导读:本文包含了斑马鱼胚胎图像论文开题报告文献综述及选题提纲参考文献，主要关键词:语义分割,斑马鱼,漫水填充,分水岭
斑马鱼胚胎图像论文文献综述
杨玮婕,徐建瑜[1]（2018）在《斑马鱼胚胎彩色图像生理结构分割》一文中研究指出斑马鱼是一种当今应用十分广泛的模式生物,研究其实验图像的信息自动提取具有较高的应用价值。药物培养斑马鱼胚胎在发育成长过程中的生理影响的定量分析,很难通过人工肉眼观察的方式得出较为准确的指标值,通常要借助于计算机。斑马鱼图像定量分析的前提基础就是可以对斑马鱼胚胎图像,按照斑马鱼的生理结构即头部、躯干和卵黄叁个部分在图像中分割开。但是实际情况是斑马鱼药物实验中特定药物的实验组数量有限,不能通过学习训练等机器学习的方式分割,只能使用图像处理建模分割。本文使用距离变换结合分水岭算法、减法聚类结合K-means聚类算法以及减法聚类结合漫水填充算法分别对图像进行语义分割,发现减法聚类结合漫水填充算法的分割效果达到了满足研究所需的生理结构分割的目的,为后续医学研究中的定量分析奠定了较好的基础。(本文来源于《激光生物学报》期刊2018年03期）
李川[2]（2011）在《斑马鱼胚胎图像的检索技术研究》一文中研究指出斑马鱼是适合进行医药开发和病理演化分析的脊椎动物,在人类疾病建模和药品研制方面具有重大的意义。在实验过程中需要经常通过形状变换和形状分析来测定或者比较斑马鱼胚胎躯干和器官的形状,分析斑马鱼胚胎演化过程中的体形变化也是研究斑马鱼生理演化的关键。图像匹配和检索技术可以分析斑马鱼之间的特征差异,对批量的斑马鱼图像进行检索归类,是分析斑马鱼胚胎体形变化的重要方法。图像匹配和检索是计算机视觉、图像处理领域的关键技术。通过提取目标物体的形状特征,对不同目标的形状特征进行分析、检索,获取目标之间的相似信息和差异信息,可以准确地识别并测量目标的形状。本文设计了一套算法,用于提取斑马鱼胚胎的形状特征并进行检索来分析斑马鱼胚胎的形状。首先,高通量的斑马鱼生物成像技术产生海量的斑马鱼图像,传统的手工目标提取方法工作量大,而且效果不好。针对斑马鱼图像背景范围大、灰度集中的特点,设计出融合排序直方图和魔棒选区思想的图像分割算法。实验证明,此算法可以快速准确地提取出斑马鱼的轮廓。其次,好的形状特征可以简洁有效地描述目标形状的拓扑结构和局部信息。本文选用骨架来描述目标的形状特征,并设计出基于距离场和细化方法的骨架提取算法和骨架剪枝算法,提取出的骨架既可以准确地落在目标的中心线处,也满足了连续性的要求。最后,提取骨架端点的特征,通过对骨架端点序列进行匹配来实现目标的匹配和检索,并分析斑马鱼胚胎骨架线的曲率特征完成对斑马鱼的检索。实验证明,本文设计的目标分割算法对于背景灰度集中、背景范围大的一般图像也具有很好的分割效果。本文的骨架提取算法对一般形状也能达到很好的效果,骨架匹配算法在一般形状的检索上也能达到较高的查全率和查准率。(本文来源于《南京理工大学》期刊2011-02-01）
许晓燕[3]（2010）在《斑马鱼胚胎图像神经元检测算法研究》一文中研究指出斑马鱼胚胎图像神经元的检测作为观察不同药物作用效果的重要手段,对药物筛选的研究有着重要意义。先前的斑马鱼图像神经元分析的研究大多是基于人工标记的感兴趣区域或是专家肉眼检测的结果。由于人工观察和分析较为主观且烦琐耗时,不利于重现实验结果和分析大量数据。因此,有必要研究一种斑马鱼显微图像神经元自动检测算法,提高神经元检测的效率。这也为发展高通量斑马鱼图像的计算机量化及分析工具奠定基础。论文在充分分析斑马鱼图像特点的基础上,提出了一套快速、准确的斑马鱼神经元自动检测方案。首先,论文采用了基于形态学运算的分割方法,将斑马鱼胚胎从背景中分割出来。然后结合包含神经元的感兴趣区域的位置及形态特点,利用图像位置校准、分水岭算法、自适应阈值二值化、边界曲线拟合及最近邻域内插等五种算法的有机组合自动提取胚胎的感兴趣区域,并统计感兴趣区域的中心线长度及曲率。最后,论文在传统细胞计数的图像标号算法基础上提出了一种基于连通域跟踪的神经元计数算法,并与环形Hough变换检测神经元进行了比较。在论文提出的斑马鱼神经元自动检测方案的基础上,通过MATLAB设计开发了一个通用的斑马鱼胚胎图像神经元自动检测平台,利用Brigham and Women's Hospital提供的斑马鱼胚胎图像实验样本对论文算法进行评测。实验结果表明,对具有不同朝向、不同弯曲度的斑马鱼胚胎,论文提出的斑马鱼胚胎图像神经元自动检测方案具有处理速度快、精度高、鲁棒性良好的优点。(本文来源于《浙江大学》期刊2010-01-01）
