文摘
英文文摘
第1章 绪论
1.1 神经干细胞的研究意义
1.1.1 神经干细胞的定义
1.1.2 神经干细胞的特点
1.1.3 神经干细胞的作用
1.2 医学图像处理
1.3 细胞追踪技术的国内外研究现状
1.4 活跃细胞追踪问题的应用背景及全文总体结构
1.4.1 细胞在序列图像中的追踪的应用背景
1.4.2 全文结构
第2章 细胞追踪算法及单帧图像中活跃细胞的特征信息提取
2.1 细胞追踪算法
2.1.1 Mean Shift算法
2.1.2 图论
2.1.3 Level Set算法
2.1.4 Kalman Filter
2.2 活跃细胞特征信息提取
2.2.1 细胞图像分割
2.2.2 二值图像标注
2.2.3 识别目标细胞并提取其信息
2.3 本章小结
第3章 离散卡尔曼滤波器算法
3.1 目标运动模型
3.1.1 CV和CA运动模型
3.1.2 机动目标的转弯模型(CT模型)
3.1.3 零均值-阶马尔科夫模型(Singer模型)
3.1.4 CS模型
3.1.5 针对实际问题建立的运动模型
3.2 卡尔曼滤波器算法
3.2.1 被估计的过程信号
3.2.2 滤波器的计算原型
3.2.3 滤波器的概率原型解释
3.2.4 离散卡尔曼滤波器算法
3.2.5 滤波器系数及调整
3.3 卡尔曼滤波器估计预测活跃细胞及算法的总体结构
3.3.1 Kalman滤波器在追踪活跃细胞时的状态模型
3.3.2 代价函数的建立
3.3.3 算法的总体结构
3.4 本章小结
第4章 对活跃细胞的追踪结果及分析
4.1 三个图像追踪序列中各类细胞的统计
4.1.1 序列Ⅰ中活跃细胞的追踪
4.1.2 序列Ⅱ中活跃细胞的追踪
4.1.3 序列Ⅲ中活跃细胞的追踪
4.2 追踪结果分析
4.3 本章小结
结论
参考文献
攻读硕士学位期间发表的论文和取得的科研成果
致谢