| 中文摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 引言 | 第9-10页 |
| 1.2 乳腺超声图像的特征 | 第10-12页 |
| 1.3 超声乳腺肿瘤计算机蹄查系统的国内外研究现状 | 第12-13页 |
| 1.4 本论文的主要研宄工作 | 第13-15页 |
| 1.5 临床数据 | 第15-16页 |
| 第二章 乳腺腺体区域提取 | 第16-20页 |
| 2.1 引言 | 第16页 |
| 2.2 乳腺超声图像的预处理 | 第16-17页 |
| 2.3 动态图像帧间降釆样 | 第17-18页 |
| 2.4 乳腺腺体区提取 | 第18-19页 |
| 2.5 本章小结 | 第19-20页 |
| 第三章 改进SPCNN提取可疑异常区域 | 第20-35页 |
| 3.1 引言 | 第20-21页 |
| 3.2 脉冲耦合神经网络 | 第21-26页 |
| 3.2.1 Eckhorn神经元模型 | 第21-23页 |
| 3.2.2 脉冲耦合神经网络模型 | 第23-25页 |
| 3.2.3 脉冲耦合神经网络的工作机理 | 第25-26页 |
| 3.3 改进型脉冲耦合神经网络提取可疑异常区域 | 第26-31页 |
| 3.3.2 改进型脉冲親合神经网络模型 | 第27-29页 |
| 3.3.3 判决标准 | 第29-30页 |
| 3.3.4 后处理 | 第30-31页 |
| 3.4 仿真实验与结果 | 第31-34页 |
| 3.5 本章小结 | 第34-35页 |
| 第四章 基于区域纹理特征的多尺度Ncut法提取可疑异常区域 | 第35-47页 |
| 4.1 引言 | 第35-36页 |
| 4.2 传统Ncut法 | 第36-38页 |
| 4.3 改进的多尺度Ncut法提取可疑异常区域 | 第38-42页 |
| 4.3.1 加入区域纹理特征的多尺度Ncut法自动分割 | 第38-41页 |
| 4.3.2 可疑异常区域蹄选 | 第41-42页 |
| 4.4 实验结果与讨论 | 第42-45页 |
| 4.4.1 检测效率 | 第42-44页 |
| 4.4.2 检测效果 | 第44-45页 |
| 4.5 本章小结 | 第45-47页 |
| 第五章 乳腺超声筛查系统的应用研宄 | 第47-59页 |
| 5.1 引言 | 第47页 |
| 5.2 乳腺超声动态图像特征提取 | 第47-51页 |
| 5.2.1 顿内特征提取 | 第48-49页 |
| 5.2.2 帧间特征提取 | 第49-51页 |
| 5.3 筛选方法 | 第51-54页 |
| 5.4 图像化界面设计 | 第54-56页 |
| 5.5 实验结果与讨论 | 第56-58页 |
| 5.6 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 参考文献 | 第61-64页 |
| 附录：硕士期间发表论文 | 第64-65页 |
| 致谢 | 第65-66页 |
