显微图像中神经元树突棘自动检测与分析研究
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 引言 | 第8-10页 |
| 1.2 背景 | 第10-11页 |
| 1.2.1 神经元图像技术 | 第10-11页 |
| 1.2.2 图像获取 | 第11页 |
| 1.3 国内外研究现状 | 第11-12页 |
| 1.4 论文的基本结构 | 第12-13页 |
| 第二章 显微图像预处理 | 第13-29页 |
| 2.1 神经树突棘自动检测方法 | 第13-21页 |
| 2.1.1 自适应阈值选取 | 第13-14页 |
| 2.1.2 消除噪声 | 第14-16页 |
| 2.1.3 骨架提取 | 第16-21页 |
| 2.2 删除干扰神经树突的快速方法 | 第21-26页 |
| 2.2.1 神经树突主干分类 | 第21-22页 |
| 2.2.2 定位删除干扰神经树突 | 第22-23页 |
| 2.2.3 图像修复 | 第23-26页 |
| 2.3 预处理结果讨论 | 第26-28页 |
| 2.3.1 图像质量比较 | 第26-28页 |
| 2.3.2 处理时间比较 | 第28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 神经树突棘图像分割 | 第29-45页 |
| 3.1 图像分割常用算法 | 第29-35页 |
| 3.1.1 阈值分割算法 | 第29页 |
| 3.1.2 聚类分析 | 第29-31页 |
| 3.1.3 区域生长 | 第31页 |
| 3.1.4 基于模型的分割算法 | 第31-35页 |
| 3.2 断点匹配搜索算法和分段采样曲线拟合算法 | 第35-40页 |
| 3.2.1 断点匹配搜索算法 | 第35-37页 |
| 3.2.2 分段采样曲线拟合算法 | 第37-40页 |
| 3.3 神经树突棘分离及参数检测 | 第40-43页 |
| 3.3.1 神经树突棘分离 | 第40-41页 |
| 3.3.2 神经树突棘参数检测 | 第41-43页 |
| 3.4 本章小结 | 第43-45页 |
| 第四章 结果分析及三维图像中算法应用 | 第45-49页 |
| 4.1 二维图像处理结果及分析 | 第45-47页 |
| 4.2 三维图像处理结果及分析 | 第47-48页 |
| 4.3 本章小结 | 第48-49页 |
| 第五章 总结与展望 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57-58页 |
| 攻读硕士学位期间取得的科研成果 | 第58-59页 |
