| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章：绪论 | 第9-13页 |
| ·计算机辅助医学影像分析 | 第9-10页 |
| ·代价敏感分类技术及其进展 | 第10-12页 |
| ·分类算法 | 第10页 |
| ·Boosting 算法 | 第10-11页 |
| ·代价敏感分类 | 第11-12页 |
| ·本文主要研究内容和全文安排 | 第12-13页 |
| 第二章 代价敏感问题与 Boosting 算法 | 第13-21页 |
| ·代价敏感模型 | 第13-16页 |
| ·二元分类问题 | 第13-14页 |
| ·最优化分类器 | 第14页 |
| ·实际的分类器 | 第14-16页 |
| ·Boosting 算法 | 第16-17页 |
| ·AdaBoost | 第16-17页 |
| ·RealBoost | 第17页 |
| ·LogitBoost | 第17页 |
| ·阈值操作的局限性 | 第17-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 代价敏感 Boosting 算法 | 第21-36页 |
| ·引言 | 第21页 |
| ·代价敏感 Boosting 原理 | 第21-28页 |
| ·代价敏感损失函数 | 第22-23页 |
| ·代价敏感 AdaBoost | 第23-25页 |
| ·代价敏感 RealBoost | 第25-26页 |
| ·代价敏感 LogitBoost | 第26-28页 |
| ·代价敏感权重 | 第28页 |
| ·算法验证 | 第28-35页 |
| ·实验流程 | 第29-30页 |
| ·实验结果分析 | 第30-35页 |
| ·本章小结 | 第35-36页 |
| 第四章 CS-Boosting 在乳腺超声图像良恶性判别中的应用 | 第36-54页 |
| ·引言 | 第36页 |
| ·乳腺超声特征提取 | 第36-37页 |
| ·特征选择 | 第37-41页 |
| ·mRMR 方法 | 第38-40页 |
| ·算法实现 | 第40-41页 |
| ·乳腺超声图像实验 | 第41-52页 |
| ·特征提取 | 第41页 |
| ·特征选择 | 第41-45页 |
| ·CS-Boosting 算法 | 第45-52页 |
| ·本章小结 | 第52-54页 |
| 第五章 CS-Boosting 在电子胃镜图像病灶检测中的应用 | 第54-70页 |
| ·前言 | 第54页 |
| ·图像预处理 | 第54-57页 |
| ·特征提取 | 第57-61页 |
| ·颜色直方图及其统计量 | 第57-60页 |
| ·LBP 纹理特征 | 第60-61页 |
| ·基于图片块（patch）融合的病灶检测 | 第61-64页 |
| ·滑动窗宽确定 | 第61-62页 |
| ·图像块融合 | 第62-64页 |
| ·胃镜图像实验 | 第64-68页 |
| ·本章小结 | 第68-70页 |
| 第六章 工作总结及展望 | 第70-72页 |
| 参考文献 | 第72-78页 |
| 致谢 | 第78-79页 |
| 攻读硕士学位期间录用和发表的论文 | 第79-81页 |