| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题背景 | 第9-11页 |
| ·课题来源 | 第11页 |
| ·乳腺超声图像的成像原理与特点 | 第11-13页 |
| ·超声成像原理 | 第11-12页 |
| ·乳腺超声图像的特点 | 第12-13页 |
| ·本文的主要研究内容及组织结构 | 第13-16页 |
| ·肿瘤区域分割 | 第14页 |
| ·具有分割健壮性的肿瘤分类 | 第14-15页 |
| ·本文的结构安排 | 第15-16页 |
| 第2章 乳腺超声图像肿瘤区域分割与分类方法概述 | 第16-25页 |
| ·乳腺超声图像肿瘤区域分割方法概述 | 第16-21页 |
| ·基于边缘检测的分割方法 | 第17-18页 |
| ·基于区域的分割方法 | 第18-19页 |
| ·基于人工神经网络的分割方法 | 第19页 |
| ·基于形变模型的分割方法 | 第19-20页 |
| ·基于随机场的分割方法 | 第20-21页 |
| ·乳腺肿瘤分类方法概述 | 第21-23页 |
| ·基于纹理信息的分类方法 | 第21-22页 |
| ·基于形状学的分类方法 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 第3章 基于Grow Cut 的乳腺超声图像分割方法 | 第25-41页 |
| ·Grow Cut 算法思想 | 第25-28页 |
| ·Grow Cut 算法思想 | 第25-27页 |
| ·Grow Cut 算法的不足之处 | 第27-28页 |
| ·基于Grow Cut 的肿瘤区域分割方法的改进策略 | 第28-33页 |
| ·被攻击点与种子点的相似度比较 | 第28-30页 |
| ·局部纹理信息的融入 | 第30-32页 |
| ·种子点选取方法的改进 | 第32-33页 |
| ·实验结果 | 第33-40页 |
| ·本章小结 | 第40-41页 |
| 第4章 对肿瘤区域分割差异具有健壮性的乳腺肿瘤分类方法 | 第41-62页 |
| ·基于局部纹理特征的乳腺肿瘤分类方法 | 第41-42页 |
| ·局部纹理特征的提取 | 第42-47页 |
| ·分类检查点的选取规则 | 第42-43页 |
| ·基于灰度共生矩阵的纹理特征提取 | 第43-45页 |
| ·基于分形模型的纹理特征提取 | 第45-47页 |
| ·基于支持向量机的肿瘤分类 | 第47-51页 |
| ·实验结果 | 第51-61页 |
| ·基于局部纹理特征分类方法的有效性验证 | 第51-55页 |
| ·基于局部纹理特征分类方法的分割健壮性验证 | 第55-58页 |
| ·整体效果评价 | 第58-61页 |
| ·本章小结 | 第61-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-71页 |
| 致谢 | 第71页 |
