基于纹理分析的儿童常见后颅窝肿瘤的鉴别
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10-12页 |
| 1.2 国内外研究状况 | 第12-13页 |
| 1.3 磁共振成像简介 | 第13-14页 |
| 1.4 本课题研究内容 | 第14-15页 |
| 2 纹理分析理论 | 第15-27页 |
| 2.1 纹理的定义 | 第15-17页 |
| 2.2 纹理特征提取方法 | 第17-22页 |
| 2.2.1 基于统计的方法 | 第17-18页 |
| 2.2.2 基于模型的方法 | 第18-19页 |
| 2.2.3 基于结构的方法 | 第19-20页 |
| 2.2.4 基于信号处理的方法 | 第20-22页 |
| 2.3 纹理特征分类方法 | 第22-26页 |
| 2.3.1 K-means算法 | 第23页 |
| 2.3.2 贝叶斯分类器 | 第23-24页 |
| 2.3.3 遗传算法 | 第24页 |
| 2.3.4 人工神经网络 | 第24-25页 |
| 2.3.5 支持向量机 | 第25-26页 |
| 2.4 本章小结 | 第26-27页 |
| 3 儿童脑肿瘤MRI的特征提取与选择 | 第27-46页 |
| 3.1 数据及预处理 | 第27-28页 |
| 3.2 基于Gabor变换的图像特征提取 | 第28-34页 |
| 3.3 纹理特征的抽取 | 第34-38页 |
| 3.3.1 单因素方差分析 | 第34-35页 |
| 3.3.2 秩和分析 | 第35-36页 |
| 3.3.3 儿童后颅窝肿瘤MRI纹理特征抽取结果 | 第36-38页 |
| 3.4 肿瘤的分类 | 第38-44页 |
| 3.4.1 支持向量机原理 | 第38-43页 |
| 3.4.2 初步分类结果 | 第43-44页 |
| 3.5 本章小结 | 第44-46页 |
| 4 改进后的儿童后颅窝肿瘤MRI纹理特征分析 | 第46-53页 |
| 4.1 滤波器参数选择 | 第46-48页 |
| 4.2 去除边缘效应 | 第48-51页 |
| 4.2.1 膨胀和腐蚀 | 第49页 |
| 4.2.2 开运算和闭运算 | 第49-50页 |
| 4.2.3 形态学处理 | 第50-51页 |
| 4.3 改进后的分类结果及讨论 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 总结与展望 | 第53-55页 |
| 5.1 总结 | 第53页 |
| 5.2 展望 | 第53-55页 |
| 参考文献 | 第55-59页 |
| 个人简历、在学期间发表的学术论文及研究成果 | 第59-60页 |
| 致谢 | 第60页 |
