基于深度学习的细胞图像分割与识别算法研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景与意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-12页 |
| 1.2.1 细胞图像处理技术的发展 | 第10-11页 |
| 1.2.2 深度学习的历史与发展 | 第11-12页 |
| 1.3 论文主要内容及结构安排 | 第12-15页 |
| 1.3.1 论文的主要内容 | 第12-14页 |
| 1.3.2 论文的结构安排 | 第14-15页 |
| 第二章 细胞图像处理与深度学习 | 第15-28页 |
| 2.1 细胞图像分割 | 第15-18页 |
| 2.1.1 图像分割概述 | 第15页 |
| 2.1.2 常用的细胞分割算法 | 第15-18页 |
| 2.2 细胞图像识别 | 第18-20页 |
| 2.2.1 图像识别概述 | 第18-19页 |
| 2.2.2 常用的图像识别算法 | 第19-20页 |
| 2.3 深度学习 | 第20-27页 |
| 2.3.1 深度学习概述 | 第20-21页 |
| 2.3.2 神经网络算法 | 第21-23页 |
| 2.3.3 卷积神经网络 | 第23-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 基于深度卷积神经网络的细胞图像分割研究 | 第28-40页 |
| 3.1 染色校正处理 | 第28-31页 |
| 3.2 简单线性迭代聚类 | 第31-33页 |
| 3.3 改进的卷积神经网络模型 | 第33-36页 |
| 3.3.1 CNN模型 | 第33-35页 |
| 3.3.2 改进方法 | 第35-36页 |
| 3.4 细胞图像分割实验 | 第36-39页 |
| 3.4.1 数据集 | 第36-37页 |
| 3.4.2 实验平台 | 第37页 |
| 3.4.3 实验结果 | 第37-39页 |
| 3.5 本章小结 | 第39-40页 |
| 第四章 基于深度卷积神经网络的细胞图像识别研究 | 第40-46页 |
| 4.1 图像预处理 | 第40-42页 |
| 4.1.1 染色校正处理 | 第41页 |
| 4.1.2 ZCA白化 | 第41-42页 |
| 4.2 卷积神经网络结构 | 第42-43页 |
| 4.3 细胞图像分类识别实验 | 第43-45页 |
| 4.3.1 实验数据与平台 | 第43-44页 |
| 4.3.2 实验结果 | 第44-45页 |
| 4.4 本章小结 | 第45-46页 |
| 第五章 结论与展望 | 第46-48页 |
| 5.1 结论 | 第46-47页 |
| 5.2 展望 | 第47-48页 |
| 参考文献 | 第48-52页 |
| 致谢 | 第52-53页 |
| 作者攻读学位期间发表的学术论文目录 | 第53页 |
