面向白血病智能诊断的卷积神经网络的细胞分割方法研究与实现

目录

声明

第1章 绪论

1.1 研究背景与意义

1.2 急性淋巴细胞白血病

1.3 国内外研究现状

1.3.1 图像分割国内外研究现状

1.3.2 图像分类国内外研究现状

1.4 本文的主要内容及章节安排

1.5 本章总结

第2章 基于色彩空间变换和多类加权损失函数的白细胞分割方法

2.1 图像分割技术理论介绍

2.1.1 图像分割概述

2.1.2 传统图像分割方法

2.2 深度学习技术理论介绍

2.2.1 深度学习概述

2.2.2 卷积神经网络

2.2.3 基于卷积神经网络的分割模型

2.2.4 损失函数

2.3 基于色彩空间变换的白细胞提取算法

2.3.1 中值滤波

2.3.2 色彩空间变换

2.3.3 设定颜色阈值范围

2.4 基于多类加权损失函数的粘连白细胞分割算法

2.4.1创建地面实况（Ground Truth，GT）

2.4.2 创建细胞边界类

2.4.3 生成权重图

2.4.4 最佳模型结构

2.5 基于OpenCV的单细胞图像剪裁算法

2.6 本章总结

第3章 防止过拟合的白细胞分类方法

3.1 图像分类技术理论介绍

3.2 常用的图像分类方法

3.2.1 基于机器学习的图像分类方法

3.2.2 基于深度学习的图像分类方法

3.3 防止过拟合的白细胞分类算法

3.4本章总结

第4章 实验结果与分析

4.1 实验环境

4.2 白细胞分割结果

4.2.1 实验数据

4.2.2 白细胞检测与提取结果

4.2.3 粘连白细胞分割结果

4.3 白细胞分类结果

4.3.1 实验数据

4.3.2 分类模型对比

4.3.3 缓解过拟合机制的结果

4.4 本章总结

第5章 总结与展望

5.1 工作总结

5.2 未来展望

参考文献

作者简介及在学期间所取得的科研成果

致谢