基于机器学习的低分辨率细胞图像的识别
| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-14页 |
| 1.1 背景及意义 | 第8页 |
| 1.2 无透镜数字全息显微成像历史与研究现状 | 第8-10页 |
| 1.2.1 无透镜数字全息显微成像发展历史 | 第9页 |
| 1.2.2 无透镜数字全息显微成像的研究现状 | 第9-10页 |
| 1.3 卷积神经网络的历史与研究现状 | 第10-12页 |
| 1.3.1 卷积神经网络的历史 | 第10-11页 |
| 1.3.2 卷积神经网络发展的现状 | 第11-12页 |
| 1.4 本文研究的内容 | 第12页 |
| 1.5 本论文的结构安排 | 第12-13页 |
| 1.6 本章小结 | 第13-14页 |
| 2 卷积神经网络算法原理 | 第14-24页 |
| 2.1 卷积神经网络算法 | 第14-23页 |
| 2.1.1 卷积神经网络的数据结构 | 第14-15页 |
| 2.1.2 卷积神经网络的层级结构 | 第15-22页 |
| 2.1.3 卷积神经网络的权值学习与数据交互 | 第22-23页 |
| 2.2 本章小结 | 第23-24页 |
| 3 白细胞数据库的建立 | 第24-38页 |
| 3.1 白细胞的生理特性和形态学特征 | 第24-25页 |
| 3.2 血涂片细胞图像的获取 | 第25-26页 |
| 3.3 单个白细胞图像的获取 | 第26-35页 |
| 3.4 白细胞数据库的建立 | 第35-37页 |
| 3.5 本章小结 | 第37-38页 |
| 4 高分辨率白细胞图像识别 | 第38-48页 |
| 4.1 细胞识别中的评价标准 | 第38-39页 |
| 4.2 基于卷积神经网络算法的高分辨细胞识别 | 第39-47页 |
| 4.3 本章小结 | 第47-48页 |
| 5 低分辨细胞图像的识别 | 第48-62页 |
| 5.1 数据采集系统 | 第48-49页 |
| 5.2 低分辨率无衍射图像识别 | 第49-55页 |
| 5.3 低分辨率有衍射图像的识别 | 第55-61页 |
| 5.3.1 低分辨率衍射图像的获取 | 第55-58页 |
| 5.3.2 低分辨率细胞衍射图识别 | 第58-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6.总结与展望 | 第62-64页 |
| 6.1 工作总结 | 第62页 |
| 6.2 工作展望 | 第62-64页 |
| 致谢 | 第64-66页 |
| 参考文献 | 第66-67页 |
