首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

医学显微细胞图像分割算法及荧光强度提取研究

摘要第3-4页
ABSTRACT第4-5页
第1章 绪论第9-16页
    1.1 研究背景与意义第9-10页
    1.2 国内外研究现状第10-13页
        1.2.1 国内研究现状第11-12页
        1.2.2 国外研究现状第12-13页
    1.3 本文讨论的细胞第13-14页
    1.4 本课题的目的与意义第14页
    1.5 本文的主要工作和章节安排第14-16页
第2章 医学显微图像分割方法概述第16-25页
    2.1 图像分割的常见方法第16-21页
        2.1.1 阈值分割法第16-17页
        2.1.2 边缘检测法第17-20页
        2.1.3 区域分割法第20-21页
    2.2 基于特定理论的分割方法第21-24页
        2.2.1 基于模糊理论的方法第21页
        2.2.2 基于遗传算法的分割方法第21-22页
        2.2.3 基于神经网络的分割方法第22页
        2.2.4 基于水平集的分割方法第22-23页
        2.2.5 几种图像分割方法比较第23-24页
    2.3 本章小结第24-25页
第3章 粘连细胞图像常用的分离算法第25-31页
    3.1 基于边界跟踪的算法第25-27页
        3.1.1 链码分析法第25-26页
        3.1.2 曲率检测凹点法第26页
        3.1.3 两向量夹角法第26-27页
    3.2 基于数学形态学的分割方法第27-29页
        3.2.1 形态学腐蚀膨胀法第27-28页
        3.2.2 自适应迭代法第28页
        3.2.3 分水岭变换第28-29页
    3.3 分离算法比较分析第29页
    3.4 本文讨论细胞图像第29-30页
    3.5 本章小结第30-31页
第4章 基于改进分水岭的强粘连巨噬细胞图像分割方法第31-44页
    4.1 强粘连细胞第31页
    4.2 强粘连分割方法第31-40页
        4.2.1 灰度级形态学图像处理第32-33页
        4.2.2 顶帽变换和底帽变换第33-35页
        4.2.3 H-极小值变换第35-36页
        4.2.4 分水岭变换第36-39页
        4.2.5 本文采用的改进分水岭算法的操作流程第39-40页
    4.3 实验结果与分析第40-43页
    4.4 本章小结第43-44页
第5章 结合细胞核图像的脐静脉内皮细胞分割第44-73页
    5.1 脐静脉内皮细胞核分割第44-50页
        5.1.1 距离变换第45-46页
        5.1.2 寻找种子点第46-47页
        5.1.3 种子点的优化第47页
        5.1.4 重构距离图第47页
        5.1.5 分水岭算法第47-48页
        5.1.6 实验结果与分析第48-50页
    5.2 基于粘合区域种子点配对和分割线的脐静脉内皮细胞分割第50-56页
        5.2.1 图像灰度化第51页
        5.2.2 二值化第51-52页
        5.2.3 距离变换第52页
        5.2.4 种子点提取及优化第52页
        5.2.5 粘合区域判断第52-53页
        5.2.6 粘合区域分割第53-55页
        5.2.7 实验结果与分析第55-56页
    5.3 基于标记分水岭的脐静脉内皮细胞分割第56-60页
        5.3.1 细胞种子点第57页
        5.3.2 重新分布细胞距离图第57页
        5.3.3 标记分水岭分割第57页
        5.3.4 实验结果与分析第57-60页
    5.4 提取荧光强度第60-68页
        5.4.1 荧光强度概念第60页
        5.4.2 细胞核分割第60-61页
        5.4.3 细胞核定位第61页
        5.4.4 细胞及细胞核标记第61-62页
        5.4.5 细胞与细胞核标记校正第62-63页
        5.4.6 实验结果与分析第63-68页
    5.5 脐静脉内皮细胞荧光分析系统第68-72页
        5.5.1 系统介绍及框架第68页
        5.5.2 开发环境第68-69页
        5.5.3 系统功能介绍第69-72页
    5.6 本章小结第72-73页
第6章 总结与展望第73-75页
    6.1 全文总结第73-74页
    6.2 展望第74-75页
致谢第75-76页
参考文献第76-80页
攻读学位期间的研究成果第80页

论文共80页,点击 下载论文
上一篇:基于稀疏梯度域自适应字典学习方法的CT重建
下一篇:IBM私有云的DaaS中REST风格数据访问服务的设计与实现