基于机器学习的方法分割ATUM-SEM图像中的线粒体
| 摘要 | 第5-7页 |
| ABSTRACT(英文摘要) | 第7-8页 |
| 第1章 引言 | 第11-16页 |
| 1.1 研究的背景和意义 | 第11-12页 |
| 1.2 国内外的研究现状 | 第12-14页 |
| 1.3 本文研究的主要内容 | 第14-16页 |
| 第2章 现存工作 | 第16-28页 |
| 2.1 FIB-SEM数据 | 第16-22页 |
| 2.1.1 超像素过分割 | 第17-18页 |
| 2.1.2 特征向量提取 | 第18-21页 |
| 2.1.3 结合学习思想的图割方法 | 第21-22页 |
| 2.2 ATUM-SEM数据 | 第22-27页 |
| 2.2.1 线粒体检测 | 第22-23页 |
| 2.2.2 多层信息融合 | 第23-25页 |
| 2.2.3 线粒体分割 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第3章 预备知识 | 第28-40页 |
| 3.1 真值图 | 第28页 |
| 3.2 Harris检测 | 第28-30页 |
| 3.2.1 数学模型 | 第29-30页 |
| 3.2.2 特征值表示 | 第30页 |
| 3.3 脊检测 | 第30-32页 |
| 3.3.1 建立模型 | 第30-31页 |
| 3.3.2 特征值表示 | 第31-32页 |
| 3.4 全变分模型 | 第32-35页 |
| 3.5 群相似模型 | 第35-40页 |
| 第4章 提出方法 | 第40-47页 |
| 4.1 线粒体检测 | 第40-41页 |
| 4.2 线粒体检验 | 第41-43页 |
| 4.3 线粒体2D分割 | 第43-45页 |
| 4.4 线粒体3D显示 | 第45-47页 |
| 第5章 实验结果分析 | 第47-53页 |
| 5.1 FasterR-CNN的检测结果 | 第47页 |
| 5.2 多层信息融合 | 第47-50页 |
| 5.3 分割结果分析 | 第50-52页 |
| 5.4 重建结果展示 | 第52-53页 |
| 第6章 结果及展望 | 第53-55页 |
| 6.1 总结 | 第53页 |
| 6.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 致谢 | 第59-60页 |
| 硕士生在读期间已发表和已录用的论文情况 | 第60页 |
