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

基于生物图像的蛋白质亚细胞定位及其动态转移检测

摘要第3-5页
Abstract第5-7页
第一章 绪论第13-33页
    1.1 蛋白质的亚细胞位置介绍第13-15页
        1.1.1 概念及研究意义第13-14页
        1.1.2 多标记蛋白质的复杂性和重要性第14-15页
    1.2 蛋白质图像亚细胞位置识别的研究第15-28页
        1.2.1 亚细胞位置的研究历史第15-17页
        1.2.2 蛋白质显微图像第17-20页
            1.2.2.1 图像类型介绍第17-19页
            1.2.2.2 人类蛋白图库HPA第19-20页
        1.2.3 基于图像的亚细胞位置识别研究现状第20-26页
            1.2.3.1 国内外的研究情况第20-21页
            1.2.3.2 生物图像数据集第21-22页
            1.2.3.3 生物图像的特征提取与选择第22-24页
            1.2.3.4 亚细胞位置分类算法第24-25页
            1.2.3.5 对多标记蛋白质的处理方法第25-26页
        1.2.4 蛋白质的亚细胞位置异常与疾病的关联第26-28页
    1.3 论文的研究内容和创新点第28-31页
        1.3.1 内容和创新点第28-31页
        1.3.2 内容间的相互关联第31页
    1.4 论文的结构和组织第31-33页
第二章 基于图像的蛋白质亚细胞位置预测模型i Locator第33-52页
    2.1 标准图像数据集的构建第34-35页
    2.2 特征空间的构建第35-39页
    2.3 多标记分类算法的应用第39-41页
    2.4 实验结果及分析第41-47页
        2.4.1 多标记分类的评价指标第41-43页
        2.4.2 图像前处理对分类结果的影响第43-44页
        2.4.3 局部二值特征(LBP)对多标记样本的分类结果的影响第44-46页
        2.4.4 多标记分类算法对分类结果的影响第46-47页
    2.5 数据集内癌症标记物的筛选第47-51页
    2.6 本章总结第51-52页
第三章 iLocator模型的半监督学习框架设计第52-73页
    3.1 半监督学习图像标准数据集第52-57页
    3.2 半监督学习算法框架的设计第57-60页
        3.2.1 半监督学习框架设计第58-59页
        3.2.2 动态阈值准则第59-60页
    3.3 链式多标记分类算法第60-62页
    3.4 实验结果及分析第62-69页
        3.4.1 动态阈值准则对分类结果的影响第62-63页
        3.4.2 半监督学习框架的分类性能第63-66页
        3.4.3 链式多标记分类算法对i Locator性能的提高第66-67页
        3.4.4 分类器融合后的结果第67-69页
    3.5 筛选癌症标志物的性能第69-72页
    3.6 本章总结第72-73页
第四章 利用主题模型定量分析蛋白质的复杂分布第73-103页
    4.1 HPA中的亚细胞位置标注第74-80页
        4.1.1 HPA中蛋白质图像的亚细胞位置标注第74-75页
        4.1.2 与蛋白质序列标注的一致性第75-80页
    4.2 利用主题模型分析蛋白质亚细胞位置分布第80-93页
        4.2.1 主题模型简介第81-82页
        4.2.2 对IHC图像建立LDA主题模型第82-89页
            4.2.2.1 抽取小图像块第83-87页
            4.2.2.2 小图像块的聚类第87-88页
            4.2.2.3 LDA模型的构建第88-89页
        4.2.3 亚细胞位置类别树的建立第89-90页
        4.2.4 从LDA主题到亚细胞位置模式的映射第90-93页
    4.3 对癌症标志蛋白质的分布变化的量化分析第93-97页
    4.4 蛋白质网络的亚细胞位置第97-101页
        4.4.1 蛋白质网络的亚细胞位置一致性第97-98页
        4.4.2 预测新的蛋白质网络成员第98-101页
    4.5 本章总结第101-103页
第五章 总结与展望第103-107页
    5.1 全文工作总结第103-104页
    5.2 未来研究工作展望第104-107页
参考文献第107-121页
致谢第121-122页
攻读博士学位期间的学术成果第122-125页

论文共125页,点击 下载论文
上一篇:面向异构数据中心的新型硬件架构与调度算法
下一篇:视觉显著性检测算法研究