| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 基因芯片图像国内外研究现状 | 第11-12页 |
| 1.3 深度学习的发展与现状 | 第12-13页 |
| 1.4 论文主要内容及安排 | 第13-16页 |
| 第二章 基因芯片图像预处理与网格定位 | 第16-26页 |
| 2.1 基因芯片简介 | 第16-17页 |
| 2.2 基因芯片的获取 | 第17-18页 |
| 2.3 基因芯片图像预处理 | 第18-23页 |
| 2.3.1 图像质量分析 | 第18-21页 |
| 2.3.2 灰度变换 | 第21页 |
| 2.3.3 对比度增强 | 第21-22页 |
| 2.3.4 去噪处理 | 第22-23页 |
| 2.4 基因芯片图像网格定位 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 基因芯片图像分割方法及深度学习方法 | 第26-40页 |
| 3.1 图像分割聚类分类算法概述 | 第26页 |
| 3.2 基于K-means算法的图像分割 | 第26-27页 |
| 3.3 基于模糊局部信息C-means算法的图像分割 | 第27-28页 |
| 3.4 基于SVM算法的图像分割 | 第28-30页 |
| 3.4.1 支持向量机 | 第29页 |
| 3.4.2 图像特征提取 | 第29-30页 |
| 3.5 深度学习概述 | 第30-31页 |
| 3.6 卷积神经网络 | 第31-32页 |
| 3.7 卷积神经网络结构与训练方法 | 第32-38页 |
| 3.8 本章小结 | 第38-40页 |
| 第四章 基于深度学习的基因芯片图像分割 | 第40-62页 |
| 4.1 方法提出 | 第40-41页 |
| 4.2 构建训练集 | 第41-47页 |
| 4.2.1 模拟数据集 | 第41-45页 |
| 4.2.2 真实数据集 | 第45-47页 |
| 4.3 深度学习框架Caffe的配置及原理 | 第47-50页 |
| 4.3.1 Caffe框架介绍 | 第47页 |
| 4.3.2 Caffe框架搭建 | 第47-50页 |
| 4.4 卷积神经网络模型的创建 | 第50-53页 |
| 4.5 实验结果分析 | 第53-60页 |
| 4.6 本章小结 | 第60-62页 |
| 第五章 信号提取以及数据分析 | 第62-68页 |
| 5.1 信号提取 | 第62-63页 |
| 5.2 数据表达 | 第63-66页 |
| 5.3 本章小结 | 第66-68页 |
| 第六章 总结与展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 攻读学位期间科研成果 | 第74-76页 |
| 致谢 | 第76页 |