| 独创性声明 | 第1页 |
| 学位论文版权使用授权书 | 第4-5页 |
| 摘要 | 第5-6页 |
| Abstract | 第6-10页 |
| 第一章 引言 | 第10-15页 |
| 1．1 课题的背景 | 第10-11页 |
| 1．2 医学图像处理技术的发展及研究现状 | 第11-12页 |
| 1．3 人工神经网络在医学中的应用 | 第12-13页 |
| 1．4 论文的主要工作与组织结构 | 第13-15页 |
| 1．4．1 研究的主要内容 | 第13-14页 |
| 1．4．2 论文结构 | 第14-15页 |
| 第二章 宫颈细胞图像识别与特征提取 | 第15-32页 |
| 2．1 采集图像 | 第15-16页 |
| 2．2 细胞图像的预处理 | 第16-20页 |
| 2．2．1 RGB调整 | 第17页 |
| 2．2．2 亮度调整 | 第17-18页 |
| 2．2．3 对比度调整 | 第18-20页 |
| 2．2．4 饱和度调整 | 第20页 |
| 2．3 图像分割的基本知识 | 第20-23页 |
| 2．3．1 图像分割的一般模型 | 第20-21页 |
| 2．3．2 图像分割方法 | 第21-23页 |
| 2．4 细胞图像的特征值提取 | 第23-32页 |
| 2．4．1 形态学特征参数提取 | 第24-29页 |
| 2．4．2 色度学特征参数提取 | 第29-30页 |
| 2．4．3 特征值标准化 | 第30-32页 |
| 第三章 MLPNN用于宫颈细胞图像识别的研究 | 第32-49页 |
| 3．1 MLPNN概述 | 第32-34页 |
| 3．2 BP算法 | 第34-37页 |
| 3．2．1 BP算法的基本思想 | 第34-35页 |
| 3．2．2 BP算法步骤与流程图 | 第35-37页 |
| 3．2．4 BP算法存在的缺陷 | 第37页 |
| 3．3 对 BP算法的改进 | 第37-40页 |
| 3．3．1 动量方法 | 第37-38页 |
| 3．3．2 可调节学习步长的方法 | 第38-39页 |
| 3．3．3 基于数值优化技术的方法 | 第39-40页 |
| 3．4 基于交叉熵的BP算法 | 第40-42页 |
| 3．4．1 使用交叉熵作为误差函数 | 第40-41页 |
| 3．4．2 改变激活函数 | 第41-42页 |
| 3．5 MLPNN结构设计 | 第42-45页 |
| 3．5．1 输入和输出变量设计 | 第42页 |
| 3．5．2 初始权值的设计 | 第42-43页 |
| 3．5．3 隐层数的选择 | 第43页 |
| 3．5．4 隐节点数的设计 | 第43-45页 |
| 3．5．5 网络拓扑结构 | 第45页 |
| 3．6 MLPNN程序实现与实验结果分析 | 第45-49页 |
| 3．6．1 MLPNN程序实现 | 第45-47页 |
| 3．6．2 实验结果分析 | 第47-49页 |
| 第四章 RBFNN用于宫颈细胞图像识别的研究 | 第49-58页 |
| 4．1 RBFNN概述 | 第49-50页 |
| 4．2 RBFNN的学习算法 | 第50-52页 |
| 4．2．1 学习隐层基函数的中心与方差 | 第51-52页 |
| 4．2．2 学习输出层权值 | 第52页 |
| 4．3 RBFNN的结构设计与程序实现 | 第52-54页 |
| 4．4 RBFNN与 MLPNN的比较及实验结果分析 | 第54-58页 |
| 4．4．1 RBFNN与 MLPNN的比较 | 第54-55页 |
| 4．4．2 实验结果比较 | 第55-58页 |
| 第五章 系统的开发与实现 | 第58-66页 |
| 5．1 系统开发环境与开发工具 | 第58页 |
| 5．2 系统主要功能 | 第58-60页 |
| 5．3 系统具体实现 | 第60-66页 |
| 5．3．1 预处理参数文件模块 | 第60-62页 |
| 5．3．2 神经网络自动分析模块 | 第62-64页 |
| 5．3．3 图像检索模块 | 第64-66页 |
| 结束语 | 第66-67页 |
| 参考文献 | 第67-71页 |
| 致谢 | 第71-72页 |
| 攻读硕士学位期间参与科研项目和发表论文情况 | 第72-75页 |