| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第1章 绪论 | 第12-20页 |
| ·研究背景和意义 | 第12-13页 |
| ·乳腺X线摄片简介 | 第13-14页 |
| ·乳腺X线影像中微钙化点检测研究现状 | 第14-16页 |
| ·微钙化点检测问题的挑战性 | 第16-17页 |
| ·基于支持向量机方法的微钙化点检测 | 第17-18页 |
| ·论文的主要内容及结构安排 | 第18-20页 |
| 第2章 统计学习理论与支持向量机 | 第20-33页 |
| ·统计学习理论 | 第20-24页 |
| ·VC维 | 第21-22页 |
| ·推广性的界 | 第22页 |
| ·结构风险最小化 | 第22-24页 |
| ·支持向量机 | 第24-32页 |
| ·最优分类超平面以及最大间隔思想 | 第25-28页 |
| ·线性支持向量机 | 第28-30页 |
| ·非线性支持向量机 | 第30-31页 |
| ·常见核函数 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 快速-可拒识-质量可分级的FSVM算法 | 第33-47页 |
| ·SVM算法存在的问题 | 第33-35页 |
| ·FSVM算法主要思想 | 第35-36页 |
| ·基于样本集修剪和边界样本选择的快速训练算法 | 第36-39页 |
| ·基于中心距离比值法的样本集修剪算法 | 第36-37页 |
| ·基于最小距离样本聚类数度量的边界样本选取算法 | 第37-38页 |
| ·基于样本集修剪和边界样本选择的快速训练算法 | 第38-39页 |
| ·质量可分级的SVM分类算法 | 第39-40页 |
| ·双层可拒识的支持向量机分类器 | 第40-44页 |
| ·支持向量数据域描述 | 第40-43页 |
| ·双层可拒识的支持向量机分类器判决规则 | 第43-44页 |
| ·FSVM分类器性能评价 | 第44-46页 |
| ·分类器评价尺度 | 第44页 |
| ·FSVM性能评价实验结果 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 基于目标特征的灰度重分布影像增强 | 第47-53页 |
| ·乳腺 X线影像增强的必要性 | 第47-48页 |
| ·基于目标特征的非线性灰度重分布图像增强算法 | 第48-50页 |
| ·目标特征 | 第49页 |
| ·灰度变换 | 第49-50页 |
| ·算法描述 | 第50页 |
| ·实验结果 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 第5章 基于D-S证据理论和FSVM的ROI提取 | 第53-66页 |
| ·基于D-S证据理论和FSVM的ROI提取总体设计 | 第53-55页 |
| ·基于D-S证据理论的ROI粗检测 | 第55-60页 |
| ·D-S证据理论 | 第56-57页 |
| ·基于D-S证据理论信息融合的ROI检测 | 第57-60页 |
| ·基于FSVM的ROI精检测 | 第60-63页 |
| ·贡献矩阵 | 第61页 |
| ·基于 2DPCA的ROI特征提取 | 第61-62页 |
| ·基于FSVM的ROI细检测 | 第62-63页 |
| ·实验结果 | 第63-64页 |
| ·应用 ROC评价算法的分类能力 | 第64-65页 |
| ·ROC的基本思想 | 第64页 |
| ·三种分类模型的ROC曲线对比 | 第64-65页 |
| ·本章小结 | 第65-66页 |
| 第6章 基于迭代滤波和FSVM的微钙化点检测 | 第66-79页 |
| ·基于子空间约束的微钙化点检测系统总体设计 | 第66-67页 |
| ·学习样本的收集 | 第67-68页 |
| ·基于双参数 CFAR算法局部窗口的微钙化点特征提取 | 第68-73页 |
| ·空域特征提取 | 第69页 |
| ·直方图特征参数提取 | 第69-70页 |
| ·形态学特征参数提取 | 第70-72页 |
| ·纹理特征提取 | 第72-73页 |
| ·基于迭代顺序滤波法的粗检测 | 第73-75页 |
| ·基于FSVM的精确检测 | 第75页 |
| ·基于顺序滤波法的微钙化点检测结果修正 | 第75-76页 |
| ·实验结果 | 第76-78页 |
| ·应用ROC评价算法的分类能力 | 第78页 |
| ·本章小结 | 第78-79页 |
| 结论 | 第79-81页 |
| 参考文献 | 第81-87页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第87-88页 |
| 致谢 | 第88-89页 |
| 作者简介 | 第89页 |