基于目标识别的乳腺肿瘤超声图像的自动分割方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-20页 |
| 1.1 乳腺肿瘤超声图像的研究目的和意义 | 第10-11页 |
| 1.2 乳腺肿瘤超声图像处理技术发展概述 | 第11-18页 |
| 1.2.1 图像预处理 | 第12-13页 |
| 1.2.2 图像分割 | 第13-14页 |
| 1.2.3 特征提取与选择 | 第14-16页 |
| 1.2.4 分类识别 | 第16-18页 |
| 1.3 本文的工作概要和内容安排 | 第18-20页 |
| 1.3.1 主要工作 | 第18页 |
| 1.3.2 论文的章节安排 | 第18-20页 |
| 第二章 基于图论的乳腺肿瘤超声图像分割方法 | 第20-28页 |
| 2.1 图像预处理 | 第20-21页 |
| 2.2 RGB 图像分割算法 | 第21-26页 |
| 2.2.1 建图 | 第22-23页 |
| 2.2.2 区域对比准则 | 第23-25页 |
| 2.2.3 区域融合 | 第25-26页 |
| 2.2.4 RGB 算法的处理流程 | 第26页 |
| 2.3 本章小结 | 第26-28页 |
| 第三章 乳腺肿瘤超声图像处理的目标识别方法 | 第28-44页 |
| 3.1 超声图像的特征提取 | 第28-34页 |
| 3.1.1 灰度直方图 | 第28-29页 |
| 3.1.2 灰度共生矩阵 | 第29-33页 |
| 3.1.3 梯度直方图 | 第33-34页 |
| 3.1.4 形状特征 | 第34页 |
| 3.1.5 位置特征 | 第34页 |
| 3.2 基于双聚类的特征提取 | 第34-40页 |
| 3.2.1 双聚类介绍 | 第35-37页 |
| 3.2.2 双聚类提取 | 第37-39页 |
| 3.2.3 特征排名方案 | 第39-40页 |
| 3.3 支持向量机分类器 | 第40-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 实验结果与分析 | 第44-58页 |
| 4.1 识别结果量化评估指标 | 第44-46页 |
| 4.1.1 准确度、敏感度、特异度 | 第45页 |
| 4.1.2 ROC 曲线 | 第45-46页 |
| 4.2 分割结果量化评估指标 | 第46-49页 |
| 4.2.1 动态轮廓模型 | 第46-47页 |
| 4.2.2 平均径向误差（ARE） | 第47-48页 |
| 4.2.3 TPVF、FPVF 与 FNVF | 第48-49页 |
| 4.3 实验结果与分析 | 第49-57页 |
| 4.3.1 识别结果 | 第49-50页 |
| 4.3.2 分割结果 | 第50-56页 |
| 4.3.3 鲁棒性分析 | 第56-57页 |
| 4.4 本章小结 | 第57-58页 |
| 总结 | 第58-60页 |
| 参考文献 | 第60-65页 |
| 攻读硕士学位期间取得的研究成果 | 第65-66页 |
| 致谢 | 第66-67页 |
| 答辩委员会对论文的评定意见 | 第67页 |
