| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-24页 |
| ·研究背景与意义 | 第10-13页 |
| ·国内外研究现状 | 第13-23页 |
| ·基于内容的医学图像检索 | 第13-15页 |
| ·基于内容的乳腺钼靶图像检索 | 第15-16页 |
| ·乳腺X 线图像检索相似性度量 | 第16-23页 |
| ·基于非机器学习方法 | 第17-20页 |
| ·基于机器学习方法 | 第20-23页 |
| ·论文的主要工作及章节安排 | 第23-24页 |
| 第2章 ROI数据库及肿块病灶视觉特征提取 | 第24-32页 |
| ·ROI 数据库 | 第24-25页 |
| ·ROI 视觉特征提取 | 第25-30页 |
| ·病灶区灰度与形状特征 | 第26-29页 |
| ·典型病灶的特征对比 | 第29-30页 |
| ·视觉特征归一化 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第3章 基于机器学习的乳腺X线图像检索 | 第32-44页 |
| ·引言 | 第32页 |
| ·采用的分类器 | 第32-38页 |
| ·近邻法 | 第32-33页 |
| ·人工神经网络 | 第33-36页 |
| ·支持向量机 | 第36-38页 |
| ·两层的相似性学习框架模型 | 第38-40页 |
| ·分层的学习框架模型 | 第38-39页 |
| ·分类器参数设置 | 第39-40页 |
| ·实验结果与分析 | 第40-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 面向乳腺X线图像CAD的CBIR方法比较研究 | 第44-53页 |
| ·引言 | 第44-45页 |
| ·面向乳腺CAD的三种常用CBIR方法 | 第45-46页 |
| ·相关度 | 第46页 |
| ·权重相关度 | 第46-47页 |
| ·实验结果及分析 | 第47-51页 |
| ·检索性能分析和评价 | 第47-48页 |
| ·三种 CBIR 方法检索结果相关度分析 | 第48-49页 |
| ·三种 CBIR 方法检索结果权重相关度分析 | 第49-51页 |
| ·本章小结 | 第51-53页 |
| 第5章 总结与展望 | 第53-55页 |
| ·论文总结和创新点 | 第53-54页 |
| ·研究展望 | 第54-55页 |
| 致谢 | 第55-56页 |
| 参考文献 | 第56-60页 |
| 附录 | 第60-61页 |
| 详细摘要 | 第61-66页 |