许晓燕,夏顺仁,WONG,Stephen,T,C[4]（2009）在《基于Hough变换的斑马鱼胚胎图像分析技术》一文中研究指出在拼接后的斑马鱼胚胎显微图像基础上提出胚胎图像分析算法,以确定斑马鱼胚胎的3个形态特征:长度、头-干夹角以及尾部弯曲度.采用形态学方法将斑马鱼胚胎从背景中分割出来,然后采用二值细化算法提取它的中心线,最后测量上述形态特征.在测量尾部弯曲度时,采用环形Hough变换法去除胚胎头部,再由最小面积法将尾部曲线回归成一条直线,引入表示尾部曲线与回归直线间平均距离的均方根误差来表征尾部的弯曲度.实验结果表明,该自动分析技术处理速度较快,可以获得准确的形态参数值.(本文来源于《浙江大学学报(工学版)》期刊2009年11期）
程磊[5]（2009）在《斑马鱼胚胎图像的形态学特征分析》一文中研究指出斑马鱼是生命科学研究领域中一种宝贵的模式脊椎动物。斑马鱼胚胎图像的形态学特征是判断斑马鱼胚胎细胞发育是否健康的重要依据,对疾病建模和药物发现研究来讲具有重要的意义。传统的斑马鱼胚胎图像的特征量化分析依靠人工分析为主,工作量大,而且准确度也不高。因此,研究自动的图像分析方法来帮助研究人员对这些图像进行分析具有重要的意义。本文设计了一套可靠有效的方法,能够对斑马鱼胚胎图像尾部弯曲程度信息进行量化描述。首先,针对斑马鱼胚胎图像的特点,设计了如下的分割算法,基于边缘信息,形态学方法,利用轮廓跟踪提取斑马鱼胚胎主轮廓。实验证明,本文设计的分割算法能够得到正确的分割效果。其次,采用了基于主曲线思想的主图算法来生成斑马鱼胚胎图像的骨架线。为了增加算法的鲁棒性,本文设计了一种基于距离场的不规则圆形检测方法用于去除斑马鱼胚胎的头部骨架线,并且针对传统最小二乘直线拟合算法在对尾部骨架线进行直线拟合时会出现的问题,设计了解决方法,并且设计了一种复杂度更低的基于PCA的直线拟合算法。利用尾部骨架线上的点到拟合而成的直线的均方距离值来描述斑马鱼胚胎尾部的弯曲信息。根据算法给出的弯曲度量化信息对图像进行了分类实验,实验结果表明本文设计的算法能够准确地描述斑马鱼胚胎尾部的弯曲度信息,并且对不同姿态的斑马鱼图像,具有鲁棒性。(本文来源于《南京理工大学》期刊2009-05-01）
斑马鱼胚胎图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
斑马鱼是适合进行医药开发和病理演化分析的脊椎动物,在人类疾病建模和药品研制方面具有重大的意义。在实验过程中需要经常通过形状变换和形状分析来测定或者比较斑马鱼胚胎躯干和器官的形状,分析斑马鱼胚胎演化过程中的体形变化也是研究斑马鱼生理演化的关键。图像匹配和检索技术可以分析斑马鱼之间的特征差异,对批量的斑马鱼图像进行检索归类,是分析斑马鱼胚胎体形变化的重要方法。图像匹配和检索是计算机视觉、图像处理领域的关键技术。通过提取目标物体的形状特征,对不同目标的形状特征进行分析、检索,获取目标之间的相似信息和差异信息,可以准确地识别并测量目标的形状。本文设计了一套算法,用于提取斑马鱼胚胎的形状特征并进行检索来分析斑马鱼胚胎的形状。首先,高通量的斑马鱼生物成像技术产生海量的斑马鱼图像,传统的手工目标提取方法工作量大,而且效果不好。针对斑马鱼图像背景范围大、灰度集中的特点,设计出融合排序直方图和魔棒选区思想的图像分割算法。实验证明,此算法可以快速准确地提取出斑马鱼的轮廓。其次,好的形状特征可以简洁有效地描述目标形状的拓扑结构和局部信息。本文选用骨架来描述目标的形状特征,并设计出基于距离场和细化方法的骨架提取算法和骨架剪枝算法,提取出的骨架既可以准确地落在目标的中心线处,也满足了连续性的要求。最后,提取骨架端点的特征,通过对骨架端点序列进行匹配来实现目标的匹配和检索,并分析斑马鱼胚胎骨架线的曲率特征完成对斑马鱼的检索。实验证明,本文设计的目标分割算法对于背景灰度集中、背景范围大的一般图像也具有很好的分割效果。本文的骨架提取算法对一般形状也能达到很好的效果,骨架匹配算法在一般形状的检索上也能达到较高的查全率和查准率。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
斑马鱼胚胎图像论文参考文献
[1].杨玮婕,徐建瑜.斑马鱼胚胎彩色图像生理结构分割[J].激光生物学报.2018
[2].李川.斑马鱼胚胎图像的检索技术研究[D].南京理工大学.2011
[3].许晓燕.斑马鱼胚胎图像神经元检测算法研究[D].浙江大学.2010
[4].许晓燕,夏顺仁,WONG,Stephen,T,C.基于Hough变换的斑马鱼胚胎图像分析技术[J].浙江大学学报(工学版).2009
[5].程磊.斑马鱼胚胎图像的形态学特征分析[D].南京理工大学.2009