FISH图像基因扩增状态判别算法研究
| 中文摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-13页 |
| ·课题背景及研究意义 | 第8-9页 |
| ·研究现状 | 第9-10页 |
| ·本文的主要工作 | 第10-11页 |
| ·论文的组织结构 | 第11页 |
| ·本章小结 | 第11-13页 |
| 第二章 图像处理技术 | 第13-19页 |
| ·引言 | 第13页 |
| ·颜色模型 | 第13页 |
| ·数学形态学 | 第13-14页 |
| ·图像分割的基本方法 | 第14-15页 |
| ·基于边缘检测的方法 | 第14-15页 |
| ·阈值分割 | 第15页 |
| ·区域生长法 | 第15页 |
| ·结合特殊技术的图像处理 | 第15-17页 |
| ·基于图论的图像处理 | 第16页 |
| ·基于神经网络的图像处理 | 第16页 |
| ·其他技术的图像处理 | 第16-17页 |
| ·图像的滤波 | 第17-18页 |
| ·线性滤波 | 第17页 |
| ·非线性滤波 | 第17-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 FISH细胞检出 | 第19-33页 |
| ·FISH图像染色特点分析 | 第19-20页 |
| ·FISH图像分割 | 第20-24页 |
| ·RGB颜色模型 | 第20-21页 |
| ·Otsu阈值法 | 第21-22页 |
| ·细胞区域和信号点分割 | 第22-24页 |
| ·基于自动随机游走的FISH细胞检出 | 第24-31页 |
| ·随机游走算法 | 第24-27页 |
| ·随机游走相关知识 | 第24-25页 |
| ·随机游走算法 | 第25-27页 |
| ·细胞区域预处理 | 第27-28页 |
| ·获取细胞种子区域 | 第28-29页 |
| ·有效种子点的提取 | 第29页 |
| ·随机游走算法实现细胞检出 | 第29-30页 |
| ·实验与结果分析 | 第30-31页 |
| ·本章小结 | 第31-33页 |
| 第四章 FISH信号点分类 | 第33-47页 |
| ·信号点特点分析 | 第33页 |
| ·信号点的类别 | 第33-35页 |
| ·信号点特征提取 | 第35-37页 |
| ·信号点特征降维方法 | 第37-43页 |
| ·流形学习 | 第37页 |
| ·拉普拉斯特征映射 | 第37-38页 |
| ·自适应邻域参数的拉普拉斯特征映射(S-LE) | 第38-43页 |
| ·基于流形弯曲度自适应邻域参数 | 第39-41页 |
| ·S-LE算法 | 第41-42页 |
| ·仿真实验与结果分析 | 第42-43页 |
| ·信号点的分类 | 第43-46页 |
| ·BP神经网络分类器 | 第43-45页 |
| ·输入层和输出层 | 第44页 |
| ·隐含层 | 第44-45页 |
| ·实验设置与结果分析 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 肿瘤病变程度判决 | 第47-50页 |
| ·引言 | 第47页 |
| ·基于全局Ratio值的判决 | 第47-48页 |
| ·基于细胞Ratio值的判决 | 第48页 |
| ·两种方法的实验结果对比 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 总结与展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第56页 |
