利用支持向量机对癌细胞识别的研究
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 前言 | 第10-14页 |
| ·研究背景及意义 | 第10-11页 |
| ·国内外研究现状 | 第11页 |
| ·细胞图像处理方法概述 | 第11-12页 |
| ·SVM 概述 | 第12-13页 |
| ·本文的研究工作及结构 | 第13-14页 |
| 第二章 癌细胞的诊断 | 第14-18页 |
| ·细胞简介 | 第14-15页 |
| ·细胞的基本概念 | 第14页 |
| ·细胞的结构 | 第14-15页 |
| ·细胞的共性 | 第15页 |
| ·癌细胞的识别与癌症的诊断 | 第15-16页 |
| ·癌细胞的视觉特征 | 第16-17页 |
| ·单癌细胞的视觉特征 | 第16-17页 |
| ·细胞团分布的视觉特征 | 第17页 |
| ·本章小结 | 第17-18页 |
| 第三章 支持向量机理论 | 第18-30页 |
| ·二分类支持向量机 | 第18-25页 |
| ·线性可分情况 | 第19-21页 |
| ·线性不可分情况 | 第21-23页 |
| ·非线性情况 | 第23-24页 |
| ·支持向量机的训练 | 第24-25页 |
| ·多分类支持向量机 | 第25-28页 |
| ·全局优化法 | 第26页 |
| ·一对多方法 | 第26-27页 |
| ·一对一方法 | 第27-28页 |
| ·有向无环图法 | 第28页 |
| ·本章小结 | 第28-30页 |
| 第四章 基于SVM 的细胞图像分割 | 第30-39页 |
| ·细胞图像分割简介 | 第31-33页 |
| ·图像分割及评价 | 第31页 |
| ·医学细胞显微图像的分割特点 | 第31-33页 |
| ·基于SVM 的细胞图像分割 | 第33-35页 |
| ·分割方法说明 | 第34页 |
| ·单细胞图像分割 | 第34-35页 |
| ·细胞团图像分割 | 第35页 |
| ·结果与分析 | 第35-38页 |
| ·单细胞图像分割结果与分析 | 第35-37页 |
| ·细胞团图像分割结果与分析 | 第37-38页 |
| ·本章小结 | 第38-39页 |
| 第五章 基于SVM 的单细胞分类研究 | 第39-46页 |
| ·特征提取 | 第39-41页 |
| ·特征的选取 | 第39-40页 |
| ·特征提取算法 | 第40-41页 |
| ·基于SVM 单细胞分类 | 第41-43页 |
| ·核函数的选取 | 第41-42页 |
| ·参数的优化 | 第42-43页 |
| ·实验与结果分析 | 第43-45页 |
| ·实验性能的评价 | 第43-44页 |
| ·分类器参数对分类性能的影响 | 第44-45页 |
| ·本章小结 | 第45-46页 |
| 第六章 基于M-SVM 的细胞团分类研究 | 第46-50页 |
| ·特征提取 | 第46-48页 |
| ·实验与结果 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第七章 全文总结与展望 | 第50-52页 |
| ·总结 | 第50页 |
| ·工作展望 | 第50-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56页 |
