基于牙科全景图片的骨质疏松检测方法研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 目录 | 第7-9页 |
| 第一章 绪论 | 第9-20页 |
| ·引言 | 第9-10页 |
| ·医学图像处理研究现状 | 第10-17页 |
| ·医学图像处理概述 | 第10-11页 |
| ·医学图像分割方法概述 | 第11-14页 |
| ·图像模式识别方法概述 | 第14-17页 |
| ·研究难点 | 第17-18页 |
| ·本文的主要工作及论文的组织结构 | 第18-20页 |
| ·论文的主要工作 | 第18页 |
| ·本文的组织结构 | 第18-20页 |
| 第二章 基于全景图片的CW特征提取 | 第20-36页 |
| ·引言 | 第20-21页 |
| ·相关知识 | 第21-23页 |
| ·OTSU阈值分割算法 | 第21-22页 |
| ·最小二乘法曲线拟合 | 第22-23页 |
| ·基于OTSU和DLS的颏孔识别 | 第23-27页 |
| ·颏孔识别算法思想与描述 | 第23-24页 |
| ·实验 | 第24-27页 |
| ·基于聚类和DLS的CW计算方法研究 | 第27-34页 |
| ·算法思想与分析 | 第27-29页 |
| ·实验 | 第29-34页 |
| ·本章小结 | 第34-36页 |
| 第三章 基于分形理论的FD特征提取 | 第36-53页 |
| ·引言 | 第36-37页 |
| ·相关知识 | 第37-41页 |
| ·分形理论简介 | 第37-38页 |
| ·分形维数计算介绍 | 第38-41页 |
| ·基于IFD的骨质疏松检测研究 | 第41-46页 |
| ·FD值改进算法与分析 | 第41-44页 |
| ·基于IFD的骨质疏松检测方法 | 第44-46页 |
| ·实验 | 第46-52页 |
| ·实验环境 | 第46页 |
| ·实验过程及分析 | 第46-52页 |
| ·本章小结 | 第52-53页 |
| 第四章 全景图片的特征提取与模式分类 | 第53-67页 |
| ·引言 | 第53页 |
| ·相关知识 | 第53-58页 |
| ·贝叶斯网络 | 第53-55页 |
| ·支持向量机(SVM) | 第55-56页 |
| ·人工神经网络 | 第56-58页 |
| ·特征提取与优化 | 第58-61页 |
| ·图像的特征参数提取 | 第58-59页 |
| ·特征数据的归一化 | 第59页 |
| ·特征数据优化 | 第59-61页 |
| ·基于改进增式SVM的模式分类 | 第61-62页 |
| ·实验 | 第62-65页 |
| ·本章小结 | 第65-67页 |
| 第五章 总结和展望 | 第67-68页 |
| ·本文工作总结 | 第67页 |
| ·本文的不足及下一步工作展望 | 第67-68页 |
| 参考文献 | 第68-72页 |
| 附录 | 第72-73页 |
| 致谢 | 第73-74页 |
