| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 细胞图像分割研究概述 | 第12-15页 |
| 1.1.1 研究背景 | 第12-13页 |
| 1.1.2 研究现状 | 第13-14页 |
| 1.1.3 存在挑战 | 第14-15页 |
| 1.2 视网膜图像分割研究概述 | 第15-18页 |
| 1.2.1 研究背景 | 第15-16页 |
| 1.2.2 研究现状 | 第16-17页 |
| 1.2.3 存在挑战 | 第17-18页 |
| 1.3 本文工作与章节安排 | 第18-20页 |
| 1.3.1 主要工作 | 第18-19页 |
| 1.3.2 章节安排 | 第19-20页 |
| 第二章 集成学习和深度学习简介 | 第20-26页 |
| 2.1 集成学习和随机森林 | 第20-23页 |
| 2.1.1 集成学习 | 第20-23页 |
| 2.1.2 随机森林 | 第23页 |
| 2.2 深度学习和卷积神经网络 | 第23-26页 |
| 2.2.1 深度学习 | 第23-24页 |
| 2.2.2 卷积神经网络 | 第24-26页 |
| 第三章 基于层次级特征和随机森林的细胞图像分割 | 第26-40页 |
| 3.1 问题分析 | 第26-27页 |
| 3.2 方法流程 | 第27-28页 |
| 3.3 预处理 | 第28-30页 |
| 3.3.1 图像增强 | 第28页 |
| 3.3.2 过分割 | 第28-30页 |
| 3.3.3 基于超像素的样本选择 | 第30页 |
| 3.4 层次级特征提取 | 第30-32页 |
| 3.4.1 像素级特征提取 | 第31-32页 |
| 3.4.2 超像素级特征提取 | 第32页 |
| 3.4.3 层次级特征提取 | 第32页 |
| 3.5 基于随机森林的图像分割 | 第32-33页 |
| 3.6 图像后处理 | 第33页 |
| 3.7 实验与分析 | 第33-39页 |
| 3.7.1 细胞图像分割实验数据库 | 第33-34页 |
| 3.7.2 评价指标 | 第34-35页 |
| 3.7.3 实验 | 第35-39页 |
| 3.8 本章小结 | 第39-40页 |
| 第四章 基于深度学习和集成学习的层次级视网膜图像分割 | 第40-54页 |
| 4.1 问题分析 | 第40-41页 |
| 4.2 方法流程 | 第41页 |
| 4.3 预处理 | 第41-42页 |
| 4.4 特征学习 | 第42-44页 |
| 4.5 集成分类 | 第44页 |
| 4.6 实验与分析 | 第44-53页 |
| 4.6.1 视网膜图像分割实验数据库 | 第44-45页 |
| 4.6.2 评价指标 | 第45-46页 |
| 4.6.3 实验 | 第46-53页 |
| 4.7 本章小结 | 第53-54页 |
| 第五章 总结与展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 致谢 | 第61-62页 |
| 攻读学位期间发表的学术论文 | 第62-63页 |
| 攻读学位期间参加的科研项目 | 第63-64页 |
| 攻读学位期间所获奖励情况 | 第64-65页 |
| 学位论文评阅及答辩情况表 | 第65页 |