| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 综述 | 第9-16页 |
| 1.1 盆底超声中膀胱脱垂的临床背景与研究意义 | 第9-10页 |
| 1.2 膀胱脱垂疾病诊断与分级的国内外研究现状 | 第10-12页 |
| 1.3 本文的研究目标与挑战 | 第12-13页 |
| 1.4 本文的研究设想 | 第13-14页 |
| 1.5 本文的章节组织 | 第14-16页 |
| 第2章 基于多阶段回归模型（MPRM）的膀胱脱垂自动分级 | 第16-27页 |
| 2.1 MPRM自动分级的框架 | 第16-17页 |
| 2.2 随机森林算法的简介 | 第17-19页 |
| 2.3 一阶段回归中的特征设计 | 第19-20页 |
| 2.4 一阶段随机森林回归器的训练 | 第20-22页 |
| 2.4.1 回归训练与参数设置 | 第20-21页 |
| 2.4.2 随机森林回归器的优化 | 第21-22页 |
| 2.5 一阶段膀胱脱垂的自动分级 | 第22-24页 |
| 2.5.1 解剖结构的定位与分割 | 第22-23页 |
| 2.5.2 膀胱脱垂分级标准 | 第23-24页 |
| 2.6 二阶段自动上下文优化方法 | 第24-26页 |
| 2.6.1 自动上下文特征设计 | 第24-25页 |
| 2.6.2 二阶段随机森林回归器的训练与自动分级 | 第25-26页 |
| 2.7 本章小结 | 第26-27页 |
| 第3章 MPRM自动分级的实验与分析 | 第27-35页 |
| 3.1 实验数据 | 第27-28页 |
| 3.2 MPRM 的系统实现 | 第28页 |
| 3.3 MPRM的系统评估 | 第28-34页 |
| 3.3.1 定性评估 | 第28-30页 |
| 3.3.2 自动上下文效果定量评估 | 第30-32页 |
| 3.3.3 中间结果定量评估 | 第32页 |
| 3.3.4 系统分级性能定量评估 | 第32-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第4章 基于时空回归模型（STRM）的膀胱脱垂自动分级 | 第35-44页 |
| 4.1 STRM自动分级方法的框架 | 第35-36页 |
| 4.2 随机Haar特征与改进 | 第36-38页 |
| 4.3 STRM的训练 | 第38-40页 |
| 4.3.1 高斯采样 | 第38-39页 |
| 4.3.2 随机森林中的多维回归 | 第39-40页 |
| 4.4 STRM的膀胱脱垂自动分级 | 第40-43页 |
| 4.4.1 回归预测结果的投票策略 | 第40-42页 |
| 4.4.2 多尺度的预测模型的结合 | 第42-43页 |
| 4.5 本章小结 | 第43-44页 |
| 第5章 STRM自动分级的实验与分析 | 第44-50页 |
| 5.1 实验数据 | 第44页 |
| 5.2 STRM的系统实现 | 第44-45页 |
| 5.3 STRM的系统评估 | 第45-49页 |
| 5.3.1 定性评估 | 第45-46页 |
| 5.3.2 STRM的定量评估 | 第46-47页 |
| 5.3.3 中间结果定量评估 | 第47-48页 |
| 5.3.4 系统分级性能定量评估 | 第48-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 总结与展望 | 第50-53页 |
| 6.1 本文总结 | 第50-51页 |
| 6.2 本文的主要贡献 | 第51-52页 |
| 6.3 本文的不足与展望 | 第52-53页 |
| 参考文献 | 第53-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间的研究成果 | 第56页 |