搜索
毕业设计进度汇报BREADPPTDESIGNBREADPPTDESIGN方向选择•壹七月份在去吉林的火车上，联系了老师，从而确定了毕业设计题目《基于SPCNN的医学组织细胞完整区域分割技术研究》，选择后就开始了对毕设难度的担心，内心依旧挣扎ing，之后便进入了更为费神的考研复习中，每天在毕设和“求极限”，背单词煎熬的度过。。。。BREADPPTDESIGN目录1下阶段安排2总结3CONTENTS进度介绍BREADPPTDESIGN目前进度机器学习相关论文•看视频学习•做笔记•配套讲义阅读•知网下载论文•阅读论文•了解SPCNN相关BREADPPTDESIGN背景介绍目标识别通常包括两个有关联而不同的任务：辨别与分类⑴。辨别的主要任务是从一幅图像或一个视频喊中识别出一个特定的目标物体；而分类的主要任务是将一个目标物体归入某一个类别中。我的毕业设计主要关注医学组织细胞的细胞核辨别并分割方面的研究，致力于开发一个基于神经系统科学的目标识别算法，该算法可在一幅由显微镜下拍摄的医学组织细胞图中，便捷地定位细胞核并标识。BREADPPTDESIGN背景介绍脉冲耦合神经网络(PulseCoupledNeuralNetwork,PCNN)的图像处理是智能图像处理领域内研究的热点问题之一,基于PCNN特征提取的目标识别是该神经网络应用中的难点。但是由于PCNN标准模型具有较为复杂的结构和较多的参数，现行使用的许多模型通常都是对标准进行简化之后的模型，这些模型在保留最基本的视觉皮层特性的同时，降低了模型的计算复杂度。为此,用一种简化脉冲耦合神经网络(SimplifiedPulseCoupledNeuralNetwork,SPCNN)模型应用于图像分割。BREADPPTDESIGN背景介绍学术界已经提出了一些细胞图像的分割方法，例如：ＭｅａｎＳｈｉｆｔ聚类，该方法能有效分割细胞细胞核和细胞质区域，但细胞的边界很难完整提取；自适应的阈值分割方法，该方法在分割细胞时有一定稳定性，但易受染色程度的影响；流域分割算法，该方法能成功的避免图像空间的变化性和复杂性，但不能解决高度粘连的情况；基于活动轮廓模型的算法，该方法能够准确的提取细胞细胞核边界，但容易受污渍影响从而造成误分割；还有基于支持向量机的细胞分割识别方法、基于改进的模糊均值聚类算法、基于模拟视觉注意力的分割算法等等。虽然这些方法对部分白细胞分割都有不错的效果，但是大多数方法都有不同程度的缺陷，比如照明环境的苛刻性，算法的复杂性，参数的难确定性，时间的大量消耗等等BREADPPTDESIGN背景介绍在读了几篇论文之后，对细胞核分割大致有了想法，为实现对细胞核的准确分割,了解到了一种基于Ｂ－Ｇ值细胞细胞核的快速分割方法。因Ｂ－Ｇ值为８ｂｉｔ运算操作，且分割阈值为大量的实验统计所得的具有普适性的经验值，大大降低了计算量。还有一种自适应地、局部地应用图割法的方式，(LAGC)。此方法能够在复杂背景下处理图像对比度变化、核染色较浅、染色质不均匀等问题，准确分割出细胞核。之后会对这两种方法继续了解和学习。BREADPPTDESIGN