首页--医药、卫生论文--肿瘤学论文--泌尿生殖器肿瘤论文--乳腺肿瘤论文

基于超声射频时间序列的乳腺病灶良恶性分类

摘要第5-6页
ABSTRACT第6-7页
第一章 绪论第11-24页
    1.1 研究背景与意义第11-14页
    1.2 乳腺病灶良恶性分类的国内外研究现状第14-21页
        1.2.1 基于深度学习技术第14-15页
        1.2.2 基于超声弹性成像第15-17页
        1.2.3 基于乳腺B型图第17-18页
        1.2.4 基于超声回波RF信号第18-20页
        1.2.5 基于超声RF时间序列第20-21页
    1.3 论文主要工作及结构安排第21-24页
        1.3.1 论文主要工作第21-22页
        1.3.2 论文结构安排第22-24页
第二章 时间序列分析基本理论及相关技术介绍第24-33页
    2.1 时域分析方法第24页
    2.2 频域分析方法第24-25页
    2.3 时频分析方法第25页
    2.4 非线性动力学分析方法第25-26页
    2.5 小波分析理论第26-30页
        2.5.1 小波分析概述第26页
        2.5.2 连续小波变换第26-28页
        2.5.3 离散小波变换第28页
        2.5.4 Mallat小波分解算法第28-30页
    2.6 特征降维算法第30-31页
        2.6.1 Relief-F第30页
        2.6.2 PCA第30-31页
    2.7 分类器第31-32页
        2.7.1 SVM第31-32页
        2.7.2 随机森林第32页
    2.8 本章小结第32-33页
第三章 乳腺病灶良恶性分类CAD系统设计第33-43页
    3.1 问题定义第33页
    3.2 可行性分析第33页
    3.3 系统设计第33-37页
        3.3.1 系统详细设计第33-36页
        3.3.2 系统流程图第36-37页
    3.4 系统开发第37-42页
    3.5 本章小结第42-43页
第四章 特征提取与特征分布第43-67页
    4.1 特征提取第43-53页
        4.1.1 解决方案一特征群第44-48页
        4.1.2 解决方案二特征群第48-53页
    4.2 特征分布与特征降维第53-65页
        4.2.1 解决方案一特征分布第53-55页
        4.2.2 解决方案二特征分布第55-63页
        4.2.3 特征降维第63-65页
    4.3 本章小结第65-67页
第五章 基于超声RF时间序列的乳腺病灶良恶性分类研究第67-89页
    5.1 研究样本采集第67-68页
    5.2 基于超声RF时间序列的乳腺病灶良恶性分类结果分析第68-87页
        5.2.1 分类结果第68-69页
        5.2.2 解决方案一分类结果第69-73页
        5.2.3 解决方案二分类结果第73-77页
        5.2.4 解决方案二Relief-F与PCA分类结果对比第77-82页
        5.2.5 两个解决方案的分类结果比较第82-87页
    5.3 本章小结第87-89页
总结与展望第89-90页
参考文献第90-96页
攻读硕士学位期间取得的研究成果第96-97页
致谢第97-98页
附件第98页

论文共98页,点击 下载论文
上一篇:罗丹宁类衍生物的合成及抗菌和PTP1B抑制活性研究
下一篇:蓝盆花全粉及提取物灌胃大鼠后主要成分的药代动力学性质及诃子对其影响