| 致谢 | 第5-6页 |
| 摘要 | 第6-8页 |
| ABSTRACT | 第8-9页 |
| 1 绪论 | 第13-27页 |
| 1.1 引言 | 第13-14页 |
| 1.2 研究背景及意义 | 第14-19页 |
| 1.2.1 乳腺医学知识 | 第14-15页 |
| 1.2.2 乳腺癌及其早期检查 | 第15-17页 |
| 1.2.3 钼靶X线摄影术 | 第17-18页 |
| 1.2.4 乳腺肿块 | 第18-19页 |
| 1.3 国内外研究现状 | 第19-25页 |
| 1.3.1 乳腺X线图像肿块检测研究现状 | 第19-21页 |
| 1.3.2 乳腺X线图像肿块分割研究现状 | 第21-24页 |
| 1.3.3 乳腺X线图像肿块分类研究现状 | 第24-25页 |
| 1.4 论文研究内容、主要贡献及创新 | 第25-26页 |
| 1.5 论文结构 | 第26-27页 |
| 2 乳腺癌肿块CAD系统研究 | 第27-33页 |
| 2.1 系统结构 | 第27页 |
| 2.2 实验图像库 | 第27-28页 |
| 2.3 算法性能评价准则 | 第28-31页 |
| 2.4 小结 | 第31-33页 |
| 3 基于数学建模与聚类的肿块检测 | 第33-51页 |
| 3.1 引言 | 第33-34页 |
| 3.2 算法流程 | 第34页 |
| 3.3 预处理 | 第34-36页 |
| 3.3.1 背景去除与图像降噪 | 第35-36页 |
| 3.3.2 图像增强 | 第36页 |
| 3.4 肿块的数学建模与模型特征 | 第36-39页 |
| 3.4.1 肿块区域建模 | 第36-37页 |
| 3.4.2 肿块区域特征 | 第37-39页 |
| 3.5 肿块相似像素点聚类 | 第39-45页 |
| 3.5.1 PCNN-FCM聚类 | 第39-43页 |
| 3.5.2 MS聚类 | 第43-45页 |
| 3.6 实验结果与分析 | 第45-49页 |
| 3.6.1 测试图像库 | 第45页 |
| 3.6.2 主要参数设定 | 第45页 |
| 3.6.3 实验结果与分析 | 第45-49页 |
| 3.7 本章小结 | 第49-51页 |
| 4 基于标记SPCNN的乳腺肿块分层检测 | 第51-63页 |
| 4.1 引言 | 第51-52页 |
| 4.2 标记SPCNN模型 | 第52-55页 |
| 4.2.1 改进型SPCNN | 第52-53页 |
| 4.2.2 输出结果修正 | 第53-55页 |
| 4.3 分层肿块检测 | 第55-57页 |
| 4.3.1 判断准则 | 第55-56页 |
| 4.3.2 形态学特征与对比度标准 | 第56-57页 |
| 4.3.3 假阳性区域消除 | 第57页 |
| 4.4 实验结果与分析 | 第57-61页 |
| 4.4.1 实验图像库与算法流程 | 第57-58页 |
| 4.4.2 模型参数 | 第58-59页 |
| 4.4.3 实验结果 | 第59-61页 |
| 4.5 本章小结 | 第61-63页 |
| 5 基于SPCNN与改进型矢量CV模型的乳腺X线肿块分割方法 | 第63-79页 |
| 5.1 引言 | 第63-64页 |
| 5.2 算法设计与实现 | 第64-65页 |
| 5.3 SPCNN模型参数寻优 | 第65-69页 |
| 5.3.1 SPCNN最佳分割结果 | 第66-67页 |
| 5.3.2 SPCNN模型参数设置准则 | 第67-69页 |
| 5.4 改进型矢量CV模型 | 第69-71页 |
| 5.4.1 矢量CV模型 | 第69-70页 |
| 5.4.2 CV模型改进 | 第70-71页 |
| 5.5 算法测试与结果分析 | 第71-78页 |
| 5.5.1 测试图像库 | 第71页 |
| 5.5.2 实验参数 | 第71-72页 |
| 5.5.3 实验结果与分析 | 第72-78页 |
| 5.6 本章小结 | 第78-79页 |
| 6 基于FWSVM的乳腺X线肿块分类方法 | 第79-97页 |
| 6.1 引言 | 第79-80页 |
| 6.2 算法设计与实现 | 第80页 |
| 6.3 形状特征提取 | 第80-82页 |
| 6.4 多分辨率纹理特征提取 | 第82-87页 |
| 6.4.1 非下采样小波变换 | 第83-84页 |
| 6.4.2 子带特征提取 | 第84-87页 |
| 6.5 肿块分类 | 第87-91页 |
| 6.5.1 特征加权支持向量机 | 第87-88页 |
| 6.5.2 特征权值分析 | 第88-91页 |
| 6.6 实验结果与分析 | 第91-96页 |
| 6.6.1 测试数据库与分类器 | 第91页 |
| 6.6.2 纹理特征降维 | 第91-93页 |
| 6.6.3 纹理特征分类对比实验与分析 | 第93-94页 |
| 6.6.4 本章方法性能测试 | 第94-96页 |
| 6.7 本章小结 | 第96-97页 |
| 7 结论 | 第97-101页 |
| 7.1 全文总结 | 第97-98页 |
| 7.2 工作展望 | 第98-101页 |
| 参考文献 | 第101-109页 |
| 附录A | 第109-111页 |
| 图索引 | 第111-113页 |
| 表索引 | 第113-115页 |
| 作者简历及攻读博士学位期间取得的研究成果 | 第115-119页 |
| 学位论文数据集 | 第119页 |