首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

医学图像智能分类算法研究

中文摘要第1-8页
ABSTRACT第8-9页
第一章 绪论第9-17页
 §1.1 引言第9-11页
 §1.2 国内、外研究现状第11-12页
 §1.3 论文选题来源及研究背景第12-14页
 §1.4 本论文研究内容第14-15页
 §1.5 本论文的组织结构第15-17页
第二章 国内外研究现状分析第17-27页
 §2.1 数据挖掘原型系统DBMiner第17-18页
 §2.2 基于乳腺X线图像的e-Diamond网格系统第18-19页
 §2.3 数据挖掘中的分类算法第19-23页
 §2.4 腺体中的结构紊乱探测第23页
 §2.5 肿瘤区域的分割第23-24页
 §2.6 特征提取和选择第24-25页
  §2.6.1 纹理特征第24-25页
  §2.6.2 特征选择第25页
 §2.7 本章小结第25-27页
第三章 医学图像辅助诊断系统第27-32页
 §3.1 数据挖掘系统流程第27-29页
 §3.2 医学图像辅助诊断系统第29-31页
 §3.3 本章小结第31-32页
第四章 医学图像数据预处理技术第32-54页
 §4.1 图像预处理第32-37页
  §4.1.1 图像剪切技术第32-33页
  §4.1.2 图像增强第33-37页
 §4.2 特征提取第37-43页
  §4.2.1 图像纹理的灰度分布统计特征第38-43页
  §4.2.2 形状特征第43页
 §4.3 数量型属性离散化第43-48页
  §4.3.1 竞争聚集(CA)算法第44-48页
 §4.4 基于模糊聚类的特征优选方法第48-52页
 §4.5 本章小结第52-54页
第五章 决策树算法及其在图像挖掘中的应用第54-76页
 §5.1 分类和预测第54-58页
 §5.2 决策树分类概述第58-60页
 §5.3 决策树算法的基本原理第60-74页
  §5.3.1 ID3算法第61-63页
  §5.3.2 算法的改进第63-65页
  §5.3.3 C4.5算法第65-68页
  §5.3.4 决策树学习的关键技术第68-74页
 §5.4 决策树算法对乳腺癌图像数据的分类第74-75页
 §5.5 本章小结第75-76页
第六章 关联规则挖掘算法的研究第76-92页
 §6.1 关联规则概述第76-77页
 §6.2 关联规则算法第77-85页
  §6.2.1 基本概念第77-80页
  §6.2.2 关联规则的实现算法第80-83页
  §6.2.3 Apriori算法的改进第83-85页
 §6.3 关联规则挖掘关键技术探讨第85-87页
 §6.4 源自关联规则挖掘概念的分类:第87-91页
  §6.4.1 关联规则分类方法第87-89页
  §6.4.2 关联规则分类的约束标记第89-90页
  §6.4.3 关联规则在乳腺X线照片分类中的应用第90-91页
 §6.5 本章小结第91-92页
第七章 Rough集理论及其在数据挖掘中的应用第92-117页
 §7.1 Rough集理论概述第92-97页
  §7.1.1 基本概念第92-94页
  §7.1.2 属性依赖和属性约简第94-97页
 §7.2 决策表和决策规则第97-104页
  §7.2.1 决策表第97-100页
  §7.2.2 基于区分矩阵的约简算法第100-104页
 §7.3 基于互信息的知识约简算法RAMI第104-106页
 §7.4 基于粒的二进制运算提取关联规则第106-113页
 §7.5 Rough集在辅助诊断中的应用第113-116页
  §7.5.1 在乳腺影像分类中的应用第113-114页
  §7.5.2 基于生理活检数据的分类第114-116页
 §7.6 本章小结第116-117页
第八章 总结和展望第117-120页
 §8.1 本文工作总结第117-118页
 §8.2 进一步工作展望第118-120页
攻读博士学位期间发表的论文第120-122页
主要参考文献第122-132页
致谢第132页

论文共132页,点击 下载论文
上一篇:认知资源分配对大学生前瞻记忆影响的实验研究
下一篇:液固高压成形中液固相连续转变的力学建模及有限元模拟研究