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

基于改进的ISODATA算法和DCE-MRI动态曲线评估的乳腺肿瘤检测

摘要第1-4页
Abstract第4-7页
第1章 绪论第7-19页
   ·课题研究背景与意义第7-10页
   ·国内外研究进展及现状第10-17页
     ·乳腺肿瘤的计算机辅助检测现状第10-14页
     ·乳腺MR图像自动检测的研究现状第14-17页
   ·本文的主要工作和内容安排第17-19页
第2章 图像预处理第19-27页
   ·均值滤波第19-21页
   ·去噪效果评价方法第21-22页
   ·仿真结果及分析第22-24页
   ·实测实验及分析第24-25页
   ·本章小结第25-27页
第3章 基于动态曲线评估和ISODATA改进算法的乳腺MR图像聚类方法第27-39页
   ·ISODATA聚类算法第27-29页
     ·ISODATA聚类算法基本原理第27页
     ·ISODATA聚类算法的步骤和基本流程第27-29页
   ·改进的ISODATA算法第29-31页
   ·DCE-MRI技术和动态曲线第31-34页
     ·DCE-MRI技术原理第32页
     ·DCE-MRI动态曲线的分析第32-33页
     ·DCE-MRI技术在乳腺肿瘤诊断和检测中的研究进展第33-34页
   ·仿真实验效果测试第34-35页
   ·实测实验与动态曲线评估第35-38页
     ·聚类效果验证第35-36页
     ·造影剂效果验证第36-37页
     ·聚类数据分析与动态曲线评估第37-38页
   ·本章小结第38-39页
第4章 基于动态曲线评估和模糊ISODATA算法的乳腺MR图像聚类方法第39-55页
   ·基于目标函数的模糊ISODATA聚类分析第39-47页
     ·数据规格化方法第40-41页
     ·模糊ISODATA聚类分析方法第41-47页
   ·基于模糊ISODATA算法的乳腺MR图像聚类第47-49页
     ·模糊ISODATA算法在乳腺MR图像聚类中的可行性分析第47页
     ·模糊ISODATA算法中的特性指标矩阵、聚类中心向量矩阵的构造第47-49页
     ·聚类方法思路与实现第49页
   ·实验结果与动态曲线评估第49-53页
     ·聚类效果验证第49-51页
     ·造影剂效果验证第51页
     ·聚类数据分析、动态曲线评估和与改进ISODATA算法的比较第51-53页
   ·本章小结第53-55页
第5章 总结与展望第55-57页
   ·总结第55-56页
   ·研究展望第56-57页
参考文献第57-65页
致谢第65-67页
攻读硕士学位期间研究成果第67页

论文共67页,点击 下载论文
上一篇:无线传感器网络能量有效的分簇路由算法研究
下一篇:掌纹识别关键技术的研究