| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-12页 |
| 1.1 脑肿瘤分级的意义及现状 | 第8页 |
| 1.2 与脑肿瘤分级相关的磁共振影像学表现 | 第8-10页 |
| 1.3 计算机辅助诊断系统研究现状 | 第10-11页 |
| 1.4 论文组织结构 | 第11-12页 |
| 第二章 贝叶斯网络的原理与方法 | 第12-18页 |
| 2.1 贝叶斯网络的基本概念 | 第12-13页 |
| 2.1.1 贝叶斯网络的发展历史 | 第12页 |
| 2.1.2 贝叶斯网络的定义 | 第12-13页 |
| 2.1.3 贝叶斯网络中的条件独立性质 | 第13页 |
| 2.2 贝叶斯网络应用的组成部分 | 第13-17页 |
| 2.2.1 贝叶斯网络中的变量数目及其类型 | 第13-14页 |
| 2.2.2 贝叶斯网络中的结构学习 | 第14-15页 |
| 2.2.3 贝叶斯网络中的参数学习 | 第15-16页 |
| 2.2.4 使用贝叶斯网络进行概率推断和分类 | 第16-17页 |
| 2.3 本章小结 | 第17-18页 |
| 第三章 多模态磁共振成像特征提取 | 第18-33页 |
| 3.1 病人信息 | 第18页 |
| 3.2 磁共振成像扫描参数 | 第18页 |
| 3.3 占位效应特征提取 | 第18-19页 |
| 3.4 灌注成像原理与特征提取 | 第19-22页 |
| 3.4.1 灌注成像基本原理 | 第19-20页 |
| 3.4.2 灌注成像特征提取 | 第20-22页 |
| 3.5 T1W增强图像特征提取 | 第22-24页 |
| 3.6 磁共振波谱原理与特征提取 | 第24-32页 |
| 3.6.1 磁共振波谱原理 | 第24-26页 |
| 3.6.2 LCModel量化原理 | 第26-27页 |
| 3.6.3 使用LCModel量化多体素磁共振波谱 | 第27-29页 |
| 3.6.4 多体素波谱的可视化 | 第29-30页 |
| 3.6.5 LCModel量化结果的选取 | 第30-32页 |
| 3.7 本章小结 | 第32-33页 |
| 第四章 贝叶斯网络结合多模态磁共振成像特征的分级 | 第33-47页 |
| 4.1 贝叶斯网络应用流程 | 第33页 |
| 4.2 中线偏移的贝叶斯网络分级 | 第33-34页 |
| 4.3 灌注特征的贝叶斯网络分级 | 第34-38页 |
| 4.4 T1W增强特征结合灌注特征的贝叶斯网络分级 | 第38-39页 |
| 4.5 波谱特征的贝叶斯网络分级 | 第39-43页 |
| 4.6 多模态特征结合的贝叶斯网络分级 | 第43-46页 |
| 4.7 本章小结 | 第46-47页 |
| 第五章 总结与展望 | 第47-49页 |
| 5.1 总结 | 第47页 |
| 5.2 局限性及展望 | 第47-49页 |
| 致谢 | 第49-50页 |
| 参考文献 | 第50-53页 |
| 作者简介 | 第53页 |