首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

乳腺X射线图像计算机辅助诊断方法研究

摘要第1页
Abstract第5-6页
详细摘要第6-9页
Detailed Abstract第9-16页
1 引言第16-26页
   ·研究背景与意义第16-18页
   ·国内外研究现状第18-22页
     ·乳腺X射线图像微钙化点的计算机辅助检测方法第18-20页
     ·乳腺X射线图像肿块的计算机辅助检测方法第20-21页
     ·计算机辅助检测系统的研究方法第21-22页
     ·实验数据来源第22页
   ·论文的主要研究内容和技术路线第22-24页
     ·论文的主要研究内容第22-23页
     ·采用的技术路线第23-24页
   ·论文的总体结构第24-26页
2 乳腺癌诊断机理分析第26-36页
   ·乳腺癌概述第26-28页
     ·乳腺癌病理第26-27页
     ·乳腺癌的分类第27-28页
   ·乳腺癌的诊断方法第28-29页
   ·乳腺X射线图像的病灶征象与检测难点第29-31页
   ·乳腺癌早期诊断的意义第31页
   ·乳腺X射线图像人工智能诊断方法第31-34页
     ·概述第31-32页
     ·乳腺X射线计算机辅助诊断的人工智能方法第32-33页
     ·独立成分分析的基本思想与特点第33页
     ·粗糙集理论的基本思想与特点第33-34页
     ·模糊支持向量机的基本思想第34页
   ·本章小结第34-36页
3 乳腺X射线图像处理第36-58页
   ·乳腺X射线图像的预处理第36-37页
   ·基于独立成分分析的乳腺感兴趣区域自动提取第37-45页
     ·乳腺钼靶X射线图像感兴趣区域提取研究概况第37-38页
     ·独立成分分析的理论与实现第38-45页
   ·乳腺X射线图像微钙化点特征提取第45-47页
     ·区域与灰度特征第45-46页
     ·边界与形态特征第46页
     ·成簇性特征第46-47页
   ·乳腺X射线图像肿块特征提取第47-48页
     ·区域与灰度特征第47页
     ·形态与边缘特征第47-48页
   ·基于粗糙集的特征选择第48-53页
     ·粗糙集基本理论第48-50页
     ·基于粗糙集理论的特征约简方法第50-53页
   ·实验与结果分析第53-57页
     ·乳腺感兴趣区域自动提取实验第53-55页
     ·基于粗糙集的特征选择第55-57页
   ·本章小结第57-58页
4 基于改进的模糊支持向量机诊断方法第58-78页
   ·统计学习理论第58-61页
   ·支持向量机第61-67页
     ·支持向量机的理论基础第61-64页
     ·支持向量机模型第64-66页
     ·特征空间与核函数第66页
     ·支持向量机实验步骤第66-67页
   ·基于模糊支持向量机的分类方法第67-74页
     ·模糊支持向量机构造方法第69-72页
     ·构造基于样本密度的模糊支持向量机第72-74页
   ·实验与结果分析第74-76页
     ·含野值样本的实验结果第74-75页
     ·分类与实验结果分析第75-76页
   ·本章小结第76-78页
5 基于数据融合的乳腺X射线图像计算机辅助诊断第78-90页
   ·基于多视图乳腺X射线图像计算机辅助诊断方法流程第78-79页
     ·基于双侧乳腺X射线图像不对称性研究第78页
     ·基于同侧乳房多视图的计算机辅助诊断方法流程第78-79页
   ·轴位图和侧斜位图相应可疑病灶区域匹配第79-81页
     ·建立参考坐标系第79-80页
     ·空间距离的匹配第80-81页
   ·匹配区域相关特征提取与匹配区域分类第81-84页
     ·视图匹配区域不变性特征提取第81-83页
     ·匹配区域相似特征向量提取第83-84页
     ·匹配区域对的特征优化选择和分类判别第84页
   ·性能评估方法第84-87页
     ·灵敏度和特异度第85-86页
     ·接受者工作特征曲线第86-87页
   ·实验与结果分析第87-89页
   ·本章小结第89-90页
6 乳腺计算机辅助检测系统设计第90-96页
   ·检测系统设计框架第90-91页
     ·系统开发平台第90-91页
     ·实验系统设计框架第91页
   ·数据库设计第91-92页
     ·患者信息数据库第92页
     ·乳腺X射线图像数据库的管理第92页
     ·图像特征库的管理第92页
   ·系统功能第92-94页
     ·影像处理浏览模块第93-94页
     ·检验报告输出第94页
   ·本章小结第94-96页
7 论文总结与展望第96-98页
   ·论文总结第96-97页
   ·研究展望第97-98页
参考文献第98-104页
致谢第104-106页
作者简介第106页

论文共106页,点击 下载论文
上一篇:用于图像检索的语义标注技术的研究
下一篇:科技成果评估方法与指标体系的研究