边界检测 | 第28-29页 |
| ·区域分割 | 第29-30页 |
| ·基于模糊集理论的分割方法 | 第30-31页 |
| ·图像分割的困难 | 第31-32页 |
| ·基于统计模式识别的肺癌图像分割方法 | 第32-37页 |
| ·特征提取和选择 | 第32-33页 |
| ·分类器的设计 | 第33-36页 |
| ·试验结果及其分析 | 第36-37页 |
| ·基于数学形态学的肺癌细胞图像分割后的进一步处理 | 第37-40页 |
| ·数字形态学 | 第37-39页 |
| ·对肺癌细胞图像分割后进一步处理的研究 | 第39-40页 |
| ·基于链码跟踪算法的肺癌细胞图像边缘检测方法 | 第40-43页 |
| 第4章 肺癌细胞诊断模型的建立与分析 | 第43-59页 |
| ·周围型肺癌特征值提取 | 第43-47页 |
| ·特征定义 | 第44-45页 |
| ·特征提取方法 | 第45-47页 |
| ·人工神经网络模型 | 第47-55页 |
| ·神经网络概述 | 第47-48页 |
| ·神经网络的学习 | 第48-49页 |
| ·人工神经网络的基本功能 | 第49-50页 |
| ·人工神经网络的结构及优点 | 第50-52页 |
| ·反向传播BP 模型 | 第52-55页 |
| ·基于BP 模型的肺癌细胞诊断网络设计 | 第55-58页 |
| ·输入输出变量设计 | 第55页 |
| ·初始权值设计 | 第55页 |
| ·隐含节点数的选择 | 第55-57页 |
| ·人工神经网络结构 | 第57-58页 |
| ·结果分析 | 第58-59页 |
| 第5章 系统设计与实现 | 第59-61页 |
| 参考文献 | 第61-63页 |
| 中文摘要 | 第63-66页 |
| ABSTRACT | 第66-68页 |
| 致谢 | 第68页 |
