基于人工神经网络的子宫颈癌细胞识别
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-17页 |
| ·课题的背景情况 | 第11-12页 |
| ·医学图像处理技术的发展 | 第12-14页 |
| ·人工神经网络在医学中的应用 | 第14-15页 |
| ·国内外医学影像处理研究成果 | 第15页 |
| ·论文组织结构与主要工作 | 第15-17页 |
| ·论文组织结构 | 第15-16页 |
| ·研究主要内容 | 第16-17页 |
| 2 宫颈细胞图像的分割与特征值提取 | 第17-33页 |
| ·图像采集 | 第17-18页 |
| ·图像灰度化 | 第18-20页 |
| ·图像分割的基本概念及基本方法 | 第20-25页 |
| ·图像分割的基本概念 | 第20-22页 |
| ·图像分割的分类及方法 | 第22-23页 |
| ·基于门限/阈值化的方法 | 第23-25页 |
| ·细胞图像的形态学特征参数提取 | 第25-33页 |
| 2 4.1 子宫颈细胞特征描述 | 第25-27页 |
| ·子宫颈细胞特征提取方法 | 第27-31页 |
| ·特征值标准化 | 第31-33页 |
| 3 人工神经网络 | 第33-47页 |
| ·概述 | 第33页 |
| ·人工神经网络模型 | 第33-37页 |
| ·人工神经网络节点形式化描述 | 第33-34页 |
| ·神经元状态转移函数类型 | 第34-35页 |
| ·人工神经网络分类 | 第35-36页 |
| ·人工神经网络的拓扑结构 | 第36-37页 |
| ·感知器 | 第37-39页 |
| ·单层感知器 | 第37-38页 |
| ·多层感知器 | 第38-39页 |
| ·误差逆传播算法(BP算法) | 第39-47页 |
| ·BP算法的数学描述 | 第39-44页 |
| ·BP算法的缺陷 | 第44页 |
| ·BP算法的改进 | 第44-47页 |
| 4 分类器结构设计与实现 | 第47-52页 |
| ·人工神经网络结构设计 | 第47-49页 |
| ·输入输出变量设计 | 第47页 |
| ·初始权值设计 | 第47页 |
| ·隐含节点数的选择 | 第47-49页 |
| ·人工神经网络结构 | 第49-50页 |
| ·实验结果 | 第50-52页 |
| 5 系统的设计与实现 | 第52-54页 |
| 结论 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 在学研究成果 | 第59-60页 |
| 致谢 | 第60页 |
