显微细胞图像序列形态分析的关键技术研究
摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
第一章 绪论 | 第13-27页 |
1.1 研究背景及意义 | 第13-15页 |
1.2 国内外研究现状 | 第15-22页 |
1.2.1 细胞图像序列形态分析中的分割和跟踪 | 第16-17页 |
1.2.2 细胞图像序列形态变化的量化分析 | 第17-22页 |
1.3 关键问题及研究内容 | 第22-24页 |
1.3.1 关键问题 | 第22-23页 |
1.3.2 研究内容 | 第23-24页 |
1.4 组织结构 | 第24-27页 |
第二章 基于时空高斯曲率正则化的细胞图像序列复原 | 第27-47页 |
2.1 引言 | 第27-28页 |
2.2 高斯曲率正则化图像序列复原模型 | 第28-33页 |
2.2.1 细胞显微成像系统模型 | 第28页 |
2.2.2 时空高斯曲率正则化 | 第28-29页 |
2.2.3 复原模型构建 | 第29-33页 |
2.3 模型的数值实现 | 第33-36页 |
2.4 实验结果和分析 | 第36-45页 |
2.4.1 实验参数设置 | 第36-37页 |
2.4.2 细胞图像序列去噪 | 第37-39页 |
2.4.3 细胞图像序列去模糊 | 第39-43页 |
2.4.4 参数选取的讨论 | 第43-44页 |
2.4.5 算法收敛性分析 | 第44-45页 |
2.5 本章小结 | 第45-47页 |
第三章 基于邻近张量的细胞图像序列轮廓点匹配 | 第47-65页 |
3.1 引言 | 第47-49页 |
3.2 邻近张量匹配 | 第49-54页 |
3.2.1 邻近张量的定义 | 第49-50页 |
3.2.2 匹配模型的建立 | 第50-52页 |
3.2.3 匹配模型的优化 | 第52-54页 |
3.3 仿真实验 | 第54-57页 |
3.4 干细胞图像序列轮廓点匹配实验 | 第57-63页 |
3.4.1 细胞图像序列数据集 | 第57页 |
3.4.2 细胞图像分割 | 第57-59页 |
3.4.3 细胞轮廓边界细化 | 第59-61页 |
3.4.4 细胞图像序列轮廓点匹配 | 第61-63页 |
3.5 本章小结 | 第63-65页 |
第四章 基于结构化矩阵分解的细胞图像序列形变模型 | 第65-83页 |
4.1 引言 | 第65-66页 |
4.2 形状序列形变模型建模 | 第66-70页 |
4.2.1 符号表示 | 第66-67页 |
4.2.2 线性形变模型 | 第67-68页 |
4.2.3 优化问题构建 | 第68-69页 |
4.2.4 理论依据 | 第69-70页 |
4.3 形状序列形变模型求解 | 第70-74页 |
4.3.1 邻近梯度下降算法 | 第71-73页 |
4.3.2 形变因子分离 | 第73-74页 |
4.4 实验结果和分析 | 第74-81页 |
4.4.1 模型参数的选取 | 第75-76页 |
4.4.2 圆形形变序列形变因子提取 | 第76-77页 |
4.4.3 基于形变因子的细胞形变度量 | 第77-80页 |
4.4.4 算法收敛性分析 | 第80-81页 |
4.5 本章小结 | 第81-83页 |
第五章 基于线性链条件随机场的细胞图像序列分类 | 第83-103页 |
5.1 引言 | 第83-84页 |
5.2 问题描述 | 第84页 |
5.3 线性链条件随机场概述 | 第84-86页 |
5.4 基于线性链条件随机场的多类分类器 | 第86-89页 |
5.4.1 多类分类器的最大似然估计 | 第87页 |
5.4.2 多类分类器的条件最大似然估计 | 第87-88页 |
5.4.3 多类分类器的对数-线性表示 | 第88-89页 |
5.5 多类分类器的最大间隔估计 | 第89-95页 |
5.5.1 基于单高斯模型的LCRFMC | 第89-94页 |
5.5.2 基于高斯混合模型的LCRFMC | 第94-95页 |
5.6 实验与分析 | 第95-102页 |
5.6.1 实验设置 | 第95页 |
5.6.2 数值实验 | 第95-97页 |
5.6.3 细胞图像序列分类实验 | 第97-102页 |
5.7 本章小结 | 第102-103页 |
第六章 总结与展望 | 第103-107页 |
6.1 本文总结 | 第103-105页 |
6.2 研究展望 | 第105-107页 |
致谢 | 第107-109页 |
参考文献 | 第109-121页 |
攻读博士学位期间发表的论文及科研项目经历 | 第121-122页 |