| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究背景及意义 | 第10-12页 |
| 1.3 定量医学影像分析研究现状 | 第12-16页 |
| 1.3.1 脑肿瘤影像分割技术 | 第12-14页 |
| 1.3.2 医学影像特征及分类技术 | 第14-16页 |
| 1.4 主要研究内容 | 第16-18页 |
| 第2章 多模态卷积神经网络分割算法的研究 | 第18-37页 |
| 2.1 卷积神经网络的基本原理 | 第18-22页 |
| 2.1.1 卷积层 | 第19-20页 |
| 2.1.2 下采样 | 第20页 |
| 2.1.3 全连接反向传播算法 | 第20-22页 |
| 2.2 脑胶质瘤MRI影像预处理 | 第22-25页 |
| 2.2.1 灰度不均匀修正 | 第22-24页 |
| 2.2.2 图像块提取 | 第24-25页 |
| 2.2.3 灰度归一化 | 第25页 |
| 2.3 多模态卷积神经网络 | 第25-31页 |
| 2.3.1 多模态卷积神经网络算法 | 第26-30页 |
| 2.3.2 多模态卷积神经网络结构 | 第30-31页 |
| 2.4 多模态卷积神经网络分割算法的实现 | 第31-33页 |
| 2.4.1 分割算法训练与验证实验数据 | 第31页 |
| 2.4.2 训练数据集的构建 | 第31页 |
| 2.4.3 分割算法的实现 | 第31-33页 |
| 2.5 分割实验结果与分析 | 第33-35页 |
| 2.5.1 评价指标 | 第33-34页 |
| 2.5.2 结果分析 | 第34-35页 |
| 2.6 本章小结 | 第35-37页 |
| 第3章 定量特征提取及相关性选择 | 第37-53页 |
| 3.1 影像特征 | 第37-46页 |
| 3.1.1 直方图特征 | 第38-39页 |
| 3.1.2 灰度共生矩阵特征 | 第39-41页 |
| 3.1.3 灰度游程矩阵特征 | 第41-44页 |
| 3.1.4 灰度区域矩阵特征 | 第44页 |
| 3.1.5 邻域灰度差异矩阵特征 | 第44-46页 |
| 3.2 定量特征提取 | 第46-49页 |
| 3.2.1 Lloyd-Max 量化处理 | 第46-47页 |
| 3.2.2 相关参数的确定 | 第47-48页 |
| 3.2.3 特征提取 | 第48-49页 |
| 3.3 相关性特征选择 | 第49-52页 |
| 3.3.1 特征选择过程 | 第49-50页 |
| 3.3.2 基于相关性特征选择 | 第50-52页 |
| 3.4 本章小结 | 第52-53页 |
| 第4章 MGMT启动子甲基化状态检测算法的研究与实现 | 第53-68页 |
| 4.1 MGMT启动子甲基化状态检测算法 | 第53-60页 |
| 4.1.1 随机森林 | 第53-56页 |
| 4.1.2 支持向量机 | 第56-60页 |
| 4.2 数据的获取 | 第60页 |
| 4.3 检测算法的评估 | 第60-61页 |
| 4.3.1 评估策略 | 第60页 |
| 4.3.2 评价指标 | 第60-61页 |
| 4.4 检测算法的实现 | 第61-65页 |
| 4.5 实验结果与分析 | 第65-67页 |
| 4.6 本章小结 | 第67-68页 |
| 第5章 总结与展望 | 第68-70页 |
| 5.1 总结 | 第68-69页 |
| 5.2 展望 | 第69-70页 |
| 致谢 | 第70-71页 |
| 参考文献 | 第71-75页 |
| 攻读学位期间的研究成果 | 第75页 |