基于卷积神经网络的体液细胞图像有形成分的特征识别方法研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景 | 第9页 |
| 1.1.1 临床镜检技术简介 | 第9页 |
| 1.1.2 现有体液细胞图像识别技术的不足 | 第9页 |
| 1.2 国内外研究现状 | 第9-14页 |
| 1.2.1 特征识别技术研究现状 | 第10-11页 |
| 1.2.2 深度学习研究现状 | 第11-13页 |
| 1.2.3 卷积神经网络研究现状 | 第13-14页 |
| 1.3 论文主要工作及创新 | 第14-15页 |
| 1.4 论文内容及结构 | 第15-16页 |
| 第二章 人工神经网络 | 第16-25页 |
| 2.1 人工神经网络的特点 | 第17页 |
| 2.2 人工神经网络的分类 | 第17-20页 |
| 2.2.1 学习方法 | 第17-18页 |
| 2.2.2 学习规则 | 第18-20页 |
| 2.3 BP神经网络识别体液白细胞 | 第20-24页 |
| 2.3.1 BP网络结构 | 第20-21页 |
| 2.3.2 改进的训练方法 | 第21-22页 |
| 2.3.3 识别结果 | 第22-24页 |
| 2.4 BP识别算法优缺点分析 | 第24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 卷积神经网络 | 第25-35页 |
| 3.1 卷积神经网络概述 | 第25页 |
| 3.2 卷积神经网络结构 | 第25-26页 |
| 3.3 训练方法 | 第26-34页 |
| 3.3.1 训练过程概述 | 第26-31页 |
| 3.3.2 卷积层梯度计算 | 第31-32页 |
| 3.3.3 采样层梯度计算 | 第32-33页 |
| 3.3.4 学习特征图的组合 | 第33-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 卷积神经网络细胞图像识别及优化 | 第35-46页 |
| 4.1 识别需求分析 | 第35页 |
| 4.2 卷积神经网络架构及平台选择 | 第35-36页 |
| 4.3 基于CNN的结晶体识别 | 第36-39页 |
| 4.3.1 网络结构 | 第36-37页 |
| 4.3.2 卷积过程 | 第37页 |
| 4.3.3 局部感知过程 | 第37-38页 |
| 4.3.4 实验结果 | 第38-39页 |
| 4.4 基于CNN的红细胞识别算法 | 第39-42页 |
| 4.4.1 算法结构 | 第39页 |
| 4.4.2 参数的选择和调整 | 第39-40页 |
| 4.4.3 卷积可视化 | 第40-41页 |
| 4.4.4 识别结果 | 第41-42页 |
| 4.5 改进的白细胞识别算法 | 第42-45页 |
| 4.5.1 算法结构 | 第42页 |
| 4.5.2 参数调整 | 第42-43页 |
| 4.5.3 白细胞特征图 | 第43页 |
| 4.5.4 实验误差曲线及分析 | 第43-44页 |
| 4.5.5 识别效果 | 第44-45页 |
| 4.6 本章小结 | 第45-46页 |
| 第五章 结束语 | 第46-48页 |
| 5.1 论文工作总结 | 第46-47页 |
| 5.2 存在的问题 | 第47-48页 |
| 参考文献 | 第48-51页 |
| 致谢 | 第51-52页 |
| 个人简历 | 第52页 |
| 在学期间发表的学术论文与研究成果 | 第52页 |
