基于力学成像的乳腺癌三维可视化诊断方法
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-18页 |
| 1.1 课题背景及研究的意义 | 第9-11页 |
| 1.1.1 乳腺癌发病现状 | 第9页 |
| 1.1.2 我国的发病特点 | 第9-10页 |
| 1.1.3 乳腺癌早期诊断的重要意义 | 第10-11页 |
| 1.2 乳腺癌早期诊断技术综述 | 第11-14页 |
| 1.2.1 钼靶X线摄影检查 | 第11-12页 |
| 1.2.2 电子计算机X射线断层扫描技术 | 第12页 |
| 1.2.3 磁共振成像技术 | 第12-13页 |
| 1.2.4 超声弹性成像技术 | 第13-14页 |
| 1.2.5 力学成像技术 | 第14页 |
| 1.3 力学成像技术发展现状 | 第14-17页 |
| 1.3.1 前列腺力学成像 | 第14-15页 |
| 1.3.2 乳腺力学成像 | 第15-16页 |
| 1.3.3 盆底脏器脱垂的力学成像 | 第16-17页 |
| 1.4 本论文的主要研究内容 | 第17页 |
| 1.5 本章小结 | 第17-18页 |
| 第二章 力学成像技术原理与系统组成 | 第18-29页 |
| 2.1 力学成像原理 | 第18-19页 |
| 2.2 力学成像的有限元分析 | 第19-23页 |
| 2.3 结果与讨论 | 第23-25页 |
| 2.4 力学成像噪声分析 | 第25页 |
| 2.5 力学成像系统组成 | 第25-28页 |
| 2.6 本章小结 | 第28-29页 |
| 第三章 压力图像处理 | 第29-48页 |
| 3.1 图像预处理与增强 | 第29-39页 |
| 3.1.1 图像平滑 | 第30-32页 |
| 3.1.2 背景几何校正 | 第32-34页 |
| 3.1.3 图像分割 | 第34-37页 |
| 3.1.4 图像插值方法 | 第37-39页 |
| 3.2 肿块定位与跟踪 | 第39-41页 |
| 3.3 基于区域相关性的力学成像的图像拼接 | 第41-44页 |
| 3.4 软组织三维弹性重建 | 第44-47页 |
| 3.4.1 基于模型的三维重建技术 | 第44-45页 |
| 3.4.2 基于假设的三维重建技术 | 第45-47页 |
| 3.5 本章小结 | 第47-48页 |
| 第四章 基于BP神经网络的病理分析 | 第48-57页 |
| 4.1 BP神经网络的结构与算法 | 第48-51页 |
| 4.1.1 BP网络结构 | 第48-49页 |
| 4.1.2 BP算法的数学描述 | 第49-51页 |
| 4.1.3 BP神经网络的不足 | 第51页 |
| 4.2 乳腺癌诊断神经网络模型的训练与测试 | 第51-56页 |
| 4.2.1 训练样本集合的整理 | 第51-54页 |
| 4.2.2 模型参数确定与训练 | 第54-55页 |
| 4.2.3 模型测试 | 第55-56页 |
| 4.3 本章小结 | 第56-57页 |
| 第五章 实验结果与讨论 | 第57-71页 |
| 5.1 实验设置与平台 | 第57页 |
| 5.2 传感器单点识别的验证 | 第57-59页 |
| 5.3 传感器面阵识别的验证 | 第59-61页 |
| 5.4 杨氏模量的标定实验 | 第61-63页 |
| 5.5 图像预处理算法的实验 | 第63-65页 |
| 5.6 移动度检测的算法验证 | 第65-66页 |
| 5.7 图像拼接算法的验证 | 第66-68页 |
| 5.8 三维重建实验 | 第68-69页 |
| 5.9 神经网络实验与性能分析 | 第69-70页 |
| 5.10 本章小结 | 第70-71页 |
| 第六章 总结与展望 | 第71-73页 |
| 6.1 总结 | 第71页 |
| 6.2 展望 | 第71-73页 |
| 参考文献 | 第73-78页 |
| 发表论文和参加科研情况说明 | 第78-79页 |
| 致谢 | 第79-80页 |
