基于支持向量机的肝脏肿瘤良、恶性识别研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 目录 | 第6-8页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 肝脏肿瘤影像 | 第9-11页 |
| 1.2.1 肝脏肿瘤的检测方法 | 第9-10页 |
| 1.2.2 肝脏肿瘤多模态图像表现 | 第10-11页 |
| 1.3 支持向量机的发展过程 | 第11-12页 |
| 1.4 支持向量机在医学中的应用 | 第12-13页 |
| 1.5 本文主要结果 | 第13-14页 |
| 第2章 肝脏肿瘤多模态图像的特征提取及选择 | 第14-21页 |
| 2.1 肝脏多模态图像 | 第14-15页 |
| 2.2 肝脏肿瘤多模态图像处理 | 第15-17页 |
| 2.2.1 感兴趣区域(ROI) | 第15-16页 |
| 2.2.2 边界提取 | 第16-17页 |
| 2.3 肝脏肿瘤形态特征 | 第17-19页 |
| 2.4 肿瘤特征的选择 | 第19页 |
| 2.5 本章小结 | 第19-21页 |
| 第3章 支持向量机 | 第21-31页 |
| 3.1 最大间隔原则 | 第21-22页 |
| 3.2 VC 维 | 第22-23页 |
| 3.3 核函数 | 第23-27页 |
| 3.3.1 Mercer 核 | 第24-25页 |
| 3.3.2 几种常见的核函数 | 第25-27页 |
| 3.4 支持向量分类机 | 第27-30页 |
| 3.4.1 线性可分支持向量机分类 | 第27-28页 |
| 3.4.2 线性不可分支持向量机 | 第28-29页 |
| 3.4.3 支持向量分类机及算法 | 第29-30页 |
| 3.5 本章小结 | 第30-31页 |
| 第4章 基于支持向量机的肝脏肿瘤识别过程 | 第31-39页 |
| 4.1 对肿瘤分类识别的研究 | 第31页 |
| 4.2 支持向量机用于肝脏肿瘤识别过程 | 第31-36页 |
| 4.2.1 特征提取 | 第32-34页 |
| 4.2.2 数据归一化处理 | 第34页 |
| 4.2.3 参数调优 | 第34-36页 |
| 4.3 决策树分类结果 | 第36-37页 |
| 4.4 分类结果分析 | 第37-38页 |
| 4.5 本章小结 | 第38-39页 |
| 第5章 总结与展望 | 第39-41页 |
| 参考文献 | 第41-44页 |
| 致谢 | 第44页 |
