基于SVM的乳腺肿块分层检测算法研究
| 独创性(或创新性)声明 | 第1页 |
| 关于论文使用授权的说明 | 第2-3页 |
| 摘 要 | 第3-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-13页 |
| ·课题背景及意义 | 第7-8页 |
| ·国内外研究进展及现状 | 第8-11页 |
| ·乳腺癌计算机辅助检测系统的研究现状 | 第8-9页 |
| ·乳腺X光图像中肿块自动检测的研究现状 | 第9-11页 |
| ·论文的主要研究成果及章节安排 | 第11-13页 |
| 第二章 乳腺X线图像的预处理 | 第13-21页 |
| ·引言 | 第13页 |
| ·乳腺癌的X线表现 | 第13-14页 |
| ·乳腺区域的提取 | 第14-15页 |
| ·乳腺X线图像的增强 | 第15-19页 |
| ·形态学基础 | 第16-17页 |
| ·形态学增强方法 | 第17-18页 |
| ·实验结果及分析 | 第18-19页 |
| ·小结 | 第19-21页 |
| 第三章 感兴趣区域提取 | 第21-39页 |
| ·引言 | 第21页 |
| ·种子区域选取方法 | 第21-24页 |
| ·种子区域自动提取 | 第21-23页 |
| ·实验结果及分析 | 第23-24页 |
| ·基于VAGUE集的模糊区域生长 | 第24-30页 |
| ·Vague集的基本原理 | 第25-26页 |
| ·基于Vague集的模糊区域生长方法 | 第26-28页 |
| ·实验结果及分析 | 第28-30页 |
| ·分层检测算法 | 第30-34页 |
| ·分层检测的基本原理 | 第31-32页 |
| ·实验结果及分析 | 第32-34页 |
| ·后处理 | 第34-36页 |
| ·感兴趣区域的筛选 | 第34-35页 |
| ·实验结果及分析 | 第35-36页 |
| ·小结 | 第36-39页 |
| 第四章 基于SVM的肿块检测方法 | 第39-57页 |
| ·引言 | 第39-40页 |
| ·SVM的基本原理及算法 | 第40-44页 |
| ·统计学习理论 | 第40-41页 |
| ·SVM的分类算法 | 第41-44页 |
| ·基于SVM的肿块检测方法 | 第44-50页 |
| ·样本的选取 | 第45-47页 |
| ·特征提取 | 第47-48页 |
| ·SVM分类器的模型选择 | 第48-49页 |
| ·SVM分类器的反馈学习 | 第49-50页 |
| ·实验结果及分析 | 第50-55页 |
| ·FROC曲线 | 第51页 |
| ·结果和分析 | 第51-55页 |
| ·小结 | 第55-57页 |
| 第五章 结束语 | 第57-61页 |
| ·总结 | 第57-58页 |
| ·今后的研究工作与展望 | 第58-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文 | 第67页 |
