| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 组织病理图像分类的国内外研究现状 | 第10-14页 |
| 1.2.1 基于手工特征的组织病理图像分类方法 | 第11-12页 |
| 1.2.2 基于学习特征的组织病理图像分类方法 | 第12-14页 |
| 1.3 本文研究内容 | 第14-15页 |
| 1.4 本文结构安排 | 第15-16页 |
| 第二章 相关理论基础 | 第16-24页 |
| 2.1 稀疏表示理论及其字典学习算法 | 第16-20页 |
| 2.1.1 稀疏表示理论 | 第16-18页 |
| 2.1.2 字典学习算法 | 第18-20页 |
| 2.2 多通道联合稀疏模型 | 第20-22页 |
| 2.3 基于稀疏表示的空间金字塔匹配模型 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 基于堆栈的辨别性预测稀疏分解及其组织病理图像分类 | 第24-40页 |
| 3.1 引言 | 第24页 |
| 3.2 堆栈式预测稀疏分解模型 | 第24-26页 |
| 3.3 基于堆栈的辨别性预测稀疏分解及其组织病理图像分类 | 第26-30页 |
| 3.3.1 基于堆栈的辨别性预测稀疏分解的特征提取 | 第26-29页 |
| 3.3.2 基于多通道联合稀疏模型的组织病理图像分类 | 第29-30页 |
| 3.4 实验设计 | 第30-35页 |
| 3.4.1 实验数据 | 第31-32页 |
| 3.4.2 实验参数设置 | 第32-35页 |
| 3.5 实验结果及讨论 | 第35-39页 |
| 3.5.1 基于堆栈的预测稀疏分解模型中字典示意图 | 第35页 |
| 3.5.2 不同分类方法分类精度的对比 | 第35-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 基于互信息的多通道联合稀疏模型及其组织病理图像分类 | 第40-52页 |
| 4.1 引言 | 第40页 |
| 4.2 互信息 | 第40-41页 |
| 4.3 基于互信息的多通道联合稀疏模型及其组织病理图像分类 | 第41-45页 |
| 4.3.1 基于互信息的共享字典和独有字典构造 | 第42-44页 |
| 4.3.2 基于互信息的多通道联合稀疏模型 | 第44-45页 |
| 4.4 实验设计 | 第45-47页 |
| 4.4.1 实验数据 | 第46页 |
| 4.4.2 实验参数设置 | 第46-47页 |
| 4.5 实验结果及讨论 | 第47-51页 |
| 4.5.1 不同分类方法各分量表示系数差异性对比 | 第47-48页 |
| 4.5.2 不同分类方法分类精度的对比 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 总结与展望 | 第52-54页 |
| 5.1 总结 | 第52页 |
| 5.2 展望 | 第52-54页 |
| 参考文献 | 第54-59页 |
| 致谢 | 第59-60页 |
| 研究生期间完成的科研情况 | 第60页 |
