基于多核学习的医学图像模式分类
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-13页 |
| ·研究背景和意义 | 第10-11页 |
| ·本文内容与贡献 | 第11-12页 |
| ·本文的结构安排 | 第12-13页 |
| 第二章 医学图像分类技术研究 | 第13-21页 |
| ·医学成像技术 | 第13-14页 |
| ·医学图像的特点 | 第14-16页 |
| ·医学图像分类的发展 | 第16页 |
| ·医学图像自动分类的过程 | 第16-17页 |
| ·医学图像自动分类的研究现状 | 第17-20页 |
| ·医学图像特征 | 第17-18页 |
| ·分类方法 | 第18-20页 |
| ·本章小结 | 第20-21页 |
| 第三章 核方法与支持向量机 | 第21-32页 |
| ·核方法概述 | 第21-24页 |
| ·内积空间 | 第22页 |
| ·核的定义 | 第22-23页 |
| ·核的性质 | 第23页 |
| ·常用的核 | 第23-24页 |
| ·核矩阵 | 第24-25页 |
| ·支持向量机 | 第25-31页 |
| ·线性支持向量机 | 第25-29页 |
| ·非线性支持向量机 | 第29-30页 |
| ·多类分类问题 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于图像特征的医学图像分类 | 第32-54页 |
| ·医学图像的图像特征 | 第32-42页 |
| ·全局图像特征 | 第32-36页 |
| ·局部图像特征 | 第36-42页 |
| ·实验数据选取 | 第42-46页 |
| ·IRMA 数据子集 | 第43-44页 |
| ·ImageCLEF2010 数据集 | 第44-46页 |
| ·实验安排 | 第46-49页 |
| ·图像特征提取 | 第46-47页 |
| ·核函数及参数选择 | 第47页 |
| ·交叉验证 | 第47-49页 |
| ·实验结果与分析 | 第49-53页 |
| ·IRMA 数据子集 | 第49-51页 |
| ·ImageCLEF2010 数据集 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于上下文的医学图像分类 | 第54-65页 |
| ·医学图像的上下文 | 第54-55页 |
| ·文本信息的索引 | 第55-57页 |
| ·文本特征的表示与加权 | 第57-59页 |
| ·实验安排 | 第59-61页 |
| ·文本特征提取 | 第59-60页 |
| ·核函数及参数选择 | 第60-61页 |
| ·交叉验证 | 第61页 |
| ·实验结果与分析 | 第61-64页 |
| ·本章小结 | 第64-65页 |
| 第六章 融合多模态特征的医学图像模式分类 | 第65-75页 |
| ·多特征融合 | 第65-66页 |
| ·多核学习 | 第66-68页 |
| ·实验安排 | 第68-70页 |
| ·多核学习工具 | 第68-69页 |
| ·多核学习实验 | 第69-70页 |
| ·实验结果与分析 | 第70-74页 |
| ·融合多种图像特征的多核学习 | 第70-74页 |
| ·融合图像特征和文本特征的多核学习 | 第74页 |
| ·本章小结 | 第74-75页 |
| 第七章 结论与展望 | 第75-77页 |
| ·本文的主要工作和结论 | 第75-76页 |
| ·工作的展望 | 第76-77页 |
| 致谢 | 第77-78页 |
| 参考文献 | 第78-85页 |
| 个人简历 | 第85-86页 |
| 攻硕期间取得的研究成果 | 第86-87页 |
