本书对显微图像处理领域中细胞检测计数与三维重建方法进了研究与总结，介绍了暗视野高密度细胞、明亮视野昆虫细胞的检测与计数以及神经元细胞三维重建的探索性研究工作。本书后半部分针对深度学习技术检测乳腺癌淋巴结转移这一应用上面展开相关介绍，给临床医学领域、医学图像处理与分析领域以及显微图像分析领域提供理论与技术方面的支持。
书中分别对显微图像分析领域中的二维细胞计数、三维的神经细胞解剖结构重建方法和多尺度病理全扫描切片中目标检测、癌症区域分析以及细胞水平诊断进行介绍，实验与实际应用的结果证明了提出的方法可以应用于高密度细胞、明亮视野细胞与神经元细胞的图像分析处理、多尺度乳腺癌病理切片分析中来获取研究所需要的细胞水平与组织水平的相关信息。
本书适用于从事显微图像处理研究的科研人员、学生以及相关行业从业者。

显微图像处理与分析是利用计算机图形、图像处理技术，针对多尺度、多模态、高通量和高信息量显微图像数据所进行的一系列定性检测与定量分析过程，作为一种非常重要的分析方法，在生命科学以及临床医学中有着非常广泛的应用。本书基于目前先进的计算机视觉方法，从显微图像中基础的细胞检测方法入手，进而对多来源的显微图像处理与分析方法进行详细阐述，为这一研究方向提供可行的方法论，同时在现有研究成果基础上，对未来可能的发展方向进行了前瞻性的介绍。

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