| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 研究现状 | 第11-15页 |
| 1.2.1 计算机辅助诊断技术的研究现状 | 第11-13页 |
| 1.2.2 病理图像识别技术的研究现状 | 第13-14页 |
| 1.2.3 肝癌识别技术的研究现状 | 第14-15页 |
| 1.3 本文的主要工作与创新点 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第2章 相关技术介绍 | 第18-38页 |
| 2.1 肝癌病理图像的特点 | 第18页 |
| 2.2 图像预处理 | 第18-20页 |
| 2.2.1 图像去噪 | 第18-20页 |
| 2.2.2 图像增强 | 第20页 |
| 2.3 特征提取 | 第20-28页 |
| 2.3.1 灰度共生矩阵 | 第20-22页 |
| 2.3.2 局部二值模式 | 第22-24页 |
| 2.3.3 局部方向模式 | 第24-25页 |
| 2.3.4 高阶局部自相关 | 第25-28页 |
| 2.4 特征选择 | 第28-31页 |
| 2.4.1 序列浮动前向选择 | 第28页 |
| 2.4.2 序列浮动后向选择 | 第28-29页 |
| 2.4.3 最大相关最小冗余 | 第29-30页 |
| 2.4.4 核主成分分析 | 第30-31页 |
| 2.5 分类器设计 | 第31-36页 |
| 2.5.1 支持向量机 | 第31-34页 |
| 2.5.2 K-近邻 | 第34-35页 |
| 2.5.3 随机森林 | 第35-36页 |
| 2.6 本章小结 | 第36-38页 |
| 第3章 肝癌病理图像的识别 | 第38-56页 |
| 3.1 肝癌病理图像的识别框架 | 第38-39页 |
| 3.2 多空间映射 | 第39-41页 |
| 3.3 基于CLAHE的图像增强 | 第41-43页 |
| 3.4 特征提取 | 第43-48页 |
| 3.4.1 SMLBP特征的提取 | 第43-44页 |
| 3.4.2 SMLDP特征的提取 | 第44-45页 |
| 3.4.3 ACHLAC特征的提取 | 第45-46页 |
| 3.4.4 基于GLCM的纹理特征提取 | 第46-48页 |
| 3.5 基于KPCA的特征选择 | 第48页 |
| 3.6 基于投票的分类模型设计 | 第48-53页 |
| 3.7 本章小结 | 第53-56页 |
| 第4章 实验结果与分析 | 第56-74页 |
| 4.1 实验数据与环境 | 第56-58页 |
| 4.2 评价准则 | 第58-59页 |
| 4.3 网格参数寻优法优化SVM参数的对比实验 | 第59-62页 |
| 4.4 多空间映射的对比实验 | 第62-63页 |
| 4.5 SMLBP特征以及SMLDP特征的对比实验 | 第63-67页 |
| 4.6 ACHLAC特征的对比实验 | 第67-70页 |
| 4.7 基于投票的分类模型的对比实验 | 第70-72页 |
| 4.8 本章小结 | 第72-74页 |
| 第5章 总结与展望 | 第74-76页 |
| 参考文献 | 第76-82页 |
| 致谢 | 第82-84页 |
| 攻读学位期间发表的论文情况简介 | 第84页 |