宫颈细胞图像分割和识别方法研究
| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-10页 |
| 第一章 绪论 | 第10-25页 |
| ·选题背景及研究意义 | 第10-12页 |
| ·研究进展 | 第12-22页 |
| ·细胞图像分割 | 第12-16页 |
| ·细胞图像的特征描述及选择 | 第16-18页 |
| ·细胞图像的识别 | 第18-20页 |
| ·宫颈细胞图像识别研究进展 | 第20-22页 |
| ·本文的主要工作及结构安排 | 第22-25页 |
| ·本文的主要工作 | 第22-23页 |
| ·论文的结构安排 | 第23-25页 |
| 第二章 宫颈细胞病理学诊断的基础知识 | 第25-31页 |
| ·宫颈细胞结构 | 第25-26页 |
| ·宫颈癌前驱病变的分类 | 第26-28页 |
| ·宫颈癌的分类 | 第28-29页 |
| ·宫颈细胞学检验技术与规程 | 第29-30页 |
| ·本文的数据来源 | 第30-31页 |
| 第三章 宫颈细胞图像分割 | 第31-83页 |
| ·引言 | 第31-32页 |
| ·宫颈细胞图像的粗分割及ROI区域的提取 | 第32-37页 |
| ·K均值聚类算法 | 第32-33页 |
| ·自适应双阈值分割算法 | 第33-34页 |
| ·宫颈细胞图像的粗分割 | 第34-35页 |
| ·数学形态学的基本运算 | 第35-36页 |
| ·值图像的分割 | 第36页 |
| ·ROI区域的提取 | 第36-37页 |
| ·基于几何活动轮廓模型的宫颈细胞图像分割 | 第37-65页 |
| ·引言 | 第37-38页 |
| ·背景理论 | 第38-43页 |
| ·C-V模型 | 第43-51页 |
| ·基于C-V模型的宫颈细胞图像分割 | 第51-60页 |
| ·基于C-V模型的彩色宫颈细胞图像的分割 | 第60-65页 |
| ·重叠宫颈细胞图像分离算法研究 | 第65-82页 |
| ·基于细胞核心的重叠细胞的判别 | 第66-70页 |
| ·基于凸闭包结构的重叠细胞的判别 | 第70-75页 |
| ·重叠细胞的分离 | 第75-79页 |
| ·重叠宫颈细胞的分离 | 第79-82页 |
| ·本章小结 | 第82-83页 |
| 第四章 宫颈细胞图像特征参数的计算及选择 | 第83-115页 |
| ·引言 | 第83-84页 |
| ·宫颈细胞的形态特征 | 第84-91页 |
| ·宫颈细胞的色度特征 | 第91-93页 |
| ·宫颈细胞的光密度特征 | 第93-97页 |
| ·宫颈细胞的纹理特征 | 第97-105页 |
| ·宫颈细胞特征选择 | 第105-114页 |
| ·基本概念 | 第105-106页 |
| ·类别分离判据 | 第106-108页 |
| ·遗传算法简介 | 第108-111页 |
| ·实验结果分析 | 第111-114页 |
| ·本章小结 | 第114-115页 |
| 第五章 宫颈细胞图像分类识别 | 第115-139页 |
| ·细胞图像分类识别概述 | 第115-116页 |
| ·神经网络识别 | 第116-118页 |
| ·基于BP网络的宫颈细胞图像识别 | 第118-128页 |
| ·BP算法的学习过程及步骤 | 第119-121页 |
| ·BP算法的改进 | 第121-124页 |
| ·面向MATLAB的BP神经网络识别 | 第124-125页 |
| ·基于BP网络的宫颈细胞图像识别 | 第125-128页 |
| ·基于神经网络集成的细胞图像识别 | 第128-134页 |
| ·神经网络集成 | 第128-131页 |
| ·基于神经网络集成的宫颈细胞图像识别 | 第131-132页 |
| ·实验结果分析 | 第132-134页 |
| ·本章小结 | 第134-139页 |
| 第六章 总结与展望 | 第139-144页 |
| ·本文的工作总结 | 第139-142页 |
| ·论文的创新之处 | 第142页 |
| ·问题与展望 | 第142-144页 |
| 参考文献 | 第144-154页 |
| 在学期间发表论文情况 | 第154-155页 |
| 致谢 | 第155页 |
