医学细胞图像分割关键技术

医学细胞图像处理涵盖 了人工智能、图像处理、计 算机视觉、生物医学等多个 领域，通过研究医学细胞图 像分割来量化细胞的行为， 对生物医学研究和临床诊断 有着重要作用。本书使用了 大量的实用分割案例，通过 对案例模型改进的讲解以及 改进后模型效果的展示，使 读者可以更清晰地了解图像 分割的关键技术。本书内容 是作者近年来对医学细胞图 像分割技术研究的成果汇总 。 本书可作为计算机、人 工智能专业的研究生教材， 对于研究医学细胞图像处理 的读者而言，本书将成为他 们重要的参考手册。

第1章 绪论 1.1 研究背景及意义 1.2 医学图像分类及医学显微成像技术概述 1.2.1 医学图像的分类 1.2.2 不同类型的显微成像技术 1.2.3 结构光照明荧光显微成像技术 1.3 医学显微细胞图像分割技术的研究现状 1.3.1 手动分割技术 1.3.2 半自动分割技术 1.3.3 自动分割技术 1.4 深度学习网络介绍 1.4.1 卷积神经网络 1.4.2 全卷积神经网络 1.4.3 U-Net网络 1.4.4 SegNet网络 1.4.5 PSPNet 1.4.6 DeepLab V3 plus 1.5 深度学习框架 1.5.1 TensorFlow框架 1.5.2 PyTorch框架 1.5.3 Keras框架 1.5.4 Caffe框架 1.6 本章小结 参考文献 第2章 基于双树复小波变换及形态学的医学显微细胞图像增强算法 2.1 医学图像增强算法概述 2.2 医学显微细胞图像增强算法流程 2.3 双树复小波变换的基本原理 2.4 基于DTCWT及形态学的医学显微细胞图像增强算法 2.4.1 WBCT法对高通子带去噪 2.4.2 改进的形态学top-hat变换法对低通子带增强 2.4.3 医学显微细胞图像增强算法实现 2.5 实验结果与分析 2.5.1 实验设置 2.5.2 细胞图像增强结果的主观评价 2.5.3 细胞图像增强结果的客观评价 2.6 本章小结 参考文献 第3章 基于MRF医学细胞图像自动分割 3.1 马尔可夫随机场 3.2 基于MRF的图像分割 3.3 基于MRF细胞图像自动分割 3.3.1 中国餐厅过程 3.3.2 实现细胞图像自动分割 3.4 实验结果与分析 3.4.1 实验过程 3.4.2 实验效果对比 3.4.3 实验效果差异评价 3.5 本章小结 参考文献 第4章 基于加权曲率和灰度距离变换的粘连医学显微细胞图像分割算注 4.1 分水岭变换 4.2 快速双阈值标记分水岭变换的图像分割算法 4.2.1 双阈值迭代法构建标记图像 4.2.2 双阈值标记分水岭变换的图像分割算法实现 4.3 基于加权曲率和灰度距离变换的粘连细胞图像分割算祛 4.3.1 判断粘连细胞 4.3.2 曲率计算及确定凹点 4.3.3 建立分割线 4.3.4 关联灰度细胞图像的距离变换 4.3.5 基于加权曲率和灰度距离变换的粘连细胞图像分割算法实现步骤 4.3.6 粘连细胞核的分割算法 4.4 粘连细胞图像分割实验结果及分析 4.4.1 粘连细胞图像分割结果主观评价 …… 第5章 基于颜色模型极小值运算的细胞图像分割算法 第6章 基于图模型的医学显微细胞图像分割算法 第7章 基于神经常微分方程的医学显微细胞图像分割算法 第8章 基于Attention NODE-UNet++的细胞图像分割算法 第9章 基于加权连接解码网络的细胞图像分割算法 第10章 基于DeepLab V3十的医学细胞图像语义分割算法 第11章 基于属性增强的空洞残差聚合网络的血液细胞图像多类别分割算法