基于WELM的乳腺肿块检测优化方法的研究与实现
| 摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-11页 |
| 1.2 国内外研究现状 | 第11-13页 |
| 1.2.1 乳腺计算机辅助诊断 | 第12页 |
| 1.2.2 乳腺肿块检测 | 第12-13页 |
| 1.3 本文研究内容及结构 | 第13-15页 |
| 第2章 乳腺肿块检测的前期工作研究 | 第15-25页 |
| 2.1 引言 | 第15页 |
| 2.2 极限学习机的介绍 | 第15-18页 |
| 2.3 乳腺钼靶X射线图像处理 | 第18-19页 |
| 2.3.1 图像预处理 | 第18页 |
| 2.3.2 感兴趣区域提取及疑似肿块分割 | 第18-19页 |
| 2.4 肿块特征建模 | 第19-23页 |
| 2.4.1 形态特征提取 | 第20-21页 |
| 2.4.2 纹理特征提取 | 第21-23页 |
| 2.5 小结 | 第23-25页 |
| 第3章 基于权值极限学习机的乳腺肿块优化检测方法 | 第25-49页 |
| 3.1 引言 | 第25页 |
| 3.2 权值极限学习机的原理及分析 | 第25-33页 |
| 3.2.1 基础理论的讨论与研究 | 第26-29页 |
| 3.2.2 二元分类器的应用分析 | 第29-31页 |
| 3.2.3 特征映射与核函数的研究 | 第31-32页 |
| 3.2.4 关于权值体系的讨论 | 第32-33页 |
| 3.3 乳腺肿块检测方法的优化 | 第33-48页 |
| 3.3.1 权值优化调整的临床意义 | 第33-35页 |
| 3.3.2 最优权值的确定方法 | 第35-40页 |
| 3.3.3 最优权值计算的优化增量训练 | 第40-47页 |
| 3.3.4 肿块检测分类器的训练与检测 | 第47-48页 |
| 3.4 小结 | 第48-49页 |
| 第4章 实验结果与分析 | 第49-73页 |
| 4.1 实验设置 | 第49-51页 |
| 4.1.1 实验平台 | 第49页 |
| 4.1.2 实验数据 | 第49页 |
| 4.1.3 评价指标 | 第49-50页 |
| 4.1.4 关键参数 | 第50-51页 |
| 4.2 实验设计 | 第51页 |
| 4.3 实验结果及分析 | 第51-72页 |
| 4.3.1 隐层节点数L的确定 | 第51-59页 |
| 4.3.2 正则常数C的确定 | 第59-65页 |
| 4.3.3 权值W_(ii)的调整 | 第65-72页 |
| 4.4 小结 | 第72-73页 |
| 第5章 总结与展望 | 第73-75页 |
| 5.1 本文工作总结 | 第73页 |
| 5.2 存在的不足及展望 | 第73-75页 |
| 参考文献 | 第75-77页 |
| 致谢 | 第77页 |
