基于机器学习的超声图像肝纤维化自动分级方法研究
| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第1章 绪论 | 第7-13页 |
| 1.1 课题背景 | 第7-9页 |
| 1.2 国内外研究现状 | 第9-10页 |
| 1.2.1 超声肝脏图像样本数据的获取与预处理 | 第9页 |
| 1.2.2 超声肝脏图像肝实质区域的特征提取 | 第9-10页 |
| 1.3 本论文研究设想 | 第10-11页 |
| 1.4 本论文内容组织 | 第11-13页 |
| 第2章 基于密集采样的DAISY算子特征提取 | 第13-19页 |
| 2.1 特征提取 | 第13-18页 |
| 2.1.1 基于密集采样的关键点检测 | 第14-15页 |
| 2.1.2 DAISY描述子实现原理 | 第15-18页 |
| 2.2 本章小结 | 第18-19页 |
| 第3章 基于Fisher Vector的特征编码 | 第19-24页 |
| 3.1 特征编码 | 第19-22页 |
| 3.1.1 Bag of words | 第19-20页 |
| 3.1.2 Fisher Vector | 第20-21页 |
| 3.1.3 VLAD | 第21-22页 |
| 3.2 本章小结 | 第22-24页 |
| 第4章 基于SVM的特征选择和分类 | 第24-29页 |
| 4.1 SVM分类器 | 第24-26页 |
| 4.2 特征选择 | 第26-28页 |
| 4.2.1 常用特征选择方法原理分析 | 第26-27页 |
| 4.2.2 基于SVM稀疏化的特征选择算法介绍 | 第27-28页 |
| 4.3 本章小结 | 第28-29页 |
| 第5章 实验设置与实验结果 | 第29-40页 |
| 5.1 实验数据 | 第29-30页 |
| 5.2 样本数据预处理 | 第30-31页 |
| 5.3 实验方法与结果 | 第31-38页 |
| 5.3.1 特征提取方法实验验证 | 第31-34页 |
| 5.3.2 特征编码方法实验验证 | 第34-37页 |
| 5.3.3 特征选择方法实验验证 | 第37-38页 |
| 5.4 本章小结 | 第38-40页 |
| 第6章 总结与展望 | 第40-42页 |
| 6.1 工作总结 | 第40-41页 |
| 6.2 工作展望 | 第41-42页 |
| 参考文献 | 第42-47页 |
| 致谢 | 第47页 |
