基于显著性检测的乳腺超声图像全自动分割方法
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-19页 |
| 1.1 课题背景及研究目的和意义 | 第10-13页 |
| 1.2 乳腺超声图像分割方法概述 | 第13-18页 |
| 1.2.1 非自动分割方法 | 第13-15页 |
| 1.2.2 自动分割方法 | 第15-17页 |
| 1.2.3 现有方法的不足 | 第17-18页 |
| 1.3 本文主要研究内容 | 第18-19页 |
| 第2章 视觉显著性检测概述 | 第19-27页 |
| 2.1 引言 | 第19页 |
| 2.2 视觉注意机制 | 第19-21页 |
| 2.3 视觉显著性 | 第21-26页 |
| 2.3.1 自底向上显著性检测方式 | 第22-25页 |
| 2.3.2 自顶向下显著性检测方法 | 第25-26页 |
| 2.3.3 显著性检测中常用的先验知识 | 第26页 |
| 2.4 本章小结 | 第26-27页 |
| 第3章 结合单幅图像显著性检测的乳腺肿瘤检测 | 第27-43页 |
| 3.1 引言 | 第27-28页 |
| 3.2 结合单幅图像显著性检测的乳腺肿瘤检测 | 第28-36页 |
| 3.2.1 图像预处理 | 第28-30页 |
| 3.2.2 位置先验显著图 | 第30-32页 |
| 3.2.3 背景线索显著图 | 第32-34页 |
| 3.2.4 结合模糊连接的显著值传播方法 | 第34-36页 |
| 3.2.5 肿瘤检测 | 第36页 |
| 3.3 实验结果及分析 | 第36-41页 |
| 3.3.1 评价标准 | 第36-38页 |
| 3.3.2 显著性检测 | 第38-39页 |
| 3.3.3 ROI生成 | 第39-40页 |
| 3.3.4 肿瘤分割 | 第40-41页 |
| 3.4 本章小结 | 第41-43页 |
| 第4章 结合视频显著性和随机游走的乳腺肿瘤检测 | 第43-58页 |
| 4.1 引言 | 第43页 |
| 4.2 结合视频显著性和随机游走的乳腺肿瘤检测 | 第43-52页 |
| 4.2.1 图模型的构建 | 第44-46页 |
| 4.2.2 同步更新规则 | 第46-47页 |
| 4.2.3 显著图种子点选取和随机游走分割 | 第47-52页 |
| 4.3 实验结果及分析 | 第52-56页 |
| 4.3.1 实验数据集及评价标准 | 第52页 |
| 4.3.2 实验结果 | 第52-56页 |
| 4.4 本章小结 | 第56-58页 |
| 结论 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间发表的论文及其它成果 | 第65-67页 |
| 致谢 | 第67页 |
