基于超声图像的乳腺癌计算机辅助诊断关键技术研究
| 摘要 | 第1-5页 |
| Abstract | 第5-14页 |
| 第1章 绪论 | 第14-28页 |
| ·课题来源及背景 | 第14-15页 |
| ·乳腺超声图像处理综述 | 第15-23页 |
| ·乳腺超声图像去噪研究状况 | 第15-18页 |
| ·乳腺超声图像肿瘤轮廓提取技术研究状况 | 第18-22页 |
| ·医学超声图像无损压缩研究状况 | 第22-23页 |
| ·乳腺超声图像肿瘤特征提取与分类研究现状 | 第23-25页 |
| ·论文的主要内容及章节安排 | 第25-28页 |
| 第2章 医学超声成像系统和斑点噪声模型 | 第28-37页 |
| ·医学超声成像基本原理 | 第28-30页 |
| ·全数字医学超声成像系统 | 第30-32页 |
| ·医学超声图像的噪声模型 | 第32-36页 |
| ·动态压缩前斑点噪声的统计分布 | 第33-34页 |
| ·动态压缩后斑点噪声的统计分布 | 第34-36页 |
| ·本章小结 | 第36-37页 |
| 第3章 基于偏微分方程的乳腺超声图像预处理 | 第37-54页 |
| ·引言 | 第37-38页 |
| ·基于偏微分方程的图像平滑算法 | 第38-41页 |
| ·基于热传导型偏微分方程的各向同性图像平滑 | 第38-40页 |
| ·Alvarez 图像选择性平滑算法 | 第40-41页 |
| ·基于最频值滤波的各向异性超声图像平滑算法 | 第41-47页 |
| ·最频值滤波及其偏微分方程解释 | 第41-43页 |
| ·最频值滤波的逼近方法——截尾中值滤波 | 第43-44页 |
| ·基于最频值滤波的各向异性图像平滑算法实现及实验 | 第44-47页 |
| ·基于边缘置信度的自适应总体变分图像去噪 | 第47-53页 |
| ·基于边缘置信度的p 函数实现 | 第48-51页 |
| ·基于边缘置信度的自适应总体变分数值实现与实验 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第4章 基于几何变形模型的乳腺肿瘤轮廓自动提取 | 第54-73页 |
| ·引言 | 第54页 |
| ·基于几何变形模型的感兴趣区域提取 | 第54-62页 |
| ·曲线演变理论 | 第56页 |
| ·图像分割的水平集方法 | 第56-62页 |
| ·乳腺超声图像肿瘤轮廓粗提取 | 第62-64页 |
| ·乳腺超声图像预处理 | 第64页 |
| ·基于边缘和区域统计特征的水平集肿瘤轮廓提取 | 第64-68页 |
| ·纹理特征的提取 | 第65-67页 |
| ·基于纹理特征的肿瘤弱边缘防泄漏方法 | 第67-68页 |
| ·BUI-GDM 实验与分析 | 第68-71页 |
| ·本章小结 | 第71-73页 |
| 第5章 乳腺超声图像肿瘤特征提取与肿瘤分类 | 第73-97页 |
| ·引言 | 第73页 |
| ·乳腺超声图像肿瘤特征分析 | 第73-75页 |
| ·乳腺超声图像肿瘤特征提取 | 第75-85页 |
| ·肿瘤纹理特征提取 | 第75-81页 |
| ·肿瘤几何特征提取 | 第81-83页 |
| ·肿瘤后回声特性特征提取 | 第83-84页 |
| ·肿瘤边缘锐度特征提取 | 第84-85页 |
| ·基于SVM 的乳腺肿瘤分类 | 第85-92页 |
| ·支持向量机基本理论 | 第85-91页 |
| ·计算机辅助诊断系统参数确定 | 第91-92页 |
| ·计算机辅助诊断系统实验分析和评估 | 第92-95页 |
| ·本章小结 | 第95-97页 |
| 第6章 基于LS-MLMH 超声图像无损压缩 | 第97-110页 |
| ·引言 | 第97页 |
| ·基于最小二乘的图像自适应预测编码 | 第97-105页 |
| ·常用无损压缩算法及其预测方法 | 第98-100页 |
| ·基于最小二乘的预测编码方法 | 第100-104页 |
| ·自适应预测方法转换机制 | 第104-105页 |
| ·基于最大可能数值的Huffman 编码的熵编码 | 第105-107页 |
| ·Huffman 编码 | 第106页 |
| ·最大可能数值 Huffman 编码 | 第106-107页 |
| ·基于 LS-MLMH 图像压缩实验 | 第107-109页 |
| ·本章小结 | 第109-110页 |
| 结论 | 第110-112页 |
| 参考文献 | 第112-124页 |
| 攻读博士期间发表的学术论文 | 第124-126页 |
| 致谢 | 第126-127页 |
| 个人简历 | 第127页 |
