首页--医药、卫生论文--肿瘤学论文--皮肤肿瘤论文

基于皮肤镜的黑色素瘤识别算法研究

摘要第5-6页
Abstract第6-7页
第一章 绪论第10-18页
    1.1 研究背景和意义第10-13页
        1.1.1 研究背景第10-12页
        1.1.2 研究意义第12-13页
    1.2 国内外研究现状与分析第13-16页
        1.2.1 皮肤镜图像分割研究现状与分析第13-14页
        1.2.2 皮肤镜图像特征提取研究现状分析第14-15页
        1.2.3 皮肤镜图像识别分类研究现状分析第15-16页
    1.3 论文的主要研究内容和目标第16-17页
    1.4 论文的结构安排第17-18页
第二章 皮肤镜黑色素瘤图像识别算法的框架简介第18-20页
第三章 基于马尔科夫融合算法的图像分割第20-38页
    3.1 图像预处理第20-24页
        3.1.1 黑框移除第21页
        3.1.2 毛发移除第21-23页
        3.1.3 气泡移除第23-24页
        3.1.4 对比度增强第24页
    3.2 皮肤镜图像分割第24-34页
        3.2.1 融合算法框架第25-26页
        3.2.2 分割集第26-29页
        3.2.3 基于马尔科夫随机场的融合算法第29-34页
    3.3 图像后期处理第34-37页
    3.4 本章小结第37-38页
第四章 皮肤镜黑色素瘤特征提取第38-50页
    4.1 低级特征提取与选择第38-43页
        4.1.1 形状特征提取第38-39页
        4.1.2 颜色特征提取第39-40页
        4.1.3 纹理特征提取第40-42页
        4.1.4 特征选择第42-43页
    4.2 高级特征提取第43-48页
        4.2.1 SIFT算子第43-45页
        4.2.2 稀疏编码第45-46页
        4.2.3 池化操作(pooling)第46-48页
    4.4 本章小结第48-50页
第五章 低级和高级特征融合及分类第50-58页
    5.1 支持向量机第50-54页
    5.2 简单融合第54-55页
    5.3 协同训练融合第55-56页
    5.4 本章小结第56-58页
第六章 实验与结果分析第58-68页
    6.1 数据集描述第58-59页
    6.2 数据不平衡处理第59页
    6.3 评价准则第59-60页
    6.4 实验结果与分析第60-67页
        6.4.1 环形池化算法实验结果与分析第60-61页
        6.4.2 协同训练融合算法实验结果与分析第61-67页
    6.5 本章小结第67-68页
第七章 总结与展望第68-69页
    7.1 论文工作总结第68页
    7.2 未来工作展望第68-69页
致谢第69-70页
参考文献第70-76页

论文共76页,点击 下载论文
上一篇:SGK1与食管癌发生的相关性研究
下一篇:CD20~+B细胞在胃癌中的分布、表型及免疫功能的初步研究