| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·乳腺肿瘤超声图像的研究意义及进展 | 第10-11页 |
| ·乳腺超声图像分割技术及发展概述 | 第11-13页 |
| ·医学图像分割与超声图像处理 | 第11页 |
| ·乳腺超声图像的图像分割技术概述 | 第11-13页 |
| ·最优化问题与最优化算法概述 | 第13-14页 |
| ·本文的工作概要和内容安排 | 第14-16页 |
| ·主要工作 | 第14-15页 |
| ·论文的章节安排 | 第15-16页 |
| 第二章 基于图论的乳腺肿瘤超声图像分割方法 | 第16-24页 |
| ·RGB 图像分割算法概述 | 第16-21页 |
| ·图像去噪 | 第17-18页 |
| ·构建图 | 第18页 |
| ·区域对比准则 | 第18-20页 |
| ·区域融合 | 第20-21页 |
| ·RGB 算法的算法流程 | 第21页 |
| ·RGB 图像分割算法的分析与改进 | 第21-22页 |
| ·本章小结 | 第22-24页 |
| 第三章 最优化问题与最优化算法概述 | 第24-32页 |
| ·优化问题的数学描述 | 第25-26页 |
| ·智能优化算法 | 第26-27页 |
| ·模拟退火算法 | 第26-27页 |
| ·蚁群算法 | 第27页 |
| ·进化算法 | 第27页 |
| ·粒子群优化算法 | 第27-29页 |
| ·粒子群算法的数学描述 | 第28-29页 |
| ·粒子群算法的算法流程 | 第29页 |
| ·粒子群算法分析 | 第29页 |
| ·没有免费午餐定律 | 第29-30页 |
| ·本章小结 | 第30-32页 |
| 第四章 参数自动寻优的基于图论的乳腺肿瘤超声图像分割方法 | 第32-40页 |
| ·针对乳腺肿瘤超声图像的优化目标函数 | 第32-33页 |
| ·PAORGB 算法 | 第33-37页 |
| ·算法概述 | 第33-34页 |
| ·图像预处理之获取原始超声图像的 TCI 子图 | 第34-35页 |
| ·图像预处理之图像去噪 | 第35-36页 |
| ·粒子群算法相关参数的设定 | 第36-37页 |
| ·PAORGB 算法流程 | 第37页 |
| ·本文算法的创新点分析 | 第37-38页 |
| ·本章小结 | 第38-40页 |
| 第五章 实验结果与分析 | 第40-51页 |
| ·分割量化评估函数与指标 | 第40-42页 |
| ·平均径向误差（ARE） | 第40-41页 |
| ·TPVF、FPVF 与 FNVF 指标 | 第41-42页 |
| ·对比算法简介 | 第42-44页 |
| ·FCM | 第42-43页 |
| ·K-means | 第43-44页 |
| ·实验结果与分析 | 第44-50页 |
| ·本章小结 | 第50-51页 |
| 总结 | 第51-53页 |
| 参考文献 | 第53-58页 |
| 攻读硕士学位期间取得的研究成果 | 第58-59页 |
| 致谢 | 第59-60页 |
| 附件 | 第60页 |