| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 绪论 | 第7-9页 |
| ·引言 | 第7页 |
| ·医学图像可视化的研究现状 | 第7-8页 |
| ·支持向量机技术及其应用 | 第8-9页 |
| 2 理论基础 | 第9-22页 |
| ·统计学习理论 | 第9-14页 |
| ·机器学习理论 | 第9-10页 |
| ·统计学习理论 | 第10-12页 |
| ·结构风险最小化理论 | 第12-14页 |
| ·SVM理论 | 第14-22页 |
| ·最优超平面 | 第14页 |
| ·支持向量机 | 第14-18页 |
| ·支持向量回归机(SVR)与多类分类问题 | 第18-20页 |
| ·核函数 | 第20-22页 |
| 3 支持向量机在医学图像分割中的应用 | 第22-32页 |
| ·图像分割技术 | 第22-26页 |
| ·基于区域的分割方法 | 第22-23页 |
| ·基于边界的分割方法 | 第23-24页 |
| ·基于区域和边界技术相结合的分割方法 | 第24页 |
| ·基于特定理论的分割方法 | 第24-25页 |
| ·医学图像的分割技术 | 第25-26页 |
| ·图像特征提取技术 | 第26-29页 |
| ·纹理特征提取 | 第26-27页 |
| ·基于圆形窗口区域象素灰度特征提取 | 第27-29页 |
| ·训练样本选取技术 | 第29页 |
| ·自动方式选取 | 第29页 |
| ·交互方式选取 | 第29页 |
| ·SVM重要参数的确定 | 第29-30页 |
| ·基于模糊支持向量机方法的图像分割 | 第30-32页 |
| ·模糊集的基本概念 | 第30页 |
| ·模糊支持向量机 | 第30-31页 |
| ·模糊支持向量机在图像分割中的应用 | 第31-32页 |
| 4 基于SVM核磁共振左心室图像检测与分割的应用研究 | 第32-43页 |
| ·核磁共振左心室图像的分割方法研究 | 第32-34页 |
| ·基于 SVM方法心脏 MRI的自动分割实验 | 第34-39页 |
| ·SVM训练与分割过程的改进和总结 | 第39-43页 |
| 5 结论及建议 | 第43-45页 |
| ·本文总结 | 第43页 |
| ·进一步的工作 | 第43-45页 |
| 致谢 | 第45-46页 |
| 参考文献 | 第46-48页 |