| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 课题来源 | 第9页 |
| 1.2 课题研究目的及意义 | 第9-10页 |
| 1.3 国内外发展与研究现状 | 第10-15页 |
| 1.4 本文研究的主要工作及章节安排 | 第15-17页 |
| 第2章 医学影像多特征融合分类算法总体设计 | 第17-26页 |
| 2.1 图像融合算法原理分析 | 第17-20页 |
| 2.1.1 经典图像融合算法分析 | 第17-19页 |
| 2.1.2 基于深度学习的图像融合算法分析 | 第19-20页 |
| 2.2 肝细胞癌磁共振影像的特性分析 | 第20-22页 |
| 2.3 高低阶特征融合分类算法流程设计 | 第22-23页 |
| 2.4 基于深度学习的多特征融合分类算法流程设计 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第3章 磁共振影像三维重采样及特征提取 | 第26-43页 |
| 3.1 磁共振影像三维重采样实现 | 第26-33页 |
| 3.1.1 磁共振影像数据获取 | 第26-28页 |
| 3.1.2 肿瘤ROI区域勾画及提取 | 第28-30页 |
| 3.1.3 三维重采样实现 | 第30-33页 |
| 3.2 纹理特征与深度特征提取实现 | 第33-42页 |
| 3.2.1 纹理特征提取 | 第33-38页 |
| 3.2.2 深度特征提取 | 第38-42页 |
| 3.3 本章小结 | 第42-43页 |
| 第4章 高低阶特征融合分类算法设计与实现 | 第43-57页 |
| 4.1 高低阶特征融合分类算法设计 | 第43-44页 |
| 4.2 基于SVM的多核学习特征融合算法分析 | 第44-49页 |
| 4.2.1 多核学习的特征融合方法 | 第44-47页 |
| 4.2.2 SVM分类方法 | 第47-49页 |
| 4.3 高低阶特征融合分类算法实验与结果分析 | 第49-56页 |
| 4.3.1 实验数据准备 | 第49-51页 |
| 4.3.2 高低阶特征融合分类实验结果分析 | 第51-53页 |
| 4.3.3 低阶纹理特征与高阶深度特征的分类性能分析 | 第53-54页 |
| 4.3.4 算法实验对比分析 | 第54-56页 |
| 4.4 本章小结 | 第56-57页 |
| 第5章 基于深度学习的多特征融合分类算法设计与实现 | 第57-69页 |
| 5.1 多特征融合分类算法网络结构设计 | 第57-58页 |
| 5.2 级联融合层网络设计 | 第58-60页 |
| 5.3 多特征融合深度网络的优化 | 第60-62页 |
| 5.3.1 基于 Dropout 技术的防过拟合 | 第60-61页 |
| 5.3.2 基于GAP技术的特征降维 | 第61-62页 |
| 5.4 多特征融合分类算法实验与结果分析 | 第62-68页 |
| 5.4.1 实验数据准备 | 第62-63页 |
| 5.4.2 多特征融合分类算法实验与结果分析 | 第63-64页 |
| 5.4.3 深度网络优化后的实验结果分析 | 第64-66页 |
| 5.4.4 算法实验对比分析 | 第66-68页 |
| 5.5 本章小结 | 第68-69页 |
| 第6章 总结与展望 | 第69-71页 |
| 6.1 论文工作总结 | 第69-70页 |
| 6.2 进一步研究展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 攻读学位期间发表的论文和参加的科研项目 | 第76页 |
| 一、攻读学位期间发表的论文 | 第76页 |
| 二、参加的科研项目 | 第76页 |