摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第10-24页 |
1.1 研究意义 | 第10-11页 |
1.2 超声组织定征方法的研究现状 | 第11-19页 |
1.2.1 基于B超图像的方法 | 第11-13页 |
1.2.2 基于单帧超声RF信号的方法 | 第13-17页 |
1.2.3 基于超声RF时间序列的方法 | 第17-19页 |
1.3 希尔伯特-黄变换的相关应用研究 | 第19-22页 |
1.3.1 基于EMD的信号特征提取研究 | 第19-21页 |
1.3.2 基于HSA的信号时频谱特征提取研究 | 第21-22页 |
1.4 本文研究工作 | 第22-23页 |
1.5 论文结构安排 | 第23-24页 |
第二章 希尔伯特-黄变换 | 第24-42页 |
2.1 HHT的基础概念 | 第24-27页 |
2.1.1 瞬时频率 | 第24-26页 |
2.1.2 固有模态函数 | 第26-27页 |
2.2 HHT的实现原理 | 第27-32页 |
2.2.1 经验模态分解 | 第27-30页 |
2.2.2 希尔伯特谱分析 | 第30-32页 |
2.3 HHT算法的相关问题研究 | 第32-41页 |
2.3.1 三次样条插值法 | 第32-34页 |
2.3.2 端点效应问题及其解决办法 | 第34-36页 |
2.3.3 分量终止条件 | 第36-37页 |
2.3.4 瞬时频率算法 | 第37-41页 |
2.4 本章小结 | 第41-42页 |
第三章 基于HHT的超声组织定征特征提取系统设计与实现 | 第42-60页 |
3.1 需求分析 | 第42页 |
3.2 系统框架设计与数据流程 | 第42-45页 |
3.3 超声RF信号处理及特征提取 | 第45-46页 |
3.4 基于HHT的超声RF时间序列特征提取算法 | 第46-50页 |
3.4.1 特征说明 | 第46-47页 |
3.4.2 特征提取算法 | 第47-50页 |
3.5 HHT算法测试及其选择 | 第50-56页 |
3.5.1 EMD分解试验 | 第51页 |
3.5.2 HSA分析试验 | 第51-56页 |
3.6 特征提取实例与特征分布分析 | 第56-59页 |
3.6.1 特征提取实例 | 第56-58页 |
3.6.2 特征分布分析 | 第58-59页 |
3.7 本章小结 | 第59-60页 |
第四章 基于HHT的超声组织定征在肿瘤化疗早期疗效评价中的应用研究 | 第60-81页 |
4.1 肿瘤化疗早期疗效评价研究的实验设计 | 第60-61页 |
4.1.1 动物模型建立与实验数据采集 | 第60-61页 |
4.1.2 实验数据处理 | 第61页 |
4.2 实验结果分析方法 | 第61-64页 |
4.2.1 特征筛选 | 第61-62页 |
4.2.2 相似性度量 | 第62-64页 |
4.3 本文实验结果分析 | 第64-71页 |
4.4 基于单帧超声RF信号频谱分析的肿瘤化疗早期疗效评价研究 | 第71-78页 |
4.5 本文方法与基于单帧RF信号FFT频谱分析方法实验结果对比 | 第78-80页 |
4.6 本章小结 | 第80-81页 |
总结与展望 | 第81-82页 |
参考文献 | 第82-87页 |
攻读硕士学位期间取得的研究成果 | 第87-88页 |
致谢 | 第88-89页 |
附录 | 第89页 |