顯微圖像處理與分析

前言
第1章 緒論
1.1 背景及意義
1.1.1 研究背景
1.1.2 研究意義
1.2 細胞檢測計數研究現狀
1.2.1 研究現狀
1.2.2 常用顯微鏡
l.2.3 細胞檢測一般工作流程
1.3 神經元細胞檢測與解剖結構重建研究現狀
1.3.1 神經元細胞重建發(fā)展簡史
1.3.2 神經元細胞重建研究現狀
l.3.3 神經元細胞重建流程
1.4 收斂指數家族研究現狀
1.4.1 收斂指數理論簡述
l.4.2 收斂指數濾波家族成員
1.5 病理自動診斷研究現狀
1.6 基于病變區(qū)域圖像特征的數據擴增與虛擬病例
1.7 病理圖像細胞檢測和計數方法
1.8 病理圖像切片檢測與分割方法
1.9 camlyon乳腺癌淋巴轉移病理數據集
1.9.1 病理圖像來源
1.9.2 病理圖像特點
1.10 病理圖像全切片類型
1.10.1 區(qū)域類型
1.10.2 全掃描切片分型
第2章 基于滑動帶濾波的高密度細胞檢測與計數
2.1 引言
2.2 DNA染料與視網膜感光細胞
2.2.1 DNA染料
2.2.2 視網膜感光細胞
2.3 高密度細胞及其計數
2.4 細胞數據
2.4.1 數據來源
2.4.2 圖像數據采集方式
2.4.3 細胞圖像特點
2.5 基于滑動帶濾波的高密度細胞檢測方法
2.5.1 滑動帶濾波器
2.5.2 細胞檢測算法
2.5.3 細胞檢測性能評估方法
2.6 實驗結果與分析
2.6.1 參數設計與選擇
2.6.2 細胞檢測實驗結果分析
2.6.3 同類方法比較結果
第3章 基于修飾滑動帶濾波的明亮視野昆蟲細胞檢測與計數
3.1 引言
3.2 細胞數據來源、制備與獲取
3.2.1 桿狀病毒表達體系
3.2.2 基于血球計數板的細胞計數
3.2.3 昆蟲細胞培養(yǎng)
3.2.4 昆蟲細胞圖像數據采集
3.3 基于修飾滑動帶濾波的細胞檢測方法
3.3.1 流程及評估方法
3.3.2 明暗視野下細胞圖像比較
3.3.3 基于修飾滑動帶濾波的明亮視野細胞計數算
3.4 實驗結果寫分析
321參數設計與選擇
3.4.2 細胞檢測結果分析與同類方法比較
第4章 神經元細胞三維圖像預處理與種子點檢測
4.1 引言
4.2 數據集預處理
4.2.1 數據集
4.2.2 管狀濾波器(Vesselness)增強
4.2.3 三維梯度向量流
4.3 基于滑動體濾波的神經元細胞種子點檢測方法
4.3.1 空間收斂指數
4.3.2 滑動體濾波器
4.3.3 種子點篩選
4.4 實驗結果與分析
4.4.1 圖像可視化及預處理結果
4.4.2 種子點篩選結果比較與分析
第5章 基于骨架的神經元細胞解剖結構重建
5.1 引言
5.2 活動輪廓模型概述
5.2.1 2D活動輪廓模型
5.2.2 2D GVF Snake模型
5.2.3 3D可變曲面模型
5.2.4 開放曲線模型
5.3 SVF外力場開放曲線模型與神經元細胞骨架重建
5.3.1 模型設計
5.3.2 重建算法描述
5.4 基于2D滑動帶的神經元細胞半徑邊緣估計
5.4.1 傳統(tǒng)神經元半徑估計方法
5.4.2 基于2D滑動帶的神經元半徑估計方法
5.5 基于輪廓線的神經元細胞表面重建
5.5.1 輪廓線表示
5.5.2 神經元細胞表面生成與平滑
5.6 實驗結果與分析
5.6.1 參數選擇
5.6.2 實驗結果分析
第6章 多尺度癌癥區(qū)域識別
6.1 基于閾值分割的高尺度組織區(qū)域提取
6.1.1 色彩空間轉換
6.1 _2分割算法
6.1.3 實驗結果與分析
6.2 基于目標檢測網絡的中尺度癌癥區(qū)域檢測
6.2.1 目標檢測網絡結構
6.2.2 數據準備及參數設置
6.2.3 實驗結果與分析
6.3 基于圖像分類網絡的低尺度癌細胞切片分類
6.3.1 分類網絡結構
6.3.2 數據準備及參數設置
6.3.3 實驗結果與分析
第7章 多尺度雙水平腫瘤區(qū)域檢測
7.1 引言
7.2 數據集的選擇與預處理
7.3 切片水平的多尺度病變區(qū)域檢測與網絡設計
7.4 組織水平癌癥區(qū)域檢測
7.5 細胞水平的癌細胞檢測及病變區(qū)域劃分
7.6 細胞水平檢測方法評估及結果
第8章 基于深度卷積生成對抗網絡的虛擬病例庫構建
8.1 構建方法與步驟
8.1.1 生成氈抗網絡
8.1.2 深度卷積生成對抗網絡
8.1.3 構建虛擬病例庫
8.2 采樣方式與參數說明
8.2.1 采樣方式
8.2.2 參數說明
8.3 實驗過程
8.3.1 參數設置
8.3.2 中間結果
8.3.3 時間效率
8.4 生成結果與分析
8.4.1 各區(qū)域類型生成結果
8.4.2 不同切片邊長生成結果
參考文獻