循环肿瘤细胞快速自动识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 符号对照表 | 第10-11页 |
| 缩略语对照表 | 第11-14页 |
| 第一章 绪论 | 第14-20页 |
| 1.1 课题研究目的和意义 | 第14-17页 |
| 1.1.1 循环肿瘤细胞简介 | 第14-15页 |
| 1.1.2 循环肿瘤细胞检测系统 | 第15-17页 |
| 1.1.3 CTC快速自动识别关键问题 | 第17页 |
| 1.2 国内外研究现状 | 第17-19页 |
| 1.3 本文主要工作和结构安排 | 第19-20页 |
| 第二章 CTC系统与成像 | 第20-24页 |
| 2.1 CTC检测制片系统 | 第20页 |
| 2.2 CTC检测成像系统仪器组成 | 第20-22页 |
| 2.3 CTC检测主要步骤 | 第22-23页 |
| 2.3.1 细胞荧光标记 | 第22页 |
| 2.3.2 芯片捕获CTC | 第22页 |
| 2.3.3 显微镜扫描成像及图像采集 | 第22-23页 |
| 2.4 本章小结 | 第23-24页 |
| 第三章 CTC样本分析与细胞分割研究 | 第24-40页 |
| 3.1 样本图像分析 | 第24-25页 |
| 3.2 基于改进主动轮廓模型细胞分割算法 | 第25-31页 |
| 3.2.1 改进的C-V主动轮廓模型分割算法 | 第25-26页 |
| 3.2.2 传统水平集方法主动轮廓模型 | 第26-28页 |
| 3.2.3 C-V主动轮廓模型 | 第28-30页 |
| 3.2.4 改进C-V主动轮廓模型 | 第30-31页 |
| 3.3 利用改进C-V模型分割细胞核及细胞膜 | 第31-33页 |
| 3.3.1 细胞核提取 | 第31-32页 |
| 3.3.2 细胞膜提取 | 第32-33页 |
| 3.4 改进主动轮廓算法与其他经典分割算法比较 | 第33-36页 |
| 3.4.1 阈值分割算法 | 第34-35页 |
| 3.4.2 k-means聚类分割算法 | 第35-36页 |
| 3.5 算法结果对比与评价 | 第36-38页 |
| 3.6 本章小结 | 第38-40页 |
| 第四章 CTC快速自动识别算法设计 | 第40-62页 |
| 4.1 图像分块处理 | 第40-42页 |
| 4.2 分水岭算法分割并提取有核可疑位置 | 第42-48页 |
| 4.2.1 分水岭分割算法概述 | 第43-44页 |
| 4.2.2 分水岭分割算法数学描述 | 第44-45页 |
| 4.2.3 基于标记分水岭分割细胞核 | 第45-47页 |
| 4.2.4 提取有核细胞区域 | 第47-48页 |
| 4.3 细胞核及细胞膜分割提取 | 第48页 |
| 4.4 特征提取 | 第48-54页 |
| 4.4.1 细胞核及细胞膜特征参数选择 | 第48-49页 |
| 4.4.2 数学形态学特征 | 第49-52页 |
| 4.4.3 颜色特征提取 | 第52页 |
| 4.4.4 纹理特征提取 | 第52-54页 |
| 4.5 特征空间降维 | 第54-56页 |
| 4.6 可疑CTC对象识别判断 | 第56-58页 |
| 4.7 实验结果与分析 | 第58-61页 |
| 4.8 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-64页 |
| 5.1 论文总结 | 第62-63页 |
| 5.2 论文展望 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-70页 |
| 作者简介 | 第70-71页 |
