面向自动阅片系统的细胞分割方法
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第12-19页 |
| 1.1 课题研究的背景和意义 | 第12-13页 |
| 1.2 研究现状 | 第13-17页 |
| 1.2.1 细胞分割的研究现状 | 第14-16页 |
| 1.2.2 图像修复的研究现状 | 第16-17页 |
| 1.2.3 问题分析 | 第17页 |
| 1.3 课题的来源及研究内容 | 第17-19页 |
| 1.3.1 课题来源 | 第17-18页 |
| 1.3.2 课题的主要研究内容 | 第18-19页 |
| 第2章 相关技术概述 | 第19-26页 |
| 2.1 DNA倍体分析技术原理 | 第19-21页 |
| 2.1.1 正常人体细胞周期和DNA含量变化 | 第19-20页 |
| 2.1.2 宫颈病变细胞中DNA含量变化 | 第20页 |
| 2.1.3 DNA倍体分析的诊断原理 | 第20-21页 |
| 2.2 图像分割技术 | 第21-23页 |
| 2.2.1 阈值法分割原理 | 第21-22页 |
| 2.2.2 分水岭算法原理 | 第22页 |
| 2.2.3 基于曲率重叠细胞核分割方法 | 第22-23页 |
| 2.3 GMM模型 | 第23-24页 |
| 2.4 图像修复方法 | 第24-25页 |
| 2.4.1 经典Criminisi图像修复算法 | 第24页 |
| 2.4.2 FMM图像修复算法 | 第24-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 复杂背景下的宫颈细胞核分割方法 | 第26-36页 |
| 3.1 基于参数自适应的局部阈值法 | 第26-27页 |
| 3.2 分水岭算法的优化 | 第27-28页 |
| 3.2.1 重叠轮廓分割法 | 第27-28页 |
| 3.2.2 基于面积限制的重复腐蚀法 | 第28页 |
| 3.3 粗分割算法 | 第28-29页 |
| 3.4 实验分析 | 第29-35页 |
| 3.4.1 算法1的评价 | 第29-33页 |
| 3.4.2 算法效果评价与分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于识别的细胞精细分割方法 | 第36-49页 |
| 4.1 分类器训练 | 第36-38页 |
| 4.1.1 类别划分 | 第37页 |
| 4.1.2 特征提取 | 第37-38页 |
| 4.1.3 特征选择与分类器选择 | 第38页 |
| 4.2 精细分割 | 第38-40页 |
| 4.2.1 凹点检测 | 第39页 |
| 4.2.2 多种重叠形式的子轮廓分割方法 | 第39-40页 |
| 4.2.3 椭圆拟合分离线 | 第40页 |
| 4.3 细胞核分割算法 | 第40-41页 |
| 4.4 实验结果分析 | 第41-48页 |
| 4.4.1 算法2的评价 | 第41-43页 |
| 4.4.2 分割效果评价实验 | 第43-48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 重叠细胞分割后的异常像素点重构 | 第49-61页 |
| 5.1 引言 | 第49-50页 |
| 5.2 模型训练 | 第50-52页 |
| 5.2.1 UBM型的训练 | 第50-51页 |
| 5.2.2 自适应高斯混合模型 | 第51-52页 |
| 5.3 算法实现 | 第52-55页 |
| 5.3.1 基于先验知识生成灰度值 | 第52-53页 |
| 5.3.2 修复纹理 | 第53页 |
| 5.3.3 细胞核重构算法 | 第53-55页 |
| 5.4 实验分析与总结 | 第55-60页 |
| 5.4.1 细胞特征值对比实验 | 第55-59页 |
| 5.4.2 分类器识别率对比 | 第59-60页 |
| 5.5 本章总结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-68页 |
| 攻读硕士学位期间所发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |
