| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-17页 |
| ·研究背景 | 第10-11页 |
| ·国内外发展状况 | 第11-15页 |
| ·课题的意义和主要研究内容 | 第15-16页 |
| ·课题的意义 | 第15页 |
| ·主要研究内容 | 第15-16页 |
| ·本文组织结构 | 第16-17页 |
| 第二章 医学图像的预处理方法 | 第17-23页 |
| ·医学图像特征 | 第17-19页 |
| ·诊断标准 | 第17-19页 |
| ·医学图像处理方法 | 第19-22页 |
| ·图像去噪 | 第19-20页 |
| ·图像增强 | 第20-22页 |
| ·医学图像的特征提取 | 第22-23页 |
| 第三章 基于改进小波神经网络的医学图像分类算法 | 第23-35页 |
| ·小波分析理论 | 第23-25页 |
| ·小波神经网络 | 第25-28页 |
| ·小波神经网络的分类 | 第25-26页 |
| ·小波神经网络的特征 | 第26-27页 |
| ·小波神经网络与神经网络的比较 | 第27-28页 |
| ·改进的小波神经网络算法 | 第28-32页 |
| ·冗余二进小波变换 | 第29页 |
| ·脊波 | 第29-30页 |
| ·改进的小波神经网络 | 第30-32页 |
| ·在医学图像上的实验 | 第32-35页 |
| ·实验说明 | 第32-33页 |
| ·实验结果及分析 | 第33-35页 |
| 第四章 基于粗糙集的小波神经网络的医学图像分类方法 | 第35-51页 |
| ·粗糙集理论 | 第35-36页 |
| ·粗糙集基本概念 | 第36-41页 |
| ·信息系统与决策表 | 第36页 |
| ·近似空间 | 第36-37页 |
| ·粗糙集的约简与核 | 第37-38页 |
| ·基于粗糙集理论的约简 | 第38-39页 |
| ·主要的属性约简算法 | 第39-40页 |
| ·粗糙集在图像处理中的应用 | 第40-41页 |
| ·分明矩阵的属性约简方法 | 第41-43页 |
| ·粗糙集与神经网络相结合 | 第43-48页 |
| ·具体步骤 | 第44页 |
| ·实验过程 | 第44-48页 |
| ·在乳腺X光图像MIAS数据集上的实验结果与分析 | 第48-50页 |
| ·数据集说明 | 第48页 |
| ·实验结果及分析 | 第48-50页 |
| ·结论 | 第50-51页 |
| 第五章 总结与展望 | 第51-53页 |
| ·本文工作总结 | 第51页 |
| ·今后工作及展望 | 第51-53页 |
| 参考文献 | 第53-60页 |
| 致谢 | 第60-61页 |
| 附录A 攻读学位期间发表的论文 | 第61页 |
| 附录B 攻读学位期间所参与的科研项目 | 第61页 |