| 1 概述 | 第1-24页 |
| 1．1 课题的研究背景及意义 | 第9-10页 |
| 1．2 课题的主要目的及内容 | 第10-12页 |
| 1．2．1 定性分析组织切片图像中的肾小球 | 第11页 |
| 1．2．2 定量计算球内细胞核的大小及分布情况 | 第11-12页 |
| 1．3 课题的主要难点 | 第12-17页 |
| 1．3．1 肾小球提取的难点 | 第12-16页 |
| 1．3．2 球内细胞核统计的难点 | 第16-17页 |
| 1．4 现有算法及问题分析 | 第17-20页 |
| 1．5 论文主要完成的任务和成果 | 第20-24页 |
| 1．5．1 肾小球提取 | 第20-22页 |
| 1．5．2 细胞核的统计分析 | 第22-24页 |
| 2 基于边界增强的肾小球提取 | 第24-42页 |
| 2．1 图像中的边缘检测 | 第25-30页 |
| 2．1．1 边界检测的数学基础 | 第25-27页 |
| 2．1．2 经典边缘检测算法 | 第27-29页 |
| 2．1．3 现代边缘检测算法 | 第29-30页 |
| 2．2 本文使用的边缘检测算法 | 第30-36页 |
| 2．2．1 特殊边界定义 | 第31页 |
| 2．2．2 特征模板结构 | 第31-32页 |
| 2．2．3 BP神经元网络结构 | 第32-33页 |
| 2．2．4 神经元网络学习收敛误差对边界增强效果的影响 | 第33-36页 |
| 2．3 多边界信息融合 | 第36-42页 |
| 2．3．1 肾囊壁边界增强 | 第37-38页 |
| 2．3．2 空腔边界增强 | 第38页 |
| 2．3．3 多边界信息融合 | 第38-39页 |
| 2．3．4 多目标提取 | 第39-42页 |
| 3 基于边界搜索的肾小球提取 | 第42-59页 |
| 3．1 切片图像的预处理 | 第42-43页 |
| 3．2 基于遗传算法的边界搜索算法 | 第43-48页 |
| 3．2．1 染色体的定义 | 第43-45页 |
| 3．2．2 适应度函数的定义 | 第45-46页 |
| 3．2．3 遗传因子的编码与进化策略 | 第46-47页 |
| 3．2．4 边界的精细化调整 | 第47-48页 |
| 3．3 改进的边界搜索算法 | 第48-51页 |
| 3．3．1 小波变换 | 第48-50页 |
| 3．3．2 多分辨率边界搜索 | 第50-51页 |
| 3．4 分水岭算法用于边界提取 | 第51-59页 |
| 3．4．1 基本运算处理 | 第52-55页 |
| 3．4．2 分水岭的分割方法 | 第55-59页 |
| 4 肾小球内部细胞核的提取 | 第59-68页 |
| 4．1 细胞核区域的检测 | 第59-62页 |
| 4．2 基于动态阈值面的细胞核提取 | 第62-65页 |
| 4．2．1 动态阈值 | 第62-64页 |
| 4．2．2 特征量反馈 | 第64-65页 |
| 4．3 粘连细胞核分离 | 第65-66页 |
| 4．4 统计结果 | 第66-68页 |
| 5 实验结果分析 | 第68-73页 |
| 5．1 肾小球分割 | 第68-72页 |
| 5．1．1 基于边界增强的肾小球分割 | 第68-70页 |
| 5．1．2 基于边界搜索的肾小球分割 | 第70-72页 |
| 5．2 细胞核抽取 | 第72-73页 |
| 结论 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-83页 |
| 己发表论文及科研情况 | 第83-84页 |