稿件用途：评职称

稿件级别：北核

学科方向：计算机专业，研究方向计算机图像处理、人工智能稿件格式：论文

稿件题目：如果可以，题目就用：《一种深度卷积神经网络的红细胞检测方法》，大概研究内容见一下具体要求；如果不可以用这个题目，只要与计算机图像处理、人工智能方向的文章都可以

稿件字符：6000

要否英摘：要

文献条数：15

保修时间： 过审

交稿时间：3天出提纲 15天完稿

补充说明：一、如果可以用题目：《一种深度卷积神经网络的红细胞检测方法》，研究内容大概如下①图像预处理研究。显微镜细胞图像采集过程中由于电噪声、量化噪声、光照环境、目标分层等因素而引起图像质量低，对输入图像进行适当预处理，从而改善图像质量。本项目采用低通滤波器对图像进行滤波去噪，削弱边缘，起到平滑图像的作用，在此基础上提出了一种新的动态变形数据降噪EMD-Wavelet模型，该模型通过小波方法对EMD分解的模型分量进行降噪，该算法有利于提高后续细胞定位的准确度。

②红细胞定位分割研究。尿液图像中红细胞具有粘连现象比较少、灰度变化较大、基本呈多同心圆等特点，根据红细胞这些特点，本项目在Hough变换的基础上，利用圆的几何特征，提出将传统Hough变换圆检测的三维参数改为二维参数定位，从而有效实现了红细胞的定位分割。

③红细胞图像特征值提取研究。在红细胞定位过程中，可能有一些杂质掺和进来，为了区别这些杂质(本项目统称为非红细胞)，需要对红细胞进行特征提取。本项目采用卷积神经网络（Convolutional Neural Networks, CNN）模型算法，它主要由多个卷积层、下采样层和全连接层组成，每一次的输出是对原始输入的一组特征表示。其中在卷积层，通过一个卷积核对来自上一层的特征图进行卷积，然后通过一个激活函数得到卷积层的输出特征图，激活函数使用sigmoid函数。下采样层将上一层的特征图进行下采样加权和偏置得到该层的输出特征图。

④分类器的设计。在提取红细胞特征值后，为了更好地区分红细胞与非红细胞，本项目在基于卷积神经网络模型下，采用了最近邻分类算法(Nearest Neighbor Classification:NNC)，通过分类判别函数和分类规则，进行匹配判别，实现全自动统计分类计数。

二、如果不能用上面内容写，只要与计算机图像处理、人工智能方向的文章题目都可以。

跟进情况：正在写作

跟进时间：2019/4/16 12:10:36

跟进情况：已出提纲。

跟进时间：2019/4/22 10:04:07

跟进情况：在写正文。

跟进时间：2019/4/22 12:11:59

跟进情况：已交半稿

跟进时间：2019/5/9 15:23:41

跟进情况：此稿转让

跟进时间：2019/8/17 22:56:53