掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
闖進數學世界――探秘歷史名題
-
>
中醫基礎理論
-
>
當代中國政府與政治(新編21世紀公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會主義理論體系概論(2021年版)
-
>
中醫內科學·全國中醫藥行業高等教育“十四五”規劃教材
醫學細胞圖像分割關鍵技術 版權信息
- ISBN：9787302676966
- 條形碼：9787302676966 ; 978-7-302-67696-6
- 裝幀：平裝-膠訂
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
醫學細胞圖像分割關鍵技術 本書特色
本書對醫學細胞圖像分割技術研究進行了綜述，匯總了一些較流行的醫學細胞圖像分割方法，同時作者根據不同方法在醫學細胞圖像上的分割表現，采用新的方法對相應深度學習網絡模型進行了改進，使改進后的模型在醫學細胞圖像數據集上有更好的分割效果。本書可以作為醫學圖像處理領域的研究人員、醫學專業人士和工程師的參考用書。
醫學細胞圖像分割關鍵技術 內容簡介
"醫學細胞圖像處理涵蓋了人工智能、圖像處理、計算機視覺、生物醫學等多個領域，通過研究醫學細胞圖像分割來量化細胞的行為，對生物醫學研究和臨床診斷有著重要作用。本書使用了大量的實用分割案例，通過對案例模型改進的講解以及改進后模型效果的展示，使讀者可以更清晰地了解圖像分割的關鍵技術。本書內容是作者近年來對醫學細胞圖像分割技術研究的成果匯總。 本書可作為計算機、人工智能專業的研究生教材，對于研究醫學細胞圖像處理的讀者而言，本書將成為他們重要的參考手冊。 "
醫學細胞圖像分割關鍵技術 目錄
第1章緒論/11.1研究背景及意義21.2醫學圖像分類及醫學顯微成像技術概述31.2.1醫學圖像的分類31.2.2不同類型的顯微成像技術41.2.3結構光照明熒光顯微成像技術41.3醫學顯微細胞圖像分割技術的研究現狀61.3.1手動分割技術61.3.2半自動分割技術61.3.3自動分割技術81.4深度學習網絡介紹91.4.1卷積神經網絡91.4.2全卷積神經網絡111.4.3UNet網絡12第1章緒論/11.1研究背景及意義21.2醫學圖像分類及醫學顯微成像技術概述31.2.1醫學圖像的分類31.2.2不同類型的顯微成像技術41.2.3結構光照明熒光顯微成像技術41.3醫學顯微細胞圖像分割技術的研究現狀61.3.1手動分割技術61.3.2半自動分割技術61.3.3自動分割技術81.4深度學習網絡介紹91.4.1卷積神經網絡91.4.2全卷積神經網絡111.4.3UNet網絡121.4.4SegNet網絡131.4.5PSPNet151.4.6DeepLab V3 plus151.5深度學習框架151.5.1TensorFlow框架161.5.2PyTorch框架171.5.3Keras框架181.5.4Caffe框架201.6本章小結21參考文獻22第2章基于雙樹復小波變換及形態學的醫學顯微細胞圖像增強算法/272.1醫學圖像增強算法概述282.2醫學顯微細胞圖像增強算法流程302.3雙樹復小波變換的基本原理302.4基于DTCWT 及形態學的醫學顯微細胞圖像增強算法32〖1〗醫學細胞圖像分割關鍵技術〖1〗〖1〗目錄2.4.1WBCT法對高通子帶去噪322.4.2改進的形態學tophat變換法對低通子帶增強342.4.3醫學顯微細胞圖像增強算法實現382.5實驗結果與分析382.5.1實驗設置392.5.2細胞圖像增強結果的主觀評價392.5.3細胞圖像增強結果的客觀評價422.6本章小結47參考文獻48第3章基于MRF醫學細胞圖像自動分割/513.1馬爾可夫隨機場523.2基于MRF的圖像分割533.3基于MRF細胞圖像自動分割543.3.1中國餐廳過程543.3.2實現細胞圖像自動分割543.4實驗結果與分析553.4.1實驗過程553.4.2實驗效果對比563.4.3實驗效果差異評價593.5本章小結60參考文獻60第4章基于加權曲率和灰度距離變換的粘連醫學顯微細胞圖像分割算法/624.1分水嶺變換634.2快速雙閾值標記分水嶺變換的圖像分割算法644.2.1雙閾值迭代法構建標記圖像654.2.2雙閾值標記分水嶺變換的圖像分割算法實現654.3基于加權曲率和灰度距離變換的粘連細胞圖像分割算法674.3.1判斷粘連細胞674.3.2曲率計算及確定凹點684.3.3建立分割線694.3.4關聯灰度細胞圖像的距離變換714.3.5基于加權曲率和灰度距離變換的粘連細胞圖像分割算法實現步驟 