基于纹理分析的虚拟结肠镜CAD技术研究
| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第一章 绪论 | 第7-12页 |
| ·虚拟结肠镜及CAD 技术简介 | 第7-9页 |
| ·研究现状 | 第9-10页 |
| ·本文的工作 | 第10-12页 |
| 第二章CAD 设计流程和方法 | 第12-21页 |
| ·结肠组织分割 | 第12-13页 |
| ·疑似息肉区域的定位 | 第13-14页 |
| ·息肉的分类与提取 | 第14-16页 |
| ·CAD 性能 | 第16-17页 |
| ·现有研究基础 | 第17-21页 |
| ·结肠壁混合分割 | 第17-18页 |
| ·疑似息肉区域eROI 模型 | 第18-21页 |
| 第三章 灰度共生矩阵纹理分析 | 第21-32页 |
| ·图像纹理及纹理基元 | 第21页 |
| ·纹理特征及计算方法 | 第21-22页 |
| ·灰度共生矩阵的定义 | 第22-24页 |
| ·灰度共生矩阵特点 | 第24-25页 |
| ·二维图像的灰度共生矩阵计算 | 第25-28页 |
| ·三维图像的灰度共生矩阵计算 | 第28-32页 |
| 第四章 灰度-梯度共生矩阵纹理分析 | 第32-41页 |
| ·灰度-梯度共生矩阵的定义 | 第32-33页 |
| ·三维图像灰度-梯度共生矩阵计算 | 第33-41页 |
| 第五章 分类器设计 | 第41-56页 |
| ·特征选择 | 第41-43页 |
| ·BP 神经网络分类器 | 第43-50页 |
| ·人工神经网络基本结构和基本原理 | 第43-45页 |
| ·BP 神经网络基本原理 | 第45-49页 |
| ·BP 神经网络设计 | 第49-50页 |
| ·SVM（支持向量机）分类器 | 第50-56页 |
| ·线性可分情况 | 第50-52页 |
| ·线性不可分情况 | 第52-53页 |
| ·支持向量机 | 第53-55页 |
| ·核函数 | 第55-56页 |
| 第六章 实验与分析 | 第56-62页 |
| ·实验数据及组织方式 | 第56-58页 |
| ·验证方式及训练方法 | 第58-60页 |
| ·实验过程及结果讨论 | 第60-62页 |
| 第七章 结论及展望 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-72页 |
| 研究成果 | 第72-73页 |
