尿沉渣细胞深度神经网络分类方法研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 缩略语对照表 | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景和意义 | 第13-15页 |
| 1.2 尿沉渣细胞分类的国内外研究现状 | 第15-17页 |
| 1.3 本文的章节安排 | 第17-19页 |
| 第二章 相关理论研究 | 第19-31页 |
| 2.1 机器学习概述 | 第19-22页 |
| 2.2 深度神经网络研究 | 第22-24页 |
| 2.3 Alexnet介绍 | 第24-27页 |
| 2.4 GoogLeNet介绍 | 第27-29页 |
| 2.5 本章小结 | 第29-31页 |
| 第三章 基于深度神经网络的尿沉渣细胞图像分类方法 | 第31-47页 |
| 3.1 尿沉渣图像分析及数据集建立 | 第31-35页 |
| 3.1.1 尿沉渣图像分析 | 第31-33页 |
| 3.1.2 数据集建立 | 第33-35页 |
| 3.2 基于细胞截面积预分类的双模型混合识别方法 | 第35-39页 |
| 3.2.1 混合识别方法设计 | 第35页 |
| 3.2.2 混合识别方法实现 | 第35-38页 |
| 3.2.3 实验对比 | 第38-39页 |
| 3.3 基于Alexnet改进的CNN模型 | 第39-43页 |
| 3.3.1 改进模型的设计思路及实现 | 第39-40页 |
| 3.3.2 实验对比 | 第40-43页 |
| 3.4 灰度特征与FFT圆形度特征融合方法 | 第43-45页 |
| 3.4.1 特征融合方法设计思路及实现 | 第43-44页 |
| 3.4.2 实验对比 | 第44-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 基于MFC的尿沉渣细胞图像分类软件设计 | 第47-61页 |
| 4.1 软件需求分析 | 第47-48页 |
| 4.2 软件结构设计 | 第48-51页 |
| 4.3 软件功能实现 | 第51-56页 |
| 4.4 软件测试 | 第56-59页 |
| 4.5 本章小结 | 第59-61页 |
| 第五章 总结与展望 | 第61-65页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-65页 |
| 参考文献 | 第65-69页 |
| 致谢 | 第69-71页 |
| 作者简介 | 第71-72页 |
