失衡数据情况下成团细胞图像合成与分类
| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 课题研究的背景和意义 | 第11-12页 |
| 1.2 研究现状 | 第12-16页 |
| 1.2.1 不平衡数据集研究现状 | 第12-14页 |
| 1.2.2 主动学习的研究现状 | 第14-15页 |
| 1.2.3 问题分析 | 第15-16页 |
| 1.3 课题的来源及研究内容 | 第16-17页 |
| 1.3.1 课题来源 | 第16页 |
| 1.3.2 课题的主要研究内容 | 第16-17页 |
| 第2章 相关技术概述 | 第17-27页 |
| 2.1 DNA倍体分析技术原理 | 第17-19页 |
| 2.1.1 正常人体细胞周期和DNA含量变化 | 第17-18页 |
| 2.1.2 宫颈病变细胞中DNA含量变化 | 第18页 |
| 2.1.3 DNA倍体分析的诊断原理 | 第18-19页 |
| 2.2 图像分割及提取轮廓 | 第19-21页 |
| 2.2.1 阈值法分割原理 | 第19-20页 |
| 2.2.2 轮廓提取原理 | 第20-21页 |
| 2.3 分类器训练 | 第21-25页 |
| 2.3.1 数据来源及细胞分类 | 第21-22页 |
| 2.3.2 特征提取 | 第22-24页 |
| 2.3.3 特征提取与分类器选择 | 第24-25页 |
| 2.4 评价指标 | 第25-26页 |
| 2.5 本章小结 | 第26-27页 |
| 第3章 合成前的源细胞图像选择方法 | 第27-36页 |
| 3.1 余弦不变性 | 第27页 |
| 3.2 基于余弦不变性的样本选择方法 | 第27-29页 |
| 3.3 基于欧式距离的样本选择方法 | 第29-30页 |
| 3.4 实验分析 | 第30-35页 |
| 3.4.1 算法性能比较 | 第30-31页 |
| 3.4.2 实验结果与分析 | 第31-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于随机性的成团细胞图像合成方法 | 第36-50页 |
| 4.1 引入随机性 | 第36-37页 |
| 4.2 细胞合成算法 | 第37-42页 |
| 4.2.1 图像旋转 | 第37-38页 |
| 4.2.2 消除背景 | 第38-39页 |
| 4.2.3 靠近过程 | 第39-40页 |
| 4.2.4 重叠部分处理 | 第40-42页 |
| 4.2.5 恢复背景 | 第42页 |
| 4.3 实验结果分析 | 第42-49页 |
| 4.3.1 数据从不平衡到平衡的实验结果 | 第43-46页 |
| 4.3.2 与其它方法对比结果 | 第46-49页 |
| 4.4 本章小结 | 第49-50页 |
| 第5章 基于主动学习的重叠细胞团图像选择方法 | 第50-57页 |
| 5.1 样例选择标准 | 第50-51页 |
| 5.1.1 不确定性标准 | 第50-51页 |
| 5.2 算法流程 | 第51-52页 |
| 5.3 实验分析与总结 | 第52-56页 |
| 5.3.1 不同采样策略结果 | 第52-54页 |
| 5.3.2 综合实验结果 | 第54-56页 |
| 5.4 本章总结 | 第56-57页 |
| 结论 | 第57-59页 |
| 参考文献 | 第59-65页 |
| 攻读硕士学位期间所发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |
