| 摘要 | 第5-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-28页 |
| 1.1 研究背景和意义 | 第11-14页 |
| 1.2 国内外研究现状 | 第14-25页 |
| 1.3 研究内容及目标 | 第25-26页 |
| 1.4 论文组织结构 | 第26-28页 |
| 第2章 面向脑部医学图像的图建模和频繁近似子图挖掘方法 | 第28-58页 |
| 2.1 引言 | 第28-29页 |
| 2.2 图像预处理 | 第29-34页 |
| 2.3 图模型的建立 | 第34-38页 |
| 2.4 频繁近似子图挖掘 | 第38-46页 |
| 2.5 基于贪心策略的近似挖掘 | 第46-47页 |
| 2.6 实验结果与分析 | 第47-57页 |
| 2.6.1 实验数据和环境 | 第47页 |
| 2.6.2 图模型建立方法分析 | 第47-49页 |
| 2.6.3 FASMGED算法分析 | 第49-55页 |
| 2.6.4 FASMGED近似算法分析 | 第55-57页 |
| 2.7 本章小结 | 第57-58页 |
| 第3章 基于角点检测与匹配的脑部医学图像分类方法 | 第58-78页 |
| 3.1 引言 | 第58-60页 |
| 3.2 图像归一化处理 | 第60-61页 |
| 3.3 基于多层纹理图像的角点检测 | 第61-65页 |
| 3.4 基于二分图的角点匹配 | 第65-69页 |
| 3.5 基于角点的图像分类 | 第69-70页 |
| 3.6 实验结果与分析 | 第70-76页 |
| 3.6.1 实验数据和环境 | 第70-72页 |
| 3.6.2 基于角点的脑部医学图像分类方法分析 | 第72-76页 |
| 3.7 本章小结 | 第76-78页 |
| 第4章 基于纵向脑部医学图像深度学习特征的分类方法 | 第78-98页 |
| 4.1 引言 | 第78-79页 |
| 4.2 纵向脑部医学图像预处理 | 第79-80页 |
| 4.3 基于深度卷积神经网络的切片图像特征提取 | 第80-84页 |
| 4.4 基于词袋模型的纵向图像特征提取 | 第84-85页 |
| 4.5 基于循环神经网络的疾病分类 | 第85-87页 |
| 4.6 实验结果与分析 | 第87-97页 |
| 4.6.1 实验数据和环境 | 第88-89页 |
| 4.6.2 参数分析及特征评估 | 第89-91页 |
| 4.6.3 与基准方法的对比 | 第91-96页 |
| 4.6.4 与最新方法的对比 | 第96-97页 |
| 4.7 本章小结 | 第97-98页 |
| 结论 | 第98-101页 |
| 参考文献 | 第101-113页 |
| 攻读博士学位期间发表的论文和取得的科研成果 | 第113-115页 |
| 致谢 | 第115-116页 |