第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 分型识别相关算法
1.2.2 算法并行化
1.3 本文研究内容
1.4 论文组织结构
第二章 病理切片图像分割算法研究
2.1 引言
2.2 基于SLIC与二维OTSU的多尺度区域生长
2.2.1 相关算法介绍
2.2.2 基于超像素Otsu2d的种子选取
2.2.3 多尺度降序最大值
2.2.4 算法整体流程
2.2.5 实验结果及分析
2.3 基于FRST漂移标记的单通道分水岭算法
2.3.1 相关算法介绍
2.3.2 基于改进FRST的前景标记获取
2.3.3 形态学滤波
2.3.4 算法整体流程
2.3.5 实验结果及分析
2.4 本章小结
第三章 基于随机森林算法的分型识别
3.1 引言
3.2 随机森林算法
3.2.1 决策树及相关概念
3.2.2 随机森林模型
3.3 病理切片图像的分型识别
3.3.1 分型识别流程
3.3.2 图像特征数据库获取
3.3.3 随机森林分类器的训练与参数优化
3.3.4 实验结果及分析
3.4 本章小结
第四章 基于CUDA的随机森林算法并行化
4.1 引言
4.2 CUDA编程模型
4.2.1 主机和设备
4.2.2 线程层次结构
4.2.3 CUDA硬件架构
4.2.4 存储器层次结构
4.3 CUDA并行程序优化
4.4 随机森林算法的并行化
4.4.1 广度优先训练并行化
4.4.2 整体流程
4.5 实验结果及分析
4.6 本章小结
第五章 总结与展望
5.1 本文工作总结
5.2 全文展望
致谢
参考文献
附录
图版
声明