首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于IVUS图像的动脉斑块识别方法的研究

摘要第1-6页
Abstract第6-11页
第1章 绪论第11-13页
   ·研究背景第11页
   ·研究意义第11-12页
   ·研究内容第12页
   ·本章小结第12-13页
第2章 研究方法第13-23页
   ·心血管疾病的检查与诊断方法第13-17页
     ·冠状动脉造影断层扫描 CTA第13-14页
     ·冠状动脉造影 CAG第14页
     ·血管内超声 IVUS第14-15页
     ·三种检查方法的比较第15-16页
     ·三种检查方法示意图第16-17页
   ·血管内超声 IVUS 的优势与适应范围第17-18页
     ·医学超声技术第17页
     ·血管内超声 IVUS 的优势第17-18页
     ·血管内超声 IVUS 的适应范围第18页
   ·IVUS 图像诊断难点第18页
   ·本文拟采用的研究方法第18-21页
     ·灰度共生矩阵第19-20页
     ·灰度-梯度共生矩阵第20页
     ·数据量化、统计与预处理第20-21页
     ·SVM 分类器与核函数第21页
   ·本章小结第21-23页
第3章 血管内超声图像的特征提取第23-47页
   ·血管内超声与血管内斑块第23页
   ·血管内斑块的种类和纹理特征第23-25页
     ·软斑块第23-24页
     ·纤维斑块第24页
     ·钙化斑块第24-25页
   ·灰度共生矩阵的特征值第25-26页
     ·能量第25页
     ·相关度第25页
     ·对比度第25页
     ·熵第25-26页
   ·基于灰度共生矩阵的 IVUS 图像斑块特征值提取第26-30页
   ·灰度-梯度共生矩阵的特征值第30-32页
   ·基于灰度-梯度共生矩阵的 IVUS 图像斑块特征值提取第32-45页
   ·本章小结第45-47页
第4章 血管内超声图像中斑块的分析与识别第47-59页
   ·数据预处理第47-49页
     ·数据归一化第47-49页
   ·分类器及核函数第49-55页
     ·分类器及其用途第49页
     ·支持向量机 SVM 的原理第49-53页
     ·分类器模型与核函数第53-54页
     ·最优参数的选择第54-55页
   ·斑块的识别结果及分析第55-57页
     ·支持向量机构造分类器第55页
     ·支持向量机分类第55-56页
     ·斑块的识别与结果第56-57页
   ·本章小结第57-59页
结论第59-61页
参考文献第61-63页

论文共63页,点击 下载论文
上一篇:新型高分散纳米铜基催化剂的制备及其催化1,4-环己烷二甲酸二甲酯加氢反应的研究
下一篇:高功率CCEPS激光器微通道热管理系统设计及激光增益介质温度分布的研究