| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-17页 |
| ·研究背景及意义 | 第10-11页 |
| ·大肠形态组织特征简述 | 第11-12页 |
| ·正常的大肠组织学特征 | 第11-12页 |
| ·肠癌组织学特征 | 第12页 |
| ·国内外肠癌病理切片图像辅助诊断研究现状 | 第12-15页 |
| ·国外肠癌病理切片图像辅助诊断研究现状 | 第13-14页 |
| ·国内肠癌病理切片图像辅助诊断研究现状 | 第14-15页 |
| ·肠癌病理切片图像辅助诊断难点 | 第15页 |
| ·论文创新点和论文结构 | 第15-17页 |
| 第2章 肠癌病理切片图像辅助诊断算法概述 | 第17-31页 |
| ·肠癌病理图像辅助诊断框架 | 第17-18页 |
| ·预处理 | 第18页 |
| ·特征提取 | 第18-25页 |
| ·颜色特征 | 第19-20页 |
| ·灰度共生矩阵纹理特征 | 第20-22页 |
| ·LBP纹理特征 | 第22-24页 |
| ·Gabor纹理特征 | 第24页 |
| ·组织学特征 | 第24-25页 |
| ·特征选择 | 第25-27页 |
| ·SVM分类器 | 第27-29页 |
| ·评价标准 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第3章 基于底层特征的肠癌病理图像识别 | 第31-45页 |
| ·改进型GLRLM应用于肠癌病理切片图像识别 | 第31-41页 |
| ·传统GLRLM算法 | 第31-32页 |
| ·改进型GLRLM算法 | 第32-38页 |
| ·基于mRMR的特征优化 | 第38-39页 |
| ·实验结果分析及算法对比 | 第39-41页 |
| ·改进型GLRLM与HOG结合应用于大肠病理切片图像识别 | 第41-44页 |
| ·HOG算法描述 | 第41-42页 |
| ·最优参数选择 | 第42-43页 |
| ·改进型GLRLM与HOG算法结合实验结果 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第4章 基于组织学特征的肠癌病理图像识别 | 第45-56页 |
| ·PCA-KMEANS预处理 | 第45-48页 |
| ·目标对象分割 | 第48-50页 |
| ·目标对象分割算法思想 | 第48页 |
| ·目标对象分割实验结果 | 第48-50页 |
| ·基于目标对象的组织学特征 | 第50-53页 |
| ·颜色图特征 | 第50-51页 |
| ·基于目标对象的统计学特征 | 第51-53页 |
| ·实验结果及参数分析 | 第53-55页 |
| ·本章小结 | 第55-56页 |
| 第5章 结论和展望 | 第56-58页 |
| ·结论 | 第56页 |
| ·展望 | 第56-58页 |
| 参考文献 | 第58-62页 |
| 致谢 | 第62-63页 |
| 攻读学位期间参加的科研项目和成果 | 第63页 |