基于关联规则的医学图像智能分类研究
| 摘要 | 第1-7页 |
| ABSTRACT | 第7-11页 |
| 第一章 绪论 | 第11-15页 |
| ·研究背景与意义 | 第11-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·研究内容与技术创新点 | 第13-14页 |
| ·论文结构安排 | 第14-15页 |
| 第二章 医学图像预处理 | 第15-27页 |
| ·医学图像的格式转换 | 第15-17页 |
| ·医学图像归一化 | 第17-20页 |
| ·医学图像尺度归一化 | 第17-18页 |
| ·医学图像色彩归一化 | 第18-20页 |
| ·医学图像的去噪与增强 | 第20-23页 |
| ·医学图像去噪 | 第20-21页 |
| ·医学图像增强 | 第21-23页 |
| ·医学图像分割 | 第23-26页 |
| ·医学图像分割原理 | 第23-24页 |
| ·医学图像分割方法 | 第24-26页 |
| ·医学图像分割现状 | 第26页 |
| ·本章小结 | 第26-27页 |
| 第三章 医学图像数据的特征提取及其加权 | 第27-42页 |
| ·医学图像数据特征 | 第27-28页 |
| ·定量特征与定性特征 | 第27-28页 |
| ·全局特征与局部特征 | 第28页 |
| ·医学图像特征提取 | 第28-35页 |
| ·灰度直方图特征提取 | 第28-31页 |
| ·灰度共生矩阵特征提取 | 第31-33页 |
| ·Gabor小波纹理特征提取 | 第33-35页 |
| ·医学图像特征降维 | 第35-38页 |
| ·特征降维 | 第35-36页 |
| ·粗糙集基本理论 | 第36页 |
| ·特征离散化 | 第36-37页 |
| ·属性约简 | 第37-38页 |
| ·医学图像特征加权 | 第38-41页 |
| ·特征加权 | 第38-39页 |
| ·特征加权的应用方法 | 第39-40页 |
| ·基于知识规则理论的特征加权 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 第四章 关联分类算法及其改进 | 第42-55页 |
| ·关联规则 | 第42-47页 |
| ·基本概念 | 第42-43页 |
| ·Apriori算法 | 第43页 |
| ·FP-growth算法 | 第43-45页 |
| ·加权关联规则 | 第45-47页 |
| ·分类关联规则 | 第47-51页 |
| ·基本概念 | 第47-48页 |
| ·关联分类规则的生成 | 第48-50页 |
| ·CMAR分类关联规则算法 | 第50-51页 |
| ·分类关联规则算法的改进 | 第51-54页 |
| ·基于关联规则的医学图像分类算法 | 第51-53页 |
| ·实验结果及算法性能评价 | 第53-54页 |
| ·本章小结 | 第54-55页 |
| 第五章 基于关联规则的医学图像智能分类器 | 第55-66页 |
| ·医学图像与疾病诊断 | 第55-56页 |
| ·人体形态与医学图像 | 第55-56页 |
| ·医学图像在疾病诊断中的作用 | 第56页 |
| ·肝脏常见疾病及其诊断 | 第56-58页 |
| ·正常肝脏CT图像及其特征 | 第56-57页 |
| ·有病变的肝脏CT图像及其特征变化 | 第57-58页 |
| ·医学图像智能分类器 | 第58-62页 |
| ·实验系统框架 | 第59页 |
| ·分类器算法描述 | 第59-61页 |
| ·分类器系统设计 | 第61-62页 |
| ·结果分析 | 第62-65页 |
| ·智能分类原型系统的实现 | 第62-64页 |
| ·实验结果分析 | 第64-65页 |
| ·小结 | 第65-66页 |
| 第六章 总结与展望 | 第66-68页 |
| ·工作总结 | 第66页 |
| ·展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 发表论文和科研情况说明 | 第73页 |
