| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-17页 |
| 1.1 研究背景 | 第8-11页 |
| 1.2 国内外研究现状 | 第11-16页 |
| 1.3 论文的主要内容及章节安排 | 第16-17页 |
| 第二章 相关理论基础 | 第17-24页 |
| 2.1 自动编码器与卷积神经网络概述 | 第17-21页 |
| 2.1.1 自动编码器 | 第17-19页 |
| 2.1.2 卷积神经网络 | 第19-21页 |
| 2.2 主动轮廓模型概述 | 第21-24页 |
| 第三章 基于卷积神经网络初始化的主动轮廓自适应椭圆拟合细胞分割方法 | 第24-47页 |
| 3.1 研究动机 | 第24-25页 |
| 3.2 研究方法 | 第25-33页 |
| 3.2.1 基于卷积神经网络和滑动窗口的细胞检测 | 第25-29页 |
| 3.2.2 细胞检测结果初始化的主动轮廓细胞分割方法 | 第29-30页 |
| 3.2.3 自适应椭圆拟合重叠细胞分割方法 | 第30-33页 |
| 3.3 实验设计 | 第33-36页 |
| 3.3.1 实验数据 | 第33-34页 |
| 3.3.2 对比方法的实现 | 第34-35页 |
| 3.3.3 评估方法 | 第35-36页 |
| 3.4 实验结果及讨论 | 第36-45页 |
| 3.4.1 实验结果展示 | 第36-43页 |
| 3.4.2 定量化分析结果及讨论 | 第43-45页 |
| 3.5 本章小结 | 第45-47页 |
| 第四章 基于多特征描述的乳腺癌肿瘤病理自动分级方法 | 第47-73页 |
| 4.1 研究动机 | 第47-49页 |
| 4.2 研究方法 | 第49-61页 |
| 4.2.1 病理图像预处理 | 第49-51页 |
| 4.2.2 病理图像中的细胞检测与分割 | 第51-58页 |
| 4.2.3 病理特征提取 | 第58-61页 |
| 4.2.4 病理等级分类 | 第61页 |
| 4.3 实验设计 | 第61-63页 |
| 4.3.1 实验数据 | 第61-62页 |
| 4.3.2 对比方法的实现 | 第62页 |
| 4.3.3 评估方法 | 第62-63页 |
| 4.4 实验结果和讨论 | 第63-72页 |
| 4.4.1 细胞检测结果分析 | 第63-66页 |
| 4.4.2 病理分级性能评估分析 | 第66-72页 |
| 4.5 本章小结 | 第72-73页 |
| 第五章 结论与展望 | 第73-75页 |
| 5.1 本文的工作内容及创新之处 | 第73-74页 |
| 5.2 今后工作展望 | 第74-75页 |
| 参考文献 | 第75-81页 |
| 致谢 | 第81-82页 |
| 攻读硕士期间完成的科研情况 | 第82页 |
