声明
第一章 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.3 本文主要研究内容
1.4 论文结构安排
第二章 细胞图像分割的相关技术概述
2.1 引言
2.2 基于深度学习的图像分割技术概述
2.2.1 全卷积神经网络的语义分割
2.2.2 DeepLab 系列图像分割算法
2.2.3 U-net医学图像分割算法
2.2.4 Unet++医学图像分割算法
2.3 半监督学习算法的研究
2.3.1 生成对抗网络的介绍及其训练方式
2.3.2 基于生成对抗网络的的半监督语义分割方法
2.4 本章小结
第三章 细胞区域的分割与粘连细胞的分离
3.1 引言
3.2 数据增强以及数据预处理
3.2.1 数据增强
3.2.2 数据预处理
3.3 深度卷积模型分割细胞图像
3.3.1 批量归一化
3.3.2 改进 U-net卷积网络结构
3.3.3 激活函数的选取
3.3.4 损失函数的改进
3.4 后处理分割粘连细胞
3.4.1 细胞中心点识别模型
3.4.2 基于中心点标记的分水岭算法
3.5 实验分析
3.5.1 数据集介绍
3.5.2 评价指标
3.5.3 实验设置
3.5.4 实验一:细胞分割结果分析
3.5.5 实验二:基于细胞中心点的分水岭分割实验
3.6 本章小结
第四章 基于生成对抗网络的半监督学习细胞图像分割
4.1 引言
4.2 半监督学习细胞分割算法
4.2.1 算法总体框架
4.2.2 生成器及其网络模型的训练方式
4.2.3 判别器及其网络模型的训练方式
4.3 半监督分割实验分析
4.3.1 实验设置
4.3.2 实验一:超参数选取实验分析
4.3.3 实验二:半监督学习细胞分割算法有效性验证实验
4.4 本章小结
总结与展望
参考文献
攻读硕士学位期间参与的科研项目和取得的学术成果
致 谢
安徽大学;