首页--医药、卫生论文--肿瘤学论文--一般性问题论文--肿瘤诊断学论文

基于生物组织偏振特性和机器学习的病理图像自动标注

摘要第3-4页
ABSTRACT第4页
第一章 绪论第7-10页
    1.1 研究目的与意义第7页
    1.2 国内外研究现状第7-9页
        1.2.1 基于偏振的生物组织病变检测第7-8页
        1.2.2 基于机器学习的病理图像分割第8-9页
    1.3 主要研究内容第9-10页
第二章 生物组织偏振成像第10-26页
    2.1 光的偏振第10-11页
    2.2 偏振光表征方法第11-13页
        2.2.1 琼斯矢量法第11页
        2.2.2 斯托克斯参量法第11-13页
    2.3 偏振成像方法第13-18页
        2.3.1 同时成像方法第13-16页
        2.3.2 分时成像方法第16-18页
    2.4 组织切片偏振成像第18-25页
        2.4.1 光与生物组织的相互作用第19-20页
        2.4.2 生物组织偏振特性表征第20-25页
    2.5 本章小结第25-26页
第三章 人工神经网络第26-47页
    3.1 人工智能概述第26-27页
    3.2 机器学习概述第27-28页
    3.3 神经网络与深度学习第28-39页
        3.3.1 感知器和多层神经网络第30-32页
        3.3.2 激活函数第32-35页
        3.3.3 损失函数第35页
        3.3.4 梯度下降与反向传播第35-38页
        3.3.5 优化器第38-39页
    3.4 卷积神经网络第39-43页
        3.4.1 CNN的基本结构第40-42页
        3.4.2 CNN的特点第42-43页
    3.5 基于CNN的语义分割第43-45页
    3.6 本章小结第45-47页
第四章 基于生物组织偏振特性和机器学习的病理图像分析第47-67页
    4.1 基于组织线偏振度的肝细胞性肝癌检测第47-50页
        4.1.1 肝细胞性肝癌组织学特征第47页
        4.1.2 旋转线偏振肝组织切片成像第47-48页
        4.1.3 实验结果与分析第48-50页
    4.2 基于偏振特性和深度学习的病理图像自动标注第50-65页
        4.2.1 病理切片的选取第51-52页
        4.2.2 阵元选取第52-54页
        4.2.3 数据扩充第54-55页
        4.2.4 网络结构设计第55-57页
        4.2.5 图像标注评价指标第57-58页
        4.2.6 实验方案设计第58-59页
        4.2.7 实验运行环境第59页
        4.2.8 实验结果分析第59-65页
    4.3 本章小结第65-67页
结论第67-69页
致谢第69-70页
参考文献第70-72页

论文共72页,点击 下载论文
上一篇:协同过滤算法及在智能音箱中的应用
下一篇:线束自动缠绕机机构研发及工位识别