基于深度学习的细胞分割的算法研究

目录

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