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 |