基于模式识别的血管内光学相干断层扫描图像分割研究
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-25页 |
| 1.1 冠心病与冠状动脉粥样硬化 | 第9-13页 |
| 1.1.1 冠心病 | 第9页 |
| 1.1.2 冠状动脉粥样硬化 | 第9-11页 |
| 1.1.3 冠状动脉粥样硬化的临床诊断 | 第11-13页 |
| 1.2 血管内光学相干断层扫描系统 | 第13-16页 |
| 1.2.1 成像原理 | 第13-16页 |
| 1.2.2 介入导管与IVOCT | 第16页 |
| 1.3 冠状动脉内IVOCT影像学分析 | 第16-18页 |
| 1.4 相关研究进展 | 第18-25页 |
| 1.4.1 IVOCT图像血管内腔轮廓及支架分割 | 第19-21页 |
| 1.4.2 IVOCT图像斑块组织分割 | 第21-23页 |
| 1.4.3 实验设备及方法简介 | 第23-25页 |
| 第二章 IVOCT图像预处理与特征提取 | 第25-45页 |
| 2.1 图像预处理 | 第25-27页 |
| 2.1.1 去除导丝伪影 | 第25-26页 |
| 2.1.2 去除成像导管伪影并提取血管内腔轮廓 | 第26-27页 |
| 2.2 对原始数据集增强 | 第27-30页 |
| 2.3 衰减系数提取 | 第30-34页 |
| 2.3.1 IVOCT信号衰减系数 | 第30-31页 |
| 2.3.2 分段拟合提取衰减系数 | 第31-32页 |
| 2.3.3 衰减系数提取结果 | 第32-34页 |
| 2.4 基于灰度共生矩阵的图像纹理特征 | 第34-45页 |
| 2.4.1 灰度共生矩阵计算方法 | 第35页 |
| 2.4.2 图像纹理特征提取方法 | 第35-37页 |
| 2.4.3 图像纹理特征提取结果 | 第37-45页 |
| 第三章 基于支持向量机的IVOCT图像分割 | 第45-57页 |
| 3.1 支持向量机 | 第45-49页 |
| 3.1.1 支持向量机基础 | 第45-48页 |
| 3.1.2 软间隔支持向量机 | 第48页 |
| 3.1.3 非线性支持向量机与核函数 | 第48-49页 |
| 3.2 训练支持向量机 | 第49-54页 |
| 3.3 图像预测结果与分析 | 第54-57页 |
| 第四章 基于随机森林的图像分割 | 第57-63页 |
| 4.1 决策树简介 | 第57-58页 |
| 4.2 随机森林分类器模型 | 第58-60页 |
| 4.3 随机森林分类器分类 | 第60-63页 |
| 4.3.1 实验设置 | 第60页 |
| 4.3.2 分类结果 | 第60-63页 |
| 第五章 结果与讨论 | 第63-69页 |
| 5.1 超参数对特征和实验的影响 | 第63-64页 |
| 5.2 分类器的选择 | 第64-65页 |
| 5.3 图像预测分割结果中的组织形态分析 | 第65-67页 |
| 5.4 数据多样性对实验结果的影响 | 第67页 |
| 5.5 其他因素对实验结果的影响 | 第67-69页 |
| 第六章 总结与展望 | 第69-73页 |
| 6.1 本文工作总结 | 第69-70页 |
| 6.2 未来工作展望 | 第70-73页 |
| 致谢 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 作者简介 | 第79页 |
