基于数据挖掘的病理图像处理研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 课题研究内容及意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-11页 |
| 1.2.1 细胞病理图像研究现状 | 第9-10页 |
| 1.2.2 数据挖掘研究现状 | 第10-11页 |
| 1.3 课题研究关键技术 | 第11页 |
| 1.4 样本数据集 | 第11-12页 |
| 1.5 论文组织结构 | 第12-14页 |
| 第二章 细胞病理图像特征数据库的构建 | 第14-27页 |
| 2.1 细胞病理图象分割 | 第14-20页 |
| 2.1.1 分割方法概述 | 第14页 |
| 2.1.2 基于阈值-聚类超像素级联分割 | 第14-17页 |
| 2.1.3 分割的实验结果 | 第17-20页 |
| 2.2 细胞病理图象的特征提取 | 第20-26页 |
| 2.2.1 光密度特征 | 第20页 |
| 2.2.2 形态特征 | 第20-22页 |
| 2.2.3 纹理特征 | 第22-26页 |
| 2.2.4 其他特征 | 第26页 |
| 2.3 本章小结 | 第26-27页 |
| 第三章 细胞病理图像特征数据预处理 | 第27-37页 |
| 3.1 特征值离散化 | 第27-29页 |
| 3.1.1 特征离散化相关概念 | 第27-28页 |
| 3.1.2 等宽离散化 | 第28-29页 |
| 3.2 特征选择 | 第29-32页 |
| 3.2.1 基于卡方检验的特征选择 | 第29-30页 |
| 3.2.2 基于特征可视化的特征维数确定 | 第30-32页 |
| 3.3 对实验结果的分析与讨论 | 第32-36页 |
| 3.3.1 特征维数的实验结果 | 第32-35页 |
| 3.3.2 特征选择的实验结果 | 第35-36页 |
| 3.4 本章小节 | 第36-37页 |
| 第四章 细胞病理图象的挖掘 | 第37-48页 |
| 4.1 数据挖掘算法介绍 | 第37-39页 |
| 4.1.1 关联分析的相关概念 | 第37-38页 |
| 4.1.2 Apriori算法 | 第38-39页 |
| 4.2 关联规则 | 第39-40页 |
| 4.2.1 关联规则生成算法 | 第39页 |
| 4.2.2 关联规则的评估 | 第39-40页 |
| 4.3 基于粒子群的支持度和置信度参数优化 | 第40-42页 |
| 4.3.1 粒子群算法 | 第40-41页 |
| 4.3.2 参数优化 | 第41-42页 |
| 4.4 基于二元粒子群的关联分析 | 第42-44页 |
| 4.5 实验结果分析与讨论 | 第44-47页 |
| 4.5.1 参数调优的实验结果 | 第44页 |
| 4.5.2 关联规则实验结果 | 第44-47页 |
| 4.6 本章小结 | 第47-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 5.1 总结 | 第48页 |
| 5.2 展望 | 第48-50页 |
| 参考文献 | 第50-52页 |
