Matlab Hill代码RBCNet双重深度学习架构用于细胞检测

尽管物体检测已在多个行业产生影响，但在使用巴氏涂片显微镜检测癌细胞方面仍存在挑战。本项目引入了一种机器学习算法，能够在检测和裁剪感兴趣区域（ROI）之前自动检测异常细胞特征。使用宫颈细胞的数字图像，我们通过以下三个关键步骤实现ROI的自动识别：（I）应用于RGB显微照片的非线性过滤器；（II）基于图的聚类（Felsenszwalb算法）；（III）Isodata二进制分类定义超像素。该过程的平均精度达到92%，平均召回率为95%。这一算法是未来智能显微镜电动载物台的核心驱动力，能够扫描完整的载玻片。详见Efficient_Graph_Poster_19.pdf。

这篇论文提供了一种基于深度双随机图正则化矩阵分解的方法，用于单细胞RNA测序中的细胞类型检测。编码使用MATLAB实现，主要包括 run_DSINMF.m、factorization_AB.m、factorization_BF.m、constructW.m、NormalizeUV.m、bestMap.m、compute_NMI.m、AMI.m 和 ARI.m 等文件。用户需下载DSINMF文件夹，并参照README.doc进行操作。

深入调研与审查深度学习中的对象检测，包括最新的技术进展和方法。探讨了R-CNN、SPP-Net、OverFeat等模型在视觉识别和对象检测领域的应用，特别关注了Matlab代码实现。此外，还介绍了在人脸检测和语义分割中应用的卷积神经网络。

介绍了使用Matlab进行医学图像处理的深度学习应用。作者首次探索了图像配准技术，使用了Matlab的Image Processing Toolbox（IPT），并上传了关于knee1.dcm和knee2.dcm的配准实验代码。实验中作者对各种参数变换进行了详细实验，发现部分模式不适合相互搭配使用，或需要特定的处理顺序。深入探讨每次处理后的配准效果。

这份文件深入探讨了利用深度学习进行目标检测的各种方法。它对不同的方法进行了分类和解析，并对它们的优缺点进行了比较。

此存储库包含用于Matlab的灰度处理和细胞跟踪的源代码。该程序支持荧光或暗场电影的处理，以及相衬电影的跟踪。兼容Matlab 2018a及更早版本，支持'.tif'堆栈和'.nd2'文件格式。还提供适用于Linux的版本。

随着技术的不断进步，需要一种自动化的方法来处理细胞表面染色图像。CellSegm是一款专为此设计的MATLAB工具，提供精确的细胞分割功能。

这些项目代表了我在2017-2018春季的数学建模和数学实验课程中完成的一些MATLAB代码。包括希尔密码的编码和解码器，自行设计的图像分割算法，用于垂直分割的图像块和3 * 3网格图像块，图像软化程序（使用插值法提高分辨率），小电影以及涉及傅立叶级数拟合、泰勒展开和牛顿法的简单数学概念，以及蛇游戏和狼人游戏（lang-ren-sha）的模拟程序，使用蒙特卡洛模拟法确定每个角色的最佳人数。

MATLAB Hill代码LED立方体项目作为Python、C++和MATLAB编程知识的示范模块，通过六个64x64 RGB LED面板制成的立方体提供构建说明和代码。这些多维数据集几乎能够展示任何内容！学生可以使用虚拟模拟器快速可视化他们在物理立方体上编写的代码结果。作者Ira Hill（ufh.edu上的ijh3）致力于教育和开源发展。您可以从“发行”选项卡获取最新的正式版本或按照Wiki上的说明从源代码进行编译。欲了解更多，请查看Wiki快速入门指南，开始使用多维数据集和模拟器。