| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-13页 |
| 1.1 本课题研究背景及意义 | 第9-10页 |
| 1.2 本课题国内外研究现状 | 第10-12页 |
| 1.3 本课题研究内容 | 第12-13页 |
| 第2章 人工神经网络与深度学习 | 第13-21页 |
| 2.1 深度学习基本思想 | 第13页 |
| 2.2 人工神经网络与深度学习 | 第13-17页 |
| 2.2.1 人工神经元结构 | 第14页 |
| 2.2.2 人工神经网络的架构 | 第14-16页 |
| 2.2.3 浅层网络与深层网络 | 第16-17页 |
| 2.3 卷积神经网络 | 第17-21页 |
| 2.3.1 局部感受野 | 第18-19页 |
| 2.3.2 权重和偏置共享 | 第19-20页 |
| 2.3.3 降采样层 | 第20-21页 |
| 第3章 白细胞图像分割算法 | 第21-32页 |
| 3.1 图像的预处理 | 第21-23页 |
| 3.1.1 图像的平滑滤波 | 第21-22页 |
| 3.1.2 图像锐化滤波 | 第22-23页 |
| 3.2 白细胞分割算法 | 第23-25页 |
| 3.2.1 阈值分割法 | 第23页 |
| 3.2.3 边缘检测分割法 | 第23-24页 |
| 3.2.4 基于区域的分割方法 | 第24-25页 |
| 3.3 基于细胞核定位的分割方法 | 第25-32页 |
| 3.3.1 彩色空间的转换 | 第26-28页 |
| 3.3.2 白细胞定位与分割 | 第28-30页 |
| 3.3.3 实验结果及分析 | 第30-32页 |
| 第4章 白细胞图像数据库的建立 | 第32-38页 |
| 4.1 外周血细胞的发育 | 第32-33页 |
| 4.2 白细胞的形态学特征 | 第33-35页 |
| 4.3 白细胞图像数据库 | 第35-38页 |
| 4.3.1 Train和Test数据集 | 第35-36页 |
| 4.3.2 Train*和Test*数据集 | 第36-38页 |
| 第5章 基于深度学习的白细胞自动分类计数系统 | 第38-57页 |
| 5.1 系统架构 | 第38-39页 |
| 5.2 系统开发环境 | 第39-41页 |
| 5.3 深度学习网络介绍及训练 | 第41-43页 |
| 5.3.1 深度学习网络介绍 | 第41-42页 |
| 5.3.2 深度学习网络训练 | 第42-43页 |
| 5.4 初步实验结果 | 第43-45页 |
| 5.5 系统优化 | 第45-52页 |
| 5.5.1 网络结构优化 | 第45-50页 |
| 5.5.2 样本数量增加 | 第50-52页 |
| 5.6 交叉验证（Cross Validation） | 第52-54页 |
| 5.7 与以往方法对比 | 第54-57页 |
| 第6章 总结与展望 | 第57-58页 |
| 6.1 总结 | 第57页 |
| 6.2 展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 致谢 | 第61-62页 |
| 攻读硕士学位期间的研究成果 | 第62页 |