基于数据挖掘中决策树分类方法的颅脑CT图像的分类器研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-13页 |
| ·研究背景及意义 | 第8页 |
| ·国内外研究现状 | 第8-11页 |
| ·研究目的和工作内容 | 第11-13页 |
| ·论文研究目的 | 第11页 |
| ·主要的工作内容 | 第11-13页 |
| 第2章 医学图像处理 | 第13-21页 |
| ·医学CT图像的特点 | 第13页 |
| ·计算机断层扫描图像质量影响因素 | 第13-14页 |
| ·空间分辨率对医学图像的影像 | 第14页 |
| ·密度分辨率对医学图像的影像 | 第14页 |
| ·噪声对医学图像的影像 | 第14页 |
| ·伪影对医学图像的影像 | 第14页 |
| ·图像处理 | 第14-20页 |
| ·图像增强 | 第14-16页 |
| ·一阶微分的方法突出图像的边缘 | 第16-19页 |
| ·平滑空间滤波器 | 第19-20页 |
| ·本章小结 | 第20-21页 |
| 第3章 图像特征提取 | 第21-31页 |
| ·颜色特征 | 第21-24页 |
| ·纹理特征 | 第24-27页 |
| ·形状特征 | 第27-29页 |
| ·空间关系特征 | 第29页 |
| ·语义特征 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第4章 医学图像的决策树挖掘 | 第31-41页 |
| ·数据预处理 | 第31-32页 |
| ·决策树挖掘基础 | 第32-33页 |
| ·CART算法的改进 | 第33-40页 |
| ·基于熵的属性选择 | 第34-36页 |
| ·评分函数的改进 | 第36-37页 |
| ·树剪枝介绍 | 第37-40页 |
| ·本章小结 | 第40-41页 |
| 第5章 医学颅脑图像的实验 | 第41-56页 |
| ·医学图像的预处理 | 第41-45页 |
| ·拉普拉斯对图像的增强 | 第42-44页 |
| ·一阶微分的方法突出图像的边缘 | 第44页 |
| ·平滑空间滤波器对图像的处理 | 第44-45页 |
| ·图像的特征提取实验 | 第45-49页 |
| ·数据挖掘实验 | 第49-55页 |
| ·数据挖掘的功能驱动框架 | 第49-50页 |
| ·改进的CART算法对于颅脑CT图像的分类 | 第50-52页 |
| ·改进算法与原算法的比较 | 第52-55页 |
| ·本章小结 | 第55-56页 |
| 第6章 总结与展望 | 第56-57页 |
| ·总结 | 第56页 |
| ·展望 | 第56-57页 |
| 参考文献 | 第57-59页 |
| 作者简介及在学期间所取得的科研成果 | 第59-60页 |
| 致谢 | 第60页 |
