随机森林和卷积神经网络在神经细胞图像分割中的应用研究
| 摘要 | 第8-10页 |
| ABSTRACT | 第10-11页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 选题的目的和意义 | 第12-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.3 本文的研究内容 | 第18-20页 |
| 第2章 基于超像素和随机森林的细胞膜分割 | 第20-37页 |
| 2.1 问题的提出 | 第20页 |
| 2.2 方法描述 | 第20-28页 |
| 2.2.1 图像增强 | 第21-22页 |
| 2.2.2 超像素算法描述 | 第22-24页 |
| 2.2.3 基于超像素的特征表达 | 第24-25页 |
| 2.2.4 随机森林算法描述 | 第25-28页 |
| 2.2.5 图像后处理 | 第28页 |
| 2.3 实验 | 第28-35页 |
| 2.3.1 实验数据集介绍 | 第28-29页 |
| 2.3.2 评价标准 | 第29-30页 |
| 2.3.3 分类器的选择 | 第30-32页 |
| 2.3.4 与像素级分割方法的对比实验 | 第32-34页 |
| 2.3.5 本文方法在竞赛数据集上的实验结果 | 第34-35页 |
| 2.4 本章小结 | 第35-37页 |
| 第3章 基于深度卷积神经网络的细胞图像分割 | 第37-47页 |
| 3.1 问题的提出 | 第37-38页 |
| 3.2 方法描述 | 第38-43页 |
| 3.2.1 卷积神经网络 | 第39-40页 |
| 3.2.2 基于卷积神经网络的特征提取器的训练 | 第40-41页 |
| 3.2.3 基于随机森林的图像分割 | 第41-42页 |
| 3.2.4 图像后处理 | 第42-43页 |
| 3.3 实验 | 第43-46页 |
| 3.3.1 实验数据介绍 | 第43页 |
| 3.3.2 评价准则 | 第43页 |
| 3.3.3 对比实验 | 第43-45页 |
| 3.3.4 实验结果分析 | 第45-46页 |
| 3.4 本章总结 | 第46-47页 |
| 第4章 总结与展望 | 第47-48页 |
| 参考文献 | 第48-53页 |
| 致谢 | 第53-54页 |
| 攻读学位期间发表的学术论文目录 | 第54-55页 |
| 攻读学位期间参加的科研项目 | 第55-56页 |
| 攻读学位期间获得的奖励 | 第56-57页 |
| 学位论文评阅及答辩情况表 | 第57页 |
