摘要 | 第4-5页 |
ABSTRACT | 第5页 |
第一章 绪论 | 第9-16页 |
1.1 课题研究背景 | 第9-10页 |
1.2 国内外研究进展及现状 | 第10-13页 |
1.2.1 计算机辅助检测系统对乳腺癌的研究现状 | 第10-11页 |
1.2.2 钼耙 X 光乳腺肿块自动检测的研究现状 | 第11-12页 |
1.2.3 钼耙 X 光乳腺密度估计的研究现状 | 第12-13页 |
1.3 论文的主要研究成果及章节安排 | 第13-16页 |
1.3.1 论文主要创新点 | 第14页 |
1.3.2 论文章节安排 | 第14-16页 |
第二章 乳腺钼耙图像的预处理 | 第16-22页 |
2.1 乳腺图像背景的去除 | 第16-17页 |
2.2 乳腺图像中胸肌的去除 | 第17-19页 |
2.3 乳腺图像中边缘的去除 | 第19-20页 |
2.4 乳腺图像增强 | 第20-21页 |
2.5 本章小结 | 第21-22页 |
第三章 乳腺图像的肿块检测方法 | 第22-39页 |
3.1 Kmean 提取 ROI | 第23-27页 |
3.1.1 Kmean 原理 | 第23-25页 |
3.1.2 提取 ROI | 第25-27页 |
3.2 特征提取 | 第27-31页 |
3.2.1 形态学处理 | 第27-28页 |
3.2.2 特征提取 | 第28-31页 |
3.3 肿块分类 | 第31-38页 |
3.3.1 测度标准 | 第31页 |
3.3.2 阈值分类 | 第31-33页 |
3.3.3 基于支持向量机(SVM)的分类 | 第33-38页 |
3.4 本章小结 | 第38-39页 |
第四章 乳腺密度估计 | 第39-55页 |
4.1 特征提取 | 第40-41页 |
4.2 极限学习机(ELM) | 第41-43页 |
4.3 实验分析 | 第43-54页 |
4.3.1 实验结果 | 第43-45页 |
4.3.2 实验分析 | 第45-46页 |
4.3.3 进一步的实验 | 第46-54页 |
4.4 本章小结 | 第54-55页 |
第五章 总结与展望 | 第55-57页 |
5.1 全文总结 | 第55-56页 |
5.2 展望 | 第56-57页 |
参考文献 | 第57-60页 |
发表论文和参加科研情况说明 | 第60-61页 |
致谢 | 第61页 |