基于乳腺X线图像的乳腺癌检测方法研究
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-8页 |
| ABSTRACT | 第8-13页 |
| 1 绪论 | 第13-31页 |
| ·引言 | 第13-14页 |
| ·研究背景及意义 | 第14-20页 |
| ·乳腺癌及早期检查 | 第14-15页 |
| ·乳腺癌的影像学诊断 | 第15-17页 |
| ·计算机辅助检测和诊断 | 第17-20页 |
| ·钼靶X线摄影基础知识 | 第20-22页 |
| ·乳腺钼靶X线摄影 | 第20-21页 |
| ·乳腺癌的X线表现 | 第21-22页 |
| ·国内外研究现状 | 第22-27页 |
| ·微钙化点检测研究现状 | 第22-23页 |
| ·肿块检测研究现状 | 第23-26页 |
| ·结构扭曲检测研究现状 | 第26-27页 |
| ·论文研究内容、主要贡献及创新 | 第27-29页 |
| ·论文结构 | 第29-31页 |
| 2 乳腺癌辅助检测系统研究 | 第31-39页 |
| ·系统的总体结构 | 第31-32页 |
| ·主要模块的处理流程 | 第32-33页 |
| ·实验数据的来源 | 第33-34页 |
| ·系统性能的评价方法 | 第34-37页 |
| ·本章小结 | 第37-39页 |
| 3 基于多分辨率区域生长和图像差值的微钙化点检测 | 第39-61页 |
| ·引言 | 第39页 |
| ·乳腺区域分割 | 第39-42页 |
| ·乳腺X线图像的构成 | 第39-40页 |
| ·乳腺区域的分割 | 第40-42页 |
| ·预处理 | 第42-49页 |
| ·图像平滑去噪 | 第42-46页 |
| ·图像增强 | 第46-49页 |
| ·差值分割 | 第49-50页 |
| ·基于多分辨率区域生长和图像差值的微钙化点分割 | 第50-55页 |
| ·经典区域生长 | 第50-53页 |
| ·区域生长类型 | 第51-52页 |
| ·区域生长规则及过程 | 第52-53页 |
| ·多分辨率区域生长 | 第53-55页 |
| ·微钙化点分割方法 | 第55页 |
| ·实验结果与分析 | 第55-59页 |
| ·本章小节 | 第59-61页 |
| 4 基于自适应核学习相关向量机的肿块检测 | 第61-93页 |
| ·引言 | 第61-62页 |
| ·乳腺肿块检测的基本原理 | 第62页 |
| ·机器学习方法 | 第62-64页 |
| ·分类问题原理概述 | 第62-63页 |
| ·支持向量机 | 第63-64页 |
| ·相关向量机 | 第64-70页 |
| ·RVM理论 | 第64-68页 |
| ·RVM分类 | 第68-69页 |
| ·RVM核函数 | 第69-70页 |
| ·自适应核学习相关向量机 | 第70-76页 |
| ·aRVM回归 | 第70-76页 |
| ·aRVM分类 | 第76页 |
| ·基于自适应核学习相关向量机的肿块检测 | 第76-86页 |
| ·肿块检测算法 | 第76-77页 |
| ·图像预处理 | 第77页 |
| ·特征提取 | 第77-84页 |
| ·纹理特征 | 第79-82页 |
| ·灰度特征 | 第82-84页 |
| ·训练参数设置 | 第84-85页 |
| ·检测算法实现 | 第85-86页 |
| ·实验结果与分析 | 第86-91页 |
| ·实验数据与配置 | 第86页 |
| ·aRVM训练设置 | 第86-89页 |
| ·检测结果与分析 | 第89-91页 |
| ·本章小节 | 第91-93页 |
| 5 基于毛刺相似度收敛指数的结构扭曲检测 | 第93-115页 |
| ·引言 | 第93-94页 |
| ·总体算法与预处理 | 第94-95页 |
| ·总体算法 | 第94页 |
| ·图像预处理 | 第94-95页 |
| ·线结构的增强 | 第95-100页 |
| ·Radon变换 | 第95-97页 |
| ·Gabor滤波 | 第97-100页 |
| ·候选点的提取 | 第100-104页 |
| ·收敛指数 | 第100-101页 |
| ·相似度收敛指数 | 第101-103页 |
| ·计算候选点 | 第103-104页 |
| ·候选点的分类 | 第104-106页 |
| ·特征选取 | 第104-106页 |
| ·分类算法 | 第106页 |
| ·实验结果与分析 | 第106-112页 |
| ·实验数据与配置 | 第106-107页 |
| ·检测结果 | 第107-108页 |
| ·性能分析 | 第108-112页 |
| ·本章小节 | 第112-115页 |
| 6 结论 | 第115-119页 |
| ·总结 | 第115-116页 |
| ·展望 | 第116-119页 |
| 参考文献 | 第119-125页 |
| 索引 | 第125-129页 |
| 作者简历 | 第129-133页 |
| 学位论文数据集 | 第133页 |
