基于特征提取和机器学习的医学图像分析
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-12页 |
| ·引言 | 第8-10页 |
| ·国内外研究现状 | 第10-11页 |
| ·研究背景及意义 | 第11页 |
| ·本文的组织结构 | 第11-12页 |
| 第二章 相关知识介绍 | 第12-17页 |
| ·计算机辅助诊断 | 第12页 |
| ·CT 图像 | 第12-13页 |
| ·图像预处理 | 第13-14页 |
| ·直方图 | 第13页 |
| ·去噪 | 第13-14页 |
| ·图像增强 | 第14页 |
| ·图像的特征提取 | 第14页 |
| ·图像的分类 | 第14-15页 |
| ·点袋理论 | 第15-17页 |
| 第三章 基于点袋理论的肝脏CT图像分类 | 第17-44页 |
| ·引言 | 第17页 |
| ·SIFT算子 | 第17-23页 |
| ·DOG空间的建立 | 第17-19页 |
| ·使用SIFT算子描述图像特征 | 第19-23页 |
| ·聚类分析 | 第23-25页 |
| ·传统的聚类分析计算方法 | 第23-24页 |
| ·K-means算法 | 第24-25页 |
| ·机器学习 | 第25-30页 |
| ·机器学习的概念及原理 | 第26-28页 |
| ·机器学习的分类 | 第28-30页 |
| ·支持向量机（SVM） | 第30-41页 |
| ·支持向量机与人工神经网络的比较 | 第30-35页 |
| ·最优分类超平面 | 第35-37页 |
| ·支持向量机的核函数 | 第37-39页 |
| ·SVM中核函数及参数的选择 | 第39页 |
| ·LibSVM工具箱 | 第39-41页 |
| ·分类器设计及实验结果分析 | 第41-44页 |
| 第四章 图像分割与肝癌不同时期的分类 | 第44-52页 |
| ·基于分水岭算法的图像分割 | 第44-46页 |
| ·形状特征的提取 | 第46-50页 |
| ·Zernike矩 | 第47-48页 |
| ·基于Zernike矩不变量描述的图像形状特征 | 第48-50页 |
| ·基于形状特征的分类器设计及实验结果分析 | 第50-52页 |
| 第五章 总结与展望 | 第52-54页 |
| ·本文工作总结 | 第52-53页 |
| ·下一步的工作展望 | 第53-54页 |
| 硕士研究生期间研究工作情况 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58页 |
