基于x线图像的乳腺肿块自动检测技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 1 绪论 | 第9-17页 |
| ·课题背景 | 第9-10页 |
| ·国内外概况 | 第10-15页 |
| ·乳腺x 线图像增强 | 第10页 |
| ·乳腺密度分析与乳腺癌风险预测 | 第10-11页 |
| ·肿块自动检测 | 第11-14页 |
| ·钙化灶检测 | 第14页 |
| ·基于内容的乳腺x 线图像检索 | 第14-15页 |
| ·乳腺CAD 的发展趋势 | 第15页 |
| ·课题主要研究工作 | 第15-17页 |
| 2 乳腺肿块的自动检测系统框架 | 第17-25页 |
| ·模式识别基本理论 | 第17-18页 |
| ·乳腺x 线图像特点 | 第18-19页 |
| ·乳腺图像的获取 | 第18页 |
| ·乳腺癌的x 线征象 | 第18-19页 |
| ·肿块自动检测的系统结构 | 第19-20页 |
| ·乳腺CAD 系统的评价 | 第20-23页 |
| ·数据来源 | 第23-24页 |
| ·小结 | 第24-25页 |
| 3 乳腺x 线图像的感兴趣区域自动提取 | 第25-31页 |
| ·乳房区域的分割 | 第25-27页 |
| ·可疑肿块的定位 | 第27-29页 |
| ·实验结果 | 第29-30页 |
| ·小结 | 第30-31页 |
| 4 乳腺可疑肿块分割 | 第31-39页 |
| ·感兴趣区域的预处理 | 第31-33页 |
| ·基于动态规划的肿块分割算法 | 第33-35页 |
| ·最大熵阈值分割法 | 第35-36页 |
| ·实验结果 | 第36-38页 |
| ·小结 | 第38-39页 |
| 5 乳腺可疑肿块特征提取 | 第39-45页 |
| ·乳腺病变特性 | 第39-40页 |
| ·可疑肿块特征提取 | 第40-44页 |
| ·小结 | 第44-45页 |
| 6 乳腺可疑肿块分类 | 第45-50页 |
| ·分类的基本理论 | 第45页 |
| ·基于k-近邻方法的肿块分类 | 第45-47页 |
| ·k-近邻分类法基本原理 | 第45-46页 |
| ·改进的k-近邻分类器 | 第46-47页 |
| ·实验结果 | 第47-49页 |
| ·实验数据 | 第47页 |
| ·分类器结果 | 第47-48页 |
| ·系统性能评估 | 第48-49页 |
| ·小结 | 第49-50页 |
| 7 总结与展望 | 第50-53页 |
| ·全文总结 | 第50-51页 |
| ·研究工作展望 | 第51-53页 |
| 致谢 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 附录攻读硕士学位期间发表论文目录 | 第58页 |
