| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-14页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.3 论文的创新 | 第12-13页 |
| 1.4 本文主要研究内容 | 第13-14页 |
| 2 图像分割的相关理论概述 | 第14-29页 |
| 2.1 传统图像分割方法介绍 | 第14-17页 |
| 2.2 基于深度学习的图像分割方法介绍 | 第17-27页 |
| 2.3 基于聚类的图像分割方法 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 3 神经细胞的图像分割 | 第29-37页 |
| 3.1 原始数据介绍 | 第29-30页 |
| 3.2 问题分析 | 第30-32页 |
| 3.3 图像预处理 | 第32-34页 |
| 3.4 评价指标 | 第34-36页 |
| 3.5 本章总结 | 第36-37页 |
| 4 模型构建及性能评价 | 第37-44页 |
| 4.1 基于U-net网络的神经粘连细胞图像分割 | 第37-40页 |
| 4.2 基于聚类检测细胞边缘 | 第40-43页 |
| 4.3 本章总结 | 第43-44页 |
| 5 总结与展望 | 第44-46页 |
| 5.1 总结 | 第44-45页 |
| 5.2 展望 | 第45-46页 |
| 致谢 | 第46-47页 |
| 参考文献 | 第47-50页 |