724.3.6粘連細胞核的分割算法754.4粘連細胞圖像分割實驗結果及分析764.4.1粘連細胞圖像分割結果主觀評價764.4.2粘連細胞圖像分割結果客觀評價774.5本章小結80參考文獻80第5章基于顏色模型極小值運算的細胞圖像分割算法/815.1細胞分割算法原理825.2基于顏色模型極小值的細胞圖像分割算法835.2.1形態學梯度重構835.2.2自適應Hminima的分水嶺圖像分割845.2.3基于灰度一致性的區域合并855.3細胞圖像分割與評價875.3.1顯微細胞圖像的分割875.3.2細胞分割結果的主觀評價885.3.3細胞分割結果的客觀評價905.4本章小結93參考文獻94第6章基于圖模型的醫學顯微細胞圖像分割算法/966.1多樹模型建立976.1.1圖模型概述976.1.2多樹模型的建立986.2增加先驗信息的多樹圖1006.3標簽推理1026.4構建基于卷積多尺度融合 FCN的多樹深度特征1046.4.1卷積型多尺度融合 FCN網絡1056.4.2基于卷積型多尺度融合FCN的細胞圖像分割框架1076.5醫學顯微細胞圖像分割實驗結果及分析1086.5.1圖像數據擴充和實驗環境1086.5.2評價指標1096.5.3實驗結果及分析 1116.6本章小結115參考文獻116第7章基于神經常微分方程的醫學顯微細胞圖像分割算法/1187.1UNet網絡1197.2神經常微分方程1217.2.1神經網絡知識1217.2.2神經常微分方程1237.3構建基于NODEs的神經網絡模型1257.3.1ODE模塊位置1257.3.2NODEsUnet神經網絡架構1257.3.3基于NODEsUnet網絡的二元分割1277.4細胞圖像分割實驗結果及分析1287.4.1NODEsUnet和2NODEsUnet網絡架構分割結果1297.4.2細胞圖像分割的實驗結果1307.5本章小結133參考文獻133第8章基于Attention NODEUNet 的細胞圖像分割算法/1358.1引言1368.2數據預處理1378.2.1數據集介紹1378.2.2數據集標注1378.2.3數據增強1388.3Attention NODEUNet 分割網絡1398.3.1注意力機制1398.3.2UNet 網絡模型1408.3.3Attention NODEUNet 網絡模型1418.3.4實驗結果與分析1428.4粘連細胞分割1498.4.1標記分水嶺算法分割過程1498.4.2實驗結果與分析1498.4.3對比分析1518.5本章小結157參考文獻157第9章基于加權連接解碼網絡的細胞圖像分割算法/1599.1加權連接解碼網絡1619.1.1空洞殘差網絡1619.1.2空洞空間卷積金字塔池化1629.1.3解碼器1639.1.4輕量級通用上采樣算子1649.2實驗分析1659.2.1評價指標1659.2.2WCDNet模型測試分析1669.2.3人類口腔黏膜細胞分割評估1679.2.4人類血液細胞分割評估1679.3本章小結170參考文獻171第10章基于DeepLab V3 的醫學細胞圖像語義分割算法/17310.1DeepLab V3 網絡結構17410.1.1空洞卷積17510.1.2空洞空間金字塔池化17710.1.3編解碼結構17710.2基于DeepLab V3 的醫學細胞圖像語義分割算法17910.2.1空洞卷積擴大感受野17910.2.2密集空洞空間金字塔池化18010.2.3softmax 分類18210.3評價標準18310.4實驗結果及分析18410.4.1實驗數據集18410.4.2實驗設置18410.4.3實驗結果分析18510.5基于DeepLab V3 與FCRF 相融合的醫學細胞圖像語義分割算法18910.5.1條件隨機場18910.5.2全連接條件隨機場19010.5.3基于全連接條件隨機場的細胞圖像語義分割算法19210.6DeepLab V3 與FCRF 融合網絡的實驗分析19310.6.1不同算法模塊下的對比實驗 19310.6.2泛化能力對比實驗19510.7本章小結196參考文獻197第11章基于屬性增強的空洞殘差聚合網絡的血液細胞圖像多類別分割算法/19911.1空洞殘差聚合網絡系統模型20011.1.1網絡模型介紹20011.1.2空洞殘差網絡20011.1.3混合空洞可變形空間金字塔池化20311.2數據集的屬性增強20411.2.1Sobel算子處理20411.2.2Laplace算子銳化20711.3醫學血液細胞圖像多分類分割實驗結果及分析20811.3.1實驗環境及評價指標20811.3.2網絡部分消融實驗20911.3.3數據集屬性增強消融實驗20911.3.4實驗結果及分析21111.4本章小節213參考文獻213
展開全部
書友推薦
- >
月亮與六便士
- >
山海經
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
史學評論
- >
伊索寓言-世界文學名著典藏-全譯本
- >
名家帶你讀魯迅:朝花夕拾
- >
自卑與超越
- >
苦雨齋序跋文-周作人自編集
本類暢銷
