| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第1章 绪论 | 第11-15页 |
| ·课题背景 | 第11-12页 |
| ·乳腺X 光片的计算机处理技术 | 第12-14页 |
| ·计算机辅助诊断 | 第12页 |
| ·国内外研究现状 | 第12-14页 |
| ·本文所采用的方法及章节安排 | 第14-15页 |
| 第2章 多分辨率图像锥 | 第15-23页 |
| ·多分辨率图像锥 | 第15-18页 |
| ·多分辨率图像锥应用于乳腺肿块检测的依据与目的 | 第15-16页 |
| ·多分辨率图像锥的生成方法 | 第16-18页 |
| ·小波理论 | 第18-21页 |
| ·小波 | 第18-20页 |
| ·多分辨率分析 | 第20-21页 |
| ·实验结果 | 第21-22页 |
| ·本章小结 | 第22-23页 |
| 第3章 人工神经网络应用于低分辨率乳腺图像中肿块种子区域的检测 | 第23-37页 |
| ·神经网络的特点 | 第23-24页 |
| ·BP 神经网络 | 第24-29页 |
| ·BP 算法模型 | 第24-26页 |
| ·BP 神经网络设计要考虑的问题 | 第26-27页 |
| ·选用BP 神经网络进行肿块种子区域检测的原因 | 第27-29页 |
| ·人工神经网络实现低分辨率图像中乳腺肿块种子区域的检测 | 第29-33页 |
| ·神经网络结构 | 第29页 |
| ·训练样本的构成 | 第29-30页 |
| ·提取特征值的依据 | 第30-33页 |
| ·实验结果 | 第33-36页 |
| ·本章小结 | 第36-37页 |
| 第4章 肿块种子区域的生长及边缘细化 | 第37-45页 |
| ·区域生长 | 第37-40页 |
| ·生长算法的基本步骤 | 第37-39页 |
| ·权值判别规则 | 第39-40页 |
| ·边缘检测 | 第40-41页 |
| ·实验结果 | 第41-43页 |
| ·本章小结 | 第43-45页 |
| 第5章 乳腺肿块与正常腺体组织的分类 | 第45-54页 |
| ·图像的纹理 | 第45页 |
| ·灰度共生矩阵 | 第45-47页 |
| ·灰度共生矩阵的定义 | 第46-47页 |
| ·灰度共生矩阵的特点 | 第47页 |
| ·基于灰度共生矩阵的统计特征提取 | 第47-49页 |
| ·可疑肿块区域纹理特征的实验结果 | 第49-52页 |
| ·分类器的设计 | 第52页 |
| ·分类器的测试结果 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 结论 | 第54-56页 |
| 参考文献 | 第56-60页 |
| 附录1 | 第60-65页 |
| 攻读硕士学位期间发表的学术论文 | 第65-66页 |
| 致谢 | 第66页 |