基于CNN区域分类的癌细胞图像检测与分割

目录

声明

第一章 绪 论

1.1 论文的研究背景及意义

1.2 国内外研究现状

1.2.1 基于CNN的目标检测算法

1.2.2 面向CNN区域分类的图像分割算法

1.3 论文的研究内容与创新

1.4 本文的组织结构

1.5 本章小结

第二章 相关方法与理论基础

2.1 引言

2.2 卷积神经网络

2.2.1 卷积神经网络概述

2.2.2 空洞卷积

2.2.3 异构卷积

2.3 聚类算法

2.3.1 K-means聚类算法

2.3.2 基于K-means的候选锚框的生成

2.4 可变形卷积基本理论

2.4.1 可变形卷积的提出

2.4.2 可变形卷积原理描述

2.5 相关网络模型

2.5.1 RPN

2.5.2 ResNet

2.5.3 Mask R-CNN

2.6 评价指标

2.7 本章小结

第三章 基于Mask R-CNN的癌细胞检测与分割

3.1 引言

3.2 数据集标注

3.2.1 数据集的选取

3.2.2 数据集的标注

3.3 空洞异构卷积

3.3.1 空洞异构卷积的设计

3.3.2 特征提取网络卷积方式的改进

3.4 候选锚框的生成

3.4.1 基于ISODATA的候选锚框的生成

3.4.2 候选锚框的稠密化

3.5 实验结果与分析

3.5.1 实验设置

3.5.2 实验结果与分析

3.6 本章小结

第四章 基于Mask轮廓的癌细胞图像分割方法

4.1 引言

4.2 基于Mask的癌细胞图像分割方法

4.2.1 网络结构搭建

4.2.2 正负样本判定设计

4.2.3 Mask轮廓的生成

4.2.4 Centerness的设计

4.2.5 损失函数的设计

4.3 实验结果与分析

4.3.1 实验设置

4.3.2 实验结果与分析

4.4 本章小结

第五章 结论与展望

5.1 结 论

5.2 展 望

参考文献

致谢

作者简介

1 作者简历

2 攻读硕士学位期间发表的学术论文

3 参与的科研项目及获奖情况

4 发明专利

学位论文数据集