| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-20页 |
| ·研究背景与研究意义 | 第11-14页 |
| ·国内外研究现状 | 第14-18页 |
| ·基于内容的医学图像检索 | 第14-15页 |
| ·多示例学习在图像检索中的应用 | 第15-17页 |
| ·多示例学习在医学图像中的应用 | 第17-18页 |
| ·本文的主要工作与章节安排 | 第18-20页 |
| 第二章 多示例学习研究 | 第20-35页 |
| ·多示例学习概述 | 第20-24页 |
| ·多示例学习概念 | 第20-22页 |
| ·多示例学习与传统学习框架的区别 | 第22-24页 |
| ·多示例学习算法与应用研究 | 第24-33页 |
| ·多示例学习算法 | 第25-31页 |
| ·多示例学习应用 | 第31-33页 |
| ·多示例学习与乳腺钼靶病灶图像检索关系 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第三章 用于多示例学习的包生成器设计 | 第35-47页 |
| ·引言 | 第35-36页 |
| ·包生成器 | 第36-44页 |
| ·基于 JSEG 分割图像的包生成器 J-Bag | 第36-41页 |
| ·基于视觉注意计算模型的包生成器 A-Bag | 第41-42页 |
| ·基于 k-均值聚类分割图像的包生成器 K-Bag | 第42-44页 |
| ·用于构建包生成器的病灶视觉特征提取 | 第44-45页 |
| ·灰度与形状特征 | 第44-45页 |
| ·视觉特征归一化 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第四章 多示例学习在乳腺钼靶病灶图像检索中的应用 | 第47-61页 |
| ·引言 | 第47页 |
| ·基于内容的乳腺钼靶病灶图像检索系统 | 第47-48页 |
| ·基于多示例学习的乳腺钼靶病灶图像检索技术 | 第48-52页 |
| ·语义类数据库 | 第49-50页 |
| ·包的生成 | 第50-51页 |
| ·目标概念学习 | 第51页 |
| ·相似度度量 | 第51-52页 |
| ·性能评价 | 第52-53页 |
| ·排序值评测法 | 第52-53页 |
| ·ANMRR | 第53页 |
| ·实验结果与分析 | 第53-60页 |
| ·5p5n 方案 | 第53-56页 |
| ·10p10n 方案 | 第56-60页 |
| ·本章小结 | 第60-61页 |
| 第五章 总结展望 | 第61-63页 |
| ·论文总结 | 第61-62页 |
| ·研究展望 | 第62-63页 |
| 致谢 | 第63-64页 |
| 参考文献 | 第64-68页 |
| 附录 | 第68页 |