| 中文摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第7-14页 |
| 1.1 课题研究背景和意义 | 第7-8页 |
| 1.2 相关领域的发展现状 | 第8-13页 |
| 1.2.1 传统图像处理方法在相关领域内的发展现状 | 第8-10页 |
| 1.2.2 深度学习方法在相关邻域内的发展现状 | 第10-13页 |
| 1.3 论文章节安排 | 第13-14页 |
| 第二章 H&E染色图像细胞核分割 | 第14-26页 |
| 2.1 常见的细胞核分割方法 | 第14-17页 |
| 2.1.1 基于阈值的细胞核分割方法 | 第14-15页 |
| 2.1.2 基于聚类的细胞核分割方法 | 第15-17页 |
| 2.2 基于SAFPCNN的细胞核分割 | 第17-22页 |
| 2.2.1 脉冲耦合神经网络 | 第17-19页 |
| 2.2.2 同步可调点火的耦合脉冲神经网络 | 第19-22页 |
| 2.3 实验结果 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 第三章 基于距离估计的细胞核标记法 | 第26-38页 |
| 3.1 传统的细胞核分离方法 | 第26-28页 |
| 3.2 基于距离的细胞核标记原理 | 第28-30页 |
| 3.3 标记细胞核的方法 | 第30-32页 |
| 3.4 距离评估矩阵序列 | 第32-33页 |
| 3.5 标记方法的优化 | 第33页 |
| 3.6 实验结果 | 第33-38页 |
| 3.6.1 人工标记对比实验 | 第34-36页 |
| 3.6.2 与凹度分析方法的对比实验 | 第36-38页 |
| 第四章 结论 | 第38-40页 |
| 4.1 主要结论 | 第38-39页 |
| 4.2 研究展望 | 第39-40页 |
| 参考文献 | 第40-46页 |
| 在学期间的研究成果 | 第46-47页 |
| 致谢 | 第47页 |