显微图像处理与分析

前言
第1章 绪论
1.1 背景及意义
1.1.1 研究背景
1.1.2 研究意义
1.2 细胞检测计数研究现状
1.2.1 研究现状
1.2.2 常用显微镜
l.2.3 细胞检测一般工作流程
1.3 神经元细胞检测与解剖结构重建研究现状
1.3.1 神经元细胞重建发展简史
1.3.2 神经元细胞重建研究现状
l.3.3 神经元细胞重建流程
1.4 收敛指数家族研究现状
1.4.1 收敛指数理论简述
l.4.2 收敛指数滤波家族成员
1.5 病理自动诊断研究现状
1.6 基于病变区域图像特征的数据扩增与虚拟病例
1.7 病理图像细胞检测和计数方法
1.8 病理图像切片检测与分割方法
1.9 camlyon乳腺癌淋巴转移病理数据集
1.9.1 病理图像来源
1.9.2 病理图像特点
1.10 病理图像全切片类型
1.10.1 区域类型
1.10.2 全扫描切片分型
第2章 基于滑动带滤波的高密度细胞检测与计数
2.1 引言
2.2 DNA染料与视网膜感光细胞
2.2.1 DNA染料
2.2.2 视网膜感光细胞
2.3 高密度细胞及其计数
2.4 细胞数据
2.4.1 数据来源
2.4.2 图像数据采集方式
2.4.3 细胞图像特点
2.5 基于滑动带滤波的高密度细胞检测方法
2.5.1 滑动带滤波器
2.5.2 细胞检测算法
2.5.3 细胞检测性能评估方法
2.6 实验结果与分析
2.6.1 参数设计与选择
2.6.2 细胞检测实验结果分析
2.6.3 同类方法比较结果
第3章 基于修饰滑动带滤波的明亮视野昆虫细胞检测与计数
3.1 引言
3.2 细胞数据来源、制备与获取
3.2.1 杆状病毒表达体系
3.2.2 基于血球计数板的细胞计数
3.2.3 昆虫细胞培养
3.2.4 昆虫细胞图像数据采集
3.3 基于修饰滑动带滤波的细胞检测方法
3.3.1 流程及评估方法
3.3.2 明暗视野下细胞图像比较
3.3.3 基于修饰滑动带滤波的明亮视野细胞计数算
3.4 实验结果写分析
321参数设计与选择
3.4.2 细胞检测结果分析与同类方法比较
第4章 神经元细胞三维图像预处理与种子点检测
4.1 引言
4.2 数据集预处理
4.2.1 数据集
4.2.2 管状滤波器(Vesselness)增强
4.2.3 三维梯度向量流
4.3 基于滑动体滤波的神经元细胞种子点检测方法
4.3.1 空间收敛指数
4.3.2 滑动体滤波器
4.3.3 种子点筛选
4.4 实验结果与分析
4.4.1 图像可视化及预处理结果
4.4.2 种子点筛选结果比较与分析
第5章 基于骨架的神经元细胞解剖结构重建
5.1 引言
5.2 活动轮廓模型概述
5.2.1 2D活动轮廓模型
5.2.2 2D GVF Snake模型
5.2.3 3D可变曲面模型
5.2.4 开放曲线模型
5.3 SVF外力场开放曲线模型与神经元细胞骨架重建
5.3.1 模型设计
5.3.2 重建算法描述
5.4 基于2D滑动带的神经元细胞半径边缘估计
5.4.1 传统神经元半径估计方法
5.4.2 基于2D滑动带的神经元半径估计方法
5.5 基于轮廓线的神经元细胞表面重建
5.5.1 轮廓线表示
5.5.2 神经元细胞表面生成与平滑
5.6 实验结果与分析
5.6.1 参数选择
5.6.2 实验结果分析
第6章 多尺度癌症区域识别
6.1 基于阈值分割的高尺度组织区域提取
6.1.1 色彩空间转换
6.1 _2分割算法
6.1.3 实验结果与分析
6.2 基于目标检测网络的中尺度癌症区域检测
6.2.1 目标检测网络结构
6.2.2 数据准备及参数设置
6.2.3 实验结果与分析
6.3 基于图像分类网络的低尺度癌细胞切片分类
6.3.1 分类网络结构
6.3.2 数据准备及参数设置
6.3.3 实验结果与分析
第7章 多尺度双水平肿瘤区域检测
7.1 引言
7.2 数据集的选择与预处理
7.3 切片水平的多尺度病变区域检测与网络设计
7.4 组织水平癌症区域检测
7.5 细胞水平的癌细胞检测及病变区域划分
7.6 细胞水平检测方法评估及结果
第8章 基于深度卷积生成对抗网络的虚拟病例库构建
8.1 构建方法与步骤
8.1.1 生成毡抗网络
8.1.2 深度卷积生成对抗网络
8.1.3 构建虚拟病例库
8.2 采样方式与参数说明
8.2.1 采样方式
8.2.2 参数说明
8.3 实验过程
8.3.1 参数设置
8.3.2 中间结果
8.3.3 时间效率
8.4 生成结果与分析
8.4.1 各区域类型生成结果
8.4.2 不同切片边长生成结果
参考文献