基于Graf判据的儿童髋关节发育状况筛查辅助诊断系统设计
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第12-22页 |
| 1.1 研究背景及意义 | 第12-19页 |
| 1.1.1 发育性髋关节脱位诊断 | 第12-14页 |
| 1.1.2 Graf诊断方法 | 第14-15页 |
| 1.1.3 人工神经网络在医学诊断中的应用 | 第15-16页 |
| 1.1.4 图像分割方法研究现状 | 第16-19页 |
| 1.2 论文结构 | 第19-22页 |
| 第二章 超声髋关节图像预处理 | 第22-28页 |
| 2.1 原始图像预处理 | 第22-25页 |
| 2.1.1 髋关节显示窗口图片的获取 | 第22-24页 |
| 2.1.2 髋臼部分图像的获取 | 第24-25页 |
| 2.2 本章小结 | 第25-28页 |
| 第三章 脱位髋关节筛查 | 第28-38页 |
| 3.1 人工神经网络 | 第28-30页 |
| 3.2 反向传播及链法则 | 第30-33页 |
| 3.3 脱位髋关节筛查神经网络 | 第33-35页 |
| 3.4 髋关节筛查结果 | 第35页 |
| 3.5 本章小结 | 第35-38页 |
| 第四章 儿童髋关节超声图像分割 | 第38-56页 |
| 4.1 髋关节图像灰度均匀化 | 第38-43页 |
| 4.1.1 髋关节图像模型 | 第38-39页 |
| 4.1.2 能量方程 | 第39-41页 |
| 4.1.3 能量最小化 | 第41-43页 |
| 4.2 CV模型 | 第43-44页 |
| 4.3 基于形状先验的分割 | 第44-46页 |
| 4.4 改进的CV模型 | 第46-50页 |
| 4.4.1 形状能量项 | 第47-48页 |
| 4.4.2 能量最小化 | 第48-49页 |
| 4.4.3 数值计算 | 第49-50页 |
| 4.4.4 最佳分割结果的提取 | 第50页 |
| 4.5 分割算法流程 | 第50-53页 |
| 4.6 分割结果展示 | 第53页 |
| 4.7 分割方法对比 | 第53-55页 |
| 4.8 本章小结 | 第55-56页 |
| 第五章 儿童髋关节自诊断系统的实现 | 第56-66页 |
| 5.1 特征提取 | 第56-60页 |
| 5.1.1 特征区域的提取 | 第56-58页 |
| 5.1.2 特征点的提取 | 第58-60页 |
| 5.2 最终诊断 | 第60-62页 |
| 5.3 系统界面介绍 | 第62-64页 |
| 5.4 诊断结果对比 | 第64-65页 |
| 5.5 本章小结 | 第65-66页 |
| 第六章 总结和展望 | 第66-68页 |
| 6.1 总结 | 第66-67页 |
| 6.2 展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 攻读硕士学位期间的学术成果 | 第73-74页 |
| 致谢 | 第74-75页 |
