| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究的背景和意义 | 第9-10页 |
| 1.2 细胞图像研究现状 | 第10-13页 |
| 1.2.1 图像分割研究现状 | 第11-12页 |
| 1.2.2 特征提取研究现状 | 第12页 |
| 1.2.3 分类识别研究现状 | 第12-13页 |
| 1.3 本文研究内容 | 第13页 |
| 1.4 文章组织结构 | 第13-14页 |
| 第二章 宫颈细胞图像分割方法研究 | 第14-30页 |
| 2.1 分割流程简介 | 第14-15页 |
| 2.2 宫颈细胞图像预分割 | 第15-18页 |
| 2.2.1 Otsu算法 | 第16-17页 |
| 2.2.2 宫颈细胞图像分块 | 第17页 |
| 2.2.3 自适应阈值分割方法 | 第17-18页 |
| 2.3 重叠细胞分割 | 第18-22页 |
| 2.3.1 基于曲率检测细胞分离点 | 第18-20页 |
| 2.3.2 基于曲线拟合的细胞分离 | 第20-21页 |
| 2.3.3 实验结果及分析 | 第21-22页 |
| 2.4 独立细胞的精确分割 | 第22-29页 |
| 2.4.1 传统snake模型 | 第22-23页 |
| 2.4.2 GVF Snake模型 | 第23-25页 |
| 2.4.3 基于GVF Snake模型的自适应分割 | 第25-27页 |
| 2.4.3.1 选取初始轮廓 | 第25-26页 |
| 2.4.3.2 算法实现 | 第26-27页 |
| 2.4.4 实验结果及分析 | 第27-29页 |
| 2.5 本章小结 | 第29-30页 |
| 第三章 基于BP神经网络的分类识别 | 第30-42页 |
| 3.1 BP神经网络 | 第30-35页 |
| 3.1.1 神经元模型 | 第31-32页 |
| 3.1.2 BP网络原理 | 第32-35页 |
| 3.1.2.1 正向传播 | 第33页 |
| 3.1.2.2 反向传播 | 第33-35页 |
| 3.2 BP神经网络的改进 | 第35-36页 |
| 3.2.1 增加动量法 | 第35-36页 |
| 3.2.2 自适应学习速率法 | 第36页 |
| 3.3 基于BP神经网络的宫颈细胞识别 | 第36-39页 |
| 3.3.1 宫颈细胞特征参数计算及其选择 | 第36-38页 |
| 3.3.2 BP神经网络设计 | 第38-39页 |
| 3.4 实验结果及分析 | 第39-41页 |
| 3.5 本章小结 | 第41-42页 |
| 第四章 总结和展望 | 第42-43页 |
| 4.1 研究工作总结 | 第42页 |
| 4.2 展望 | 第42-43页 |
| 参考文献 | 第43-48页 |
| 附录 | 第48-49页 |
| 致谢 | 第49-50页 |