| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-15页 |
| 1.2.1 计算机辅助诊断的研究现状 | 第12-14页 |
| 1.2.2 病理图像模式识别的研究现状 | 第14页 |
| 1.2.3 肝细胞癌计算机辅助诊断的研究现状 | 第14-15页 |
| 1.3 本文主要工作及其组织结构 | 第15-17页 |
| 第2章 相关技术介绍 | 第17-33页 |
| 2.1 肝细胞癌的病理特点及分级 | 第17页 |
| 2.2 图像预处理 | 第17-18页 |
| 2.3 特征提取 | 第18-25页 |
| 2.3.1 灰度共生矩阵 | 第19-20页 |
| 2.3.2 多重分形 | 第20-22页 |
| 2.3.3 Gabor滤波器 | 第22-23页 |
| 2.3.4 完备的局部二值模式 | 第23-25页 |
| 2.4 特征选择 | 第25-27页 |
| 2.4.1 特征选择的一般过程 | 第25页 |
| 2.4.2 特征选择的常用方法 | 第25-27页 |
| 2.5 分类器设计 | 第27-31页 |
| 2.5.1 支持向量机 | 第27-28页 |
| 2.5.2 人工神经网络 | 第28-29页 |
| 2.5.3 k-近邻 | 第29-30页 |
| 2.5.4 随机森林 | 第30-31页 |
| 2.6 本章小结 | 第31-33页 |
| 第3章 肝细胞癌病理图像的识别 | 第33-49页 |
| 3.1 肝细胞癌病理图像识别的框架 | 第33页 |
| 3.2 特征提取 | 第33-38页 |
| 3.3 基于MMBS搜索策略的特征选择 | 第38-44页 |
| 3.3.1 WDFS特征子集评价准则 | 第39-41页 |
| 3.3.2 MMBS搜索策略 | 第41-43页 |
| 3.3.3 基于MMBS搜索策略的混合特征选择方法 | 第43-44页 |
| 3.4 基于投票优化的肝细胞癌分类器建模 | 第44-48页 |
| 3.4.1 基于随机森林方法的肝细胞癌病理图像的分类模型 | 第45-46页 |
| 3.4.2 投票决策的优化 | 第46-47页 |
| 3.4.3 基于VORF的肝细胞癌病理图像分类模型 | 第47-48页 |
| 3.5 本章小结 | 第48-49页 |
| 第4章 肝细胞癌识别系统的设计与实现 | 第49-63页 |
| 4.1 系统需求分析 | 第49-50页 |
| 4.2 系统开发环境 | 第50页 |
| 4.3 系统设计 | 第50-58页 |
| 4.3.1 设计指导思想和原则 | 第50-51页 |
| 4.3.2 功能模块设计 | 第51-55页 |
| 4.3.3 算法设计 | 第55页 |
| 4.3.4 界面设计 | 第55-58页 |
| 4.4 系统实现 | 第58-60页 |
| 4.4.1 系统默认方法的肝细胞癌图像分类和识别 | 第58-59页 |
| 4.4.2 自选方法的肝细胞癌图像分类和识别 | 第59-60页 |
| 4.5 系统难点与创新点 | 第60-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第5章 实验结果与分析 | 第63-75页 |
| 5.1 实验数据 | 第63-64页 |
| 5.2 评价准则 | 第64-66页 |
| 5.2.1 特征选择方法的评价准则 | 第64页 |
| 5.2.2 分类器设计的评价准则 | 第64-66页 |
| 5.3 基于MMBS搜索策略的特征选择方法实验结果与分析 | 第66-69页 |
| 5.3.1 不同搜索策略的特征选择实验结果与分析 | 第66-67页 |
| 5.3.2 不同特征选择方法的对比实验结果与分析 | 第67-69页 |
| 5.4 基于VORF的肝细胞癌病理图像分类的实验结果与分析 | 第69-73页 |
| 5.4.1 VORF分类器中参数的优化 | 第69-70页 |
| 5.4.2 改进分类器的性能评价 | 第70-73页 |
| 5.5 不同分类方法的比较 | 第73-74页 |
| 5.6 本章小结 | 第74-75页 |
| 第6章 总结与展望 | 第75-77页 |
| 参考文献 | 第77-81页 |
| 致谢 | 第81-83页 |
| 攻读学位期间发表的论文情况简介 | 第83页 |
