基于改进的SVM模型的肝癌识别方法的研究与实现
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景与意义 | 第10-11页 |
| ·计算机辅助诊断技术的研究现状 | 第11-12页 |
| ·肝癌计算机辅助诊断技术的研究现状 | 第12-13页 |
| ·本文工作 | 第13-14页 |
| ·论文组织结构 | 第14-16页 |
| 第2章 肝癌计算机辅助诊断相关技术 | 第16-34页 |
| ·医学图像格式 | 第16-19页 |
| ·医学数字图像通讯标准 | 第16-17页 |
| ·CT成像原理 | 第17-19页 |
| ·CT图像格式转换 | 第19页 |
| ·肝癌的CT影像特点 | 第19-20页 |
| ·纹理特征 | 第20-24页 |
| ·统计法纹理特征 | 第22页 |
| ·结构法纹理特征 | 第22-23页 |
| ·模型法纹理特征 | 第23页 |
| ·频谱法纹理特征 | 第23-24页 |
| ·特征选择 | 第24-27页 |
| ·模式分类方法 | 第27-32页 |
| ·贝叶斯分类器 | 第28-30页 |
| ·神经网络 | 第30-31页 |
| ·支持向量机原理 | 第31-32页 |
| ·本章小结 | 第32-34页 |
| 第3章 基于改进SVM的肝癌CT图像识别 | 第34-56页 |
| ·肝癌计算机辅助诊断整体框架 | 第34页 |
| ·感兴趣区域的选取 | 第34-35页 |
| ·基于ROI的特征提取 | 第35-43页 |
| ·一阶直方图统计特征 | 第35-36页 |
| ·灰度共生矩阵特征提取 | 第36-37页 |
| ·灰度-梯度共生矩阵特征提取 | 第37-39页 |
| ·行程长度矩阵特征提取 | 第39-40页 |
| ·分形维特征提取 | 第40-42页 |
| ·Gabor特征提取 | 第42-43页 |
| ·特征选择 | 第43-45页 |
| ·肝癌分类器的设计 | 第45-54页 |
| ·本章小结 | 第54-56页 |
| 第4章 实验结果与分析 | 第56-64页 |
| ·实验数据及预处理 | 第56页 |
| ·特征提取实验 | 第56-58页 |
| ·基于GA的特征选择实验 | 第58-59页 |
| ·基于改进的SVM模型肝癌识别实验 | 第59-62页 |
| ·本章小结 | 第62-64页 |
| 第5章 讨论与结论 | 第64-66页 |
| ·全文总结 | 第64页 |
| ·展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70页 |
