| 摘要 | 第1-7页 |
| Abstract | 第7-12页 |
| 第一章 绪论 | 第12-34页 |
| §1.1 研究背景及意义 | 第12-13页 |
| §1.2 乳腺癌的诊断及其影像学基础 | 第13-16页 |
| §1.2.1 乳腺癌的病理学概述及临床诊断 | 第14-15页 |
| §1.2.2 乳腺X线摄影技术 | 第15页 |
| §1.2.3 乳腺癌的影像学表现 | 第15-16页 |
| §1.3 乳腺癌的计算机辅助诊断研究现状 | 第16-22页 |
| §1.3.1 计算机辅助诊断系统的研究现状 | 第16-18页 |
| §1.3.2 乳腺X线图像中肿块检测的研究进展及现状 | 第18-21页 |
| §1.3.3 乳腺X线图像中肿块检测的发展趋势 | 第21-22页 |
| §1.4 测试数据库简介 | 第22-23页 |
| §1.5 论文研究内容及章节安排 | 第23-25页 |
| 本章参考文献 | 第25-34页 |
| 第二章 基于形态学成分分析的乳腺X线图像预处理 | 第34-44页 |
| §2.1 引言 | 第34-35页 |
| §2.2 形态学成分分析 | 第35-37页 |
| §2.2.1 模型假设 | 第35-36页 |
| §2.2.2 形态学成分分析方法 | 第36-37页 |
| §2.3 基于形态学成分分析的乳腺X线图像预处理 | 第37-39页 |
| §2.3.1 形态学成分分析方法中的参数分析 | 第38页 |
| §2.3.2 乳腺X线图像的分层预处理 | 第38-39页 |
| §2.4 实验结果与分析 | 第39-42页 |
| §2.5 本章小结 | 第42-43页 |
| 本章参考文献 | 第43-44页 |
| 第三章 基于多同心层方法和自适应阈值的肿块粗检测 | 第44-58页 |
| §3.1 引言 | 第44-45页 |
| §3.2 肿块区域的多同心层分析 | 第45-46页 |
| §3.3 自适应阈值搜索策略 | 第46-47页 |
| §3.4 基于多同心层方法和自适应搜索的肿块检测方法 | 第47-51页 |
| §3.4.1 肿块区域的形态学特征提取分析 | 第48-49页 |
| §3.4.2 扩展的多同心层判别策略 | 第49-50页 |
| §3.4.3 改进的肿块检测算法 | 第50-51页 |
| §3.5 实验结果与分析 | 第51-53页 |
| §3.6 本章小结 | 第53-55页 |
| 本章参考文献 | 第55-58页 |
| 第四章 基于水平集的肿块边界提取 | 第58-80页 |
| §4.1 引言 | 第58-59页 |
| §4.2 主动轮廓模型 | 第59-60页 |
| §4.2.1 参数化的主动轮廓模型 | 第59-60页 |
| §4.2.2 几何主动轮廓模型 | 第60页 |
| §4.3 基于双水平集和自适应形状约束的肿块分割方法 | 第60-63页 |
| §4.3.1 演化曲线的自动初始化 | 第61页 |
| §4.3.2 自适应形状约束及停止函数设计 | 第61-62页 |
| §4.3.3 基于双水平集的肿块分割 | 第62-63页 |
| §4.4 基于松弛形状约束的水平集肿块分割方法 | 第63-68页 |
| §4.4.1 松弛形状约束及停止函数设计 | 第63-65页 |
| §4.4.2 特征图像及向量水平集 | 第65-66页 |
| §4.4.3 基于嵌入式向量水平集的肿块分割算法 | 第66-68页 |
| §4.5 实验结果与分析 | 第68-76页 |
| §4.6 本章小结 | 第76-77页 |
| 本章参考文献 | 第77-80页 |
| 第五章 基于成对约束支持向量机的主动学习肿块精检测 | 第80-94页 |
| §5.1 引言 | 第80-81页 |
| §5.2 成对约束的SVM方法 | 第81-82页 |
| §5.3 感兴趣区域的特征提取 | 第82-84页 |
| §5.3.1 区域协方差特征 | 第82-83页 |
| §5.3.2 感兴趣区域的协方差特征 | 第83-84页 |
| §5.4 基于主动学习的肿块检测方法 | 第84-87页 |
| §5.4.1 基于特征匹配距离的主动学习模型 | 第84-86页 |
| §5.4.2 基于主动学习的肿块精检测算法 | 第86-87页 |
| §5.5 实验结果与分析 | 第87-89页 |
| §5.6 本章小结 | 第89页 |
| 本章参考文献 | 第89-94页 |
| 第六章 基于BOW和多尺度塔形部分匹配的肿块检索 | 第94-112页 |
| §6.1 引言 | 第94-95页 |
| §6.2 Bag of Words模型及其扩展 | 第95-97页 |
| §6.2.1 Bag of Words模型 | 第95-96页 |
| §6.2.2 Bag of Words模型的扩展 | 第96-97页 |
| §6.3 基于多尺度塔形部分匹配的肿块检索方法 | 第97-101页 |
| §6.3.1 塔形匹配核函数 | 第98-99页 |
| §6.3.2 多尺度塔形部分匹配算法 | 第99-101页 |
| §6.3.3 匹配结果的分级排序 | 第101页 |
| §6.4 实验结果与分析 | 第101-108页 |
| §6.5 本章小结 | 第108-109页 |
| 本章参考文献 | 第109-112页 |
| 第七章 总结与展望 | 第112-116页 |
| §7.1 本文总结 | 第112-113页 |
| §7.2 未来工作的展望 | 第113-116页 |
| 致谢 | 第116-118页 |
| 攻读博士学位期间撰写的学术论文 | 第118-120页 |
| 攻读博士学位期间参与的科研工作 | 第120页 |
| 攻读博士学位期间成果 | 第120页 |
