| 摘要 | 第6-8页 |
| abstract | 第8-9页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 国内外研究现状 | 第14-16页 |
| 1.3 存在的问题与不足 | 第16页 |
| 1.4 本文研究内容 | 第16-17页 |
| 1.5 本文组织结构 | 第17-18页 |
| 第2章 医学图像分类相关技术介绍 | 第18-30页 |
| 2.1 医学图像分类概述 | 第18-19页 |
| 2.2 医学图像预处理技术 | 第19-20页 |
| 2.3 医学图像特征提取技术 | 第20-24页 |
| 2.3.1 纹理特征及其提取技术 | 第20-22页 |
| 2.3.2 角点特征及其提取技术 | 第22-24页 |
| 2.4 医学图像分类方法介绍 | 第24-27页 |
| 2.4.1 决策树分类方法 | 第24-25页 |
| 2.4.2 支持向量机分类方法 | 第25-26页 |
| 2.4.3 神经网络分类方法 | 第26-27页 |
| 2.5 医学图像可视化介绍 | 第27-28页 |
| 2.5.1 D3可视化技术 | 第28页 |
| 2.5.2 OpenGL可视化技术 | 第28页 |
| 2.6 本章小结 | 第28-30页 |
| 第3章 基于KAP有向图的医学图像相似性研究 | 第30-44页 |
| 3.1 医学图像相似性研究技术框架 | 第30页 |
| 3.2 医学图像预处理 | 第30-31页 |
| 3.3 基于纹理的医学图像角点提取方法 | 第31-33页 |
| 3.4 KAP有向图 | 第33-36页 |
| 3.4.1 数据模型 | 第33-35页 |
| 3.4.2 建模过程 | 第35-36页 |
| 3.5 KAP有向图相似性匹配算法 | 第36-43页 |
| 3.5.1 KAP有向图粗粒度匹配算法 | 第36-38页 |
| 3.5.2 KAP有向图细粒度匹配算法 | 第38-42页 |
| 3.5.3 KAP有向图匹配优化算法 | 第42-43页 |
| 3.6 本章小结 | 第43-44页 |
| 第4章 医学图像多步匹配分类方法及其可视化系统实现 | 第44-56页 |
| 4.1 医学图像多步匹配分类方法框架 | 第44-45页 |
| 4.2 医学图像多步匹配分类器构造 | 第45-46页 |
| 4.3 分类结果分析 | 第46-51页 |
| 4.3.1 T-Harris角点提取方法中阈值θ的选取 | 第47页 |
| 4.3.2 时间复杂度分析 | 第47-48页 |
| 4.3.3 分类器性能评价 | 第48-51页 |
| 4.4 医学图像分类可视化系统实现 | 第51-55页 |
| 4.4.1 医学图像分类可视化系统流程 | 第51-52页 |
| 4.4.2 医学图像分类可视化系统实现 | 第52-55页 |
| 4.5 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-64页 |
| 致谢 | 第64页 |