结合MRI多模态信息与SVM参数优化的脑肿瘤分割研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-17页 |
| 第一章 绪论 | 第17-24页 |
| ·课题背景及研究意义 | 第17-22页 |
| ·课题背景 | 第17-21页 |
| ·研究意义 | 第21-22页 |
| ·本文研究内容和论文框架 | 第22-24页 |
| ·研究内容 | 第22-23页 |
| ·论文框架 | 第23-24页 |
| 第二章 MRI脑肿瘤分割方法 | 第24-32页 |
| ·手工分割与自动分割 | 第24页 |
| ·无监督分割与有监督分割 | 第24-25页 |
| ·脑肿瘤图像分割方法 | 第25-28页 |
| ·基于阈值的图像分割方法 | 第25页 |
| ·基于区域的图像分割方法 | 第25-26页 |
| ·基于像素点分类的图像分割方法 | 第26-27页 |
| ·基于模型的图像分割方法 | 第27-28页 |
| ·AdaBoost方法 | 第28页 |
| ·脑肿瘤图像分割的评价标准 | 第28-30页 |
| ·基于区域的评价 | 第29-30页 |
| ·基于距离的评价 | 第30页 |
| ·本章小结 | 第30-32页 |
| 第三章 MRI肿瘤分割中的SVM参数优化 | 第32-54页 |
| ·支持向量机理论 | 第32-39页 |
| ·统计学习理论基础 | 第32-35页 |
| ·支持向量机与核方法 | 第35-39页 |
| ·支持向量机的特点 | 第39页 |
| ·MRI肿瘤分割中的SVM参数优化 | 第39-49页 |
| ·图像去噪 | 第40-44页 |
| ·特征提取和降维 | 第44-45页 |
| ·SVM参数优化 | 第45-49页 |
| ·实验结果及分析 | 第49-52页 |
| ·邻域s对分割正确率的影响 | 第49-50页 |
| ·核函数的选择对分割结果的影响 | 第50-51页 |
| ·与其他分割方法的比较 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第四章 基于SVM模型的多模态MRI脑肿瘤分割 | 第54-65页 |
| ·集成SVM思想及其改进 | 第54-55页 |
| ·基于多模态加权组合SVM的分割方法 | 第55-58页 |
| ·特征提取及降维 | 第55-56页 |
| ·多模态加权组合的SVM分类器 | 第56-58页 |
| ·改进的多模态加权组合SVM分割方法 | 第58-61页 |
| ·改进的特征提取方式 | 第58-60页 |
| ·改进的多模态加权组合SVM分类器 | 第60-61页 |
| ·实验结果及分析 | 第61-63页 |
| ·与单模态分割结果的对比 | 第61-62页 |
| ·改进前后的分割结果对比 | 第62-63页 |
| ·本章小结 | 第63-65页 |
| 第五章 工作总结和展望 | 第65-67页 |
| ·论文总结 | 第65页 |
| ·工作展望 | 第65-67页 |
| 参考文献 | 第67-73页 |
| 攻读硕士学位期间成果 | 第73-74页 |
| 致谢 | 第74-75页 |
